Upload
laura-itzel-morales
View
225
Download
0
Embed Size (px)
Citation preview
8/15/2019 Apuntes analisis.pdf
1/106
INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA
INGENIERÍA EN COMUNICACIONES Y ELECTRÓNICA
EQUIPO 4: MÉTODO DE JACOBÍ
ALVAREZ CAMPOS ANA LAURA
FRANCO BUSTOS SAMUEL
MORA GOMEZ ANDREA ANAÍ
MORALES HERNÁNDEZ LAURA ITZEL
APUNTES
MARIA IVONNE GUTIERREZ VILLALBA
30 DE MAYO DE 2014
4CM1
8/15/2019 Apuntes analisis.pdf
2/106
PRIMER DEPARTAMENTAL
MÉTODO NUMÉRICO
Los métodos numéricos son técnicas mediante los cuales es posible formular
problemas de tal forma que sean resueltas con operaciones aritméticas. Aunque
hay muchos tipos de métodos numéricos todos comparten una característica
común, llevan a cabo un buen número de tediosos cálculos aritméticos.
Exactitud
1. Es la capacidad de un instrumento de acercarse al valor de la magnitud real
2. Es la cercanía del valor experimental obtenido, con el valor exacto de dicha
medida
Precisión
Es la tolerancia de medida o de transmisión del instrumento y define los límites de
los errores cometidos cuando el instrumento se emplea en condiciones normales
de servicio
Error
Es una desviación del valor medido de una magnitud física respecto al valor real
de dicha magnitud
Tipos de errores
1. Error absoluto
2. Error relativo
8/15/2019 Apuntes analisis.pdf
3/106
Preguntas:
1. ¿Qué es un método numérico?
Son algoritmos con los cuales se resuelven problemas sencillos y complejos
por medio de la transformación de operaciones complicadas
2. ¿Qué es un error? ¿Cuáles son los tipos de error que existen?
Es una incertidumbre en el resultado de una medida, se define como la
diferencia entre el valor real Vr y una aproximación a este
Tipos de errores
Redondeo
Truncamiento
Numérico total
Humano
Inherente
Absoluto
Relativo
3. Definir la diferencia entre precisión y exactitud
Es que la exactitud está más cerca del valor verdadero y la precisión es que
tan cercano esta de un valor individual, la exactitud depende de la precisión
4. ¿Qué es un algoritmo?
Es el conjunto de pasos que resolverán un problema determinado (cotidiano)
mediante el uso de cálculos aritméticos, lógicos y haciendo uso de
herramientas computacionales para eficiente la rapidez de los cálculos
8/15/2019 Apuntes analisis.pdf
4/106
5.-
Error numérico: redondeo: cuando se desea representar un numero con ciertas
cantidades de cifras truncamiento como son: π, e,
Valor Verdadero-Valor
Aproximado
Incertidumbre
Discrepancia
Diferencia
Variación
8/15/2019 Apuntes analisis.pdf
5/106
Error numérico toral: suma de los errores de redondeo y truncamiento
Exactitud: aproximación de un numero al valor real o verdadero
Precisión: se refiere a la aproximación de datos que existen entre si
Errores deMétodo
Numerico
Error absoluto
Error Verdadero
Error Relativo
Error relativoporcentual
Error porFormulación
Error porMedición
Errores deobservación
8/15/2019 Apuntes analisis.pdf
6/106
TAREA 2
1.- Cifras significativas: Representan el uso de uno o más escala de
incertidumbre en determinadas aproximaciones
2.- Punto flotante
f: es la fracción
e: es un entero positivo o negativo llamado exponente
A la versión en una computadora de ese tipo de notación le denomina punto
flotante
Ejemplo:
Series de Taylor
La serie de Taylor de una función f real o compleja f(x) infinitamente, diferenciable
en el entorno de un número real o complejo a la siguiente serie de potencias
8/15/2019 Apuntes analisis.pdf
7/106
REPRESENTACIÓN DEL PUNTO FLOTANTE
Precisión (float) 32 bits-4 bytes
Precisión doble (doublé) 64 bits -8 bytes
Muchas de las aplicaciones requieren trabajar con números que no son enteros.
Existen varias formas de representar números no enteros. Una de las formas es la
que se conoce como punto flotante. Bajo este esquema, un número puede ser
expresado mediante un exponente y una mantisa. Por ejemplo, el numero 10.75
puede expresarse como
En general un número en un punto flotante puede ser representado como:
Donde es la mantisa, b es la base y exp exponente
¿Qué se necesita para representar un número en punto flotante?
NORMALIZACIÓN
Dado que un número en punto flotante puede representarse en diferentes formas
que son equivalentes, es necesario establecer una única representación.
Signo Numero
Signo exponente
Dígitos para el exponente
Dígitos para la Mantisa
8/15/2019 Apuntes analisis.pdf
8/106
8/15/2019 Apuntes analisis.pdf
9/106
16 8 4 2 1
0 0 1 1 1
Normalizar el número binario 1112 =Calculamos el exponente con el exceso de 127
Exponente= 2+127=
Convertir
Representación en el estándar IEEE
S EXP MANTISA
0 10 000 001 1100000
1bit 8 bits 23 bits
Convertir a binario=
16 8 4 2 1
1 0 1 0 1
Normalización de =
Calculamos el exponente con el exceso de 127
Convertir =
Representación de punto flotante
8/15/2019 Apuntes analisis.pdf
10/106
S EXP MANTISA
0 10000001 110000000
1bit 8 bits 23 bits
Algoritmo para conversión de un número en punto flotante decimal a binario
Dado un número en un punto decimal y una base b
Do= parte entera (Num 10)
= ( – do)*b
I=1
Repetir desde i=1 hasta N
D1=parte entera (Numero)
= ( -d1) *b
=
Ejemplo: Convertir a binario y hallar su representación en IEEE
1.- (0.5-0)= 0.5*2 =1
(1.00-1) = 0*2 = 0
= Normalizado
2.- Calculamos el exponente con exceso de 127
-1+127=
8/15/2019 Apuntes analisis.pdf
11/106
3.- Representación de un punto flotante con IEEE
S EXP MANTISA
0 01111110 0000000
1bit 8 bits 23 bits
Ejercicio: Convertir a binario y hallar su representación en IEEE precisión
simple
1.- (0.3-0) = 0.3 * 2 = 0.6 d0= 0
(0.6-0) = 0.6 * 2 = 1.2 d1=0
(1.2-0) = 1.2 * 2 =2.4 d2 =1
(2.4 -1 ) = 1.4*2 =2.8 d3 =1
(0.8-0) = 0.8 *2 =1.6 d4=1
Convertir a binario y hallar su representación en IEEE precisión simple
3.5=11.1
Calculamos exponente con exceso de 127
-1+127= =01111110
8/15/2019 Apuntes analisis.pdf
12/106
Representación de punto flotante con IEEE
S EXP MANTISA
0 01111110 1100000
1bit 8 bits 23 bits
Representación de punto flotante con IEEE para 64 bits (doublé)
S EXP MANTISA
0 011111001 1100000
1bit 11 bits 52 bits
SERIES DE TAYLOR
Una serie funcional que surge de una ecuación en la cual se puede encontrar una
solución aproximada a una función y se define como
Cuando a=0
SERIE DE MCLAURIN
Ejemplo: Encuentre la serie de Taylor de
Cuando a=0
8/15/2019 Apuntes analisis.pdf
13/106
Calcular cuando x=0.5
valor verdadero
nValor
aproximado
Er=valor verdadero-
valor aproximado
0 1 1.6487-1=0.6487 39.3461 %
1 1.5 1.6487-1.5=0.1487 9.0192 %
2 1.625 1.6487-1.625=0.0237 1.4374 %
3 1.645 1.6487-1.6458=0.0029 0.1758 %
Encuentre la serie de Taylor de cuando a=0
8/15/2019 Apuntes analisis.pdf
14/106
8/15/2019 Apuntes analisis.pdf
15/106
S EXP MANTISA
0 01111101 01101000
1bit 8 bits 23 bits
(5.7525-5)=0.7525x2=1.505
(1.505-1)=0.505x2=1.01
(1.01-1)=0.01x2=0.01
(0.02-0)=0.02x2=0.04
(0.04-0)=0.04x2=0.08
S EXP MANTISA
0 01111101 0111000
1bit 8 bits 23 bits
(15.76-15)=0.76x2=1.52
(1.52-1)=0.52x2=1.04
8/15/2019 Apuntes analisis.pdf
16/106
(1.04-1)=0.04x2=0.08
(0.08-0)=0.08x2=0.16
(0.16-0)=0.16x2=0.32
S EXP MANTISA
0 01111110 11111000
1bit 8 bits 23 bits
TEOREMA FUNDAMENTAL DEL ALGEBRA
Todo polinomio de grado n tendrá “n” raíces reales o complejas
REGLA DE LOS SIGNOS DE DESCARTES
Si tenemos un polinomio
(+).- La cantidad de raíces positivas es igual al número de cambios de signo de
p(x) o disminuido, en ese número en una cantidad entera par
(-).- La cantidad de raíces negativas es igual al número de cambios de signo de
P(-X) o disminuido en ese número en cantidad entera par
8/15/2019 Apuntes analisis.pdf
17/106
Determinar la cantidad de posibles raíces reales, complejas, negativas, positivas
usando R.S.D
Raíces Positivas Negativas Complejas
5 0 5 0
0 3 2
0 1 4
Determine las raíces positivas / negativas del siguiente polinomio
Raíces Positivas Negativas Complejas
2 1 1 0
8/15/2019 Apuntes analisis.pdf
18/106
Raíces Positivas Negativas Complejas
4 1 3 0
1 1 2
-3 1 7 13 -23
-3 -12 -3
1 4 1 -26 0
=
8/15/2019 Apuntes analisis.pdf
19/106
8/15/2019 Apuntes analisis.pdf
20/106
Métodos abiertos(proponen puntosiniciales para la
busqueda)
Punto FIjo
Newton Raphson(Tangente)
Secante
“MÉTODOS DE BUSQUEDA DE RAICES”
Método de intervalos(cerrados)
Bisección
Regla Falsa
8/15/2019 Apuntes analisis.pdf
21/106
MÉTODO DE BISECCIÓN
Conocido también como Corte Binario o Método Bolzano, es un método debúsqueda incremental en el que el intervalo se divide siempre entre 2. Si la funcióncambia de signo sobre un intervalo, se evaluar el valor de la función en el puntomedio. La posición de la raíz se determina situando en el punto medio delsubintervalo, dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximación.
Algoritmo:
PASO 1: Elija valores iniciales inferior y superior de forma tal que lafunción cambie de signo sobre el intervalo. Esto se puede verificar
asegurándose de que:
PASO 2: La primera aproximación a la raíz se determina como:
PASO 3: Realice las siguientes evaluaciones:
a) Si entonces la raíz se encuentra en el subintervaloinferior.Por lo tanto:
Continuar al paso 2.b) Si entonces la raíz se encontrara en el subintervalo
superior.Por lo tanto:
PASO 4: Si es la raíz y termina el algoritmo. Encaso contrario repetir el cálculo hasta un criterio de paro (número deiteraciones, tolerancia, prefijada).
8/15/2019 Apuntes analisis.pdf
22/106
8/15/2019 Apuntes analisis.pdf
23/106
Por fórmula general:
PASO 1:
PASO 2:
5 7.5 10 100%
5 6.25 7.5 20%6.25 6.87 7.5 9.02%6.87 7.18 7.5 4.3%
Ejercicio:
Determina la raíz de:
con valores iniciales y
a) Gráficamente
b) Analíticamentec) Por método de bisección, realice 5 iteraciones, calcule valor relativo.
Ejercicio:
Encuentre la raíz de:
con valores iniciales y
a) Gráficamenteb) Analíticamentec) Por método de bisección. Calcule hasta encontrar la raíz o hasta que
8/15/2019 Apuntes analisis.pdf
24/106
8/15/2019 Apuntes analisis.pdf
25/106
MÉTODO DE LA REGLA FALSA
Aunque el método de bisección es la técnica perfectamente válida para determinarraíces, su enfoque en algunas funciones es ineficiente. El método de la regla falsaes una alternativa basada en una visualización gráfica.
Un defecto del método de bisección es que al dividir el intervalo de la a enmitades integrales no se toma en cuenta la magnitud de y por ejemplosi es mucho más cercana a 0 que , es lógico que la raíz se encuentramás cerca de que de Este método alternativo aprovecha la visualizacióngrafica de unir y con una línea recta la intersección de esta línea conel eje de las “x” representa una mejor estimación de la raíz. El hecho de que se
reemplace la curva por la línea recta de una posición falsa de la raíz.
Usando triángulos semejantes
El cual puede resolverse como:
Formula de regla falsa para nuevasaproximaciones de raíz
Algoritmo:
PASO 1: Establecer los puntos iniciales intervalo inferior y intervalosuperior y asegurar que ese intervalo encierre a la raíz.
8/15/2019 Apuntes analisis.pdf
26/106
Si ; entonces el intervalo propuesto es el adecuado.
PASO 2: Realizar la aproximación a la raíz mediante la fórmula:
PASO 3: Realizar las evaluaciones para establecer los nuevossubintervalos.
a) Si entonces REPETIR PASO 2 b) Si entonces REPETIR PASO 2
PASO 4: Si entonces es la raíz. En caso contrariorepetir hasta un criterio de paro (No. De iteraciones, tolerancia prefijada).
Ejercicio:
Aplique método de regla falsa a la función:
En el intervalo [0.5, 2]
0.5 - 1.63 + . 2 + 100%0.5 - 1.50 + . 1.63 + 8.6%0.5 - 1.44 + . 1.50 + 4.1%0.5 + 1.42 1.44 + 1.4%0.5 - 1.41 1.42 + 0.7%
8/15/2019 Apuntes analisis.pdf
27/106
Ejercicio:
Encuentre la raíz de:
a) Realice gráficab) Aplique regla falsa en el intervalo [3,4]. Realice 3 iteraciones.c) Aplique método de bisección en el mismo intervalo y número de iteraciones.
3 3.69 4 100%3.69 3.75 4 1.6%3.75 3.7580 4 0.21%
8/15/2019 Apuntes analisis.pdf
28/106
“MÉTODOS ABIERTOS”
Se basan en fórmulas que requieren únicamente de un solo valor de inicio o querequiere un par de ellos, pero no necesariamente encierran a la raíz. Como talesalgunas veces divergen (se alejan de la raíz verdadera) a medida que crece el
número de iteraciones. Sin embargo cuando los métodos abiertos convergen, porlo general lo hacen más rápido (bisección, regla falsa), se empieza el análisis delos métodos abiertos con una versión simple que es útil, para mostrar su fórmulageneral.
((GRAFICA))
ITERACIÓN SIMPLE DE PUNTO FIJO
Se basa en una fórmula que predice la raíz, atreves de sucesiones sucesivas, alarreglar la ecuación de tal modo que quede de lado izquierdo de la
ecuación y se formule:
Está transformación se puede llevar a cabo mediante operaciones algebraicas osimplemente agregando a cada lado de la ecuación original.
Ejemplo:
1.
Se puede reordenar para obtener:Sumando x ambos lados de la ec.
ó ó
2.Sumando “x” ambos lados de la ecuación:
La utilidad de esta ecuación es que proporciona una fórmula para predecir un
nuevo valor de la . De esta manera dada un valor de inicio a la raíz de la
8/15/2019 Apuntes analisis.pdf
29/106
ecuación se puede usar para obtener una nueva aproximación , expresada por
la fórmula:
Fórmula Iterativa de Punto Fijo
Criterio de convergencia:
Aproximación a la raíz (converge).
Para calcular el valor aproximado, se sigue la siguiente formula:
Ejercicio:
Use iteración simple de punto fijo para localizar la raíz de con unvalor inicial . Calcule hasta 5 iteraciones.
a)
b)
c)
Para el caso a)
8/15/2019 Apuntes analisis.pdf
30/106
1 1 100%2 0.3678 171.88%3 0.6922 46.86%4 0.5004 38.32%
5 0.6062 17.45
MÉTODO GRÁFICO (MÉTODO 2 CURVAS)
Separe la ecuación en 2 partes y determinar su raíz en forma gráfica.
0.0 0.0 1.00.2 0.2 0.8160.4 0.4 0.6700.6 0.6 0.5490.8 0.8 0.4491.0 1.0 0.368
Punto donde cruzan ambas
curvas la aproximación a la raíz.
8/15/2019 Apuntes analisis.pdf
31/106
0.0 10.2 0.6180.4 0.270.6 -0.05110.8 -0.351.0 -0.63
Ejercicio:
a)
Raíz
8/15/2019 Apuntes analisis.pdf
32/106
0 41.17
1 -1.33 27.81
2 -1.45 8.27
3 -1.40 3.57
4 -1.42 1.4
b)
Sumando x ambos lados
8/15/2019 Apuntes analisis.pdf
33/106
0 0.70 100%
1 1.05 33.33%
2 1.23 14.63%
3 1.32 6.81%
4 1.36 2.94%
5 1.38 1.44%
MÉTODO DE NEWTON-RAPHSON
Dentro de las fórmulas para localizar raíces la fórmula de Newton-Raphson, es la
más ampliamente usada, su el valor inicial de la raíz es entonces se puedeextender una tangente desde el punto El punto donde está tangente
cruza al eje de las “x” representada una aproximación mejorada a la raíz.
FORMULA DE LA TANGENTE
8/15/2019 Apuntes analisis.pdf
34/106
Ejercicio:
Aplique método de Newton-Raphson, para localizar la raíz de con
Realice 5 iteraciones y compare con el método de punto fijo.
Ejercicio:
Encuentre la raíz de
a) Grafique la función
b) Usando método de la tangente con con error
8/15/2019 Apuntes analisis.pdf
35/106
0 0 0
1 -1 100%
2 -0.69 42.93%
3 -0.59 14.87%
4 -0.5867 3.73%
5 -0.5869 0.681%
Ejercicio:
Determine la raíz de
a) Grafique la función
b) Usando método de la tangente. Realice 5 iteraciones
c) Usando método de punto fijo
8/15/2019 Apuntes analisis.pdf
36/106
MÉTODO DE LA SECANTE
Un problema potencial en la implementación del método de Newton-Raphson, es
la evaluación de la derivada, ya que en la aplicación existían algunas funciones
cuyas derivadas suelen ser difíciles de elevar. En estos casos, la derivada sepuede aproximar mediante una dif. dividida finita regresiva.
Esquema gráfico de la secante:
Observe que a partir de condiciones iniciales se puede aproximar a la raíz
en el punto , este se encuentra mediante el cruce que se obtiene a partir delos puntos y trazando la recta secante que los une.
De tal forma podemos decir que la derivada la podemos aproximarmediante:
Sustituyendo en la fórmula del método Newton-Raphson obtendremos:
Sustituyendo f 1(x):
8/15/2019 Apuntes analisis.pdf
37/106
FORMULA DE LA SECANTE
Ejercicio:
Aplicar el método de la secante . Aplique método de la secantecon y realizar el cálculo hasta
Iteración
1 0 1.5 1 5.1518 -0.3612 515.28%
2 1.5 -0.3612 5.1518 0.5178 -0.5691 124.08%
3 -0.361 -0.5691 0.5178 0.0490 -0.5908 57.5581%
8/15/2019 Apuntes analisis.pdf
38/106
SEGUNDO DEPARTAMENTAL
METODO DE GAUSS
El método de Gauss consiste en transformar un sistema de ecuaciones en otro
equivalente de forma que éste sea escalonado. La 1ª ecuación siempre se deja
igual, (procurando que esta sea la más sencilla) y a la 2ª y 3ª ecuación se debe
anular el término que lleva la x. O podemos intercambiarlas entre sí.
Este algoritmo consiste en dos procesos:
a) Eliminación hacia adelante: Esta fase reduce el conjunto de ecuaciones a un
sistema triangular Superior:
Paso 1: Consiste en dividir la primera ecuación por el coeficiente de la primera
incógnita aii (coeficiente pivote). A este procedimiento se le conoce como
normalización.
Paso 2: Después se multiplica la ecuación normalizada por el primer coeficiente
de la segunda ecuación.
Paso 3: Nótese que el primer termina de la primera ecuación es idéntico al primer
termino de la segunda. Por lo tanto, se puede eliminar, la primera incógnita de la
segunda ecuación restando la primera a la segunda.
Paso 4: Repetir el paso 2 y 3 hasta eliminar la primera incógnita de todas las
ecuaciones restantes.
Estos 4 pasos se repiten tomando como pivotes las ecuaciones restantes hasta
convertir el sistema en una matriz triangular superior.
b) Sustitución hacia atrás:
Ya obtenido el sistema equivalente que es un sistema triangular superior este es
más manejable y se puede resolver despejando primero la Xn y este valor
utilizarlo para obtener despejando la segunda incógnita hasta obtener el resultado
completo del sistema.
8/15/2019 Apuntes analisis.pdf
39/106
OBJETIVO
En el objetivo de reducir el sistema a otro con las mismas soluciones pero más
sencillo, el método de Gauss utiliza tres tipos de transformaciones que
presentamos a continuación.
· Transformaciones empleadas por el método de Gauss:
· Transformación 1: permutar dos filas entre sí.
· Transformación 2: añadir a una fila una paralele previamente multiplicada por un
número.
· Transformación 3: multiplicar (o dividir) una fila por un número diferente de cero.
· Estas transformaciones se realizan en las filas de matriz hasta que
conseguimos que los elementos por debajo de la diagonal principal sean
todos nulos.
8/15/2019 Apuntes analisis.pdf
40/106
VENTAJAS Y DESVENTAJAS
Ventajas
Resuelve sistemas de ecuaciones de 2 o mas variables.
Puede resolver sistemas que involucran números complejos.
Desventajas
Si se tiene una variable multiplicada por cero, o por un numero muy
pequeño en la diagonal, se puede indeterminar o resultar un numero muy
grande.
Si se trabaja un sistema mal condicionado, se corre el riesgo de que el
resultado de la variable cambie por no tomar todas las cifras significativas.
8/15/2019 Apuntes analisis.pdf
41/106
MÉTODO DE LU
El método de descomposición LU para la solución de sistemas de ecuaciones
lineales debe su nombre a que se basa en la descomposición de la matriz original
de coeficientes (A) en el producto de dos matrices (L y U).
LA FACTORIZACIÓN LU DE UNA MATRIZ
Es una factorización que resume el proceso de eliminación gaussiana aplicado a
la matriz y que es conveniente en términos del numero total de operaciones de
punto flotante cuando se desea calcular la inversa de una matriz o cuando se
resolverá una serie de sistemas de ecuaciones con una misma matriz de
coeficientes.
Fórmula:
A=LU
Donde:
L - Matriz triangular inferior
U - Matriz triangular superior con todos los elementos de la diagonal
principal iguales a 1.
PASOS PARA RESOLVER UN SISTEMA DE ECUACIONES POR EL MÉTODO
DE DESCOMPOSICIÓN LU
Obtener la matriz triangular inferior “L” y la matriz triangular superior “U”.
Resolver Ly = b (para encontrar y).
El resultado del paso anterior se guarda en una matriz nueva de nombre “y”.
Realizar Ux = y (para encontrar x).
8/15/2019 Apuntes analisis.pdf
42/106
El resultado del paso anterior se almacena en una matriz nueva llamada “x”, la
cual brinda los valores correspondientes a las incógnitas de la ecuación.
OBTENER LA MATRIZ TRIANGULAR INFERIOR “L” Y LA MATRIZ
TRIANGULAR SUPERIOR “U”
Pasos para encontrar la matriz triangular superior (matriz [u])
1. Hacer cero todos los valores abajo del pivote sin convertir este en 1.
2. Para lograr lo anterior se requiere obtener un factor el cual es necesario
para convertir a cero los valores abajo del pivote.
3. Dicho factor es igual al número que se desea convertir en cero entre el
número pivote.
4. Este factor multiplicado por -1 se multiplica luego por el pivote y a ese
resultado se le suma el valor que se encuentra en la posición a cambiar (el
valor en la posición que se convertirá en cero).
Pasos para encontrar la matriz triangular inferior (matriz [l])
o Construir una matriz de igual orden que la matriz original con unos en la
diagonal principal y ceros para los elementos que cumplan j > i.
Para matrices de 3x3 se escribe como:
=
Si efectuamos la multiplicación de L y U, igualando los elementos de ese producto
con los de la matriz A correspondientes, se obtiene:
8/15/2019 Apuntes analisis.pdf
43/106
De aquí que los elementos de L y U son, en este caso:
Si el sistema de ecuaciones original se escribe como:
Si el sistema de ecuaciones original se escribe como:
A x = b
Lo cual resulta lo mismo escribir:
L U X = b
Definiendo a:
U X = Y
Podemos escribir:
L Y = b
Resolviendo para Y, encontramos:
El algoritmo de solución, una vez conocidas L, U y b, consiste en encontrar
primeramente los valores de "Y" por sustitución progresiva sobre "L Y = b".
En segundo lugar se resuelve "U x = y " por sustitución regresiva para
encontrar los valores de "x", obteniendo:
8/15/2019 Apuntes analisis.pdf
44/106
8/15/2019 Apuntes analisis.pdf
45/106
Despejamos x1 de la ecuación 1, x2 de la ecuación 2, … , xn de la ecuación n,
quedando:
Desde la formula anterior resultan las fórmulas que se deberán ir aplicando en las
diferentes iteraciones. Para comenzar a aplicar el método debemos asignar unvalor arbitrario a las variables x2,…xn con el fin de obtener x1. Lo mas
conveniente en este caso es que los valores comiencen en cero, lo cual nos
facilitaría el trabajo ya que se reduce el cálculo de las primeras soluciones,
entonces de esto resulta que:
Ahora despejamos x2 de la ecuación 2 y reemplazamos a x1 por el valor obtenido
en la ecuación anterior. De esto nos queda:
Una vez que tenemos x2, despejamos x3 de la ecuación 3 y así sucesivamente
con las n ecuaciones, cada vez asignando el valor de las x1, x2,… xn -1 obtenido
en el paso anterior.
Cuando hemos despejado las xn, tenemos lo que se conoce como primera
solución o solución de la primera iteración:
8/15/2019 Apuntes analisis.pdf
46/106
Con los nuevos valores de x1, x2,…,xn aplicamos los mismos pasos anteriores
pero con los nuevos valores de las xn, de esta manera conseguimos una segunda
solución:
Al tener esta segunda solución estamos en condiciones de calcular el error que se
calcula como sigue:
Así, repetimos el método tantas veces hasta que el error sea muy pequeño o los
suficientemente aceptable.
Ahora solo queda mencionar que para que un sistema sea convergente se debe
cumplir que la matriz de coeficientes sea diagonalmente dominante, y para ello se
debe verificar la siguiente expresión:
Si no se cumple esa condición, se puede permutar las filas de la matriz, con el fin
de poder convertirla en una diagonalmente dominante.
8/15/2019 Apuntes analisis.pdf
47/106
Aplicación
EL método de Gauss Seidel tiene una amplia aplicación para resolver problemas
de ecuaciones lineales y cuando éstos son de alguna manera más fáciles de
computarizar a través de algún programa como Excel o bien WINQSB.
Esta es una de las tantas variaciones que tiene el Método de Gauss (método del
pivote) y son muy aplicados en algunas áreas como lo son Investigación de
Operaciones (Técnicas de Optimación) que son métodos para encontrar
soluciones óptimas a distintos tipos de problemas de transporte y asignación por
ejemplo.
También es muy utilizado para las áreas de mecánica (fluidos y sólidos) según el
tipo de experimento que estemos realizando y nos sirven en general para
encontrar un valor aproximado de lo que sucede en nuestro proceso.
El método de Gauss-Seidel encuentra su mayor aplicación dentro de la
programación ya que es fundamental para la operación de máquinas CNC
(Computerized Numeric controls) donde es más sencillo generar modelos lineales
para programar un proceso.
Ejemplo de la aplicación del Método de Gauss-Seidel
Una compañía minera extrae mineral de dos minas, el cual contiene para la mina I
el 1% de níquel y 2% de cobre, para la mina II el 2% de níquel y 5% de cobre.
¿Qué cantidad de mineral se deberá extraer de cada mina para obtener 4
toneladas de níquel y 9 toneladas de cobre?
Solución: ¿Cuál es el problema? ¿Qué se busca?
Queremos saber el número de toneladas de mineral que hay que extraer de cada
mina, asignemos literales a esos números.
8/15/2019 Apuntes analisis.pdf
48/106
Sean x el número de toneladas que se extrae de la mina I y el número de
toneladas que se extrae de la mina II.
Establezcamos ahora relaciones algebraicas entre las literales.
¿Cuánto se obtiene de níquel de la mina I?
0.01 x
¿Y de la mina II?
0.02 y
Entonces la ecuación queda: 0.01x + 0.02y =4
Análogamente para el cobre tenemos:
0.02x+0.05y = 9
Así, para saber cuántas toneladas hay que extraer de cada mina debemos
resolver el sistema de dos ecuaciones lineales con dos incógnitas:
La matriz queda de la siguiente forma
Despejando las incógnitas
8/15/2019 Apuntes analisis.pdf
49/106
Tomando como primer valor inicial a y1 = 75, resolvemos para x1 para obtener
posteriormente y2
Calculamos el error
Que aún es mayor al 1% Así que repetimos el proceso de iteración las veces
necesarias
Este proceso continua. Dándonos como resultado
X=100 Y=200
Que son las toneladas de material necesarias que se
deben extraer de cada mina para obtener 4
toneladas de níquel y 9 toneladas de cobre
8/15/2019 Apuntes analisis.pdf
50/106
8/15/2019 Apuntes analisis.pdf
51/106
Para determinar si el método de Jacobi converge hacia una solución, se evalúan
las siguientes condiciones de convergencia:
La matriz sea estrictamente dominante diagonalmente por filas, es
decir, para toda desde 1 hasta que es el tamaño de la matriz A:
Es decir, el elemento de la diagonal correspondiente a la fila debe de ser mayor a
la suma de elementos de esa fila .
A partir de la siguiente identidad:
Dónde:
D= La matriz diagonal
L= La matriz triangular inferior
U=La matriz triangular superior
Para que el método de Jacobí converja hacia una solución:
Dónde:
= La matriz de iteración de Jacobí.
El método de Jacobi, es el método iterativo más elemental; ya que el proceso se
repite tantas veces hasta llegar a una tolerancia deseada, se empieza a partir de
un vector inicial (el vector de ceros la mayoría de las veces).
Dado el sistema A x = b.
8/15/2019 Apuntes analisis.pdf
52/106
El método comienza resolviendo la ecuación 1 para x 1, x 2 y x 3 e introduciendo el
índice k que se utilizara para indicar el número de iteraciones, se obtiene:
Además se requiere de un vector inicial
xi = (x1(k), x2
(k), x3(k)) el cual representa la primera aproximación de la
solución del sistema, con lo que se produce x k+1 .
Este vector si no se conoce se puede asumir como:
x0 = (0 (0), 0
(0), 0 (0))
Con estos valores y las fórmulas de las ecuaciones (2) se van calculando
los nuevos valores de xi
El proceso se continua hasta que | xi+1 – xi| ≤ ea.
Ventajas y Desventajas:
Probablemente más eficientes que los directos para sistemas de orden alto
Más simples de programar
Puede aprovecharse una aproximación a la solución, si tal aproximación
existe
8/15/2019 Apuntes analisis.pdf
53/106
Son menos sensibles a los errores de redondeo (valioso en sistemas mal
condicionados).
Si se tienen varios sistemas que comparten la matriz coeficiente, esto no
representara ahorro de cálculos, ya que por cada vector a la derecha de Atendrá que aplicarse el método.
Aun cuando la convergencia esté asegurada, puede ser lenta y , por lo
tanto, los cálculos requeridos para obtener una solución particular no son
predecibles.
El tiempo y la exactitud del resultado dependen del criterio de convergencia
Si la convergencia es lenta, los resultados deben interpretarse con cautela.
La matriz debe ser cuadrada , (para un sistema de n ecuaciones con n
incógnitas)
Ejercicio:
Resolver el siguiente sistema de tres ecuaciones por el Método de Jacobi, para una = 5% :
Las siguientes fórmulas las utilizamos para encontrar
X1, X2 y X3 en cada una de las iteraciones
8/15/2019 Apuntes analisis.pdf
54/106
8/15/2019 Apuntes analisis.pdf
55/106
8/15/2019 Apuntes analisis.pdf
56/106
8/15/2019 Apuntes analisis.pdf
57/106
INTERPOLACION LINEAL
INTERPOLACON PARA “n” POLINOMIOS
ALGORITMO
Paso 1: Analizar el conjunto de puntos coordenados propuestos en el problema
(puntos x con su respectiva f(x) o “y”)
8/15/2019 Apuntes analisis.pdf
58/106
Pasó 2: Obtener para polinomios grado n, de la siguiente manera:
Paso 3: Sustituir cada obtenida en el paso 2 en la ecuación delpolinomio interpolador:
Paso 4: Realizar el desarrollo algebraico de la ecuación y el polinomio final
obtenido será el polinomio de Newton buscado.
Ejemplo 1
Determine el polinomio interpolado por el método de las diferencias divididas de
Newton para los puntos (1,0),(2,6),(4,12),(5,24).
8/15/2019 Apuntes analisis.pdf
59/106
8/15/2019 Apuntes analisis.pdf
60/106
8/15/2019 Apuntes analisis.pdf
61/106
Calculamos su tabla:
f(x0,x1)=
f(x1,x2)=
f(x2,x3)=
f(x3,x4)=
f(x4,x5)=
f(x5,x6)=
f(x0,x1,x2)=
f(x1,x2,x3)=
f(x2,x3,x4)=
8/15/2019 Apuntes analisis.pdf
62/106
f(x3,x4,x5)=
f(x4,x5,x6)=
f(x0,x1,x2,x3)= -
f(x1,x2,x3,x4)=
f(x2,x3,x4,x5)=
f(x3,x4,x5,x6)=
Obteniendo el siguiente polinomio:
P6(x)=35.5+.23(x-150)+.0175(x-150)(x-160)- (x-150)(x-160)(x-170)
+ (x-150)(x-160)(x-170)(x-180)- (x-150)(x-160)(x-170)(x-180)(x-
190) + (x-150)(x-160)(x-170)(x-180)(x-190)(x-200)
P6(x) = + -1.6152 +225.6883 -
16753.2981x+515880.55
8/15/2019 Apuntes analisis.pdf
63/106
METODO DE LAGRANGE
En análisis numérico, el polinomio de LaGrange, llamado así en honor a Joseph-
Louis de LaGrange, es una forma de presentar el polinomio que interpola un
conjunto de puntos dado.
Dado que existe un único polinomio interpolador para un determinado conjunto de
puntos, resulta algo engañoso llamar a este polinomio el polinomio interpolador de
LaGrange. Un nombre más apropiado es interpolación polinómica en la forma de
LaGrange.
Definición
Dado un conjunto de k + 1 puntos
( , )…( , )
donde todos los xj se asumen distintos, el polinomio interpolador en la forma de
LaGrange es la combinación lineal.
k
i Xi f X Li X fn
0)()()(de bases polinómicas de Lagrange
Los polinomios básicos de Lagrange se construyen con una propiedad:
Las funciones en términos de x pueden ser de primero o segundo orden, de la
siguiente manera:
)()()( 101
00
10
11 X f
X X
X X X f
X X
X X X f
8/15/2019 Apuntes analisis.pdf
64/106
Algoritmo
DATOS: El grado del polinomio de aproximación N, las N+1 parejas de valores
(X(I), FX(I), I=0,1,…, N) y el valor para que se desea la interpolación XINT.
RESULTADOS: La aproximación FXINT, el valor de la función en XINT.
Paso 1: Hacer FXINT=0.
PASO 2: Hacer I = 0.
PASO 3: Mientras I ≤ N, repetir los paso 4 a 10.
PASO 4: Hace L=1.
Paso 5: Hacer J = 0.PASO 6: Mientras J ≤ N, repetir los pasos 7 y 8 .
PASO 7: Si I ≠ J Hacer L = L *(XINT-X(J)/(X(I)-X(J)).
Paso 8: Hacer J= J + 1.
PASO 9. Hacer FXINT = FXINT + L * FX(I).
Paso 10: Hacer I = I + 1.
PASO 11: IMPRIMIR FXINT y TERMINAR.
Ventajas y Desventajas
El polinomio encontrado es único.
La forma de Lagrange es sencilla y se comprueba con facilidad que es un
polinomio de interpolación y su grado. Pero para conocer los coeficientes
del polinomio hay que simplificar los términos.
Otra característica de esta forma de encontrar el polinomio es que si
añadimos o quitamos puntos hay que recalcularlo otra vez.
Debe observarse que el método anterior no es el método de interpolación
más eficiente para determinar los coeficientes de un polinomio.
Los coeficientes suelen ser inexactos, en particular para n grandes.
)())((
))(()(
))((
))(()(
))((
))(()( 2
1202
10
1
2101
20
0
2010
212 X f
X X X X
X X X X X f
X X X X
X X X X X f
X X X X
X X X X X f
8/15/2019 Apuntes analisis.pdf
65/106
8/15/2019 Apuntes analisis.pdf
66/106
METODO DE MINIMOS CUADRADOS
Es una técnica de análisis numérico enmarcada dentro de la optimización
matemática en la que, dados un conjunto de pares ordenados: variable
independiente, variable dependiente, y una familia de funciones, se intentaencontrar la función continua, dentro de dicha familia, que mejor se aproxime a los
datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.
La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas.
Muchos otros problemas de optimización pueden expresarse también en forma de
mínimos cuadrados, minimizando la energía o maximizando la entropía.
¿QUE SE BUSCA CON LA REGRESION?
Crear una función lineal que permita describir el comportamiento de una variable
dependiente Y en función de una o más variables independientes X
Estimación por mínimos cuadrados
• Es el mas utilizado para ajuste de curvas
• Fue desarrollado por Karl Gauss (1777-1855)
• La idea es producir estimadores de los parámetros (β0 , β1) que hagan
mínima la suma de cuadrados de las distancias entre los valores
observados, y los valores estimados.
La regresión lineal o ajuste lineal es un método matemático que modela la relación
entre una variable dependiente Y, las variables independientes Xi y un
término aleatorio ε. Este modelo puede ser expresado como:
p Xp + ɛ
variable dependiente, explicada o regresando.
, ,…, Xp variables explicativas, independientes o regresores.
8/15/2019 Apuntes analisis.pdf
67/106
, ,…, p parámetros, miden la influencia que las variables explicativas tienen
sobre el regresando.
Donde es la intersección o término "constante", las son los
parámetros respectivos a cada variable independiente y „p‟ es el número deparámetros independientes a tener en cuenta en la regresión
La regresión lineal puede ser contrastada con la regresión no lineal.
Cuando se asocia un error sustancial con los datos, la interpolación polinomial es
inapropiada y puede llevar a resultados no satisfactorios cuando se usa para
predecir valores intermedios. Los datos experimentales a menudo son de este
tipo. Por ejemplo, en la figura se muestran siete datos obtenidos
experimentalmente que muestran una variación significativa. La inspección visual
de los datos sugiere una relación positiva entre y y x. Es decir, la tendencia total
indica que a valores mayores de y se le asocian valores mayores a x.
Ahora, si se ajusta un polinomio interpolante de sexto orden a estos datos (Figura)
, pasará exactamente por todos los puntos. Sin embargo, debido a la variabilidad
de los datos, la curva oscila ampliamente en los intervalos entre puntos. Enparticular, los valores interpolados x = 1.5 y x = 6.5 parecen ir más allá del rango
sugerido por los datos.
8/15/2019 Apuntes analisis.pdf
68/106
Una estrategia más apropiada en estos casos es la de obtener una función
aproximada que ajuste “adecuadamente” el comportamiento o la tendencia
general de los datos, sin coincidir necesariamente con cada punto en particular La
figura.
La manera de quitar esta subjetividad es considerar un criterio que cuantifique la
suficiencia del ajuste. Una forma de hacerlo es obtener una curva que minimice la
diferencia entre los datos y la curva.
Ajuste de una línea recta por mínimos cuadrados
De la ecuación ya dada:
Ahora para determinar los valores de a0 y a1, la ecuación anterior se deriva con
respecto a cada uno de los coeficientes:
8/15/2019 Apuntes analisis.pdf
69/106
Si Observamos hemos simplificado los símbolos de la sumatoria; a menos que se
indique otra cosa, todas las sumatorias van desde i = 1 hasta n. Al igualar estas
derivadas a cero, se dará como resultado un Sr mínimo. Si se hace esto, las
ecuaciones se expresaran de la siguiente forma:
Ahora, si observamos que ∑a0 = na0, expresamos las ecuaciones como un
conjunto de dos ecuaciones lineales simultáneas, con dos incógnitas (a0 y a1):
……..(2) ……..(3)
Éstas se llaman ecuaciones
normales, y se resuelven en
forma simultánea
……….(4)
Este resultado se utiliza conjuntamente con la ecuación (2) para obtener
………..(5)
Donde son las medias de y y x, respectivamente.
8/15/2019 Apuntes analisis.pdf
70/106
Cuantificación del error en la regresión lineal
Varias propiedades de este ajuste se observan al examinar más de cerca la forma
en que se calcularon los residuos. Recordemos que la suma de los cuadrados se
define como:
En esta ecuación, el cuadrado del residuo representa el cuadrado de la distancia
vertical entre el dato y otra medida de tendencia central: la línea recta
La analogía se puede extender aún más en casos donde 1. la dispersión de lospuntos alrededor de la línea es de magnitud similar en todo el rango de los datos,
y 2. la distribución de estos puntos cerca de la línea es normal. Es posible
demostrar que si estos criterios se cumplen, la regresión por mínimos cuadrados
proporcionará la mejor estimación de a0 y a1. Esto se conoce en estadística como
8/15/2019 Apuntes analisis.pdf
71/106
el principio de máxima verosimilitud. Además, si estos criterios se satisfacen, una
“desviación estándar” para la línea de regresión se determina como sigue
donde a sy/x se le llama error estándar del estimado. El subíndice “y/x” designa
que el error es para un valor predicho de y correspondiente a un valor particular dex. Así como en el caso de la desviación estándar, el error estándar del estimado
cuantifica la dispersión de los datos. Aunque, sy/x cuantifica la dispersión
alrededor de la línea de regresión, como se muestra en la figura b, a diferencia de
la desviación estándar original sy que cuantifica la dispersión alrededor de la
media figura a
MÍNIMOS CUADRADOS LINEALES EN GENERAL
FORMULACIÓN GENERAL DE UNA MATRIZ PARA MÍNIMOS CUADRADOS
LINEALES
En las páginas anteriores presentamos tres tipos de regresión: lineal simple,
Polinomial y lineal múltiple. De hecho, las tres pertenecen al siguiente modelo
lineal general de mínimos cuadrados:
y = a0z0 + a1z1 + a2z2 + · · · + amzm + e
Donde z0, z1, … , zm son m + 1 funciones diferentes. Se observa con facilidad
cómo la regresión lineal simple y múltiple se encuentran dentro de este modelo; es
decir, z0 = 1, z1 = x1, z2 = x2,…, zm = xm. Además, la regresión Polinomial se
incluye también si las z son monomios simples como z0 = x0 = 1, z1 = x, z2 = x2,…,
zm = xm.
8/15/2019 Apuntes analisis.pdf
72/106
Observe que la terminología “lineal” se refiere sólo a la dependencia del modelo
sobre sus parámetros (es decir, las a). Como en el caso de la regresión
PolinomIal, las mismas funciones llegan a ser altamente no lineales. Por ejemplo,
las z pueden ser senoidal, como en
y = a0 + a1 cos (wt) + a2 sen (wt)
Esta forma es la base del análisis de Fourier. Por otro lado, un modelo de
apariencia simple como
f(x) = a0 (1 – e ̂–a1x)
es no lineal porque no es posible llevarlo a la forma de la ecuación y = a0z0 +
a1z1 + a2z2 + · · · + amzm + e,
Mientras tanto, la ecuación y = a0z0 + a1z1 + a2z2 + · · · + amzm + e, se expresa
en notación matricial como
{Y} = [Z]{A} + {E}
donde [Z] es una matriz de los valores calculados de las funciones z en los valores
medidos de las variables independientes
Donde m es el número de variables en el modelo y n es el número de datos.
Como n > m + 1, se reconoce que, la mayoría de las veces, [Z] no es una matrizcuadrada. El vector columna {Y} contiene los valores observados de la variable
dependiente
{Y}T = ⎣ y1 y2 · · · yn⎦
El vector columna {A} contiene los coeficientes desconocidos
8/15/2019 Apuntes analisis.pdf
73/106
8/15/2019 Apuntes analisis.pdf
74/106
11
1
( ) ( )'( ) 0( )
i iin i i
i i
f X f X f X X X
X X
Ó '( ) 0( )i f
f x hh
Donde „ f ‟ se le conoce como diferencia hacia adelante y a „ h „ se le llama
tamaño de paso, esto es la longitud del ibtervalo sobre el cual se hace la
aproximación.
Grafica de aproximación hacia adelante.
Aproximación de derivada por diferencia hacia atrás
La serie de Taylor se pueden expandir hacia atrás para calcular un valor anterior
sobre el valor actual, como;
2
1'( ) ''( )
( ) ( )1! 2!
i f Xi h f Xi h
f X f Xi
Truncando la ecuación después de la primera derivada y ordenando los términos
se obtiene:
Error
8/15/2019 Apuntes analisis.pdf
75/106
1( ) ( )'( ) 0( )
i i ii
i
f X f X f f X h
h h
Donde i f es conocida como la primera diferencia dividida hacia atrás.
Grafica de aproximación hacia atrás
Aproximación de derivadas por diferencias centradas
Una tercera forma de aproximar la primera derivada es restando las diferencias
hacia atrás de la expansión de Taylor hacia adelante.
2
1'( ) ''( )
( ) ( ) ......1! 2!
i f Xi h f Xi h
f X f Xi
Para obtener
3 3
1( )
'( ) ( ) 2 '( ) ...3!
ii i i
f X h f X f X f X h
Que se puede resolver como:
8/15/2019 Apuntes analisis.pdf
76/106
8/15/2019 Apuntes analisis.pdf
77/106
1 1
1 1
0 ( ) 1.2
0.5 ( ) 0.925
1 ( ) 0.2
i i
i i
i i
x f x
x f x
x f x
b) Diferencias hacia adelante
1 ( ) 0.2 0.925'( ) 1.45
0.5
i i
i
f x f x f x
h
Valor verd - Valor aprox% *100Valor verd
0.9125 1.45% *100 58.9%
0.9125
Ev
Ev
c) Diferencias hacia atrás
1( ) 0.925 1.2'( ) 0.55
0.5
i i
i
f x f x f x
h
0.9125 0.55% *100 37.7%
0.9125 Ev
d) Diferencias centrales
1 1( ) 0.2 1.2'( ) 1
2 1
i i
i
f x f x f x
h
8/15/2019 Apuntes analisis.pdf
78/106
0.9125 1% *100 9.58%
0.9125 Ev
METODOS DE INTEGRACIÓN NUMERICA
Fórmulas de Newton-Cotes
Trapecio
Simpson 1/3
Simpson 3/8
Son esquemas de integración Numérica más comunes, se basan en la estrategia
de remplazar una función complicada o datos tabulados con una función
aproximada que sea fácil de integrar:
( ) ( )b b
n
a a
I f x dx f x dx
Donde fn(x) es un polinomio de la forma
2
0 1 2 ......
n
na a x a x a x y „n‟ es elorden del polinomio.
“ Esquema gráfico de las fórmulas de Newton-Cotes”
Aproximación el área bajo un
polinomio de primer orden.
2 puntos Trapecio.
8/15/2019 Apuntes analisis.pdf
79/106
8/15/2019 Apuntes analisis.pdf
80/106
El resultado de la integración es:
( ) ( )( )
2
f a f b I b a ----------------- Regla Trapezoidal
A= (altura) (
Ejemplo:
Aplique el método del trapecio a la función:
2 3 4 5( ) 0.2 25 200 675 900 400 f x x x x x x donde a=0 hasta
b=0.8
a) Analíticamente:
2 3 4 5 60.8
0( ) 0.2 25 200 675 900 400 ] 1.640532 3 4 5 6
b
a
x x x x x f x dx x ---------
Valor verdadero
b) Numéricamente
( ) ( ) (0.2) (0.232)( ) (0.8) 0.1728
2 2
f a f b I b a Valor aproximado.
“APLICACIÓN MULTIPLE DE LA REGLA TRAPEZOIDAL”
Una forma de mejorar la exactitud de la regla trapezoidal es dividir el intervalo de
integración desde a hasta b, en un número de segmentos y aplicar el método de
cada uno de ellos.
En consecuencia sea „n‟ segmentos de igual anchura:
8/15/2019 Apuntes analisis.pdf
81/106
8/15/2019 Apuntes analisis.pdf
82/106
a) Analíticamente:
2 3 4 5 60.8
0( ) 0.2 25 200 675 900 400 ] 1.640532 3 4 5 6
b
a
x x x x x f x dx x ---------
Valor verdadero
b) Numéricamente
Aplicando Trapecio Múltiple con n=4
0 0
0.80.2
4
0 ( ) .2
0.8 ( ) .232n n
h
x f x
x f x
1 1
2 2
3 3
0.2 ( ) 1.288
0.4 ( ) 2.45
0.6 ( ) 3.462
7.198
x f x
x f x
x f x
0.2 2(7.198) 0.232(0.8) 1.488
I
Aplicando Trapecio Múltiple con n=8
0 0
0.8 0.18
0 ( ) .2
0.8 ( ) .232n n
h
x f x
x f x
8/15/2019 Apuntes analisis.pdf
83/106
1 1
2 2
3 3
4 4
5 5
6
0.1 ( ) .0934
0.2 ( ) .223
0.3 ( ) 1.462
0.4 ( ) 1.5880.5 ( ) 2.45
0.6
x f x
x f x
x f x
x f x x f x
x 6
7 7
( ) 3.462
0.7 ( ) 4.462
15.153
f x
x f x
0.2 2(15.153) 0.232(0.8) 1.536916
I
“REGLAS DE SIMPSON”
Además de aplicar la regla trapezoidal con segmentación más fina otra forma de
obtener una estimación más exacta de una integral es con el uso de polinomios de
orden superior para conectar los puntos.
Ejemplo: si hay un punto extra a la mitad del camino entre f (a) y f (b), los tres
punto se pueden conectar mediante una parábola de forma similar si existen dos
puntos igualmente espaciados entre f(a) y f(b), los cuatro puntos se pueden
conectar con un polinomio de tercer orden. Las fórmulas que resultan al tomar las
integrales bajo esos poli8nomios son conocidas como las reglas de Simpson.
“REGLA DE SIMPSON 1/3”
La regla de Simpson 1/3 resulta cuando una interpolación polinomial de segundoorden es sustituida como sigue:
8/15/2019 Apuntes analisis.pdf
84/106
Grafica de Simpson 1/3
Si a y b se designan como X0 y X2, y F2(x) es representada por un polinomoideLagrange de segundo orden, la integral se transforma en:
Después de la integración y manejo algebraico, resulta la siguiente formula:
0 1 2( ) 4 ( ) ( )3
h I f x f x f x Donde
2
b ah
Sustituyendo h
0 1 2( ) 4 ( ) ( )
6
f x f x f x I b a ------ Regla de Simpson 1/3
Ejemplo: Aplique Regla de Simpson 1/3 a la función:
2 3 4 5( ) 0.2 25 200 675 900 400 f x x x x x x Donde: a=0 hasta
b=0.8
F2(x)
Polinomio de grado 2 que
conecta tres puntos y los
segmentos son pares.
8/15/2019 Apuntes analisis.pdf
85/106
1
2
b ah
x h
0.80.4
2h
0 0
1 1
2 2
0 ( ) .2
0.4 ( ) 2.45
0.8 ( ) .232
x f x
x f x
x f x
0.2 4(2.45) .232(0.8) 1.36
61.64055 1.36
% *100 17.1%1.64055
I
Ev
“APLICACIÓN DE SIMPSON 1/3 MULTIPLE”
Así como la regla de trapecio, la regla de Simpson se puede mejorar al dividir el
intervalo de integración en un número de segmentos de igual anchura, para este
caso:
b ah
n
La integral total se puede representar como:
8/15/2019 Apuntes analisis.pdf
86/106
Al sustituir la regla de Simpson 1/3 para la integral individual se obtiene:
Combinando términos obtenemos:
1 1
0 1 2
1,3,5 0,2,4
( ) 4 ( ) 2 ( ) ( )
3
n n
n
i i
f x f x f x f x
I b an
Aplicación de Simpson Múltiple.
Ejemplo: aplique a la misma función el método de Simpson 1/3 múltiple:
2 3 4 5
( ) 0.2 25 200 675 900 400 f x x x x x x Donde: a=0 hastab=0.8
Con n=4:
b ah
n
0 0.8
0.8 0.2
4
n
x a x b
h
8/15/2019 Apuntes analisis.pdf
87/106
Sumando los puntos impares:
1 1
3 3
0.2 ( ) 1.28
0.6 ( ) 3.40
4.74
x f x
x f x
Sumando los puntos pares:
0 0
2 2
0 ( ) .2
0.8 ( ) .232
.432
x f x
x f x
0.2 4(2.45) 2(.432) .232(0.8) 1.6112
1.64055 1.61% *100 1.61%
1.64055
I
Ev
“REGLA DE SIMPSON 3/8”
De manera similar a la integración de la regla trapezoidal y a la regla de Simpson
de 1/3, se ajustan polinomios de Lagrange de tercer orden a cuatro puntos a
integrar.
Para obtener:
http://proton.ucting.udg.mx/posgrado/cursos/metodos/simpson/zim38.mhttp://proton.ucting.udg.mx/posgrado/cursos/metodos/simpson/zim38.m
8/15/2019 Apuntes analisis.pdf
88/106
Ejemplo: aplique el método de Simpson 3/8 la siguiente función:
2 3 4 5( ) 0.2 25 200 675 900 400 f x x x x x x Donde: a=0 hasta
b=0.8
0 0
.8
0.8 0.26666
3
n
x a
x b
h
0 0
1 1
2 2
3 3
0 ( ) .2
0.266 ( ) 1.4299
0.533 ( ) 3.486
0.8 ( ) .232
x f x
x f x
x f x
x f x
.2 3(1.4299) 3(3.486) .2320.8 1.5179
8 I
1.64055 1.5179% *100 7.47%
1.64055
Ev
INTEGRACIÓN CON SEGMENTOS DESIGUALES
0 1 1 2 11 2
( ) ( ) ( ) ( ) ( ) ( )..............
2 2 2
n nn
f x f x f x f x f x f x I h h h
Donde hi= ancho del segmento;
Observe que es el mismo procedimiento que se uso en la regla trapezoidal solo
que en este caso h no son constantes;
8/15/2019 Apuntes analisis.pdf
89/106
Ejemplo: Dados los siguientes datos
X 0 .12 .22 .32 .36 .40 .44 .54 .64 .70 .80
F(x) 0.20 1.309 1.305 1.743 2.074 2.456 2.842 3.507 3.181 2.303 .232
Integración por trapecio:
( ) ( )( )
2
f a f b I b a
.20 1.309 1.309 1.305 1.305 1.743(.12) (.10) +(.10) +
2 2 2
1.743 2.074 2.074 2.456(.04) +(.06) 1.5948
2 2
I
Por Simpson 1/3, trapecio, y Simpson 3/8:
1.309 4(1.305) 1.7430.20 .2757
6
1.743 3(2.074) 3(2.456) 2.8420.12 .2726
8
I
I
2.842 4(3.507) 3.1810.20 .668
6 I
I .12975+.166321+.090+.2757+.2726+.6683 1.6026
8/15/2019 Apuntes analisis.pdf
90/106
Ejemplo: Dada la tabla
x -4 0 4
F(x) 16 -16 16
a) Encuentre el polinomio a interpolar de grado n
Newton
X F(x) Primera
diferencia
Segunda
diferencia
-4 16
F(x1,x0)=-8 F(x2, x1, x0)=20 -16
4 16 F(X2,x1)=8
0 1 0 2 0 1
2
2
( ) ( )( )
16 8( 4) 2( 4)( )
16 8 32 2 9
2 16
b b x x b x x x x
x x x
x x x
x
b) Encuentre el área bajo la curva:
16 4( 16) 168 42.66
6 I
8/15/2019 Apuntes analisis.pdf
91/106
INTEGRACIÓN DE ROMBERG
La integración de Romberg es una técnica diseñada para obtener integrales
numéricas de funciones de manera eficiente, que se basa en aplicaciones
sucesivas de la regla del trapecio. Sin embargo, a través de las manipulacionesmatemáticas, se alcanzan mejores resultados con menos trabajo.
EL ALGORITMO DE INTEGRACIÓN DE ROMBERG.
Observe que los coeficientes en cada una de las ecuaciones de
extrapolación suman 1. De esta manera, representan factores de ponderación
que, conforme aumenta la exactitud, dan un peso relativamente mayor a la mejor
estimación de la integral. Estas formulaciones se expresan en una forma general
muy adecuada para la implementación en computadora:
Donde 1ʲ +1k-1 eIjk-1 = las integrales más y menos exactas, respectivamente; e
Ijk=Ia integral mejorada. El subíndice significa el nivel de la integración
donde k=1 corresponde a la estimación original con la regla del
trapecio, k=2corresponde a 0(h⁴), k=3 a 0(h⁶) y así sucesivamente. El subíndice j
se usa para distinguir entre las estimaciones más (j+1) i meno (j) exactas. Por
ejemplo, con k=2 y j =1, la ecuación (22.8) se convierte en
Que es equivalente a la ecuación
8/15/2019 Apuntes analisis.pdf
92/106
La forma general representada por la ecuación se atribuye a Romberg, y su
aplicación sistemática para evaluar integrales se denomina integración de
Romberg.
La primera columna contiene las evaluaciones de la regla del trapecio, designadaspor I j,1, donde j=1 indica una aplicación con un solo segmento (el tamaño de
paso es b-a) , j=2 corresponde a una aplicación con dos segmentos [el tamaño de
paso es (b-a)/2], j=3 corresponde a una aplicación de cuatro segmentos [el
tamaño de paso es (b-a)/4], y así sucesivamente. Las otras columnas de la matriz
se generan mediante la aplicación sistemática de la ecuación para obtener
sucesivamente mejores estimaciones de la integral.
Si TN.1es el valor calculado de la integral (en donde 2N corresponde al número deintervalos los de 1 es el orden del polinomio de interpolación usado):
Usado para el cálculo numérico la fórmula de los trapecios. T0, 1 sería el primer
estimado; es decir, usando directamente las fórmulas de los trapecios;
T1,1 sería el estimado para dos intervalos idénticos de ancho (b-a)/2:
Simplificado,
8/15/2019 Apuntes analisis.pdf
93/106
8/15/2019 Apuntes analisis.pdf
94/106
Método de Romberg
Se trata de resolver el mismo ejercicio propuesto en el ejercicio anterior, pero
utilizando ahora el método de Romberg. Es importante señalar que el
procedimiento de calculo, todos los resultados I2n=corresponden exactamente a
la primera fila de la tabla de Romberg. Los valores subsiguientes se obtienen delas formulas de extrapolación de Richardson:
Tabla de Romberg
i/j
1 2 3 4 5
0 0,362707725 0,369382672 0,3693364500 0,3693364529 0,3693364529
1 0,367713935 0,369365636 0,3693364529 0,3693364529
2 0,368995271 0,369364598 0,3693364529
3 0,3369261626 0,3693364534
8/15/2019 Apuntes analisis.pdf
95/106
8/15/2019 Apuntes analisis.pdf
96/106
B. Halle el valor de la integral
El valor reportado por las calculadoras es de 98,4276846 (utilizando el método de
Romberg). Para todos los métodos se utilizan n=6, por lo que H=(3-0)/6=0.5
Trapecios:
I= [f(0)+2f(0,5)+2f(1)+ 2f(1,5)+ 2f(2)+ 2f(2,5)+ f(3)]
I=104,6479952
% Error = 6,319 %
Simpson 1/3
I= [f(0)+4f(0,5)+2f(1)+ 4f(1,5)+ 2f(2)+ 4f(2,5)+ f(3)]
I= 98,64418613
% Error = 0,219 %
Simpson 3/8
I= [f(0)+3f(0,5)+3f(1)+ 2f(1,5)+ 3f(2)+ 3f(2,5)+ f(3)]
I= 98,89111022
% Error = 0,471 %
Romberg con extrapolación de Richardson:
8/15/2019 Apuntes analisis.pdf
97/106
Resolviendo de igual manera para los demás y aplicando la fórmula de
extrapolación de Richardson, se obtiene:
…
271,1547485
150,7030748 110,5525169
112,2683938 99,45683347 98,71712124
101,9404118 98,49775113 98,43381231 …
99,3092397 98,43216136 98,42778871 …
98,64828042 98,42796597 98,42769628 … 98,42768319
% Error = 1,43x10-6 c/c
8/15/2019 Apuntes analisis.pdf
98/106
MÉTODO DE CUADRATURA DE GAUSS
En análisis numérico un método de cuadratura es una aproximación de una
integral definida de una función. Una cuadratura de Gauss n, es una cuadratura
que selecciona los puntos de la evaluación de manera óptima y no en una forma
igualmente espaciada, construida para dar el resultado de una polinomio de grado
2n-1 o menos, elegibles para los puntos xi y los coeficientes wi para i=1,...,n.
Tal cuadratura dará resultados precisos solo si f(x) es aproximado por un
polinomio dentro del rango [−1, 1]. Si la función puede ser escrita
como f(x)=W(x)g(x), donde g(x) es un polinomio aproximado y W(x) es
conocido.
Cuadratura de Gauss
Gauss investigo y encontró que es factible disminuir el error en la integración
cambiando la localización de los puntos sobre la curva de integración f(x). El
investigador desarrollo su propio método conocido como cuadratura de Gauss.
La Cuadratura Gaussiana selecciona los puntos de la evaluación de manera
óptima y no en una forma espaciada. Se escogen los nodos X1, X2,… Xn en el
intervalo [a, b] y los coeficientes C1, C2,. . . , Cn para reducir en lo posible el error
esperado que se obtiene al efectuar la aproximación:
Tal cuadratura dará resultados precisos solo si f(x) es aproximado por un
polinomio dentro del rango [−1, 1]. Si la función puede ser escrita
como f(x)=W(x)g(x), donde g(x) es un polinomio aproximado y W(x) es conocido.
http://es.wikipedia.org/wiki/An%C3%A1lisis_num%C3%A9ricohttp://es.wikipedia.org/wiki/An%C3%A1lisis_num%C3%A9rico
8/15/2019 Apuntes analisis.pdf
99/106
Para resolver cualquier problema por medio de la cuadratura de Gauss, primero
tenemos que cambiar los límites de integración a [-1, 1] mediante la siguiente
formula:
Posteriormente tenemos que efectuar un cambio de variable a la función para que
quede en términos de “Z” mediante la siguiente formula:
Luego tenemos que cambiar nuestra “dx” a una “dz”, para que todos nuestros
términos estén en función de “Z”.
Para tal caso queda la siguiente función:
8/15/2019 Apuntes analisis.pdf
100/106
Este caso fue resuelto con dos puntos pero el método de Gauss puede extenderse
a 3, 4 ó más puntos, el algoritmo general ya en función de z tiene la forma de:
Así también puede expresarse de la siguiente forma:
Donde los valores de wi y zi se extraen de la siguiente tabla:
No. de Puntos Coeficientes wi Raíces zi
2 w1 = w2 = 1.0 -z1 = z2 = 0.5773502
3 w1= w3 = 0.55555
w2= 0.88888
-z1 = z3 = 0.7745966
z2 = 0.0
4 w1 = w4 = 0.3478548451
w2 = w3 = 0.6521451549
-z1 = z4 = 0.861136311
-z2 = z3 = 0.33998104
5 w1 = w5 = 0.2369268850
w2 = w4 = 0.4786286705
w3 = 0.56888888
-z1 = z5 = 0.90617984
z3 = 0.0
-z2 = z4 = 0.53846931
6 w1 = w6 = 0.1713244924
w2 = w5 = 0.3607615730
w3 = w4 = 0.4679139346
-z1=z6=0.9324695142
-z2=z5=0.6612093865
-z3=z4=0.2386191861
Por ultimo determinamos el número de puntos en que queremos dividir nuestro
intervalo, mientras más puntos tomemos mejor será nuestra aproximación.
8/15/2019 Apuntes analisis.pdf
101/106
El método de cuadratura de Gauss está diseñado para que cuando se use dos
puntos obtener exactitud en polinomios cúbicos, con tres puntos en polinomios de
cuarto grado y así sucesivamente.
MÉTODO DE EULER
Dado un sistema de ecuaciones diferenciales de primer orden, el método de Euleres la primera aproximación de solución. Consideremos un sistema de variables
que dependen de Las ecuaciones diferenciales podrán expresarse de la
siguiente forma: Escogiendo un paso de
pequeño se puede usar la aproximación de Euler, con la cual, para
calcular los valores de en el tiempo se necesitan conocer en el tiempo
La fórmula sería: Entonces paraaveriguar los valores de a cualquier basta conocer sus valores iníciales
(condiciones iníciales a y resolviendo iterativamente con un paso hastallegar a ese valor de
La idea del método de Euler es muy sencilla y está basada en el significadogeométrico de la derivada de una función en un punto dado.
Supongamos que tuviéramos la curva solución de la ecuación diferencial ytrazamos la recta tangente a la curva en el punto dado por la condición inicial.
Debido a que la recta tangente aproxima a la curva en valores cercanos al puntode tangencia, podemos tomar el valor de la recta tangente en el punto como una
aproximación al valor deseado
http://www.monografias.com/trabajos11/teosis/teosis.shtmlhttp://www.monografias.com/trabajos13/sumato/sumato.shtml#SOLUCIONhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos901/evolucion-historica-concepciones-tiempo/evolucion-historica-concepciones-tiempo.shtmlhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos7/mafu/mafu.shtmlhttp://www.monografias.com/trabajos7/mafu/mafu.shtmlhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos901/evolucion-historica-concepciones-tiempo/evolucion-historica-concepciones-tiempo.shtmlhttp://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtmlhttp://www.monografias.com/trabajos13/sumato/sumato.shtml#SOLUCIONhttp://www.monografias.com/trabajos11/teosis/teosis.shtml
8/15/2019 Apuntes analisis.pdf
102/106
Así, calculemos la ecuación de la recta tangente a la curva solución de la ecuación
diferencial dada en el punto De los cursos de Geometría Analítica, sabemosque la ecuación de la recta es:
donde m es la pendiente. En este caso, sabemos que la pendiente de la rectatangente se calcula con la derivada:
MÉTODOS DE RUNGE KUTTA
Los métodos de Taylor tienen la propiedad de un error local de truncamiento deorden superior, pero la desventaja de requerir el cálculo y la evaluación de las
derivadas de f(t, y). Esto resulta algo lento y complicado, en la mayoría de losproblemas, razón por la cual, en la práctica casi no se utilizan. El método de Euler,lamentablemente requiere de un paso muy pequeño para una precisión razonable.
Los métodos de Runge kutta tienen el error local de truncamiento del mismo ordenque los métodos de Taylor, pero prescinden del cálculo y evaluación de lasderivadas de la función f (t, y).
Se presenta de nuevo el problema de valor inicial cuya solución se intentaaproximar:
(1)
Como en los métodos anteriores, se determina primero la malla {t0, t1, ... , tN} depaso h, donde t0 = a y tN = b. En estos puntos es donde se va a obtener laaproximación de la solución.
http://www.monografias.com/trabajos28/geometria/geometria.shtmlhttp://www.monografias.com/trabajos28/geometria/geometria.shtml
8/15/2019 Apuntes analisis.pdf
103/106
En esencia, los métodos de Runge-Kutta son generalizaciones de la fórmulabásica de Euler yi+1 = yi + h f(ti, yi) en los que el valor de la función f se reemplazapor un promedio ponderado de valores de f en el intervalo t i ≤ t ≤ ti+1, es decir,
(2)
En esta expresión las ponderaciones wi, i = 1, ..., m son constantes para las queen general se pide que su suma sea igual a 1, es decir, w1 + w2 + ... + wm = 1, ycada k j es la función f evaluada en un punto seleccionado (t, y) para el cual t i ≤ t ≤ti+1. Se mostrará que los k j se definen en forma recursiva.
Se define como orden del método al número m, es decir, a la cantidad de términosque se usan en el promedio ponderado.
Runge-Kutta de primer orden
Si m = 1, entonces se toma w1 = 1 y la fórmula (2) resulta
(3)
Igualando esta fórmula al desarrollo de Taylor de orden 1 de la función y(t),alrededor del punto ti, y calculado en el punto t i+1:
(4)
y teniendo en cuenta que y i @ y(ti), resulta k1= f(ti, yi), obteniendo así la fórmula deEuler yi+1 = yi + h f(ti, yi). Por lo tanto, se dice también que el método de Euler es unmétodo de Runge Kutta de primer orden.
Runge-Kutta de segundo orden
Ahora se plantea, con m = 2, una fórmula del tipo:
(5)
donde
(6)
8/15/2019 Apuntes analisis.pdf
104/106
y las constantes a, b, a, b se deben determinar, de manera que la expresión (5)coincida con el desarrollo de Taylor de y de orden más alto posible.
Para ello, utilizando un desarrollo de Taylor para funciones de dos variables,tenemos que:
(7)
donde el subíndice i indica que todas las derivadas están evaluadas en el punto (t i,yi).
Reemplazando k1 y teniendo en cuenta la expresión de k2, usando (7) tenemosque:
Agrupando los términos de (8) por las potencias de h, y reemplazando en laexpresión (5) el valor de k1 y k2, resulta
(9)
Reacomodando términos en (9), resulta:
(10)
Por otro lado, se hace un desarrollo de Taylor de orden 3 de la función y(t),calculado en el punto t i+1, obteniendo:
(11)
8/15/2019 Apuntes analisis.pdf
105/106
Aplicando regla de la cadena para las derivadas de f, se tiene:
(12)
Comparando las expresiones (10) y (12), e igualando los coeficientes de h y h 2, setiene:
(13)
Sucede que se tienen cuatro incógnitas, pero tres ecuaciones, con lo que queda
un grado de libertad en la solución del sistema dado en (13). Se trata de usar estegrado de libertad para hacer que los coeficientes de h3 en las expresiones (10) y(12) coincidan. Esto obviamente no se logra para cualquier f.
Hay muchas soluciones para el sistema (13), una de ellas es
(14)
obteniendo así la siguiente fórmula, del método de Runge Kutta de orden 2:
(15)
para i desde 0 hasta N-1, tomando un mallado {t i, i = 0, .., N}
Este método tiene un error local de O(h
3
), y global de O(h
2
).Mejora entonces el método de Euler, por lo que se espera poder usar con estemétodo un paso mayor. El precio que debe pagarse en este caso, es el de evaluardos veces la función en cada iteración.
De la misma manera que se realizó arriba, se pueden derivar fórmulas de Runge-Kutta de cualquier orden, pero estas deducciones resultan excesivamente
8/15/2019 Apuntes analisis.pdf
106/106
complicadas. Una de las más populares, y más utilizada por su alta precisión, es lade orden 4, que se presenta a continuación.
Implementación del método RK4
Se presenta a continuación el pseudocódigo del método RK4, para serimplementado en cualquier lenguaje de programación, o software simbólico.