Upload
deybis-boyer
View
6
Download
3
Embed Size (px)
Citation preview
Tema1:
Interpolacion, Aproximacion Polinomial e Integracion numérica. Aproximacion Lineal y Estimacion de Errores. Aproximacion Lineal en Terminos de la Diferencial. Ajuste Lineal. Metodo de LaGrange. Metodo de Diferencias Divididas.
Aproximacion Lineal y Estimacion de Errores:
Aproximacion Tangencial de una función
Formula: L ( x )=f (a)+ f ’ (a)(x−a) .
Ejemplo#1:
Aproximar el valor de la Expresión sin2(x ), con x=π4+0.08. Esto essin
2( π4+0.08).
Solucion:
Sea f (x)=sin2(x)→f ’( x)=sin (x) .cos(x )=sin (2x ).
Entonces:
f ( π4 )=sin2( π4 )=(√22 )
2
=24=12
f ’ ( x )=sin(2 π4 )sin ( π2 )=1
Por lo tanto:
L ( x )=f ( π4 )+ f ’( π
4 )(x−π4 )=¿
12+(x−π
4 )Luego:
sin2(x ) → L(x )=( 12 )+(x−π4 )
Para X=π4
+0.08.
sin2( π4+0.08)=12 + ( π
4+0.08−π
4 )=¿ 12+0.08=0.58 .
Resumen:
Valor Exacto: sin2( π4+0.08)=12=0.57966 (usando redondeo a 5 cifras significativas).
Valor Aproximado: 0.58.
Error Relativo:
E=|Valor Exacto –Valor AproximadoValor aproximado ||0.57966−0.580.58 |=0.00586
Error Porcentual:
Ep=Error Relativo x 100%0.00586 x100%=0.0586%
Ejercicios:
1. Aproximar el valor decos4( π4+0.01)
2. Aproximar el valor de sin (60 °1 ’ ) Sugerencia:60 °1 ’=π3+ 160 ( π
180 ) Aproximación Lineal en Términos de la Diferencial.
Formula: f (x+∆ x)→f (x )+dy
Ejemplo#2:
Hallar un valor aproximado a 3√65 en términos de la diferencial.
Solución:
Sea y=f (x )=3√ xdydx
=f ’ (x)dy=f ’ (x)dx dy= 1
33√x2
dx
Por otro lado:
Dado que el entero más próximo a 65 que tiene raíz cubica exacta es 64 entonces:
X=64 y dy=1
Luego:
3√65 = 3√64+1=¿ 3√64+¿ 1
33√642
(1)=4+ 148 ¿4.0208333
Resumen:
Valor exacto: 4.02073 .
Valor Aproximado: 4.0208333
Error Relativo:
E=|4.02073 – 4.02083334.0208333 |=0.00003 .
Error Porcentual:
Ep=0.00003 x100%=0.003% .
Ejercicios:
1. Se tiene un tubo de 8m de largo, 6cm de radio y 4.0 cm de espesor. Usando la diferencial, Aproximar el volumen de hierro del tubo.
Sugerencia: volumen de un cilindro circular recto V=π r2h
2. Se quiere calcular el área de una esfera a partir del radio r mediante la fórmula
A=4 π r2 y en tal forma que el margen de error sea de 5% . Estimar el margen de error porcentual con que debe medirse el radio.
Ajuste Lineal
Dados los nodos (x0 , y0);(x1 , y1); (x2 , y2) .
La recta:
y− y0=( y1− y0)x1−x0
(x−x0)
Ajusta de forma lineal todos los valores comprendidos entre x0 y x2
Ejemplo#3 (Problema del Asesinato)
Temperatura 37 ° 34.5 ° 33.7 °Tiempo t 12 :00h 13 :00h
Consideremos los nodos (12 ,34.5 ) y (13 ,33.7 ) hallemos la recta que pasa por esos puntos
T – 34.5=(33.7−34.5)
(13−12)(t –12)→T=34.5 – 0.8(t – 12)
Si T=37 entonces
37=34.5– 0.08( t –12)→t – 12=34.5−370.8
→t=12 –3.125=8.875
Con una regla de tres:
1→60min
0.875→ x
X=52.5→t=8 :53.
Interpolacion por el método de LaGrange.
M= 1
P1(x)=L0(x) y0+L1(x) y1
Donde: L0 ( x )=x−x1x1−x0
Y L1(x)= x−x0x1− x0
M= 2
P2 (x )=L0 ( x ) y0+L1 ( x ) y1+L2(x ) y2
Donde: L0 ( x )=(x−x1 )( x−x2)
(x0−x1 )( x0−x2) ; L1 ( x )=
( x−x0 )(x−x2)
(x1−x0 )(x1−x2) ; L2(x)=
( x−x0 )(x−x1)
(x2−x0 )(x2−x1)
M=3
P3 ( x )=L0 ( x ) y0+L1 ( x ) y1+L2 ( x ) y2+L3(x) y3
+ L3(x) y3
Donde: L0 ( x )=(x− x1 ) (x−x2 )(x−x3)
(x0−x1 )( x0−x2)(x0−x3) ; L1 ( x )=
(x−x0 ) (x−x2 )(x− x3)
(x1−x0 )(x1−x2)(x1−x3)
L2 (x )=(x−x0 ) (x−x1 )(x−x3)
(x2−x0 )(x2−x1)(x2−x3); L3(x)=
(x−x0) (x−x1 )(x−x3)
(x3−x0 )(x3−x1)(x3−x2)
Ejemplo#4: Use el polinomio interpolante de LaGrange de grado M=1 y M=2 para aproximar f (0,9) . Si la función esf (x)=sin(e x−2) encuentre el valor real y estime la cota de error porcentual.
Sea f (0,6)=−0.176944
f (0,2)=0.013752
f (0,8)=0.223633
f (1,0)=0.658091
Solución
Polinomio de grado M=1 Nodos: (0.8 ,0223633);(1.0 ,0.658091)
P1(x)=L0(x) y0+L1(x) y1
L0(x )=(x−1.0)
(0.8−1.0)=−5(x – 1.0); L1(x)=
(x – 0.8)(1.0−0.8)
=5 (x – 0.8)
Así:
P1(x)=¿ −5(x−1.0)0.223633+5 (x – 0.08)0.658091
P1(x)=−1.118165( x –1.0)+3.290455( x – 0.08)
Para X=0.9
P1(0.9)=0.1118165+0.3290455=0.44086→valor aprox .
Por otro lado:
sin(e0.9−2)=0.44359 →valor exacto . (Usando la calculadora)
Estimación de errores:
E=|0.44359– 0.4406860.440686 |=0.00619
Ep= 0.00619 x 100%= 0.61924%.
Polinomio de grado M=2
Nodos:(0.7 ,0.013752);(0.8 ,0.223633) ;(1.0 ,0.658091)
P2 (x )=L0 ( x ) y0+L1 ( x ) y1+L2(x ) y2
L0(x )=( x−0.8 )(x−1.0)
(0.7−o .8 )(0.7−1.0)=33.33333 (x−0.8 )(x−1.0)
L1 (x )=( x−0.7 )(x−1.0)
(0.8−o .7 )(0.8−1.0)=−50 (x – 0.7)(x – 1.0)
L2(x)= ( x−0.7 )(x – 0.8)
(1.0−o .7 )(1.0−0.8)=16.66666 (x – 0.7)(x – 0.8)
Así:
P1(x)=0.45840(x –0.8)(x –1.0)+11.18165( x – 0.7)(x – 1.0)+10.96818 (x – 0.7)(x – 0.8)
Para X=0.9
P2(0.9)=−0.00458+0.22363+0.21936=0.43841→valor aprox .
Estimación de errores:
E=|0.44359−0.438410.43841 |=0.01182Ep=0.01182 x100%=1.18154%
Ejercicio:
Hallar el polinomio de grado M=3 para el ejemplo anterior.
Interpolación por el método de Diferencias Divididas:
Para M= 1
P1(x)=a0+a1(x – x1)
Para M=2
P2(x )=a0+a1(x – x0)+a2(x – x0)(x – x1)
Para M=3
P3(x )=a0+a1(x – x0)+a2(x – x0)(x – x1)+a3(x – x0)(x – x1)(x – x1)
Ahora bien:
a0= y0
a1= f [ x0 , x1]=y1− y0x1−x0
a2=f [x0 , x1, x2]= f [ x1 , x2 ] – F [ x0 , x1]
x2 , x0 →
f [ x1 , x2 ] – a1x1−x0
Donde f [x1 , x2 ]= y2− y1x2−x1
a3=f [x0 , x1 , x2 , x3]=¿ f [ x1 , x2, x3 ] – f [x0 , x1 , x3]
x3−x0 →
f [x1 , x2 , x3 ] – a2x3−x0
Donde f [x1 , x2 , x3]= f [ x2 , x3 ] – F [x1 , x2]
x3−x1 →
y3− y2x3−x2
−y2– y1x2−x1
x3−x1
Ejemplo#5: Usando datos del ejemplo#4
Aproximar f (0.9) polinomios de Diferencias Divididas de grado M=1 y M=2 para aproximar.
Sabiendo que la función esf (x)=sin(e x−2)estime la cota de error.
X 0.6 0.2 0.8 1.0
Y −0.176944 0.013752 0.223633 0.658091
Solución:
Determinemos el polinomio de grado M=1
a0= y0 ¿0.223633 ; tomando los nodos:(x0 , y0 ) ¿(0.8 ,0.223633) ; (x1 , y1)= (1.0 ,0.658091)
a1= f [ x0 , x1]=y1− y0x1−x0
= 0.658091−0.223633
1.0−0.8 → a1=2.17229
Así:
P1(x)=0.223633+2.17229(x –0.8)
Para X=0.9
P1(x)=0.223633+2.17229(0.9– 0.8)=0.44806→Valor aprox .
Por otro lado:
f (0.9)=sin (e0.9−2)=0.44359→valor exacto.
Estimación de Errores:
Ep= |0.44359−0.440860.44086 |x 100%=0.61879%
Observación
Ep=0.61879%<0.1%
Determinar el polinomio de grado M=2
a0=0.013752; Tomando los nodos: (x0 , y0)= (0.7 ,0.013752) ; (x1 , y1)= (1.0 ,0.658091) ; (x2 , y2)=(1.0 ,0.658091)
a1= f ¿]= 0.223633−0.013752
0.8−1.0 → a1=2.09881
a2= f [x0 , x1, x2]=¿ f [ x1 , x2 ] – a1
x1−x0= ¿¿=
2.17229−2.098810.3
a2= 0.24493
Así:
P2 (x )= 0.013752+2.09881(x –0.7)+0.24493(x – 0.7)(x – 0.8)
Para X=0.9
P2(0.9)=¿ 0.013752+2.09881(0.9– 0.7)+0.24493(0.9– 0.7)(0.9 – 0.8)
P2(0.9)=0.43841→Valor aprox .
Por otro lado:
f (0.9)=0.44359→Valor exacto .
Estimación de Errores:
Ep=|0.44359−0.438410.43841 |x100%=1.18154%
Interpolación por el Método de Neville.
Formula: Qi , j=(x – x j− j )Qi− j…k−( x−x1)Q j−i….i
x i – x j− j
x i y i Neville grado M=1 Neville grado M=2
Neville grado M=3
x0 y0 Q1,1(x ) Q2,2(x )
x1 y1 Q1,2(x ) Q3,3¿)
x2 y2 Q1,3(x ) Q2,3(x )
x3 y3
Q1,1(x )= (x – x0) y1−( x – x1 ) y0
x1 – x0 ; Q1,2 ( x )=
( x – x1 ) y2−(x – x2 ) y1x2– x1
; Q1,3(x )=
(x – x2 ) y3−( x – x3 ) y2x3 – x2
Q2,2(x )= (x – x0)Q1,2−(x – x2 )Q1,1
x2 – x0 ;Q2,3 ( x )=(x – x1 )Q1,3¿¿
Q3,3¿)= (x – x0)Q2,3−(x – x3 )Q2,2
x3– x0
Ejemplo#6: Aplique el método de Neville para hallar un polinomio de grado M=2 que aproxime los datos del ejemplo#4.
Solucion:
xi Yi Neville grado M=1 Neville grado M=2
0.7 0.013752 Q1,1(0.9)=0.43351
0.8 0.223633 Q2,2(0.9)=0.43841
1.0 0.658091 Q1,2(0.9)=0.44086
Q1,1(0.9)=(0.9−0.7 )0.223633−(0.9−0.8 )0.013752
0.8−0.7=0.43351 → polinomiode grado
M=1
Q1,2(0.9)=(0.9−0.8 )0.658091−(0.9−1.0 )0.223633
1.0−0.8=0.44086
Q2,2(0.9)=(0.9−0.7 )0.44086−(0.9−1.0 )0.43351
1.0−0.7=0.43841 → polinomiode grado M=2
Estimación de Errores:
Para M=1
Ep1=|0.44359−0.433510.43351 |x 100%→ Ep1=2.32521%
Para M=2
Ep2=|0.44359−0.438410.43841 |x100%→ Ep2=1.18154%
Observación:
A medida que aumenta el grado del polinomio disminuye el error.
<
<
<
<
<