Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE CIENCIAS
MATEMATICAS
METODOS
NUMERICOS I-II
PROF:LUCIO AVILIO MALASQUEZ RUIZ.
ERROR ABSOLUTO ( )
Es la diferencia entre un valor exacto y una d sus
aproximaciones. Puede ser positivo o negativo,
segn si la medida es superior al valor real o
inferior (la resta sale positiva o negativa). Tiene
unidades, las mismas que las de la medida.
Ahora sea:
P = ln(5)
Entonces:
P= ln(5) = 1.609437912
Donde: m = 0
Ahora hallamos sus Ea de cada uno.
Ea1 = | p p | = 0.008203 = 0.008 = 0.8x10 = 0.001 = 0.1x10
Ea = |p - p | = 0.000025 = 0.00003 = 0.3x10
Ea = |p - p | = 0.0000012 = 0.00001 = 0.1x10
f(x)
-2
-1
MTODO DE BISECCIN
Dado la ecuacin no lineal f(x) = 0 /. Existe la raz X*
[a, b] por T.B.
El mtodo de biseccin consiste en hallar el promedio
simple de cada intervalo
EJEMPLO
Caso contrario ir al P- 2
Ejemplo
EJEMPLO
MTODO DE LA SECANTE
EJEMPLO
Ejemplo:
Ejemplo aplicativo
INTERPOLACIN
Supongamos que se conoce f0 , f1, f2, .fn valores correspondientes
a X0, X1, X2, .., Xn valores independientes de una variable
independiente X.( X0<X1<<Xn) entonces tenemos dos tipos de
interpolacin.
FP = f (XP) imagen de XP
F(X)
(X1,f1)
(X0,f0)
(XP,fP)
Xo
XP
n
X1
INTERPOLACIN DIRECTA DE
NEWTON -PROGRESIVO Y NEWTON REGRESIVO.
Para un conjunto de (n+1) puntos igualmente espaciados
Interpolacin consiste, en dado un valor no considerado , en
la tabla, se debe hallar su imagen . Hay dos tipos de
Interpolacin.
A) Interpolacin Directa. Consiste en que dado se debe hallar
su imagen .
B) Interpolacin Inversa. Consiste en que dado el valor de la
imagen , se debe hallar el valor .
= 0 + P0 +
P P1)(P(n1)
n!
P(P1)
2!
2 0 +
P P1 (P2)
3!
3 0 + +
n 0
3
8
4
12
5
16
Observacin:
Si |2 |<4 Se tiene Inter. Directa Lineal y se utiliza la frmula de N.P.
hasta la 1 Diferencia, o sea; = 0 +0 .
Si |3 |<8 Se tiene Inter. Directa No Lineal (IDNL) y se utiliza la
frmula de N.P. hasta la 2 Diferencia, o sea; = 0 +0 +
P(P1) 2
0
2!
P(P1) 2
P P1 (P2) 3
0 +
0 .
2!
3!
= 0 + P0 +
P(P+1)
2 0 +
2!
P P+1)(P+(n1)
n!
P P+1 (P+2)
3!
3 0 + +
n 0
Interpolacin
Directa Central
Interpolacin de Stirling
Interpolacin de Bessel
Interpolacin de Everett
Ejemplo
INTERPOLACIN
PARA EL CASO DE
DATOS NO
EQUIDISTANTES
Sean
(n+1) ptos
(X0<X1<X2<. <Xn)
F(X) = a0(X-X1)(X-X2)..(X-Xn)+a1(X-X0)(X-X2).(X-Xn)++an(X-X0)(X-X1)(X-X2)...(XXn-1)
Si X = X0
; f(X0)= a0(X0-X1)(X0-X2)..(X0-Xn)
a0=
Si X = X1
f(o)
X0X1 X0X2 X0X3 (X0Xn)
; f(X1)= a1(X1-X0)(X1-X2)..(X1-Xn)
a1=
f(1)
X1X0 X1X2 X1X3 (X1Xn)
.
.
.
Si X = Xn
; f(Xn)= an(Xn-X0)(Xn-X1)(Xn-X2)..(Xn-Xn-1)
an=
f(n)
XnX1 XnX2 XnX3 (XnXn1)
TEOREMA.- Sean
INTERPOLACIN Y
APROXIMACIN DE
LAGRANGE
Polinomio de Lagrange
Ejemplo
METODOS DIRECTOS DE
SISTEMAS DE
ECUACIONES LIENALES
FACTORIZACIN MATRICIAL LU
(Mtodo de Crout Doolitle)
Consiste en factorizar una matriz cuadrada A en
un producto LU. Esto es:
= .
Donde:
A: es la matriz a factorizar
L : es una matriz triangular inferior, cuyos elementos de la diagonal
principal son iguales a 1. Se llama L porque viene de la palabra
inglesa low, que significa bajo.
U : es una matriz triangular superior, cuyos elementos se hallan por el
mtodo de la eliminacin gaussiana. Se llama U porque viene de la
palabra inglesa up, que significa arriba.
MTODO CROUT-DOOLITLE.
Ejemplo
Ejemplo
MTODO TRIDIAGONAL
PARA SISTEMAS DE
ECUACIONES LINEALES.
SISTEMA DE ECUACIN
ALGORITMO TRIDIAGONAL
EJEMPLO
MTODO PENTADIAGONAL
PARA
SISTEMAS DE
ECUACIONES LINEALES
1
2
1
2
Ec (1)
Ec (2)
Ec (n)
Algoritmo Pentadiagonal
De Ec (2) despejar 4
De Ec (n-2) despejar
De Ec (n-1) despejar +1
De Ec (n) despejar +2
Como no existe +1 se hace lo siguiente :
1,2 2 + 1,1 1 = 1 + 1
Donde =
1
es un vector residual.
2
P-3 : La primera solucin homognea del sistema A.x = b se debe expresar como
P-4 : La segunda solucin homognea del sistema A.x = b se debe expresar como
= , ; luego definir 1 = 2 = en la cual se
considera C y D como constantes arbitrarias, finalmente se procede similar al paso P-2
llegando a la siguiente solucin.
1, 2 2 + 1, 1 1 = + 1
, 1 1 + , = + 2 en donde =
Si = 0 3 = 1 , 2 , ,
1
2
es un vector residual.
Si 0 3 . 3 = +
P-5
(2)
. 3 = + .(3)
A (1 (2) (3)) = + ( )
Ejemplo
Resolver el siguiente sistema pentadiagonal
21+ 32+ 3
= 8 Ec(1)
31+ 22 + 43 + 4
= 15 Ec(2)
1+ 42 + 3 + 44 + 25
= 13 Ec(2)
2 + 43 + 24 + 5
= 19 EC(4)
23 + 4 + 7 5
= 15 EC(5)
= 8 Ec(1)
31 + 22 + 43 + 4
= 15 Ec(2)
1 + 42 + 3 + 44 + 25
= 13 Ec(3)
2 + 43 + 24 + 5
= 19 Ec(4)
23 + 4 + 75
= 15 Ec(5)
Sea 1 = 0
2 = 1
cte arbitrario
P-2:
DE Ec(1) despejar 3 3 = 5
pues 0 + 3(1) + 3 = 8
DE Ec(2) despejar 4 4 = 7
pues 0 + 2(1) +4(8) + 4 = 15
DE Ec(3) despejar 5 5 = 16
pues 0 + 4(1) + 5 + 4(7) + 25 = 13
1 + 4(5) + 2(7) + 16 = 19 + 1 1 = 45
De la Ec(5) despejar 7 ; como 7 hacemos
23 + 4 + 75 = 15 + 2
2(5) + (7) +7(16) = 15 + 2 2 = 100
R=
45
100
, como R 0; A. 1 = b + R
Se tiene:
1 =
1
2
3
4
5
0
1
5
7
16
1 = 1 , 2 , 3 , 4 , 5
P-3:
Primera solucin homognea del sistema A.x = b, expresarlo
Como A.=
21 + 32 + 3
= 0 Ec(1)
31 + 22 + 43 + 4
= 0 Ec(2)
1 + 42 + 3 + 44 + 25
= 0 Ec(3)
2 + 43 + 24 + 5
= 0 Ec(4)
23 + 4 + 75
= 0 Ec(5)
Sea 1 = 10 2 = 20
De Ec(1) despejar 3 ; 3 = 80
2 =
1445
3445
2(80)+ (250) + 7(505)= 0 + 2 = 0
10
20
80
250
505
= 0 Ec(1)
= 0 Ec(2)
1 + 42 + 3 +4 4 + 25 = 0 Ec(3)
2 + 43 +24 + 5 = 0 Ec(4)
23+ 4+ 75 = 0 Ec(5)
Sea 1 = 20 2 = 10
De Ec(1) despejar 3; 3= 70
T = .1 /=
2
1995
2705
; 3 = 3
4
5
A.3 = + T
20
10
= 70
200
395
45
/
100
R = 0
R= .
1445
/
3445
+ = R
S=.
/+ .
/= .
/
1445 + 1925 = 45
T=.
= 0.025992507
= 0.003865364
X = 1 2 3
X=
1
2
3
4
5
0
1
5
7
16
+ 0.025992507
10
20
80
+ 0.003865364
250
505
20
10
70
200
395
1
0.33723235
2
1.55850378
2.65002396
X= 3 =
4
0.27119955
1.34696518
5
Comprobacin :
Ec(1)
21 + 32 + 3 = 8
8 Cumple!!!
()
( )
1
( )
( )
>0
=
= 0,
=0
,
+
1 =
Principales Normas
-Norma
-Norma l,
-Norma k,
Norma
=
=
2
,
Ejemplo
Sea =
1 2 3
4
5 6
7
8 9
1
2
Para el vector X = :
.
285 = 16.9
= max* +
= 1 + 2 +. . +| |
=
|1 |2 + |2 |2 + |3 |2
SOLUCION ITERATIVA DE
SISTEMAS DE
ECUACIONES LINEALES
PRIMER METODO:
METODO DE JACOBI
Dado el sistema AX=b (1)
Despejamos X de la ecuacin 1 obteniendo un sistema equivalente de la forma: X = + X (2)
De la siguiente manera.
11
Donde:
A=
b = y si aii
0
X=
i=1,2,3, . ,m
X = + i-1X
X1 =
X2 =
1
11
2
22
12
21
11
22
13
23
.
.
.
11
22
1m
2m
11
22
m
m
. (2)
Donde:
= (1,2, ,m)t
= bi/aii ; aii 0 ;
= ij = -aij/aii
0
21
12
0
1
2
0 12
1
1
= + 21 0
m
m
m1 m2
1m
1
2m
m
0
(2)
X(k+1) = + X(k) ,
k=0,1,2,
.. (3)
X(k) = + X(k-1),
k=1,2,
De la relacin (3) se obtiene la sucesin {Xk}k=0 tomando como vaor inicial X(0) arbitrario, que
generalmente X(0)=0 X(0)= =1
Obs.
ALGORITMO DE JACOBI
P-1
P-2
Tomando como solucin inicial X(0) arbitrario generar la sucesin {X(k)} X(*) mediante la
relacin de recurrencia:
X(k+1) = + x(k)
k=0,1,2, . .
k=1,2,
X(k) = + X(k-1)
P-3
Dejar de iterar si
A=
11
12
21
22
1
2
11
0
0
22
Matriz Diagonal
0
0
0
=
21
0
0
1)
0
0
0
= 0
0
12
0
0
= D-1b
Si el mtodo de Jacobi es
X = + X
= -D-1(L + U)
k=0, 1, 2
EJEMPLO
Sea el siguiente sistema
Ec (1) 20x1
+ 5x3 =2
Ec (2) x1 + 20x2 + 2x3 = 4
Ec (3) x1 + 9x2 + 20x3 = 6
CONVERGENCIA DE JACOBI
{x (x) } X*
Si |||| < = 1
.. (i)
Observacin
Para que se cumpla (i)
Es necesario que A del sistema original Ax = b sea diagonalmente dominante, es decir
aii >= |aij| de su fila y de su columna
As: a11 = 20 > = 0 + 5 de su fila
a11 = 20 > = 1 +1 de su columna
a22 = 20 > = 1 + 2 de su fila
a22 = 20 > = 0 + 9 de su columna
Igual para a33
x1 =
x2 =
x3 =
2
20
+0+0-
20
6
20
1
20
1
20
5
20
3
2
1 + 0 1 -
9
20
20
2 + 0
. . .
x = +
0
=
1
20
1
20
0 20
0
2
20
20 0
0
0 0.2
= 0.05 0 0.1
0.05 0.45 0
5
|| || = mx{ 0 + 0 + | 20 | , | 20 | + 0 + | 20 | , | 20 | + | 20 | + 0 }
|| || = mx{0.25, 0.15, 0.5 }
|| || = 0.5 < = 1
{
} x* por jacobi
=+
, k = 0, 1,2
Para k = 0
Interaccin inicial
=+
Observacin
Sea
es arbitraria
..
==
.
+
Para k = 1
Primera iteracin
=+
Donde
= 0.1 +
Para k = 2
Segunda iteracin
=+
..
....
k =3
=+
Tercera iteracin
..
....
=
=
= x* con <
= 0.03289625 < =
SEGUNDO METODO:
METODO DE GAUSS- SEIDEL
Tambin determina la solucin del sistema = iterativamente.
De la relacin matricial del sistema = :
( + + ) = + + =
= = 1 + (1 ) + (1 ) ()
De () se obtiene la relacin matricial de G-S , siguiente:
( +1)
+ (
( +1)
+ (
( )
Observacin:
*Si = 1 ( + )
1
1
*La relacin () se puede obtener al igual que Jacobi del sistema = , de la ecuacin
despejar la variable , para obtener la Matriz .
( ) (1 )
()
Observacin:
En la convergencia del mtodo de Gauss-Seidel tambin se cumple que:
<1
8) ()
EJEMPLO
1) Dados:
10
2
1
3
10
3
1
14
0
3 , = 5 , (0) = 0
10
14
0
Solucin:
Utilizando Gauss-Seidel:
( +1) = 1 + (1 ) ( ) + (1 ) ( )
Operando obtenemos la secuencia:
(1)
7/5
39/50
=
513/500
(3)
0.995104
= 0.995276
1.00191
(5)
0.999792
= 0.999848
1.00007
1.0634
1.02048
0.987516
(2) =
(4)
1.00123
= 1.00082
0.999632
(0)
1.00004
= 1.00003
0.999988
1=
227/500 = 0.454 y
3/10
3/50
6/125
1/10
7/25
37/500
= 2/5 = 0.4.
Solucin:
El mtodo de Gauss-Seidel es aplicable porque por que la matriz es simtrica definida
positiva. Dos iteraciones conducen a:
(0) = (0 0 0)
(1) = (1/3 4/9 20/27)
(2) = (17/81 136/246 644/729)
Y la tasa de convergencia numrica la podemos calcular como (en norma infinito)
(2)
46
=
= 0.24
189
(1)
Que se parece poco a la tasa de convergencia exacta:
(( + )1 ) = 0.413
NOTA: Calculando con ms iteraciones nos acercamos a la tasa terica, por ejemplo:
(10)
= 0.413
(9)
Para alcanzar (en norma infinito) un error absoluto menor que 105 se requieren 13
iteraciones.
DIFERENCIA NUMERICA
Diferenciacin numrica
Dado una tabla de (n+1) puntos igualmente espaciados de la forma:
(X0, f0), (X1, f1), (Xn, fn) continua y diferenciable en [X0, Xn]. El problema de la
Diferenciacin Numrica es que dado un valor Xp [X0, Xn] se desea hallar el valor tal que
( ) = , donde:
P=
X p X 0
h
(i)
X p = X 0 + Ph
f X p = fp f(X 0 + Ph)
dfp
dfp dp
dfp 1
f Xp =
=
dX p dp dX p dp h
f p=
1
h
df p
dp
. (ii)
Si
Xp = X0 en (i) P = 0
frmula de NP es:
fp = f0 + Pf0 +
P(P1)2 f 0
2!
P (P1)(P2)3 f 0
3!
P (P1)(P2)(P3)4 f 0
+..
4!
Segn (ii)
fp
1
0f0
h
(P 2 P) 2 f 0
2!
(P 3 3P 2 +2P) 3 f 0
3!
(P 4 6P 3 +11P 2 +6P) 4 f 0
+. . 1
4!
fp
1
0f0
h
(2P1)2 f 0
2!
3P 2 6P+2 3 f 0
3!
fX0
f0
1
[f0
h
2 f 0
2
3 f 0
+ 3
4 f 0
4
+ ]
4P 3 18P 2 22P6 4 f 0
4!
+1 (iii)
fp
fp
Xp =
d(f (X p ))
1 1 d 2 fp
h h dp
1 d 2 fp
h2 dp
dX p
df p
dp
X p X 0
h
d
1 df p
hd p
dxp , si se sabe fp = h
p
En general se tiene f n p =
1 d n fp
h n dp
1
02 f0
h2
6P 2 18P+11
/ 4 f0 1
12
+ (P 1)3 f0 + .
Si XP=X0 P=0
fp =
1
02 f0
h2
11
12
+ 3 f0 + . / 4 f0 1
1
(2P + 1)2 f0 (3P2+ + 6P + 2)3 f0 (4P4 + 18P2 + 22P + 6)4 f0
= [f0 +
+
+
+
h
2!
3!
4!
Si XP=0 P=0
fX0
f0
1
0f0
h
2 f 0
+ 2
3 f 0
+ 3
4 f 0
+ 4
+ 1
Nota: Para determinar la 1ra derivada se debe tomar una diferencia ms que la que indica la
T O T en el caso de interpolacin.
DIFERENCIACION DE ORDEN
SUPERIOR PARA NEWTON
REGRESIVO
6P 2 +18P +11
/ 4 f0 1
12
fP = h 2 02 f0 + (P + 1)3 f0 + .
1
11
P = 0 f0 = h 2 02 f0 + 3 f0 + .12 / 4 f0 1
Ejemplo: En la siguiente tabla determinar (a)0 y (b) 1 (0.055) por NP
X
0.00
0.05
0.10
0.15
0.20
0.25
f(X)
1.0000
1.0513
1.1052
1.1618
1.2214
1.2840
513
539
566
596
626
26
27
30
30
3
1
3
0
Solucin(a):
f0
1
0f0
h
2 f 0
2
= h 00.0513
3 f 0
1
3
0.00026
2
0.0001
1
3
f0 = 1.0006667 1.0007
Solucin(b)
f(0.055)
es una derivada que esta al principio de la tabla se emplea la formula de Newton
Progresivo, como XP=0.055 es un punto intermedio XP [0.05,0.10+, X0=0.05. Se halla
X X
su valor de P de:P = P 0 .
h
H=0.05 P =
0.0550.05
0.05
f0
X0
0.05 1.0513
Si fP
f( 0.055 )
1
0f0
h
(2P1)2 f 0
+
2!
= 0.1
f0
539
2f0
27
3f0
3
(3P 2 6P+2)2 f 0
+
1
3!
(0.21)(0.0027 )
1
3(0.1)2 6(0.1)
+0
+ 21 (0.0003)1
00.0539 +
0.05
2
6
= 1.05783
f0
0.25 1.289
fP=0
1
0f0
h
2 f 0
2
3 f 0
1 , f0
3
f(0.25)
= f0 = 0.05 00.0626 +
1 f0
2 f0
0.626
0.030
3 f0
0
= fP=0
= f(0.25)
, porque X0=0.25 en la tabla de NR
0.0030
2
0.0000
1
3
f0 = 1.282
Solucion(b)
X P X 0
h
0.0250.25
0.05
(2P+1)2 f 0
2!
(3P 2 +6P+2)3 f 0
1
3!
X P = 0.025 P =
1
en fP = h 0f0 +
f(0.225)
= 0.05 00.626 + 0
f(0.225)
= 1.252
= 0.5 P = 0.5
X0
f0
1 f0
0.25 1.289
0.626
2(0.5)
3(0.5)2 +6(0.5)
(0.0030) + 0
+
11
+ 21 (0.0000)1
2
2
2 f0
3 f0
0.030
0
fP = h
= h 1 f1/2 + 2 (2 f0 + 2 f1 ) + 3 3 f1/2 +
Si 1 = P 1
P 2 P
4
2 =
P(P1)
4
3 =
P(P1)(P1/2)
6
2 =
2P1
4
2P 3 3P 2 +P
6
3 =
f0 = 0f1/2
h
( 2 f 0 + 2 f 1 )
4
3 f 1/2
4
+ 1
6P 2 6P+1
6
FRMULA DE DIFERENCIACIN DE
STIRLING
fp = f0 + s1 f1/2 + f1/2 + s2 2 f0 + s3 3 f1/2 + 3 f1/2 +
fP =
1
h
Si s1= 2 s1 = 2 ,
Si s2 =
P2
2
Si s3 =
s2 = P ,
1 f 1/2 +f 1/2
1+
2
fP = h 0
P(P1)(P+2)
2(3!)
Si s4 =
P2 f0 +
P 2 (P+1)(P1)
4!
3P 2 1
12
1 (f 1/2 +f 1/2 )
2
( 3 f 1/2 + 3 f 1/2 )
12
3P 2
12
s4 =
2P 3 P
12
3 f1/2 + 3 f1/2 +
En XP=X0 P=0
f0 = h 0
s3 =
+ 1
X p X 0
h
0.100.10
0.05
1
h
f0 = h 0f1/2
( 2 f 0 + 2 f 1 )
4
3 f 1/2
6
3P 2 1
12
, s1 =
1
2
s2 = P
En la tabla se tiene:
X 0 = 0.10
1.1052f0
X1 = 0.15
0.0f1/2
0.00(2 f0 )
0.0003(3 f1/2 )
0.00(3 f1 )
1.1618f1
h = 0.05
f0 =
1
0.0027+0.0030
00.0566
0.05
4
0.0003
1
6
= 1.1095
Solucion (b)
f (0.125) X P = 0.125 [0.10,0.15]
P=
X P X 0
h
0.1250.10
0.05
1 = 1, 2 =
2P 1
4
2(0.5)1
4
= 0, 3 =
6P 2 6P+1
6
INTEGRACIN NUMERICA
Para intervalos Simples
Mtodo del trapecio
0 1
=
1
1
() =
( + 1 ) +
2 0
12 ( )
m *X0 , X1+
Donde (
) = max { () , () }
5
90
( + 41 + 2 ) +
3 0
(
)
m [ X0 , X1 ]
Donde (
) = max { () , () }
=
3
0
3
3
() = ,0 + 31 + 32 + 3 - +
8
3 5
( )
80
(
) = max { ()
, ()
}
EJEMPLO
2
sin
1
( 0 + 1 ) +
Solucin:
21
=
=
=1
1
1
f(x)
X0=1
f0=0.841471
X0+h=X1=2
f1=1.818595
()
= sin + cos
()
= 2 cos sin
( ) = max{ (1)
, (2)
}
13
= 12 (
) = 12 (2.65) = 0.220907377
Entonces
2
sin
1
( 0 + 1 ) + = 1.109125
21 1
=
= = 0.5
2
2
2
X
f(x)
X0=1
f0=0.841471
X0+h=1.5
f1=1.496242
X0+2h=2
f2=1.818595
Determinacin del
( ) = 2 cos sin
Si
(
) = 4 cos + sin
(
{ (1)
, (2)
}
) = max
(
{ 3.4831 }
) = max
(
)
90
0.55
90
(3.4831) = 0.0012094
Entonces:
() =
( + 41 + 2 ) + = 1.442048
3 0
Sol:
2
1
3
sin = (0 + 31 + 32 + 3 ) +
8
21
3
1
3
f(X)
X0=1
f0=0.841471
X1=4/3
f1=1.295917
X2=5/3
f2=1.659013
X3=2
f3=1.818595
(
{ 3.4831 }
) = max
=
2
1
3
80
5 (
) =
3
80
3
sin = (0 + 31 + 32 + 3 ) + = 1.42568923
8
Integracin Numrica
para intervalos
compuestos
m veces h
Demostracin:
1
0
2
1
3
2
() =
( + 1 ) + 1
2 0
() =
( + 2 ) + 2
2 1
() =
( + 3 ) + 3
2 2
() =
(
+ ) +
2 1
() =
,( + ) + 2(1 + 2 + 1 )- +
2 0
( )3
=
122 ( )
Demostracin:
2
0
4
2
6
4
( + 41 + 2 ) + 1
3 0
( + 41 + 2 ) + 2
3 0
( + 41 + 2 ) + 3
3 0
( + 41 + 2 ) +
3 0
() =
,( + ) + ( + + + + ) + ( + + + )- +
5
1 = ( )
90
5
2 = ( )
90
5
( )5
= ( ) =
90
28804 ( )
Ejemplo:
2
Xsin
1
21 1
=
= = 0.2
5
5
=
2
()
1
( )3
12 2
(
) =
(21)3
1252
f(X)
X0=1
f0
X1=1.2
f1
X2=1.4
f2
X3=1.6
f3
X4=1.8
f4
X5=2
f5
(
)
3
=
12
( 1),
( , )
( 0,
1)
( )3
=
12
( 1),
3
=
3
( 2),
( 0,
2)
( , )
( 2),
1 , 2
(, )
Supongamos que:
f ii (1) = f ii (2)
E1 24
=
E1 = 2E2 . (2)
E2 12
(2) en (1)
I1 + E1 = I2 + E2
I1 2E2 = I2 + E2
I1 I2 = E2 + 2E2
1
I = I2 + 3 (I1 I2 ) = I2 + 3 I1 3 I2
1
3
1
3
I = I2 + I 2
1
3
2 . (4)
3 2
ba
2
EJEMPLO
Calcular
3 3
(x
1
2x 2 + 7x 5)dx =
1
20
3
F(x) = x 3 2x 2 + 7x 5
Aplicando: 4 es decir: = 3 1 + 3 2
xi = x0 + 1h
i=1
i=2
x1 = x0 + 1h
= 1 + 1(1)
=2
x2 = x0 + 2h
= 1 + 2(1)
=3
h
2
I = I1 + E1 = (f0 + f1 ) + E1 = (1 + 25) = 26 = I1
2
2
h=ba =31= 2
()
0 = 1
1 = 0
1 = 3
25 = 1
I = I2 + E2 = 2hf1
h=
ba
2
31
2
f(X)
=1
f1
I = 2(1)(9)
I2 = 18
Aplicando (4)
x0
1
2
I = I1 + I2
3
3
1
I = 3 (26) + 3 (18) =
62
3
x1
x2
= 20 3
X
()
0 = 1
1 = 0
1 = 2
9 = 1
2 = 3
25 = 2
x2
x0
5
f(x)dx = (0 + 41 + 2 ) (1),
3
90
b a 5 1 IV
E1 =
f (1),
2
90
1 (0 , 2 )
(b a)5 IV
(a, b) E1 =
f (1)
2880
I = I 2 + E2 =
x3
x0
3
35
( + 31 + 32 + 3 )
f(x)dx =
(2),
8 0
80
3 ba
E2 =
80 3
(b a)5 IV
1 IV
(2)
f
=
f (2), 2
90
6480
(, )
= + = + ()`
Sea el siguiente cociente de errores:
( )5
(1)
1
2880
=
, 1 2 1 ^ 2
( )5
2
6480 (2)
Si (1) = (2)
1
2
6480
(, )
= 2880 1 = 4 2 . . (2)`
(2) en (1): 1 + 4 2 = 2 + 2 2 1 = 4 2 2
5
4
2 = 2 1 2 = (2 1 ) (3)`
4
5
(0 , 3 )
(3) en (1):
4
I = I2 + E2 = I2 + 5 (I2 I1 )
(4)`
Ejemplo:
9
Solucin:
1 : =
0.8 10
= 0.4
2
= 0 +
1 = 0 + (0.4)
F(x) = 0.2 + 25x 200x 2 + 675x 3 900x 4 + 400x 5
I1 =
I1 =
x2
f(x)dx
x0
(
3 0
+ 41 + 2 )
0.4
(0.2 + 4 (2.456) + 0.232)
3
I1 = 1.36746667
( )
0
X0+1h =
1
2
0.4
0.8
0.2
2.456
0.232
0
1
2
( )
= 0 +
0
1
1 = 0 + (0.4)
2
3
I2 =
=
x3
f(x)dx
x0
0.80
3
I2 =
x3
x0
0.8
3
3
8
0
0.2667
05333
0.8
0.2
1.43272438
3.48717696
0.232
(0 + 31 + 32 + 3 )
= 0.2667
f(x)dx =
3
0.2667(0.2 + 3(1.43272428) + 3(3.48717696) + 0.232)
8
9
2 = 1.51917037
9
5
= 5 2 5 1
4
5
= (1.51917037) (1.36746667)
= 164053333
0
1
2
3
Sea:
= 1 + 1 = 2 + 2 . (1)
Para 1 aplicaciones de la Regla Del Trapecio Compuesto, anlogamente: = 2 + 2
Para 2 aplicaciones de la Regla Del Trapecio Compuesto tomando el cociente de errores:
( )3
(1)
1
1222
=
;
( )3
2
(2)
1212
1 2 1 ^ 2
(, )
Si:
2) =
2
1
1)
=
1
2
1
=
2
1 . (2)
(2) en (1):
2
1 + 1 = 2 + . 1 / 1
2
2
2
2 1 = 1 . 1 / 1
1 1 . 1 /
(3) en (1):
1 =
2 1
1. 1 /
1 =
2 1
= 2 1
2 1
1. 1 /
. (3)
2 1
3
4
1 = 2 1 . (4)
3
(4) en (1)
4
= 1 + 1 = 1 + 3 ( 2 1 ) = 3 2 3 1
EJEMPLO
Calcular
3 3
(
1
2 2 + 7 5)
aplicaciones (2 = 4) de la regla del Trapecio compuesto y despues aplicar E.R. para encontrar una
3 aproximacion (que es la mejor).
Solucin:
= ,0 + + 2(1 + 2 + 3 + + 1 - + ( )
2
Se tiene:
1 = 2 y 2 = 4
Para:
= 2 (0 + + 2
1
=1 )
Como
1 = 2
Para:
1
9
2.5
31
2
=1
1
1 = 2 (1 + 25 + 2(9))
( )
1
2
3
0
1
2
1 =
44
2
= 22
=
+ + 2
2 0
=1
Como
2 = 4
31
4
= 0.5
( )
1
1.5
2
2.5
3
1
4
9
15
25
xi = x0 + ih
0
1
x1 = 1 + 1(0.5)
2
3
4
x1 = x0 + 1h
2 =
0.5
2
35
2 = 0.25 .26 + 2( 8 +
2 = 21
.1 + 25 + 2(4 8 + 9 + 15 8)/
125
8
)/
Aplicando:
= () () =
=
INTEGRACION DE ROMBERG
Es un mtodo que combina la convergencia de las reglas del Trapecio o Simpson con las tcnicas de
extrapolacin de Richardson para retener una sucesin que converge hacia el verdadero valor de la
integral.
Descripcin de la tcnica de integracin de Romberg
Vamos a introducir la , la aproximacion de la integral =
Trapecio Compuesto para = 21 y =
Para: = 21 y =
2 2
2 2
11
21
22
31
32
33
41
42
43
44
51
52
53
54
.
.
.
.
.
.
.
.
.
.
.
.
55
.
.
.
. .
=
2
( )+
2(
( )+ 2
( + )
=1
1
0
( ) = 11 =
1
(() ())
2
Obs: Para las dems filas y columnas se sugiere hallar con la siguiente formula
1
=
2
( 1),1
2
1
1
( + ( )
2
1 )
, 1
4 1
1, 1
i=
2,3,4,n
j=
1,1
k = 2,3,
16
15
1,2
k = 3,4,
64
63
1,3
k = 4,5,
256
255
4
1,4
k = 5,6,
1024
1023
5
1,5
k = 6,7,
EJEMPLO
Hallar
.
;
Solucin:
Tenemos de datos:
a=0
b=0.8
n=6
() =
Realizando la tabla
16
32
0.8
0.4
0.2
0.1
0.05
0.025
=
( ) + ( ) + 2
2
21
=1
( + )
Cuando K = 1
11 =
11 =
(0) + (0.8) + 2
211
=1
( + 1 )
, (0) + (0.8)-
() =
(0) = 0 0 = 0
(0.8) = 0.8 0.8 = 1.780432743
11 =
0.8
2
,0 + 1.780432743- = 0.7121730971
11 = 0.7121730971
1
=
( ) + 1
2 1 ,1
22
=1
1
( + ( )1 )
2
Cuando K = 2
21 =
0(21),1 + 21
2
222
=1
( + ( 2)21 )1 = 0.594777
0(31),1 + 31
2
232
=1
( + ( 2)31 )1 = 0.564899
0(41),1 + 41
2
242
=1
( + ( 2)41 )1 = 0.557395
0(51),1 + 51
252
=1
( + ( )51 )1 = 0.555517
0(61),1 + 61
262
=1
( + ( )61 )1 = 0.555047
Cuando K = 3
31 =
Cuando K = 4
41 =
Cuando K = 5
51 =
1
2
Cuando K = 6
61 =
1
2
1
2
2 =
41 1,1
3
Cuando K = 2
22 =
421 21,1
3
= 0.555545
Cuando K = 3
32 =
431 31,1
3
= 0.554939
Cuando K = 4
42 =
441 41,1
3
= 0.554893
Cuando K = 5
52 =
451 51,1
3
= 0.554891
Cuando K = 6
62 =
461 61,1
3
= 0.554890
3 =
162 1,2
15
Cuando K = 3
33 =
1632 31,2
15
= 0.554891
Cuando K = 4
43 =
1642 41,2
15
= 0.554889
Cuando K = 5
53 =
1652 51,2
15
= 0.554890
Cuando K = 6
63 =
1662 61,2
15
= 0.554889
4 =
643 1,3
63
Cuando K = 4
44 =
6443 41,3
63
= 0.554888
Cuando K = 5
54 =
6453 51,3
63
= 0.554890
Cuando K = 6
64 =
6463 61,3
63
= 0.554889
5 =
2564 1,4
255
Cuando K = 5
55 =
25654 51,4
255
= 0.554890
Cuando K = 6
65 =
25664 61,4
255
= 0.554889
6 =
1024 5 1,5
1023
Cuando K = 6
66 =
1024 65 61,5
1023
= 0.554889
0.712173
0.594777
0.55545
0.564899
0.554939
0.554891
0.557395
0.554889
0.554889
0.554888
0.555517
0.554890
0.554890
0.554890
0.554890
0.555047
0.554890
0.554889
0.554889
0.554889
0.554889
SOLUCIN NUMRICA DE
ECUACIONES
DIFERENCIALES
ORDINARIAS CON VALOR
INICIAL.
I) De un solo paso:
Se tiene los siguientes mtodos:
a) Mtodo de Euler
b) Mtodo de Taylor
c) Mtodo de Runge-Kutta de orden 4
d) Mtodo de Runge-Kutta de orden 2
*Todas ellas son de la siguiente forma:
Dada la Ecuacin Diferencial Ordinaria:
= ( , ) /
( 0) =
a) Mtodo de Euler:
Es de la forma:
+1
+1
+ ( , )
Observacin:
Euler es un caso particular de Taylor de orden 1.
ejemplo
1 forma de pregunta
1) Dado:
= 2 2
Con:
(1) = 1
Hallar: (1.1)
Solucin:
Como: 0 = 1
, 0 = 1
Entonces:
Para i=0 , 1 = 0 + 0
Donde:
1 = (1.1) = (1 )
1 = 1.1
= 1 0 = 1.1 1 = 0.1
= 0.1
Luego:
1 = 0 + 0 ()
Donde:
0 = 20 02
Reemplazando en ():
1 = 0 + 20 02
1 = 1 + (0.1)(2)(1)(1)2
1 = 1.2
(1.1) = 1.2
2 forma de pregunta
2) Dado:
= 2 2
Con:
(1) = 1
Hallar: (1.1) para [1, 2] , con n=4
Solucin:
=
Como:
21
4
= 0.25
1.25 1.5
1.75
4
4
2
1 = 0 + 1(0.25) = 1.25
2 = 0 + 2(0.25) = 1.5
3 = 0 + 3(0.25) = 1.75
4 = 0 + 4(0.25) = 2
Es de la siguiente forma:
()
+1
2 3
= +
+
+
+ +
1!
2!
3!
!
O
( ) 2 ( ) 3 ( )
() ( )
(+1 ) = ( ) +
+
+
+ +
+
1!
2!
3!
!
Donde:
El error local es de la forma:
+1 (+1) ( )
=
+ 1!
1 forma de pregunta
Dado:
= 2 + 2 ()
Con:
(1) = 0
Por Taylor de orden 3 hallar: (1.5)
Solucin:
Como: 0 = 1 0 = 0
Y de (1.5) se sabe que: 1 = 1.5
= 1 0 = 1.5 1 = 0.5
Luego, Taylor de orden 3 es de la forma:
+1
Para i=0 con (0 , 0 ) = (1, 0)
1 = 0 +
0
1!
2 0
2!
Se requiere hallar:
3 0
3!
2 3
= +
+
+
1!
2!
3!
0 , 0 , 0
():
= 2 + 2 ()
0 = 02 + 02
0 = 12 + 02
0 = 1
Derivando ():
= 2 + 2 ()
0 = 20 + 20 0
0 = 2(1) + 2(0)(1)
0 = 2
Derivando ():
= 2 + 2( + )
0 = 2 + 2(0 0 + 0 0 )
0 = 2 + 2((0)(2) + (1)(1))
0 = 4
80.5)(0)
(0.5)2 (2)
+
1!
2!
(0.5)3 (4)
3!
1 = 0.8333333
(1.5) = 0.8333333
2 forma de pregunta
Dado:
= 2 + 2 ()
Con:
(1) = 0
Por Taylor de orden 3 en el segmento [1, 2], con n=2, hallar: (1.5)
Solucin:
Como:
21
2
= 0.5
= 0 0 = 0 + 0 = 1
= 1 1 = 0 + 1 = 1.5
= 2 2 = 0 + 2 = 2
0
1!
2 0
2!
1 = 0.8333333
3 0
3!
(Resuelto anteriormente)
2 = 1 +
1
1!
2 1
2!
3 1
3!
Se requiere hallar: 1 , 1 , 1
De ():
= 2 + 2 ()
1 = 12 + 12
1 = 1.52 + 0.8333333 2
1 = 2.9444444
Derivando ():
= 2 + 2 ()
1 = 21 + 21 1
1 = 2(1.5) + 2(0.8333333 )(2.9444444 )
1 = 7.907407405
Derivando ():
= 2 + 2( + )
1 = 2 + 2(1 1 + 1 1 )
1 = 2 + 2((0.8333333 )(7.907407405) + (2.9444444 )(2.9444444 ))
1 = 32.5185185
Luego , reemplazando:
2 = 1 +
1
1!
2 1
2!
2 = 0.8333333 +
3 1
3!
(0.5)(2.9444444 )
1!
(0.5)2 (7.907407405 )
2 = 3.235339504
2
1!
2 2
2!
3 2
3!
Se requiere hallar: 2 , 2 , 2
De ():
2!
(0.5)3 (32.5185185 )
3!
= 2 + 2 ()
2 = 22 + 22
2 = 22 + 3.2353395042
2 = 14.46742171
Derivando ():
= 2 + 2 ()
2 = 22 + 22 2
2 = 2(2) + 2(3.235339504)(14.46742171)
2 = 97.61404193
Derivando ():
= 2 + 2( + )
2 = 2 + 2(2 2 + 2 2 )
2 = 2 + 2((3.235339504)(97.61404193) + (14.46742171)(14.46742171))
2 = 1052.241714
Luego , reemplazando:
3 = 2 +
2
1!
2 2
2!
3 = 3.235339504 +
3 = 44.59250797
3 2
3!
(0.5)(14.46742171 )
1!
(0.5)2 (97.61404193 )
2!
PREDICTOR CORRECTOR
Como su nombre lo indica 1 se predice un valor +1 ,
despus se usa una formula diferente para corregir este valor.
Los mtodos Predictor-Corrector hallar el valor del
pto (+1 , +1 ) utiliza informacin del pto ( , ) y sus
precedentes donde cada pto precedente indica un paso, de
aqu su nombre como mtodo de mltiples pasos . A diferencia
de los mtodos de Runge-Kuta, Taylor, Euler, que son mtodos
de un solo paso (Para +1 utiliza la informacin de )
ejemplo
Usando el mtodo predictor corrector
Predictor:
Corrector:
=
+1 =
+1
+ 2
+ ( +
2
+1 )
0 = 0.5 Y h=0.5
1 = 0 + (1 + 22 + 23 + 4 )
1 = ( 0 ,0 ) = y0 = y(0)
=0
y = xy 2 + 3xy
y0 = 0 y02 + 30 0 = 0(0.5)2 + 3(0)(0.5)
y0 = 0
2=(
0 +2
1
2
, 0 + 1 )
= (0.25,00.5+0.25(0))
1
( 0 + , 0 + 2 )
2
2
= (0.25 ,0.5+(0.25)(0.3125))
3 = (0.25,0.578125 )
3 = 0.25(0.578125)2 + 3(0.25)(0.578125) = 0.3500366
4 =
1
( 0 + , 0 + 3 )
2
2
4 = (0.5,0.5+0.5(0.350066 ))
4 = (0.5,0.67533 )
4 = 0.5(0.67533)2 + 3(0.5)(0.67533) = 0.7847026
1 = 0 + 6 (1 + 22 + 23 + 4 )
0.5
1 = 0.5 +
( )
6
= 1 = 0.6758146
= (0.5)(0.6758146)2 3(0.5)(0.6758146)
= 0.7853592
Aplicando el predictor:
+1 = 1 + 2
(1) = 0.5 + 2(0.5)(0.7853592)
(1) = 1.2853592
+1
= (1)
= 1(1.2853592)2 + 3(1)(1.2853592)
+1
= 2.2039293
Aplicando el corrector:
+1 = + ( + +1
)
2
0.5
(1) = 0.6758146 +
(0.7853592 2.2039293)
2
(1) = 1.423167 este es el corrector
ECUACIONES DIFERENCIALES DE
ORDEN SUPERIOR
Una ecuacin diferencial ordinaria de orden n se puede transformar en un sistema de EDO de orden
1.
As se tiene una EDO de orden n:
( )
( , ,
()
,, (
Sea i = ( i ) =
1( i )
2( i )
n( i )
= (
=
)
1(
i)
2( i )
(
i)
1 = = 2
2(0) = (0)
=1
2 = = 3
3 =
3(0) = (0)
=0
Matricialmente se tiene:
=
=
1
2
2
3
3
+ 21 + 2 3
Con las Sgts. condiciones iniciales
(0) =
1(0)
2(0)
3(0)
0
1
0