FACULTAD DE CIENCIAS

Y TECNOLOGIA

RED NACIONAL UNIVERSITARIA

SYLLABUS

CLCULO NUMRICO CUARTO SEMESTRE

Gestin Acadmica I/2011

U N

I V E

R S

I D A D

D E 1

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

UDABOL

UNIVERSIDAD DE AQUINO BOLIVIA Acreditada como PLENA mediante R. M. 288/01

VISION DE LA UNIVERSIDAD

Ser la Universidad lder en calidad educativa.

MISION DE LA UNIVERSIDAD

Desarrollar la Educacin Superior Universitaria con calidad y competitividad al servicio de la sociedad.

Estimado(a) estudiante: El syllabus que ponemos en tus manos es el fruto del trabajo intelectual de tus docentes, quienes han puesto sus mejores empeos en la planificacin de los procesos de enseanza para brindarte una educacin de la ms alta calidad. Este documento te servir de gua para que organices mejor tus procesos de aprendizaje y los hagas mucho ms productivos. Esperamos que sepas apreciarlo y cuidarlo.

U N

I V E

R S

I D A D

D E 2

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

I. SYLLABUS Asignatura: Cdigo: Requisito: Carga Horaria: Horas tericas: Horas prcticas: Crditos: Clculo Numrico MAT 212A MAT 202A

80 80 HORAS
4

II. OBJETIVOS GENERALES DE LA ASIGNATURA. La formacin cientfica del estudiante involucra el dominio de los mtodos fundamentales del Anlisis Numrico y su uso en la resolucin de problemas matemticos, utilizando programas computacionales como MATLAB. Al final del curso el estudiante: Comprender la necesidad de utilizar mtodos numricos de resolucin de ciertos problemas matemticos, observando que en ocasiones solo es posible la obtencin de soluciones aproximadas Podr identificar los factores claves a la hora de resolver un problema. Concebir que el anlisis terico correspondiente, es de gran importancia el estudio previo del coste y el error de cada mtodo. El anlisis de los diversos factores debe de llevar a una eleccin correcta entre los distintos mtodos que resuelven un mismo problema. Conocer los recursos tcnicos que proporciona el ordenador para la utilizacin eficiente de los mtodos numricos, implementando los algoritmos correspondientes para comprobar su utilidad. III. PROGRAMA ANALTICO DE LA ASIGNATURA.

1. INTRODUCCION 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. Qu es el Clculo Numrico? Sistemas Numricos Representacin de un Nmero en Base b Representacin del Proceso de Cambio de un Fraccin en Base Diez a Base Dos Sistemas Numricos de punto Flotante Propiedades del Sistema de Nmeros de Mquina en Punto Flotante

2. TEORIA DE ERRORES 2.1. 2.2. 2.3. Definicin Nmeros Aproximados Definicin de Error. Error Absoluto. La Cota del Error Absoluto
U N I V E R S I D A D D E 3 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

2.4. 2.5.

Error Relativo. La Cota del Error Relativo Tipos de Error a) Error de Cifras Significativas. Definicin b) Error de Redondeo. Regla de Redondeo. Relacin Entre el Error Relativo de un Nmero Aproximado y el Nmero de Digitos. Exactos.. Error en las Operaciones Aritmticas. Error de una Suma. Error de un Diferencia. Error en el Producto. Error en un Cociente. Error Relativo de una Potencia. Error Relativo de una Raz c) Error de Trucamiento. La Serie de Taylor RAICES DE UNA ECUACION Introduccin Definicin Mtodos Aproximados Para Determinacin de una Raz Mtodo de Biseccin Mtodo de la Secante Mtodo de iteracin del Punto Fijo Mtodo de Newton de Primer y Segundo Orden Mtodo de la Falsa Posicin y Falsa Posicin modificada SISTEMA DE ECUACIONES LINEALES Sistemas de ecuaciones. Definicin Mtodos de Resolucin Mtodo de Eliminacin Mtodo de Eliminacin Gaussiana Mtodo de Gauss Jordan Mtodo de la Matriz inversa Mtodo de Gauss Seidel Mtodo de Relajacin Mtodo de Cramer SISTEMAS DE ECUACIONES NO LINEALES Mtodo de Newton Mtodo de Newton Modificado Mtodo de Iteracin INTERPOLACION DE FUNCIONES Interpolacin de Lagrange Diferencias Finitas y Diferencias Divididas Interpolacin de Newton Interpolacin de Gauss Interpolacin de Stirling Interpolacin de Bessel Interpolacin de Splines Interpolacin de Funciones de Dos Variables Frmula de Interpolacin de Newton Para una Funcin de Dos Variables
U N I V E R S I D A D D E 4 A Q U I N O B O L I V I A

3. 3.1. 3.2. 3.3. 3.3.1. 3.3.2. 3.3.3. 3.3.4. 3.3.5. 4. 4.1. 4.2. 4.2.1. 4.2.2. 4.2.3. 4.2.4. 4.2.5. 4.2.6. 4.2.7. 5. 5.1. 5.2. 5.3. 6. 6.1. 6.2. 6.3. 6.4. 6.5. 6.6. 6.7. 6.9. 6.10.

FACULTAD DE CIENCIAS

Y TECNOLOGIA

7. 7.1. 7.2. 7.2.1. 7.2.2. 8. 8.1. 8.2. 8.3. 8.4. 9. 9.1. 9.2. 9.3. 9.4. 9.5. 9.6. 9.7.

DIFERENCIACION NUMERICA Derivadas a partir de Tablas de Diferencias Divididas Derivadas de Orden Superior Diferencias Divididas Diferencias Centrales INTEGRACION NUMRICA Mtodo de los Trapecios Mtodo de Simpson Formula de Integracin de Newton-Cotes Mtodo de Integracin de Robeos ECUACIONES DIFERENCIALES Problema de Valores iniciales Mtodo de Taylor Frmula de Taylor de 1er. Orden (Euler) Frmula de Taylor de 2do. Orden Mtodo de Runge Kutta (4to. Orden) Los Mtodos Predictora Correctores Frmula Predictora de Adams

V. EVALUACION DE LA ASIGNATURA Procesual o Formativa A lo largo del semestre se realizarn exposiciones, repasos cortos y otras actividades de aulas y el CICC, realizados con la universidad. Cada uno se tomar como evaluacin procesual calificndola entre 0 y 50.

De resultados de los Procesos de aprendizaje o sumativa (examen parcial o final)

Se realizar 2 evaluaciones parciales con contenido terico y prctico. El examen final consistir en un examen escrito que se calificar con el 50% de la nota del examen final

VI.

BIBLIOGRAFIA BASICA Y COMPLEMENTARIA.

Numerical Analysis, Pws Kent Publishing, Boston USA. Burden Richard L. y J. Douglas Faires (1989). Mtodos Numricos Aplicados a la Ingeniera, Antonio Nieves Hurtado - Federico Domnguez, Compaa Editorial Continental S.A. Mxico, 1999.
U N I V E R S I D A D D E 5 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Smith Allen W., 1994. Anlisis Numrico. Prentice Hall Rice John R., 1983. Numerical Methods, Software and Analysis. McGraw Hill Mtodo Numricos Aplicados con Software. Prentice Hall, Nakamura Shoichiro, 1997. Metodos Numricos para Ingenieros Steven C. Chapra Raymond P. Canale VII. CONTROL DE EVALUACIONES

1 evaluacin parcial Fecha Nota

2 evaluacin parcial Fecha Nota

Examen final Fecha Nota APUNTES

U N

I V E

R S

I D A D

D E 6

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

VIII PLAN CALENDARIO

SEMANA

DEL

AL

ACTIVIDADES

OBSERVACIONES

1ra. 2da. 3ra. 4ta. 5ta. 6ta. 7ma. 8va. 9na. 10ma. 11ra. 12da. 13ra. 14ta. 15ta. 16ta. 17ma. 18va. 19na. 20va. 21ra.

09-mar 14-mar 21-mar 28-mar 04-abr 11-abr 18-abr 25-abr

12-mar Avance de materia TEMA 1. INTRODUCCION 19-mar Avance de materia TEMA 1. INTRODUCCION 26-mar Avance de materia TEMA2. Tema 2: Teora de errores 02-abr 09-abr 16-abr 23-abr 30-abr Avance de materia Tema 3: Races de una Ecuacin Avance de materia Tema 3: Races de una Ecuacin Avance de materia Avance de materia
Inicio Primera Evaluacin Parcial Conclusin Primera Evaluacin Parcial

Presentacin de Notas Presentacin de Notas

Avance de materia Tema 4: Sistema de Ecuaciones Lineales

02-may 07-may Avance de materia Tema 4: Sistema de Ecuaciones Lineales 09-may 14-may Avance de materia Lineales 23-may 28-may Avance de materia 30-may 06-jun 13-jun 20-jun 27-jun 04-jul 11-jul 18-jul 25-jul 04-jun 11-jun 18-jun 25-jun 02-jul 09-jul 16-jul 23-jul 26-jul Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia
Tema 5: Sistema de Ecuaciones no

16-may 21-may Avance de materia Tema 6: Interpolacin de Funciones

Inicio Segunda Evaluacin Parcial
Conclusin Segunda Evaluacin Parcial
Tema 7: Diferenciacin Numrica Tema 9: Ecuaciones Diferenciales Tema 8: Integracin Numrica Tema 9: Ecuaciones Diferenciales

Presentacin de Notas Presentacin de Notas

Inicio Evaluacin Final

Conclusin Evaluacin Final Evaluacin del segundo turno Cierre de Gestin

Presentacin de Notas Transcripcin de Notas Transcripcin de Notas

U N

I V E

R S

I D A D

D E 7

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

FERIADOS 22 de abril 1 de mayo 23 de junio Viernes Santo Da del Trabajo Corpus Christi

PLANIFICACIN DE ACTIVIDADES CONTENIDO ACTIVIDAD ANALTICO Mtodo de Newton Mtodo de Newton Modificado Docencia Mtodo de compartida Iteracin Los Mtodos Predictora Correctores Seminario Frmula Predictora taller de Adams PERIODOS ACADMICOS RECURSOS DIDCTICOS Data Display Equipos de computacin Software de aplicacin

CONTENIDO MNIMO SISTEMAS DE ECUACIONES NO LINEALES

4 Periodos

ECUACIONES DIFERENCIALES

4 Periodos

Data Display Documentacin bibliogrfica

Mtodo de Eliminacin Gaussiana Mtodo de Gauss SISTEMA DE Jordan ECUACIONES Mtodo de la Matriz Visita LINEALES inversa Mtodo de Gauss Seidel Mtodo de Relajacin APLICACIONES EN MATLAB TOPICOS AVANZADOS Seminario Taller

6 Periodos

Data Display Equipo de Computacin Software

Aplicaciones

6 Periodos

Data Display Equipos de computacin Dcumentacin bibliografica Material del Congreso

8 Periodos

U N

I V E

R S

I D A D

D E 8

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

WORK PAPER # 1

PROGRAMA DE CONTROL DE CALIDAD

Nro DE PROCEDIMIENTO:

APRO 07

Nro. DE HOJAS: 6

ELABORO: ING. ROSMERY LUIZAGA SALINAS

CDIGO: MAT 212

TITULO WORK PAPER: TEORIA DE ERRORES

DPTO:

UDABOL ORURO

DESTINADO A: DOCENTE ALUMNOS X ADMINISTRATIVOS OTROS

OBSERVACIONES: Clculo Numrico, Carrera de Ingeniera de Sistemas, Telecomunicaciones FECHA DE DIFUSIN: Marzo 2011 FECHA DE ENTREGA: Marzo 2011

U N

I V E

R S

I D A D

D E 9

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

WORK PAPER # 1 METODOS NUMERICOS TEORIA DE ERRORES 1.1. INTRODUCCIN

La ciencia y la tecnologa describen los fenmenos reales mediante modelos matemticos. El estudio de estos modelos permite un conocimiento ms profundo del fenmeno, as como de su evolucin futura. La matemtica aplicada es la rama de las matemticas que se dedica a buscar y aplicar las herramientas ms adecuadas a los problemas basados en estos modelos. Desafortunadamente, no siempre es posible aplicar mtodos analticos clsicos por diferentes razones:

No se adecan al modelo concreto. Su aplicacin resulta excesivamente compleja. La solucin formal es tan complicada que hace imposible cualquier interpretacin posterior. Simplemente no existen mtodos analticos capaces de proporcionar soluciones al problema.

En estos casos son tiles las tcnicas numricas, que mediante una labor de clculo ms o menos intensa, conducen a soluciones aproximadas que son siempre numrica. El importante esfuerzo de clculo que implica la mayora de estos mtodos hace que su uso est ntimamente ligado al empleo de computadores. De hecho, sin el desarrollo que se ha producido en el campo de la informtica resultara difcilmente imaginable el nivel actual de utilizacin de las tcnicas numricas en mbitos cada da ms diversos. 1.2. ERRORES

El concepto de error es consustancial con el clculo numrico. En todos los problemas es fundamental hacer un seguimiento de los errores cometidos a fin de poder estimar el grado de aproximacin de la solucin que se obtiene. Los errores asociados a todo clculo numrico tienen su origen en dos grandes factores:

Aquellos que son inherentes a la formulacin del problema. Los que son consecuencia del mtodo empleado para encontrar la solucin del problema.

Dentro del grupo de los primeros, se incluyen aquellos en los que la definicin matemtica del problema es slo una aproximacin a la situacin fsica real. Estos errores son normalmente despreciables; por ejemplo, el que se comete al obviar los efectos relativistas en la solucin de un problema de mecnica clsica. En aquellos casos en que estos errores no son realmente despreciables, nuestra solucin ser poco precisa independientemente de la precisin empleada para encontrar las soluciones numricas. Otra fuente de este tipo de errores tiene su origen en la imprecisin de los datos fsicos: constantes fsicas y datos empricos. En el caso de errores en la medida de los datos empricos y teniendo en cuenta su carcter generalmente aleatorio, su tratamiento analtico
U N I V E R S I D A D D E 10 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

es especialmente complejo pero imprescindible para contrastar el resultado obtenido computacional-mente. En lo que se refiere al segundo tipo de error (error computacional), tres son sus fuentes principales: 1. Equivocaciones en la realizacin de las operaciones (errores de bulto). Esta fuente de error es bien conocida por cualquiera que haya realizado clculos manualmente o empleando una calculadora. El empleo de computadores ha reducido enormemente la probabilidad de que este tipo de errores se produzcan. Sin embargo, no es despreciable la probabilidad de que el programador cometa uno de estos errores (calculando correctamente el resultado errneo). Ms an, la presencia de bugs no detectados en el compilador o en el software del sistema no es inusual. Cuando no resulta posible verificar que la solucin calculada es razonablemente correcta, la probabilidad de que se haya cometido un error de bulto no puede ser ignorada. Sin embargo, no es esta la fuente de error que ms nos va a preocupar. 2. El error causado por resolver el problema no como se ha formulado, sino mediante algn tipo de aproximacin. Generalmente est causado por la sustitucin de un infinito (sumatorio o integracin) o un infinitesimal (diferenciacin) por una aproximacin finita. Algunos ejemplos son:

El clculo de una funcin elemental (por ejemplo, Seno x) empleando slo n trminos de los infinitos que constituyen la expansin en serie de Taylor. Aproximacin de la integral de una funcin por una suma finita de los valores de la funcin, como la empleada en la regla del trapezoide. Resolucin de una ecuacin diferencial reemplazando las derivadas por una aproximacin (diferencias finitas). Solucin de la ecuacin f (x) = 0 por el mtodo de Newton-Raphson: proceso iterativo que, en general, converge slo cuando el nmero de iteraciones tiende a infinito.

Denominaremos a este error, en todas sus formas, como error por truncamiento, ya que resulta de truncar un proceso infinito para obtener un proceso finito. Obviamente, estamos interesados en estimar, o al menos acotar, este error en cualquier procedimiento numrico. 3. Por ltimo, la otra fuente de error de importancia es aquella que tiene su origen en el hecho de que los clculos aritmticos no pueden realizarse con precisin ilimitada. Muchos nmeros requieren infinitos decimales para ser representados correctamente, sin embargo, para operar con ellos es necesario redondearlos. Incluso en el caso en que un nmero pueda representarse exactamente, algunas operaciones aritmticas pueden dar lugar a la aparicin de errores (las divisiones pueden producir nmeros que deben ser redondeados y las multiplicaciones dar lugar a ms dgitos de los que se pueden almacenar). El error que se introduce al redondear un nmero se denomina error de redondeo. 1.2.1. DEFINICIONES. Ahora que disponemos de una idea correcta de qu es el error y de cual es su origen, podemos formalizar el concepto de error. Generalmente, no conocemos el valor de una cierta

U N

I V E

R S

I D A D

D E 11

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

magnitud y hemos de conformarnos con un valor aproximado x. Para estimar la magnitud de este error necesitamos dos definiciones bsicas: Error absoluto de x:

EA = x x
Error relativo de x: EA x x ER = = x x

(1)

( x 0)

(2)

En la prctica, se emplea la expresin:

ER =

EA x x = x x

( x 0)

(3)

En general, no conocemos el valor de este error, ya que no es habitual disponer del valor exacto de la magnitud, sino slo de una acotacin de su valor, esto es, un nmero ( x) , tal que:

EA( x) A( x)
o bien:

(4) (5)

ER( x) R( x)

De acuerdo con este formalismo, tenemos que un numero se representar del siguiente modo:

x = x EA( x)
x = x(1 ER( x))
1.2.2. DGITOS SIGNIFICATIVOS

(6) (7)

Sea x un nmero real que, en general, tiene una representacin decimal infinita. Podemos decir que x ha sido adecuadamente redondeado a un nmero con d decimales, al que denominaremos x(d), si el error de redondeo, es tal que:

r (d ) = X X

1 *10 d 2

(8)

Otra forma de obtener el nmero de cifras significativas es mediante truncamiento, en donde simplemente se eliminan los dgitos de orden inferior. El error cometido en este caso es:

r ( d ) = X X 1 *10 d

(9)

U N

I V E

R S

I D A D

D E 12

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Que en general, conduce a peores resultados que el mtodo anterior. 1.2.3. PROPAGACIN DE ERRORES Cuando se resuelve un problema matemtico por mtodos numricos y aunque las operaciones se lleven a cabo exactamente, obtenemos una aproximacin numrica del resultado exacto. Es importante tratar de conocer el efecto que sobre el resultado final del problema tiene cada una de las operaciones realizadas. Para estudiar como se propaga en error, veamos cual es el efecto que cada una de las operaciones bsicas tiene sobre el error final cuando se aplican sobre dos nmeros x1 EA( x1) y x 2 EA( x 2) . = = = = (10) (11) (12) (13)

Cuando el problema consiste en calcular el resultado y = f (x) tenemos la siguiente frmula aproximada de propagacin del error:

(14) En el caso ms general, en que una funcin depende de ms de una variable (x 1 ,x 2 ,....,x n ), la frmula aproximada de propagacin del error maximal es: y = f

(15) Ejemplo 3: Determinar el error mximo cometido en el clculo y = x 1 x 2 2 para X1 = 2 0.1 y . Solucin: El error cometido, de acuerdo con la ecuacin (15), se puede calcular mediante:

Sustituyendo valores, obtenemos:

Por lo que el resultado final se debe expresar como:

U N

I V E

R S

I D A D

D E 13

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Ejemplo 4: Sea el siguiente sistema de ecuaciones lineales:

en donde producto xy ?.

; b = 1 / a y d = b a Con qu exactitud podemos determinar el

Solucin: Primero resolveremos el sistema de ecuaciones por reduccin:

Ecuaciones que conducen a la siguiente expresin para el producto:

(16)

Resolveremos ahora el problema por dos mtodos. Primero, calcularemos el error asociado a cada una de las variables y los trminos de la expresin anterior:

Sustituyendo valores, obtenemos el siguiente resultado:

Una forma mucho ms adecuada de resolver este problema consiste en sustituir en la expresin (16) los valores de b y d por sus correspondientes expresiones en funcin de a. Sustituyendo y operando, obtenemos que el producto y el error asociado vienen dados por:

Que, sustituyendo valores, conduce al resultado:

Si ambos resultados son correctos Por qu el error es mucho menor en el segundo caso que en el primero? La respuesta es simple: en el segundo caso hemos eliminado operaciones intermedias, permitiendo que algunos errores se cancelen mutuamente. En
U N I V E R S I D A D D E 14 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

general, cuanto menor sea el nmero de pasos intermedios que efectuemos para alcanzar la solucin, menor ser el error cometido. CUESTIONARIO Y APLICACIONES PRACTICAS 1. 2. 3. 4. 5. Definir error Que es un error absoluto ejemplificar Que es un error relativo ejemplificar Definir propagacin de errores. Determinar el mximo error en el calculo y = X 1 * 5 X 4 , para X 1 = 3 02 y X 2 = 4 0.1

6. Determinar el mximo error en el calculo y = Cos ( X 1 ) * 2 X 3 , para X 1 = 1.5 02 y X 2 = 3 0.1 7. Con qu exactitud es necesario medir el radio de una esfera para que su volumen sea conocido con un error relativo menor de 0.01%? Cuantos decimales es necesario emplear para el valor de ? 8. Supongamos una barra de hierro de longitud l y seccin rectangular a x b fija por uno de sus extremos. Si sobre el extremo libre aplicamos una fuerza F perpendicular a la barra, la flexin s que sta experimenta viene dada por la expresin:

En donde E es una constante que depende slo del material denominada mdulo de Young. Conociendo que una fuerza de 140 Kp aplicada sobre una barra de 125 cm. de longitud y seccin cuadrada de 2.5 cm. produce una flexin de 1.71 mm, calcular el mdulo de Young y el intervalo de error. Suponer que los datos vienen afectados por un error mximo correspondiente al de aproximar por truncamiento las cifras dadas.

U N

I V E

R S

I D A D

D E 15

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

INGENIERIA DE SISTEMAS

WORK PAPER # 2

PROGRAMA DE CONTROL DE CALIDAD

Nro DE PROCEDIMIENTO:

APRO 07

Nro. DE HOJAS: 5

ELABORO: ING. ROSMERY LUIZAGA SALINAS

CDIGO: MAT 212

TITULO WORK PAPER: SISTEMA DE ECUACIONES

DPTO:

UDABOL ORURO

DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS

OBSERVACIONES: Clculo Numrico, Telecomunicaciones FECHA DE DIFUSIN: Abril 2011 FECHA DE ENTREGA: Abril 2011

Carrera

de

Ingeniera

de

Sistemas,

U N

I V E

R S

I D A D

D E 16

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

WORK PAPER # 2 SISTEMA DE ECUACIONES 2.1. MTODO DE ELIMINACIN DE GAUSS

Este mtodo consiste en expresar el sistema como una matriz aumentada de la forma

La idea del mtodo es llevar el sistema a la forma triangular superior y de all despejar una variable a la vez partiendo de la ltima. El ultimo paso se conoce como sustitucin en reversa. Para lograr llevar el sistema a la forma triangular superior, se emplean las operaciones elementales. 2.2. EJEMPLO DEL MTODO DE ELIMINACIN DE GAUSS

Como ejemplo resolveremos el sistema

La matriz aumentada es

Para ir simplificando el sistema avanzaremos por la diagonal principal, los elementos de la diagonal principal los denominaremos pivote. Primero localicemos en la primera columna el primer elemento que sea y lo llevaremos al primer rengln. En este caso se tiene

U N

I V E

R S

I D A D

D E 17

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

El pivote es 10, Despus dividamos el rengln pivote entre el pivote. Obtenemos

A continuacin pasaremos a hacer 0 los elementos que estn debajo del pivote. Para ello sumaremos mltiplos apropiados del rengln pivote a cada rengln de tal forma que los elementos debajo del pivote sean 0. En este caso tenemos

Avancemos por la diagonal principal al segundo rengln. Este ser ahora el rengln pivote. Busquemos el primer elemento que sea para que sea el pivote. Tenemos

El pivote vale 10.9. Ahora nuevamente dividamos el rengln pivote entre el pivote

Eliminado los elementos debajo del pivote tenemos

Los pasos anteriores se repiten hasta que la matriz este en la forma triangular superior. Llevando el elemento al rengln pivote
U N I V E R S I D A D D E 18 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

El pivote es 9.541. Dividiendo entre el elemento pivote

Haciendo 0 elementos abajo del elemento pivote

Llevando el elemento

al rengln pivote

El pivote es 7.111. Dividiendo entre el elemento pivote

Haciendo 0 elementos abajo del elemento pivote

Ya tenemos la matriz en la forma triangular superior. A continuacin usamos la sustitucin en reversa. Del ultimo rengln x 4 =1. Sustituyendo en la ecuacin de arriba

x 3 =-1. Sustituyendo en la ecuacin de arriba

U N I V E R S I D A D D E 19 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

x 2 =2. Finalmente sustituyendo en la primera ecuacin

x 1 =1. La solucin es x 1 =1 x 2 =2 x 3 =-1 x 4 =1. 2.3. APLICACIONES PRCTICAS.

En funcin a lo avanzado en clase y al presente Work Paper, resolver por el Mtodo de eliminacin, mtodo de eliminacin Gaussiana, mtodo de Gauss Jordan, mtodo de inversin de matrices y mtodo de Gauss Seidel, los siguientes sistemas de ecuaciones: 1 Sistema de ecuaciones X 1 X 2 + X 3 = -4 5X 1 4X 2 + 3X 3 = -12 2X 1 + X 2 + X 3 = 11 2 Sistema de ecuaciones 2X 1 + X 2 3X 3 = 1 -X 1 +3X 2 + 2X 3 = 12 3X 1 + X 2 3X 3 = 2 3 Sistema de ecuaciones X 1 + X 2 5X 3 = 2 X 1 - 3X 2 + 2X 3 = 6 3X 1 + X 2 3X 3 = 2

U N

I V E

R S

I D A D

D E 20

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

WORK PAPER # 3

PROGRAMA DE CONTROL DE CALIDAD

Nro DE PROCEDIMIENTO:

APRO 07

Nro. DE HOJAS: 4

ELABORO: ING. ROSMERY LUIZAGA SALINAS

CDIGO: MAT 212

TITULO WORK PAPER: METODO DE DIFERENCIAS DIVIDIDAS

DPTO:

UDABOL ORURO

DESTINADO A: DOCENTE ALUMNOS x ADMINISTRATIVOS OTROS

OBSERVACIONES: Telecomunicaciones

Clculo

Numrico,

Carrera

de

Ingeniera

de

Sistemas,

FECHA DE DIFUSIN: Mayo 2011 FECHA DE ENTREGA: Mayo 2011

U N

I V E

R S

I D A D

D E 21

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

WORK PAPER # 3 METODO DE DIFERENCIAS DIVIDIDAS

3.1.

INTRODUCCION.

Los polinomios de interpolacin de Diferencias divididas son polinomios que sirven para encontrar el valor de una funcin f(x) para un cierto valor de x, uno de los polinomios de interpolacin de Lagrange pueden tener diferentes nmeros de trminos, desde dos trminos, hasta n+1 trminos. Por ejemplo, el de dos trminos tiene la forma: f(x)=a o +a 1 x y se emplea cuando se conocen 2 puntos y los respectivos valores de sus funciones, es decir: x o , f(x o ) y x 1 , f(x 1 ), y se desea conocer ms valores de la funcin f(x) para una x dada. Otro ejemplo ser el de tres trminos: f(x)=a o +a 1 x+a 2 x2 Este polinomio se emplea cuando se conocen 3 puntos y los respectivos valores de sus funciones, es decir: x o , f(x o ), x 1 , f(x 1 ) y x 2 , f(x 2 ), y se desea conocer con valor de la funcin f(x) para una x dada. Otro ejemplo ser el de cuatro trminos: f(x)=a o +a 1 x+a 2 x2+a 3 x3 Este polinomio se emplea cuando se conocen 4 puntos y los respectivos valores de sus funciones es decir: x o , f(x o ), x 1 , f(x 1 ), x 2 , f(x 2 ), y x 3 , f(x 3 ), y se desea conocer un valor de la funcin f(x) para una x dada. Esto seguira as sucesivamente: f(x)=a o +a 1 x+a 2 x2+a 3 x3+a 4 x4 (para 5 puntos conocidos) f(x)=a o +a 1 x+a 2 x2+a 3 x3+a 4 x4+a 5 x5 (para 6 puntos conocidos) f(x)=a o +a 1 x+a 2 x2+a 3 x3+a 4 x4+a 5 x5 +a 6 x6 (para 7 puntos conocidos) ....... ........... . ............ Para encontrar los valores de a o , a 1 , a 2 , a 3 , a 4 , a 5 ,., etc, segn sea el caso, se emplean los valores conocidos de x o , f(x o ); x 1 , f(x 1 ); x 2 , f(x 2 ); x 3 , f(x 3 ); x 4 , f(x 4 ); x 5 , f(x 5 ).,etc.

U N

I V E

R S

I D A D

D E 22

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Tabla 1.-Diferencias Divididas

3.2.

EJEMPLO DE APLICACIN.

Se dispone de los siguientes datos en una tabla: i 0 1 2 3 Y se desea interpolar a x=2.0 Solucin: xi 1 5 20 40 f(x i ) 56.5 113.0 181.0 214.5

U N

I V E

R S

I D A D

D E 23

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Se calculan las primeras diferencias divididas

Se calculan las segundas diferencias divididas

Se calculan las terceras diferencias divididas

Ahora se calcula a f(x) con x=2.0

A una funcin de 2 atmsferas hay una temperatura de 71.6oC. 3.3. APLICACIONES PRCTICAS.

a) Obtenga la aproximacin polinomial de Diferencias Divididas con todos los puntos. Interpole el valor de la funcin para x = 1.6. I 0 1 2 3 4 5 XI 0 0.5 1 1.5 2 2.5 F(X I ) 1 2.09 2.91 3.94 5.72 8.69

U N

I V E

R S

I D A D

D E 24

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

b)

Determinar los polinomios de interpolacin de Newton hacia atrs y adelante segn lo avanzado en clase para x = 0.35 ; x = 0.72 ; x = 1.02 1 2 3 4 5 6 0.2 0.4 0.6 0.8 1.0 1.2 0.9987 0.9865 0.9801 0.9752 0.9698 0.9599 Obtenga los tres puntos de Chevishev, en 3 < x < 5, escribiendo la formula de interpolacin ajustada a ln (x) y encontrar el valor de y = ln (x) para x=3.8.

N X F(x) c)

U N

I V E

R S

I D A D

D E 25

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

DIF # 1/2010 METODOS NUMERICOS RACES DE ECUACIONES 1.1. INTRODUCCION.

La determinacin de las races de una ecuacin es uno de los problemas ms antiguos en matemticas y se han realizado un gran nmero de esfuerzos en este sentido. Su importancia radica en que si podemos determinar las races de una ecuacin tambin podemos determinar mximos y mnimos, valores propios de matrices, resolver sistemas de ecuaciones lineales y diferenciales, etc... La determinacin de las soluciones de la ecuacin puede llegar a ser un problema muy difcil. Si f(x) es una funcin polinmica de grado 1 2, conocemos expresiones simples que nos permitirn determinar sus races. Para polinomios de grado 3 4 es necesario emplear mtodos complejos y laboriosos. Sin embargo, si f(x) es de grado mayor de cuatro o bien no es polinmica, no hay ninguna frmula conocida que permita determinar los ceros de la ecuacin (excepto en casos muy particulares). La mayora de los mtodos utilizados para el clculo de las races de una ecuacin son iterativos y se basan en modelos de aproximaciones sucesivas. Estos mtodos trabajan del siguiente modo: a partir de una primera aproximacin al valor de la raz, determinamos una aproximacin mejor aplicando una determinada regla de clculo y as sucesivamente hasta que se determine el valor de la raz con el grado de aproximacin deseado. 2.1. METODOS DE RESOLUCIN. 2.1.1. METODO DE BISECCION.Con este mtodo, como con todos los que se explican en esta pagina, lo que se busca es determinar la raz de una ecuacin, o sea, su interseccin con el eje de las X o su solucin, por lo que se debe tener en cuenta que no todas las ecuaciones tienen una sola solucin, y que no todas tienen solucin, asi que se debe tener una idea de la forma de la curva de la ecuacin antes de comenzar a aplicar el mtodo. Procedimiento: Bisectar el intervalo (a,b) en dos mitades b =

a+c 2

El nuevo intervalo que contiene al raz se bisecta de nuevo hasta que este intervalo este dentro de la tolerancia del error. Durante el proceso de biseccin se debe ir evaluando los signos. 2.1.2. METODO DE LA SECANTE.Este mtodo, a diferencia del de biseccion y regla falsa, casi nunca falla ya que solo requiere de 2 puntos al principio, y despus el mismo mtodo se va retroalimentando. Lo que hace bsicamente es ir tirando rectas secantes a la curva de la ecuacin que se tiene originalmente, y va observando la interseccin de esas rectas con el eje de las X para ver si es la raz que se busca.
U N I V E R S I D A D D E 26 A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor, que se detalla a continuacin:

X n +1 = Xn

f ( X n} * ( X n X n 1 ) f ( X n ) f ( X n +1 )

se aplicara una tabla que contendr los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1)

No es necesario evaluar los signos resultante , solo ir reemplazando los nuevos valores. 2.1.3. METODO DE NEWTON.Este mtodo es el mas seguro de todos, ya que casi nunca falla, la nica vez que puede fallar es que se quede "oscilando" encima de la raz sin encontrarla nunca, lo que se llama gravedad matemtica. Por lo dems es el mas confiable y el mas fcil de usar, la nica dificultad que presenta es que se tiene que derivar la ecuacin que se quiere encontrar la raz, pero por lo dems es muy fcil. Trabaja trazando lneas tangentes a la curva original, por eso la derivada, las cuales se van como deslizando por la misma hasta que quedan prcticamente horizontales, porque se sabe que una lnea vertical no tiene pendiente ni recta tangente. Procedimiento: El mtodo de Newton se obtiene a partir del desarrollo de la Serie de Taylor, de cuyo procedimiento se obtiene la siguiente relacin:

X n +1 = Xn

f (Xn) f '( X n )

posteriormente se va aplicando la formula con su derivada de la funcin f(Xn), en la siguiente planilla tipo: Xn Xn+1 F (Xn) F(Xn+1)

2.1.4. METODO DE NEWTON DE 2 ORDEN Consiste en una aceleracin del mtodo de Newton de 1 orden, sin embargo la derivacin se realiza hasta la segunda derivada de la funcin dada. La obtencin de la formula radica en la aplicacin del Serie de Taylor hasta la segunda derivada, de la cual se obtiene la siguiente relacin:

U N

I V E

R S

I D A D

D E 27

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

1 f ' ( Xn) 1 f ' ' ( Xn) = + * Xn f ( Xn) 2 f ' ( Xn)

Consiguientemente se desarrollada aplicando una tabla conformada por los elementos descritos en la relacin anterior de la cual el Xn obte nido s e ira s uma ndo a va lor de Xn inicial. 2.1.5. MTODO DE LA FALSA POSICIN.Basado en la interpolacin lineal, es anlogo al mtodo de Biseccin con la rapidez del mtodo de la secante. Este mtodo, como en el mtodo de la biseccin, parte de dos puntos que rodean a la raz f(x) = 0, es decir, dos puntos x 0 y x 1 tales que f(x 0 )f(x 1 ) < 0. La siguiente aproximacin, x 2 , se calcula como la interseccin con el eje X de la recta que une ambos puntos (empleando en la ecuacin del mtodo de la secante). La asignacin del nuevo intervalo de bsqueda se realiza como en el mtodo de la biseccin: entre ambos intervalos, [x 0 ,x 2 ] y [x 2 ,x 1 ], se toma aquel que cumpla f(x)f(x 2 ) < 0. En la figura (1) se representa geomtricamente este mtodo.

Figura 1: Representacin geomtrica del mtodo de la falsa posicin. La eleccin guiada del intervalo representa una ventaja respecto al mtodo de la secante ya que inhibe la posibilidad de una divergencia del mtodo. Por otra parte y respecto al mtodo de la biseccin, mejora notablemente la eleccin del intervalo (ya que no se limita a partir el intervalo por la mitad).

Figura 2: Modificacin del mtodo de la falsa posicin propuesta por Hamming. La aproximacin a la raz se toma a partir del punto de interseccin con el eje X de la recta que une los puntos ( x 0 ,f(x 0 )/2) y (x 1 ,f(x 1 )) si la funcin es convexa en el intervalo (figura a) o bien

U N

I V E

R S

I D A D

D E 28

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

a partir de la recta que une los puntos (x 0 ,f(x 0 )) y (x 1 , f(x 1 )/2) si la funcin es cncava en el intervalo (figura b). Sin embargo, el mtodo de la falsa posicin tiene una convergencia muy lenta hacia la solucin. Efectivamente, una vez iniciado el proceso iterativo, uno de los extremos del intervalo tiende a no modificarse Para obviar este problema, se ha propuesto una modificacin del mtodo, denominada mtodo de Hamming o de la falsa posicin modificada. Segn este mtodo, la aproximacin a una raz se encuentra a partir de la determinacin del punto de interseccin con el eje X de la recta que une los puntos ( x 0 ,f(x 0 )/2) y (x 1 ,f(x 1 )) si la funcin es convexa en el intervalo o bien a partir de la recta que une los puntos (x 0 ,f(x 0 )) y (x 1 , f(x 1 )/2) si la funcin es cncava en el intervalo. Procedimiento: Se aplicara la formula desarrollada por la Serie de Taylor, que se detalla a continuacin:

X n +1 = Xn

f ( X n} * ( X n X n 1 ) f ( X n ) f ( X n +1 )

se aplicara una tabla que contendr los siguientes elementos: Xn-1 Xn Xn+1 F(Xn-1) F(Xn) F(Xn+1)

En la aplicacin de este mtodo es necesario evaluar los signos resultantes, en los valores obtenidos, para intercalar un positivo con un negativo. 2.1.6. METODO DEL PUNTO FIJO.Dada la ecuacin f(x) = 0, el mtodo de las aproximaciones sucesivas reemplaza esta ecuacin por una equivalente, x=g(x), definida en la forma g(x)=f(x)+x. Para encontrar la solucin, partimos de un valor inicial x 0 y calculamos una nueva aproximacin x 1 =g(x 0 ). Reemplazamos el nuevo valor obtenido y repetimos el proceso. Esto da lugar a una sucesin de valores , que si converge, tendr como lmite la solucin del problema.

Figura: Interpretacin geomtrica del mtodo de las aproximaciones sucesivas.

U N

I V E

R S

I D A D

D E 29

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

En la figura se representa la interpretacin geomtrica del mtodo. Partimos de un punto inicial x 0 y calculamos y = g(x 0 ). La interseccin de esta solucin con la recta y=x nos dar un nuevo valor x 1 ms prximo a la solucin final. Sin embargo, el mtodo puede divergir fcilmente. Es fcil comprobar que el mtodo slo podr converger si la derivada g'(x) es menor en valor absoluto que la unidad (que es la pendiente de la recta definida por y=x). Un ejemplo de este caso se muestra en la figura (5). Esta condicin, que a priori puede considerarse una severa restriccin del mtodo, puede obviarse fcilmente. Para ello basta elegir la funcin g(x) del siguiente modo: de forma que tomando un valor de condicin de la derivada. adecuado, siempre podemos hacer que g(x) cumpla la

Figura: Demostracin grfica de que el mtodo de las aproximaciones sucesivas diverge si la derivada g'(x) > 1.

U N

I V E

R S

I D A D

D E 30

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

DIF # 2/2010 METODOS NUMERICOS SISTEMA DE ECUACIONES 2.1. INTRODUCCIN

Un sistema de ecuaciones lineales es de la forma:

en forma mas compacta: A*X=B donde A: matriz de coeficientes. X: vector solucin. B: vector de trminos independientes. 2.2. PRODUCTO DE MATRICES

Consideremos 2 matrices A y B. Para calcular el producto de las mismas, si la matriz A es de orden m x k, la matriz B de k x n, entonces se obtiene una matriz C de m x n, el producto de matrices se define como , i=1,...,m. j=1,...,n Para el caso de una matriz A de mxn por un vector B de tamao n, se considera que el vector es una matriz de nx1. Al multiplicarlos se obtiene una matriz C de mx1, es decir, un vector de tamao m. Se tiene. , i=1,...,m MATRIZ IDENTIDAD.

2.3.

La matriz identidad I se define como aquella matriz cuadrada en la cual, la diagonal principal esta formada por 1's y el resto por 0's.

U N

I V E

R S

I D A D

D E 31

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

2.4.

MATIZ INVERSA.

La matriz inversa A-1 se define como aquella matriz que A A-1 = I. Una matriz es inversible si 2.5. . MATRIZ TRIANGULAR SUPERIOR.

Se dice que una matriz esta en la forma triangular superior si todos los elementos debajo de la diagonal principal son 0. Los restantes no todos son 0.

2.6.

INVERSIN DE MATRICES .

Este mtodo es mas terico. Consiste en expresar el sistema como una ecuacin matricial de la forma AX=B y despejar el vector X. Dado que no esta definida la divisin de matrices se usa la matriz inversa A-1. Multiplicando por la matiz inversa ambos lados se tiene A-1 AX=A-1 B de donde IX=A-1 B y finalmente X=A-1 B. El problema se reduce a hallar la matriz inversa para multiplicarla por el vector B y as hallar X. Para hallar la matriz inversa se puede utilizar el siguiente procedimiento. 1. Se coloca la matriz A junto a una matriz identidad I del mismo tamao, es decir, |A|I|. 2. Se aplica la eliminacin de Gauss Jordn a la matriz A, las operaciones que se le hagan a la matriz A, tambin se le aplican a I . 3. La matriz A se convierte en I. Se puede demostrar que matriz I se convierte en A-1 . Una vez hallada A-1 se procede a multiplicarla por B. 2.6.1. Ejemplo del Mtodo de Inversin de Matrices Nuevamente resolveremos el sistema de los ejemplos anteriores. Primero procedamos a hallar la matriz inversa. La matriz inicial junto a la matriz identidad es

U N

I V E

R S

I D A D

D E 32

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Comenzamos en el primer rengln, primera columna. Buscamos el elemento que no sea 0. En este caso obtenemos.

El pivote es 10. Dividiendo entre el pivote el rengln pivote

Haciendo 0 elementos arriba y abajo del pivote

Pasamos al segundo rengln, segunda columna. Llevando el elemento tenemos

al rengln pivote

Haciendo 0 elementos arriba y abajo del elemento pivote

U N

I V E

R S

I D A D

D E 33

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Pasamos al tercer rengln, tercera columna. Llevando el elemento

al rengln pivote

El pivote es 9.541. Dividiendo entre el elemento pivote

Haciendo 0 elementos arriba y abajo del elemento pivote

Pasemos al ultimo rengln, cuarta columna. Llevando el elemento

al rengln pivote

El pivote es 7.111. Dividiendo entre el elemento pivote

Haciendo 0 elementos arriba y abajo del elemento pivote

U N

I V E

R S

I D A D

D E 34

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

La matriz inversa es

Multiplicando la inversa por el vector B, la solucin es

Por lo tanto las races del sistema de ecuaciones son: X 1 = 1 X 2 =2 X 3 =-1 X 4 =1

U N

I V E

R S

I D A D

D E 35

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

DIF # 4 METODOS NUMERICOS INTEGRACION NUMERICA

3.1. MTODOS DEL TRAPEZOIDE Y SIMPSON En este DIF comenzamos el estudio de mtodos numricos para el clculo numrico de integrales de la forma

Un mtodo comn para aproximar I(f) es reemplazando f(x) con un polinomio de interpolacin. Este procedimiento se conoce como las reglas de Cuadratura de Newton. Examinamos los primeros dos casos de este mtodo donde se usan polinomios de interpolacin lineales y cuadrticos. MTODO DEL TRAPEZOIDE: Sea p 1 (x) el polinomio lineal que interpola a f(x) en x=a y x=b, i.e.,

Usando la frmula para el rea de un trapezoide o integrando p 1 (x) directamente se obtiene que

Asi que podemos escribir la aproximacin:

(*) Ms adelante analizamos en detalles el error en esta aproximacin. Por el momento basta observar que la aproximacin es buena siempre que f sea aproximadamente lineal. En el caso general, dividimos el intervalo [a,b] en subintervalos ms pequeos y aplicamos la frmula anterior en cada subintervalo. Si los subintervalos son suficientemente pequeos, entonces f es aproximadamente lineal en cada subintervalo y la aproximacin es buena. Definimos el largo de los subintervalos por:

El j-esimo subintervalo esta dado por [x j-1 ,x j ] donde

U N

I V E

R S

I D A D

D E 36

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Podemos escribir ahora que:

Usando la aproximacin (*) podemos escribir

Sin embargo por aspectos de bibliografa y conceptualizaciones realizadas en clase de la formula extendida del trapecio ser:

I=

n 1 h fo + 2 f ( x) + fn 2 i =1

Ejemplo 1: Usando la regla del trapezoide con n=2 y n=4 aproximamos:

correcto al nmero de cifras mostradas. Para n=2 cuyo valor exacto es tenemos que h=(2-1)/2=0.5, x 0 =1, x 1 =1.5, x 2 =2. Ahora

Con n=4 tenemos h=(2-1)/4=0.25, x 0 =1, x 1 =1.25, x 2 =1.5, x 3 =1.75, x 2 =2, de modo que

Los resultados fueron como sigue: n 2 4 8 16 32 64 128 256 512

U N I V E R S

T n (f) 0.708333 0.697024 0.694122 0.693391 0.693208 0.693162 0.693151 0.693148 0.693147
I D A D

e n =I(f)- T n (f) -0.0151862 -0.00387663 -0.00097467 -0.000244022 -0.0000610277 -0.0000152583 -3.81467e-006 -9.53672e-007 -2.38418e-007
D E 37 A Q U I N O

e n/ e 2n ----3.91736 3.97738 3.99419 3.99854 3.99963 3.99991 3.99998 3.99999

B O L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

1024 REGLA DE SIMPSON

0.693147

-5.96046e-008

4.00000

Utilizamos ahora un polinomio de interpolacin cuadrtico. Sea p 2 (x) el polinomio de grado (a lo ms) dos que interpola a f(x) en x=a, x=(a+b)/2, x=b. Este polinomio se puede escribir como:

Tenemos ahora que

Pero con h=(b-a)/2 y u=x-a tenemos que

En forma similar se obtiene que

Tenemos pues que (**) Argumentando en forma similar a en mtodo del trapezoide, tenemos que si n es un entero par (por qu?) entonces

Usando la frmula (**) podemos aproximar

Ahora

U N

I V E

R S

I D A D

D E 38

A Q

U I N O

B O

L I V I A

FACULTAD DE CIENCIAS

Y TECNOLOGIA

Esta frmula se conoce como la regla (compuesta) de Simpson para aproximar a I(f).

U N

I V E

R S

I D A D

D E 39

A Q

U I N O

B O

L I V I A