Академический Документы
Профессиональный Документы
Культура Документы
ANTONIO NARRO
CONTENIDO PROGRAMATICO DE LA MATERIA:
ANLISIS NUMERICO
I.-INTRODUCCION
1.1Repaso de Clculo Diferencial e Integral
1.2 Definicin de matrices
1.3 Operaciones con matrices
1.4 Determinante de una matriz
1.5 Sucesiones y series
1.6 Tipos de errores
1.7 Ejercicios
II.-SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES
2.1 Mtodo de solucin de Cramer
2.2 Mtodo de Matriz Inversa
2.3 Ejercicios
III.-ECUACIONES ALGEBRAICAS NO LINEALES
3.1 Mtodo de biseccin
3.2 Mtodo de Newton-Raphson
3.3 Ejercicios
IV.-DIFERENCIACION E INTEGRACIN
4.1 Diferenciacin numrica
4.2 Integracin numrica:
a) Mtodo trapezoidal
b) Mtodo de Simpson
4.3 Ejercicios
V.-AJUSTE DE MODELOS
5.1 Mnimos Cuadrados
5.2 Interpolacin de Lagrange
5.3 Ejercicios
VI.-SISTEMA DE ECUACIONES ALGEBRAICAS NO LINEALES
6.1 Mtodo de Newton
6.2 Ejercicios
FORMA DE EVALUACIN:
1.-Tareas = 25 %
2.-Participacin en clase = 5 %
3.-Consulta complementaria en Internet = 10 %
4.-Exmenes = 60 %
4.-Elaboracin y entrega de Programas = 10 %
REQUISITOS PARA APROBAR EL CURSO:
1.-Asistir a clases mnimo el 85%
2.-Su promedio debe ser mayor o igual a 70.
BIBLIOGRAFA
1.-ANALISIS NUMERICO
Richard L. Burden
J. Douglas Faires
Sexta Edicin, 1998
International Thomson Editores
2.- MTODOS NUMRICOS APLICADOS A LA INGENIERIA
Terrence J. Akai
Primera Edicin, 1999
Editorial Limusa
y=x4+x3-3x2-3x+1
d
c
g
f
MATRICES
Una matriz es una tabla ordenada de escalares ai j de la forma
La matriz anterior se denota tambin por (ai j ), i =1, ..., m, j =1, ..., n, o
simplemente por (ai j ).
Los trminos horizontales son las filas de la matriz y los verticales son sus
columnas. Una matriz con m filas y n columnas se denomina matriz m por n,
o matriz m n.
Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los
elementos de las mismas por minsculas, a, b, ...
Ejemplo:
CLASES DE MATRICES
Segn el aspecto de las matrices, stas pueden clasificarse en:
Matrices cuadradas
Una matriz cuadrada es la que tiene el mismo nmero de filas que de
columnas. Se dice que una matriz cuadrada n n es de orden n y se
denomina matriz n-cuadrada.
Ejemplo: Sean las matrices
es la
Ejemplo:
Consideremos las siguientes matrices:
Si A es ortogonal, entonces:
Matrices normales
Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA.
Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente
normal.
Ejemplo:
para la resta, se suman o se restan los trminos que ocupan el mismo lugar
en las matrices.
Ejemplo:
Producto de matrices
Para poder multiplicar dos matrices, la primera debe tener el mismo nmero
de columnas que filas la segunda. La matriz resultante del producto quedar
con el mismo nmero de filas de la primera y con el mismo nmero de
columnas de la segunda.
Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden
3 5, la matriz resultante ser de orden 2 5.
(2 3) (3 5) = (2 5)
Se puede observar que el producto de matrices no cumple la propiedad
conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por
la primera, no podramos efectuar la operacin.
3 5 por 2 3,
puesto que la primera matriz no tiene el mismo nmero de columnas que
filas la segunda.
1.4 DETERMINANTES
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular
denominado determinante de A, denotado por det (A), | A | o
a12a21a33 - a32a23a11
Obsrvese que hay seis productos, cada uno formado por tres elementos de
la matriz. Tres de los productos aparecen con signo positivo (conservan su
signo) y tres con signo negativo (cambian su signo).
Ejemplo:
Calcular el valor del determinante:
= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63
El determinante de la matriz 3 3 A = (ai j ) puede reescribirse como:
det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 a22a31) =
1.-
i 1 2 3 4...n 2 (n 1)
i 1
n
2.-
i 1 2 3 4
2
i 1
... n
n
( n 1)(2n 1)
6
3.- i 1 2 3 ... n n (n 1)
4
n
i 1
x 1 x x x x x ...
4.- e =
i!
2! 3! 4! 5!
x
00
i 0
2 i 1
5.-
Ln( x) 2 * 2zi 1 2 * ( z z3 z5 z7 z9
00
..., donde z =
i 0
x -1
x +1
6.-Sen(x)=
2 i 1
11
i 0
2i
10
i 0
10
AX = B
PASO 1.Factorizar
A= LU
PASO 2.-
Se sustituye A = L U
LUX=B
PASO 3.Sea
11
12
a1
b1
entonces p = p1 es la solucin.
Caso 1
Si f(p1) y f(a1) tienen el mismo signo, entonces p est en [p1, b1] y tomamos
a2 = p1 y b2 = b1 , as la raz p estar en el intervalo [a2, b2]
Caso 2
Si f(p1) y f(a1) tienen signos opuestos, entonces p est en [a1, p1] y tomamos
a2 = a1 y b2 = p1 , as la raz p estar en el intervalo [a2, b2]
Se vuelve aplicar el proceso al intervalo [a2, b2], hasta que f(p1) = 0
13
INICIO
a1, b1
E, N
f(x)
No
FIN
encontr
I=1
I >N
I=I+1
FA1=f (a1)
p1= (a1+b1)
FP1=f (p1)
V
p = p1
p
FA1. FP1 < 0
F
a1 = p1
V
b1 = p1
FIN
14
p0, E, N
f(x), f (x)
No encontr
FIN
solucin
I=1
I >N
I=I+1
FP0 = f(p0)
DFP0 = f (p0)
p1 = p0 FP0 / DFP0
FP1 = f(p1)
FP1 < E y
p1-p0 < E
p1
p0 = p1
FIN
15
p0, p1, E, N
f(x)
No encontr
FIN
solucin
I=1
I >N
I=I+1
FP0 = f(p0)
FP1 = f (p1)
FP2 = f(p2)
FP2 < E
p2
p0 = p2
FIN
16
f(x0+h) f(x0)
h
17
f (x0) = (1/12) (1/ h) [-25 f (x0) + 48 f(x0+h) 36 f(x0+ 2h) +16 f(x0+3h)-3 f(x0+4h)]
18
19
X0, XN, N
f(x)
H = ( XN-X0 ) / N
FX0 = f (X0)
FXN = f (XN)
SUMA = 0
SUMA = SUMA + (1/2)* (FX0+FXN)
I=1
AREA = H * SUMA
I >N-1
AREA
I=I+1
XI = X0 + I*H
FIN
20
f(XI)
f(X)=Raiz(X)
SUMA
PARCIAL
ACUMULADA
SUMA=SUMA+f(XI)
H
1
FX0
0
SUMA
AREA
1
2.414213562
4.14626437
6.14626437
8.382332347
9.607077219
9.607077
N
12
f(X)=Raiz(X)
H
0.5
FX0
0
SUMA
AREA
SUMA
PARCIAL
ACUMULADA
SUMA=SUMA+f(XI)
0.707107
1
1.224745
1.414214
1.581139
1.732051
1.870829
2
2.12132
2.236068
2.345208
0.707106781
1.707106781
2.931851653
4.346065215
5.927204045
7.659254853
9.530083546
11.53008355
13.65140389
15.88747187
18.23267975
SUMA
0
FXN
2.4495
SUMA
0
SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA
1
1.414214
1.732051
2
2.236068
f(XI)
FXN
2.4495
SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA
19.45742462
9.728712
21
X0, XN, N
f(x)
H = ( XN-X0 ) / N
FX0 = f (X0)
FXN = f (XN)
SUMA1 = 0
SUMA2 = 0
SUMA = (2/3)*SUMA1 + (4/3)*SUMA2 + (1/3)* (FX0+FXN)
I=1
AREA = H * SUMA
I=1
I > N/2
I >(N/2)-1
AREA
I = I+1
I=I+1
XI = X0 +(2* I -1)*H
XI = X0 +2* I*H
FIN
22
n
( 1)
h
2 2
4 n/ 2
f ( x )dx
f ( x 0 ) f ( x N ) h f ( x 2i ) h f ( x 2i 1 )
3
3 i 1
3 i 1
SUMA1
H
1
FX0
0
FXN
2.44949
XI
f(XI)
SUMA2
XI = X0+(2*I1)*H
1.4142
2
3.414213562
SUMA
AREA
(2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN)
H*SUMA
9.716797336
9.716797
N
12
f(XI)
1
3
5
SUMA1
1
1.732051
2.236068 4.968119
H
0.5
FX0
0
FXN
2.44949
XI
f(XI)
SUMA2
XI = X0+(2*I1)*H
1
1.4142
1.7321
2
2.2361
8.382332347
SUMA
0.5
1.5
2.5
3.5
4.5
5.5
0.707107
1.224745
1.581139
1.870829
2.12132
2.345208 9.850347
AREA
(2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN)
H*SUMA
19.53851468
9.769257
23
V.-AJUSTE DE MODELOS
5.1 MNIMOS CUADRADOS
El mtodo de Mnimos Cuadrados consiste en determinar la mejor lnea de
aproximacin, que minimize la suma de los errores al cuadrado, esto es, la lnea que menos
error tenga (que la diferencia entre los puntos y la lnea recta sea lo menos posible).
Para encontrar los parmetros: a, b de la lnea recta y=ax+b, se utiliza el Clculo
Diferencial, obteniendo las siguientes frmulas:
a
n xi yi xi yi
n xi2 ( xi ) 2
x y x y x
n x ( x )
2
i
i
2
i
a=
b=
R2=
y-estimada
1.27826962 2.30503018
-0.25150905 3.5832998
0.99484826 7.41810865
8.69637827
13.8094567
15.0877264
COEFICIENTE DE DETERMINACIN:
r
2
( xi yi
x y )
i
( xi ) 2
( yi2 ) 2
2
( x
)( yi
)
n
n
2
i
24
donde:
n x xj
Lk ( x )
xk xj
j 0
Lo( x )
donde j k
L1( x )
L 2( x )
L 3( x )
.
.
.
Ln( x )
.
.
.
n
Pn( x ) f ( x 0) Ck ( x x 0)( x x1)( x x 2)...( x xk 1)
k 1
n
n
f ( xk )
Cn
A
k 0 k ( xk )
Donde :
Ak ( xk ) ( xk xj ) ; j k
j 0
EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ;
(x1,f(x1) = (1,1) ; (x2,f(x2) = (4,2) ; (x3,f(x3) = (9,3)
COMO SON CUATRO PUNTOS ENTONCES SE OBTENDRA LA FUNCION: P3(x)
P 3( x ) f ( x 0) C1 * ( x x 0) C 2 * ( x x 0)( x x1) C 3 * ( x x 0)( x x1)( x x 2 )
C1
k 0
C2
k 0
C2
f ( xk )
Ak ( xk )
f ( xk )
Ak ( xk )
f ( x 0)
( x 0 x 1)( x 0 x 2 )
3
f ( x 0)
A 0( x 0)
f ( x 0)
A0( x 0)
f ( x 1)
A1( x 1)
f ( x 1)
A1( x 1)
f ( x 1)
( x 1 x 0 )( x 1 x 2 )
f ( x 2)
A2( x 2)
f ( x 0)
( x 0 x 1)
f ( x 2)
( x 2 x 0 )( x 2 x 1)
f ( x 0)
A 0( x 0)
f ( x 1)
A1( x 1)
C3
f ( x 0)
( x 0 x 1)( x 0 x 2 )( x 0 x 3)
f ( x 1)
( x 1 x 0 )( x 1 x 2 )( x 1 x 3)
k 0
f ( x 1)
( x1 x 0 )
C3
f ( xk )
Ak ( xk )
f ( x2)
A2( x 2)
f ( x 3)
A 3( x 3)
f ( x2)
( x 2 x 0 )( x 2 x 1)( x 2 x 3)
f ( x 3)
( x 3 x 0 )( x 3 x 1)( x 3 x 2 )
26
1
Donde: Cn
n!h n
( 1) f ( x )
k 0
nk
n
k
1
[ f ( x 0) f ( x1)]
h
1
C2
[ f ( x 0) 2 f ( x1) f ( x 2)]
2 * h2
1
C3
[ f ( x 0) 3 f ( x1) 3 f ( x 2) f ( x 3)]
6 * h3
1
C4
[ f ( x 0) 4 f ( x1) 6 f ( x 2) 4 f ( x 3) f ( x 4)]
24 * h 4
1
C5
[ f ( x 0) 5 f ( x1) 10 f ( x 2) 10 f ( x 3) 5 f ( x 4) f ( x5)]
120 * h 5
1
C6
[ f ( x 0) 6 f ( x1) 15 f ( x 2) 20 f ( x 3) 15 f ( x 4) 6 f ( x5) f ( x 6)]
720 * h 6
1
C7
[ f ( x 0) 7 f ( x1) 21 f ( x 2) 35 f ( x 3) 35 f ( x 4) 21 f ( x5) 7 f ( x 6) f ( x 7)]
5040 * h 7
EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ;
(x1,f(x1) = (1,1) ; (x2,f(x2) = (2,4) ; (x3,f(x3) = (3,9)
C1
27