Upload
willy-timen
View
70
Download
3
Embed Size (px)
Citation preview
INSTITUTO POLITECNICO NACIONALESCUELA SUPERIOR DE INGENIERIA MECANICA Y ELECTRICA
DEPARTAMENTO DE INGENIERIA ELECTRICAACADEMIA DE COMPUTACION DE IE/ICA/ISISA
APUNTES DEMÉTODOS NUMÉRICOS
ING. ARMANDO FLORES JAIME
OCTUBRE 2009
Métodos Numéricos
Academia de Computación de IE/ICA/ISISA
Clasificacion
Runge Kutta
ESQUEMA GENERAL PARA ANALISIS NUMERICO
ECUACIONES NOLINEALES
* ALGEBRA LINEAL* CALCULO
* ECUACIONES DIF.
TEORIA DEERRORES
INTERPOLACION
ANALISIS NUMERICO
INTEGRACION
ECUACIONESDIFERENCIALES
SISTEMA DEECUACIONES
LINEALES
Ea,ErSerie deTaylor GENERALIDADES
Definiciones
BiseccionNewton
Raphson Secante
Lagrange
DiferenciasDivididas
Minimos Cuadrados
Simpson
Trapecio
Euler
GaussGauss - Jordan
Gauss - SeidelPunto fijo
Métodos Numéricos
Academia de Computación de IE/ICA/ISISA
PROGRAMA SINTETICO DE ANALISIS NUMERICO
I.- INTRODUCCIÓN A LOS MÉTODOS NUMERICOS (ANÁLISIS NUMERICO) • Introducción • Teoría de Errores
II.- SOLUCIÓN NUMÉRICA DE ECUACIONES (RAICES)
• Introducción • Método de Bisección • Método de Newton Raphson • Método de la Secante • Método de Punto Fijo
III.- ANALISIS DE UN CONJUNTO DE PUNTOS
• Introducción • Método de Diferencias divididas • Método de Lagrange • Método de Mínimos Cuadrados
IV.- INTEGRACIÓN NUMÉRICA
• Introducción • Método del Trapecio • Método de Simpson
V.- SOLUCIÓN NUMÉRICA DE SISTEMAS DE ECUACIONES LINEALES
• Introducción • Método de Gauss (Determinante, Sistemas de Ecuaciones Reales y Complejos) • Método de Gauss Jordan (Inversa de una matriz) • Método de Gauss Seidel
VI.- SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES ORDINARIAS
• Introducción • Método de Euler • Método de Runge Kutta • Solución de los Sistemas Diferenciales Ordinarios
Introducción al los Métodos Numéricos
Introducción
I.- INTRODUCCIÓN A LOS MÉTODOS NUMERICOS (ANÁLISIS NUMÉRICO) ¿QUE ES ANÁLISIS NUMÉRICO?
Es la rama de las matemáticas que intenta obtener soluciones aproximadas por medio de operaciones elementales.
Los métodos numéricos son técnicas mediante las cuales es posible formular problemas matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. ¿CUAL ES SU OBJETIVO?
El objetivo principal es el de encontrar soluciones aproximadas a problemas complejos, utilizando solo operaciones simples de la aritmética, es decir se trata de resolver problemas difíciles mediante muchos pasos fáciles.
Los procedimientos matemáticos deben simplificarse a tal grado que sean accesibles para procesarse en un ordenador. Estos métodos de cálculo se denominan algoritmos. ¿QUE ES LGORITMO?
Es un procedimiento que describe de manera inequívoca una serie finita de pasos a seguirse en un orden determinado. Su finalidad es implantar un procedimiento para resolver un problema o aproximar una posible solución. PAQUETES COMPUTACIÓNALES Un algoritmo puede programarse en diferentes tipos de lenguaje:
• Pascal, Turbo C, Borlan C, ...(Lenguajes de propósito general) • FORTRAN, ...(Lenguajes enfocado al calculo científico) • Paquetes de calculo simbólico y numérico:
Matlab : www.mathworks.comMathemática : www.wolfram.com Derive : www.derive.com Existen bibliotecas de rutinas y plantillas numéricas que solucionan, de manera eficaz, cualquier
problema numérico (www.netlib.org): IMSL (International Mathematical Software Library): www.vni.comNAG (Numerical Algorithms Group): www.nag.co.uk (uk = united kingdom) Numerical Recipes: www.cup.cam.ac.ukTemplates : www.netlib.org/templates
Introducción al los Métodos Numéricos
Teoría de Errores
TEORIA DE ERRORES
Al aplicar algún método numérico se realizan muchas operaciones aritméticas elementales lo cual al hacerlas se producen errores, errores que pueden influir en la solución de algún problema, podemos clasificar a los errores en tres tipos:
• Errores inherentes • Errores de método • Errores computacionales
Errores inherentes
El error inherente se produce por criterio de incertidumbre, esto es intrínseco a cualquier sistema (natural o artificial) dado que es imposible considerar todas las variables que definen un sistema. Sea la solución exacta Se de algún método numérico la cual
Se Sh Eh= + Donde:
Sh es la solución inherente que tiene un (Eh) error inherente
EhSe Sh
Ejemplo: Sea un circuito RLC Error de método
Si un sistema esta representado por un modelo matemático, el método que se utilice para encontrar la solución nos dará como resultado una solución sin error o con error.
• Si la solución es analítica se podrá llegar a una solución sin error de método. • Si la solución es numérica su puede tener errores de truncamiento.
Se recurre a la solución numérica cuando: • El método analítico es muy difícil. • No hay solución analítica.
En ingeniería se da la situación de trabajar funciones no elementales, por lo que casi siempre se recurre a los métodos numéricos.
Sea Sm la solución de método y sea Em el error de método, Donde:
h mS S Em= +
EmSh Sm
Si el método es numérico:
m 1 2 3 4 n n-1 n-2Truncamiento
S =S +S +S +S + S | +S +S +
donde numéricamente debemos limitar la serie infinita truncando los términos y 1
n
m ii
S S=
= ∑
Introducción al los Métodos Numéricos
Teoría de Errores
1n
i n
S∞
= +
= ∑ kS , a dicho truncamiento se le conoce como Error de Método (Em).
Podemos conocer la forma de la solución Sh, si proponemos una función f(x) como solución del método matemático, si además proponemos a f(x) como una función elemental (polinomio).
0( ) i
ii
f x a∞
=
= x∑
donde decimos que la solución es valida para un valor cercano alrededor de una constante c.
ch
xx
por lo tanto la función toma la forma
( )0
( ) ii
i
f x a x c∞
=
= −∑
esto es: ( ) ( ) ( ) ( )2 3
1 2 3( ) no nf x a a x c a x c a x c a x c= + − + − + − + + − +
• Si la solución es valida en un intervalo alrededor de c, la función es derivable. • Para conocer completamente la solución debemos conocer la sucesión: { }
0i ia ∞
=
Por lo tanto sea: ( ) ( ) ( ) ( )
( ) ( ) ( )( )( ) ( ) ( )( ) ( ) ( )( ) ( )
( )( ) ( )( )( ) ( ) ( )( )( ) ( )
( )
2 31 2 3
2 11 2 3
2 22 3 4
33 4
( ):
( ) 2 3
( ) 2 2 3 3 4 1
( ) 2 3 2 3 4 1 2
( ) !
no n
nn
nn
nn
nn
f x a a x c a x c a x c a x cDerivando
f x a a x c a x c na x c
f x a a x c a x c n n a x c
f x a a x c n n n a x c
f x n a
−
−
−
= + − + − + − + + − +
′ = + − + − + + − +
′′ = + − + − + + − − +
′′′ = + − + + − − − +
=
Para x = c
( )( )
1 1
2 2
3 3
4 4
( ) ( )( ) ( )
( )( ) 2! 2!
( )( ) 3! 3!
( )( ) 4! 4!
( ) ( ) ! !
o o
nn
n n
f c a a f cf c a a f c
f cf c a a
f cf c a a
f cf c a a
f cf c n a an
= =′ ′= =
′′′′ = =
′′′′′′ = =
′′′′′′′′ = =
= =
Introducción al los Métodos Numéricos
Teoría de Errores
( ) ( ) ( ) ( )( )
( )
2 3( ) ( ) ( ) ( )( ) ( ) +1! 2! 3! 4!
( ) !
nn
f c f c f c f cf x f c x c x c x c x c
f c x cn
′ ′′ ′′′ ′′′′= + − + − − + − +
+ − +
4
si hacemos h = x - c tenemos:
( )2 3 4( ) ( ) ( ) ( ) ( ) ( ) ( ) +
1! 2! 3! 4! !
nn
nf c f c f c f c f cf x f c h h h h h R
n′ ′′ ′′′ ′′′′
= + + + + + + +
1
:,i i
Ahora six x c+= = x
( )
2 3 41
( )
Error residualSerie de Taylor Error de Metodo
( ) ( ) ( ) ( ) ( ) ( ) ( ) +1! 2! 3! 4! !
nni i i i i
i i nf x f x f x f x f xf x f x h h h h h R
n+ +′ ′′ ′′′ ′′′′
= + + + + ++
lim ( ) 0 .
lim ( ) 0 nn
n mn
Si R x La solucion es convergente a un valor exacto
Si R x La solucion diverge y hay truncamiento hay error de metodo E→∞
→∞
=
≠ ∴
Para un error residual ( )1
1( ) ( 1)!
nni
nf xR h
n
++=
+
Error Absoluto (Ea) y Relativo (Er) Podemos determinar sin utilizar Taylor el error absoluto y relativo de una solución, sea gráficamente.
Solucionexacta
Solucioninicial
aproximada
f(x)
xe xi
xi+1 {
Ea=|xi - xe|
f(x)
xi xe{Ea=|xe - xi|
El error absoluto Ea es:
a e i
a e i
E x x
E S S
= −
= −
: :
Se Solución ExactaSi Solución Aproximada
Introducción al los Métodos Numéricos
Teoría de Errores
Se llama error relativo ala relación:
e S 0e ir
e
S SE
S−
= ≠
Error Absoluto y Relativo iterativo.
Solucionexacta
f(x)
xi
xi+1 {Ea
1
1i+1
1
S 0
ai i i
i ir
i
E S S
S SE
S
+
+
+
= −
−= ≠
Errores computacionales
Eh
Se ShEm
SmEc
Sc
Modelo Matemático
Método de Solución
Característicasde máquina
Si se implementa el método de solución en computadora, se sujetara a las características físicas de
ella, por lo cual podemos tener:
• Errores de desborde • Errores de redondeo • Errores acumulables
Errores de desborde
Estos errores se dan si cualquier número manejado teóricamente cae fuera de los rangos definidos en la computadora.
Enteros Reales
c
c
ER∉∉
• Se dan criterios de sobreflujo, si el numero x teórico a manejar x > máximo Rc. • Se dan criterios de bajoflujo si el numero x teórico a manejar x < mínimo Rc.
Enteros signados = [ -231 , 231-1 ] Palabras de 32 bits Enteros sin signo = [ 0 , 232-1 ] Reales simples [ -10≅ 308 , 10308 ] Reales dobles [ -10≅ 4972 , 104972 ]
Introducción al los Métodos Numéricos
Teoría de Errores
Errores de redondeo
Sea el criterio que en los reales matemáticos existe un numero infinito de intervalos entre un intervalo definido.
∞ En computación siempre va a haber un intervalo finito posible por las características físicas de
la computadora.
c
mξ Al intervalo más pequeño mξ manejado por la computadora se le llama épsilon de la maquina,
esto es el número mínimo distinguible. Todo numero que este en el intervalo ( 0 , mξ ) no se puede manejar en la computadora.
Sea ϕ es un numero en este intervalo ϕ ∈( 0 , mξ ) ~ 0 < ϕ < mξ
Cuando la computadora tiene que manejar a ϕ, realiza un criterio de redondeo hacia abajo o hacia arriba del número mas distinguible cercano.
Si 1+ mξ nos da el siguiente numero distinguible después de 1, para el caso 1+ ϕ se tiene el siguiente criterio de redondeo:
Si 0 < < 2mξϕ ⇒Redondeo hacia abajo: 1 1ϕ+ =
Si 2m
mξ ϕ ξ≤ < ⇒Redondeo hacia arriba: 1 1 mϕ ξ+ = +
Podemos determinar el valor de la epsilon de la maquina, utilizando el criterio de redondeo.
1, N = 0,Mientras Uno 1
= 2
Uno = 1 + N = N + 1
m
mm
m
ξ
ξξ
ξ
=≠
⇒ 1-N
-N
2 Redondeo hacia abajo2 Redondeo hacia arribamξ⎧⎪= ⎨⎪⎩
Introducción al los Métodos Numéricos
Teoría de Errores
La codificación es la siguiente
#include<stdio.h> #include<iostream.h> #include<conio.h> void main(void) { clrscr(); float Eps=1.0, Uno; int N=0; do { Eps=Eps/2; N++; Uno=1+Eps; } while(Uno!=1.0); cout<<"El épsilon de la maquina es eps ="<< Eps <<" en "<< N <<" iterac."; getch(); }
Errores acumulables
En las operaciones básicas se tiene un error de redondeo, en operaciones iterativas el error de redondeo se acumula en la proporción de la operación.
1
2
3
1 2 3
1 1
2 2
3 3
1 2 3 1 2 3
1 1 1
n
n
i
c
c
c
c n n
c c c c n
n n n
c i ii i i
S S E
S S E
S S E
S S E
S S S S S S S S E E E E
para S S E= = =
= +
= +
= +
= +
⇒ + + + + = + + + + + + + + +
= +∑ ∑ ∑
n
Solución Numérica de Ecuaciones No Lineales
Raíces de Ecuaciones
II.- SOLUCIÓN NUMÉRICA DE ECUACIONES NO LINEALES
Sea ( ) f x una función no lineal (trascendental o polinomial) decimos que la función tiene una solución, si:
( ) 0rf x ≅ Donde:
rx : es la solución de la ecuación.
La función ( )f x puede tener soluciones reales o complejas.
Si la función ( )f x tiene soluciones reales, al graficarla debe cortar el eje x, como se muestra en a), y si la función ( )f x tiene soluciones complejas, al graficarla no debe cortar el eje x, como se muestra en b).
( )f x
xxr
( )f x
x
y y
a ) b )
( ),x y a bi= +
Solución real Solución Compleja
Podemos recurrir a varios métodos numéricos para encontrar una solución de la función ( )f x , como son:
Métodos Soluciones Reales Soluciones Complejas
Método de la Bisección OK -
Método de Newton Raphson OK OK
Método de la Secante OK -
Método de Punto Fijo OK -
Solución Numérica de Ecuaciones No Lineales
Método de la Bisección
MÉTODO DE LA BISECCIÓN
Este método parte de dada una función ( )f x a la que se quiere encontrar la solución, y dado un intervalo de la propia función[ , ]i fx x , localizar una de las raíces en el intervalo dado, reduciendo el intervalo, atrapando la raíz o hasta estar lo más cercana a ella.
xi
xfxa
L1
xb xc
Soluciónreal exacta
x
y
Er
f(x)
L2
1
12
13 2
1 1 1
2
21 : 2
f i
n
n n
L x x
LL
LL
L L hasta que L E+ + r
= −
=
=
⎛ ⎞= <⎜ ⎟⎝ ⎠
Procedimiento: La función tiene al menos una raíz en el intervalo propuesto si: ( ) ( ) 0i ff x f x <
Si esto sucede, procedemos a encontrar la raíz obteniendo la mitad del intervalo: 2
i fm
x xx
+=
Para saber en que mitad quedo la raíz, tenemos el siguiente criterio, si:
la raiz esta por la izquierda
la raiz esta por la derecha
( ) ( ) 0 ( ) ( ) 0
i m
m f
f x f xf x f x
<<
xi
xfxa
x
y
xi = xm xf = xm
1, ( ) ( ) 0 [ , ] ,
0 [ , ] ,
0 o
-
i m i m f m
m f i m
i m
m ir
m
Para k nSi f x f x en x x esta x x
en x x esta x x
x x es la raiz
x xSi Ex
= ⇒< ⇒ ∴
> ⇒ ∴ =
= ⇒
<
f(x) =
Solución Numérica de Ecuaciones No Lineales
Método de la Bisección
Algoritmo 1 .- Datos:
• Función f(x) • Intervalo [ xi , xf ] • Iteraciones n • Margen de error Er
2 .- ( ) ( ) 0
[ , ] " " int
i f
i f
Si f x f x
en x x si esta la raizSi no proponer otro ervalo
<
⇒
3 . -
2i f
m
Calularx x
x+
=
4 . - ( ) ( ) 0 o 0 [ , ]
i m
i m
i m f m
Si f x f xx x es la raiz
Sila raiz esta en x x x x
Si no
=⇒
<⇒ ∴
i mx x=
=
5 . -
-
3.
m ir m
m
Evaluar
x xSi E x es raizx
Si no repetir desde
< ⇒
6.- Iterar n veces de 3 a 5.
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Reales
MÉTODO DE NEWTON RAPHSON
Este método no trabaja sobre un intervalo si no que basa su procedimiento en un proceso iterativo. Sea la función ( ) f x cuya solución podemos conocer iterativamente para un valor inicial ix y llegar a rx tal que:
( ) 0 rf x ≅
Para ello podemos trazar una tangente de ( ) f x en ix de modo que la tangente corte al eje x donde en tal intersección se obtiene la tangente 1 ix + aproximada a rx , como se muestra en la grafica
f(x)
xrxixi+1
x
yf(x)
xr
x0
x
y
x1x2x3
L1
L2
L3
f(x1)
f(x0)
0α1α
0 10 1
0 1 1 2
( ) ( )( )( ) , ( ) , , ( ) ii
i i 1
Iterativamentef x ff xtg tg tg x
x x x x xα α α
x +
= = =− − −
11
(́ ) ( )
( ) ´( ) , ( )(́
)
i
i i
ii
i ii i
i
Si f x tg
f xf x despeja f xn x xf x
dox x
α
++
=
−= −=
Para 1
1
i ir
i
x x Ex+
+
−<
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Reales
Algoritmo 1.- Datos
• Función ( )f x • La derivada de la función ( )f x′ • Condición inicial ix • Iteraciones n • Margen de error Er
2.- Calcular
1( )'( )
ii i
i
f xx xf x+ = −
3.- Evaluar
Si 1
1
i ir
i
x x Ex+
+
−< 1 ix +⇒ es la raíz
Si “no” 1 i ix x += 4.- Repetir n iteraciones de 2 y 3.
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Complejas
MÉTODO DE NEWTON-RAPHSON PARA FUNCIONES CON SOLUCIONES COMPLEJAS
Sea la función ( ) f z la cual tiene como solución rZ si ( ) 0 rf z = donde rZ es de la forma ( ) ( , )x yi x y+ = proponiendo una condición inicial ; Podemos encontrar las aproximaciones mediante la ecuación siguiente:
iz
1( ) - '( )
ii i
i
f zz zf z+ =
y evaluando el error de la forma:
1
11
1
" "
i ir i
i i
i
z zSi E es la solucionz
Si no
z
z z
++
+
+=
−< ⇒
Algoritmo 1.- Datos
• Función ( )f z • La derivada de la función ( )f z′ • Condición inicial iz• Iteraciones n • Margen de error Er
2.- Calcular
1( )'( )
ii i
i
f zz zf z+ = −
3.- Evaluar
Si 1
1
i ir
i
z z Ez+
+
−< es la raíz 1 iz +⇒
Si “no” 1 i iz z += 4.- Repetir n iteraciones de 2 y 3.
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Complejas
NUMEROS COMPLEJOS CONJUNTO DE NUMEROS Veamos en primer lugar todos los tipos de números que conocemos y por qué se han ido ampliando.
N: Números Naturales: {0, 1, 2, 3, ...}
Z: Números Enteros: {..., -3, -2, -1, 0, 1, 2, 3, ...}= N + negativos
Q: Números Racionales: { }23 7 2 7 1 5..., , 3, , 2, 1, , , 0, ,1, 2, , ...
2 3 5 9 3 2− − − − − − − =Z + fraccionarios
R: Números Reales: ⎭⎬⎫
⎩⎨⎧ −−−Φ−−−−−−− ,...
25,,2,2,1,
31,0,
97,
52,1,,2,
37,10,3,2,
223..., eπ = Q + irracionales
C: Números Complejos: { }23 7 7 1 5 1..., , 2 , 10 , , 2, , 1, , 0, ,1, 2 , 2, , , ..., 2 3 , , ...
2 3 9 3 2 2e i iπ− − − − − −Φ − − + − =R + imaginarios
UNIDAD IMAGINARIA
La unidad imaginaria se obtiene al resolver la ecuación 2 11 0 xx = ± −+ = ⇒ de aquí que 1i = −
POTENCIAS DE i ii =−= 11 iiiii === .1.45
( ) 1122 −=−=i 1.1. 22246 −==== iiiii
iiiii −=−== .1.23 iiiiii −==== 33347 .1.
( ) 11.1. 224 =−−== iii 1.1. 44448 ==== iiiii
Se repiten cada 4.
Si queremos saber una potencia cualquiera de i, se divide el exponente entre 4, quedando el resto de la
división como nuevo exponente, o sea
4nresiduo deni i
⎡ ⎤=⎢ ⎥
⎣ ⎦
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Complejas
Ejemplo: Al dividir 43 entre 4 nos da 10 de cociente y 3 de resto. ( ) iiiiii −==== + 33104310.443 ..
NÚMEROS COMPLEJOS Son los que tienen la forma , siendo a y b números reales.
Forma Binómica
z a bi= +
Im
Re
Parte aginaria
Parte al
z a bi+⎫⎬⎪⎭
= ⎪ , ,0
0
si el número se llama imaginario purosi el númer
a bio es realb a puro
==
REPRESENTACIÓN GRÁFICA DE LOS NÚMEROS COMPLEJOS Se representan en el plano complejo, el eje horizontal es el EJE REAL y el vertical el EJE IMAGINARIO.
0º+ℜ ∠
90º+Ι ∠
-90º−Ι ∠
180º−ℜ ∠90º-
90º180º
ℜ
Ι
a
b z=a+bi
Punto afijo delNumero Complejo
Dado el complejo - -
- -* -
z z a bEl opuesto de esEl conju
iz a b
gai
z zd s a be io=
= +=
⎧⎨⎩
Ejemplo:
Sea el numero complejo representarlo como 5 4 z = + i , , *, z z z en el plano complejo.
+ℜ
+Ι
−ℜ
−Ι
5 4z i= +
* 5 4z i= −5 4z i= − −
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Complejas
TRANSFORMACIONES
DE RECTANGULAR [ ]z a bi= + A POLAR [ ]z r θ∠ = Representándolo en el plano complejo tenemos:
ℜ
Ι
a
b z=a+bi
r
θ
2 2
-1
& tan
tan
:De acuerdo a la representacion y aplicando trigonometria tene
r z a b
mos
ba
a
bθ
θ
⎛ ⎞== = +
⎛ ⎞= ⎜ ⎟⎝
⎜ ⎟⎝ ⎠
⎠∴
2 2 -1a +b t z n= ar b
aθ ⎡ ⎤⎛ ⎞⎡ ⎤∠ = ⎜ ⎟⎢ ⎥⎣ ⎦∴
⎠⎣∠
⎝ ⎦
FORMA POLAR [ ]z r θ= ∠ A RECTANGULAR [ ]z a bi= + Representándolo en el plano complejo tenemos:
ℜ
Ι
a
b
r
θ
cos
:
cos
sin
sin
De acuerdo a la representacion y aplicando trigonometria tene
a r
b r
mosarbr
θ
θ
θ
θ∴ =
= ∴ =
=
z r θ= ∠
:Es el moduloEs el argumento
Donderθ
=
=
cos sin
(cos sin )
z a bir
ra
r iz a i
θ θ∴+
= + ==
+
Solución Numérica de Ecuaciones No Lineales
Método de Newton para raíces Complejas
OPERACIONES CON NÚMEROS COMPLEJOS EN FORMA RECTANGULAR La suma, resta y multiplicación de números complejos, se realizan siguiendo las reglas de las operaciones con números reales y teniendo en cuenta que 2 -1i = .
Para dividir, se multiplica numerador y denominador por el conjugado del denominador.
OPERACIONES
Sea 1 2 y z a bi z c di= + = +
RESULTADOS
SUMA 1 2z + z( ) (a c b d i)+ + +
RESTA 1 2z - z ( - ) ( - )a c b d i+
MULTIPLICACIÓN 1 2z z× ( - ) ( )ac bd ad bc i+ +
DIVISIÓN 1
2
z
z
a bi
c di
+=
+
( )( )( )( ) 2 2 2 2
a bi c di ac bd bc adi
c di c di c d c d
+ − + −= +
+ − + +⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
EN FORMA POLAR
No se usa esta forma para sumar ni para restar.
OPERACIONES
Sea 1 1 2 2 y z r z rα β= ∠ = ∠
RESULTADO
MULTIPLICACIÓN
= (1 2z z× ) ( )1 2r rα β∠ × ∠ ( )1 2r r α β× ∠ +
DIVISIÓN ( )( )
1
2
1
2
z =
z
rr
αβ
∠∠
1
2
rr
α β⎛ ⎞
∠ −⎜ ⎟⎝ ⎠
POTENCIA ( )1 1nnz r α= ∠
1
nr n α∠ ×
Solución Numérica de Ecuaciones No Lineales
Método de la Secante
MÉTODO DE LA SECANTE Este método surge de las desventajas del Método de Newton Raphson, las cuales son.
La derivada de la función Si se tienen funciones con tramos de pendientes como se muestra en la figura.
xi
y
x
f(x)
x0
y
x
f(x)
xixi+1
0m =
xrxr
xi+1
f(xi)f(xi+1)
Solución:
1
( ) donde es el valor inicial.(́ )( )0
ii i i
i
ii
f xx x xf xf xx
+ = −
= − = ∞
Por lo tanto para resolver este problema se requieren de mínimo 2 puntos iniciales como se muestra en la figura:
1ix − ix
( )1if x −
( )if x
α
α
1ix +rx
( )f x
Sol. exacta
Por lo tanto tenemos
1
1
( ) ( )i i
i i
f x f xtgx x
α −
−
−=
− y como (́ )itg f xα = , por lo tanto 1
1
( ) ( )(́ ) i ii
i i
f x f xf xx x
−
−
−=
−
Sustituyendo en la ecuación de Newton Raphson tenemos:
1-1
-1
( ) ( )( ) - ( )(́ )
i ii i i
i ii
i i
f x f xx x x f x f xf xx x
+ = − = −
−
⇒ ( )-11
-1
( )( ) - ( )
i i ii i
i i
f x x xx x
f x f x+
−⎡ ⎤= −⎢ ⎥
⎣ ⎦ , para 1
1
i ir
i
x x Ex+
+
−<
Solución Numérica de Ecuaciones No Lineales
Método de la Secante
Algoritmo 1.- Datos Función ( )f x Condiciones iniciales [ ]1 i ix x− n iteraciones Margen de error rE 2.- Calcular
( )-11
-1
( )( ) - ( )
i i ii i
i i
f x x xx x
f x f x+
−= −
3.- Evaluar
Si 1
1
i ir
i
x x Ex+
+
−< 1 ix +⇒ es la raíz
Si no 1
1 1
i i
i i
x xx x
−
− +
=⎧⎨ =⎩
4.- Repetir n iteraciones 2 y 3.
Solución Numérica de Ecuaciones No Lineales
Método Punto Fijo
METODO DE PUNTO FIJO
Un punto fijo de una función es un número real tal que: ( )g x ( )x g x= Este método sirve para resolver funciones no lineales de tal forma que ( ) 0rf x ≅
x
y
( ) 0rf x =
( )f x
rx
Para tal objetivo la ecuación se transformara de alguna manera a la forma ( )x g x= ; esto se logra despejando x de alguno de los miembros de la ecuación. Se requiere de un solo valor inicial 0x , y el método iterativo surge de aplicar la regla:
1 0
2 1
3 2
1 2
1
( )( )( )
( )( )
n n
n n
x g xx g xx g x
x g xx g x
− −
−
===
==
Hasta satisfacer la tolerancia del error o bien hasta encontrar el punto fijo. Gráficamente este es un método de dos curvas: una formada con y x= y la otra con ; la raíz es la abscisa del punto de intersección de ambas funciones.
( )y g x=
x
y
( )y g x=
0x1x2x
0( )g x
1( )g x
2( )g xPunto fijo
y x=
Solución Numérica de Ecuaciones No Lineales
Método Punto Fijo
Algoritmo 1.- Datos
• Función ( )f x • Obtener ( )g x• Condición inicial ix • n Iteraciones • Margen de error Er
2.- Calcular 1ix + = ( )ig x 3.- Determinar
Si 1
1
i ir
i
x x Ex+
+
−< 1 ix +⇒ es la raíz,
Si “no” 1 i ix x += 4.- Iterar n veces de 2 y 3.
Análisis de un Conjunto de Puntos
Interpolación y Extrapolación
III.- ANÁLISIS DE UN CONJUNTO DE PUNTOS
Sea el conjunto puntos 1n + ( )( ){ }
0,
n
i i ix f x
=donde gráficamente se observa:
y
x0 x1 x2 x3 xn-1 xn
(x0,f(x0))
(x1,f(x1)) (x2,f(x2))
(x3,f(x3))
(xn-1,f(xn-1))
Colocación
Ajuste
(xn,f(xn))
Se requiere analizar el comportamiento de los puntos para ello se trata de buscar una función analítica que se coloque o ajuste a los puntos, para esto utilizaremos los siguientes métodos numéricos
Método
Colocación Ajuste
Método de las Diferencias divididas de Newton
OK -
Método de Lagrange OK -
Método de Mínimos cuadrados. OK OK
Análisis de un Conjunto de Puntos
Método de Diferencias Divididas de Newton
MÉTODO DE DIFERENCIAS DIVIDAS DE NEWTON Para el conjunto de puntos{1 n+ } 0
( , ( )) ni i i
x f x=
se requiere encontrar una función que se coloque en tales puntos, para ello la función ( )f x debe cumplir las condiciones siguientes.
• Que sea definida (continua) en el intervalo de los puntos. • Que sea elemental, esto es fácilmente derivable e integrable. • Que solo exista una función que se coloque en los puntos.
La función que puede cumplir esto es un polinomio de la forma
20 1 2
0
0 1 0 2 -1
2 0 1 -1
0 1 -2
( )
( ) ( - )( - ).......( - )( - ) ( - )( - ).......( - )( - ) ( - )( - ).......( - )(
ni n
i ni
n n
n n
n n
f x a x a a x a x a x
of x b b x x x x x x x x
b x x x x x x x x
b x x x x x x x
=
= = + + + +
= + ++ +
+
∑
-1- )nx
INTERPOLACIÓN LINEAL
Sea el conjunto de dos puntos { }0 0 1 1( , ( )), ( , ( ))f x f x x f x se requiere colocar un polinomio de grado uno en los puntos por lo tanto 0 1 0( ) ( )f x b b x x= + − , entonces debemos encontrar los coeficientes
{ }0 1,b b que colocan el polinomio en dicho conjunto, como se observa en la figura.
x0 x x1
f( x0 )
f( x )
f( x1 )
x
y
A
Bα
αO
Si tomamos una x para interpolar con el polinomio, por triángulos semejantes tenemos
0 1
0 1 0
1 00 0
1 0
( ) ( ) ( ) ( )tan
( ) ( )Por lo tanto ( ) ( ) ( )( )
0f x f x f x f xx x x x
f x f xf x f x x xx x
α − −= =
− −−
= + −−
0 0
1 01
1 0
se observa que ( )
( ) ( ) 1 Diferencia Div( )
ididaer
b f x
f x f xbx x
∴ =
⎫−= ⎬
− ⎭
Análisis de un Conjunto de Puntos
Método de Diferencias Divididas de Newton
INTERPOLACIÓN CUADRATICA Sean los tres puntos { }0 0 1 1 2 2( , ( )), ( , ( )), ( , ( ))f x f x x f x x f x
)
el polinomio de colocación es
0 1 0 2 0 1( ) ( ) ( )(f x b b x x b x x x x= + − + − − por lo tanto hay que conocer { }0 1 2, , ,b b b entonces :
0 0 ( )Si x x f x b= ⇒ = 0
1 01 1 0 1 1 0 1
1 0
( ) ( ) ( ) ( ) ( ) ( )
f x f xSi x x f x f x b x x bx x−
= ⇒ = + − ∴ =−
1 02 2 0 2 0 2 2 0 2 1
1 0
1 02 1
2 1 1 02
2 0
( ) ( ) ( ) ( ) ( ) ( )( )( )
( ) ( )( ) ( )( ) ( )
2ª Diferenc( )
ia Dividida
f x f xSi x x f x f x x x b x x x xx x
f x f xf x f xx x x x
bx x
⎡ ⎤−= ⇒ = + − + − −⎢ ⎥−⎣ ⎦
⎫⎡ ⎤⎡ ⎤ −−− ⎪⎢ ⎥⎢ ⎥− − ⎪⎣ ⎦ ⎣ ⎦∴ = ⎬− ⎪
⎪⎭
Sea [ ]
[ ]
2 12 1
2 1
1 01 0
1 0
( ) ( ),
( ) ( ),
f x f xf x xx x
f x f xf x xx x
−⎧ =⎪ −⎪⎨ −⎪ =⎪ −⎩
Por lo que [ ] [ ] [ ]2 1 1 02 2
2 0
, ,, ,
( )f x x f x x
b fx x−
= =− 1 0x x x
1
,
Sustituyendo tenemos:
0 0 0 2 1 0 0( ) ( ) [ , ]( - ) [ , , ]( - )( - )f x f x f x x x x f x x x x x x x= + + CASO GENERAL Sea el caso general en que se tiene puntos {1 n+ } 0
( , ( )) ni i i
x f x=
se tiene el polinomio de colocación
0 1 0 2 0 1 0 1 -( ) ( - ) ( - )( - ) .......+ ( - )( - )......( - )n n 1f x b b x x b x x x x b x x x x x x= + + +
Haciendo una recurrencia de diferencias dividas tenemos que:
[ ]
[ ]
0
1 01 1 0
1 0
2 1 1 02 2 1 0
2 0
1ª
; ( )
( ) ( ); ,-
( , 2) ( , ); , ª,-
bo f x
f x f xb f x xx x
f x x f x xb f x x xx x
⇒
⎫−⇒ = ⎬
⎭⎫−
⇒ = ⎬⎭
Análisis de un Conjunto de Puntos
Método de Diferencias Divididas de Newton
[ ]
[ ]
[ ]
3 2 1 2 1 03 3 2 1 0
3 0
4 3 2 1 3 2 1 04 4 3 2 1 0
4 0
-1 1 -1 -2 0-1 0
0
( , , ) ( , , ); , , ,-
( , , , ) ( , , , ); , , , ,-
( , , , ) ( , , , );
3ª
4ª
, ª, ,-
n n n nn n n
n
f x x x f x x xb f x x x xx x
f x x x x f x x x xb f x x x x xx x
f x x x f x x xb f x x x nx x
⎫−⇒ = ⎬
⎭⎫−
⇒ = ⎬⎭
⎫… − …⇒ … = ⎬
⎭
Sustituyendo en el polinomio general tenemos:
0 1 0 0 2 1 0 0 1 3 2 1 0 0 1 2
1 0 0 1 1
( ) ( ) [ , ]( - ) [ , , ]( - )( - ) [ , , , ]( - )( - )( - ) [ , , , ]( - )( - ) ( - )n n n
f x f x f x x x x f x x x x x x x f x x x x x x x x x xf x x x x x x x x x− −
= + + + ++ … …
Con esta generamos la tabla de diferencias dividas de Newton de la forma
ix ( )if x 1ª 2ª 3ª .... .... nª
0x 0( )f x 1[ , ]of x x 2 1 0[ , , ]f x x x 3 2 1 0[ , , , ]f x x x x .... .... 1 0[ , , , ]n nf x x x− …
1x 1( )f x 2 1[ , ]f x x 3 2 1[ , , ]f x x x
2x 2( )f x 3 2[ , ]f x x
3x 3( )f x
nx ( )nf x
Donde se observa que toma una forma escalonada, según sea el número de diferencias
Análisis de un Conjunto de Puntos
Método de Diferencias Divididas de Newton
Algoritmo 1.- Datos
• { } 0( , ( )) n
i i ix f x
=
• Puntos a evaluar 2.-Generar la tabla de diferencia dividida por recurrencias
ix ( )if x 1ª 2ª 3ª .... .... nª
0x 00F ijF ijF ijF .... .... ijF
1x 10F ijF ijF
2x 20F ijF
3x 30F
nx 0nF
j++
i++
0 00
1 1
0
0
2 20
0
:( ) o bien ( ) 0,...,( )
)
)
(
(
n n
i i
Dondef x Ff x F Para i nf
x
F
x F
F
x
f
f
==
==
=
=
( 1)( 1) ( )( 1)
( )
:
: 1,.....,
0,....., -
i j i jij
i j i
Ademas
Para j n
i n
F FF
x x+ − −
+
−=
−=
= j
i
3.- Encontrar el polinomio al desarrollar
00 0 11 1
( ) ( )jn
jJ i
f x F F x x −= =
= + −∑ ∏
4.-Evaluar los puntos, e interpretar.
Análisis de un Conjunto de Puntos
Método de Lagrange
MÉTODO DE LAGRANGE Sea el polinomio de la forma
( )( ) ( )( )( )( ) ( )( )
0 1 2 1 0 2
2 0 1 0 1
( ) ..........( ) ...........( )
...........( ) .......... .........( )n n
n n
f x b x x x x x x b x x x x x x
b x x x x x x b x x x x x x −
= − − − + − − − +
− − − + + − − − 1n
Decimos que el polinomio se coloca en el conjunto de 1 n+ puntos{ }
0( , ( )) n
i i ix f x
=
Si determinamos los coeficientes { } en función de los puntos, para tal caso: 0
ni i
b=
Sea
0
00 0 0 1 0 2 0 0
0 1 0 2 0
( )( ) ( - )( - ).......( - ) ( - )( - ).......( - )n
n
x xf xf x b x x x x x x b
x x x x x x
=
= ∴ =
1
11 1 1 0 1 2 1 1
1 0 1 2 1
( )( ) ( - )( - ).......( - ) ( - )( - ).......( - )n
n
x xf xf x b x x x x x x b
x x x x x x
=
= ∴ =
Y en general
0 2 10 1
( )( ) ( - )( - ).......( - ) ( - )( - ).......( - )
n
nn n n n n n n
n n n n
x xf xf x b x x x x x x b
x x x x x x−−
=
= ∴ =1
Sustituyendo en el polinomio, los coeficientes tenemos:
( )( )
( )( )
( )( )
1 2
0 2
0
0 1 0 2 0
1
1 0 1 2 1
2
2 00 1
2 1 2
( )( - )( - ).......( - )
( )( - )( - ).......( - )
( ) .....( )
.....( )
( )( - )( - )..
+ ....( ).....( -
.....
....
)(.
n
n
n
n
n
n
f xx x x x
f x x x x x x x
x x x x x x
x x
x xf x
x x x x x x
x x x xf xx x x x x x
f x
= − −
+ − −
− − − +
+
− +
− +
( )( )0 1 1
0 1 1)
( - )( - ).......( -....(
))n
n
n n n n
x x xx x x x x
x x xx −
−− − −
Compactadas tenemos:
0 00
0 1 1 1( ) ( ) ( ) ( ) ( ) ...... () )( ) ( (n
n
i i ini
nf x L x f x L x f x L x f x )L x f x=
= + + =∑
Análisis de un Conjunto de Puntos
Método de Lagrange
Donde
( )( )
( )( )
( )( )
01 20
0 1 0 2 00
0
00 21
1 0 1 2 11
0
0 12
2 0 2 1
( ).....( )
; 0( - )( - )......( - ) ( )
( ).....( )
; 1( - )( - )......( - ) ( )
......( )( - )( - ).
n
jjnn
nj
j
n
jjnn
nj
j
n
x xx x x x x x
L jx x x x x x x x
x xx x x x x x
L jx x x x x x x x
x x x x x xL
x x x x
=
=
=
=
−− − −
= =−
−− − −
= =−
− − −=
∏
∏
∏
∏
≠
≠
( )( )
0
22
0
00 1 1
0 1 1
0
( ) ; 2
......( - ) ( )
( ).......( )
; ( - )( - ).......( - ) ( )
n
jjn
nj
j
n
jjn
n nn n n n
n jj
x xj
x x x x
x xx x x x x x
L jx x x x x x x x
=
=
=−
−
=
−= ≠
−
−− − −
= =−
∏
∏
∏
∏n≠
Podemos obtener los coeficientes de Lagrange de la forma.
0
0
( )( ) ; ; 0,....,
( )
n
jj
i i n
i jj
x xL x j i para i n
x x
=
=
−= ≠ =
−
∏
∏
y como ( ) ( ) ( )n
i i ii o
f x L x f x=
= ∑
0 0
0
( ) ( ) ( ) , para 0,.......,( )
nni
jni j
i jj
i jf xf x x xi nx x= =
=
⎡ ⎤⎢ ⎥ ≠⎧⎢ ⎥∴ = − ⎨ =⎢ ⎥ ⎩−⎢ ⎥⎣ ⎦
∑ ∏∏
Donde ( ) f x es le polinomio de interpolación de Lagrange.
Análisis de un Conjunto de Puntos
Método de Lagrange
Algoritmo. 1.-Datos
• { } 0( , ( )) n
i i ix f x
=
• Puntos a evaluar
2.- Evaluar
0 0
0
( ) ( ) ( ) , 0,.......,( )
nni
jni j
i jj
i jf xf x x xi nx x= =
=
⎡ ⎤⎢ ⎥ ≠⎧⎢ ⎥∴ = − ⎨ =⎢ ⎥ ⎩−⎢ ⎥⎣ ⎦
∑ ∏∏
3.- Se obtiene el polinomio de Lagrange, al realizar el algebra necesaria. 4.- Evaluar los puntos.
Análisis de un Conjunto de Puntos
Método de Mínimos Cuadrados
MÉTODO DE MÍNIMOS CUADRADOS
Sea el conjunto de m puntos dados { } 1( , ) m
i i ix y
=, se desea proponer un polinomio de grado n de
la forma 20 1 2( ) n
nf x a a x a x a x= + + + + , tal que se acerque (ajuste) lo mas posible a cada uno de los puntos dados.
x
y
R1
R2 R3
R4
Rn
(x1,y1)(x2,y2)
(x3,y3) (x4,y4)
(x1,y1)(xn-1,yn-1)
Rn-1
Para lograr que el polinomio ( ) f x sea lo mas ajustado posible a los puntos, se toma la distancia iR de cada punto, en forma estadística para que sea lo mas próxima a la función., o sea que:
1 minimo 1, . . . ,
m
ii
R sea para i m=
=∑
( )
1 1 1
2 2 2
3 3 3
2
( )( )( )
( ) por lo que ( )
lo que es equivalente a ( )m m m i i i
i i
R f x yR f x yR f x y
R f x y R f x y
iR f x y
= −= −= −
= − = −
= −
por lo tanto se requiere que ( )2
1 1( ) - sea minimo
m m
i i ii i
S R f x y= =
= =∑ ∑
Para lograr que S sea mínima ( )220 1 2
1-
mn
n ii
S a a x a x a x y=
= + + + +∑
Se toma la derivada parcial 0S
a j
∂=
∂, lo que implica que la suma de residuos cuadrados sea mínima en
cada coeficiente { } 0
n
j ja
= por lo tanto:
Análisis de un Conjunto de Puntos
Método de Mínimos Cuadrados
( )
( )
220 1 2
10
2 00 1 2
1 0
20 1 2
1 1 1 1 1
20 1 2
- 0
2 - 0
1
1
mn
i i n i ii
mn
i i n i ii
m m m m mn
i i n i ii i i i i
ni i n i i
a a x a x a x ya
aa a x a x a x y
a
a a x a x a x y
a m a x a x a x y
=
=
= = = = =
∂+ + + + =
∂
∂= + + + + =
∂
= + + + + =
∴ + + + + = − − − − →
⎛ ⎞⎜ ⎟⎝ ⎠∑
∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
( )
( )
2 10 1 2
11 1
2 3 10 1 2
2 2 20 1 2
12 2
2 3 4 2 20 1 2
2 - 0
+ + 2
2 -
+ + 3
mn
i i i n i ii
ni i i n i i i
mn
i i i n i ii
ni i i n i i i
ax a a x a x a x y
a a
a x a x a x a x y x
ax a a x a x a x y
a a
a x a x a x a x y x
=
+
=
+
∂ ∂+ + + + =
∂ ∂
∴ + + = − − − − →
∂ ∂+ + + + =
∂ ∂
∴ + + = − − − − →
∂
⎛ ⎞⎜ ⎟⎝ ⎠
⎛ ⎞⎜ ⎟⎝ ⎠
∑
∑ ∑ ∑ ∑ ∑
∑
∑ ∑ ∑ ∑ ∑
0
( )20 1 2
1
1 2 20 1 2
2 -
+ +
mn n n
i i i n i iin n
n n n n ni i i n i i i
ax a a x a x a x y
a a
a x a x a x a x y x
=
+ +
∂+ + + + =
∂ ∂
∴ + + = − − − − →
⎛ ⎞⎜ ⎟⎝ ⎠∑
∑ ∑ ∑ ∑ ∑
0
n
n
Por lo tanto se tiene l sistema de ecuaciones
20 1 2
2 3 10 1 2
2 3 4 2 20 1 2
1 2 20 1 2
1
2
3
ni i n i i
ni i i n i i i
ni i i n i i i
n n n n ni i i n i i i
a m a x a x a x y
a x a x a x a x y x
a x a x a x a x y x
a x a x a x a x y x
+
+
+ +
+ + + + = − − − −→
+ + + + = − − − −→
+ + + + = − − − −→
+ + + + = − − − −→
∑ ∑ ∑ ∑∑ ∑ ∑ ∑ ∑∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
Matricialmente tenemos
[ ][ ] [ ]
0 1 2 0 0
1 2 3 1 1 1
2 3 4 2 2 2
1 2 2
n
n
n
n n n n n n
S S S S a tS S S S a t
S a tS S S S a t
s S S S a t
+
+
+ +
⎡ ⎤ ⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥= ⇒ =⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦ ⎣ ⎦
Análisis de un Conjunto de Puntos
Método de Mínimos Cuadrados
Donde el polinomio que se ajusta a cada uno de los puntos se determina mediante:
2 31 2 3( ) n
o i i i n if x a a x a x a x a x= + + + + + Aplicando la matriz de Vandermonde de potencias tenemos
1 2 32 2 2 2
1 2 3
1 2 3
1 1 1 1
( 1)( )
m
m
n n n nm
x x x x
V x x x x
x x x xn m
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥=⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
+
Donde * tS V V=
2
1
2 3
21 1 1
21 2 3 2 2 22 2 2 2 2
1 2 3
1
1
2 3 4 2
1
3 3 3
21 2 3
2 2
1 1 1 1 1
1
1
1
n
nm
nm
n n n n n
mn
i i ii
mn
i i i ii
ni i i i
n n n ni i i i
m m m m
m x xx x
x
x x x x
x x x x
x x x x
xx x x x x x xx x x x x x x
x x x x x x x
=
+
=
+
+ +
⎡ ⎤⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥ =⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥
⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ( 1)( ) ( )( 1) ( 1)( 1)n m m n n n
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢
+ +
⎥
+
⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣
+⎦∑
para 1
mj
j ii
t y=
=∑ ix 2
i
ni i
1, ,0, ,
i mj n=⎧
⇒⎨ =⎩
…………
0 0 01 1 2 2
1
1 1 11 1 1 2 2
2 2 22 1 1 2 2
1 1 2 2
m
o m mi
m m i i
m m i i
n n nn m m
t y x y x y x y
t y x y x y x y x
t y x y x y x y x
t y x y x y x y x
=
⎧= + + + =⎪
⎪⎪ = + + + =⎪⎪ = + + + =⎨⎪⎪⎪ = + + + =⎪⎪⎩
∑
∑∑
∑
Análisis de un Conjunto de Puntos
Método de Mínimos Cuadrados
Algoritmo 1. Datos:
• El conjunto de m puntos ( ){ } 1,
mi i i
x y=
• Proponer el orden del polinomio n. • Puntos a evaluar
2. Determinar
, para ( )( )1 1T
n nS V+ + = V i ix0
mj
ji
t y=
⎡ ⎤ =⎣ ⎦ ∑1, ,0, ,
i mj n=⎧
⎨ =⎩
…………
3. Formar el sistema de ecuaciones, y obtener el vector solución { } 0
ni i
a=
[ ]
( )( )[ ]
( )( )[ ]
( )( )1 1 1 1 1 1n n n n
S a t+ + + +
=
4. Formar el polinomio de ajuste.
20 1 2( )
ni n
i ni o
f x a x a a x a x a=
= = + + + +∑ x
5. Evaluar los puntos
Integración Numérica
Área bajo la Curva
IV.- INTEGRACIÓN NUMERICA
( )n
o
x
xfSea la integral de la forma x dx ]∫ la cual es una integral definida en un intervalo [ 0 , nx x , como se
muestra en la figura.
X0 Xn
f( X0 )
f( Xn )f( X )
x
y
A
Si la función no es elemental la integral no tiene solución analítica o es muy difícil de resolver por algún método analítico. Por lo tanto podemos recurrir a un método numérico como lo son:
• Método del Trapecio • Método de Simpson
Integración Numérica
Método del Trapecio
MÉTODO DEL TRAPECIO Sea la función definida en un intervalo [ ]0 , nx x .
AX0 Xn
f( X0 )
f( Xn )f( X )
x
y
Sabemos que la integral ( )n
o
x
xf x dx∫ cubre el área A, si aproximamos linealmente, obtenemos un
trapecio:
X0 Xn
f( X0 )
f( Xn )f( X )
x
y
Trapecio
A
Error
Por lo tanto decimos que 00
( ) ( )( ) ( )2
n
o
x nnx
f x f xf x dx A x x+≅ = −∫
Si interpolamos linealmente por fracciones uniformes como se muestra en la figura, tenemos:
A1
X0 Xn
f( X0 )
f( Xn-1 )f( X )
x
y
A2A3
A4A5
An
X1 X2 X3 X4 X5 Xn-1
f( X1)f( X2)
f( X3)f( X4 )
f( X5)f( Xn )
E1
E2
E3
En
h hh h h h
Integración Numérica
Método del Trapecio
Decimos entonces que 1 1
( )n
o
n nx
i ixi i
f x dx A E= =
= +∑ ∑∫
Donde:
( )
1 2 31
0 11
1 21
2 33
1
0 1 2 1
( ) ( ) ( ) 2
( ) ( ) ( ) 2
( ) ( ) ( )2
( ) ( ) ( )2
( ) 2 ( ) 2 ( ) 2 ( ) ( ) 2
)
(n
o
n
T i ni
n
x
T x
nn
T n
A A A A A A
f x f xA h
f x f x
fA
A h
f x f xA h
f x f xA h
hA f x f x f x f x
f x dx A h
f x
=
−
−
= = + + + +
+=
+=
+=
+
=
=
= + + + + +
= =
∑
∫
n
00
1
10
1
10
2 0
-: - , , 0
( ) ( ) ( )2
( )
( )
nn
ii
nn
i i
x xDonde nh x x h si n h En
xx x h
x f x f x
f xx
xf
x
−
=
+⎛ ⎞+⎜ ⎟
⎝ ⎠
→→
= ∴ = ∴ >> →<<
= +=
∑
1
2
1
0
0
2 (
( )
( )( ) ; 1,....
1), -1
n
i i
n
f x
f xx x ih f x para
h
x x n hi n
−−
→
→= + → =
+
= + −∴
→
Integración Numérica
Método del Trapecio
Algoritmo 1.- Datos
0
( ) [ , ] _
n
f xx x
n Trapecios
•••
2.- Calcular
0
0
1
1
( ) ( ) 1,....
( ) ., -1
( )
o
n
nn
i
ii
f xf x para i n
x xh f xn
xi x ih f x
−
=
= + →=
−= ∑
3.- Evaluar
10
1
( ) ( ) ( )2
nn
ii
f x f xA h f−
=
+⎛ ⎞= +⎜ ⎟⎝ ⎠
∑ x
Integración Numérica
Método de Simpson
MÉTODO DE SIMPSON
( )n
o
x
xfPara la integral x dx∫ , se puede tener una mejor solución, sobre todo si la función es de
concavidades muy pronunciadas o f(x) es muy oscilante; entonces aproximamos a un polinomio cuadrático de la forma:
1 0 2 1 0 1( ) ( ) [ , ]( ) [ , , ]( )( )o o of x f x f x x x x f x x x x x x x= + − + − −
1 0 2 1 0 1 A= [ ( ) ( ) [ , ]( ) [ , , ]( )( )]n
o
x
o o oxf x f x f x x x x f x x x x x x x dx∴ = + − + − −∫
y resolviendo esta integral tenemos:
( )1 2( ) 4 ( ) ( )3 ohA f x f x f x= + +
Si hacemos la interpolación cuadrática por fracciones uniformes como se muestra en la figura, tenemos:
Decimos entonces que 1 1
( )n
o
n nx
i ixi i
f x dx A E= =
= +∑ ∑∫
x0
x2n-2
x2n-1
x2nx4x3x2x1
A1 A2An
f(x)
f(x0)
f(x2n)
Y
X
f(x1)f(x2)
f(x3) f(x4)f(x2n-1)f(x2n-2)
E1
E2
En
Donde:
( )
( )
( )
1 1 2
2 2 3 4
2 2 2 1 2
( ) 4 ( ) ( )3
( ) 4 ( ) ( )3
( ) 4 ( ) ( )3
o
n n n
hA f x f x f x
hA f x f x f x
hA f x f x f x− −
= + +
= + +
= + + n
Integración Numérica
Método de Simpson
2 1 2 2
21 2
A= ( ) ( ) 4 ( ) 2 ( )3
n n
o n ii i
impares pares
hif x f x f x f x
− −
= =
⎛ ⎞⎜ ⎟
+ + +⎜ ⎟⎜ ⎟
⎠
∴⎜ ⎟⎝
∑ ∑
1
2
2 02 0
1 0
2 0
2 1 0 2
-: 2 - 2
2 ( 1
( )( )
( )
()
n
i
n n
n
i f
x xDonde nh x x hn
xx x
xf x
f x
f
hx x h
x x n h x−
= ∴ =
= += +
= −
→
→+
→
→
1
0
)( ) ; 1,...., 2 -1i ix x ih f x para i n
−
∴ = + → =
Algoritmo 1 .- Datos
0 2
( ) [ , ] _ Divisiones
n
f xx x
n
•••
2 .- Calcular
02 1 2 2
21 2
2 0
( ) ( ), 1,....., 2 -1
( ) ( ) ; ( )
2
o in n
n i ii i
n
f x xi x ih f x para i n
f x f x f x
x xhn
− −
= =
= + → =
−=
∑ ∑
3 .- Evaluar
2 1 2 2
21 2
A= ( ) ( ) 4 ( ) 2 ( )3
n n
o n ii i
impares pares
hif x f x f x f x
− −
= =
⎛ ⎞⎜ ⎟
+ + +⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
∑ ∑
Solución Numérica de Sistemas de Ecuaciones Lineales
Matrices
V.- SOLUCIÓN NUMÉRICA DE SISTEMAS DE ECUACIONES LINEALES OPERACIONES BÁSICAS CON MATRICES
• Suma • Resta • Producto • Transpuesta • Determinante
SISTEMAS DE ECUACIONES LINEALES Sea el sistema de ecuaciones lineales:
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n n
n n n
m m mn n
a x a x a x ba x a x a x b
a x a x a x bmn
+ + + =+ + + =
+ + + =
El cual decimos que es compatible y determinado por lo que tiene solución única factorizando podemos llevar a sistema a su forma matricial.
11 12 1 1 1
21 22 2 2 2
1 2
n n
n n
m m mn n mn
a a a x ba a a x b
a a a x b
⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ =⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
En forma compacta tenemos: [ ][ ] [ ]A x b= Podemos resolver el sistema de ecuaciones si encontramos el vector solución , para ello se tienen los siguientes métodos numéricos.
{ } 1
mi i
x=
Métodos por eliminación:
• Gauss • Gauss-Jordan (Inversa de la Matriz) • LU - Choleski
Métodos iterativos:
• Jacobi • Gauss-Seidel
Solución Numérica de Sistemas de Ecuaciones Lineales
Matrices
SISTEMAS DE ECUACIONES NO LINEALES Un sistema de ecuaciones no lineales tiene la forma:
1 1 2
2 1 2
3 1 2
1 2
( , ,........, ) 0,( , ,........, ) 0,( , ,........, ) 0,
( , ,........, ) 0
n
n
n
n n
f x x xf x x xf x x x
f x x x
===
=
Donde podemos considerar a toda función fi como un mapeo de un vector 1 2( , ,........, )t
nx x x x= del espacio n-dimensional en la recta real nℜ ℜ , como se muestra en la figura:
x1
x2
z
z = f1 ( x1 , x2 )
z = f2( x1 , x2 )
f1 ( x1 , x2 ) = 0 f2 ( x1 , x2 ) = 0
Este sistema de n ecuaciones no lineales con n incógnitas puede representarse también mediante la definición de una función F, mapeando nℜ en nℜ por medio de:
1 2 1 1 2 2 1 2 3 1 2 1 2( , ,........, ) ( ( , ,........, ), ( , ,........, ), ( , ,........, ),........, ( , ,........, ), )tn n n n nF x x x f x x x f x x x f x x x f x x x= n
Si se emplea una notación vectorial para representar las variables 1 2, ,........, nx x x , el sistema de ecuaciones no lineales toma la forma ( ) 0F x = .- Las funciones 1 2( , ,........, )nf f f , son entonces las funciones coordenadas de F. Para resolver un sistema de ecuaciones no lineales aplicaremos un método numérico en particular, el cual es:
• Método de newton
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Gauss
METODO DE ELIMINACIÓN DE GAUSS Sea la matriz aumentada ( ) , A b
11 12 1 1
21 22 2 2
1 2
n n
n n
m m mn mn m n
a a a b
a a a b
a a a b×
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
A la cual si le aplicamos el método de Gauss se tiene
( )( , ) , 'A b Gauss A b→ →
Donde : A es la matriz triangular superior. Sea:
11 12 1 1 112 1
21 22 2 2 22
1 2
´1 ´ ´´0 1 ´
´0 0 1
n n nn
n n nn
m m mn mn mn
a a a b ba aa a a b ba
Gauss
a a a b b
⎡ ⎤ ⎡⎢ ⎥ ⎢⎢ ⎥ ⎢→ →⎢ ⎥ ⎢⎢ ⎥ ⎢⎢ ⎥ ⎢⎣ ⎦ ⎣
⎤⎥⎥⎥⎥⎥⎦
Donde llevando a la forma y efectuando el producto, el sistema toma la forma: A bx =
( )( ) ( )( )-1 -1 -1
1 12 2 13 3 1 1
2 23 3 2 2
´ ´
´ ´ ´ ´ ´ ´ ´ ´
n m n n m n
n n n
n n n
n mn
x a x b
x a x a x a x bx a x a x b
x b+ =
+ + =+ =
=
Realizando un despeje inverso, se obtiene el vector solución { }
1
21
.ni i
n
xx
x
x
=
⎡ ⎤⎢ ⎥⎢ ⎥⇒⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
DETERMINANTE DE UNA MATRIZ POR GAUSS.
Sea la matriz , a la cual al aplicar el Método de Gauss se obtiene la matriz
11 12 1
21 22 2
1 2
n
nm n
m m mn
a a aa a a
A
a a a
×
⎡ ⎤⎢ ⎥⎢=⎢⎢ ⎥⎢ ⎥⎣ ⎦
⎥⎥
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Gauss
triangular superior . El determinante de una matriz se obtiene, aplicando
11 12 1
22 20 ´
0 0 ´
n
n
mn
a a aa a
a
⎡ ⎤⎢ ⎥⎢⎢⎢ ⎥⎢ ⎥⎣ ⎦
´⎥⎥
operaciones sobre determinantes, por lo tanto se puede factorizar ya que los elementos bajo el son cero, y de igual forma para
11a
22 mma a
11 12 1 22 23 2 33 34 3
22 2 33 3 44 411 11 22
´ ´ ´0 ´ ´ 0 ´ ´ 0 ´
0 0 ´ 0 0 ´ 0 0
n n
n n
mn mn mn
a a a a a a a a aa a a a a a
Det a a a
a a
= =
´´
´
n
n
a
Por lo tanto tenemos como resultado que el determinante de una matriz aplicando el Método de Gauss es:
[ ] [ ]1
11 22 33 44m n
m
m n iini
mDet A a a a a Det A aa ×=
× == ⇒ ∏
SISTEMA DE ECUACIONES COMPLEJO POR GAUSS Sea el sistema de ecuaciones lineales complejo:
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n n
n n n
m m mn n
z x z x z x bz x z x z x b
z x z x z x bmn
+ + + =+ + + =
+ + + =
A la cual si le aplicamos el método de Gauss se tiene
( )( , ) , 'Z b Gauss Z b→ →
Donde : Z es la matriz triangular superior. Sea:
11 12 1 1 112 1
21 22 2 2 22
1 2
´1 ´ ´´0 1 ´
´0 0 1
n n nn
n n nn
m m mn mn mn
z z z b bz zz a z b bz
Gauss
z z z b b
⎡ ⎤ ⎡⎢ ⎥ ⎢⎢ ⎥ ⎢→ →⎢ ⎥ ⎢⎢ ⎥ ⎢⎢ ⎥ ⎢⎣ ⎦ ⎣
⎤⎥⎥⎥⎥⎥⎦
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Gauss
Donde llevando a la forma Z bx = y efectuando el producto, el sistema toma la forma:
( )( ) ( )( )-1 -1 -1
1 12 2 13 3 1 1
2 23 3 2 2
´ ´
´ ´ ´ ´ ´ ´ ´ ´
m m n n m n
n n n
n n n
n mn
x z x b
x z x z x z x bx z x z x b
x b+ =
+ + =+ =
=
Realizando un despeje inverso, se obtiene el vector solución { }
1
21
.ni i
n
xx
x
x
=
⎡ ⎤⎢ ⎥⎢ ⎥⇒⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
Donde:
( ( ) ( )
Z Es matriz compleja de orden m n Matriz propia de los elementos del sistemax Es un vector columna complejo Vector solucionb Es un vector columna complejo Vector de excitacion
= ×==
)
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Gauss Jordan
MÉTODO DE GAUSS JORDAN Sea el sistema de ecuaciones lineales:
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n n
n n n
m m mn n
a x a x a x ba x a x a x b
a x a x a x bmn
+ + + =+ + + =
+ + + =
podemos llevar a sistema a su forma matricial.
11 12 1 1 1
21 22 2 2 2
1 2
n n
n n
m m mn n mn
a a a x ba a a x b
a a a x b
⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ =⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
En forma compacta tenemos que: [ ][ ] [ ]A x b= A la cual si le aplicamos el Método de Gauss-Jordan se tiene
( )( , ) , 'Gauss
A b IJordan
→ → b
Donde: I es la matriz identidad de orden mn. Por la tanto:
11 12 1 1 1
21 22 2 2 2
1 2
´1 0 0´0 1 0
´0 0 1
n n n
n n n
m m mn mn mn
a a a b ba a a b bGauss
Jordana a a b b
⎡ ⎤ ⎡⎢ ⎥ ⎢⎢ ⎥ ⎢→ →⎢ ⎥ ⎢⎢ ⎥ ⎢⎢ ⎥ ⎢⎣ ⎦ ⎣
⎤⎥⎥⎥⎥⎥⎦
Donde llevando a la forma y efectuando el producto obtenemos el vector solución directamente.
I bx =
( )( )-1 -1
1 1
2 2
3 3
´
1,....., ´
´´´
: ,.
´
....,
n m n
i k
n
n
n
n mn
n
x b
i nx b para
x bx bx
k
b
x b
m=
=⎧∴ = ⎨ =
=
=
⎩
==
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Gauss Jordan
INVERSA DE UNA MATRIZ POR GAUSS – JORDAN Sea un sistema de ecuaciones lineales en forma matricial y sea A bx = 1A− la inversa de A tal que
, donde 1AA I− = I es la matriz identidad. Podemos encontrar a , si en tomamos a 1A− A bx = b I= de la forma Ax I= , multiplicando por 1A− tenemos 1 1 1 A A IA Ix IA x Ax− − −= ⇒ = ⇒ ∴ = 1− . Por lo que aplicando Gauss-Jordan a la matriz aumentada
1m 2n
m n( , ) ,
MatrizInversa
GaussA I I A
Jordan−
××
⎛ ⎞⎜ ⎟
→ → ⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
Complementando el Método de Gauss Jordan tenemos que:
( )( , ) , 'Gauss
A b I bJordan
→ → 1m 2n
m n( , ) ,
MatrizInversa
GaussA I I A
Jordan−
××
⎛ ⎞⎜ ⎟
→ → ⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
1
´
( , , ) , , b
Gauss JordanA b I I x A
Inversa−− ⎛ ⎞
→ → ⎜ ⎟⎝ ⎠
para comprobar podemos realizar las operaciones siguientes:
-1
1
***
A b xA x bA A I−
==
=
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Jacobi y Gauss Seidel
MÉTODO ITERATIVO Sea el sistema de ecuaciones lineales:
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n n
n n n
m m mn n
a x a x a x ba x a x a x b
a x a x a x b
+ + + =+ + + =
+ + + = mn
i
El método iterativo esta basado en aproximaciones sucesivas, donde 1 ( )ix g x+ = , en el caso general de
un sistema de ecuaciones lineales, se toma un vector inicial propuesto, { } 1
ni i
x=
el cual puede ser la
solución trivial, { } . 1
0 ni i
x=
= Con esta solución inicial, tomamos del sistema las ix siguientes a aproximar:
( )
1 12 2 11
11
2 21 1 22
22
1 1 1
n n
n n
mn m mm nn
mn
b a x a xxa
b a x a xxa
b a x a xx
a−
− −=
− −=
− −=
n
n
Compactando tenemos: 1 1,..,,
0 1,..,
n
in ik kk
iiiii
b a x i k i nx para
a k na=
− ≠ =⎧= ⎨ ≠ =⎩
∑
Como en el método es de aproximación proponemos un margen de error
Si { }11
1
ni ir i i
i
x x E x es el vector solucionx+
=+
−< ⇒ .
A tal método se le conoce como MÉTODO DE JACOBI. Una variable del método es el de GAUSS –SEIDEL en el que en lugar de ir sustituyendo en cada iteración el vector anteriormente calculado, se va sustituyendo en la aproximación, cada solución parcial obtenida, esto es:
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Jacobi y Gauss Seidel
( )
( )
( )
( )
( )
( )
( )
( )
( )
0 11 1 1
0 12 2 2
0 1
k
k
kn n n
x x x
x x x
x x x
⎡ ⎤ ⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦ ⎣ ⎦
Por lo que el proceso termina en K iteraciones
Si { }11
1
ni ir i i
i
x x E x es el vector solucionx+
=+
−< ⇒
Esto es, se debe cumplir e margen de error para cada una de las soluciones aproximadas. Algoritmo: 1.- Datos
{ } 1
_ ecuaciones( , ) Matriz Aumentada
0 Vector inical
Margen de Error
mi i
r
mA b
x
E=
=
ii
ii
2.- Evaluar
1 1,..,,
0 1,..,
n
in ik kk
iiiii
b a x i k i nx para
a ka=
− ≠ =⎧= ⎨ ≠ =⎩
∑n
3.- Verificar el Margen de Error
{ },
11
1
" " 2 3
ni ir i i
i
x xSi E x es el vector soluci onx
Si no repetir y
+=
+
−< ⇒
Solución Numérica de Sistemas de Ecuaciones Lineales
Ecuaciones Diferenciales
VI.-SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES. Sea la ecuación diferencial ordinaria (EDO).
(1) (2) ( 1)( , , , ,..., )n ny f x y y y y −= Donde;
2 ( )(1) (2) ( )
( ), , ... ,2n
nn
dy d y d yy ydx dxdx
= = y=
)
Para el caso particular de EDO de 1er orden
' ( ,y f x y=
Presenta una familia de soluciones
( , )
( , )
( , )
dy f x ydx
dy f x y dx
y f x y dx c
=
=
= +∫
Para toda y cada una C se obtiene una solución particular.
Y
x
cn
c2
c3
c4
c5
c1
Para el caso en que resulta de una aplicación especifica, se requiere la solución particular a unas condiciones iniciales dadas.
' ( ,y F x y= )
( )0 0y x y=
Por lo que la solución particular es:
( )0
,nx
xy F x y d= ∫ x
Solución Numérica de Sistemas de Ecuaciones Lineales
Ecuaciones Diferenciales
Donde gráficamente podemos tener la función y.
Y0
x0 x
Y F(x,y)
Si ( ),F x y es una función no elemental y es difícil de resolver la integral analíticamente recurrimos a un método numérico, como pueden ser.
• Método de Euler • Método de Runge Kutta
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Euler
MÉTODO DE EULER Sea la grafica de la ecuación diferencial, para determinar una solución aproximada dada una condición inicial x0, trazamos una recta tangente a un paso h, y tenemos lo siguiente
y0
x0 x
Y*
**
k
y0
α
Solucionaproximada
Solucionexacta
F(x,y)
xn
yn } Analizando el triangulo rectángulo tenemos que:
( )
( )
( )
0
0 0
0
0 0 0
tan
' tan , , ' , ,
,
,
:
n
n
n n
n
kx x
y h x x y F x y k y yy yF x y
hdespejando la aprocimacion tenemos
y y h F x y
α
α
= +
=−
= = − = =
−⇒ =
−
∴
Algoritmo 1.- Datos
• Ecuación diferencial ordinaria F(x,y) • Condición inicial y0 • Intervalo [x0 , xn] • Numero de iteraciones
2.- Calcular el paso de integración
• 0- nx xhn
=
3.- Evaluamos la ecuación de Euler
• 1 ( , ) 0,......, 1i i i iy y hF x y para i n+ = + = −
4.- Iteramos n veces obteniendo nuevos intervalos
• xi’ = xi + h • yi = yi+1
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Runge Kutta
MÉTODO DE RUNGE-KUTTA (4O ORDEN) Se requiere en este método, al igual que Euler tener distancias regulares de separación h, de modo que se tengan:
0nnh x x= −
Por lo que: 0nx xhn−
=
Y
XX0
K1
h
x0 x1 x2 xn
h h h hhhhh
Y
Y
**
Esto debido a la distribución Beta.
( )1 2 3 4
0
1 2 26
k k k k k
y y k
= + + +
= +
Por lo que nh para i n 1,=
( ) ( )( )
( )
( ) ( )
1 0 0
2 0 0 1
3 0 0 2
4 0 0 3
,
1 1,2 21 1,2 2
,
i
i
i
i
k hF x y
k hF x h y k
k hF x h y k
k hF x h y k
=
⎛ ⎞= + +⎜ ⎟⎝ ⎠⎛ ⎞= + +⎜ ⎟⎝ ⎠
= + +
1er Orden: ( )1 0 ,
3er Orden
3 0 0
13 0 3
1 1,2 2
k hF x h y k
y y k
⎛ ⎞= + +⎜ ⎟⎝ ⎠
= +
0F x y=k h Por lo tanto: 11 0 1y y k= +
2
2o Orden 1
2 0 0
12 0 2
,2 2h k
4o Orden ( )4 0 0
14 0 4
,k hF x h y k
y y k2= + +
= +
k hF x y
y y k
⎛ ⎞= + +⎜ ⎟⎝ ⎠
= +
Distribución beta ( ) ( ) ( ) ( ) ( )( )1 2 3 4
1 2 26
i i iik k k k k= + + + i
Por lo que ( )
0
0 0 0con ;
iy y kx x h y y
= += + =
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Runge Kutta
Algoritmo
.- Datos
• Ecuación diferencial ordinaria F(x,y)
nes
.- Calcular el paso de integración
•
1
• Condición inicial y0 • Intervalo [x0 , xn] • Numero de iteracio
2
0- nx xhn
=
3.- Evaluamos las ecuaciones de Runge Kutta de 4º orden.
•
( )
( )
( )
( )
( ) ( ) ( ) ( ) ( )
1
2 1
3 2
4 3
1 2 3
( , )1 1( , )2 21 1( , )2 2
( , )1 ( 2 26
io o
io o
io o
io o
i i i i
K hF x y
K hF x h y K
K hF x h y K
K hF x h y K
K K K K K
=
= + +
= + +
= + +
= + + +
4 )i
onde finalmente ( )
1 ii iy y K+ = + D
4.- Iteramos n veces obteniendo nuevos
• xi’ = xi + h
• yi = yi+1
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Runge Kutta
ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR.
( ) ( ) ( )( )( ) ( ) ( ) ( )
( )
1 1
110 1 1
1 n-21 2 n-1 1 2
0
n-1
ea , , ,...,
Para ; 0 ,..., 0donde;
v vv , v ,..., v , , v , v ,..., v
n n
nn
y F x y y y
y y y y y y
dy d d F x ydx dx dx
−
−−
=
= = =
= = = =
e puede reducir el orden de la ecuación diferencial.
or ejemplo:
S
s P
'' ' 6y y y− −
( ) ( )
( )
( )
'0 1
'
0para 0 ; 0
v
v v 6 0
por lo que se generan 2 ecuaciones diferenciales:
v , , v
v v 6 , , v
y y y ydyydx
d ydx
dy F x ydxd y G x ydx
=
= =
= =
− − =
= =
= + =
En general las n veces que se reduzca el orden se tendrá 1n + ecuaciones diferenciales a resolver. Por Runge-Kutta de 4oorden
( ) ( )1 0 0 0, , v k hF x y= 1 0 0 0
2 0 0 1 0 1 2 0 0 1 0 1
3 0 0 2 0 2 3 0
, , v
1 1 1 1 1 1, , v , , v2 2 2 2 2 21 1 1 1, , v 2 2 2 2
l hG x y
k hF x h y k l l hG x h y k l
k hF x h y k l l hG x
=
⎛ ⎞ ⎛ ⎞= + + + = + + +⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠⎛ ⎞= + + + = +⎜ ⎟⎝ ⎠( ) ( )
0 2 0 2
4 0 0 5 0 3 4 0 0 3 0 3
1 1, , v2 2
, , v , , v
h y k l
k hF x h y k l l hG x h y k l
⎛ ⎞+ +⎜ ⎟⎝ ⎠
= + + + = + + +
Por lo que:
(
)
( )
1 2 3 4
1 2 3 4
2 261 2 26
k k k
l l l l l
+ + +
= + + +
Por lo tanto
1k k=
0
0v vy y k= +
l= +
Solución Numérica de Sistemas de Ecuaciones Lineales
Método de Runge Kutta
Algoritmo
.- Datos uación diferencial de orden superior
(n)(0)
.- Calcular el paso de integración
•
1
• Ec• Condiciones iniciales y(0) , y’(0), . . . . y• Numero de iteraciones n • Intervalo [x0 , xn]
2
0- nx xhn
=
3.- Evaluamos las ecuaciones de Runge Kutta
•
( ) ( )1 0 0 0 1 0 0 0
2 0 0 1 0 1 2 0 0 1 0
3 0 0 2 0 2 3 0
, , v , , v
1 1 1 1 1 1, , v , , v2 2 2 2 2 21 1 1 1, , v 2 2 2 2
k hF x y l hG x y
k hF x h y k l l hG x h y k l
k hF x h y k l l hG x
= =
⎛ ⎞ ⎛ ⎞= + + + = + + +⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠⎛ ⎞= + + + = +⎜ ⎟⎝ ⎠
1
( ) (
0 2 0 2
4 0 0 5 0 3 4 0 0 3 0 3
1 1, , v2 2
, , v , , v
h y k l
k hF x h y k l l hG x h y k l
⎛ ⎞+ +⎜ ⎟⎝ ⎠
= + + + = + + +
)Donde
• ( )
( )
1 2 3 4
1 2 3 4
1 2 261 2 26
k k k k k
l l l l l
= + + +
= + + +
1
1v vi i
i i
y y kl
+
+
= += +
• Finalmente
4.- Iteramos n veces obteniendo nuevos
• xi’ = xi + h
• yi = yi+1 • vi = vi+1
Métodos Numéricos
Academia de Computación de IE/ICA/ISISA
BIBLIOGRAFÍA
• MÉTODOS NUMERICOS PARA INGENIEROS STEVEN C. CHAPRA RAYMOND P. CANALE MC GRAW HILL
• ANALISIS NUMERICO Y VISUALIZACION GRAFICA CON MATLAB SHOICHIRO NAKAMURA PRENTICE HALL
• MÉTODOS NUMERICOS RODOLFOLUTHE GARCIA ANTONIO OLIVERA SALAZAR FERNANDO J. SCHUTZ ESTRADA LIMUSA
• METODOS NUMERICOS APLICADOS A LA INGENIERIA NIEVES – DOMINGUEZ CECSA
• ANALISIS NUMERICO BURDEN FAIRES GRUPO EDITORIAL IBEROAMERICANO
• FUNDAMENTOS DE PROGRAMACION C/C++ ERNSTO PEÑALOZA ROMERO ALFAOMEGA
• PROGRAMACION ORIENTADA A OBJETO CON C++ FRANCISCO JAVIER CEVALLOS ALFAOMEGA
• COMO PROGRAMAR EN C/C++ H.M DEITEL / P.J DEITEL PRENTICE HALL
• C/C++, CURSO DE PROGRAMACION FRANCISCO JAVIER CEVALLOS ALFAOMEGA
• RESOLUCION DE PROBLEMAS CON C++ WALTE SAVITCH
PRENTICE HALL
• PROGRAMACION EN C++ LUIS JOYANES AGUILAR MC GRAW HILL