Introduccin ............................................................................................................................. 2
Interpolacin ............................................................................................................................ 3
2.1
2.2
2.3
2.4
2.5
Pgina 1 de 18
Ao 2012
Matemtica Superior
1 INTRODUCCIN
Sea un conjunto de (n+1) puntos de coordenadas (xi; yi) con i variando desde 0 hasta
n, que se indicar en adelante como: i=0,n. Se asume que estos puntos pertenecen a
una cierta funcin y=f(x) cuya expresin analtica no se conoce. Se dice, entonces, que
esta funcin est dada en forma discreta. El principal objetivo de esta unidad temtica
es encontrar una forma analtica de esta funcin que sea representable
computacionalmente y para ello se usarn funciones polinmicas.
Se tiene y=f(x) de R R definida en forma discreta mediante
(n+1) puntos (xi; yi=f(xi)) con i=0,n.
Se propone una representacin de esta funcin en forma de combinacin lineal de
funciones bases k(x) conocidas y linealmente independientes, es decir
y= Pm(x)= ak k(x),
con k=0,m. Para cada punto xi queda definida una diferencia entre el valor de la funcin
dada en forma discreta yi=f(xi) y el valor que toma la combinacin lineal. Esta diferencia
se denomina residuo y se calcula para cada xi, en la forma
ri= f(xi) - Pm(xi) = yi - ak k(xi)
k=0,m; i=0,n.
n+1
Se llama r al vector de R formado por (r0, r1,...,rn) y se dir que es una
INTERPOLACIN cuando se imponga una condicin de nulidad fuerte del residuo en
cada punto, es decir ri=0, i=0,n, o r=0, haciendo que la funcin Pm(x)= ak k(x) con
k=0,m pase por los puntos datos.
Se dir que es una APROXIMACIN cuando se imponga una condicin de nulidad
dbil del residuo en el dominio de inters, es decir que ri puede no ser cero para algn
i, o sea que puede ser r0 . Se ver como forma de aproximacin al Mtodo de Mnimos
Cuadrados.
Dada f(x) en forma discreta
Se propone
Pm(x)= ak k(x)
Se define
con k=0,m.
con k=0,m; i=0,n
APROXIMACIN
Forma Dbil: los ri son nulos en promedio
Pgina 2 de 18
Ao 2012
Matemtica Superior
2 INTERPOLACIN
Dada la funcin y=f(x) de R R definida en forma discreta mediante el conjunto de
(n+1) puntos de coordenadas (xi; yi=f(xi)) con i=0, n, se propone una representacin de
esta funcin en forma de combinacin lineal de n funciones bases k(x) conocidas, es
decir
y= Pn(x)= ak k(x),
con k=0,n. Ntese que el nmero de funciones bases m, en el contexto de interpolacin,
se toma igual a n (m=n). Para cada punto xi queda definida una diferencia entre el valor
de la funcin dada en forma discreta yi=f(xi) y el valor que toma la combinacin lineal.
Esta diferencia se denomina residuo y se calcula para cada xi, en la forma
ri= f(xi) Pn(xi) = yi - ak k(xi),
con k,i = 0,n. Se impone una condicin fuerte sobre el residuo exigiendo la nulidad del
mismo en cada punto dato de abscisa xi. As se exige que,
ri= f(xi) Pn(xi) = yi - ak k(xi)= 0
para todo i,k=0,n. Con lo que resulta
ak k(xi)= yi
(1.1)
0 ( x1 )
( x )
0 2
....
( x )
0 n
1 ( x0 ) 2 ( x0 )
1 ( x1 ) 2 ( x1 )
1 ( x2 ) 2 ( x2 )
....
....
1 ( xn ) 2 ( xn )
....
....
....
....
....
n ( x0 ) a 0 y 0
n ( x1 ) a1 y1
n ( x 2 ) a 2 = y 2
.... ...
n ( xn ) a n
(1.2)
...
y n
OBSERVACIN 2:
El producto escalar entre dos funciones f y g definidas en el intervalo [a, b] y a valores reales, se puede
definir como
b
f , g = f ( x) g ( x) dx .
a
Dos funciones se llamarn ortogonales cuando el producto escalar entre ellas valga 0.
Llamando r(x) a la funcin residuo, r(x)=f(x)-Pn(x), cuando se interpola se est exigiendo que la funcin
residuo r(x) sea ortogonal, en el dominio de inters, a las funciones delta de Dirac definidas en cada punto
xi. Esto es
b
, r ( x xi ) ( f ( x) Pn ( x)) dx = 0
xi .
Pgina 3 de 18
Ao 2012
Matemtica Superior
0(x)=x0=1
1(x)=x1=x
2(x)=x2
......
n(x)=xn
n
2
1 x1 x1 .... x1 a1 y1
1 x x 2 .... x n a = y
2
2
2
2 2
...
.... .... .... .... .... ...
2
n
a
x
x
x
1
....
y n
n
n
n
n
Pgina 4 de 18
Ao 2012
Matemtica Superior
esto es:
l0 (x) =
esto es:
li (x) =
(x x k )
.
i xk )
(x
k =0
k i
Pgina 5 de 18
Ao 2012
Matemtica Superior
1 0 0 .... 0 a0 y 0
0 1 0 .... 0 a1 y1
0 0 1 .... 0 a = y ,
2 2
...
....
....
....
....
....
...
0 0 0 .... 1 a y
n n
con k=0,n.
Es de simple interpretacin.
Si se busca agregar un punto a los puntos datos, los polinomios bases cambian
todos y se debe calcular todo de nuevo.
Puede ser difcil obtener una expresin simplificada del polinomio obtenido.
Ejercicio 1:
Dados dos puntos de coordenadas (x0, y0); (x1, y1), obtener la interpolacin posible
usando el mtodo de Lagrange.
Ejercicio2:
Dados tres puntos de coordenadas (x0, y0); (x1, y1) (x2, y2), obtener la interpolacin
posible usando el mtodo de Lagrange. Notar si es posible usar expresiones, polinomios
bases o lo que se pueda del ejercicio anterior.
Pgina 6 de 18
Ao 2012
Matemtica Superior
0(x) = n0(x) = 1
1(x) = n1(x) = 1(x-x0)
2(x) = n2(x) = 1(x-x0)(x-x1)
3(x) = n3(x) = 1(x-x0)(x-x1)(x-x2)
.........................
0(x) = n0(x) = 1,
k(x) = nk(x) = nk-1(x)(x-xk-1),
0
.........
0
1 x1 x0
,
1 x x ( x x )( x x ) ........
0
2
0
2
0
2
1
de donde es posible obtener los coeficientes de la combinacin lineal ak, por sustitucin
hacia adelante. As resulta:
a0= y0,
a1 =
y1 y 0
,
x1 x 0
a2 =
y 2 a1 (x 2 x 1 ) y 0
(x 2 x 0 )(x 2 x 1 )
y 2 y1 y1 y 0
x 2 x1 x1 x 0
a2 =
x2 x0
A los valores de a1 y a 2 se los conoce como diferencias divididas de Newton de orden 1
y 2 respectivamente. En general los coeficientes de la combinacin lineal, usando como
Dr. Ing. Anibal Mirasso
Interpolacin y aproximacin polinomial.
Pgina 7 de 18
Ao 2012
Matemtica Superior
orden 1
diferencia dividida
de orden 2
a0
-3
a1
-3 2 5
=
= 5
2 1
1
6 (3) 9
= =3
52
3
a2
3 (-5) 8
= =2
5 1
4
Como
P2(x)= a0 + a1 (x x0) + a2 (x x0) (x x1),
se obtiene
P2(x)= 2 + (-5) (x 1) + 2 (x 1) (x 2).
Ventajas del mtodo:
Es de simple interpretacin.
Puede ser difcil obtener una expresin simplificada del polinomio obtenido.
Pgina 8 de 18
Ao 2012
Matemtica Superior
k(x),
Esta funcin Error de interpolacin tiene (n+1) ceros, ya que en cada uno de los xi
datos, los valores de f(xi) coinciden con los de Pn(xi), por lo que se puede expresar
como un polinomio de al menos grado (n+1), como
E (x)= C (x-x0) (x-x1) (x-x2) (x-xn)
La constante C se determinar de modo que la funcin auxiliar W(x) sea cero para todo
valor de x. Siendo,
W(x)= f(x) - Pn(x)-E(x)
Pgina 9 de 18
Ao 2012
Matemtica Superior
d n +1W d n +1 f d n +1 Pn d n +1 E
=
n +1
dx n +1
dx n +1
dx n +1
dx
d n +1W d n +1 f
=
0 C (n + 1)!
dx n +1
dx n +1
De donde es posible obtener C que anula
d n +1W
para cada valor de x, es decir
dx n +1
d n +1 f ( )
n +1
con (x0, xn), que da un valor medio de la derivada n-sima de f(x). As
C = dx
( n + 1)!
para cada valor de x existe una C que hace el error de interpolacin se pueda expresar
d n +1 f ( )
n +1
E ( x) = dx
( x x0 )( x x1 )( x x 2 ).............( x x n )
(n + 1)!
Esta expresin establece que:
con i=0,n,
con i=0,n,
Pgina 10 de 18
Ao 2012
Matemtica Superior
P(x) = a0 + x a1 + x2 a2 + x3 a3
a1 + 2 x a2 + 3 x2 a3
P'(x)=
1 xi +1
0 1
0 1
xi2
xi2+1
2 xi
2 xi +1
xi3 a 0 y i
xi3+1 a1 y i +1
= '
3 xi2 a 2 y i
'
3 xi2+1 a3 y i +1
-1
xi +1 xi
2
( + 1) ,y la relacin inversa ( x) =
( x xi ) 1
xi +1 xi
2
P ( ) = 1
a 0
a
3 1
que matricialmente es P()=Ha
a 2
a3
De imponer que se verifiquen: (-1, yi); (-1, y'i); (1, yi+1); (1, y'i+1); se obtiene el siguiente
sistema
y1 y i
1 1 1 1 a 0 y i
y'
0 1 2 3 a y '
1 = i que matricialmente es Ca=y con y= y 2 = i
1 1
1
1 a 2 y i +1
y 3 y i +1
'
y 4 y i' +1
2
3 a 3 y i +1
0 1
1 3 1 3 1
C-1=
4 0 1 0 1
1 1 1
1
Pgina 11 de 18
Ao 2012
Matemtica Superior
N= 1
2 3]
1
2 1
2
3 1 3 1
1
= [N 1
4 0 1 0 1
1 1 1
1
N2
N1()= (1/4)(2 - 3 + 3)
= (1/4)(2+ )(1 )2
N2()= (1/4)(1 - 2 + 3)
= (1/4)(1+ )(1 )2
N3()= (1/4)(2 + 3 3)
= (1/4)(2- )(1+ )2
N4()= (1/4)(-1 - 1 + 2 + 3)
= (1/4)( 1)(1+ )2
N3
N4 ]
Con las relaciones de x(), (x), Ni() (i=1, 4), es posible calcular cualquier valor
intermedio, y tambin obtener cualquier derivada. Para ello se debe considerar que
2
2
dP dP d
dP
=
=
=
dx d dx xi +1 xi d xi +1 xi
4 dN k ( )
yk
k =1 d
dN 1 ( )
d
dN 2 ( )
d
dN 3 ( )
d
y1
dN 4 ( ) y 2
=(2/(xi+1-xi)*B*y
d y 3
y 4
En cada subintervalo [xi, xi+1] el polinomio Si(x) es cbico por consiguiente tiene 4
coeficientes a determinar.
Existe continuidad de la funcin S(x), su derivada primera S(x), y su derivada
segunda S(x), en todos los puntos del intervalo [x0, xn].
en cada intervalo [xi; xi+1] el polinomio debe tomar el valor dato, esto es:
S i (x i ) = y i
en n subintervalos, o sea son 2n condiciones
S i (x i +1 ) = y i +1
Pgina 12 de 18
Ao 2012
Matemtica Superior
continuidad de S en todos los ti, es decir Si -1(xi) = Si(xi) en todos los puntos, salvo
los extremos t0, tn. Es decir son n 1 condiciones.
Continuidad de S en todos los ti Si -1 (xi) = Si(xi) son n 1 condiciones.
Se tienen entonces 2n + n 1 + n 1 = 4n 2 condiciones y 4n coeficientes a
determinar. La eleccin de las dos condiciones adicionales se usa segn convenga.
Para determinar los coeficientes de los polinomios en cada intervalo, se deben
relacionar las condiciones de continuidad a cumplir con los datos que se tienen, que son
las coordenadas (xi, yi) de los n puntos.
Por cada par de valores (puntos) (xi, yi) (xi+1, yi+1) se debe encontrar los coeficientes del
polinomio cbico cumpliendo con los requisitos de continuidad.
Se tienen como datos
(xi, yi) (xi+1, yi+1)
hi=xi+1-xi.
zi
z
(x i +1 x) 3 + i +1 (x x i ) 3 + Cx + D
6h i
6h i
hi
+ Cx i + D
S i (x i ) = y i = z i
6
,
2
hi
S i (x i +1 ) = y i +1 = z i +1 6 + Cx i +1 + D
que es un sistema lineal en C y D
Pgina 13 de 18
Ao 2012
Matemtica Superior
2
yi
hi
hi
=
a
z
i
6
hi
1 x i D y i z i 6
a
.
2 = h i siendo
1 x C =
i +1
b
b = y i +1 z h i
y z h i
i +1
i +1
i +1
hi
6
6
Para resolver el sistema de 2 x 2 se puede hacer
xi
hia
1 x i h i a 1
, de donde
1 x i +1 h i b 0 x i +1 x i h i b h i a
C=
h i (b a)
= ba
x i +1 x i
D = h i a Cx i = h i a (b a)x i
As el trmino lineal Cx+D de Si(x) resulta,
Cx+D
= (b a) x + hi a -xi(b a)
= bx ax + hi a xi b + xi a
= a (-x + hi + xi) + b (x xi)
= a (xi+1 x) + b (x xi)
(x x i )
h i y i +1
h
y
h
+
z i +1 i i + z i i
6
2
hi
6 hi
h
y
y
h
S' i (x i ) = z i i z i +1 i + i +1 i
3
6
hi
hi
Si se considera la expresin de Si (x), se puede deducir que
Pgina 14 de 18
Ao 2012
Matemtica Superior
y
z i 1
z
h y
h
(x i x) 2 + i (x x i 1 ) 2 + i z i i 1 i 1 z i 1 i 1
2h i 1
2h i 1
6 h i 1
6
h i 1
h
y
h
y
h
S' i 1 (x) = z i i 1 + i z 1 i 1 i 1 + z i 1 i 1
2
h i 1
6
h i 1
6
S' i 1 (x) =
h i 1
h
y
y
+ z i 1 i 1 + i i 1
3
6
h i 1 h i 1
De igualar Si (xi) = Si 1 (xi) se obtiene
S' i 1 (x) = z i
zi
hi
h
y
y
h
h
y
y
z i +1 i + i +1 i = z i i 1 + z i 1 i 1 + i i 1
3
6
hi
hi
3
6
h i 1 h i 1
h i 1
h
h
y
y
y
y
h
+ z i i 1 + i + z i +1 i = i +1 i i + i 1
6
3
6
hi
h i h i 1 h i 1
3
6
6
z i 1 h i 1 + z i 2(h i 1 + h i ) + z i +1 h i =
(y i +1 y i )
(y i y i 1 )
hi
h i 1
siendo las incgnitas de esta ecuacin los valores de las curvaturas zi-1, zi, zi+1.
z i 1
u1
h1
h1
u2
h2
h2
u3
h3
O
O
hn 3
u n 2 hn 2
hn 2 u n 1
z 0 1
z
1 2
z 2 M
M = M ,
z n2 M
n 1
n2
hn 1 z n n 1
siendo
h i = x i +1 x i
u i = 2(h i + h i 1 )
6
6
(y i +1 y i )
(y i y i 1 )
hi
h i 1
Para resolver el sistema de (n-1) ecuaciones con (n+1) incgnitas, se eligen dos de las
i =
As, dados n +1 puntos (xi, yi) la solucin del sistema de ecuaciones da los valores de
curvaturas de los splines cbicos naturales definidos por tramos mediante la expresin
Si(x), que aseguran continuidad hasta segundo orden.
Pgina 15 de 18
Ao 2012
Matemtica Superior
j=1,m,
i=1,n
como diferencia entre el valor conocido yi, y el valor de la funcin aproximada en xi.
Llamando r al vector n dimensional de componentes ri, i=1,n, se tiene que los
coeficientes aj son tales que
min r
2
2
r 22
=
a
a
j
j
(r r ) = 0
i i
i = 1, n; j = 1, m.
Pgina 16 de 18
Ao 2012
Matemtica Superior
aj
(
)
r
=0
2
( )
2
ri = 0
aj
2 ri
(ri ) = 0
aj
ri
yi
a j
2
i = 1, n
k (x i ) a k = 0
j = 1, m
k = 1, m
r (0 (x ) )= 0
i
j (x i ) = 0
(2)
yi
k ( x i ) a k j (x i ) = 0
(x )
j
k (x i ) a k
(x ) y
j
j ( x n )
a m
yn
1 ( x n ) 2 ( x n )
L m ( x1 )
L m ( x 2 )
O
M
L m ( x n )
se observa que
y1 a k k ( x1 )
k
y 2 a k k ( x2 )
= y a
k
r=
y n a k k ( x n )
k
Pgina 17 de 18
Ao 2012
Matemtica Superior
r (x ) = 0
i
j = 1, m
j r = 0
j = 1, m
T r = 0
T y a = 0
Para finalmente obtener
T a = T y ,
que es el sistema de ecuaciones cuya resolucin da los coeficientes aj buscados.
Casos especiales:
Aproximacin Lineal
Datos (xi, yi) i=1, n
Base {1 (x), 2 (x)}={1, x}
1 x 1
1 x
2
= [1 (x) 2 (x ] =
M M
1 x n
T a = T y
1
x
1
1
x2
1 x 1
L 1 1 x 2 a 1 1
=
L x n M M a 2 x 1
1 x n
n
n
x
i
I =1
1
x2
y1
L 1 y 2
L x n M
y n
x
yi
i a
I =1
= ni =1
n
2 a 2
xi
yi x i
I =1
i =1
Aproximacin Cuadrtica
Datos (xi, yi) i=1, n
Base {1 (x), 2 (x), 3 (x)}={1, x, x2}
Encontrar la matriz de coeficientes y la matriz de coeficientes del sistema de
ecuaciones lineales a resolver para obtener los coeficientes ai.
Pgina 18 de 18
Ao 2012
Matemtica Superior
INTEGRACIN NUMRICA
Pgina 1 de 22
Ao 2012
Matemtica Superior
R, que es
Analtica
f(x)
f(x)
Se busca encontrar:
b
I = f ( x )dx o V =
a
df ( x )
dx
= f ' (a ) ,
x =a
que en trminos generales se pueden expresar mediante algn operador lineal L(),
I = L[f(x)]
V = L[f(x)].
En ambos casos es posible encontrar un polinomio (interpolante) que pase por puntos conocidos, y
sobre esa aproximacin, aplicar el operador de inters.
Si f(x) est dada en forma discreta es posible interpolar f(x) colocando un polinomio Pn(x),
de grado n, por los (n+1) puntos datos.
Dr.Ing Anibal Mirasso
Integracin Numrica
Pgina 2 de 22
Ao 2012
Matemtica Superior
Si f(x) est dada en forma analtica se pueden "extraer" esos (n+1) puntos, es decir que se
puede obtener como discreta evaluando la funcin f(x) en los valores xi, i=0,...,n, para obtener los
n+1 puntos (xi ; yi = f(xi)), i = 0,1,2,...,n.
As resulta
f(x) = Pn(x) + En(x),
donde En(x) es el error de interpolacin, E n ( x ) =
f(x)
f ( n +1) ()
(x x 0 )L(x x n ) .
(n + 1)!
f(x)
Pn(x)
Pn(x)
x
Cualquier operador lineal L[x] (como la integral o la derivada) aplicado a f(x) resulta:
L [f(x)] = L [Pn(x)] + L [En(x)].
2 INTEGRACIN NUMRICA
Se busca encontrar la integral definida I R,
Xn
I=
f(x)
f ( x )dx ,
X0
X
xn
x0
En virtud de la igualdad
Xn
I=
Xn
f (x )dx = (P
n (x)
X0
+ E n ( x ) )dx =
X0
Xn
n ( x )dx
X0
Xn
n ( x )dx
= In + En ,
X0
(1)
Pgina 3 de 22
Ao 2012
Matemtica Superior
Todos los mtodos que veremos tienen la misma estructura: la cuadratura In se expresa como
una suma In =
j= 0
Los valores xj donde se conoce f(xj) son predeterminados. Son datos fijos para la Regla
de Integracin.
Los j se determinan en cada regla para esos valores xj.
El paso puede ser fijo o variable. Se denomina paso a la distancia entre las abscisas dato.
Yi l i ( x ) ,
i =0
x0
xn
ji
y el grado del polinomio Pn y la cantidad de polinomios bases li(x) dependen del nmero de puntos
datos, n+1.
As se obtiene f(x) = Pn (x) + En(x) y se tiene que
I=
Xn
Xn
Xn n
Xn
X0
X0
X0
X0
f ( x )dx =
Yi l i ( x )dx + E n ( x )dx ,
[Pn ( x ) + E n ( x )] dx =
i =0
n Xn
i =0 X 0
i =0
Xn
I = Yi l i ( x )dx + E n = Yi l i ( x )dx + E n .
X0
1
424
3
i
I = In+En, donde
As,
n
I n = i Yi
i =0
Xn
con i = l i ( x) dx
X0
Pgina 4 de 22
Ao 2012
Matemtica Superior
En =
Xn
f ( n +1) ( )
x
E
(
)
=
( x x0 ) L ( x x n )dx
n
(n + 1)! X0
X0
Xn
( x) dx.
X0
Xn
hi
(Yi + Yi +1 ) 1 h i 3 f ' ' (),
2
12
Es una regla de integracin de Newton Cotes por 2 puntos (xi;yi), (xi+1;yi+1). Dada
X i +1
I=
f (x) dx ,
Xi
P1 ( x ) = Yi l i ( x ) + Yi +1l i +1 ( x ) ,
(3)
donde
x x i +1
x x i +1
=
x i x i +1
x i +1 x i
x xi
li +1 ( x ) =
x i +1 x i
li ( x ) =
El error de interpolacin es E 1 ( x ) =
f ( 2) ()
( x x i )( x x i +1 ) , siendo ( x i ; x i +1 ).
2!
I=
[P ( x ) + E
1
x i +1
1 (x )
xi
x i +1
1 ( x ) dx ,
xi
hi
(Yi + Yi+1 ),
2
(4)
Pgina 5 de 22
Ao 2012
Matemtica Superior
y donde
h
i = i =
2
i +1
x i +1
l (x )dx,
i
xi
h
= i =
2
x i +1
i +1 ( x )dx.
xi
Sabemos que al calcular la integral definida de la funcin f entre xa y xb por el mtodo de los
trapecios, se comete un error E1:
xa
I = f ( x )dx = I1 + E 1 ,
xb
donde
I1 =
h
h
Ya + Yb y
2
2
xb
E1 =
xb
x E 1 (x )dx = x
a
xb
f ( 2 ) ()
f ( 2 ) ()
( x x a )( x x b )dx =
( x x a )( x x b )dx .
2!
2! x
(5)
x x a = ( xb x a ) t ,
1
424
3
x = x a + ht
x xb + ( xb x a ) = ht
as resulta
x xb + h = ht
x xa = h t ,
x xb = h(t 1)
dx = h dt.
As se puede hallar
xb
t )dt = h 3
1
,
6
Pgina 6 de 22
Ao 2012
Matemtica Superior
3.1.3
I=
X f (x )dx ,
i
si existe la primitiva de f(x), es decir, si existe una funcin G(x) tal que
dG ( x )
= G' (x) = f (x) ,
dx
la integral es
I = G ( x i +1 ) G ( x i ) .
(6)
hi
[Yi + Yi+1 ] con
2
Yi +1 = f ( x i +1 )
y Yi = f ( x i ).
(7)
h i
h 2
h3
Yi + Yi + h i f ' ( x i ) + i f ' ' ( x i ) + i f ' ' ' ( x i ) + L ,
2
2
6
h
h
h
I1 = Yi h i + i f ' ( x i ) + i f ' ' ( x i ) + i f ' ' ' ( x i ) + L
2
4
12
y, reemplazando esta ltima expresin y la expresin (6) en (1), se obtiene la expresin del error en
la regla de trapecios:
1
1 1
E1 = I I1 = h i 3f ' ' ( x i ) = h i 3f ' ' (), ( x i , x i +1 ) .
12
6 4
Decimos que el error en la regla de trapecios es del orden de h3: O(h3).
Observacin: no se debe confundir el orden de la regla de integracin, que en este caso es 1, con
el orden del error para la regla de integracin, que en este caso es O(h3).
Pgina 7 de 22
Ao 2012
Matemtica Superior
hi
h
1 3
Yi + i Yi +1 h i f ' ' () ,
2
2
12
donde ( x i , x i +1 ) .
3.1.4
Para calcular I =
Xi
G(t)dt = a
0 G (0)
+ a 1G (1) + R ,
Resultado exacto
a01+a11
1
2
a00+a11
1dt
0
1
tdt
0
El requisito de que la regla sea exacta para integrar las funciones 1 y t nos permite plantear un
sistema de ecuaciones:
a01+a11 = 1
a00+a11=
de donde resultan a0 = a1 =
1
2
1
.
2
Entonces
1
y, as
I=
x i +1
xi
i +1
) + h R .
Pgina 8 de 22
Ao 2012
Matemtica Superior
dt =
1 1
1
1
= G (0) + G (1) + 2 = 0 + + 2 ,
3 2
2
2
1
de donde 2 = .
6
( 2)
1 G ()
.
As R =
6
2!
Para ponerlo en trminos de f(x), teniendo en cuenta que
G' =
dG df dx
=
= f 'h
dt dx dt
se llega a R =
y G' ' =
dG' d
dx
=
(f ' h )
= f ''h 2 ,
dt dx
dt
1 f ( 2 ) () 2
h .
6 2!
X i +1
f (x)dx = h
Xi
Yi Yi +1 1 3 ( 2 )
2 + 2 12 h i f () .
EJEMPLO: Sea f(x) = sen(x). Se plantea la integral para los intervalos [0, /2] y [0, ].
En forma exacta:
X i +1
I=
i +1 ) .
Xi
xi = 0 ; xi+1 = /2
I = cos(0) - cos(/2)
I=1
xi = 0 ; xi+1 =
I = cos(0) - cos()
I=2
h
[Yi + Yi+1 ], se obtiene los resultados
2
aproximados:
h = /2
I1 = /2*1/2*[ sen(0)+ sen(/2)]
I1 = /4 = 0,7854
h=
I1 = /2[ sen(0) + sen()]
I1 = 0
Pgina 9 de 22
Ao 2012
Matemtica Superior
n 1
(x x 0 )h 2 f ( 2 ) ()
h
Y
+
2
Yi + Yn + n
2
12
i =1
Se busca I R,
f(x)
Xn
I = f ( x )dx .
X0
X1
X2
X0
Xn
Xn
(Y0 + Y1 ) + E (h
1
3
0
) + h1
(Y1 + Y2 ) + E (h 3 ) + .............. + h
2
n 1
(Yn 1 + Yn ) + E (h
2
3
n 1 ) .
Si todos los intervalos tienen igual longitud hi=h, esa frmula se simplifica y se tiene la regla de
trapecios mltiple:
n 1
Y
Y
I = h 0 + Yi + n + E 1M ,
2
i =1
2
donde E1M es el error total que se acumula al sumar los n errores provenientes de la aplicacin de la
regla en cada subintervalo. Para aproximar ese error E1M, hacemos:
n
E1M =
i =1
E1M =
1 3 ( 2)
h f ( i ) , donde 1 (x0, x1), ..., n (xn-1, xn). Entonces,
12
1 3 n ( 2)
h f ( i ) .
12 i =1
(8)
Se toma al promedio de las derivadas segundas en puntos interiores a cada subintervalo como
aproximacin de la derivada segunda en un cierto punto interior al intervalo [x0; xn]:
n
1 n (2)
f ( 2 ) ()
f ( i ) . Esta expresin nos permite sustituir
f ( 2 ) ( i ) por nf (2) () en (8):
n i =1
i =1
E1M =
1 3 ( 2)
h nf () .
12
Pero en esta expresin nos queda el error en trminos de h y de n. Queremos eliminar n; como se ha
(x x 0 )
supuesto que todos los hi son iguales, entonces es h = n
y as,
n
1
1 (x n x 0 ) 2 ( 2)
E1M = h h 2 nf ( 2) () =
h n/ f () .
12
12
n/
Dr.Ing Anibal Mirasso
Integracin Numrica
Pgina 10 de 22
Ao 2012
Matemtica Superior
(x n x 0 )
12
h 2 f ( 2 ) ( ) .
Observacin: al pasar de la regla de trapecios a la regla de trapecios compuesta el orden del error
I = sen ( x )dx
0
n 1
Y
Y
I h 0 + Yi + n = h S , donde Yi = sen (xi), i=0,,n.
2
2 i =1
X
0
/4
/2
3/4
Y
0
2 /2
1
2 /2
0
0
h1 =
1
0
0
0
1
S1
h2 = /2
1
0
2
0
1
S2
h3 = /4
1
2
2
2
1
S3
es I3.
Los errores cometidos por cada aplicacin de la regla son, respectivamente O(h13), O(h22) y O(h32).
Ntese en el orden del error que para un mismo valor de h es ms precisa la regla de trapecios
simple que la de trapecios compuesta.
En nuestro ejemplo, la mejor aproximacin es I3 pero se debe a que trabaja con un paso h menor.
Pgina 11 de 22
Ao 2012
Matemtica Superior
AlgoritmoTrapecios-mltiples-Equidistante-analtica
Var (x0, xn, n, h, sum, real)
Var (i entera)
DEFINICIN DE FUNCTION f(x)
h = (xn - x0)/n
x = x0
sum = f(x0)/2
DOFOR i =1, n-1
x = x +h
sum = sum + f(x)
ENDDO
sum = sum + f(xn)/2
TrapEq = sum*h
END
Pgina 12 de 22
Ao 2012
Matemtica Superior
5
h
[f ( x 0 ) + 4 f ( x 1 ) + f ( x 2 )] h f ( 4) () ,
3
90
Es una cuadratura de Newton Cotes con n = 2, es decir con tres puntos. Se interpola mediante un
polinomio de Lagrange de grado dos y luego se integra en forma aproximada ese polinomio.
X2
I=
f(x)
f (x )dx ,
X0
x x1 x x 2
l 0 (x) =
x 0 x1 x 0 x 2
l1 ( x ) =
x x0 x x2
x1 x 0 x1 x 2
l 2 (x) =
x x 0 x x1
x 2 x 0 x 2 x1
E 2 (x) =
X
X0
X1
X2
l0(x)
X
X0
f ( 3)
(x x 0 )(x x 1 )(x x 2 )
3!
X1
X2
l1(x)
As I = I2+E2, donde
I2 =
Yi i
i =0
x2
X0
X1
X2
l2(x)
i = l i ( x )dx , i = 0,1,2.
x0
x2
X0
E 2 = E 2 ( x )dx
X1
X2
Pgina 13 de 22
Ao 2012
Matemtica Superior
3.4.2
I = hG ( t )dt = h G ( t )dt = h [C i G i ] + R .
(9)
=
i
1
1
1
Se propone resolver la integral de G por el mtodo de los
coeficientes indeterminados, es decir:
G ( t )dt = C
1 G ( 1)
+ C 0 G (0) + C 1 G (1) + R ,
con C-1, C0, C1 a determinar, tales que la regla es exacta para {1, t, t2}. Al igual que antes,
resolvemos las integrales en forma exacta y segn la regla, lo cual nos permite plantear un sistema
de ecuaciones y hallar los coeficientes buscados.
tdt = 0 = 1C 1 + 0C 0 + 1C 1
1
2
2
t dt = = 1C 1 + 0C 0 + 1C 1
3
1
1dt = 2 = C 1 + C 0 + C 1
C 1 = C 1
1
C1 =
3
4
C0 =
3
4
1
1
I = h f ( x 0 ) + f ( x 1 ) + f ( x 2 ) + hR = I 2 + E 2
3
3
3
de donde
4
1
1
I 2 = h Y0 + Y1 + Y2 .
3
3
3
3.4.3
Pgina 14 de 22
Ao 2012
Matemtica Superior
La regla de Simpson es exacta (por definicin) para polinomios hasta grado 2. Como hicimos antes,
para hallar el error, se aplica la regla a otros polinomios. Para polinomios de grado tres, resulta
1
1 t
3
1
1
dt = 0 = (1) 3 + (0) + 13 = 0 ,
3
3
3
lo cual nos est indicando que la regla es exacta hasta para polinomios de grado 3. Para
determinar el error se sigue con polinomios de grado 4, y se obtiene
1
dt =
2 1
4
1
= ( 1) 4 + (0) + 14 + 4 ,
5 3
3
3
I = I2 + E2
4
1
1
1
5
4
1
1
h ( 4)
I = h f ( x 0 ) + f ( x 1 ) + f ( x 2 ) f () ,
3
3
3
90
h
3
( x n x 0 )h 4 ( 4)
f
(
x
)
+
4
f
(
x
)
+
2
f
(
x
)
+
f
(
x
)
f ( ) .
0
i i
i
n
90 2
i impares
pares
Ac, el error se halla sumando los errores provenientes de cada intervalo, de manera anloga a
como se hizo para hallar el error en la regla de trapecios compuesta.
Al pasar de la regla de trapecios a la regla de trapecios compuesta el orden del error pas de O(h3) a
O(h2), disminuyendo la precisin; lo mismo sucede en el caso de la regla de Simpson, que pasa de
un error de orden O(h5) a un error del orden O(h4) en Simpson compuesta.
Dr.Ing Anibal Mirasso
Integracin Numrica
Pgina 15 de 22
Ao 2012
Matemtica Superior
4 CUADRATURA DE GAUSS
Planteamos el problema en el dominio unitario
[-1, 1], sabiendo que se puede llevar a cualquier otro
intervalo mediante un cambio de variables conveniente.
Como se observa en el grfico, este mtodo
propone hallar los valores de abscisas t1 y t2 para
aproximar la integral entre 1 y 1 de f(x) mediante el
rea bajo la recta graficada.
Esta regla de integracin se define buscando los
coeficientes y los puntos de evaluacin de la funcin. Si
ba
h=
2
x = ht + c
dx = h dt
G(t) = f(ht+c)
b
n
n
I = f ( x )dx = h G ( t )dt = h i G ( t i ) + R = h i G ( t i ) + E .
i =0
i =0
a
1
1, 2, t1, t2 deben ser tales que el error de integracin sea R = 0 para polinomios de hasta 3 grado.
Comparando los resultados exactos de la integral con el resultado propuesto por la regla, se tiene:
1
1dt = 2 = 1
+ 1 2
1
1
tdt = 0 = t
+ t 22
1 1
1
1
t dt = 3 = t
2
2
1
1 + t 2 2 2
1 = 2 = 1
t1 = t 2 =
(9)
3
3
1
1
t dt = 0 = t
3
3
1 1
+ t 2 2
y la regla queda:
3
3
+ G
I = h G
3 + E , o sea
3
3
+ c + E
+ c + f h
I = h f h
3
3
EJEMPLO: Se desea calcular el volumen de una esfera de radio r mediante el clculo de
Dr.Ing Anibal Mirasso
Integracin Numrica
Pgina 16 de 22
Ao 2012
Matemtica Superior
V =
([ r
x ] ) dx =
1
[r
x 2 ] dx .
Llamando
x = ht+c = ht+0
dx = h dt,
G(t) = f(ht+c) = f(ht+0) = (r2(ht)2)
se plantea:
1
1 [
V = r 2 h 2 t 2 h dt h (1G ( t1 ) + 2G ( t 2 ) )
3
3
3 3
+ f h
+ 1 G
= h f h
= h 1 G
3
3
3
Como h = r, se obtiene:
2
2
3
3 4
3
2
2
2
2
+ r r r
= r 3 1 + 1 = r 3 .
V = r r r
9 9 3
3
3
3
4
3 3
0.774596669
0.000000000
0.861136312
0.339981044
0.5555556
0.8888889
0.3478548
0.6521452
6
8
Pgina 17 de 22
Ao 2012
Matemtica Superior
5 EXTRAPOLACIN DE RICHARDSON
Toda vez que se tenga dos aproximaciones de una integral I (lo mismo vale para dos
aproximaciones de derivadas, por ejemplo) es posible mejorar la aproximacin con extrapolacin de
Richardson. Supongamos que se usa cierta regla de integracin, con orden de error de hn, para hallar
xn
(x n
x0 )
2
f ' ' ( 1 ) h 1 , 1 (x 0 , x n ) y
12
(x n
x0 )
2
f ' ' ( 2 ) h 2 , 2 (x 0 , x n ) .
12
= .
E(h 1 ) h 1
= = .
E(h 2 ) h 2
En general, si se trabaja con una regla cuyo error es del orden de hn, llamaremos
h
= 1
h2
I = I(h1)+E(h1) = I(h2)+E(h2)
I(h2) I(h1) = E(h1) E (h2) = E (h2) [ 1],
E(h 2 ) =
I( h 2 ) I( h 1 )
.
1
Pgina 18 de 22
Ao 2012
Matemtica Superior
Si al valor aproximado de la intergral I(h2), se le suma esta aproximacin del error E(h2), se obtiene
el siguiente valor mejorado de la integral:
[I(h 2 ) I(h 1 )]
I = I( h 2 ) + E ( h 2 ) = I( h 2 ) +
1
y sumando, se tiene
I=
I( h 2 ) I ( h 1 )
.
1
El error que se comete depende del error de la regla utilizada. Si h2 < h1, y la regla utilizada tiene un
error de orden n, el error que se comete es del orden de h1(n+2): E(h1(n+2)). En particular, en los
ejemplos analizados antes, si se usa la regla de trapecios compuesta, el error para la aproximacin
que da la extrapolacin de Richardson es del orden de h14: E(h14). Si se usa la regla de Simpson
compuesta, el error es del orden de h16: E(h16).
Observacin: si por falta de puntos se combina la aplicacin de una regla compuesta y la misma
regla pero simple, por ejemplo si se aplica Simpson simple con un paso h1 (el error es del orden de
h15) y Simpson compuesta con un paso h2 (el error es del orden de h24), el error de la nueva
aproximacin ser del orden de h16.
6 INTEGRACIN DE ROMBERG
Xn
Se busca I =
X0
I(h1)=I11 E(h12)
K=2
=24=(h1/h2)4 I=(16I**-I*)/15
E(h16)
K=3
Pgina 19 de 22
Ao 2012
Matemtica Superior
En k =3 se tiene
I
E(h16)
E(h26)
< Tolerancia ,
Alg Romberg
Var (X(9), Y(9), h(4), Int(4,4), sum(4): real; i:entero)
Do for i=1,9
Escribir Ingrese el valor de x, i
Leer X(i)
Escribir Ingrese el valor de y, i
Leer Y(i)
End do
Do for i=1,4
h(i)=(X(9)-X(1))/(2^(i-1))
End do
sum(1)=Y(1)+Y(9)
sum(2)=sum(1)+2*Y(5)
sum(3)=sum(2)+2*(Y(3)+Y(7))
sum(4)=sum(3)+2*(Y(2)+Y(4)+Y(6)+Y(8))
Do for i=1,4
Int(i,1)=h(i)/2*sum(i)
End do
Do for i=1,3
Int(i,2)=(4*Int(i+1,1)Int(i,1))/3
End do
Dr.Ing Anibal Mirasso
Integracin Numrica
Pgina 20 de 22
Ao 2012
Matemtica Superior
Do for i=1,2
Int(i,3)=(16*Int(i+1,2)Int(i,2))/15
End do
Int(1,4)=(64*Int(2,3)Int(1,3))/63
Escribir El valor mejorado de la integral es, Int(1,4).
END
FUNCTION Romberg (x0, xn, maxit, tol)
Local I(10,10)
n=1
I1,1= TrapEq(x0, xn, n)
Iter = 0
DO
Iter = iter + 1
n = 2 iter
Iiter+1,1 = TrapEq(x0, xn, n)
DO k = 2, iter+1
=2+iter-k
4 k 1 I j +1,k 1 I j ,k 1
I j ,k =
4 k 1 1
ENDDO
Eps=Abs((I1,iter+1-I1,iter)/I1,iter+1)
IF((eps tol) or (iter maxit)) EXIT
ENDDO
Romberg = I1,iter+1
END
Pgina 21 de 22
Ao 2012
EJEMPLO:
MTODO DE ROMBERG
I , j,k =
I = sen ( x )dx
4 k 1 I j+1, k 1 I j, k 1
4 k 1 1
k=1
k=2
I j, 2 =
k=3
4 I j+1,1 I j,1
3
I j, 3 =
16 I j+1, 2 I j, 2
15
k=4
I j, 4 =
64 I j+1,3 I j,3
63
I (trapecios)
h1=
I1=0
2,09439511
1,99857073
2,00000555
h2=/2
I2=1,57079633
2,00455976
1,9998313
2,0000001
h3=/4
I3=1,89611890
2,00026917
1,99999975
2,00000000
h4=/8
I4=1,97423160
2,00001695
2,00000000
h5=/16
I5=1,99357034
2,00000103
h6=/32
I6=1,98839336
O(h2)
O(h4)
O(h6)
O(h8)
k=5
I j, 5 =
256 I j+1, 4 I j, 4
255
k=6
I j, 6 =
1,9999999
2,0000000
O(h10)
O(h12)
Pgina 22 de 22
Ao 2012
1023
Matemtica Superior
DERIVACIN NUMRICA
1
2
3
4
5
6
7
Introduccin .................................................................................................................................................................... 2
Derivadas Primeras ......................................................................................................................................................... 3
2.1 Hacia adelante ............................................................................................................................................................ 3
2.2 Hacia atrs .................................................................................................................................................................. 3
2.3 Central ........................................................................................................................................................................ 4
Derivadas Segundas ........................................................................................................................................................ 5
Derivada Tercera ............................................................................................................................................................. 6
Derivada Cuarta .............................................................................................................................................................. 7
5.1 Error ........................................................................................................................................................................... 8
Derivada Primera Asimtrica .......................................................................................................................................... 9
Aplicacin de Derivada numrica en la solucin de ecuaciones diferenciales ordinarias con valores de contorno ...... 11
Pgina 1 de 13
Ao 2012
Matemtica Superior
1 INTRODUCCIN
El propsito de esta de esta Unidad es lograr obtener aproximaciones numricas de derivadas de
distinto orden de funciones dadas en forma discreta o continua; y su posible aplicacin en la solucin
de ecuaciones diferenciales.
Si bien es posible obtener derivadas aproximadas a partir de las interpolaciones con polinomios de
Newton, se ha optado por obtenerlas desde el concepto de Serie de Taylor.
Para iniciar el desarrollo se recuerdan las definiciones de derivada y Serie de Taylor, conceptos sobre
los que se basa el siguiente desarrollo. Es as que se define la derivada de una funcin f en un punto x0
como el siguiente lmite:
f (x0 + h ) f ( x0 )
f ( x0 ) = lim
.
h 0
h
Esta definicin lleva implcito un mtodo de aproximacin numrica:
f ( x )
f (x + h ) f (x )
.
h
f ( xs + nh ) = f ( xs ) + n h f ( xs ) +
2!
3!
4!
A partir del desarrollo de Taylor, resulta posible relacionar valores de la funcin en el entorno
(vecindad) de un punto xs con valores de la funcin y sus derivadas en el punto xs.
As en:
n = 2
f s 2 = f s 2 h f s +
n = 1
f s 1 = f s h f s +
n=0
fs = fs ,
n =1
n=2
Derivacin Numrica.
( )
h2
h3
h 4 v
f s
f s+
f s + O h5 ,
2!
3!
4!
( )
h2
h3
h 4 v
fs +
fs +
f s + O h5 ,
2!
3!
4!
f s +1
= f s + h f s +
f s+2
= f s + 2 h f s +
4 h2
8 h3
16 h 4 v
f s
f s+
f s + O h5 ,
2!
3!
4!
( )
4 h2
8 h3
16 h 4 v
fs +
fs +
f s + O h5 .
2!
3!
4!
( )
Pgina 2 de 13
Ao 2012
Matemtica Superior
2 DERIVADAS PRIMERAS
Analizaremos las derivadas primeras en la vecindad del punto:
f s =
1
[ f s +1 f s ] O(h )
h
f s
1
[ f s +1 f s ] = f s +1 f s
h
xs +1 xs
f s' f [x s +1 x s ] .
Grficamente se observa que la derivada es simplemente la pendiente de la secante que pasa por
los puntos (xs, fs) y (xs+1, fs+1):
f
fs+1
fs
x
xs
xs+1
Pgina 3 de 13
Ao 2012
Matemtica Superior
fs-1 = fs - h fs + O(h2)
siendo el error de truncamiento del orden O(h2):
Es posible despejar el valor de la derivada primera de la funcin en x=xs, en la forma,
f s1 =
1
[ f s f s 1 ] + O(h ) ,
h
siendo el error de truncamiento de la derivada del orden de O(h). Si se trunca e desarrollo en serie
de la derivada, resulta una aproximacin de la misma de la forma,
f s
1
[ f s f s 1 ] = f s f s 1
h
x s x s 1
f s' f [xs xs 1 ]
Grficamente se observa que la derivada es simplemente la pendiente de la secante que pasa por
los puntos (xs-1, fs-1) y (xs, fs):
f
fs
fs-1
x
xs-1
xs
2.3 Central
Teniendo en cuenta los desarrollos en serie de Taylor para n = 1 y n = -1:
f s +1 = f s + h f s +
h2
h3
f s +
f s+
2
6
f s 1 = f s h f s +
h2
h3
f s
f s+
2
6
h3
f s+
6
se obtiene:
Dr. Ing. Anibal Mirasso
Derivacin Numrica.
Pgina 4 de 13
Ao 2012
Matemtica Superior
f s =
2
1
[ f s +1 f s 1 ] h f s
2h
6
f s =
[ f s +1 f s 1 ] + O(h 2 )
2h
1
[ f s +1 f s 1 ] = f s +1 f s 1
2h
x s +1 x s 1
fs-1
x
xs-1
xs
xs+1
3 DERIVADAS SEGUNDAS
Considerando los desarrollos en serie de Taylor de la funcin para evaluar la funcin en las abscisas
xs-1 y xs+1:
f s 1
h2
h3
h4 v
= f s h f s +
f s
f s+
f s
2
6
24
f s +1
h2
h3
h4 v
= f s + h f s +
f s +
f s+
f s +
2
6
24
h4
f s+
12
es posible despejar :
f s =
1
h2
[
f
2
f
+
f
]
f s
s +1
s
s 1
12
h2
o bien,
Pgina 5 de 13
Ao 2012
Matemtica Superior
f s =
f s =
( )
1
[ f s +1 2 f s + f s 1 ] + O h 2
2
h
1 f s +1 f s f s f s 1
+ O (h 2 )
h
h
h
1
[ f s +1 2 f s + f s 1 ]
h2
f [x s +1 x s ] f [x s x s 1 ]
h
4 DERIVADA TERCERA
Considerando los desarrollos en serie de Taylor de la funcin para
4
2
v
n = -2
f s 2 = f s 2 h f s + 2 h 2 f s h 3 f s+ h 4 f s +
3
3
2
3
4
h
h
h
v
n = -1
f s 1 = f s h f s +
f s
f s+
f s +
2
6
16
2
3
h
h
h4 v
n = +1
f s +1 = f s + h f s +
f s +
f s+
f s +
2
6
16
4
2
v
n = +2
f s + 2 = f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s +
3
3
y combinndolos linealmente de la siguiente forma:
f s 2 + 2 f s 1 2 f s +1 + f s + 2 =
4 3
2
v
h f s h 4 f s
3
3
3
4
h
h
v
+ 2 f s 2 h f s + h 2 f s
f s+
f s +
3
8
3
h
h4 v
2 f s 2 h f s h 2 f s
f s+
f s +
3
8
4
2
v
f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s +
3
3
f s + 2 h f s 2 h 2 f s +
resulta
4 1 1 4
v
v
f s 2 + 2 f s 1 2 f s +1 + f s + 2 = + h 3 f s+ O h 5 f s = 2 h 3 f s+ O h 5 f s .
3 3 3 3
De donde se obtiene:
f s=
Dr. Ing. Anibal Mirasso
Derivacin Numrica.
1
[ f s 2 + 2 f s 1 2 f s +1 + f s + 2 ] 1 3 O h 5 f v s
3
2h
2h
)
Pgina 6 de 13
Ao 2012
Matemtica Superior
f s=
( )
1
[ f s2 + 2 f s1 2 f s+1 + f s+2 ] O h2 .
3
2h
1
[ f s 2 + 2 f s 1 2 f s +1 + f s + 2 ]
2 h3
1 ( f s + 2 f s +1 ) ( f s +1 f s ) ( f s f s 1 ) ( f s 1 f s 2 )
h
h
h
h
2 h 2
( f s + 2 f s +1 ) ( f s +1 f s ) ( f s f s 1 ) ( f s 1 f s 2 )
1
h
h
h
h
f s =
,
2h
2h
h
5 DERIVADA CUARTA
Considerando los desarrollos en serie de Taylor de la funcin para
n=0
4
2
4
v
v
f s 2 = f s 2 h f s + 2 h 2 f s h 3 f s+ h 4 f s h 5 f s +
3
3
15
2
3
4
5
h
h
h
h
v
v
f s 1 = f s h f s +
f s
f s+
f s
fs +
2
6
24
120
fs = fs
n = +1
f s +1 = f s + h f s +
n = +2
f s+2
n = -2
n = -1
h2
h3
h 4 v h5 v
f s +
f s+
f s +
fs +
2
6
24
120
4
2
4
v
v
= f s + 2 h f s + 2 h 2 f s + h 3 f s+ h 4 f s + h 5 f s +
3
3
15
Pgina 7 de 13
Ao 2012
Matemtica Superior
2
1 2h 2h
f s 2
2
f 1 h h
s 1
2
0
f s = 1 0
f
h2
s +1
1
h
2
f s + 2
1 2h 2h 2
4
h3
3
h3
6
0
h3
6
4 3
h
3
2 4
h
3
h 4
24
0
h4
24
2 4
h
3
fs
f
s
f
s
f s
v
f s
1
[ f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 ]
h4
1
f s = 3 [ f s 2 + 2 f s 1 + 0 f s 2 f s +1 + f s + 2 ]
2h
1 1
4
5
4
1
f s = 2
f s 2 + f s 1 f s + f s +1
f s+2
3
2
3
12
h 12
fs
f s =
11
2
2
1
f s 2 f s 1 + 0 f s + f s +1
f s+2
3
3
12
h 12
5.1 Error
El trmino que aparece en las expresiones anteriores como O(hp), se conoce como error de
truncamiento, ya que se obtiene al truncar la serie de Taylor. El orden de precisin de una derivacin
numrica viene dado por el exponente p de la potencia de h que aparece en el trmino del error de
truncamiento.
Para obtener el orden del error de las expresiones obtenidas, se combinan linealmente los desarrollos
en serie, segn los coeficientes obtenidos.
As para fs iv :
4
2
4
v
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = f s 2hf s + 2h 2 f s h 3 f s+ h 4 f s h 5 f v s + O(h 6 )
3
3
15
4
4
4 5 v
v
4 f s + 4hf s 2h 2 f s + h 3 f s h 4 f s +
h f s + O(h 6 )
6
24
120
+ 6 fs
4
4
4 5 v
v
4 f s 4hf s 2h 2 f s h 3 f s h 4 f s
h f s + O(h 6 )
6
24
120
4
2
4
v
f s + 2hf s + 2h 2 f s + h 3 f s+ h 4 f s + h 5 f v s + O(h 6 )
3
3
15
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = f s (1 4 + 6 4 + 1) + hf s( 2 + 4 4 + 2) + h 2 f s(2 2 2 + 2)
Dr. Ing. Anibal Mirasso
Derivacin Numrica.
Pgina 8 de 13
Ao 2012
Matemtica Superior
4
4 4 4 4
v 2 4
+
+ h 3 f s + + + h 4 f s
3 6 6 3
3 24 24
4
4
4
4
v
+ h5 f s +
+ + O(h 6 )
15 120 120 15
v
f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 = h 4 f s + O (h 6 ),
de donde
fs
( )
1
[ f s 2 4 f s 1 + 6 f s 4 f s +1 + f s + 2 ] + O h 2
4
h
Observacin: ntese que si se calcula la derivada primera de una funcin en un punto hacia delante o
hacia atrs (a partir de dos puntos datos), se tiene un error del orden de O(h); si se hace el clculo de
dicha derivada mediante la frmula central (a partir de tres puntos), se tiene un error del orden de
O(h2); en cambio si se lo hace utilizando esta ltima frmula (a partir de cinco puntos), se comete un
error del orden de O(h4). Algo similar ocurre con la derivada segunda.
n = +1
f s +1 = f s + h f s +
n = +2
f s+2
Al reemplazar estas series en la combinacin lineal propuesta y agrupando trminos se obtiene una
nueva serie para la derivada primera en Xs
f s' = [ + + ] f + f s [ h + 2h] +
Dr. Ing. Anibal Mirasso
Derivacin Numrica.
h2
h3
h4 v
f s [ + 4 ] +
f s [ + 8 ] +
f s [ + 16 ] +
2
6
24
Pgina 9 de 13
Ao 2012
Matemtica Superior
Para que la nueva serie obtenida sea igual a la derivada primera en Xs, se debe cumplir que
0 = [ + + ]
1 = [ h + 2h]
Siendo el error de truncamiento, el trmino ms importante de la parte truncada evaluado en un punto
cercano .
h2
f [ + 4 ]
2
De la solucin del sistema de ecuaciones lineales de dos ecuaciones con tres incgnitas se tiene:
= [ 1 / h + ]
= [1 / h 2 ]
De modo que la derivada primera hacia delante es
f s' = [[ 1 / h + ] f s + [1 / h 2 ] f s +1 + f s + 2 ]
Con un error de truncamiento local
h2
Er =
f [1 / h + 2 ]
2
Esto es vlido para todo valor de . En particular cuando es cero, se recupera la derivada primera
adelante y su error de truncamiento local. Mientras sea un coeficiente no nulo, el error de
truncamiento local depende del valor de y de h linealmente.
Es de destacar el caso en que se adopta = 1 /(2h) ; en cuyo caso la derivada primera hacia delante es
Er =
Pgina 10 de 13
Ao 2012
Matemtica Superior
u ( x) = x
en = {x R : 0 x 1}
senh( x)
senh(1)
En vez de encontrar la solucin en cada uno y todos los puntos del dominio , se plantea encontrar la
solucin en forma aproximada en slo algunos puntos elegidos del dominio y equidistantes
identificados con su abscisa Xk. Para ello se divide el dominio en N segmentos iguales y as quedan
definidos N+1 puntos que incluyen a los bordes del dominio.
Se busca U(Xk) con k=0,N; funcin discreta que es una aproximacin de la funcin continua u(x). En
cada punto se postula la existencia de un valor aproximado de la solucin buscada U(Xk)=Uk con k que
vara desde 0 hasta N.
En cada uno de los Xk se puede plantear la ecuacin diferencial a resolver pero con una aproximacin
de la derivada segunda en forma de derivada numrica considerando la funcin discreta Uk. As se
puede escribir:
1
[U k 1 2 U k + U k +1 ] + U k X k = 0
x 2
en X k
con k = 1, ( N 1)
siendo x=1/N la distancia entre los puntos. Es una ecuacin algebraica cuyas incgnitas son las Uk.
De estas ecuaciones se pueden plantear tantas como puntos interiores; es decir N-1 ecuaciones y se
tienen n+1 incgnitas. Adems se tienen las dos ecuaciones correspondientes a las Condiciones de
Contorno, que agregan dos ecuaciones ms. As se tienen N+1 ecuaciones con N+1 incgnitas.
Caso N=2
U 0 = 0 en X 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0
0,5 2
U 1 = 0 en X 1
O bien
U(x)
en X 1
9 U 1 0,5 = 0
U0
U1
X=0,5
La solucin aproximada es
U1
X=1
U 1 = 1 / 18 = 0,055555
Dr. Ing. Anibal Mirasso
Derivacin Numrica.
Pgina 11 de 13
Ao 2012
Matemtica Superior
1
senh(0,5)
senh(0,5)
(0,5
) /(0,5
) = 1,83%
18
senh(1)
senh(1)
Caso N=4
U 0 = 0 en X 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0
0,5 2
1
[U 1 2 U 2 + U 3 ] + U 2 X 2 = 0
0,5 2
1
[U 2 2 U 3 + U 4 ] + U 3 X 3 = 0
0,5 2
U 4 = 0 en X 4
en X 1 = 0,25
en X 2 = 0,5
en X 3 = 0,75
U(x)
U1
U0
U2
X=0,25
U3
X=0,5
X=0,75
U4
X=1
O bien
0 U 1 0,25
33 16
16 33 16 U = 0,5
0
16 33 U 3 0,75
La solucin aproximada es
U 1 0,03488525
U 2 = 0,05632582
U 0,05003676
3
E (abs) 4 = U 2 (0,5
senh(0,5)
senh(0,5)
) /(0,5
) = 0,47%
senh(1)
senh(1)
Pgina 12 de 13
Ao 2012
Matemtica Superior
Caso N=8
U 0 = 0 en X 0 = 0
1
[U 0 2 U 1 + U 2 ] + U 1 X 1 = 0
(1 / 8) 2
en X 1 = 1 / 8
1
[U 1 2 U 2 + U 3 ] + U 2 X 2 = 0 en X 2 = 2 / 8
(1 / 8) 2
1
[U 2 2 U 3 + U 4 ] + U 3 X 3 = 0 en X 3 = 3 / 8
(1 / 8) 2
.
U 8 = 0 en X 8 = 1
O bien
0
0
0
0
0
129 64
64 129 64
0
0
0
0
0
64 129 64
0
0
0
64 129 64
0
0
0
0
0
64 129 64
0
0
0
64 129 64
0
0
0
0
0
64 129
0
0
0
0
U 1 1 / 8
U 2 / 8
2
U 3 3 / 8
U 4 = 4 / 8
U 5 5 / 8
U 6 6 / 8
U 7 / 8
La solucin aproximada es
U T = {0,0183367; 0,03500678; 0,04831759; 0,05652399; 0,05780107; 0,05021568; 0,03169615}
As el error respecto de la solucin exacta en ese punto es
senh(0,5)
E8 = U 4 (0,5
) = 6,65711E - 05
senh(1)
E (abs) 8 = U 4 (0,5
senh(0,5)
senh(0,5)
) /(0,5
) = 0,12%
senh(1)
senh(1)
x
0,5
0,25
0,125
0,0625
Uaprox(0,5) EN
0,05555556
0,05632582
0,05652399
0,05657389
E(abs)N
0,001035002
0,000264735
6,65711E-05
1,66672E-05
1,83%
0,47%
0,12%
0,03%
Si se asume una relacin exponencial entre E(abs) N y x, la aproximacin por mnimos cuadrados da:
E (abs) N = C x P = e 2,6168 x1,9861
Que indica una relacin del orden de x1,9861 x 2 que es el error de truncamiento local de la
aproximacin de derivada segunda utilizado.
Pgina 13 de 13
Ao 2012
Matemtica Superior
SOLUCION NUMRICA DE
ECUACIONES DIFERENCIALES ORDINARIAS.
1
Introduccin ....................................................................................................................................... 2
5.1
5.2
5.3
5.4
5.5
5.6
6.2
6.2.1
6.2.2
6.2.3
Pgina 1 de 19
Ao 2009
Matemtica Superior
1 INTRODUCCIN
Las ecuaciones diferenciales aparecen con frecuencia en modelos matemticos de diversas
disciplinas: biologa, ecologa, economa, administracin, ingeniera, meteorologa,
oceanografa, fsica y sociologa.
Qu es una ecuacin diferencial?
Es una ecuacin en la que aparecen funciones, sus derivadas, una o ms variables
independientes y una o ms variables dependientes.
Las ecuaciones diferenciales se dividen en dos grupos:
Ecuaciones Diferenciales Ordinarias: (EDO) en las que aparece slo una variable
independiente x.
Ecuaciones Diferenciales Parciales: (EDP) en las que aparecen ms de una variable
independiente.
Centramos nuestra atencin en las EDO. El objetivo es determinar la funcin y(x) que
satisface la EDO. Por ejemplo:
a) y(x)=f(x)
b) y(x)=-K y(x), con K una constante dada.
c) (y(x))3 -3y(x)+x y = x
Donde ( ) indica derivada de ( ) respectoo a la variable independiente x.
Qu es el orden de una ecuacin diferencial?
Es el entero igual al nmero mximo de veces que se deriva la variable dependiente de la
ecuacin.
En los ejemplos anteriores: a) es de segundo orden; b) es de primer orden; c) es de segundo
orden.
Nos concentraremos en el estudio de EDO de primer orden.
y=f(x,y)
siendo f(x,y) una funcin conocida. La solucin a esta EDO ser una funcin tal que
sustituida en la EDO la reduce a la identidad. La solucin tendr una constante arbitraria por
lo que necesitaremos de una condicin adicional para determinarla: Es decir, la solucin de
una EDO es una familia de curvas. Al especificar una condicin inicial, estamos determinando
cul de esas curvas es la solucin a nuestro problema.
Nos interesa resolver una EDO de primer orden con una condicin inicial:
y=f(x,y)
y(x0)=y0
Por qu surge la necesidad de los mtodos numricos para resolver EDO?
Existen soluciones analticas para este tipo de EDO slo para casos especiales de la funcin
f(x,y). Estas EDO especiales se llaman: de variables separables, exactas, de Bernoulli,
homogneas, etc. Pero la EDO de primer orden que puede llegar a nuestras manos para su
resolucin, puede no caer en ninguno de esos casos especiales de EDO: Con frecuencia, los
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias
Pgina 2 de 19
Ao 2009
Matemtica Superior
problemas de la prctica, o bien no pueden resolverse por los mtodos clsicos, o bien la
solucin es tan difcil de obtener o tan laboriosa de evaluar que no vale la pena el esfuerzo.
En un gran nmero de aplicaciones prcticas algunos de los coeficientes o funciones de una
EDO son fuertemente no lineales, o estn dados por medio de un conjunto tabulado de
valores experimentales, lo que elimina las posibilidades de obtener una solucin clsica
analtica.
Entonces, por muchas razones, estamos obligados a buscar mtodos de solucin que se
apliquen en los casos en los que los mtodos clsicos no son tiles. Los mtodos que
consideraremos se generalizan fcilmente para resolver sistemas de EDO simultneas de
primer orden. Adems, EDO de orden superior se pueden reducir fcilmente a un sistema de
EDO simultneas de primer orden.
Solucin de una EDO de primer orden:
Sea la EDO de primer orden con condicin inicial:
y = f(x,y)
y(x0)=y0
(1)
La funcin f(x,y) es continua en un dominio D del plano (x,y). El punto (x0 , y0) pertenece a D. La
funcin Y(x) es solucin de (1) en un intervalo [a,b] si para todo x perteneciente a [a,b] se
verifica:
9 (x,Y(x)) D
9 Y(x0 )= Y0
9 Y(x) y se verifica que Y(x)=f(x,Y(x))
Cmo se obtiene en general una solucin numrica?
Buscamos una solucin Y(x). Qu datos tenemos? : Y(x0 )= Y0 y la pendiente de la curva en
cualquier punto como funcin f(x,y) de x e y. Comenzamos con el punto conocido (x0 ,Y0).
Calculamos la pendiente de la curva en ese punto (y = f(x,y)). Avanzamos sobre el eje x una
cierta distancia. Si al incremento en x lo llamamos h, obtenemos un nuevo punto x1 = x0 + h y
con la pendiente de la recta tangente ya obtenida se determina Y(x1 )= Y1. Continuando de
esta manera obtenemos una secuencia de lneas rectas que aproximan a la curva verdadera
que es la solucin.
Y(x)
y2
Y=Y(x)
y1
Y0
X
X0
X1
X2
Pgina 3 de 19
Ao 2009
Matemtica Superior
xm = x0 + m.h
La funcin aproximante Y(x) se obtiene slo para los puntos {xm}. Si necesitamos obtener Y
para otros valores de x, podemos usar interpolacin.
Si el problema consiste en determinar y(x) en x=b, podemos elegir n como el nmero de
subintervalos en [x0 , b]. Por lo tanto,
h = (b - x0)/n
Mtodos de un paso:
9 Son mtodos tales que para aproximar la solucin en el punto de abscisa xm usan
datos slo del punto anterior (xm-1 ,Ym-1).
9 Son mtodos directos, es decir, la solucin en un punto no se itera.
9 Tiene la desventaja de que es difcil estimar el error.
9 Mtodos: Desarrollo en Serie de Taylor; Mtodos de Runge-Kutta.
9 La forma general de estos mtodos es:
Mtodos multipaso:
9 Son mtodos tales que para aproximar la solucin en el punto de abscisa xm usan
informacin de varios puntos anteriores.
9 Son mtodos que requieren iteracin de la solucin para llegar a un valor
suficientemente preciso.
9 Es posible obtener una estimacin del error.
9 Requieren menos evaluaciones de la funcin.
9 La mayora de los mtodos de este tipo se llaman Predictor - Corrector.
9 La forma general de estos mtodos es:
p
j =0
j =1
Ym+1 = a jYm j + h b j f ( xm j , Ym j )
los que a su vez se clasifican en :
Mtodos explcitos, si b-1 = 0
Mtodos implcitos, si b-1 0
La determinacin de los coeficientes aj y bj no es arbitraria, sino que est asociada a los
conceptos de convergencia y estabilidad del mtodo.
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias
Pgina 4 de 19
Ao 2009
Matemtica Superior
(1)
y(x0)=y0
sera desarrollar y(x) en una Serie de Taylor con centro en x0 y luego evaluar la serie en x1
para as obtener y(x1) = y1. Repitiendo este proceso podemos movernos a x2, x3, etc. El
desarrollo en Serie de Taylor de y(x) con centro en x0, se puede escribir en la forma:
y(x) = y0 +y0 (x- x0) + y0/2 (x-x0)2 + y0/6 (x-x0)3 + ...
(2)
1
( x x0 ) k y 0( k )
k = 0 k!
y( x) =
1 k (k )
(h) y0
k = 0 k!
y ( x1 ) = y ( x0 + h ) =
(3)
En la prctica slo se utilizan los (n+1) primeros trminos del Desarrolllo en Serie de Taylor y
el mtodo recibe entonces el nombre de Mtodo de Taylor de orden n
Supongamos que hemos encontrado una solucin aproximada en (n+1) puntos a lo largo del
eje x: x0 , x1 , ..., xn Los valores sucesivos de x estn todos a una distancia h del precedente. Es
decir,
Pgina 5 de 19
Ao 2009
Matemtica Superior
(4)
x m = x0 + m . h
(5)
Ym = f (xm , Ym)
(6)
y =
df f f y f f
=
+
=
+
f
dx x y x x y
Si indicamos que
fx =
f
f
; fy =
x
y
Es decir, las letras subndices denotan derivadas parciales con respecto a la variable indicada
en el subndice. Escribimos la derivada segunda como:
y = f x + ff y
(7)
y = f = f xx + f xy y + ( f x + f y y ) f y + f ( f yx + f yy y ) =
= f xx + f xy f + f x f y ( f y ) 2 f + ff yx + f 2 f yy
y = f xx + 2 f xy f + f x f y + f ( f y ) 2 + f 2 f yy
(8)
Ym +1 = Ym + hf +
h2
( f x + ff y ) + ( h 3 )
2
(9)
( h 3 ) se lee: del orden de h 3 y significa que todos los trminos subsecuentes contienen h
elevada a la tercera potencia o superiores.
Esta es otra forma de decir que si usramos la frmula (9) sin el trmino ( h 3 ) el error por
truncamiento sera aproximadamente Kh 3 en que K es alguna constante.
La expresin del error de truncamiento asociada con la utilizacin de la expresin (5) se
puede obtener al evaluar el primer trmino omitido en la Serie de Taylor, es decir,
ET =
h n +1
f (n)
( n + 1)!
x =
h n +1
y ( n +1) ( )
( n + 1)!
(10)
donde es algn punto entre x j y xj+1. Este error (con signo) se llamar error de
truncamiento local o de un paso.
La solucin en Serie de Taylor se clasifica como mtodo de un paso porque para evaluar
ym+1
Pgina 6 de 19
Ao 2009
Matemtica Superior
h n +1 ,
5 MTODOS DE RUNGE-KUTTA.
5.1 CARACTERISTICAS GENERALES.
Los mtodos de Runge-Kutta tienen tres propiedades fundamentales:
Pgina 7 de 19
Ao 2009
Matemtica Superior
Ym = f ( x m , Ym )
(11)
Y = Ym + Ym ( x x m )
(12)
donde Ym = f ( x m , Ym ) .
Y(x)
L1
Y=Y(x)
ym+1
Ym+1
h fm
A
Ym
X
Xm
Xm+1
Ym +1 = Ym + hf ( xm , Ym )
(13)
Esta expresin coincide con el desarrollo en Serie de Taylor hasta el trmino en h . por lo
tanto, el error de truncamiento local es:
ETL =
h 2
y ( )
2!
[xm , xm +1 ]
(14)
Pgina 8 de 19
Ao 2009
Matemtica Superior
ll Lp
L2
Ym+h Ym
Y=Y(x)
Ym+1
ym+1
Ym
Lp
B
A
X
Xm
Xm+1
Teniendo en cuenta que y = f(x,y) veamos cules son las pendientes que nos interesan:
Pendiente de L1 :
Ym = f ( x m , Ym )
Pendiente de L2 :
Ym +1 = Y ( x m + h ) = f ( x m + h, Ym + hYm )
Pendiente de L :
( x m , Ym , h ) =
1
f ( x m , Ym ) + f ( x m + h, Ym + hYm )
2
(15)
Y = Ym + ( x x m ) ( x m , Ym , h )
Por lo tanto,
Ym+1 = Ym + h ( xm , Ym , h)
(16)
Pgina 9 de 19
Ao 2009
Matemtica Superior
f ( x , y ) = f ( x m , Ym ) + ( x x m )
f
x
+ ( y Ym )
f
y
+ .....
(17)
f ( xm + h, Ym + hYm ) = f ( xm , Ym ) + hf x + hf ( xm , Ym ) f y + ( h 2 )
(18)
( xm ,Ym )
( xm ,Ym )
Sustituimos:
x = xm + h
y = Ym + hYm = Ym + hf ( x m , Ym )
y obtenemos:
donde f x =
f
x
y fy =
( xm ,Ym )
f
y
( x m , Ym ) .
Sustituimos este resultado en la expresin de (ecuacin (15):
( x m , Ym , h ) =
1
f ( x m , Ym ) + f ( x m , Ym ) + hf x + hf ( x m , Ym ) f y + ( h 2 )
2
( x m , Ym , h ) = f ( x m , Ym ) +
h
[
f x + ff y ] + ( h 2 )
2
]
(19)
Ym +1
h2
[
= Ym + h f ( x m , Ym ) +
f x + ff y ] + ( h 3 )
2
(20)
Esta expresin coincide con el desarrollo en Serie de Taylor hasta los trminos en h 2 , as que
el Mtodo Mejorado de Euler es un Mtodo de Runge-Kutta de segundo orden. Observamos
que este mtodo exige evaluar f dos veces. Sin embargo para obtener el mismo orden de
precisin, la Serie de Taylor exige tres evaluaciones de funciones ( f , f x , f y ).
Pgina 10 de 19
Ao 2009
Matemtica Superior
+ h , Ym + hYm ) de la recta L1 .
h
h
, Ym + Ym )
2
2
h
h
( x m , Ym , h) = f ( x m + ), (Ym + Ym )
2
2
con Ym = f ( xm , Ym )
(21)
(22)
B( xm +1 , Ym +1 ) .
Y(x)
L1
E
LC
ll LC
YC
Ym+1
ym+1
Ym
Y=Y(x)
X
Xm
h/2
Xm+1
XC
h
Y = Ym + ( x x m ) ( x m , Ym , h )
(23)
Ym +1 = Ym + h ( x m , Ym , h )
(24)
Por lo tanto,
Pgina 11 de 19
Ao 2009
Matemtica Superior
Ym +1 = Ym + h ( xm , Ym , h )
con
(25)
(26)
siendo
Ym = f ( x m , Ym )
(27)
(28)
(29)
1
2
Las ecuaciones (25), (26) y (27) constituyen una frmula de tipo Runge-Kutta.
Cules son los valores permisibles de los parmetros a1 , a 2 , b1 , b2 ?
Para obtener concordancia con el desarrollo en Serie de Taylor hasta trminos en h 2 tenemos
que plantear tres condiciones (que coincida el trmino en h y que coincidan los dos trminos
en h 2 ). Pero disponemos de cuatro parmetros para definir el Mtodo de Runge-Kutta de
segundo orden y slo tres condiciones a satisfacer. Por lo tanto se pueden derivar muchas
frmulas diferentes de segundo orden.
Consideremos el desarrollo en serie de Taylor para f(x,y), con centro en ( x m , y m ):
f(x,y) = f ( x m , y m ) + ( x - x m )
Escribimos:
f
f
+ (y - y m )
+ O( h 2 )
x
y
x - xm = b1 h
y - ym = b2 h f
(30)
(31)
(32)
Pgina 12 de 19
Ao 2009
Matemtica Superior
y m +1 = y m + h ( x m , y m , h) = y m + h
[a f + a f + h (a b f
1
2 1 x
+ a2b2 f f y ) + O( h 3 )
(33)
Comparamos la ecuacin (33) con el desarrollo en serie de Taylor. Para que los trminos
coincidan es necesario que:
a1 + a 2 = 1
a 2 b1 = 1 / 2
a b = 1 / 2
2 2
(34)
1
2
(35)
h
h
y m +1 = y m + h (1 ) f ( x m , y m ) + f x m +
f ( x m , y m ) + O( h 3 )
, ym +
2
2
k1 = h f ( xm , y m )
1
h
k 2 = h f xm +
k1
, ym +
2
2
y m+1 = y m + (1 ) k1 + k 2
(37)
xm+1 = xm + h
Ejercicios:
= 1/ 2
=1
Pgina 13 de 19
Ao 2009
Matemtica Superior
ym +1 = ym +
h
(k1 + 2k2 + 2k3 + k4 )
6
k1 = f ( xm , ym )
h
hk
k 2 = f xm + , y m + 1
2
2
h
hk
k 3 = f xm + , y m + 2
2
2
k 4 = f ( xm + h , y m + h k 3 )
(38)
h
h
de Taylor.
El desarrollo de f(x,y) se puede escribir como:
f ( x, y ) = f ( x m , y m ) + ( x x m )
f
x
( xm , y m )
+ ( y ym )
f
y
+ ....
( xm , y m )
Sustituimos:
h
2
h
h
y = y m + y`m = y m + f ( x m , y m )
2
2
x = xm +
Queda:
Ms. Ing. Silvia Raichman Dr. Ing. Anibal Mirasso
Ecuaciones Diferenciales Ordinarias
Pgina 14 de 19
Ao 2009
Matemtica Superior
h
h
h
f ( x m , y m ) , y m + f ( x m , y m ) = f ( x m , y m ) + f x + f ( x m , y m ) f y + O h 2
2
2
2
( )
h
h
h
h
( x m , y m , h ) = f x m + , y m + f ( x m , y m ) = f (x m , y m ) + f x + f ( x m , y m ) f y + O h 2
2
2
2
2
( )
y m +1
] ( )
h2
= y m + h f (xm , y m ) +
f x + f f y + O h3
2
Esta expresin coincide con el desarrollo en serie de Taylor hasta los trminos en h 2 , as que
el mtodo Modificado de Euler es un mtodo de Runge-Kutta de segundo orden.
6 MTODOS PREDICTOR-CORRECTOR
6.1 Mtodos Multipaso
Son aquellos mtodos tales que, para evaluar la ordenada ym+1 correspondiente a la abscisa
xm+1 , utilizan informacin de varios puntos anteriores. Se los suele llamar mtodos de k
pasos, en el que el nmero de pasos es igual a la cantidad de puntos previos que se
necesitan para evaluar y m +1 . La forma general de estos mtodos es:
y m +1 = a j y m j + h b j f (x m j , y m j )
p
j =0
j = 1
(39)
(40)
Pgina 15 de 19
Ao 2009
Matemtica Superior
y m +1 = y m 1 + 2 h f (xm , y m )
(41)
Y(x)
L1
ll L1
Ym+1
ym+1
Ym-1
Y=Y(x)
X
Xm-1
Xm
Xm+1
h 3 lll
y ( ) ; [x m 1 , x m +1 ]
3
Un mtodo explcito
Un mtodo de dos pasos (se necesitan dos puntos previos para evaluar y m +1
Pgina 16 de 19
Ao 2009
Matemtica Superior
Y(x)
y0m+1
Ym+1
Y=Y(x)
ll Lp
Ym-1
ll Lp
Lp
L1
L2
L2
y1m+1
Lp
X
Xm-1
Educacin de L: y = y m + ( x x m ).
En x = x m +1
y m +1 = y m +
Xm
[(
Xm+1
1
f x m +1 , y m0 +1 + f ( x m , y m )
2
h
f ( x m , y m ) + f (x m +1 , y m0 +1 )
2
h 3 lll
1. Un Mtodo de segundo orden ET = Kh 3 ; ET =
y ( ) ; x m 1 x m +1
12
Mtodos de Adams:
Metodos Adams-Bashforth
Pgina 17 de 19
Ao 2009
Matemtica Superior
y m0 +1 = y m 1 + 2hf ( x m , y m )
(43)
El superndice (0) indica que esta es una primera aproximacin para y m +1 . Pero para calcular
y1 necesitamos un punto previo a (x0 , y 0 ) , ya que este es un mtodo de dos pasos. Entonces
se adopta un mtodo Runge-Kutta como mtodo inicializador ( por ejemplo Runge-Kutta de 4
orden).
Mtodo corrector: Mtodo del Trapecio
y 1m +1 = y m +
h
f ( x m , y m ) + f (x m +1 , y m0 +1 )
2
(ET = Kh )
3
(44)
y mi +1 = y m +
h
f ( x m , y m ) + f (x m +1 , y m(i +11) )
2
i = 1,2,.....
(45)
Hasta que:
y m(i +) 1 y m(i +11)
<
y m(i +) 1
Pgina 18 de 19
Ao 2009
Matemtica Superior
y m0 +1 = y m + hf ( x m , y m )
(46)
y m(i +) 1 = y m +
h
f ( x m , y m ) + f (x m +1 , y m(i +11) )
2
(ET = Kh )
3
(i )
(i 1)
y y
Hasta que: m +1 (i ) m +1 <
y m +1
(47)
Muchos mtodos predictor-corrector tienen una frmula predictora de un orden menor que la
correctora.
Se puede probar que el error por truncamiento en el mtodo de Helin es
(ET = Kh ) .
3
y m0 +1 = y m 3 + 4
h
(2 f m f m1 + 2 f m2 )
3
28 5 (5)
ET =
h y ( )
90
(48)
Mtodo corrector:
y m( i+) 1 = y m 1 +
h ( i 1)
f m +1 + 4 f m + f m 1
3
]
Mtodo implcito de 2 pasos de 4 orden
(49)
1 5 ( 5)
h y ( )
90
Ambas frmula son de cuarto orden. Para algunos valores de h este mtodo presenta
problemas de estabilidad. Como la frmula predoctora es de 4 pasos se debe usar un mtodo
inicializador durante los 3 primeros paso ( por ejemplo: mtodo Runge-Kutta de cuarto orden).
ET =
Pgina 19 de 19
Ao 2009
Matemtica Superior
Pgina 1 de 16
Ao 2009
Matemtica Superior
1 INTRODUCCIN
Un problema de Valores y Vectores Propios consiste en encontrar los vectores v
~
A NxN
esto es
Av = v
~
Siendo el escalar que cambia el mdulo del vector v cuya direccin permanece invariante. Se
~
(A I) v = 0
~
e interesan las soluciones v 0 (distintas de la trivial ,v = 0). Esto est garantizado s y slo s el
~
valores propios y vectores propios v . Por cada valor propio existe al menos una direccin
~
Existen diversos mtodos para la determinacin de los valores y vectores caractersticos que se los
puede agrupar en las siguientes categoras:
Mtodos de Trasformacin
Consisten en transformar la matriz de coeficientes A en una matriz diagonal mediante procesos de
rotaciones y/o traslaciones. Entre los mtodos ms eficaces de este tipo se encuentran los mtodos
de Jacobi, Givens y el de Householder. En estos mtodos se encuentran la totalidad de los valores
y vectores propios del sistema.
Mtodos Iterativos
Consisten en aproximar sucesivamente los valores y vectores propios. En general los mtodos
convergen a un valor y vector propio. Para encontrar ms de un vector y valor propio se debe
recurrir a eliminar de los procesos iterativos los valores y vectores propios que ya se conocen
Pgina 2 de 16
Ao 2009
Matemtica Superior
mediante tcnicas de deflacin. El mtodo iterativo que se tratar en el curso es el Mtodo de las
Potencias.
Se verifica que A vi = i vi
~
i = 1, N .
1 > 2 3 N .
A es diagonalizable, es decir que los vi son linealmente independientes y forman una base de
,
N
Si
v1 , v2 , v3 ,... v N
~
~ ~ ~
base de N = v1 , v2 , v3 ,... v N .
~
~ ~ ~
N
es una base de se puede escribir cualquier vector y 0 N como la
~
combinacin lineal
N
y0 = a1 v1 + a 2 v2 + a3 v3 + ... + a N v N = ai vi
~
i =1
y1 = A y 0
~
o bien,
y1 = A (a1 v1 + a 2 v2 + a3 v3 + ... + a N v N )
~
y1 = ( a1 A v1 + a 2 A v2 + a3 A v3 + ... + a N
~
Considerando la definicin~ de i y v~i se obtiene~
A vN )
~
y1 = a11 v1 + a2 2 v2 + a3 3 v3 + ... + a N N v N
~
Pgina 3 de 16
Ao 2009
Matemtica Superior
y1 = 1 a1 v1 + 2 a 2 v2 + 3 a3 v3 + ... + N a N v N
~ 1
1
1
~
~
~
~
Si a
y2 N
y 2 = A y1
~
y 2 = A(a11 v1 + a 2 2 v2 + a3 3 v3 + ... + a N N v N )
~
o bien,
y 2 = a11 v1 + a 2 2 v2 + a3 3 v3 + ... + a N N v N
2
2
2
2
3
y 2 = 1 a1 v1 + a 2 v2 + a3 v3 + ... + N
~
~
~
~ 1
1
1
2
a N v N
~
yk =
A y k 1
k
k
2
3
y k = 1 a1 v1 + a 2 v2 + a3 v3 + ... + N
~
~
~
~ 1
1
1
k
a N v N
~
y k = 1k a 1 v 1 + k
~
~
~
siendo
k
k = 2 a 2 v2 + 3 a3 v3 + ... + N
~
~
~
1
1
1
a N v N
~
Al considerar que
lim k = 0
k ~
Pgina 4 de 16
Ao 2009
Matemtica Superior
los vectores que se obtienen se van alineando cada vez ms con el autovector dominante v1 .
~
As
y
~
k +1
~
k
1
k +1
1
v
~
j (k + 1)
1k +1a1 v1
~ j
1k a1 v1
~ j
j (k + 1) 1
Es decir que para ksuficientemente grande el cociente de las componentes entre los vectores de dos
iteraciones sucesivas, resulta el autovalor dominante 1 .
Esta afirmacin es natural si se entiende que el vector de cada iteracin se va alineando con v1 , as
~
ser muy grandes si 1 > 1 o muy chicas si 1 < 1 ya que son proporcionales a .
Para evitar operar con nmeros cada vez ms grandes (o ms chicos) se debe utilizar un
escalamiento en cada iteracin.
k
1
Pgina 5 de 16
Ao 2009
Matemtica Superior
y 0 = a1 v1 + a 2 v 2 + ... + a N v N
~
x0 =
~
1
y0
y0
~
de manera que
x0 = 1
~
y0
~
2.
3.
= y0 , y0
y0
2
y0
~
T
= y 0 B
~
y0 . y0
~
y0
~
con B
NxN
y1 = A x0
~
y1 =
~
Pgina 6 de 16
Ao 2009
Matemtica Superior
y1 =
~
0
~
y1 =
~
0
~
y1 =
~
2
a1 v1 +
y0 ~ 1
a 2 v2 + ... + N
1
~
a N v N
~
x0
~ i
(1 )i = y1
(1 )i
2
N
a N v N
a1 v1 + a 2 v2 + ... +
1 ~ i 1 ~ i
1 ~ i
=
1
y0
a1 v1 + a 2 v2 + ... + a N v N
~
~ i
~ i
y ~ i
0
~
x1 = y1
~
1
y1
~
A x1
1
y1
A y1
~
Pgina 7 de 16
Ao 2009
Matemtica Superior
y2 =
~
y1
~
Av1 + 2 a 2 A v2 + ... + N
~
~
1
1
a1
y0
a N
A vN
~
2
2
2
1 1
a1 v1 + a 2 v2 + ... + N
y2 =
~
~
1
y1 y0 ~ 1
~
a N v N
~
( 2 )i = y 2
1 1
( 2 )i =
y1 y0
~
( 2 )i
12
1
a1 v1 + 2 a 2 v2 + ... + N
~ i 1 ~ i
1
2
N
a1 v1 + a 2 v2 + ... +
1
~ i 1 ~ i
y1 y0
~
x
1
~ i
a N v N
~ i
a N v N
~ i
2
2
a 2 v 2
a 1 v 1 +
~
~ i 1
2
a 2 v 2
a 1 v 1 +
~ i 1 ~
+ ... + N
i
1
+ ... + N
i
1
a N v N
~ i
a N v N
~ i
1
yk
yk
~
y k +1 =
~
A xk
~
( k +1 )i = y k +1
i x
k
~ i
o bien,
Pgina 8 de 16
Ao 2009
Matemtica Superior
k +1
)i
k +1
1
k
1
a 1 v~1 + ( k + 1 )i
i
a v
+ ( k )i
1 ~1 i
siendo
lim ( )
k
k i
= lim 2
k 1
a 2 v 2 + ... + N
~ i
1
a N v N
~ i
componentes tiende al autovalor 1 . El escalamiento en cada iteracin logra que las componentes de
los vectores no aumenten (disminuyan) excesivamente, asegurando la convergencia.
Se debe destacar que:
1. el escalamiento puede hacerse con cualquiera de las normas de y definidas;
~
1k
yk =
~
y k 1
~
y1
~
y0
a 1 v~1 + ~k
Pgina 9 de 16
Ao 2009
Matemtica Superior
1k
= yk yk =
~ i ~ i y
... y 1
k~ 1
~
yk
~
y k 1 ... y 1
~
recordar que
k
1
yk
~
( )
lim ( )
k
k i
y0
y0
~
a 1 v 1 + k a 1 v 1 + k
~ i ~ i ~ i ~ i
a 1 v1 a 1 v1 + 2 a 1 v1 k + k k
~ i ~ i ~ i ~ i
~ i
~ i
Pgina 10 de 16
Ao 2009
Matemtica Superior
A vi = i vi
~
Si la ecuacin anterior se multiplica por la matriz inversa de la matriz A, que denominaremos A-1,
resulta
I vi = i A 1 vi
~
o bien
1
A 1 vi = vi
~
i ~
es decir que i =
El Mtodo de la Potencia aplicado sobre la matriz inversa A-1 converge al autovalor dominante de A-1
esto es el mayor i tomado en valor absoluto. Pero segn la relacin entre los i y los i , el mayor
1 > 2 3 ... N
y se cumple la siguiente relacin:
1 =
El proceso iterativo del Mtodo de la Potencia aplicado sobre A-1, se puede resumir para la iteracin
k-sima de la siguiente manera:
dado yi ,
~
xk = y k
~
1
yk
~
y k +1 = A 1 xk
~
( k +1 )i = yk +1
i x
k
~ i
Pgina 11 de 16
Ao 2009
Matemtica Superior
autovalores.
Se debe destacar que
A 1 xk
y k +1 =
~
-1
exige conocer A . Pero, en general lo que se conoce es A. Para evitar el clculo de A-1, el proceso
iterativo se modifica
A y k +1 = A A 1 xk
~
o bien
A y k +1 = x k
~
que es un sistema de ecuaciones lineales que slo exige factorizar la matriz A una sola vez.
Observacin: puede ser preferible en algunos casos realizar una factorizacin de la matriz A, A =LU, al
principio y por nica vez. Luego, en cada paso del proceso iterativo del mtodo de Potencias inversas se
resuelve el sistema de ecuaciones A y k +1 = x k (donde A =LU y x k son conocidos e y k +1 es el vector de
~
incgnitas) mediante una sustitucin progresiva (Lz = x k ) seguida de una sustitucin regresiva (U y k +1 =z).
~
Pgina 12 de 16
Ao 2009
Matemtica Superior
segundo autovector v 2 .
~
xk = a1 v1 + a 2 v2 + ... + a N v N
~
A NxN diagonizable.
Si se acepta que la matriz A es simtrica, se sabe que sus autovectores constituyen una base de
N ortogonal, es decir
2
T
1 1
~
~
= v1
~ 2
v1T v j = 0
~
j [2, N ]
as para A simtrica
1
a1 = v1T xk
~
v1
~ 2
xk = v1 v1T xk
~
1
2
v1
+ a 2 v2 + ... + a N v N
~
~ 2
o bien
xk v1 v1T xk
~
1
2
v1
= a 2 v2 + ... + a N v N
~
~ 2
Pgina 13 de 16
Ao 2009
Matemtica Superior
I v1 v1T 1 xk = a 2 v2 + ... + a N v N
2
~
~
~
~
~
v1
~ 2
1
T
A I v1 v1
x = a 2 A v2 + ... + a N A v N
2
~k
~
~
~
~
v1
~ 2
= 2 a 2 v 2 + ... + N a N v N
~
= 2 a 2 v2 + ... + N
2
~
a N v N
1
T
B 1 = A I v1 v1
2
~ ~
v
1
~ 2
1
B 1 = A A v1 v1T
2
~ ~
v1
~ 2
1
B 1 = A 1 v1 v1T
2
~ ~
v1
~ 2
Pgina 14 de 16
Ao 2009
Matemtica Superior
xk = y k
1
yk
~
y k +1 =
B1
xk
~
1
T
A 1 v1 v1T 1
Con B 1 = A I v1 v1
=
2
2
~ ~
~ ~
v
v
1
1
~ 2
~ 2
( k +1 )i = yk +1 1
~ i x
k
~ i
y cuando k sea suficientemente grande converger ( k +1 )i 2 para cualquier componente i; y k
~
se alinear con v2 .
~
Este resultado obtenido para matrices simtricas, es vlido para cualquier matriz diagonizable si se
cumple que
B = A 1 v1 u1T
~
v1T u1 = 1
~
10 1
A=
1 45
MAYOR = 45.028548
MENOR = 9.971452
v=
v1
35.028548
1
v=
v1
35.028548
Se aplica el mtodo de la potencia para obtener el valor y vector propio a partir del vector inicial Y0={2; -1}
Pgina 15 de 16
Ao 2009
Matemtica Superior
Y0
Y1
Sin Escalamiento
2
-1
alfa=yk+1/yk
21
10,5
-47
47
Con Escalamiento
X0
1
-0,5
Y1
10,5
-23,5
x1
1
-2,2381
alfa=yk+1/xk
10,5
47
Y2
257
-2136
12,23809524
45,44680851
Y2
12,2381
-101,714
x1
1
-8,31128
12,23809524
45,44680851
Y3
4706
-96377
18,31128405
45,12031835
Y3 18,31128
-375,008
x1
1
-20,4796
18,31128405
45,12031835
Y4
143437
-4E+06
30,47960051
45,04882908
Y4
30,4796
-922,582
x1
1
-30,2688
30,47960051
45,04882908
Y5
6E+06
-2E+08
40,2688358
45,03303728
Y5 40,26884
-1363,1
x1
1
-33,8499
40,2688358
45,03303728
Y6
3E+08
-9E+09
43,84993839
45,02954215
Y6 43,84994
-1524,25
x1
1
-34,7605
43,84993839
45,02954215
Y6
1E+10
-4E+11
44,76053293
45,02876826
Y6 44,76053
-1565,22
x1
1
-34,9688
44,76053293
45,02876826
Y6
5E+11
-2E+13
44,96884151
45,02859689
Y6 44,96884
-1574,6
x1
1
-35,0153
44,96884151
45,02859689
Y6
2E+13
-8E+14
45,01530871
45,02855894
Y6 45,01531
-1576,69
x1
1
-35,0256
45,01530871
45,02855894
Y6
1E+15
-4E+16
45,02561544
45,02855053
Y6 45,02562
-1577,15
x1
1
-35,0279
45,02561544
45,02855053
La evolucin de la aproximacin del valor propio dominante es la que se indica en la siguiente grfica. Se observa que la
aproximacin de los cocientes de las componentes
50
alfa1 y alfa2 tiene distinta velocidad de convergencia.
45
Si bien alfa2, que es el cociente de las segundas
40
componentes en pocas iteraciones converge a la
alfa 1
solucin; alfa 1, es ms lenta. Es se debe a que si bien
35
el autovalor converge rpidamente, el autovector no es
30
alfa 2
tan rpido.
25
Esto se observa ms claramente al seguir las
20
componentes del vector normalizado x.
15
Es decir si el objetivo es el valor propio sin importar
10
los autovectores, en pocas iteraciones se obtiene
5
convergencia. Pero si los autovectores tambin son de
0
inters, el proceso iterativo debe mantenerse hasta
0
5
10
15
20
alcanzar una alta precisin en los autovalores.
Pgina 16 de 16
Ao 2009
Matemtica Superior
SOLUCION NUMRICA DE
RACES DE ECUACIONES NO LINEALES.
1
INTRODUCCIN .............................................................................................................................. 2
3.1
3.2
3.3
3.4
3.5
Mtodo de Biseccin............................................................................................................................... 6
4.2
4.3
4.4
4.5
4.6
4.7
Pgina 1 de 15
Ao 2011
Matemtica Superior
1 INTRODUCCIN
En diversos problemas de la Ingeniera resulta necesario obtener los valores de las variables
que hacen cero un determinada funcin conocida. As ocurre cuando se buscan los valores
que anulan el polinomio caracterstico de una matriz para determinar sus autovalores. Algo
similar ocurre cuando se buscan los valores que anulan las denominadas funciones
trascendentes en la determinacin de estados inestables de sistemas conservativos o
frecuencias naturales de sistemas dinmicos.
En todos los casos se puede formular el problema matemticamente de la siguiente forma:
Dada una funcin continua y=f(x) de R R, se busca x=r tal que f(r)=0
Y(x)
Y=f(x)
En estas notas se presentan ideas bsicas para resolver el problema mediante mtodos
iterativos. En principio se platea el esquema genrico a seguir, para luego describir las
caractersticas de un proceso iterativo general. Se presenta a continuacin slo una
clasificacin de los mtodos iterativos ms frecuentes.
Se debe sealar que una descripcin detallada de los distintos mtodos, sus bases,
algoritmos y ejemplos se puede encontrar en el texto Mtodos Numricos para Ingenieros de S.
Chapra, R. Canale; Mc Graw Hill, que se recomienda consultar.
2 PROCEDIMIENTO GENERAL
Para encontrar las races de una ecuacin no lineal es conveniente seguir los siguientes
pasos:
Paso Inicial
Es conveniente realizar un anlisis de la funcin a los efectos de determinar las
singularidades, posibles discontinuidades, asntotas y toda la informacin posible a los
efectos de elegir adecuadamente las variables iniciales de los procesos iterativos.
Paso de Acercamiento
Se trata de encontrar un intervalo en el eje X donde exista al menos una raz de la
ecuacin no lineal.
Para funciones continuas en un intervalo [ak ; bk] perteneciente al eje X de las
abscisas una condicin que debe cumplir la funcin es que cambie de signo al menos
Pgina 2 de 15
Ao 2011
Matemtica Superior
una vez. Entonces, dados los valores de abscisas ak ; bk que definen el intervalo
[ak ; bk] de los nmeros reales,
Si f(ak)*f(bk) < 0
X= r [ak ; bk]
Siendo X= r al menos una de las races buscadas.
En las siguientes figuras se pueden observa algunas situaciones de inters.
Y(x)
Y=f(x)
f(bk)
ak
f(ak)
bk
X= r
Y(x)
Y=f(x)
f(bk)
X= r2
ak
f(ak)
X= r3
X
bk
X= r1
Y(x)
Y=f(x)
f(bk)
f(ak)
X= r1
ak
X= r2
X
bk
Pgina 3 de 15
Ao 2011
Matemtica Superior
Paso de Aproximacin
En general se trata de mtodos iterativos. Entre los ms difundidos se puede destacar
los siguientes:
Mtodos de Intervalos
Mtodo de Biseccin
Mtodo de Regula Falsi
Mtodos Abiertos
Mtodo de la Secante o de Newton Lagrange
Mtodo de Newton
Mtodos de Puntos Fijos
Pgina 4 de 15
Ao 2011
Matemtica Superior
Pgina 5 de 15
Ao 2011
Matemtica Superior
Inicializacin
Es necesario tener como datos dos valores de abscisas x=ak ; x=bk que definan un intervalo
[ak ; bk] en el eje de las abscisas X en el cul la funcin no lineal tenga al menos una raz.
Esto es abscisas tales que
f(ak).f(bk) < 0
siendo f(x) la funcin no lineal cuyas races se buscan. Grficamente esta condicin se puede
ilustrar de la siguiente forma
Y(x)
Y=f(x)
f(bk)
ak
f(ak)
X= r
X= rk+1
bk
Recurrencia
Dadas las abscisas x=ak ; x=bk que definan un intervalo [ak ; bk] en el eje de las abscisas X
en el cul la funcin no lineal tiene al menos una raz, la aproximacin de la raz se calcula
como la abscisa media de dicho intervalo. Esto es,
Control de Detencin
f (rk +1 ) f
Donde la barras indican valor absoluto y f es una magnitud tan pequea y cercana a cero
como la precisin del problema a resolver lo requiera.
Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales
Pgina 6 de 15
Ao 2011
Matemtica Superior
En algunas situaciones, por ejemplo cuando la funcin no lineal f(x) intersecta al eje de las
abscisas X en forma muy vertical, la condicin anterior es de difcil cumplimiento. Resulta
as conveniente controlar si se cumple que
rk +1 rk ra
O en trminos relativos, si se cumple que
rk +1 rk
r
rk +1
Siendo ra y r magnitudes tan pequeas como la precisin del problema a resolver lo
requiera.
Es til fijar que el proceso iterativo no supere un nmero mximo de iteraciones. Es decir que
se debe controlar si se cumple que
k MaxIter
Siendo k la iteracin considerada, y MaxIter el nmero de iteraciones mximo fijado para el
problema en consideracin.
Actualizacin de Variables
Dadas las abscisas x=ak ; x=bk y la nueva aproximacin de la raz rk+1 quedan definidos
dos nuevos subintervalos en el eje de las abscisas X: [ak ; rk+1] y [rk+1 ; bk].
ak+1 es igual a ak
bk+1 es igual a rk+1
Fin de lo que debe realizarse Si [f(ak).f(rk+1) < 0 ]es verdadero
Si [f(bk).f(rk+1) < 0 ]es verdadero entonces
Pgina 7 de 15
Ao 2011
Matemtica Superior
Inicializacin
Recurrencia
La aproximacin de la raz se obtiene en la abscisa donde la Recta Lk que une los puntos
[ak ; f(ak)] y [bk ; f(bk)] intersecta al eje de las abscisa X. Es decir,
rk +1 = a k
f (a k )
f (a k ) f (bk )
(
a
)
(
b
)
k
k
O bien,
rk +1 = bk
f (bk )
f (a k ) f (bk )
(a k ) (bk )
f (ak ) f (bk )
es la pendiente de la recta considerada, y su valor es
mk =
(
)
(
)
a
b
k
k
independiente del punto que se toma como referencia para calcular el incremento de
ordenada y el incremento de abscisa.
rk +1
Y=f(x)
Recta Lk
f(bk)
ak
bk
f(ak)
X= rk+1
Control de Detencin
Actualizacin de Variables
Pgina 8 de 15
Ao 2011
Matemtica Superior
Inicializacin
Es necesario tener DOS aproximaciones anteriores. Es decir dos valores de abscisas rk-1, rk
cercanas a las raz que se busca.
Recurrencia
La aproximacin de la raz se obtiene en la abscisa donde la Recta Lk que une los puntos
[rk-1 ; f(rk-1)] y [rk ; f(rk)] intersecta al eje de las abscisa X. Es decir,
rk +1 = rk
f (rk )
f (rk ) f (rk 1 )
(
r
)
(
r
)
k
k 1
O bien,
rk +1 = rk 1
f ( rk 1 )
f (rk ) f ( rk 1 )
(
r
)
(
r
)
k
k 1
f (rk ) f (rk 1 )
es la pendiente de la recta considerada, y su valor es
mk =
(rk ) (rk 1 )
independiente del punto que se toma como referencia para calcular el incremento de
ordenada y el incremento de abscisa.
rk +1
Y=f(x)
Recta Lk
f(rk-1)
f(rk)
X
rk
rk-1
rk+1
Se puede decir que los puntos [rk-1 ; f(rk-1)] y [rk ; f(rk)] son equivalentes a los [ak ; f(ak)]
y [bk ; f(bk)] del mtodo de Regula Falsi, a los efectos de la frmula de recurrencia.
Pgina 9 de 15
Ao 2011
Matemtica Superior
Control de Detencin
Actualizacin de Variables
Se deben retener las dos ltimas aproximaciones. Esto es una ventaja respecto de los
mtodos de intervalo (Biseccin y Regula Falsi) ya que no se requiere analizar los datos. Slo
basta tener dos aproximaciones.
Inicializacin
Recurrencia
rk +1 = rk
f (rk )
f (rk )
= rk
(mk )
df ( x)
dx rk
df ( x)
mk =
dx rk
de la raz rk conocida.
Y(x)
Y=f(x)
Recta
f(rk)
rk+1
rk
Se debe considerar que la direccin de la Recta Tangente a una curva en un punto dado es
las direccin de mximo cambio de dicha curva. As el mtodo de Newton Raphson es el
mtodo de mayor velocidad de acercamiento a la raz buscada.
Control de Detencin
Actualizacin de Variables
Pgina 10 de 15
Ao 2011
Matemtica Superior
F ( xr ) = C
Con C una constante arbitraria y conocida. En la siguiente Figura pueden observar estas
definiciones.
Esta ecuacin es no lineal ya que F(x) es una funcin no lineal. Es posible escribir la ecuacin
no lineal en la forma:
( x) = F ( x) C = 0
Dada una aproximacin inicial xk al evaluar ( x k ) resulta que se tiene un residuo
por
rk
dado
rk = ( xk ) 0
Si se considera un expansin en Serie de Taylor de (x ) alrededor de la abscisa
tiene que
xk
se
d ( x )
2
+ O ( x )
dx Xk
( x k + x ) = ( x k ) + x
xk +1 = xk + x tal que la
( xk +1 ) = 0
es posible plantear
d ( x )
0 = ( x k ) + x
dx Xk
De donde se obtiene
1
d ( x )
x = K rk =
( ( xk ))
dx Xk
1
T
xk +1 = xk + x
Con
rk = ( xk ) 0
d ( x)
KT =
Pgina 11 de 15
Ao 2011
Matemtica Superior
(x)
Recta de Pendiente KT en
la Iteracin k
F(x)
Y=F(x)
X
r=(xk)=C-F(xk)
(xk) F(xk)
X
xr
xk+1
xk
Inicializacin
Recurrencia
d ( x )
x = K rk =
( xk )
dx Xk
1
T
xk +1 = xk + x
Con
rk = ( xk ) 0
d ( x)
KT =
, denominado Tangente en la iteracin k.
dx
Xk
Control de Detencin
Actualizacin de Variables
Pgina 12 de 15
Ao 2011
Matemtica Superior
F ( xr ) = C
Con C una constante arbitraria y conocida.
Esta ecuacin es no lineal ya que F(x) es una funcin no lineal. Es posible escribir la ecuacin
no lineal en la forma:
( x) = F ( x) C = 0
Si se multiplica esta igualdad por un nmero no nulo arbitrario, se tiene
( x ) = ( F ( x ) C ) = 0
Y si a esa igualdad se suma en ambos miembros x, se tiene
x = x + (x )
O bien,
x = x + ( F ( x) C )
Estas igualdades se pueden escribir en la forma
x = g (x)
donde
g ( x ) = x + ( F ( x ) C ) = x + ( x )
La igualdad
funciones
x = g (x)
y=x
y = g (x )
Es decir de la recta que bisecta el primer cuadrante (y=x) con la curva y=g(x). Se debe
destacar que el punto solucin es tal que tiene abscisa y ordenadas de igual valor, y por lo
tanto se lo denomina Punto Fijo de a curva g(x).
Es posible resolver la ecuacin x = g (x ) mediante un esquema iterativo en la forma
Inicializacin
Recurrencia
xk = g ( xk )
Dr. Ing. Anibal Mirasso
Races de Ecuaciones No Lineales
Pgina 13 de 15
Ao 2011
Matemtica Superior
Actualizacin de Variables
Control de Detencin
xk + 1 g ( xk + 1 ) f
Donde la barras indican valor absoluto y f es una magnitud tan pequea y cercana a cero
como la precisin del problema a resolver lo requiera.
Es posible destacar que si se compara la definicin de g(x) dada por
g ( x ) = x + ( x)
Y la frmula de recurrrencia del mtodo de punto fijo con la frmula de recurrencia del mtodo
de Newton Raphson, se puede establecer que
1
1
d ( x )
=
=
dx Xk
d ( x )
dx Xk
Es decir que el mtodo de Newton Raphson se puede interpretar como un mtodo de Punto
Fijo con el coeficiente variable en cada iteracin.
x = g (x ) . Por lo tanto se
xs = g ( xs )
Al considerar la frmula de recurrencia del mtodo de punto fijo se tiene que
xk +1 = g ( xk )
Al restar miembro a miembro estas dos igualdades, se tiene
xk +1 xs = g ( xk ) g ( xs )
En el segundo miembro, es posible aplicar el Teorema del Valor Medio, con lo que resulta
Pgina 14 de 15
Ao 2011
Matemtica Superior
( xk +1 xs ) =
Siendo una abscisa entre
dg ( x )
( xk x s )
dx x=
k el Error de la iteracin k. Es
k +1 = ( xk +1 xs )
k = ( xk xs )
Para que el k +1 Error de la iteracin k+1 sea menor que el k Error de la iteracin k, se
debe cumplir que el valor absoluto de la pendiente de la funcin g(x) en el entorno al punto fijo
solucin debe ser menor a uno. As resulta que la condicin de convergencia es:
dg ( x)
<1
dx x=
El proceso iterativo del mtodo de punto fijo converger si el error de una iteracin es menor
que el error de la iteracin anterior .
En la siguiente Figura se ilustra el Mtodo de Punto Fijo.
y=x
(x)
Y=(x)
g(xk)
y=g(x)=x+ . (x)
g(xk+1)
g(xs)
Y= . (x)
xs
xk+1
xr
Pgina 15 de 15
Ao 2011