Sie sind auf Seite 1von 15

PRIMER TRABAJO DE MATEMTICA AVANZADA

MARIA ISABEL SANDOVAL MARTINEZ

UNIVERSIDAD INDUSTRIAL DE SANTANDER


BUCARAMANGA
22 DE SEPTIEMBRE DE 2015
1. METODO DE ACELERACIN DE RICHARDSON

Mara Isabel Sandoval Martnez

Esta consiste en una tcnica de extrapolacin donde se permite


incrementar el orden de aproximacin

de la derivada de una

funcin sin necesidad de considerar el nmero de puntos que


inicialmente se consideran en la estimacin de esta derivada 1.
Richardson parti de la idea calcular un valor M dependientes de
una funcin F en puntos que dependen de un valor h que es
considerado la distancia desde un xi hasta un xi+1 o xi-1 como se
puede ver en la figura 1.
Figura 1. Derivacin progresiva, regresiva y central

.
Fuente. Derivada en integral numrica, presentacin de clase
anlisis numrico.
Richardson aseguro que con esto se puede establecer;
M =N (h)+c 1 h p +O(hq )

(1
)

1 Carrillo, julio. Derivada en integral numrica, presentacin de clase anlisis


numrico. Universidad industrial de Santander, Bucaramanga

Mara Isabel Sandoval Martnez

Formula

Error

Donde q>p.
h
2

Si ahora se tiene en cuenta

, se tendr un nuevo valor estimado


p

M =N (h /2)+c 1(

h
)+O(hq )
p
2

(2
)

Si se resta la ecuacin 2 de la ecuacin 3 se obtiene finalmente


2p F
M=

( h2 )F (h) +O(h )

(3

2 p1

La ecuacin 3 es el mtodo de Richardson para cuando se tiene una


funcin y se desea llegar al mismo resultado con menos iteraciones

En el presente trabajo se desea acelerar la sumatoria mostrada en la


ecuacin 4 con la que se busca hallar el nmero , debido a que al
resolver esta sin algn mtodo de aceleracin converge
88338555 iteraciones con un error absoluto de

108 .

1+

despus de

1 1 1

+ 2 + 2 +=
2
6
2 3 4

(4
)

Entonces se decidi trabajar con la extrapolacin de Richardson como


mtodo de aceleracin y esto se mostrara a continuacin.
Esa serie se puede escribir como una sumatoria as:

Mara Isabel Sandoval Martnez

(5

2
=
n=1 n

Suponga que se tiene la diferencia

n12
s-sn= n+1=1

(6
)

Donde
S=sumatoria total
Sn=sumatoria parcial
s-sn= error absoluto

Con la definicin de la integral se puede afirmar que la ecuacin 6 ser


igual a la integral desde n+1 hasta infinito as como se puede ver en la
ecuacin 6.

s-sn= n+1=1

1
n2

dn
n2

n+1

1
n

(6
)

Entonces segn Richardson esto ecuacin podra ser representada como


se muestra a continuacin en la ecuacin 7 con el objetivo de extrapolar
el valor S partiendo de un valor Sn
a b c
Sn=S+ + 2 + 3 +
n n n

Mara Isabel Sandoval Martnez

(7
)

Richardson en la ecuacin 7 asume que n es muy grande entonces los

trminos de

b c
+
n2 n3 en adelante sern muy pequeos entonces sern

eliminados y la ecuacin 7 quedara como se muestra en la ecuacin 8.


Sn=S+
Sn+1=S +

a
n

(8
)
(9

a
n+1

Al despejar a de la ecuacin 9 y reemplazarlo en la ecuacin 8 la


ecuacin de Richardson quedara reducida a:

(1

S=( n+ 1 )( Sn+1 )nSn

0)
La ecuacin 10 es la primera secuencia de Richardson sin embargo con
esta no se logra acelerar para lograr disminuir la iteraciones es
necesario buscar la frmula para la segunda secuencia de Richardson.
Para esta secuencia de Richardson se tiene en cuenta

b
n2

en la

ecuacin 11 12 y 13.
a b
Sn=S+ + 2
n n
Sn+1=S +

Sn+ 2=S+

Mara Isabel Sandoval Martnez

a
b
+
(n+1) (n+1)2

a
b
+
(n+ 2) (n+2)2

(1
1)
(1
2)
(1
3)

Al resolver las ecuaciones 11, 12 y 13 se obtiene la segunda secuencia


de Richardson

S=

( n+2 )2 ( Sn+2 ) 2 ( n+1 )2 ( Sn+1 )+ ( n )2 Sn


2

(1
4)

Para el presente trabajo se us la ecuacin 14 para acelerar la


convergencia con un error absoluto de

1010

con la herramienta matlab

como se puede ver en la figura 2.


Figura 2. Programacin en matlab con la extrapolacin de Richardson

Mara Isabel Sandoval Martnez

Con esta programacin se pudo corroborar que con el mtodo de


extrapolacin de Richardson se puede converger con menos iteraciones
como se puede ver en la tabla 1 de resultados arrojados por matlab.

Tabla 1. Comparacin de los resultados sin Richardson y con Richardson


arrojados por el programador matlab
Error absoluto

Iteraciones sin

iteraciones con

Richardson

Richardson

95492

25

954929

54

88338555

251

10

820

10
10
10
10

2. Este punto se nos pidi analizar la frmula de Viete mostrada en la


ecuacin 14 y demostrar por qu esta no sirve para valores de n
demasiado grandes.
(1

=lim 2n 2 2+ 2+ 2

4)
Esta demostracin se realiz en matlab donde se pudo observar
que a medida que se aumenta n es necesario anidar un

2 y

por causa de esto llega un momento en que el valor de


calculado con la formula se aleja del

real y por lo tanto el

error absoluto aumenta, a continuacin se mostrara como se hizo

Mara Isabel Sandoval Martnez

el desarrollo de esta frmula en matlab en la figura 3, los datos


arrojados por la herramienta y una grfica que permitir observar
el comportamiento anteriormente explicado en la tabla 2 y figura 4
respectivamente.

Figura 3 programa en matlab

Fuente. Matlab
Tabla 2. Resultados obtenido en la herramienta matlab
n
1
2
3
4
5
6
7
8
9
10
11
12

Mara Isabel Sandoval Martnez

Error
absoluto
0,0801
0,0201
0,005
0,0013
3,15E+00
7,89E-01
1,97E-01
4,93E-02
1,23E-02
3,08E-03
7,70E-04
2,01E-04

13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
.
.
96
97
98

1,22E-05
8,27E-05
4,62E-04
2,57E-03
1,47E-02
3,90E-02
3,90E-02
8,16E-01
2,37E+00
8,59E+00
8,59E+00
0,0207
0,0207
0,3225
0,8584
3,1416
3,1416
3,1416
3,1416
3,1416
3,1416
3,1416
3,1416
3,1416
3,1416

Figura 4. Grafica del valor de n vs error absoluto.

Mara Isabel Sandoval Martnez

Valor n vs Error absoluto


9
8
7
6
5

Error absoluto 4

3.14

3
2
1
0

10

20

30

40

50

60

70

80

90

100

Valor de n

Como se pude ver en la figura 4, con la ecuacin 14 no se obtiene


el comportamiento esperado

el error ya que de este se espera

que siempre sea decreciente, sin embargo con esta ecuacin para
valores de n superiores a 24 comienza a aumentar , por lo tanto se
consult otra frmula de Viete que funcione para n mayores a 24 y
se encontr la ecuacin 15
=

2
2
2

2
2+ 2
2

2+ 2+ 2
2

La ecuacin 15 fue propuesta por Viete para hallar el nmero

(1
5)

el proceso consinti en inscribir, en un crculo de radio 1, polgonos regulares


de

lados de modo que la sucesin de las reas resulta una aproximacin sucesiva

.
Esta frmula tambin fue desarrollada en matlab como se muestra
al rea del crculo, igual a

en la figura 4 y de all se desprendieron los datos mostrados en la


tabla 3 y graficados en la figura 5
Figura 4 programa en matlab

Mara Isabel Sandoval Martnez

Tabla 3. Valores arrojados por el programa para diferentes valores


de n
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

Mara Isabel Sandoval Martnez

error
absoluto
0,0801
0,0201
0,005
0,0013
3,15E-04
7,89E-05
7,89E-05
1,97E-05
4,94E-06
1,23E-06
3,08E-07
7,70E-08
1,93E-08
4,81E-09
1,20E-09
3,01E-10
1,88E-11
1,88E-11
4,70E-12

20
21
22
23
24
25
26
27
28
95
96
97
98

1,17E-12
2,91E-13
7,06E-14
1,55E-14
1,78E-15
1,78E-15
3,11E-15
4,00E-15
4,00E-15
4,00E-15
4,00E-15
4,00E-15
4,00E-15

Figura 5. Grafica del valor de n vs error absoluto.

el valor n vs error
0.09
0.08
0.07
0.06
0.05

valor n 0.04
0.03
0.02
0.01
0

20

40

60

80

100

120

valor de n

Como se pudo ver en la tabla 3 y la figura 5 esta nueva ecuacin si


tiene el comportamiento esperado ya que el valor del error va
disminuyendo a medida que el valor de n aumenta.
2.1 Demostracin de la formula Viete
Esta comienza con una formula familiar

Mara Isabel Sandoval Martnez

2 =2cos sin

3. para este punto se pidi resolver el siguiente sistema usando la


eliminacin gaussiana, esta matriz es conocida como la matriz
hilbert y se caracteriza por que el patrn de su generacin
responde a la siguiente estructura :

[ aij ] =

1
i+ j1

(1

4)
La caracterstica esencial es que am medida que crece el orden de
la matriz el determinante cada vez es ms cercano a cero lo que
causa que el clculo de su inversa sea muy complicado
1.0000 X1

0.5000 X2

0.3333 X3= 1
0.5000 X1 0.3333 X2
0.2500 X3 = 0
0.3333 X1 0.2500 X2
La eliminacin

0.2000 X3 = 0

realizada en matlab as:


Figura 5. Eliminacin gaussiana en matlab.

Y los resultados arrojados fueron estos


X1 = 9.0000
X2 =-36.0000
X3 =30.0000
Mara Isabel Sandoval Martnez

gaussiana fue

Tambin se nos pidi comprobar si esta matriz est bien o mal


condicionada y esto se puede hacer de varias formas en matlab
1) El nmero de condicionamiento se usa para cuantificar el mal
condicionamiento de una matriz y est dado por la siguiente
formula
Cond(A)=||A||*||A-1||
Se hall en matlab de dos formas la primera calculando la norma
de la matriz y multiplicndola por la norma de la inversa de esta
matriz como se pusde ver en la figura 3 y Con el comando cond(A)
el calcula el condicional de la matriz directamente sin necesidad
de clculos, se esperara que si la matriz est bien condicionada
este valor sea igual o cercano a 1, sin embargo para esta matriz el
condicional da 524.0568 hallado de las dos formas
Figura 6. Clculo del condicional de una matriz y uso del comando
cond(A)

2) Si se realiza un cambio pequeo en los valores de la matriz


original y se genera un gran cambio en los resultados esto es una
seal de que la matriz est mal condicionada, por ejemplo se
cambi el valor aii y lo resultados fueron demasiado diferentes a
comparacin de la matriz inicial como se muestra a continuacin
en la figura 7.
Figura 7. Eliminacin gaussiana cambiando el valor de la posicin
aii.

Mara Isabel Sandoval Martnez

Los resultados son los mostrados a continuacin


X1 =
X2 =
X3 =

-2.5714
10.2857
-8.5714

Mara Isabel Sandoval Martnez