Beruflich Dokumente
Kultur Dokumente
Asignatura: Mtodos Numricos Clave de la asignatura: SCC - 0423 Carrera: Ingeniera en Sistemas Computacionales
AN TOLOGIA
Presenta:
ACAYUCAN, VER.
OCTUBRE 2009
Mtodos Numricos
INDICE
OBJETIVO GENERAL... JUSTIFICACION .. UNIDAD I Teora de errores 1.1 importancia de los mtodos numricos. 1.2 Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo............... 1.3 Tipos de errores... 1.3.1 Definicin de error: error absoluto y relativo 1.3.2 Error por redondeo 1.3.3 Error por truncamiento.. 1.3.4 Error numrico total 1.4 Software de computo numrico.. 1.5. Mtodos iterativos .. 5 6 7 8
15 17 17 18 20 22 23 26
UNIDAD II
Mtodos de solucin de ecuaciones... 2.1. 2.2. 2.3. Mtodo de Intervalo.. Mtodo de biseccin Mtodo de interpolacin.. 2.3.1. Mtodo de Newton Raphson 2.3.2. Mtodo de la secante Aplicaciones
37 38 41 48 48 51 54
2.4.
UNIDAD III
Mtodos de solucin de sistemas de ecuaciones 3.1 Mtodos Iterativos 3.1.1 Jacobi.. 3.1.2. Gauss Seidel. 3.2 Sistemas de ecuaciones no lineales. 3.2.1. Mtodo iterativo secuencial.
61 62 62 64 66 66
III
3.3 Iteracin y convergencia de sistemas de ecuaciones.. 3.3.1 sistemas de ecuaciones de Newton.. 3.4 Aplicaciones..
71 71 76
UNIDAD IV
Diferenciacin e integracin numrica ... 4.1. Diferenciacin numrica.. 4.2. Integracin numrica.... 4.2.1. Mtodo del trapecio... 4.2.2. Mtodo de Simpson. 4.3. Integracin Mltiple.. 4.4. Aplicaciones..
UNIDAD V
Soluciones de ecuaciones diferenciales 5.1 Mtodo de un paso.. 5.1.1 Mtodo de Euler y Euler mejorado.. 5.1.2 Mtodo de Runge Kutta.. 5.2. Mtodo de pasos Mltiples 5.3. Sistemas de ecuaciones diferenciales ordinarias 5.4. Aplicaciones
Bibliografa
141
IV
OBJETIVO GENERAL
El estudiante conocer, comprender y aplicar mtodos numricos para resolver problemas de la ingeniera y cientficos mediante el uso de computadora.
JUSTIFICACION
Uno de los objetivos del Instituto Tecnolgico Superior de Acayucan, es el de promover, apoyar e impulsar el trabajo creativo del docente, principalmente en la elaboracin de antologa que apoya al proceso enseanza aprendizaje, el cual debe ser estimulado con los comentarios y sugerencias del profesorado y conviene que sea imitado por otros maestros, quienes con capacidad de trabajo y tiempo disponible, pueden y deben gestar literatura de este gnero, dando los pasos adecuados para pulirla y poder formar as textos que faciliten la enseanza y el aprendizaje del curso.
El presente material de consulta y apoyo didctico se pone en manos de nuestros maestros y, particularmente, de los alumnos que se forman en nuestro instituto. Considero los contenidos de esta antologa como el propsito ms firme de mi convencimiento para facilitar el estudio de la probabilidad y estadstica en las nuevas generaciones que me honran al confiarme su preparacin y garantizar modestamente el fijarles una enseanza para toda la vida.
VI
UNIDAD 1
TEORA DE ERRORES.
Objetivo: El estudiante comprender la importancia de los mtodos numricos y conocer las caractersticas operativas del software de cmputo numrico comercial.
1.1. Importancia de los mtodos numricos. El objeto de estudio del anlisis numrico es la construccin y valoracin de los mtodos numricos que tienen como resultados un valor numrico. Relacin entre anlisis numrico y mtodos numricos:
Algunas de las razones por las cuales se debe estudiar los mtodos numricos son los siguientes: Son algoritmos que establecen la secuencia de solucin de sistemas de ecuaciones de gran tamao, con caractersticas de ser no lineales y geomtricas complicadas, porque la mayor parte de los problemas reales tienen este comportamiento, y que por lo general su solucin es muy complicada a travs de mtodos analticos. Es importante que el futuro ingeniero tenga los conocimientos bsicos de los mtodos ms comunes, ya que en el transcurso de su carrera, tendr la necesidad de usar software comercial o implementar su propio software, que resuelvan los algoritmos de problemas reales y que estn basados sobre algn mtodo numrico. Con los mtodos numricos el ingeniero usara la computadora como herramienta, el cual es uno de los propsitos, porque el profesionista debe de olvidarse de los clculos, y enfocarse en el diseo y planteamiento de la solucin de los problemas. Proporciona una mayor comprensin de las matemticas, ya que reducen las matemticas superiores a operaciones bsicas simples.
Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas de tal forma que puedan resolverse usando operaciones aritmticas. Aunque hay muchos tipos de mtodos numricos, todos comparten una caracterstica comn: invariablemente los
mtodos numricos lleva a cabo un buen numero de tediosos clculos aritmticos. Con el desarrollo de computadoras digitales eficientes y rpidas, el papel de los mtodos numricos en la solucin de problemas de ingeniera haya aumentado considerablemente en los ltimos aos. Mtodos anteriores a la aparicin de la computadora. Ms all de solo proporcionar un aumento en la potencia de clculo la disponibilidad general de las computadoras (especialmente de las computadoras personales) y su asociacin con los mtodos numricos, ha tenido una influencia muy significativa en el proceso de solucin de problemas de ingeniera. Antes del uso de la computadora haba tres mtodos diferentes que los ingenieros aplicaban a la solucin de problemas: 1. Primero, se encontraban las soluciones de algunos problemas usando mtodo exacto o analtico. Con frecuencia estas soluciones resultaban tiles y
proporcionaban una comprensin excelente del comportamiento de algunos sistemas. Sin embargo, las soluciones analticas pueden encontrarse solo para una clase limitada de problemas. Estos problemas incluyen aquellos que pueden aproximarse mediante modelos lineales y tambin aquellos que tienen valor prctico limitado, porque la mayor parte de los problemas reales no son lineales, e implican formas y procesos complejos.
2. Para analizar el comportamiento de los sistemas se usaban soluciones grficas. stas tomaban la forma de grafos o nomogramas. Aunque las tcnicas grficas a menudo pueden emplearse para resolver problemas complejos, los resultados no son muy precisos. Es ms, las soluciones grficas (sin la ayuda de una computadora) son tediosas en extremo y difciles de implementar. Finalmente, las tcnicas grficas estn limitadas a aquellos problemas que puedan describirse usando tres dimensiones o menos.
3. Para implementar los mtodos numricos se utilizaban calculadoras manuales y reglas de clculo. Aunque en teora estas aproximaciones deberan ser perfectamente adecuadas para resolver problemas complicados, en la prctica se
presentan algunas dificultades. Los clculos manuales son lentos y tediosos. Adems no existen resultados consistentes debido a que surgen equivocaciones cuando se efectan las tareas manualmente.
Antes del uso de la computadora, se gastaba mucha energa en la tcnica misma de solucin, en vez de aplicarla sobre la definicin del problema su interpretacin (Fig. 1.1 a). Esta situacin desafortunada exista debido al tiempo y trabajo montono que se requeran para obtener resultados numricos con tcnicas que no utilizaban a la computadora. Hoy en da, las computadoras y los mtodos numricos proporcionan una alternativa para clculos tan complicados. Al usar la computadora para obtener soluciones directamente, se pueden aproximar los clculos sin tener que recurrir a suposiciones de simplificacin o tcnicas deficientes. Aunque dichas suposiciones son an extremadamente valiosas tanto para resolver problemas como para proporcionar una mayor comprensin, los mtodos numricos representan alternativas que amplan considerablemente la capacidad para confrontar y resolver los problemas; como resultado, se dispone de ms tiempo para aprovechar las habilidades creativos personales. Por consiguiente, es posible dar ms importancia a la formulacin de un problema, a la interpretacin de la solucin y a su incorporacin al sistema total, o conciencia "holstica" (Fig. 1.1 b).
Figura: Las tres fases en la solucin de problemas de ingeniera en a) la era anterior a las computadoras y b) la era de las computadoras. Los tamaos de los recuadros indican con el
10
nivel de importancia que se dirige a cada fase en el saln de clases. Las computadoras facilitan la implementacin de tcnicas de solucin as permiten un mayor cuidado sobre los aspectos creativos de la formulacin de problemas y la interpretacin de resultados. Los mtodos numricos y la prctica de la ingeniera Desde finales de la dcada de 1940, la multiplicacin y disponibilidad de las computadoras digitales ha llevado a una verdadera explosin en cuanto al uso y desarrollo de los mtodos numricos. Al principio, este crecimiento estaba algo limitado por el costo de acceso a computadoras grandes (mainframes), por lo que muchos ingenieros continuaban usando simples planteamientos analticos en una buena parte de su trabajo. No es necesario mencionar que la reciente evolucin de computadoras personales de bajo costo, ha dado a mucha gente un fcil acceso a poderosas capacidades de cmputo. Adems existen un buen nmero de razones por las cuales se deben estudiar los mtodos numricos: 1. Los mtodos numricos son herramientas extremadamente poderosas para la solucin de problemas. Son capaces de manejar sistemas de ecuaciones grandes, no linealidades y geometras complicadas que son comunes en la practica de la ingeniera y que, a menudo, son imposibles de resolver analticamente. Por lo tanto, amplan la habilidad de quien los estudia para resolver problemas.
2. En el transcurso de la carrera, es posible que el estudiante tenga la ocasin de usar software disponible comercialmente que contenga mtodos numricos. El uso inteligente de programas depende del conocimiento de la teora bsica en la que se basan estos mtodos.
3. Los mtodos numricos son un vehculo eficiente para aprender a servirse de las computadoras personales. Es bien sabido que una manera efectiva de aprender programar las computadoras es escribir los programas. Como los mtodos numricos, en su mayor parte estn elaborados para implementarse en computadoras, resultan ideales para este propsito. Aun mas, estn especialmente adaptadas para ilustrar la potencia as como las limitaciones de las computadoras.
11
4. Los mtodos numricos son un medio para reforzar su comprensin de las matemticas. Porque una funcin de los mtodos numricos es la de reducir las matemticas superiores a operaciones aritmticas bsicas ya que se profundizan en los temas que de otro modo resultan oscuros. Esta alternativa aumenta su capacidad de comprensin en la materia.
Problemas matemticos y sus soluciones. En el campo profesional de la ingeniera se requiere utilizar modelos matemticos para la prediccin y explicacin de ciertos fenmenos, un modelo matemtico imprescindible para el ingeniero son los mtodos numricos, ya que son tcnicas mediante las cuales es posible plantear soluciones a los problemas. 1. Races de ecuaciones.
Estos problemas estn relacionados con el valor de una variable o de un parmetro que satisface una ecuacin. Son especialmente valiosos en proyectos de ingeniera donde con frecuencia resulta imposible despejar analticamente parmetros de ecuacin de diseo.
Estos problemas son similares a los de races de ecuaciones en sentido de que estn relacionados con valores que satisfacen las ecuaciones. Sin embargo, en lugar de satisfacer una sola ecuacin se busca un conjunto de valores que satisfaga simultneamente un conjunto de ecuaciones algebraicas lineales las cuales surgen en el contexto de una variedad de problemas y en todas las disciplinas de ingeniera. Se originan a partir de modelos matemticos de grandes sistemas de elementos interrelacionados, tal como estructuras, circuitos elctricos y redes de flujo. Las ecuaciones lineales simultneas surgen en el contexto de una variedad de problemas y en todas las disciplinas de la ingeniera.
12
Tal como se representa, una interpretacin fsica de la integracin numrica es la determinacin del rea bajo la curva. La integracin tiene diversas aplicaciones en la prctica de la ingeniera, que van desde la determinacin de los centroides de objetos de forma extraa hasta el clculo de cantidades totales basadas en conjunto de medidas discretas.
I = f ( x)dx
a
4.
Las ecuaciones diferenciales ordinarias tienen un enorme significado en la practica de la ingeniera. Esto se debe a que muchas leyes fsicas estn expresadas en trminos de la razn de cambio de una cantidad mas que en trminos de magnitud. Entre otros
13
ejemplos tenemos los modelos de la prediccin demogrfica (razn de cambio de una poblacin) hasta la aceleracin de un cuerpo que cae ( razn de cambio de la velocidad)
dy y = f (t , y ) dt t
de t.
14
1.2. Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo. El anlisis numrico proporciona mtodos computacionales para el estudio y solucin de problemas matemticos. Al derivar los mtodos numricos para la solucin de dichos Debido a que muchos
clculos son realizados en computadores digitales, es conveniente la discusin para la implementacin de los mtodos numricos como programas de computador. Una caracterstica de estos mtodos es que proporcionan slo resultados aproximados, por lo tanto el estudio del error es de inters central para el anlisis numrico. En la practica profesional, los errores pueden resultar costosos y en algunas ocasiones catastrficos. Se puede perder hasta la vida si una estructura o un dispositivo llega a fallar. El concepto de cifras o dgitos significativos se han desarrollado para designar ormalmente la confiabilidad de un valor numrico. Las cifras significativas de un numero son aquellas que pueden utilizarse en forma confiable. Se trata del numero de dgitos que se ofrecen con certeza, mas uno estimado. Estas cifras proporcionan informacin real relativa a la magnitud y precisin de las mediciones de una cantidad. El aumento de la cantidad de cifras significativas incrementa la precisin de una medicin. Los ceros no siempre son cifras significativas ya que pueden usarse solo para ubicar el punto decimal. Los nmeros 0.000 018 45 0.000 184 5 0.001 845 tienen cuatro cifras significativas. La incertidumbre (duda) se puede desechar usando la notacin cientfica en donde : 4.53 x 10
4
4.530 x 104 4.5300 x 104 muestran que el numero tiene tres, cuatro y cinco cifras significativas. El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los mtodos numricos:
15
1. Los mtodos numricos dan resultados aproximados, por lo tanto, se deben de desarrollar criterios para especificar que tan confiables son dichos resultados. Una manera de hacerlo es en trminos de cifras significativas. Por ejemplo, es posible afirmar que la aproximacin es aceptable siempre y cuando sea correcta con cuatro cifras significativas. 2. Aunque ciertas cantidades tales como
hasta el infinito. Como las computadoras tienen solo un numero finito de cifras significativas, tales nmeros jams se podrn representar con exactitud. A la
Los errores asociados con los clculos y medidas se pueden caracterizar observando su precisin y exactitud. La precisin es el grado de concordancia dentro de un grupo de mediciones o instrumentos. Ya que el numero de cifras significativas que representa una cantidad o la extensin en las lecturas repetidas de un instrumento que mide alguna propiedad fsica. La precisin se compone de dos caractersticas: conformidad y el numero de cifras significativas con las cuales se puede realizar la medicin.
La exactitud se refiere al grado de aproximacin o conformidad al valor real de la cantidad medida. . Estos conceptos se pueden ilustrar grficamente usando una analoga con un buen tirador al blanco. Los agujeros en el centro del tiro al blanco de cada esquema de la figura siguiente se pueden imaginar como las predicciones en una tcnica numrica, mientras que el centro del blanco de cada esquema representa la verdad. La inexactitud (conocida tambin como sesgo) se define como un alejamiento sistemtico de la verdad. Por lo tanto, aunque las balas en la figura c estn ms juntas que las de la figura a, los dos casos son igualmente inexactos ya que ambos se centran en la esquina superior izquierda del blanco. La precisin, por el otro lado se refiere a la magnitud del esparcimiento de las balas. Por lo tanto, aunque las figuras b y d son igualmente exactas (esto es, igualmente centradas respecto al blanco), la ltima es ms precisa ya que las balas estn en un grupo ms compacto.
16
Figura: Un ejemplo de un buen tirador ilustra el concepto de exactitud y precisin. a) Inexacto e impreciso; b) exacto e impreciso; e) inexacto y preciso; d) exacto y preciso.
Definicin de Error. Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Si p * es una aproximacin a p , el error se define como
E = p p*
Sin embargo, para facilitar el manejo y el anlisis se emplea el error absoluto definido como
EA = p p *
y el error relativo como
ER =
y como por ciento de error a
p p* p
si p 0
ERP = ( ER )100
17
Error aproximado
a =
Este error es el resultado de representar aproximadamente nmeros exactos. Es decir, se debe a la omisin de algunas de las cifras significativas de algn valor especfico. Un ejemplo de donde sucede se da en las computadoras o calculadoras, que solo guardan un nmero finito de cifras significativas, cuyo mximo de dgitos o de cifras significativas son de 8 a 14 lo cual obliga a redondear el valor real.
Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de cifras significativas durante un calculo. Las computadoras realizan esta funcin de maneras diferentes. Por ejemplo, si solo se guardan siete cifras significativas, la computadora puede almacenar y usar como = 3.141592, omitiendo los trminos restantes y generando un error de redondeo. Ya que la mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo pareceran no ser muy importantes. Sin embargo, hay dos razones del porque pueden resultar crticos en algunos mtodos numricos: 1. ciertos mtodos requieren cantidades extremadamente grandes para obtener una respuesta. Adems, estos clculos a menudo depende entre si. Estos es, los clculos posteriores son dependientes de los anteriores. En consecuencia, aunque
18
un error de redondeo individual puede ser muy pequeo, el efecto de acumulacin en el transcurso de la gran cantidad de clculos puede ser significativos.
2.
el efecto del redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas que emplean nmeros muy pequeos y muy grandes al mismo tiempo. Ya que este caso se presenta en muchos mtodos numricos, el error de redondeo puede resultar de mucha importancia.
El ltimo dgito retenido se aumenta en uno si el primer dgito descartado es fuera as, el dgito conserva su valor. Ejemplo: la importancia de las cifras significativas de los clculos algebraicos. Determnese la diferencia de dos nmeros grandes: 32981108.1234
5 , si no
y 32981107.9989.
Enseguida, reptase los clculos pero incrementndose el minuendo en in 0.001%. Solucin: La diferencia de los nmeros es:
19
Ahora incrementando el minuendo en un 0.001 % se obtiene el numero 32 981 437.934 5 y la diferencia es:
+ 8.3 x 10
= 6.0 x 10
-4
se
redondea hasta el 3 porque nos indica que es el valor para redondeo 3. multiplicacin y divisin a) Evalese 0.0642 x 4.8 = 0.30816 = 0.31 b) 945/0.3185 = 2967.032967= 2970
1.3.3.
Los errores de truncamiento son aquellos que resultan al usar una sucesin finita o infinita de pasos en el cual se realizan clculos para producir un resultado exacto, se trunca prematuramente despus de un cierto nmero de pasos.
20
Truncar la siguiente cifra hasta centsimos, o hasta que sean dos las cifras significativas :
7 = 2 . 645751311
7 2.64
Como podemos ver, en este tipo de error, lo que se hace es omitir algunas de las cifras de una cantidad, debido a que esta contiene muchos decimales, entonces se trunca o corta el nmero, por lo que tambin cae en un error. Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar de un procedimiento matemtico exacto. Estos errores se regresan a la formulacin matemtica usada ampliamente en los mtodos numricos para expresar funciones en forma polinomial. La serie de Taylor. La serie de Taylor La serie de Taylor da una formulacin para predecir el valor de la funcin en xi +1 en trminos de la funcin y de sus derivadas en una vecindad al punto xi . Por ejemplo: el primer trmino de la serie es conocida como aproximacin de orden cero.
f ( xi +1 ) f ( xi )
aproximacin de primer orden .
f ( xi +1 ) f ( xi ) + f ( xi )h donde h = ( xi +1 xi )
aproximacin de segundo orden .
f ( xi +1 ) f ( xi ) + f ( xi )h +
f ( xi ) 2 h donde h = ( xi +1 xi ) 2!
De esta manera se puede agregar trminos adicionales para desarrollar la expansin completa de la serie de Taylor.
21
Se incluye un termino residual para considerar todas los trminos desde n + 1 hasta el infinito:
Rn =
f ( n +1) ( ) n +1 h (n + 1)!
donde el subndice n indica que el residuo es de la aproximacin a n- simo orden y valor cualquiera de x que se encuentra en xi y xi +1
es un
1.3.4.
El error numrico total es la suma de los errores de truncamiento y de redondeo. ste es el medio para poder lograra minimizar los errores debido a redondeo, y esto se logra incrementando el nmero de cifras significativas.
Los errores por truncamiento pueden ser disminuidos cuando los errores por redondeo se incrementan. Para poder disminuir un componente del error numrico total, se debe
Errores humanos 1. Errores por equivocacin. Las equivocaciones ocurren a cualquier nivel del proceso de modelacin matemtica y puede contribuir con todas las otras componentes del error.
22
Se puede evitar nicamente con el conocimiento de los principios fundamentales y con el cuidado sobre la aproximacin y diseo de la solucin a un problema.
2. Errores de formulacin. Los errores de formulacin o de modelamiento degeneran en lo que se podran considerar como un modelo matemtico incompleto. Un ejemplo de un error de formulacin imperceptible es el hecho de que la segunda ley de newton no explica los efectos relativistas.
3. Incertidumbre en los datos. Algunas veces se introducen errores en un anlisis debido a la incertidumbre de los datos fsicos sobre los que se basa el modelo.
1.4. Software de cmputo numrico En la actualidad existen dos tipos de usuarios de software. Por un lado estn aquellos que toman lo que se les da. Es decir, quienes se limitan a las capacidades que encuentran en el modo estndar de operacin del software existente. Por ejemplo, resultan muy sencillo resolver un sistema de ecuaciones lineales o generar graficas con valores x - y con EXCEL, Matlab o Mathcad . como este modo de operacin por lo comn requiere un mnimo esfuerzo, muchos de los usuarios adoptan este modo de operacin. Adems, como los diseadores de estos paquetes se anticipan a la mayora de las necesidades tpicas de los usuarios, muchos de los problemas pueden resolverse de esta manera. Pero , Que pasa cuando se presentan problemas que estn mas all de las capacidades estndar de dichas herramientas ? . en tal caso usted tiene dos alternativas. La primera seria buscar otro paquete y ver si sirve para resolver el problema. Esta es una de las razones por las que quisimos usar EXCEL como mathcad o Matlab. Como veremos , ninguno de ellos abarca todo y cada uno tiene sus ventajas. El segundo seria que es posible volverse un potente usuario si se aprende a escribir macros en EXCEL VBA ( visual basic for applications ). Programas computacionales Los programas computacionales son nicamente conjuntos de instrucciones que dirigen a la computadora para realizar cierta tarea.
23
Visto desde esta perspectiva , reducimos toda complejidad a unos cuantos tpicos de programacin, que son: Representacin de informacin sencilla ( declaracin de constantes, variables y tipos) Representacin de informacin ms compleja ( estructura de datos, arreglos y registros) Formulas matemticas (asignacin, reglas de prioridad y funciones intrnsecas) Entrada / salida Representacin lgica ( secuencia, seleccin y repeticin) Programacin modular ( funciones y subrutinas) Programacin estructurada En esencia la programacin estructurada es un conjunto de reglas que desarrollan en el programa los hbitos para lograr un buen estilo. Aunque la programacin estructurada es bastante flexible para permitir considerable creatividad y expresin personal, sus reglas imponen suficientes restricciones para hacer que los programas resultantes sean muy superiores a sus versiones no estructuradas. Un diagrama de flujo es una representacin visual o grafica de un algoritmo. Emplea una serie de cajas o bloques y flechas, cada una de las cuales representa un determinado paso u operacin del algoritmo. Otra manera de expresar los algoritmos y que constituyen un puente de unin entre los diagramas de flujo y el cdigo de la computadora, es el pseudocodigo. Programacin modular Dividir una tarea o una materia complicada en partes mas accesibles es una manera de hacerla mas fcil. Siguiendo una misma idea, los programas de computacin se dividen en subprogramas mas pequeos, o mdulos que pueden desarrollar y probarse por separado. A esta forma de trabajar se le llama programacin modular. Excel. Excel es una hoja de calculo producida por Microsoft Inc. Las hojas de clculos son un tipo especial de software para matemticas que permite al usuarios ingresar y realizar clculos en renglones y columnas de datos. Como tales, son una versin computarizada de una gran hoja de contabilidad en la que se lleva a cabo una gran cantidad de clculos interrelacionados. Puesto que cuando se modifica un valor de la hoja , hay que actualizar todos los clculos , las hojas son ideales para hacer anlisis del tipo y que pasa si ... ?
24
Excel cuenta con varios recursos numricos interconstruidos como resolucin de ecuaciones, ajuste de curvas y optimizacin. Incluye tambin VBA como un lenguaje de macro que sirve para hacer clculos numricos. Por ultim, tiene varias herramientas para la visualizacin como diagramas y graficas tridimensionales, que son un valiosos complemento para el anlisis numrico. Matlab Matlab es el principal producto de software de Mathworks, Inc. , fundada por los analistas numericos Cleve Moler y John N. Little. Como su nombre lo indica, Matlab se desarrollo originalmente como un laboratorio para matrices. Hoy , el elemento principal de Matlab sigue siento la matriz. La manipulacin matemtica de matrices se ha realizado muy adecuadamente en un ambiente interactivo fcil de utilizar. A esta manipulacin matricial, Matlab agrega varias funciones numricas, clculos simblicos y herramientas para visualizacin. Matlab tiene diferentes funciones y operadores que permiten la adecuada realizacin de los mtodos numericos que aqu desarrollamos. Mathcad El uso del software Mathcad 2001 Professional supone un paso adelante para clarificar y potenciar el aprendizaje de conceptos, tcnicas e ideas matemticas de forma que sean de clara utilidad prctica, tanto de cara al desarrollo del currculo acadmico como de cualquier actividad profesional. En este sentido, el uso adecuado de este programa no slo facilita la adquisicin de conceptos clave sino que tambin fomenta la creatividad dentro del mbito matemtico, facilitando la contextualizacin de las asignaturas cuantitativas y ofreciendo cientos de operadores y funciones incorporadas para resolver problemas tcnicos, desde los ms simples hasta los ms complicados. Mathcad 2001 Professional es un software de clculo, extremadamente verstil y potente como lenguaje de programacin. Contiene una exhaustiva biblioteca de funciones estadsticas y de anlisis, una coleccin de potentes algoritmos para resolucin problemas as como herramientas de manipulacin de matrices. La principal caracterstica de Mathcad es que resulta tan fcil de usar como las conocidas hojas de clculo que pueden encontrarse en el mercado. Y, sin embargo, no es necesario aprender ninguna sintaxis complicada en Mathcad una ecuacin aparece tal y como se podra ver en una pizarra o en un libro.
25
Algoritmos y estabilidad. El tema fundamental de esta asignatura es el estudio, seleccin y aplicacin de algoritmos, que se definen como secuencias de operaciones algebraicas y lgicas para obtener la solucin de un problema. Por lo general, se dispone de varios algoritmos para resolver un problema particular; unos de los criterios de seleccin es la estabilidad del algoritmo; esto es, que a pequeos errores de los valores manejados se obtengan pequeos errores en los resultados finales . 1.5. Mtodos iterativos. Ejemplo: Estimacin del error para mtodos iterativos Enunciado del problema : en matemticas, a menudo se puede representa las funciones mediante una serie infinita. Por ejemplo la funcin exponencial se puede calcular usando:
x 2 x3 x4 e = 1+ x + + + + ... 2! 3! 4!
x
Mientras mas trminos se le agreguen a la serie , la aproximacin se acercara mas y mas al valor de x . la ecuacin anterior se le llama serie de Maclaurin. Empezando con el primer termino , e x = 1, y agregando un termino a la vez, estmese el valor de e
0.5
a . Ntese
e 0.5 = 1.648721271
ER =
p p* p
si p 0
ERP = ( ER )100
26
a =
x 2 x 4 x 6 x8 Cosx = + + L 2! 4! 6! 8!
Iniciando con el primer termino cos x = 1 , agrguense los trminos uno a uno para estimar
cos
3 . Despus que se agregue cada uno de los trminos, calclense los errores
porcentuales relativos, exactos y aproximados .sense una calculadora para determinar el valor exacto. Agrguense trminos hasta el valor absoluto del error aproximado falle bajo cierto criterio de error, considerando dos cifras significativas. Solucin: s = (0.5 x 10 2 2 ) % = 0.5 %
cos
= 0.5 3
27
Ejercicio: Reptase los clculos del problema anterior pero ahora usando la serie de Maclaurin para sen x = 0
x3 x5 x7 Senx = x + +L 3! 5! 7!
Sen
estmese el
s = (0.5 x 10 2 2 ) % = 0.5 %
Sen
= 1 empezando
sen x = 0
Ejemplo: Aproximaciones de un polinomio mediante la serie de Taylor. Enunciado del problema: sense trminos en la serie de Taylor de cero a cuarto orden para aproximar la funcin :
f ( x) = 0.1x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2 desde el punto xi = 0 y con h = 1. Esto es,
predecir el valor de la funcin en xi +1 = 1. Solucin: Ya que se trata de una funcin conocida se puede calcular valores f(x) 0 y 1
28
f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 f ( x) = 1.2 f ( x) := 0.1x 0.15x 0.5x 0.25x + 1.2 f ( x) = 0.2
4 3 2
x := 0
x := 1
Los resultados indican que la funcin empieza en f(0)=1.2 y continua hacia abajo hasta f(1)=0.2. por lo tanto el valor que se trata de predecir es 0.2.
f ( xi +1 ) f ( xi ) =1.2
Como se puede ver en la figura la aproximacin de orden cero es una constante . el error de truncamiento en este caso es
E = p p*
E = 0.2 1.2 = - 1.2
x := 0
29
h := 1
que se puede usar para h = 1 , calcular f(1) = 0.95 . Por consiguiente , la aproximacin empieza a coincidir con la trayectoria de la funcin como la pendiente de una lnea recta. De esta manera el error de truncamiento se reduce a :
x := 0
f ( x) = 1
dx
f ( xi +1 ) f ( xi ) + f ' ( xi )( xi +1 x i ) + 1 2 )h 2!
f ' ' ( xi ) ( xi +1 x i ) 2 2!
f ( xi +1 ) 1.2 0.25h + (
1 h 2 2!
h := 1
30
f ( x) := 0.1 x
0.15 x d
3 3
0.5 x
0.25 x + 1.2
x := 0
f ( x) = 0.9
dx
1 2 0 .9 3 )h + ( )h 2! 3!
1 h 2 + 0.9 h 3 2! 3!
h := 1
0.15 x d
4 4
0.5 x
0.25 x + 1.2
x := 0
f ( x ) = 2.4
dx
f ( xi +1 ) 1.2 0.25h + (
Rn
f ( n +1) ( ) n +1 h = ( n + 1 )!
R4 =
f (5) ( ) 5 h 5!
31
x := 0
f ( x) = 0
dx
ya que la quinta derivada de un polinomio de cuarto orden es nula, R4 =0. Por consiguiente, la expansin en serie de Taylor hasta la cuarta derivada produce una aproximacin exacta en x = 1
f ( h ) := 1.2 + ( 0.25 h ) + f ( h ) = 0.2
1 h 2 + 0.9 h 3 + 2.4 h 4 2! 3! 4!
h := 1
En general, la expansin en serie de Taylor de n-simo orden es exacta para un polinomio de n-simo. Para otras funciones continuas diferenciales, como las exponenciales o senoidales, no se obtiene una estimacin exacta mediante un numero finito de trminos. Cada uno de los trmino adicionales contribuye al mejoramiento de la aproximacin , aunque sea con poco. La decisin sobre cuantos trminos se requieren para obtener una aproximacin razonable se basa en el termino residual de la expansin .
Rn
f ( n +1) ( ) n +1 h = ( n + 1 )!
Esta ecuacin residual es de la forma general, tiene dos grandes desventajas . Primero
no se conoce exactamente sino que solo se sabe que esta entre xi y xi+1 . Segundo , para la evaluacin de la ecuacin anterior se requiere para evaluar la (n + 1 ) sima derivada de f(x).
Ejemplo: Uso de la serie de Taylor para aproximar una funcin que tiene un numero infinito de derivadas.
Enunciado del problema : sense los trminos de la serie de Taylor con n = 0 hasta 6 para aproximar :
32
f ( x ) = cos x
en
x = /3
(60) con base al valor de f(x) y de sus derivadas alrededor del punto
h=
12
Nota: el resultado de la sustitucin y de ellos quien tengan el valor pequeo ese ser el valor exacto
f ( x) := cos ( x) f ( x) = 0.5
x :=
F(x)= 0.5
f(x)= 0.707106781
f ( x) := cos ( x) f ( x) = 0.707106781
x :=
ERP =
f ' ( x ) = sen ( x )
ERP =
33
x :=
h :=
12
ERP =
x :=
h :=
12
ERP =
f 4 ( x) = cos( x)
cos( x ) 2 sen( x ) 3 cos( x) 4 f cos( x ) ( sen( x))h h + h + h 2! 3! 4! 3
f ( h ) := cos ( x) + ( sin ( x) )h + f ( h ) = 0.500007551
x :=
h :=
12
ERP =
34
f 5 ( x) = sen( x)
cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5 f cos( x ) ( sen( x ))h h + h + h h 2! 3! 4! 5! 3 cos ( x) 2 sin ( x) 3 cos ( x) 4 sin ( x) 5 f ( h ) := cos ( x) + ( sin ( x) )h + 2! h + 3! h + 4! h + 5! h
f ( h ) = 0.500000304
x :=
h :=
12
ERP =
f 6 ( x) = cos( x)
cos( x) 2 sen( x) 3 cos( x) 4 sen( x) 5 cos( x) 6 f cos( x ) ( sen( x))h h + h + h h h 2! 3! 4! 5! 6! 3
x :=
h :=
12
ERP =
Ntese que las derivadas nunca se acercan a cero, como es el caso del polinomio. Sin embargo, cada trmino que se le agrega a la serie produce una mejor aproximacin. Ntese tambin que la mayor aproximacin se consigue con los primeros trminos.
35
f ( x) := cos ( x)
1
x := 4 , 3.9 .. 10
f ( x)
10
1 x
Orden n
f n ( x)
cos( x) sin( x) cos( x) sin( x) cos( x) sin( x) cos( x)
f 3
ERP
0 1 2 3 4 5 6
2.40 x10 6
36
UNIDAD 2
METODOS DE SOLUCION DE ECUACIONES
Objetivo: Implementara mtodos de solucin de ecuaciones algebraicas o trascendentales, con apoyo de un lenguaje de programacin.
2.1 Mtodo de Intervalo A estas tcnicas se les llama mtodos que usan intervalos porque se necesitan de dos valores inciales para la raz. Como su nombre lo indica, estos valores deben encerrar o estar uno de cada lado de la raz. Los mtodos particulares descritos sobre este punto emplean diferentes estrategias para reducir sistemticamente el tamao del intervalo y as converger a la respuesta correcta. Adems de la utilidad de los mtodos grficos para determinar valores inciales, tambin son tiles para visualizar las propiedades de las funciones y el comportamiento de los mtodos numricos.
Mtodos grficos. Un mtodo simple para obtener una aproximacin a la raz de la ecuacin f(x) = 0 consiste en graficar y observar en donde cruza el eje x. Este punto , que representa el valor de x para el cual f(x) = 0 , proporciona una aproximacin inicial de la raz.
Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin : f ( x) = e
x
x
2
Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin
38
5 f ( x) 5
10 x
Ejemplo: Mtodos grficos Enunciado del problema: Emplese graficas para obtener una raz aproximada de la funcin
f ( x ) := 2x
2
3x
x :=
5 .. 5
100
50 f ( x) 5 50 x 0 5
x := 5 , 4.9 .. 5
f ( x)
2 x
Ejemplo: Para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m = 68.1 kg. Tenga una velocidad de 40 m/s despus de una cada libre de t = 10 s. Nota la aceleracin de la gravedad es 9.8 m/s 2 . Determine su grafica.
t gm 1 e m v(t ) = c c
39
Solucin: S Este problema se resuelve determinand la raz de la ecuacin usando los p E a e do parmetros t = 10, 1 g = 9.8, v = 40 y m = 68 8.1
t gm 1 e m v f (c ) = c c c 10 9.8(68.1) 1 e 68.1 40 f (c ) = c
34.115
40
20 f ( c) 0 3.977 5 10 15 20
20 4 c 17
Ejemplo : Graficar E
f ( x ) := x
10
x := 0 , 0.001
.. 1.3
15
10
f ( x)
0.5
1.5
5 x
Solucin: S
40 0
Ejemplo: Escriba el programa que utiliza en Matlab para poder grafica r la siguiente funcin X = 1:0.1:5 Y = x.^3 + 3*x^2 + 5*x +3 Figure Plot(x,y) Disp( grafica de funcin )
2.2 Mtodo de biseccin Los mtodos de bsqueda incremental se aprovechan de esta caracterstica para localizar un intervalo donde la funcin cambie de signo. Por lo tanto, la localizacin del cambio de signo, se logra ms exactamente dividiendo el intervalo en una cantidad definida de subintervalos. El mtodo de biseccin conocido tambin como de corte binario, de particin en dos intervalos iguales o mtodo Bolzano, es un mtodo de bsqueda incremental en el que el intervalo se divide siempre en dos. Si la funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin de la raz se determina
41
situndola en el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El proceso se repite hasta obtener una mejor aproximacin. Si el intervalo original es de tamao absoluto de la diferencia de dos
a 2n
de donde :
n=
ln (a ) ln ( ) ln(2)
Por esto se dice que se puede saber de antemano cuantas iteraciones se requieren. O bien se puede utilizar el siguiente criterio de convergencia
Ea <
E a = aproxactual aproxanterior
Algoritmo Sencillo : Paso 1: Elija los valores iniciales inferior
f ( x1 ) f ( xu ) < 0
Entonces hay al menos una raz entre
x1 y x u .
xr =
x1 + xu 2
42
Paso 3: Realice las siguientes evaluaciones para determinar en que subintervalo cae la raz
x1 = xr y continu en el paso 2.
Problema: Utilice el mtodo de biseccin para encontrar la raz real de la siguiente funcin:
x f( x) := e x error :=
0.001
x1 :=
xu :=
Datos n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho
Calculo :
x f( x) := e x x1 :=
x :=
0 , 0.001.. 1
1
xu :=
f( x1) f( xu ) = 0.632120559 n := ln
si tiene raz n=
10
f( x)
0.5
43
s :=
x1 xu
0 1 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu
for k xr
c e if c <
2
x1
x1 e
)(
xr
xr
0
x1 + xu
xr
0
x1 + xu
xr
tmp xr x1 tmp xr if c = xr s=
0 0.567382813
44
f ( x ) := cos ( x ) ln ( x )
error
:=
0.001
x1 :=
xu :=
Datos n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho
Cal culo :
f ( x ) := cos ( x ) ln ( x ) x1 :=
x :=
1 , 1.001
1
..
xu :=
f ( x1 ) f ( xu ) = 0.599354115 n := ln
si tiene raz n =
(2
1)
ln
ln
(2 )
( 0.001 )
10
f( x )
1 1
1.5
s :=
x1 xu for
1 2 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10
x1 + xu
2
x
k xr
2 0
x1 + xu
xr
0
x1 + xu
xr
tmp xr x1 tmp xr xr s = if c =
0 1.303710938
45
Problema: La ecuacin de estado de Van der Walls para un gas real es:
a P + 2 (V b ) = RT V
Donde :
46
Gas
a 0.03412
b 0.02370
He
Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial
V1 = 0.8v , Vu = 1.2v ,
Donde
Solucin:
v :=
R T p
p := 10
R := 0.08205 b := 0.02370
T := 353.2
a := 0.03412
v1 := 0.8 v v1 = 2.3184048 f ( V) := p V
vu := 1.2 v vu = 3.4776072
( 3) (pb + RT)V2 + aV ab
si tiene raz
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho
n :=
n=7
47
s :=
if c < 0 vr
2.3.1.
Calculo de races por el mtodo de newton Es una de las formulas mas ampliamente usadas para localizar races, si el valor inicial de la raz es Xi, entonces se puede extender una tangente desde el punto [Xi, f (Xi) ]. El punto donde esta tangente cruza el eje X, representa una aproximacin mejorada de la raz.
El mtodo de Newton-Raphson se puede obtener sobre la base de una interpretacin geomtrica, la primera derivada en X es equivalente a la pendiente
48
f (x i ) =
f (x i ) 0 xi xi+1
xi+1 = xi
f (x i ) f (x i )
Ejemplo . Utilice el mtodo de Newton Raphson para obtener la raz real de la funcin
f ( x) = x 3 + 2 x 2 + 10 x 20 xi +1 xi = 10 3
49
Clculos en mathcad
f ( x) := x + 2x + 10 x 20 df ( x) := 3x + 4x + 10 x := 1
0 2 3 2 2 d f ( x) 3 x + 4 x + 10 dx
i+ 1
:= x
i
( i) df ( x ) i
f x
i := 0 .. 5
x =
i 1 1.41176 1.36934 1.36881 1.36881 1.36881
i+ 1
f x
( i) =
-7 0.918 0.011 1.70410 -6 3.90810 -14 0
Clculos de Matlab
f ( x) =
.
50
2.3.2.
Mtodo de la secante
Un problema fuerte en la implementacin del mtodo de newton Raphson es la evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomio y para muchas otras funciones, existen algunas cuyas derivadas pueden ser extremadamente difciles de evaluar. En estos casos la derivada se puede aproximar mediante una diferencia dividida, como la figura
Esquema grfico del mtodo de la secante. Esta tcnica es similar a la del mtodo de Newton - Raphson en el sentido de que una aproximacin a la raz se calcula extrapolando
51
una tangente de la funcin hasta el eje x. Sin embargo, el metodo de la secante usa una diefrencia en vez de la derivada para aproximar la pendiente.
xi +1 = xi
(xi xi 1 ) f (xi ) f ( xi ) f ( xi 1 )
xi +1 xi <
f ( x) = x 3 + 2 x 2 + 10 x 20
xi +1 xi = 10 3
clculos en Mathcad
f ( x) := x + 2x + 10x 20 x := 0
0 3 2
x := 1
1
i := 0 .. 5 k := 1 .. 6
k+ 1
:= x
k
x =
i 0 1 1.53846 1.35031 1.36792 1.36881
x =
i 1
f x
( k) =
-7 3.75967228 -0.388136149 -0.018786791 1.00857988810 -4 -2.60078039110 -8
52
Clculos en Matlab
53
clculos en EXCEL.
2.4. Aplicaciones Problema: utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un gas real es:
a P + 2 (V b ) = RT V
donde :
Gas
A 0.03412
b 0.02370
He
Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial
54
v :=
R T p
p := 10
R := 0.08205 b := 0.02370
T := 353.2
a := 0.03412
v1 := 0.8 v v1 = 2.3184048 f ( V) := p V
vu := 1.2 v vu = 3.4776072
( 3) (pb + RT)V2 + aV ab
si tiene raz
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho
n :=
n=7
55
s :=
if c < 0 vr
Problema : utilice el mtodo de biseccin: La ecuacin de estado de Van der Walls para un gas real es:
a P + 2 (V b ) = RT V
donde :
P = presin en atm ; T = temperatura en K; R = constante universal de los gases en atm L / (gmol K) = 0.08205
56
Gas
a 0.03412
b 0.02370
He
Realice los clculos necesarios para resolver esta ecuacin usando como intervalo inicial
V1 = 0.8v , Vu = 1.2v ,
Donde
v :=
R T p
p := 30
R := 0.08205 b := 0.02370
T := 353.2
a := 0.03412 v = 0.966002
v1 := 0.8 v v1 = 0.7728016
vu := 1.2 v vu = 1.1592024
f ( V) := p V
( 3) (pb + RT)V2 + aV ab
si tiene raz
f ( v1) f ( vu ) = 26.5288152
Datos
n = [ln (xu - x1 ) - ln ( error)] / ln (2) n = numero de iteraciones x1 = valor de x inferior xu = valor de x superior xr = valor de x media (aproximacion de la raz) f(x1) = funcion de x inferior f(xu) = funcion de x superior f(xr) = funcion de x media
Algoritmo Intervalo [x1,xu] f(x1)*f(xu) < 0 , existe raz xr = (x1 + xu ) / 2 f(x1)*f(xr) < 0, intevalo izquierdo f(x1)*f(xr) > 0, intevalo Derecho
n :=
ln ( vu v1 ) ln ( 0.01) ln ( 2)
n =5
57
s :=
p v1 3 ( p b + R T) v1 2 + a v1 a b p vr 3 ( p b + R T) vr 2 + a vr a b
v1 + vu 2
if c < 0 v vr
Problema: Para obtener la temperatura d burbuja de una mezcla de CCl4 y CF4 en equilibrio P de e F o con c su vapor, se lleg a la ecuacin:
Aplicando un mtodo iterat A tivo de dos p puntos, encue entre la tempe eratura de burbuja con una a aproximacin de 10-2 aplica a f(T). a ado
Solucin: S
58 8
A continuacin se muestra la hoja de MathCAD con que se resuelve este problema usando el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de f(T) para obtener un intervalo de bsqueda relativamente pequeo.
A continuacin se muestra la hoja de MATLAB con que se resuelve este problema usando el mtodo de posicin falsa. Previamente a lo mostrado, se hicieron algunas evaluaciones de f(T) para obtener un intervalo de bsqueda relativamente pequeo.
59
60
UNIDAD 3
METODOS DE SOLUCION DE SISTEMAS DE ECUACIONES
Objetivo: Implementara los mtodos numricos de solucin de sistemas de ecuaciones, con apoyo de un lenguaje de programacin.
3.1.1.
Jacobi
El mtodo de Jacobi es un proceso simple de iteraciones de punto fijo en la solucin de races de una ecuacin. La iteracin de punto fijo tiene dos problemas fundamentales : Algunas veces no converge Cuando lo hace, es a menudo, muy lento.
El mtodo Jacobi tambin puede tener esas fallas. Esquema grafico que muestra el mtodo de iteracin de Jacobi, en la solucin de ecuaciones algebraicas lineales simultaneas.
a ,i =
4 x1 x 2 = 1 x1 + 4 x 2 x3 = 1 x 2 + 4 x3 x 4 = 1 x3 + 4 x 4 = 1
62
con
s = 0.01
a ,i =
x1 =
x2 + 1 4
x2 =
x1 + x3 + 1 4
x3 =
x2 + x4 + 1 4
x4 =
x3 + 1 4
x (k +1) x (k ) = d 1
d1 =
(x
k +1 1
x1k
) + (x
2
k +1 2
k x2
k k + ... + xn +1 xn
Problemas: Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Jacobi con
= 10 2
63
x1 + 3 x 2 + 5 x3 + 2 x 4 = 10 x1 + 9 x 2 + 8 x3 + 4 x 4 = 15 x2 + x4 = 2 2 x1 + x 2 + x3 x 4 = 3
3.1.2. 3
Gauss Seidel
Los mtodos iterativos o aproximad L s dos proveen una altern n nativa en los mtodos de eliminacin. El mtodo de Gauss-Seidel es el m e todo iterativo ms com nmente usad do. Suponga que se da un con S e njunto de n ec cuaciones:
a ,i =
para todas las i, donde j y j-1 son las ite p eraciones actuales y previa as. Como cada nuevo valor de x se calcula con el mtodo de Gauss-Seide este se u C el, usa inmediatamen en la sigu i nte uiente ecuaci para deter n rminar otro va de x. De esta manera, si alor la l solucin es convergente se emplear la mejor es s e, ra stimacin posible.
64
Ejemplo : res suelva el sigu uiente sistema por el mto de Gauss Seidel a odo s
4 x1 x 2 = 1 x1 + 4 x 2 x3 = 1 x 2 + 4 x3 x 4 = 1 x3 + 4 x 4 = 1
Despejando las ecuacione D es
x1 =
x2 + 1 4
x2 =
x1 + x3 + 1 4
x3 =
x2 + x4 + 1 4
x4 =
x3 + 1 4
Otro manera de poder re O a esolverse utilizando otro criterio de p paro o de con nvergencia
x ( k +1) x (k ) = d 1
d1 =
(x
k +1 1
k k k k x1k + x2 +1 x2 + ... + xn +1 xn
) (
2
65
Problemas : Resolver los siguientes sistemas de ecuaciones utilizando el mtodo de Gauss Seidel con
= 10 2
x1 + 3 x 2 + 5 x3 + 2 x 4 = 10 x1 + 9 x 2 + 8 x3 + 4 x 4 = 15 x2 + x4 = 2 2 x1 + x 2 + x3 x 4 = 3
3.2.1.
f 2 ( x1 , x 2 ) = x 2 x12 = 0
b)
66
c)
f ( x1 , x 2, x3 ) = x1 x 2 x3 10 x13 + x 2 = 0 f ( x1 , x 2, x3 ) = x1 + 2 x 2 x3 + sen( x 2 ) 15 = 0
2 3 f ( x1 , x 2, x3 ) = x 2 5 x1 x3 3 x3 + 3 = 0
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0
Solucin: Despejar x Despejar y
x =
x2 +y2 +8
10
y =
xy 2 + x + 8
10
k +1
( x k ) 2 + (y k ) 2 + 8 = 10
k +1
x k (y k ) 2 + (y k ) 2 + 8
10
x 0 = 0, y 0 = 0,
x1 =
02 + 02 + 8 = 0.8 10
y1 =
0(0) 2 + 0 + 8 = 0.8 10
Segunda iteracin
x2 =
y2 =
67
k
0 1 2 3 4 5 6 7 8 9 10 11 12 13
xk
0.00000 0.80000 0.92800 0.97283 0.98937 0.99578 0.99832 0.99933 0.99973 0.99989 0.99996 0.99998 0.99999 1.00000
yk
0.00000 0.80000 0.93120 0.97327 0.98944 0.99579 0.99832 0.99933 0.99973 0.99989 0.99996 0.99998 0.99999 1.00000
Usando mathcad
s := x 0 y0 for k 0 .. 12 xr x + y + 8 10 x y + x + 8 10
2 2 2
xq
68
Para observar la convergencia del proceso iterativo, se pudieron usar los criterios, como distancia entre dos vectores consecutivos, o bien las distancias componente a componente de dos vectores consecutivos. Una condicin suficiente aunque no necesaria , para asegurar la convergencia es que
g1 g 2 g g 2 + M < 1; 1 + M <1 x x y y
Por otro lado, si M es muy pequea en una regin de inters, la iteracin converge rpidamente ; si M es cercana a 1 en magnitud , entonces la iteracin puede converger lentamente.
x k +1 = g1 (x k , y k )
y k +1 = g 2 (x k +1 , y k )
Problema : Encuentre una solucin del sistema de ecuaciones no lineales, utilizando el mtodo de punto fijo multivavriable con desplazamiento sucesivos
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0
69
Solucin:
x=
x2 + y2 + 8 10
y =
xy 2 + x + 8
10
x k +1 = g1 x k , y k =
(x k )2 + ( y k )2 + 8 10 x k +1 ( y k ) 2 + x k +1 + 8 10
y k +1 = g 2 x k +1 , y k =
g1 2 x k = x 10 g 2 ( y k ) + 1 = x 10
con los valores iniciales
g1 2 y k = y 10 g 2 2 x k +1 y k = y 10
x 0 = 0, y 0 = 0,
g1 y =0
g1 x
g 2 x
x0
=0
y0
y0
1 10
g 2 y
x0 y
0
=0
Por lo tanto
70
3.3.1. El
mtodo de una incgnita, puede crearse un mtodo de convergencia cuadrtica, es decir, el mtodo de Newton Raphson multivariable , a continuacin se obtendr este procedimiento para dos variables; la extensin a tres o mas variables es viable generalizando los resultados. Supngase que se esta resolviendo el sistema.
f 1 ( x, y ) = 0
f 2 ( x, y ) = 0
Donde ambas funciones son continuas y diferenciables, de modo que puedan expandirse en serie de Taylor. Esto es:
f f ( x a ) + ( y b) + x x 2 2 1 f f [ ( x a) 2 + 2 ( x a )( y b) + 2! xx xy f ( x, y ) = f ( a , b ) + 2 f ( y b) 2 xy
] + ...
donde f(x, y) se ha expandido alrededor del punto ( a, b) y todas las derivadas parciales estn evaluadas en ( a, b ).
71
x k +1 x k = h y k +1 y k = j
y as queda la ( k + 1) sima iteracin en trminos de la k sima , como se ve a continuacin:
x k +1 = x k + h y k +1 = y k + j
la sustitucin de la ecuacin :
f1 f h + 1 j = f1 ( x k , y k ) x y f 2 f h + 2 j = f2 (xk , y k ) x y
el cual es un sistema de ecuaciones lineales en las incgnitas h y j. Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre que el determinante de la matriz de coeficiente o matriz j no sea cero; es decir, si
f 1 x J = f 2 x
f1 y 0 f 2 y
Interpretacin geomtrica del mtodo de Newton Raphson. Desarrollemos en etapas esta interpretacin para un sistema de dos ecuaciones. Sea el sistema
f 1 ( x, y ) = x 2 + y 2 1 f 2 ( x, y ) = x 2 y 2 1
La grafica de
72
73
Ejemplo: Use el mtodo de Newton Raphson para encontrara una solucin aproximada del sistema:
f 1 (x , y ) = x 2 10x + y 2 + 8 = 0 f 2 (x , y ) = xy 2 + x 10y + 8 = 0
f 1 x = 2 x 10 f 2 = y 2 + 1 x
f 2 = 2 xy 10 y
f 1 = 2y y
f 1 x = 2 x 10 f 2 = y 2 + 1 x
x 2 + 10 x y 2 8 f 2 xy 2 x + 10 y 8 = 2 xy 10 y
f 1 = 2y y
[x , y ]
0
0 T
se obtiene :
10 0 8 1 10 8
que al resolverse por eliminacin de Gauss da h = 0.8, j = 0.88 al sustituir en la ecuacin se obtiene
74
[x , y ]
1
1 T
se obtiene :
k
0 1 2 3 4
xk
0.00000 0.80000 0.99179 0.99998 1.00000
yk
0.00000 0.88000 0.99171 0.99997 1.00000
x k +1 x k
-----1.18929 0.22195 0.01163 0.00004
75
3.4. Aplicaciones Problema: En una columna de cinco platos, se requiere absorber benceno contenido en una corriente de gas V, con un aceite L que circula a contracorriente del gas. Considrese que el benceno transferido no altera sustancialmente el nmero de moles de V y L, fluyendo a contracorriente, que la relacin de equilibrio est dada por la ley de henry (y = mx) y que la columna opera a rgimen permanente. Calcule la composicin del benceno en cada plato. Datos: V = 100 moles / min; L = 500 moles / min,
x0 = 0.0 fraccin molar del benceno en L (el aceite entra por el domo sin benceno).
m = 0.12. Solucin : los balances de materia para el benceno en cada plato son Plato Balance de benceno
5 4 3 2 1
L( x0 x5 ) + V ( y 4 y 5 ) = 0 L( x5 x 4 ) + V ( y 3 y 4 ) = 0 L( x 4 x3 ) + V ( y 2 y 3 ) = 0 L( x3 x 2 ) + V ( y1 y 2 ) = 0 L( x 2 x1 ) + V ( y 0 y1 ) = 0
Al sustituir la informacin que se tiene, las consideraciones hechas y rearreglando las ecuaciones, se llega a:
76
Un sistema de cinco ecuaciones con cinco incgnitas, que se resuelve con mathcad como sigue:
rref ( A ) =
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
0.018 4.32 10
4 5 7 9
A :=
512 12 0 0 0
500 512 12 0 0
0 500 512 12 0
0 0 500 512 12
0 0 0 500 512
9 0 0 0 0
Problema : Con los datos del diagrama siguiente 8 donde los porcentajes estn dados en peso) , encuentre posibles valores de la corriente
M 1 , M 2 , M 3 , si M 4 = 100kg
Solucin : Mediante balance de materia por componentes y global, se tiene: Componente Etanol Metanol Agua Global Balance de materia
0.83M 1 + 0 M 2 + 0.55M 3 0.58M 4 = 0 0 M 1 + 0.61M 2 + 0.24 M 3 0.21M 4 = 0 0.17 M 1 + 0.39M 2 + 0.21M 3 0.21M 4 = 0 M1 + M 2 + M 3 M 4 = 0
77
Problema: Un granjero desea preparar una formula alimenticia para engordar ganado, dispone maz, desperdicios, alfalfa y cebada, cada uno con ciertas unidades de ingredientes nutritivos , de acuerdo con la tabla siguiente: Alimento Maz Carbohidratos Protenas Vitaminas Celulosa 80 28 20 50 Desperdicios 15 72 20 10 Alfalfa 35 57 12 20 Cebada 60 25 20 60 Requerimientos unidades / Kg. 230 180 80 160
Costo $
18
20
__
a) Determine los kilogramos necesarios de cada material para satisfacer el requerimiento diario ( Presentado en la ultima columna) b) Determine el costo de la mezcla.
78
( a)
80 28 A := 20 50
( b)
15 35 60 230 20 12 20 80
72 57 25 180
10 20 60 160
1 0 rref( A ) = 0 0
Costo := ( 18 5 7 20 )
Problema : (manufactura). R. S. C. L. S y Asociados fabrica tres tipos de computadora personal: Cicln, Cclope y Cicloide. Para armar una Cicln se necesitan 10 horas, otras 2 para probar sus componentes y 2 horas mas para instalar sus programas. El tiempo requerido para la Cclope es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para instalarla. La Cicloide, la mas sencilla de la lnea, necesita 6 horas de armado, 1.5 horas de prueba y 1.5 horas de instalacin. Si la fabrica de esta empresa dispone de 1560 horas de trabajo por mes para armar, 340 horas para probar y 320 horas para instalar, cuantas PC de cada tipo puede producir en un mes ? Solucin: Marcas Cicln Cclope Cicloide Ensamblado Pruebas Instalacin 10 12 6 1560 2 2.5 1.5 340 2 2 1.5 320
79
1 0 0 60 rref( A ) = 0 1 0 40 0 0 1 80
Por consiguiente cada mes se pueden fabricar 60 Ciclones, 40 Cclopes y 80 Cicloides. Problema : ( Cambio de moneda extranjera ).Una empresaria internacional necesita, en promedio, cantidades fijas de yenes japoneses, libras inglesas y marcos alemanes durante cada viaje de negocios. Este ao viajo 3 veces. La primera vez cambio un total de $ 2550 dlar con las siguientes tasas: 100 yenes por dlar, 0.6 libras por dlar y 1.6 marcos por dlar. La segunda vez cambio $ 2840 dlar en total con las tasas de 125 yenes, 0.5 libras y 1.2 marcos por dlar. La tercera vez, cambio un total de $ 2800 dlar a 100 yenes, 0.6 libras y 1.2 marcos por dlar. Cuantos yenes, libras y marcos compro cada vez ?
Solucin:
1 1 1 x+ y+ z = 2550 100 0.6 1.6 1 1 1 x+ y+ z = 2840 125 0.5 1.2 1 1 1 x+ y+ z = 2800 100 0.6 1.2
A :=
1 1
1 1
1 1
2550
En consecuencia, cada vez compro 80 000 yenes, 600 libras y 1200 marcos para viajar.
80
Problema : ( Calculo de una funcin demanda ). Bikey, Inc., quiere fabricar un nuevo tipo de zapato deportivo, poco costoso, e investiga el mercado de la demanda. Encuentra que si un par de zapatos nuevo cuesta $ 20 en un rea de ingreso familiar promedio de $ 20000, y que si un competidor Trceps , Inc., vende cada par de zapatos a $ 20, vendera 660 pares. Por otro lado, si el precio fuera igual y Trceps bajara su precio a $10 el par, entonces, vendera 1130 pares en un rea de $ 30000 de ingreso. Por ultimo, si el precio de los zapatos fuera $ 15 el par, y la competencia se queda en $ 20 el par, se vendera 1010 pares en un rea de $25000 de ingreso. Determine la funcin demanda, suponiendo que depende linealmente de sus variables. Solucin: Sea D = a P + b I + c C . Deseamos conocer a, b y c.
20a + 20000b + 20c = 660 20a + 30000b + 10c = 1130 15a + 25000b + 20c = 1010
Resuelta por el mtodo de Gauss Jordn
1 0 0 20 rref( A ) = 0 1 0 0.05 0 0 1 3
D = 20P + 0.05I + 3C
Problema: ( soluciones qumicas ). Se necesitan tres ingredientes distintos, A, B y C , para producir determinada sustancia. pero deben disolverse primero en agua, antes de ponerlos a reaccionar para producir la sustancia. La solucin que contiene A con 1.5 gramos por centmetros cbicos ( g / cm3 ), combinada con la solucin B cuya concentracin es de 3.6 g / cm3 y con la solucin C con 5.3 g / cm3 forma 25.07 g de la sustancia. si las proporciones de A, B y C en esas soluciones se cambian a 2.5, 4.3 y 2.4 g / cm3 , respectivamente ( permaneciendo iguales los volmenes ), se obtienen 22.36 g de la sustancia. Por ultimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 g / cm3 , respectivamente, se producen 28.14 g de la sustancia. Cuales son los volmenes, en centmetros cbicos, de las soluciones que contienen A, B y C?
81
Solucin:
1.5 x + 3.6 y + 5.3 z = 25.07 2.5 x + 4.3 y + 2.4 z = 22.36 2.7 x + 5.5 y + 3.2 z = 28.14
Resuelta por el mtodo de Gauss Jordn
1.5 3.6 5.3 25.07 A := 2.5 4.3 2.4 22.36 2.7 5.5 3.2 28.14
Por consiguiente, los volmenes correspondientes de las soluciones que contienen A, B y C son 1.5 cm3 , 3.1 cm3 y 2.2 cm3.
Ejemplo: Un ingeniero industrial supervisa la produccin de cuatro tipos de computadoras. Se requiere cuatro clases de recursos horas-hombre, metales, plsticos y componentes electrnicos en la produccin. En el cuadro siguiente se resumen las cantidades necesarias para cada uno de estos recursos en la produccin de cada tipo de computadora. Si se dispone diariamente de 504 horas-hombre, 1970 Kg. de metal , 970 Kg. de plstico y 601 componentes electrnicos, Cuntas computadoras de cada tipo se puede construir por da?
Computadoras
1 2 3 4 Totales
82
Usando mathcad
3 20 A := 10 10
0 0 0 10 1 0 0 12 0 1 0 18 0 0 1 15
3 20 M := 10 10
25 40 50 15 20 22 8 10 15
soln := lsolve ( M , v )
x :=
1
4 25 15 8 4 25 15 8
3 20 10 10
20 22 10 15 7 20 40 50 20 22 10 15
7 20 50 40
x :=
2
3 20 10 10
3 20 10 10
20 22 10 15 7 20 40 50 20 22 10 15
7 20 50 40
x = 10
1
x = 12
2
x :=
3
3 20 10 10
4 25 15 8 4 25 15 8
3 20 10 10
50 22 15 20 50 22 15
20
x :=
4
3 20 10 10
4 25 15 8 4 25 15 8
7 40 20 10 7 40 20 10
1970
3 20 10 10
970 601 20 50 22 15
504
x = 18
3
x = 15
4
83
Problema : Un ingeniero necesita 4800 m3 de NaCl, 5810 m3 de KCl y 5960 m3 de NaOH, existen tres depsitos donde el ingeniero puede conseguir estos materiales. La composicin de estos depsitos viene dad en la siguiente tabla. Cuantas m3 debe tomar de cada depsito para cumplir con las necesidades requeridas ?
Sustancia
Depsito ( % ) 1 2 20 50 30 3 25 20 55
52 30 18
Solucin:
0.52 0.20 0.25 4800 A := 0.30 0.50 0.20 5810 0.18 0.30 0.55 5960
Problema: Sobre una membrana elstica, apoyada en sus extremos actan 3 fuerzas
P1 y a 2,1 = 2 ; a 2, 2 = 4 ; a 2,3 = 1 / 5
f1 , f 2 , f 3 .
3 2 1 3 2 4 1 5 A := 5 1 2 3 3
1 0 0 5 29 0 1 0 67 rref( A ) = 58 5 0 0 1 29
84
Problema: Determine las concentraciones molares de una mezcla de cinco componentes en solucin a partir de los siguientes datos espectrofotometricos . Longitud de onda Absorbancia molar del componente Absorbancia total observada 5 0.5 0.88 2 25 118 0.1100 0.2235 0.2800 0.3000 0.1400
j
i
1 1 2 3 4 5 98 11 27 1 2 2 9 118 27 3 4 3 2 9 85 17 7 4 1 4 8 142 17
Asmase que la longitud de la trayectoria ptica es unitaria y que el solvente no absorbe a estas longitudes de onda. Utilice el mtodo de Gauss Seidel. Utilizando como criterio de paro
85
UNIDAD 4
DIFERENCIACION E INTEGRACION NUMERICA
Objetivo: Aplicara los mtodos numricos para la solucin de problemas de diferenciacin e integracin numrica, usando un lenguaje de programacin.
4.1 Diferenciacin numrica. Cuando se va a practicar una operacin en una funcin tabulada, el camino es aproximar la tabla por alguna funcin y efectuar la operacin aproximadamente. As se procedi en la integracin numrica y as se proceder en la diferenciacin numrica; esto es, se aproximara la funcin tabulada f(x) y se diferenciara la aproximacin p n (x). Si la aproximacin es polinomial y con el criterio de ajuste exacto, la diferenciacin numrica consiste simplemente en diferenciar la formula del polinomio interpolante que se utilizo. Sea en general.
f ( x ) = p n ( x ) + Rn ( x )
y la aproximacin de la primera derivada queda entonces
df ( x) dp n ( x) = dx dx
o en general
d n f ( x) d n p n ( x) = dx n dx n
Al diferenciar la formula fundamental de Newton dada arriba se tiene
d n f ( x ) d n p n ( x ) d n Rn ( x ) = + dx n dx n dx n
donde
Si las abcisas dadas x 0 , x1 ,..., x n estn espaciadas regularmente por intervalos de longitud h, entonces p n (x ) puede escribirse en trminos de diferencias finitas.
df ( x) f ( x1 ) f ( x0 ) = dx h
Se desarrollan las diferencias hacia delante y se tiene
87
df ( x) 2 x x0 x1 2h 2 x 4 x + 2 x1 + 2h 2 x x0 x1 = f ( x0 ) + 0 f ( x1 ) + f ( x2 ) 2 2 dx 2h 2h 2h 2
la segunda derivada puede calcularse derivando una vez mas con respecto a x, o sea
d 2 f ( x) 1 2 1 = 2 f ( x0 ) 2 f ( x1 ) + 2 f ( x 2 ) 2 dx h h h
a P + 2 (v b ) = RT v
donde
0 13.782 2000
1 12.577 2200
2 11.565 2400
3 10.704 2600
Calcule
Solucin :
88
La derivada analtica es
a v a b v +
2
Pv Pb +
RT a b R T
P( v b ) +
a v
a b v
2
RT a a b R T ( v b)
P( v )
a v( v b)
v (v b)
( v b)
P( v )
(v2 v b) (v3 v2 b) (
2
(2 a v2 4 a v b + 2 a b2 R T v3)
( v + b )
2
5.6398962938964669366 10
-3
Problema : En una reaccin qumica A + B ----> Productos, la concentracin del reactante A es una funcin de la presin P y la temperatura T. La siguiente tabla presenta la concentracin de A en gmol/L como una funcin de estas dos variables. P (Kg/cm2) Temperatura T (K) 273 1 2 8 15 20 0.99 0.88 0.62 0.56 0.52 300 0.97 0.82 0.51 0.49 0.44 325 0.96 0.79 0.48 0.46 0.41 360 0.98 0.77 0.45 0.42 0.37
Calcule la variacin de la concentracin de A con la temperatura a P = 8 Kg/cm2 y T = 300 K, usando un polinomio de segundo grado. Solucin.
Lo que se busca es en si
C A T
T =300, P =8
89
2 x x0 x2 2 x x0 x1 dp 2 ( x) 2 x x1 x 2 f ( x0 ) + f ( x1 ) + = ( x x )( x x ) ( x x )( x x ) ( x x )( x x ) f ( x 2 ) dx 0 1 2 0 2 1 1 0 2 0 1 2
donde f(x) representa a CA y x a T; de tal modo que sustituyendo los tres puntos enmarcados de la tabla queda
p2 ( x) C A (2(300) 300 325)(0.62) = T =300, P =8 = x T (273 300)(273 325) gmol (2(300) 273 325)(0.51) (2(300) 273 300)(0.48) + + = 0.0026 LK (300 273)(300 325) (325 273)(325 300)
90
Primera derivada
f ( xi ) = f ( xi ) =
Segunda derivada
f ( xi ) = f ( xi ) =
Tercera derivada
f ( xi ) = f ( xi ) =
Cuarta derivada
f ( xi ) = f ( xi ) =
91
donde: fi = se le conoce como la primera diferencia hacia adelante y h = se le llama tamao del paso, esto es la longitud del intervalo sobre el cual se hace la aproximacin.
Se le llama diferencia hacia adelante ya que se usa los datos i e i + 1 para estimar la derivada.
Esta diferencia dividida hacia adelante no es sino una de tantas que se puede desarrollar mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo, las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias centrales se pueden desarrollar de una manera similar a la ecuacin: Aproximaciones a la primera derivada con diferencia hacia atrs. Primera derivada
f ( xi ) = f (xi ) =
f ( xi ) f ( xi 1 ) h 3 f ( xi ) 4 f ( xi 1 ) + f ( xi 2 ) 2h f ( xi ) 2 f ( xi 1 ) + f (xi 2 ) h2 2 f ( xi ) 5 f ( xi 1 ) + 4 f ( xi 2 ) f ( xi +3 ) h2 f ( xi ) 3 f ( xi 1 ) + 3 f ( xi 2 ) f (xi 3 ) h3 5 f ( xi ) 18 f ( xi 1 ) + 24 f ( xi 2 ) 14 f ( xi 3 ) + 3 f ( xi 4 ) 2h 3
92
Segunda derivada
f ( xi ) = f ( xi ) =
Tercera derivada
f ( xi ) = f ( xi ) =
Cuarta derivada
f ( xi ) = f ( xi ) =
f ( xi ) = f ( xi ) =
Segunda derivada
f ( xi ) = f ( xi ) =
Tercera derivada
f ( xi ) = f ( xi ) =
93
Cuarta derivada
f ( xi ) = f ( xi ) =
Las aproximaciones mas exactas de la primera derivada se pueden desarrollar incluyendo en la serie de Taylor trminos de orden mas alto. Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, tercer orden y ordenes superiores.
F (x) = - 0.1 x 4 0.15 x 3 0.5 x 2 0.25 x + 1.2 En x = 0.5 usando un tamao de paso h = 0.25. Solucin: F (x) = - 0.4 x 3 0.45 x 2 1.0 x 0.25 x Y se puede usar para calcular el valor exacto de :
f ( 0.5) = - 0.9125.
94
f f f f f
Estos datos se pueden usar para calcular la diferencia dividida hacia delante
f (0.5) =
f (0.5) =
Ejercicios propuestos: sense aproximaciones de diferencias de 0(h) hacia atrs y hacia delante y una aproximacin central de 0 (h2 ). Para estimar la primera derivada de la funcin mencionada . F(X) = 25 x3 6x 2 + 7x 88 Evalese la derivada en x = 2.5 usando un tamao de paso de h = 0.25. comprense los resultados con el valor correcto de la derivada en x = 2.5.
4.2 Integracin numrica De acuerdo a la definicin del diccionario, integrar significa unir todas las partes en un todo; unificar; indicar la cantidad total, . . . . matemticamente, la integracin se representa por
I =
f ( x )dx
EC. 1
95
La cual representa a la integracin de la funcin f (x) con respecto a la variable x, evaluada entre los limites x = a y x = b.
Como lo sugiere la definicin del diccionario, el significado de la ecuacin es el valor total o sumatoria de f (x ) dx sobre el intervalo de x = a a b. En realidad, el smbolo es una s mayscula estilizada que indica la conexin cercana entre la integracin y la sumatoria ( Thomas y Finney, 1979).
La figura 1 , representa una manifestacin grafica de este concepto. Para las funciones que se encuentran sobre el eje x, la integral expresada por la ecuacin 1, corresponde al rea bajo la curva de f (x) entre x = a y x = b. Habr muchas ocasiones de volver a referirse a esta concepcin grafica a medida que se desarrollen formulas matemticas para integracin numrica. De hecho, la mayor parte de los mtodos numricos para integracin, se puede interpretar desde una perspectiva grafica.
Formulas de integracin de Newton - cotes Las formulas de Integracin de Newton-Cotes son los esquemas de integracin numrica ms comunes. Se basan en la estrategia de reemplazar una funcin complicada o datos tabulados con una funcin aproximada que sea fcil de integrar :
I = f ( x)dx f n ( x)dx
a a
donde f n (x)=polinomio
96
donde n es el orden del polinomio. Por ejemplo en la figura (1) , se usa un polinomio de primer orden (una lnea recta) como aproximacin. En la figura (1 b) se emplea una parbola para el mismo propsito.
figura 1 : estimacin de una integral mediante el rea bajo a) una lnea recta, y b) una parbola.
La integral se puede aproximar usando una serie de polinomios aplicados por partes a la funcin o a los datos sobre intervalos de longitud constantes. Por ejemplo en la figura 2, se usan tres segmentos de lnea recta para aproximar la integral.
figura 2: aproximacin de la integral mediante el rea bajo tres segmentos. Se puede usar polinomio de mayor grado para este mismo propsito. Con estos fundamentos ahora se reconoce que el mtodo de bandasde la figura 3 empleo una serie de polinomios de orden cero ( esto es, constantes) para aproximar la integral.
97
Se dispone de las formas abiertas y cerradas de las formulas de Newton-Cotes. Las formas cerradas son aquellas en donde los puntos al principio y al final de los limites de integracin se conocen figura (3 a. )
Las formulas tienen los limites de integracin extendidos mas all del rango de los datos figura (3 b) . Las formulas abiertas de Newton Cotes, en general, no se usan en la integracin definida. Sin embargo, se usan extensamente en la solucin de ecuaciones diferenciales ordinarias.
Fundamentos matemticos
I =
a f (x )dx
= F (x ) a
en donde F(x) es la integral de F(x) , esto es , cualquier funcin tal que F(x) = f(x) . la nomenclatura sobre el lado derecho queda
F (x ) a = F (b ) F (a )
4.2.1
La regla del trapecio o regla trapezoidal es la primera de las formulas de integracin cerrada de Newton-Cotes. Corresponde al caso donde el polinomio en la ecuacin [1] es de primer orden :
98
/ = f ( x)dx f1 ( x)dx
a a
f1 ( x ) = f (a ) +
f (b ) f (a ) (x a ) ba
El rea bajo la lnea recta es una aproximacin de la integral de f (x) entre los limites a y b :
b f (b) f (a ) I = f (a ) + ( x a ) dx a ba
El resultado de la integracin es :
I = (b a )
f ( a ) + f (b) 2
Error de la regla Trapezoidal Cuando empleamos la integral bajo un segmento de lnea recta para aproximar la integral bajo una curva, obviamente podemos incurrir en un error que puede ser sustancial. Una estimacin para el error de truncamiento de una sola aplicacin de la regla trapezoidal es :
Et =
1 3 f ( )(b a ) 12
donde est en algn lugar en el intervalo de "a" a "b". La ecuacin anterior indica que si la funcin sujeta a integracin es lineal, la regla trapezoidal ser exacta.
De otra manera, ocurrir un error para funciones con derivadas de segundo y tercer orden (es decir con curvatura).
99
x := 0 , 0.001.. 0.8
b := 0.8 I = 1.64053333
1 4
I := f ( x) dx 1
a
f ( x)
I := ( b a)
f ( a) + f ( b ) 2
0.5 x
I = 0.1728
E v = 1.64053334 0.1728 = 1.46773334 Que corresponde a un error relativo porcentual de tan grande es evidente en la grafica . ntese que el rea bajo la lnea recta descuida una porcin significativa de la integral sobre la lnea. En la situacin actual, no se tendra conocimiento previo del valor verdadero. Por lo tanto, se requiere una aproximacin al error. Parta obtener esta aproximacin, se calcula la segunda derivada de la funcin sobre el intervalo , derivando la funcin original dos veces para dar
v
100
media :=
2 2
f ( x) dx media = 60
dx
ba 1 12 media ( b a)
3
E :=
a
E = 2.56
a
Que es el mismo orden de magnitud y signo que tiene el error verdadero. Existe una discrepancia debido a que un intervalo de este tamao, el promedio de la segunda derivada no es necesariamente una aproximacin exacta de f ( ). Por lo tanto, se denota que el error es aproximado usando la notacin E a , en vez de usar E v.
x := 0 , 0.001.. 10
b := 10
6 .10
4
I := f ( x) dx 1
a
I = 98200
1 4 .10 f ( x) 2 .10
4 4
I := ( b a)
f ( a) + f ( b ) 2
5 x
10
I = 247200
101
f ( x) := 1 x 4x + 3x a := 3 I := 1
b
x := 3 , 2.99 .. 5
b := 5
1 .10
4
f ( x) dx
I = 6904
1 5000 f ( x) 5 0 5000 x 5
f ( a) + f ( b ) I := ( b a ) 2 I = 33016
x := 0 , 0.001..
b :=
14
I := f ( x) dx 1
a
I = 35.13274123
1 12 f ( x) 10
I := ( b a)
f ( a) + f ( b ) 2
2 x
I = 25.1327
La regla del trapecio utilizando segmentos mltiples Una mejor manera de mejorar la actitud de la regla trapezoidal es la de dividir el intervalo de integracin de segmentos.
102
Figura: ilustracin de la regla trapezoidal mltiple a) dos segmentos, b) tres segmentos; c) cuatro segmentos; d) cinco segmentos En seguida se suman las reas de los segmentos individuales y se obtiene la integral sobre el intervalo completo. A las ecuaciones resultantes se les conoce como formulas de integracin de segmento mltiple o formulas de integracin compuestas.
h=
ba n
I = f ( x) dx + f ( x ) dx + ... +
x0 x1
x1
x2
xn
xn 1
f ( x) dx
103
I=
n 1 h f ( x 0 ) + 2 f ( x i ) + f ( x n ) 2 i =1
en formato general es :
I = (b a )
f ( x 0 ) + 2 f ( x i ) + f ( x n )
i =1
n 1
2n
ya que la sumatoria de los coeficientes de f(x) en el numerador dividido por 2n es igual a 1, la altura promedio representa un promedio pesado de los valores de la funcin. De acuerdo a la ecuacin anterior , las alturas de los puntos interiores aparecen doblemente respecto a los puntos finales f ( x0) y f (x n ).
f =
f
i =1
por lo tanto.
Ea =
(b a )3 f
12n 2
De esta manera que , si el numero de segmento se duplica , el error de truncamiento disminuye a un cuarto de su valor. Ntese que la ecuacin anterior es un error aproximado debido a la naturaleza aproximada de la ecuacin. Ejemplo : regla trapezoidal de segmentos mltiples.
104
x := 0 , 0.001.. 0.8
b := 0.8
n := 2 Int = 1.64053333
Int := f ( x) dx
a
h := x := 0
0
ba n h = 0.4 x := x + h
2 2 1 4
x := x + h
1 1 0
x = 0.4
x = 0.8
f ( x)
I := ( b a) I = 1.0688
0.5 x
b :=
Int := f ( x) dx
a
h :=
ba n h = 0.523599
2 x
105
x := 0
0
x := x + h
1 1 0
x := x + h
2 2 1
x := x + h
3 3 2
x := x + h
4 4 3
x := x + h
5 5 4
x = 0.523599 x := x + h
6 6 5
x = 1.047198
x = 1.570796 6
x = 2.09439 95
x = 2.6179 994
x = 3.141593 3
I := ( b a)
I = 34.9032274 4
E = 0.228463 3
4.2.2 4
Un U forma de obtener una estimacin e exacta de una integral es c el uso de polinomios de a con e orden superio para conectar los punto Por ejemplo, si hay un punto extra a la mitad d o or os. a del camino entre f(a) y f(b), los tres puntos se pueden co c s onectar con u parbola. una .
Si S hay dos puntos igualm p mente espaci iados entre f f(a) y f(b), lo cuatro pun os ntos se pued den conectar con un polinomio de tercer ord c o den.
106 1
Las formulas que resultan al tomar las integrales bajo esos polinomios son conocidos como reglas de Simpson.
Regla de Simpson 1/3 La Regla de Simpson 1/3 resulta cuando una interpolacin polinomial de segundo orden es sustituida en la ecuacin :
I = f ( x)dx f 2 ( x)dx
b b
h=
ba 2
donde, para este caso, h = (b - a)/2. Esta ecuacin es conocida como regla Simpson 1/3. La especificacin"1/3" surge del hecho de que h est dividida entre 3 en la ecuacin anterior . La regla de Simpson 1/3 se expresa tambin con el uso del formato de la ecuacin :
I = (b a )
f ( x0 ) + 4 f ( x1 ) + f ( x 2 ) 6
107
f ( x)
0.5 x
h :=
(b a) 2
a := 0
b := 0.8
h = 0.4
+ 675 x
900 x
+ 400 x
f ( h ) = 2.456
f ( b ) = 0.232
media :=
0.8
d
0
4 4
f ( x ) dx 2400.0000000000000000 1 90
dx
b a
5
:=
(b a) 2880 = 0.2730667
media
E :=
h media )
E = ( 0.2730667
Problemas propuestos: evalense las integrales con la aplicacin simple de la regla Simpson de 1/3
10
( a)
0 5
(b)
( c)
( 8 + 5 sin ( x) ) d x 8 + 10 0
0
( d)
7 1 2x x e d x ex ( 8) + xp 4 4 0
Regla de Sim R mpson 1/3 de segmentos mltiple e s La L Regla de Simpson se p S puede mejora al dividir el intervalo de i ar integracin en un numero de n segmentos de igual anchu s e ura
h=
ba n
f ( x0 ) + 4 I = (b a)
i =1, 3, 5
n 1
f ( xi ) + 2 3n
j = 2, 4, 6
f (x
n2
) + f ( xn )
Observe que se debe ut O e, tilizar un num mero par de s segmentos p para implementar el mtod do. Adems, los coeficientes "4"y "2" en la ecuacin po A a odran parece peculiares a primera vis er sta. Sin S embargo siguen en forma natu o, n ural la regla de Simpso 1/3. Los puntos non a on nes representan el termino me r e edio para cad aplicacin Los puntos pares son c da n. s comunes en las aplicaciones adyacentes y por tanto se cuentan dos veces. a
109 1
Un error estimado para la aplicacin de la regla de Simpson se obtiene sumando los errores individuales de los segmentos y sacando el promedio de la derivada.
Ea =
(b a) 5 ( 4) f ( ) 180n 4
f ( x) := 0.2 + 25x 200 x + 675 x 900 x + 400 x desde a = 0 hasta b = 0.8 con n = 4 solucion el valor exacto es:
0.8
,
4
f ( x)
0.5 x
h :=
(b a) n
a := 0
b := 0.8
2
n := 4
3 4 5
h = 0.2
110
x := a
0
x := a + h
1
x := a + h + h
2 2
x := a + h + h + h
3
x := b
4
x = 0
0
x = 0.2
1
x = 0.4 f x
x = 0.6
3
f x
( 0 ) = 0.2
I :=
f x
( 1 ) = 1.288
( 2 ) = 2.456
f x
( 3 ) = 3.464
x = 0.8 4 f x
( 4 ) = 0.232
I = 1.623467 media :=
0.8 4 4
d
0
f ( x ) dx 2400.0000000000000000
dx
b a
E :=
a
(b a) 180 n
4
media
E = 0.017067
a
h=
ba 3
I = (b a)
f ( x0 ) + 3[ f ( x1 ) + f ( x 2 )] + f ( x3 ) 8
111
Ea =
(b a) 5 ( 4) f ( ) 6480
LA REGLA DE SIMPSON 3/8 ( a ) Con la regla de Simpson 3/8 integre f ( x) := 0.2 + 25 x 200 x
2 3 4 5
+ 675 x
900 x
+ 400 x
desde a = 0 hasta b = 0.8 con n = 4 ( b ) Usela junto con la regla de simpson 1/3 con la finalidad de integrar la misma funcion en cinco segmentos.
solucion ( a ) Una sola aplicacion de la regla de Simpson requiere cuatro puntos equidistantes: el valor exacto es:
0.8
f ( x)
0.5 x
h :=
( b a) 3
a := 0
b := 0.8
n := 4
2 3 4 5
h = 0.267 x := a
0 1
x := a + h x = 0.267
1
x := b
3
x =0
0
x = 0.5333 f x
x = 0.8
3
f x
( 2) = 3.487177
f x
( 3) = 0.232
112
f x + 3 f x + 3 f x + f x 8
( 0)
( 1)
( 2) ( 3)
I = 1.51917 media:=
0.8 4 4
f(x) dx 2400.0000000000000
dx
ba
E :=
a
( b a ) 6480
media
E = 0.121363
a
(b)
h :=
( b a) n x := a + h
1
a := 0
b := 0.8
n := 5
2 3 4 5
h = 0.16 x := a
0 5 0
x := a + h + h + h x := a + h + h + h + h
x := a + h + h + h + h + h x =0 x = 0.16
1
x = 0.32
2
x = 0.48
3
x = 0.64
4
x = 0.8
5
f x
f x
( 5) = 0.232
113
La integral para los dos primeros segmentos se obtiene usando la regla de simpson 1/3 x = 0 f x + 4 f x + f x x = 0.16 0 1 2 0 1 I := x x 1 2 0 6
( )
( )
( )
x = 0.32
2
= 0.3803237
Para los ultimos tres segmentos , la regla 3/8 se utiliza para obtener x = 0.32 f x + 3 f x + f x + f x 2 3 4 5 2 I := x x 2 5 2 8
( )
(( )
( ))
( )
x = 0.48
3
x = 0.64
4
x = 0.8
5
= 1.2647535
I = 1.6450772
Cualquiera de las tcnicas de integracin vistas en esta unidad es modificable, de modo que se puede aplicar en la aproximacin de integrales dobles o triples. A continuacin se ilustra el mtodo de Simpson 1/3 en la solucin de integrales dobles.
a)
ysenxdxdy
Se divide el intervalo [ a, b] = [ 0, 3 ] en n = 6 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
3 I := y sin( x) dx dy 0 0
I = 9.82022
f ( x) := sin( x) x0 := 0 x1 := x0 + h1 x2 := x1 + h1
h1 :=
3 0 6
h1 = 0.5 x5 := x4 + h1 x6 := x5 + h1
x3 := x2 + h1
x4 := x3 + h1
I1 := ( 3 0) I1 = 1.9907
114
Se divide el intervalo [ a, b] = [ 0, ] en n = 8 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
g( y ) := I1 y y0 := 0 y1 := y0 + h2 h2 :=
0
h2 = 0.393 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2
y2 := y1 + h2 y3 := y2 + h2 y7 := y6 + h2 y8 := y7 + h2
I2 := ( 0)
g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) + g( y7 ) ) + 2 ( g( y2 ) + g( y4 ) + g( y6 ) ) + g( y8 ) 3 ( 8)
I2 = 9.8237
Se divide el intervalo [ a, b] = [ 0, 4 ] en n = 4 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
3 I := 1 4 x+ y e dx dy 0 I = 930.85274
f ( x) := e x0 := 0
h1 := x2 := x1 + h1
4 0 4
h1 = 1
x1 := x0 + h1
x3 := x2 + h1
x4 := x3 + h1
I1 := ( 4 0)
I1 = 53.8638
Se divide el intervalo [ a, b] = [ 1, 3 ] en n = 6 subintervalos iguales, con lo que la amplitud de cada subintervalo es igual a:
g( y ) := I1 e y0 := 0 y1 := y0 + h2
y
h2 :=
3 1 6
h2 = 0.333 y4 := y3 + h2 y5 := y4 + h2 y6 := y5 + h2
y2 := y1 + h2 y3 := y2 + h2
I2 := ( 3 1)
g( y0 ) + 4 ( g( y1 ) + g( y3 ) + g( y5 ) ) + 2 ( g( y2 ) + g( y4 ) ) + g( y6 ) 3 ( 6)
I2 = 344.162
115
4.4 Aplicaciones Antecedentes: La determinacin de la cantidad de calor requerido para elevar la temperatura de un material es un problema con el que a menudo nos enfrentamos. La caracterstica necesaria para llevar acabo este calculo es la capacidad calorfica
de calor requerida para elevar una unidad de temperatura en una unidad de masa. Si constante en el intervalo de temperatura que se examinan, el calor requerido
es
H = mc T
donde
............EC. 1
esta en
= cambio de temperatura
(C ) . Y la
c (T ) =
T
1
c (T ) dT
2
........................EC. 2
donde
T = T 2 T 1 .
Nota : para hallar el valor exacto de la funcin se debe sustituir la ecuacin 2 en la ecuacin 1. La capacidad calorfica de un material podra aumentar con la temperatura de acuerdo con la relacin tal como
con 1000 gramos de material desde 100 hasta 200 C. Determine: a) El valor exacto de la integral
H = mc T
T 2c (T ) dt T = ( m )[ c (T ) ]( t ) = m 1 T 2 T1
T (
T1)= m
T
1
c (T ) dt
116
1000
200
(0.132
+ 0.000156 T + 0.000000264 T
) dT
42732.000000000000000
100
b) Grafica
0.174 0.2
c( T )
0.15
0.1
0 T
100
200 200
c T
m := 1000
I := m I
I = 43920
n := 2 m := 1000
T := T + h 50
0 1
T := T + h 200
I := T T
1 2
c T
( 0 ) + 2 c ( T 1 ) + c ( T 2 )
2n I := m I I = 43029
117
h :=
200 ( 100 ) 2
:= 100 := T := T
0 1
+ h 50 + h 200
:=
c T
( 0) +
4c T 6
( 1 ) + c (T 2 )
I = 42732
h := + h 80
300 5
60
4 3
T := 100
0
T := 40
1
T := T
2
+ h 20
T := T
3
T := T
5
+ h 140
4
c T
( 0 ) = 0.11904
m := 1000 I := 300
1
c T
T := T
+ h 200
39.413600000000000001
h := + h 200
300 3
100
T := 100
0
T := 0
1
T := T
2
+ h 100 c T
T := T
3
c T
( 0 ) = 0.11904
m := 1000 I := 300
1
c T
( 1 ) = 0.132
( 2 ) = 0.15024
c T
( 3 ) = 0.17376
42.732000000000000000
118
UNIDAD 5
SOLUCION DE ECUACIONES DIFERENCIALES
Objetivo: Aplicara los mtodos numricos para la solucin de problemas de diferenciacin de integracin numrica, usando un lenguaje de programacin. .
5.1. Mtodo de un paso El objetivo del mtodo es obtener una aproximacin al problema
dy = f ( x, y ), dx
con la condicin inicial, y ( x 0 ) = y 0 .
a xb
Inicialmente no se obtendr una aproximacin continua de la solucin y(x), sino que se generarn aproximaciones de y en varios puntos, llamados puntos de red, en el intervalo [a , b]. Una vez que se obtenga la solucin aproximada en estos puntos, es posible encontrar un polinomio de interpolacin que se ajuste a los valores (tabulados) obtenidos. Supondremos que los puntos de la red estn distribuidos uniformemente sobre el intervalo [a , b]. Podemos garantizarlo, escogiendo un entero positivo N y seleccionando los puntos de red
donde
h=
b-a N
se llama tamao de paso, y el punto inicial, (x0 , y0), es el nico punto conocido de la solucin exacta. La aproximacin y1 en el prximo punto x1 de la red est determinado por la recta tangente a la curva y en el punto (x0 , y0):
119
Como
y1 - y0 dy = y ( x0 ) = f( x0 , y0 ) = , dx x1 - x 0
entonces,
y1 y 0 = ( x1 x 0 ) f ( x0 , y 0 )
Por lo tanto,
y1 = y 0 + hf ( x 0 , y 0 )
Y, en general,
y n +1 = y n + hf ( x n , y n )
con h = x n +1 x n La solucin explcita es y = 2ex - x - 1, y para el punto x20 = 1 se tiene que y (x 20) = 3.4365637.
5.1.1
Mtodo de Euler Este mtodo fue ideado por Euler hace ms de 200 aos. Es bastante sencillo, pero no tan preciso como los otros mtodos que veremos posteriormente. Sin embargo, el mtodo de Euler sirve como punto de partida hacia tcnicas alternativas que aparecern segn se considere.
= f ( xi , yi )
donde f (X i, Y i) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr substituirse en la ecuacin nos queda que :
Y i +1 = y i + f ( x i , y i )h
120
Esta frmula es conocida como el mtodo de Euler ( o Euler- Caunchy o de un punto medio). Se predice un nuevo valor de Y por medio de la pendiente (igual a la primera derivada en el valor original de X) que habr de extrapolarse en forma lineal sobre el tamao de paso h
Ejemplo: Mtodo de Euler Enunciado del problema : utilcese el mtodo de Euler para la ecuacin
f ( x) := 0.5x + 4x 10x + 8.5x + 1
4 3 2
121
5 f ( x) d dx 5 f ( x) 0 1 2 3 4
10 x
8.00000 7.00000 6.00000 5.00000 4.00000 3.00000 2.00000 1.00000 0.00000 1 2 3 4 5 6 7 8 9 7.12500 7.00000 5.87500 5.87500 5.25000 5.12500 4.75000 4.71875 4.50000 4.00000 3.25000 3.21875 3.00000 3.00000 2.71875 2.21875 2.00000 1.00000
7.00000 6.00000 5.00000 4.00000 3.00000 2.00000 1.00000 0.00000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 5.86719 5.80469 5.46875 5.00000 4.84375 4.71875 4.52930 4.49219 4.31055 4.17969 4.00000 4.17969 4.34375 3.96875 3.61719 3.55469 3.34180 3.27930 3.12500 3.12500 3.21875 3.00000 3.24219 3.25000 3.12500 3.00000 2.71875 2.59180 2.56055 2.24805 2.21875 1.99805 2.00000 1.00000
La solucin numrica de las ecuaciones diferenciales ordinarias (EDO) involucra dos tipos de error : 1) Errores de Truncamiento, o discretizacion, causados por la naturaleza de las tcnicas empleadas para aproximar los valores de y. 2) Errores de Redondeo , que son el resultado del numero limite de cifras significativas que pueden retener una computadora.
Los errores de truncamiento se componen de dos partes. La primera es un error de truncamiento local que puede que resulta al aplicar el mtodo en cuestin en un paso. El
123
segundo error de programacin que resulta de las aproximaciones producidas durante los pasos anteriores. La suma de los dos es el error de truncamiento global. Ejercicio: Resuelva el siguiente
2.00000 1.50000 1.00000 0.50000 0.00000 1 -0.50000 -1.00000 0.00000 2 -0.300003 4 5 6 -0.44800 -0.50160 -0.50304 -0.48304 1.60000 1.32000 1.13600 1.02880 0.983040.98643
Ejercicios: Un tanque cilndrico de fondo plano con un dimetro de 1.5 m contiene un lquido de densidad = 1.5 kg/L a una altura
del tanque tres minutos despus de que se abre completamente la vlvula de salida, la cual
124
Solucin El vaciado el llenado de un tanque cilndrico se modela haciendo un balance de materia con las siguiente expresin :
h =
180 0 = 30 6
dV = 0 0.6A 2ga dt
donde :
V = r 2 h = ( 0 . 75 ) 2 a
entonces :
(0.75) 2
da = 0.6 A 2ga dt
Al considerar como tiempo cero el momento el abrir momento de abrir la vlvula y adems la altura buscada a un tiempo de 3 minutos (180 segundos), se llega
125
En virtud de que la exactitud de los resultados que se esperan no es grande, se usa el mtodo de Euler para resolver este PVI.
0 3.00
30 2.39
60 1.84
90 1.36
120 0.95
150 0.60
180 0.33
Ejercicios : Calcule el tiempo necesario para que el nivel del liquido del tanque esfrico con radio r = 5 m mostrado en la figura pase de 4 m a 3 m. La velocidad de salida por el orificio del fondo es v = 4.895
dV = 0 Av dt
126
donde v es el volumen del lquido en el tanque que, en funcin de la altura esta dado por
V = (5a 2
A es el rea del orificio de salida
a3
3
m3
A=
y
(0.1) 2
m2
v = 4.895 a
m/s
Se deriva
d (5a 2 dt
a3
3
(0.1)2 4.895 a
da 4.895(0.1) 2 a = dt 4(10a a 2 )
que con la condicin inicial y la pregunta forma el siguiente y la pregunta forman el siguiente PVI(problema de valor inicial)
127
Por lo tanto el tiempo necesario para que el nivel del liquido dentro del tanque esfrico pase de 4 a 3m es aproximadamente 100 segundos.
Mtodo de Euler mejorado. En el mtodo de Euler se tomo como valida para todo el primer subintervalo la derivada encontrada en un extremo de este. Para obtener una exactitud razonable se utiliza un intervalo muy pequeo, a cambio de un error de redondeo mayor 8 ya que se realizara mas clculos). El mtodo de Euler modificado trata de evitar este problema utilizando un valor promedio de la derivada tomada en los extremos del intervalo, en lugar de la derivada tomada en un solo extremo. El mtodo de Euler modificado consta de dos pasos bsicos : 1. Se parte de ( x 0 , y 0 ) y se utiliza el mtodo de Euler a fin de calcular el valor de y correspondiente a
x1 . Este valor de y se denotara aqu como y1 , ya que solo es un y1 . Esta parte del proceso se conoce como paso predictor.
2. El segundo paso se llama corrector , pues trata de corregir la prediccin. En el nuevo punto obtenido
usando la ecuacin
diferencial ordinaria PVI que se este resolviendo; se obtiene la media aritmtica de esta derivada y la derivada en el punto inicial ( x 0 , y 0 ) .
128
Y i +1 = y i + f ( x i , y i )h
que q deber ser mas exact que y1. to
y1 = y 0 +
(x1 x0 )
2
[ f (x0 , y 0 ) + f (x1 , y1 )]
5.1.2 5
dy = f ( x, y ) dx
Utilizando un mtodo num U mrico se pued resolver un ecuacin c de na como : Nuevo valor = valor anterio + pendient * tamao del paso N or te o en trminos matemticos como : s
Yi +1 = yi + h
De D acuerdo con esta ecu c uacin, la pen ndiente estim mada se us para extra sa apolar desde un valor anterior Yi a un nuevo valor Yi+1 en una dista v r ancia h (ver g grfico N1). E Esta frmula se puede aplicar paso a paso para calcula el valor en el futuro y, p tanto, trazar la trayecto p r o ar por oria de d la solucin n.
129 1
Todos los mtodos de un paso se pueden expresar en esta forma general, que slo va a diferir en la manera en la cual se estima la pendiente. El procedimiento mas simple es usar la ecuacin diferencial para estimar la pendiente derivada en Xi al inicio del intervalo. En otras palabras, la pendiente al inicio del intervalo es tomada como una aproximacin de la pendiente promedio sobre todo el intervalo. Este procedimiento se llama mtodo de Euler. Existen otros mtodos de un paso que cumplen estimaciones de pendiente en forma alterna y cuyas resultantes sern predicciones mas exactas. Todas estas tcnicas se conocen por lo general como mtodos de Runge-Kutta.
Mtodo de Runge-Kutta Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una serie de Taylor sin requerir el calculo de derivadas superiores. Existen muchas variaciones, pero todas se pueden denotar en la forma generalizada de la ecuacin :
Yi +1 = yi + ( xi , yi , h)h
donde (xi,yi,h) es conocida como funcin incremento, al cual puede interpretarse como una pendiente representativa sobre el intervalo. La funcin incremento se escribe por lo general como :
= a1k1 + a2 k2 + ... + an kn
donde a son constantes y las k son :
k1 = f ( xi , yi ) k2 = f ( xi + p1h, yi + q11k1h) k3 = f ( xi + p2 h, yi + q21k1h + q22 k2 h) kn = f ( xi + pn 1h, yi + qn 1k1h + qn 1,2 k2 h + ... + qn 1,n 1kn 1h)
Observe que las k son relaciones de concurrencia. Esto es k1 aparece en la ecuacin para k2, que apareces en la ecuacin de k3,etc. Esta recurrencia hace a los mtodos RK eficientes para su calculo en computadoras.
130
de trminos en la funcin incremento como la especificada por n. Observe que el mtodo de Runge-Kutta (RK) de primer orden con n = 1 es, de hecho, el mtodo de Euler.
Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a los termino de la serie de expansin de Taylor .As al menos para las versiones de orden inferior, el numero de trminos n con frecuencia representa el orden de la aproximacin.
a1 + a2 = 1 1 2 1 a2 p11 = 2 a1 p2 =
Ejemplo : Mtodo RK de segundo orden: F ( x , y) = - 2 x 3 + 12 x 2 20 x + 8.5 Desde x = 0 hasta x = 4 usando un tamao de paso de 0.5. La condicin inicial en x = 0 es y = 1. Solucin: Y I + 1 = y I + ( 1/3 k 1 + 2/ 3 k 2) h k 1 = f ( x i , y i)
131
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) = 1/3k1 + 2/3 k2 X = 0 y = 1 h = 0.5 k 1 = f ( x i , y i) K 1 0 f ( 0 , 1 ) = - 2 (0) 3 + 12 (0) 2 20 (0) + 8.5 = 8.5
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) K 2 = f [ ( 0 +3/4 ( 0.5) , 1 + 3/4 (0.5)(8. 5 )] = K 2 = f ( 0.375 , 4.1875 ) = - 2 (0.375) = 2.58203125
3
h = 0.5
132
k 2 = f ( x I + 3/4 h , y I + 3/4 hk1 ) K 2 = f [ ( 0.5 +3/4 ( 0.5) , 3.27734375 + 3/4 (0.5)(1.25 )] = K 2 = f ( 0.875 , 3.74609375 ) = - 2 (0.875)
3
Y verdadera 1.00000 3.21875 3.00000 2.21875 2.00000 2.71875 4.00000 4.71875 3.00000
Ralston RK 1.00000 3.27734375 3.1015625 2.34765625 2.140625 2.85546875 4.1171875 4.80078125 3.03125
133
6.00000
5.00000
4.00000
Y verdadera
3.00000
2.00000
1.00000
0.00000 0 2 4 6 8 10
Para n = 3, se puede hacer desarrollo similar al mtodo de segundo orden. El resultado de dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por tanto, se debe especificar con antelacin los valores para las dos incgnitas con el fin de establecer los parmetros restantes. Una versin comn que resulta es :
Yi +1 = yi +
5.2. Mtodos de pasos mltiples Los mtodos del tipo de Runge - Kutta (los cuales incluyen los mtodos de Euler y de Euler modificado como caso especial), se llaman mtodos de un paso, debido a que solo utilizan la informacin del ltimo paso calculado. Es decir, a pesar de que estos mtodos generalmente
134
usan informacin de evaluacin funcional en puntos entre x1 y x informacin para usarla directamente en aproximaciones futuras.
i+1,
no retienen esta
Las tcnicas alternas, llamadas Mtodos de Pasos Mltiples, se basan en el conocimiento de que una vez que los clculos se han iniciado, la informacin evaluada en puntos previos sirve de gua. La curvatura de las lneas que conectan estos puntos anteriores proporciona informacin referente a la trayectoria de la solucin. El principio fundamental de los Mtodos de Pasos Mltiples es el de utilizar los valores anteriores de y o y' para construir un polinomio que se aproxime a la funcin derivada, y extrapolar este polinomio en el siguiente intervalo. La mayora de los mtodos utilizan valores equiespaciados anteriores, para hacer que la construccin de polinomios sea fcil.
d 2 y dy + = x2 + y2 dx 2 dx
A un sistema de dos ecuaciones diferenciales ordinarias simultaneas de primer orden. Solucin :
d2y = y + x 2 + y 2 2 dx
El cambio de variable es:
y1 = y ;
Al derivar la primera y sustituir en la segunda queda:
y2 = y
y1 = y 2
Se deriva la segunda
y = y 2
Y las nuevas variables se sustituyen en la ecuacin diferencial, con lo cual resulta
y1 = y 2
y 2 = y 2 + x 2 + y12
135
5.4. Aplicaciones Ejercicios: En un tanque perfectamente agitado se tiene 400L de una salmuera en la cual estn disueltos 25 kg de sal comn (NaCl), en cierto momento se hace llegar al tanque un gasto de 80 L/min de una salmuera que contiene 0.5 Kg. de sal comn por litro. Si se tiene un gasto de salida de 80 L/min determine. a) Que cantidad de sal hay en el tanque transcurridos 10 minutos? b) Qu cantidad de sal hay en el tanque transcurridos un tiempo muy grande?
Solucin:
a) si se llaman x los Kg. De sal en el tanque despus de t minutos , la acumulacin de sal en el tanque esta dada por
dx / dt y por la expresin
136
y i +1 = y i +
h
6
(k 1 + 4k 2 + k 3 )
con
k 1 = f (x i , y i )
2 k 3 = f (x i + h , y i + 2hk 2 hk 1 ) 2
x := 0
0 1 1
k2 = f xi +
,yi +
hk 1
y := 25
0
h := 1
k := 40 0.2 y k = 35 y := y +
1 0
( 0)
k := 40 0.2 y +
2 2
k h 2 1
1
k := 40 0.2 y k h + 2 k h
3 3 0 1 2
k = 31.5 1 6 k + 4 k + k h
2 3
k = 29.4
(1
y = 56.733
1
x := 1
1 1 1
y := 56.733
1
h := 1 1
k := 40 0.2 y k = 28.653 y := y +
2 1
( 1)
k := 40 0.2 y +
2 2
k = 25.788 k + 4 k + k h
2 3
2 1
k h
k := 40 0.2 y k h + 2 k h
3 3 1 1 2
k = 24.069
1 6
(1
y = 82.712
2
x := 1
2 1 1
y := 82.712
2
h := 1 1
k := 40 0.2 y k = 23.458 y := y +
3 2
( 2)
k := 40 0.2 y +
2 2
k = 25.788 k + 4 k + k h
2 3
2 1
k h
k := 40 0.2 y k h + 2 k h
3 3 2 1 2
k = 19.704
1 6
(1
y = 103.98
3
137
x := 1
3 1 1
y := 103.98
3
h := 1
k := 40 0.2 y k = 19.204 y := y
4
( 3)
1
k := 40 0.2 y
2 2
k = 17.284 k + 4k + k
2
1 2
k h
1
k := 40 0.2 y
3 3
k h + 2k h
1 2
k = 16.131
1 6
) h
h := 1
= 121.392
x := 1
4 1 1
y := 121.392
4
k := 40 0.2 y k = 15.722 y := y
5
( 4)
1
k := 40 0.2 y
2 2
k = 14.149 k + 4k + k
2
1 2
k h
1
k := 40 0.2 y
3 3
k h + 2k h
1 2
k = 13.206
1 6
) h
h := 1
= 135.646
x := 1
5 1 1
y := 135.646
5
k := 40 0.2 y k = 12.871 y := y
6
( 5)
1
k := 40 0.2 y
2 2
k = 11.584 k + 4k + k
2
1 2
k h
1
k := 40 0.2 y
3 3
k h + 2k h
1 2
k = 13.206
+
6
1 6
) h
= 147.316
x := 1
1 1
y := 147.316
6
h := 1 1 2
6
k := 40 0.2 y k = 10.537 y := y +
7 6
( 6)
k := 40 0.2 y +
2 2
k h
1
k = 11.584 k + 4 k + k h
2 3
k := 40 0.2 y k h + 2 k h
3 3 6 1 2
k = 10.811
1 6
(1
y = 156.869
7
x := 1
7 1 1
y := 156.869
7
h := 1 1 2
k := 40 0.2 y k = 8.626 y := y +
8 7
( 7)
k := 40 0.2 y +
2 2
k = 7.764 1 6 k + 4 k + k h
2 3
k h
1
k := 40 0.2 y k h + 2 k h
3 3 7 1 2
k = 7.246
(1
y = 164.69
8
138
x := 1
8 1 1
y := 164.69
8
h := 1
k := 40 0.2 y k = 7.062 y := y
9
( 8)
1
k := 40 0.2 y
2 2
k = 6.356 1 6 k + 4k + k
2
1 2
k h
1
k := 40 0.2 y
3 3
k h + 2k h
1 2
k = 5.932
) h
h := 1
= 171.093
x := 1
9 1 1
y := 171.093
9
k := 40 0.2 y k = 5.781 y := y +
9
( 9) (1
k := 40 0.2 y +
2 2 2
k = 5.203 1 6 k + 4 k + k h
3
k h 2 1
1
k := 40 0.2 y k h + 2 k h
3 3 9 1 2
k = 4.856
10
10
= 176.335
b) la solucin se obtiene hasta que la cantidad de sal en el tanque no cambie con el tiempo; esto es, hasta que se alcance rgimen permanente. Por lo tanto se obtuvieron los siguientes datos:
139
140
BIBLIOGRAFIA
Chapra Steven y Canale R. ; Mtodos Numricos para ingenieros; Ed. Mc Graw Hill
Antonio Nieves Federico C. Domnguez; Mtodos numricos aplicados a la ingeniera ; Ed. CECSA
Ing. Javier Rosas Margarito ; Mtodos numricos, teora y programacin en lenguaje C.; Ed. Moya
Nakamura Shoichiro; Mtodos numricos aplicados a software; Ed. Prentice Hall; Smith Allen; Anlisis numrico; Ed.Prentice Hall
141
142