Escolar Documentos
Profissional Documentos
Cultura Documentos
Versin Julio/17
Anlisis Numrico - Steveen Carriel
En trminos generales, el objetivo del curso es que el alumno aprenda esencialmente varios mtodos y
tcnicas para encontrar la solucin de algn problema, manualmente complicado de resolver o que a su vez,
esta resolucin sea excesivamente larga.
El objetivo principal de este folleto es que el lector cumpla los objetivos del curso de anlisis numrico, pero
de manera muy clara y pedaggica.
o Es decir, se espera que el lector aprenda completamente Anlisis Numrico solo con leer este
folleto.
Este objetivo puede hacer que el folleto se haga un poco extenso, pero sumamente til.
Este folleto pretende ser prctico e ir al grano, para evitar llenarnos de tanta teora que muchas
veces es innecesaria y solo aprender lo que necesitemos aprender.
No pretendo buscar mediocridad, pero esta materia es dirigida a ingenieros, no a matemticos.
2
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Tabla de contenido
1. Ecuaciones no lineales ................................................................................................................................. 5
1.1. Mtodo de la biseccin ............................................................................................................................... 5
1.1.1. Pasos para el mtodo de la biseccin ................................................................................................. 6
1.1.2. Algoritmo del mtodo de la biseccin................................................................................................. 7
1.2. Mtodo del punto fijo ................................................................................................................................. 8
1.2.1. Convergencia del mtodo del punto fijo ............................................................................................. 9
1.3.1. Pasos para el mtodo del punto fijo.................................................................................................. 10
1.4. Mtodo de Newton ................................................................................................................................... 11
2. Sistemas lineales y no lineales de Ecuaciones ........................................................................................... 16
2.1. Sistemas lineales........................................................................................................................................ 16
2.2. Definiciones previas................................................................................................................................... 16
2.2.1. Mtodos iterativos para sistemas de ecuaciones lineales ................................................................ 19
2.2.1.1. ............................................................................................................. 19
2.2.1.2. Mtodo de Jacobi .......................................................................................................................... 21
2.2.2. Convergencia de los mtodos iterativos para sistemas de ecuaciones lineales ............................... 22
2.2.3. Anlisis del error en los mtodos iterativo para sistemas de ecuaciones lineales ........................... 22
2.2.4. Sistemas bien condicionados y mal condicionados........................................................................... 22
2.3. Sistemas no lineales de ecuaciones........................................................................................................... 23
2.3.1. Mtodo iterativo de Newton para sistemas de ecuaciones no lineales ........................................... 24
3. Interpolacin Polinomial ........................................................................................................................... 25
3.1. Unicidad del polinomio de interpolacin .................................................................................................. 25
3.2. Mtodos de interpolacin Polinomial ....................................................................................................... 25
3.2.1. Polinomio de Lagrange ...................................................................................................................... 25
3.2.2. Polinomio bivariable de Lagrange (Interpolacin mltiple) .............................................................. 27
3.3.2. Polinomio de Interpolacin de Newton ............................................................................................ 30
3.3.3. Trazadores cbicos ............................................................................................................................ 31
4. Integracin Numrica ................................................................................................................................ 36
4.1. Frmulas de Newton-Cotes ( Trapecios y Simpson) .................................................................................. 36
4.1.1. Frmula de los trapecios ................................................................................................................... 36
4.1.2. Frmula de Simpson .......................................................................................................................... 38
4.2. Cuadratura de Gauss ................................................................................................................................. 38
4.3. Integrales con singularidades .................................................................................................................... 40
4.4. Integrales no acotadas .............................................................................................................................. 40
4.5. Integracin mltiple .................................................................................................................................. 41
5. Diferenciacin numrica............................................................................................................................ 42
3
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
4
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel Ecuaciones lineales Mtodo de la biseccin
1. Ecuaciones no lineales
o Recordemos que una ecuacin no lineal es aquella que por lo menos uno de los trminos no es lineal (es decir
diferente de x), por lo cual ser un poco ms complicado despejar o encontrar alguna raz.
Sea f una funcin de variable real, definida en un intervalo I. El objetivo es encontrar al menos un x * que
pertenezca al intervalo I, tal que f(x*)=0, es decir, se desea encontrar por lo menos una raz en el intervalo I
X1*
()
X2*
X3*
Sea f una funcin continua en el intervalo I: [a, b], tal que f(a)*f(b)<0, entonces existe algn x* que pertenece a
I, tal que f(x*)=0
a
El mtodo de la biseccin consiste en elegir valores de a y b donde se cumpla del TVI, luego evaluar la funcin
+
en tres valores, en a, en b y en c, el cual es la mitad del intervalo [a, b] . = + =
2 2
o Si para a y c se cumple el TVI, quiere decir que la raz est entre esos dos intervalos, caso contrario estara
entre c y b. Para ambos casos se va acortando el intervalo hasta encerrar lo suficiente a la raz como para
decir que ya tenemos una buena aproximacin. A continuacin, se detalla los pasitos para este mtodo para
entenderlo con claridad
Th! En un intervalo [a, b], donde una funcin cumpla el TVI, si no cambia el signo de la derivada de esta funcin en
aquel intervalo, entonces la raz que hay es nica.
5
Escuela Superior Politcnica del Litoral
Ecuaciones lineales Mtodo de la biseccin
Anlisis Numrico - Steveen Carriel
1. Elije valores superior b, e inferior a, para el intervalo que cumpla el TVI ( A veces directamente te dan el
intervalo a,b)
+
2. Calcula C=
2
3. Realiza las siguientes evaluaciones para saber en qu intervalo est la raz:
a. Si f(a)*f(c)<0 entonces la raz se encuentra dentro del subintervalo inferior
o izquierdo. Por lo tanto, elige b=c y repite el segundo paso
b. Si f(a)*f(c)>0 entonces la raz se encuentra dentro del subintervalo superior o derecho. Por lo tanto,
elige a=c y repite el segundo paso
c. Repite hasta que (b-a) sea menor o igual al error sugerido del problema, en caso de que ocurra tu
aproximacin de la raz ser la ltima C que calculaste
Ejemplo 1.1
0 0 1 2 - - +
1 1 1.5 2 - + +
2 1 1.25 1.5 - + +
3 1 1.125 1.25 - - +
6
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel Ecuaciones lineales Mtodo de la biseccin
Observaciones:
o Se necesito 14 iteraciones para encontrar la solucin con la precisin pedida, la 15va es para mostrar
que ya no cambia el cuarto decimal. A continuacin, aprenderemos cuantas iteraciones se necesitan
para determinada precisin sin tener que armar la tabla anterior o calcular una iteracin ms de la
necesaria
o El mtodo es de convergencia relativamente lenta, es decir muchas iteraciones para obtener la
respuesta;
o
( )
=
()
Frmula para calcular el nmero de iteraciones para el Mtodo de la biseccin
Ejemplo: Para los datos del primer ejemplo, use la expresin para calcular el nmero mnimo de iteraciones
necesarias para calcular la raz con una tolerancia de = 104
20
( )
104
= = 14,28 = 14 , lo cual coincide con lo que hicimos en el primer
ln(2)
Ejemplo
Function biseccin
Esta funcin algortmica tiene de variables de ingreso, la funcin f, los intervalos a,b (elegidos previamente por el TVI) y
la tolerancia e y arroja la aproximacin final c
%funcin para el mtodo de la biseccin
function c=biseccion(f,a,b,e)
while b-a>=e
c=(b+a)/2;
if f(a)*f(c)<0
b=c;
else
a=c;
end
end
Ventana de Matlab
>> format long
>>f=@(x) x^3 +4*x^2 -10;
>> a=1;
>> b=2;
>> e=0.001;
>> biseccion(f,a,b,e)
7
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
ans =
1.364257812500000
Entonces la aproximacin es 1.364
Function biseccion2
Si se requiere que Matlab muestra una tabla como en el primer ejemplo, con todos los clculos, se puede utilizar este
algoritmo:
%funcin para el mtodo de la biseccin2 mostrando la tabla de clculos
function U=biseccion2(f,a,b,e)
a(1)=a;b(1)=b;c(1)=(a+b)/2;
i=1;
while b(i)-a(i)>=e
c(i)=(b(i)+a(i))/2;
if f(a(i))*f(c(i))<0
i=i+1;
b(i)=c(i-1);
a(i)=a(i-1);
else
i=i+1;
a(i)=c(i-1);
b(i)=b(i-1);
end
end
c(i)=c(i-1);
t=length(a);
U=zeros(t,4);
l=0;
i=1;
for n=1:t
U(i,1)=l;
i=i+1;
l=l+1;
end
U(:,2)=a(:);
U(:,3)=c(:);
U(:,4)=b(:);
Suponga que tenemos una funcin f(x), de la cual necesitamos hallar las races, es decir; f(x)=0.
Pero podemos transformar este problema en uno equivalente, trabajndolo as: f(x)+x=x. No es lo mismo?
() = () + tan(x) 5 2 + =0
Tenemos como premisa entonces que estas ecuaciones son equivalentes, de manera general tenemos que:
() = 0 () =
Es conveniente despejar una x y resolver el problema de esta manera. Este es el mtodo de punto fijo y se detallar su
proceso y teora.
Punto fijo
Sea f una funcin definida en un intervalo I. Se dice que r es un punto fijo de f(x), s y solo s f(r)=r
Es decir, si tenemos una funcin cualquiera f(x), la igualamos a x y hallamos los puntos que resultan, estos puntos son
puntos fijos. De manera grfica tenemos:
Ejemplo
Procedimiento:
2 + 3 =
2 + 3 = 2
2 2 3 = 0
= 3 = 1
Entonces x=3 y x=-1 son puntos fijos de la funcin 2 + 3
Ecuaciones lineales Mtodo del punto fijo
1.2.1. Convergencia del mtodo del punto fijo
Sea g una funcin continua en un intervalo I [a, b] donde se cumpla el TVI, tal que g(a)>a y g(b)<b y sea r
un punto fijo en [a,b]
Demostracin
Aplicando el teorema de valor medio para la funcin g(x), dentro del intervalo I, donde se cumpla del TVI y
sabiendo que esta debe interceptar con la funcin x, es decir cuando g(x)=x. Al ser el punto fijo de g(x),
sabemos que esta es la raz. Tenemos que:
( ) ()
() =
Pueden observar la similitud del teorema con la definicin de la funcin Lipschitz ( donde la L viene ser g (z))
9
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Al Tener esto: +1 = () y como deseamos que el mtodo converja, es decir que el error i+1, sea
menor al error i. En otras palabras, deseamos que el error vaya disminuyendo conforme iteramos.
Entonces se observa que g(z) es el factor de convergencia y debe ser acotado por una constante al
menos una constante menor a uno, donde z es un valor en el intervalo I
[, ] | ()| < 1 Esta es la condicin de convergencia y a su vez un criterio para elegir una g(x) apropiada.
1. Elije valores superior b, e inferior a, para el intervalo que cumpla el TVI ( A veces directamente te dan el intervalo
a,b) de la funcin f(x)=0
2. Dada la funcin f(x)=0, convertirla en la forma x=g(x)
Existen dos maneras de realizar esta operacin:
2.1. Agregar a ambos lados de la ecuacin una x
2.2. Despejar una x de la ecuacin original
3. Verificar [, ] | ()| < 1 , es decir que la g(x) en el intervalo I est acotado superiormente por un
valor menor a uno, si no es as, hacer otra g(x)
4. Elegir un X0
5. Iterar de la forma = (1 ); = 1,2,3,4,5 hasta que | 1 | < . La ultima ser la aproximacin de la
raz Ecuaciones lineales Mtodo del punto fijo
Ejemplo 1.03
Sabemos que la raz se encuentra entre 8 y 9, ahora toca arreglar la ecuacin de la forma x=g(x)
ln()+15 ln()+15
La manera ms sencilla puede ser = tenemos que nuestra ()
2 2
1 1
Verificando el paso 3, hallamos que () = y esta funcin en [8,9] es menor a uno, as que el
2
mtodo converger y es una g(x) adecuada. Comenzamos a iterar con X 0 =8
ln(8) + 15
1 = = 8.5397
2
ln(8.5397) + 15
2 = = 8.5724
2
ln(8.5724) + 15
3 = = 8.5743
2
ln(8.5743) + 15
4 = = 8.5744
2
Ya hasta aqu no cambian los 3 primeros decimales, es decir hemos alcanzado la aproximacin de la raz
con la tolerancia deseada, la cual es: 8.574 En general el mtodo es de convergencia lenta, en este caso se
obtuvo rpido porque estbamos muy cerca de la raz al empezar.
Y si elegimos otra g(x)? Podra ser, con tal que cumpla los criterios de convergencia. Si en vez de despejar
x a la funcin original sumamos x a los dos lados y obtenemos:
= + ln() + 15, la cual, si cumple con los criterios, pero las iteraciones se hacen ms extensas.
Comprubala si cumple los criterios!
10
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel Ecuaciones lineales Mtodo del punto fijo
Ejemplo 1.04
Para cierto producto la demanda en el mercado est dada por la funcin = 2 + 5 y el precio de la
oferta esta dado por = 3 + 100 . Halle el punto de equilibrio entre la oferta y la demanda
El equilibrio entre ellas es cuando las rectas intersectan. Igualando las ecuaciones tenemos
Puntofijo1
En esta funcin ingresamos g, la cual es la g(x) que cumpla los criterios de convergencia, el punto inicial X0
y la tolerancia especificada e
ans =
8.574383032876371
La respuesta sera 8.574
Este es un mtodo particular de punto fijo, y es una de las tcnicas ms conocidas y poderosas para la bsqueda
de races. Hay varios mtodos de introducirlo. La que se explicar es la que se basa en los polinomios de Taylor
11
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
= +1
(+1 )2
(+1 ) = ( ) + ( )(+1 ) + ()
2!
El mtodo de Newton se deriva suponiendo que +1 es una buena aproximacin de , es decir (+1 ) 0
Adems suponiendo que si |+1 | es tan pequeo, entonces (+1 )2 lo es mucho ms, por lo que
sera cero
1.4.1. Anlisis grfico del Mtodo de Newton Ecuaciones lineales Mtodo de Newton
Generalmente, es un mtodo muy eficiente, ya que su convergencia es cuadrtica. Aqu podemos ver un grfico que
representa tal mtodo
( ) 0
( ) =
+1
( )
+1 =
( )
) () > 0
(, ]
) () > 0
) () > 0
Como recomendacin entonces se debe elegir el valor inicial cerca del extremo el intervalo I, donde f>0, en este caso b
12
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Ejemplo 1.05
() = 5 10
() = 5 10
Vemos que
) () < 0
) () < 0
) () < 0
Entonces si alteramos la funcin con un signo menos: () = (5 5 2 + 1) Ecuaciones lineales Mtodo de Newton
) () > 0
) () > 0 (, 1]
) () > 0
13
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Por obvias razones desconoceremos la raz, pero usando el TVI podemos tener una idea de donde est.
Teniendo esto en cuenta podemos establecer intervalos de convergencia fcilmente. Veamos un ejercicio con el
ejemplo de lo que digo.
a) Utilizando el mtodo de Newton, encuentre un modelo iterativo x=g(x) para aproximar c, y un intervalo de existencia y convergencia.
b) Realice las iteraciones presentando el error en cada iteracin ( 10^-4)
Solucin
a) Reemplazando los datos y simplificando tenemos la ecuacin, f(c)=0:
3
0 = 10 2.5
( )
+1 =
( )
2.5 5
() = 3 1= 3 1
3 2 6 2
5
1
3
6 2 10 2.5 3
+1 = +1 = + 5
10 2.5 3 +1
3
6 2
Para el intervalo de convergencia, tratamos de bosquejar la funcin usando teorema de la primera y segunda derivada
( crecimiento y concavidad)
14
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Para el mtodo de Newton, en la funcin, se debe ingresar la f, que corresponde a la funcin igualada a cero
a,b hallados con el TVI, h que es un valor muy pequeo para aproximar la derivada ( ejemplo h=0.0001), y e , la
tolerancia del propio problema
g=@(x) (f(x+h)-f(x))./h;
p0=a+rand(1).*(b-a);
p1=p0-(f(p0)./g(p0));
error=abs(p0-p1);
while error>e
p0=p1;
p1=p0-(f(p0)./g(p0));
error=abs(p0-p1);
end
R=p1;
end
15
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Ejemplo.
3 + = 4
{ 7 + 4 = 1
2
2 + 5 = 11
En un sistema de ecuaciones lineales la solucin podra ser nica, inconsistente o puede haber infinitas soluciones.
Suponiendo tambin que el sistema lineal anterior no es homogneo y que n es muy grande.
Entonces necesitamos mtodos que nos permitan minimizar el nmero de operaciones aritmticas para
resolver el sistema
Los mtodos directos como Gauss, Gauss-Jordn, requieren de mucho esfuerzo y son ineficientes para un nmero
relativamente grande de incgnitas.
Por eso se introducir mtodos iterativos como anteriormente lo hemos hecho, solo que esta vez para sistemas y
no solo una ecuacin
Teora previa
Sea V un espacio vectorial, una norma en V es una funcin que asigna a cualquier vector del espacio vectorial V un
nico nmero real denotado por , de la forma:
1
2
V= 3
( )
Sea A una matriz que pertenece a las matrices mxn, de la forma
11 12 13 1
21 22 23 2
A= 31 32 33 3
2 3 )
( 1
Antes de entrar de lleno a los sistemas de ecuaciones lineales, debemos recordar ( o aprender), ciertas definiciones
importantes, que sern fundamentales al momento de establecer convergencia para estos mtodos .
16
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Vectores
= 1 | |= max(|1 |, |2 |, |2 |, |3 |, | | )
Ejemplo
2
(3 4 ) =max(2,5, 2)=5
1+
Matrices
= 1 (=1| |)
Ejemplo
i=1: |5| + |2| + |1|=8
5 2 1
( 3 8 4) =
i=2 |3| + |8| + |4|=15 El valor mximo sera 19
6 6 7 i=3 |6| + |6| + |7|=19
Ejemplo
2
(3 4 ) = |2| + |3 4| + |1 + | = 2 + 5 + 2 = 7 + 2
1+
Matrices
= 1 (=1| |)
Ejemplo
j=1: |5| + |3| + |6|=14
5 2 1
( 3 8 4) =
j=2 |2| + |8| + |6|=16 El valor mximo sera 16
6 6 7 j=3 |1| + |4| + |7|=12
Hay propiedades importantes de las normas, pero no son necesarias para el estudiante. De todas formas se la
adjuntar en la seccin de Anexos
17
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
[a,p]=max(d);
f=q(p)+n-1; col=p;
Bo(n)=[col];
S=[C(n,:)];C(n,:)=[C(f,:)]; C(f,:)=[S];
C(n,:)=C(n,:)./C(n,col);
for m=1:N
if m==n
else
C(m,:)=C(m,:)-C(m,col).*C(n,:);
end
end
end
[a,p]=max(abs(C(N,1:N)));
Bo(N)=[p];
C(N,:)=C(N,:)./C(N,p);
for m=1:N-1
C(m,:)=C(m,:)-C(m,p).*C(N,:);
end
D=zeros(N,N);
for n=1:N
D(Bo(n),:)=[C(n,N+1:2.*N)];
end
end
Radio espectral
Sea . Sean 1 , 2 , 3 , los n valores propios de . Se define al radio espectral de , denotado con
() = 1 | |. Es decir, el radio espectral es el mximo valor absoluto de los valores propios de la matriz.
Una matriz A es estrictamente diagonal dominante, si sus elementos en la diagonal son mayores a la de la suma
absoluta de los elementos de su misma fila. Ejemplo
18
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Similar a lo que vimos para una sola ecuacin, presentaremos mtodos iterativos de la siguiente forma:
= (), donde la G(X) depender de del tipo de mtodo que a continuacin presentaremos.
Antes de eso, se presentar formas de dividir una matriz A cualquiera en la suma de tres matrices, dos
matrices triangulares y una diagonal
11 5 6 0 0 0 11 0 0 0 5 6
=(7 4 10)= (7 0 0) + ( 0 4 0) + ( 0 0 10)
3 2 7 3 2 0 0 0 7 0 0 0
L + D + RR
2.2.1.1.
Partiendo de la forma inicial de un sistema lineal de ecuaciones y luego se procede a manipular un poco.
=
( + + ) =
[( + ) + ] =
( + ) + =
( + ) =
= ( + )1 ( ) Suponiendo que L+D es invertible
= ( + )1 ( + )1
= ( + )1 + ( + )1
19
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
F(n,:)=[F(n,:)./C(n,n)];
B(n)=[B(n)./C(n,n)];
end
F=-F;
Z=zeros(N,1);
U=Z; V=Z;
for n=1:N
U(n)=F(n,:)*Z+B(n);
Z(n)=[U(n)];
end
while norm((U-V),1)>0.0001
V=Z;
for n=1:N
U(n)=F(n,:)*Z+B(n);
Z(n)=[U(n)];
end
end
end
20
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
4
0 1/3 1/3 2.260317 3 2.117128
11
= (0 2/21 10/21) ( 0.501134 ) + 21 = ( 0.882259 )
0 1/35 9/35 2.852517 79 2.976329
( 35 )
4
0 1/3 1/3 2.117128 3 2.031357
11
= (0 2/21 10/21) ( 0.882259 ) + 21 = ( 0.977515 )
0 1/35 9/35 2.976329 79 2.997277
( 35 )
4
0 1/3 1/3 2.031357 3 2.006588
11
= (0 2/21 10/21) ( 0.977515 ) + 21 = ( 0.996562 )
0 1/35 9/35 2.997277 79 2.999942
( 35 )
Podemos observar que las respuestas comienzan a converger al vector -2,1,3 el cual es la solucin exacta de nuestro problema
De la misma forma que el anterior se parte de la forma inicial de un sistema lineal de ecuaciones y luego
se procede a manipular un poco.
=
( + + ) =
[ + ( + )] =
[ + ( + )] =
= ( + ) + Ahora suponiendo que D es invertible
= 1 ( + ) + 1
21
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Teorema! Los mtodos iterativos para resolver sistemas lineales de ecuaciones que tienen la forma
= + ,
Convergen a la solucin, si y solo si, el radio espectral de la matriz de transicin es menor a uno (() < 1)
Entonces que () < 1 es una condicin necesaria y suficiente para la convergencia a la solucin.
< < 1
Como las normas de la matriz de transicin es menor a uno, es suficiente para que converja el mtodo a la solucin.
2.2.3. Anlisis del error en los mtodos iterativo para sistemas de ecuaciones lineales
Nmero de condicin. - Sea , invertible, se define como nmero de condicin de A, denotado con cond(A)
como:
() = 1
cond(A)
()
() 1
22
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Del sistema lineal = , donde es la solucin exacta del sistema. Suponga que por errores de tipeo o de alguna
clase de medicin, no se propone A para resolver el sistema sino una parecida . Entonces = no se satisfacerla,
para que resulte se tendra que proponer otra solucin para as satisfacer la igualdad con B. Sera = .
=
= 1
= () 1
= () 1
= ( + ) 1 = [() 1 + ( ) 1 ]
= [ + ( )1 ]
= + ( )1
= ( )1 , ahora si aplicamos la norma a ambos lados de la ecuacin tenemos
= ( ) 1 1 , obtenemos que
1 , luego multiplicando y dividiendo la norma de A, tenemos
1 , ordenando todo tenemos
() () ()
()
= () () () Cota para el error relativo de la solucin
Para que el sistema sea no lineal, al menos una ecuacin debe ser no lineal, donde hay n funciones de
n variables independientes.
23
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1 1
1
( ) =
(1 )
Se trata de derivar parcialmente cada funcin, respecto a cada variable. Luego veremos ejemplos de aquello
Es muy parecido (por no decir la misma) a la forma del mtodo de newton para una sola ecuacin
Para una ecuacin era:
( )
+1 =
( )
Ahora para su homloga para sistemas de ecuaciones no lineales es:
+1 = [( )] [( )1 ]
5 2 2 + 3 = 0
{
4 () cos() = 0
52 2 + 3
Tenemos que ( )= (, ) = ( )
4 () cos()
Y su matriz jacobiana es:
10 + 3 2
(, ) = ( )
cos() 4 + ()
Armamos la frmula iterativa, tomando el vector nulo como vector inicial para iterar
0
0 = ( )
0
Primero evaluamos la jacobiana para luego as, hallar su inversa
3 0 1/3 0
(0,0) = ( ), (0,0)1 = ( )
1 4 1/12 1/4
3. Interpolacin Polinomial
Supongamos que deseamos analizar cierta funcin, cuya regla de correspondencia sea desconocida o
sea muy complicada (complicada de integrar, derivar, graficar, etc.).
Interpolacin consiste en tener ciertos puntos de una funcin, a partir de otros. Es decir, vamos a
reemplazar cierta funcin complicada o desconocida (por medio de algunos puntos) por funciones
polinomiales, que en general son ms fciles de tratar.
Debemos construir una funcin polinomial por tramos, de cierto grado que pase por los mismos puntos y aproxime los
otros puntos restantes en el intervalo I.
Suponga que existen dos polinomios diferentes de interpolacin p(x) y q(x), para una misma funcin en un intervalo I.
Es decir ( ) = y ( ) = , pero () ().
Contrayendo otro polinomio definido como () = () (), de grado n (ya que p y q son de grado n)
( ) = ( ) ( )
() = = 0, y esto ocurre para toda i ( de 0 hasta n)
Es decir este polinomio h de grado n, tiene n+1 races (contradiciendo el teorema fundamental del algebra).
Lo nico que puede ser para que esto ocurra es que h(x) sea un polinomio nulo
() =
( ) ( ) = entonces concluimos que
( ) = ( )
Considere el problema de la interpolacin polinomial (PIP) indicado anteriormente y con la obtencin previa de una
tabla de valores como la siguiente:
( )/
0 0 0
1 1 1
25
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
2 2 3
n
() = ()
=0
( )
() =
( )
=0
( )
() = () () = = 0, 1, 2, 3, Polinomio de Interpolacin de lagrange
( )
=0 =0
0 3 1
1 6 4
2 10 9
3 13 2
Comenzamos a armar las Li. Percatndonos de la definicin, observamos en el numerador que la X k son todas menos la i
en ese instante. Y abajo se resta esa Xi menos todas las Xk
() = 1 () + 41 () + 92 () + 23 ()
26
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Tenemos ya el polinomio lagrangiano que interpola los puntos. Como observacin se graficar el polinomio y los puntos
de la tabla
Sea = (, ) una funcin continua, en una regin del plano xy. Suponga que no se conoce la regla de
correspondencia de f, sin embargo conocemos que:
= ( , ), para i=0, 1, 2, n y j=0, 1, 2,, m. Es decir conocemos una tabla bivariada de datos
/
00 01 02 0
10 11 12 1
20 21 22 2
0 1 2
27
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
(, ) = () () ( ) ( )
() =
() =
=0 =0 ( ) ( )
=0 =0
o El procedimiento es bastante tedioso, as que deben prestar bastante atencin al siguiente ejemplo
Procedimiento
Observamos que n=2 y m=3. Aproximar y dejar expresado un polinomio bivariado es complicado, as que simplemente
se trabajara con los valores a aproximar (30,810).
Teniendo la frmula:
(, ) = () ()
=0 =0
Armamos primero la sumatoria que est ms adentro. Primero hallamos las (), como lo hicimos en el anterior
polinomio simple de lagrange con las y, y de una vez con la aproximacin es decir (810),
Ahora multiplicamos cada L por Zij por la definicin de la sumatoria, recorriendo la j para cada i. Es como un producto
punto
28
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1 5 15 5 473
(33) 31 + 30 + 29 =
16 16 16 16 16
i=1 j=0, 1, 2,3
1 5 15 5 267
(39) 36 + 34 + 33 =
16 16 16 16 8
i=2 j=0, 1, 2,3
1 5 15 5 595
(45) 42 + 40 + 32 =
16 16 16 16 16
Este es un concepto que lo utilizaremos inmediatamente y para el resto del curso, lo cual es muy importante
saber.
Supongamos que tenemos n+1 puntos de la forma = ( ) con i=0, 1, 2,, n
Con la variable independiente (x), espaciada regularmente, es decir se debe cumplir que siempre
+1 = i=0, 1, 2,, n-1, la diferencia siempre tiene que ser h, deben estar h-espaciados
i x f
0 0 0
1 1 1
2 2 2
3 3 3
29
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Cada diferencia finita se obtiene restando los dos valores anteriores consecutivos de la columna anterior:
i 1 2 3 3
0 0 0 1 0 =1 0 2 0 = 1 1 1 0 3 0 = 2 1 2 0
1 2 1 1
1 1 1 1 =2 1 1 = 2 1
2 2 2 1 2 =3 2 ...
3 3 3
.
(3, 1.5), (4.5, 3), (6.0, 4.80), (7.5, 5.60), (9.0, 8.0)
Para las diferencias finitas se obtienen con la resta de los valores consecutivos en la columna anterior, como en
1 para que se observe. Ya en 2 se pone directamente el valor
i 1 2 3 4
0 3 1.5 3-1.5=1.5 0.3 -1.3 3.9
1 4.5 3 4.8-3=1.8 -1 2.6
2 6 4.80 5.6-4.8=0.8 1.6
3 7.5 5.60 8-5.6=2.4
4 9 8
0
() =
, [0 , ]
30
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Considere la tabla de datos: = ( ) con i=0, 1, 2,, n con valores de x, h espaciados. Tenemos que el polinomio de
interpolacin de Newton es el siguiente:
1
1 0 2 0 3 0 0
() = 0 + ( 0 ) + 2
( 0 )( 1 ) + 3
( 0 )( 1 )( 2 ) + + ( )
1! 2! 3! !
=0
o Se observa que para hacer este polinomio, se necesitan tabular las diferencias finitas
o La nica condicin para este mtodo es que las x estn h-espaciadas. Es preferible el de newton que de
lagrange por su simplicidad.
o Este polinomio de Newton es de grado n, que pasa por los n+1 puntos por donde pasa la grfica de f
(1.0, 5), (1.5, 7), (2.0, 10), (2.5, 8), (3, 9.5)
i 1 2 3 4
0 1 5 2 1 -6 14.5
1 1.5 7 3 -5 8.5
2 2 10 -2 3.5
3 2.5 8 1.5
4 3 9.5
Las diferencias finitas que se usan para el polinomio de newton 1 0 , 2 0 , 3 0 , 4 0 . Son las que estn
sombreadas en la tabla. Ya tabulada las diferencias, armamos el polinomio con la formula.
= 0.5
2 1 6
() = 5 + ( 1) + ( 1)( 1.5) + ( 1)( 1.5)( 2)
1! 0.5 2! 0.52 3! 0.53
14.5
+ ( 1)( 1.5)( 2)( 2.5)
4! 0.54
Simplificando tenemos:
Dado el PIP, tambin existe otra manera de aproximar una funcin, mediante a trazadores cbicos, es decir polinomios
de grado 3 a trazos. Como aproxima la funcin a trazos, estos trazadores cbicos aproximan de mejor manera que los
polinomios anteriores.
o Hay dos tipos de trazadores cbicos, trazador libre o natural y trazador fijo o sujeto
o La diferencia entre ellos solo es una condicin en los extremos del intervalo [0 , ]
Si se trata de un trazador cbico libre o natural, tenemos que nuestra funcin a aproxima,
cumple que:
(0 ) = 0 y que ( ) = 0
Si es un trazador cbico fijo o sujeto, tenemos que:
(0 ) = y que ( ) =
Como son condiciones en los extremos de la derivada de la funcin, estos valores y
representan la pendiente que hay en los extremos de la funcin.
31
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
No se preocupen por las condiciones anteriores, solo deben aprender y comprender, como
es el procedimiento para resolver ambas, el cual se detallar a continuacin
Estableciendo algunas condiciones de continuidad entre los tramos y ciertas demostraciones, obtenemos las frmulas
para hallar los trazadores, de la cual tenemos que resolver ciertos sistemas de ecuaciones lineales.
Procedimiento
() = + ( ) + ( ) + ( )
( )/
0 0 0
1 1 1
2 2 3
n
1 (); [0 , 1 )
2 (); [1 , 2 )
El trazador cbico definido por () = 3 (); [2 , 3 ) , () 3
{ (); [1 , )
+ (); [ , +)
Obtendremos n polinomios y se usar uno ms de manera auxiliar para calcular los coeficientes c. Ese polinomio
auxiliar luego ya no tiene uso.
Adjuntando a la tabla anterior dos columnas ms con m y h, las cuales estn definidas por:
1
= = 1 Donde = 1,2,3,
1
( )/
0 0 0
1 1 1 1 1
2 2 3 2 2
.. ..
n
Luego se calculan los coeficientes, primeros las C, armando un sistema de ecuaciones para las C
o Para este sistema se debe tener en cuenta si el trazador es libre o fijo. Si es libre, tenemos que:
=0
{ 1 Con esto tenemos que resolver un sistema de n-1 incgnitas para las C
+1 = 0
o Si es fijo, estas c anteriores, no las conocemos, por ende necesitamos dos ecuaciones ms. Usando el valor y
que nos da el problema de trazador sujeto.
21 + 1 = 3(1 )
{
+ 2 + = 3( )
32
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1
= (2 + +1 ) = 1,2,3,
3
+1
=
3
= 1
Como no puede ser de otra manera, para entenderlo mejor, vamos con un ejemplo
Ejemplo. Para los siguientes datos, construir el trazador cbico natural y encontrar el valor de x=2.25
(1.2, 4.6), (1.5, 5.3), (2.4, 6), (3, 4.8), (3.8, 3.1)
0 1.2 4.6
1 1.5 5.3 0.3 2.333333
2 2.4 6.0 0.9 0.777778
3 3.0 4.8 0.6 -2
4 3.8 3.1 0.8 -2.125
Armamos las C
i=1 0.31 + 2(0.3 + 0.9)2 + 0.93 = 3(0.777778 2.333333)
=0
Tenemos 5 incgnitas. Al ser un trazador libre o natural tenemos que{ 1 , reemplazando y ordenando
5 = 0
tenemos:
2.42 + 0.93 + 04 = 4.666665
(0.92 + 33 + 0.64 = 8.333333)
02 + 0.63 + 2.84 = 0.375
33
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1 = 0
2 = 0.982056
Resolviendo el sistema lineal, tenemos que { , el resto de coeficiente hallamos
3 = 2.566362
4 = 0.4160062
simplemente, remplazando valores
i=1, 2, 3,4
El problema nos peda el valor de x=2.25, y ese valor se encuentra en el intervalo del polinomio 2
2 (2.25); 5.3 + 2.136912(2.25 1.5) 0.982056(2.25 1.5)2 0.586781(2.25 1.5)3 = .
Ejemplo Con los siguientes datos, construya el trazador cbico sujeto, de tal manera que en ambos
extremos debe inclinarse a 45
Para este caso no nos dan explcitamente los valores de y pero nos dicen la condicin de los extremos y
para que esto se cumpla tendra que ser que y(3)=y(9)=1. Es decir y =1
0 3 2.5
1 4.5 1.0 1.5 -1
2 7.0 2.5 2.5 0.6
3 9.0 0.5 2 -1
Armamos las C
Tenemos 4 incgnitas. Al ser un trazador sujeto tenemos dos ecuaciones ms para las C, y la remplazamos
con los datos
i=1, 2, 3
1 = 1 1 = 0.971981 1 = 2.5
{2 = 0.813043 {2 = 0.406957 { 2 = 1
3 = 0.530435 3 = 0.617391 3 = 2.5
35
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
4. Integracin Numrica
Supongamos que tengamos una funcin f, muy complicada o hasta imposible integrar analticamente, como por
1
ejemplo () = , o en otros casos solo tengamos determinados puntos de f, de los cuales necesitamos saber el
1+ 4
rea bajo la curva aproximada de esos puntos.
Se necesita introducir mtodos numricos para calcular una aproximacin de aquellas integrales
Se denominan as a las frmulas que utilizan el polinomio de interpolacin para hallar la integral deseada.
Sea A, la integral definida:
= ()
Y h, las particiones o distancia entre puntos a evaluar para aproximar la integral:
=
Donde m (algunos les dicen m o n, es solo una notacin) es un parmetro que depende del mtodo.
Los mtodos Newton-Cotes que aprenderemos son, el de los trapecios y el de Simpson.
Para estos mtodos, el objetivo es en vez de integrar literalmente, transformamos esa integral en
evaluaciones de cierta funcin, donde obviamente la funcin a evaluar es la funcin entera que se deseaba
integrar inicialmente.
Se evala iniciando desde a, hasta b, en pasos de h. Ya veremos las formulas respectivas, con su ejemplo
correspondiente
Se trata de una aproximacin del rea bajo la curva usando trapecios. Al integrar cierta curva en un intervalo [a, b], el
mtodo divide el rea debajo de esta por medio de m trapecios
1
[0 + 21 + 22 + 23 + + 21 + ] = 0 + 2 + Mtodo de los trapecios
2 2
=1
2
= ( ) () Error de truncamiento
12
36
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Observaciones importantes!
o En el error de truncamiento tenemos un valor de z entre a y b, este viene a ser el mayor valor absoluto entre
ese intervalo: | ()| [, ]
o En el error de truncamiento de observa una derivada. Si conocemos la funcin y no es difcil derivarla se van
por ese mtodo, caso contrario, como los puntos en este mtodo son h espaciados se puede aproximar la
derivada con diferencias finitas. As mismo sera la mayor absoluta diferencia finita
o Para las evaluaciones x0 y xm son a y b respectivamente
i 1 2
0 0 0 0.339005 0.163461
1 0.5 0.339005 0.502466 -0.12226
2 1 0.841471 0.380206 -0.315942
3 1.5 1.221677 0.064264
4 2 1.285941
37
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Este mtodo aproxima la integral por medio de parbolas, es decir polinomios de segundo grado. Este mtodo
aproxima cada par de puntos con media parbola. Por aquello el nmero m debe ser par
En otras palabras, una parbola, aproxima dos pares de puntos, dos parbolas, 4 y as
Si te piden usar el mtodo de Simpson con una parbola, entonces m=2, con dos parbolas, m=4, etc.
1 2
[0 + 41 + 22 + 43 + + 22 + 41 + ] = 0 + 4 + 2 +
3 3
=1 =1
4 Mtodo de Simpson
= ( ) () Error de truncamiento
180
40
Tenemos que m=4 y = =1
4
1
[(0) + 4(1) + 2(2) + 4(3) + (4)]
3
1
[0 + 4(0.367879) + 2(0.541341) + 4(0.448084) + (0.293050)] = 1.546528
3
Esta es una aproximacin usando la familia de polinomios ortogonales conocido como polinomios de legendre
+ ( ) 1 + ( ) 1
( )+( + ) Frmula de la Cuadratura de
2 2 2 3 2 2 3 Gauss de dos puntos
38
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Si se dan cuenta, este mtodo no evala en ningn momento en los extremos de la integral, es decir no
evala ni en a, ni en b
Es un mtodo muy preciso, por lo cual calcular el error de truncamiento es muy complicado
Ejemplo
Calcular la integral () con la frmula de la cuadratura de gauss
Para mejorar su exactitud se puede dividir en m subintervalos, aplicando el mtodo ms de una vez
Ejemplo ilustrativo
Calcular la integral () con la frmula de la cuadratura de gauss con dos subintervalos ( o podra
decir, que apliquemos dos veces gauss)
Al leer dos subintervalos, deberamos integrar primero de 0 a 2 y luego 2 a 4, sumando las integrales,
aplicando la propiedad de aditividad de las integrales. En nuestro caso sera
() = () + ()
39
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Para estos ejercicios, se debe verificar que las integrales no tengan singularidades en los extremos, ya que al usar los
mtodos de Newton-Cotes, tenemos que evaluar en esos puntos, provocando divisiones entre cero. La cuadratura de
gauss no tiene ese problema, ya que nunca evala en los extremos.
Ejemplo
1
0
Haciendo un cambio de variable conveniente (cuando tengas una raz, siempre tmala como cambio de variable)
1
= = 2 =
2
Y de esta manera la resolvemos la nueva integral normalmente por cualquiera de los mtodos. Recuerda que
cuadratura de gauss no tiene ese problema y puedes integrar sin usar los cambios de variable.
Ejemplo
1
3
2
0 ( 1)5
Escogemos como cambio de variable solo la raz, en este caso raz quinta
= ( 1)1/5 5 = 1 54 = 5 + 1 =
Tambin podemos tener el caso de que nos presenten integrales evaluadas al infinito. Estas son integrales
que convergen a un valor cuando tienden a infinito por lo que sacar su rea no sera algo descabellado.
40
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Pero como nosotros no podemos evaluar al infinito, nos hacemos valer de otro cambio de variable, que en
general es el mismo para cualquier integral no acotada.
Ejemplo
1
Calcular la integral de 0 1+ 4
dx
La primera integral se puede resolver por cualquier mtodo, no tiene nada en especial, pero la segunda tiene
lmite no acotado, usamos el siguiente cambio de variable = /
(Este cambio de variable siempre se usar para eliminar el infinito de los limites)
1
= 1/ = -> = 2 = 1/
2
0
1 1 1
= ( 2 )
1+ 4 1
1 1 1 + 4
Sacando el signo menos, para que la integral quede bien con sus lmites tenemos
1 1 1 1
1 1 1 1 4 1 2
( 2 ) = 4 ( 2 ) = 4 ( 2 ) = 4
1 +1 +1 +1
0 1 +
4 0
4 0 0
Para integrar completamente funciones de ms de una variable, se requieren este tipo de integrales, las
cuales representan un rea ms complicada o algn volumen especfico.
Se detallar paso por paso el procedimiento para calcular estas integrales en anlisis numrico, usando los
mtodos ya aprendidos.
(, )
41
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Necesitamos calcular que son la distancia entre los puntos a evaluar, equivalente exactamente a la
h para el mtodo de una variable. Estos deltas se definen como:
= =
El procedimiento es el siguiente:
Integramos de afuera hacia adentro, es decir primero con y luego con x. Aplicando primero el mtodo de
Simpson solo para y, de esta manera:
3 1 0.5 0.5 0.5
2 0 (, ) = [(, 2) + 4(, 2.5) + (, 3)]= (, 2) + 4(, 2.5) + (, 3)
3 3 3 3
Y ahora para cada trmino, aplicamos Simpson para las x, siendo fijo y
0.5 0.5 0.5 0.5
3
(, 2)= 3 { 3 [(0,2) + 4(0.5,2) + (1,2)]}= 3 { 3 [(0,2) + 4(0.5,2) + (1,2)]}
0.5 0.5 0.5 0.5
4(, 2.5) = 4{ [(0,2,5) + 4(0.5,2.5) + (1,2.5)]} = 4{ [(0,2,5) + 4(0.5,2.5) + (1,2.5)]}
3 3 3 3 3
0.5 0.5 0.5 0.5
3
(, 3) = 3
{ 3 [(0,3) + 4(0.5,3) + (1,3)]}= 3 { 3 [(0,3) + 4(0.5,3) + (1,3)]}
5. Diferenciacin numrica
A continuacin presentaremos mtodos numricos para aproximar las derivadas en cierto punto. Estas frmulas son
muy sencillas de aprender y usar.
(+1 ) ( )
( ) = () +1
2
Frmula para la primera derivada (de primer orden)en cierto punto Xi Error de truncamiento
42
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Nota: El termino de primer orden habla del error de la formula, su error es lineal. Nada de que preocuparse.
Ejemplo. Dado los siguientes puntos (2.0 6.718849), (2.1, 7.049114), (2.2, 7.296691), (2.3, 7.437799), (2.4, 7.445759)
+
(+1 ) (1 ) 2
( ) = () 1 +1
2 6
Ejemplo. Con los datos del ejercicio anterior calcular la misma derivada con la frmula de segundo orden
(+1 ) 2( ) + (1 ) 2
( ) = () 1 +1
2 12
Ejemplo Dado los puntos (3.5, 1.088136), (3.7 1.136403), (3.9, 1.182129), (4.1, 1.225567), halle la segunda
derivada del punto x=3.9
(4.1) 2(3.9) + (3.7)
(3.9) = 0.0572
0.22
43
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Recordamos que una EDO es una ecuacin que relaciona una funcin desconocida de una variable
independiente con sus derivadas. El orden de la EDO es el orden de la derivada ms alta presente en esta.
(, , , , 1 , ) =0 EDO de orden n
Para resolver este tipo de ejercicios, siempre que se pueda, es conveniente dejar la ecuacin
diferencial en su manera explcita, es decir despejada la derivada ms alta:
(, , , , 1 ) =
Observacin: En la gran mayora de evaluaciones de esta materia, los mtodos por excelente que toman son el
de la serie de Taylor y Runge-Kutta. Aconsejo darle prioridad a esos.
Dada la funcin y la condicin expresadas anteriormente, este mtodo usa el desarrollo de la serie de Taylor
para hallar puntos aproximados de la solucin.
2
+1 = + + + +
2! !
Y el error de truncamiento es:
+1
+1 ()
( + 1)!
o Para la gran mayora de estos casos solo nos pedirn usar los primeros 3 trminos de la serie de Taylor.
44
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Ejemplo. Obtenga 3 puntos de la solucin de la EDO + 2 1 = 0 (0) = 1 con h=0.1, usando los
tres primeros trminos de la serie de Taylor
2
Como dice los tres primeros trminos, entonces usamos la frmula +1 = + +
2!
= (, ) = 2 + 2
2
1 = 0 + 0 +
2! 0
0 = (0,1) = 2
0 = (0,1) = 3
0.12
= 1 + 0.1(2) + (3) = 1.215
2!
= 0 + 0.1 = 0.1
1 = (0.1,1.215) = 2.305
1 = (0.1,1.215) = 3.105
0.12
o = 1.215 + 0.1(2.305) + (3.105) = 1.461
2!
o = 0.1 + 0.1 = 0.2
45
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Bajo las mismas condiciones previamente dadas, la frmula de Euler constituye simplemente los dos primeros trminos
de la serie de Taylor
+1 = + ( , ) 2
= () +1
2!
Frmula de Euler para EDOs
46
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1 = ( , ) 3
= () +1
2 = ( + , + 1 ) 3!
1
+1 = + (1 + 2 )
2
Frmula de Heun para EDOs
(, ) = + 2 + 1
1 = ( , )
5 5
2 = ( + /2, + 1 /2) = () +1
5!
3 = ( + /2, + 2 /2)
4 = ( + , + 3 )
1
+1 = + (1 + 22 + 23 + 4 )
6
Frmula de Runge-Kutta para EDOs
47
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Tenemos que
1 = (0.1)(0,1) = 0.2
0.1
2 = (0.1) (0 + , 1 + 0.2/2) = 0.21475
2
0.1
3 = (0.1) (0 + , 1 + 0.21475/2) = 0.2154875
2
4 = (0.1)(0 + 0.1, 1 + 0.2154875) = 0.22629875
1
1 = 1 + (0.2 + 2(0.21475) + 2(0.2154875) + 0.22629875) = 1.2144
6
1 = 0 + 0.1 = 0.1
Tenemos que
6.2. Sistema de ecuaciones diferenciales ordinarias de primer orden con condiciones al inicio
Supongamos que nos dan un sistema de EDOs con condiciones al inicio, de la forma:
(, , , ) = 0 (0 ) = 0
(, , , ) = 0 (0 ) = 0
La variable independiente sigue siendo x, donde + = +
(, , ) = (0 ) = 0
(, , ) = (0 ) = 0
48
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
= 0, (0) = 1
+ + = 0, (0) = 2
Donde procedemos a despejarlas a su forma implcita
+ + = , 0 = 0 , 0 = 1
+ = , 0 = 0 , 0 = 2
De ah se resuelven con los mtodos vistos anteriormente, pero extendidos a dos ecuaciones
1, = ( , , )
1, = ( , , )
2, = ( + , + 1, , + 1, )
2, = ( + , + 1, , + 1, )
1
+1 = + (1, + 2, )
2
1
+1 = + (1, + 2, )
2
Frmula de Heun para dos EDOs
Ejemplo Obtenga dos puntos de la solucin de las siguientes Edos usando Heun con h=0.1
= 0, (0) = 1
+ + = 0, (0) = 2
(, , ) = + + = , 0 = 0 , 0 = 1
(, , ) = + = , 0 = 0 , 0 = 2
=0
1, = (0.1)(0,1,2) = 0.3
1, = (0.1)(0,1,2) = 0.1
1
1 = 1 + (0.3 + 0.33) = 1.315
2
49
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1
1 = 2 + (0.1 0.07) = 1.915
2
1 = 0 + 0.1 = 0.1
=1
1
2 = 1.315 + (0.3 + 0.33) = 1.66615
2
1
2 = 1.915 + (0.1 0.07) = 1.86015
2
2 = 0.1 + 0.1 = 0.2
1, = ( , , )
1, = ( , , )
4, = ( + , + 3, , + 3, )
4, = ( + , + 3, , + 3, )
1
+1 = + (1, + 22, + 23, + 4, )
6
1
+1 = + (1, + 22, + 23, + 4, )
6
50
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Para el caso en particular que tengamos una EDO de segundo orden, al tener eso, nos deben dar 2 condiciones.
Teniendo el problema definido en la forma:
(, , , ) = 0 (0 ) = 0 (0 ) = 0
Se realiza la sustitucin =
(, , , ) = 0
{
=
(, , ) = = ( ) =
(, , ) = (0 ) = 0 ( ) =
Veamos el ejemplo para que se entienda de forma ms clara. Recordar que x representa a la nica variable
independiente
Ejemplo
Tenemos que 0 = 0, 0 = 0, 0 = 1
0 = 0, 0 = 0, 0 = 1
(, , ) = =
{
(, , ) = = 0.05 0.15
Ya ahora solo nos queda usar las frmulas de Heun extendidas y reemplazar
1, = (0.5)(0,1,0) = 0
1, = (0.5)(0,1,0) = 0.075
1
1 = 1 + (0 0.0375) = 0.98125
2
51
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
1
1 = 0 + (0.075 0.0769) = 0.0759
2
1 = 0 + 0.5 = 0.5
1
2 = 0.9875 + (0.025 0.04953125) = 0.9502
2
1
2 = 0.05 + (0.0490625 0.0471875) = 0.0981
2
2 = 0.5 + 0.5 = 1
De los mtodos aprendidos, ciertas veces (y quizs se lo pidan en algn proyecto) es importante hablar sobre su
convergencia y estabilidad.
El mtodo es convergente, cuando los puntos realmente tienden a la solucin aproximada cuando modificas el
parmetro h. Puedes verificar la existencia de la solucin siempre y cuando los puntos que vas obteniendo ciertamente
forman algn tipo de funcin (esto lo puedes verificar graficando los puntos) y no haya puntos singulares, es decir que
se desven completamente del patrn funcional que estas formando.
Tambin puedes verificar si el mtodo es estable (es decir si es poco sensible a perturbaciones) al modificar un poco
alguno de los valores iniciales o condiciones iniciales. Si al perturbar esto el mtodo arroja una solucin completamente
alejada a la solucin correcta puede decirse que problema no est bien planteado.
Supngase que nos den una EDO con la solucin de la misma en los bordes de cierta regin, pero que sea de inters la
solucin en el interior de esta regin
+ 2 3 = 0, (0) = 1, (1) = 5, 0 1
52
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Dada la EDO de la manera planteada, es decir con condiciones en los bordes, podemos usar el mtodo de diferencias
finitas, donde discretizamos la solucin, es decir nos comprometemos a calcular una serie de puntos de la solucin de
inters, plantendonos un sistema de ecuaciones lineales para encontrar cada punto de inters.
Usamos las siguientes frmulas (ya vistas) para aproximar las derivadas. Se usan las de segundo orden para que el error
sea congruente.
+ + + () = 0, (0 ) =
Y donde = 0, 1, 2, 3 1 . Siendo = ( )/
2(+1 2 + 1 ) (+1 1 ) + 22 42 62 = 0
( + 2)+ (22 4) + + (2 ) 42 62 = 0
(2.25)+ (3.875) + + (1.75) 0.25 = 0.375
Lo que se va a hacer es avanzar h-espacios desde x=0 hasta x=1, con eso cubriremos los puntos que en ese intervalo .ya
cuando hagamos eso tendremos, un sistema de ecuaciones lineales, el cual ya resuelto obtendremos puntos de la
solucin
con i=2
(2.25)+ (3.875) + (1.75) 0.25 0.5 = 0.375
(2.25)+ (3.875) + (1.75) = 0.787180
con i=3
(2.25)+ (3.875) + (1.75) 0.25 0.75 = 0.375 conocemos tambin y4
(2.25) + (3.875) = 7.845749
53
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
2 = 1.985292
3 = 3.177459
Donde nos dan una condicin en la frontera, pero en la derivada de ese punto
Se procede a rodear el punto de la frontera desconocido, es decir, comenzar con i=0 para que en las incgnitas tomen
i-1 , i e i+1
Como se trata de la misma ecuacin del ejemplo anterior, procedemos a usar la ecuacin arreglada (luego de
reemplazar las derivadas y simplificando)
=0
=1
=2
=3
Tenemos la condicin inicial (0) = 0.5 -> 0 = 0.5 , usamos la aproximacin de la primera derivada de nuevo
1 1
0 = 0.5 = Con esto podemos eliminar el punto 1
2
1 = 1 2 0.5
1 = 1 0.25
54
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Recordando cursos anteriores, una ecuacin diferencial parcial es aquella que contiene derivadas parciales con
respecto a dos o ms variables dependientes.
Por ejemplo:
2 2 2 2
(, ) = (, , , , , , , , )=0
2 2
Se las clasifican de 3 maneras en general, parablicas, elpticas e hiperblicas.
De manera sencilla las parablicas tienen una primera derivada sin lmite (ejemplo el tiempo, el tiempo es
infinito)
Ejemplo: La ecuacin que determina el flujo de calor en una barra, x es la variable de posicin diferencial de
la barra
2 2
=
2
Las elpticas son aquellas que estn limitadas ambas derivadas, como por ejemplo el calor que fluye en una
placa, en un tiempo final. Las variables X y Y estn limitados
2 2
+ =0
2 2
Las hiperblicas de manera similar a las parablicas, tienen una derivada sin lmite, pero esta derivada es
segunda:
2 2
2
=
2 2
Realmente lo de hiperblico, parablico y elptico solo son nombres, de ah los mtodos a resolver
son prcticamente los mismos.
Para el mtodo elptico, tpicamente es de inters resolver totalmente la ecuacin diferencial
(Por ejemplo, saber que tan caliente est cada punto de inters en una placa rectangular). Pero los
mtodos hiperblicos y parablicos al poseer una variable abierta (Como por ejemplo el tiempo), se
nos debe especificar hasta cuando debemos iterar.
55
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
La solucin de este tipo de ecuaciones, son superficies (por ejemplo del tipo z=f(x, y)). De las cuales nos
ocuparemos de hallar una serie de puntos limitados que sean parte de la solucin.
Usaremos diferencias finitas para resolver esto. Un ejemplo de esto es la siguiente malla:
Donde los puntos a hallar son los amarillos. Cada punto corresponde a una coordenada i, j especfica.
Bueno, mucha palabrera. Comencemos a resolver un problema, no sin antes dndoles las frmulas a usar.
, +1, ,
=
, ,+1 ,
=
2 , 1, 2, + +1,
=
2 2
2 , ,1 2, + ,+1
=
2 2
56
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Ejercicios
Para este ejercicio en general, analizaremos las condiciones que nos dan
Primero procedemos a hacer una malla que nos permita visualizar el problema.
Siempre se debe armar esta malla para empezar, esta malla es para este problema en particular
Cada U , tiene una coordenada i,j que representa un valor de x, t especfico ( i horizontal j vertical)
Por ejemplo U2,1 representa la funcin u cuando x=0.5 y t=0.04 o cuando U3,2 es cuando x=0.75 y
t=0.08 y as; Tener muy en cuenta esto.
57
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Teniendo en cuenta esto, lo nico puntos que necesitamos hallar son los de color amarillo. El resto ya se los conoce por
las condiciones iniciales ya mencionadas.
Ya listo esto el siguiente paso es reemplazar la ecuacin diferencial parcial con las diferencias finitas
2
=2
2
,+1 , 1, 2, ++1,
=2
2
Trabajamos un poquito para que quede mejor la ecuacin, multiplicando todo por k*h2
Ahora si comenzamos a iterar, elegimos un valor de i, j para iniciar. No podemos tomar i=0 porque nos
quedara en la formula 0.04(1, ).
Con i=1 y j=0 no hay problema:
0.04(0,0 ) + 1,0 (0.0175) 0.04(2,0 ) + 0.0625(1,1 ) = 0.005
58
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Vemos que lo nico que solo desconocemos una incgnita. Una ecuacin, una incgnita, ya estamos listos para
resolver:
1,0 = 0.89461
2,0 = 1.25
Ahora para los puntos que tocan de arriba, reiniciamos la i, comenzando desde 1, y avanzamos 1 en j
59
Escuela Superior Politcnica del Litoral
Anlisis Numrico - Steveen Carriel
Bibliografa
Una gran fuente para este folleto fueron las clases semipresenciales con el Ing. Carlos Eduardo Martin Barreiro.
1. Griffiths, D. V., & Smith, I. M. (2006). Numerical methods for engineers. Boca Raton, FL: Chapman & Hall/CRC.
2. Rodriguez,L,. Analisis Numrico Bsico con el soporte de MATLAB, 2012
Fuentes de internet
1. Lista de reproduccin del canal de YouTube espol50 con videos de Anlisis Numrico:
https://www.youtube.com/playlist?list=PLKoPE99M_ulXtxS00hFRpnpOth1lXk0uL
60
Escuela Superior Politcnica del Litoral