Professional Documents
Culture Documents
general
1. Breve manual de Mathematica
1.1. Introduccion al Mathematica . . . . . . .
1.1.1. Interfase de Cuaderno . . . . . . .
1.2. Parentesis, corchetes y llaves . . . . . . .
1.3. Errores . . . . . . . . . . . . . . . . . . . .
1.3.1. Aritmetica . . . . . . . . . . . . . .
2. Preliminares matematicos
2.1. Introduccion . . . . . . .
2.1.1. Algoritmos. . . . .
.
.
.
.
.
.
.
.
3. Races de ecuaciones
3.1. Introduccion . . . . . . . . .
3.1.1. Problema . . . . . . .
3.2. El algoritmo de la biseccion
3.3. Iteracion del punto fijo . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
y aproximacion
polinomica
4. Interpolacion
4.1. Introduccion . . . . . . . . . . . . . . . . .
4.2. Interpolacion y el polinomio de Lagrange
4.3. Algoritmo de la Newton . . . . . . . . . .
4.4. Algoritmo de la Newton . . . . . . . . . .
4.5. Algoritmo de la Secante . . . . . . . . . .
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
4
5
6
7
8
9
16
17
18
19
20
20
21
.
.
.
.
26
29
32
35
44
.
.
.
.
45
45
46
47
49
.
.
.
.
.
58
58
61
66
66
67
INDICE
GENERAL
4.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.1. Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . .
4.6.2. Interpolacion con polinomios de Lagrange . . . . . . . . . . . .
4.6.3. Algoritmo de diferencias divididas . . . . . . . . . . . . . . . .
4.6.4. Algoritmo de diferencias divididas . . . . . . . . . . . . . . . .
4.6.5. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7. Diferenciacion e integracion numerica . . . . . . . . . . . . . . . . . .
4.7.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7.2. Diferenciacion numerica . . . . . . . . . . . . . . . . . . . . . .
4.7.3. Diferenciacion va interpolacion polinomica . . . . . . . . . . .
4.8. Integracion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
J. R. Ticona Parisaca
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
68
68
68
69
69
70
71
71
71
72
73
73
74
76
77
79
83
83
85
86
UNA
Captulo 1
Breve manual de Mathematica
de problemas practicos.
al Mathematica
1.1. Introduccion
y sentencias que vamos a usar. Por ejemplo, aunque una calculadora multiplica numeros con suma facilidad, solo nos percatamos de su potencia en cuanto conocemos dicha
lento. Con Mathematica
operacion y somos capaces de realizarla de un modo mucho mas
ocurre lo mismo. Solo conociendo teoricamente las operaciones que Mathematica realiza
3
Metodos Numericos
nos percataremos de su utilidad.
Todas las operaciones realizadas por el programa cuando se pulsan las teclas mayusculas+
salida cuando se realiza la operacion marcado por Out[ ]. Podra aparecer unicamente
un
numero
de entrada, como veremos posteriormente. Al ir explicando las diferentes operaciones que Mathematica realiza, iremos escribiendolas en la forma en que el programa
lo escribe en la pantalla de ordenador.
de la suma se pueden realizar las siguientes operaciones algebraicas como si
Ademas
se tratara de una calculadora:
x+y
xy
x/y
xy
xy
y
x
suma de numeros
resta de numeros
division de numeros
producto de numeros
potencia xy
Cuando Mathematica realiza alguna de las siguientes operaciones, por ejemplo 1/3 +
2/7, operara estos numeros ofreciendo siempre su valor exacto, es decir, se tiene
J. R. Ticona Parisaca
UNA
Metodos Numericos
util
tener el valor de este numero
N[x]
N[x, n]
Las primeras escriben el numero x con seis cifras significativas, mientras que la segunda
escribe dicho numero con un numero n de cifras significativas que nosotros prefijamos.
Por ejemplo, si escribimos
1.2. Parentesis,
corchetes y llaves
Mathematica distingue entre parentesis, corchetes y llaves. Cada uno de estos elementos realiza una labor bien diferenciada en la estructura interna del programa. A grosso
modo podemos indicar las siguientes generalidades:
Los parentesis se usan en las operaciones algebraicas para indicar la preferencia a
la hora de hacer las operaciones. As el parentesis de
J. R. Ticona Parisaca
UNA
Metodos Numericos
se usa para indicar que primero hacemos la suma 1 + 3 y luego dividimos entre 7.
Hemos de senalar
que Mathematica sigue el orden conocido de preferencia sobre
las operaciones.
As por ejemplo, si escribimos
vemos como el resultado cambia notablemente al realizarse en primer lugar la division y posteriormente la suma.
Los corchetes [ . ] se usan para escribir el argumento de una funcion bien sea ma
tematica,
bien sea una operacion especifica del programa. Por ejemplo la funcion
senx se escribe Sin[x], y para escribir un numero x real con seis cifras significativas
escribimos N[x].
Las llaves { } se utilizan para asignar valores numericos a las variables, por ejemplo a la hora de calcular lmites de funciones. Tambien se usan para construir con
juntos o listas de objetos matematicos,
como por ejemplo matrices o vectores.
En general es conveniente tener claro en que momento se han de emplear los parentesis, los corchetes y las llaves, ya que si confundimos su uso y escribimos por ejemplo Sin{x}
1.3. Errores
Puede ocurrir que al teclear una operacion en Mathematica y pulsar las teclas mayusculas+
enter, el programa nos devuelva una salida conteniendo frases de color azul. Esto ocurre
tipo de error o problema que el programa detecta. Estos errores pueden
cuando hay algun
ser basicamente
de dos tipos:
Errores en la sintaxis de una sentencia. Por ejemplo al escribir [1 + 2],3 en vez de
(1 + 2) 3 o N(.) en vez de N[.].
J. R. Ticona Parisaca
UNA
Metodos Numericos
algun
calcular el
determinante de una matriz no cuadrada.
Otras veces, el programa puede devolver un resultado erroneo aunque no nos escriba
error a pesar de que e ste existe. Por
frases azules. Es decir el programa no detecta ningun
esto es necesario saber que estamos esperando de la operacion que hemos pedido que el
programa nos haga para as criticar el resultado y valorarlo en su justa medida. No debes
1.3.1. Aritmetica
Usted puede hacer aritmetica con Mathematica tal y como lo hara con una calculadora.
J. R. Ticona Parisaca
UNA
Metodos Numericos
facil
de leer.
Los espacios no son necesarios, aunque a menudo hacen su entrada mas
Las operaciones aritmeticas en Mathematica se agrupan de acuerdo con las conven
ciones estandares
de la matematica.
Como es usual, 2+3/7, por ejemplo, significa 2+(3/7),
y no (2 + 3)/7. Usted puede controlar siempre la forma de agrupar explcitamente usando
parentesis.
Este resultado se da en notacion cientfica.
Sqrt[x] = x
Exp[x] = ex
Log[x] = logx
Log[b, x]=logb x
Sin[x] = senx
Cos[x] = cosx
ArcSin[x] = arcsin x ArcCos[x] = arccos x
Tan[x] = tan x
ArcTan[x] = arctan x
Es importante destacar que hemos de escribir las funciones tal y como se detalla en la
anterior tabla, respetando la sintaxis totalmente. Mathematica distingue entre letras
mayusculas
y minusculas,
y todas las funciones empiezan con letra mayuscula.
Entonces podemos calcular
J. R. Ticona Parisaca
UNA
Metodos Numericos
interesantes son:
Las constantes matematicas
mas
Pi = 3, 14159
E = e 2, 71828
Infinity =
I = i=
calculos,
con el objeto de aproximarse a la solucion de un problema que no se pede resolver
de forma exacta.
J. R. Ticona Parisaca
UNA
10
Metodos Numericos
Por ello, se debe conocer algunas formas de utilizar estas iteraciones o condiciones, que
son muy comunes en los distintos lenguajes de programacion.
Listas
Una lista es una cadena de expresiones de la forma:
{expresi
on 1, expresi
on 2,...,expresi
on n}
Son de gran utilidad en los programas como medio de almacenamiento de datos.
Variables
Son los elementos fundamentales de la programacion.
Por medio de ellos, se asignan y cambian los valores que intervienen en los programas
y se almacenan datos.
Los lenguajes de programacion, tienen definidos ciertos tipos generales de variables,
en las que han de encuadrarse cada una de las variables que integran un programa.
En general Mathematica reconoce como variable toda expresion que no sea un numero, una palabra reservada del lenguaje o un comando.
Mathematica incorpora unos comandos especiales para simplificar el proceso de asignacion en algunos casos especficos.
Cuando se desee que una variable cambie su contenido en una unidad, se podra utilizar
el operador incremento ++
el operador decremento
Existen dos opciones al utilizar estos operadores:
Utilizarlos como pre-incrementales: la variable cambia su contenido antes de ser
utilizada.
Utilizarlos como post-incrementales: la variable cambia su contenido despues de ser
utilizada.
x
x++
x
++x
J. R. Ticona Parisaca
UNA
11
Metodos Numericos
Operadores basicos
!
||
no
y
o
==
!=
<=
<
>=
>
Igual
no igual
menor o igual
menor
mayor o igual
mayor
J. R. Ticona Parisaca
UNA
12
Metodos Numericos
++ var
var
var ++
var
Var + = d
Var = d
Var = d
Var / = d
Operadores bucles
J. R. Ticona Parisaca
UNA
13
Metodos Numericos
2. While
Es un comando para repetir procesos controlados por una cierta condicion.
Sintaxis:
While [ condicion, expresion ]
expresion
mientras la condicion
es cierta.
Evalua
Ejemplo 4. Ejecutar un bucle While, mientras un acumulador denominado suma
sea menor o igual al valor 100, el acumulador se debe construir con el cubo de una
serie de valores, que inician en 1 y se incrementan con pasos 1. Mostrar los valores
del acumulador en cada iteracion.
3. For
Permite programar tareas, en las que se necesita la repeticion de un cierto proceso,
con la evaluacion paralela de ciertos procesos de control hasta que se verifique una
J. R. Ticona Parisaca
UNA
14
Metodos Numericos
condicion determinada.
La sintaxis de la orden es la siguiente:
For [ expresion inicial, condicion, incremento, expresion]
Ejemplo 5. Realizar un bucle con For, con la expresion inicial de i igual a 1, condicion
de parada cuando i sea menor o igual a 5, y realizar incremento del paso igual 2, para
resolver la expresion i3 .
Ejemplo 7. Ingresar una lista de tres elementos, sea m con valores 6, 2, 3 y verificar
que el primer elemento sea mayor o igual que la suma de los dos elementos restantes.
J. R. Ticona Parisaca
UNA
15
Metodos Numericos
Orden: Break [ ]
La finalidad de esta orden es, interrumpir un bucle en el momento que se ejecuta y no
terminar todos los pasos que faltan hasta la condicion final del bucle.
Ejemplo 8. Dentro de un bucle For, evaluar si el logaritmo hallado de un valor i es mayor
que 2, en tal caso parar la iteracion con la orden Break, en caso contrario seguir calculando los logaritmos.
Comando: WHICH
Controla el programa a traves de varias condiciones.
Su sintaxis es la siguiente:
Which [ condicion1 , expresion1 , condicion2 , expresion2 , , condicionn , expresionn ]
consecutivamente las condiciones 1, 2, . . . hasta que encuentra una cierta y deEvalua
vuelve el valor de la expresion asociada.
J. R. Ticona Parisaca
UNA
16
Metodos Numericos
Ejemplo 9. Controlar las siguientes condiciones utilizando el comando Which.
,
si x 1
x
2,
si x 1
f(x) =
2
,
si x 2
)
x ( 5
Sen 6 + (x 2) , si x 2
Ejercicios
1. Define la funcion g(x) = tan(x/4)
2. Determine g()
J. R. Ticona Parisaca
UNA
17
Metodos Numericos
Observaciones
igualdad
! =
desigualdad
<
menor que
>
mayor que
J. R. Ticona Parisaca
UNA
18
Metodos Numericos
<=
>=
conjuncion y
disyuncion o
disyuncion exclusiva.
negacion.
As, si p y q son dos expresiones logicas que pueden tomar el valor True (verdadero) o
False (falso), se tiene que:
El operador p && q (o And[p,q]) es True si los dos argumentos (p y q) son True; es
False si cualquiera de los argumentos es False.
El operador p||q (u Or[p,q]) es True si cualquiera de los argumentos es True; es
False si los dos argumentos son False.
El operador Xor[p,q] es True si uno de los dos argumentos es True; es False si los
dos argumentos son True o los dos son False.
El operador !p (o Not[p]) es False si p es True; es True si p es False.
Ejemplo 1.1. Para ensayar con expresiones logicas, demos a la variable x el valor 3.
Clear[x]
x = 3;
x == 5
False
de retorno
1.7.1. Instruccion
Una instruccion que no puede faltar en ningun
algoritmo es contestar. Indica que lo
que viene a continuacion es el resultado de la evaluacion de la funcion, o sea, lo que la
funcion devuelve. Ese resultado puede ser un numero,
un par de numeros,
un conjunto de
numeros,
de un conjunto de numeros,
contestara un numero
Si bien es obligatorio que aparezca al menos una vez, es frecuente que la instruccion contestar aparezca varias veces es un algoritmo, como ocurre en los siguientes ejemplos:
J. R. Ticona Parisaca
UNA
19
Metodos Numericos
de retorno en Mathematica
Definir la Instruccion
La instruccion contestar expresion en Mathematica escribiendo
Return[expresi
on]
Por ejemplo, Return[10*c] producira que se conteste el valor que resulte de multiplicar por 5 lo que tenga asignado la variable c, veamos
c = 2;
Return[5 c]
Return[10]
Si la expresion que hay que contestar es una nupla ordenada, no olvidarse de usar
llaves, en lugar de parentesis.
Por ejemplo, Return[{10*c, r}]
c = 2;
d = 4;
Return[{5 c, d2}]
Return[{10, 16}]
lista 1
J. R. Ticona Parisaca
UNA
20
Metodos Numericos
r = 4;
If[r == 0, a = 2, a = 5]
5
Si la condicion es una proposicion compuesta en donde aparecen conjunciones y disyunciones de proposiciones simples, se debe usar && para y y || para o. Por ejemplo, para
implementar en Mathematica la instruccion condicional
si ((r>= 7 y r <= 23) o r > 50
sino sea a = 5
sea a=2
J. R. Ticona Parisaca
UNA
21
Metodos Numericos
1.8.1. BUCLES
Un bucle es un proceso repetitivo que se realiza un cierto numero
de veces. Mathematica dispone de una gran cantidad de posibilidades que abarcan distintas situaciones
que puedan plantearse.
DO
WHILE
FOR
1. Comando DO
Sintaxis 1:
Do[ expresion , n]
Evalua
n veces la expresion.
Expresion:
puede ser un solo comando, o una cadena de comandos, que se unen
con el operador ";". Cuando se evalua
una expresion que contiene el operador ";",
se evalua
cada uno de los comandos que forman la cadena, pero solo se muestran en
pantalla el resultado del ultimo,
J. R. Ticona Parisaca
UNA
22
Metodos Numericos
naturales
iniciadas en 1, generar el bucle con Do.
Do[Print[n2], {n, 4}];
1
4
9
16
Comando WHILE
Es un comando para repetir procesos controlados por una cierta condicion.
While[condicion, expresion]
mientras la condicion
es cierta.
Evalua
expresion
Ejemplo 1.6. Ejecutar un bucle While, mientras un acumulador denominado suma
sea menor o igual al valor 100, el acumulador se debe construir con el cubo de una
serie de valores, que inician en 1 y se incrementan con pasos 1. Mostrar los valores
del acumulador en cada iteracion.
n = 1; suma = 0;
While[suma < 100, suma = suma + n3; n++;
Print["Valor de n = ", n, " suma es igual a ", suma]]
Valor
Valor
Valor
Valor
de
de
de
de
n
n
n
n
=
=
=
=
2
3
4
5
suma
suma
suma
suma
es
es
es
es
igual
igual
igual
igual
a
a
a
a
1
9
36
100
Comando FOR
Eses comando da las o rdenes que vamos a ver es el comando For, usada para realizar bucles. Un bucle es un proceso repetitivo que se realiza un cierto numero
de
veces.
Permite programar tareas, en las que se necesita la repeticion de un cierto proceso,
con la evaluacion paralela de ciertos procesos de control hasta que se verifique una
condicion determinada.
La sintaxis de la orden es la siguiente:
For[ expresion inicial, condicion, incremento, expresion ]
expresion inicial nos situa
en las condiciones de comienzo del bucle.
J. R. Ticona Parisaca
UNA
23
Metodos Numericos
condicion dira a Mathematica el momento de detener el proceso.
incremento expresara la forma de aumentar la condicion inicial.
expresion dira a Mathematica lo que tiene que realizar en cada paso; la expresion puede estar compuesta de varias sentencias separadas mediante punto y
coma.
Antes de introducirnos en el metodo teorico de resolucion, vamos a presentar algunas
sentencias sencillas de programacion que necesitaremos mas
adelante.
Ejemplo 1.7. De bucle puede ser el siguiente: supongamos que queremos obtener los
multiplos
de siete comprendidos entre 7 y 70; para ello, multiplicamos 7 por cada uno
de los numeros
de
7 comprendidos entre 7 y 70:
For[i = 1, i <= 10, i = i + 1, Print[7* i]]
7
14
21
28
35
42
49
56
63
70
El segundo ejemplo consiste en hacer a Mathematica sumar de cinco en cinco, comenzando en 5 y terminando en 25.
For[i = 5, i <= 25, i = i + 5, Print[ i]]
5
10
15
20
25
El tercer ejemplo genera el seno de 1, el seno de 11 y el seno de 21.
J. R. Ticona Parisaca
UNA
24
Metodos Numericos
For[i = 1, i <= 30, i = i + 10, Print[ Sin[i]]]
Sin[1]
Sin[11]
Sin[21]
Ejemplo 1.8. Realizar un bucle con el comando For, con la expresion inicial de i
igual a 1, condicion de parada cuando i sea menor o igual a 5, y realizar incremento
del paso igual 2, para resolver la expresion i3 .
For[i = 1, i <= 5, i = i + 2, Print[i, "
1
3
5
", i3]]
1
27
125
Comando IF
Esta sentencia comprueba si se verifica una condicion, despues, si la condicion es verdadera Mathematica ejecutara una expresion1, y si es falsa ejecutara otra expresion2.
Su sintaxis es la siguiente,
If[condici
on, expresi
on1, expresi
on2]
La expresiones 1 y 2 pueden estar formadas por varias o rdenes separadas por punto y coma.
Cuando se habla de condicion, se esta hablando de una expresion booleana, es decir
que puede evaluarse como cierta o coma falsa.
Ejemplo 1.9. Ingresar una lista de tres elementos, sea m con valores {3, 1, 0} y verificar
que el primer elemento sea mayor o igual que la suma de los dos elementos restantes.
m = {3, 1, 0};
If[Part[m, 1] >= Part[m, 2] + Part[m, 3],
Print["Se cumple la condici
on, el valor es: ", Part[m, 1]],
Print["No se cumple la condici
on, el valor es = ", 2016]]
Se cumple la condici
on, el valor es: 3
Comando BREAK
La finalidad de esta orden es, interrumpir un bucle en el momento que se ejecuta y no
terminar todos los pasos que faltan hasta la condicion final del bucle.
J. R. Ticona Parisaca
UNA
25
Metodos Numericos
J. R. Ticona Parisaca
UNA
Captulo 2
Preliminares matematicos
de fluxiones.
De naturaleza entonces tmida era reacio a publicar sus resultados, para as evitar
las posibles crticas y controversias de sus contemporaneos.
infinitesimal.
De entre el trabajo matematico
CAPITULO
2. PRELIMINARES MATEMATICOS
27
Gotfried Wilhem Leibniz (1646 1716) era hijo del vice-presidente de la facultad de
filosofa de la universidad de Leipzig. De joven, estudio filosofa, derecho y lenguas clasi
cas. Su principal interes estuvo centrado en desarrollar una especie de lenguaje simbolico
para representar los conceptos fundamentales del pensamiento humano y las maneras de
combinar estos smbolos para llegar a conceptos mas
elaborados. Esta idea filosofica, que
tiene relacion con la combinatoria, fue ya algo en parte elaborada por franciscano mallorqun Ramon Llull (1235 1316) en su Arte Luliano.
Poco despues de acabar sus estudios, Leibniz empezo en 1672 una mision diplomatica
en
Paris donde permanecera unos cuatro anos
hasta 1676. All conocio a numerosos filosofos
y miembros de la alta sociedad, en particular al holandes C. Huygens (1629 1695), entonces miembro de la recien creada Academie Royale des Sciences. Como curiosidad Huygens
le planteo a Leibniz que hallara la suma de los inversos de los numeros
triangulares. Mediante sumas y diferencias Leibniz fue capaz de hallar la suma de esta serie y entonces
crecio su interes en estudiar matematicas,
de Leibniz fue
entonces impresionante, ya que le llevo al descubrimiento del calculo
en 1675 y su elaboracion y publicacion en dos cortos artculos del Acta Eruditorum despues en 1684 y 1686, el
primero sobre calculo
integral.
El trabajo de Leibniz se conoce principalmente por los numerosos artculos que publico en Acta y por sus cartas personales y manuscritos que se conservan en Hannover.
Entre estos documentos estan
los manuscritos fechados el 25, 26 y 29 de Octubre y el 1 y
11 de Noviembre de 1675 donde Leibniz estudia la cuadratura de curvas y desarrolla su
calculo
diferencial e integral.
Uno de los ingredientes fundamentales
del calculo
su calculo
de Leibniz son la relacion entre la sumas de sucesiones con las diferencias de sus terminos consecutivos y el llamado
triangulo
caracterstico.
Leibniz paso la mayor parte del resto de su vida en Alemania, como consejero del duque
de Hannover. Aparte de la invencion y del desarrollo de su calculo
y en la solucion de problemas geometricos y de ecuaciones diferenciales, Leibniz tiene otros trabajos en solvabilidad de ecuaciones y determinantes y escribio y contribuyo enormemente en practicamente
todos los campos del conocimiento humano, religion, poltica, historia, fsica, mecanica,
J. R. Ticona Parisaca
UNA
CAPITULO
2. PRELIMINARES MATEMATICOS
28
Aunque oscuros y difciles de leer, los dos artculos de Acta de Leibniz de 1684 y 1686
fueron leidos por los hermanos Jakob y Johann Bernoulli. Jakob Bernoulli era profesor de
matematicas
de la Universidad Estatal
de Iowa, desarrollo la primera computadora digital electronica entre los anos
de 1937 a
1942. Llamo a su invento la computadora Atanasoff-Berry, o solo ABC (Atanasoff Berry
Com puter). Un estudiante graduado, Clifford Berry,fue una util
ayuda en la construccion
de la computadora ABC.
Algunos autores consideran que no hay una sola persona a la que se le pueda atribuir
el haber inventado la computadora, sino que fue el esfuerzo de muchas personas. Sin embargo en el antiguo edificio de Fsica de la Universidad de Iowa aparece una p laca con la
siguiente leyenda: La primera computadora digital electronica de operacion automatica
del mundo, fue construida en este edificio en 1939 por John Vincent Atanasoff, matematico
que calculara
tablas de trayectoria para el ejercito estadounidense. El producto final, una computadora
electronica completamente operacional a gran escala, se termino en 1946 y se llamo ENIAC
(Electronic Numerical Integrator And Computer), o Integrador numeric o y calculador
electronico. La ENIAC construida para aplicaciones de la Segunda Guerra mundial, se
termino en 30 meses por un equipo de cientficos que trabajan bajo reloj. La ENIAC, mil
veces mas
veloz que sus predecesoras electromecanicas,
irrumpio como un importante descubrimiento en la tecnologa de la computacion. Pesaba 30 toneladas y ocupaba un espacio
de 450 m2 , llenaba un cuarto de 6 m 12 m y con tena 18, 000 bulbos, tena que programarse manualmente conectandola
J. R. Ticona Parisaca
UNA
29
Metodos Numericos
nas. A diferencia de las computadoras actuales que operan con un sistema binario 0, 1 la
ENIAC operaba con uno decimal 0, 1, 2 . . . 9 La ENIAC requera una gran cantidad de electricidad. La leyenda cuenta que la ENIAC, construida en la Universidad de Pensilvania,
bajaba las luces de Filadelfia siempre que se activaba. La imponente escala y las numerosas aplicaciones generales de la ENIAC senalaron
2.1. Introduccion
Al momento de aplicar las Matematicas
para
los cuales estudiaremos tecnicas numericas de solucion.
Problema 2.1. Determinar el area
de y =
x
2senx, y = e con x [0, ].
J. R. Ticona Parisaca
UNA
30
Metodos Numericos
y
2.0
1.5
1.0
0.5
0.5
1.0
1.5
2.0
2.5
3.0
20 000
10 000
-10
-5
-10 000
Figura 2.2:
2 1
0
0
0
1
2 1
0
0
A = 0 1
2 1
0
0
0 1
2 1
0
0
0 1
2
b) El sistema nolineal
b=
3
2
2
2
1
x2 + xy3 = 9,
3x2 y y3 = 4
Problema 2.4. Dada la siguiente tabla de datos correspondiente a una cierta funcion
y = f(x) ,
J. R. Ticona Parisaca
UNA
31
Metodos Numericos
xk
f(xk )
2
5
1
1
0
1
1
1
2
7
3
25
encontrar el polinomio de menor grado que pase a traves de los puntos dados. Cual
sera una estimacion para los valores f(x) correspondientes a x = 1,5 y x = 1,5 ?
Problema 2.5. Hallar el valor de cada una de las siguientes integrales:
1
/2
sen x
1 sen2 x
a.
dx
c.
dx
x
4
0
0
1
3
1
x2
b.
e dx
d.
dx
0
2 ln x
Problema 2.6. Resolver el problema de valor inicial
d + d + 16 sen = 0,
dt2
dt
(0) = , (0) = 0,
4
En relacion con los problemas anteriores, tenemos que:
de
En el problema.2.1, es necesario determinar los puntos de interseccion de las graficas
x
x
y = 2senx y y = e , para lo cual debemos resolver la ecuacion 2senx = e y no disponemos de un metodo algebraico para hacerlo.
En el problema.2.2, se trata de hallar los ceros de un polinomio de grado 5 y, como sabemos, solo se conocen metodos algebraicos para encontrar races de ecuaciones polinomicas
de grado menor o igual que 4.
En el problema.2.3, tenemos dos sistemas de ecuaciones: El de la parte a) es lineal y conocemos metodos de solucion (por ejemplo, el metodo de eliminacion Gaussiana), sin embargo,
para sistemas de tamano
mayor, no solo es conveniente sino necesario implementar tales
metodos a traves del computador (metodo numerico). En la parte b) tenemos un sistema
no-lineal y no conocemos metodos algebraicos generales para resolverlo.
El problema.2.4 se puede resolver analticamente (por interpolacion), sin embargo para
determinar los coeficientes de dichos polinomios existen tecnicas que permiten encontrarlos rapidamente
J. R. Ticona Parisaca
UNA
32
Metodos Numericos
puramente
aritmeticos y logicos (operaciones aritmeticas elementales, calculo
de funciones, consulta
de una tabla de valores, calculo
de dicha
aproximacion depende, en parte, de la facilidad de implementacion del algoritmo y de las
caractersticas especiales y limitaciones de los instrumentos de calculo
2.1.1. Algoritmos.
El objetivo del analisis
se
denominan algoritmos.
Nuestros esfuerzos se centraran
en la busqueda
sera el elegido.
Dado que una computadora esta compuesta de dispositivos que realizan operaciones
logicas y aritmeticas; los procedimientos matematicos
J. R. Ticona Parisaca
UNA
33
Metodos Numericos
ilimitadas y se requieren conocimientos de la materia en disciplinas tan variadas como: economa, contabilidad, mercadotecnia, fsica e ingeniera civil, electrica, mecanica,
general que
vamos a aplicar a los problemas que se nos presentan se llama algoritmo, voz de origen
de un problema.
arabe
Algoritmo:
Procedimiento matematico
2. Definido: Si se sigue un algoritmo mas dos veces, se debe obtener el mismo resultado.
3. Finito: siempre debe terminar en un numero
determinado de pasos.
4. Debe ser legibles: El texto que lo describe debe ser claro, tal que permita entenderlo
y leerlo facilmente.
para que
puedan hacerse exactamente en un determinado tiempo, no mayor que el que tome
una persona empleando lapiz
y papel.
J. R. Ticona Parisaca
UNA
34
Metodos Numericos
Un algoritmo debe definir tres partes: Entrada, Proceso y Salida.
Ejemplo: el algoritmo de receta de cocina se tendra:
una sucesion
finita de pasos a realizar en un orden especifico. El objetivo del algoritmo sera generalmente implementar un procedimiento numerico para resolver un problema o aproximar
una solucion del problema.
Ejemplo 2.7. Desarrolle un algoritmo que permita leer dos valores distintos, determinar
cual de los dos valores es el mayor y escribirlo.
Ejemplo 2.8. Desarrolle un algoritmo que permita leer tres valores y almacenarlos en las
variables A, B y C respectivamente. El algoritmo debe imprimir cual es el mayor y cual es
el menor. Recuerde constatar que los tres valores introducidos por el teclado sean valores
distintos. Presente un mensaje de alerta en caso de que se detecte la introduccion de valores
iguales.
(2.1)
seguir pasos 3 - 6.
En los algoritmos se usan dos smbolos de puntuacion: el punto (.) que indica la terminacion de un paso, y el punto y coma (; ) que separa o rdenes dentro de un paso. Para indicar
J. R. Ticona Parisaca
UNA
35
Metodos Numericos
que grupos de o rdenes deben tratarse como una sola entidad se usa indentacion.
Para permitir la ejecucion condicional, usamos las construcciones usuales
Si ... entonces
Si ... entonces
sino
o
.
y contenidos dentro del parentesis para distinguirlos de las o rdenes del algoritmo.
Ejemplo 2.9. Un algoritmo para calcular la suma
N
xi = x1 + x2 + + xN
i=1
x1 , x2 , . . . , xN estan
dados, es el siguiente:
Entrada
Salida
N, x1 , x2 , . . . , xN
SUM =
xi .
i=1
Paso 1
Tomar SUM = 0.
Paso 2
Para i = 1, 2, 3, . . . , N
Tomar SUM = SUM + xi .
Paso 3
SALIDA(SUM).
PARAR.
real
f tiene como lmite a L en x0 , denotado por lm f(x) = L, si, dado cualquier numero
xx0
real > 0, tal que |f(x) L| < , siempre que x I y 0 < |x x0 | < .
(Ver figura.2.3)
J. R. Ticona Parisaca
UNA
36
Metodos Numericos
Figura 2.3:
reales y x0 I;
se dice que f es continua en x0 si lm f(x) = f(x0 ).
xx0
Observacion.
Se dice que la funcion f es continua en el conjunto X IR si f es continua en cada
punto de X.
C(X) denota el conjunto de todas las funciones continuas en X
Cuando X es un intervalo de la recta de los numeros
reales y x0 I,
entonces los enunciados siguientes son equivalentes:
a) f es continua en x0 ;
J. R. Ticona Parisaca
UNA
37
Metodos Numericos
b) si {xn }
on en I convergente a x0 , entonces
n=1 es cualquier sucesi
lm f(xn ) = f(x0 )
Figura 2.4:
J. R. Ticona Parisaca
UNA
38
Metodos Numericos
Figura 2.5:
f(b) f(a)
ba
Figura 2.6:
Teorema 2.5. (Teorema del Valor Extremo) Si f C[a, b], entonces existen c1 , c2 [a, b]
tales que f(c1 ) f(x) f(c2 ) para todo x [a, b]. Si ademas,
f es diferenciable en a, b
entonces los numeros
f(x)g(x)dx = f(c)
a
g(x)dx
a
Observaciones.
Cuando g(x) = 1, este teorema da lo que se conoce como el valor promedio de la
funcion en el intervalo [a, b]. (Ver figura.2.7 )
J. R. Ticona Parisaca
UNA
39
Metodos Numericos
Figura 2.7:
basico
cualquiera entre f(a) y f(b), entonces existe c en a, b tal que f(c) = K. (Ver figura.2.8)
Figura 2.8:
Ejemplo 2.11. Para demostrar que x5 2x3 + 3x2 1 = 0 tiene una solucion en el intervalo
[0, 1], consideremos la funcion f(x) = x5 2x3 + 3x2 1. Esta funcion es continua en todo
el conjunto de los numeros
J. R. Ticona Parisaca
UNA
40
Metodos Numericos
y
1.5
1.0
f HxL
0.5
0.5
-0.5
1.0
-0.5
-1.0
-1.5
Figura 2.9:
Como se ve en el ejemplo.2.11, el teorema del valor Intermedio es importante para ayudar a determinar cuando existen soluciones a ciertos problemas. Sin embargo, no da manera de encontrar estas soluciones. Este teorema sera discutido mas
a fondo en el siguiente
captulo.
El teorema final en este repaso de calculo
f(k) (x0 )
=
(x0 )k
k!
Pn (x) =
k=0
y
Rn (x) =
f(n+1) ((x))
(x x0 )n+1
(n + 1)!
b) f(x) = sen x
c) f(x) = cos x
Observaciones.
Pn (x) se le llama polinomio de Taylor de grado n para f alrededor de x0 y a Rn (x)
se le llama el residuo (o error de truncamiento) asociado a Pn (x).
J. R. Ticona Parisaca
UNA
41
Metodos Numericos
La serie infinita que se obtiene tomando el lmite de Pn (x) cuando n se denomina serie de Taylor para f alrededor de x0 . En el caso de que x0 = 0, el polinomio
de Taylor se conoce frecuentemente como polinomio de Maclaurin y la serie de
denomina serie de Maclaurin.
El termino error de truncamiento generalmente se refiere al error involucrado al
usar sumas finitas o truncadas para aproximar la suma de una serie infinita.
Ejemplo 2.13. Ilustremos el teorema de Taylor con la funcion
f(x) = ln x
sobre el intervalo [1, 2] y x0 = 1. La formula requiere varias de las derivadas de f, las
cuales son
f (x) = x1 =
1
,
x
f (x) = x2 =
1
,
x2
f (x) = 2x3 =
2
,
x3
6
x4
y as sucesivamente.
Para k 1, entonces
f(k) (x) = (1)k1 (k 1)!xk =
(1)k1 (k 1)!
xk
1
1
ln x =
(1)k1 (x 1)k + (1)n
(x)(n+1) (x 1)n+1 ,
k!
(n
+
1)!
k=1
1x2
un termino error. Este nos dice que tanto difiere el polinomio de ln x. Notese que en este
termino no es un polinomio en virtud que = (x) depende de x de un modo polinomial.
Podemos reescribir la ecuacion como:
1
1
1
ln x = (x 1) (x 1)2 + (x 1)3 + (1)n1 (x 1)n + Rn (x),
2
3
n
donde
1
1
(x)(n+1) (x 1)n+1
(x 1)n+1 .
n+1
n+1
Hay que observar en esta estimacion que 1 < (x) y que (x)(n+1) < 1.
Ahora suponga que vamos a utilizar la serie para calcular ln 2. Tendremos en este caso:
|Rn (x)| =
1
1 1 1
1
(1)k1 + Rn (2)
ln2 = 1 + + + (1)n1 + Rn (2) =
2 3 4
n
k
k=1
n
J. R. Ticona Parisaca
UNA
42
Metodos Numericos
1
. Calcular ln2 con una precision de uno a 108 requiere que se elija de
n+1
modo que Rn (2) 108 o bien que n + 1 108 . Un calculo
Observacion.
Con frecuencia en los argumentos matematicos
entre 0 y x.
Con x = 0,001, el polinomio de Taylor y su residuo es
1
1
cos0,001 = 1 (0,001)2 + (0,001)3 sen (x)
2
6
= 0,9999995 + (0,166)109 sen (x),
donde 0 < (x) < 0,001.
Sabemos que |sen (x)| 1, se puede usar 0,9999995 como una aproximacion al cos 0,001
con una seguridad de, cuando menos, nueve cifras decimales de precision. Usando calculadora, se puede encontrar que
cos0,001 = 0,99999950000004167449674241652246564626693725585938
as que se tiene en realidad una exactitud de 20 cifras decimales.
J. R. Ticona Parisaca
UNA
43
Metodos Numericos
Si, en este ejemplo, se hubiera usado un polinomio de Taylor de tercer grado con x0 = 0,
entonces
1
1
cos x = 1 x2 + x4 cos (x),
2
24
en donde 0 < (x) < 0,001, ya que f (0) = 0. El polinomio de aproximacion es el mismo,
y la aproximacion sigue siendo 0,9999995, pero ahora se esperaran 13 cifras decimales de
precision ya que
1 4
x Cos(x) 1 (0,001)4 (1) 4,2 1014
24
24
Esto corresponde mas
fielmente a la exactitud que en realidad se obtiene.
1 (k)
f (c)(x c)k
Pn (x) =
k!
k=0
1
Rn (x) =
n!
x
f(n+1) (t)(x t)n dt
c
udv = uv vdu
aplquenlas a la integral Rn tomando
u=
el resultado es
Rn
(x t)n
,
n!
dv = f(n+1) (t)dt
[
]
x
1 (n)
n t=x
(n)
n1
=
f (t)(x t) t=c + n f (t)(x t) dt
n
c
1
= f(n) (t)(x t)n + Rn1
n!
1 (k)
f (c)(x c)k + R0
Rn =
k!
k=1
como
R0 =
tenemos que
1 (k)
f(x) = f(c) +
f (c)(x c)k + Rn
k!
k=1
J. R. Ticona Parisaca
UNA
44
Metodos Numericos
lo que termina la demostracion.
h
+k
f(a + h, b + k) =
f(a, b) + Rn (h, k)
i!
x
y
i=0
(2.2)
(
)
1
Rn (h, k) =
h
f(a + h, b + k)
+k
(n + 1)!
x
y
en donde es un numero
h
+k
f(a, b) = f(a, b)
x
y
(
)1
(
)
f
f
h
+k
f(a, b) = h
+k
(a, b)
x
y
x
y
(
)2
(
)
2
2 f 2 2 f
2 f
h
+k
f(a, b) = h
+ 2hk
k
(a, b)
x
y
x2
xy y2
Ejemplo 2.15. Cuales
2.2.1. Problemas
1. Demuestre que la ecuacion x3 = ex senx debe tener por lo menos una solucion en el
intervalo [1, 4].
2. Demuestre que la ecuacion x = 3x debe tener por lo menos una solucion en el intervalo [0, 1].
3. Sea f(x) = (x 1)tan x + x senx. Demostrar que f (x) = 0 para algun
x [0, 1].
4. Sea f(x) = x senx (x 2)lnx. Demostrar que f (x) = 0 para algun
x [1, 2]
5. Sea f(x) = (x 2) sen x ln(x + 2). Demostrar que f (x) = 0 para algun
x [1, 3]
6. Use el teorema del valor Intermedio y el teorema de Rolle para demostrar que la
grafica
J. R. Ticona Parisaca
UNA
Captulo 3
Races de ecuaciones
Objetivos generales
Al terminar el captulo el alumno sera capaz de:
1. Calcular el valor de las races de una ecuacion, por medio de la aplicacion de metodos
cerrados y abiertos.
2. Determinar la posibilidad de convergencia al usar metodos abiertos.
3. Desarrollar los algoritmos para el calculo
de races de ecuaciones.
3.1. Introduccion
En las matematicas
aplicadas a la ingeniera, con frecuencia tienen que hallarse soluciones a ecuaciones de la forma.
f(x) = 0
(3.1)
es decir, numeros
46
Metodos Numericos
Coshx.Cosx = 1
Todas estas ecuaciones se pueden escribir en la forma.3.1. Los dos primeros corresponden a ecuaciones algebraicas debido a que son polinomios y, en este caso, a las soluciones
tambien se les conoce como races de las ecuaciones. Las otras son ecuaciones trascendentes, porque comprenden funciones trascendentes. No solo es formular un problema sino que
existen problemas que pueden plantearse como sigue:
3.1.1. Problema
El crecimiento de poblaciones grandes puede modelarse en perodos cortos de tiempo,
suponiendo que la poblacion crece continuamente en el tiempo con una rapidez proporcional al numero
el numero
de individuos en el tiempo t
la razon de natalidad de la poblacion
(3.2)
N(t) = N0 et
(3.3)
Supongamos que:
N0 = 1000000
= 435000
N(1) = 1564000
Poblacion inicial
Inmigrantes
Poblacion al final del primer ano
)
( t
e 1
J. R. Ticona Parisaca
UNA
47
Metodos Numericos
del analisis
numerico,
el problema llamado busqueda
de races, que consiste en encontrar los valores de la variable x que satisfaga la ecuacion f(x) = 0 para una funcion dada. A una solucion de este tipo
se le llama en cero de f o una raz de f(x) = 0.
binaria.
Supongamos que tenemos una funcion continua f, definida en el intervalo [a, b], con
f(a) y f(b) de signos opuestos, entonces por el teorema del valor intermedio, existe p en
a < x < b, tal que f(p) = 0
Aunque el procedimiento sirve para el caso en que f(a) y f(b) tienen signos opuestos y
hay mas
de una raz en el intervalo [a, b], por simplicidad supondremos que la raz en este
intervalo es unica.
a1 + b1
2
Si f(p1) = 0, entonces p = p1 ;
Sino, entonces f(p1 ) tiene el mismo signo que f(a1 ) o f(b1 )
Si f(p1 ) y f(a1 ) tiene el mismo signo entonces p p1 , b1 y tomamos a2 = p1 y b2 = b1 ,
Si f(p1 ) y f(b1 ) tiene el mismo signo entonces p a1 , p1 y tomamos a2 = a1 y b2 = p1
Ahora reaplicamos el proceso al intervalo [a, b]. Esto produce el siguiente algoritmo:
J. R. Ticona Parisaca
UNA
48
Metodos Numericos
Figura 3.1:
(b a)
2n
En efecto.
(a1 + b1 )
2
(b a)
=
20
a1 = a, b1 = b, P1 =
b1 a1 =
ba
(b a)
21
en general, para cada n 1 tenemos:
b2 a2 =
bn an =
1
2n1
ademas
p2 a2 , b2
(b a) ,
p an , bn
pues
pn =
1
(an + bn ) ,
2
para
toda n > 1,
luego
|pn p| =
1
(bn an ) = 2n (b a)
2
J. R. Ticona Parisaca
UNA
49
Metodos Numericos
de races podra tambien ser resuelto. Sabemos que nuestro objetivo es determinar
las races de f(x) = 0, esto se determina la funcion
g(x) = x f(x)
La primera pregunta entonces es cuando una funcion tendra un punto fijo y como se
pueden determinar los puntos fijos.
Ejemplo 3.2. .
a) La funcion g(x) = x, 0 x 1, tiene un punto fijo en cada x [0, 1]
b) La funcion g(x) = x Senx tiene exactamente dos puntos fijos en [0, 1] , en x = 0 y
x=1
En efecto:
g(0) = 0 Sen((0)) = 0
g(1) = 1 Sen = 1. (Ver Figura.3.2)
y
H1,1L
1.0
0.5
gHxL = x - SenHxL
H0,0L
0.5
-0.5
1.0
1.5
1 1
H ,- L
2 2
Figura 3.2:
J. R. Ticona Parisaca
UNA
50
Metodos Numericos
El siguiente teorema da las condiciones para la existencia y unicidad del punto fijo.
Teorema 3.2. Si g C[a, b], y g(x) [a, b] para toda x [a, b], entonces g tiene un punto
fijo en [a, b]. Si ademas,
g (x) existe en a, b y
|g (x)| k 1, para toda x a, b
entones g tiene un unico
Figura 3.3:
Demostracion.
Si g(a) = a o g(b) = b, la existencia del punto fijo es x = a o x = b.
Supongamos que x = a y x = b entonces se cumple g(a) > a y g(b) < b.
Definamos la funcion h(x) = g(x) x observar que h es continua en [a, b] pues es
suma de funciones continuas y
h(a) = g(a) a > 0
Luego por el teorema del valor intermedio, implica que existe p a, b tal que
h(p) = 0
Por lo tanto
h(p) = g(p) p = 0
h(p) = p
As, p es un punto fijo de la funcion g.
Supongamos ahora que:
|g (x)| k < 1
J. R. Ticona Parisaca
UNA
51
Metodos Numericos
y sean p y q dos puntos fijos de g, con p = q en [a, b]. Por el teorema del valor medio,
existe un numero
Para aproximar el punto fijo de una funcion g, escogemos una aproximacion inicial p0
on
y generamos la sucesion {pn }
n=0 tomando pn = g(pn1 ) para cada n 1. Si la sucesi
converge a P y g es una funcion continua, entonces tenemos
p = Lim pn
n
= Lim g(pn1 )
n
= g(Lim pn1 )
n
= g(p)
y se obtiene una solucion x = g(x)
Esta tecnica se llama tecnica iterativa de punto fijo. Este procedimiento esta detallado
en el siguiente algoritmo y descrito en la figura.
Figura 3.4:
J. R. Ticona Parisaca
UNA
52
Metodos Numericos
SALIDA. Soluci
on aproximada
p o
mensaje de fracaso.
Paso 1: Tomar i = 1
Paso 2: Mientras i <= N0, seguir pasos 3 - 6
Paso 3: Tomar p = g(po). (Calcular pi)
Paso 4: Si |p - p0|< Error entonces
SALIDA (p) ("Procedimiento completado satisfactoriamente")
Paso 5: Tomar i = i + 1
Paso 6: Tomar p0 = p (Redefinir p0)
Paso 7:
Salida (M
etodo fracaso despu
es de N0 iteraciones, N0= ;
N0)
Ejemplo 3.3. La ecuacion x3 + 4x2 10 = 0 tiene una sola raz en [1, 2]. Existen muchas
maneras de expresar esta ecuacion en la forma x = g(x), efectuando manipulaciones algebraicas simples tenemos:
a)
x=x
x 0 = x x3 4x2 + 10
x = g1 (x) = x x3 4x2 + 10
As g1 (x) = x x3 4x2 + 10
As podemos obtener la siguientes formas:
(
b)
c)
d)
e)
)1/2
10
x = g2 (x) =
4x
x
)1/
1(
x = g3 (x) = 10 x3 2
2
(
)1/2
10
x = g4 (x) =
4+x
x3 + 4x2 10
x = g5 (x) = x
3x2 + 8x
Como observamos que en esta ecuacion vemos varias formas de derivar las funciones g(x),
aunque no es importante ello, pero debe verificarse que el punto fijo de cada una es en
realidad una solucion de la ecuacion original.
Con p0 = 1,5, la tabla muestra los resultados del metodo de iteracion de punto fijo para
las cinco alternativas para g.
J. R. Ticona Parisaca
UNA
53
Metodos Numericos
y
2.5
f1 HxL= I- x3 - 4 x2 + x + 10M
2.0
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
2.0
2.5
J. R. Ticona Parisaca
UNA
54
Metodos Numericos
y
2.5
2.0
f2 HxL=
10
x
-4x
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
2.0
2.5
J. R. Ticona Parisaca
UNA
55
Metodos Numericos
J. R. Ticona Parisaca
UNA
56
Metodos Numericos
y
2.5
2.0
f3 HxL=
1
2
10 - x3
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
2.0
2.5
J. R. Ticona Parisaca
UNA
57
Metodos Numericos
y
2.5
2.0
f4 HxL=
10
4+x
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
2.0
2.5
2.0
2.5
y
2.5
2.0
f5 HxL=x-
x3 + 4 x2 - 10
3 x2 + 8 x
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
J. R. Ticona Parisaca
UNA
Captulo 4
y aproximacion
Interpolacion
polinomica
4.1. Introduccion
Muchos experimentos en el area
de la Ingeniera dan como resultado de funciones tabulares de la variable independiente, frente a la variable dependiente. Durante la aplicacion
en ciertos problemas fsicos se relacionan los valores de la variable dependientes e independientes en puntos no base, es decir, en aquellos puntos en donde no se han experimentado;
en otros casos con fines computacionales se requiere construir una funcion explcita de
toda la tabla obtenida por metodos experimentales senalados
Poblacion
(en miles)
1930
1940
1950
1960
1970
1980
123 203
131 669
150 697
179 323
203 212
226 505
an = 0,
n ZZ
59
Metodos Numericos
Figura 4.1:
Observaciones:
1. Cuando consideramos los polinomios Pn como aproximantes de las funciones, es sencillo determinar su derivada y la integral indefinida de cualquier polinomio.
2. El teorema de Weierstrass es importante desde el punto de vista teorico pero no puede
usarse efectivamente para propositos computacionales.
3. Tal vez el lector conoce que uno de los mejores polinomios que aproxima a una funciona es el polinomio de Taylor, solo tiene la dificultad que solo aproxima a dicha
funcion en un punto y alrededor de un intervalo muy pequeno,
como mostramos en el
siguiente ejemplo.
alrededor de
k!
x0
J. R. Ticona Parisaca
UNA
60
Metodos Numericos
Ejemplo 4.2. .
f(x) = 1 + x
b) Usar el polinomio de a) para aproximar 1,1 y encontrar una cota para el error cometido.
0,1
1
c) Usar el polinomio de a) para aproximar 0 (1 + x) /2 dx
Realizando la diferenciacion necesaria tenemos:
Solucion.
f(x) = 1 + x,
f(0) = 1
1
1
f (x) = (1 + x)1/2 ,
f (0) =
2
2
1
1
f (x) = (1 + x)3/2 ,
f (0) =
4
4
3
3
f (x) = (1 + x)5/2 ,
f (0) =
8
8
15
15
fIV (x) = (1 + x)7/2 ,
f () = (1 + (x))7/2
16
16
donde (x) esta entre cero y x. Del teorema de Taylor,
P3 (x) =
k!
n=0
f (0)x2 f (0)x3
= f(0) + f (0)x +
+
2!
3!
x x2 x3
=1+
+
2
8
16
es el polinomio de Taylor de tercer grado pedido en a).
1,1 1,0488125000000001474
J. R. Ticona Parisaca
UNA
61
Metodos Numericos
como el valor real es 1,1 = 1,0488088481701516308, el error real es alrededor de 3,7 106 .
1 + xdx
P3 (x)dx
0
0
)
0,1 (
x x2 x3
1+
=
dx
+
2
8
16
0
[
]0,1
x2 x3
x4
= x+
+
= 0,1024598958
4
24 64 0
Ejemplo 4.3. La siguiente tabla muestra los valores del polinomio de Taylor de tercer
0
1
1
0
0,1
1,048813
1,048809
0,000004
0,5
1,2266
1,2247
0,0019
1
1,438
1,414
0,0019
2
2
1,73
0,27
10
56
3,32
52,68
Como podemos visualizar el polinomio de Taylor solo aproxima para valores proximos de
un punto.
y
35
30
25
20
15
10
5
P3 HxL=
x3
16
x2
-
x
+
+1
f HxL=
x+1
10
y el polinomio de Lagrange
4.2. Interpolacion
Habamos visto que los polinomios aproximantes que coincidan con una funcion dada
y con algunas de sus derivadas en un unico
consecutivamente el polinomio de Taylor es de poca utilidad, y se deben buscar metodos alternativos de aproximacion
de encontrar mejores polinomios aproximantes.
J. R. Ticona Parisaca
UNA
62
Metodos Numericos
La curva mas
trivial que pasa es una recta, cuya ecuacion esta dado por: determinando
la pendiente de este modo
y1 y0
mL =
x1 x0
entonces
(
)
y1 y0
L : y y0 =
(x x0 )
x1 x0
despejando y y realizando operaciones algebraicas, tenemos:
)
(
y1 y0
(x x0 )
y y0 =
x1 x0
y0 (x1 x0 ) + (y1 y0 )(x x0 )
y=
x1 x0
y0 (x1 x0 ) + y1 (x x0 ) y0 (x x0 )
y=
x1 x0
y0 (x1 x0 x + x0 ) + y1 (x x0 )
y=
x1 x0
y0 (x1 x) y1 (x x0 )
y=
+
x1 x0
x1 x0
(
)
(
)
x x1
x x0
P1 (x) =
y0 +
y1
x0 x1
x1 x0
y cumple las siguientes propiedades P1 (x0 ) = y0 = f(x0 ) y P1 (x1 ) = y1 = f(x1 )
As que el polinomio P1 tiene las propiedades requeridas.
Ahora consideremos el problema de determinar un polinomio de grado 2 que pase por
los puntos distintos (x0 , y0 ), (x1 , y1 ) y (x2 , y2 ).
donde y0 = f(x0 ), y1 = f(x1 ) y y2 = f(x2 ) como muestra el grafico
J. R. Ticona Parisaca
UNA
63
Metodos Numericos
A=
esta solucion se obtuvo utilizando el Mathematica, pero nos imaginamos que resolver este
sistema en forma manual no es sencilla, pero el problema surge si tenemos mas
de tres
puntos.
Veremos que podemos obtener este polinomio interpolante, para generalizar el concepto
de interpolacion lineal, ahora consideremos la construccion de un polinomio de grado a lo
mas
n que pase por (n + 1)puntos distintos.
(x0 , (f(x0 )), (x1 , (f(x1 )), . . . , (xn , (f(xn ))
Cuando construimos el polinomio lineal que pasa por los puntos (x0 , y0 ) y (x1 , y1 ) se
construyo los cocientes.
{
{
1, x = x0
1, x = x1
x x0
x x1
y
L11 (x) =
=
=
L10 (x) =
x0 x1
x1 x0
0, x = x1
0, x = x0
Para el caso general necesitamos construir, para cada k = 0, 1, 2, . . . , n, un cociente Lnk (x)
con la propiedad de que:
J. R. Ticona Parisaca
UNA
64
Metodos Numericos
{
Lnk (xi ) =
1,
x = xk
k=i
0,
x = xk
k = i
(x xi )
(x x0 )(x x1 ) . . . (x xk1 )(x xk+1 ) . . . (x xn )
=
(xk x0 )(xk x1 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn ) i=0, i=k (xk xi )
k = 0, 1, 2, . . . , n
Pn (x) =
f(xk )Lnk (x)
k=0
donde:
Lnk (x) =
(x xi )
(x x0 )(x x1 ) . . . (x xk1 )(x xk+1 ) . . . (x xn )
=
(xk x0 )(xk x1 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn ) i=0, i=k (xk xi )
para cada k = 0, 1, 2, . . . , n
Ejemplo 4.4. Usando los numeros
x0 = 2, x1 = 2,5, x2 = 4 encontrar el polinomio interpolante de segundo grado para f(x) = x1 , y aproximar f(3)
Necesitamos primero construir tres polinomios cocientes:
Solucion.
(x 2,5)(x 4)
= x2 6,5x + 10
(2 2,5)(2 4)
(x 2)(x 4)
1
L21 (x) =
= (4x2 + 24x 32)
(2,5 2)(2,5 4)
3
1
(x 2)(x 2,5)
= (x2 4,5x + 5)
L22 (x) =
(4 2)(4 2,5)
3
L20 (x) =
J. R. Ticona Parisaca
UNA
65
Metodos Numericos
y como
f(x0 ) = f(2) = 0,5
f(x1 ) = f(2,5) = 0,4
f(x2 ) = f(4) = 0,25
P2 (x) =
( )
( )
1
1
2
= 0,5(x 6,5x + 10) + 0,4
(4x + 24x 32) + 0,25
(x2 4,5x + 5)
3
3
k=0
1
0, 3333 . . . = 0.3 es
3
f(3) P2 (3)
= 0,05(3)3 0,425(3) + 1,5
f(3) 0,325
J. R. Ticona Parisaca
UNA
66
Metodos Numericos
de iteraciones N0 .
Resultados: La raz aproximada x o un mensaje de falla.
Paso 1. Hacer I = 1
Paso 2. Mientras I < N0 , repetir los pasos 3 a 7.
f(x0 )
(calculando xi )
f (x0 )
Paso 4. Si |x x0 | < EPS, entonces IMPRIMIR x y terminar. De otro modo continuar
Paso 3. Hacer x = x0
Paso 5. Si |f(x)| < EPS1, entonces IMPRIMIR x y terminar. De otro modo continuar
Paso 6. Hacer I = I + 1
Paso 7. Hacer x0 = x
de iteraciones N0 .
Resultados: La raz aproximada x o un mensaje de fracaso.
Paso 1. Tomar i = 1.
Paso 2. Mientras que i N0 seguir los Pasos 3 6
f(x0 )
(Calcular pi )
f (x0 )
Paso 4. Si |x x0 | < EPS entonces
SALIDA (x); (Procedimiento completado satisfactoriamente)
PARAR
Paso 3. Tomar x = x0
J. R. Ticona Parisaca
UNA
67
Metodos Numericos
Paso 5. Tomar i = i + 1
Paso 6. Tomar p0 = p
Paso 7. SALIDA (el metodo fracaso despues de N0 iteraciones )
PARAR
de iteraciones N0 .
Resultados: Solucion aproximada x o mensaje de fracaso.
Paso 1. Tomar i = 2;
y0 = f(x0 )
y1 = f(x1 )
Paso 2. Mientras que i N0 seguir los Pasos 3 6
x1 x0
(Calcular pi )
q1 q0
Paso 4. Si |x x0 | < EPS entonces
SALIDA (x); (Procedimiento completado satisfactoriamente)
PARAR
Paso 3. Tomar x = x1 y1
Paso 5. Tomar i = i + 1
Paso 6. Tomar
x0 = x1
y0 = y1
x1 = x
y1 = f(x)
Paso 7. SALIDA (el metodo fracaso despues de N0 iteraciones )
PARAR
J. R. Ticona Parisaca
UNA
68
Metodos Numericos
4.6. Problemas
de Lagrange
4.6.1. Interpolacion
Ejemplo 4.6. Para la tabla que se presenta a continuacion
a) Obtenga la aproximacion polinomial de Lagrange con todos los puntos
b) Interpole el valor de la funcion f(x) para x = 1,8
i
f(xi )
xi
0
3
0
1
0
1
2
5
3
3
7
6
(Xint xj )
xi xj
Paso 8. Hacer J = J + 1
Hacer L = L
J. R. Ticona Parisaca
UNA
69
Metodos Numericos
Ano
1930
123 203
1940
131 669
1950
150 697
1960
179 323
1970
203 212
1980
226 505
Encuentre el polinomio de Lagrange de grado 5 que ajusta estos datos y use este polinomio
para estimar la poblacion en los anos
1920, 1965 y 2000
x0 , x1 , . . . , xn ; los valores f(x0 ), f(x1 ), . . . , f(xn ) como la primera columna Q0,0 , Q1,0 , . . . , Qn,0
Salida: Los numeros
Qi,i
i1
i=0
(x xj )
j=0
Paso 1. Para
i = 1, 2, . . . , n
j = 1, 2, . . . , i
tomar
Qi,j1 Qi1,j1
xi xij
Qi,j =
(Qi,i = f[x0 , x1 , . . . , xi ])
yi+1 yi
xi+1 xi
Paso 5. Hacer i = i + 1
J. R. Ticona Parisaca
UNA
70
Metodos Numericos
Paso 6. Hacer j = 1
Paso 7. Mientras j n 1, repetir los pasos 8 a 12.
Paso 8. Hacer i = j
Paso 9. Mientras i n 1, repetir los pasos 10 y 11
Paso 10. Hacer
T (i, j) =
(T (i, j 1) T (i 1, j 1))
(xi+1 xij )
4.6.5. Problemas
Nota. Enviar al correo electronico jticona48@gmail.com
1. Desarrollar el programa de diferencias divididas segun
el algoritmo del texto Antonio Nieves en el Mathematica
2. Con los siguientes valores
Puntos
l/r
p/a
0
140
12 800
1
180
7 500
2
220
5 000
3
240
3 800
donde p/a es la carga lb/pulg2 que causa la ruptura de una columna de hierro dulce
con extremos redondeados y l/r es la razon de la longitud de la columna al mnimo
radio de giro de su seccion transversal.
Encuentre el polinomio de tercer grado que pasa por estos puntos en sus distintas
formas
a) p3 (x) = a0 + a1 x + a2 x2 + a3 x3
b) Forma de Lagrange
c) Aproximacion utilizando diferencias divididas de Newton
J. R. Ticona Parisaca
UNA
71
Metodos Numericos
e integracion
numerica
4.7. Diferenciacion
4.7.1. Introduccion
Si se proporcionan los valores de una funcion f en ciertos puntos, digamos x0 , x1 , . . . , xn ,
se puede usar esta informacion para obtenre una estimacion de como es su derivada f (c)
b
o una integral a f(x)dx? La respuesta es un SI rotundo.
Empecemos este analisis
numerica
4.7.2. Diferenciacion
Ilustremos estos asuntos analizando una formula para la diferenciacion numerica que
surge de manera directa de la definicion de lmite de f (x):
f (x)
f(x + h) f(x)
h
(4.1)
Para una funcion lineal, f(x) = ax + b, la aproximacion que expresa la formula (4.1)
resulta exacta; esto es, proporciona el valor correcto de f (x) para cualquier valor de h
distinto de cero. Tambien en otros casos la formula puede ser exacta, pero esto ocurre de
manera fortuita. Porcedemos por lo tanto, a hacer una estimacion del error asociado a esta
formula de diferenciacion numerica. El punto de partida es el teorema de Taylor en la
forma:
h2
(4.2)
f(x + h) = f(x) + hf (x) + f ()
2
En este caso es un numero
UNA
72
Metodos Numericos
con un termino que cuantifica el error y que se conoce como termino de error.
va interpolacion
polinomica
4.7.3. Diferenciacion
J. R. Ticona Parisaca
UNA
73
Metodos Numericos
numerica
4.8. Integracion
En este seccion estudiaremos algunos metodos numericos para estimar el valor de una
integral definida
I=
f(x)dx
a
El problema para usar los metodos analticos de integracion es que, es posible que F no se
pueda expresar en terminos de funciones elementales, o aunque F se conozca explcitamente, e sta no se pueda evaluar facilmente.
ex
(c)
dx
1 x
3
1
dx
(f)
2 lnx
ex dx
(d)
1
/2
Senx3 dx
(g)
0
J. R. Ticona Parisaca
UNA
74
Metodos Numericos
siendo h =
ba
de paso.
. Nos referiremos a h como el tamano
N
f(x)dx
b
pN (x)dx =
b
N
a j=0
b
f(xj )
Lj (x)
a
j=0
f(x)dx
donde
Aj f(xj )
j=0
b
Aj =
Lj (x),
j = 0, 1, . . . , N
formula
de cuadratura (cerrada) de Newton-Cotes.
b
a
J. R. Ticona Parisaca
UNA
75
Metodos Numericos
Algoritmo de la Regla del trapecio
ba
y xj = a + j h para cada j = 0, 1, 2, . . . , n la
n
regla del trapecio para n subintervalos es
[
]
b
n1
h
(b a)h2
f(x)dx =
f(a) + f(b) + 2
f(xj )
f () para algun
a, b
2
12
a
j=1
Si despreciamos el error, entonces la integral definida se aproxima por la regla del trapecio,
es decir:
[
]
b
n1
h
f(a) + f(b) + 2
f(xj )
(4.4)
f(x)dx
2
a
j=1
Para aproximar la integral definida de una funcion continua f(x) en el intervalo [a, b]
por la regla del Trapecio Compuesta, proporcionar la funcion y el numero
Paso 5. Hacer i = 1
Paso 6. Mientras i n 1, repetir los Paso 7 a Paso 9
Paso 7 Hacer x = x + h
Paso 8 Hacer sum = sum + f(x)
Paso 9 Hacer i = i + 1
Paso 10. Hacer sum =
h
[f(a) + 2 sum + f(b)]
2
J. R. Ticona Parisaca
UNA
76
Metodos Numericos
h
(b a)h4 (4)
f(x)dx =
f(a) + f(b) + 2
f(x2j ) + 4
f(x2j1 )
f ()
3
180
a
j=1
j=1
ba
, y xj = x0 + j h para cada j = 0, 1, 2, . . . , 2m.
2m
Si despreciamos el error, entonces la integral definida se aproxima por la regla de Simpson,
es decir:
[
]
b
m1
m
h
f(a) + f(b) + 2
f(x2j ) + 4
f(x2j1 )
(4.5)
f(x)dx
3
a
j=1
j=1
de subdivisiones, es decir
+
n = 2m (m 1 m ZZ ), el lmite inferior de integracion a y el lmite superior de
integracion b
Resultados. La integral aproximada Suma
Paso 1. Hacer h =
ba
2m
Paso 2. Tomar
x10 = f(a) + f(b)
x11 = 0; (Suma de f(x2i1 ))
x12 = 0; (Suma de f(x2i )).
Paso 3. Para i = 1, 2, 3, . . . , 2m 1 seguir los Paso 4 y Paso 5
Paso 4 Tomar x = a + i h
Paso 5 Si i es par, entonces tomar
.
sino tomar
Paso 6. Tomar sum =
h
[x10 + 2 x12 + 4 x11 ]
3
bajo la curva de una funcion continua f(x) en el intervalo [a, b], proporcionar la funcion f(x) y
J. R. Ticona Parisaca
UNA
77
Metodos Numericos
Datos. El numero
aproximada es Suma
Paso 1. Hacer S1 = 0
Paso 2. Hacer S2 = 0
Paso 3. Hacer x = a
Paso 4. Hacer h =
ba
n
n
1, repetir los Paso 8 a Paso 12
2
Paso 8. Hacer x = x + h
Paso 9. Hacer S1 = S1 + f(x)
Paso 10. Hacer x = x + h
Paso 11. Hacer S2 = S2 + f(x)
Paso 12. Hacer i = i + 1
Paso 13. Hacer x = x + h
Paso 14. Hacer S1 = S1 + f(x)
Paso 15. Hacer sum =
h
[f(a) + 4 S1 + 2 S2 + f(b)]
3
4.8.4. Ejercicios
1. Use la regla del trapecio compuesta con el valor indicado n para aproximar las siguientes integrales definidas. Compare las aproximaciones con el resultado exacto.
2
3
dx
; n = 4,
(b)
x3 dx; n = 4
(a)
x
0
1
3
1
(c)
x 1 + x2 dx; n = 6
(d)
Sin(x)dx; n = 6
0
0
2
1
(e)
xSenxdx; n = 8
(f)
x2 ex dx; n = 8
0
J. R. Ticona Parisaca
UNA
78
Metodos Numericos
2. Repetir el ejercicio 1, usando la regla compuesta de Simpson
3
2
dx
x3 dx; n = 4
(a)
; n = 4,
(b)
1 x
0
3
1
(c)
x 1 + x2 dx; n = 6
(d)
Sin(x)dx; n = 6
0
0
2
1
(e)
xSenxdx; n = 8
(f)
x2 ex dx; n = 8
0
J. R. Ticona Parisaca
UNA
79
Metodos Numericos
b
a
(m1 = 1subintervalo),
h1
=
(m2 = 2subintervalos),
2
h2
=
(m3 = 22 subintervalos),
2
..
.
ba
hk1
=
k1
2
2
donde n es algun
entero positivo.
b
2k1
1
2k1 1
h3k
hk
f(a) + f(b) + 2
f(a + i hk )
f (i )
f(x)dx =
2
12
a
1=1
1=1
donde i es tal que a + i hk < < a + (i + 1)hk .
Si denotamos
Rk,1 =
hk
f(a) + f(b) + 2
2
2k1
1
f(a + i hk )
1=1
R1,1 =
R2,1
J. R. Ticona Parisaca
UNA
80
Metodos Numericos
es decir
R2,1
[
(
)]
1
h1
=
R1,1 + h1 f a +
2
2
Ahora,
R3,1
[
]
3
h3
=
f(a) + f(b) + 2
f(a + i hk )
2
1=1
h3
{f(a) + f(b) + 2[f(a + h3 ) + f(a + 2h3 ) + f(a + 3h3 )]}
2
{
[ (
)
(
)
(
)]}
(b a)
ba
2(b a)
3(b a)
=
f(a) + f(b) + 2 f a +
+f a+
+f a+
8
4
4
4
Simplificando, tenemos
R3,1
[
[ (
)
(
)]]
h2
3h2
1
=
R2,1 + h2 f a +
+f a+
2
2
2
k2
(
(
)
)
2
1
2i 1
Rk,1 =
Rk1,1 + hk1
f a+
hk1
,
2
2
k = 2, 3, . . . , n
i=1
k1 1
b
2k1
1
3 2
h
hk
k
f(a + i hk )
f(a) + f(b) + 2
f (i )
f(x)dx =
2
12 1=1
a
1=1
{z
}
|
{z
} |
Rk,1
error
J. R. Ticona Parisaca
UNA
81
Metodos Numericos
y asumiendo que f(iv) esta acotada en [a, b], entonces
b
f(x)dx =
a
4Rk,1 Rk1,1
+ O(h4k ),
3
k = 2, 3, . . . , n
4Rk,1 Rk1,1
,
3
k = 2, 3, . . . , n
( )
4 76 43
4R2,1 R1,1
10
=
=
=
1,1111111111
3
9
( 673) 7
4 60 6
198
4R3,1 R2,1
=
=
1,100000000
=
3
3
180
i = 1, 2, 3, . . . , n
y j = 2, 3, . . . , i
Recordemos que
Rk,1 =
hk
f(a) + f(b) + 2
2
2k1
1
f(a + i hk )
1=1
y que
R1,1 =
(b a)
[f(a) + f(b)]
2
R2,1 R2,2
por filas de
modo que con aplicar una sola vez mas
la regla de los Trapecios (para calcular Rk,1 )
se pueda calcular la siguiente fila.
J. R. Ticona Parisaca
UNA
82
Metodos Numericos
Es decir, el orden en que se calculan los elementos es R1,1 , R2,1 , R2,2 , R3,1 , R3,2 , R3,3 , . . .
Se espera, en general,
que la sucesion {Rk,k }k converja mucho mas
rapido
Entrada La funcion continua f(x). Los extremos del intervalo [a, b] y el entero n ZZ+
Salida El arreglo matricial R (Rn,n ) es la aproximacion a I.
Paso 1. Tomar h = b a;
h
.
R1,1 = (f(a) + f(b))
2
Paso 2. Salida (R1,1 )
Paso 3. Para i = 2, 3, . . . , n seguir los Pasos 4 8.
Paso 4. Tomar
R2,1 =
i2
1
R1,1 + h
f(a + (k 0,5)h)
2
k=1
Paso 5. Para j = 2, 3, . . . , i
tomar
R2,j =
(Extrapolacion de Richardson)
de Romberg.
J. R. Ticona Parisaca
UNA
83
Metodos Numericos
4.8.6. Problemas
1. Use la integracion de Romberg para calcular R3,3 para las siguientes integrales definidas
3
2
dx
(a)
(b)
x3 dx
x
1
0
3
1
(c)
x 1 + x2 dx
(d)
Sin(x)dx
0
0
1
2
x2 ex dx
xSenxdx
(f)
(e)
0
2
0
x2 ex dx hasta que
de Hermite
4.9. Interpolacion
Teorema 4.5. Si f C1 [a, b] y x0 , x1 , . . . , xn [a, b] son distintos, el unico
polinomio de
2n + 1 dado por
n
n
b n, j (x)
H2n+1 (x) =
f(xj )Hn, j (x) +
f (xj )H
(4.6)
j=0
j=0
donde
b n, j (x) = (x xj ) L2 (x)
H
n,j
(x x0 )(x x1 ) (x xj1 )(x xj+1 ) (x xn )
Ln,j (x) =
(xj x0 )(xj x1 ) (xj xj1 )(xj xj+1 ) (xj xn )
n
(x xi )
=
para cada j = 0, 1, . . . , n
(x
j xi )
i=0, i=j
(4.7)
Ejemplo 4.8. Use el polinomio de menor grado que coincide con los datos mostrados en la
Tabla. para una funcion y aproximar el valor de f(1,5)
k
0
1
2
xj
1,3
1,6
1,9
f(xj )
0,6200860
0,4554022
0,2818186
f (xj )
0,5220232
0,5698959
0,5811571
J. R. Ticona Parisaca
UNA
84
Metodos Numericos
para cada i = 0, 1, 2, . . . , n
con esto se construye la tabla de la diferencia dividida en la forma de la tabla que usa
z0 , z1 , z2 , . . . , z2n+1
Como z2i = z2i+1 = xi para cada i, f[z2i , z2i+1 ] no puede ser definido por la relacion basi
ca (3.12). Sin embargo, si suponemos, basandonos
razonable en esta situacion es f[z2i , z2i+1 ] = f (xi ), podemos usar los valores
f (x0 ), f (x1 ), . . . , f (xn )
en lugar de las primeras diferencias divididas indefinidas
f[z0 , z1 ], f[z1 , z2 ], f[z2 , z3 ], f[z2n , z2n+1 ]
z
f(z)
Primeras dif. divididas
z0 = x0 f[z0 ] = f(x0 )
f[z0 , z1 ] = f (x0 )
z1 = x0 f[z1 ] = f(x0 )
f[z1 , z2 ] =
f[z0 , z1 , z2 ] =
f[z1 , z2 ] f[z0 , z1 ]
z2 z0
f[z1 , z2 , z3 ] =
f[z2 , z3 ] f[z1 , z2 ]
z3 z1
f[z2 , z3 , z4 ] =
f[z3 , z4 ] f[z2 , z3 ]
z4 z2
f[z3 , z4 , z5 ] =
f[z4 , z5 ] f[z3 , z4 ]
z5 z3
f[z2 ] f[z1 ]
z2 z1
z2 = x1 f[z2 ] = f(x1 )
f[z2 , z3 ] = f (x1 )
z3 = x1 f[z3 ] = f(x1 )
f[z3 , z4 ] =
f[z4 ] f[z3 ]
z4 z3
z4 = x2 f[z4 ] = f(x2 )
f[z4 , z5 ] = f (x2 )
z5 = x2 f[z5 ] = f(x2 )
Algoritmo de Hermite
J. R. Ticona Parisaca
UNA
85
Metodos Numericos
Paso 1. Para i = 0, 1, 2, . . . , n seguir los Pasos 2 y 3
Paso 2. Tomar
z2i = xi ;
z2i+1 = xi ;
Q2i,0 = f(xi );
Q2i+1,0 = f(xi );
Q2i+1,1 = f (xi );
Paso 3. Si i = 0 entonces tomar
Q2i,1 =
Paso 4. Para j = 2, 3, . . . , 2n + 1
.
para j = 2, 3, . . . , i
Q2i,0 Q2i1,0
z2i z2i1
tomar
Qi,j =
Qi,j1 Qi1,j1
zi zij
4.9.1. Ejercicios
1. Sea f(x) = 3xex e2x , aproxime f(1,03) por medio de un polinomio interpolante de
grado a lo mas
cinco, usando x0 = 1, x1 = 1,05 y x2 = 1,07
2. Un coche que viaja en una carretera recta es cronometrada en algunos puntos. Los
datos de las observaciones se dan en la siguiente tabla donde el tiempo esta en segundos, la distancia en pies y la velocidad en pies sobre segundos. Use un polinomio de
Hermite para predecir la posicion del coche y su velocidad cuando t = 10seg.
Tiempo
0
3
5
8
13
Distancia 0 225 383 623 993
Velocidad 75 77 80 74 72
J. R. Ticona Parisaca
UNA
86
Metodos Numericos
del tipo
dy
= f(t, y), t0 t T
(4.8)
dt
y(t ) = y ,
(Condicion inicial)
0
de la forma
dy1
= f(t, y1 , y2 , . . . , yn ),
dt
dy2
= f(t, y1 , y2 , . . . , yn ),
t0 t T
dt
..
(4.9)
.
dyn
= f(t, y1 , y2 , . . . , yn ), ,
dt
y1 (t0 ) = y1,0 , y2 (t0 ) = y2,0 , . . . , yn (t0 ) = yn,0 . (Condicion inicial)
En este caso se aplicara el metodo a cada ecuacion del sistema.
Los metodos numericos que veremos tambien se podran
aplicar a problemas generales
de nesimo orden con condicion inicial, de solucion unica,
de la forma
(n) dn y
y = n = f(t, y, y , y , . . . , y(n1) ),
t0 t T
(4.10)
dt
y(t ) = y , y (t ) = y , . . . , y(n1) (t ) = y
(Condicion inicial)
0
1,0
2,0
n,0
Esta vez, para aplicar el metodo numerico, empezamos transformando el P.V.I. dado en
un sistema equivalente del tipo (4.9), introduciendo las variables y1 = y, y2 = y , y3 =
y , . . . , yn = y(n1) . Derivando miembro a miembro cada una de estas ultimas
ecuaciones
con respecto a t, obtenemos el sistema equivalente
y1 = y2 ,
y2 = y3 ,
y = y4 ,
t0 t T
3
(4.11)
.
..,
yn = f(t, y1 , y2 , . . . , yn ),
y (t ) = y , y (t ) = y , . . . , y (t ) = y , (Condicion inicial)
1
1,0
2,0
n,0
satisfechas tales condiciones, es posible que la solucion exista solamente en una vecindad
de t0 . Como ejemplo, consideremos el P.V.I.
1
y = ,
t
y(1) = 1.
J. R. Ticona Parisaca
UNA
87
Metodos Numericos
1
es y(t) = ln|t| +
t
C, C constante arbitraria. Para la condicion inicial dada la solucion del P.V.I. es y(t) =
ln|t| + 1, pero no hay solucion para una condicion inicial en t = 0.
Para el P.V.I.
y = 1 + y2 ,
y(0) = 0.
3
y(t) = Tant es la solucion, pero no esta definida para t = , , . . .. As que la solucion
2
2
es valida
unicamente
para ,
o cualquier intervalo contenido all y que contenga al
2 2
numero
0.
Teorema 4.6. Si f(t, y) es continua en el rectangulo
R = {(t, y) / t0 t t0 + a, |y y0 | b}
entonces existe un intervalo t0 t t0 + en el cual existe una solucion y(t) del P.V.I.
dy
= f(t, y),
dt
y(t ) = y
0
Unicidad de la solucion: Puede que, aunque f(t, y) sea continua, el P.V.I. (4.8) tenga mas
dy
= y1/3 ,
dt
y(0) = 0
(
para el cual y1 (t) 0 y y2 (t) =
2t
3
)3/2
son soluciones.
J. R. Ticona Parisaca
UNA