Métodos Numéricos
description
Transcript of Métodos Numéricos
![Page 1: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/1.jpg)
Métodos numéricosDR. RODRIGO SOULÉALUMNO: JOSÉ FRANCISCO HERRERA SOLÍS UP130173
ISE I05A
AGUASCALIENTES, AGS. , A 13 DE AGOSTO DE 2015
![Page 2: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/2.jpg)
2
Contenido 1. Aproximaciónnumérica y errores
◦ 1.1 Definiciones básicas◦ 1.2 Error absoluto y error relativo◦ 1.3 Estabilidad y convergencia◦ 1.4 Polinomios de Taylor
2. Solución numérica de ecuaciones algebraicas y trascendentes de una variable
◦ 2.1 Método de bisección◦ 2.2 Método de punto fijo◦ 2.3 Método de interpolación lineal◦ 2.4 Método de Newton-Raphson◦ 2.5 Método de segundo orden de Newton
3. Solución numérica de sistemas de ecuaciones algebraicas lineales
◦ 3.1 Método de eliminación de Gauss◦ 3.2 Método de Gauss-Jordan◦ 3.3 Método de Gauss-Seidel
4. Interpolación◦ 4.1 Polinomios interpolantes◦ 4.2 Interpolación de Lagrange◦ 4.3 Interpolación de Newton
5. Derivación e integración numérica◦ 5.1 Diferenciación numérica◦ 5.2 Integración trapecial (Simpson 1/2)◦ 5.3 Integración de Simpson 1/3
![Page 3: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/3.jpg)
3
Aproximación numérica y errores
Volver al contenido
![Page 4: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/4.jpg)
4
Precisión y exactitud La exactitud indica los resultados de la proximidad de la medición con respecto al valor verdadero, mientras que la precisión con respecto a la repetibilidad o reproductibilidad de la medida.
En ingeniería, ciencia, industria y estadística, exactitud y precisión no son equivalentes.
Volver al contenido
![Page 5: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/5.jpg)
5
Precisión se refiere a la dispersión del conjunto de valores obtenidos de mediciones repetidas de una magnitud. Cuanto menor es la dispersión mayor la precisión.
Exactitud se refiere a que tan cerca del valor real se encuentra el valor medido. En términos estadísticos, la exactitud está relacionada con el sesgo de una estimación. Cuanto menor es el sesgo más exacta es una estimación.
![Page 6: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/6.jpg)
6
Cuando se expresa la exactitud de un resultado se expresa mediante el error absoluto que es la diferencia entre el valor experimental y el valor verdadero.
![Page 7: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/7.jpg)
7
Error absoluto y error relativo Una actividad frecuente del profesional de la Ingeniería consiste en trabajar con modelos matemáticos representativos de un fenómeno físico.
Estos modelos son abstracciones matemáticas que distan mucho de representar exactamente al fenómeno bajo estudio debido principalmente a las carencias y dificultades que aún posee el humano de la comprensión total de la naturaleza.
Volver al contenido
![Page 8: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/8.jpg)
8
Como consecuencia de esto existen diferencias entre los resultados obtenidos experimentalmente y los emanados propiamente del modelo matemático.
A las diferencias cuantitativas entre los dos modelos se les denomina Errores.
![Page 9: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/9.jpg)
9
El error real se define como la diferencia entre el valor real y una aproximación a este valor :
El error relativo se define como el cociente del Error Real entre el valor real
![Page 10: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/10.jpg)
10
Estabilidad y convergencia La estabilidad numérica es una propiedad de los algoritmos numéricos. Describe cómo los errores en los datos de entrada se propagan a través del algoritmo.
Se dice que hay “Convergencia” al utilizar un método numérico para resolver un problema en particular cuando, mientras más iteraciones se hacen se obtiene una mejor aproximación al resultado.
Volver al contenido
![Page 11: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/11.jpg)
11
Polinomio de Taylor Es la representación de una función como una suma infinita de términos que son calculados a partir de los valores de las derivadas de las funciones a partir de un punto único.
El polinomio de Taylor de grado en es único y puede ser expresado como
Volver al contenido
![Page 12: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/12.jpg)
12
Ejemplo Encontrar el polinomio de Taylor de grado n para centrado en .
,
,
,
,
,
![Page 13: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/13.jpg)
13
Solución numérica de ecuaciones algebraicas y trascendentes de una variable
Volver al contenido
![Page 14: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/14.jpg)
14
Método de bisección En matemáticas, el método de bisección es un algoritmo de búsqueda de raíces que trabaja dividiendo el intervalo a la mitad y seleccionando el subintervalo que tiene la raíz.
Si f es una función continua sobre el intervalo [a,b] y si f(a) f(b)<0, entonces f debe tener un cero en (a,b). Dado que f(a)f(b)<0, la función cambia de signo en el intervalo [a,b] y por lo tanto tiene por lo menos un cero en el intervalo.
Volver al contenido
![Page 15: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/15.jpg)
15
Esta es una consecuencia del teorema del valor intermedio para funciones continuas, que establece que si f es continua en [a,b] y si k es un número entre f(a) y f(b) , entonces existe por lo menos un c (a,b) tal que f(c)=k (para el caso en que f(a)f(b)<0 se escoge k=0, luego f(c)=0, c(a,b)).
![Page 16: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/16.jpg)
16
Ejemplo Encontrar el valor de la raíz entre 0 y 1 de la siguiente función
It f() f() f()*f() Error
1 1 2 1.5 2 5.25 10.5
2 1.5 2 1.75 -1.27687 -1.57623 2.01264 14.286%
3 1.75 2 1.875 -1.57623 -1.72165 2.7137 6.667%
4 1.875 2 1.9375 -1.72165 -1.79344 3.08766 3.226%
5 1.9375 2 1.96875 -1.79344 -1.82912 3.28041 1.587%
6 1.96875 2 1.984375 -1.82912 -1.84691 3.37821 0.787%
7 1.984375 2 1.992188 -1.84691 -1.85579 3.42748 0.392%
8 1.992188 2 1.996094 -1.85579 -1.86023 3.4522 0.196%
9 1.996094 2 1.998047 -1.86023 -1.86245 3.46458 0.098%
10 1.998047 2 1.999023 -1.86245 -1.86356 3.47077 0.049%
11 1.999023 2 1.999512 -1.86356 -1.86411 3.47387 0.024%
12 1.999512 2 1.999756 -1.86411 -1.86439 3.47542 0.012%
![Page 17: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/17.jpg)
17
Método de punto fijo Este método se aplica para resolver ecuaciones de la forma .
Si la ecuación es , entonces puede despejarse x o bien sumar x en ambos lados de la ecuación para ponerla en la forma adecuada.
Volver al contenido
![Page 18: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/18.jpg)
18
Ejemplo Encontrar el valor de . Con . Condición: Error < 0.01%.
Iteración Xi G(x) F(x) Error
0 0.5 1.04030231 0.54030231
1 1.04030231 1.16831628 0.12801398 51.9370478%
2 1.16831628 1.21049532 0.04217903 10.9571337%
3 1.21049532 1.22533781 0.01484249 3.48444412%
4 1.22533781 1.23067072 0.00533291 1.2112982%
5 1.23067072 1.23260076 0.00193003 0.43333386%
6 1.23260076 1.23330106 0.00070031 0.1565821%
7 1.23330106 1.2335554 0.00025434 0.05678314%
8 1.2335554 1.23364781 9.2405E-05 0.02061863%
9 1.23364781 1.23368139 3.3576E-05 0.00749039%
![Page 19: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/19.jpg)
19
Método de interpolación lineal La interpolación consiste en encontrar un dato dentro de un intervalo en el que conocemos los valores de los extremos.
La interpolación se dirá lineal cuando sólo se tomen dos puntos de una recta.
Dados dos puntos P(x0 , y0) , Q(x1 , y1) de una función de la que no se conoce su expresión algebraica, es posible calcular aproximadamente el valor que toma la función en un punto x [] mediante la expresión:
f(x) =
Volver al contenido
![Page 20: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/20.jpg)
20
Ejemplo Determinar la función lineal de interpolación que pasa por los puntos (-1, 5) y (0, 2). Interpola el valor a = 5.
Se tienen los puntos:
P(, ) = (-1, 5)
Q(, ) = (0, 2)
Obtener la función de interpolación lineal:
= 2 = 2
Interpolando x = 5 se obtiene:
![Page 21: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/21.jpg)
21
Método de Newton-Raphson El método de Newton-Raphson es un método iterativo que permite aproximar la solución de una ecuación del tipo . Se parte de una estimación inicial de la solución y se construye una sucesión de aproximaciones de forma recurrente mediante la fórmula:
= -
Volver al contenido
![Page 22: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/22.jpg)
22
Ejemplo Expresar la ecuación en la forma , y se identifica la función .
Calcular la derivada
Construir la fórmula de recurrencia
![Page 23: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/23.jpg)
23
Tomar una estimación inicial de la solución
,
![Page 24: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/24.jpg)
24
Método del segundo orden de Newton
Este método también utiliza el conocimiento aportado por los primeros términos de la serie de Taylor de la función en la vecindad de una aproximación a la raíz.
El método de Newton puede verse como un método de linealización.
Volver al contenido
![Page 25: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/25.jpg)
25
EjemploCalcular una raíz real de la función con valor inicial
Encontrar la primera derivada de la función que se va a calcular.
Encontrar la segunda derivada de la función que se va a calcular.
![Page 26: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/26.jpg)
26
Sustituyendo en la fórmula:
![Page 27: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/27.jpg)
27
Continuar iterando con el valor obtenido.
Volver al contenido
![Page 28: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/28.jpg)
28
Solución numérica de sistemas de ecuaciones algebraicas lineales
Volver al contenido
![Page 29: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/29.jpg)
29
Método de eliminación de Gauss El método de Gauss consiste en transformar un sistema de ecuaciones en otro equivalente de forma que éste sea escalonado.
Volver al contenido
![Page 30: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/30.jpg)
30
Ejemplo Se tiene el siguiente sistema de ecuaciones:
Columnas (una para los valores de x, otra para los de y, y una más para los de z):
![Page 31: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/31.jpg)
31
Se realizan las reducciones utilizando las filas de la matriz, de tal forma que quede una sola fila con un solo valor, y lo demás sea cero.
![Page 32: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/32.jpg)
32
Se realizan las operaciones correspondientes para llegar a 0 debajo de la línea principal
(1 1 1
0 113
0 0 −133
673
−133
) 𝑓 3→ 313
𝑓 3
![Page 33: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/33.jpg)
33
Finalmente se sustituyen los valores en las ecuaciones originales
![Page 34: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/34.jpg)
34
Verificación
![Page 35: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/35.jpg)
35
Método de Gauss-JordanEs un algoritmo del álgebra lineal para determinar las soluciones de un sistema de ecuaciones lineales, encontrar matrices e inversas.
Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en el que cada ecuación tiene una incógnita menos que la anterior. El método de Gauss transforma la matriz de coeficientes en una matriz triangular superior.
El método de Gauss-Jordan continúa el proceso de transformación hasta obtener una matriz diagonal.
Volver al contenido
![Page 36: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/36.jpg)
36
Ejemplo Utilizar el método de Gauss Jordan para resolver el sistema de ecuaciones.
Ordenar a manera de matriz, contando con tres filas y tres columnas (x , y, z)
![Page 37: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/37.jpg)
37
Reducir hasta obtener la matriz identidad
![Page 38: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/38.jpg)
38
Método de Gauss-Seidel El Método de Gauss-Seidel consiste en hacer iteraciones a partir de un vector inicial para encontrar los valores de las incógnitas hasta llegar a una tolerancia deseada, utilizando valores actuales de las x encontradas antes (desde hasta ) cada vez que se desee encontrar un nuevo valor de una , además de usar los valores anteriores de .
Volver al contenido
![Page 39: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/39.jpg)
39
Ejemplo Utilizar el método de Gauss Seidel para resolver el siguiente sistema de ecuaciones
![Page 40: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/40.jpg)
40
• Asignar valores iniciales a las variables.
• Despejar de cada ecuación, la variable de la diagonal.
• Con estas ecuaciones asignar descendentemente a cada variable el resultado de sustituir los valores más recientes de las demás variables.
Despeje:
![Page 41: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/41.jpg)
41
Iteraciones
![Page 42: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/42.jpg)
42
Interpolación
Volver al contenido
![Page 43: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/43.jpg)
43
Polinomios interpolantesEn el subcampo matemático del análisis numérico, se denomina interpolación a la construcción de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos.
En ingeniería y algunas ciencias es frecuente disponer de un cierto número de datos obtenidos por muestreo o a partir de un experimento y pretender construir una función que los ajuste.
Volver al contenido
![Page 44: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/44.jpg)
44
Otro problema estrechamente ligado con el de la interpolación es la aproximación de una función complicada por una más simple. Si se tiene una función cuyo cálculo resulta costoso, es posible partir de un cierto número de sus valores e interpolar dichos datos construyendo una función más simple.
![Page 45: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/45.jpg)
45
En general, no se obtendrán los mismos valores evaluando la función obtenida que si se evaluara la función original, si bien dependiendo de las características del problema y del método de interpolación usado la ganancia en eficiencia puede compensar el error cometido.
![Page 46: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/46.jpg)
46
En todo caso, se trata de, a partir de n parejas de puntos , obtener una función que verifique que
a la que se denomina función interpolante de dichos puntos. A los puntos se les llama nodos.
Algunas formas de interpolación que se utilizan con frecuencia son la interpolación polinómica, la interpolación lineal y la interpolación por medio de spline o trazador cúbico.
![Page 47: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/47.jpg)
47
Interpolación de Newton Este método es algorítmico y resulta sumamente cómodo en determinados casos, sobre todo cuando se quiere calcular un polinomio interpolador de grado elevado.
Volver al contenido
![Page 48: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/48.jpg)
48
Para un polinomio de n-ésimo orden se requieren n + 1 puntos:
y para determinarlo se utiliza la fórmula:
O lo que es lo mismo:
![Page 49: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/49.jpg)
49
Estos coeficientes se calculan mediante diferencias divididas, cuya expresión general está dada por:
![Page 50: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/50.jpg)
50
Los términos usados en la construcción del polinomio interpolador son todos aquellos que involucren a , así:
Con esta notación, se puede expresar el polinomio como:
![Page 51: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/51.jpg)
51
EjemploDetermine el polinomio Interpolante de Newton que contienen los puntos (3,-1), (5,-3), (7,9) y (8,6). La idea principal es completar la siguiente tabla:
-3 9 ? ? ?
5 2 ? ?
7 -1 ?
8 0
![Page 52: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/52.jpg)
52
Para facilidad de entender el algoritmo del polinomio interpolante de Newton mediante las diferencias divididas, se hace la construcción por niveles o columnas:
Nivel
Nivel
![Page 53: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/53.jpg)
53
Nivel
![Page 54: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/54.jpg)
54
Por tanto la tabla de datos queda del siguiente modo:
-3 9
5 2
7 -1 1
8 0
![Page 55: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/55.jpg)
55
A continuación se construye el polinomio tomando como coeficientes a los números de la primera fila, excepto el primero de todos. Lo que se quiere es :
Remplazando los datos se obtiene:
Y al simplificar se llega al polinomio:
![Page 56: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/56.jpg)
56
Verificación
![Page 57: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/57.jpg)
57
Interpolación de LagrangePara evitar el cálculo de las diferencias finitas que se hace en el polinomio de Newton, el método de Lagrange propone una fórmula más sencilla, pero que por ser una aproximación puede tener un ligero margen mayor de error.
Reformulación del polinomio de Newton que evita el cálculo por diferencias divididas:
Volver al contenido
![Page 58: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/58.jpg)
58
EjemploDetermine el polinomio interpolante de Lagrange que contiene los siguientes puntos de la tabla:
-3 5 7 8
9 2 -1 0
![Page 59: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/59.jpg)
59
Lo que se pretende es construir el polinomio de Lagrange mediante su fórmula recursiva:
![Page 60: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/60.jpg)
60
Solo queda construir los , los cuales serán determinados mediante la fórmula:
Como se muestra a continuación:
![Page 61: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/61.jpg)
61
.
.
.
![Page 62: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/62.jpg)
62
.
.
.
![Page 63: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/63.jpg)
63
.
.
.
![Page 64: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/64.jpg)
64
No hace falta construir , pues este polinomio será multiplicado por 0. Una técnica útil para sumar todos estos productos consiste construir una tabla que contenga toda la información y luego hacer la suma por columnas, como se muestra a continuación:
La última fila indica que el polinomio interpolante es:
![Page 65: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/65.jpg)
65
Derivación e integración numérica
Volver al contenido
![Page 66: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/66.jpg)
66
Diferenciación numérica Se desarrollarán fórmulas para aproximaciones de diferencias hacia adelante, hacia atrás y centradas para la primera derivada utilizando la serie truncada de Taylor.
En el mejor de los casos, estas estimaciones presentan errores de orden ; es decir, sus errores fueron proporcionales al cuadrado de su tamaño de paso. Este nivel de exactitud se debe al número de términos de la serie de Taylor. Se pueden generar fórmulas de alta exactitud al incluir términos adicionales en la expansión de la serie de Taylor
Volver al contenido
![Page 67: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/67.jpg)
67
Fórmulas de exactitud para la primera derivada
Fórmulas de tres puntos
Definiendo un tamaño de paso .
Hacia adelante:
Hacia atrás:
Central:
![Page 68: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/68.jpg)
68
Fórmulas de cinco puntos
Definiendo un tamaño de paso
Hacia adelante:
Central:
Usando la serie truncada de Taylor, se pueden desarrollar fórmulas aproximadas iterativas para resolver las derivadas numéricamente usando n puntos.
![Page 69: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/69.jpg)
69
Ejemplo Usar la fórmula hacia adelante de tres puntos para aproximar
, si y .
![Page 70: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/70.jpg)
70
Integración trapecial (Simpson ½)
Método de los trapecios consiste en que se suman las áreas de los trapecios; este método, también llamado Sumatoria de Riemann, puede hacerse por mínimo, por medio o por máximo, siendo más exacto realizarlo por medio (es decir: tomando como referencia el valor de la función en el centro de cada intervalo o trapecio).
Si se considera un polinomio de grado 1, es decir, una recta, y se desea obtener una fórmula para integrar fórmula entre dos puntos consecutivos usando polinomio de primer grado, se tiene
Volver al contenido
![Page 71: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/71.jpg)
71
Sustituyendo se obtiene:
![Page 72: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/72.jpg)
72
Si el intervalo es pequeño la aproximación será razonable; mas si es grande, el error también puede ser grande.
f(x) a=x0 b=x1 x
![Page 73: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/73.jpg)
73
Ejemplo Calcular la siguiente integral aplicando la regla del trapecio,
![Page 74: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/74.jpg)
74
Solución Encontrar el valor de :
Construir una tabla dividiendo en intervalos iguales los límites de integración, usando el valor de hallado; con esto se tienen seis intervalos igualmente espaciados con siete pares de puntos:
Donde:
: Longitud de cada intervalo.
: Límite inferior de la integral, también se representa por .
: Límite superior de la integral, también se representa por .
: Número de particiones, es decir, de intervalos.
![Page 75: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/75.jpg)
75
Debe recordarse que las funciones trigonométricas deben estar expresadas en radianes.
1 2 3 4
3 5 7 9
![Page 76: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/76.jpg)
76
Aplicando la fórmula generalizada
![Page 77: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/77.jpg)
77
Integración de Simpson 1/3 A diferencia de Simpson ½, 1/3 toma, de dos intervalos sucesivos, los tres puntos donde se corta a la función: el inicio del primer intervalo, la división entre los intervalos y el final del segundo. Luego se procede a considerar que estos tres puntos corresponden a una parábola, de la que, conociendo los tres pares de valores (abscisa; ordenada) se obtiene la fórmula de dicha parábola. Finalmente, por integración, se obtiene el área bajo la curva de la parábola, entre los límites de integración (inicio del primer intervalo y final del segundo).
Si se designan y como y , y se representa por un polinomio de Lagrange de segundo grado, la integral se transforma en
Volver al contenido
![Page 78: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/78.jpg)
78
Después de la integración y de las manipulaciones algebraicas, se obtiene la siguiente fórmula:
Donde, en este caso, . Esta ecuación se conoce como regla de Simpson 1/3, y es la segunda fórmula de integración cerrada de Newton-Cotes. La especificación “1/3” se origina del hecho de que está dividida entre 3 en la ecuación.
![Page 79: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/79.jpg)
79
La regla de Simpson 1/3 también se puede expresar usando el formato de ecuación:
Donde y el punto a la mitad entre y , que está dato por .
![Page 80: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/80.jpg)
80
Ejemplo Con la ecuación
Integrar
Desde hasta . La integral exacta es 1.640533
![Page 81: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/81.jpg)
81
Solución
Por lo tanto, la ecuación se utiliza para calcular
Que representa un error exacto de
Que es aproximadamente 5 veces más precisa que una sola aplicación de la regla del trapecio.
![Page 82: Métodos Numéricos](https://reader035.fdocument.pub/reader035/viewer/2022062314/563dbbbd550346aa9aafda6b/html5/thumbnails/82.jpg)
82
El error estimado es
Donde -2400 es el promedio de la cuarta derivada en el intervalo.