TEMARIO I.− INTRODUCCIÓN Importancia de los métodos numéricos Tipos de Errores II.− SOLUCIONES DE ECUACIONES ALGEBRAICAS Raíz de una ecuación Métodos de intervalo: bisección, falsa posición Métodos de punto fijo: aproximaciones sucesivas, secante, Newton−Raphson III.− SOLUCION DE SISTEMAS DE ECUACIONES Eliminación Gaussiana Matriz Inversa Gauss−Jordan Regla de Crammer Jacobi Gauss−Seidel IV.− AJUSTE DE FUNCIONES Fundamentos de estadística Interpolación Regresión de mínimos cuadrados V.− DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA Derivación Numérica Integración Numérica, trapecio, Simpson−Romberg VI.− SOLUCIÓN DE ECUACIONES DIFERENCIALES Métodos de 1 paso: Euler, Euler Mejorado, Runge−Kutta Métodos de pasos múltiples 1 VII.− ECUACIONES DIFERENCIALES PARCIALES Clasificación de las ecuaciones Métodos de diferencias finitas. MÉTODOS NUMÉRICOS 1.1 Problemas matemáticos y sus soluciones. Un modelo matemático puede definirse como una formulación o una ecuación que expresa las características, esenciales de un sistema físico o proceso en términos matemáticos. Vd = f (vi, p , f ) (1) Vd = variable dependiente que refleja el comportamiento o estado del sistema. Vi = variables independientes como tiempo o espacio a través de las cuales el comportamiento del sistema será determinado. P = parámetros , son reflejos de las propiedades o la composición del sistema. f = funciones de fuerza, son influencias externas sobre el sistema. De la segunda Ley de Newton: F = ma ; reordenando f a = ______ ( 2 ) m Características de este modelo matemático. 1.− Describe un proceso o sistema natural en términos matemáticos. 2.− Representa una simplificación de la realidad. 3.− Conduce a resultados predecibles. Otros modelos matemáticos de fenómenos físicos pueden ser mucho más complejos. De nuevo si usamos la segunda Ley de Newton para determinar la velocidad final o terminal de un cuerpo, tenemos un expresión de aceleración como la razón de cambio de la velocidad con respecto al tiempo: f dv = _____ ( 3 ) dt m 2 Para un cuerpo que cae, la fuerza total es: F = FD + Fu ( 4 ) FD = La atracción hacia abajo debido a la fuerza de la gravedad. Fu = Fuerza hacia arriba debida a la resistencia del aire, En donde: FD = mg Fu = −cu c = coeficiente de resistencia o arrastre Como la fuerza total , es la diferencia entre las fuerzas hacia abajo y las fuerzas hacia arriba, tenemos: dv = mg − cu ( 7 ) dt m dv = g − c/m (v) ( 8 ) dt Esta ecuación es un modelo matemático que relaciona la aceleración de un cuerpo que cae con las fuerzas que actúan sobre él. Se trata de una ecuación diferencial o ecuaciones diferenciales. Si las ecuaciones son más complejas, se requiere de técnicas avanzadas para obtener una solución analítica exacta o aproximada. Si el objeto está en reposo, v = o y t = 0 , y usando las teorías de cálculo, obtenemos: v(t) = gm/c ( 1 − e−(c/m)t ) ( 9 ) Que es la solución analítica o exacta, v(t) = variable dependiente t = es la variable independiente c,m = parámetros g = función de la fuerza Ej. 1.1 Un paracaidista , con una masa de 68.1 kgs salta de un globo aerostático fijo. Con la ayuda de la ecuación ( 9 ), calcule la velocidad antes de abrir el paracaídas, coeficiente de resistencia = 12 kg/seg. 3 Datos: m = 68.1 c = 12.5 g = 9.8 m/s v(t) = gm/c ( 1 − e−(c/m)t ) t,s 0 2 4 6 8 10 12 v, m/s 0 16.42 27.76 35.63 41.05 44.87 47.48 53.39 53.39 1 − e −(0.1835)t Cuando los métodos numéricos − modelos matemáticos − no pueden resolverse con exactitud, se requiere de una solución numérica que se aproxima a la solución exacta. Los métodos numéricos son aquellos en los que se formula el problema matemático para que se pueda resolver mediante operaciones aritméticas. Para la segunda Ley de Newton, al aproximar a la razón del cambio de la velocidad con respecto al tiempo , tenemos: dv = v = v ( ti + 1 ) − v ( ti ) ( 10 ) 4 dt t ti + 1 − ti Diferencias finitas divididas v ( ti ) = es la velocidad en el tiempo inicial ti v ( ti + 1 ) = es la velocidad después de un tiempo mas tarde: ti + 1 sustituyendo la ec. ( 10 ) en la ec. ( 8 ): v ( ti + 1 ) − v ( ti ) = g − c/m v ( ti ) ti + 1 − ti Reordenando: V ( ti + 1 ) = v ( ti ) + g − c/m v( ti ) ( ti + 1 − ti ) ( 11 ) A cualquier tiempo Nuevo valor = viejo valor + pendiente x tamaño del paso. Ejemplo 1.2 Resolver el ejemplo anterior mediante una solución numérica para calcular la velocidad. Emplear un tamaño del paso de 2 segundos. Datos: m = 68.1 kg c = 12.5 kg/s 5 g = 9.8 m/s V ( ti + 1 ) = v ( ti ) + g − c/m v( ti ) ( ti + 1 − ti ) V1 = V0 + g − c/m V0 ( ti + 1 − ti ) ; t1 = 2 seg V1 = 0 + 9.8 − 12.5/68.1 (0) (2−0) = 19.6 m/s t2 = 4s, v2 = ? V2 = 19.6 + 9.8 − 12.5/68.1 (19.6) (4−2) = 32 m/s Sustituyendo: V3 = V2 + g − c/m V2 (t3 − t2) V3= 32 + 9 .8 − 12.5/68.1 (32) (2) = 39.85 m/s Entonces V3= 39.85 m/s Sustituyendo: V4 = 39.85 + 9 .8 − 12.5/68.1 (39.85) (2) = 44.82 m/s V5 = 44.82 + 9 .8 − 12.5/68.1 (44.82) (2) = 47.96 m/s V6 = 47.96 + 9 .8 − 12.5/68.1 (47.96) (2) = 49.95 m/s t,s 0 2 4 6 8 10 12 SN 0 19.6 32 39.85 44.82 48.01 49.05 53.39 SA 0 16.42 27.76 35.63 41.05 44.87 47.48 53.39 6 1.2. Importancia de los métodos numéricos Los métodos numéricos son técnicas mediante las cuales es posible formular problemas matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. El análisis numérico trata de diseñar métodos para aproximar de una manera eficiente las soluciones de problemas expresados matemáticamente. El objetivo principal del análisis numérico es encontrar soluciones aproximadas a problemas complejos utilizando sólo las operaciones más simples de la aritmética. Se requiere de una secuencia de operaciones algebraicas y lógicas que producen la aproximación al problema matemático. Los métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos en: • Cálculo de derivadas • Integrales • Ecuaciones diferenciales • Operaciones con matrices • Interpolaciones • Ajuste de curvas • Polinomios Los métodos numéricos se aplican en áreas como: Ingeniería Industrial, Ingeniería Química, Ingeniería Civil, Ingeniería Mecánica, Ingeniería eléctrica, etc... 1.3 Tipos de errores 7 Exactitud.− Lo que está más cerca del valor verdadero. Se refiere a que tan cercano está el valor medido o calculado con el valor verdadero. Precisión.− Se refiere a que tan cercano esta un valor individual medido o calculado con respecto a los otros. Cifras significativas.− Es el conjunto de dígitos confiables o necesarios que representan el valor de una magnitud independientemente de las unidades de medidas utilizadas. Confiables.− Por que dependen del instrumento de medición empleado. Necesarias.− Por que depende de leyes, reglamentos, normas o costumbres. La longitud del pizarrón es: En 4 mediciones, siendo en cada medición distintas personas, los resultaos fueron los siguientes: 1.− 3.0 m 2.− 3.0 m 3.− 3.0 m 4.− 3.0 m La longitud de la libreta : 1.− 28 cm ( flexómetro ) 3.− 28 cm 8 2.− 27.5 cm ( regla ) 4.− 28 cm La longitud de un lápiz: Regla: 14.3 cm Tornillo: 14.327 cm Vernier: 14.32 cm La velocidad de un automóvil: Digital: 89.5 km/h Carátula: 90 km/h ¿ Cuántas cifras significativas ( que tan preciso debe ser ) son necesarias ? 1.− El total de cifras significativas es independiente de la posición del punto decimal. Ejemplo: El medir una mujer se registró que su estatura es de 1.67 m = 16. 7 dm = 167 cm , (teniéndose 3 cifras significativas ). 2.− Los ceros a la izquierda de dígitos no nulos, nunca serán cifras significativas. Ejemplo: Un balero tiene un diámetro de 26 mm = 0.026 m = 0.000026 km ( 2 cifras significativas ). 3.− Los ceros intermedios de dígitos no nulos, siempre serán significativos: Ejemplo: • 40072 ( 5 c.s. ) • 3.001 ( 4 c.s. ) • 0.000203 ( 3. c.s. ) Los errores.− Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Error absoluto.− Es igual a la diferencia entre el valor verdadero y el valor aproximado: EA = Vv − Va ( 12 ) Error Relativo.− Es el cociente del error absoluto respecto al valor verdadero: ER = EA = Vv − Va Vv Vv Error Relativo Porcentual: ERP = EA x 100 % ( 13 ) 9 Vv Ejercicios: Ejemplo.− Supóngase que se tiene que medir la longitud de un puente y de un remache. La longitud del puente obtenida es de 9999 cm y la del remache es de 9 cm. Si los valores verdaderos son 10,000 y 10 cm, respectivamente, calcule : • el error absoluto • el error relativo % para cada caso: Puente Remache Vv = 10000 cm 10 cm Va = 9999 cm 9 cm EA = 10000 − 9999 EA = 10 − 9 EA = 1 cm EA = 1 cm Error Porcentual = 1 x 100 = 0.01 % 10,000 Error Porcentual = 1 x100 = 10 % 10 Ejemplo: Suponga que el valor para un cálculo debería ser Vv = 0.10 x 102 pero se obtuvo el resultado de Va = 0.08 x 102. Determine el error absoluto y el error relativo porcentual: EA = 0.10 x 102 − 0.08 x 102 EA = 2 = 0.2 x 101 ERP = 0.2 x 101 x 100 = 20% 0.10 x 102 Ejemplo: Vv = 0.24 x 10 − 4 Va = 0.12 x 10 − 4 EA = 0.24 x 10 − 4 − 0.12 x 10 − 4 EA = 1.2 x 10 − 5 , 0.12 x 10 − 4 , por lo tanto es pequeño 10 ERP = 0.12 x 10 − 4 x 100 = 50%, por lo tanto es grande. 0.24 x 10 − 4 Ejemplo : Vv = 0.46826564 x 10 6 Va = 0.46830000 x 10 6 EA = 0.46826564 x 10 6 − 0.46830000 x 10 6 EA = 34.46 , por lo tanto es grande. ERP = 34.36 x 100 =7.33771504 x 10 − 3, es pequeño 0.46826564 x 10 6 Concluyendo , cuando se manejen cantidades muy grandes o muy pequeñas el EA puede ser engañoso, mientras que el error relativo es más significativo en estos casos. Determinación del error en ausencia del valor verdadero Cuando no se conoce la respuesta verdadera, es necesario estimar el valor en ausencia de los valores verdaderos. Ciertos métodos numéricos usan un método iterativo para calcular resultados, tales casos se hace una aproximación con base en la aproximación anterior. Es decir, el error se calcula como la diferencia ente la aproximación actual y la aproximación previa. Ea = aproximación actual − aproximación anterior x 100 (14) aproximación actual Ea < El siguiente criterio es útil para tener la seguridad que el resultado es correcto en al menos n cifras significativas. • = ( 0.5 x 10 2 − n ) = 0.5 x 10 −3 %, = 0.005 % Ejemplo: La función exponencial llamada expansión por serie de Mc Laurin, se puede calcular mediante la ecuación: ex = 1 + x + x2 + x3 + ........... + x n 2! 3! n! Mientras más términos se le agreguen a la serie, la aproximación se acercará cada vez más al valor de ex . Estímese el valor de e 0.5 , calculando los valores del ERP ( error relativo porcentual y el valor de aproximación ) , si el valor real o verdadero es e 0.5 = 1.648721, agréguese términos a la serie hasta que Ea < , cumpla 3 cifras significativas. 11 Solución: E = ( 0.5 x 10 2 −3 ) % = 0.5 x 10 − 1 E = 0.005 Ea < 0.05 % 1er término ex = 1 ERP = 1.648721 − 1 x 100 = 39.34 % 1.648721 2do término ex = 1 + 0.5 = 1.5 ERP = 1.648721 − 1.5 x 100 = 9.02 % 1.648721 3er término ex = 1 + x + x2 2! ex = 1.5 + (0.5)2 = 1.625 2! ERP = 1.648721 − 1.625 x 100 = 1.438 % 1.648721 Ea = 1.625 − 1.5 x 100 = 7.692% 1.625 4to término e x = 1.625 + (0.5)3 = 1.645833 3! ERP = 1.648721 − 1.645833 x 100 = 0.175 % 1.648721 12 Ea = 1.645833 − 1.625 x 100 = 1.265% 1.645833 5to término e x = 1.645833 + (0.5)4 = 1.648437 4! ERP = 1.648721 − 1.648437 x 100 = 0.0172 % 1.648721 Ea = 1.648437 − 1.645833 x 100 = 0.158% 1.648437 6to término e x = 1.648437+ (0.5)5 = 1.648697 5! ERP = 0.00142 % Ea = 1.648697 − 1.648437 x 100 = 0.0158% 1.648697 Ea < 0.0158 < 0.05 % Término 1 2 3 ex 1 1.5 1.625 ERP Ea 6 1.648697 0.00142 0.0158 Ea < Errores de Truncamiento Con 5 cifras significativas: 75.667891 75.667591 75.66453 75.668 75.668 75.665 Es el que ocurre al aumentar o disminuir artificialmente el valor de una magnitud. 13 Criterio de redondeo D1 d2 d3 ..... d1 i +1 ..... dn ( i < n ) Di + 1 > 5 di = di +1 Di + 1 < 5 di = di Di es par di = di Di + 1 = 5 Di es impar di = di +1 Ejemplos: Redondear a 4 cifras significativas: • 42.37834 = 42.38 • 382.154 = 382.2 • 545.21 = 545.2 Ejemplo: Error de redondeo, al restar dos números iguales. Considere las ecuaciones: 31.69 x + 14.31 y = 45.00 13.05 x + 5.89 y = 18.53 Determine los valores aproximados de x e y usando redondeo a dos cifras decimales, obtenga el error absoluto y el error relativo porcentual para cada variable si sus valores verdaderos son: X = 1.25055 = 1.250547046 Y = 0.37527 = 0.375273523 EA = 1.25055 − 1.250547046 EA = 0.000002954 EA = 0.37527 − 0.375273523 EA = 0.000003523 ERP = 0.000002954 x100 1.25055 ERP = 0.00023 % 14 ERP = 0.000002954 x100 0.37527 ERP =0.00078 % Resuelva la ecuación cuadrática: 100x2 −10011x + 10.011 = 0 Para encontrar las raíces reales ( x1,x2 ), redondeando a 5 dígitos significativos y a 5 dígitos decimales. 10011 +− " (−10011)2 −4(100)(10.011) 2(100) x1 = 80.088, 10041 x2 = 20.022, 9981.0 Errores de Truncamiento Ej. 653. 45931 653. 45 Son aquellos que resultan al usar una aproximación en lugar de un procedimiento matemático. Para estos casos las series de Taylor, en los métodos numéricos, expresan las funciones en forma polinomial: f(x1 +1) + f(xi) +f´(xi)h +f (xi)h2+ f'(xi)h3 + .....fn(xi)hn 2! 3! n! h(x1 +1− xi) Ej. Use términos en la serie de Taylor de cero a 4to orden para aproximar la función f(x) = −0.1x4 −0.15x3−0.5x2−0.25x +1.2, desde xi = 0 con h =1 para predecir el valor de la función en x1 +1 = 1. Solución: n = 0 orden f(x1 +1) = f(xi) = −0.1x4 −0.15x3−0.5x2−0.25x +1.2 f(x1 +1) = 1.2 n = 1er orden f(x1 +1) + f(xi) +f´(xi)h f(x1 +1) =1.2 + (−0.4 x3−0.45x2−x−0.25) (1) 15 f(x1 +1) =1.− 0.25 f(x1 +1) = 0.95 n= 2do orden f(x1 +1) + f(xi) +f´(xi)h +f (xi)h2 2! f(x1 +1) = 1.2−0.25+(−1.2x2−0.90x−1) (1)2 2! f(x1 +1) = 0.95 −0.5 f(x1 +1) = 0.45 n = 3er orden f(x1 +1) + f(xi) +f´(xi)h +f (xi)h2+ f'(xi)h3 2! 3! f(x1 +1) = 0.45+ ( −2.4x−0.90 ) (1)3 6 f(x1 +1) = .45 − 0.15 f(x1 +1) = 0.3 n = 4to orden f(x1 +1) = 0.3 + f4 (xi) h4 4! f(x1 +1) = 0.3 + (−2.4) (1)4 24 f(x1 +1) = 0.2 16 Error numérico total Es la suma de los errores de truncamiento y redondeo. Para minimizar los errores de redondeo debe incrementarse el número de cifras significativas. El error de truncamiento puede reducirse por un tamaño de paso más pequeño. II. − Soluciones de Ecuaciones No Lineales. 2.1 Raíces de ecuaciones: La fórmula cuadrática −b +− " b2 −4ac (2.1) 2a 17 Se usa para resolver ecuaciones del tipo Ax2+ bx + c Ej. = f(x) = ax2 − bx + c ( 2.2 ) A los valores calculados en la ec. (2.1) se les llama raíces de la ecuación ( 2.2 ). Son valores de x que hacen a la ecuación igual a cero. Se puede definir a la raíz de una ecuación como el valor de x que hace a f(x) = 0. Fundamentos Matemáticos Las funciones algebraicas como los polinomios se representan generalmente como: fn(x) = a0 + a1 + a2 x2 + .......... anxn Ejemplos: f2(x) = 1−2.37x+ 7.5x2 f6(x) = 5x2 −x3 + 7x6 f5(x) = 2 − 8x + x3 + 4x5 Las funciones trascendentales contienen términos trigonométricos , exponenciales o logarítmicos. Ejemplos: f(x) = lnx2 −1 f(x) = ex sen x + ln 3x + x3 f(x) = e−0.2x sen(3x−0.5) Las raíces de las ecuaciones pueden ser reales o complejas. Si f(x) es un polinomio factorizable, como: f(x) = ( x− x1 ) ( x − x2 ) ( x − x3 ) ....... ( x − xn ) Se tiene que xn es la n − ésima raíz de f (x) = 0 Ejemplo: f(x)= x3 −7x2 −4x + 28 = 0 ( x2 − 4 ) ( x − 7 ) = 0 x1 = 2, x2 = −2, x3 = 7 2.2 Métodos de intervalo 2.2.1 Método de Bisección 18 PASO 1.− Alija los valores iniciales inferior xi y superior xs. PASO 2.− La primera aproximación a la raíz xr se determina como: xr = xi + xs. 2 PASO 3.− Calcule f(xi), f(xr) para determinar en que subintervalo cae la raíz. PASO 4.− a ) Si f(xi) f(xr) < o, la raíz se encuentra en este subintervalo entonces xs. = xr, continúe el paso 2. b)Si f(xi) f(xr) > 0, la raíz se encuentra en el subintervalo superior, entonces xi = xr, continúe el paso 2. PASO 5.− Cuando Ea < , el cálculo termina. Ej. Determine el coeficiente de rozamiento c =? Necesario para que un paracaidista de masa = 68.1 kg tenga una velocidad de 40 m/s, después de una caída libre de t = 10 seg. La aceleración de la gravedad es de 9.8 m/s2. La ecuación a utilizar es: f(c) = gm/c ( 1 − e−(c/m) t ) − v = 0 Solución analítica: Aproximación gráfica: f(c) = 9.8 (68.1)/c ( 1− e −(c/68.1) ) −40 = 667.38/c ( 1−e(−0.146843) ) − 40 c 4 8 12 16 20 f(c) 34.115 17.653 6.067 −2.269 −8.401 19 • bisección xi = 12, xs = 16 xr = (12+16)/2 = 14, xr = xs f(xi) = f(12) = 6.067 f(xr) = f(14) = 1.5687 f(xi) f(xr) = (6.067)( 1.5687) > 0, la raíz se encuentra en el subintervalo superior, xi = xr n=2 xi = 14, xs = 16 , xr = 15 f(xi) = f(14) = 1.5687 f(xr) = f(15) = −0.4248 f(xi) f(xr) = (1.5687)( −0.4248) < 0, la raíz se encuentra en este subientervalo, xs = xr Ea = {15−14/15} x 100 = 6.667 % n=3 xi = 14, xs = 15 , , xr = 14.5 f(xi) = f(14) = 1.5687 f(xi) =f(14.5)= 0.5523 20 f(xi) f(xi) > 0, xi = xr Ea = {14.5−15/14.5} x 100 = 3.448 % n=4 xi = 14.5, xs = 15 , , xr = 14.75 f(xi) = f(14.5) = 0.5523 f(xi) =f(14.75)= 0.05896 f(xi) f(xi) > 0, xi = xr Ea = {14.75−14.5/14.75} x 100 = 1.695 % n=5 xi = 14.75, xs = 15 , , xr = 14.875 f(xi) = f(14.75) = 0.5896 f(xi) =f(14.87)= −0.1841 f(xi) f(xi) < 0, xs= xr Ea = {14.875−14.75/14.875} x 100= 0.840 % n=6 xi = 14.75, xs = 14.875 , , xr = 14.8125 Ea = {14.8125−14.875/14.8126} x 100= 0.4219 % Ea < 0.422% < 0.5 % xr = 14.8125 iteración 1 2 3 4 5 6 Xi 12 14 14 14.5 14.75 14.75 Xs 16 16 15 15 15 14.875 Xr 14 12 14.5 14.75 14.875 14.8125 Ea % 6.667 3.448 1.695 0.480 0.422 2.2.2 Método de la Falsa posición 21 Este , método utiliza una interpolación lineal ajustada a dos puntos extremos para encontrar una aproximación a la raíz. De acuerdo a la siguiente figura: La intersección de la línea recta con el eje de la x puede estimarse: f(xi ) = f(xs) (2.4) xr − xi xr − xs Reagrupando términos y reordenando f(xi) (xr − xs) = f(xs) (xr − xi) xr { f(xi) − f(xs) } = xs f(xi) − xi f(xs) dividiendo entre f(xi) − xi f(xs) = xr = xs f(xi) − xi f(xs) (2.5) f(xi) − f(xs) Separando términos: xr = xs + xs f(xi) − xi f(xs) f(xi) − f(xs) f(xi) − f(xs) Sumando y restando xs en el lado derecho xr = xs + xs f(xi) − xs xi f(xs) f(xi) − f(xs) f(xi) − f(xs) Agrupando términos se obtiene: 22 xr = xs + xs f(xs) − xi f(xs) f(xi) − f(xs) f(xi) − f(xs) xr = xs − f(xs) (xi −xs) (2.6) f(xi) − f(xs) El algoritmo es idéntico al de bisección, excepto que la ec. (2.6), se usa en el paso 2. Ejemplo Use el método de la falsa posición, para determinar la raíz de la ec. analizada en el ejemplo 2.1 f ( c ) = 667.38/c { (1−e−0.146843 c) } −40 n=1 xi = 12 f(xi) = 6.067 xs = 16 f(xs) = −2.2687 xr = 16 − (−2.2687) (12 −16) = 14.911 6.067 − (−2.2687) f(xr) = −0.25426 f(xi) f(xr) = 6.067 (−0.25426 ) < 0, xs = xr n=2 xi = 12 f(xi) = 6.067 xs = 14.9112 f(xs) = −0.25426 23 xr = 14.9113 − (−0.25426) (12 −14.9113) = 14.7942 6.067 − (−0.25426) f(xr) = −0.0.2726 f(xi) f(xr) < 0, xs = xr Ea = {(14.7942−14.9113)/14.7942} x 100% = 0.79 % n=3 xi = 12 f(xi) = 6.067 xs = 14.7942 f(xs) = −0.02726 xr = 14.7942 − (−0.02726) (12 −14.7942) = 14.7816 6.067 − (−0.02726) xr = 14.7816 Ea = {(14.7816−14.7942)/14.7816} x 100% = 0.087 % Ea < 0.087 < 0.5 % 2.3 Métodos de Punto fijo 2.3.1 Método de aproximaciones sucesivas Los métodos abiertos se basan en fórmulas que requieren de un solo valor para predecir la raíz. La ecuación f(x)= 0 se arregla de tal modo que x quede del lado izquierdo de la ecuación: X = g (x ) (2.7) Ejemplo: f(x) = x2 −2x + 3 = 0 reordenando : x = x2 + 3 2 f(x) = sen x = o reordenando: x = sen x + x Requerimos de un valor inicial xi, que se puede usar para obtener una aproximación de xi + 1, expresándolo por la forma iterativa: 24 xi + 1 = g (xi ) ( 2.8 ) El error de aproximación: Ea = xi + 1 − xi x 100 xi + 1 Es quema gráfico de la convergencia de la iteración del punto fijo: Use el método de aproximaciones sucesivas ( iteración del punto fijo para localizar la raíz de f (x) = e−x − x, x0 = 0, Ea = 0.5% ) X = e−x = g ( x ) X1 + 1 = e−xi X0 = 0, x1 = e−0 = 1 ; x1 = 1 X2 = e−x1 = e−1 = 0.367879 X3 = e−x2 = e−0.367879 = 0.692200 X4 = e−x3 = e−0.692200 = 0.500473 X5 = e−x4 = e−0.500473 = 0.606243 X6 = e−x5 = e−0.606243 = 0.545396 25 X7 = e−x6 = e−0.545396 = 0.579612 I 0 1 2 3 4 * 12 xi 1 0.367879 0.692200 0.500473 0.606243 0.579612 0.566400 Ea (%) 171.83 46.9 38.3 17.4 * * 0.355 2.3.2 Método de Newton − Raphson Este método se puede obtener mediante el siguiente gráfico: 26 Si el valor inicial de la raíz es xi , podemos trazar una tangente desde el punto { xi, f(xi) }. El punto donde está tangente cruza el eje x, representa una aproximación de la raíz. De la figura la primera derivada es x , es equivalente a la pendiente. f´(x) = f(xi) − 0 xi − xi + 1 Reordenando: Xi +1 = xi − f(xi) Fórmula de Newton−Raphson ( 2.9 ) f´( xi ) Esta ecuación también puede obtenerse mediante la serie de Taylor. f(x1 +1) + f(xi) +f´(xi)h +f (xi)h2+ f'(xi)h3 + .....fn(xi)hn 2! 3! n! Truncando la serie de Taylor hasta la primera derivada: f(x1 +1) = f(xi) +f´(xi) (x1 +1 − xi) en el que se intersecta con el eje x, f(x1 +1) = 0 0 = f(xi) +f´(xi) (x1 +1 − xi) Xi +1 = xi − f(xi) que es la ec. ( 2.9 ) f´( xi ) 27 Ejemplo 2.4 Encuentre la raíz de tgx−x = 0, en < x< 1.5 , = 0.01% Solución: 3.1416 < x< 4.71 f(x) = tan x − 0.1 = 0 f´(x) = sec2 − 0.1 f´(x) = 1 − 0.1 cos2 x x0 = 3.5 x1 = X0 − f(x0) f´( x0 ) Sustituyendo: 3.5 − tan 3.5 − 0.1 (3.5) 1 − 0.1 cos2 3.5 x1 = 3.476422 = 3.468356 Ea = 3.476422 − 3.5 x 100 % = 0.678226 3.476422 x2 = x1 − f(x1) f´( x1 ) Sustituyendo: 3.476422 − tan 3.476422 − 0.1 (3.476422) 1 − 0.1 cos2 3.476422 x2 = 3.476140 Ea = 3.476140 − 3.476422 x 100 % = 0.008% 28 3.476140 Ea < 0.008 % < 0.01 % x = 3.476140 La siguiente fórmula atribuida a Francis se aplica a un vertedor con concentraciones: Q = 3.33 ( B −0.2 +1) (H3)1/2 Donde: Q = cantidad de agua que pasa por el vertedor (pie3/s) B = ancho del vertedor en pies H = carga sobre la cresta del vertedor Si B = 3 y Q = 12 , calcule los valores con el método de Newton− Raphson. Se requiere utilizar como valor inicial H0 =B/2 Solución : f(x) = Q − 3.33(B−0.2+1)(H3)1/2 = 0 f´(x) =Q −10H3/2 + 0.666H5/2 = Q−3.33BH3/2+ 0.666H5/2 = −3.33(3/2)H1/2+ 0.666(5/2)H3/2 = −5BH1/2 + 1.66H3/2 = −15H1/2 + 1.665 H3/2 H0 = x0 = 3/2 = 1.5 x1 = X0 − f(x) f´( x) H1 = H0 − f(H) f´(H) f(H) = 12−10(1.5)3/2 + 0.666 (1.5)5/2 = −4.5359 f´(H) = −15(1.5)1/2 + 1.665 (1.5)3/2 = −15.3125 29 H1 = 1.5 − 4.5359 = 1.2037 15.3125 f(H) = 12−10(1.2037)3/2 + 0.6666 (1.2037)5/2 f´(H) = −15(1.2037)1/2 + 1.665(1.2037)3/2 H2 = 1.2037 − −10.14784 −14.2581 H2 = 1.1933 H3 = 1.1933 2.3.3 Método de la Secante Consiste en aproximar la derivada f´(x1) , mediante una diferencia dividida finita regresiva, como se muestra en la siguiente figura: f´(x1) = f(x1) − f(x1 −1) xi − x1 −1 Sustituyendo esta aproximación en la ecuación (2.9), obtenemos la siguiente ecuación iterativa: x1 +1 = xi − f(x1) − (x1 −1) ( 2.10 ) f(x1) − f(x1 −1) Se requiere de dos valores iniciales, xo , x1 X2 = x1 − f(x1) − (x1 − xo) f(x1)−f( xo) 30 X3 = x2 − f(x2) − (x2 − x1) f(x2)−f( x1) hasta que se cumpla la tolerancia Ea < 2.6 Un proyectil de m = 2 grs, ha sido lanzado verticalmente al aire y está descendiendo, a su velocidad terminal, que se determina mediante mg = fD. El modelo matemático que relaciona todas las variables y constantes es : mg = 1.4 x 10−5 v1.5 + 1.15 x 10−5 v2 1000 donde: v = velocidad terminal en m/s. El primer término del lado derecho. Representa la fuerza de fricción y el segundo término representa la fuerza de presión. Determinar la velocidad terminal, por el método de la secante, con valores iniciales de Vo = 30, V1 = 30.1 y = 0.1%. Solución: f(x) = f(x) = 2(9.81) = 1.4 x 10−5 v1.5 − 1.15 x 10−5 v2 = 0 1000 f(v) = 0.1962−1.4 x 10−5 v1.5 − 1.15 x 10−5 v2 = 0 1era iteración: Vo = 30, V1 = 30.1 V2 = V1 − f(V1)( V1 − Vo ) f(V1)− f(V0) f(V0) = 0.1962−1.4 x 10−5 (30)1.5 − 1.15 x 10−5 (30)2 = 6.9695 x10−3 f(V1) = 0.1962−1.4 x 10−5 (30.1)1.5 − 1.15 x 10−5 (30.1)2 = 6.8889 x10−3 V2 = 30.1 − 6.8889 x10−3 (30.1−30) = 38.6470 6.8889 x10−3 − 6.9695 x10−3 Ea = 38.6470 − 30.1 x 100 = 22.1% 38.6470 31 2da iteración V1 = 30.1, V2 = 38.6470 f(V1)= 6.8889x10−3 f(V2)= −9.1702410−4 V3 = 37.64045 Ea = 2.67% 3era iteración V2 = 38.6470 , V3 = 37.64045 f(V2)= −9.17024 x10−4 f(V3)= 9.372617 x10−5 V4 = 37.73353 Ea = 0.24% 4ta iteración V3 = 37.64045, V4 = 37.73353 f(V3)= 9.372617 x10−5 f(V4) = 1.04766 x 10−6 V5 =37.7346 = V Ea = 0.00278 %, < Ejemplo 2.7 Para el diseño de tuberías, en el transporte de flujo de fluidos, uno de los parámetros importantes a considerar, es el factor de fricción de Fanning, cantidad a dimensional que depende de otro parámetro a dimensional , el número de Reynolds, Re. Una de las ecuaciones para determinar el factor de fricción es la de Von Karman: 1 = 4 log10 (Re "f ) −0.4 "f Los valores típicos del número de Reynolds va de 10,000 hasta 500,000: 10,000 < Re > 500,000 para flujo turbulento y valores típicos para el factor de fricción de Fanning; 0.01< f >0.01. Determine f por el método de la secante. Fo = 0.0049 , f1 = 0.0050, = 0.1% 32 Re = r Solución: 1 = 4 log10 (105 x "f ) +0.4 "f Re = 100,000 1er iteración f(f0) = 1 − 4 log10 (105 x"0.0049 ) +0.4 "0.0049 f(f0) = −0.6946 f(f1) = 1 − 4 log10 (105 x"0.0050 ) +0.4 "0.0050 f(f1) = −0.8558 f2 = f1 − f(f1)( f1 − f0 ) f(f1)− (f0) f2 = 0.0050 − (−0.8558)(0.0050−0.0049) (−0.8558)+( 0.6946 ) f2 = 0.004469 Ea = 0.004469 − 0.0050 x 100 = 11.88% 0.004469 2da iteración f(f2) = 1 − 4 log10 (105 x" 4.469x10−3) +0.4 "4.469x10−3 f(f2) = 0.05831 f(f3) = 1 − 4 log10 (105 x" 4.506x10−3) +0.4 "0.004506 33 f(f3) = −0.0103 3er iteración f3 = f2 − f(f2) (f2 − f1) f(f2) − f(f1) f3 = 4.469x10−3 − (0.05831)( 4.469x10−3 − 0.0050) 0.0583 + 0.0050 f3 = 0.0049581 Ea = 0.004502 − 0.004469 x 100 = 0.73% 0.004502 III. Solución de sistemas de Ecuaciones lineales y no lienales 3.1 Métodos de soluciones de Ecuaciones lineales 3.1.1 Método gráfico Las ecuaciones generales a11 x1 + a12 x2 = b1 a12 x1 + a22 x2 = b2 Pueden resolverse para x2, a11 b1 De ec. (1), x2 = − x1 + a12 a12 a12 b2 De ec. (2), x2 = − x1 + a22 a22 de donde x2 = ( pendiente ) x1 + intersección. Es decir, las ecuaciones tienen la forma de líneas rectas que se puedan graficar y su intersección representa la solución. Ejemplos: Ej. 3.1 34 Use el método gráfico para resolver las siguientes ecuaciones: 3x1 + 2x2 = 18 (A) − x1 + 2x2 = 2 ( B) Solución: Despejar : De ec. (A) : x2 = −3 x1 + 9 2 De ec. (B) : x2 = 1 x1 + 1 2 3.1.2 Método de Krammer Un sistema de ecuaciones algebraicas lineales se representan como: a11 x1 + a12 x2 + **** a1n xn = b1 a12 x2 + a21 x2 + **** a2n xn = b2 * * am1 x1 + am2 x2 + **** ann xn = bn Donde: a = coeficientes b = constantes cuya matriz de coeficientes, para un sistema de 3 ecuaciones, es: 35 a11 a12 a13 A = a21 a22 a23 a31 a32 a33 Y de donde el determinante D, de tercer es : a11 a12 a13 D = a21 a22 a23 a31 a32 a33 que se resuelve como: a22 a23 a21 a23 a21 a22 D = a11 − a12 + a13 a3 a33 a31 a33 a31 a32 donde los determinantes de 2 x 2 se les llama menores. La regla de Krammer, se expresa como una fracción de dos determinantes con denominador D y con el numerador obtenido a partir de D al reemplazar la columna de coeficientes de la incógnita x1 por las constantes b1 ***** b2 ****** bn b1 a12 a13 X1 = b2 a22 a23 b2 a32 a33 D a11 a12 a13 X2 = a21 a22 a23 a31 a32 a33 D a11 a12 a13 X3 = a21 a22 a23 a31 a22 a33 D 36 Ejemplo 3.2 Use la regla de Krammer para resolver: 0.3 X1+ 0.52 X2+ X3 = −0.01 0.5 X1+ X2+ 1.9X3 = 0.67 0.1 X1+ 0.3 X2+ 0.5X3 = −0.01 0.3 X1+ 0.52 X2+ X3 0.03 0.52 A = 0.5 X1+ X2+ 1.9X3 0.5 1 0.1 X1+ 0.3 X2+ 0.5X3 0.1 0.3 (0.15)+(0.0988)+(0.15)−(0.1)−(0171)−(0.13) = −0.0022 det A = −0.0022 −0.01 X1+0.52 X2+1 X3 −0.01 0.52 B = 0.67 X1+ 1 X2+ 1.9X3 0.67 1 −0.44 X1+0.3 X2+0.5X3 −0.44 0.3 −(0.005)−(0.43472)+(0.201)+(0.44)+(0.0057)−(0.1742)= det B = 0.03278 det B = 0.03278 = −14.9 det A = −0.0022 0.03X1 −0.01 X2+1 X3 0.3 −0.01 C = 0.5 X1 + 0.67 X2+1.9X3 0.50 0.67 0.1 X1 −0.44 X2+0.5X3 0.1 −0.44 (0.1005)−(0.0019)−(0.22)−(0.67)+(0.2508)+(0.0025)= det C = 0.0649 det C = 0.0649 = −29.5 det A = −0.0022 0.3 X1+ 0.52 X2 −0.01X3 0.03 0.52 D = 0.5 X1+ X2+0.67X3 0.5 1 37 0.1 X1+ 0.3 X2 − 0.44X3 0.1 0.3 −(0.132)+(0.03484)−(0.0015)+(0.001)−(0.0603)+(0.1144) = −0.04356 det D = −0.04356 det D = −0.04356 = 19.8 det A = −0.0022 x1 = −14.9, x2 = −29.5 , x3 = 19.8 3.3 Eliminación Gaussiana y sustitución hacia atrás Para un sistema de ecuaciones algebraicas lineales a11 x1 + a12 x2 + **** a1n xn = b1 E1 a12 x2 + a21 x2 + **** a2n xn = b2 E2 * * am1 x1 + am2 x2 + **** ann xn = bn En La matriz aumentada A es : a11 a12 ***** a1n b1 A = a21 a22 ***** a2n b2 a31 a32 ***** a3n bn Para resolver este sistema lineal, se permiten tres operaciones en las ecuaciones. 1) La ecuación −Ei puede multiplicarse por cualquier constante diferente de cero y se puede usar la ecuación resultante en lugar de Ei: (Ei) Ei 2) La ecuación Ej, puede multiplicarse por cualquier constante , sumarla a la ecuación Ei, y usar la ecación resultante en lugar de Ei: (Ei + Ej) (Ei) 3.− Las ecuaciones Ei y Ej se pueden intercambiar (Ei ) (Ei) Ejemplo 3.3 38 Reducir el sistema de ecuaciones: X1 +X2 +X3 +3X4 = 4 2 X1 +X2 −X3 +X4 = 1 3X1 −X2 −X3 +2X4 = −3 −X1 +2X2 +3X3 −X4 = 4 1 0 0 E1 0 1 0 E2 0 0 1 E3 0 0 0 E4 Para resolver las incógnitas: X1 ,X2,X3,X4 : De esta manera el sistema se transforma en un sistema triangular o reducido, por lo tanto, por sustitución hacia atrás: El procedimiento involucrado en este proceso se llama eliminación Gaussiana, con sustitución hacia atrás : 39 El procedimiento se realiza en dos pasos: 1.− Reducir el conjunto de ecuaciones a un sistema triangular superior por eliminación hacia delante: Matrices especiales: Ejemplo 3.4. Use la eliminación de Gauss para resolver: Efectuando los cálculos con 6 cifras significativas Solución: La matriz aumentada es: 40 Ej. 3.5, use la eliminación de Gauss para resolver : 3.1.4 Método de Gauss− Jordan 41 El método consiste en eliminar elementos arriba y debajo del elemento pivote, para generar una matriz diagonal o unitaria en lugar de una triangular. Ej. Use la técnica de Gauss− Jordan para resolver Resolver por Gauss− Jordan: 42 Usando 4 cifras significativas: 3.1.5 Matriz Inversa El producto de una matriz cuadrada , [A] y su inversa [A]−1 da como resultado la matriz identidad [I]: [A] [A]−1 = [A]−1[A] = [I] La matriz inversa se puede calcular en forma numérica para resolver n sistemas lineales, de donde la inversa es la solución del sistema lineal. Ej. 3.8. resolver los tres sistemas lineales: 43 Por el cálculo de la inversa: Solución: La matriz de coeficientes es: La matriz aumentada es : Por eliminación Gaussina: 44 La matriz inversa [A]−1 La solución de los tres sistemas son: • Métodos iterativos Matrices bandeadas Un gran número de sus componentes son cero: El sistema de ecuaciones representados matricialmente para encontrar su solución es Ax = b ( 3.5 ) Reordenando se tiene Ax − b = 0 Una ecuación vectorial de f(x) = 0 (3.6) Aplicando el método iterativo de punto fijo , la ec.(3.6) puede arreglarse de tal forma que: 45 X = g(x) X = Bx + C B = matriz (3.7) C = vector de las constantes Se requiere de un vector inicial x(0) como primera aproximación al vector solución x Dado el sistema: Con a11, a22, a22, diferentes de cero Se despeja X1 de la Ec. 1 Se despeja X2 de la Ec. 2 Se despeja X3 de la Ec. 3 Que en notación matricial queda: 46 Para iterar existen dos métodos • Jacobi El vector aproximación a la solución x después de k iteraciones, entonces se tiene la siguiente aproximación: Resuelva el siguiente sistema por el método de Jacobi: 47 Se despeja X1 de la Ec. 1 Se despeja X2 de la Ec. 2 Se despeja X3 de la Ec. 3 Se despeja X4 de la Ec. 4 Valores iniciales , k = 0 X(0) = [ 0,0,0,0,], Calcular xk+1 = x1 Calcular x2 Calcular x3 Los resultados de las iteraciones son: K X1k X2k X3k X3k 48 0 1 2 3 4 5 6 7 8 9 10 0 0.2500 0.3125 0.3438 0.3555 0.3604 0.3623 0.3631 0.3634 0.3635 0.3636 0 0.2500 0.3750 0.4219 0.4414 0.4492 0.4524 0.4537 0.4542 0.4544 0.4545 0 0.2500 0.3750 0.4219 0.4414 0.4492 0.4524 0.4537 0.4542 0.4544 0.4545 0 0.2500 0.3125 0.3438 0.3555 0.3604 0.3623 0.3631 0.3634 0.3635 0.3636 Ejemplo 3.10 Resolver el siguiente sistema: Despejando: Con E = 0.001 % Si x(0) [0,0.0]T 49 K 0 1 2 3 4 5 6 7 8 X1k 0 −0.5000 −0.4900 −0.4550 −0.4404 −0.4439 −0.4463 −0.4464 −0.4461 X2k 0 0.1000 0.2600 0.2970 0.2795 0.2712 0.2716 0.2729 0.2732 X3k 0 0.2000 0.3300 0.2950 0.2771 0.2762 0.2789 0.2796 0.2793 • Gauss−Seidel Es similar al método de Jacobi, los valores que se van calculando en la ( k + 1 ) − ésima iteración se emplean para calcular los valores faltantes de esa misma iteración, es decir, con x(k), se calcula x(k + 1) . 50 y para un sistema de n ecuaciones: Ej. 3.11. Resuelva el sistema del ejemplo 3.9, por el método de Gauss−Seidel: Con x(0) = [0,0,0,0] K 0 X1k 0.0000 X2k 0.0000 X3k 0.0000 X4k 0.0000 51 1 2 3 4 5 6 0.2500 0.3281 0.3535 0.3629 0.3633 0.3636 0.3125 0.4141 0.4475 0.4534 0.4544 0.4545 0.3281 0.4365 0.4517 0.4541 0.4545 0.4545 0.3320 0.3591 0.3629 0.3635 0.3636 0.3636 Ej. 3.12 Use el sistema del ejemplo 3.6 por el método de Gauss− Seidel: Solución: Despejando: Si con x(0) = [0,0,0] 52 Y así debemos seguir iterando hasta cumplir con el error estipulado. Criterios de convergencia: Ejemplo 3.14 aplicación en Ing. Eléctrica: Un problema común dentro de la Ing. Eléctrica, involucra la determinación de corrientes y voltajes en varios puntos en circuitos de resistores. Estos problemas se resuelven usando las leyes para corrientes de voltajes de Kirchoff. Considere el circuito mostrado en la figura siguiente: Las corrientes asociadas con este circuito son desconocidas tanto en magnitudes como en dirección. Suponiendo las direcciones de las corrientes: Determine las corrientes del circuito: Solución: 53 La regla de la corriente de kirchoff aplicada a cada nodo es i=0 La regla del voltaje en cada una de las mallas es : v−iR = 0 Sustituyendo los valores de las R: Por lo tanto el problema se reduce a la solución del siguiente conjunto de 6 ecuaciones con 6 incógnitas: Por eliminación Gaussiana: • Métodos de soluciones para Senl Antes de intentar resolver un Senl deben tomarse las siguientes sugerencias: Reducir analíticamente el número de ecuaciones é incógnitas. Dividir las ecuaciones en subsistemas menores. Estimar los valores iniciales en base a: Consideraciones físicas. Consideraciones geométricas. 3.2.1 Método de punto fijo multivariable f(x) = 0 54 x = g(x) x(0) = 0 1.− 2.− 3.− Para un sistema de dos ecuaciones con dos incógnitas: f1 = (x,y) (3.16) f2 = (x,y) resolviendo para las variables x, y x = g1 = (x,y) (3.17) y = g2 = (x,y) Aplicando el método de punto fijo y los métodos de Jacobi y Gauss−Seidel, se obtendrá la estimación ( k + 1 )−ésima a partir de la estimación k−ésima: Xk+1 = g1 = (xk,yk) ( 3.18) yk+1 = g2 = (xk,yk) Se comienza con valores iniciales x0, y0, se calculan los nuevos valores de x1, y1 y se repite el proceso hasta encontrar la raíz aproximada: X = g1 = (x ,y) Y = g2 = (x ,y) Ejemplo 3.15. Encuentre una solución del sistema de ecuaciones no lineales: f1 = (x,y) = x2 −10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x −10y + 8 = 0 E2 mediante el método del punto fijo multivariable usando desplazamientos simultáneos ( Jacobi), con valores iniciales x0 = 0, y0 = 0. Solución : Despejar x del término ( −10x) de E1 Despejar y del término ( −10y) de E2 X= 0.1x2 +0.1y2 + 0.8 55 Y= 0.1xy2 +0.1x + 0.8 Expresándolos iterativamente: Xk+1 = 0.1x(xk)2+0.1(yk)2+0.8 Yk+1 = 0.1xk(yk)2 +0.1 xk +0.8 Con valores inciales x0 = 0, y0 = 0, se inicia el proceso iterativo: 1er iteración 2da iteración 3er iteración x1= 0.8 x2 = 0.92800 x3= 0.9728 y1= 0.8 y2 = 0.9312 y3= 0.9733 Los resultados obtenidos del proceso iterativo son: K 0 1 2 3 4 5 * 12 13 Xk 0.0000 0.8000 0.9280 0.9837 * 0.9957 * 0.9999 1.0000 yk 0.0000 0.8000 0.9312 0.9894 * 0.9957 * 0.9999 1.0000 Criterios de convergencia: Para aumentar la velocidad de convergencia puede usarse el proceso iterativo Gauss−Seidel: Xk+1 = g1 = (xk,yk) yk+1 = g2 = (xk+1,yk) (3.19) Ejemplo 3.16, resuelva el sistema del ejemplo anterior utilizando el método del punto fijo multivariable con desplazamientos sucesivos ( Gauss−seidel). f1 = (x,y) = x2 −10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x −10y + 8 = 0 E2 56 Solución: Xk+1 = 0.1(xk)2+0.1(yk)2+0.8 Yk+1 = 0.1xk+1(yk)2 +0.1 xk+1 +0.8 Aplicando los criterios de convergencia se requiere derivar parcialmente: Evaluando para x0 = 0, y0 = 0 1er iteración: x1= 0.8 y1= 0.1(0.8)+0.8=0.88 2da iteración: x2 = 0.1(0.8)2 +0.1(0.88)2 + 0.8 = 0.9414 y2 = 0.1(0.9414)(0.88)2+0.1(0.9414)+0.8 = 0.9670 3er iteración: x3= 0.1(0.9414)2 +0.1(0.9670)2 + 0.8 =0.9821 y3= 0.1(0.9821)(0.9670)2+0.1(0.9821)+0.8 =0.9900 Los resultados del proceso iterativo son: K Xk yk 57 0 1 2 3 4 * 11 0.0000 0.8000 0.9414 0.9821 0.9944 * 1.0000 0.0000 0.8800 0.9670 0.9900 0.9969 * 1.0000 3.2.2 Método Newton−Rapson multivariable Supóngase que se está resolviendo el sistema: f1 = (x,y)= 0 f2 = (x,y) =0 donde ambas funciones son contínuas y diferenciables, de modo que puedan expanderse en serie de Taylor alrededor del punto (a,b): Expandiendo fi alrededor de : de manera similar puede expresarse f2 donde todas las derivadas parciales están evaluadas en (xk,yk). Considerando que la diferencia entre la aproximación actual y anterior es cero, obtenemos: Si definimos que Xk+1 − xk = h (3.22) Yk+1 −yk = j Reordenando 58 Xk+1 = xk+h Yk+1 = yx+j (3.23) Sustituyendo la ec.( 3.22) en la ec.(3.21) Esto representa un sistema de ec. lineales con incógnitas h y j. El sistema lineal tiene solución si el determinante de la matriz de coeficientes o matriz Jacobiana J es diferente de cero. Ej. 3.17 Use el método de Newton−Raphson para encontrar una solución aproximada al sistema: f1 = (x,y) = x2 −10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x −10y + 8 = 0 E2 con el vector inicial [x0 , y0], [0,0]r Solución: Primero se forma la matriz de derivadas parciales: La matriz aumentada es : 59 1er iteración: Evaluamos la matriz en x0,y0 Y nos queda: −10 0 −8 1 −10 −8 de donde h = 0.8 y j = 0.88 Xk+1 = x0 + h = 0 + 0.8 = 0.8 = x1 Yk+1 = y0 + j = 0 + 0.88 = 0.88 = y1 2da iteración 2(0.8) −10 2(0.88) (0−88)2 +1 2(0.8)(0.88)−10 con los valores x1, y1 −8.4 1.76 −1.4144 1.7744 −8.592 −0.6195 por eliminación Gaussiana: de donde h= 0.19179 , j= 0.11171 Sustituyendo en ec. (3.23) x2 = x1 + h = 0.8 + 0.19179 = 0.99179 x2 y2 = y1 + j = 0.88 + 0.11171 = 0.99171 y2 K 0 1 2 3 Xk 0.0000 0.8000 0.9917 0.9998 yk 0.0000 0.8800 0.9917 0.9999 60 4 1.0000 1.0000 IV.− Ajuste de funciones 4.1 Fundamentos de estadística La media aritmética (y) de una muestra, se define como la suma de los datos individuales (yi) dividida entre el número de puntos ( n ). La desviación estándar ( s ) es una medida del espaciamiento de los datos individuales, respecto, a la media: St = = ( yi − y )2 = es la suma total de los cuadrados de los residuos entre los datos y la media. La varianza (S2 ) es la desviación estándar al cuadrado: S2 = ( yi − y )2 = St (4.3) n−1 n−1 otra manera de calcular la desviación estándar es: S2 = yi − (yi)2 / n (4.4) n −1 coeficiente de variación (c.v.) es la razón de la desviación estándar a la media: c.v. = S/y (100)% que es similar al ERP, es decir, es la razón del error de medición (s) , a un estimado del valor real ( y ). Ejemplo 4.1. Calcule la media, la desviación estándar y la varianza para los datos siguientes que representan las mediciones del coeficiente de expansión térmica para acero estructural: ( x106 pulg/pulg °F ) 6.495 6.665 6.775 6.565 6.595 6.505 6.625 6.515 6.615 6.435 6.715 6.555 6.635 6.625 6.575 6.395 6.485 6.715 6.655 6.775 6.555 6.655 6.605 6.685 61 y = 6.6008 S2 = 0.009316 S = 0.096519 Una manera de representar la distribución de datos alrededor de la media es mediante un histograma, ya que éste proporciona una representación visual simple de la distribución. Para los datos del ejemplo tenemos: i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 yi 6.395 6.435 6.485 6.495 6.505 6.515 6.555 6.555 6.565 6.757 6.595 6.605 6.615 6.625 6.625 6.635 6.655 6.655 6.655 6.685 6.715 6.715 6.755 6.775 (yi−y) 0.042025 0.027225 0.013225 0.010025 0.009025 0.007225 0.002025 0.002025 0.001225 0.000025 0.000225 0.000625 0.000625 0.001225 0.003025 0.003025 0.003025 0.007225 0.003025 0.013225 0.013225 0.013225 0.024025 0.003625 frecuencia 1 1 límite inferior límite superior 6.36 6.4 6.4 6.44 4 6.48 6.52 2 6.52 6.56 3 6.56 6.6 5 6.6 6.69 3 6.64 6.68 3 6.68 6.72 1 1 6.72 6.76 6.76 6.8 Método de Jacobi 62