PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS
|
|
- David Eugenio Segura Espinoza
- hace 5 años
- Vistas:
Transcripción
1 PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS PRÁCTICA 9 : Resumen estadística. Nociones de errores. En la práctica 9 tocaremos algunos conceptos de estadística que no hemos visto en la prácticas anteriores. En la práctica haremos una introducción a lo métodos numéricos y trabajaremos con los diferente errores que se generan con el uso de aproimaciones para representar cantidades y/u operaciones conocido con el nombre de Teoría de errores. NOTA: estás prácticas no se realizarán en el académico. presente curso ISIDORO PONTE E.S.M.C.7
2 PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS PRÁCTICA : Resolución numérica de ecuaciones. En estas prácticas aprenderemos a buscar raíces(soluciones) de ecuaciones no lineales para ello usaremos diferentes métodos de aproimación a dichas raíces: bisección regla falsa Newton Raphson método de la secante y punto fijo. Trataremos también en algunas de las prácticas siguientes de crear pequeños programas (eplicándose convenientemente) que efectúen automáticamente los cálculos aproimativos con el simple cambio de los datos y por otra parte cuando el problema no tenga solución nos lo advierta. PROGRAMA DE BISECCIÓN. Este programa utiliza el método de la bisección para aproimar la raíz de () a b ( recordemos que f en un intervalo [ ] este método se basa en el teorema de valor medio Sea f () a y supongamos que f ( a ) < f ( b ). Entonces para cada z tal que f ( a ) < z < f ( b ) eiste un ( a b ) tal que f ( ) z. La misma conclusión se obtiene para el caso que ( a ) f ( b ) continua en un intervalo [ ] b f >. Básicamente el Teorema del Valor medio nos dice que toda función continua en un intervalo cerrado una vez que alcanzó ciertos valores en los etremos del intervalo entonces debe alcanzar todos los valores intermedios. En particular si f (a) y f (b) tienen signos opuestos entonces un valor intermedio es precisamente z y por lo tanto el Teorema del Valor Intermedio nos asegura que debe eistir ( a b ) tal que f ( ) es decir debe haber por lo menos una raíz de f () en el intervalo ( a b ). ISIDORO PONTE E.S.M.C.8
3 El método de bisección sigue los siguientes pasos: Sea f () continua i) Encontrar valores iniciales a tienen signos opuestos es decir tales que f ) y f ) b ( a ( b ii) La primera aproimación a la raíz se toma igual al punto medio entre a y b : iii) Evaluar f ( r ). Forzosamente debemos caer en uno de los siguientes casos: En este caso tenemos que f ( a ) y f ( r ) tienen signos opuestos y por lo tanto la raíz se encuentra en el intervalo [ r ] a. Y asi sucesivamente hasta donde queramos aproimar) Veamos un ejemplo con MATHEMATICA; introducimos la función In[]: f@_d Ep@-D - Log@D; introducimos los etremos del intervalo In[]: ; y ; introducimos el numero de iteraciones In[4]: k 8; introducimos el error inicial en porcentaje In[5]: e ; ISIDORO PONTE E.S.M.C.9
4 calculamos la primera aproimación a la raíz In[6]: z H + y L; le decimos a matemática que use la fórmula de la bisección en el caso que proceda y en este caso que nos despliegue una tabla con las aproimaciones calculadas. En caso negativo que nos mande un mensaje de error. En la tabla aparece la numeración de las raíces el valor y el error In[7]: IfASign@f@ DD! Sign@f@y DD ForAi i< k i++ IfASign@f@ i DD! Sign@f@z i DD i+ i ; y i+ z i ; z i+ H i+ + y i+ L i+ z i ; y i+ y i ; z i+ H i+ + y i+ LEE; Do@e i+ Abs@Hz i+ - z i L z i+ D * 8i k<d; Table@8 r i+ N@z i D N@e i D< 8i k<d TableForm Print@"El método de la bisección no se puede aplicar ya que fhl y fhyl tienen el mismo signo"de Out[7]//TableForm r.5. r.5. r r r r r r r ISIDORO PONTE E.S.M.C.3
5 podemos comprobar que si la función no tiene raíces MATHEMATICA nos lo advierte veamos un ejemplo como el anterior In[9]: - Log@D; In[]: ; y 3; In[]: k 8; In[3]: e ; In[4]: z H + y L; In[5]: IfASign@f@ DD! Sign@f@y DD ForAi i< k i++ IfASign@f@ i DD! Sign@f@z i DD i+ i ; y i+ z i ; z i+ H i+ + y i+ L i+ z i ; y i+ y i ; z i+ H i+ + y i+ LEE; Do@e i+ Abs@Hz i+ - z i Lz i+ D * 8i k<d; Table@8 r i+ N@z i D N@e i D< 8i k<d TableForm Print@"El método de la bisección no se puede aplicar ya que fhl y fhyl tienen el mismo signo"de El método de la bisección no se puede aplicar ya que fhl y fhyl tienen el mismo signo estos datos los podríamos comprobar gráficamente usando el comando que dibuja las funciones y ver que hay una raíz en el 3 intervalo [ ] y ninguna en el intervalo [ ] ISIDORO PONTE E.S.M.C.3
6 In[6]: - 8 3<D Out[6] Graphics METODO DE LA REGLA FALSA También este programa se usa para aproimar raíces de f () en un intervalo [ a b ] ( es un método bueno para considerar si la raíz se encuentra cerca de los etremos. Consideremos una gráfica del tipo: Donde hemos agregado la línea recta que une los puntos etremos de la gráfica en el intervalo [ a b ]. Es claro que si en lugar de considerar el punto medio del intervalo tomamos el punto donde cruza al eje esta recta nos aproimaremos mucho más rápido a la raíz; ésta es en sí la idea central del método de la regla falsa y ésta es realmente la única diferencia con el método de bisección puesto que en todo lo demás los dos métodos son prácticamente idénticos. ISIDORO PONTE E.S.M.C.3
7 Supongamos que tenemos una función f () intervalo [ b ] a que es contínua en el y además f ( a ) y f ( b ) tienen signos opuestos. Calculemos la ecuación de la línea recta que une los puntos ( a f ( a )) ( b f ( b )). Sabemos que la pendiente de esta recta esta dada por: Por lo tanto la ecuación de la recta es: Para obtener el cruce con el eje hacemos y : Multiplicando por b a nos da: Finalmente de aquí despejamos : Este punto es el que toma el papel de del método de bisección. r en lugar del punto medio Así pues el método de la regla falsa sigue los siguientes pasos: Sea f () contínua Encontrar valores iniciales signos opuestos es decir a tales que f ) y f ) b ( a ( b tienen ISIDORO PONTE E.S.M.C.33
8 ii) La primera aproimación a la raíz se toma igual a: iii) Evaluar f ( r ). Forzosamente debemos caer en uno de los siguientes casos: En este caso tenemos que f ( a ) y f ( r ) y por lo tanto la raíz se encuentra en el intervalo [ ] tienen signos opuestos a r. En este caso tenemos que f ( a ) y f ( r ) tienen el mismo signo y de aquí que f ( r ) y f ( b ) tienen signos opuestos. Por lo tanto la raíz se encuentra en el intervalo [ ] r b. En este caso se tiene que f ( ) r raíz. y por lo tanto ya localizamos la El proceso se vuelve a repetir con el nuevo intervalo hasta que: Resolvamos con MATHEMATICA un ejercicio Introducimos la función In[]: f@_d Sin@D-.5 ; introducimos los etremos del intervalo ISIDORO PONTE E.S.M.C.34
9 In[]: ; y ; introducimos el numero de iteraciones In[4]: k 3; introducimos el error inicial en porcentaje In[5]: e ; calculamos la primera aproimación a la raíz In[6]: z y - f@y D*H - y LHf@ D - f@y DL; le decimos a matemática que verifique el método. En caso afirmativo le pedimos que aplique reiteradamente hasta el número de iteraciones introducidas y que nos despliegue una tabla con los datos obtenidos. En caso negativo que nos mande un mensaje de error. En la tabla aparece la numeración de las raíces el valor y el error In[7]: If@Sign@f@ DD Sign@f@y DD For@i i< k i++ If@Sign@f@ i DD Sign@f@z i DD i+ i ; y i+ z i ; z i+ y i+ - f@y i+ D*H i+ - y i+ LHf@ i+ D - f@y i+ DL i+ z i ; y i+ y i ; z i+ y i+ - f@y i+ D*H i+ - y i+ LHf@ i+ D - f@y i+ DLDD; Do@e i+ Abs@Hz i+ - z i Lz i+ D * 8i k<d; Table@8 r i+ N@z i 7D N@e i 7D< 8i k<d TableForm Print@"El metodo de la regla falsa no se puede aplicar ya que fh L y fhy L tienen el mismo signo"dd Out[7]//TableForm r.79. r r r ISIDORO PONTE E.S.M.C.35
10 METODO DE NEWTON RAPHSON Este método el cual es un método iterativo es uno de los más usados y efectivos. A diferencia de los métodos anteriores el método de Newton Raphson no trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo. Supongamos que tenemos la aproimación f () i a la raíz r de Trazamos la recta tangente a la curva en el punto ( i f ( i )); ésta cruza al eje en un punto i + que será nuestra siguiente aproimación a la raíz r. Para calcular el punto i + calculamos primero la ecuación de la recta tangente. Sabemos que tiene pendiente Y por lo tanto la ecuación de la recta tangente es: Hacemos y : Y despejamos : ISIDORO PONTE E.S.M.C.36
11 Que es la fómula iterativa de Newton Raphson siguiente aproimación: para calcular la si Note que el método de Newton Raphson no trabaja con intervalos donde nos asegure que encontraremos la raíz y de hecho no tenemos ninguna garantía de que nos aproimaremos a dicha raíz. Desde luego eisten ejemplos donde este método no converge a la raíz en cuyo caso se dice que el método diverge. Sin embargo en los casos donde si converge a la raíz lo hace con una rapidez impresionante por lo cual es uno de los métodos preferidos por ecelencia. También observe que en el caso de que f ( ) el método no se puede aplicar. De hecho vemos geométricamente que esto significa que la recta tangente es horizontal y por lo tanto no intersecta al eje en ningún punto a menos que coincida con éste en cuyo caso i mismo es una raíz de f (). Veamos un ejemplo con MATHEMATICA; introducimos la función In[]: f@_d Ep@-D - Log@D; calculamos la derivada de nuestra función f () y la llamamos g () In[]: g@_d D@f@D D; introducimos el valor inicial para el proceso iterativo In[3]: ; introducimos el número de iteraciones In[4]: k 4; introducimos un error inicial digamos del % i ISIDORO PONTE E.S.M.C.37
12 In[5]: e ; le pedimos a MATHEMATICA que aplique la fórmula de Newton Raphson In[6]: DoA i+ i - f@ i D ga i E 8i k<e; también le pedimos que calcule los errores aproimados y que nos despliegue una tabla en la cual aparezcan el número de aproimación el valor de la aproimación y el error aproimado correspondiente In[7]: Do@e i+ Abs@H i+ - i L i+ D * 8i k<d; Table@8 r i N@ i D N@e i D< 8i k+<d TableForm Out[8]//TableForm r.. r r r r r METODO DE LA SECANTE Este método se basa en la fórmula de Newton Raphson pero evita el cálculo de la derivada usando la siguiente aproimación: Sustituyendo en la fórmula de Newton Raphson obtenemos: ISIDORO PONTE E.S.M.C.38
13 Que es la fórmula del método de la secante. Nótese que para poder calcular el valor de necesitamos conocer los dos valores anteriores y. Obsérvese también el gran parecido con la fórmula del método de la regla falsa. La diferencia entre una y otra es que mientras el método de la regla falsa trabaja sobre intervalos cerrados el método de la secante es un proceso iterativo y por lo mismo encuentra la aproimación casi con la misma rapidez que el método de Newton Raphson. Claro corre el mismo riesgo de éste último de no converger a la raíz mientras que el método de la regla falsa va a la segura. Introducimos la función In[]: f@_d ArcSin@D- Ep@-D; Introducimos los dos valores iniciales In[]: ; In[3]:.5; el número de iteraciones In[4]: k 4; el error inicial In[5]: e ; usamos un iterador para que MATHEMATICA aplique la fórmula de la secante In[6]: Do@ n+ n - f@ n D*H n - n- LHf@ n D - f@ n- DL 8n k<d; ahora finalmente nos presentará la tabla en la que aparecerán las aproimaciones y los errores aproimados ISIDORO PONTE E.S.M.C.39
14 In[7]: i+ i+ - i L i+ D * 8i k<d; Table@8 r i N@ i D N@f@ i D D N@e i D< 8i k<d TableForm Out[8]//TableForm r. -.. r r r r METODO DEL PUNTO FIJO Este programa usa el método de iteración del punto fijo para aproimar la raíz de una ecuación. Debemos de introducir una función g () tal que se desee resolver la ecuación g ( ). Introducimos la función In[]: g@_d H4- Log@DL; Introducimos el valor inicial In[]:.5; el número de iteraciones In[3]: k 4; el error inicial In[4]: e ; usamos un iterador para que MATHEMATICA aplique la fórmula del punto fijo In[5]: Do@ i+ g@ i D 8i k<d; ahora finalmente nos presentará la tabla en la que aparecerán las aproimaciones y los errores aproimados ISIDORO PONTE E.S.M.C.4
15 In[6]: i+ i+ - i L i+ D * 8i k<d; Table@8 r i N@ i 8D N@e i 8D< 8i k<d TableForm Out[7]//TableForm r.5. r r r r ISIDORO PONTE E.S.M.C.4
16 Ejercicios complementarios personalizados A Usa el método de la bisección para aproimar la raíz de f ( ) + tg comenzando en el intervalo [. 75 ] y hasta d 5 + que el error sea menor que el %. B Usa el método de la regla falsa para aproimar la raíz de 3 f ( ) 4 comenzando en el intervalo [ +. d 4 +. d 7 ] y hasta que el error sea menor que el %. A Usa el método de la Newton Raphson para aproimar la raíz de f ( ). d arc tg comenzando con. 5 y hasta que el error sea menor que el %. B Usa el método de la secante para aproimar la raíz de f ( ) e comenzando con. d y. d 3 hasta que el error sea menor que el %. C Usa el método de iteración del punto fijo para aproimar la raíz de f ( ) sen + comenzando con. 5 d 8 y hasta que el error sea menor que el %. ISIDORO PONTE E.S.M.C.4
17 PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS PRÁCTICA 3 4: Interpolación. En estas prácticas estudiaremos el importantísimo tema de la interpolación de datos. Veremos dos tipos de interpolación: la interpolación polinomial (a la que dedicaremos casi todas las prácticas) y la interpolación segmentaria (splines). Comencemos dando la definición general. Definición. Dados n + puntos que corresponden a los datos: y los cuales se representan gráficamente como puntos en el plano cartesiano Si eiste una función () f definida en el intervalo [ ] n (donde suponemos que < < L < n ) tal que f ( i ) y i para i L n entonces a f () se le llama una función de interpolación de los datos cuando es usada para aproimar valores dentro del intervalo [ n ] y se le llama función de etrapolación de los datos cuando está definida y es usada para aproimar valores fuera del intervalo. ISIDORO PONTE E.S.M.C.43
18 ISIDORO PONTE E.S.M.C.44 Evidentemente pueden eistir varios tipos de funciones que interpolen los mismos datos; por ejemplo funciones trigonométricas funciones eponenciales funciones polinomiales combinaciones de éstas etc. El tipo de interpolación que uno elige depende generalmente de la naturaleza de los datos que se están manejando así como de los valores intermedios que se están esperando. Un tipo muy importante es la interpolación por funciones polinomiales. Puesto que evidentemente pueden eistir una infinidad de funciones polinomiales de interpolación para una misma tabla de datos se hace una petición etra para que el polinomio de interpolación sea único. Definición. Un polinomio de interpolación es una función polinomial que además de interpolar los datos es el de menor grado posible. DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON Las diferencias divididas finitas de Newton se define de la siguiente manera: j i j i j i f f f ) ( ) ( ] [ k i k j j i k j i f f f ] [ ] [ ] [ ] [ ] [ ] [ f f f n n n n n L L L
19 ISIDORO PONTE E.S.M.C.45 A manera de ejemplo citemos el siguiente caso específico : ] [ ] [ ] [ f f f donde a su vez: ] [ ] [ ] [ f f f y ] [ ] [ ] [ f f f Y donde a su vez: ) ( ) ( ] [ f f f etc. Podemos ahora definir nuestro primer tipo de polinomio de interpolación. POLINOMIO DE INTERPOLACIÓN DE NEWTON CON DIFERENCIAS DIVIDIDAS Dados + n datos: El polinomio de interpolación de Newton se define de la siguiente manera: ( ) ( ) ( )( ) ( )( ) ( ) n n b b b b f L L donde : ( ) f b ] [ f b [ ] f b [ ] f b n n L M
20 Para calcular los coeficientes b b L b n es conveniente construir una tabla de diferencias divididas como la siguiente : Obsérvese que los coeficientes del polinomio de interpolación de Newton se encuentran en la parte superior de la tabla de diferencias divididas. Veamos un ejemplo con MATHEMATICA para una tabla de datos con cinco puntos. ( ) ( ) ( ) ( ) ( ) Introducimos primero los valores de las abscisas y luego los de las ordenadas In[]: ; -; -6; 3 4; 4 3; In[6]: y 8; y 6; y ; y 3 -; y 4.455; Ahora introducimos el grado del polinomio de interpolación que buscamos In[]: n 4; calculamos la tabla de diferencias divididas finitas de Newton ISIDORO PONTE E.S.M.C.46
21 In[]: i Hy i -y i- LH i - i- L 8i n<d; Do@C i HB i+ - B i LH i+ - i- L 8i n-<d; Do@D i HC i+ - C i LH i+ - i- L 8i n- <D; Do@E i HD i+ - D i LH i+3 - i- L 8i n-3<d; calculamos el polinomio de interpolación de newton correspondiente a la tabla de datos In[6]: f@_d y + B *H- L+C *H- L*H- L + D *H- L *H- L*H- L + E *H- L *H- L*H- L*H- 3 L; por fin pedimos a MATHEMATICA que nos escriba en pantalla el polinomio y que nos haga una gráfica con los puntos dados y el polinomio de interpolación de Newton obtenido ISIDORO PONTE E.S.M.C.47
22 In[7]: polinomio de Newton para los datos dados es:"d "la grafica de los puntos y el polinomio de newton se ven como sigue:"d datos: 88 y < 8 y < 8 y < 8 3 y 3 < 8 4 y 4 <<; puntos: ListPlot@datos PlotStyle-> PointSize@.D DisplayFunction-> IdentityD; curva: Plot@f@D 8 Min@ 3 4 D Ma@ 3 4 D< DisplayFunction-> IdentityD; Show@puntos curva DisplayFunctionfi $DisplayFunctionD; El polinomio de Newton para los datos dados es: Out[8] 8- H-+L H- + L H+ L - H- +L H+ L H6+ L H-4+ L H-+ L H + L H6 +L la grafica de los puntos y el polinomio de newton se ven como sigue: POLINOMIO DE INTERPOLACION DE LAGRANGE. Nuevamente tenemos los datos : El polinomio de interpolación de Lagrange se plantea como sigue: ISIDORO PONTE E.S.M.C.48
23 P ( ) y l ( ) + y l ( ) + L + y n l n ( ) Donde los polinomios l i () se llaman los polinomios de Lagrange correspondientes a la tabla de datos. Como se debe satisfacer que P ( ) y esto se cumple si l ( ) y l ( ) i para toda i. Como se debe satisfacer que P ( ) y esto se cumple si l ( ) y l i ( ) para toda i. P y Y así sucesivamente veremos finalmente que la condición n ( n ) n se cumple si l ( n ) n y l i ( n ) para toda i n. Esto nos sugiere como plantear los polinomios de Lagrange. Para ser más claros analicemos detenidamente el polinomio l ( ). De acuerdo al análisis anterior vemos que deben cumplirse las siguientes condiciones para l ( ) : l ( ) y l ( ) para toda j j Por lo tanto planteamos l ( ) como sigue: l o ( ) c ( )( ) L ( n ) Con esto se cumple la segunda condición sobre l ( ). La constante c se determinará para hacer que se cumpla la primera condición: l ( ) c ( )( ) L ( ) c ( )( ) L ( ) n n Por lo tanto el polinomio l ( ) queda definido como: l ( ) ( )( ) L ( n ) ( )( ) L ( ) n Análogamente se puede deducir que: l j ( ) i j i j ( ) ( ) j i i para j K n ISIDORO PONTE E.S.M.C.49
24 Veamos un ejemplo con MATHEMATICA para una tabla de datos con cuatro puntos. ( ) ( ) ( ) ( ) Introducimos primero los valores de las abscisas y luego los de las ordenadas In[]: -3; -; 4; 3 5; In[5]: y ; y -; y -7; y 3 ; introducimos el grado del polinomio In[9]: n 3; calculamos los polinomios de Lagrange H- In[]: L L*H- L *H- 3 H - L* H - L*H - 3 L ; H- L L*H- L *H- 3 H - L* H - L*H - 3 L ; H- L*H- L *H- 3 L H - L* H - L*H - 3 L ; H- L L*H- L *H- L H 3 - L* H 3 - L*H 3 - L ; calculamos el polinomio de interpolación de Lagrange correspondiente a la tabla de datos In[4]: p@_d n i y i * L finalmente pedimos a MATHEMATICA que nos escriba en pantalla el polinomio de interpolación de Lagrange así como una gráfica ISIDORO PONTE E.S.M.C.5
25 donde veamos los puntos de la tabla de datos junto con el polinomio de Lagrange In[5]: polinomio de Lagrange para los datos dados es:"d "La grafica de los puntos y el polinomio de interpolacion de lagrange se ven como sigue:"d datos: 88 y < 8 y < 8 y < 8 3 y 3 <<; puntos: ListPlot@datos PlotStyle-> PointSize@.D DisplayFunction-> IdentityD; curva: Plot@p@D 8 Min@ 3 D Ma@ 3 D< DisplayFunction -> IdentityD; Show@puntos curva DisplayFunctionfi $DisplayFunctionD; El polinomio de Lagrange para los datos dados es: Out[6] -H-5 + L H-4 + L H +L - H-5+ L H-4+ L H3+ L + H-5 + L H +L H3 + L La grafica de los puntos y el polinomio de interpolacion de lagrange se ven como sigue: INTERPOLACION POR SPLINES CUBICAS. Terminamos este capítulo estudiando un tipo de interpolación que ha demostrado poseer una gran finura y que inclusive es usado para el diseño por computadora por ejemplo de tipos de letra. ISIDORO PONTE E.S.M.C.5
26 Esta interpolación se llama interpolación segmentaria o interpolación por splines. La idea central es que en vez de usar un solo polinomio para interpolar los datos podemos usar segmentos de polinomios y unirlos adecuadamente para formar nuestra interpolación. Cabe mencionar que entre todas las splines cúbicas han resultado ser las más adecuadas para aplicaciones como la mencionada anteriormente. Así pues podemos decir de manera informal que una funcion spline está formada por varios polinomios cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones de continuidad. Definición. (Splines de grado k) Dada nuestra tabla de datos donde suponemos que < < L < n y dado k un número entero positivo una función de interpolación spline de grado k para la tabla de datos es una función s () tal que : i) s ( i ) y i para toda i K n. ii) s ( ) es un polinomio de grado k en cada subintervalo [ ] i i. iii ) s ( ) tiene derivada continua hasta de orden k en [ n ]. FUNCIONES SPLINES CUBICAS Para hacer más firme el entendimiento escribimos la definición correspondiente a este caso (k3). Dados los n + datos: Una spline cúbica que interpola estos datos es una función ) ( s definida como sigue : ISIDORO PONTE E.S.M.C.5
27 s ( ) s s s n ( ) si [ ] ( ) si [ ] M ( ) si [ ] n n donde cada s i ( ) es un polinomio cúbico; s i ( i ) y i para toda i K n y tal que s ( ) tiene primera y segunda derivadas contínuas en [ n ]. Ejemplo. Interpolar los siguientes datos mediante una spline cúbica : Solución. Definimos un polinomio cúbico en cada uno de los intervalos que se forman: s ( ) 3 a + b + c + d 3 a + b + c + d si si [ 3 ] [ 3 5 ] A continuación hacemos que se cumpla la condición de que la spline debe pasar por los puntos dados en la tabla. Así tenemos que: s s ( ) 8 a + 4 b + c + d ( 3 ) 7 a + 9 b + 3 c + d s ( ) 7 5 a + 5 b + 5 c + d 7 5 Ahora calculamos la primera derivada de ( ) s : s ( ) 3 a + b + c 3 a + b + c si si [ 3 ] [ 3 5 ] Al igual que en el caso de las splines cuadráticas se presentan ecuaciones que pueden presentar discontinuidad en los cambios de intervalo; las posibles discontinuidades son los puntos donde se ISIDORO PONTE E.S.M.C.53
28 cambia de intervalo en este caso 3. Para evitar esta discontinuidad evaluamos 3 en los dos polinomios e igualamos: ( 3 ) + b ( 3 ) + c 3 a ( 3 ) + b ( ) 3 a + c 3 o lo que es lo mismo: 7 a b + c + 6 b + c 7 a + 6 Análogamente procedemos con la segunda derivada : s ( ) 6 a + b 6 a + b si si [ 3 ] [ 3 5 ] Para lograr que s ( ) sea continua : ( 3 ) + b 6 a ( 3 ) 6 a + b 8 a + b + b 8 a En este punto contamos con 6 ecuaciones y 8 incognitas por lo tanto tenemos grados de libertad; en general se agregan las siguientes condiciones: s s ( ) ( ) n De lo cual vamos a obtener : ( ) 6 a ( ) + s b ( ) 6 a ( 5 ) + s b 5 a + b 3 a + b Con lo cual hemos completado un juego de 8 ecuaciones vs. 8 incógnitas el cual es el siguiente: ISIDORO PONTE E.S.M.C.54
29 ISIDORO PONTE E.S.M.C b a b a b a b a c b a c b a d c b a d c b a d c b a d c b a Cuya forma matricial es la siguiente : d c b a d c b a Usando MATHEMATICA obtenemos la siguiente solución: d c b a d c b a Sustituyendo estos valores en nuestra función inicial vemos que la spline cúbica para la tabla de datos dada queda definida como sigue: ( ) [ ] [ ] si si s
30 Mostramos la gráfica correspondiente a este ejercicio creada tambien en MATHEMATICA. Obsérvese la finura con la que se unen los polinomios cúbicos que conforman a la spline. Prácticamente ni se nota que se trata de dos polinomios diferentes. Esto es debido a las condiciones que se impusieron sobre las derivadas de la función. Esta finura casi artística es la que permite aplicar las splines cúbicas para cuestiones como el diseño de letras por computadoras o bien a problemas de aplicación donde la interpolación que se necesita es de un carácter bastante delicado como podría tratarse de datos médicos sobre algún tipo de enfermedad. Veamos un ejemplo con MATHEMATICA: Este programa nos calcula y grafica la spline cúbica correspondiente a una tabla de datos con cuatro puntos. Los datos son los siguientes: In[]: datos 88- -< 8 < 8 5< 84 -<< Out[] 88- -< 8 < 8 5< 84 -<< Estos se guardan como un objeto gráfico como sigue: In[]: mi Min@Table@datos@@i DD 8i 4<DD Out[] - ISIDORO PONTE E.S.M.C.56
31 In[3]: mf DD 8i 4<DD Out[3] 4 In[4]: Mi Min@Table@datos@@i DD 8i 4<DD Out[4] - In[5]: Mf Ma@Table@datos@@i DD 8i 4<DD Out[5] 5 In[6]: puntos ListPlot@datos PlotStylefi PointSize@.D PlotRangefi 88mi- 5 mf+ 5< 8Mi- 5 Mf + 5<< AesOriginfi 8 < DisplayFunctionfi IdentityD Out[6] Graphics Para calcular la función spline cúbica primero definimos los polinomios cúbicos: In[7]: DoAs a i * 3 + b i * + c i * + d i 8i 3<E Enseguida definimos las ecuaciones que se forman por las condiciones de la spline cúbica: In[8]: eq DDD datos@@ DD Out[8] -a + b - c + d - In[9]: eq DDD datos@@ DD Out[9] a + b + c + d In[]: eq 3 DDD datos@@ DD Out[] a + b + c + d In[]: eq 4 DDD datos@@3 DD Out[] 8 a + 4 b + c + d 5 In[]: eq 5 s DDD datos@@3 DD Out[] 8 a b 3 + c 3 + d 3 5 ISIDORO PONTE E.S.M.C.57
32 In[3]: eq 6 s DDD datos@@4 DD Out[3] 64 a b c 3 + d 3 - In[4]: eq 7 s '@datos@@ DDD s '@datos@@ DDD Out[4] 3 a + b + c 3 a + b + c In[5]: eq 8 s '@datos@@3 DDD s 3 '@datos@@3 DDD Out[5] a + 4 b + c a b 3 + c 3 In[6]: eq 9 s ''@datos@@ DDD s ''@datos@@ DDD Out[6] 6 a + b 6 a + b In[7]: eq s ''@datos@@3 DDD s 3 ''@datos@@3 DDD Out[7] a + b a 3 + b 3 In[8]: eq s ''@datos@@ DDD Out[8] -6 a + b In[9]: eq s 3 ''@datos@@4 DDD Out[9] 4 a 3 + b 3 Resolvemos el sistema de ecuaciones: In[]: Solve@Table@eq i 8i <DD Out[] ::a fi 5 4 b fi 53 4 a fi - b fi a 3 fi 4 35 b 3 fi c fi 89 4 c fi c 3 fi d fi d fi d 3 fi >> A continuación vaciamos la información obtenida en el paso anterior e introducimos la regla de correspondencia de la spline: ISIDORO PONTE E.S.M.C.58
33 In[]: splinecubica DD DD datos@@ DD datos@@3 DD datos@@3 DD datos@@4 DD E La cual se guarda como un objeto gráfico como sigue: In[]: graficaspline: Plot@splinecubica 8 mi mf< DisplayFunction fi IdentityD Finalmente le pedimos a MATHEMATICA que nos escriba la regla de correspondencia de la spline cúbica así como la grafica correspondiente: In[3]: PrintA"La función spline cúbica que se obtuvo es: " " 4 4 si " datos@@ DD datos@@ DDE; PrintA" " " si " datos@@ DD datos@@3 DDE; PrintA " si " datos@@3 DD datos@@4 DDE; Print@" La gráfica correspondiente es:"d Show@puntos graficaspline Ticks -> 88-4< 8-5 -<< DisplayFunction-> $DisplayFunctionD; La función spline cúbica que se obtuvo es: si ISIDORO PONTE E.S.M.C.59
34 si La gráfica correspondiente es: si Podríamos hacer el programa en dos pasos si quisiesemos: In[]: datos 88- -< 8 < 8 5< 84 -<<; mi Min@Table@datos@@i DD 8i 4<DD; mf Ma@Table@datos@@i DD 8i 4<DD; Mi Min@Table@datos@@i DD 8i 4<DD; Mf Ma@Table@datos@@i DD 8i 4<DD; puntos ListPlot@datos PlotStyle fi PointSize@.D PlotRange fi 88mi- 5 mf + 5< 8Mi- 5 Mf + 5<< AesOriginfi 8 < DisplayFunction fi IdentityD; DoAs a i * 3 + b i * + c i * + d i 8i 3<E; eq DDD datos@@ DD; eq DDD datos@@ DD; eq 3 DDD datos@@ DD; eq 4 DDD datos@@3 DD; eq 5 s DDD datos@@3 DD; eq 6 s DDD datos@@4 DD; eq 7 s '@datos@@ DDD s '@datos@@ DDD; eq 8 s '@datos@@3 DDD s 3 '@datos@@3 DDD; eq 9 s ''@datos@@ DDD s ''@datos@@ DDD; eq s ''@datos@@3 DDD s 3 ''@datos@@3 DDD; eq s ''@datos@@ DDD ; eq s 3 ''@datos@@4 DDD ; Solve@Table@eq i 8i <DD ISIDORO PONTE E.S.M.C.6
35 Out[] ::a fi 5 4 b fi 53 4 a fi - b fi a 3 fi 4 35 b 3 fi c fi 89 4 c fi c 3 fi d fi d fi d 3 fi >> incorporar los datos obtenidos para finalizar el programa In[]: splinecubica WhichAdatos@@ DD datos@@ DD datos@@ DD datos@@3 DD datos@@3 DD datos@@4 DD E; graficaspline: Plot@splinecubica 8 mi mf< DisplayFunction fi IdentityD; PrintA"La función spline cúbica que se obtuvo es: " " 4 4 si " datos@@ DD datos@@ DDE; PrintA" " " si " datos@@ DD datos@@3 DDE; PrintA " si " datos@@3 DD datos@@4 DDE; Print@" La gráfica correspondiente es:"d Show@puntos graficaspline Ticks-> 88-4< 8-5 -<< DisplayFunction-> $DisplayFunctionD; ISIDORO PONTE E.S.M.C.6
36 La función spline cúbica que se obtuvo es: si La gráfica correspondiente es: si si ISIDORO PONTE E.S.M.C.6
37 Ejercicios complementarios personalizados A Calcula el polinomio de interpolación de Newton para los. 5 d d siguientes datos ( ) ( ) ( ) ( ) B Calcula el polinomio de interpolación de Newton para los. 3 d d siguientes datos ( ) ( ) ( ) ( ) ( ) A Calcula el polinomio de interpolación de Lagrange para los d siguientes datos ( ) ( ) ( ) ( ) B Calcula el polinomio de interpolación de Lagrange para los. 5 d 9. 5 d siguientes datos ( ) ( ) ( ) ( ) ( ) C Calcula las splines cúbicas para los siguientes datos ( ) ( ) ( ) ISIDORO PONTE E.S.M.C.63
38 PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS PRÁCTICA 5 6: Derivación e integración numerica. Integración aproimada. En los cursos de Cálculo Integral nos enseñan como calcular una integral definida de una función continua mediante una aplicación del Teorema Fundamental del Cálculo: Teorema Fundamental del Cálculo : Sea una función continua en el intervalo y sea una primitiva de. Entonces: El problema en la práctica se presenta cuando nos vemos imposibilitados de encontrar la primitiva requerida aún para integrales aparentemente sencillas como: la cual simplemente es imposible de resolver con el Teorema Fundamental del Cálculo. Incluso casos en los que no se conoce la primitiva o en que casos en los que solo se conoce una serie de valores En estas prácticas estudiaremos diversos métodos numéricos que nos permitirán obtener aproimaciones bastante eactas a integrales como la mencionada anteriormente. Esencialmente veremos dos tipos de integración numérica: las fórmulas de Newton Cotes y el algoritmo de Romberg. Las fórmulas de Newton Cotes están conformadas por las bien conocidas reglas del trapecio y de Simpson (regla de un tercio y de tres octavos). El algoritmo de Romberg forma parte de un método conocido como método de etrapolación de Richardson. ISIDORO PONTE E.S.M.C.64
39 Haciendo uso de MATHEMATICA es posible discernir sobre las cualidades y defectos de cada uno de los métodos mencionados arriba. REGLA DEL TRAPECIO Dada una función una función continua en el intervalo dividimos el intervalo en subintervalos todos de la misma longitud. Sea la partición que se forma al hacer dicha subdivisión. ya que todos los subintervalos tienen la misma longitud h tenemos la fórmula de los trapecios que es: Sustituyendo el valor de h y usando la notación sigma tenemos finalmente: Esta es la regla del trapecio para n subintervalos. Obviamente cuantos más subintervalos usemos mejor será la aproimación a la integral. Este programa calcula usando la Regla del Trapecio con n intervalos todos de la misma longitud con el programa MATHEMATICA Introducimos el intervalo de integración: In[]: a ; b 6; Introducimos la función a integrar: ISIDORO PONTE E.S.M.C.65
40 In[3]: + ; Introducimos el número de intervalos a usar: In[4]: n ; Calculamos la longitud de cada intervalo: In[5]: h Hb- aln; Calculamos los puntos de la partición que se genera: In[6]: Do@ i a+ h*i 8i n<d; Aplicamos la regla del trapecio para n intervalos: In[7]: Trapecio Hb-aLH*nL* i f@ D +* i n- f@i D y + f@ n D y ; k k i { { Calculamos el valor eacto de la integral para comparar: In[8]: Verdadero a b f@d ; Le pedimos a Mathematica que nos despliegue la información en pantalla: In[9]: Print@"El valor aproimado de la integral usando la regla del trapecio es:"d Print@N@Trapecio 4DD Print@"El valor verdadero de la integral es:"d Print@N@Verdadero 4DD El valor aproimado de la integral usando la regla del trapecio es: El valor verdadero de la integral es: ISIDORO PONTE E.S.M.C.66
41 REGLA DE SIMPSON DE UN TERCIO Dada una función una función continua en el intervalo dividimos el intervalo en subintervalos todos de la misma longitud [ ] i i. sea mi el punto medio del subintervalo Sea la partición que se forma al hacer dicha subdivisión. ya que todos los subintervalos tienen la misma longitud h tenemos la fórmula de los trapecios que es: Sustituyendo el valor de h y usando la notación sigma tenemos finalmente: Esta es la regla de Simpson de un tercio para n subintervalos. Obviamente cuantos más subintervalos usemos mejor será la aproimación a la integral. Calcula la integral usando la Regla de Simpson de /3 para n intervalos todos de la misma longitud con el programa MATHEMATICA Introducimos el intervalo de integración: In[]: a -; b ; Introducimos la función a integrar: In[3]: f@_d ArcTan@^3+ D; Introducimos el número de intervalos a usar: ISIDORO PONTE E.S.M.C.67
42 In[4]: n ; Calculamos la longitud de los intervalos: In[5]: h Hb- aln; Calculamos los elementos de la partición que se genera: In[6]: Do@ i a+ h*i 8i n<d; Calculamos los puntos medios de cada intervalo: In[7]: Do@y i H i + i- L 8i n<d; Aplicamos la Regla de Simpson de /3: In[8]: Simpson3 Hb- alh6*nl* i f@ D + 4* i n f@y i D y + * i n- f@i D y + f@ n D y ; k k i { k i { { Calculamos el valor eacto de la integral: In[9]: Verdadero a b f@d ; Le pedimos a MATHEMATICA que nos despliegue en pantalla la información obtenida: In[]: Print@ "El valor aproimado de la integral usando la regla del simpson es:"d Print@N@Simpson3 DD Print@"El valor verdadero de la integral es:"d Print@N@Verdadero DD El valor aproimado de la integral usando la regla del simpson es:.5693 El valor verdadero de la integral es: ISIDORO PONTE E.S.M.C.68
43 REGLA DE SIMPSON DE TRES OCTAVOS Dada una función una función continua en el intervalo dividimos el intervalo en subintervalos todos de la misma longitud sea el subintervalo [ ] i i lo dividimos en tres partes iguales y lo puntos intermedios los llamamos y i y z i.l Sea la partición que se forma al hacer dicha subdivisión. ya que todos los subintervalos tienen la misma longitud h tenemos la fórmula de los trapecios que es: Sustituyendo el valor de h tenemos usando el polinomio de interpolación de Lagrange y el método de integración por partes: Esta es la regla de Simpson de tres octavos para n subintervalos iguales. Obviamente cuantos más subintervalos usemos mejor será la aproimación a la integral. Introducimos el intervalo de integración: In[]: a ; b ; Introducimos la función a integrar: In[3]: f@_d * Ep@D; Introducimos el número de intervalos a usar: In[4]: n ; Calculamos la longitud de cada intervalo: In[5]: h Hb- aln; ISIDORO PONTE E.S.M.C.69
44 Calculamos los elementos de la partición que se genera: In[6]: i a+ h*i 8i n<d; Calculamos los puntos que dividen en tres partes iguales a cada intervalo: In[7]: Do@y i H* i- + i L3 8i n<d; In[8]: Do@z i H i- + * i L3 8i n<d; Aplicamos la Regla de Simpson de 3/8 para n intervalos: In[9]: Simpson38 Hb- alh8*nl* i f@ D + 3* i n Hf@y i D+ f@z i DL y + * i n- f@ i D y + f@ n D y ; k k i { k i { { Calculamos el valor eacto de la integral: In[]: Verdadero a b f@d ; Le pedimos a MATHEMATICA que nos despliegue en pantalla la información obtenida: In[]: Print@"El valor aproimado de la integral usando la regla del simpson es:"d Print@N@Simpson38 4DD Print@"El valor verdadero de la integral es:"d Print@N@Verdadero 4DD El valor aproimado de la integral usando la regla del simpson es: El valor verdadero de la integral es: De lo visto resulta evidente que la regla de Simpson de tres octavos es más eacta que la de un tercio que a su vez aproima ISIDORO PONTE E.S.M.C.7
45 mejor que la del trapecio. Se pueden establecer cotas para los errores que se comenten en cada uno de los métodos. los siguientes resultados se mencionan para completar la información pero omitimos las demostraciones correspondientes. REGLA F O R M U L A E R R O R CON... Trapecio Simpson Simpson ISIDORO PONTE E.S.M.C.7
46 Ejercicios complementarios personalizados A Usar la regla del trapecio para aproimar i) Dividiendo en un solo intervalo. ii) Dividiendo en 6+d4 intervalos. B Usar la regla de Simpson /3 para aproimar i) Dividiendo en un solo intervalo. ii) Dividiendo en 4+d intervalos. A. Usar la regla de Simpson 3/8 para aproimar i) Dividiendo en un solo intervalo. ii) Dividiendo en 4+d5 intervalos. B. Integrar la siguiente tabla de datos: i) C. Integrar la siguiente tabla de datos: ii) ISIDORO PONTE E.S.M.C.7
47 PRACTICAS DE LABORATORIO MÉTODOS NUMÉRICOS PRÁCTICA 7 8: Métodos numéricos de resolución de ecuaciones diferenciales. ECUACI ONES DI FERENCI ALES En esta práctica haremos un breve estudio de los métodos numéricos básicos que se usan para aproimar soluciones de algunas ecuaciones diferenciales. Recordamos rápidamente que una ecuación diferencial (ordinaria) es aquella que involucra una variable independiente una variable dependiente y la derivada (ó derivadas ) de esta última. En una ecuación diferencial la incógnita es la variable dependiente y se espera encontrarla como función de la variable independiente de tal forma que si se sustituye dicha variable dependiente así como las derivadas que aparecen en la ecuación diferencial la igualdad que resulta es verdadera. De cursos anteriores de ecuaciones diferenciales sabemos que en general eisten una infinidad de funciones (curvas) que resuelven una misma ecuación diferencial. Por ejemplo la ecuación: tiene como solución general: donde c es una constante arbitraria que puede ser cualquier número real (y de aquí la infinidad de curvas solución que mencionamos arriba). En este curso estudiaremos solamente ecuaciones diferenciales de primer orden del tipo: ISIDORO PONTE E.S.M.C.73
48 donde es una función de dos variables. Cuando se desea que la curva solución pase por algún punto específico digamos entonces se dice que se trata de una ecuación diferencial con una condición inicial dada. Así estudiaremos ecuaciones diferenciales de la forma con la condición inicial. Obviamente la importancia de los métodos numéricos radica en la aparición de ecuaciones diferenciales que no pueden resolverse por métodos tradicionales y de ahí la necesidad de implementar algún método de aproimación. Veremos tres métodos numéricos: El método de Euler. El método de Euler mejorado. El método de Runge Kutta de orden 4. En todos estos métodos se busca aproimar el valor es un valor cercano a (el de la condición inicial dada). donde Comencemos con el primer método que como siempre no es el más eacto pero si el más sencillo y simple de eplicar así como el que marca la pauta para desarrollar los otros métodos. MÉTODO DE EULER La idea del método de Euler es muy sencilla y está basada en el significado geométrico de la derivada de una función en un punto dado. Supongamos que tuviéramos la curva solución de la ecuación diferencial y trazamos la recta tangente a la curva en el punto dado por la condición inicial. ISIDORO PONTE E.S.M.C.74
49 Debido a que la recta tangente aproima a la curva en valores cercanos al punto de tangencia podemos tomar el valor de la recta tangente en el punto como una aproimación al valor deseado. Así calculemos la ecuación de la recta tangente a la curva solución de la ecuación diferencial dada en el punto. De los cursos de Geometría Analítica sabemos que la ecuación de la recta es: donde m es la pendiente. En este caso sabemos que la pendiente de la recta tangente se calcula con la derivada: tangente es : Por lo tanto la ecuación de la recta Ahora bien suponemos que es un punto cercano a y por lo tanto estará dado como. De esta forma tenemos la siguiente aproimación: ISIDORO PONTE E.S.M.C.75
50 De aquí tenemos nuestra fórmula de aproimación: Esta aproimación puede ser suficientemente buena si el valor de h es realmente pequeño digamos de una décima ó menos. Pero si el valor de h es más grande entonces podemos cometer mucho error al aplicar dicha fórmula. Una forma de reducir el error y obtener de hecho un método iterativo es dividir la distancia en n partes iguales (procurando que estas partes sean de longitud suficientemente pequeña) y obtener entonces la aproimación en n pasos aplicando la fórmula anterior n veces de un paso a otro con la nueva h igual a. En una gráfica tenemos lo siguiente: Ahora bien sabemos que: Para obtener únicamente hay que pensar que ahora el papel de lo toma el punto y por lo tanto si sustituimos los datos adecuadamente obtendremos que: De aquí se ve claramente que la fórmula recursiva general está dada por: Esta es la conocida fórmula de Euler que se usa para aproimar el valor de aplicándola sucesivamente desde hasta en pasos de longitud h. ISIDORO PONTE E.S.M.C.76
51 Este programa usa el método de Euler para aproimar ecuación diferencial de la forma: y'f(y) con y donde se supone que es cercano a. dada la Introducimos la función f(y): In[]: f@_ y_d Log@+yD; Introducimos los valores dados por la condición inicial: In[]: ; y.5; Introducimos el valor de h: In[4]: h.; Introducimos el número de iteraciones: In[5]: k 5; Aplicamos la fórmula de Euler: In[6]: Do@ n+ n + h 8n k<d; Do@y n+ y n + h*f@ n y n D 8n k<d; Le pedimos a MATHEMATICA que nos despliegue una tabla con los datos obtenidos: In[8]: Print@ "La tabla de valores obtenidos mendiante el método de Euler es:"d Table@8 i y i < 8i k<d TableForm La tabla de valores obtenidos mendiante el método de Euler es: Out[9]//TableForm ISIDORO PONTE E.S.M.C.77
52 MÉTODO DE EULER MEJORADO Este método se basa en la misma idea del método anterior pero hace un refinamiento en la aproimación tomando un promedio entre ciertas pendientes. La fórmula es la siguiente: donde Para entender esta fórmula analicemos el primer paso de la aproimación con base en la siguiente gráfica: En la gráfica vemos que la pendiente promedio corresponde a la pendiente de la recta bisectriz de la recta tangente a la curva en el punto de la condición inicial y la recta tangente a la curva en el punto donde es la aproimación obtenida con la primera fórmula de Euler. Finalmente esta recta bisectriz se traslada paralelamente hasta el punto de la condición inicial y se considera el valor de esta recta en el punto como la aproimación de Euler mejorada. ISIDORO PONTE E.S.M.C.78
53 Este programa usa el método de Euler mejorado igual que en el caso anterior Introducimos la función f(y): In[]: y_d +yd; Introducimos los valores dados por la condición inicial: In[]: ; y.5; Introducimos el valor de h: In[4]: h.; Introducimos el número de iteraciones: In[5]: k 5; Aplicamos la fórmula de Euler: In[6]: Do@ n+ n + h 8n k<d; DoA9z n+ y n + h*f@ n y n D y n+ y n + h*j f@ n y n D + f@ n+ z n+ D N 8n k<e; pedimos a MATHEMATICA una tabla con los datos obtenidos: In[8]: Print@ "La tabla de valores obtenidos mendiante el método de Euler Mejorado es:"d Table@8 i y i < 8i k<d TableForm La tabla de valores obtenidos mendiante el método de Euler Mejorado es: Out[9]//TableForm ISIDORO PONTE E.S.M.C.79
54 MÉTODO DE RUNGE KUTTA Sin entrar en mucho detalle mencionamos solamente que el método de Runge Kutta cambia la dirección en el sentido de que no sigue la misma línea de los métodos de Euler. De hecho está basado en una aplicación de los polinomios de Taylor. Comentamos sin embargo que el método de Runge Kutta si contiene como casos especiales los de Euler. Las fórmulas donde Se conocen como las reglas o fórmulas de Runge Kutta de orden cuatro para la ecuación diferencial: Este programa usa el método de Runge Kutta para aproimar y( ) dada la ecuación diferencial de la forma: y'f(y) con la condición inicial: y( )y y donde se supone que es cercano a. ISIDORO PONTE E.S.M.C.8
55 Introducimos la función f(y): In[]: y_d + y ; Introducimos los valores dados por la condición inicial: In[]: 4; y 5; Introducimos el valor de h: In[4]: h.; Introducimos el número de iteraciones: In[5]: k 5; Aplicamos la fórmula de Euler: In[6]: Do@ n+ n + h 8n k<d; Do@8k h*f@ n y n D k h*f@ n +.5*h y n +.5*k D k 3 h*f@ n +.5 *h y n +.5*k D k 4 h*f@ n +h y n + k 3 D y n+ y n + H6L *Hk + *k + *k 3 + k 4 L< 8n k- <D; Le pedimos a MATHEMATICA que nos despliegue una tabla con los datos obtenidos: In[8]: Print@ "La tabla de valores obtenidos mendiante el método de Runge-Kutta es:"d Table@8 i y i < 8i k<d TableForm La tabla de valores obtenidos mendiante el método de Runge-Kutta es: Out[9]//TableForm ISIDORO PONTE E.S.M.C.8
56 Ejercicios complementarios personalizados: A. Dada la ecuación diferencial: Usa el método de Euler para aproimar y (. 3 d 6 ) en cada paso del proceso iterativo. tomando B. Dada la ecuación diferencial: Usa el método de Euler para aproimar y (. 3 d ) tomando en cada paso del proceso iterativo. A. Dada la ecuación diferencial: Usa el método de Euler mejorado para aproimar y (. 3 d 7 ) tomando en cada paso del proceso iterativo. B. Dada la ecuación diferencial: Usa el método de Euler mejorado para aproimar y ( 3. 3 d 6 ) tomando en cada paso del proceso iterativo. C. Dada la ecuación diferencial: Usa el método de Runge Kutta para aproimar y ( 4. 3 d ) tomando en cada paso del proceso iterativo. ISIDORO PONTE E.S.M.C.8
INTEGRACIÓN NUMÉRICA
INTEGRACIÓN NUMÉRICA En los cursos de Cálculo Integral, nos enseñan como calcular una integral definida de una función contínua mediante una aplicación del Teorema Fundamental del Cálculo: Teorema Fundamental
Más detallesInstituto Tecnológico de Lázaro Cárdenas Ingeniería Electrónica. Interpolación Spline
Instituto Tecnológico de Lázaro Cárdenas Ingeniería Electrónica Interpolación Spline Asignatura: Análisis Numérico Docente: M.C. Julio César Gallo Sanchez Alumno: José Armando Lara Ramos Equipo: 9 4 o
Más detallesJ. Armando Lara R. Invierno
Interpolación Spline J. R. Ingeniería Electrónica Instituto Tecnológico de Lázaro Cárdenas Invierno 2011-2012 Outline Interpolación Spline 1 Interpolación Spline Introducción 2 3 4 Outline Interpolación
Más detalles5. SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS Y PARCIALES
5. SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS Y PARCIALES 5.1. Fundamentos matemáticos 5.2. Métodos de un paso 5.2.1. Método de Euler La idea del método de Euler es muy sencilla y está basada en el
Más detallesMÉTODO DE LA FALSA POSICIÓN (REGULA FALSI).
MÉTODO DE LA FALSA POSICIÓN (REGULA FALSI). Como se mencionó en el método de bisección, conviene considerar que la raíz de una ecuación está localizada más cerca de alguno de los extremos del intervalo.
Más detallesMÉTODO DE NEWTON-RAPHSON
Universidad Autónoma de Estado de Méico MÉTODO DE NEWTON-RAPHSON Este método, e cua es un método iterativo, es uno de os más usados y efectivos. A diferencia de método de bisección, e método de Newton-Raphson
Más detallesResolución de Ecuaciones no lineales. Juan Manuel Rodríguez Prieto
Resolución de Ecuaciones no lineales Juan Manuel Rodríguez Prieto Resolución de Ecuaciones no lineales Objetivos Aprender a resolver ecuaciones de la forma: f () = 0 Donde f es una función no-lineal de
Más detallesMETODOS NUMERICOS INGENIERIA ING. RICARDO SEMINARIO VASQUEZ
METODOS NUMERICOS PARA INGENIERIA INDICE DE MATERIAS INTRODUCCION AL ANALISIS NUMERICO... 3 Qué es un método numérico?... 4 ERRORES DE CÁLCULO... 5 TIPOS DE ERRORES... 6 ALGORITMOS BASICOS... 7 Ejercicios
Más detallesResolución de Ecuaciones no lineales. Juan Manuel Rodríguez Prieto
Resolución de Ecuaciones no lineales Juan Manuel Rodríguez Prieto Resolución de Ecuaciones no lineales Objetivos Aprender a resolver ecuaciones de la forma: f () = 0 Donde f es una función no-lineal de
Más detallesCÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES. Por Frednides Guillén
CÁLCULO DE RAÍCES DE ECUACIONES NO LINEALES Por Frednides Guillén MÉTODO DE BISECCIÓN Este método consiste en hallar los ceros de una función continua f(). Primero se debe considerar un intervalo [ i,
Más detallesLímite de una función Funciones continuas
Límite de una función Funciones continuas Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 2014-2015 1 LÍMITE CUANDO LA VARIABLE TIENDE A INFINITO. 3 1. Límite cuando la variable tiende
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesResolución de Ecuaciones No Lineales
Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Contenido 1 Introducción Introducción 2 Localización de Raíces Localización de Raíces 3 Métodos Iterativos
Más detallesDerivadas de orden superior
Tema 6 Derivadas de orden superior 6 Polinomios de Taylor Nuestro objetivo es aproimar una función dada mediante funciones polinómicas Resulta conveniente estudiar las funciones polinómicas con más detenimiento
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesMétodos Numéricos en Ecuaciones Diferenciales Ordinarias
Tema 4 Métodos Numéricos en Ecuaciones Diferenciales Ordinarias 4.1 Introducción Estudiaremos en este Tema algunos métodos numéricos para resolver problemas de valor inicial en ecuaciones diferenciales
Más detallesUNIDAD DE APRENDIZAJE IV
UNIDAD DE APRENDIZAJE IV Saberes procedimentales Emplea de manera sistemática conceptos algebraicos, geométricos, trigonométricos y de geometría analítica. Relaciona la ecuación de segundo grado en dos
Más detalles: x [m, M] x. b) Un número x del intervalo [m, M] siempre estará comprendido entre dos valores de A, esto es
MÉTODOS MATEMÁTICOS. FEBRERO DE 6. SEGUNDA SEMANA. Consideremos el conjunto A formado por los números de la forma n k, en donde n y k son enteros tales que 5 n < 6, 7 k 6. Se pide determinar razonadamente:
Más detallesMétodos Numéricos CÓDIGO: Teórico - Práctico. Agosto 5 de 2018.
Página 1 de 4 FACULTAD: CIENCIAS BASICAS PROGRAMA: _FISICA DEPARTAMENTO DE: FISICA Y GEOLOGIA CURSO: ÁREA: Métodos Numéricos CÓDIGO: 157103 Profundización REQUISITOS: 167003 CORREQUISITO: -------------
Más detallesLas aproximaciones numéricas que podamos hacer (para h > 0) serán: Diferencias hacia adelante:
4 DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA 4.1. Derivación numérica La derivación numérica es una técnica de análisis numérico para calcular una aproximación a la derivada de una función en un punto utilizando
Más detallesAnálisis Numérico: Soluciones de ecuaciones en una variable
Análisis Numérico: Soluciones de ecuaciones en una variable MA2008 Contexto Uno de los problemas básicos en el área de Ingeniería es el de la búsqueda de raíces: Dada una función o expresión matemática
Más detallesPropiedades de las funciones en un intervalo
Propiedades de las funciones en un intervalo Teorema de Rolle: si una función es continua y derivable en un intervalo y toma valores iguales en sus etremos, eiste un punto donde la derivada primera se
Más detallesTécnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler
Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 7
Análisis Numérico para Ingeniería Clase Nro. 7 Sistemas de Ecuaciones No Lineales Temas a tratar: Método de Bisección. Método de Punto Fijo. Método de Punto Fijo Sistemático. Método de Newton-Raphson.
Más detallesPRÁCTICA No. 2 RAÍCES DE ECUACIONES CON MÉTODOS ABIERTOS
PRÁCTICA No. 2 RAÍCES DE ECUACIONES CON MÉTODOS ABIERTOS OBJETIVO EDUCACIONAL Determinar la raíz de una función mediante métodos abiertos, los cuales se han visto en clase, utilizando Excel para que el
Más detallesTEMA 6: GEOMETRÍA ANALÍTICA EN EL PLANO
Alonso Fernández Galián Tema 6: Geometría analítica en el plano TEMA 6: GEOMETRÍA ANALÍTICA EN EL PLANO La geometría analítica es el estudio de objetos geométricos (rectas, circunferencias, ) por medio
Más detallesNombre de la Asignatura METODOS NUMERICOS PARA INGENIEROS INFORMACIÓN GENERAL Escuela. Departamento Unidad de Estudios Básicos
Código 0083813 Horas Semanales 04 Horas Teóricas 04 UNIVERSIDAD DE ORIENTE INFORMACIÓN GENERAL Escuela Departamento Unidad de Estudios Básicos Ciencias Pre-requisitos Introducción a la Programación y Matemáticas
Más detallesUnidad 1 Funciones polinomiales
Unidad 1 Funciones polinomiales 1. Introducción a la noción generalizada del concepto de función UNIDAD 1 "FUNCIONES POLINOMIALES" 1 Introducción. Una función es un conjunto de parejas ordenadas, en donde
Más detallesTRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE AGRONOMIA Y AGROINDUSTRIAS DEPARTAMENTO FISICO- MATEMATICO CATEDRA DE CALCULO NUMERICO TRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS II TEMA 5: INTEGRALES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 6 MATEMÁTICAS II TEMA 5: INTEGRALES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva, Ejercicio,
Más detallesUnidad didáctica 11: Ecuaciones no lineales. Aproximaciones sucesivas. Método de Newton-Raphson. Ejercicios.
Unidad didáctica 11: Ecuaciones no lineales. Aproimaciones sucesivas. Método de Newton-Raphson. Ejercicios. Israel Cañamón Valera Dto. de Matemática Aplicada y Métodos Inormáticos. E.T.S.I. Minas 1 ÍNDICE
Más detallesPráctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica
Práctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica Resolver una ecuación o un sistema de ecuaciones es un problema que se presenta con mucha frecuencia en matemáticas. En esta
Más detallesSea f una función numérica cualquiera, definida en un intervalo abierto (a,b) que contiene al punto x. y x, se define como
Modulo 3 La derivada 1. Variación promedio Sea f una función numérica cualquiera, definida en un intervalo abierto (a,b) que contiene al punto. Consideremos un pequeño incremento,, de la variable independiente,
Más detalles7. Forma de Lagrange para el polinomio interpolador. 9. Forma de Newton para el polinomio interpolador
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 2: Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Septiembre
Más detallesCAPÍTULO. Continuidad
CAPÍTULO 4 Continuidad. Comprender el concepto de continuidad de una función en un punto.. Determinar clasificar las discontinuidades de una función.. Bosquejar la gráfica de funciones continuas discontinuas.
Más detallesRaíces de ecuaciones no lineales
Matemática Superior Aplicada Raíces de ecuaciones no lineales Profesor: Dr. Alejandro S. M. Santa Cruz Jtp: Dr. Juan Ignacio Manassaldi Au. 1ra: Ing. Juan Pablo Camponovo Au. 2da: Sr. Alejandro Jesús Ladreyt
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 5: INTEGRALES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 5 MATEMÁTICAS II TEMA 5: INTEGRALES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva, Ejercicio,
Más detallesTema 5: Funciones. Límites de funciones
Tema 5: Funciones. Límites de funciones 1. Concepto de función Una aplicación entre dos conjuntos y es una transformación que asocia a cada elemento del conjunto un único elemento del conjunto. Una función
Más detallesMatemáticas aplicadas a las CC.SS. II
Tema Nº 8 Aplicaciones de las Derivadas ( 17! Determina las dimensiones de una ventana rectangular que permita pasar la máima cantidad de luz, sabiendo que su marco debe medir 4 m. ---oooo--- La ventana
Más detallesMatemáticas de 2º de bachillerato página 1 Integral indefinida. Integral indefinida
Matemáticas de º de bachillerato página Integral indefinida Integral indefinida.introducción.- La integración es el proceso recíproco de la derivación, es decir, en la derivación se trata de hallar la
Más detallesTema 4. Representación de Funciones. Raúl González Medina. I.E. Juan Ramón Jiménez Tema 4
Tema 4 Representación de Funciones 0.- Introducción.- Estudio de una función...- Dominio...- Simetrías...- Periodicidad..4.- Continuidad..5.- Puntos de Corte con los ejes..6.- Asíntotas y ramas infinitas..7.-
Más detallesTema 7: Geometría Analítica. Rectas.
Tema 7: Geometría Analítica. Rectas. En este tema nos centraremos en estudiar la geometría en el plano, así como los elementos que en este aparecen como son los puntos, segmentos, vectores y rectas. Estudiaremos
Más detallesObjetivos. El alumno conocerá y aplicará el concepto aproximación numérica. Conocerá y resolverá, utilizando la computadora, ecuaciones algebraicas.
Objetivos El alumno conocerá y aplicará el concepto aproimación numérica. Conocerá y resolverá, utilizando la computadora, ecuaciones algebraicas. Al final de esta práctica el alumno podrá: 1. Calcular
Más detallesFunciones convexas Definición de función convexa. Tema 7
Tema 7 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones definidas en intervalos, las funciones
Más detallestiene por límite L cuando la variable independiente x tiende a x , y se nota por L, cuando al acercarnos todo lo que queramos a x lím( x
UNIDAD 8: LÍMITES DE FUNCIONES. CONTINUIDAD. LÍMITE DE UNA FUNCIÓN Diremos que una función y f () tiene por ite L cuando la variable independiente tiende a, y se nota por f ( ) L, cuando al acercarnos
Más detallesPráctica 6 INTERPOLACIÓN
Práctica 6 INTERPOLACIÓN 6.1. Interpolación Polinómica Datos de interpolación: 8Hx k, f k L< k=0,1,...,n Conocemos los valores de una función, f k = f Hx k L, en n + 1 puntos distintos, x k, de un intervalo
Más detallesCAPÍTULO. 7 Métodos numéricos
CAPÍTULO 7 Métodos numéricos 7.3 Método de Euler mejorado Consideremos ahora el polinomio de Taylor de orden de y.x/ en x D x 0 para aproximar a la solución del PVI y 0 D f.x; y/, con y.x 0 / D y 0. Esta
Más detalles1.- CONCEPTO DE LÍMITE. LÍMITE DE UNA FUNCIÓN EN UN PUNTO.
º Bachillerato Matemáticas I Tema 8:Límites y continuidad.- CONCEPTO DE LÍMITE. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. En ocasiones interesa saber hacia qué valor se aproima una función cuando la variable
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
UNIVERSIDAD REY JUAN CARLOS, MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS MATEMÁTICAS II AÑO 2010 OPCIÓN A Ejercicio 1 a) (1 punto) Hallar los valores del parámetro para los que la siguiente matriz
Más detalles7.FUNCIÓN REAL DE VARIABLE REAL
7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el
Más detallesTaller de Informática I Dpto. Computación F.C.E. y N. - UBA
Ajuste de Curvas El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de puntos {xi, yi} (siendo x la variable independiente e y la dependiente), se determina una función matemática
Más detalles3.3. TEOREMAS DE VALOR MEDIO Y APLICACIONES
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM. 1 3. DERIVACIÓN DE FUNCIONES DE UNA VARIABLE 3.3. TEOREMAS DE VALOR MEDIO Y APLICACIONES 3.3.1. Teorema de Rolle Si f es continua en [a,
Más detallesUNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008
UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas Matemáticas Manuel Fernández García-Hierro Badajoz, Febrero 2008 Capítulo X Integración numérica Introducción La integral definida I(f) = b a f(x)
Más detallesApellidos:... Nombre:... Examen
Cálculo Numérico I. Grado en Matemáticas y doble grado Física/Matemáticas. 16 de junio de 017 Curso 016/017. Apellidos:... Nombre:... Examen 1. Explicar razonadamente si las siguientes afirmaciones son
Más detalles1. MONOTONÍA: CRECIMIENTO Y DECRECIMIENTO DE UNA FUNCIÓN. Ejemplo: Estudiar la monotonía (intervalos de crecimiento y decrecimiento) de la función 2
UNIDAD 11.- APLICACIONES DE LAS DERIVADAS 1. MONOTONÍA: CRECIMIENTO Y DECRECIMIENTO DE UNA FUNCIÓN Estudiando el signo de la derivada primera podemos saber cuándo una función es creciente o decreciente.
Más detallesUnidad IV: Diferenciación e integración numérica
Unidad IV: Diferenciación e integración numérica 4.1 Diferenciación numérica El cálculo de la derivada de una función puede ser un proceso "difícil" ya sea por lo complicado de la definición analítica
Más detallesOCW-V.Muto El algoritmo de bisección Cap. VI CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO
CAPITULO VI. EL ALGORITMO DE BISECCION 1. INTRODUCCION Y METODO En este capítulo comenzaremos a analizar uno de los problemas más básicos del análisis numérico: el problema de búsqueda de raíces. El problema
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesResolución numérica de ecuaciones no lineales
Resolución numérica de ecuaciones no lineales Son muchas las situaciones en las que se presenta el problema de obtener las soluciones de ecuaciones de la forma f(x) = 0. En algunos casos existe una fórmula
Más detallesDecimos que f es derivable en dicho punto si existe y es finito: Lím. En tal
UNIDAD : DERIVADAS Y APLICACIONES.- DERIVADA DE UNA FUNCIÓN EN UN PUNTO. Definición : Sea f una función definida en un a, b Dom f. Se llama tasa de intervalo [ ] variación media de f en dicho intervalo
Más detallesSOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES
SOLUCIÓN NUMÉRICA DE ECUACIONES ALGEBRAICAS Y TRASCENDENTES EL PROBLEMA DE OBTENER LOS CEROS O RAÍCES DE UNA ECUACIÓN ALGEBRAICA O TRASCENDENTE, ES UNO DE LOS REQUERIDOS MAS FRECUENTEMENTE, DEBIDO A ELLO
Más detallesBoletín II. Cálculo diferencial de funciones de una variable
CÁLCULO Boletín II. Cálculo diferencial de funciones de una variable Ejercicios básicos 1. (NUEVO) Utiliza la definición de derivada para demostrar que f () = 10 para 5 2. ( ) sin() 2. Sea arctan. Calcula
Más detallesResolución numérica de problemas de contorno
Capítulo 6 Resolución numérica de problemas de contorno 6.1 Introducción Un problema de contorno para una ecuación diferencial es aquel en el que a la variable dependiente o incógnita se le exigen condiciones
Más detallesPrueba º Bach C Análisis. Nombre:... 17/05/10. Elige una de las dos opciones y contesta a todas sus preguntas. Tiempo disponible 1 h. 30 min.
Nota Prueba 3.04 º Bach C Análisis Nombre:... 7/05/0 Elige una de las dos opciones y contesta a todas sus preguntas. Tiempo disponible h. 30 min. OPCIÓN A. a) Calcula los siguientes límites: ln( + ) sen
Más detallesCarrera: GCM Participantes. Representantes de las Academias de Ingeniería en Geociencias. Academia de Ingeniería en Geociencias
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis Numérico y Programación Ingeniería en Geociencias GCM-0502 3-2-8 2.- HISTORIA
Más detalles1. Interpolación e Integración Numérica
1. Interpolación e Integración Numérica 1.1. Interpolación Dados n + 1 puntos en el plano: (x 0, y 0 ), (x 1, y 1 ),... (x n+1, y n+1 ) con x i x j si i j; existe un único polinomio de grado n, p n (x)
Más detallesSoluciones Tema 3: Resolución aproximada de ecuaciones
E.T.S Minas: Métodos matemáticos Dep. Matemática Aplicada III EPSEM-UPC Septiembre 8, versión. Profesor: Francisco Palacios Soluciones Tema 3: Resolución aproimada de ecuaciones Ejercicio (a) Representación
Más detallesLas funciones. 1. Constantes y variables.- Constante es una letra o símbolo que representa un número fijo y determinado.
Las funciones 1. Constantes y variables.- Constante es una letra o símbolo que representa un número fijo y determinado. Variable es una letra o símbolo que representa cada uno de los números de un conjunto.
Más detallesUNIDAD 10. DERIVADAS. APLICACIONES DE LAS DERIVADAS
Unidad 0. Derivadas. Aplicaciones de las derivadas UNIDAD 0. DERIVADAS. APLICACIONES DE LAS DERIVADAS. TASA DE VARIACIÓN MEDIA. Se llama TASA DE VARIACIÓN MEDIA (TVM) de una función () f en un intervalo
Más detallesInterpolación. Dan Casas
Interpolación Dan Casas 1 Motivación 2 Motivación 3 Motivación 4 Interpolación 1. Introducción La mayor parte de los procesos relacionados con la Animación se basan en la Interpolación. Qué necesitamos?
Más detallesln( = x, como x = f -1 (y), cambiamos y por x, entonces Ej 1. (2 puntos) Sea f ( x ) = 2e + 8, entonces: a) La función inversa de f es:
ANÁLIS. MAT. ING. - EXACTAS C 7 APELLIDO: NOMBRES: SOBRE Nº: Duración del eamen: hs DNI/CI/LC/LE/PAS. Nº: E-MAIL: CALIFICACIÓN: TEMA - --7 TELÉFONOS part: cel: Apellido del evaluador: + Ej. ( puntos) Sea
Más detallesTEMA 5 LÍMITE DE FUNCIONES. CONTINUIDAD
TEMA 5 LÍMITE DE FUNCIONES. CONTINUIDAD 5.1. VISIÓN INTUITIVA DE LA CONTINUIDAD. TIPOS DE DISCONTINUIDADES. La idea de función continua es la que puede ser construida con un solo trazo. DISCONTINUIDADES
Más detallesDiferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método predictor-corrector Método de disparo
Clase No. 25: Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método predictor-corrector Método de disparo MAT 251 Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web:
Más detallesDiferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método de disparo Método predictor-corrector
Clase No. 23: Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método de disparo Método predictor-corrector MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato
Más detallesMETODOS NUMERICOS. Curso
Boletín 1 de prácticas. 1. Localizar las raíces de la ecuación F (x) = 0, para los siguientes casos: (a) F (x) = x + e x. (b) F (x) = 0.5 x + 0.2 sen(x). (c) F (x) = x tg(x). (d) F (x) = x 5 3. (e) F (x)
Más detallesTema 4: Funciones. Límites de funciones
Tema 4: Funciones. Límites de funciones 1. Concepto de función Una aplicación entre dos conjuntos A y B es una transformación que asocia a cada elemento del conjunto A un único elemento del conjunto B.
Más detallesPlanteamiento del problema
Planteamiento del problema La interpolación consiste en construir una función (o una curva) que pase por una serie de puntos prefijados. Interpolación polinomial: el conjunto de datos observados se interpola
Más detallesIntegración Numérica. Hermes Pantoja Carhuavilca. Métodos Computacionales. Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos
Integración Numérica Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Hermes Pantoja Carhuavilca 1 de 64 CONTENIDO Introducción
Más detalles5.2. El teorema de Fubini. TEMA 5. INTEGRALES DE FUNCIONES DE DOS VARIABLES.
Tema 5 Integrales de funciones de dos variables. 5.. La integral doble como volumen. La integral de una función de dos variables está relacionada con zf H,L el cálculo del volumen encerrado entre el plano
Más detalles7.3 Método de Euler mejorado
43 Ecuaciones diferenciales Ejercicios 7..1 Euler. Soluciones en la página 477 Determine una aproximación lineal de la solución y.x/ de cada una de los siguientes PVI en el punto indicado utilizando el
Más detalles5. Derivación e integración numérica
5. Derivación e integración numérica 5.. Ejercicios Ejercicio 5. Calcular usando la fórmula del punto medio: la integral: b a ( ) f(x)dx a+b = (b a)f xdx Calcular la integral y dar el error. Dibujar el
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
Más detallesPara las ecuaciones diferenciales ordinarias no lineales no existen métodos generales.
Unidad IV: Sistemas continuos (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detallesInterpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35
Interpolación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Contenidos 1 Introducción 2 Interpolación de Taylor Cálculo del polinomio
Más detallesCuadratura de Newton-Cotes
Profesor: Jaime Álvarez Maldonado Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación INTEGRACION NUMERICA Ayudante: Rodrigo Torres Aguirre INTEGRACION
Más detallesUNIDAD 3. La derivada. Objetivos. Al terminar la unidad, el alumno:
UNIDAD La derivada Objetivos Al terminar la unidad, el alumno: Calculará la derivada de funciones utilizando el álgebra de derivadas. Determinará la relación entre derivación y continuidad. Aplicará la
Más detallesMétodos Numéricos. Carrera: Ingeniería Naval NAF Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Métodos Numéricos Ingeniería Naval NAF - 0629 2-4-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesInterpolación. Dan Casas
Interpolación Dan Casas 1 Motivación 2 Motivación 2 Motivación 2 Motivación 3 Interpolación 1. Introducción La mayor parte de los procesos relacionados con la Animación se basan en la Interpolación. 4
Más detallesOrdenada en el origen: Es el valor de la función cuando la variable x es 0 También llamado corte con el eje de ordenadas o corte Oy.
Función polinómica: La función polinómica está compuesta por una serie de operaciones; sumas, restas, productos potencias. Todas ellas están perfectamente definidas en el conjunto de los números reales.
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS II TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 005 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,
Más detallesMétodos Numéricos. Carrera: BQM Participantes. Representantes de las academias de Ingeniería Bioquímica. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Métodos Numéricos Ingeniería Bioquímica BQM - 0524 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesEl plano cartesiano tiene como finalidad describir la posición de puntos, los cuales se representan por sus coordenadas o pares ordenados.
GEOMETRÍA ANALÍTICA: EL PLANO CARTESIANO: El plano cartesiano está formado por dos rectas numéricas perpendiculares, una horizontal y otra vertical que se cortan en un punto. La recta horizontal es llamada
Más detallesTema 10: Cálculo integral
Tema 0: Cálculo integral. Introducción El matemático inglés Isaac Barrow (60-677) fue el precursor del cálculo de integrales definidas, enunciando la regla que lleva su nombre y que conecta la integral
Más detallesFUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 4. DERIVACIÓN
FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 4. DERIVACIÓN 1.- Derivada de una función en un punto. El estudio de la derivada de una función en un punto surge con el problema geométrico
Más detallesPreliminares Problemas de Valor Inicial Problemas de Contorno ECUACIONES DIFERENCIALES ORDINARIAS
ECUACIONES DIFERENCIALES ORDINARIAS Contenido Preliminares 1 Preliminares 2 3 El Método de Disparo Lineal Contenido Preliminares 1 Preliminares 2 3 El Método de Disparo Lineal Preliminares Las ecuaciones
Más detallesMatemáticas. para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul
Matemáticas para administración y economía Ernest F. Haeussler, Jr.* Richard S. Paul Unidad I (Capítulos 3 y 5 del texto) Funciones y Gráficas 1.1 Definición y notación de función. 1.2 Dominio y rango
Más detalles