Professional Documents
Culture Documents
ndice
Introduccin.3
Marco terico..4
Resumen..5
Cuadratura de Gauss.....12
Conclusin..20
Glosario.21
Pgina 2
Introduccion
El anlisis numrico o clculo numrico es la rama de las matemticas que se encarga de disear algoritmos para, a travs de nmeros y reglas matemticas simples, simular procesos matemticos ms complejos aplicados a procesos del mundo real. El anlisis numrico cobra especial importancia con la llegada de los ordenadores. Los ordenadores son tiles para clculos matemticos extremadamente complejos, pero en ltima instancia operan con nmeros binarios y operaciones matemticas simples. Desde este punto de vista, el anlisis numrico proporcionar todo el andamiaje necesario para llevar a cabo todos aquellos procedimientos matemticos susceptibles de expresarse algortmicamente, basndose en algoritmos que permitan su simulacin o clculo en procesos ms sencillos empleando nmeros. Definido el error, junto con el error admisible, pasamos al concepto de estabilidad de los algoritmos. Muchas de las operaciones matemticas pueden llevarse adelante a travs de la generacin de una serie de nmeros que a su vez alimentan de nuevo el algoritmo (feedback). Esto proporciona un poder de clculo y refinamiento importantsimo a la mquina que a medida que va completando un ciclo va llegando a la solucin. El problema ocurre en determinar hasta cundo deber continuar con el ciclo, o si nos estamos alejando de la solucin del problema. Finalmente, otro concepto paralelo al anlisis numrico es el de la representacin, tanto de los nmeros como de otros conceptos matemticos como los vectores, polinomios, etc. Por ejemplo, para la representacin en ordenadores de nmeros reales, se emplea el concepto de coma flotante que dista mucho del empleado por la matemtica convencional. En general, estos mtodos se aplican cuando se necesita un valor numrico como solucin a un problema matemtico, y los procedimientos "exactos" o "analticos" (manipulaciones algebraicas, teora de ecuaciones diferenciales, mtodos de integracin, etc.) son incapaces de dar una respuesta. Debido a ello, son procedimientos de uso frecuente por fsicos e ingenieros, y cuyo desarrollo se ha visto favorecido por la necesidad de stos de obtener soluciones, aunque la precisin no sea completa. Debe recordarse que la fsica experimental, por ejemplo, nunca arroja valores exactos sino intervalos que engloban la gran mayora de resultados experimentales obtenidos, ya que no es habitual que dos medidas del mismo fenmeno arrojen valores exactamente iguales. .
Pgina 3
Marco Teorico Clculo de los valores de una funcin Uno de los problemas ms sencillos es la evaluacin de una funcin en un punto dado. Para polinomios, uno de los mtodos ms utilizados es el algoritmo de Horner, ya que reduce el nmero de operaciones a realizar. En general, es importante estimar y controlar los errores de redondeo que se producen por el uso de la aritmtica de punto flotante.
La extrapolacin es muy similar a la interpolacin, excepto que ahora queremos encontrar el valor de la funcin desconocida en un punto que no est comprendido entre los puntos dados. La regresin es tambin similar, pero tiene en cuenta que los datos son imprecisos. Dados algunos puntos, y una medida del valor de la funcin en los mismos (con un error debido a la medicin), queremos determinar la funcin desconocida. El mtodo de los mnimos cuadrados es una forma popular de conseguirlo. Resolucin de ecuaciones y sistemas de ecuaciones Otro problema fundamental es calcular la solucin de una ecuacin o sistema de ecuaciones dado. Se distinguen dos casos dependiendo de si la ecuacin o sistema de ecuaciones es o no lineal. Por ejemplo, la ecuacin 2x + 5 = 3 es lineal mientras que la ecuacin 2x2 + 5 = 3 no lo es. Mucho esfuerzo se ha puesto en el desarrollo de mtodos para la resolucin de sistemas de ecuaciones lineales. Mtodos directos, i.e., mtodos que utilizan alguna factorizacin de la matriz son el mtodo de eliminacin de Gauss, la descomposicin LU, la descomposicin de Cholesky para matrices simtricas (o hermticas) definidas positivas, y la descomposicin QR. Mtodos iterativos como el mtodo de Jacobi, el mtodo de Gauss-Seidel, el mtodo de las aproximaciones sucesivas y el mtodo del gradiente conjugado se utilizan frecuentemente para grandes sistemas. En la resolucin numrica de ecuaciones no lineales algunos de los mtodos ms conocidos son los mtodos de biseccin, de la secante y de la falsa posicin. Si la funcin es adems derivable y la derivada se conoce, el mtodo de Newton es muy utilizado. Este mtodo es un mtodo de iteracin de punto fijo. La linealizacin es otra tcnica para resolver ecuaciones no lineales.
Pgina 4
Resumen La integracin numrica, tambin conocida como cuadratura numrica, busca calcular el valor de una integral definida. Mtodos populares utilizan alguna de las frmulas de NewtonCotes (como la regla del rectngulo o la regla de Simpson) o de cuadratura gaussiana. Estos mtodos se basan en una estrategia de "divide y vencers", dividiendo el intervalo de integracin en subintervalos y calculando la integral como la suma de las integrales en cada subintervalo, pudindose mejorar posteriormente el valor de la integral obtenido mediante el mtodo de Romberg. Para el clculo de integrales mltiples estos mtodos requieren demasiado esfuerzo computacional, siendo til el mtodo de Monte Carlo. Ecuaciones diferenciales El anlisis numrico tambin puede calcular soluciones aproximadas de ecuaciones diferenciales, bien ecuaciones diferenciales ordinarias, bien ecuaciones en derivadas parciales. Los mtodos utilizados suelen basarse en discretizar la ecuacin correspondiente. Es til ver la derivacin numrica. Para la resolucin de ecuaciones diferenciales ordinarias los mtodos ms utilizados son el mtodo de Euler y los mtodos de Runge-Kutta. Las ecuaciones en derivadas parciales se resuelven primero discretizando la ecuacin, llevndola a un subespacio de dimensin finita. Esto puede hacerse mediante un mtodo de los elementos finitos.
mediante una particin de subintervalos de longitud usando la regla del trapecio. Entonces,
donde regla.
El mtodo de extrapolacin de Richardson combina dos aproximaciones de integracin numrica, para obtener un tercer valor ms exacto.
Pgina 5
El algoritmo ms eficiente dentro de ste mtodo, se llama Integracin de Romberg , la cual es una frmula recursiva. Supongamos que tenemos dos aproximaciomnes : e
Se puede demostrar que el error que se comete con la regla del trapecio para n subintervalos est dado por las siguientes frmulas:
donde es un promedio de la doble derivada entre ciertos valores que pertenecen a cada uno de los subintervalos. Ahora bien, si suponemos que el valor de : es constante, entonces
Pgina 6
(que es el algoritmo de
Esta frmula es solo una parte del algoritmo de Romberg. Para entender el mtodo, es conveniente pensar que se trabaja en niveles de aproximacin. En un primer nivel, es cuando aplicamos la regla del Trapecio, y para poder usar la frmula anterior, debemos de duplicar cada vez el nmero de subintervalos: as, podemos comenzar con un subintervalo, luego con dos, cuatro, ocho, etc, hasta donde se desee. Posteriormente, pasamos al segundo nivel de aproximacin, que es donde se usa la frmula anterior, tomando las parejas contiguas de aproximacin del nivel anterior, y que corresponden cuando .
Despus pasamos al nivel tres de aproximacin, pero aqu cambia la frmula de Romberg, y as sucesivamente hasta el ltimo nivel, que se alcanza cuando solo contamos con una pareja del nivel anterior. Desde luego, el nmero de niveles de aproximacin que se alcanzan, depende de las aproximaciones que se hicieron en el nivel 1. En general, si en el primer nivel, iniciamos con n aproximaciones, entonces alcanzaremos a llegar hasta el nivel de aproximacin n. Hacemos un diagrama para explicar un poco ms lo anterior.
Pgina 7
Solucin. Primero calculamos las integrales del nivel 1, usando la regla del trapecio para las longitudes de segmentos indicadas:
Pgina 8
Ahora pasamos al segundo nivel de aproximacin donde usaremos la frmula que se dedujo anteriormente:
donde es la integral menos exacta (la que usa menos subintervalos) e es la ms exacta (la que usa el doble de subintervalos). En un diagrama vemos lo siguiente:
Para avanzar al siguiente nivel, debemos conocer la fmula correspondiente. De forma similar a la deduccin de la frmula,
se puede ver que la frmula para el siguiente nivel de aproximacin (nivel 3) queda como sigue:
donde: es la integral ms exacta es la integral menos exacta En el siguiente nivel (nivel 4) se tiene la frmula
Pgina 9
As, podemos concluir que el valor de la aproximacin, obtenido con el mtodo de Romberg en el ejemplo 1, es:
donde
Pgina 10
Solucin. Igual que arriba, primero usamos la regla del trapecio (con los valores de h indicados) para llenar el nivel 1. Tenemos entonces que:
A continuacin, usamos las frmulas de Romberg para cada nivel y obtenemos la siguiente tabla:
Podemos escribir una frmula general para calcular las aproximaciones en cada uno de los niveles como sigue:
Pgina 11
ALGORITMO DE INTEGRACIN DE ROMBERG Los coeficientes en cada una de las frmulas en el mtodo de Romberg, deben sumar 1. As se tiene la siguiente frmula recursiva:
donde: es la integral ms exacta es la integral menos exacta y el indice k indica el nivel de integracin o de aproximacin. Por ejemplo, digamos que , entonces tenemos:
que es nuestra frmula del nivel 2 de aproximacin. Como todo proceso iterativo, ste se detiene cuando se obtiene una aproximacin suficientemente buena. En este caso se pide que:
donde
es la cota suficiente.
tomando Solucin. En este caso no sabemos exactamente cuantas aproximaciones debemos hacer con la regla del trapecio. As que para comenzar hacemos los clculos correspondientes a uno, dos, cuatro y ocho subintervalos:
Pgina 12
Con estos datos, podemos hacer los clculos hasta el nivel 4. Tenemos la siguiente tabla:
Haciendo los clculos de los errores, nos damos cuenta que efectivamente la aproximacin se obtiene hasta el nivel 4, donde . Por lo tanto, conclumos que la aproximacin buscada es:
Cuadratura Gaussiana Cuadratura gaussiana: Las frmulas de Trapecios y Simpson utilizan nodos equidistantes y dan valores exactos para polinomios de grado menor o igual que n (n = 1 en el caso de Trapecios y n = 2 en el caso de Simpson).La eleccin de puntos equidistantes no es la mejor. Puede seleccionarse los puntos de manera que mejore la aproximacin. La cuadratura gaussiana selecciona los puntos de manera ptima. El mtodo consiste en seleccionar los nodos x1, x2,. . ., xn en [a, b] y los coeficientes c1, c2,. . ., cn que minimicen el error de la aproximacin
Pgina 13
Note que si el integral esta dado en un intervalo arbitrario [a,b] entonces mediante el cambio de variables
tenemos que
lo cual nos da una integral en [-1,1]. Asi que sin perdida de generalidad podemos asumir que el integral es en [-1,1]. Sean x1,x2,,xn puntos (no necesariamente uniformemente distribuidos) en [1,1] y w1,w2,,wn nmeros llamados pesos ("weights"). Los puntos xj's y los pesos wj's se determinan de modo que la frmula de integracin numrica
sea exacta para polinomios de grado a lo ms 2n-1, i.e., In(p)=I(p) para todo polinomio p de grado a lo ms 2n-1. Como In I son operadores lineales, basta verificar que
Caso n=1: Aqui I1(f)=w1f(x1) y requerimos que I1(1)=I(1), I1(x)=I(x). Pero I(1)=2 y I1(1)=w1 de modo que w1=2. Adems I(x)=0 y I1(x)=2x1, de donde obtenemos que x1=0. Tenemos pues la fmula numrica I1(f)=2f(0) lo cal se conoce como la frmula del punto medio. Caso n=2: Tenemos ahora que I2(f)= w1f(x1)+ w2f(x2) y se requiere que I2(xi)=I(xi) para i=0,1,2,3. Esto nos lleva al siguiente sistema nolineal para x1,x2,w1,w2:
Races de ecuaciones no lineales Pgina 14
Suponiendo que x1, x2 son conocidas, resolvemos la tercera y cuarta ecuacin (que son lineales en los w's) mediante la regla de Cramer para w1, w2 obteniendo asi que
Sustituyendo estas expresiones en la primera y segunda ecuacin y resolviendo para x1, x2 obtenemos que
Asi que nuestra frmula numrica en el caso n=2 lee como sigue:
Caso n>2: Al aplicar las condiciones se obtiene un sistema no lineal de 2n ecuaciones en 2n desconocidas (las x's y las w's). Este sistema se puede resolver numricamente usando el mtodo de Newton para sistemas no lineales. Pero en lugar de proceder de esta forma se utiliza el hecho de que se puede demostrar que los xi's son los ceros del nesimo polinomio de Legendre Ln(x). Estos polinomios se definen por la recursin
En particular tenemos que L2(x)=(3/2)x2-(1/2) cuyos ceros son que fueron los x's que determinamos en el caso n=2. Tambin
de donde podemos obtener los x's para las frmulas de los casos n=3,4 respectivamente. Teniendo los x's podemos ahora calcular los w's resolviendo un sistema lineal de ecuaciones.
Pgina 15
Ejemplo 2: Aproximamos
usando la regla de cuadrtura con n=2. Primero hacemos un cambio de variables de modo que el integral sea en el intervalo de [-1,1]. Para esto usamos el cambio de variables discutido al principio de esta seccin lo que resulta en:
Hay 2n parmetros que elegir. Si los coeficientes de un polinomio se consideran parmetros, un polinomio de grado 2n - 1 tambin tiene 2n parmetros. Este es el tipo de polinomios de mayor grado para el cual se puede esperar que la solucin sea exacta.
Pgina 16
Hay que demostrar que la frmula produce resultados exactos cuando f(x) es 1, x, x2 y x3.
_ Caso general Para n _ 2 e intervalo [-1, 1] el clculo de los xi y ci se realizan utilizando los polinomios de Legendre y sus races.
Races de ecuaciones no lineales Pgina 17
As:
Para el caso general de un intervalo cualquiera [a, b] se realiza un cambio de variable en la integral:
Pgina 18
Pgina 19
Conclusion
En la ultima parte del curso se aprendieron mtodos de integracin y solucin de ecuaciones diferenciales para implementar cuando las funciones a integrar sean complicadas y con estos mtodos facilitar el trabajo a pesar de que no son mtodos exactos los resultados obtenidos son muy buenos
Pgina 20
Glosario Extrapolacin: Deduccin del valor de una variable en una magnitud a partir de otros valores no incluidos en dicha magnitud.
Bibliografias
Pgina 21