You are on page 1of 10

UNIVERSIDAD NACIONAL DE COLOMBIA –SEDE BOGOTA FACULTAD DE INGENIERIA

LABORATORIO MODULO CINCO MÉTODOS NUMÉRICOS

Juan David Alejandro Cadena Cedano Luis Alberto Figueroa Casallas 244484

Código: 257912 Código:

PRESENTADO EL 25 DE OCTUBRE DE 2012

En la formulación de este método se supone que es continua y positiva en el intervalo [a. desde x=a hasta x=b. Primero se divide el intervalo [a. cada uno de ancho Después de realizar todo el proceso matemático se llega a la siguiente fórmula: Donde y n es el número de divisiones.b] en n subintervalos. La expresión anterior también se puede escribir como: Ajustando los códigos a la función anterior al ejercicio se obtiene: .El problema que requiere un método numérico para aproximar una integral definida por medio de la regla trapezoidal compuesta es el siguiente: La regla del trapecio compuesta o regla de los trapecios es una forma de aproximar una integral definida utilizando n trapecios.b]. De tal modo la integral definida representa el área de la región delimitada por la gráfica de f y el eje x.

.

1) Modulo que tiene el método numérico a utilizar: Se empleo la función traprl para encontrar la sumatoria que cumple la regla trapezoidal. esta se desarrolla bajo el siguiente algoritmo informático: .

M) //Input . mprintf( "AA:%d . end s=h*(f(a)+f(b))/2+h*s. b. el procedimiento fue sencillamente: clc.a y b son los limites superiores e inferiores de integración // . s=s+f(x).function s=traprl(a. z=m/(v*(v^0.MM:%d .b.M) .MM:%d. endfunction 2) Modulo que tiene la función a investigar (de acuerdo con el planteamiento desarrollado anteriormente): function z=f(v) m=10.s es la suma de la regla trapezoidal h=(b-a)/M. disp(" ** Laboratorio 5 ** ") disp("Codigos: 257912-244484") ww=getdate(). for k=1:(M-1) x=a+h*k.M es el numero de sub-intervalos //Output . s=0.5)) endfunction 3) Modulo que tiene los datos de entrada y que ejecuta el método numérico con la función a investigar: Establecemos los límites (velocidades) de integración como lo dice el planteamiento y hallamos la integración numérica que nos da el tiempo aproximado que tarda la partícula en disminuir su velocidad 5 m/s a partir de los módulos anteriores.DD:%d siendo las HH:%d.SS:%d") a=5 b=10 M=5 s=traprl(a.

RESULTADOS EN SCILAB CONCLUSIONES • Se comprobó que el sistema de calculo por medio del desarrollo de las ecuaciones es muy preciso cuando se observa el valor final obtenido por el programa • • La regla del trapecio. . geométricamente se puede interpretar que se aproxima el área bajo la curva por el área bajo un polinomio La regla del trapecio es exacta para funciones lineales (f(x) = mx + c) ya que el término de error contiene f''(z) y este caso f''(x) = 0 y el error sería cero.

0.1. Por tanto los resultados se presentan al final en forma matricial Ecuaciones (1) f ' 0 ≈ (2) f ' 0 ≈ (3) f ' 0 ≈ f 0 − f −1 h f1 − f 0 h f 1 − f −1 2h 3 f 0 − 4 f −1 + f −2 2h (A) f '0 ≈ (B) f ' '0 ≈ f 0 − 2 f −1 + f − 2 h2 Solución //se define la función a estudiar.Punto 2 Realizar en SCILAB (para esta práctica no vale el uso de MATLAB) un programa que efectúe los cálculos de la primera derivada de tan(x) en x = 1 utilizando las cinco aproximaciones que aparecen a continuación (las ecuaciones (1). (2) y (3) y las ecuaciones (A) y (B)). funcion.sci function y=fun(x) . Nota: es obligatorio usar vectores para almacenar el cálculo de cada una de las aproximaciones. El programa también debe evaluar el error relativo verdadero de cada aproximación.05 y 0. utilizando h=0. Los resultados deben quedar almacenados primero en una matriz.02.

Er]=difCentral3(h. endfunction //fórmula (3) function [A. x) A=(fun(x+h)-fun(x))/h. Er]=difCentral1(h.MM: %d .x))*100. Er=abs((derivative(fun.ww(2).MM:%d .x)-A)/derivative(fun. Er]=difCentralB(h. endfunction //fórmula (A) function [A. endfunction //se definen todas las fórmulas que se usaran para obtener las aproximaciones difCentral. Er=abs((derivative(fun. Er]=difCentral2(h.ww(1).x)-A)/derivative(fun.x)-A)/derivative(fun. endfunction //fórmula (B) function [A. x) A=(fun(x)-fun(x-h))/h. x) A=(fun(x+h)-fun(x-h))/(2*h). x) A=((fun(x))-(2*fun(x-h))+fun(x-(2*h)))/(h^2). Er=abs((derivative(fun. Er]=difCentralA(h.SS:%d ". Er=abs((der2-A)/der2)*100.y=tan(x).ww(6). . endfunction //fórmula (2) function [A.x))*100.ww(8).sce disp(" ** Laboratorio Modulo Cinco ** ") disp("Codigos: 257912 244484") ww=getdate().ww(7). x) A=((3*fun(x))-(4*fun(x-h))+fun(x-2*h))/(2*h).sci //fórmula (1) function [A.x))*100.der2]=derivative(fun.x).x)-A)/derivative(fun. endfunction Principal. Er=abs((derivative(fun. [der1.ww(9)). mprintf( " AA:%d .DD:%d siendo las HH:%d .x))*100.

[resultados(i. [resultados(i. errores(1.3)] = difCentral2(h(i). //se calcula las aproximaciones con todas las fórmulas para cada h. resultados(2.2)] = difCentral1(h(i). Resultados (A) (B)").5)] = difCentralA(h(i). [resultados(i. .4)] = difCentral3(h(i).x).6).1)=h(1).x).5). disp("Punto II").05 0.6).6).errores(i. for i = 1:3 [resultados(i.x).1)=h(3).x). para tener mayor claridad al presentar los resultados resultados(1. (3) (A) (B)").4).1)=h(3).02].2). resultados(3.errores(i.errores(i.disp("").6)] = difCentralB(h(i).x). disp("ERROR RELATIVO VERDADERO"). end disp("APROXIMACIONES").1)=h(2). //se añaden los valores de h en la primera columna de la matriz resultados y de la matriz errores.1 0.1)=h(2).1)=h(1). h = [0.errores(i.3). errores=zeros(3. errores(2. resultados=zeros(3. disp(" h (1) (2) disp(resultados). x = 1.errores(i. errores(3. [resultados(i. disp(" h (1) (2) (3) disp(errores).

la fórmula de diferencia centrada es la que tiene. obteniéndose que: E ≤ h2 máx. menor error de truncamiento y la que requiere menos evaluaciones de la función. siendo por lo tanto más eficiente desde el punto de vista computacional.x+h) |f′′(z)|. Utilizando el valor de la función en más puntos se construyen fórmulas más precisas para las derivadas. en principio. Cuanto menor sea h (o sea al tomar valores de f(x) más cercanos) la derivada numérica será más precisa. . El error cometido al aproximar la primera derivada por su fórmula de diferencia adelantada es una función lineal de h.De todas estas. En estas ecuaciones el error que no se puede pasar por alto es el de truncamiento y más cuando se tiene poca información del comportamiento de la función en ciertos límites.(x. Este error se denomina error de truncacion o discretizacion y puede acotarse fácilmente.