You are on page 1of 21

I.P.

N

ANALISIS NUMERICO RAICEZ
E.S.I.M.E UNIDAD ZACATENCO CARRERA: ING EN COMUNICACIONES Y ELECTRONICA MATERIA: ANALISIS NUMERICO PROFESOR: FELIPE CALZADA SERAFIN ALUMNO:DANIEL MORENO GALICIA MATRICULA:2009302273 GRUPO:4C5V

ANALICIS NUMERICO ESIME I.P.N Raíces de ecuaciones no lineales Página 1

Índice

Introducción……………………………………………….3

Marco teórico……………………………………………..4

Resumen……………………………………………………..5

Integracion de Romberg ……………………..………..5

Cuadratura de Gauss..……….…………………..12

Conclusión………………………………………………..20

Glosario…………………………………………………….21

Raíces de ecuaciones no lineales

Página 2

Definido el error. junto con el error admisible. . basándose en algoritmos que permitan su simulación o cálculo en procesos más sencillos empleando números. se emplea el concepto de coma flotante que dista mucho del empleado por la matemática convencional. tanto de los números como de otros conceptos matemáticos como los vectores. etc. Raíces de ecuaciones no lineales Página 3 . En general. pero en última instancia operan con números binarios y operaciones matemáticas simples. etc. El problema ocurre en determinar hasta cuándo deberá continuar con el ciclo. para la representación en ordenadores de números reales. El análisis numérico cobra especial importancia con la llegada de los ordenadores. y los procedimientos "exactos" o "analíticos" (manipulaciones algebraicas. métodos de integración. pasamos al concepto de estabilidad de los algoritmos. o si nos estamos alejando de la solución del problema.) son incapaces de dar una respuesta. Debe recordarse que la física experimental. por ejemplo. polinomios.Introduccion El análisis numérico o cálculo numérico es la rama de las matemáticas que se encarga de diseñar algoritmos para. Esto proporciona un poder de cálculo y refinamiento importantísimo a la máquina que a medida que va completando un ciclo va llegando a la solución. Los ordenadores son útiles para cálculos matemáticos extremadamente complejos. aunque la precisión no sea completa. Por ejemplo. son procedimientos de uso frecuente por físicos e ingenieros. nunca arroja valores exactos sino intervalos que engloban la gran mayoría de resultados experimentales obtenidos. a través de números y reglas matemáticas simples. teoría de ecuaciones diferenciales. otro concepto paralelo al análisis numérico es el de la representación. Desde este punto de vista. Finalmente. Debido a ello. estos métodos se aplican cuando se necesita un valor numérico como solución a un problema matemático. ya que no es habitual que dos medidas del mismo fenómeno arrojen valores exactamente iguales. Muchas de las operaciones matemáticas pueden llevarse adelante a través de la generación de una serie de números que a su vez alimentan de nuevo el algoritmo (feedback). y cuyo desarrollo se ha visto favorecido por la necesidad de éstos de obtener soluciones. el análisis numérico proporcionará todo el andamiaje necesario para llevar a cabo todos aquellos procedimientos matemáticos susceptibles de expresarse algorítmicamente. simular procesos matemáticos más complejos aplicados a procesos del mundo real.

de la secante y de la falsa posición. En general. Este método es un método de iteración de punto fijo. pero tiene en cuenta que los datos son imprecisos. y la descomposición QR. Raíces de ecuaciones no lineales Página 4 . Métodos directos. Mucho esfuerzo se ha puesto en el desarrollo de métodos para la resolución de sistemas de ecuaciones lineales. la ecuación 2x + 5 = 3 es lineal mientras que la ecuación 2x2 + 5 = 3 no lo es. Para polinomios. En la resolución numérica de ecuaciones no lineales algunos de los métodos más conocidos son los métodos de bisección. i. Dados algunos puntos. es importante estimar y controlar los errores de redondeo que se producen por el uso de la aritmética de punto flotante.. queremos determinar la función desconocida. Si la función es además derivable y la derivada se conoce. La extrapolación es muy similar a la interpolación. ya que reduce el número de operaciones a realizar. la descomposición LU. el método de Gauss-Seidel. la descomposición de Cholesky para matrices simétricas (o hermíticas) definidas positivas. y una medida del valor de la función en los mismos (con un error debido a la medición). La regresión es también similar. Se distinguen dos casos dependiendo de si la ecuación o sistema de ecuaciones es o no lineal. uno de los métodos más utilizados es el algoritmo de Horner. Por ejemplo. excepto que ahora queremos encontrar el valor de la función desconocida en un punto que no está comprendido entre los puntos dados. Resolución de ecuaciones y sistemas de ecuaciones Otro problema fundamental es calcular la solución de una ecuación o sistema de ecuaciones dado. La linealización es otra técnica para resolver ecuaciones no lineales. Métodos iterativos como el método de Jacobi.Marco Teorico Cálculo de los valores de una función Uno de los problemas más sencillos es la evaluación de una función en un punto dado. métodos que utilizan alguna factorización de la matriz son el método de eliminación de Gauss. el método de las aproximaciones sucesivas y el método del gradiente conjugado se utilizan frecuentemente para grandes sistemas.e. El método de los mínimos cuadrados es una forma popular de conseguirlo. el método de Newton es muy utilizado.

Los métodos utilizados suelen basarse en discretizar la ecuación correspondiente. Ecuaciones diferenciales El análisis numérico también puede calcular soluciones aproximadas de ecuaciones diferenciales. siendo útil el método de Monte Carlo. Es útil ver la derivación numérica. Métodos populares utilizan alguna de las fórmulas de Newton–Cotes (como la regla del rectángulo o la regla de Simpson) o de cuadratura gaussiana. y mediante una partición de subintervalos de longitud usando la regla del trapecio. Estos métodos se basan en una estrategia de "divide y vencerás". pudiéndose mejorar posteriormente el valor de la integral obtenido mediante el método de Romberg. Entonces. Raíces de ecuaciones no lineales Página 5 . dividiendo el intervalo de integración en subintervalos y calculando la integral como la suma de las integrales en cada subintervalo. Para el cálculo de integrales múltiples estos métodos requieren demasiado esfuerzo computacional. llevándola a un subespacio de dimensión finita. bien ecuaciones diferenciales ordinarias. donde regla. Esto puede hacerse mediante un método de los elementos finitos. MÉTODO DE INTEGRACIÓN DE ROMBERG Sea el valor de la integral que aproxima a . bien ecuaciones en derivadas parciales. Las ecuaciones en derivadas parciales se resuelven primero discretizando la ecuación. también conocida como cuadratura numérica.Resumen La integración numérica. es el error de truncamiento que se comete al aplicar la El método de extrapolación de Richardson combina dos aproximaciones de integración numérica. Para la resolución de ecuaciones diferenciales ordinarias los métodos más utilizados son el método de Euler y los métodos de Runge-Kutta. para obtener un tercer valor más exacto. busca calcular el valor de una integral definida.

El algoritmo más eficiente dentro de éste método. la cual es una fórmula recursiva. Supongamos que tenemos dos aproximaciomnes : e Se puede demostrar que el error que se comete con la regla del trapecio para n subintervalos está dado por las siguientes fórmulas: 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 Sustituyendo esto último en nuestra primera igualdad. tenemos que: De aquí podemos despejar : Raíces de ecuaciones no lineales Página 6 . se llama Integración de Romberg .

y así sucesivamente hasta el último nivel. debemos de duplicar cada vez el número de subintervalos: así. y que corresponden cuando . y para poder usar la fórmula anterior. tomando las parejas contiguas de aproximación del nivel anterior. el número de niveles de aproximación que se alcanzan. En general. Desde luego. depende de las aproximaciones que se hicieron en el nivel 1. que se alcanza cuando solo contamos con una pareja del nivel anterior. Posteriormente. podemos comenzar con un subintervalo. pasamos al segundo nivel de aproximación. hasta donde se desee. Raíces de ecuaciones no lineales Página 7 . entonces alcanzaremos a llegar hasta el nivel de aproximación n. Para entender el método. tenemos : (que es el algoritmo de Esta fórmula es solo una parte del algoritmo de Romberg. iniciamos con n aproximaciones.En el caso especial cuando Romberg). cuatro. que es donde se usa la fórmula anterior. es cuando aplicamos la regla del Trapecio. etc. pero aquí cambia la fórmula de Romberg. Hacemos un diagrama para explicar un poco más lo anterior. es conveniente pensar que se trabaja en niveles de aproximación. si en el primer nivel. En un primer nivel. ocho. Después pasamos al nivel tres de aproximación. luego con dos.

Usar el algoritmo de Romberg. Solución.Ejemplo 1. Primero calculamos las integrales del nivel 1. usando la regla del trapecio para las longitudes de segmentos indicadas: Con estos datos. tenemos: Raíces de ecuaciones no lineales Página 8 . para aproximar la integral usando segmentos de longitud .

debemos conocer la fómula correspondiente. De forma similar a la deducción de la fórmula. se puede ver que la fórmula para el siguiente nivel de aproximación (nivel 3) queda como sigue: donde: es la integral más exacta es la integral menos exacta En el siguiente nivel (nivel 4) se tiene la fórmula Raíces de ecuaciones no lineales Página 9 .Ahora pasamos al segundo nivel de aproximación donde usaremos la fórmula que se dedujo anteriormente: donde es la integral menos exacta (la que usa menos subintervalos) e es la más exacta (la que usa el doble de subintervalos). En un diagrama vemos lo siguiente: Para avanzar al siguiente nivel.

obtenido con el método de Romberg en el ejemplo 1. es: Ejemplo 2. Calculamos donde .En el ejemplo anterior. obtenemos la aproximación en el nivel 3 como sigue: Así. con la regla del trapecio: Tenemos entonces la siguiente tabla: De donde concluímos que la aproximación buscada es: Raíces de ecuaciones no lineales Página 10 . Usar el algoritmo de Romberg para aproximar la integral: Agregando a la tabla anterior Solución. podemos concluir que el valor de la aproximación.

Igual que arriba. Aproximar la siguiente integral: usando el método de Romberg con segmentos de longitud .Ejemplo 3. . primero usamos la regla del trapecio (con los valores de h indicados) para llenar el nivel 1. usamos las fórmulas de Romberg para cada nivel y obtenemos la siguiente tabla: De donde concluímos que la aproximación buscada es: Podemos escribir una fórmula general para calcular las aproximaciones en cada uno de los niveles como sigue: Raíces de ecuaciones no lineales Página 11 . . Solución. Tenemos entonces que: A continuación.

En este caso se pide que: donde es la cota suficiente. Ejemplo 1. Aplicar el algoritmo de integración de Romberg a la integral: tomando Solución. deben sumar 1. Por ejemplo. Así que para comenzar hacemos los cálculos correspondientes a uno. digamos que . Como todo proceso iterativo. entonces tenemos: que es nuestra fórmula del nivel 2 de aproximación. cuatro y ocho subintervalos: Raíces de ecuaciones no lineales Página 12 .ALGORITMO DE INTEGRACIÓN DE ROMBERG Los coeficientes en cada una de las fórmulas en el método de Romberg. Así se tiene la siguiente fórmula recursiva: donde: es la integral más exacta es la integral menos exacta y el indice k indica el nivel de integración o de aproximación. éste se detiene cuando se obtiene una aproximación suficientemente buena. En este caso no sabemos exactamente cuantas aproximaciones debemos hacer con la regla del trapecio. dos.

concluímos que la aproximación buscada es: Cuadratura Gaussiana Cuadratura gaussiana: Las fórmulas 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)... Tenemos la siguiente tabla: Haciendo los cálculos de los errores. podemos hacer los cálculos hasta el nivel 4. .Con estos datos. . donde .La elección de puntos equidistantes no es la mejor. x2. nos damos cuenta que efectivamente la aproximación se obtiene hasta el nivel 4. La cuadratura gaussiana selecciona los puntos de manera óptima. xn en [a. . b] y los coeficientes c1. cn que minimicen el error de la aproximación Raíces de ecuaciones no lineales Página 13 . . Por lo tanto. Puede seleccionarse los puntos de manera que mejore la aproximación.. El método consiste en seleccionar los nodos x1.. c2.

Asi que sin perdida de generalidad podemos asumir que el integral es en [-1..wn números llamados pesos ("weights"). i. Sean x1. I1(x)=I(x). Además I(x)=0 y I1(x)=2x1.w2: Raíces de ecuaciones no lineales Página 14 . Pero I(1)=2 y I1(1)=w1 de modo que w1=2.w2.3.x2. Como In é I son operadores lineales. Caso n=2: Tenemos ahora que I2(f)= w1f(x1)+ w2f(x2) y se requiere que I2(xi)=I(xi) para i=0.….xn puntos (no necesariamente uniformemente distribuidos) en [1.1.1]. Los puntos xj's y los pesos wj's se determinan de modo que la fórmula de integración numérica sea exacta para polinomios de grado a lo más 2n-1.2.…. basta verificar que Caso n=1: Aqui I1(f)=w1f(x1) y requerimos que I1(1)=I(1).e.1].w1.b] entonces mediante el cambio de variables tenemos que lo cual nos da una integral en [-1. de donde obtenemos que x1=0. Tenemos pues la fómula numérica I1(f)=2f(0) lo cúal se conoce como la fórmula del punto medio.1] y w1.Reglas de Cuadrátura Gaussiana: Consideramos por el momento integrales de la forma Note que si el integral esta dado en un intervalo arbitrario [a. Esto nos lleva al siguiente sistema nolineal para x1.x2. In(p)=I(p) para todo polinomio p de grado a lo más 2n-1.

w2 obteniendo asi que Sustituyendo estas expresiones en la primera y segunda ecuación y resolviendo para x1.4 respectivamente. x2 son conocidas. 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). Teniendo los x's podemos ahora calcular los w's resolviendo un sistema lineal de ecuaciones. Este sistema se puede resolver numéricamente usando el método de Newton para sistemas no lineales. resolvemos la tercera y cuarta ecuación (que son lineales en los w's) mediante la regla de Cramer para w1. x2 obtenemos que Asi que nuestra fórmula numérica 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).Suponiendo que x1. Raíces de ecuaciones no lineales Página 15 . Estos polinomios se definen por la recursión En particular tenemos que L2(x)=(3/2)x2-(1/2) cuyos ceros son ððððð que fueron los x's que determinamos en el caso n=2. También de donde podemos obtener los x's para las fórmulas de los casos n=3.

1]. x2.  Caso n = 2 e intervalo [-1. c1 y c2 para que la fórmula de un resultado exacto siempre que f(x) sea un polinomio de grado 2 · 2 .Ejemplo 2: Aproximamos usando la regla de cuadrátura con n=2. Para esto usamos el cambio de variables discutido al principio de esta sección lo que resulta en: Tenemos ahora que Hay 2n parámetros que elegir. un polinomio de grado 2n .1 = 3 o menor Raíces de ecuaciones no lineales Página 16 . Si los coeficientes de un polinomio se consideran parámetros.1 también tiene 2n parámetros. Este es el tipo de polinomios de mayor grado para el cual se puede esperar que la solución sea exacta. 1] Queremos determinar x1. Primero hacemos un cambio de variables de modo que el integral sea en el intervalo de [-1.

Este sistema de ecuaciones tiene solución única La siguiente fórmula da resultados exactos para polinomios de grado _ 3 _ Caso general Para n _ 2 e intervalo [-1. x. x2 y x3.Hay que demostrar que la fórmula produce resultados exactos cuando f(x) es 1. 1] el cálculo de los xi y ci se realizan utilizando los polinomios de Legendre y sus raíces. Raíces de ecuaciones no lineales Página 17 .

Las constantes ci y las raíces de los polinomios de Legendre están tabuladas Así: Para el caso general de un intervalo cualquiera [a. b] se realiza un cambio de variable en la integral: Raíces de ecuaciones no lineales Página 18 .

Raíces de ecuaciones no lineales Página 19 .

Conclusion En la ultima parte del curso se aprendieron métodos de integración y solución de ecuaciones diferenciales para implementar cuando las funciones a integrar sean complicadas y con estos métodos facilitar el trabajo a pesar de que no son métodos exactos los resultados obtenidos son muy buenos Raíces de ecuaciones no lineales Página 20 .

pdf http://docentes.uaem.mx/gtapia/AN/Unidad5/Romberg/Romberg.itescam. Tabular: Expresar valores.Glosario Extrapolación: Deducción del valor de una variable en una magnitud a partir de otros valores no incluidos en dicha magnitud.uacj.htm http://www. magnitudes u otros datos por medio de tablas Polinomio: Expresión algebraica compuesta de dos o más términos llamados monomios unidos por los signos más o menos.mx/posgrado/mcruz/cursos/mn/intromberg.DOC Raíces de ecuaciones no lineales Página 21 .mx/principal/sylabus/fpdb/recursos/r45638. Bibliografias http://www.edu.