Professional Documents
Culture Documents
Mtodo de biseccin:
Si f es una funcin continua sobre el intervalo [a1;b1] y si f(a).f(b)<0, entonces f
debe tener un cero en (a;b).
Demostracin:
a1a2...anb1, la sucesin {an} converge porque es creciente y est
acotada superiormente.
b1b2...bna1, la sucesin {bn} converge porque es decreciente y est
acotada inferiormente.
bn+1-an+1 = (bn-an)/2, n1 entonces (bn-an)= (b1-a1)/2(n-1) n1.
Entonces
Error:
(1) Dado que r (la raz buscada) est en una de las dos mitades del
intervalo [an, bn], la distancia del punto medio del intervalo a r debe ser
menor o igual que la mitad de la longitud del intervalo.
(2) Demostrado en el punto anterior.
Mtodo de Newton-Raphson:
El mtodo de Newton-Raphson se utiliza para calcular numricamente las
races, dada una aproximacin inicial x0 y conocer la derivada primera.
Aplicamos la funcin recursiva tantas veces como sea necesario.
Grficamente vemos
Demostracin:
Se plantea a partir del polinomio de Taylor para aproximar un valor.
Error:
Demostracin:
Dadas las pendientes entre los puntos (a;f(a)), (b;f(b)) y (c;0), (b;f(b))
Se igualan y se despeja c
Orden de convergencia:
Se puede demostrar que bajo ciertas condiciones el mtodo de Regula -
Falsi tiene orden de convergencia lineal. Esto sucede cuando la funcin
f(x) es cncava entre a y b y el punto a es siempre uno de los dos puntos
usados para la siguiente iteracin. Lo mismo ocurrira si fuese convexa en
las inmediaciones de la raz.
Mtodo de la secante:
Un problema potencial en la implementacin del mtodo de Newton es la
evaluacin de la derivada. Existen algunas funciones cuyas derivadas en
ocasiones resultan muy difciles de calcular.
Si bien este mtodo requiere de dos valores iniciales, no es necesario que f(x)
cambie de signo entre los valores dados.
Obteniendo
Demostracin:
Reemplazando la aproximacin al valor de la derivada
Error:
Se puede demostrar que el error est dado por
secante es:
Los mtodos cuyo orden de convergencia es mayor que uno pero menor
que dos reciben el nombre de superlineales
Sistemas de ecuaciones lineales
El objetivo de este estudio es la resolucin de n ecuaciones lineales
simultneas, con n incgnitas:
Tienen solucin siempre que la matriz y la ampliada tengan mismo rango.
Tal que
Matrices triangulares:
El total de operaciones es
Mtodo de Gauss-Jordan:
El mtodo de eliminacin de Gauss-Jordan es una variante que transforma el
problema original, A x = b, en un sistema equivalente I x = c
En este mtodo, adems de sustraer la fila k multiplicada por mik a las
filas posteriores, tambin se sustrae a las anteriores.
Trabaja con el algoritmo
Mtodo de Thomas:
El algoritmo de Thomas se aplica a matrices tridiagonal
Pivotamiento:
A fin de resolver la inestabilidad aplicamos tcnicas de pivotamiento.
Es obvio que valores pequeos del pivote pueden producir grandes errores, ya
que siempre se divide por el valor del pivote.
Pivote parcial: Se toma como pivote el coeficiente mayor en valor absoluto de la
columna k situado por debajo de la fila k (incluyendo la fila k). Para ello es
necesario permutar la fila k y la correspondiente al pivote elegido y sus
respectivos trminos independientes.
Pivote total: Mismo que el parcial salvo que tambin se cambian entre
columnas, deben acomodarse las componentes del vector solucin.
Mtodos iterativos:
Los mtodos iterativos consisten en convertir el sistema A x = b en otro
equivalente de la forma x = T x + c para alguna matriz fija T y un vector c.
Estos mtodos rara vez se usan para resolver sistemas lineales pequeos, ya
que el tiempo necesario para conseguir una aproximacin satisfactoria rebasa
el que requieren los mtodos directos. Pero, en el caso de sistemas con matrices
vacas, los mtodos iterativos son eficientes tanto en almacenamiento como en
tiempo de cmputo.
Los mtodos iterativos inician con una solucin aproximada (Semilla), que vara
con una funcin de recurrencia, que se repite con la nueva semilla.
Se aplican solo a sistemas cuadrados.
Se usan cuando no se conoce un mtodo para obtener la solucin en
forma exacta.
Se utilizan cuando el mtodo para determinar la solucin exacta requiere
mucho tiempo de clculo, cuando una respuesta aproximada es adecuada,
y cuando el nmero de iteraciones es relativamente reducido.
Las matrices dispersas facilitan su aplicacin.
Calculan aproximaciones a la solucin.
Llevan mucho tiempo.
Mtodo de Jacobi:
Converge siempre que el radio espectral de la matriz sea igual o menor que
uno, este puede verse como el mximo del mdulo de los autovalores.
A falta de conocer estos valores hay una condicin suficiente, la dominancia
estrictamente diagonal de la matriz.
Teorema
Si x0, x1,..., xn son nmeros reales distintos, entonces para valores arbitrarios
y0, y1,..., yn el polinomio de interpolacin de dichos datos existe, y es nico.
Demostracin
Demostramos primero la unicidad.
Demostracin de la existencia
(Pendiente o no desarrollado en clase).
Frmula de Interpolacin de LaGrange:
Formamos n polinomios de grado n que cumplan con los requisitos:
Para que P0 se anule en los puntos x1, x2,, xn y que para x = x0 tome el
valor y0, planteamos la frmula P0(x) = 0 (x-x1) (x-xn) y despejamos.
Si llamamos
Resultara
A fin de que la funcin no posea puntos angulosos se debe seguir una serie de
condiciones:
Cantidad
Condicin Matemticamente
de ecuaciones
Los valores de los polinomios
Pi(xi) = yi
deben ser iguales en los puntos
y
interiores y los polinomios en el 2n
Pi (xi+1) = yi+1
primer y ltimo intervalo deben
para i de 1 a n.
pasar por los puntos extremos.
Las d-1 primeras derivadas deben Pi(k)(xi+1) = Pi+1(k)(x i+1),
ser iguales en los puntos para 0 < k < d y para (d - 1) (n - 1)
interiores i desde 1 hasta n -1.
En los puntos extremos x0 y xn se
P1(k)(x1) = 0
pide que se anulen las derivadas
Pn(k)(xn+1) = 0, se eligen d - 1
sucesivas desde la primera hasta
0 < k < d.
la k-sima.
TOTAL de ecuaciones n(d+1)
Una spline comnmente utilizada es la spline cbica natural, que impone como
condicin extra sobre los extremos x0 y xn la anulacin de la derivada segunda
en dichos puntos.
.
Ajuste de mnimos cuadrados:
Se aplica para encontrar una funcin que pasa cerca del conjunto de datos
dado, de la mejor manera posible, sin que necesariamente la funcin pase
exactamente por los puntos.
Estos polinomios pueden ser rectas, parbolas, o dems, incluso aplicarse por
secciones.
Grado de precisin:
El grado de precisin de una frmula de integracin numrica es el nmero
natural n que verifica que el error de truncamiento E[Pi]=0 para todos los
polinomios Pi(x) de grado i n, y existe un polinomio Pn+1(x) de grado n+1 tal
que E[Pn+1]0.
El resultado de la integral es
Solo calcula el rea del trapecio bajo la recta(altura por promedio bases).
Error de la regla del trapecio:
Este error puede ser bastante importante, una estimacin del mismo es
La integral resultara
Con resultado
Acomodando
Con error
Regla de Simpson:
Utilizando un polinomio de aproximacin de segundo grado
El error es de
De resultado
Simplificando
Con error
Para obtener
donde h= (b-a)/3.
Con error
Resultando
As
Recordar que los mtodos de integracin dados solos dan valores exactos en
funciones polinmicas que estn dentro del rango de precisin.