Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIDAD 5: INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA. Integración mediante las fórmulas de Newton Cotes Integración de Simpson. Integración múltiple mediante métodos numéricos. Diferenciación numérica. Aplicación al campo de la ingeniería. INTEGRACIÓN NUMÉRICA INTEGRACIÓN NUMÉRICA INTEGRACIÓN NUMÉRICA INTEGRACIÓN NUMÉRICA INTEGRACIÓN NUMÉRICA En el método de integración mediante cuadratura Gaussiana se integra exactamente polinomios de grado < 2n + 2 INTEGRACIÓN NUMÉRICA: NEWTON COTES INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES Ifinal = I + Error fórmula trapezoidal INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES Ejemplo: Integrar la función f(x) desde a=1 hasta b=6 𝑓 𝑥 = 𝑥5 − 3𝑥4 + 5𝑥3 + 7𝑥2 − 9𝑥 + 2 1. Evaluar la integral definida: Método analítico Iexact = 2. Calcular: 3. Determinar la 2da derivada media: 4. Calcular el error en la fórmula trapezoidal: 5. Calcular la Ifinal: Ifinal = I + Error fórmula trapezoidal INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES Ejercicio: Integrar la función f(x) desde a=0 hasta b=0,8 𝑓 𝑥 = 400𝑥5 − 900𝑥4 + 675𝑥3 − 200𝑥2 + 25𝑥 + 0.2 - TRABAJO EN EQUIPO 1 INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES - Regla del trapecio de segmentos múltiples Una manera de mejorar la exactitud de la fórmula trapezoidal es la de dividir el intervalo de integración de a hasta b en un conjunto de segmentos y aplicar el método a cada uno de ellos. Luego se suman las áreas de los segmentos individuales y se obtiene la integral sobre el intervalo completo. A la fórmula resultante se la conoce como fórmula de integración de segmentos múltiples o integración compuesta. INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES - Regla del trapecio de segmentos múltiples INTEGRACIÓN NUMÉRICA: FÓRMULAS NEWTON COTES Regla del trapecio de segmentos múltiples INTEGRACIÓN NUMÉRICA: Método Simpson INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 1/3 INTEGRACIÓN NUMÉRICA: Método Simpson INTEGRACIÓN NUMÉRICA: Método Simpson INTEGRACIÓN NUMÉRICA: Método Simpson INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 Consiste en reemplazar una función complicada o un conjunto de datos tabulados por un polinomio de tercer orden, es decir: El polinomio 𝑓3(𝑥) de tercer orden, se representa mediante un polinomio de Lagrange de 3er Orden: 𝐼 = න 𝑎 𝑏 𝑓 𝑥 𝑑𝑥 ≈ න 𝑎 𝑏 𝑓3(𝑥)𝑑𝑥 𝑃3(𝑥) Después de integrar y reordenar términos, se obtiene la regla de Simpson de 3/8. INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 INTEGRACIÓN NUMÉRICA: Método Simpson Regla de Simpson de 3/8 Ejercicio: EJERCICIO SOBRE 1 PUNTO PARCIAL 3 INTEGRACIÓN NUMÉRICA: Método de Romberg INTEGRACIÓN NUMÉRICA: Método de Romberg Solo funciona si se conoce la función (ecuación) que se desea integrar. Requiere del uso de la regla trapezoidal múltiple. Este método usa dos estimaciones de una integral para calcular una tercera más exacta. El valor de la integral exacta es la suma del valor estimado con un paso h más el error generado: Se parte del hecho de que la integración de Romberg requiere de dos estimaciones: INTEGRACIÓN NUMÉRICA: Método de Romberg INTEGRACIÓN NUMÉRICA: Método de Romberg INTEGRACIÓN NUMÉRICA: Método de Romberg INTEGRACIÓN NUMÉRICA: Método de Romberg Dos estimaciones mejoradas, pueden a la vez, combinarse para obtener todavía una mejor estimación mediante la siguiente ecuación: De manera similar, dos resultados o estimaciones con esta ecuación, se pueden usar para calcular una mejor estimación con la fórmula: : INTEGRACIÓN NUMÉRICA: Método de Romberg El algoritmo que implementa la extrapolación de Richardson en su forma mas eficiente, se llama algoritmo de Romberg y expresa las formulaciones anteriores en una sola ecuación: INTEGRACIÓN NUMÉRICA: Método de Romberg Se puede hacer un diagrama para entender mejor lo anterior: INTEGRACIÓN NUMÉRICA: Método de Romberg Como todo proceso iterativo, éste se detiene cuando se obtiene una aproximación suficientemente buena. En este caso se pide que: donde, es la cota suficiente INTEGRACIÓN NUMÉRICA: Método de Romberg Ejemplo 1: Usar Romberg para 3 aproximaciones de la integral: usando segmentos de longitud 1, ½, ¼. 1) Calculamos las integrales del nivel 1, usando la regla del trapecio para las longitudes de segmento indicadas: න 0 1 𝑒𝑥 2 𝑑𝑥 INTEGRACIÓN NUMÉRICA: Método de Romberg 2) 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) es la más exacta (la que usa el doble de subintervalos). En un diagrama vemos lo siguiente: I(h1) = I(h2) = I(h3) = INTEGRACIÓN NUMÉRICA: Método de Romberg 3) Para el siguiente nivel (3), usamos: es la integral menos exacta. es la integral más exacta. Así, podemos concluir que el valor de la aproximación, obtenido con el método de Romberg en el ejemplo 1, es: INTEGRACIÓN NUMÉRICA: Método de Romberg Ejemplo 2: Aplicar el algoritmo de integración de Romberg a la integral tomando = 0.01% න 1 3 𝑒𝑥 𝑥 𝑑𝑥 En este caso no sabemos exactamente cuantas aproximaciones debemos hacer con la regla del trapecio. Así que para comenzar hacemos los cálculos correspondientes a uno, dos, cuatro y ocho subintervalos: INTEGRACIÓN NUMÉRICA: Método de Romberg Ejemplo 2: Aplicar el algoritmo de integración de Romberg a la integral tomando = 0.01% න 1 3 𝑒𝑥 𝑥 𝑑𝑥 Haciendo los cálculos de los errores, nos damos cuenta que efectivamente la aproximación se obtiene hasta el nivel 4, donde: INTEGRACIÓN NUMÉRICA: Método de Romberg Ejercicio: Usar el algoritmo de Romberg para aproximar: hasta el nivel 4, usando segmentos de longitud 1, ½, ¼, 1/8 න 1 2 𝑒𝑥𝑙𝑛𝑥𝑑𝑥 INTEGRACIÓN MÚLTIPLE MEDIANTE MÉTODOS NUMÉRICOS INTEGRACIÓN MÚLTIPLE CON MÉTODOS NUMÉRICOS Los métodos numéricos estudiados pueden usarse también para resolver integrales múltiples. EJEMPLO: Resolver usando Newton Cotes: න −1 2 න 0 3 න 1 4 𝑥3 − 3𝑦𝑧 𝑑𝑥𝑑𝑦𝑑𝑧 Usando el método analítico: INTEGRACIÓN MÚLTIPLE CON MÉTODOS NUMÉRICOS EJERCICIO: Resolver usando Newton Cotes: Usando el método analítico: Diferenciación numérica Introducción “El cálculo es la matemática del cambio. Los ingenieros tratan frecuentemente con sistemas y procesos que cambian, el cálculo es una herramienta esencial es esta profesión. En la esencia del cálculo existen dos conceptos matemáticos relacionados: la diferenciación y la integración” (Chapra, S. y Canale, R. 2015). • Según una definición del diccionario, diferenciar significa marcar por diferencias; distinguir, percibir la diferencia en o entre”. En las matemáticas, la derivada es utilizada para la diferenciación, ya que representa la razón de cambio de una variable dependiente con respecto a una independiente. ∆𝑦 ∆𝑥 = 𝑓 𝑥𝑖+∆𝑥 −𝑓 𝑥𝑖 ∆𝑥 Donde: 𝑦 y 𝑓 𝑥 son representaciones alternativas de la variable dependiente y 𝑥 es la variable independiente. Introducción • Si se hace que ∆𝑥 se aproxime a cero, entonces el cociente de las diferencias se convierte en una derivada: 𝜕𝑦 𝜕𝑥 = lim ∆𝑥→0 𝑓 𝑥𝑖 + ∆𝑥 − 𝑓 𝑥𝑖 ∆𝑥 Donde: 𝜕𝑦 𝜕𝑥 que también es denotada como 𝑦′ o 𝑓′ 𝑥𝑖 es la primera derivada de 𝑦 con respecto a 𝑥 evaluada en 𝑥𝑖 . En la figura 1 se observa que la derivada evaluada es la pendiente de la recta tangente a la curva en 𝑥𝑖 . Introducción 𝑥 𝑦 𝑥𝑖 𝑥𝑖 + ∆𝑥 𝑓(𝑥𝑖) 𝑓(𝑥𝑖 + ∆𝑥) ∆𝑦 ∆𝑥 𝑥 𝑦 𝑥𝑖𝑓(𝑥𝑖) 𝑓(𝑥𝑖 + ∆𝑥) ∆𝑦 ∆𝑥 𝑥𝑖 + ∆𝑥 𝑥 𝑦 𝑥𝑖 𝑓′(𝑥𝑖) Figura 1. Definición gráfica de una derivada: Conforme ∆𝑥 se aproxima a cero, la aproximación por diferencia se va convirtiendo en derivada. Introducción Diferenciación numérica El problema de la derivación numérica consiste en la evaluación de la derivada de la función en un punto, cuando únicamente conocemos los valores de la función en una colección de puntos x0, x1,... xn. Aunque, en apariencia se trata de un problema similar al de la integración numérica; de hecho la derivación es más complicada ya que, en la integración los errores tienden a cancelarse, y, como vimos, no necesitamos que la aproximación describa con fidelidad la función localmente. Sin embargo, la derivada es una propiedad esencialmente local, por lo cuál deberemos aproximar la función lo más fielmente posible en el entorno inmediato del punto en el que la queramos calcular. 0 1 2 3 4 5 6 7 8 -2 0 2 4 6 8 10 12 Diferenciación numérica 0 1 2 3 4 5 6 7 8 -2 0 2 4 6 8 10 12 Diferenciación numérica 0 1 2 3 4 5 6 7 8 -2 0 2 4 6 8 10 12 a b f(x) pn(x) f (x) a b dx pn (x) dx a b x0 df (x) dx x x0 dpn (x) dx x x 0 Diferenciación numérica Diferenciación numérica Reescribiendo, la derivada de una función f en x0, esta definido de la siguiente manera: Para valores pequeños de h, podemos aproximar la derivada de f en x0 de la siguiente manera: Notaremos la aproximación a la derivada de una función f como f’. Esta fórmula aunque sencilla no tiene un comportamiento estable, ya que para funciones lineales puede llegar a ser exacta, no siendo así para funciones más generales, pero es un buen punto de partida para el cálculo de la derivada de una función, y en algunos casos es la única que se tiene. (1) Diferenciación numérica Para estimar el valor del error asociado a la ecuación (1), nos valemos del polinomio de Taylor de primer grado cuya estructura es la siguiente: (2) Si se toma x = x0 + h ,entonces h = x − x0 y se reemplaza en el polinomio (2), se tiene entonces que: Despejando f’(x0), se obtiene: Donde O = f ('' ξ )/2 , es el error de truncamiento. (3) Diferenciación numérica Si h > 0, a la fórmula (3) se le denomina la primera diferencia finita hacia delante o diferencia progresiva. También podemos obtener la diferencia finita hacia atrás o diferencia regresiva si h < 0 Diferenciación numérica Ahora bien, si sumamos las 2 ecuaciones anteriores, obtendremos la diferencia finita centrada de la siguiente manera: Podemos observar que el error de esta ecuación es del orden h2, a diferencia de las 2 ecuaciones anteriores que tienen un error del orden h, es decir, esta ecuación converge rápidamente a cero, pero para ello se debe contar con 3 valores de f(x) a diferencia de las anteriores que solo requieren de dos puntos de la función f(x). Diferenciación numérica diferencia finita hacia delante diferencia finita hacia atrás diferencia finita centrada Diferenciación numérica De manera análoga a la interpolación polinomial, el uso de mas puntos en la evaluación de la derivada producirá mayor exactitud; aunque esto implica mayor cantidad de evaluaciones funcionales y aumento de error de redondeo. Entre las fórmulas mas comunes están la de 3 puntos y la de 5 puntos. A continuación se mostrará la deducción de la fórmula de tres puntos a partir del polinomio de Taylor de segundo grado. Diferenciación numérica Se sabe que: Despejando f’(x0) se tiene: Como se quiere determinar la fórmula de los tres puntos, se toma x0 : y usando la ecuación (4), x = x1 (4) Diferenciación numérica (5) Para determinar f’’(x0) en términos de x0, x1 y x2, se realiza los polinomios de Taylor de segundo grado para x1 = x0 +h y para x2 = x0+2h multiplicando a la primera por –2 y sumándoselo a la segunda se tiene: Despejando f’’(x0): Diferenciación numérica (6) Reemplazando en la ec 5, se obtiene: La ecuación (6) es conocida como la fórmula de los tres puntos progresiva. De manera similar es posible desarrollar las fórmulas de los tres puntos regresivas y centradas, así como las de los cinco puntos y derivadas de orden superior. Las tablas a continuación resumen las fórmulas para aproximación de las derivadas . Diferenciación numérica Tipo/grado de error Diferenciación numérica Tipo/grado de error Diferenciación numérica Tipo/grado de error Diferenciación numérica Ejemplo: Aproximar la primera derivada de la función: con todas las fórmulas que se encuentran en las tablas para un x0 = 1.1 con un tamaño de paso h = 0.1. Use el hecho que f’(1.1) = 18.050 para determinar el error absoluto y relativo producido por cada fórmula. Diferenciación numérica USANDO MATLAB: >> x=0.8:0.1:1.3; >> y=exp(2*x); >> d=der2p(x,y) Encuentre la derivada de la función: desde x = 0.8 hasta x = 1.3 con un tamaño de paso h = 0.1 Solución: 1) Calcular las tres primeras derivadas de la función sen(x), en x = 1, para valores de h de 0.1, 0.01 y 0.001. 2) Calcular las dos primeras derivadas de la siguiente función en los puntos 0.25, 0.5, 0.75 y 1. 52 ][ln)( arcsenxxy Diferenciación numérica EJERCICIOS: Integración y Diferenciación numérica Aplicación al campo de la ingeniería Aplicación al campo de la ingeniería: Integración Se quiere determinar la cantidad de calor necesaria para elevar la temperatura de 5 Kg de aluminio desde 298°C hasta 660°C. La capacidad calorífica del aluminio en función de la temperatura se da en la tabal anexa y el calor necesario H se calcula por H =mc T. C(J/kg°k) T°K 896 298 890 425 883 552 821 679 750 806 660 933 Aplicación al campo de la ingeniería: Derivación Distancia (m/s) Tiempo (s) 0 0 225 3 283 5 623 8 742 10 993 13
Compartir