Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
MÉTODOS NUMÉRICOS NIVEL 5to AREA FUNDAMENTO TEÓRICO NºHORAS SEMANA 04 GENERALIDADES Y CÁLCULO DE ERRORES SOLUCIÓN DE ECUACIONES NO LINEALES MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES AJUSTES DE CURVAS E INTERPOLACIÓN 1 2 3 4 MÉTODOS NUMÉRICOS INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA5 6 SOLUCIÓN DE ECUACIONES DIFERENCIALES ANÁLISIS ERROR Y APROXIMACIÓN UNIDAD 1: GENERALIDADES Y CÁLCULO DE ERRORES Encontrar las raíces de una ecuación UNIDAD 2: SOLUCIÓN DE ECUACIONES NO LINEALES SOLUCIÓN DE SISTEMAS DE ECUACIONES UNIDAD 3: MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES. HALLAR VALORES DESCONOCIDOS EN FUNCIÓN DE LOS CONOCIDOS UNIDAD 4: AJUSTES DE CURVAS E INTERPOLACIÓN Solución aproximadas de derivadas e integrales analíticamente complicadas UNIDAD 5: INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA Proporcionar valores numéricos de la solución con una aproximación adecuada, en un determinado conjunto de puntos UNIDAD 6: SOLUCIÓN DE ECUACIONES DIFERENCIALES ACTIVIDADES A EVALUAR PRIMER PARCIAL SEGUNDO PARCIAL TERCER PARCIAL EVALUACIÓN PRINCIPAL SUSPENSIÓN Exámenes 12 20 Lecciones 4 5 5 Tareas Individuales 2 2 1 Trabajo equipo 1 2 2 Trabajo de investigación 1 1 1 Aula virtual 1 TOTAL 8 PUNTOS 10 PUNTOS 10 PUNTOS 12 PUNTOS 20 PUNTOS MÉTODOS NUMÉRICOS Bibliografía BÁSICA 1. CHAPRA,S , RAYMOND, C. (2011). Métodos Numéricos para Ingenieros: con aplicaciones en computadoras personales. Mc Graw-Hill. 2. VAZQUEZ, C , DE BERDUGOS R.J. (2011). Análisis y Métodos Numéricos: definición, teoremas y numéricos. Editorial García- Maroto. COMPLEMENTARIA 1. OLMOS, M. A. (2010). Análisis numérico. Editorial McGraw-Hill Interamericana. 2. CABRERA RAUL. Métodos Numéricos. ATENCIÓN A ESTUDIANTES: Martes: 11h00-12h00 PERFIL DEL PROFESOR DE LA ASIGNATURA NOMBRE DEL PROFESOR MIGUEL ANGEL PÉREZ BAYAS NÚMERO TELEFÓNICO 0999262941 CORREO ELECTRÓNICO miguel.perez@espoch.edu.ec TÍTULOS ACADÉMICOS DE TERCER NIVEL Ingeniero Mecánico TÍTULOS ACADÉMICOS DE POSGRADO Máster Universitario en Automática y Robótica PRUEBA DE DIAGNÓSTICO 1. Defina: Cifra significativa 2. ¿Qué es una linealización? 3. ¿Qué es un error? 4. ¿Qué implica obtener soluciones por métodos numéricos y por métodos analíticos? 5. ¿Para qué sirve una regresión? Tarea 1 Instalar: - Látex:Miktex/Texmaker https://www.youtube.com/watch?v=6akfDSf7omQ - Matlab 2018ª - Geogebra UNIDAD I Definición de los métodos numéricos y cálculo de errores 1. Consideraciones generales sobre los métodos numéricos. 1. Consideraciones generales sobre los métodos numéricos. Introducción Historia Los métodos numéricos como ciencia estructurada y rigurosa, tienen un estudio relativamente joven, empezando a finales del siglo XIX inicios del siglo XX. Sin embargo desde tiempos remotos se emplearon métodos de aproximación, siendo un aprueba de esto el descubrimiento del Papiro de Rhind o Ahmes, que data del año 1650 AC. Elemento de 6m por 33cm, representa la mejor fuente de información sobre matemática egipcia, posee 80 ejercicios resueltos, de cálculo de volumen de frutas, áreas, raíces cuadradas, Etc. En contraste en 1984 Math Works desarrolla el lenguaje de programación MatLab, orientado al trabajo de Matrices. Los métodos numéricos son técnicas mediante las cuales es posible formular problemas matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. Importancia de los Métodos Numéricos 1.. Consideraciones generales sobre los métodos numéricos 1. Consideraciones generales sobre los métodos numéricos. El objetivo principal es encontrar soluciones aproximadas a problemas complejos utilizando las operaciones más simples de aritmética. Es decir resolver problemas difíciles con muchos pasos fáciles. Permitiendo utilizar calculadora o computadores para obtener resultados. Por tanto no es extraño que con el desarrollo de las computadoras cada vez más eficientes y rápidas, el papel de los MN haya aumentado considerablemente en los últimos años. Observación importante: Existen varios tipos de MN pero comparten una característica común, llevan a cabo un proceso con cálculos matemáticos. • Cálculo de derivadas • Integrales • Ecuaciones diferenciales • Operaciones con matrices • Interpolaciones • Ajuste de curvas • Polinomios Los métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos en: 1. Consideraciones generales sobre los métodos numéricos. Los métodos numéricos se aplican en áreas como: Ingeniería Industrial, Ingeniería Química, Ingeniería Civil, Ingeniería Mecánica, Ingeniería eléctrica, etc... 1. Consideraciones generales sobre los métodos numéricos. Razones para estudiar MN 1.- Métodos Numéricos: son herramientas extremadamente poderosas, capaces de manejar sistemas de ecuaciones grandes, no lineales y geométricas complicadas comunes en la ingeniería e imposibles de resolver analíticamente. 2.- Existen varios software disponibles de Métodos Numéricos, para aplicaciones de ingeniería. 3.-Con conocimientos de Métodos Numéricos y programación es posible diseñar un programa propio que resuelva un problema particular, aprovechando de mejor manera las computadoras. 4.-Los MN son un medio para reforzar su comprensión de las matemáticas, ya que una de sus funciones es convertir las matemáticas superiores en operaciones aritméticas básicas, de esta manera se puede profundizar en los temas que de otro modo resultarían oscuros. 1. Consideraciones generales sobre los métodos numéricos. EN RESUMEN: M.N. = algoritmo matemático + computadora 2. Aplicación de la computadora a los métodos numéricos. 2. Aplicación de la computadora a los métodos numéricos. Aunque existen muchos tipos de métodos numéricos, éstos comparten una característica común: invariablemente requieren de un buen número de tediosos cálculos aritméticos. No es raro que con el desarrollo de computadoras digitales eficientes y rápidas, el papel de los métodos numéricos en la solución de problemas en ingeniería haya aumentado de forma considerable en los últimos años. 2. Aplicación de la computadora a los métodos numéricos. Además de proporcionar un aumento en la potencia de cálculo, la disponibilidad creciente de las computadoras y su asociación con los métodos numéricos han influido de manera muy significativa en el proceso de la solución actual de los problemas en ingeniería. 2. Aplicación de la computadora a los métodos numéricos. Antes de la era de la computadora los ingenieros sólo contaban con tres métodos para la solución de problemas: 1. Se encontraban las soluciones de algunos problemas usando métodos exactos o analíticos. Dichas soluciones resultaban útiles y proporcionaban una comprensión excelente del comportamiento de algunos sistemas. No obstante, las soluciones analíticas sólo pueden encontrarse para una clase limitada de problemas. 2. Para analizar el comportamiento de los sistemas se usaban soluciones gráficas, las cuales tomaban la forma de gráficas o monogramas; aunque las técnicas gráficas se utilizan a menudo para resolver problemas complejos, los resultados no son muy precisos. 3. Para implementar los métodos numéricos se utilizaban calculadoras y reglas de cálculo. Aunque dichas aproximaciones deberían ser perfectamente adecuadas para resolver problemas complicados, en la práctica se presentan varias dificultades debido a que los cálculos manuales son lentos y tediosos. 2. Aplicación de la computadora a los métodos numéricos. La amplia disponibilidad de las computadoras han llevado a una verdadera explosión en el uso y desarrollo de los métodos numéricos. Al principio, este crecimiento estaba limitado por el costo de procesamiento de las grandes computadoras, por lo que muchos ingenieros seguían usando simples procedimientos analíticos. La reciente evolución de computadoras personales de bajo costo ha permitido el acceso, de mucha gente, a las poderosas capacidades de cómputo.Los métodos numéricos son un vehículo eficiente para aprender a servirse de las computadoras. 2. Aplicación de la computadora a los métodos numéricos. LAS TRES FACES EN SOLUCIÓN DE PROBLEMAS EN INGENIERÍA Antes de la computadora La era de la computadora FORMULACIÓN Leyes fundamentales explicadas brevemente SOLUCIÓN Métodos muy elaborados y con frecuencia complicados para ser manejable el problema INTERPRETACIÓN Análisis profundo limitado por una solución que consume tiempo FORMULACIÓN Exposición profunda de la relación del problema con las leyes fundamentales SOLUCIÓN Método de la computadora fácil de usar INTERPRETACIÓN La facilidad de calcular permite pensar holísticamente y desarrollar la intuición; es factible estudiar la sensibilidad y el comportamiento del sistema Programación y software • Los programas computacionales son únicamente conjuntos de instrucciones que dirigen a la computadora para realizar una cierta tarea. Un ejemplo de programas o software utilizados son el Excel, Geogebra y MATLAB. 2. Aplicación de la computadora a los métodos numéricos. Algoritmo Es importante definir el término Algoritmo, y analizar sus principales características. • Algoritmo.- procedimiento que nos indica la serie de pasos y decisiones que se va a tomar para la solución de un problema. • Finito.- siempre debe terminar en un número determinado de pasos • Definido.- las acciones deben definirse sin ambigüedad. • Entrada.- puede tener una o varias entradas • Salida.- debe tener una o varias salidas. • Efectivo.- las operaciones deben ser básicas para q pueden hacerse en un determinado tiempo. Tiempo no mayor al que le tome a una persona empleado papel y lápiz. 2. Aplicación de la computadora a los métodos numéricos. Algoritmo • Ej : algoritmo que permita leer dos valores distintos, determinar cuál es el mayor y escribirlo 2. Aplicación de la computadora a los métodos numéricos. Diagrama de flujo Los algoritmos por tanto son necesarios para poder potencializar la aplicación de recursos tecnológicos (computadora) a los Métodos Numéricos, pues esta se convierte en una herramienta útil, pero no resuelve problemas por sí sola, sino que necesita que alguien especifique una serie de instrucciones para la solución de estos problemas. Para lograr esto se requiere los siguientes pasos. Especificación del problema.- identificar el problema con sus limitaciones, las variables implicadas, resultados que se pretende encontrar. Análisis.- formular la solución, definir el algoritmo, con una serie de pasos aritméticos que puedan ser ejecutados por un computador. Programación.- traducir el algoritmo, expresándolo como una serie de operaciones. Diagrama de flujo-codificación, traduce el diagrama en lenguaje de computador. Verificación.- se aplica para eliminar errores, para que el programa haga lo que es requerido, comparar con resultados conocidos. Sintaxis-Lógicos Documentación.- preparar un manual de usuario para que otros logren utilizar el programa. Producción.- aquí se proporcionan los datos de entrada del programa y se obtienen los resultados. 2. Aplicación de la computadora a los métodos numéricos. • En el transcurso de su carrera, es posible que el ingeniero tenga la oportunidad de utilizar paquetes disponibles comercialmente, o programas «enlatados» que tengan métodos numéricos. El uso eficiente de estos programas depende del buen entendimiento de la teoría básica en los que se basan tales métodos. 2. Aplicación de la computadora a los métodos numéricos. LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN INGENIERÍA • Hay muchos problemas que no se pueden resolverse con programas «enlatados». Si se conoce de los métodos numéricos y se es hábil en la programación de computadoras, entonces tiene la capacidad de diseñar sus propios programas para resolver los problemas, sin tener que comprar un software costoso. LOS MÉTODOS NUMÉRICOS Y LA PRÁCTICA EN INGENIERÍA 2. Aplicación de la computadora a los métodos numéricos. MODELO MATEMÁTICO SIMPLE Un modelo matemático se define, de manera general, como una formulación o una ecuación que expresa las características esenciales de un sistema físico o de un proceso en términos matemáticos. En general, el modelo se representa mediante una relación funcional de la forma: Variable dependiente= f (variable independiente, parámetros, funciones de fuerza) Variable dependiente: es una característica que generalmente se refleja al comportamiento o estado de un sistema. Variable independiente: son por lo común dimensiones tales como tiempo y espacio a través de las cuales se determina el comportamiento del sistema . Parámetros: son el reflejo de las propiedades o la composición del sistema. Funciones de Fuerza: son influencias externas que actúan sobre el sistema. 2. Aplicación de la computadora a los métodos numéricos. 2. Aplicación de la computadora a los métodos numéricos. La expresión matemática, o el modelo, de la segunda ley de Newton es la ya conocida ecuación: F=ma Dividiendo, simplemente, ambos lados entre m a= F/m donde: a es la variable dependiente que refleja el comportamiento del sistema. F es la función de la fuerza. m es un parámetro que representa una propiedad del sistema. Obsérvese que en este caso específico no existe variable independiente por que aún no se predice como varía la aceleración con respecto al tiempo o al espacio. F fuerza neta que actúa sobre el objeto (N). m masa del objeto Kg. a aceleración (m/s2 ). Características típicas de los modelos matemáticos del mundo físico. • 1. Describe un proceso o sistemas naturales en término matemáticos. • 2. Representa una idealización y una simplificación de la realidad. Es decir, ignora los detalles insignificantes del proceso natural y se concentra en sus manifestaciones esenciales. Por ende, la segunda ley de Newton no incluye los efectos de la relatividad, que tiene una importancia mínima cuando se aplican a objetos y fuerzas que interactúan sobre o alrededor de la superficie de la Tierra, a velocidad y a escalas visibles a los seres humanos. • 3. Finalmente, conduce a resultados reproducibles y, en consecuencia, llegada a emplearse con la finalidad de predecir. Por ejemplo, dada la fuerza aplicada sobre un objeto de masa conocida, la ecuación anterior se emplea para calcular la aceleración. 2. Aplicación de la computadora a los métodos numéricos. 2. Aplicación de la computadora a los métodos numéricos. 3. Números exactos y aproximados. 3. Números exactos y aproximados. En el proceso de resolución de un problema se deben tratar con diferentes clases de números. Los números exactos representan el valor verdadero del número: Ejemplo: - El triángulo tiene 3 lados - La carrera tiene 10 semestres - La mano tiene 5 dedos Los números aproximados representan un valor próximo al verdadero y su grado de proximidad se determina por el error de cálculo. Ejemplo: -El radio de la tierra es igual a 6000 Km -La altura del Chimborazo es de 6268m -La distancia de Riobamba a Ambato es de 59 Km 3. Números exactos y aproximados. No existen aparatos de medida absolutamente exactos, sino cada uno tiene su precisión o sea admiten cierto grado de error en las mediciones (tolerancia o incertidumbre). El error de cálculo se deriva de la precisión de los instrumentos (medios) de medida que se usa y de la capacidad visual del observador. 3. Números exactos y aproximados. En otros casos , un mismo número puede ser exacto y aproximado: Ejemplo: -El número 3 es exacto si se trata del número de lados de un triángulo -El número 3 es aproximado si se trata del número PI usado para calcular el área del círculo mediante A=π R2 ,si se considera: π =3,15 a>A aproximación por exceso (mayor) π =3,1416… a=A π =3,14 a<A aproximación por defecto (más pequeña) a → número aproximado. A → número exacto 3. Números exactosy aproximados. Otras definiciones: Exactitud Precisión Tolerancia o incertidumbre •Exactitud: Aproximación con la cual la lectura de un instrumento se acerca al valor real de la variable medida. De acuerdo a la norma ISO 5725-1, la exactitud está compuesta por la veracidad (proximidad de los resultados al verdadero valor) 3. Números exactos y aproximados. 3. Números exactos y aproximados. Precisión: Medida de la reproducibilidad de las mediciones: i.e. dado el valor fijo de la variable, la precisión es una medida del grado con el cual las mediciones sucesivas difieren una de otra. De acuerdo a la norma ISO 5725-1, Precisión es la “repetibilidad o reproducibilidad de la medición” 3. Números exactos y aproximados. Rango = Xmax-Xmin Ejemplo: suponiendo que de la medición de X variable se obtiene los siguientes valores, obtenga la exactitud, y la precisión del aparato de medición. X1 75 X2 67 X3 72 X4 69 X5 70 X6 74 X7 68 X8 72 X9 65 x10 70 =70,2 s =3,12 3. Números exactos y aproximados. TOLERANCIA O INCERTIDUMBRE Es una estimación del posible error en una medida. Dicho de otra forma, es un estimación del rango de valores que contienen el valor verdadero de una medida. La incertidumbre generalmente esta referida en términos de la probabilidad de que el valor verdadero difiera de un rango establecido de valores. Los valores verdaderos no existen, existen valores de alta precisión o probables. La medida de un valor esta dada por: Donde: x : Es la exactitud de la medida. s : Es la precisión de la medida. R= x ± s 3. Números exactos y aproximados. Ejemplo: Dadas las siguientes lecturas tomadas por un operador calcular la incertidumbre R de la medida. 3. Números exactos y aproximados. 3. Números exactos y aproximados. 4. Redondeo de números. 4. Redondeo de números En la práctica de métodos numéricos, surge a menudo la necesidad de redondear un número, o sea, reemplazarlo con otro que tienen una menor cantidad de cifras. En este caso se conserva una o más cifras, contando de la izquierda a la derecha y se omiten todas las sucesivas. Se lo puede hacer considerando las décimas, centésimas y milésimas. 4. Redondeo de números Reglas: a.- El último digito que se conserva se aumenta en 1 si el primer dígito descartado es mayor que 5 b.- Si el primer digito descartado es 5 o 5 seguido de ceros, el último digito que se conserva se incrementa en 1, solo si este es impar 847,469 → 4 cifras ó redondeo décim =847,5 4931,367→ 5 cifras =4931,4 39,75000 → 3 cifras =39.8 563,45000 → 4cifras = 563.4 563,4500001 → 4 cifras = 563.5 por el 1 4. Redondeo de números ¿Cuál de los 2 números esta mas cerca de 4256? ¿Entre que unidades de mil se encuentra 16.867 ? 4. Redondeo de números Truncamiento.- Consiste en omitir todas las cifras a partir de cierta posición: Ejem: 39,7500 → 3 cifras= 39.7 Se lo puede hacer considerando las décimas, centésimas y milésimas. 4. Redondeo de números 4. Redondeo de números Se puede considerar el uso de funciones de redondeo de Excel. Esta figura ilustra cómo el número 9.45 se ve afectada por el uso de Round, Roundup, y Rounddown (REDONDEAR) 5. Cifras significativas. 5. Cifras significativas RECORDEMOS: Precisión.- relacionada con la cantidad de números. Exactitud.- relacionado con la cercanía de un valor aproximado con su valor real. 5. Cifras significativas Concepto de cifra significativa: Son todas las cifras de un número a excepción de los ceros puestos a la izquierda de la primera cifra distinta de cero. 0,000956 → 3 cifras 956,00 → 5 cifras 3,76*10 10 → 3 cifras 5. Cifras significativas Condiciones: 1.- Cuando hay un entero todas las cifras son significativas. 2.- Cuando un cero se encuentra entre dos cifras distintas, este también es considerado cifra significativa Ej: 1,05 →3 cifras significativas 3.- Cuando los ceros se usan solo para la ubicación de la coma no son significativas Ej: 0.009 → 1 cifras significativas 4.- cuando los ceros estas después de la coma, y antes de esta, están otras cifras los ceros también son cifras significativas Ej: 17.00 → 4 cifras significativas 5.-cuando tenemos cantidades grandes terminadas en ceros, estos pueden o no ser cifras significativas. Ej: 12300 → 5 o 3 cifras significativas 5. Cifras significativas 5. Cifras significativas La función MULTIPLO.INTERIOR en Excel nos permite redondear un número hacia abajo, hasta el múltiplo significativo más cercano de la cifra especificada. La función MULTIPLO.INFERIOR acepta dos argumentos y ambos son obligatorios. •Número (obligatorio): El número que será redondeado. •Cifra_significativa (obligatorio): La cifra significativa hacia la que será redondeado el número. 5. Cifras significativas Ejemplo de la función MULTIPLO.INFERIOR Si se tiene en Excel una lista de productos con sus respectivos precios. Al aplicar un descuento a los productos, dará un nuevo precio para cada uno de ellos: 5. Cifras significativas Ejemplo de la función MULTIPLO.INFERIOR Al observar los precios de la columna D me doy cuenta de que al pagar en efectivo, los clientes necesitarán varias monedas de centavos para pagar el precio exacto. Sin embargo, las monedas de centavos son cada vez menos utilizadas, a excepción de las monedas de 50 centavos, por lo que se decide redondear todos los precios hacia el múltiplo inferior más cercano de $0.50 y para ello se usa la función MULTIPLO.INFERIOR. Observe cómo la función MULTIPLO.INFERIOR hace el redondeo adecuado para los precios de los productos. 6. Clasificación de los errores. ERROR En la literatura técnica y científica, el término error se utiliza frecuentemente con dos significados bastante diferentes: • En unos casos se utiliza para cuantificar la diferencia entre el resultado de una medida y el considerado como valor de la misma (valor verdadero, valor real o estándar) • En otros casos se utiliza para denominar la incertidumbre del resultado de una medida, es decir, para cuantificar la imperfección del método e instrumento de medida empleado. ERROR • Pero los términos error e incertidumbre no son sinónimos, sino que representan conceptos completamente distintos, y por tanto, no deben confundirse entre sí ni utilizarse incorrectamente, uno en lugar del otro. ERROR ERROR En todos los problemas es fundamental hacer un seguimiento de los errores cometidos a fin de poder estimar el grado de aproximación de la solución que se obtiene. ERROR ERROR ABSOLUTO Es la diferencia entre el valor exacto “A” y el valor tomado como aproximado “a” (o valor de la medida), y tiene unidades, las mismas que las de la medida. Δa ≥ |A-a| Esta diferencia puede ser positiva o negativa, según si la medida es superior al valor real o inferior (la resta sale positiva o negativa), pero como tiene un definición ABSOLUTA, siempre será positivo. ERROR ERROR ABSOLUTO Para obtener el número exacto A, se debe añadir el error absoluto Δa al número aproximado a: A= a±Δa Se lo puede observar de otra manera, considerando que el error absoluto es la cota superior de desviación de número exacto A respecto al aproximado a: a- Δa ≤ A ≤ a+ Δa En calidad de error absoluto se toma, en la medida de lo posible, el número mínimo. ERROR ERROR ABSOLUTO Ejemplo: determínese la cota del error absoluto del número a=3,14 utilizado en lugar del número π . a- Δa ≤ A ≤ a+ Δa 3,14 - Δa ≤ π ≤3,14+ Δa 3,14< π < 3,15 supuesto |π-a |<0,01 Por tanto: Δa=0,01 a- Δa ≤ A ≤ a+ Δa 3,14 - Δa ≤ π ≤3,14+ Δa 3,14< π < 3,142 supuesto |π-a |<0,002 Por tanto: Δa=0,002 Para fines prácticos es conveniente tomar el número más pequeño de Δa. ERROR ERROR RELATIVO Se puede definir como el cociente entre el error absoluto y el valor verdadero: 𝐸𝑟 ≥ 𝐴−a a , a≠0 Y también se define el error relativo porcentual, como sigue: 𝐸𝑣 ≥ 𝐴−a a x100%, a≠0 ERROR ERROR RELATIVO Ejemplo: el peso de 1 dm3 de agua a 0°C viene dado por p=999,847±0,001(gramos fuerza). Determine la cota del error relativo porcentual del resultado del peso del agua. Δp=0,001 p≤ 999,846 gf 𝐸𝑣 ≥ 0,001 999,846 x100%= 1x10-4 % ERROR EJERCICIO: Medidas Errores absolutos Errores relativos 3,01 s 3,01 - 3,12 = - 0,11 s -0,11 / 3,12 = - 0,036 (- 3,6%) 3,11 s 3,11 -3,12 = - 0,01 s -0,01 / 3,12 = - 0,003 (- 0,3%) 3,20 s 3,20 -3,12 = + 0,08 s +0,08 / 3,12 = + 0,026 (+ 2,6%) 3,15 s 3,15 - 3,12 = + 0,03 s +0,03 / 3,12 = + 0,010 (+ 1,0%) Si las medidas de tiempo de un recorrido efectuadas por diferentes alumnos son: 3,01s / 3,11s / 3,20 s / 3,15 s Hallar los errores absoluto y relativo de cada medida. ERROR EJERCICIO: Al medir la longitud de una varilla para construcción se obtiene el resultado aproximado de 19999 cm. mientras que al medir la longitud de un clavo, se obtiene el resultado de 9 cm. Suponiendo que los valores verdaderos de la varilla y el clavo son de 20000 cm. y 10 cm. respectivamente, calcular el error absoluto y el error relativo porcentual en ambos casos. 6. Clasificación de los errores 6. Clasificación de los errores ERROR Los errores encontrados en problemas matemáticos se dividen fundamentalmente en 5 tipos: 1. Errores del problema 2. Errores iniciales 3. Error numérico a) Errores de truncamiento b) Errores de redondeo 3. Errores de operación 4. Error residual 6. Clasificación de los errores ERROR 1. Errores del problema.- aparecen durante la formulación o planteamiento del problema. 2. Errores iniciales.- debidos al uso de constantes en ecuaciones o fórmulas cuyos valores son expresados aproximadamente. Y=ex me=9,104x10-28 , masa del electrón NA=6.03x10 23atom/mol, constante de Avogadro. Número de Avogadro es el número de partículas elementales (usualmente átomos o moléculas) en un mol de una sustancia cualquiera. https://es.wikipedia.org/wiki/N%C3%BAmero_de_part%C3%ADculas https://es.wikipedia.org/wiki/%C3%81tomo https://es.wikipedia.org/wiki/Mol%C3%A9cula https://es.wikipedia.org/wiki/Mol 6. Clasificación de los errores ERROR 3. Errores numéricos: Aparecen con el uso de aproximaciones para representar cantidades. Estos errores incluyen los de truncamiento y de redondeo. Ej, pi. 3.141592653589793238462643 → 3.1416 Error de truncamiento: Ej. Cuando una calculadora básica sólo toma en cuenta los dígitos que cabe en la pantalla y no se analiza el primer dígito perdido. Error de redondeo: Ej. Al usar 1/3 =0.333 se comete un error de redondeo. 6. Clasificación de los errores ERROR 4. Errores de operación.- se originan durante las operaciones cuando utilizamos números aproximados. Área de un circulo diámetro 2: A= pi*d2/4 5. Errores residuales.- originado por la presencia de procesos infinitos en el análisis matemático, ej serie de Taylor 7. Errores en las operaciones 7. Errores en las operaciones Errores de la suma y resta. Si se conocen los errores absolutos: ∆𝑎1, ∆𝑎2……∆𝑎𝑛. El error total de la suma y resta será: ∆𝑎 = ∆𝑎1 + ∆𝑎2+. . . +∆𝑎𝑛 Ejm. Hallar la suma exacta de A+B: C= A+B= 325,21 + 32,43 = 357,64 Δc= 0,02+0,01= 0,03 Valor exacto = C= A+ B = 357,64 ± 0,03 A= 325,21 ± 0,02 B= 32,43 ± 0,01 7. Errores en las operaciones Errores de la suma y resta. Si se conocen los errores absolutos: ∆𝑎1, ∆𝑎2……∆𝑎𝑛. El error total de la suma y resta será: ∆𝑎 = ∆𝑎1 + ∆𝑎2+. . . +∆𝑎𝑛 Ejm. Hallar la resta exacta de A+B: A= 325,21 ± 0,02 B= 32,43 ± 0,01 C= A- B= 325,21 - 32,43 = 292,78 Δc= 0,02+0,01= 0,03 Valor exacto = C= A- B = 292,78 ± 0,03 7. Errores en las operaciones Errores del Producto: Se requiere la aplicación de errores relativos. 𝛿𝑎 = 𝛿𝑎1 + 𝛿𝑎2 A= 241,25 ± 0,02 B= 19,74 ± 0,03 𝛿a= 0,02 241,25 = 8,29𝑥10−5 𝛿b= 0,03 19,74 = 1,5197𝑥10−3 𝛿c= 𝛿a+ 𝛿b= 1,6026 𝑥10−3 Δc= (4762,275)(1,6026 𝑥10−3)=7,632 Valor exacto = C=(A)(B)=4762,275 ± 7,632 C=(A)(B)=4762,28 ± 7,632 C= A.B= (241,25) (19,74) = 4762,275 7. Errores en las operaciones Errores del Cociente: Se requiere la aplicación de errores relativos. 𝛿𝑎 = 𝛿𝑎1 + 𝛿𝑎2 A= 241,25 ± 0,02 B= 19,74 ± 0,03 C= A/B= (241,25) /(19,74) = 12,2214 𝛿a= 0,02 241,25 = 8,29𝑥10−5 𝛿b= 0,03 19,74 = 1,5197𝑥10−3 𝛿c= 𝛿a+ 𝛿b= 1,6026 𝑥10−3 Δc= (4762,275)(1,6026 𝑥10−3)=7,632 Valor exacto = C=(A)/(B)=12,2214 ± 7,632 C=(A)/(B)=12,22 ± 7,632 UNIDAD 2: SOLUCIÓN DE ECUACIONES NO LINEALES SOLUCIÓN DE ECUACIONES NO LINEALES Una ecuación con 1 incógnita se puede representar de la forma: ϕ(x)=g(x) ϕ(x)-g(x)=0 Definida sobre un conjunto numérico “x” llamado domino de valores admisibles de la ecuación. El conjunto de valores de “x” con los cuales la ecuación se transforma en identidad se denomina solución de la ecuación, y cada valor de x de este conjunto se denomina raíz de la ecuación. Resolver una ecuación implica hallar el conjunto (finito o infinito) de todas las raíces de dicha ecuación. SOLUCIÓN DE ECUACIONES NO LINEALES El conjunto de varias ecuaciones con varias incógnitas se llama sistema de ecuaciones, y su solución es el conjunto de valores (raíces) de estas incógnitas que convierten en identidad a cada ecuación del sistema. X2+y=5 x=2 22+1=5 X+y2=3 y=1 2+12=3 Las raíces de una ecuación pueden ser: reales y no reales (complejas) SOLUCIÓN DE ECUACIONES NO LINEALES Ecuación algebraica: con una incógnita a0x n + a1x n-1 + a2x n-2+…….+ an-1x+ an=0 Funciones trascendentes: Exponencial ax Logarítmica logax Trigonométricas senx , cosx , tgx, ctgx Ecuaciones algebraicas y funciones trascendentes cuyo grado supera el primero suelen llamarse ecuaciones no lineales. SOLUCIÓN DE ECUACIONES NO LINEALES Este capítulo sobre raíces de ecuaciones se ocupa de métodos que aprovechan el hecho de que una función cambia de signo en la vecindad de una raíz. A estas técnicas se les llama métodos cerrados, o de intervalos, porque se necesita de dos valores iniciales para la raíz. Como su nombre lo indica, dichos valores iniciales deben “encerrar”, o estar a ambos lados de la raíz. Los métodos particulares descritos aquí emplean diferentes estrategias para reducir sistemáticamente el tamaño del intervalo y así converger a la respuesta correcta. SOLUCIÓN DE ECUACIONES NO LINEALES Como preámbulo de estas técnicas se analizarán los métodos gráficos de separación de raíces para representar tanto las funciones como sus raíces. Además de la utilidad de los métodos gráficos para determinar valores iniciales, también son útiles para visualizar las propiedades de las funciones y el comportamiento de los diversos métodos numéricos. Así mismo, se tratarán los Métodos: Analíticos, de Bisección y de la regla falsa. MÉTODO DE SEPARACIÓN DE RAÍCES SEPARACIÓN DE RAÍCES Separar las raíces quiere decir partir todo el dominio de los valores admisibles en segmentos en cada uno de los cuales existe una sola raíz. Método gráfico: Un método simple para obtener una aproximación a la raíz de la ecuación f(x) = 0 consiste en graficar la función y observar dónde cruza el eje x. Este punto, que representa el valor de x para el cual f(x) = 0, ofrece una aproximación inicial de la raíz. SEPARACIÓN DE RAÍCES Método gráfico: En la figura, se ve que la función tiene 2 raíces: una negativa en x1 entre [-1 y 0] y otra positiva en x2 entre [1 a 2]. SEPARACIÓN DE RAÍCES Método gráfico: Ejercicio: Determinar gráficamente en Geogebra entre qué números enteros están encerradas las raíces de la ecuación: x3 -3x-1=0 SEPARACIÓN DE RAÍCES Método gráfico: Ejercicio: Determinar gráficamente en Geogebra, entre qué números enteros están encerradas las raíces de la ecuación: x3 -3x-1=0 SEPARACIÓN DE RAÍCES Método gráfico: Ejercicio: Utilice el método gráfico para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m = 68.1 kg tenga una velocidad de 40 m/s después de una caída libre de t = 10 s. Nota: La aceleraciónde la gravedad es 9.8 m/s2. Ecuación obtenida a partir de la segunda ley de Newton, para la velocidad del paracaidista: SEPARACIÓN DE RAÍCES Método gráfico: Ejercicio: Utilice el método gráfico para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m = 68.1 kg tenga una velocidad de 40 m/s después de una caída libre de t = 10 s. Nota: La aceleración de la gravedad es 9.8 m/s2. SEPARACIÓN DE RAÍCES Método gráfico: Ejercicio: Utilice el método gráfico para determinar el coeficiente de arrastre c necesario para que un paracaidista de masa m = 68.1 kg tenga una velocidad de 40 m/s después de una caída libre de t = 10 s. Nota: La aceleración de la gravedad es 9.8 m/s2. rpta= 14,8 SEPARACIÓN DE RAÍCES Método Analítico: Si una función f(x) es continua sobre el segmento [xa, xb], entonces en este segmento siempre hay puntos en los cuales ella toma los valores máximos y mínimos, y para determinarlos es necesario: • Determinar los ptos críticos de la función • Calcular los valores de la función en los ptos críticos y en los extremos del segmento [a,b] • El mayor de los valores hallados anteriormente, será el máximo de la función en el segmento y el menor será el valor mínimo. SEPARACIÓN DE RAÍCES Método Analítico: De acuerdo a esto se tiene el siguiente procedimiento a seguir: • Hallar f ´(x), o sea, la primera derivada y calcular la raíz. • Hacer una tabla de signos de f(x), suponiendo x igual a: a) Los valores críticos (raíces) de la derivada o próximos a ellos b) 3 valores de frontera (según dominio de valores admisibles x) • Determinar los intervalos en cuyos extremos f(x) toma los valores de signo contrario. Dentro de estos intervalos se analiza si contiene, cada vez, una y solo una raíz o si representa el cambio de pendiente. SEPARACIÓN DE RAÍCES Método Analítico: Ejercicio: Separar las raíces de la ecuación: F(x)=x3-6x+2 • Hallar f ´(x), o sea, la primera derivada y calcular la raíz. • Hacer una tabla de signos de f(x) • Determinar los intervalos en cuyos extremos f(x) toma los valores de signo contrario. Rpta 3 raíces 3𝑥2 − 6 = 0 𝑥 = 1.414 -2 -1 0 2 3 1.414 F(x)=x3-6x+2 +6 +7 +2 -2 -7 -3.655 3x2-6 = 0 +6 -3 -6 +6 +21 0 SEPARACIÓN DE RAÍCES Método Analítico: Lección: Separar las raíces de la ecuación: F(x)= 2x-5x-3 F′(x)=2𝑥𝑙𝑛2 − 5 = 0 MÉTODO DE BISECCIÓN MÉTODO DE BISECCIÓN Método de Bisección Base: Una función cambia de signo en la proximidad de una raíz •Una raíz está acotada en el intervalo [a1,b1] si el signo de F(a1) es diferente al signo de F(b1) •La precisión del acercamiento a la raíz se denota con , número positivo suficientemente pequeño cercano a 0 MÉTODO DE BISECCIÓN Algoritmo: 1. Selecciona un intervalo [a1,b1] donde exista un cero 2. Calcula el punto medio c1 como nuevo punto: 𝑪𝟏 = 𝑎1+𝑏1 2 3. Comprueba si hay cambio de signo en [a1, c1] o en [c1, b1]. Comprobación: f(a1)*f(c1)<0 ; b1=c1 f(a1)*f(c1)>0; a1=c1 4. Si el producto es cero, entonces c1 es una raíz. Si no es cero volver al punto 2. c1 Iteración 1 con c1 Iteración n, donde: f(cn) < c2 c3 Iteración 2 con c2 Iteración 3 con c3 MÉTODO DE BISECCIÓN Ejemplo 1: Determinar la menor raíz positiva de la ecuación: 𝑓 𝑋 = 𝑋4 − 2𝑋3 − 4𝑋2 + 4𝑋 + 4 con una precisión =0,00001 MÉTODO DE BISECCIÓN Iter a1 f(a1) b1 cn f(cn) f(a1)*f(cn) 1 1 3 1,8 1,4 0,1136 + 2 1,4 0,1136 1,8 1,6 -1,4784 - 3 1,4 0,1136 1,6 1,5 -0,6875 - 4 1,4 0,1136 1,5 1,45 -0,286744 - 5 1,4 0,1136 1,45 1,425 -0,086343 - 6 1,4 0,1136 1,425 1,4125 0,013707 + 7 1,4125 0,013707 1,425 1,41875 -0,036301 - 8 1,4125 0,013707 1,41875 1,415625 -0,041292 - 9 1,4125 0,013707 1,415625 1,4140625 0,0012084 + --- --- --- --- --- --- --- 19 1,414212 1,22x10-5 1,414215 1,414213562 2,89x10-9 + Ejemplo: Determinar la menor raíz positiva de la ecuación: 𝑓 𝑋 = 𝑋4 − 2𝑋3 − 4𝑋2 + 4𝑋 + 4 con una precisión =0,00001 f(cn) < 2,89x10-9<0.00001 MÉTODO DE BISECCIÓN Separar las raíces de la ecuación: Iter a1 f(a1) b1 cn f(cn) f(a1)*f(cn) 19 1,414212 1,22x10-5 1,414215 1,414213562 2,89x10-9 + f(cn) < 2,89x10-9<0.00001 MÉTODO DE BISECCIÓN Ejercicio: Determinar la menor raíz positiva de la ecuación: 𝑓 𝑋 = 𝑒𝑥 − 2 con una precisión =0,06 a1 cn b1 fa fc 0 1 2 -1 0,7182 0 0,5 1 -1 -0,3513 0,5 0,75 1 -0,3513 0,117 0,5 0,625 0,75 -0,3513 -0,132 0,625 0,6875 0,75 -0,132 -0,0113 0,6875 0,71875 0,75 -0,0113 0,05186 Matlab Características. Lenguaje de alto nivel para cálculo numérico y desarrollo de aplicaciones. Cuenta con funciones matemáticas para algebra lineal estadística, integración numérica, resolución de ecuaciones diferenciales ordinarias. gráficos integrados para visualización de datos y herramientas para crear gráficos personalizados. Herramientas de desarrollo para mejorar la calidad del código. Herramientas para creación de aplicaciones con interfaces graficas personalizadas. funciones para integrar algoritmos con aplicaciones externas como c java Excel. Matlab Comand Window Ventana donde se ejecutan interactivamente las instrucciones, y donde se muestran los resultados correspondientes. Es la ventana más importante. Lo caracteriza el prompt o aviso. Programa preparado para recibir instrucciones. Ingreso de variables. a=3 enter …b=6 enter…. c=3 enter…. d =a+b+c enter a=3; enter… que sucede.? a=3; b=6; c=9; d=a+b+c …. Enter Matlab WORKSPACE En esta ventana se lista las variables que en un determinado momento se están utilizando. Se pueden ver las variables antes utilizadas. Click derecho en una variable se puede cambiar de nombre. Característica importante, MATLAB trata las variables como arrays o matrices, en este caso de 1x1 Matlab Editor debugger. Ventana en la que el usuario, puede escribir o crear sus propios programas en archivos con extensión .m. New Script. Contienen conjuntos de comandos o definición de funciones. Se logra ejecutar uno tras otro todos los comandos contenidos en este tipo de fichero. Limpiar variables. Clear all Clc Matlab Vectores o matrices. Vectores fila elementos separados por espacios o coma. v= [2 3 4] Vector columna.- separados por punto y coma; m= [3 4 5; 6 7 8; 9 10 11] Crear dos matrices distintas, probar operaciones. Matlab Graficas >> x=[-2:0.01:2]; >> y=sin(x)+cos(x)*2; >> plot(x,y) x=[-5:0.01:5]; y=3*x.^3+2*x-17; z=zeros(size(x)); grid on hold on plot (x,y) Matlab ALGORITMOS EJEMPLO: Programa que calcula error absoluto, relativo y valor aproximado de las cifras significativas MÉTODO DE LA REGLA FALSA MÉTODO DE LA REGLA FALSA Aún cuando la bisección es una técnica perfectamente válida para determinar raíces, su método de aproximación por "fuerza bruta" es relativamente ineficiente. La falsa posición es una alternativa basada en una visualización gráfica que consiste en unir f(a1) y f(b1) con una línea recta. La intersección de esta línea con el eje de las x representa una mejor aproximación de la raíz. El hecho de que se reemplace la curva por una línea recta de una "falsa posición" de la raíz da el nombre de método de la falsa posición, o en latín, regula falsi. También se le conoce como método de interpolación lineal. f(a1) f(b1) a1 b1 ai an MÉTODO DE LA REGLA FALSA Usando triángulos semejantes, y haciendo algunos arreglos matemáticos, la intersección de la línea recta con el eje de las x se estima mediante: f(a1) f(b1) a1 b1 ai𝑎2 = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 f(b1) an MÉTODO DE LA REGLA FALSA f(a1) f(b1) a1 b1 ai Algoritmo: 1. Se escogen los valores iniciales a1 y b1, que encierran la raíz 2. Determinar la primera aproximación a2: 3. Realizar las evaluaciones (una sola vez, en la primera iteración.) f(a1)*f(ai)<0 raíz en primer intervalo f(a1)*f(ai)>0 raíz en segundo intervalo f(a1)*f(ai)=0 raíz encontrada an 𝑎i = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 f(b1) 4.- Se realiza una nueva aproximación hasta que sealcance la tolerancia especificada MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% Considerar un intervalo (a1, b1) en el que se garantice que la función tiene raíz (y que sea única), en este caso sirve [1, 1.5]. Se obtiene el punto de intersección de esta recta con el eje de las abscisas: (ai, 0); se toma ai como aproximación de la raízbuscada. MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% 𝑎i = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 𝑎i = 1.5 − ሻ𝑓 1.5 . (1 − 1.5 ሻ𝑓 1 − 𝑓(1.5 𝑎i = 1.5 − ሻ−0,182335 . (−0.5 ሻ0,367879 − (−0,182335 𝑎i = 1.334306 MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% -Se evalúa f(ai) y f(a1) para determinar en cuál de los dos intervalos está la raíz: f(1.334306) = e- (1.334306) - ln (1.334306) = -0.025070 𝑎i = 1.334306 f(1) = e- (1.334306) 𝑎1 = 1 - ln (1) = 𝟎, 𝟑𝟔𝟕𝟖𝟕𝟗 f(a1)*f(ai)<0 raíz en primer intervalo Dado que f(1) * f(1.334306) < 0 -0,009222< 0 La raíz está en el intervalo [ 1 , 1.334306 ]. MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% En este punto, vemos que todavía no podemos calcular ningún error relativo, puesto que solamente tenemos la primera aproximación. El valor ai se convierte en el nuevo b1. Así, repetimos el proceso con el nuevo intervalo [ 1,1.334306 ] MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% 𝑎i = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 𝑎i = 1.334306 − ሻ𝑓 1.334306 . (1 − 1.334306 ሻ𝑓 1 − 𝑓(1.334306 = 1.312977 Aquí podemos calcular el error relativo porcentual, puesto que contamos ya con la aproximación nueva y la aproximación anterior: Erp = * 100% = 1.62% ai nueva - ai anterior ai nueva Puesto que no se ha logrado el objetivo, continuamos con el proceso MÉTODO DE LA REGLA FALSA Ejemplo 1. Aproximar la raíz de f(x) = e-x-ln(x) Hasta que el error relativo porcentual sea menor al 1% Se evalúa f(xr) para determinar en cuál de los dos intervalos está la raíz: f(1.312977) = e- (1.312977) - Dado que f(a1) * f(ai) < 0 ln (1.312977) = -0.003279 La raíz está en el intervalo [ a1 ,ai]. f(1) * f(1.312977) < 0 La raíz está en el intervalo [ a1, ai]. Dado que (0.367879) * (-0.003279) < 0 La raíz está en el intervalo [ 1 , 1.312977 ]. El valor ai se convierte en el nuevo b1. Así, repetimos el proceso con el nuevo intervalo [ 1 , 1.312977 ] Con ese nuevo intervalo y aplicando la expresión, La nueva ai= 1.310211 y el nuevo Erp = 0,21% < 1% y aquí se termina el proceso. Entonces se toma como aproximación a la raíz ai = 1.310211 MÉTODO DE LA REGLA FALSA Ejercicio. Obtener una solución única de en el intervalo [1,2] mediante el método de la regla falsa 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎 Iteración a1 F(a1) b1 F(b1) ai F(ai) 1 1 -5 1,5 2,375 1,33898305 -0,4278675 2 3 4 5 6 7 𝑎i = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 MÉTODO DE LA REGLA FALSA Ejercicio. Obtener una solución única de en el intervalo [1,2] mediante el método de la regla falsa 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎 Iteración a1 F(a1) b1 F(b1) ai F(ai) 1 1 -5 1,5 2,375 1,33898305 -0,4278675 2 3 4 5 1,36523002 6 1,36523001 7 1,36523001 𝑎i = 𝑏1 − ሻ𝑓 𝑏1 . (𝑎1 − 𝑏1 ሻ𝑓 𝑎1 − 𝑓(𝑏1 SOLUCIÓN DE ECUACIONES NO LINEALES Al inicio de éste tema referente a la solución de ecuaciones no lineales, se mencionaron los Métodos que usan intervalos cerrados como son los de Bisección y Regla falsa Ventajas: siempre convergen Desventajas: Son lentos MÉTODOS ABIERTOS Al contrario, los métodos abiertos se basan en fórmulas que requieren de un solo valor de x, o de un par de ellos que no necesariamente encierran la raíz. A veces divergen o se alejan de la raíz a medida que aumentan las iteraciones. Pero cuando convergen en general lo hacen mucho más rápido que los métodos que usan intervalos. Método de Newton-Raphson. Método de la Secante. Aproximaciones sucesivas SOLUCIÓN DE ECUACIONES NO LINEALES Método de Newton-Raphson SOLUCIÓN DE ECUACIONES NO LINEALES Este método es uno de los más utilizados para localizar raíces ya que en general es muy eficiente y siempre converge para una función polinomial. Se requiere que las funciones sean diferenciables, y por tanto, continuas, para poder aplicar este método. Se debe partir de un valor inicial para la raíz: 𝑥𝑖 , este puede ser cualquier valor, el método convergirá a la raíz mas cercana, es decir se pude trazar una tangente desde el punto 𝑥𝑖 , 𝑓 𝑥𝑖 de la curva. Si se extiende una tangente desde el punto 𝑥𝑖 , 𝑓 𝑥𝑖 , el punto donde esta tangente cruza al eje x representa una aproximación mejorada de la raíz r. Método de Newton-Raphson 𝒙𝒊 , 𝒇 𝒙𝒊 • La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una recta. Pendiente de una recta: Se conoce como fórmula de Newton – Rapshon. Método de Newton-Raphson 𝑋𝑖+1 = 𝑋𝑖 − ሻ𝑓(𝑋𝑖 𝑓′ 𝑋𝑖 𝑚 = 𝑓′ 𝑋𝑖 Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación , situada sobre el segmento [0 ; 1]. -Escojo una coordenada en X dentro del intervalo y evaluo f(x): X=0,6f(x)=-0,504 punto 𝑥𝑖 , 𝑓 𝑥𝑖 =[0.6 ; -0,504] -Se determina la primera derivada: -Se aplica la fórmula: Y así sucesivamente hasta alcanzar la precisión deseada. Método de Newton-Raphson 𝑋𝑖+1 = 𝑋𝑖 − ሻ𝑓(𝑋𝑖 𝑓′ 𝑋𝑖 = 0,6 − (0,6ሻ3+3(0,6ሻ2−3(0,6ሻ 3(0,6ሻ2+6(0,6ሻ−3 =0,9 𝑓 𝑋 = 𝑋3 + 3𝑋2 − 3𝑥 𝑓′ 𝑋 = 3𝑋2 + 6𝑋 − 3 𝑥𝑖 , 𝑓 𝑥𝑖 𝑋𝑖+1 = 𝑋𝑖 − ሻ𝑓(𝑋𝑖 𝑓′ 𝑋𝑖 = 0,9 − (0,9ሻ3+3(0,9ሻ2−3(0,9ሻ 3(0,9ሻ2+6(0,9ሻ−3 =0,80496894 Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1) 1 0,6 -0,504 1,68 0,9 0,459 2 0,9 0,459 4,83 0,80496894 0,05061792 3 4 0,79128795 5 0,79128785 Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación , situada sobre el segmento [0 ; 1]. • Se puede observar que |Xfinal5-Xfinal4|=|0,79128785-0,79128795| = 0,0000001 Por lo tanto 0,0000001< Método de Newton-Raphson 𝑓 𝑋 = 𝑋3 + 3𝑋2 − 3𝑥 𝑥𝑖 , 𝑓 𝑥𝑖 Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1) 1 0,6 -0,504 1,68 0,9 0,459 2 0,9 0,459 4,83 0,80496894 0,05061792 3 4 0,79128795 5 0,79128785 Método de la Secante SOLUCIÓN DE ECUACIONES NO LINEALES Un problema que presenta el método de Newton Raphson es que existen algunas derivadas que no son muy fáciles de evaluar. El método de la secante, es otro método para aproximar el cero de una función en el que en cada iteración se evalúa la función y no la derivada. Se puede aproximar la derivada mediante una diferencia. El método de la secante usa una diferencia en vez de la derivada, para aproximar la pendiente. Método de la Secante • Se deriva del método de Newton-Raphson • Se aproxima la derivada mediante diferencia finita dividida hacia atrás )( )( 1 i i ii xf xf xx ii ii i xx xfxf xf 1 1 )()()( Método de la Secante • Se obtiene la fórmula de la secante: • Se observa que este método requiere 2 valores iniciales de x. • Sin embargo, no se necesita que f(x) cambie de signo, por lo que no es un método cerrado. )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Método de la Secante Algoritmo para la Secante 1) Se dan 2 valores: Xi y Xi-1 2) Se calcula f(xi) y f(xi-1) 3) Se obtiene Xi+1 mediante la fórmula de la secante: 4) Se vuelve al paso 2 para encontrar una nueva raíz Método de la Secante )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Diferencia entre Secante y Falsa Posición • Si recordamos la fórmula de la falsa posición: • Y vemos la fórmula de la secante: )()( ))(( ul ulu ur xfxf xxxf xx )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Método de laSecante Diferencia entre Secante y Falsa Posición • Se diferencian por la forma en que uno de los valores iniciales se reemplaza con la aproximación. Método de la Secante Ejemplo: -Determine la menor raíz real de: a) Gráficamente b) Usando el método de la secante para un valor de Erpcon tres cifras significativas 32 5.2172211)( xxxxf Método de la Secante a) Gráficamente: 4.0x 32 5.2172211)( xxxxf b) Por el método de la secante (Erp<0.05%): Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%) 1 -1 0 30,5 -11 -0.2651 - 2 0 -0.2651 -0.4123 35.7 3 -0.2651 -0.4123 -0.3793 8.7 4 -0.4123 -0.3793 -0.3813 0.52 5 -0.3793 -0.3813 -0.3813 0.004 Método de la Secante 1) Se dan 2 valores: Xi y Xi-1 [Xi y Xi-1 ] = [-1 y 0] 2) Se calcula f(xi) y f(xi-1) f[-1 y 0]=[30,5 y -11] 3) Se obtiene Xi+1 mediante la fórmula de la secante: 2651.0 )5.3011( ))1(0)(5.30( 1 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx 4) Se vuelve al paso 2 para encontrar una nueva raíz: Ejercicio: -Usando el método de la secante, precisar hasta E=0,00001 la raíz de la ecuación: situada sobre el segmento [0;1] -Se pueden tomar valores mayores o menores aproximados a la raíz. -Trabajar con 9 cifras significativas aproximadas 3233)( xxxxf Método de la Secante Ejercicio: Raíz en [0;1] E=0,00001 3233)( xxxxf Método de la Secante Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%) 1 0,6 0,7 2 3 4 5 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Ejercicio: R=0,79128785 -0,000000056268 < 0,00001 3233)( xxxxf Método de la Secante Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%) 1 0,6 0,7 2 3 4 5 0,79128785 -5,6268E-09 Raíz en [0;1] E=0,00001 SOLUCIÓN DE ECUACIONES NO LINEALES Método de las Aproximaciones sucesivas ¿Qué es? • Es un método iterativo que permite resolver sistemas de ecuaciones no necesariamente lineales. • En particular se puede utilizar para determinar raíces de una función de la forma f(x), siempre y cuando se cumplan los criterios de convergencia. • El método de iteración de punto fijo, también denominado método de aproximación sucesiva, requiere volver a escribir la ecuación f(x)=0 en la forma x=g(x). • Si para cualquier función g(x) dada se puede encontrar un punto fijo, entonces cada problema de búsqueda de las raíces de f(x) = 0 tiene soluciones que corresponden precisamente a los puntos fijos de g(x)=x con g(x)=x-f(x). • Esta transformación se lleva a cabo mediante operaciones algebraicas. Método de las Aproximaciones sucesivas Método de las Aproximaciones sucesivas • Si g es una función continua en [a, b] y g(x) [a, b] para todo x [a, b], entonces g tiene por lo menos un punto fijo en [a, b]. • Si además, g’(x) existe para todo x [a, b], y |g’(x)| ≤ K < 1 para todo x [a, b], K constante, entonces g tiene un único punto fijo x [a, b]. Método de las Aproximaciones sucesivas Algoritmo • Para encontrar una solución de p = g(p) dada una aproximación inicial po: • ENTRADA aproximación inicial po; tolerancia TOL; numero máximo de iteraciones No. • SALIDA solución aproximada p o mensaje de fracaso. • Paso 1 Tomar i=1 • Paso 2 Mientras que i<=No seguir Pasos 3-6 • Paso 3 Tomar p = g(po) (calcular pi) • Paso 4 Si |p-po|<TOL entonces • SALIDA(p); (procedimiento completado satisfactoriamente). • PARAR • Paso 5 Tomar i = i + 1 • Paso 6 Tomar po = p (Redefinir po) • Paso 7 SALIDA ("El método fracaso después de No iteraciones, No = ", No); • (procedimiento completado sin éxito) • PARAR Método de las Aproximaciones sucesivas • f(x) = x3 + 4x2 – 10 [a,b] = [1,2] • Existen muchas maneras de cambiar la ecuación a la forma x = g(x) • A) x=g1(x)=x - x3 - 4x2 + 10 • B) x=g2(x)=(10/x – 4x) ½ • C) x=g3(x)=[(10 – x3) ½]/2 • D) x=g4(x)= (10/(4 + x)) ½ • E) x=g5(x)=x – [(x3 + 4x2 – 10) / (3x2 + 8x)] • Cabe la pena recalcar que NO TODAS estas funciones transformadas son convergentes Ejemplo: Método de las Aproximaciones sucesivas n Pn(a) Pn(b) Pn(c) Pn(d) Pn(e) 1 -0.875 0.8165 1.286753768 1.348399725 1.373333333 2 6.732 2.9969 1.402540804 1.367376372 1.365262015 3 -469.7 (-8.65) ½ 1.345458374 1.364957015 1.365230014 4 1.03 * 108 1.375170253 1.365264748 1.365230013 5 1.360094193 1.365225594 6 1.367846968 1.365230576 7 1.363887004 1.365229942 8 1.365916733 1.365230023 9 1.364878217 1.365230012 10 1.365140061 1.365230014 15 1.365223680 1.365230013 20 1.365230236 25 1.365230006 30 1.365230013 Con p0 = 1:5, la tabla muestra los resultados del método para las cinco alternativas para g. La raíz real es 1.365230013 Método de las Aproximaciones sucesivas Método de las Aproximaciones sucesivas Ejercicio: Obtener una solución única en el intervalo [0;1] mediante este método para la ecuación: Si se toma: y como valor inicial x=0,75 Para 9 Cifras Significativas con aproximación 03205 3 xx 20 35 3 x x Iter x g(x) F(x) 1 0,75 0,25546875 -2,02601008 2 3 4 5 6 7 Método de las Aproximaciones sucesivas Ejercicio: Obtener una solución única en el intervalo [0;1] mediante este método para la ecuación: Si se toma: y como valor inicial x=0,75 Para 9 Cifras Significativas con aproximación 03205 3 xx 20 35 3 x x Iter x g(x) F(x) 1 0,75 0,25546875 -2,02601008 2 3 4 5 6 0,15085832 7 0,15085832 SOLUCIÓN DE ECUACIONES NO LINEALES Aplicación al campo de la Ingeniería Aplicación al campo de la Ingeniería En matemáticas, los sistemas no lineales representan sistemas cuyo comportamiento no es expresable como la suma de los comportamientos de sus descriptores. Más formalmente, un sistema físico, matemático o de otro tipo es no lineal cuando las ecuaciones de movimiento, evolución o comportamiento que regulan su comportamiento son no lineales. En particular, el comportamiento de sistemas no lineales NO está sujeto al PRINCIPIO DE SUPERPOSICIÓN, como lo es un sistema lineal. Aplicación al campo de la Ingeniería En matemáticas, los sistemas no lineales representan sistemas cuyo comportamiento no es expresable como la suma de los comportamientos de sus descriptores. Más formalmente, un sistema físico, matemático o de otro tipo es no lineal cuando las ecuaciones de movimiento, evolución o comportamiento que regulan su comportamiento son no lineales. En particular, el comportamiento de sistemas no lineales NO está sujeto al PRINCIPIO DE SUPERPOSICIÓN, como lo es un sistema lineal. Aplicación al campo de la Ingeniería “En un sistema no lineal, las entradas se combinan entre sí y producen nuevos elementos en la salida que no estaban presentes en la entrada”. EJEMPLO: acero-cromo-niquel. Resistencia a la tracción = 350 000 psi ACERO Cr-Ni = Hierro + Niquel + Cromo + Carbono y otros elementos 350000 = 60000 + 80000 + 70000 + 50000 (psi) 350000 ≠ 260000 psi Aplicación al campo de la Ingeniería -Material no lineales = C(e).e -Mecánica del sólido -Grandes desplazamientos y deformaciones -Modelación numérica -Resolución directa -Elementos Finitos -Diferencias Finitas -Volúmenes finitos -Ecuaciones no lineales en Ingeniería -Problema de contacto -Mecánica de los fluidos -Problema de superficie libre -La óptica no lineal. El balanceo de un uniciclo robot. -Las ecuaciones de campo de Einstein que describen el campo gravitatorio dentro de la teoría de la relatividad general. -Las ecuaciones de Navier-Stokes de la dinámica de fluidos, cuya complejidad las ha convertido en un problema matemático famoso (de hecho un problema peculiar ligado a estas ecuaciones constituye uno de los problemas del milenio propuestos por el Instituto Clay). -El sistema del tiempo atmosférico en la Tierra. -La ecuación de transporte de Boltzmann. -La ecuación no lineal de Schrödinger. -ETC. Aplicación al campo de la Ingeniería EJERCICIO: El rendimiento de un motor viene dado por la siguiente ecuación: 𝑒 = 1 − 1 𝑟𝑘 𝑘−1 𝑟𝑝𝑟𝑐 𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝𝑘 𝑟𝑐 −1 Si las relaciones 𝑟𝑘 = 12; 𝑟𝑝 = 4; 𝑟𝑐 = 8 y si las pérdidas son del 20%. Cuál es el valor de k?. NOTA: Utilice el método de la secante Aplicación al campo de la Ingeniería EJERCICIO: El rendimiento de un motor viene dado por la siguiente ecuación: 𝑒 = 1 − 1 𝑟𝑘 𝑘−1 𝑟𝑝𝑟𝑐 𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝𝑘 𝑟𝑐 − 1 Si las relaciones 𝑟𝑘 = 12; 𝑟𝑝 = 4; 𝑟𝑐 = 8 y si las pérdidas son del 20%. Cuál es el valor de k?. NOTA: Utilice el método de la secante Reemplazando datos y graficando se tiene: Aplicación al campo de la Ingeniería EJERCICIO: El rendimiento de un motor viene dado por la siguiente ecuación: 𝑒 = 1 − 1 𝑟𝑘 𝑘−1 𝑟𝑝𝑟𝑐 𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝𝑘 𝑟𝑐 − 1 Utilizando el método de la secante: xi-1 F(xi-1) xi F(xi) Xi+1 F(xi+1) 0.12 0.15 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Aplicación al campo de la Ingeniería EJERCICIO: El rendimiento de un motor viene dado por la siguiente ecuación: 𝑒 = 1 − 1 𝑟𝑘 𝑘−1 𝑟𝑝𝑟𝑐 𝑘−1 𝑟𝑝 − 1 + 𝑟𝑝𝑘 𝑟𝑐 − 1 Utilizando el método de la secante: xi-1 F(xi-1) xi F(xi) Xi+1 F(xi+1) 0.12 -0.09859332 0.15 0.01583931 0.14584752 0.00162534 0.15 0.01583931 0.14584752 0.00162534 0.14537269 -2.9928*10-5 0.14584752 0.00162534 0.14537269 -2.9928*10-5 0.14538128 -2.5521*10-8 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Aplicación al campo de la Ingeniería EJERCICIO: Una determinada sustancia radiactiva se desintegra según la ecuación 𝐴 = 𝑃𝑒−0.0248 𝑡 Donde P es la cantidad inicial en el tiempo t=0 y A es la cantidad resultante en t años. Si inicialmente se depositan 800 mg de dicha sustancia. ¿Cuánto tiempo habrá transcurrido para que quede el 2% de ésta? NOTA: Utilice el método de la secante Aplicación al campo de la Ingeniería EJERCICIO: Una determinada sustancia radiactiva se desintegra según la ecuación 𝐴 = 𝑃𝑒−0.0248 𝑡 Donde P es la cantidad inicial en el tiempo t=0 y A es la cantidad resultante en t años. Si inicialmente se depositan 800 mg de dicha sustancia. ¿Cuánto tiempo habrá transcurrido para que quede el 2% de ésta? NOTA: Utilice el método de la secante 0.02 800 = 800 𝑒−0.0248𝑡 𝑓(𝑡ሻ = 𝑒−0.0248𝑡-0,02=0 Aplicación al campo de la Ingeniería EJERCICIO: Una determinada sustancia radiactiva se desintegra según la ecuación 𝐴 = 𝑃𝑒−0.0248 𝑡 Utilizando el método de la secante: 0.02 800 = 800 𝑒−0.0248𝑡 𝑓(𝑡ሻ = 𝑒−0.0248𝑡-0,02=0 ti-1 f(ti-1) ti f(ti) ti+1 f(ti+1) 150 200 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Aplicación al campo de la Ingeniería EJERCICIO: Una determinada sustancia radiactiva se desintegra según la ecuación 𝐴 = 𝑃𝑒−0.0248 𝑡 Utilizando el método de la secante: 0.02 800 = 800 𝑒−0.0248𝑡 𝑓(𝑡ሻ = 𝑒−0.0248𝑡-0,02=0 ti-1 f(ti-1) ti f(ti) ti+1 f(ti+1) 150 0.00423396 200 -0.01298707 162.292995 -0.00213419 200 -0.01298707 162.292995 -0.00213419 154.87801 0.00147266 162.292995 -0.00213419 154.87801 0.00147266 157.90551 -8.0515*10-5 154.87801 0.00147266 157.90551 -8.0515*10-5 157.748567 -2.8337*10-6 157.90551 -8.0515*10-5 157.748567 -2.8337*10-6 157.742842 5.7198*10-9 )()( ))(( 1 1 1 ii iii ii xfxf xxxf xx Entonces, el tiempo para que la fuente se reduzca al 2% es t= 157,742842 años UNIDAD 3: MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES. Algebra matricial. Métodos de eliminación: • Eliminación simple Gauss • Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES A continuación se usarán métodos para determinar los valores de x1, x2, …, xn, que satisfagan simultáneamente un conjunto de ecuaciones. x+2=4 Los métodos numéricos vistos con anterioridad nos sirven para determinar el valor de x que satisface a una sola ecuación, f(x) = 0. Un momento, ¡¡ usted dijo ayer que la x valía 2!! SOLUCIÓN DE SISTEMAS LINEALES Introducción Histórica Los sistemas de ecuaciones lineales fueron ya resueltos por los babilonios, los cuales llamaban a las incógnitas con palabras tales como longitud, anchura, área, o volumen , sin que tuvieran relación con problemas de medida. Un ejemplo tomado de una tablilla babilónica plantea la resolución de un sistema de ecuaciones en los siguientes términos: 1/4 anchura + longitud = 7 manos longitud + anchura = 10 manos •Para resolverlo comienzan asignando el valor 5 a una mano y observaban que la solución podía ser: anchura = 20, longitud = 30 . Para comprobarlo utilizaban un método parecido al de eliminación. En nuestra notación, sería: y + 4x = 28 y + x = 10 SOLUCIÓN DE SISTEMAS LINEALES Matrices Una matriz consta de un arreglo rectangular de elementos representados por un símbolo simple. [A] es la notación abreviada para la matriz, y aij representa un elemento individual de la matriz. Normalmente i se refiere a la fila del elemento, y j a la columna. SOLUCIÓN DE SISTEMAS LINEALES Un sistema de ecuaciones se puede representar de varias formas. a.- Forma desarrollada 𝑎11𝑋1 + 𝑎12𝑋2 +⋯………𝑎1𝑛𝑋𝑛 = 𝐶1 𝑎21𝑋1 + 𝑎22𝑋2 +⋯………𝑎2𝑛𝑋𝑛 = 𝐶2 𝑎𝑚1𝑋1 + 𝑎𝑚2𝑋2 +⋯………𝑎𝑚𝑛𝑋𝑛 = 𝐶𝑛 Donde: a=coeficientes de las incógnitas c= términos independientes X1, X2….. Xn= incógnitas SOLUCIÓN DE SISTEMAS LINEALES Un sistema de ecuaciones se puede representar de varias formas. a.- Forma desarrollada 𝑎11𝑋1 + 𝑎12𝑋2 +⋯………𝑎1𝑛𝑋𝑛 = 𝐶1 𝑎21𝑋1 + 𝑎22𝑋2 +⋯………𝑎2𝑛𝑋𝑛 = 𝐶2 𝑎𝑚1𝑋1 + 𝑎𝑚2𝑋2 +⋯………𝑎𝑚𝑛𝑋𝑛 = 𝐶𝑛 Como paso previo a resolverlo necesitamos saber: - si hay solución única (compatible determinado) - si no hay solución (incompatible) - si hay infinitas soluciones (compatible indeterminado) SOLUCIÓN DE SISTEMAS LINEALES Un sistema de ecuaciones se puede representar de varias formas. 𝑎11𝑋1 + 𝑎12𝑋2 +⋯………𝑎1𝑛𝑋𝑛 = 𝐶1 𝑎21𝑋1 + 𝑎22𝑋2 +⋯………𝑎2𝑛𝑋𝑛 = 𝐶2 𝑎𝑚1𝑋1 + 𝑎𝑚2𝑋2 +⋯………𝑎𝑚𝑛𝑋𝑛 = 𝐶𝑛 b.- Forma matricial M= 𝑎11 𝑎12 𝑎1𝑛 𝑎21 𝑎22 𝑎2𝑛 𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 X= 𝑋1 𝑋2 𝑋3 C= 𝐶1 𝐶2 𝐶𝑛 Matriz de coeficientes Vector incógnitas Vector términos independientes Matricialmente el sistema se expresa: M . X = C SOLUCIÓN DE SISTEMAS LINEALES Transformaciones elementales. a.- Intercambio de filas o columnas 𝑥1 + 7𝑥2 − 3𝑥3 = −51 −4𝑥2 + 4𝑥1 + 9𝑥3 = 61 3𝑥3 − 𝑥2 + 12𝑥1 = 8 12𝑥1 − 𝑥2 + 3𝑥3 = 8 𝑥1 + 7𝑥2 − 3𝑥3 = −51 4𝑥1 − 4𝑥2 + 9𝑥3 = 61 SOLUCIÓN DE SISTEMAS LINEALES Transformaciones elementales. b.- Multiplicación de todos los elementos de una fila o columna por un mismo número distinto de cero. 4 ∗ 𝑥1 + 7𝑥2 − 3𝑥3 = −51 4𝑥1 + 28𝑥2 − 12𝑥3 = −204 c.- Operaciones de suma o resta entre 2 filas o columnas. 4x1 + 28x2 - 12x3 = -204 - ( 4x1 - 4x2 + 9x3 = 61 ) 32x2 - 21x3 = -265 Suma y Resta de Matrices Se pueden efectuar suma y resta de matrices, si tienen las mismas dimensiones. Al sumar o restar dos matrices [A] y [B], el resultado se mostrará en la matriz [C], y se calcula: cij = aij ± bij Producto de Matrices Para multiplicar una matriz [A] por un escalar g, se multiplica cada elemento de [A] por g. Para multiplicar dos matrices [A] y [B], la dimensión de columnas de [A] debe ser igual a la dimensión de filas de [B]. SOLUCIÓN DE SISTEMAS LINEALES Producto de Matrices SOLUCIÓN DE SISTEMAS LINEALES SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple Se usa para resolver un conjunto de n ecuaciones. 1. Se divide la 1ra fila entre el coeficiente de la 1ra incógnita (Normalización) 2. Se multiplica la 1ra fila por el coeficiente de la 1ra incógnita de la 2da fila. 3. Se resta la 1ra fila a la 2da fila. 4. El proceso se repite hasta que se elimina la 1ra incógnita de las ecuaciones restantes. 5. Se repite para el resto de las ecuaciones. 6. Se repite para el resto de las incógnitas. La fórmula general queda así: SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 1: 3x+2y+z=1 5x+3y+4z=2 X+y-z=1 Compatible determinado SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 2: Compatible indeterminado SOLUCIÓN DE SISTEMASLINEALES Eliminación Gaussiana Simple • Ejm 3: Incompatible SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 4: 4𝑥1 − 2𝑥2 + 2𝑥3 + 3𝑥4 = −9 2𝑥1 + 5𝑥2 + 2𝑥3 + 2𝑥4 = 6 3𝑥1 + 2𝑥2 + 4𝑥3 + 𝑥4 = −11 2𝑥1 − 3𝑥2 − 4𝑥3 + 5𝑥4 = 17 SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 5: x+y+z=1 2x+3y-4z=9 x-y+z=-1 SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 6: 4x+y-2z=-3 3x-y+4z=-2 -x+y+z=5 SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • Ejm 7: −3𝑥 + 𝑦 + 𝑧 = 1 X-2y+z=4 -x+y-3z=-7 SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • EJERCICIO 8 : Disponemos de tres lingotes de distintas aleaciones de tres metales A, B y C. El primer lingote contiene 20 g del metal A, 20 g del B y 60 del C. El segundo contiene 10 g de A, 40 g de B y 50 g de C. El tercero contiene 20 g de A, 40 g de B y 40 g de C. Queremos elaborar, a partir de estos lingotes, uno nuevo que contenga 15 g de A, 35 g de B y 50 g de C.¿Cuántos gramos hay que coger de cada uno de los tres lingotes? • Resumimos en una tabla los datos que nos dan: • Llamamos x a los gramos que tenemos que coger del primer lingote, y a los del segundo lingote y z a los del tercero. SOLUCIÓN DE SISTEMAS LINEALES Eliminación Gaussiana Simple • EJERCICIO 8 : Método de Gauss Jordan. Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES Es una variante de la eliminación Gaussiana. La diferencia consiste en que en el método de Gauss Jordan cuando se elimina una incógnita no solo se elimina de la ecuación siguiente sino de todas las otras ecuaciones. De esta forma el paso de eliminación genera una matriz identidad en vez de una matriz triangular. Por tanto no es necesario emplear la sustitución hacia atrás para obtener la solución. 1 a12 a13 a14 a15 0 1 a23 a24 a25 0 0 1 a34 a35 0 0 0 a44 a45 1 0 0 0 x1 0 1 0 0 𝑥2 0 0 1 0 x3 0 0 0 1 x4 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES Es una variante de la eliminación Gaussiana. La diferencia consiste en que en el método de Gauss Jordan cuando se elimina una incógnita no solo se elimina de la ecuación siguiente sino de todas las otras ecuaciones. De esta forma el paso de eliminación genera una matriz identidad en vez de una matriz triangular. Por tanto no es necesario emplear la sustitución hacia atrás para obtener la solución. 1 a12 a13 a14 a15 0 1 a23 a24 a25 0 0 1 a34 a35 0 0 0 a44 a45 1 0 0 0 x1 0 1 0 0 𝑥2 0 0 1 0 x3 0 0 0 1 x4 Paso 1. Se forma la matriz aumentada 1 2 1 3 2 5 1 4 3 2 1 2 Paso 2. Como se busca obtener una diagonal de “1” en el primer renglón ya tenemos un número 1. Nuestro objetivo ahora será hacer obtener ceros debajo de este número “1” Al numero “1” de la diagonal se le denomina “elemento pivote”; sobre éste vamos a apoyarnos para hacer ceros los números arriba y debajo de dicho numero con operaciones de eliminación renglón Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES [ ]1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 Columna pivote Renglón pivote Seleccionamos el renglón pivote Seleccionamos un renglón diferente al renglón pivote 1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 Identificamos Renglón, Columna y elemento pivote 1 2 1 3 2 5 1 4 3 2 1 2 Como el objetivo es hacer “0” el número debajo del renglón pivote ¿Por qué número debemos multiplicar el renglón pivote? 0 Elemento pivote Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES (-2) [ ]1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 Modificamos el segundo renglón con la operación de eliminación renglón 1 2 1 3 2 5 1 4 3 2 1 2 10 -3 -2 Ahora modificamos el tercer renglón ¿Por qué número multiplicamos el renglón pivote ahora? [ ]1 2 1 3 2 5 1 4 3 2 1 2 1 2 1 3 2 5 1 4 3 2 1 2 -80 -4 -7 3 -2 -1 2 (-3) ¿Cómo queda la nueva matriz? 1 2 1 3 0 1 3 2 0 8 4 7 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES 1 2 1 3 0 1 3 2 0 8 4 7 Ya transformamos la primera columna, ahora vamos con la segunda; afortunadamente ya hay un “1” como nuevo elemento pivote 1 1 ¿Qué hacemos ahora? Hay que transformar en ceros los números arriba y abajo del nuevo elemento pivote [ 0 1 -3 -2 ] Nuevo renglón pivote Se repite la eliminación renglón 0 (-2) 1 2 1 3 1 7 7 [ 0 1 -3 -2 ] 0 -8 -4 -7 (8) 0 0 -28 -23 La siguiente matriz queda: 1 0 7 7 0 1 3 2 0 0 28 23 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES 1 0 7 7 0 1 3 2 0 0 23/ 28 El siguiente elemento pivote es “28”; el cual debe ser transformado en “1” sin alterar la ecuación ¿Cómo lo hacemos? 1 0 7 7 0 1 3 2 0 0 28 23 En otras palabras: Cada renglón representa una ecuación, si dividimos todo el renglón entre -28 obtenemos el “1” que estamos buscando Convertimos el elemento pivote en “1” para facilitar las operaciones; dividimos todo el renglón entre el número pivote (-28) obteniendo el siguiente resultado 1 1 1 1 1 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES Realizamos la operación de eliminación renglón [ 0 0 1 23/28 ] 1 0 7 7 (-7) 1 0 5/4 1 0 7 7 0 1 3 2 0 0 1 23/ 28 0 [ 0 0 1 23/28 ] 0 1 -3 -2 (3) 0 0 13/281 1 0 0 5 / 4 0 1 0 13/ 28 0 0 1 23/ 28 Finalmente la matriz queda Nuevo renglón pivote Leyéndose el siguiente resultado: x = 5/4 y = 13/28 z = 23/28 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES Respuestas: x = 5/4 y = 13/28 z = 23/28 Sistema de ecuaciones original 2 3 2 5 4 3 2 2 x y z x y z x y z Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES EJERCICIO 1 : Resolver por Gauss Jordan el siguiente sistema: 2x + y - 3z = 5 3x - 2y + 2z = 6 5x – 3y – z = 16 X=18/13 Y=-5/2 Z=-41/26 Método de Gauss Jordan. SOLUCIÓN DE SISTEMAS LINEALES EJERCICIO 2 : Resolver por Gauss Jordan el siguiente sistema: 4x1 – 2 x2 + 2x3 + 3x4 = -9 2x1 + 5 x2 + 2x3 + 2x4 = 6 3x1 + 2 x2 + 4x3 + x4 = -11 2x1 – 3 x2 - 4x3 + 5x4 = 17 X1=-2 X2=2 X3=-3 X4=3 Métodos iterativos: Gauss- Seidel y Jacobi. Método de Jacobi. SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Es un método iterativo que se aplica solo a sistemas cuadrados, es decir a sistemas con tantas incógnitas como ecuaciones. Similar a Gauss Seidel, pero los valores obtenidos en una determinada iteración se utilizan para el cálculo de una próxima iteración. SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. 1. Primero se despeja de cada ecuación la incógnita correspondiente. 2. Se evalúa cada ecuación despejada para Xi=0 en la primera iteración . 3. Se itera en el ciclo que cambia la aproximación Xi+ 1 = C + BXi SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: 1) Primero se despeja de cada ecuación la incógnita correspondiente. SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: 2)Se evalúa cada ecuación despejada para Xi=0 en la primera iteración . . x3 y x1 = 0 x2 y x3 = 0 x2 y x1 = 0 SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: 3) Se itera en el ciclo que cambia la aproximación Xi+ 1 = C + BXi X1=2.45 X2= -1,125 X3=5,555556 Desde la segunda iteración se repiteel mismo proceso trabajando con los valores obtenidos en la iteración anterior SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejemplo: SOLUCIÓN DE SISTEMAS LINEALES Método de Jacobi. Ejercicio: encontrar las tres primeras iteraciones del método de Jacobi del sistema: 4x1+x2+x3=6 2x1-5x2+x3=-2 X1+2x2+7x3=10 X1=1,005 X2=0,994 X3=1,004 SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Hemos visto que son 2 los procedimientos iterativos para resolver un sistema de ecuaciones lineales. El primero de ellos conocido como el procedimiento de Jacobi basado en la idea de punto fijo y un segundo procedimiento conocido como método de Gauss-Seidel el cual es una modificación simple del procedimiento de Jacobi. La garantía de convergencia en la aplicación de estos métodos cual se relaciona con el concepto de matriz diagonalmente dominante . Veremos que en algunos casos es posible replantear el sistema para garantizar la convergencia. SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Uno de los principales problemas de los métodos iterativos es la garantía de que el método va a converger, es decir, va a producir una sucesión de aproximaciones cada vez efectivamente más próximas a la solución. En el caso del método de Jacobi no existe una condición exacta para la convergencia. Lo mejor es una condición que garantiza la convergencia, pero en caso de no cumplirse, puede o no haberla, es la siguiente: Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente dominante, el método de Jacobi seguro converge. SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Una matriz se dice matriz diagonalmente dominante, si en cada una de las filas, el valor absoluto del elemento de la diagonal principal es mayor que la suma de los valores absolutos de los elementos restantes de la misma fila. A veces la matriz de un sistema de ecuaciones no es diagonalmente dominante pero cuando se cambian el orden de las ecuaciones y las incógnitas el nuevo sistema puede tener matriz de coeficientes diagonalmente dominante. SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Ejemplo: Son matrices diagonalmente dominantes: 4 1 3 8 4 1 1 2 8 −3 3 2 9 −6 1 2 1 3 0 3 2 −9 SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Ejemplo: NO son matrices diagonalmente dominantes: 4 4 3 8 4 1 1 2 8 −7 3 −10 20 4 1 3 2 8 1 3 −10 2 SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. En ciertas ocasiones al aplicar Jacobi la matriz no es diagonalmente dominante y por tanto no existirá garantía de convergencia. Sin embargo, en algunos casos será posible reordenar las incógnitas en otra manera de forma que la nueva matriz de coeficientes sea diagonalmente dominante. Esto se puede detectar revisando todos los posibles ordenamientos de las incógnitas y ver cómo es la matriz resultante. Claro que esto conlleva un buen número de pruebas pues el número posible de ordenamientos en n variables es (n − 1)! pero cuando n es reducido es sencillo. Veamos algunos ejemplos. SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Ejemplo: Indique cuál es el orden conveniente para aplicar Jacobi al sistema: 3x + 12y − z = −2 11x − 4y + 3z = −3 −3 x − 2y − 12z = −2 Solución Con el orden y → x → z el sistema y su matrizde coeficientes quedan: 12y + 3x − z = −2 − 4y + 11x + 3z = −3 − 2y − 3x − 12z = −2 → 12 3 −1 −4 11 3 −2 −3 −12 la matriz de coeficientes es diagonalmente dominante. SOLUCIÓN DE SISTEMAS LINEALES Sobre los métodos iterativos……. Ejercicio: Dado el sistema: x1 + 3x2 − x3 = 6 4x1 − x2 + x3 = 5 x1 + x2 − 7x3 = −9 ¿Es estrictamente la matriz del sistema diagonalmente dominante? En caso negativo, indique si hay algún intercambio que permita pasar del sistema dado a otro cuya matriz sea diagonalmente estrictamente dominante. Método de Gauss-Seidel. Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES El método de Gauss-Seidel es muy semejante al método de Jacobi. Mientras que en el de Jacobi se utiliza el valor de las incógnitas para determinar una nueva aproximación, en el de Gauss-Seidel se va utilizando los valores de las incógnitas recién calculados en la misma iteración, y no en la siguiente. Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Por ejemplo, en el método de Jacobi se obtiene en el primer cálculo X, pero este valor de X no se utiliza sino hasta la siguiente iteración. En el método de Gauss-Seidel en lugar de eso se utiliza Xi+1 en lugar de Xi en forma inmediata para calcular el valor de Yi+1 de igual manera procede con las siguientes variables; siempre se utilizan las variables recién calculadas. Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES CRITERIO DE PARO ∈𝑎,𝑖= |𝑥𝑖 𝑗−1 | − |𝑥𝑖 𝑗 | 𝑥𝑖 𝑗 𝑥100% < ∈𝑟𝑝 Para toda i en donde j y j-1 denotan la iteración actual y anterior. Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: DIAGONALMENTE DOMINANTE Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Método de Gauss-Seidel. SOLUCIÓN DE SISTEMAS LINEALES Ejemplo: Para el criterio de paro 0,96 0,99 0,42 0,49 5,95 5,99 |𝑥𝑖 𝑗−1 | |𝑥𝑖 𝑗 | SOLUCIÓN DE SISTEMAS LINEALES Es difícil estimar el costo computacional de un método iterativo, pues de antemano se desconoce cuántas iteraciones requerira para obtener una respuestas que satisfaga al usuario. Generalmente, se procede a calcular el costo computacional por iteración. En el caso del método de Jacobi la relación de recurrencia utilizada es: xi+1 = c + B xi Utilizando esta información podemos concluir que si el algoritmo toma m iteraciones entonces el total de FLOPs será de: 2 m n 2 SOLUCIÓN DE SISTEMAS LINEALES Se recomienda utilizar el archivo de excel que se provee para ilustrar la convergencia de los métodos, sobre todo los siguientes hechos: • Que la convergencia se tiene siempre que la matriz es diagonalmente dominante, sin importar cual sea la semilla o el vector de constantes. • Que cuando la matriz de coeficientes no es diagonalmente dominante, se puede tener convergencia ya sea por que la semilla es la adecuada ya sea por el vector de constantes. En términos formales, que la condicional Si la matriz de coeficientes es DD, entonces Jacobi converge es cierta, mientras que su recíproca no lo es. SOLUCIÓN DE SISTEMAS LINEALES EJERCICIO: Resolver el siguiente sistema de ecuaciones mediante el método de Gauss-Seidel para Erp<10E-5 en X3, para 6 cifras significativas: 8x1+4x2-2x3=24 3x1+6x2-x3=13 2x1-2x2+6x3=16 Rpta=1,99999 en iter 10 SOLUCIÓN DE SISTEMAS LINEALES EJERCICIO: Resolver el siguiente sistema de ecuaciones mediante el método de Gauss-Seidel para 7 iteraciones, para 5 cifras significativas: 4x1+10x2+8x3=142 2x1+6x2+7x3=13 9x1+2x2+3x3=16 Rpta=x1=3,0202 x2=11,1862 x3=2,3346 9x1+2x2+3x3=16 4x1+10x2+8x3=142 2x1+6x2+7x3=13 Métodos deFactorización: Raíz Cuadrada y Choleski Método de la Raíz Cuadrada Se tiene un sistema de ecuaciones que tiene la forma: Ax=c Hay que descomponer en dos matrices L y LT. L matriz triangular superior LT es la transpuesta de L 𝐿 = L11 L12 L13 L14 0 L22 L23 L24 0 0 L33 L34 0 0 0 L44 𝐿𝑇 = L11 0 0 0 L12 L22 0 0 L13 L23 L33 0 L14 L24 L34 L44 Método de la Raíz Cuadrada Primer elemento de L 𝐿11 = 𝑎11 Elementos de la primera fila: 𝐿1𝑗 = 𝑎1𝑗 𝐿1𝑖 i=1 j=2,3,……,n Elementos diagonales: 𝐿𝑖𝑖 = 𝑎𝑖𝑖 − 𝑘=1 𝑖−1 𝐿𝑘𝑖 2 Demás elementos: 𝐿𝑖𝑗 = 𝑎𝑖𝑗−σ𝑘=1 𝑖−1 𝐿𝑘𝑖𝐿𝑘𝑗 𝐿𝑖𝑖 Método de la
Compartir