Métodos Numéricos 3 - Resumen

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 3

UNIDAD 1 Error Aproximado = ó ó ó 𝑥 100%Las iteraciones de los métodos continúan

hasta que: |𝐸𝑎|<𝐸𝑠 Tolerancia Porcentual Para asegurar n cifras significativas: 𝐸𝑠=(0.5 ∗ 10)
en porcentaje 𝑛=2 − log𝐸𝑠0.5=2 − log(2𝐸𝑠)PUNTO FLOTANTE 𝑚 ∗ 𝑏 ; ≤𝑚≤1(Valores de
Mantisa Permitidos) m: mantisa, b: base, e: exponente. Para el signo 0 es positivo y 1 es
negativo. UNIDAD 2 Solución de Ecuaciones no Lineales Métodos Cerrados: -La función
cambia de signo en la vecindad de una raíz.-Dos valores iniciales que encierren la raíz -
Reducen el tamaño del intervalo hasta converger en la raíz aproximada. -No se pueden usar
métodos cerrados para raíces múltiples pares Bisección y Falsa Posición
Alexis Aguirre Método de BisecciónPara verificar la existencia de raíces en el intervalo
elegido se utiliza: 𝑓()∗ 𝑓()<0Hay un número de raíces impares 𝑓()∗ 𝑓()>0No hay raíces
encerradas o hay un número par de ellas. Se aproxima a la raíz como el punto medio del
intervalo.𝒙𝒓=𝒙𝒍 + 𝒙𝒖𝟐Ahora debemos seleccionar el intervalo donde la función cambie de
signo. Iterando de esta manera convergemos a la raíz de manera aproximada. Método de
Falsa Posición (Regula Falsi) Se aproxima a la raíz como la intersección de la recta entre
los dos puntos con el eje x. 𝒙𝒓= 𝒙𝒖−𝒇(𝒙𝒖)∗ (𝒙𝒍 − 𝒙𝒖)𝒇(𝒙𝒍)− 𝒇(𝒙𝒖)De la misma forma en que se
determina en Bisección si el intervalo encierra la raíz se determinan los puntos para
continuar con la iteración de este método. Método de Falsa Posición Modificado Existen
problemas si la función es casi constante, ya que el avance hacia la raíz es lento en cada
iteración, lo que se hace es detectar estos puntos mediante contadores y se divide por dos
el valor de la función en el punto estancado. Métodos Abiertos -No requieren que el
intervalo inicial encierre la raíz -En general, son más eficientes que los cerrados, aunque no
siempre funcionan. -Se extienden para sistemas de ecuaciones no lineales. Método de
Iteración de Punto Fijo Idea: Reescribir la ecuación 𝑓(𝑥)=0 como 𝑥 =𝑔(𝑥)Esta nueva definición
de la ecuación debe converger. Esquema iterativo: 𝑥=𝑔(𝑥)Error Aproximado: 𝐸𝑎=𝑥− 𝑥𝑥.100%
Alexis Aguirre Método de Newton-Raphson Se iguala la pendiente a 𝑓(𝑥𝑖)=𝑓(𝑥𝑖)− 0𝑥𝑖−
𝑥Despejando se tiene: 𝒙𝒊𝟏= 𝒙𝒊−𝒇(𝒙𝒊)𝒇′(𝒙𝒊)El teorema de Newton-Raphson demuestra que se
asegura la convergencia si |g’(x)| < 1 en todo el intervalo de análisis. Desventajas: No se
puede trabajar si las curvas de la función son muy suaves, es decir la pendiente es
prácticamente 0. Si la función es muy sinuosa con varias raíces, el método puede escapar
hacia otra raíz y no la de interés. Método de la Secante Se aproxima a la derivada 𝑓′(𝑥) de
Newton-Raphson con una diferencia finita hacia atrás: 𝑓(𝑥)=𝑓(𝑥)− 𝑓(𝑥)𝑥− 𝑥Sustituyendo en la
fórmula de N-R y despejando 𝑥: 𝒙𝒊𝟏= 𝒙𝒊−𝒇(𝒙𝒊)∗ (𝒙𝒊𝟏− 𝒙𝒊)𝒇(𝒙𝒊𝟏) − 𝒇(𝒙𝒊)Si bien necesita 2 puntos,
no se clasifica como un método cerrado. Los métodos de N-R y de la Secante tienen
convergencia lineal cuando hay raíces múltiples. RAICES DE POLINOMIOS-Deflación
Polinomial -Método de Müller
Alexis Aguirre Deflación PolinomialPermite encontrar sucesivamente las raíces de un
polinomio mediante la aplicación con otros métodos.Una vez encontrada una raíz, se divide
al polinomio por (x-raíz). El nuevo polinomio ahora ya no tiene la raíz que se había obtenido.
Método de Müller El método de la secante con dos puntos se obtenía una función lineal
para aproximar al punto de raíz, en este caso el método de Müller utiliza tres puntos para
armar una función cuadrática. Se escribe la función cuadrática de la forma:𝑓(𝑥)=𝑎(𝑥− 𝑥)+ 𝑏(𝑥−
𝑥)+ 𝑐Ver pasos de obtención de los valores en las filminas 𝒙𝟑=𝒙𝟐−𝟐 𝒄𝒃 ±√𝒃𝟐− 𝟒 𝒂 𝒄El signo
central se elige para que coincida con el de b. Al obtener un punto nuevo se descarta el más
alejado. UNIDAD 3 Ecuaciones Algebraicas Lineales Eliminación de Gauss Simple
Teniendo la matriz, aplicando operaciones elementales de fila (Fj + k* Fi) para dejarla de
forma triangular superior. (Eliminación hacia adelante) En este punto se realiza la
sustitución hacia atrás: 𝒙𝒊=𝒃𝒊𝒊𝟏−∑𝒂𝒊𝒋𝒊𝟏∗ 𝒙𝒋𝒏𝒋𝒊𝟏𝒂𝒊𝒊𝒊𝟏Con i = n-1, n-2, … , 1 Problemas en los
métodos de eliminación: División por Cero Errores de redondeo Sistemas mal
condicionados Técnica del Pivoteo:
Alexis Aguirre Antes de reducir cada fila de la matriz se determina el coeficiente más grande
en valor absoluto por debajo del pivote y se intercambia de modo que los pivotes sean los
elementos de mayor valor absoluto.Descomposición LU-Común -Con eliminación de Gauss
-Con Pivoteo Matrices Bandeadas Sistemas Tridiagonales Algoritmo de Thomas: Método de
descomposición LU eficiente con sistemas tridiagonales. Se almacena la matriz en tres
vectores para poderlos trabajar mejor sin tener que hacer cálculos con una cantidad grande
de ceros. Matrices Simétricas Descomposición de Cholesky: Trabaja con las matrices
Simétricas.MétodosIterativosGauss-Seidel: Utiliza los últimos valores calculados. Jacobi:
Utiliza los valores obtenidos en la iteración anterior. Criterio de convergencia: se demuestra
que el método es convergente si la matriz es diagonalmente dominante. Si no se cumple lo
anterior al menos se intenta que el elemento de la diagonal es el mayor de toda la fila de la
matriz. UNIDAD 4 Optimización Búsqueda de mínimos o máximos de una función.
Clasificación de Problemas: Programación Lineal: la función y sus restricciones son lineales.
Programación Cuadrática: la función es cuadrática y sus restricciones lineales.
Programación NO Lineal: La función no es lineal ni cuadrática y las restricciones no son
lineales. Optimización Una Variable no Restringida Sección Dorada o Áurea Interpolación
Cuadrática De Newton
Alexis Aguirre Sección Dorada Premisas: 𝑙= 𝑙+ 𝑙𝑅=𝑙𝑙=𝑙𝑙Donde R es la razón áurea y su valor
es:√=0.618Algoritmo de la SECCION AUREA: Seleccionar los dos puntos (xl,xu) donde
haya un extremo local de f(x). Calcular los puntos interiores x1 y x2 de la siguiente
manera:𝑥= 𝑥+ 𝑑𝑥=𝑥− 𝑑𝑑=𝑅(𝑥− 𝑥)Se evalúan los puntos obtenidos en la función para ver con
qué punto me quedo. Repetir el procedimiento hasta cumplir: 𝜀< 𝜀Interpolación Cuadrática 3
Valores iniciales, el extremo local debe estar en este intervalo. Busca el vértice de la
parábola, eliminando los valores correspondientes a la búsqueda del extremo. Método de
Newton Se basa en el método de N-R de búsqueda de raíces: 𝑥=𝑥−𝑓(𝑥)𝑓′(𝑥)Para encontrar el
extremo busca la raíz de la primera derivada: 𝑥=𝑥−𝑓′(𝑥)𝑓′′(𝑥)Con esta forma hay que tener
cuidado, ya que en los puntos de inflexión la segunda derivada de la función es cero, y el
método puede no converger. Optimización Multidimensional No Restringida Métodos
Directos: Búsqueda por malla Búsqueda aleatoria Búsqueda univariada Búsquedas patrón
Método de Powell Métodos con gradiente Método de Máxima Inclinación
Alexis Aguirre UNIDAD 5 Ajuste de Curvas Aplicaciones: -Análisis de la tendencia: Predecir
valores de la variable dependiente (interpolar o extrapolar) -Prueba de Hipótesis: Validar un
modelo matemático existente con los resultados experimentales o adecuar el modelo a los
datos. -Integración, solución aproximada de ecuaciones diferenciales. Regresión por
Mínimos Cuadrados: Regresión Lineal Regresión Polinomial (Cuadrática) Regresión Lineal
Múltiple Interpolación Lineal: 𝒇𝟏(𝒙)= 𝒇(𝒙𝟎) +𝒇(𝒙𝟏) − 𝒇(𝒙𝟎)𝒙𝟏− 𝒙𝟎(𝒙 − 𝒙𝟎)Interpolación Cuadrática
Forma General de los Polinomios de Interpolación de Newton 𝒇𝒏(𝒙)= 𝒃𝟎+ 𝒃𝟏(𝒙 − 𝒙𝟎)+ ⋯+
𝒃𝒏(𝒙 − 𝒙𝟎)(𝒙 − 𝒙𝟏)(𝒙 − 𝒙𝟐)… (𝒙 − 𝒙𝒏𝟏)𝒃𝟎=𝒇(𝒙𝟎)𝒃𝟏=𝒇[𝒙𝟏,𝒙𝟎]𝒃𝟐=𝒇[𝒙𝟐,𝒙𝟏,𝒙𝟎]𝒇𝒙𝒊,𝒙𝒋=𝒇(𝒙𝒊) − 𝒇(𝒙𝒋)𝒙𝒊−
𝒙𝒋Polinomios de Interpolación de Lagrange: El polinomio de interpolación de Lagrange es
simplemente una reformulación del polinomio de Newton que evita el cálculo de las
diferencias divididas, y se representa de manera concisa como: 𝒇𝒏(𝒙)= 𝑳𝒊(𝒙)𝒇(𝒙𝒊)𝒏𝒊𝟎Donde:
𝑳𝒊(𝒙)=𝒙 − 𝒙𝒋𝒙𝒊− 𝒙𝒋𝒏𝒋𝟎𝒋𝒊
Alexis Aguirre Interpolación mediante Trazadores o Splines: Se dibuja una línea con una
cierta curvatura entre los puntos. Cantidad de Nodos internos y externos, Intervalos. Se
puede aproximar de forma lineal, con derivada primera y segunda. UNIDAD 6 Diferenciación
e Integración Numérica Integración Numérica Fórmulas de Integración de Newton-Cotes Se
eligen n+1 puntos {x0, x1, …, xn} en el intervalo [a, b] y se aproxima f(x) con un polinomio
de Lagrange de grado n: 𝑓(𝑥)≈ 𝑃(𝑥)= 𝑓(𝑥)𝐿(𝑥)𝑓(𝑥)𝑑𝑥 ≈𝑓(𝑥)𝐿(𝑥)𝑑𝑥= 𝑎∗ 𝑓(𝑥)Donde: (para i= 0, 1, … ,
n) 𝑎=𝐿(𝑥)𝑑𝑥Regla del Trapecio: Polinomio de Primer Grado. ∗ 𝐸𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒𝑙
𝑡𝑟𝑎𝑝𝑒𝑐𝑖𝑜∗Regla 1/3 de Simpson:Se aproxima con una parábola. Polinomio de 2do grado ∗
𝐸𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎13𝑆𝑖𝑚𝑝𝑠𝑜𝑛∗Regla 3/8 de Simpson:Polinomio de 3er grado. ∗
𝐸𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎38𝑆𝑖𝑚𝑝𝑠𝑜𝑛∗Integración con Segmentos Desiguales: Apropiada para
datos experimentales. Se aplican los distintos métodos en segmentos para hacer el cálculo
de manera más aproximada. Integración Numérica Eficiente de Funciones Extrapolación de
Richardson: se usan dos estimaciones numéricas de una integral con el mismo orden de
error de truncamiento, para obtener una tercera estimación más exacta. Algoritmo de
Romberg: usa la regla compuesta del trapecio para obtener estimaciones preliminares,
aplicando luego el proceso de extrapolación de Richardson para mejorar las
aproximaciones. Fórmula de Integración
Alexis Aguirre ∗ 𝐸𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝐹ó𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑅𝑖𝑐ℎ𝑎𝑟𝑑𝑠𝑜𝑛 𝑦 𝑅𝑜𝑚𝑏𝑒𝑟𝑔∗Diferenciación Numérica
Extrapolación de Richardson: A partir de dos estimaciones de 0(hn) se obtiene una
aproximación de 0(hn+2) ∗ 𝐸𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝐸𝑥𝑡𝑟𝑎𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑅𝑖𝑐ℎ𝑎𝑟𝑑𝑠𝑜𝑛∗UNIDAD 7
Ecuaciones Diferenciales Ordinarias Método de Euler: La pendiente se estima como:
∅=𝑓(𝑥,𝑦)Error local O(h2) – Error global O(h) El error se reduce reduciendo h Es exacto para
una función lineal f’=0 Método de Heun: Estima por medio del método de Euler el siguiente
punto, toma las pendientes y las promedia. Se puede utilizar de forma iterativa. Método del
Punto Medio:Aproxima el punto siguiente por el método de Euler. Toma la pendiente del
punto medio. Métodos de Runge-Kutta: Forma General: 𝑦=𝑦+ ∅(𝑥,𝑦,ℎ)ℎMétodos de
Ralston:Toma 1/3 de la pendiente en el primer punto y 2/3 de la pendiente en el punto3/4h.
Su error local es O(h3) pero es mejor que los dos métodos anteriores. Métodos de Runge-
Kutta de Tercer Orden: Forma Común: 𝑦=𝑦+(𝑘+ 4𝑘+ 𝑘)ℎMétodos de Runge-Kutta de Cuarto
Orden:Forma Común: 𝑦=𝑦+(𝑘+ 2𝑘+ 2𝑘+ 𝑘)ℎ

También podría gustarte