Metodos Numericos Tema 5 Apuntes
Metodos Numericos Tema 5 Apuntes
Metodos Numericos Tema 5 Apuntes
1 Métodos de intervalo
Método grafico:
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.
Estos puntos se grafican en la figura 5.1. La curva resultante cruza el eje c entre 12
y 16. Un vistazo a la gráfica proporciona una aproximación a la raíz de 14.75. La
validez de la aproximación visual se verifica sustituyendo su valor en la ecuación
(E5.1.1) para obtener
que está cercano a cero. También se verifica por sustitución en la ecuación (PT2.4)
junto con el valor de los parámetros de este ejemplo para dar
Bibliografía
Walter Mora F, Introducción a los métodos numéricos, Instituto Tecnológico de
Costa Rica, 2013. Páginas: 90
Chapra C.S. y Canale P.R., Métodos numéricos para ingenieros, McGraw-Hill,
5ª edición, página 138.
2.2 Métodos de Bisección
En caso de que ƒ(𝑎) y ƒ(𝑏) tengan signos opuestos (es decir (ƒ(𝑎) ∗ ƒ(𝑏) < 0),
el valor cero sería un valor intermedio entre ƒ(𝑎) y ƒ(𝑏), por lo que con certeza
existe un 𝑥 ∗ en [𝑎, 𝑏] que cumple ƒ(𝑥 ∗ ) = 0. De esta forma, se asegura la
existencia de al menos una solución de la ecuación ƒ(𝑥 ) = 0. El método
consiste en suponer que en el intervalo [𝑎, 𝑏] hay un cero de ƒ. Calculamos el
(𝑎 + 𝑏)
punto medio m = del intervalo [𝑎, 𝑏]. A continuación, calculamos ƒ(𝑚). En
2
caso de que ƒ(𝑚) sea igual a cero, ya hemos encontrado la solución buscada.
En caso de que no lo sea, verificamos si ƒ(𝑚) tiene signo opuesto al de ƒ(𝑎).
Se redefine el intervalo [𝑎, 𝑏] como [𝑎, 𝑚] o [𝑚, 𝑏] según se haya determinado
en cuál de estos intervalos ocurre un cambio de signo. A este nuevo intervalo
se le aplica el mismo procedimiento y así, sucesivamente, iremos encerrando
la solución en un intervalo cada vez más pequeño, hasta alcanzar la precisión
deseada.
En la siguiente figura se ilustra el procedimiento descrito.
El procedimiento descrito construye tres sucesiones 𝑎𝑛 , 𝑏𝑛 , 𝑚𝑛 .
𝑏 +𝑑
• Para k =1, 2…, 𝑚𝑘 = 𝑘 2 𝑘 y ⌊𝑎𝑘 , 𝑏𝑘 ⌋ =
⌊𝑚 − 1, 𝑏𝑘 − 1 𝑠𝑖 ƒ(𝑎𝑘 − 1)ƒ(𝑚𝑘 − 1) > 0⌋
{ 𝑘
⌊𝑎𝑘 − 1, 𝑚𝑘 − 1 𝑠𝑖 ƒ(𝑎𝑘 − 1)ƒ(𝑚𝑘 − 1) < 0⌋
• Estimación del error: El error exacto en el k-ésimo paso es ⌊𝑚𝑘 − 𝑥 ∗ ⌋.
Geométricamente se puede ver que esto es menos que la mitad del
𝑏 +𝑎 𝑏−𝑎
intervalo ⌊𝑎𝑘 , 𝑏𝑘 ⌋, es decir ⌊𝑚𝑘 − 𝑥 ∗ ⌋ ≤ 𝑘 2 𝑘 = 2𝑘 .
EJEMPLO 1
Aplicar el método de bisección 𝑥 2 = cos(𝑥) + 1 𝑒𝑛 [1,2].
La reescribimos como 𝑥 2 − cos(𝑥) − 1 = 0. En este caso, ƒ(𝑥) = 𝑥 2 − cos(𝑥) −
1. Esta función tiene un cero en el intervalo [1,2] pues, efectivamente:
ƒ(1) ∗ ƒ(2) = −1.84575 … < 0.
Calculemos ahora 𝑎𝑘 , 𝑏𝑘 , 𝑚𝑘 , así como la estimación del error.
𝑎1 +𝑏1
𝑘 = 1: 𝑎1 = 1, 𝑏1 = 2 𝑦 𝑚1 = = 1.5 𝐸𝑟𝑟𝑜𝑟 ≤ 0.5
2
𝑘 = 2: ƒ(𝑎1 ) ∗ ƒ(𝑚1 ) = −0.637158 < 0,
𝑎2 + 𝑏2
𝑎2 = 1, 𝑏2 = 1.5 𝑦 𝑚2 = = 1.25 𝐸𝑟𝑟𝑜𝑟 ≤ 0.25
2
𝑘 = 3: ƒ(𝑎2 ) ∗ ƒ(𝑚2 ) = −0.13355064 < 0,
𝑎3 + 𝑏3
𝑎3 = 1, 𝑏3 = 1.25 𝑦 𝑚3 = = 1.125 𝐸𝑟𝑟𝑜𝑟 ≤ 0.125
2
𝑘 = 4: ƒ(𝑎3 ) ∗ ƒ(𝑚3 ) = 0.02740730 > 0,
𝑎4 + 𝑏4
𝑎4 = 1.125, 𝑏4 = 1.25 𝑦 𝑚4 = = 1.1875 𝐸𝑟𝑟𝑜𝑟 ≤ 0.0625
2
𝑘 = 44: 𝑚44 = 1.17650193990184 𝐸𝑟𝑟𝑜𝑟 ≤ 2.84𝑥10−14
Así, 𝑚44 = 1.17650193990184 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎 𝑒𝑙 𝑐𝑒𝑟𝑜 𝑑𝑒
ƒ(𝑥) = 𝑥 2 − cos(𝑥) − 1 𝑒𝑛 [1,2] 𝑐𝑜𝑛 𝑢𝑛 𝑒𝑟𝑟𝑜𝑟 ≤ 2.84𝑥10−14
k 𝑎𝑘 𝑏𝑘 𝑚𝑘 Error estimado
1 1 2 1.5 0.5
2 1 1.5 1.25 0.25
3 1 1.25 1.125 0.125
4 1.125 1.25 1.1875 0.0625
- - - - -
44 1.176501939 1.176501939 1.176501939 2.84217𝑥10−14
61. Mora
Bibliografía:
NIEVES H.A. Y DOMÍNGUEZ S.F.C, MÉTODOS NUMÉRICOS APLICADOS
A LA INGENIERÍA, PATRIA, 1ª EDICIÓN, PÁGINA 62 Y 63.
Chapra, S. C., & Canale, R. P. Métodos Numéricos para Ingenieros, Quinta
edición, página 125, Mc Graw Hill.
2.3 Método de aproximaciones sucesivas
143. Chapra
Iteración simple de punto fijo
Esta fórmula puede desarrollarse como una iteración simple de punto fijo (también
llamada iteración de un punto o sustitución sucesiva o método de punto fijo), al
arreglar la ecuación f(x) = 0 de tal modo que x esté del lado izquierdo de la ecuación:
x = g(x)
Esta transformación se realiza mediante operaciones algebraicas o simplemente
sumando x a cada lado de la ecuación original. Por ejemplo,
𝑥 2 − 2𝑥 + 3 = 0
Se arregla para obtener
𝑥2 + 3
𝑥=
2
Mientras que sen x=0 puede transformase en la forma de la ecuación x = g(x)
sumando x a ambos lados para obtener
𝑥 = 𝑠𝑒𝑛 𝑥 + 𝑥
La utilidad de la ecuación x = g(x) es que proporciona una formula para predecir un
nuevo valor de x en función del valor anterior de x. De esta manera, dado un valor
inicial para la raíz 𝑥𝑖 , la ecuación x = g(x) se utiliza para obtener una nueva
aproximación 𝑥𝑖+1 . Expresada por la fórmula iterativa
𝑥𝑖+1 = 𝑔(𝑥𝑖 )
Método de Newton-Raphson
Tal vez, de las fórmulas para localizar raíces, la fórmula de Newton-Raphson se la
más ampliamente utilizada. Si el valor inicial para la raíz es 𝑋𝑖 , entonces se puede
trazar una tangente desde el punto [𝑋𝑖 , ƒ( 𝑋𝑖 )] de la curva. Por lo común, el punto
donde esta tangente cruza al eje x representa una aproximación mejorada de la raíz.
Ejemplo 1
La ecuación 𝑥2 − 𝑐𝑜𝑠𝑥 − 1 = 0 tiene una solución 𝑥∗ en [1,2]. Debemos tomar una
aproximación inicial, digamos 𝑥0 = 1.5
𝑥2𝑛 − cos(𝑥𝑛 ) − 1
𝑥𝑛+1 = 𝑥𝑛 −
2𝑥𝑛 + 𝑠𝑒𝑛(𝑥𝑛 )
𝑛 = 0: 𝑥0 = 1.5
ƒ (𝑥0 ) ƒ (1.5)
𝑛 = 1: 𝑥1 = 𝑥0 − = 1.5 − = 1.204999 𝐸𝑟𝑟𝑜𝑟 ≤ [𝑥1 − 𝑥0 ] = 0.295
ƒ ′(𝑥0 ) ƒ ′(1.5)
ƒ (𝑥1 ) ƒ (1.204999)
𝑛 = 2: 𝑥2 = 𝑥1 − = 1.204999 − = 1.176789
ƒ ′(𝑥1 ) ƒ ′(1.204999)
𝐸𝑟𝑟𝑜𝑟 ≤ [𝑥2 − 𝑥1 ] = 0.0282
ƒ (𝑥2 ) ƒ (1.176789)
𝑛 = 3: 𝑥3 = 𝑥2 − = 1.176789 − = 1.1765019
ƒ ′(𝑥2 ) ƒ ′(1.176789)
𝐸𝑟𝑟𝑜𝑟 ≤ [𝑥1 − 𝑥0 ] = 0.00282
Podemos tabular esta información en una tabla agregando más iteraciones.
𝑥𝑛+1 [𝑥𝑛+1 − 𝑥𝑛 ]
1.20499955540054 0.295000445
1.17678931926590 0.028210236
1.17650196994274 0.000287349
1.17650193990183 3.004𝑥10−16
1.17650193990183 4.440𝑥10−16
∗
Compare con la solución 𝑥 = 1.17650193990183 (exacta en sus catorce decimales)
y observe como, aproximadamente, se duplican los decimales correctos desde la
segunda iteración.
Método de la secante
Un problema potencial en la implementación del método de Newton-Raphson es la
evaluación de la derivada. Aunque esto no es un inconveniente para los polinomios
ni para muchas otras funciones, existen algunas funciones cuyas derivadas en
ocasiones resultan muy difíciles de calcular. En dichos casos, la derivada se puede
aproximar mediante una diferencia finita hacia atrás.
.
Ejemplo. Use el método de la secante para encontrar una raíz real de la
siguiente ecuación polinomial ƒ(𝑥) = 𝑥 3 + 2𝑥 2 + 10𝑥 − 20 = 0
(𝑥𝑖 − 𝑥𝑖−1 )(𝑥𝑖 3 + 2𝑥𝑖 2 + 10𝑥𝑖 − 20)
𝑥𝑖−1 = 𝑥𝑖 −
(𝑥𝑖 3 + 2𝑥𝑖 2 + 10𝑥𝑖 − 20) − (𝑥𝑖−1 3 + 2𝑥𝑖−1 2 + 10𝑥𝑖−1 − 20)
Mediante 𝑥0 = 0 y 𝑥1 = 1 se calcula 𝑥2
i 𝑥𝑖 [𝑥𝑖+1 − 𝑥𝑖 ]
0 0 -
1 1 1
2 1.53846 0.53846
3 1.35031 0.18815
4 1.36792 0.01761
5 1.36881 0.00090
Bibliografía:
Canale, S. C. C. R. Quinta edición. Métodos numéricos para ingenieros.
McGraw-Hill. Páginas: 142 y 148
Antonio Nieves Hurtado Federico C. Domínguez Sánchez. (2014). Métodos
numéricos aplicados a la ingeniería. Patria. Páginas: 108
Métodos para encontrar raíces, metodosnumericossite.wordpress.com, 2016
Canale, S. C. C. R. Quinta edición. Métodos numéricos para ingenieros.
McGraw-Hill. Páginas: 154 y 155
2.4 Métodos de interpolación
Interpolación lineal:
La forma más simple de interpolación consiste en unir dos puntos con una línea
recta. Utilizando triángulos semejantes,
𝑓1(𝑥) − 𝑓(𝑥0) 𝑓(𝑥1) − 𝑓(𝑥0)
=
𝑥 − 𝑥0 𝑥1 − 𝑥0
Reordenándose se obtiene
𝑓(𝑥1) − 𝑓(𝑥0)
𝑓1(𝑥) = 𝑓(𝑥0) + (𝑥 − 𝑥0)
𝑥1 − 𝑥0
Que es una fórmula de interpolación lineal. La notación f1(x) designa que este es un
polinomio de interpolación de primer grado. En general, cuanto menor sea el
intervalo entre los datos, mejor será la aproximación. Esto se debe al hecho de que,
conforme el intervalo disminuye, una función continua estará mejor aproximada por
una línea recta. Esta característica se demuestra en el siguiente ejemplo
𝑓(𝑥1)−𝑓(𝑥0)
Solución. Se usa la ecuación 𝑓1(𝑥) = 𝑓(𝑥0) + 𝑥1−𝑥0
(𝑥 − 𝑥0) y una interpolación
lineal para ln (2) desde x0 = 1 hasta x1 = 6 para obtener
1.791759 − 0
𝑓1(2) = 0 + (2 − 1) = 0.3583519
6−1
Que representa un error: 𝜀1=48.3%. Con el intervalo menor desde x0 = 1 hasta x1 =
4 se obtiene
1.386294 − 0
𝑓1(2) = 0 + (2 − 1) = 0.4620981
4−1
Así, usando el Intervalo más corto el error relativo porcentual se reduce a 𝜀1 =
33.3%.
Interpolación cuadrática
ƒ(𝑥1 ) − ƒ(𝑥0 )
𝑏1 =
𝑥1 − 𝑥0
Por último, 𝑏0 = ƒ(𝑥0 ) y la ecuación anterior se sustituyen en ƒ2 (𝑥) = 𝑏0 +
𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ), después se evalúa 𝑥 = 𝑥2 y (luego de algunas
manipulaciones algebraicas) se resuelve para
ƒ(𝑥2 ) − ƒ(𝑥) ƒ(𝑥 ) − ƒ(𝑥0 )
( )−( 1 )
𝑥2 − 𝑥1 𝑥1 − 𝑥0
𝑏2 =
𝑥2 − 𝑥0
Nótese que como en la interpolación lineal. 𝑏1 todavía representa la pendiente
de la línea que une los puntos 𝑥0 y 𝑥1 . Así, los primeros dos términos de la
ecuación ƒ2 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ), son equivalentes la
interpolación lineal de 𝑥0 a 𝑥1 . Como se especificó en ƒ1 (𝑥) = ƒ(𝑥0 ) +
ƒ(𝑥1 )−ƒ(𝑥0 )
(𝑥 − 𝑥0 ). El término 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ). Determina la curvatura del
𝑥1 −𝑥0
segundo grado en la fórmula.
Ejemplo
Ajuste un polinomio de segundo grado a los tres puntos de ƒ2 (𝑥) = 𝑏0 + 𝑏1 (𝑥 −
𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ).
𝑥0 = 1 ƒ(𝑥0 ) = 0
𝑥1 = 4 ƒ(𝑥1 ) = 1.386294
𝑥2 = 6 ƒ(𝑥2 ) = 1.791759
Con el polinomio evalúe 𝑙𝑛 2.
𝑏0 = 0
1.386294 − 0
𝑏1 = = 0.4620981
4−1
1.791759 − 1.386294
( ) − 0.4620981
𝑏2 = 6−4 = −0.0518731
6−1
Sustituyendo estos valores en ƒ2 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ), se
obtiene
ƒ2 (𝑥) = 0 + 0.4620981(𝑥 − 1) − 0.0518731(𝑥 − 1)(𝑥 − 4)
Que se evalúa en 𝑥 = 2 para ƒ2 (2) = 0.5658444.
Que representa un error relativo ɛ1 = 18.4%.
Polinomios de Lagrange
El método de aproximación lineal visto anteriormente requiere la solución de un
sistema de ecuaciones algebraicas lineales que, cuando el grado del polinomio es
alto, puede presentar inconvenientes. Existen otros métodos de aproximación
polinomial en que no se requiere resolver un sistema de ecuaciones lineales y los
cálculos se realizan directamente; entre éstos se encuentra el de aproximación
polinomial de Lagrange.
Donde x1 y x0 son los argumentos de los puntos conocidos [𝑋0 , 𝐹(𝑋0 ) ], [1, 𝐹(𝑋1 ], , y
a0 y a1 son dos coeficientes por determinar. Para encontrar el valor de a0, se hace x
= x0 en la ecuación, que al despejar da:
𝑝(𝑥0 ) ƒ ( 𝑥0 )
𝑎0 = =
𝑥0 − 𝑥1 𝑥0 − 𝑥1
Y para hallar el valor de a1, se sustituye el valor de x con el de x1, con lo que resulta
𝑝(𝑥1 ) ƒ ( 𝑥1 )
𝑎1 = =
𝑥1 − 𝑥0 𝑥1 − 𝑥0
De tal modo que, al sustituir las ecuaciones anteriores queda:
𝑓 ( 𝑥𝑜 ) ƒ ( 𝑥1 )
𝑝𝑥 = ( 𝑥 − 𝑥1 ) + ( 𝑥 − 𝑥0 )
𝑥0 − 𝑥1 𝑥1 − 𝑥0
O en forma más compacta:
p(x) = L0 (X)ƒ(𝑥0 ) + 𝐿1 (𝑥)ƒ(𝑥1 )
Donde x0 es la abscisa del punto (0) y a0 y a1 son constantes por determinar. Para
encontrar el valor de a0 se hace x = x0, de la cual a0 = p(x) = f [x0], y a fin de
encontrar el valor de a1, se hace x = x1, de donde al sustituir los valores de estas
constantes en la ecuación anterior esta queda.
p(x) = ƒ|𝑥0 | + (x − x0 )ƒ|𝑥0 , 𝑥1 |
𝑝2 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
Donde x0 y x1 vuelven a ser las abscisas de los puntos (0) y (1) y a0, a1, y a2 son
constantes por determinar, se procede como en la forma anterior para encontrar
estas constantes; o sea:
Bibliografía:
MORA F.W., INTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS, OBRA INDEPENDIENTE, 1ª
EDICIÓN, PÁGINAS 108-110.
La función f(h).
Ejemplo 2. En 1225, Leonardo de Pisa, mejor conocido como Fibonacci, resolvió el reto
matemático de Juan de Palermo en presencia del emperador Federico II. El reto consistía
en obtener una raíz de la ecuación 𝑥 3 + 2𝑥 2 + 10𝑥 = 20. Primero, demostró que la
ecuación carecía de raíces racionales y de una raíz irracional euclidiana, es decir, no tenía
ninguna raíz de una de las formas: 𝑎 ± √𝑏, √𝑎 ± √𝑏, √𝑎 ± √𝑏, 𝑜 √√𝑎 ± √𝑏, donde a y b son
números racionales. Después aproximo la única raíz real, probablemente aplicando un
método algebraico de Omar Khayyam que incluía la intersección de un circulo y de una
parábola. Su respuesta la dio en un sistema numérico de base 60 así:
1 1 1 1 1 1
1 + 22 ( ) + 7( )2 + 42( )3 + 33( )4 + 4( )5 + 40( )6
60 60 60 60 60 60
¿Qué exactitud tenía su aproximación?
Calculando el valor de la aproximación hecha por Leonardo de Pisa,
>>x=1+22*(1/60) +7*(1/60)72+42x*(1/60)73+33*(1/60)74+4*(1/60)75+40*(1/60)76
X = 1.36880810785322
La vibración de esos sistemas puede amortiguarse por medio de algún mecanismo que
absorba la energía. Además, la vibración puede ser libre o sujeta a algún disturbio
periódico externo. En este último caso, se dice que el movimiento es forzado.
Como se puede observar en la siguiente figura, un carro de masa m se soporta por medio
de resortes y amortiguadores. Los amortiguadores presentan resistencia al movimiento,
que es proporcional a la velocidad vertical (movimiento ascendente-descendente).
O bien:
d2 x dx
m 2
+ c + kx = 0
dt dt
Si se supone que la solución toma la forma x(t) = 𝑒𝑟𝑡 , entonces se escribe la ecuación
característica.
mr 2 + cr + k = 0
La incógnita r es la solución de la ecuación característica cuadrática que se puede
obtener, ya sea en forma analítica o numérica. En este problema de diseño primero se
utiliza la solución analítica para ofrecer una idea general de la forma en que el movimiento
del sistema es afectado por los coeficientes del modelo: m, k y c.
La solución de la ecuación anterior para r está dada por la fórmula cuadrática
𝑟1 −𝑐 ± √𝑐2 − 4𝑚𝑘
=
𝑟2 2𝑚
√|C 2 − 4mk|
μ =
2m
Y la solución es de la forma:
x(t) = (A + Bt)e−λt
k
Donde: P = √ m
P = Pm sin ωt o d = dm sin ωt
d2 dx
m 2
+ c + kx = Pm sin ωt
dt dt
La solución general esta de esta ecuación se obtiene al sumar una solución particular a la
solución por vibración libre, dadas por las ecuaciones:
x(t) = Aer1t + Ber2t ,
x(t) = (A + Bt)e−λt
Consideremos el movimiento en estado estacionario del sistema forzado donde se ha
amortiguado el movimiento transitorio inicial. Si consideramos que esta solución en estado
estacionario en estado estacionario tiene la forma:
Se demuestra que:
𝑥𝑚 𝑥𝑚 1
= =
𝑝𝑚 𝑙𝑘 𝑑𝑚 √[1 − (𝜔⁄𝑝)]2 + 4(𝐶⁄𝐶𝑐 )2 (𝜔⁄𝑝)2
k c2 c k c2
0 = cos (0.05√ − ) + sin (0.05√ − )
m 4m2 √4km − c 2 m 4m2
Solución:
𝐶 10 1𝑥107
= = = 0.1221
𝐶𝑐 2√𝑘𝑚 2√ 1.397𝑥109 (1.2𝑥106 )
Ahora, se buscan valores ω/p que satisfagan la ecuación:
1
2 =
√[1 − (w⁄p)2 ] + 4(0.1221)2 (w⁄p)2
En ésta se muestra que la ecuación tiene dos raíces positivas que se pueden determinar
con el método de bisección, usando el software TOOLKIT. El valor más pequeño para ω/p
es igual a 0.7300 en 18 iteraciones, con un error estimado de 0.00064% y con valores
iniciales superior e inferior de 1 y 2. También es posible expresar la ecuación como un
polinomio:
𝜔 4 𝜔 2
( ) − 1.9404 ( ) + 0.75
𝑝 𝑝
Y usar MATLAB para determinar las raíces como sigue:
Lo cual confirma el resultado obtenido con el método de bisección. Esto también sugiere
k
que, aunque la ecuaciónP = √ es una ecuación de cuarto grado en ω/p, también es una
m
ecuación cuadrática en (ω/p)2 . el valor de la frecuencia natural p está dada por la
k
ecuaciónP = √m.
1.397x109
P = √ = 34.12s−1
1.2x106
Las frecuencias forzadas, para las que la máxima deflexión es 0.2m, entonces se calculan
como:
ω = 0.7300(34.12) = 24.91s−1
ω = 1.1864(34.12) = 40.48s−1
Bibliografía:
Canale, S. C. C. R. Quinta edición. Métodos numéricos para ingenieros. McGraw-
Hill. Páginas: 199 – 216.
González Hernández, J. Métodos numéricos con aplicaciones en Matlab (1era
edición). Universidad Politécnica Salesiana. Páginas: 58-78.
TECNOLÓGICO NACIONAL DE MÉXICO
(TECNM)
INSTITUTO TECNOLÓGICO DE CUAUTLA
Métodos numéricos
Semestre: 4to
Grupo: 1
Competencia:
Los métodos iterativos más sencillos y conocidos son una generalización del
método de punto fijo. Se puede aplicar la misma técnica a fin de elaborar métodos
para la solución de A x = b, de la siguiente manera:
Se parte A x = b para obtener la ecuación
𝐴𝑥−𝑏 =0
𝑥 =𝐵𝑥+𝑐
Donde
Para que la sucesión 𝑥 (0) , 𝑥 (1) , … , 𝑥 (𝑛) , …, converja al vector solución x es necesario
que eventualmente 𝑥𝑗𝑚 , 1 ≤ 𝑗 ≤ 𝑛 (los componentes del vector 𝑥 (𝑚) ) se aproximen
tanto a 𝑥𝑗 , 1 ≤ 𝑗 ≤ 𝑛 (los componentes correspondientes a x), que todas las
diferencias |𝑥𝑗𝑚 − 𝑥𝑗 |, 1 ≤ 𝑗 ≤ 𝑛 sean menores que un valor pequeño previamente
fijado, y que se conserven menores para todos los vectores siguientes de la
iteración; es decir
lim 𝑥𝑗𝑚 = 𝑥𝑗 1 ≤ 𝑗 ≤ 𝑛
𝑚→∞
(3.87)
y ésta es la ecuación
𝑥 (𝑘) = [𝑥1𝑘 𝑥2𝑘 … 𝑥𝑛𝑘 ]𝑇 desarrollada, con
Si
2. Iteración de Gauss-Seidel
Para x2 y x3, los errores estimados son ⎪ea,2⎪ = 11.8% y ⎪ea,3⎪ = 0.076%.
Observe que, como cuando se determinaron las raíces de una sola ecuación, las
formulaciones como la ecuación (11.6) usualmente ofrecen una valoración
conservativa de la convergencia. Así, cuando éstas se satisfacen, aseguran que el
resultado se conozca con, al menos, la tolerancia especificada por 𝜀𝑠 .
Bibliografía:
Donde:
[𝐶] = [𝐴] + 𝑖[𝐵]
{𝑍} = {𝑋} + 𝑖{𝑌}
{𝑊} = {𝑈} + 𝑖{𝑉}
Donde 𝑖 = √−1.
El camino más directo para resolver un sistema como éste consiste en emplear un
algoritmo en concreto; pero sustituyendo todas las operaciones reales por
complejas. Esto solo sería posible en aquellos lenguajes de programación que
permitan el uso de variables complejas. Una alternativa es convertir el sistema
complejo en uno equivalente que trabaje con variables reales. Esto se logra al
sustituir la ecuación anterior con la primera antes vista e igualar las partes real y
compleja de la ecuación resultante, para obtener:
[𝐴]{𝑋} − [𝐵]{𝑌} = {𝑈}
Y
[𝐵]{𝑋} + [𝐴]{𝑌} = {𝑉}
ƒ1 (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) = 0
ƒ2 (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) = 0
⋮ ⋮
ƒ𝑛 (𝑥
1 , 𝑥2 , . . . , 𝑥𝑛 ) = 0
Observe que las únicas incógnitas en la ecuación son los términos 𝑥𝑘,𝑖+1 del lado
derecho. Todas las otras cantidades tienen su valor presente (i) y, por lo tanto, son
conocidas en cualquier iteración. En consecuencia, el sistema de ecuaciones
representado, en general, por la ecuación anterior (es decir, con k = 1, 2, n)
constituye un sistema de ecuaciones lineales simultáneas. Se puede emplear la
notación matricial para expresar la ecuación en forma concisa. Las derivadas
parciales se expresan como:
𝜕𝑓1,𝑖 𝜕𝑓1,𝑖 𝜕𝑓1,𝑖
⋯
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝜕𝑓2,𝑖 𝜕𝑓2,𝑖 𝜕𝑓2,𝑖
[𝑍] = 𝜕𝑥1 𝜕𝑥2 ⋯ 𝜕𝑥𝑛
⋮ ⋮ ⋮
𝜕𝑓𝑛,𝑖 𝜕𝑓𝑛,𝑖 ⋯ 𝜕𝑓𝑛,𝑖
[ 𝜕𝑥1 𝜕𝑥1 𝜕𝑥𝑛 ]
Y
{𝑋𝑖+1 }𝑇 = ⌊𝑥1,𝑖+1 𝑥2,𝑖 + 1 ⋯ 𝑥𝑛,𝑖+1 ⌋
Para atenuar estas dificultades hay diversos métodos que se pueden emplear:
Reducción de ecuaciones
Resulta muy útil tratar de reducir analíticamente el número de ecuaciones y de
incógnitas antes de intentar una solución numérica. En particular, hay que intentar
resolver alguna de las ecuaciones para alguna de las incógnitas. Después, se
debe sustituir la ecuación resultante para esa incógnita en todas las demás
ecuaciones; con esto el sistema se reduce en una ecuación y una incógnita.
Continúe de esta manera hasta donde sea posible.
𝑥1 = 1
Y se sustituye en la primera
10(x2 − 12 ) = 0
𝑓1 (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ) = 0
𝑓2 (𝑥1 , 𝑥2 , 𝑥4 ) = 0
𝑓3 (𝑥1 , 𝑥3 , 𝑥4 , 𝑥5 ) = 0
𝑓4 (𝑥2 , 𝑥4 ) = 0
𝑓5 (𝑥1 , 𝑥4 ) = 0
Tanteo de ecuaciones
Supóngase que se quiere resolver el siguiente sistema de cuatro ecuaciones con
cuatro incógnitas.
𝑓1 (𝑥2 , 𝑥3 ) = 0
𝑓2 (𝑥2 , 𝑥3 , 𝑥4 ) = 0
𝑓3 (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = 0
𝑓4 (𝑥1 , 𝑥2 , 𝑥3 ) = 0
Nótese la íntima relación que guarda este método con el de punto fijo, ya que un
problema multidimensional se reduce a uno unidimensional en
h(x3 ) = 0
𝑓1 (𝑥1 , 𝑥2 , 𝑥3 , . . . 𝑥𝑛 ) = 0
𝑓 (𝑥 , 𝑥 , 𝑥 , . . . 𝑥𝑛 ) = 0
Si el sistema de ecuaciones 2 1 2 3 tiene un significado físico, con
⋮
𝑓𝑛 (𝑥1 , 𝑥2 , 𝑥3 , . . . 𝑥𝑛 ) = 0,
frecuencia es posible acotar los valores de las incógnitas a partir de
consideraciones físicas. Por ejemplo, si alguna de las variables 𝑥𝑖 representa la
velocidad de flujo de un fluido, ésta no podrá ser negativa. Por lo tanto,𝑥𝑖 ≥ 0 . En
el caso de que represente una concentración expresada como fracción peso o
fracción molar de una corriente de alimentación, se tiene que 0 ≤ xi ≤ 1.
𝑓1 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦 2 + 8 = 0
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0
Algebraicamente una solución o raíz del sistema anterior es una pareja 𝑥̅ , 𝑦̅, tal
que satisface cada una de las ecuaciones de dicho sistema. Nos permitiremos
hacer la interpretación o visualización de una raíz a través de varias etapas.
Punto Base: Es el punto inicial desde el cual se comienza cada iteración del
algoritmo.
𝑥 (𝑘+1) 𝑥𝑘 𝜕𝑓 −1
[ ] = [ ] − ( ) 𝑓
𝑦 (𝑘+1) 𝑦𝑘 𝜕𝑥
Conclusiones:
Bibliografía:
Sistemas masa-resorte
Los sistemas idealizados masa-resorte desempeñan un papel importante en la
mecánica y en otros problemas de ingeniería. En la siguiente figura se presenta un
sistema de este tipo.
d2 x
m = FD − FU
dt 2
Para simplificar el análisis se supondrá que todos los resortes son idénticos y que
se comportan de acuerdo con la ley de Hooke. En la siguiente imagen la figura a
se muestra un diagrama de cuerpo libre para la primera masa.
𝐹𝑈 = 𝑘𝑥1
Las componentes hacia abajo consisten en las dos fuerzas del resorte junto con la
acción de la gravedad sobre la masa.
𝐹𝐷 = 𝑘(𝑥2 − 𝑥1 ) + 𝑘(𝑥2 − 𝑥1 ) = 𝑚1 𝑔
d2 x1
m1 2 = 2𝑘(𝑥2 − 𝑥1 ) + 𝑚1 𝑔 − 𝑘𝑥1
dt
𝑑2 𝑥2
𝑚2 = 𝑘(𝑥3 − 𝑥2 ) + 𝑚2 𝑔 − 2𝑘(𝑥2 − 𝑥1 )
𝑑𝑡 2
𝑑2 𝑥3
𝑚3 = 𝑚3 𝑔 − 𝑘(𝑥2 − 𝑥2 )
𝑑𝑡 2
3kx1 − 2kx2 = m1 g
−2kx1 + 3kx2 − kx3 = m2 g
−kx2 + kx3 = m3 g
O en forma matricial.
[𝐾]{𝑋} = {𝑊}
3𝑘 −2𝑘
[𝐾] = [−2𝑘 3𝑘 −𝑘]
−𝑘 𝑘
Y {𝑋} y {𝑊} son los vectores columna de las incógnitas X y de los pesos mg,
respectivamente.
Solución:
Aquí se emplean métodos numéricos para obtener una solución. Si 𝑚1 =
2𝑘𝑔, 𝑚2 = 3𝑘𝑔, 𝑚3 = 2.5𝑘𝑔, Y todas las k = 10kg⁄s 2 ,use la descomposición LU
con el propósito de obtener los desplazamientos y generar la inversa de [𝐾].
Bibliografía:
Semestre-4
Grupo-1
Cabrera Rosales Ian Axel – abril 2024
Tema 4:
Diferenciación e integración numérica
Competencia:
Utiliza los métodos numéricos para diferenciación e
integración numérica aplicando los métodos clásicos
Contenido:
La aproximación de la
primera derivada se
puede apreciar de mejor
manera con la imagen a
continuación.
Considerando que ahora
se tenga que n=2, se
tendrá que
∆𝑓|𝑥0 | ∆2 𝑓|𝑥0 |
𝑝𝑛 (𝑥) ≈ 𝑝2 (𝑥) = 𝑓|𝑥0 | + (𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
ℎ 2! ℎ2
Por lo cual, la primera derivada de f(x) quedara aproximada por
𝑑𝑓(𝑥) 𝑑𝑝2 (𝑥) ∆𝑓|𝑥0 | ∆2 𝑓|𝑥0 |
≈ = + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑑𝑥 𝑑𝑥 ℎ 2! ℎ2
Al desarrollar las diferencias hacia adelante, obtendremos
𝑑𝑓(𝑥) 𝑑𝑝2 (𝑥)
≈( )
𝑑𝑥 2ℎ2
Cabrera Rosales Ian Axel – abril 2024
Bibliografía:
Federico, D. S. C., & Antonio, N. H. (2014). Métodos Numéricos Aplicados a la
Ingeniería. Grupo Editorial Patria Págs.: 495-505
Chapra, S. C., Canale, R. P., Ruiz, R. S. G., Mercado, V. H. I., Díaz, E.M., &
Benites, G. E. (2011). Métodos numéricos para ingenieros (Vol. 5,pp. 154-196).
New York, NY, USA: McGraw-Hill. Págs.: 668-673
Mora, W., & Autor, O. Introducción a los Métodos Numéricos. Págs.: 263-269
Cabrera Rosales Ian Axel – abril 2024
∫ 𝑓(𝑥)𝑑𝑥 = ∑ 𝑤𝑖 𝑓(𝑥𝑖 )
𝑎 𝑖=1
Donde los nodos 𝑥0 < 𝑥1 < ⋯ < 𝑥𝑛 están en [𝑎, 𝑏]. A los 𝑤𝑖 ´𝑠 se les llama “pesos”.
Regla del trapecio
𝑏
Para aproximar ∫𝑎 𝑓(𝑥)𝑑𝑥 dividimos el intervalo [𝑎, 𝑏] en “n” subintervalos: si ℎ =
(𝑏−𝑎)
y si 𝑥𝑖 = 𝑎 + 𝑖ℎ, en cada subintervalo [𝑥𝑖 , 𝑥𝑖 + 1], cambiamos la función ƒ por
𝑛
el polinomio interpolante de grado 1.
𝑏 𝑛−1 𝑥𝑖 +1
∫ 𝑓(𝑥)𝑑𝑥 = ∑ ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑖=0 𝑥𝑖
Lo que está dentro del paréntesis es un promedio de los valores 𝑓´´ en [𝑎, 𝑏], por lo
tanto, este promedio esta entre el máximo y el mínimo de esos valores
(asumiendo que continua). Finalmente, por el teorema del valor intermedio, existe
ḉ ∈ [𝑎, 𝑏] tal que 𝑓´´(ḉ) es igual a este valor promedio, es decir
𝑛−1
ℎ3 (𝑏 − 𝑎)ℎ2
− ∑ 𝑓´´(𝑛𝑘 ) = − ∗ 𝑓´´(ḉ), ḉ ∈ [𝑎, 𝑏]
12 12
𝑘=0
Cabrera Rosales Ian Axel – abril 2024
𝜋3
𝑛≤√ ≈ 22732.603
12 ∗ 0.5𝑥10−8
𝜋
Tomando 𝑛 = 22732, obtenemos la aproximación ∫0 𝑠𝑒𝑛𝑥 𝑑𝑥 ≈
1.99999999681673, que efectivamente tiene ocho decimales exactos.
Cabrera Rosales Ian Axel – abril 2024
1
Error de la regla del trapecio→ 𝐸𝑡 = − 12 𝑓´´(ḉ)(𝑏 − 𝑎)3
Ejemplo 2
Integre a 𝑓(𝑥) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5 .
Desde 𝑎 = 0 hasta 𝑏 = 0.8. Recuerde que el valor exacto de la integral se puede
determinar en forma analítica y es 1.650533.
𝑓(0) = 0.2 𝑓(0.8) = 0.232
0.2 + 0,232
𝐼 = 0.8 = 0.1728
2
𝐸1 = 1.640533 − 0.1728 = 1.467733
Que corresponde a un error relativo de 80.5%. Ahora requeriremos una estimación
del error aproximado:
𝑓´´(𝑥) = −400 + 4050𝑥 − 10800𝑥 2 + 8000𝑥 3
0.8
∫ (−400 + 4050𝑥 − 10800𝑥 2 + 8000𝑥 3 )𝑑𝑥
𝑓´´(𝑥) = 0 = −60
0.8 − 0
1
𝐸𝑎 = − (−60(0.8)3 ) = 2.56
12
Regla de Simpson
En vez de usar interpolación lineal, usamos interpolación cuadrática buscando una
mejora en el cálculo. Por simplicidad, vamos a hacer el análisis en el intervalo
[𝑥0 , 𝑥2 ]. Para construir la parábola que interpola ƒ necesitamos los puntos
𝑥0 , 𝑥1 𝑦 𝑥2 .
(𝑏+𝑎)
Sea 𝑓 (4) continua en [𝑎, 𝑏] interpolando 𝑓 en [𝑎, 𝑏] con 𝑥0 = 𝑎, 𝑥1 = 𝑦 𝑥2 = 𝑏
2
obtenemos el polinomio de Lagrange 𝑃2 (𝑥). Entonces:
𝑓(𝑥) = 𝑃2 (𝑥) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
Luego
𝑏
∫ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )𝑑𝑥 = 0
𝑎
(𝑎+𝑏) 2
Tomando 𝑥3 = 𝑥1 , el polinomio 𝑄(𝑥) = (𝑥 − 𝑎) (𝑥 − ) (𝑥 − 𝑏) es de un mismo
2
signo sobre [𝑎, 𝑏]. Aplicando el teorema (5.3) tenemos:
Cabrera Rosales Ian Axel – abril 2024
𝑏
ℎ 𝑓 4 (𝑛) 𝑏
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑎) + 4(𝑥1 ) + 𝑓(𝑏)] + ∫ 𝑄(𝑥)𝑑𝑥, 𝑛 ∈ [𝑎, 𝑏]
𝑎 3 4! 𝑎
ℎ 𝑓 4 (𝑛) 𝑏
= [𝑓(𝑎) + 4(𝑥1 ) + 𝑓(𝑏)] + ∫ 𝑄(𝑥)𝑑𝑥, 𝑛 ∈ [𝑎, 𝑏]
3 4! 𝑎
𝑏
En este caso, ∫𝑎 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )𝑑𝑥 = 0. Tomando 𝑥3 = 𝑥1 , el polinomio
(𝑎+𝑏) 2
𝑄(𝑥) = (𝑥 − 𝑠) (𝑥 − ) (𝑥 − 𝑏) es de un mismo signo sobre [𝑎, 𝑏].
2
𝑏
ℎ 𝑓 4 (𝑛) 𝑏
∫ 𝑓(𝑥)𝑑𝑥 = [𝑓(𝑎) + 4(𝑥1 ) + 𝑓(𝑏)] + ∫ 𝑄(𝑥)𝑑𝑥, 𝑛 ∈ [𝑎, 𝑏]
𝑎 3 4! 𝑎
ℎ 𝑓 4 (𝑛) 𝑏 − 𝑎 5
= [𝑓(𝑎) + 4(𝑥1 ) + 𝑓(𝑏)] − ( ) , 𝑛 ∈ [𝑎, 𝑏]
3 4! 2
𝑏 4 𝑏−𝑎 5
Pues ∫𝑎 𝑄(𝑥)𝑑𝑥 = − 15 ( )
2
Para obtener la regla compuesta de Simpson necesitamos “n” par para poder
escribir
𝑏 𝑥2 𝑥4 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑥0 𝑥2 𝑥𝑛−2
𝑏
ℎ 𝑛/2 −1 1
2
= 3 [𝑓(𝑎) + 𝑓(𝑏) + 4 ∑𝑖=1 𝑓(𝑥𝑛−1 ) + 2 ∑𝑖=1 𝑓(𝑥𝑛 )] − 180 (𝑏 − 𝑎)ℎ4 𝑓 4 (ḉ)
Cabrera Rosales Ian Axel – abril 2024
Ejemplo 1
𝜋
Aunque sabemos que ∫0 𝑠𝑒𝑛(𝑥) 𝑑𝑥 = 2, vamos a usar esta integral para ver como
funciona la regla de Simpson.
𝜋
Aproximar ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 con 𝑛 = 4 y estimar el error.
Estimar n de tal manera que la regla de Simpson aproxime la integral con un error
[𝐸] ≤ 0.5𝑥10−8 .
Como 𝑛 = 4, calculamos
𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 𝑦 𝑥4 .
𝜋−0 𝜋 𝜋 𝜋 3𝜋
𝑛=4→ℎ= = 4 , 𝑥0 = 0, 𝑥1 = 4 , 𝑥2 = 2 , 𝑥1 = y 𝑥4 = 𝜋 Entonces
4 4
𝜋
𝜋
𝜋 3𝜋 𝜋
∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≈ 4 [𝑠𝑒𝑛(0) + 𝑠𝑒𝑛(𝜋) + 4 (𝑠𝑒𝑛 ( ) + 𝑠𝑒𝑛 ( )) + 2𝑠𝑒𝑛 ( )]
0 3 4 4 2
= 2.004559754984
𝜋(𝜋/4)4
El error estimado [𝐸], en valor absoluto, es ≤ 𝑀 donde M es el máximo
180
absoluto de [𝑓 4 (𝑥)] en [0, 𝜋] es 𝑀 = 1, entonces
(𝑏 − 𝑎)ℎ4 𝜋5
[𝐸] ≤ 𝑀=
180 180𝑛4
𝜋5
Como queremos [𝐸] ≤ 0.5𝑥10−8 , basta con que 180𝑛4 ≤ 0.5𝑥10−8, Despejando
obtenemos
4 𝜋5
𝑛≥√ ≈ 135.79
180(0.5𝑥10−8 )
𝜋
Tomando 𝑛 = 136, obtenemos la aproximación ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≈ 2.00000000316395,
que efectivamente tiene ocho decimales exactos.
Error de truncamiento de la regla de Simpson:
(𝑏 − 𝑎)5 4
𝐸𝑡 = − 𝑓 (ḉ)
2880
Ejemplo 2
Integre 𝑓(𝑥) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5
Desde 𝑎 = 0 hasta 𝑏 = 0.8. Recuerde que la integral exacta es 1.640533
𝑓(0) = 0.2 𝑓(0.4) = 2.456 𝑓(0.8) = 0.232
Cabrera Rosales Ian Axel – abril 2024
Bibliografía:
CHAPRA C.S. Y CANALE P.R., MÉTODOS NUMÉRICOS PARA INGENIEROS,
MCGRAW-HILL, 5ª EDICIÓN, PÁGINAS 632 - 635.
Mora F.W., Introducción a los métodos numéricos, Obra independiente, 1ª edición,
páginas 166, 174-177.
Mora F.W., Introducción a los métodos numéricos, Obra independiente, 1ª edición,
páginas 166, 169-172.
Cabrera Rosales Ian Axel – abril 2024
∫ ∫ 𝑦 𝑠𝑒𝑛 𝑥 𝑑𝑥 𝑑𝑦
0 0
𝜋
ℎ1
≈∫ [𝑦 𝑠𝑒𝑛 0 + 4𝑦(𝑠𝑒𝑛 0.5 + 𝑠𝑒𝑛1.5 + 𝑠𝑒𝑛2.5) + 2𝑦(𝑠𝑒𝑛1 + 𝑠𝑒𝑛2)
3
0
𝜋
+ 𝑦 𝑠𝑒𝑛3]𝑑𝑦 ≈ ∫ 1.9907 𝑦 𝑑𝑦
0
∫ ∫ 𝑦 𝑠𝑖𝑛 𝑥 𝑑𝑦 𝑑𝑥
0 0
Para la integral del inciso b), el intervalo [𝑎, 𝑏] = [0,4], que se dividirá en n04
subintervalos
4−0
ℎ1 = = 1
4
Cabrera Rosales Ian Axel – abril 2024
3 −4 3
1
∫ ∫ 𝑒 𝑥+𝑦 𝑑𝑥 𝑑𝑦 = ∫ [𝑒 0+𝑦 + 4(𝑒 1+𝑦 + 𝑒 3+𝑦 ) + 2𝑒 2+𝑦 + 𝑒 4+𝑦 ]𝑑𝑦
3
1 0 1
∫ ∫ 𝑒 𝑥+𝑦 𝑑𝑥 𝑑𝑦 =
1 0
1 1
[𝑒 1 + 4(𝑒 4⁄3 + 𝑒 2 + 𝑒 6⁄3 ) + 2(𝑒 5⁄3 + 𝑒 7⁄3 ) + 𝑒 3 ]
3 3(3)
1 1
+ [𝑒 0.5+1 + 4(𝑒 0.5+4⁄3 + 𝑒 0.5+2 + 𝑒 0.5+8⁄3 )
3 3(3)
+ 2(𝑒 0.5+5⁄3 + 𝑒 0.5+7⁄3 ) + 𝑒 0.5+3 ]
1 1
+ [𝑒 1.5+1 + 4(𝑒 1.5+4⁄3 + 𝑒 1.5+2 + 𝑒 1.5+8⁄3 )
3 3(3)
+ 2(𝑒 1.5+5⁄3 + 𝑒 1.5+7⁄3 ) + 𝑒 1.5+3 ]
1 1
+ ( [𝑒 1+1 + 4(𝑒 1+4⁄3 + 𝑒 1+2 + 𝑒 1+8⁄3 ) + 2(𝑒 1+5⁄3 + 𝑒 1+7⁄3 )𝑐
3 3
+ 𝑒 1+3 ] )
1 1(0.5) 2+1
+ ( [𝑒 + 4(𝑒 2+4⁄3 + 𝑒 2+2 + 𝑒 2+8⁄3 ) + 2(𝑒 2+5⁄3 + 𝑒 2+7⁄3 )
3 3
La integración de la función f (x, y) sobre la región del plano R x-y, por lo que se
da {(𝑥, 𝑦): 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑐 ≤ 𝑦 ≤ 𝑑 }, si usamos el método de Simpson 1/3
obtendremos que
𝑑 𝑎 𝑑 𝑎
𝑑 𝑛−1 𝑛−2
ℎ1
≈ ∫ ( [𝑓(𝑥0 , 𝑦) + 4 ∑ 𝑓(𝑥𝑖 , 𝑦) + 2 ∑ 𝑓(𝑥𝑖 , 𝑦) + 𝑓(𝑥𝑛 , 𝑦)]) 𝑑𝑦
3
𝑐 𝑖=1 𝑖=2
∆𝑖 = 2 ∆𝑖 = 2
𝑏−𝑎
En la cual ℎ1 = se desarrollará para obtener
𝑛
Cabrera Rosales Ian Axel – abril 2024
𝑑 𝑏
∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
𝑐 𝑎
𝑑
ℎ1
≈ ∫ 𝑓(𝑥0 , 𝑦)𝑑𝑦
3
𝑐
𝑛−1 𝑑 𝑛−2 𝑑 𝑑
4ℎ1 2ℎ1 ℎ1
+ ∑ ∫ 𝑓(𝑥1 , 𝑦)𝑑𝑦 + ∑ ∫ 𝑓(𝑥1 , 𝑦)𝑑𝑦 ∫ 𝑓(𝑥𝑛 , 𝑦)
3 3 3
𝑖=1 𝑐 𝑖=2 𝑐 𝑐
∆𝑖 = 2 ∆𝑖 = 2
𝑑 𝑏
∫ ∫ 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦
𝑐 𝑎
𝑚−1 𝑚 −2
ℎ1 ℎ2
≈ 𝑓(𝑥0 , 𝑦0 ) + 4 ∑ 𝑓(𝑥0 , 𝑦𝑗 ) + 2 ∑ 𝑓(𝑥0 , 𝑦𝑗 ) + 𝑓(𝑥0 , 𝑦𝑚 )
3 3
𝑗=1 𝑗=2
[ ∆𝑗 = 2 ∆𝑗 = 2 ]
𝑛−1 𝑚−1 𝑚−2
4ℎ1 ℎ2
+ ∑ 𝑓(𝑥𝑖 , 𝑦0 ) + 4 ∑ 𝑓(𝑥𝑖 , 𝑦𝑗 ) + 2 ∑ 𝑓(𝑥𝑖 , 𝑦𝑗 ) + 𝑓(𝑥𝑖 , 𝑦𝑚 )
3 3 𝑗=1 𝑗=2
𝑖=1
∆𝑖 = 2 [ ∆𝑗 = 2 ∆𝑗 = 2 ]
𝑚−1 𝑚−2
2ℎ1 ℎ2
+ 𝑓(𝑥𝑖 , 𝑦0 ) + 4 ∑ 𝑓(𝑥𝑖 𝑦𝑗 ) + 2 ∑ 𝑓(𝑥𝑖 𝑦𝑗 ) + 𝑓(𝑥𝑖 𝑦𝑚 )
3 3
𝑗=1 𝑗=2
[ ∆𝑗 = 2 ∆𝑗 = 2 ]
𝑚−1 𝑚−2
ℎ1 ℎ2
+ 𝑓(𝑥𝑛 , 𝑦0 ) + 4 ∑ 𝑓(𝑥𝑛 , 𝑦𝑗 ) + 2 ∑ 𝑓(𝑥𝑛 , 𝑦𝑗 ) + 𝑓(𝑥𝑛 , 𝑦𝑚 )
3 3
𝑗=1 𝑗=2
[ ∆𝑗 = 2 ∆𝑗 = 2 ]
Con lo cual podremos aproximar a
Cabrera Rosales Ian Axel – abril 2024
∫ ∫ 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦
𝑐 𝑎
2x − (a + b) 2y − (c + d)
t = y u=
b−a d−c
de este mismo modo se cambiaran dx, dy y f(x,y) a otros términos para las nuevas
variables que serán t y u, por lo que se despejara a x de la forma
(b − a) (b − a) (b − a)
x = t + de la cual dx = dt
2 2 2
Para después, proceder a despejar y de la misma forma
(𝑑 − 𝑐)𝑢 (𝑐 + 𝑑) (𝑑 − 𝑐)
𝑦 = 𝑡 + 𝑑𝑒 𝑙𝑎 𝑐𝑢𝑎𝑙 𝑑𝑦 = 𝑑𝑢
2 2 2
Esto se sustituirá para dar como resultado
𝑑 𝑏 𝑓(𝑥𝑦)𝑑𝑥𝑑𝑦 =
1 1
∫ ∫ (𝑏 − 𝑎)(𝑑 − 𝑐) (𝑏 − 𝑎) (𝑎 + 𝑏) (𝑑 − 𝑐) (𝑐 − 𝑑)
∫ ∫𝑓[ 𝑡+ , 𝑢+ ] 𝑑𝑡𝑑𝑢
𝑐 𝑎 4 2 2 2 2
−1 −1
Cabrera Rosales Ian Axel – abril 2024
∫ ∫ 𝑒 𝑥+𝑦 𝑑𝑥𝑑𝑦
2 0
Lo primero que se hará, será realizar una sustitución e integración con respecto a t
de la forma
3 4 1 1
(4 − 0)(3 − 1)
∫ ∫ 𝑒 𝑥+𝑦 𝑑𝑥𝑑𝑦 ≈ ∫ ∫𝑒 (2𝑡+2)+(𝑢+2) ]𝑑𝑡𝑑𝑢
4
1 0 −1 −1
1
3 4
∫ ∫ 𝑒 𝑥+𝑦 𝑑𝑥𝑑𝑦 ≈
1 0
𝑎) ∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
𝑐 𝑎(𝑦)
𝑏 𝑑(𝑥)
𝑏) ∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥
𝑎 𝑐(𝑥)
3 2𝑥
Procederemos a resolverla ecuación ∫0 ∫𝑥 2 (𝑥 3 + 4𝑦)𝑑𝑦𝑑𝑥 haciendo uso del
método de Simpson 1/3
La cual se ver representada por la
siguiente grafica
En el intervalo [a, b] se dividirá en
subintervalos, en este caso
consideraremos dos subintervalos,
resultando en
ℎ1 = (2 − 0)/2 = 1
La cual variara con respecto a la
𝑑(𝑥)−𝑐(𝑥)
expresión ℎ2 (𝑥) = , en donde
𝑚
m sera la cantidad de subintervalos en
los que se dividira el eje y, por lo que consideraremos m=2, de la forma
Cabrera Rosales Ian Axel – abril 2024
2𝑥
∫ (𝑥 3 + 4𝑦)𝑑𝑦𝑑𝑥
𝑥2
3
ℎ2 (𝑥) 3
≈ ∫( [𝑥 + 4𝑥 2 + 4 (𝑥 3 + 4(𝑥 2 + ℎ2 (𝑥))) + 𝑥 3 + 4(2𝑥)]) 𝑑𝑥
3
0
2 2
ℎ2 (𝑥)
∫ ≈∫ [6𝑥 3 + 20𝑥 2 + 8𝑥 + 16ℎ2 (𝑥)] 𝑑𝑥
3
0 0
ℎ2 (0)
[6(0)2 + 20(0)2 + 8(0) + 16ℎ2 (0)]
3
ℎ1 4ℎ2 (0 + 1)
= + [6(1)3 + 20(1)2 + 8(1) + 16ℎ2 (1)]
3 3
ℎ2 (2)
[6(2)3 + 20(2)2 + 8(2) + 16ℎ2 (2)]
( + 3 )
Esto debido a que
2(0) − 02 2(1) − 12
ℎ2 (0) = = 0, ℎ2 (1) = = 0.5
2 2
2(2) − 22
ℎ2 (2) = =0
2
2 2𝑥
∫ ∫ (𝑥 3 + 4𝑦)𝑑𝑦𝑑𝑥 ≈ 9.33
0 𝑥2
2 2𝑥
∫ ∫ (𝑥 3 + 4𝑦)𝑑𝑦𝑑𝑥 ≈ 10.583
0 𝑥2
Ejemplo
Usar la integral doble para determinar una temperatura promedio
Suponiendo que la temperatura en una placa rectangular estuviera descrita a
través de la función 𝑇(𝑥, 𝑦) = 2𝑥𝑦 + 2𝑥 − 𝑥 2 − 2𝑦 2 + 72
Si la placa tiene 8 m de largo (x) y 6 m de ancho (y), calcule la temperatura
promedio
Solución
Bibliografía:
4.4 Aplicaciones
La diferenciación es algo común en la ingeniería a causa de que implica analizar
los cambios de variables, tanto en el tiempo como en el espacio. Numerosas leyes
se expresan en términos de derivadas. Entre las más comunes figuran las leyes
que consideran potenciales o gradientes.
Por ejemplo, la ley de Fourier de la conducción de calor cuantifica la observación
de que el calor fluye desde regiones de mayor a menor temperatura. En el caso
unidimensional, ésta se expresa como:
𝑑𝑇
𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑐𝑎𝑙𝑜𝑟 = 𝑘´
𝑑𝑥
Así, la derivada proporciona una medida de la intensidad del cambio de
temperatura (gradiente), que ocasiona la transferencia de calor.
Las integrales también se utilizan para evaluar la cantidad total de una variable
física dada. La integral se puede evaluar sobre una línea, un área o un volumen.
Por ejemplo, la masa total de una sustancia química contenida en un reactor está
dada por el producto de la concentración de la sustancia química por el volumen
del reactor.
𝑀𝑎𝑠𝑎 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑥 𝑣𝑜𝑙𝑢𝑚𝑒𝑛
Donde la concentración tiene unidades de masa por volumen. Sin embargo,
suponga que la concentración varía de un lugar a otro dentro del reactor. En este
caso, es necesario sumar los productos de las concentraciones locales 𝑐𝑖 por los
correspondientes volúmenes elementales ⍙𝑣𝑖 :
𝑛
𝑀𝑎𝑠𝑎 = ∑ 𝑐𝑖 ⍙𝑣𝑖
𝑖=1
𝑜 𝑀𝑎𝑠𝑎 = ∫ ∫ ∫ 𝑐(𝑉)𝑑𝑉
𝑉
𝑡
𝑦 = ∫ 𝑣(𝑡)𝑑𝑡
0
Bibliografía:
CHAPRA C.S. Y CANALE P.R., MÉTODOS NUMÉRICOS PARA INGENIEROS,
MCGRAW-HILL, 5ª EDICIÓN, PÁGINAS 608 - 612.
Tema 5:
Competencia:
Utiliza los métodos numéricos con el objetivo de aproximar y ajustar
funciones mediante el método de interpolación y regresión clásicos
Interpolación Lineal
Esta es la forma más simple de interpolación, ya que esta consiste en unir dos
puntos haciendo uso de una línea, esto puede ser representado de la forma
𝑓1 (𝑥) − 𝑓(𝑥0 ) 𝑓(𝑥1 ) − 𝑓(𝑥0 )
=
𝑥1 − 𝑥0 𝑥1 − 𝑥0
Si lo reordenamos podremos obtener
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓1 (𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
La cual es una fórmula de Interpolación lineal. La notación 𝑓1 (𝑥) designa que
este sera un polinomio de interpolación de primmer grado, ademas de
representar la pendiente que une los untos, también es una aproximación en
diferencia dividida finita a la primera derivada. Cuanto menor sea eel intervalo
entre los datos, mayor sera la aproximación. Esto es debido a que conforme el
intervalo disminuye, una función continua se aproximara en mejor medida por
una linea recta.
Ejemplo
Estime el algoritmo natural de 2 mediante la Interpolación lineal. Primero,
realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1.791759.
Después, repita el procedimiento, pero use un intervalo menor de ln 1 a ln 4
(1.386294).
Observe que el valor verdadero de ln 2 es 0.6931472.
Solución
𝑓(𝑥 )−𝑓(𝑥 )
Usamos la ecuación 𝑓1 (𝑥) = 𝑓(𝑥0 ) + 𝑥1 −𝑥 0 (𝑥 − 𝑥0 ) y una interpolación
1 0
lineal para ln(2) desde 𝑥0 = 1 hasta 𝑥1 = 6 para obtener
1.791759 − 0
𝑓1 (2) = 0 + (2 − 1) = 0.3583519
6−1
que representa un error: 𝜀𝑡 = 48.3%. Con el intervalo menor desde 𝑥0 = 1 hasta
𝑥1 = 4 se obtiene
1.386294 − 0
𝑓1 (2) = 0 + (2 − 1) = 0.4620981
4−1
Así, usando el intervalo más corto el error relativo porcentual se reduce a 𝜀𝑡 =
33.3%. Esto se ve representado en esta figura
Ejemplo
En el ejemplo anterior, los datos 𝑥0 = 1,𝑥1 = 4, 𝑥2 = 6 se utilizaron para estimar
ln 2 mediante una parábola. Ahora, agregando un cuarto punto
(𝑥3 = 5; f(𝑥3 ) = 1.609438], estime ln 2 con un polinomio de interpolación de
Newton de tercer grado.
Solución
Utilizando la ecuación 𝑓𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 )+. . . +𝑏𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ). . . (𝑥 −
𝑥𝑛−1 ), con n = 3, el polinomio de tercer grado es
𝑓3 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑏3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑓(𝑥𝑖 )−𝑓(𝑥𝑗 )
Las primeras diferencias divididas del problema son f[𝑥𝑖 , 𝑥𝑗 ] =
𝑥𝑖 −𝑥𝑗
1.386294 − 0
f[𝑥1 , 𝑥0 ] == 0.4620981
4−0
1.791759 − 1.386294
f[𝑥2 , 𝑥1 ] = = 0.2027326
6−4
1.609438 − 1.791759
f[𝑥3 , 𝑥2 ] = = 0.1823216
5−6
𝑓[𝑥 ,𝑥 ]−𝑓[𝑥 ,𝑥𝑘 ]
Las segundas diferencias divididas son f[𝑥𝑖 , 𝑥𝑗 , 𝑥𝑘 ] = 𝑖 𝑥𝑗 −𝑥 𝑗
𝑖 𝑘
0.2027326 − 0.420981
f[𝑥2 , 𝑥1 , 𝑥0 ] = = −0.05187311
6−1
0.182326 − 0.2027326
f[𝑥3 , 𝑥2 , 𝑥1 ] = = −0.02041100
5−4
La tercera diferencia dividida es la ecuación 𝑓[𝑥𝑛, 𝑥𝑛−1 , . . . , 𝑥1 , 𝑥0 ] =
𝑓[𝑥𝑛, 𝑥𝑛−1 ,...,𝑥1 ]−𝑓[𝑥𝑛−1, 𝑥𝑛−2 ,...,𝑥0 ]
con n=3]
𝑥𝑛, −𝑥0
−0.02041100 − (−0.05187311)
𝑓[𝑥3, 𝑥2 𝑥1 , 𝑥0 ] = = 0.007865529
5−1
Los resultados de 𝑓[𝑥1 , 𝑥0 ], 𝑓[𝑥2, 𝑥1 , 𝑥0 ], 𝑓[𝑥3, 𝑥2 , 𝑥1 , 𝑥0 ] representan los
coeficientes 𝑏1 , 𝑏2 𝑦 𝑏3 de la ecuación 𝑓𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 )+. . . +𝑏𝑛 (𝑥 −
𝑥0 )(𝑥 − 𝑥1 ). . . (𝑥 − 𝑥𝑛−1 ) respectivamente
Chapra, S. C., Canale, R. P., Ruiz, R. S. G., Mercado, V. H. I., Díaz, E.M., &
Benites, G. E. (2011). Métodos numéricos para ingenieros (Vol. 5,pp. 154-196).
New York, NY, USA: McGraw-Hill. Págs.: 503-510
Donde x0 y x1 son los argumentos de los puntos conocidos[𝑥0 , 𝑓(𝑥0 )][𝑥1 , 𝑓(𝑥1 )]
son dos coeficientes por determinar. Para encontrar el valor de a0 se hace
x = x0 en la ecuación p(x) = a0 (x − x1 ) + a1 (x − x0 ), que al despejar da:
𝑝(𝑥0 ) 𝑓(𝑥0 )
𝑎0 = =
𝑥0 − 𝑥1 𝑥0 − 𝑥1
Y para hallar el valor de, se sustituye el valor de x con el de, con lo que resulta:
𝑝(𝑥1 ) 𝑓(𝑥1 )
𝑎1 = =
𝑥1 − 𝑥0 𝑥1 − 𝑥0
𝑓(x0 ) 𝑓(x1 )
p(x) = (x − x1 ) + (x − x0 )
x0 − x1 x1 − x0
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝐿0 (𝑥) = 𝐿1 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝐿2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ). . . (𝑥 − 𝑥𝑛 )
𝐿1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ). . . (𝑥1 − 𝑥𝑛 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ). . . (𝑥 − 𝑥𝑛−1 )
𝐿𝑛 (𝑥) =
(𝑥𝑛 − 𝑥0 )(𝑥𝑛 − 𝑥1 ). . . (𝑥𝑛 − 𝑥𝑛−1 )
𝑝𝑛 (𝑥) = ∑ 𝐿1 (𝑥)𝑓(𝑥𝑖 )
𝑖=0
Donde
𝑛
(𝑥 − 𝑥𝑗 )
𝐿𝑖 (𝑥) = ∏
𝑗=0
(𝑥𝑖 − 𝑥𝑗 )
𝑗≠1
∏(𝑥 − 𝑥𝑖 )
𝑖=0
Donde se aprecia que el error 𝑅1 (𝑥) puede reducirse tanto como se quiera,
haciendo 𝛥𝑥𝑖 pequeño para toda i; por ejemplo, tomando un número
suficientemente grande de subintervalos en [𝑎, 𝑏] , o bien empleando
polinomios de grado dos para cada subintervalo [𝑥𝑖 , 𝑥𝑖+1 ] ; de esta última
manera se consiguen segmentos polinomiales de grado dos 𝑔2 (𝑥) , cuyo
término de error correspondiente tendrá 𝛥𝑥𝑖 3 en lugar de 𝛥𝑥𝑖 2 . Esto da como
resultado una disminución del error respecto del empleo de líneas rectas.
Previsto que 𝑓′(𝑥𝑖 ) fuese conocida o aproximada en cada uno de los puntos
𝑥0 , 𝑥1 , . . . , 𝑥𝑛 . Con esto quedan cubiertas las dos condiciones faltantes.
De la ecuación anterior se infiere
En este punto cabe empezar a hablar del cálculo de los polinomios 𝑝𝑖 (𝑥); por
tanto, como paso siguiente se aproxima 𝑝𝑖 (𝑥) con diferencias divididas así.
𝑔3 ′′(𝑎) = 𝑔3 ′′(𝑏) = 0
2(𝑓[𝑥𝑖−1 , 𝑥𝑖 ] − 𝑓′(𝑥𝑖−1 ))
+ 6𝑐4.𝑖 ∆𝑥𝑖 =
∆𝑥𝑖
2(𝑓[𝑥𝑖 , 𝑥𝑖+1 ] − 𝑓′(𝑥𝑖 ))
− 2𝑐4,𝑖 ∆𝑥𝑖 𝑖 = 1,2, . . . , 𝑛 − 1
∆𝑥𝑖
y = a 0 + a1 x + e
∑ 𝑒𝑖 = ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥1 )
𝑖=1 𝑖=1
∑|𝑒𝑖 | = ∑|𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 |
𝑖=1 𝑖=!
La figura b) muestra por qué este criterio también es
inadecuado. Para los cuatro puntos dados, cualquier
línea recta que esté dentro de las líneas punteadas
minimizará el valor absoluto de la suma. Así, este
criterio tampoco dará un único mejor ajuste.
Este criterio tiene varias ventajas, entre ellas el hecho de que se obtiene una
línea única para cierto conjunto de datos
Ajuste de una línea recta por mínimos cuadrados
Para determinar los valores de 𝑎0 𝑦 𝑎1 , la ecuación anterior se deriva con
respecto a cada uno de los coeficientes:
𝜕𝑆𝑟
= −2 ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥1 )
𝜕𝑎0
𝜕𝑆𝑟
= −2 ∑[(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥1 )𝑥𝑖 ]
𝜕𝑎1
0 = ∑ yi − ∑ a0 − ∑ a1 xi
0 = ∑ yi xi − ∑ a0 xi − ∑ a1 xi2
𝑛𝑎0 + (∑ 𝑥𝑖 ) 𝑎1 = ∑ 𝑥𝑖 𝑦𝑖
(∑ 𝑥𝑖 ) 𝑎0 + (∑ 𝑥𝑖2 ) 𝑎𝑖 = ∑ 𝑥𝑖 𝑦𝑖
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑎1 =
𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2
Ejemplo:
Planteamiento del problema:
Ajuste a una línea recta los valores x y y en las dos primeras columnas de la
siguiente tabla:
Solución
Se calculan las siguientes cantidades:
n = 7 ∑ xi yi = 119.5 ∑ xi2 = 140
28
∑ 𝑥𝑖 = 28 𝑥̅ = =4
4
24
∑ 𝑦𝑖 = 24 𝑥̅ = = 3.428571
7
m a0 + a1 ∑ xi = ∑ 𝑓(xi )
i=1 i=1
𝑎 0 ∑𝑚 𝑚 2 𝑚
𝑖 = 1 𝑥𝑖 + 𝑎1 ∑𝑖 = 1 𝑥𝑖 = ∑𝑖 = 1 𝑓(𝑥𝑖 )𝑥𝑖 Este sistema se resolvera haciendo
uso de la regla de cramer, por lo que tendremos
[∑𝑚 𝑚 2 𝑚 𝑚
𝑖 = 1 𝑓(𝑥𝑖 )][∑𝑖 =,1 𝑥𝑖 ] − [∑𝑖 = 1 𝑥𝑖 ][∑𝑖 = 1 𝑓(𝑥𝑖 )𝑥𝑖 ]
𝑎0 =
𝑚 ∑𝑚 2 𝑚
𝑖 = 1 𝑥𝑖 − [∑𝑖 = 1 𝑥𝑖 ]
2
𝑚 ∑𝑚 𝑚 𝑚
𝑖 = 1 𝑓(𝑥𝑖 )𝑥𝑖 − [∑𝑖 = 1 𝑓(𝑥𝑖 )][∑𝑖 = 1 𝑥𝑖 ]
𝑎1 =
𝑚 ∑𝑚 2 𝑚
𝑖 = 1 𝑥𝑖 − [∑𝑖 = 1 𝑥𝑖 ]
2
Nieves :412-415
𝑑𝑝
= 𝑘𝑝
𝑑𝑡
Donde k = un factor de proporcionalidad conocido como velocidad de
crecimiento específico y tiene las unidades de 𝑡𝑖𝑒𝑚𝑝𝑜−1. si k es una constante,
entonces la solución de la ecuación anterior se obtiene de la teoría de las
ecuaciones diferenciales:
𝑝(𝑡) = 𝑝0 𝑒 𝑘𝑡
Solución
Primero, se debe reconocer que la velocidad de crecimiento específico k no
puede ser una constante conforme la población crece. Éste es el caso debido
a que, conforme p se aproxima al infinito, el fenómeno que está modelando se
verá limitado por algunos factores como por ejemplo carencia de alimentos y
producción de desechos tóxicos. Una manera de expresar esto en forma
matemática es mediante el uso de un modelo de velocidad de crecimiento de
saturación tal que
𝑓
𝑘 = 𝑘𝑚á𝑥 =
𝑘+𝑓
𝑓
Con esta manipulación se ha transformado la ecuación 𝑘 = 𝑘𝑚á𝑥 = 𝑘+𝑓 a una
forma lineal; es decir, 1/k es una función lineal de 1/f, con pendiente k/𝑘𝑚á𝑥 e
intersección 1/𝑘𝑚á𝑥 . Estos valores se grafican en la siguiente figura:
Solución
Los resultados se muestran en la siguiente tabla que da las predicciones del
trazador junto con la primera y segunda derivada a intervalos de 1m hacia
abajo a través de la columna de agua.