MÉTODOS
NUMÉRICOS
Sílabo 2018-I
1.1 INTRODUCCIÓN
Los Métodos Numéricos son técnicas mediante las cuales es posible formular modelos matemáticos de los problemas de tal manera que puedan resolverse utilizando operaciones aritméticas. Existen muchos tipos de métodos de métodos numéricos pero su característica principal es el gran número de tediosos cálculos aritméticos.
Antiguamente los ingenieros disponían de tres métodos de solución de problemas:
1-
Métodos analíticos. Muy útiles
para la comprensión del comportamiento de los sistemas. Incluyen problemas
lineales y de geometría simple con escasas dimensiones. Su limitación es que la
mayoría de los problemas reales son no lineales e implican formas y procesos
complejos.
2-
Método gráfico. No son muy
precisos y son representaciones tediosas y difíciles de implementar. Se limitan
a tres dimensiones o menos.
3-
Métodos numéricos. Implementados con
calculadoras y reglas de cálculo. Su cálculo manual es lento y tedioso. De
resultados no consistentes debido a que surgen equivocaciones ante numerosos
cálculos.
Con la
implementación de la computadora se eliminó el problema de cálculo y se ha logrado dar más importancia a la
formulación de un problema y a la interpretación de la solución.
RAZONES DE USO DE
LOS MÉTODOS NUMÉRICOS EN INGENIERÍA:
1.
Son herramientas muy poderosas para
la solución de problemas. Son capaces de manipular sistemas de ecuaciones
grandes, manejar no linealidades y resolver geometrías no complicadas.
2.
El uso eficiente de programas
“enlatados” depende del buen entendimiento de la teoría básica en que se basan
tales métodos.
3.
El conocimiento de los métodos
numéricos y la programación en computadora da la capacidad de diseñar sus
propios programas para resolver los problemas, sin tener que comprar software
costoso.
4.
Son un vehículo eficiente para
aprender a servirse de las computadoras. Permitirá reconocer y controlar los
errores de aproximación.
5.
Son un medio para reforzar la
comprensión de las matemáticas. Convierte las matemáticas superiores en operaciones aritméticas básicas.
Los Métodos numéricos se utilizan para:
1.
Determinar raíces de ecuaciones. Se
relacionan con el valor de una variable o de un parámetro que satisface una
ecuación no lineal simple. Son útiles cuando resulta imposible despejar de
manera analítica los parámetros de las ecuaciones de diseño.
2.
Resolver sistemas de ecuaciones algebraicas
lineales. Se busca un conjunto de valores que satisfaga simultáneamente un
conjunto de ecuaciones algebraicas lineales.
3.
Optimizar. Se trata de
determinar el valor o los valores de una variable independiente que
corresponden al “mejor” o al valor óptimo (máximo o mínimo) de la función. (ej.
la programación lineal.)
4.
Ajustar curvas. Considera el
ajuste de curvas a un conjunto de datos mediante dos técnicas:
Regresión
(utilizada cuando hay un significativo grado de error asociado con los datos
como es le caso de los datos experimentales, para lo cual se trata de encontrar
una curva que represente la tendencia general de los datos sin necesidad de
tocar los puntos individuales)
Interpolación.
Se utiliza cuando el objetivo es determinar valores intermedios entre datos que
estén relativamente libres de error.
5.
Integración, relacionada con el
cálculo del área bajo la curva. Sus
aplicaciones están en la determinación de centroides de objetos de formas
extrañas, hasta el cálculo de cantidades totales basadas en conjuntos de
medidas discretas.
6.
Resolver ecuaciones diferenciales
ordinarias. Resuelve problemas de las leyes físicas expresadas en términos de
la razón de cambio de una cantidad más que en términos de la cantidad misma.
(ejm. La velocidad, la aceleración, etc.). Se tratan dos tipos de problemas:
problemas con valor inicial y problemas con valores en la frontera.
7.
Resolver ecuaciones diferenciales
parciales. Utilizados para representar sistemas en los que el comportamiento de
una cantidad física se expresa en
términos de su razón de cambio con respecto a dos o más variable
independientes. Ej. La distribución de temperatura en estado estacionario sobre
una placa caliente (espacio
bidimensional) o la temperatura variable con el tiempo en una barra caliente
(tiempo y una dimensión espacial)
CONCEPTOS BÁSICOS
El análisis numérico.- es la rama de la matemática que se encarga de diseñar algoritmos para, a través de números y reglas matemáticas simples simular procesos matemáticos más complejos aplicados a procesos del mundo real.
Algoritmo.- En el
contexto del cálculo numérico, es un procedimiento que nos puede llevar a una
solución aproximada de un problema mediante un número finito de pasos que
pueden ejecutarse de manera lógica. En algunos casos, se les da el nombre de métodos
constructivos a estos algoritmos numéricos.(del latín, dixit algorithmus
y éste a su vez del matemático persa al-Jwarizmi) es una lista bien
definida, ordenada y finita de operaciones que permite hallar la solución a un
problema. Dado un estado inicial y una entrada, a través de pasos sucesivos y
bien definidos se llega a un estado final, obteniendo una solución
La exactitud.-
se refiere a que tan cercano está el valor calculado o medido del valor
verdadero.
La precisión.- se
refiere a qué tan cercano está un valor individual medido o calculado respecto
a los otros.
Error.- Es la
relación entre el número exacto y el
obtenido por aproximación se define como:
Error = Valor real -valor estimado Análisis de errores
Al realizar cálculos
mediante algoritmos más o menos complejos, es inevitable cometer errores. Estos
errores pueden ser de tres tipos:
·
Errores en los datos de entrada: Este tipo de
error viene causado por los errores al realizar mediciones de magnitudes
físicas. Este error no es analizable matemáticamente dado a que está sujeto al
avance tecnológico de los aparatos de medida
·
Errores de redondeo:En este caso,
el error aparece al operar con representaciones numéricas finitas. Se puede
solucionar utilizando más decimales, pero esto conlleva utilizar más memoria
(recursos).
En una computadora existe una longitud de palabra que puede representar y sólo puede representar un número finito de términos. Para
expresar una cantidad con un desarrollo decimal infinito, se tiene que
prescindir de la mayoría de ellos. Por ejemplo, el número π = 3.14159265....,
tiene un desarrollo decimal infinito no periódico. Para el redondeo la regla es aproximar al valor superior si el siguiente dígito es mayor o igual a 5
Ej. redondear π = 3.14159265... a la centésima: 3.14 y a la milésima: 3.142
·
Errores de truncamiento (o discretización): Este tipo de
error se refiere al error que se comete al utilizar un algoritmo determinado.
Esto quiere decir que si se refina la discretización o se cambia el algoritmo,
puede disminuir. Refinar la discretización generalmente lleva a realizar más
cuentas lo que equivale a incrementar el error de redondeo y el tiempo de
cálculo.
Se originan al emplear al número finito de términos para calcular un
valor que requiere un número infinito
de términos. Por ejemplo, una expresión que permite determinar de forma exacta
el valor del número de Euler (base de
los logaritmos naturales) a través de una serie de MacLaurin es con infinitos términos, sin embargo, una aproximación a dicho valor, puede obtenerse a través de su
expresión finita considerando solo k términos, la cual es manejable computacionalmente.
SOLUCION
NUMÉRICA DE ECUACIONES
Introducción
En el campo industrial, la ingeniería elabora modelos
matemáticos que representan el comportamiento de los sistemas, que en muchos
casos son demasiado complejos, y son de
imperiosa necesidad resolverlos. El problema que generalmente se presenta es la
dificultad para resolverlos en los cuales los métodos analíticos no son
factibles de aplicar, es por ello que los métodos numéricos dan una vía de
solución rápida, con la ayuda del computador y efectiva.
Uno de los casos que generalmente se presentan son las
ecuaciones cuyos modelos son de orden superior como por ejemplo:
Considere el problema de determinar el tiempo en que un
carril llegará a la posición inicial en un proceso productivo cuya dependencia
con el tiempo es : F(t) = ln(t) - t + 2
Por el aprendizaje logrado a lo largo de nuestra clásica formación
académica sabemos resolver ecuaciones por método analítico pero considerando
que es difícil resolver el modelo con esta técnica, podrá utilizase como
alternativa de solución los métodos numéricos.
METODO DE
BISECCION
Uno de los métodos que se puede utilizar para resolver el
modelo es el método de bisección, cuya ventaja es la posibilidad de obtener un
resultado eficiente y confiable que permite tomar decisiones.
Para desarrollar el método numérico de Bisección basta
con conocer el manejo algebraico de
variables, las operaciones básicas de la aritmética y el manejo de computador.
El método de bisección se basa en el siguiente teorema de Cálculo:
Teorema del Valor Intermedio
Sea
f(x) contínua en un intervalo [a,b] y
supongamos que f(a)<f(b). Entonces para cada z
tal que f(a) < z < f(b), existe un
Xo Є (a,b) tal que f(Xo)=z. La misma conclusión se obtiene para el caso que
f(a)>f(b).
Básicamente
el Teorema del Valor Intermedio nos dice que toda función contínua en un
intervalo cerrado, una vez que alcanzó ciertos valores en los extremos del
intervalo, entonces debe alcanzar todos los valores intermedios.
En
particular, si f(a) y f(b) tienen signos
opuestos, entonces un valor intermedio es precisamente z=0 y por lo tanto, el Teorema del Valor Intermedio
nos asegura que debe existir Xo Є (a,b)
tal que f(Xo)=z , es decir, debe haber por lo menos una raíz de f(x)
en el intervalo (a,b).
Método
Este método consiste en dividir sucesivamente el intervalo [a,
b], por la mitad, hasta que la longitud del subintervalo que contiene a la
raíz α sea menor
que alguna tolerancia especificada ε.
- Elegir dos valores iniciales,
inferior (Xi) y superior (Xi+1) que encierren la raíz, de forma tal que la
función cambie de signo en intervalo, lo cual se verifica si
f(Xi).f(Xi+1)<0
- Determine una aproximación de la
raíz de x mediante Xr = (Xi +
Xi+1)/2
- Evalúe el intervalo en el cual
está la raíz calculada:
- Si f(Xi).f(Xr)<0 è Xi+1 = Xr
- Si f(Xi).f(Xr)>0 è Xi=Xr
- Si f(Xi).f(Xr)=0 è X=Xi, solución, fin
Evalúe el Error Absoluto para determinar si es menor que
la tolerancia y dar por terminadas las iteraciones
Entradas: Una función continua F(x)
definida en un intervalo [Xo, X1], con
F(Xo) y F(X1) de signos opuestos.
Parámetros:
E = Nivel de
precisión respecto a la solución exacta.
Inicio
- Ingrese F(x) y E
- Verifique que F(Xo).F(X1) < 0
De lo contrario
vuelva a ingresar nuevos valores de Xo, X1
- Defina i=0
- Calcule Xr = (Xi + Xi+1)/2
- Verifique si f(Xi).f(Xr)<0 entonces Xi
= Xr
- Verifique si |Xi+1 – Xi
|< E entonces solución X = Xr
Fin.
Ejemplo
Determine la solución por el método de bisección para la siguiente
ecuación:
Programa en Matlab
clear
x0=2, x1=4, E=9999, n=0, xrc=0while E>=0.001
xr=(x0+x1)/2
fx0 = log(x0) - x0 + 2;
fx1 = log(x1) - x1 + 2;
fxr = log(xr) - xr + 2;
if fx0*fxr < 0
x1=xr
else x0 = xr
end
E=abs(xr-xrc)
xrc=xr
n=n+1;
end
fprintf('E n xr = %7.7f\n', E, n , xr)
Aplicación en
Excel
lnx-x+2=0
|
TOLERANCIA
0.001
|
||||||||
METODO DE BISECCION
|
Xr=(Xi+Xi+1)/2
|
||||||||
n
|
Xi
F(Xi)
|
Xi+1
|
F(Xi+1)
|
Xr
|
F(Xr)
|
F(X1)F(Xr)
|
EA
|
¿SOLUCION?
|
|
1
|
2.000000
|
0.693147
|
4.000000
|
-0.613706
|
3.000000
|
0.098612
|
0.068353
|
||
2
|
3.000000
|
0.098612
|
4.000000
|
-0.613706
|
3.500000
|
-0.247237
|
-0.024381
|
0.500000
|
NO
|
3
|
3.000000
|
0.098612
|
3.500000
|
-0.247237
|
3.250000
|
-0.071345
|
-0.007035
|
0.250000
|
NO
|
4
|
3.000000
|
0.098612
|
3.250000
|
-0.071345
|
3.125000
|
0.014434
|
0.001423
|
0.125000
|
NO
|
5
|
3.125000
|
0.014434
|
3.250000
|
-0.071345
|
3.187500
|
-0.028263
|
-0.000408
|
0.062500
|
NO
|
6
|
3.125000
|
0.014434
|
3.187500
|
-0.028263
|
3.156250
|
-0.006865
|
-0.000099
|
0.031250
|
NO
|
7
|
3.125000
|
0.014434
|
3.156250
|
-0.006865
|
3.140625
|
0.003797
|
0.000055
|
0.015625
|
NO
|
8
|
3.140625
|
0.003797
|
3.156250
|
-0.006865
|
3.148438
|
-0.001531
|
-0.000006
|
0.007813
|
NO
|
9
|
3.140625
|
0.003797
|
3.148438
|
-0.001531
|
3.144531
|
0.001134
|
0.000004
|
0.003906
|
NO
|
10
|
3.144531
|
0.001134
|
3.148438
|
-0.001531
|
3.146484
|
-0.000199
|
0.000000
|
0.001953
|
NO
|
11
|
3.144531
|
0.001134
|
3.146484
|
-0.000199
|
3.145508
|
0.000468
|
0.000001
|
0.000977
|
SI
|
- Útil como aproximación inicial de otros métodos.
Desventajas:
-
No tiene en cuenta la magnitud de los valores de la función en las
aproximaciones calculadas xn,
solo tiene en cuenta el signo de f(x), lo que hace que una
aproximación intermedia, mejor que la respuesta final, pase desapercibida.- La convergencia es lenta.
METODO REGULA FALSI
(FALSA POSICION)
El procedimiento es similar al método de bisección con la
diferencia en el cálculo de Xr para lo cual se utilizará la siguiente relación:
Xr= [X1.F(X2)-X2.F(X1)] / [F(X2)-F(X1)]
|
|||||||||
n
|
X1
|
F(X1)
|
X2
|
F(X2)
|
Xr
|
F(Xr)
|
F(X1)F(Xr)
|
EA
|
¿SOLUCION?
|
1
|
2.000000
|
0.693147
|
4.000000
|
-0.613706
|
3.060788
|
0.057884
|
0.040122
|
||
2
|
3.060788
|
0.057884
|
4.000000
|
-0.613706
|
3.530394
|
-0.268985
|
-0.015570
|
0.469606
|
NO
|
3
|
3.060788
|
0.057884
|
3.530394
|
-0.268985
|
3.295591
|
-0.103006
|
-0.005962
|
0.234803
|
NO
|
4
|
3.060788
|
0.057884
|
3.295591
|
-0.103006
|
3.178190
|
-0.021878
|
-0.001266
|
0.117401
|
NO
|
5
|
3.060788
|
0.057884
|
3.178190
|
-0.021878
|
3.119489
|
0.018180
|
0.001052
|
0.058701
|
NO
|
6
|
3.119489
|
0.018180
|
3.178190
|
-0.021878
|
3.148840
|
-0.001806
|
-0.000033
|
0.029350
|
NO
|
7
|
3.119489
|
0.018180
|
3.148840
|
-0.001806
|
3.134164
|
0.008198
|
0.000149
|
0.014675
|
NO
|
8
|
3.134164
|
0.008198
|
3.148840
|
-0.001806
|
3.141502
|
0.003199
|
0.000026
|
0.007338
|
NO
|
9
|
3.141502
|
0.003199
|
3.148840
|
-0.001806
|
3.145171
|
0.000697
|
0.000002
|
0.003669
|
NO
|
10
|
3.145171
|
0.000697
|
3.148840
|
-0.001806
|
3.147005
|
-0.000554
|
0.000000
|
0.001834
|
NO
|
11
|
3.145171
|
0.000697
|
3.147005
|
-0.000554
|
3.146088
|
0.000072
|
0.000000
|
0.000917
|
SI
|
METODO DE
NEWTON-RAPHSON
Se basa en el trazo
de rectas tangentes representadas por la derivadas para determinar el siguiente
punto.
Se utiliza la función recursiva siguiente: Xi+1=Xi-f(Xi))/(f
´(Xi)
Agoritmo
1-
Dada f(x)=0 elegir un cvalor
inicial Xi cercana a la raíz (i=0)
2-
Determine f(Xi) y f´(Xi)
3-
Calcule Xi+1 = Xi - f(Xi) / f’(Xi )
4-
Incremente i=i+1 y regrese al
punto 2
METODO DE NEWTON-RAPHSON
|
||||||
n
|
Xi
|
F(Xi)
|
F´(Xi)
|
Xi+1
|
EA
|
¿SOLUCION?
|
1
|
2.000000
|
0.693147
|
-0.500000
|
3.386294
|
||
2
|
3.386294
|
-0.166558
|
-0.704692
|
3.149938
|
0.236356
|
NO
|
3
|
3.149938
|
-0.002555
|
-0.682533
|
3.146194
|
0.003744
|
NO
|
4
|
3.146194
|
-0.000001
|
-0.682156
|
3.146193
|
0.000001
|
SI
|
Inconvenientes :
-
En los puntos críticos, f’(x) = 0
-
En los puntos de inflexión
-
Generalmente se presenta cuando se
tiene funciones con raíces reales repetidas ej. F(x)=x7
METODO DE LA
SECANTE
1-
Dada f(x)=0 identifique dos puntos iniciales Xi-1 , Xi
2-
Determine f(Xi) y f´(Xi-1)
3-
Calcule Xi+1
= Xi - (Xi –
Xi-1). f(Xi) / [ f(Xi )- f(Xi-1)]
4-
Incremente i=i+1 y regrese al
punto 2
METODO DE LA SECANTE
|
|||||||||||
i
|
Xi-1
|
Xi
|
F(Xi-1)
|
F(Xi)
|
Xi+1
|
EA
|
¿SOLUCION?
|
||||
0
|
3.0000000
|
4.0000000
|
0.0986123
|
-0.6137056
|
3.1384386
|
||||||
1
|
4.0000000
|
3.1384386
|
-0.6137056
|
0.0052868
|
3.1457972
|
0.0073586
|
NO
|
||||
2
|
3.1384386
|
3.1457972
|
0.0052868
|
0.0002701
|
3.1461934
|
0.0003963
|
SI
|
||||
3
|
3.1457972
|
3.1461934
|
0.0002701
|
-0.0000002
|
3.1461932
|
0.0000002
|
SI
|
||||
1-
Dado f(x) = 0, conviértala en la
forma X = g(X)
2-
Identifique un punto de inicio Xo
3-
Verifique la convergencia: si | f’(X0) | < 1 è converge
4-
Asuma i=1
5-
Calcule Xi = g(Xo)
6-
Calcule Xi+1 = g(Xi)
7-
Evalúe si | ( x i+1 - x i ) /
x i+1 | < Tolerancia è Solución Xi+1
es la Raíz
De
lo contrario i = i+1, retorne al paso 6
SOLUCION DE SISTEMAS DE ECUACIONES
MÉTODO
DE JACOBI
Dado el sistema de ecuaciones lineales
a21X1+ a22 X2+ … + a 2nXn= b2
…
an1X1+ an2 X2+ … + a nnXn= bn
X2 =( b2 – a21 X1 -… - a 2nXn)/ a22
...
Xn =( bn – an2
X2 -… - a n,n-1Xn)/ ann
Plantear las ecuaciones recursivas:
X1(i+1) =( b1
- a12 X2(i) -… - a 1nXn(i))/
a11
X2(i+1) =( b2
– a21 X1(i) -… - a 2nXn(i))/
a22
…
Xn(i+1) =( bn –
an1 X1(i) -… - a n,n-1Xn-1(i))/
ann
Ejemplo considere el sistema de ecuaciones siguiente:
10 X1 + 2X2 + X3 =
9
2 X1 + 20X2 - 2 X3
= -44
METODO
DE JACOBI
|
||||||||
X1
|
X2
|
X3
|
Bi
|
Tolerancia=
|
0.001
|
|||
10
|
2
|
1
|
9
|
|||||
2
|
20
|
-2
|
-44
|
|||||
-2
|
3
|
10
|
22
|
|||||
i
|
X(i)
|
0
|
0
|
0
|
EAX1
|
EAX2
|
EAX3
|
SOLUCION
|
1
|
X(1)
|
0.9
|
-2.2
|
2.2
|
0.9
|
2.2
|
2.2
|
NO
|
2
|
X(2)
|
1.12
|
-2.07
|
3.04
|
0.22
|
0.13
|
0.84
|
NO
|
3
|
X(3)
|
1.01
|
-2.008
|
3.045
|
0.11
|
0.062
|
0.005
|
NO
|
4
|
X(4)
|
0.9971
|
-1.9965
|
3.0044
|
0.0129
|
0.0115
|
0.0406
|
NO
|
5
|
X(5)
|
0.99886
|
-1.99927
|
2.99837
|
0.0018
|
0.0028
|
0.006
|
NO
|
6
|
X(6)
|
1.000017
|
-2.000049
|
2.999553
|
0.0012
|
0.0008
|
0.0012
|
NO
|
7
|
X(7)
|
1.0000545
|
-2.0000464
|
3.0000181
|
4E-05
|
3E-06
|
0.0005
|
SI
|
a11X1+
a12 X2+ … + a 1nXn= b1
a21X1+ a22 X2+
… + a 2nXn= b2
…
an1X1+ an2 X2+
… + a nnXn= bn
Despejar en cada
ecuación la variable Xj de la ecuación i
donde i=j
X1 =( b1 - a12
X2 -… - a 1nXn)/ a11
X2 =( b2 – a21
X1 -… - a 2nXn)/ a22
...Plantear las ecuaciones recursivas utilizando los valores calculados más recientes:
X2(i+1) =( b2
– a21 X1(i+1) – a23 X3(i)
… - a 2nXn(i))/ a22
…
Xn(i+1) =( bn –
an1 X1(i+1) – an2 X2(i+1)
… - a n,n-1Xn-1(i))/ ann
SOLUCION
SISTEMA DE ECUACIONES
|
Tolerancia
|
0.001
|
||||||
METODO
DE GAUSS - SEIDEL
|
||||||||
X1
|
X2
|
X3
|
Bi
|
|||||
10
|
2
|
1
|
9
|
|||||
2
|
20
|
-2
|
-44
|
|||||
-2
|
3
|
10
|
22
|
|||||
i
|
X(i)
|
0
|
0
|
0
|
EAX1
|
EAX2
|
EAX3
|
SOLUCION
|
1
|
X(1)
|
0.9
|
-2.29
|
3.067
|
0.900
|
2.290
|
3.067
|
NO
|
2
|
X(2)
|
1.0513
|
-1.99843
|
3.009789
|
0.151
|
0.292
|
0.057
|
NO
|
3
|
X(3)
|
0.9987071
|
-1.99889181
|
2.99940896
|
0.053
|
0.000
|
0.010
|
NO
|
4
|
X(4)
|
0.99983747
|
-2.00004285
|
2.99998035
|
0.001
|
0.001
|
0.001
|
NO
|
5
|
X(5)
|
1.00001054
|
-2.00000302
|
3.00000301
|
0.000
|
0.000
|
0.000
|
SI
|