I.- INTRODUCCIN Importancia de los mtodos numricos Tipos de Errores II.

- SOLUCIONES DE ECUACIONES ALGEBRAICAS Raz de una ecuacin Mtodos de intervalo: biseccin, falsa posicin Mtodos de punto fijo: aproximaciones sucesivas, secante, Newton-Raphson III.- SOLUCION DE SISTEMAS DE ECUACIONES Eliminacin Gaussiana Matriz Inversa Gauss-Jordan Regla de Crammer Jacobi Gauss-Seidel IV.- AJUSTE DE FUNCIONES Fundamentos de estadstica Interpolacin Regresin de mnimos cuadrados V.- DIFERENCIACIN E INTEGRACIN NUMRICA Derivacin Numrica Integracin Numrica, trapecio, Simpson-Romberg VI.- SOLUCIN DE ECUACIONES DIFERENCIALES Mtodos de 1 paso: Euler, Euler Mejorado, Runge-Kutta Mtodos de pasos mltiples VII.- ECUACIONES DIFERENCIALES PARCIALES Clasificacin de las ecuaciones Mtodos de diferencias finitas. MTODOS NUMRICOS 1.1 Problemas matemticos y sus soluciones. Un modelo matemtico puede definirse como una formulacin o una ecuacin que expresa las caractersticas, esenciales de un sistema fsico o proceso en trminos matemticos. Vd = f (vi, p , f ) (1) Vd = variable dependiente que refleja el comportamiento o estado del sistema.

Vi = variables independientes como tiempo o espacio a travs de las cuales el comportamiento del sistema ser determinado. P = parmetros , son reflejos de las propiedades o la composicin del sistema. f = funciones de fuerza, son influencias externas sobre el sistema. De la segunda Ley de Newton: F = ma ; reordenando f a = ______ ( 2 ) m Caractersticas de este modelo matemtico. 1.- Describe un proceso o sistema natural en trminos matemticos. 2.- Representa una simplificacin de la realidad. 3.- Conduce a resultados predecibles. Otros modelos matemticos de fenmenos fsicos pueden ser mucho ms complejos. De nuevo si usamos la segunda Ley de Newton para determinar la velocidad final o terminal de un cuerpo, tenemos un expresin de aceleracin como la razn de cambio de la velocidad con respecto al tiempo: f dv = _____ ( 3 ) dt m Para un cuerpo que cae, la fuerza total es: F = FD + Fu ( 4 ) FD = La atraccin hacia abajo debido a la fuerza de la gravedad. Fu = Fuerza hacia arriba debida a la resistencia del aire, En donde: FD = mg Fu = -cu c = coeficiente de resistencia o arrastre Como la fuerza total , es la diferencia entre las fuerzas hacia abajo y las fuerzas hacia arriba, tenemos: dv = mg - cu ( 7 ) dt m dv = g - c/m (v) ( 8 ) dt

Esta ecuacin es un modelo matemtico que relaciona la aceleracin de un cuerpo que cae con las fuerzas que actan sobre l. Se trata de una ecuacin diferencial o ecuaciones diferenciales. Si las ecuaciones son ms complejas, se requiere de tcnicas avanzadas para obtener una solucin analtica exacta o aproximada. Si el objeto est en reposo, v = o y t = 0 , y usando las teoras de clculo, obtenemos: v(t) = gm/c ( 1 - e-(c/m)t ) ( 9 ) Que es la solucin analtica o exacta, v(t) = variable dependiente t = es la variable independiente c,m = parmetros g = funcin de la fuerza Ej. 1.1 Un paracaidista , con una masa de 68.1 kgs salta de un globo aerosttico fijo. Con la ayuda de la ecuacin ( 9 ), calcule la velocidad antes de abrir el paracadas, coeficiente de resistencia = 12 kg/seg. Datos: m = 68.1 c = 12.5 g = 9.8 m/s v(t) = gm/c ( 1 - e-(c/m)t ) t,s 0 2 4 6 8 10 12 v, m/s 0 16.42 27.76 35.63 41.05 44.87 47.48 53.39 53.39 1 - e -(0.1835)t

Cuando los mtodos numricos - modelos matemticos - no pueden resolverse con exactitud, se requiere de una solucin numrica que se aproxima a la solucin exacta. Los mtodos numricos son aquellos en los que se formula el problema matemtico para que se pueda resolver mediante operaciones aritmticas. Para la segunda Ley de Newton, al aproximar a la razn del cambio de la velocidad con respecto al tiempo , tenemos: dv = v = v ( ti + 1 ) - v ( ti ) ( 10 ) dt t ti + 1 - ti Diferencias finitas divididas v ( ti ) = es la velocidad en el tiempo inicial ti v ( ti + 1 ) = es la velocidad despus de un tiempo mas tarde: ti + 1

sustituyendo la ec. ( 10 ) en la ec. ( 8 ): v ( ti + 1 ) - v ( ti ) = g - c/m v ( ti ) ti + 1 - ti Reordenando: V ( ti + 1 ) = v ( ti ) + g - c/m v( ti ) ( ti + 1 - ti ) ( 11 ) A cualquier tiempo Nuevo valor = viejo valor + pendiente x tamao del paso. Ejemplo 1.2 Resolver el ejemplo anterior mediante una solucin numrica para calcular la velocidad. Emplear un tamao del paso de 2 segundos. Datos: m = 68.1 kg c = 12.5 kg/s g = 9.8 m/s V ( ti + 1 ) = v ( ti ) + g - c/m v( ti ) ( ti + 1 - ti ) V1 = V0 + g - c/m V0 ( ti + 1 - ti ) ; t1 = 2 seg V1 = 0 + 9.8 - 12.5/68.1 (0) (2-0) = 19.6 m/s t2 = 4s, v2 = ? V2 = 19.6 + 9.8 - 12.5/68.1 (19.6) (4-2) = 32 m/s Sustituyendo: V3 = V2 + g - c/m V2 (t3 - t2) V3= 32 + 9 .8 - 12.5/68.1 (32) (2) = 39.85 m/s Entonces V3= 39.85 m/s Sustituyendo: V4 = 39.85 + 9 .8 - 12.5/68.1 (39.85) (2) = 44.82 m/s V5 = 44.82 + 9 .8 - 12.5/68.1 (44.82) (2) = 47.96 m/s V6 = 47.96 + 9 .8 - 12.5/68.1 (47.96) (2) = 49.95 m/s t,s 0 2 4 SN 0 19.6 32 SA 0 16.42 27.76

6 8 10 12

39.85 44.82 48.01 49.05 53.39

35.63 41.05 44.87 47.48 53.39

1.2. Importancia de los mtodos numricos Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas matemticos de tal forma que puedan resolverse usando operaciones aritmticas. El anlisis numrico trata de disear mtodos para aproximar de una manera eficiente las soluciones de problemas expresados matemticamente. El objetivo principal del anlisis numrico es encontrar soluciones aproximadas a problemas complejos utilizando slo las operaciones ms simples de la aritmtica. Se requiere de una secuencia de operaciones algebraicas y lgicas que producen la aproximacin al problema matemtico. Los mtodos numricos pueden ser aplicados para resolver procedimientos matemticos en:

Clculo de derivadas

Integrales Ecuaciones diferenciales Operaciones con matrices Interpolaciones Ajuste de curvas Polinomios Los mtodos numricos se aplican en reas como: Ingeniera Industrial, Ingeniera Qumica, Ingeniera Civil, Ingeniera Mecnica, Ingeniera elctrica, etc... 1.3 Tipos de errores Exactitud.- Lo que est ms cerca del valor verdadero. Se refiere a que tan cercano est el valor medido o calculado con el valor verdadero. Precisin.- Se refiere a que tan cercano esta un valor individual medido o calculado con respecto a los otros.

Cifras significativas.- Es el conjunto de dgitos confiables o necesarios que representan el valor de una magnitud independientemente de las unidades de medidas utilizadas. Confiables.- Por que dependen del instrumento de medicin empleado. Necesarias.- Por que depende de leyes, reglamentos, normas o costumbres.

La longitud del pizarrn es: En 4 mediciones, siendo en cada medicin distintas personas, los resultaos fueron los siguientes: 1.- 3.0 m 2.- 3.0 m 3.- 3.0 m 4.- 3.0 m La longitud de la libreta : 1.- 28 cm ( flexmetro ) 3.- 28 cm 2.- 27.5 cm ( regla ) 4.- 28 cm La longitud de un lpiz: Regla: 14.3 cm Tornillo: 14.327 cm Vernier: 14.32 cm La velocidad de un automvil: Digital: 89.5 km/h Cartula: 90 km/h Cuntas cifras significativas ( que tan preciso debe ser ) son necesarias ? 1.- El total de cifras significativas es independiente de la posicin del punto decimal. Ejemplo: El medir una mujer se registr que su estatura es de 1.67 m = 16. 7 dm = 167 cm , (tenindose 3 cifras significativas ). 2.- Los ceros a la izquierda de dgitos no nulos, nunca sern cifras significativas. Ejemplo: Un balero tiene un dimetro de 26 mm = 0.026 m = 0.000026 km ( 2 cifras significativas ). 3.- Los ceros intermedios de dgitos no nulos, siempre sern significativos: Ejemplo:

40072 ( 5 c.s. ) 3.001 ( 4 c.s. ) 0.000203 ( 3. c.s. ) Los errores.- Es la discrepancia que existe entre la magnitud verdadera y la magnitud obtenida. Error absoluto.- Es igual a la diferencia entre el valor verdadero y el valor aproximado: EA = Vv - Va ( 12 ) Error Relativo.- Es el cociente del error absoluto respecto al valor verdadero:

ER = EA = Vv - Va Vv Vv Error Relativo Porcentual: ERP = EA x 100 % ( 13 ) Vv Ejercicios: Ejemplo.- Supngase que se tiene que medir la longitud de un puente y de un remache. La longitud del puente obtenida es de 9999 cm y la del remache es de 9 cm. Si los valores verdaderos son 10,000 y 10 cm, respectivamente, calcule :

el error absoluto el error relativo %

para cada caso: Puente Remache Vv = 10000 cm 10 cm Va = 9999 cm 9 cm EA = 10000 - 9999 EA = 10 - 9 EA = 1 cm EA = 1 cm Error Porcentual = 1 x 100 = 0.01 % 10,000 Error Porcentual = 1 x100 = 10 % 10 Ejemplo: Suponga que el valor para un clculo debera ser Vv = 0.10 x 102 pero se obtuvo el resultado de Va = 0.08 x 102. Determine el error absoluto y el error relativo porcentual: EA = 0.10 x 102 - 0.08 x 102 EA = 2 = 0.2 x 101 ERP = 0.2 x 101 x 100 = 20% 0.10 x 102 Ejemplo: Vv = 0.24 x 10 - 4 Va = 0.12 x 10 - 4 EA = 0.24 x 10 - 4 - 0.12 x 10 - 4 EA = 1.2 x 10 - 5 , 0.12 x 10 - 4 , por lo tanto es pequeo ERP = 0.12 x 10 - 4 x 100 = 50%, por lo tanto es grande. 0.24 x 10 - 4

Ejemplo : Vv = 0.46826564 x 10 6 Va = 0.46830000 x 10 6 EA = 0.46826564 x 10 6 - 0.46830000 x 10 6 EA = 34.46 , por lo tanto es grande. ERP = 34.36 x 100 =7.33771504 x 10 - 3, es pequeo 0.46826564 x 10 6 Concluyendo , cuando se manejen cantidades muy grandes o muy pequeas el EA puede ser engaoso, mientras que el error relativo es ms significativo en estos casos. Determinacin del error en ausencia del valor verdadero Cuando no se conoce la respuesta verdadera, es necesario estimar el valor en ausencia de los valores verdaderos. Ciertos mtodos numricos usan un mtodo iterativo para calcular resultados, tales casos se hace una aproximacin con base en la aproximacin anterior. Es decir, el error se calcula como la diferencia ente la aproximacin actual y la aproximacin previa. Ea = aproximacin actual - aproximacin anterior x 100 (14) aproximacin actual Ea < El siguiente criterio es til para tener la seguridad que el resultado es correcto en al menos n cifras significativas.

= ( 0.5 x 10 2 - n ) = 0.5 x 10 -3 %, = 0.005 % Ejemplo: La funcin exponencial llamada expansin por serie de Mc Laurin, se puede calcular mediante la ecuacin: ex = 1 + x + x2 + x3 + ........... + x n 2! 3! n! Mientras ms trminos se le agreguen a la serie, la aproximacin se acercar cada vez ms al valor de ex . Estmese el valor de e 0.5 , calculando los valores del ERP ( error relativo porcentual y el valor de aproximacin ) , si el valor real o verdadero es e 0.5 = 1.648721, agrguese trminos a la serie hasta que Ea < , cumpla 3 cifras significativas. Solucin: E = ( 0.5 x 10 2 -3 ) % = 0.5 x 10 - 1 E = 0.005 Ea < 0.05 % 1er trmino ex = 1

ERP = 1.648721 - 1 x 100 = 39.34 % 1.648721 2do trmino ex = 1 + 0.5 = 1.5 ERP = 1.648721 - 1.5 x 100 = 9.02 % 1.648721 3er trmino ex = 1 + x + x2 2! ex = 1.5 + (0.5)2 = 1.625 2! ERP = 1.648721 - 1.625 x 100 = 1.438 % 1.648721 Ea = 1.625 - 1.5 x 100 = 7.692% 1.625 4to trmino e x = 1.625 + (0.5)3 = 1.645833 3! ERP = 1.648721 - 1.645833 x 100 = 0.175 % 1.648721 Ea = 1.645833 - 1.625 x 100 = 1.265% 1.645833 5to trmino e x = 1.645833 + (0.5)4 = 1.648437 4! ERP = 1.648721 - 1.648437 x 100 = 0.0172 % 1.648721 Ea = 1.648437 - 1.645833 x 100 = 0.158% 1.648437 6to trmino e x = 1.648437+ (0.5)5 = 1.648697 5! ERP = 0.00142 %

Ea = 1.648697 - 1.648437 x 100 = 0.0158% 1.648697 Ea < 0.0158 < 0.05 % Trmino 1 2 3 ex 1 1.5 1.625 ERP Ea

6 Ea < Errores de Truncamiento Con 5 cifras significativas:

1.648697

0.00142

0.0158

75.667891 75.667591 75.66453 75.668 75.668 75.665 Es el que ocurre al aumentar o disminuir artificialmente el valor de una magnitud. Criterio de redondeo D1 d2 d3 ..... d1 i +1 ..... dn ( i < n ) Di + 1 > 5 di = di +1 Di + 1 < 5 di = di Di es par di = di Di + 1 = 5 Di es impar di = di +1 Ejemplos: Redondear a 4 cifras significativas:

42.37834 = 42.38 382.154 = 382.2 545.21 = 545.2

Ejemplo: Error de redondeo, al restar dos nmeros iguales. Considere las ecuaciones: 31.69 x + 14.31 y = 45.00

13.05 x + 5.89 y = 18.53 Determine los valores aproximados de x e y usando redondeo a dos cifras decimales, obtenga el error absoluto y el error relativo porcentual para cada variable si sus valores verdaderos son: X = 1.25055 = 1.250547046 Y = 0.37527 = 0.375273523 EA = 1.25055 - 1.250547046 EA = 0.000002954 EA = 0.37527 - 0.375273523 EA = 0.000003523 ERP = 0.000002954 x100 1.25055 ERP = 0.00023 % ERP = 0.000002954 x100 0.37527 ERP =0.00078 % Resuelva la ecuacin cuadrtica: 100x2 -10011x + 10.011 = 0 Para encontrar las races reales ( x1,x2 ), redondeando a 5 dgitos significativos y a 5 dgitos decimales. 10011 +- " (-10011)2 -4(100)(10.011) 2(100) x1 = 80.088, 10041 x2 = 20.022, 9981.0 Errores de Truncamiento Ej. 653. 45931 653. 45 Son aquellos que resultan al usar una aproximacin en lugar de un procedimiento matemtico. Para estos casos las series de Taylor, en los mtodos numricos, expresan las funciones en forma polinomial: f(x1 +1) + f(xi) +f(xi)h +f (xi)h2+ f'(xi)h3 + .....fn(xi)hn 2! 3! n! h(x1 +1- xi)

Ej. Use trminos en la serie de Taylor de cero a 4to orden para aproximar la funcin f(x) = 0.1x4 -0.15x3-0.5x2-0.25x +1.2, desde xi = 0 con h =1 para predecir el valor de la funcin en x1 +1 = 1. Solucin: n = 0 orden f(x1 +1) = f(xi) = -0.1x4 -0.15x3-0.5x2-0.25x +1.2 f(x1 +1) = 1.2 n = 1er orden f(x1 +1) + f(xi) +f(xi)h f(x1 +1) =1.2 + (-0.4 x3-0.45x2-x-0.25) (1) f(x1 +1) =1.- 0.25 f(x1 +1) = 0.95 n= 2do orden f(x1 +1) + f(xi) +f(xi)h +f (xi)h2 2! f(x1 +1) = 1.2-0.25+(-1.2x2-0.90x-1) (1)2 2! f(x1 +1) = 0.95 -0.5 f(x1 +1) = 0.45 n = 3er orden f(x1 +1) + f(xi) +f(xi)h +f (xi)h2+ f'(xi)h3 2! 3! f(x1 +1) = 0.45+ ( -2.4x-0.90 ) (1)3 6 f(x1 +1) = .45 - 0.15 f(x1 +1) = 0.3 n = 4to orden f(x1 +1) = 0.3 + f4 (xi) h4 4! f(x1 +1) = 0.3 + (-2.4) (1)4 24 f(x1 +1) = 0.2

Error numrico total Es la suma de los errores de truncamiento y redondeo. Para minimizar los errores de redondeo debe incrementarse el nmero de cifras significativas. El error de truncamiento puede reducirse por un tamao de paso ms pequeo.

II. - Soluciones de Ecuaciones No Lineales. 2.1 Races de ecuaciones: La frmula cuadrtica -b +- " b2 -4ac (2.1) 2a Se usa para resolver ecuaciones del tipo Ax2+ bx + c

Ej. = f(x) = ax2 - bx + c ( 2.2 ) A los valores calculados en la ec. (2.1) se les llama races de la ecuacin ( 2.2 ). Son valores de x que hacen a la ecuacin igual a cero. Se puede definir a la raz de una ecuacin como el valor de x que hace a f(x) = 0. Fundamentos Matemticos Las funciones algebraicas como los polinomios se representan generalmente como: fn(x) = a0 + a1 + a2 x2 + .......... anxn Ejemplos: f2(x) = 1-2.37x+ 7.5x2 f6(x) = 5x2 -x3 + 7x6 f5(x) = 2 - 8x + x3 + 4x5 Las funciones trascendentales contienen trminos trigonomtricos , exponenciales o logartmicos. Ejemplos: f(x) = lnx2 -1 f(x) = ex sen x + ln 3x + x3 f(x) = e-0.2x sen(3x-0.5) Las races de las ecuaciones pueden ser reales o complejas. Si f(x) es un polinomio factorizable, como: f(x) = ( x- x1 ) ( x - x2 ) ( x - x3 ) ....... ( x - xn ) Se tiene que xn es la n - sima raz de f (x) = 0 Ejemplo: f(x)= x3 -7x2 -4x + 28 = 0 ( x2 - 4 ) ( x - 7 ) = 0 x1 = 2, x2 = -2, x3 = 7 2.2 Mtodos de intervalo 2.2.1 Mtodo de Biseccin PASO 1.- Alija los valores iniciales inferior xi y superior xs. PASO 2.- La primera aproximacin a la raz xr se determina como: xr = xi + xs. 2 PASO 3.- Calcule f(xi), f(xr) para determinar en que subintervalo cae la raz. PASO 4.- a ) Si f(xi) f(xr) < o, la raz se encuentra en este subintervalo entonces xs. = xr, contine el paso 2.

b)Si f(xi) f(xr) > 0, la raz se encuentra en el subintervalo superior, entonces xi = xr, contine el paso 2. PASO 5.- Cuando Ea < , el clculo termina.

Ej. Determine el coeficiente de rozamiento c =? Necesario para que un paracaidista de masa = 68.1 kg tenga una velocidad de 40 m/s, despus de una cada libre de t = 10 seg. La aceleracin de la gravedad es de 9.8 m/s2. La ecuacin a utilizar es: f(c) = gm/c ( 1 - e-(c/m) t ) - v = 0 Solucin analtica: Aproximacin grfica: f(c) = 9.8 (68.1)/c ( 1- e -(c/68.1) ) -40 = 667.38/c ( 1-e(-0.146843) ) - 40 c 4 8 12 16 20 f(c) 34.115 17.653 6.067 -2.269 -8.401

 biseccin
xi = 12, xs = 16 xr = (12+16)/2 = 14, xr = xs f(xi) = f(12) = 6.067 f(xr) = f(14) = 1.5687 f(xi) f(xr) = (6.067)( 1.5687) > 0, la raz se encuentra en el subintervalo superior, xi = xr n=2 xi = 14, xs = 16 , xr = 15 f(xi) = f(14) = 1.5687 f(xr) = f(15) = -0.4248 f(xi) f(xr) = (1.5687)( -0.4248) < 0, la raz se encuentra en este subientervalo, xs = xr Ea = {15-14/15} x 100 = 6.667 % n=3 xi = 14, xs = 15 , , xr = 14.5 f(xi) = f(14) = 1.5687 f(xi) =f(14.5)= 0.5523 f(xi) f(xi) > 0, xi = xr Ea = {14.5-15/14.5} x 100 = 3.448 % n=4

xi = 14.5, xs = 15 , , xr = 14.75 f(xi) = f(14.5) = 0.5523 f(xi) =f(14.75)= 0.05896 f(xi) f(xi) > 0, xi = xr Ea = {14.75-14.5/14.75} x 100 = 1.695 % n=5 xi = 14.75, xs = 15 , , xr = 14.875 f(xi) = f(14.75) = 0.5896 f(xi) =f(14.87)= -0.1841 f(xi) f(xi) < 0, xs= xr Ea = {14.875-14.75/14.875} x 100= 0.840 % n=6 xi = 14.75, xs = 14.875 , , xr = 14.8125 Ea = {14.8125-14.875/14.8126} x 100= 0.4219 % Ea < 0.422% < 0.5 % xr = 14.8125 iteracin 1 2 3 4 5 6 Xi 12 14 14 14.5 14.75 14.75 Xs 16 16 15 15 15 14.875 Xr 14 12 14.5 14.75 14.875 14.8125 Ea % 6.667 3.448 1.695 0.480 0.422

2.2.2 Mtodo de la Falsa posicin Este , mtodo utiliza una interpolacin lineal ajustada a dos puntos extremos para encontrar una aproximacin a la raz. De acuerdo a la siguiente figura:

La interseccin de la lnea recta con el eje de la x puede estimarse: f(xi ) = f(xs) (2.4) xr - xi xr - xs Reagrupando trminos y reordenando f(xi) (xr - xs) = f(xs) (xr - xi) xr { f(xi) - f(xs) } = xs f(xi) - xi f(xs) dividiendo entre f(xi) - xi f(xs) = xr = xs f(xi) - xi f(xs) (2.5) f(xi) - f(xs) Separando trminos: xr = xs + xs f(xi) - xi f(xs) f(xi) - f(xs) f(xi) - f(xs) Sumando y restando xs en el lado derecho xr = xs + xs f(xi) - xs xi f(xs) f(xi) - f(xs) f(xi) - f(xs) Agrupando trminos se obtiene: xr = xs + xs f(xs) - xi f(xs) f(xi) - f(xs) f(xi) - f(xs) xr = xs - f(xs) (xi -xs) (2.6) f(xi) - f(xs) El algoritmo es idntico al de biseccin, excepto que la ec. (2.6), se usa en el paso 2.

Ejemplo Use el mtodo de la falsa posicin, para determinar la raz de la ec. analizada en el ejemplo 2.1 f ( c ) = 667.38/c { (1-e-0.146843 c) } -40 n=1 xi = 12 f(xi) = 6.067 xs = 16 f(xs) = -2.2687 xr = 16 - (-2.2687) (12 -16) = 14.911 6.067 - (-2.2687) f(xr) = -0.25426 f(xi) f(xr) = 6.067 (-0.25426 ) < 0, xs = xr n=2 xi = 12 f(xi) = 6.067 xs = 14.9112 f(xs) = -0.25426 xr = 14.9113 - (-0.25426) (12 -14.9113) = 14.7942 6.067 - (-0.25426) f(xr) = -0.0.2726 f(xi) f(xr) < 0, xs = xr Ea = {(14.7942-14.9113)/14.7942} x 100% = 0.79 % n=3 xi = 12 f(xi) = 6.067 xs = 14.7942 f(xs) = -0.02726 xr = 14.7942 - (-0.02726) (12 -14.7942) = 14.7816

6.067 - (-0.02726) xr = 14.7816 Ea = {(14.7816-14.7942)/14.7816} x 100% = 0.087 % Ea < 0.087 < 0.5 % 2.3 Mtodos de Punto fijo 2.3.1 Mtodo de aproximaciones sucesivas Los mtodos abiertos se basan en frmulas que requieren de un solo valor para predecir la raz. La ecuacin f(x)= 0 se arregla de tal modo que x quede del lado izquierdo de la ecuacin: X = g (x ) (2.7) Ejemplo: f(x) = x2 -2x + 3 = 0 reordenando : x = x2 + 3 2 f(x) = sen x = o reordenando: x = sen x + x Requerimos de un valor inicial xi, que se puede usar para obtener una aproximacin de xi + 1, expresndolo por la forma iterativa: xi + 1 = g (xi ) ( 2.8 ) El error de aproximacin: Ea = xi + 1 - xi x 100 xi + 1 Es quema grfico de la convergencia de la iteracin del punto fijo:

Use el mtodo de aproximaciones sucesivas ( iteracin del punto fijo para localizar la raz de f (x) = e-x - x, x0 = 0, Ea = 0.5% ) X = e-x = g ( x ) X1 + 1 = e-xi X0 = 0, x1 = e-0 = 1 ; x1 = 1 X2 = e-x1 = e-1 = 0.367879 X3 = e-x2 = e-0.367879 = 0.692200 X4 = e-x3 = e-0.692200 = 0.500473 X5 = e-x4 = e-0.500473 = 0.606243 X6 = e-x5 = e-0.606243 = 0.545396 X7 = e-x6 = e-0.545396 = 0.579612

I 0 1 2 3 4 * 12 2.3.2 Mtodo de Newton - Raphson

xi 1 0.367879 0.692200 0.500473 0.606243 0.579612 0.566400

Ea (%) 171.83 46.9 38.3 17.4 * * 0.355

Este mtodo se puede obtener mediante el siguiente grfico:

Si el valor inicial de la raz es xi , podemos trazar una tangente desde el punto { xi, f(xi) }. El punto donde est tangente cruza el eje x, representa una aproximacin de la raz. De la figura la primera derivada es x , es equivalente a la pendiente. f(x) = f(xi) - 0 xi - xi + 1 Reordenando: Xi +1 = xi - f(xi) Frmula de Newton-Raphson ( 2.9 ) f( xi ) Esta ecuacin tambin puede obtenerse mediante la serie de Taylor. f(x1 +1) + f(xi) +f(xi)h +f (xi)h2+ f'(xi)h3 + .....fn(xi)hn 2! 3! n! Truncando la serie de Taylor hasta la primera derivada: f(x1 +1) = f(xi) +f(xi) (x1 +1 - xi) en el que se intersecta con el eje x, f(x1 +1) = 0 0 = f(xi) +f(xi) (x1 +1 - xi) Xi +1 = xi - f(xi) que es la ec. ( 2.9 ) f( xi ) Ejemplo 2.4 Encuentre la raz de tgx-x = 0, en , Solucin: 3.1416 < x< 4.71 < x< 1.5 = 0.01%

f(x) = tan x - 0.1 = 0 f(x) = sec2 - 0.1 f(x) = 1 - 0.1 cos2 x x0 = 3.5 x1 = X0 - f(x0) f( x0 ) Sustituyendo: 3.5 - tan 3.5 - 0.1 (3.5) 1 - 0.1 cos2 3.5 x1 = 3.476422 = 3.468356 Ea = 3.476422 - 3.5 x 100 % = 0.678226 3.476422 x2 = x1 - f(x1) f( x1 ) Sustituyendo: 3.476422 - tan 3.476422 - 0.1 (3.476422) 1 - 0.1 cos2 3.476422 x2 = 3.476140 Ea = 3.476140 - 3.476422 x 100 % = 0.008% 3.476140 Ea < 0.008 % < 0.01 % x = 3.476140 La siguiente frmula atribuida a Francis se aplica a un vertedor con concentraciones: Q = 3.33 ( B -0.2 +1) (H3)1/2 Donde: Q = cantidad de agua que pasa por el vertedor (pie3/s) B = ancho del vertedor en pies H = carga sobre la cresta del vertedor Si B = 3 y Q = 12 , calcule los valores con el mtodo de Newton- Raphson.

Se requiere utilizar como valor inicial H0 =B/2 Solucin : f(x) = Q - 3.33(B-0.2+1)(H3)1/2 = 0 f(x) =Q -10H3/2 + 0.666H5/2 = Q-3.33BH3/2+ 0.666H5/2 = -3.33(3/2)H1/2+ 0.666(5/2)H3/2 = -5BH1/2 + 1.66H3/2 = -15H1/2 + 1.665 H3/2 H0 = x0 = 3/2 = 1.5 x1 = X0 - f(x) f( x) H1 = H0 - f(H) f(H) f(H) = 12-10(1.5)3/2 + 0.666 (1.5)5/2 = -4.5359 f(H) = -15(1.5)1/2 + 1.665 (1.5)3/2 = -15.3125 H1 = 1.5 - 4.5359 = 1.2037 15.3125 f(H) = 12-10(1.2037)3/2 + 0.6666 (1.2037)5/2 f(H) = -15(1.2037)1/2 + 1.665(1.2037)3/2 H2 = 1.2037 - -10.14784 -14.2581 H2 = 1.1933 H3 = 1.1933 2.3.3 Mtodo de la Secante Consiste en aproximar la derivada f(x1) , mediante una diferencia dividida finita regresiva, como se muestra en la siguiente figura:

f(x1) = f(x1) - f(x1 -1) xi - x1 -1 Sustituyendo esta aproximacin en la ecuacin (2.9), obtenemos la siguiente ecuacin iterativa: x1 +1 = xi - f(x1) - (x1 -1) ( 2.10 ) f(x1) - f(x1 -1) Se requiere de dos valores iniciales, xo , x1 X2 = x1 - f(x1) - (x1 - xo) f(x1)-f( xo) X3 = x2 - f(x2) - (x2 - x1) f(x2)-f( x1) hasta que se cumpla la tolerancia Ea < 2.6 Un proyectil de m = 2 grs, ha sido lanzado verticalmente al aire y est descendiendo, a su velocidad terminal, que se determina mediante mg = fD. El modelo matemtico que relaciona todas las variables y constantes es : mg = 1.4 x 10-5 v1.5 + 1.15 x 10-5 v2 1000 donde: v = velocidad terminal en m/s. El primer trmino del lado derecho. Representa la fuerza de friccin y el segundo trmino representa la fuerza de presin. Determinar la velocidad terminal, por el mtodo de la secante, con valores iniciales de Vo = 30, V1 = 30.1 y = 0.1%. Solucin: f(x) = f(x) = 2(9.81) = 1.4 x 10-5 v1.5 - 1.15 x 10-5 v2 = 0 1000

f(v) = 0.1962-1.4 x 10-5 v1.5 - 1.15 x 10-5 v2 = 0 1era iteracin: Vo = 30, V1 = 30.1 V2 = V1 - f(V1)( V1 - Vo ) f(V1)- f(V0) f(V0) = 0.1962-1.4 x 10-5 (30)1.5 - 1.15 x 10-5 (30)2 = 6.9695 x10-3 f(V1) = 0.1962-1.4 x 10-5 (30.1)1.5 - 1.15 x 10-5 (30.1)2 = 6.8889 x10-3 V2 = 30.1 - 6.8889 x10-3 (30.1-30) = 38.6470 6.8889 x10-3 - 6.9695 x10-3 Ea = 38.6470 - 30.1 x 100 = 22.1% 38.6470 2da iteracin V1 = 30.1, V2 = 38.6470 f(V1)= 6.8889x10-3 f(V2)= -9.1702410-4 V3 = 37.64045 Ea = 2.67% 3era iteracin V2 = 38.6470 , V3 = 37.64045 f(V2)= -9.17024 x10-4 f(V3)= 9.372617 x10-5 V4 = 37.73353 Ea = 0.24% 4ta iteracin V3 = 37.64045, V4 = 37.73353 f(V3)= 9.372617 x10-5 f(V4) = 1.04766 x 10-6 V5 =37.7346 = V Ea = 0.00278 %, < Ejemplo 2.7 Para el diseo de tuberas, en el transporte de flujo de fluidos, uno de los parmetros importantes a considerar, es el factor de friccin de Fanning, cantidad a dimensional que

depende de otro parmetro a dimensional , el nmero de Reynolds, Re. Una de las ecuaciones para determinar el factor de friccin es la de Von Karman: 1 = 4 log10 (Re "f ) -0.4 "f Los valores tpicos del nmero de Reynolds va de 10,000 hasta 500,000: 10,000 < Re > 500,000 para flujo turbulento y valores tpicos para el factor de friccin de Fanning; 0.01< f >0.01. Determine f por el mtodo de la secante. Fo = 0.0049 , f1 = 0.0050, Re = r Solucin: 1 = 4 log10 (105 x "f ) +0.4 "f Re = 100,000 1er iteracin f(f0) = 1 - 4 log10 (105 x"0.0049 ) +0.4 "0.0049 f(f0) = -0.6946 f(f1) = 1 - 4 log10 (105 x"0.0050 ) +0.4 "0.0050 f(f1) = -0.8558 f2 = f1 - f(f1)( f1 - f0 ) f(f1)- (f0) f2 = 0.0050 - (-0.8558)(0.0050-0.0049) (-0.8558)+( 0.6946 ) f2 = 0.004469 Ea = 0.004469 - 0.0050 x 100 = 11.88% 0.004469 2da iteracin f(f2) = 1 - 4 log10 (105 x" 4.469x10-3) +0.4 "4.469x10-3 f(f2) = 0.05831 f(f3) = 1 - 4 log10 (105 x" 4.506x10-3) +0.4 "0.004506 f(f3) = -0.0103 = 0.1%

3er iteracin f3 = f2 - f(f2) (f2 - f1) f(f2) - f(f1) f3 = 4.469x10-3 - (0.05831)( 4.469x10-3 - 0.0050) 0.0583 + 0.0050 f3 = 0.0049581 Ea = 0.004502 - 0.004469 x 100 = 0.73% 0.004502 III. Solucin de sistemas de Ecuaciones lineales y no lienales 3.1 Mtodos de soluciones de Ecuaciones lineales 3.1.1 Mtodo grfico Las ecuaciones generales a11 x1 + a12 x2 = b1 a12 x1 + a22 x2 = b2 Pueden resolverse para x2, a11 b1 De ec. (1), x2 = - x1 + a12 a12 a12 b2 De ec. (2), x2 = - x1 + a22 a22 de donde x2 = ( pendiente ) x1 + interseccin. Es decir, las ecuaciones tienen la forma de lneas rectas que se puedan graficar y su interseccin representa la solucin. Ejemplos: Ej. 3.1 Use el mtodo grfico para resolver las siguientes ecuaciones: 3x1 + 2x2 = 18 (A) - x1 + 2x2 = 2 ( B) Solucin: Despejar : De ec. (A) : x2 = -3 x1 + 9 2 De ec. (B) : x2 = 1 x1 + 1

3.1.2 Mtodo de Krammer Un sistema de ecuaciones algebraicas lineales se representan como: a11 x1 + a12 x2 + **** a1n xn = b1 a12 x2 + a21 x2 + **** a2n xn = b2 * * am1 x1 + am2 x2 + **** ann xn = bn Donde: a = coeficientes b = constantes cuya matriz de coeficientes, para un sistema de 3 ecuaciones, es: a11 a12 a13 A = a21 a22 a23 a31 a32 a33 Y de donde el determinante D, de tercer es : a11 a12 a13 D = a21 a22 a23 a31 a32 a33 que se resuelve como: a22 a23 a21 a23 a21 a22 D = a11 - a12 + a13 a3 a33 a31 a33 a31 a32 donde los determinantes de 2 x 2 se les llama menores.

La regla de Krammer, se expresa como una fraccin de dos determinantes con denominador D y con el numerador obtenido a partir de D al reemplazar la columna de coeficientes de la incgnita x1 por las constantes b1 ***** b2 ****** bn b1 a12 a13 X1 = b2 a22 a23 b2 a32 a33 D a11 a12 a13 X2 = a21 a22 a23 a31 a32 a33 D a11 a12 a13 X3 = a21 a22 a23 a31 a22 a33 D Ejemplo 3.2 Use la regla de Krammer para resolver: 0.3 X1+ 0.52 X2+ X3 = -0.01 0.5 X1+ X2+ 1.9X3 = 0.67 0.1 X1+ 0.3 X2+ 0.5X3 = -0.01 0.3 X1+ 0.52 X2+ X3 0.03 0.52 A = 0.5 X1+ X2+ 1.9X3 0.5 1 0.1 X1+ 0.3 X2+ 0.5X3 0.1 0.3 (0.15)+(0.0988)+(0.15)-(0.1)-(0171)-(0.13) = -0.0022 det A = -0.0022 -0.01 X1+0.52 X2+1 X3 -0.01 0.52 B = 0.67 X1+ 1 X2+ 1.9X3 0.67 1 -0.44 X1+0.3 X2+0.5X3 -0.44 0.3 -(0.005)-(0.43472)+(0.201)+(0.44)+(0.0057)-(0.1742)= det B = 0.03278 det B = 0.03278 = -14.9 det A = -0.0022 0.03X1 -0.01 X2+1 X3 0.3 -0.01 C = 0.5 X1 + 0.67 X2+1.9X3 0.50 0.67

0.1 X1 -0.44 X2+0.5X3 0.1 -0.44 (0.1005)-(0.0019)-(0.22)-(0.67)+(0.2508)+(0.0025)= det C = 0.0649 det C = 0.0649 = -29.5 det A = -0.0022 0.3 X1+ 0.52 X2 -0.01X3 0.03 0.52 D = 0.5 X1+ X2+0.67X3 0.5 1 0.1 X1+ 0.3 X2 - 0.44X3 0.1 0.3 -(0.132)+(0.03484)-(0.0015)+(0.001)-(0.0603)+(0.1144) = -0.04356 det D = -0.04356 det D = -0.04356 = 19.8 det A = -0.0022 x1 = -14.9, x2 = -29.5 , x3 = 19.8 3.3 Eliminacin Gaussiana y sustitucin hacia atrs Para un sistema de ecuaciones algebraicas lineales a11 x1 + a12 x2 + **** a1n xn = b1 E1 a12 x2 + a21 x2 + **** a2n xn = b2 E2 * * am1 x1 + am2 x2 + **** ann xn = bn En La matriz aumentada A es : a11 a12 ***** a1n b1 A = a21 a22 ***** a2n b2 a31 a32 ***** a3n bn Para resolver este sistema lineal, se permiten tres operaciones en las ecuaciones. 1) La ecuacin -Ei puede multiplicarse por cualquier constante diferente de cero y se puede usar la ecuacin resultante en lugar de Ei: ( Ei) Ei

2) La ecuacin Ej, puede multiplicarse por cualquier constante , sumarla a la ecuacin Ei, y usar la ecacin resultante en lugar de Ei: (Ei + 3.- Las ecuaciones Ei y Ej se pueden intercambiar Ej) (Ei)

(Ei ) (Ei) Ejemplo 3.3 Reducir el sistema de ecuaciones: X1 +X2 +X3 +3X4 = 4 2 X1 +X2 -X3 +X4 = 1 3X1 -X2 -X3 +2X4 = -3 -X1 +2X2 +3X3 -X4 = 4 1 0 0 E1 0 1 0 E2 0 0 1 E3 0 0 0 E4 Para resolver las incgnitas: X1 ,X2,X3,X4 :

De esta manera el sistema se transforma en un sistema triangular o reducido, por lo tanto, por sustitucin hacia atrs:

El procedimiento involucrado en este proceso se llama eliminacin Gaussiana, con sustitucin hacia atrs : El procedimiento se realiza en dos pasos:

1.- Reducir el conjunto de ecuaciones a un sistema triangular superior por eliminacin hacia delante: Matrices especiales:

Ejemplo 3.4. Use la eliminacin de Gauss para resolver:

Efectuando los clculos con 6 cifras significativas Solucin: La matriz aumentada es:

Ej. 3.5, use la eliminacin de Gauss para resolver :

3.1.4 Mtodo de Gauss- Jordan El mtodo consiste en eliminar elementos arriba y debajo del elemento pivote, para generar una matriz diagonal o unitaria en lugar de una triangular. Ej. Use la tcnica de Gauss- Jordan para resolver

Resolver por Gauss- Jordan:

Usando 4 cifras significativas:

3.1.5 Matriz Inversa El producto de una matriz cuadrada , [A] y su inversa [A]-1 da como resultado la matriz identidad [I]: [A] [A]-1 = [A]-1[A] = [I] La matriz inversa se puede calcular en forma numrica para resolver n sistemas lineales, de donde la inversa es la solucin del sistema lineal. Ej. 3.8. resolver los tres sistemas lineales:

Por el clculo de la inversa: Solucin:

La matriz de coeficientes es:

La matriz aumentada es :

Por eliminacin Gaussina:

La matriz inversa [A]-1

La solucin de los tres sistemas son:

 Mtodos iterativos
Matrices bandeadas Un gran nmero de sus componentes son cero:

El sistema de ecuaciones representados matricialmente para encontrar su solucin es Ax = b ( 3.5 ) Reordenando se tiene Ax - b = 0 Una ecuacin vectorial de f(x) = 0 (3.6) Aplicando el mtodo iterativo de punto fijo , la ec.(3.6) puede arreglarse de tal forma que: X = g(x) X = Bx + C B = matriz (3.7) C = vector de las constantes Se requiere de un vector inicial x(0) como primera aproximacin al vector solucin x

Dado el sistema:

Con a11, a22, a22, diferentes de cero Se despeja X1 de la Ec. 1 Se despeja X2 de la Ec. 2 Se despeja X3 de la Ec. 3

Que en notacin matricial queda:

Para iterar existen dos mtodos

Jacobi

El vector aproximacin a la solucin x despus de k iteraciones, entonces se tiene la siguiente aproximacin:

Resuelva el siguiente sistema por el mtodo de Jacobi:

Se despeja X1 de la Ec. 1 Se despeja X2 de la Ec. 2 Se despeja X3 de la Ec. 3 Se despeja X4 de la Ec. 4

Valores iniciales , k = 0

X(0) = [ 0,0,0,0,], Calcular xk+1 = x1

Calcular x2

Calcular x3

Los resultados de las iteraciones son: K 0 1 2 3 4 5 6 7 8 9 10 Ejemplo 3.10 Resolver el siguiente sistema: X1k 0 0.2500 0.3125 0.3438 0.3555 0.3604 0.3623 0.3631 0.3634 0.3635 0.3636 X2k 0 0.2500 0.3750 0.4219 0.4414 0.4492 0.4524 0.4537 0.4542 0.4544 0.4545 X3k 0 0.2500 0.3750 0.4219 0.4414 0.4492 0.4524 0.4537 0.4542 0.4544 0.4545 X3k 0 0.2500 0.3125 0.3438 0.3555 0.3604 0.3623 0.3631 0.3634 0.3635 0.3636

Despejando:

Con E = 0.001 %

Si x(0) [0,0.0]T

K 0 1 2 3 4 5 6 7 8

X1k 0 -0.5000 -0.4900 -0.4550 -0.4404 -0.4439 -0.4463 -0.4464 -0.4461

X2k 0 0.1000 0.2600 0.2970 0.2795 0.2712 0.2716 0.2729 0.2732

X3k 0 0.2000 0.3300 0.2950 0.2771 0.2762 0.2789 0.2796 0.2793

Gauss-Seidel
Es similar al mtodo de Jacobi, los valores que se van calculando en la ( k + 1 ) - sima iteracin se emplean para calcular los valores faltantes de esa misma iteracin, es decir, con x(k), se calcula x(k + 1) .

y para un sistema de n ecuaciones:

Ej. 3.11. Resuelva el sistema del ejemplo 3.9, por el mtodo de Gauss-Seidel:

Con x(0) = [0,0,0,0]

K 0 1 2 3

X1k 0.0000 0.2500 0.3281 0.3535

X2k 0.0000 0.3125 0.4141 0.4475

X3k 0.0000 0.3281 0.4365 0.4517

X4k 0.0000 0.3320 0.3591 0.3629

4 5 6

0.3629 0.3633 0.3636

0.4534 0.4544 0.4545

0.4541 0.4545 0.4545

0.3635 0.3636 0.3636

Ej. 3.12 Use el sistema del ejemplo 3.6 por el mtodo de Gauss- Seidel:

Solucin: Despejando:

Si con x(0) = [0,0,0]

Y as debemos seguir iterando hasta cumplir con el error estipulado. Criterios de convergencia:

Ejemplo 3.14 aplicacin en Ing. Elctrica: Un problema comn dentro de la Ing. Elctrica, involucra la determinacin de corrientes y voltajes en varios puntos en circuitos de resistores. Estos problemas se resuelven usando las leyes para corrientes de voltajes de Kirchoff. Considere el circuito mostrado en la figura siguiente:

Las corrientes asociadas con este circuito son desconocidas tanto en magnitudes como en direccin. Suponiendo las direcciones de las corrientes:

Determine las corrientes del circuito: Solucin: La regla de la corriente de kirchoff aplicada a cada nodo es i=0

La regla del voltaje en cada una de las mallas es : viR = 0

Sustituyendo los valores de las R:

Por lo tanto el problema se reduce a la solucin del siguiente conjunto de 6 ecuaciones con 6 incgnitas:

Por eliminacin Gaussiana:

Mtodos de soluciones para Senl

Antes de intentar resolver un Senl deben tomarse las siguientes sugerencias: Reducir analticamente el nmero de ecuaciones incgnitas. Dividir las ecuaciones en subsistemas menores. Estimar los valores iniciales en base a: Consideraciones fsicas. Consideraciones geomtricas. 3.2.1 Mtodo de punto fijo multivariable f(x) = 0 x = g(x) x(0) = 0 1.2.3.Para un sistema de dos ecuaciones con dos incgnitas:

f1 = (x,y) (3.16) f2 = (x,y) resolviendo para las variables x, y x = g1 = (x,y) (3.17) y = g2 = (x,y) Aplicando el mtodo de punto fijo y los mtodos de Jacobi y Gauss-Seidel, se obtendr la estimacin ( k + 1 )-sima a partir de la estimacin k-sima: Xk+1 = g1 = (xk,yk) ( 3.18) yk+1 = g2 = (xk,yk) Se comienza con valores iniciales x0, y0, se calculan los nuevos valores de x1, y1 y se repite el proceso hasta encontrar la raz aproximada: X = g1 = (x ,y) Y = g2 = (x ,y) Ejemplo 3.15. Encuentre una solucin del sistema de ecuaciones no lineales: f1 = (x,y) = x2 -10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x -10y + 8 = 0 E2 mediante el mtodo del punto fijo multivariable usando desplazamientos simultneos ( Jacobi), con valores iniciales x0 = 0, y0 = 0. Solucin : Despejar x del trmino ( -10x) de E1 Despejar y del trmino ( -10y) de E2 X= 0.1x2 +0.1y2 + 0.8 Y= 0.1xy2 +0.1x + 0.8 Expresndolos iterativamente: Xk+1 = 0.1x(xk)2+0.1(yk)2+0.8 Yk+1 = 0.1xk(yk)2 +0.1 xk +0.8 Con valores inciales x0 = 0, y0 = 0, se inicia el proceso iterativo: 1er iteracin 2da iteracin 3er iteracin x1= 0.8 x2 = 0.92800 x3= 0.9728 y1= 0.8 y2 = 0.9312 y3= 0.9733 Los resultados obtenidos del proceso iterativo son: K 0 Xk 0.0000 yk 0.0000

1 2 3 4 5 * 12 13 Criterios de convergencia:

0.8000 0.9280 0.9837 * 0.9957 * 0.9999 1.0000

0.8000 0.9312 0.9894 * 0.9957 * 0.9999 1.0000

Para aumentar la velocidad de convergencia puede usarse el proceso iterativo GaussSeidel: Xk+1 = g1 = (xk,yk) yk+1 = g2 = (xk+1,yk) (3.19) Ejemplo 3.16, resuelva el sistema del ejemplo anterior utilizando el mtodo del punto fijo multivariable con desplazamientos sucesivos ( Gauss-seidel). f1 = (x,y) = x2 -10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x -10y + 8 = 0 E2 Solucin: Xk+1 = 0.1(xk)2+0.1(yk)2+0.8 Yk+1 = 0.1xk+1(yk)2 +0.1 xk+1 +0.8 Aplicando los criterios de convergencia se requiere derivar parcialmente:

Evaluando para x0 = 0, y0 = 0

1er iteracin: x1= 0.8 y1= 0.1(0.8)+0.8=0.88 2da iteracin: x2 = 0.1(0.8)2 +0.1(0.88)2 + 0.8 = 0.9414 y2 = 0.1(0.9414)(0.88)2+0.1(0.9414)+0.8 = 0.9670 3er iteracin: x3= 0.1(0.9414)2 +0.1(0.9670)2 + 0.8 =0.9821 y3= 0.1(0.9821)(0.9670)2+0.1(0.9821)+0.8 =0.9900 Los resultados del proceso iterativo son: K 0 1 2 3 4 * 11 Xk 0.0000 0.8000 0.9414 0.9821 0.9944 * 1.0000 yk 0.0000 0.8800 0.9670 0.9900 0.9969 * 1.0000

3.2.2 Mtodo Newton-Rapson multivariable Supngase que se est resolviendo el sistema: f1 = (x,y)= 0

f2 = (x,y) =0 donde ambas funciones son contnuas y diferenciables, de modo que puedan expanderse en serie de Taylor alrededor del punto (a,b):

Expandiendo fi alrededor de :

de manera similar puede expresarse f2 donde todas las derivadas parciales estn evaluadas en (xk,yk). Considerando que la diferencia entre la aproximacin actual y anterior es cero, obtenemos:

Si definimos que Xk+1 - xk = h (3.22) Yk+1 -yk = j Reordenando Xk+1 = xk+h Yk+1 = yx+j (3.23) Sustituyendo la ec.( 3.22) en la ec.(3.21)

Esto representa un sistema de ec. lineales con incgnitas h y j. El sistema lineal tiene solucin si el determinante de la matriz de coeficientes o matriz Jacobiana J es diferente de cero.

Ej. 3.17 Use el mtodo de Newton-Raphson para encontrar una solucin aproximada al sistema: f1 = (x,y) = x2 -10x + y2 + 8 = 0 E1 f2 = (x,y) = xy2 + x -10y + 8 = 0 E2 con el vector inicial [x0 , y0], [0,0]r Solucin: Primero se forma la matriz de derivadas parciales:

La matriz aumentada es :

1er iteracin: Evaluamos la matriz en x0,y0 Y nos queda: -10 0 -8 1 -10 -8

de donde h = 0.8 y j = 0.88 Xk+1 = x0 + h = 0 + 0.8 = 0.8 = x1 Yk+1 = y0 + j = 0 + 0.88 = 0.88 = y1 2da iteracin 2(0.8) -10 2(0.88)

(0-88)2 +1 2(0.8)(0.88)-10 con los valores x1, y1 -8.4 1.76 -1.4144 1.7744 -8.592 -0.6195 por eliminacin Gaussiana:

de donde h= 0.19179 , j= 0.11171 Sustituyendo en ec. (3.23) x2 = x1 + h = 0.8 + 0.19179 = 0.99179 x2 y2 = y1 + j = 0.88 + 0.11171 = 0.99171 y2 K 0 1 2 3 4 IV.- Ajuste de funciones 4.1 Fundamentos de estadstica La media aritmtica (y) de una muestra, se define como la suma de los datos individuales (yi) dividida entre el nmero de puntos ( n ). Xk 0.0000 0.8000 0.9917 0.9998 1.0000 yk 0.0000 0.8800 0.9917 0.9999 1.0000

La desviacin estndar ( s ) es una medida del espaciamiento de los datos individuales, respecto, a la media:

St = = ( yi - y )2 = es la suma total de los cuadrados de los residuos entre los datos y la media. La varianza (S2 ) es la desviacin estndar al cuadrado:

S2 = ( yi - y )2 = St (4.3) n-1 n-1 otra manera de calcular la desviacin estndar es: S2 = yi - (yi)2 / n (4.4) n -1 coeficiente de variacin (c.v.) es la razn de la desviacin estndar a la media: c.v. = S/y (100)% que es similar al ERP, es decir, es la razn del error de medicin (s) , a un estimado del valor real ( y ). Ejemplo 4.1. Calcule la media, la desviacin estndar y la varianza para los datos siguientes que representan las mediciones del coeficiente de expansin trmica para acero estructural: ( x106 pulg/pulg F ) 6.495 6.665 6.775 6.565 y = 6.6008 S2 = 0.009316 S = 0.096519 Una manera de representar la distribucin de datos alrededor de la media es mediante un histograma, ya que ste proporciona una representacin visual simple de la distribucin. Para los datos del ejemplo tenemos: lmite inferior 6.36 6.4 6.595 6.505 6.625 6.515 6.615 6.435 6.715 6.555 6.635 6.625 6.575 6.395 6.485 6.715 6.655 6.775 6.555 6.655 6.605 6.685

i 1 2 3 4 5

yi 6.395 6.435 6.485 6.495 6.505

(yi-y) 0.042025 0.027225 0.013225 0.010025 0.009025

frecuencia 1 1

lmite superior 6.4 6.44

6.48

6.52

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

6.515 6.555 6.555 6.565 6.757 6.595 6.605 6.615 6.625 6.625 6.635 6.655 6.655 6.655 6.685 6.715 6.715 6.755 6.775

0.007225 0.002025 0.002025 0.001225 0.000025 0.000225 0.000625 0.000625 0.001225 0.003025 0.003025 0.003025 0.007225 0.003025 0.013225 0.013225 0.013225 0.024025 0.003625 1 1 Mtodo de Jacobi 6.72 6.76 6.76 6.8 3 6.68 6.72 3 6.64 6.68 5 6.6 6.69 3 6.56 6.6 2 6.52 6.56

http://html.rincondelvago.com/metodos-numericos_4.html