Diferenciación e integración numéricas Derivadas e integrales Concepto de derivada y f x i x− f x i Cocien
Views 48 Downloads 0 File size 2MB
Diferenciación e integración numéricas
Derivadas e integrales Concepto de derivada y f x i x− f x i Cociente incremental = x x f x i x− f x i dy Derivada = lim d x x0 x
Derivadas e integrales Concepto de integral definida b
I =∫ f ( x) dx a
b
n
∫ f x dx= lim ∑ f x i x a
x 0 i=1 n∞
Suma de Riemann
Suma de Riemann
Derivadas e integrales Relación entre derivadas e integrales: posición versus velocidad d v t = y t dt t
y t =∫ v t dt 0
Tipos de funciones Tipo de función a integrar o diferenciar: Función continua simple
métodos analíticos
(polinomio, exp., trigon., etc.) Función continua complicada
métodos numéricos
Función tabulada
métodos numéricos
Métodos sin computadora
Métodos sin computadora
Métodos sin computadora
Aplicaciones
Diferencias ●
●
Métodos analíticos: cambian según el tipo de función --> tablas de derivadas e integrales Métodos numéricos: se aplican de igual forma a todas las funciones
Orientación
Integración numérica Problema de integración numérica: se quiere aproximar la integral definida de una función f(x) en un intervalo [a,b] evaluando f(x) en un número finito de puntos.
b
I =∫ f ( x) dx a
Fórmulas de integración de Newton-Cotes Se basan en reemplazar el integrando por un polinomio: b
b
I =∫ f x dx≈∫ P n x dx a
a
2
P n ( x)=a 0 + a1 x+ a 2 x +...+a n−1 x 1º Grado
h
Trapecio
n−1
+ an x
2º Grado
h
h
Simpson 1/3
n
3º Grado
h
h
h
Simpson 3/8
Fórmulas de integración de Newton-Cotes Aplicación múltiple (fórmula compuesta)
h
Segmentos de igual longitud h
Forma cerrada
Forma abierta
Fórmulas de integración de Newton-Cotes Se eligen n+1 puntos {x0,...,xn} en el intervalo [a,b], y se aproxima f(x) con un polinomio de Lagrange de grado n : n
f ( x)≈ P n ( x )=∑ f ( x i ) L i ( x ) i=0
b
b
n
∫ f ( x ) dx ≈ ∫ ∑ f ( x ) L ( x ) dx = a
a
i=0
i
i
n
∑ ai f ( x i ) i=0 ⏟ Fórmula de integración
b
donde
ai =∫ L i ( x) dx a
para
i=0,1,⋯, n
Regla del Trapecio P(x): polinomio de primer grado
n=1 f ( x)≈ P 1 ( x) P 1 ( x )= b
x−x 1 x 0− x 1 x1
∫ f ( x) dx≈∫ a
x0
[
[
f ( x 0 )+
x− x 1 x 0− x 1
x− x 0 x 1− x 0
f ( x 0 )+ 2
x−x 0 x 1− x 0
f ( x1)
]
f ( x 1) dx 2
]
x1
1 ( x− x 1 ) 1 ( x−x 0 ) = f ( x 0 )+ f ( x 1) 2 x0− x1 2 x1 −x 0 x
0
Regla del Trapecio b
∫ f ( x ) dx≈
x 1− x 0 2
a
b
∫ f ( x ) dx≈
x 1− x 0 2
a
f ( x 1 )−
f ( x 1 )+
x 0 −x 1 2
x 1− x 0 2
f ( x0 )
f ( x 0)
b
f ( x 0 )+ f ( x 1)
x −x ) ∫ f ( x ) dx≈(⏟ 2 1
a
0
Regla del trapecio I T
Regla del Trapecio b
∫ f ( x) dx a
≈ ancho × altura promedio
Ejemplo 21.1 pág. 634 Integrar, desde a = 0 a b = 0.8, 2
3
4
f x=0.225 x−200 x 675 x −900 x 400 x
La solución exacta es
3076 I= ≈1.640533333333333 1875
5
Error de la regla del trapecio* Partiendo de la serie de Taylor: I
II
f ( x )= f ( x 0 )+ f ( x 0 )( x− x 0 )+ f (ξ1 )
( x− x 0 )2 2!
Sustituyendo a z = x – x0 , dz = dx, e integrando x 1 =b
∫
x 0 =a
x1 − x 0
f ( x ) dx=
∫ 0
x 1 −x 0
f (z + x 0 ) dz= f ( x 0 )
∫ 0
x 1 −x 0 I
dz + f ( x 0 )
∫
2
I
= f ( x 0 )( x 1 −x 0 )+ f ( x 0 )
( x 1 −x 0 ) 2
0
x 1 −x 0 II
z dz + f (ξ1 )
∫ 0
z2 dz 2
3
II
+ f ( ξ1 )
( x 1−x 0 ) 6
reemplazamos la primera derivada por una diferencia finita dividida hacia adelante: I
f ( x 0 )=
f ( x 1 )− f ( x 0 ) ( x 1−x 0 )
II
− f ( ξ2 )
( x 1 −x 0 ) 2
Error de la regla del trapecio 2
b
∫ f ( x)dx= f ( x 0 )( x 1− x 0 )+ a
(x 1− x 0 ) 2
[
f (x 1 )− f (x 0 ) ( x 1− x 0 )
II
− f ( ξ2 )
( x 1− x 0 ) 2
]
3
II
+ f ( ξ1 )
( x 1− x 0 ) 6
3
3
f ( x 1)− f ( x 0 ) ( x 1− x 0 ) ( x 1− x 0 ) II II = f ( x 0 )( x 1− x 0 )+ ( x 1− x 0 )− f ( ξ 2 ) + f ( ξ 1) 2 4 6
Se puede demostrar que ξ 1= ξ2 , llegándose finalmente a: b
∫ a
f ( x 0 )+ f ( x 1)
1 II 3 f ( x ) dx =( x 1−x 0 ) − f ( ξ )( x 1− x 0 ) 2 12 ⏟ ⏟ Regla del Trapecio
Error de truncamiento verdadero E t
Error de la regla del trapecio 1 II 3 E t =− f (ξ) h 12
Error de truncamiento verdadero
1 ¯II E a =− f ( x )h3 12
Error de truncamiento aproximado
Resultado exacto para polinomios P n ( x ) de grado n≤1.
Ejemplo 21.1 pág. 634 0.2+0.232 f (0)=0.2 ; f (0.8)=0.232 ⇒ I Trap =0.8 =0.1728 2
E t =1.640533−0.1728=1.467733 ⇒ t =89.5 %
Estimación del error f II (x )=8000 x 3−10800 x 2 + 4050 x−400 0.8
f¯II (x )=
3 2 8000 x −10800 x +4050 x−400 dx ∫ 0
0.8−0
1 E a=− −600.83 =2.56 12
=−60
Ejemplo 21.1 pág. 634
La regla del trapecio de aplicación múltiple (regla compuesta)
La regla del trapecio de aplicación múltiple (regla compuesta) Se divide el intervalo [a,b] en n segmentos de igual longitud h=(ba)/n:
b−a h= n
La regla del trapecio de aplicación múltiple (regla compuesta) x1
b
x2
xn
∫ f ( x) dx=∫ f ( x) dx +∫ f ( x) dx +...+ ∫ a
x0
b
∫ f ( x ) dx ≈ I =h
x1
f ( x 0 )+ f ( x 1 )
T
2
a
[
+h
f ( x) dx
x n−1
f ( x 1 )+ f ( x 2 )
n−1
2
f ( x n−1 )+ f ( x n )
+...+h
h I T = f ( x 0 )+2 ∑ f ( x i )+ f ( x n ) 2 i=1
2
]
La regla del trapecio de aplicación múltiple (regla compuesta) 3
(b−a) E t =− 12 n3
n
∑ i=1
Error de truncamiento verdadero
f II ( ξi ) n
∑
considerando
i=1 f¯II =
f II ( ξi ) n
se tiene 3
(b−a) ¯II E a =− f 2 12 n 1 2 II =− h (b−a) f¯ 12
Error de truncamiento aproximado
Regla compuesta del trapecio: Pseudocódigo
iniciar a, b, n definir funcion f h = (ba)/n; x = a; s = 0 repetir para i desde 0 hasta n: si i==0 o i==n: s = s + f(x) en caso contrario: s = s + 2*f(x) x = x + h I = s*h/2
Ejemplo 21.2, pag. 628 Usar la regla del trapecio con 2 segmentos para calcular la integral entre a = 0 y b = 0.8 de 2
3
4
f x=0.225 x−200 x 675 x −900 x 400 x
5
Solución. Para n = 2, h = 0.4: f 0=0.2 ; f 0.4=2.456 ; f 0.8=0.232 0.2+2(2.456)+0.232 I T =0.8 =1.0688 4 E t =1.640533−1.0688=0.57173 ; t =34.9 %
E a=−
0.83 12 2
2
−60=0.64
Ejemplo 21.2, pag. 628 Código en Octave: trapecio.m ● Código en Python: trapecio.py ● Planilla de cálculo: trapecio.ods ●
Reglas de Simpson Regla 1/3 de Simpson: P(x) de segundo grado
b−a h= 2 Regla 3/8 de Simpson: P(x) de tercer grado
b−a h= 3
Regla 1/3 de Simpson P(x): polinomio de segundo grado
f ( x)≈ P 2 ( x)
n=2 P 2 ( x)= x2
I≈∫ x0
[
( x− x 1)( x−x 2 ) ( x 0 − x 1)( x 0− x 2 )
( x− x 1)( x− x 2 ) ( x 0− x 1)( x 0− x 2 )
f ( x 0 )+
f ( x 0 )+
( x− x 0 )( x− x 2 ) ( x 1− x 0 )( x 1− x 2 )
( x−x 0 )( x−x 2 ) ( x 1−x 0 )( x 1−x 2 )
f ( x 1 )+
f ( x 1)+
( x−x 0 )( x−x 1 ) ( x 2 −x 0 )( x 2 −x 1)
( x−x 0 )( x−x 1) ( x 2 −x 0 )( x 2 − x 1)
f ( x 2)
]
f ( x 2 ) dx
Integrando y sustituyendo a x 2 =x 1 +h , x 0 = x 1−h : IS
1/3
f ( x 0 )+ 4 f ( x 1 )+ f ( x 2 ) h = [ f ( x 0 )+4 f ( x 1 )+ f ( x 2 ) ] =(b−a) ⏟⏟ 3 6 ancho
altura promedio
Error de la regla 1/3 de Simpson Mediante un procedimiento similar al utilizado para la regla del trapecio se obtienen: Error de truncamiento verdadero 1 5 IV (b−a)5 IV E t =− h f ( ξ )=− f (ξ) 90 2880
Error de truncamiento aproximado 1 5 ¯IV (b−a)5 ¯IV E a =− h f ( ξ )=− f (ξ) 90 2880
Da resultados para polinomios cúbicos, aun cuando su fórmula se obtenga de una parábola!!!
Ejemplo 21.4, pág. 633 Integrar entre a = 0 y b = 0.8 f x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
Solución. f 0=0.2 ; f 0.4=2.456 ; f 0.8=0.232 0.2+4(2.456)+0.232 I S =0.8 =1.367467 6 E t =1.640533−1.367467=0.2730667 ; t =16.6 % 1/3
f IV x =48000 x−21600 0.8
IV f =
∫ 48000x−21600 dx 0
0.8−0
0.85 E a=− −2400=0.2730667 2880 =−2400
La regla de Simpson 1/3 de aplicación múltiple Se divide el intervalo [a,b] en n segmentos de igual longitud:
b−a h= n n : número par b
x2
x4
xn
∫ f ( x) dx=∫ f ( x)dx +∫ f ( x)dx +...+ ∫ a
b
h
x0
x2
h
f ( x) dx
x n− 2
h
∫ f ( x ) dx≈ 3 [ f ( x 0 )+4 f ( x1)+ f ( x 2 )] + 3 [ f ( x 2 )+ 4 f ( x 3)+ f ( x 4) ] +... + 3 [ f ( x n−2 )+4 f ( x n−1)+ f ( x n )] a
La regla de Simpson 1/3 de aplicación múltiple IS
1/ 3
h = [ f (x 0 )+ 4 f (x 1 )+2 f ( x 2 )+...+2 f (x n−2 )+4 f ( x n−1)+ f (x n ) ] 3 IS
1/ 3
[
n−1
n−2
h = f ( x 0 )+ 4 ∑ f ( x i )+2 ∑ f ( x i )+ f ( x n ) 3 i =1,3,5,.. i=2,4,6,. . n−1
f ( x 0 )+ 4 I S =(b−a) ⏟ 1/ 3
ancho
∑
i=1,3,5,..
]
n−2
f ( x i )+2
∑
i =2,4,6,. .
f ( x i )+ f ( x n )
3n ⏟ altura promedio
Error de la regla de Simpson 1/3 de aplicación múltiple n
1 5 IV E t =− h ∑ f ( ξi ) 90 i=2,4,6. ..
Error de truncamiento verdadero
n
∑
considerando
i =1 f¯IV =
f IV ( ξ i ) n /2
se tiene 5
(b−a) ¯IV E a =− f 4 180 n 1 4 IV =− h (b−a) f¯ 180
Error de truncamiento aproximado
Regla compuesta de Simpson 1/3: Pseudocódigo iniciar a, b, n
definir funcion f h = (ba)/n; x = a; s = 0 repetir para i desde 0 hasta n: si i==0 o i==n: s = s + f(x) en caso contrario si i%2==0: s = s + 2*f(x) en caso contrario: s = s + 4*f(x) x = x + h I = s*h/3
Ejemplo 21.5 Integrar entre a = 0 y b = 0.8 f x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
Solución. x
f(x)
0
0.2
0.2
1.288
0.4
2.456
0.6
3.464
0.8
0.232
I S =0.8 1/ 3
E t =1.640533−1.623467=0.017067 ; εt =1.04 % E a =−
●
0.2+ 4(1.288+3.464)+ 2(2.456)+ 0.232 =1.623467 12
0.8
5
180(4)
4
(−2400)=0.017067
Planilla de cálculo: simpson13.ods
Regla 3/8 de Simpson Se integra un polinomio de tercer grado: 3
3
x−x j P 3 x=∑ ∏ i=0 j=0 x i −x j j≠i
x2
I ≈∫
[
3
3
( x− x j )
∑ ∏ ( x −x )
x 0 i=0 j=0 j≠i
i
j
]
dx
Integrando y sustituyendo a x i = x 0 +i⋅h , siendo h=(ba)/ 3: IS
3/ 8
f ( x 0 )+3 f ( x 1 )+3 f ( x 2 )+ f ( x 3 ) 3h = f ( x 0 )+3 f ( x 1 )+3 f ( x 2 )+ f ( x 3 ) ] =(b−a) [ ⏟⏟ 8 8 ancho
altura promedio
3 5 IV (b−a)5 IV Error de truncamiento: E t =− h f ( ξ )=− f ( ξ) 80 6480
Resultado exacto para polinomios P n ( x ) de grado n≤3.
Ejemplo 21.6. pag. 637 Integrar entre a = 0 y b = 0.8 f x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
a) con la regla de Simpson 3/8 b) En 5 intervalos, usando las reglas 1/3 y 3/8 de Simpson
a) Se divide en 3 partes iguales x
f(x)
0
0.2
0.533333
3.487177
0.266667
1.432724
0.8
0.232
IS
3 /8
0.2+3(3.487177+1.432724)+0.232 =0.8 =1.519170 8
E t =1.640533−1.519170=0.1213630 ; εt =7.4 % 5
E a=−
0.8 (−2400)=0.1213630 6480
Ejemplo 21.6. pag. 637 b) Se divide en 5 segmentos (h = 0.16): x
●
f(x) 0
0,200000
0,16
1,296919
0,32
1,743393
0,48
3,186015
0,64
3,181929
0,80
0,232000
I =I 1I 2 =1.645077 E t =−0.00454383 t =−0.28 %
Planilla: simpson3_8.ods
0.16 I 1= 0.24×1.2969191.743393=0.380324 3 3 I 2= 0.16 [1.74339333.1860153.1819290.232 ]=1.264753 8
Algoritmos ●
●
Código en Octave regla 1/3 de simpson compuesta: simpson1_3.m Código en Python regla 1/3 de simpson compuesta: simpson1_3.py
Otras fórmulas de Newton-Cotes Fórmulas de Newton-Cotes: integrales.pdf
Integración con segmentos desiguales Apropiada para datos experimentales Por ejemplo, con la regla trapezoidal: I ≈ h1
f ( x 0 )+ f ( x 1 ) 2
+h 2
f ( x 1 )+ f ( x 2 ) 2
+...+h n
f ( x n−1 )+ f ( x n ) 2
Ejemplo 21.7 pag. 640 Integrar a partir de los datos: x
f(x) 0,00
0,200000
0,12
1,309729
0,22
1,305241
0,32
1,743393
0,36
2,074903
0,40
2,456000
0,44
2,842985
0,54
3,507297
0,64
3,181929
0,70
2,363000
0,80
0,232000
●
solución en 21_7.ods
Ejemplo 21.8 pag. 641 x
●
f(x) 0,00
0,200000
0,12
1,309729
0,22
1,305241
0,32
1,743393
0,36
2,074903
0,40
2,456000
0,44
2,842985
0,54
3,507297
0,64
3,181929
0,70
2,363000
0,80
0,232000
Solución en 21_8.ods
Problemas 21.1 a 21.23 pag. 645
Límite de precisión de las fórmulas de Newton-Cotes n : número de segmentos Muchas evaluaciones de f(x) para alcanzar alta precisión. Para n grandes predomina el error de redondeo.
Integración Numérica Eficiente de Funciones Se conoce la expresión de f(x). Extrapolación de Richardson: se usan dos estimaciones numéricas de una integral con el mismo orden del error de truncamiento, para obtener una tercera estimación más exacta. Algoritmo de Romberg: usa la regla compuesta del trapecio para obtener estimaciones preliminares, aplicando luego el proceso de Extrapolación de Richardson para mejorar las aproximaciones.
Extrapolación de Richardson El valor exacto I de una integral definida consta de la estimación y el error correspondiente de la fórmula de integración numérica usada:
I =I (h)+ E (h)
Aplicada con dos pasos distintos, siendo h1>h2:
I (h 1 )+ E (h 1 )=I (h 2 )+ E (h 2 ) Usando la regla del trapecio compuesta, el error de truncamiento se aproxima: 3
(b−a) ¯II (b−a) 2 ¯II E≈− f =− h f 2 12 12 n
Extrapolación de Richardson II Suponiendo f¯ ≈cte para todo tamaño de paso h, se puede 2 2 escribir:
E (h1 ) h1 h1 ≈ 2 ⇒ E (h 1 )≈ E (h 2 ) E (h 2 ) h 2 h2
( )
Reemplazando,
2
h1 I (h 1 )+ E (h 2 ) ≈ I (h 2 )+E (h 2 ) h2
( )
despejando,
E (h 2 )≈
I (h1 )−I (h 2 ) 1− ( h 1 /h 2 )
2
Extrapolación de Richardson reemplazando,
I =I (h 2 )+E (h 2 )≈...≈ I (h 2 )+
I (h 2 )−I (h 1 ) 2
( h 1 /h 2 ) −1
Se puede demostrar que el error es del orden de O(h4).
En el caso en que I ≈I (h 2 )+
h 2 = h1 / 2
I (h 2 )−I (h 1 ) 2
2 −1
4 1 = ... = I (h 2 )− I (h 1) 3 3
Ejemplo 22.1 pag. 652 Integrar entre a = 0 y b = 0.8 f x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
De la aplicación de la regla del trapecio, n h I et(%) 1 0.8000 0.1728 89.5 2 0.4000 1.0688 34.9 4 0.2000 1.4848 9.5
Con 1 y 2 segmentos,
4 1 I≈ 1.0688− 0.1728=1.367467 ⇒ ...εt =16.6 % 3 3
Con 2 y 4 segmentos,
4 1 I ≈ 1.4848− 1.0688=1.623467 ⇒ ...εt =1.0 % 3 3
Extrapolación de Richardson Se puede demostrar que:
IS
1/ 3
4 1 4 (h 2 )= I T (h 2 )− I T (h 1)+O (h ) 3 3
A partir de dos estimaciones de O(h4), realizando el mismo procedimiento usado para la regla del trapecio, se llega a:
I ≈I (h 2 )+ En el caso en que
I (h 2 )−I (h 1 )
( h 1 /h 2 )
4
−1
h2 = h 1 / 2
16 1 6 I = I h 2 − I h1 Oh 15 15
Ejemplo 22.2 pag. 653 Obtener una estimación de O(h6) a partir del ejemplo 22.1: 16 1 I ≈ 1.623467− 1.367467=1.640533 15 15
Extrapolación de Richardson: Caso General * A partir de dos estimaciones de O(hn), se obtiene una aproximación de O(hn+2):
I =I (h 2 )+
I (h 2 )−I (h1 )
En el caso en que
I =I (h 2 )+
( h1 / h2 )
n
+O (h
n+ 2
)
−1
h2 = h 1 / 2
I (h 2 )− I (h1 ) n
2 −1
+O (h
n+2
)
Algoritmo de Romberg En general, I j , k=
4
k −1
I j1, k−1−I j , k−1 4
k −1
−1
k : nivel de integración j : estimación Por ejemplo, para k = 2 y j = 1, I 1,2 =
4
2−1
I 2,1−I 1,1
4 2−1−1
4 I 2,1−I 1,1 = 3
Algoritmo de Romberg La iteración continúa hasta que
∣
∣ a∣=
I 1, k −I 1, k −1 I 1, k
∣
100 % s
●
Planilla de cálculo: romberg.ods
●
Código en Octave: romberg.m
●
Código en Octave: romberg.py
Problemas ●
22.1 a 22.3
●
22.9 a 22.11
●
22.14 y 22.15
Diferenciación numérica Recordando que a partir de la serie de Taylor: f ( x i+ 1 )= f ( x i )+ f ' ( x i ) h+
f ' ' ( xi ) 2!
2
h+
f ' ' ' ( xi) 3!
3
h + ...
Es posible obtener: f ' ( x i )=
f ( x i+ 1 )− f ( x i ) h
−
f ' ' ( xi ) 2
2
h+ O( h )
Que se puede escribir como: f '( x i )=
f ( x i+ 1 )− f ( x i ) h
+ O( h)
Diferencia finita dividida hacia adelante
Diferenciación numérica En forma similar se obtenían f '( x i )=
f ( x i )− f ( x i−1 ) h
+ O( h) Primera diferencia finita dividida hacia atrás
y f '( x i )=
f ( x i+ 1 )− f ( x i− 1 ) 2h
2
+ O( h ) Primera diferencia finita dividida centrada
Diferenciación numérica Si escribimos f ( x i+ 2 )= f ( x i )+ f ' ( x i ) 2 h+
f ' ' ( xi) 2!
2
( 2 h) +
f ' ' ' ( x i) 3!
3
( 2 h) + ...
Ahora hacemos 2
f ( x i+ 2 )− 2 f ( x i+ 1 )=...=− f ( x i )+ f ' ' ( x i ) h + ...
despejando, f ' ' ( x i )=
f ( x i+ 2 )− 2 f ( x i+1 )+ f ( x i ) h
2
+ O( h) Segunda diferencia finita dividida hacia adelante
Diferenciación numérica En forma similar, haciendo f ' ' ( x i )=
f ( x i )− 2 f ( x i− 1 )+ f ( x i−2 ) h
2
En forma similar, haciendo f ' ' ( x i )=
f ( x i+ 1 )− 2 f ( x i )+ f ( x i−1 ) h
2
f ( x i− 2 )−2 f ( x i−1 ) + O( h) Segunda diferencia finita dividida hacia atrás
f ( x i+ 1 )+ f ( x i−1 ) 2
+ O( h ) Segunda diferencia finita dividida centrada
Diferenciación numérica Sustituyendo
f ' ' ( x i )=
en f '( x i )=
f ( x i+ 2 )− 2 f ( x i+ 1 )+ f ( x i ) h
2
f ( x i+ 1 )− f ( x i ) h
−
f ' ' ( xi ) 2
+ O( h) 2
h+ O( h )
se llega a f '( x i )=
f ( x i+ 1 )− f ( x i ) h
Es decir f '( x i )=
−
[
f ( x i+ 2 )−2 f ( x i+1 )+ f ( x i ) 2h
2
− f ( x i+ 2 )+ 4 f ( x i+ 1 )− 3 f ( x i ) 2h
]
2
+ O( h) h+ O( h )
2
+ O( h )
Fórmulas de diferencias finitas divididas En forma similar se obtienen las fórmulas indicadas en derivadas.pdf
Ejemplo 23.1 pag. 671 Encontrar la derivada de f(x) en x = 0.5 4
3
2
f ( x )=−0.1 x −0.15 x −0.5 x −0.25 x +1.2
Valor exacto: 3 2 f ' (0.5)=−0.3×0.5 −0.45×0.5 −0.5−0.25=−0.9125
Ejemplo 23.1 pag. 671 Con fórmulas de exactitud O(h):
x
f(x)
0
1.2
0.25
1.103516
0.5
0.925
0.75
0.6363281
1
0.2
0.925−1.103516 f ' (0.5)= =−0.714 ; εt =21.7 % 0.25 Diferencia finita dividida hacia atrás 0.6363281−0.925 f ' (0.5)= =−1.155 ; εt =−26.5 % 0.25
Diferencia finita dividida hacia adelante
Con fórmulas de exactitud O(h2): 0.6363281−1.103516 f ' (0.5)= =−0.934 ; εt =−2.4 % 2×0.25 Diferencia finita dividida centrada
Ejemplo 23.1 pag. 671 Con fórmulas de exactitud O(h2):
x
f(x)
0
1.2
0.25
1.103516
0.5
0.925
0.75
0.6363281
1
0.2
−0.2+ 4×0.6363281−3×0.925 f ' (0.5)= =−0.859375 ; εt =5.82 2×0.25 Diferencia finita dividida hacia adelante 3×0.925−4×1.103516+1.2 f ' (0.5)= =−0.878125 ; εt =3.77% 2×0.25 Diferencia finita dividida hacia atrás
Con fórmulas de exactitud O(h4): −0.2+8×0.6363281−8×1.1035156+1.2 f ' (0.5)= =−0.9125 ; εt =0 % 12×0.25 Diferencia finita dividida centrada
Extrapolación de Richardson También se puede aplicar a las derivadas (O(h²)): D≈D h 2
Si h2 = h1 / 2 :
D h 2 −D h1 2
h1 /h2 −1
4 1 D≈ Dh 2 − Dh 1 3 3
Extrapolación de Richardson: Caso General * A partir de dos estimaciones de O(hn), se obtiene una aproximación de O(hn+2):
D=D (h 2 )+ En el caso en que
D= D(h 2 )+
D (h 2 )−D(h1 )
( h1 / h 2 )
n
+O (h
n+ 2
−1
h2 = h 1 / 2
D (h 2 )−D(h1 ) n
+O (h
2 −1 Se puede usar el algoritmo de Romberg
n+2
)
)
Ejemplo 23.2 pag 672 Calcular la primera derivada en x = 0.5 4
3
2
f ( x)=−0.1 x −0.15 x −0.5 x −0.25 x +1.2
Con fórmulas centradas, pasos 0.5 y 0.25: 0.2−1.2 f ' (0.5)= =−1.0 ; εt =−9.6 % 2×0.5 0.6363281−1.103516 f ' (0.5)= =−0.934375 ; εt =−2.4 % 2×0.25
extrapolando,
4 1 f ' (0.5)= (−0.934375)− (−1)=−0.9125 ; εt =0 % 3 3
Derivadas e integrales para datos con errores ●
Datos empíricos
●
La diferenciación numérica tiende a amplificar los errores
●
●
Se prefiere ajustar por mínimos cuadrados un polinomio de bajo grado y derivarlo.
La integración (por ser una suma) tiende a compensar los errores y es mucho más estable
Problemas 23.1 a 23.27 pag. 679
Estudio de casos Determinación de la cantidad total de calor El calor necesario para incrementar la temperatura de un material es Δ H =m c Δ T
Donde la capacidad calorífica c puede variar con la temperatura: c(T )=0.132+1.56×10−4 T +2.64×10−7 T 2
Calcular el calor necesario para elevar la temperatura de 1000 g de ese material desde 100 a 200 °C.
Determinación de la cantidad total de calor Solución: el incremento de temperatura se calcula T como 2
Δ H =m ∫ c(T )dT T1
Se aplica la regla del trapecio. Solución en caso24_1.m
Fuerza efectiva sobre el mástil de un bote de vela de carreras
30
z −2 z / 30 F =∫ 200 e dz 5+z 0
( )
Fuerza efectiva sobre el mástil de un bote de vela de carreras La posición de la fuerza viene dada por: 30
∫ z f (z)dz d=
0 30
∫ f (z)dz 0
Determinar la fuerza T en el cable. Determinación de F y d en planilla de cálculo: caso24_2.ods F = 1480,56 lb d = 13,05 ft
Fuerza efectiva sobre el mástil de un bote de vela de carreras Ecuaciones de equilibrio:
∑ F H =0=F−T sin θ−H ∑ F V =0=V −T cosθ ∑ M 0 =0=3V −F d F d 1480.6×13.05 V= = =6440.6 lb 3 3 6440.6 V T= = =6473lb cos θ 0.995 H =F −T sin θ=1480.6−6473×0.0995=836.54 lb
Cálculo del trabajo Trabajo: W =F ×d
Si F es cte
xn
W =∫ F ( x) dx x0
Si θ no es constante: xn
W =∫ F ( x)cos [θ( x)] dx x0
Cálculo del trabajo Datos
x, ft
F(x), lb
θ, rad
F(x) cos θ
0
0,0
0,50
0,0000
5
9,0
1,40
1,5297
10
13,0
0,75
9,5120
15
14,0
0,90
8,7025
20
10,5
1,30
2,8087
25
12,0
1,48
1,0881
30
5,0
1,50
0,3537
Solución en caso24_4.ods
Problemas 24.1 a 24.55 pag. 693