PRIMER TRABAJO DE MATEMÁTICA AVANZADA
MARIA ISABEL SANDOVAL MARTINEZ
UNIVERSIDAD INDUSTRIAL DE SANTANDER
BUCARAMANGA
22 DE SEPTIEMBRE DE 2015
María Isabel Sandoval Martínez
1. METODO DE ACELERACIÓN DE RICHARDSON
Esta consiste en una técnica de extrapolación donde se permite incrementar el
orden de aproximación de la derivada de una función sin necesidad de considerar
el número de puntos que inicialmente se consideran en la estimación de esta
derivada1. Richardson partió de la idea calcular un valor M dependientes de una
función F en puntos que dependen de un valor h que es considerado la distancia
desde un xi hasta un xi+1 o xi-1 como se puede ver en la figura 1.
Figura 1. Derivación progresiva, regresiva y central
.
Fuente. Derivada en integral numérica, presentación de clase análisis numérico.
Richardson aseguro que con esto se puede establecer;
1 Carrillo, julio. Derivada en integral numérica, presentación de clase análisis numérico. Universidad industrial de Santander, Bucaramanga
María Isabel Sandoval Martínez
Donde q>p.
Si ahora se tiene en cuenta h2
, se tendrá un nuevo valor estimado
M=N (h/2)+c1( hp
2p)+O(hq) (2)
Si se resta la ecuación 2 de la ecuación 3 se obtiene finalmente
M=2pF ( h2 )−F (h)
2p−1+O(hq) (3)
La ecuación 3 es el método de Richardson para cuando se tiene una función y se desea
llegar al mismo resultado con menos iteraciones
En el presente trabajo se desea acelerar la sumatoria mostrada en la ecuación 4 con la que
se busca hallar el número π, debido a que al resolver esta sin algún método de aceleración
converge después de 88338555 iteraciones con un error absoluto de 10−8.
1+ 122
+ 132
+ 142
+…=π2
6(4)
Entonces se decidió trabajar con la extrapolación de Richardson como método de
aceleración y esto se mostrara a continuación.
Esa serie se puede escribir como una sumatoria así:
π 2
6=∑n=1
∞1n2
(5)
María Isabel Sandoval Martínez
Formula Error
M=N (h)+c1hp+O(hq) (1)
Suponga que se tiene la diferencia
s-sn= ∑n+ 1=1
∞1n2
(6)
Donde
S=sumatoria total
Sn=sumatoria parcial
s-sn= error absoluto
Con la definición de la integral se puede afirmar que la ecuación 6 será igual a la integral
desde n+1 hasta infinito así como se puede ver en la ecuación 6.
s-sn= ∑n+ 1=1
∞1n2
= ∫n+1
∞dnn2
= 1n (6)
Entonces según Richardson esto ecuación podría ser representada como se muestra a
continuación en la ecuación 7 con el objetivo de extrapolar el valor S partiendo de un
valor Sn
Sn=S+ an+ bn2
+ cn3
+… (7)
Richardson en la ecuación 7 asume que n es muy grande entonces los términos de b
n2+ cn3
en adelante serán muy pequeños entonces serán eliminados y la ecuación 7 quedara
como se muestra en la ecuación 8.
María Isabel Sandoval Martínez
Sn=S+ an
(8)
Sn+1=S+ an+1 (9)
Al despejar a de la ecuación 9 y reemplazarlo en la ecuación 8 la ecuación de Richardson
quedara reducida a:
S= (n+1 ) (Sn+1 )−nSn (10)
La ecuación 10 es la primera secuencia de Richardson sin embargo con esta no se logra
acelerar para lograr disminuir la iteraciones es necesario buscar la fórmula para la
segunda secuencia de Richardson.
Para esta secuencia de Richardson se tiene en cuenta b
n2 en la ecuación 11 12 y 13.
Sn=S+ an+ bn2
(11)
Sn+1=S+ a(n+1)
+ b
(n+1)2(12)
Sn+2=S+ a(n+2)
+ b
(n+2)2(13)
Al resolver las ecuaciones 11, 12 y 13 se obtiene la segunda secuencia de Richardson
S=(n+2 )2 (Sn+2 )−2 (n+1 )2 (Sn+1 )+ (n )2Sn
2(14)
Para el presente trabajo se usó la ecuación 14 para acelerar la convergencia con un error
absoluto de 10−10 con la herramienta matlab como se puede ver en la figura 2.
Figura 2. Programación en matlab con la extrapolación de Richardson
María Isabel Sandoval Martínez
Con esta programación se pudo corroborar que con el método de extrapolación de
Richardson se puede converger con menos iteraciones como se puede ver en la tabla 1 de
resultados arrojados por matlab.
Tabla 1. Comparación de los resultados sin Richardson y con Richardson arrojados por el
programador matlab
Error absoluto Iteraciones sin Richardson iteraciones con Richardson
10−5 95492 25
10−6 954929 54
María Isabel Sandoval Martínez
10−8 88338555 251
10−10 - 820
2. Este punto se nos pidió analizar la fórmula de Viete mostrada en la ecuación 14 y
demostrar por qué esta no sirve para valores de n demasiado grandes.
π=lim 2n√2−√2+√2+√2 (14)
Esta demostración se realizó en matlab donde se pudo observar que a medida que
se aumenta n es necesario anidar un √2 y por causa de esto llega un momento en
que el valor de πcalculado con la formula se aleja del πreal y por lo tanto el error
absoluto aumenta, a continuación se mostrara como se hizo el desarrollo de esta
fórmula en matlab en la figura 3, los datos arrojados por la herramienta y una
gráfica que permitirá observar el comportamiento anteriormente explicado en la
tabla 2 y figura 4 respectivamente.
Figura 3 programa en matlab
María Isabel Sandoval Martínez
Fuente. Matlab
Tabla 2. Resultados obtenido en la herramienta matlab
n Error absoluto1 0,08012 0,02013 0,0054 0,00135 3,15E+006 7,89E-017 1,97E-018 4,93E-029 1,23E-02
10 3,08E-0311 7,70E-0412 2,01E-0413 1,22E-0514 8,27E-0515 4,62E-0416 2,57E-0317 1,47E-0218 3,90E-0219 3,90E-0220 8,16E-0121 2,37E+0022 8,59E+0023 8,59E+0024 0,0207
María Isabel Sandoval Martínez
25 0,020726 0,322527 0,858428 3,141629 3,141630 3,141631 3,141632 3,1416. 3,1416. 3,1416
96 3,141697 3,141698 3,1416
Figura 4. Grafica del valor de n vs error absoluto.
0 10 20 30 40 50 60 70 80 90 1000
1
2
3
4
5
6
7
8
9
[VALOR DE Y]
Valor n vs Error absoluto
Valor de n
Erro
r abs
olut
o
Como se pude ver en la figura 4, con la ecuación 14 no se obtiene el
comportamiento esperado el error ya que de este se espera que siempre sea
decreciente, sin embargo con esta ecuación para valores de n superiores a 24
María Isabel Sandoval Martínez
comienza a aumentar , por lo tanto se consultó otra fórmula de Viete que funcione
para n mayores a 24 y se encontró la ecuación 15
π= 2
√22
2
√2+√22
2
√2+√2+√22
(15)
La ecuación 15 fue propuesta por Viete para hallar el número π el proceso
consintió en inscribir, en un círculo de radio 1, polígonos regulares de lados de
modo que la sucesión de las áreas resulta una aproximación sucesiva al área del
círculo, igual a π.
Esta fórmula también fue desarrollada en matlab como se muestra en la figura 4 y
de allí se desprendieron los datos mostrados en la tabla 3 y graficados en la figura
5
Figura 4 programa en matlab
María Isabel Sandoval Martínez
Tabla 3. Valores arrojados por el programa para diferentes valores de n
n error absoluto
1 0,08012 0,02013 0,0054 0,00135 3,15E-046 7,89E-057 7,89E-058 1,97E-059 4,94E-06
10 1,23E-0611 3,08E-0712 7,70E-0813 1,93E-0814 4,81E-0915 1,20E-0916 3,01E-1017 1,88E-1118 1,88E-1119 4,70E-1220 1,17E-1221 2,91E-1322 7,06E-1423 1,55E-1424 1,78E-1525 1,78E-1526 3,11E-1527 4,00E-1528 4,00E-1595 4,00E-1596 4,00E-1597 4,00E-1598 4,00E-15
Figura 5. Grafica del valor de n vs error absoluto.
María Isabel Sandoval Martínez
0 20 40 60 80 100 1200
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
el valor n vs error
Series2
valor de n
valo
r n
Como se pudo ver en la tabla 3 y la figura 5 esta nueva ecuación si tiene el
comportamiento esperado ya que el valor del error va disminuyendo a medida que
el valor de n aumenta.
2.1 Demostración de la formula Viete
Esta comienza con una formula familiar
2 β=2cos β sin β
3. para este punto se pidió resolver el siguiente sistema usando la eliminación
gaussiana, esta matriz es conocida como la matriz hilbert y se caracteriza por que
el patrón de su generación responde a la siguiente estructura :
[aij ]= 1i+ j−1 (14)
La característica esencial es que am medida que crece el orden de la matriz el
determinante cada vez es más cercano a cero lo que causa que el cálculo de su
inversa sea muy complicado
María Isabel Sandoval Martínez
La eliminación gaussiana fue realizada en matlab así:
Figura 5. Eliminación gaussiana en matlab.
Y los resultados arrojados fueron estos
X1 = 9.0000
X2 =-36.0000
X3 =30.0000
También se nos pidió comprobar si esta matriz está bien o mal condicionada y esto se
puede hacer de varias formas en matlab
1) El número de condicionamiento se usa para cuantificar el mal condicionamiento de
una matriz y está dado por la siguiente formula
Cond(A)=||A||*||A-1||
Se halló en matlab de dos formas la primera calculando la norma de la matriz y
multiplicándola por la norma de la inversa de esta matriz como se pusde ver en la
figura 3 y Con el comando cond(A) el calcula el condicional de la matriz
directamente sin necesidad de cálculos, se esperaría que si la matriz está bien
condicionada este valor sea igual o cercano a 1, sin embargo para esta matriz el
condicional da 524.0568 hallado de las dos formas
María Isabel Sandoval Martínez
1.0000 X1 0.5000 X2 0.3333 X3= 1
0.5000 X1 0.3333 X2 0.2500 X3 = 0
0.3333 X1 0.2500 X2 0.2000 X3 = 0
Figura 6. Cálculo del condicional de una matriz y uso del comando cond(A)
2) Si se realiza un cambio pequeño en los valores de la matriz original y se genera un
gran cambio en los resultados esto es una señal de que la matriz está mal
condicionada, por ejemplo se cambió el valor aii y lo resultados fueron demasiado
diferentes a comparación de la matriz inicial como se muestra a continuación en la
figura 7.
Figura 7. Eliminación gaussiana cambiando el valor de la posición aii.
Los resultados son los mostrados a continuación
X1 = -2.5714
X2 = 10.2857
X3 = -8.5714
María Isabel Sandoval Martínez
Top Related