EDDP

Parabólicas
Las formulaciones explícitas por diferencias finitas tienen problemas relacionados con la estabilidad.
Además, excluyen información de importancia para la solución.

Los métodos implícitos superan ambas dificultades a expensas de utilizar algoritmos un poco más
complicados.

En la forma explícita, aproximamos la derivada espacial para un nivel de tiempo j

En los métodos implícitos, la derivada espacial se aproxima en un nivel de tiempo posterior j + 1

Implícitos simple

El sistema completo de ecuaciones debe resolverse simultáneamente. Esto es posible debido a que,
junto con las condiciones de frontera, las formulaciones implícitas dan como resultado un conjunto
de ecuaciones lineales algebraicas con el mismo número de incógnitas. Por lo tanto, el método se
reduce a la solución de un sistema de ecuaciones simultáneas en cada punto en el tiempo.

El conjunto resultante de m ecuaciones algebraicas lineales tiene m incógnitas. Además, el método

tiene la ventaja de que el sistema es tridiagonal. Así, es posible utilizar los algoritmos de solución
extremadamente eficientes disponibles para sistemas tridiagonales.

Mientras que el método implícito descrito es estable y convergente, es deficiente en el sentido de

que la aproximación en diferencias temporal tiene una exactitud de primer orden; en tanto que la
aproximación en diferencias espacial tiene exactitud de segundo orden.

Hay un límite de exactitud para el uso de pasos de tiempo grandes.

Implícito Crank-Nicolson

El método de Crank-Nicolson ofrece un esquema implícito alternativo que tiene una exactitud de
segundo orden, tanto para el espacio como para el tiempo. Para alcanzar tal exactitud, se
desarrollan aproximaciones por diferencias en el punto medio del incremento del tiempo.

Al igual que el método implícito simple, las ecuaciones son tridiagonales y se resuelven de manera
eficiente.

El método de Crank-Nicolson se emplea con frecuencia para resolver EDP parabólicas en una
dimensión espacial. Las ventajas del método se aprecian cuando se presentan problemas más
complicados, como aquellos en los que se tienen mallas irregularmente espaciadas. Tal espaciado
no uniforme a menudo es ventajoso cuando se tiene un conocimiento previo de que la solución
varía rápidamente en porciones locales del sistema.
 APROXIMACIÓN

Se presentan dos métodos para expresar tales polinomios en forma de ecuación. El primero,
llamado interpolación polinomial de Newton, es preferible cuando se desconoce el grado
apropiado del polinomio debido a la comprensión que proporciona respecto al comportamiento de
las fórmulas de diferente grado. El segundo, llamado interpolación polinomial de Lagrange, tiene
ventajas cuando de antemano se conoce el grado apropiado.

La última sección del capítulo 18 presenta una técnica alternativa para ajustar datos precisos. Ésta,
llamada interpolación mediante trazadores o splines, ajusta polinomios a datos, pero en forma
de trozos. Como tal, es particularmente adecuada para ajustar datos que en general son suaves pero
que muestren abruptos cambios locales.

Polinomio de Lagrange

El polinomio de interpolación de Lagrange es simplemente una reformulación del polinomio de

Newton que evita el cálculo de las diferencias divididas.

Aunque el polinomio de Newton y el de Lagrange son adecuados para determinar valores

intermedios entre puntos, no ofrecen un polinomio adecuado de la forma convencional.

En resumen, si usted se interesa en determinar un punto intermedio, emplee la interpolación de

Newton o de Lagrange. Si tiene que determinar una ecuación de la forma de polinomio
convencional, limítese a polinomios de grado menor

Newton

Las diferencias de orden superior se calculan tomando diferencias de orden inferior.

Las ecuaciones son recursivas

Las diferencias de orden superior se calculan tomando diferencias de orden inferior. si la función
verdadera es un polinomio de n-ésimo grado, entonces el polinomio de interpolación de n-ésimo
grado basado en n + 1 puntos dará resultados exactos.

Splines

el trazador usualmente proporciona una mejor aproximación al comportamiento de las funciones

que tienen cambios locales y abruptos.

Así, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en consecuencia, 4n incógnitas a evaluar.
Se requieren 4n condiciones para evaluar las incógnitas:

1. Los valores de la función deben ser iguales en los nodos interiores (2n – 2 condiciones).
2. La primera y última función deben pasar a través de los puntos extremos (2 condiciones).

3. Las primeras derivadas en los nodos interiores deben ser iguales (n – 1 condiciones).

4. Las segundas derivadas en los nodos interiores deben ser iguales (n – 1 condiciones).

5. Las segundas derivadas en los nodos extremos son cero (2 condiciones).

INTEGRACION

Newton Cotes
Las fórmulas de Newton-Cotes son los tipos de integración numérica más comunes. Se basan en la
estrategia de reemplazar una función complicada o datos tabulados por un polinomio de
aproximación que es fácil de integrar.

Existen formas cerradas y abiertas de las fórmulas de Newton-Cotes. Las formas cerradas son
aquellas donde se conocen los datos al inicio y al final de los límites de integración (figura 21.3a).
Las formas abiertas tienen límites de integración que se extienden más allá del intervalo de los
datos.

Las abiertas se utilizan para evaluar integrales impropias y para obtener la solución de ecuaciones
diferenciales ordinarias.

Simpson.

Puesto que el denominador de la ecuación (21.21) es mayor que el de la ecuación (21.16), la regla
3/8 es más exacta que la regla 1/3.

Por lo cumún, se prefiere la regla de Simpson 1/3, ya que alcanza una exactitud de tercer orden con
tres puntos en lugar de los cuatro puntos requeridos en la versión 3/8. No obstante, la regla de 3/8
es útil cuando el número de segmentos es impar.

Sistemas de ecuaciones no lineales

Bisección
Es un tipo de búsqueda incremental en el que el intervalo se divide siempre a la mitad. Si la función
cambia de signo sobre un intervalo, se evalúa el valor de la función en el punto medio. La posición
de la raíz se determina situándola el el punto medio del subintervalo, dentro del cual ocurre un
cambio de signo. El proceso se repite hasta obtener una mejor aproximación.

El error verdadero no disminuye con cada iteración. El ancho del intervalo proporciona una
estimación exacta del límite superior del error en el método de bisección.

Fin del algoritmo: cuando el error relativo porcentual sea menor a un valor fijado.

Desventaja: el método de bisección por lo general es más lento que otros métodos
Ventaja: la claridad del análisis de error.

El algoritmo de bisección es adecuado si se quiere realizar la evaluación de una sola raíz de una
función que es fácil de evaluar

Punto fijo
x = g(x)

La utilidad de la ecuación es que proporciona una fórmula 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 se
utiliza para obtener una nueva aproximación xi+1, expresada por la fórmula iterativa.

El error relativo porcentual verdadero en cada iteración es proporcional (por un factor de 0.5 a 0.6)
al error de la iteración anterior. Esta propiedad, conocida como convergencia lineal, es característica
de la iteración simple de punto fijo.

Convergencia

La iteración de punto fijo converge si, en la región de interés, |g′(x)| < 1. En otras palabras, la
convergencia ocurre si la magnitud de la pendiente de g(x) es menor que la pendiente de la recta
f(x) = x.

Si |g′(x)| < 1, entonces los errores disminuyen con cada iteración. Si ⏐g′(x)⏐ > 1, los errores crecen.

Si la derivada es positiva, los errores serán positivos y, por lo tanto, la solución iterativa será
monótona. Si la derivada es negativa, entonces los errores oscilarán

Cuando el método converge, el error es proporcional y menor que el error en la iteración anterior.
Por tal razón se dice que la iteración simple de punto fijo es linealmente convergente.

Desventaja:

 la convergencia depende de la manera en que se formula la ecuación.

 Aun cuando la convergencia es posible, la divergencia puede ocurrir si los valores iniciales
no son suficientemente cercanos a la solución verdadera

Newton – Raphson
Si el valor inicial para la raíz es xi, entonces se puede trazar una tangente desde el punto [xi, f(xi)]
de la curva. Por lo común, el punto donde esta tangente cruza al eje x representa una
aproximación mejorada de la raíz.

El error es proporcional al cuadrado del error anterior. En otras palabras, el número de cifras
significativas de precisión aproximadamente se duplica en cada iteración. A este comportamiento
se le llama convergencia cuadrática.

Desventaja: La posible tendencia a alejarse del área de interés se debe a que se encuentran
pendientes cercanas a cero. En efecto, una pendiente cero [ƒ '(x) = 0] es un verdadero desastre, ya
que causa una división entre cero en la fórmula de Newton-Raphson. En forma gráfica, esto
significa que la solución se dispara horizontalmente y jamás toca al eje x.
Su convergencia depende de la naturaleza de la función y de la exactitud del valor inicial. La única
solución en estos casos es tener un valor inicial que sea “suficientemente” cercano a la raíz
 TEORÍA

Verdadero o falso

El método de Newton-Raphson permite hallar raíces complejas de polinomios.

 VERDADERO. (En cambio, bisección no permite determinar raíces complejas)

El método de Punto Fijo Sistemático no converge si |g’(x)|>1.

 FALSO. El método de Punto Fijo Sistemático siempre converge ya que fuerza la convergencia
a partir de un g(x) que tiene la forma g(x)= x- λ f(x) siendo λ= 1/f’(x)max. El valor de λ está
ajustado para que |g’(x)|<1 (condición de convergencia de punto fijo).

El método de Bisección permite hallar cualquier tipo de raíces múltiples siempre que sean reales.

 FALSO. El método de Bisección no permite hallar raíces de multiplicidad par, ya que no es

posible determinar el cambio de signo de la función (teorema de Bolzano). Un
contraejemplo valido seria y= x^2

Para aplicar el método de Romberg se necesita conocer f(x) para generar los puntos a integrar.

 FALSO. No se necesita conocer la función a integrar, solo una cantidad de 2^n+1 puntos,
siendo 2^n la cantidad de trapecios. Esa cantidad de puntos son un dato, aunque se pueden
generar mediante la función original.

El error de integración del método de 1/3 de Simpson es menor al de Trapecios en un orden de

magnitud.

 FALSO. Suponiendo que se refiere al método de trapecios COMPUESTOS: es menor al de

trapecios compuestos en dos órdenes de magnitud.

El error de integración del método de 1/3 de Simpson es del mismo orden que el de 3/8 de Simpson

 VERDADERO.
El error de interpolación de Lagrange es igual al obtenido al aproximar la función por la serie de
Taylor.

 FALSO. La forma de error para el polinomio de Lagrange es muy similar a la del polinomio
de Taylor, pero el polinomio de Taylor de grado n concentra en x0 toda la información
conocida alrededor de x0. Lagrange de grado n utiliza la información de los valores
x0,x1,…,xn en vez de (x-x0)^(n+1) y su fórmula de error contiene una productoria de n+1
términos.

El primer valor de la solución de una EDDP Hiperbólica se puede calcular siempre que la velocidad
inicial sea diferente de cero.

 FALSO. A partir de la expresión para el instante inicial se ve claramente que si se anula

queda: u(i,1)= (u(i+1,0) + u(i-1,0))/2

La inestabilidad en la resolución de las EDDP Parabólicas por el método de las Diferencias Finitas, es
debida a que los términos de error de dichas diferencias no son del mismo orden.

 VERDADERO.

No es posible hallar la solución de una ecuación no lineal por medio del método de Bisección, si en
algún momento durante el proceso se verifica que f((a+b)/2)=0.

 FALSO. Si bien el algoritmo como esta dado en esta materia no incluye una excepción para
este problema particular, se puede implementar el programa de forma que en f((a+b)/2)=0
o en f(a)=0 el programa no fallara y salga del ciclo DO, tomando como raíz (a+b)/2 o f(a)
según corresponda.

Algoritmo de Bisección SIN caso particular.

Una de las condiciones para determinar los coeficientes de los polinomios aproximantes de Spline
Cúbicos es que se cumpla que S0’’(x0)=f ‘’ (x0) y Sn’’(xn)=f ‘’ (xn).

 FALSO. Para el cálculo de los coeficientes se pueden usar SOLO DOS distintas condiciones
de frontera, siendo la más común “frontera libre”: S0’’(x0)=0 y Sn’’(xn)=0 y la otra “frontera
sujeta”: S0’(x0)=f ‘ (x0) y Sn’(xn)= f ‘ (xn).

El grado del polinomio aproximante del método de aproximación por mínimos cuadrados está
determinado por la cantidad de puntos dato.

 FALSO. El grado del polinomio se elige y no está determinado por la cantidad de puntos
dato. Se puede tener un polinomio lineal obtenido por mínimos cuadrados que sea
representativo de un conjunto de 20 datos. A partir del sistema de ecuaciones lineales
obtenido mediante la deducción del método:

Siendo M la cantidad de puntos y n el grado del polinomio aproximante. Viendo finalmente que a
diferentes valores de n (elegidos) se obtienen diferentes grados.

Un valor de r=1/6 en el método explicito para resolver EDPP permite minimizar el error de
truncamiento.

 VERDADERO.

Para resolver una EDDP Hiperbólica es necesario calcular un valor anterior al instante inicial.

 VERDADERO.

El error global de la integral obtenida por el método de 3/8 de Simpson es mayor que el
correspondiente al método de 1/3 de Simpson.

 VERDADERO. 3/8 Simpson utiliza una aproximación de un polinomio de mayor grado.

No es posible calcular el valor de la integral numérica de un conjunto de 25 puntos, utilizando
únicamente el método de Romberg.

 FALSO. No indica que se deba hacer en un tramo solo: si se tomaran de a 2^2 trapecios (5
puntos), se podrían calcular por Romberg 6 tramos individuales y sumarlos. En caso de ser
menos puntos no sería posible: en caso de tener 10 puntos se harían dos tramos y sobrarían
dos puntos, ya que el tramo siguiente usa el último punto del tramo anterior, quedando así
los dos últimos puntos para calcular por el método de Trapecios simple. En el caso de 25
puntos estos puntos sobrantes se acumulan hasta llegar a ser 5, pudiendo así hacer 6
tramos.

La integral obtenida por el método de Romberg es poco exacta porque utiliza el método de Trapecios.

 FALSO. Si bien el método de Romberg utiliza Trapecios para calcular la integral numérica, se
aplica la extrapolación de Richardson de forma reiterada para mejorar la estimación previa.

No es posible calcular el valor de la integral numérica por el método de Romberg si los puntos dato
tienen valores negativos.

 FALSO. Los valores negativos no afectan de ninguna manera al cálculo de la integral por
Romberg, tanto en la estimación inicial por trapecios como en las extrapolaciones
siguientes.

El método de mínimos cuadrados puede ser un buen método para calcular un trazador cubico.

 FALSO. El método de mínimos cuadrados sirve solo para APROXIMAR funciones, por lo que
generalmente la curva aproximante no coincide con la aproximada (por lo que NO ES un
método de INTERPOLACION). Un trazador cubico sirve para crear una función que interpole
un conjunto de puntos dado, por lo que el método de mínimos cuadrado no sirve para
calcular un trazador cubico. En cambio, para este tipo de función interpolante existe el
método de SPLINES CUBICOS.

Es posible resolver un sistema de ecuaciones lineales con el método de punto fijo, pero no con
Newton y Quasi-Newton.

 FALSO. Si es posible siempre y cuando se cumplan las condiciones particulares de

convergencia de cada método, ya que las ecuaciones lineales son “un caso particular” de
las no lineales. Sin embargo seria poco útil aplicarlo, ya que los métodos para sistemas
lineales ofrecerán mucha más eficiencia y habrá menos margen de falla (por las
condiciones particulares de convergencia).
Los coeficientes de los polinomios de Splines Cubicos deben ser todos distintos de cero.

 FALSO. No es condición que algún o todos los coeficientes de un trazador cubico Spline
sean distintos de cero.

De hecho si el Spline es SPLINE CUBICO NATURAL, S ‘’ (X0) = S ‘’ (Xn) = 0

Cn=0 (ya que S ‘’(Xn) = 0)

C0=0 (ya que S ‘’(X0) = 0)

El método de 1/3 Simpson resuelve numéricamente el valor de una integral, aproximando cada
intervalo con un polinomio interpolante.

 VERDADERO. Demostración:
El método de Punto Fijo diverge porque la matriz jacobiana en x0 es singular.

 VERDADERO. “Si en el proceso de cálculo de Λ resultara que F ‘ (X0) (matriz jacobiana) es

singular, deberá elegirse un nuevo valor de X0, de forma tal que se verifique que el
determinante de Λ es distinto de 0.”

El método de Newton Modificado necesita por lo general menos iteraciones que el método de
Newton a partir del mismo valor inicial para obtener una solución con igual exactitud.

 FALSO. Ya que converge más lentamente que el método de Newton necesita, en general,
realizar más iteraciones que el método de Newton para obtener igual exactitud.

El grado del polinomio de Mínimos Cuadrados óptimo se determina cuando el RMS es mínimo.

 FALSO. Para encontrar el polinomio de grado óptimo se analiza la varianza, cuando sea
mínima entonces este será el grado óptimo. Otro criterio es que en cierto punto la varianza
comenzara a aumentar permanentemente, siendo el polinomio optimo el anterior al
polinomio que comienza con la tendencia de aumento. En cualquiera de los dos casos, si el
error no varía mucho y el denominador disminuye puede ocurrir que para mayores grados
de polinomio la varianza sea mayor.

Perturbar los coeficientes de un polinomio puede afectar el número de raíces reales del mismo.

 VERDADERO.

El error global de la integral obtenida por el método de 3/8 de Simpson, es menor que el
correspondiente al método de 1/3 de Simpson.

 FALSO. El error global de la integral obtenida por el método de 3/8 de Simpson es mayor
que el correspondiente a 1/3 de Simpson. El método de 3/8 de Simpson utiliza para
aproximar la función un polinomio de grado 3, mientras que 1/3 utiliza un polinomio de
grado 2. En general las aproximaciones por polinomios de grado par son mejores que las
aproximaciones por grado impar.

El método de Bisección permite hallar raíces complejas de polinomios.

El método de deflación para polinomios sólo es aplicable al caso de raíces reales.

 FALSO.
La diferencia entre el cero verdadero y el cero “perturbado” de un polinomio es independiente de la
diferencia entre los coeficientes verdadero y “perturbado” del polinomio “Mónico”.

 FALSO.

El método de Newton Modificado para sistemas de ecuaciones no lineales puede divergir si los
órdenes de error de las diferencias utilizadas, son diferentes entre sí.

 FALSO.

Existe un método de resolución de sistemas de ecuaciones no lineales que requiere para su

aplicación, que la matriz jacobiana sea singular.

 FALSO.

Compare el método explicito con el método implícito.

Método explícito:

VENTAJAS: Los valores próximos en el tiempo solo dependen de los anteriores, por lo que el
algoritmo es más simple y conlleva un menor costo computacional y es más simple de implementar.

DESVENTAJAS: Al reemplazar las derivadas por diferencias con distinto orden de error (Δx^2 contra
Δt) se genera inestabilidad en el método. Por ende, solo se puede usar con valores de r<=1/2. Esto
limita las opciones para elegir Δx y/o Δt. Además, es menos exacto que el implícito. Puede ser que
el Δx y/o Δt que permita r<=1/2 no sea representativo para la evolución del sistema/problema.

Método implícito:

VENTAJAS: al reemplazar las derivadas por diferencias con órdenes de error iguales (Δt/2)^2 y (Δx^2)
el método es estable para cualquier valor de r, por lo que hay mayor libertad para elegir Δx y Δt.
Además, es más exacto que el explícito.

DESVENTAJAS: Los valores próximos en el tiempo no solo dependen de los anteriores, sino que
dependen de los adyacentes para ese tiempo próximo. Esto genera que se debe resolver un sistema
de ecuaciones lineales (tridiagonal) en cada iteración, por lo que se genera un mayor costo
computacional y es más complicado de implementar.

Explique cómo haría para determinar el grado óptimo de una aproximación minimo-cuadratica,
¿Qué sucede cuando el grado de la aproximación se acerca a la cantidad de puntos dato?
En el caso de aproximar una función por mínimos cuadrados, el grado del polinomio
aproximante es independiente de la cantidad de puntos datos que se obtienen.
Para encontrar el polinomio de grado óptimo se analiza la varianza, cuando sea mínima entonces
este será el grado óptimo. Otro criterio es que en cierto punto la varianza comenzara a aumentar
permanentemente, siendo el polinomio optimo el anterior al polinomio que comienza con la
tendencia de aumento. En cualquiera de los dos casos, si el error no varía mucho y el denominador
disminuye puede ocurrir que para mayores grados de polinomio la varianza sea mayor.

Con respecto a la segunda pregunta, viendo que el denominador de la varianza es (M-n-1) se ve que
el grado del polinomio no puede ser igual que la cantidad de puntos menos uno, ya que generaría
una indeterminación. Si pasara esto último no se obtendría un polinomio aproximante sino
interpolante.

Suponga que tiene un conjunto de 17 puntos los cuales provienen de la evaluación exacta de un
polinomio cuadrático. Explique cuál es la diferencia entre el valor de la integral de ¼ de Simpson
compuesto para ese conjunto de datos y el valor de la integral del polinomio aproximante
obtenido a partir de dichos datos.

Con el método de 1/3 de Simpson se obtienen arcos de parábola mediante ternas de puntos,
obteniendo un polinomio que se ajusta más a la forma real del polinomio. Con un polinomio
aproximante se podría estar obteniendo una forma que es totalmente ajena a la original. Por
ejemplo:

Sabiendo que la integral es el área bajo la curva, usar una función aproximante (mínimos
cuadrados es el único método aproximante visto) no sirve para este caso. En el caso de usar un
polinomio interpolante en el mismo intervalo, seria valido usar 1/3 o el interpolante para
integrar.
Explique las condiciones que deben cumplir un conjunto de polinomios de tercer orden para ser un
Spline cubico de frontera sujeta en el extremo inicial (x0,y0) y frontera libre en el extremo final
(xn,yn).

El trazador cubico o Spline deberá para empezar cumplir cuatro condiciones por definición:

Y en este caso la condición V es que sea de frontera sujeta en el extremo inicial:

P0 ‘ (X0) = f ‘ (X0)

Y frontera libre en el extremo final:

P n-1 ‘’ (Xn) = 0

Todas las condiciones deben cumplirse simultáneamente para obtener el tipo de trazador
cubico pedido.

Explique cómo se discretiza de forma explícita la siguiente ecuación diferencial a derivadas

parciales. ¿Qué condición deberá tener r para ser estable la discretizacion y simplificar la
ecuación? ¿Qué ventajas y desventajas tiene la forma explícita respecto de la implícita?

Ya que la consigna pregunta CÓMO se discretiza esta ecuación diferencial:

Se procederá a utilizar el método de las diferencias finitas, para convertir una ecuación de
derivadas parciales en una de diferencias.
El supra-índice indica variable temporal (j) y los subíndices indican variable espacial (i para el
eje x, c para el eje y, k para el eje z).

La derivada temporal (diferencia ascendente en el tiempo de orden 1) mantiene su forma

respecto de la discretización unidimensional ya que solo tiene en cuenta la variable temporal,
manteniendo constante la espacial:
Por lo que el valor de r para que la ecuación sea estable y se simplifique es 1/6.

De ser mayor a este valor, el método se vuelve inestable por haber usado como discretización
dos diferencias de distinto orden de error.

Explique detalladamente cuales son las ventajas y/o desventajas de aplicar el método de Spline con
respecto al método de Lagrange, en el siguiente conjunto de datos.

x 0 2 3 5
y 3 12 15 7

Con respecto a la forma: dado que el conjunto de puntos a interpolar es bastante cerrado, se
va a elegir un método u otro dependiendo del fenómeno a representar. Si se desea una curva
suave que represente fielmente la forma original, se va a recurrir al método de Splines Cubicos.
En otro caso se recurrirá al método de Lagrange, pero cualquiera sea la elección el criterio será
interpolante.
Con respecto a los recursos computacionales: el método de Lagrange efectuara muchos menos
cálculos que el método de Splines, ya que no resuelve ningún sistema de ecuaciones tridiagonal
como si hace el método de Splines (además de que lo hace para cada par de puntos).

Por lo que finalmente la ventaja o desventaja de cada método depende de la naturaleza del
modelo a representar. En este caso al ser una curva bastante cerrada puede ser mejor aplicar
Splines Cubicos.

Muestre gráficamente y explique que significa que en el método de Newton no se cumpla que:

Dadas las siguientes funciones:

Los valores iniciales serán x0=1 e y0=0, para elegir estos valores se tuvo en cuenta la
proposición:

“Una matriz es singular si y solo si su determinante es nulo”

Y esos valores hacen que det(F′(𝑋0)) = 1/2 , además de ser cercanos a uno de los puntos de
intersección entre las dos curvas (al de la derecha).

Demuestre cuantos puntos se necesitan para calcular la integral numérica de la función f(x),
para [0,1], con un error máximo de 10−3, por los métodos de Trapecios y 1/3 de Simpson.
Explique el fundamento teórico de los métodos de Newton-Cotes cerradas.

Los métodos de Newton-Cotes son un conjunto de fórmulas de integración numérica, donde

mediante polinomios interpolantes se evalúa la función en puntos equidistantes, para obtener así
el valor de la integral. Las formulas CERRADAS de Newton-Cotes incluyen en el cálculo de la integral
a los puntos de los extremos del intervalo. Mientras mayor sea el grado del polinomio, mayor es la
exactitud del resultado de la integral numérica. De esta forma para n=1 (polinomio interpolante de
grado 1) se obtiene el método de Trapecios, para n=2 el método de 1/3 de Simpson, etc. y para n=3
el método de 3/8 de Simpson (siendo este último prácticamente igual en error a 1/3 de Simpson).
No existen mayores grados de polinomio ya que los métodos no serían eficientes con respecto a la
cantidad de recursos usada y la exactitud lograda.

Dada la siguiente Ecuación Diferencial en Derivadas Parciales

𝜕2𝑢 𝜕𝑢
𝑘∗ 2
−𝑐∗𝑝∗ =0
𝜕𝑧 𝜕𝑡
a) Discreticela y deduzca las ecuaciones correspondientes al método explicíto y a partir de
las ecuaciones obtenidas, explique sus ventajas y desventajas.
b) Discretícela y deduzca las ecuaciones correspondientes al método de Crack-Nicolson y a
partir de las ecuaciones obtenidas, explique sus ventajas y desventajas.

Explique, a partir de la discretización de una EDDPP cuáles son las diferencias entre los métodos
Explícito y de Crank-Nicolson. Explique además en qué caso utilizaría cada uno de los métodos
mencionados y cuando utilizaría la fórmula completa y cuando la fórmula simplificada.
 Práctica

Dados los puntos de la tabla::

a) Cuál es el mayor grado del polinomio interpolante de Diferencias Divididas que puede
obtenerse a partir del siguiente conjunto de datos? Realice los cálculos necesarios para justificar
su respuesta.
b) Explique en que difieren los polinomios obtenidos por el método de Lagrange y el obtenido
por el método de los coeficientes indeterminados. ¿Qué método utilizaría en este caso?
Justifique.
c) Dado un conjunto de puntos equiespaciados. En que difiere el polinomio P(s) obtenido por
diferencias ascendentes y el polinomio P(x) obtenido por diferencias divididas.

x -0.96 0.58 0.82 2.48 7.24

f(x) -0.24 0.145 0.205 0.62 1.81

a)

Al tener 5 pares (x,y) pareciera que se podría armar un polinomio interpolante de grado 4, pero
como se observa en la tabla, las diferencias de orden 2 se anulan. Esto implica que se puede armar
un polinomio de grado 1 como máximo.

b) Mediante coeficientes indeterminados, el polinomio obtenido será de la forma:

Pn(x)= a0 + a1*x+a2*x^2+…+ an*x^n

Utilizando el criterio de interpolación (Pn(xi)=f(xi)=yi) se armará un sistema de ecuaciones lineales

al especializar Pn en los pares (x,y) dato, para despejar los “ai” con i=0,…,n siendo n el grado de Pn(x)
y n+1 la cantidad de puntos.

En el polinomio de Lagrange se cumple la condición de interpolación, pero la forma es:

Por la unicidad del polinomio interpolante, por ambos métodos se llegara al mismo polinomio si se
trabajara algebraicamente, por lo que usaría cualquiera de los dos métodos (aunque si la matriz
para el primer método fuera grande se volvería inestable, pero en este caso no hay problema).

c) En el caso de Newton ascendente se obtiene un polinomio de la forma:

En cambio, para diferencias divididas se obtiene:

Para Newton ascendente, los puntos deben estar equiespaciados, mientras que para el de
diferencias divididas funciona además para puntos NO equiespaciados.

1) Escriba una función FORTRAN que devuelva la diferencia entre la integral exacta de un polinomio
y la calculada por el método de trapecios compuestos para una determinada cantidad de puntos,
dentro de un intervalo [a,b]. Para ello suponer que ya se tiene una función TRAPECIOS(v,h) que
devuelve el valor de la integral de trapecios compuestos y una función EVA_POL(p,x) que devuelve
el valor del polinomio evaluado en x.

NOTA: Los argumentos de la función TRAPECIOS son v (vector con los valores de f(x)), h (escalar). Los
argumentos de la función EVA_POL son p(vector 0:n con los coeficientes de p en orden creciente de
grado), x (escalar).
NOTA: Voy a suponer que cuando pusieron “integral exacta” se equivocaron y quisieron decir…
“más exacta que la calculada por trapecios”.

FUNCTION DIFERENCIA(p,a,b,m)
INTEGER, INTENT(IN):: m
REAL(8), INTENT(IN)::p(0:N),a,b
REAL(8):: int1,int2,aux(0:N),DIFERENCIA,h, v(0:m),x
INTEGER:: i,j
aux=p
!integro “aux”

DO i=0, N, 1
aux(i)*b
END DO

int1= EVA_POL(aux,b)
aux=p !piso los valores anteriores

DO i=0, N, 1
aux(i)*a
END DO

int2= EVA_POL(aux,a)
!genero los puntos para TRAPECIOS:
h= (b-a)/m
x=a

DO i=0, m, 1
v(i)=EVA_POL(p,x)
x=x+h
ENDDO

DIFERENCIA= (int1-int2) – TRAPECIOS(v,h)

END FUNCTION

Programe en FORTRAN las siguientes funciones/ subrutinas (determine lo más adecuado en cada
caso) para que realicen las siguientes tareas:

a) Dado un conjunto de valores a, b, c y d calcule y devuelva el valor del polinomio de Splines cúbicos
correspondiente, evaluado en un valor x.

NOTA: Los coeficientes del polinomio se pasan a la función a través de un vector. Para minimizar los
errores acumulados en las sucesivas operaciones, no utilice potencias y realice la menor cantidad de
productos posible.

IMPORTANTE: Se supondrá Xj conocido, ya que si no es imposible resolver el ejercicio.

FUNCTION SPEVAL(vec,xj,x)

REAL(8):: vec(4),x,xj, SPEVAL, dif

dif= x – xj

SPEVAL = v(1) + v(2) * dif + v(3) * dif * dif + v(4) * dif * dif * dif

END FUNCTION
b) Calcule y grabe en un archivo m pared de valores x, p(x) para cada uno de los polinomios de Splines
cúbicos, cuyos datos se encuentran almacenados en las siguientes matrices utilizando la función
programada en el inciso anterior.

SUBROUTINE ESCRIBE(splines,datos,m,n)
INTEGER, INTENT(IN):: m,n
REAL(8), INTENT(IN):: splines(0:n-1,1:3), datos(0:n,1:2)
INTEGER:: i,j
REAL(8):: coef(4),delta,x
OPEN(2,FILE=’[Link]’)

DO i=0, n-1, 1
delta= (datos(i+1,1)-datos(i,1))/m
!si yo no pusiera esto acá y solo lo asignara una vez arriba del DO, se acumularía error al
haber sumado tanto el delta
x=datos(i,1)
!uso un vector para los coeficientes porque después del 2do DO no los uso mas
coef(1)=datos(i,2)
coef(2:)=splines(i,:)

DO j=1, m, 1
WRITE(2, ‘(2F10.4)’ ) x , SPEVAL(coef,datos(i,1), x)
x= x+delta
ENDDO

WRITE(2,*) ‘’
ENDDO

CLOSE(2)
ENDSUBROUTINE