Professional Documents
Culture Documents
CONTENIDO.
CONTENIDO
PRESENTACION
PREFACIO
Capitulo 1 GENERALIDADES DEL MATLAB
Generalidades y Caractersticas del MATLAB
1.1 GENERALIDADES.
-1-
BIBLIOGRAFIA
-2-
3.1
SOLUCION DE X2=2
a) Solucin Analtica.
b) Solucin Numrica.
BIBLIOGRAFIA
-3-
DEFINICIONES BASICAS
4.1
BIBLIOGRAFIA
-4-
5.1
5.2
5.3
METODOS ITERATIVOS PARA RESOLVER SISTEMAS
LINEALES DE ECUACIONES
a) METODO DE JACOBI.
BIBLIOGRAFIA
DEFINICIONES BASICAS.
INTERPOLACION DE NEWTON.
a) DIFERENCIAS DIVIDIDAS
b) POLINOMIOS DE NEWTON
-5-
6.2
7.1
7.2
7.3
7.4
7.5
PREDICCION.
7.6
CORRELACION.
BIBLIOGRAFIA
-6-
DEFINICIONES BASICAS.
a) DEFINICION DE INTEGRACION
b) INTEGRACION NUMERICA.
8.1
8.2
-7-
PRESENTACION
La enseanza de los mtodos Numricos, actualmente se encuentra
ntimamente ligada a la construccin de sistemas matemticos de alta
precisin y exactitud. De aqu que esta haya evolucionado , y este
evolucionando continuamente, sobre todo para satisfacer las necesidades y
requerimientos de los instrumentos de control numrico ,diseo de ingeniera,
y en muchos otros de los campos cientficos.
La mayor parte de los ingenieros dependen de herramientas de tipo
robtico, que requieren de aproximaciones cada vez mas exactas y precisas.
Es por tanto deseable que a la par de la enseanza Terica de los Mtodos
Numricos, vaya apareado , la enseanza de un lenguaje de programacin de
alto nivel, que permita escribir directamente todos los algoritmos matemticos
que se van desarrollando durante el curso. En el caso del presente libro se
utiliza, el Matlab, por ser un sistema Matemtico, muy flexible y relativamente
sencillo de utilizar .
Este libro surge de la experiencia de haber enseado la asignatura de
Mtodos Numricos durante seis semestres consecutivos , que se imparte en
el cuarto semestre de la carrera de Ingeniera en Informtica y la Licenciatura
JOSE GARZON ARIAS
-8-
-9-
PREFACIO
HISTORIA.
- 10 -
- 11 -
- 12 -
- 13 -
INTRODUCCION AL MATLAB
ORIGEN
INICIACIN AL MATLAB
CARACTERSTICAS DEL ENTORNO
SALIDAS O PRESENTACIONES
FUNCIONES DE MATLAB
LIBRERIAS
VENTANAS
GRAFICAS
FUNCIONES ESPECIALES
- 14 -
INTRODUCCIN AL MATLAB.
principal.
Estos
Toolboxes
cubren
en
la
actualidad
- 15 -
ORIGEN
- 16 -
INICIACIN AL MATLAB
El Lenguaje de Computacin Tcnica MATLAB es un ambiente
de computacin tcnica integrada que combina computacin numrica,
grficos y visualizacin avanzada y un lenguaje de programacin de
alto nivel.
Sea cual fuere el objetivo, un algoritmo, anlisis, grficos,
informes o simulacin, MATLAB lo lleva all. El lenguaje flexible e
interactivo de MATLAB permite a ingenieros y cientficos expresar sus
ideas tcnicas con simplicidad. Los poderosos y amplios mtodos de
JOSE GARZON ARIAS
- 17 -
de
The
MathWorks.
MATLAB
combina
computacin
parmetros
usando
el
Nonlinear
Control
Design
Blockset.
- 18 -
Clculos
intensivos
desde
un
punto
de
vista
numrico.
- 19 -
Toolbox especiales :
Se incluyen el Toolbox de seales y Sistemas ( un conjunto de
herramientas para el procesamiento de seal y para el anlisis de
sistemas de cuadro ) y el Toolbox Symbolyc Math ( herramienta de
clculo simblico basada en Maple V ).
SALIDAS O PRESENTACIONES
MATLAB provee acceso inmediato a las caractersticas grficas
especializadas requeridas en ingeniera y ciencias. Potente graficacin
orientada a objetos grficos le permite graficar los resultados de su
anlisis, incorporar grficos en sus modelos de sistemas, rpidamente
presentar complejos 3-D objetos, y crear resultados de presentacin,
entre lo cual se destaca:
- 20 -
horizontales
Grficos 3-D y slido modelado
Representacin de imgenes y archivos I/O
Grficos comentados
Leer/Escribir archivos de datos Hierarchical Data Format (HDF)
Presentacin de OpenGL software y hardware
Animacin
Display de buffer x rpido y exacto
Soporte de colores verdaderos (24-bit RGB)
Fuentes mltiples de luz para superficies coloreadas
- 21 -
FUNCIONES DE MATLAB
Manipulacin y Reduccin de Datos MATLAB tiene un rango
completo de funciones para preprocesar datos para anlisis
Numerosas
operaciones
para
manipular
arreglos
- 22 -
Todos
los
atributos
de
los
grficos
de
MATLAB
son
- 23 -
comnmente
para
anlisis
de
datos
multidimensional
de
para
Datos
para
realizar
la
DSP
MATLAB
funcionalidad
ofrece
muchas
indispensable
en
stem
periodogramas.
El
lenguaje
de
MATLAB,
- 24 -
de
espacios
de
colores,
compresin,
anlisis
de
- 25 -
LIBRERIAS
Librera de Aplicaciones de MATLAB
Signal Processing Toolbox
MATLAB tiene una gran coleccin de funciones para el
procesamiento de seal en el Signal Processing Toolbox. Este incluye
funciones para:
Anlisis de filtros digitales incluyendo respuesta en frecuencia,
McClellan.
Procesamiento de la transformada rpida de Fourier FFT,
- 26 -
- 27 -
- 28 -
- 29 -
- 30 -
HACER
DOBLE
CLIC AQU
y aparece la siguiente ventana de MATLAB, que nos dice que MATLAB est
esperando que introduzcamos un comando.
- 31 -
- 32 -
Exhibicin de Nmeros:
Comando MATLAB
Exhibicin
Ejemplo
format short
Por omisin
2.3333
format short e
4 decimales
2.3333e+000
format long
14 decimales
2.33333333333333
format long e
15 decimales
2.333333333333334e+000
format bank
2 decimales
2.33
format hex
exp.
4002aaaaaaaaaaab
- 33 -
format +
+, -, espacio
Operaciones Aritmticas:
ESCALAR
MATRIZ
VECTOR
Adicin
Sustraccin
.*
Multiplicacin
./
\.
Transposicin
DESCRIPCIN
- 34 -
Operadores Relacinales
OPERADOR
<
DESCRIPCIN
menor que
<=
>
>=
==
Igual
~=
no igual
Operadores Lgicos
OPERADOR
DESCRIPCIN
&
Y (and)
O (or)
NO (not)
- 35 -
Combinaciones:
P
~P
P |Q
P&Q
falso
Falso
Verdadero
Falso
falso
Falso
verdadero
Verdadero
Verdadero
falso
Verdader
Falso
Falso
Verdadero
falso
verdadero
Falso
verdadero
verdadero
o
Verdader
o
- 36 -
Caracteres Especiales:
CARACTERES
DESCRIPCIN
[]
()
Define
precedencia
en
expresiones
aritmticas.
Encierra
- 37 -
1.1.Ejemplos Elementales
>> 13/3
ans =
4.3333
>> 3\13
ans
4.3333
>> 4^11
ans
4194304
>> 2*pi^3
ans
62.01255336059963
a = [0 1 2 3 4 5 6 7 8 9 10]
a=
0 1 2 3 4 5 6 7 8 9 10
b= a + 3
b=
3 4 5 6 7 8 9 10 11 12 13
t = 0:2:20
t=
0 2 4 6 8 10 12 14 16 18 20
c= a+b
c=
3
5 7 9 11 13 15 17 19 21 23
- 36 -
f = [4; 6; 9]
f=
4
6
9
>> d*f
??? Error using ===> *
Inner matrix dimensions must agree.
>> d.*f
ans =
4
18
45
>> d * f
ans =
4
12
18
27
20
30
45
- 37 -
- 38 -
>> 3d
??? Error using ==> ^
Matrix must be square.
>>3.^d
ans =
3
17
243
- 39 -
matriz b:
>> b = [1 2; 0 1]
Entonces calculando el producto a*b:
>> a*b
Finalmente, se efecta el producto en el otro orden:
>> b*a
- 40 -
- 41 -
Para ver que estas operaciones son correctas y/o diferentes, se hace lo
siguiente:
>> a/b
>> a\b
No todas las matrices pueden invertirse, o puede usarse como el
denominador en la divisin de matrices:
>> c = [1 1; 1 1]
>> inv( c );
Una matriz puede invertirse si y slo si su determinante es diferente de
cero:
>> det(a)
>> det (c)
- 42 -
Generalidades.
Comandos de programacin.
Comandos matemticos.
Cada uno de los vnculos de estas secciones, contiene una explicacin breve y
ejemplos pequeos de cada comando. La seccin de ejemplos, contiene algunos
programas completos, donde se utilizan los comandos tratados.
- 43 -
NOTA:
En todos los programas de ejemplo se utiliza el comando de MATLAB: % el cual
se utiliza para aadir un comentario en el programa. Estos comentarios son
importantes para que otros puedan entender el contenido con mayor facilidad.
2. Generalidades
Esta es una breve introduccin al manejo de variables (escrita para las
personas que nunca han usado MATLAB), expresiones y archivos con
extensin .m (programas ejecutables por MATLAB), con respecto a su creacin
y uso.
La idea es tratar de manera general, como es el uso de variables, expresiones y
comandos en MATLAB, as como sus caractersticas. Adicionalmente dar una
introduccin al uso de los archivos con extensin .m (programas ejecutables por
MATLAB) y como trabajar con ellos.
2.1.
Manejo de variables:
- 44 -
2.2.
Manejo de expresiones:
- 45 -
2.3.
Manejo de comandos:
- 46 -
2.4.
- 47 -
NOTAS:
El archivo debe quedar grabado en el mismo directorio que MATLAB para
poder correrlo. Y si el archivo fue escrito en Unix la extensin tiene que ser
escrita en minscula (m), y debe escribirse el nombre exactamente igual
para correrlo (Unix diferencia entre maysculas y minsculas)
2.5
2.5. 1
Comando END
Determina hasta cual orden llega el efecto de if, for, y while. (Para ejemplos
de su uso ver if, while y for)
2.5.2.
Comando IF
- 48 -
a>b
escribe
% su resultado en pantalla.
else,
n=1
end;
n = 2;
if n == 0,
n
- 49 -
2.5. 3
Comando WHILE
- 50 -
- 51 -
2.5.4.Comando FOR
Muy parecido al While, pero utiliza un contador, es til si se quiere repetir una
parte del programa un nmero. determinado de veces.
La sintaxis de la orden es:
(ordenes) son las ordenes que se realizarn (contador) llega a su valor final.
(contador) Es de la forma:
variable = a [ , b ] : c
Donde:
variable es el contador en s.
- 52 -
- 53 -
2.5. 5
Comando PLOT
plot(x, y);
- 54 -
cada una por separado. Ya que MATLAB las dibuja en la misma ventana
siempre. (a menos que se use el comando FIGURE).
Al correr el programa se obtiene la grfica de la curva y=x3 -1 (para 0<=x<=1). La
grfica aparecer en una ventana aparte llamada Figure 1, y la recta se ver as:
- 55 -
- 56 -
- 57 -
2.6. 1
Comando DISP
disp(X);
X Puede ser:
Un vector.
Una matriz.
- 58 -
11
- 59 -
2.6.2
Comando INPUT
Se utiliza para que el programa pida valores de variables mientras se
ejecuta.
La sintaxis de la orden es:
Una variable o,
Una cadena.
- 60 -
final)
% MATLAB muestra su valor.
a = input(tex);
a
La salida de este programa ser:
Teclee el valor de a: (espera)
a=
xxx
- 61 -
Asignacin:
La asignacin de variables en MATLAB es sencilla, y los vectores y
matrices no son la excepcin. Cuando se desea dar el valor a toda una
matriz se puede realizar directamente de la siguiente forma:
A = [1 2 3 4 ; 5 6 7 8; 9 0 1 2];
A = [1, 2, 3, 4;5, 6, 7, 8;9, 0, 1, 2];
- 62 -
Las filas se separan por punto y coma y las columnas por espacios o
comas. De lo anterior se ve fcilmente que un vector fila se asigna as:
v = [1 2 3];
v = [1, 2, 3];
y un vector columna se asigna as:
v = [1; 2; 3];
- 63 -
Manejo de subndices:
Otra forma de asignar valores a una matriz (o un vector) es por medio de los
subndices. El menor subndice utilizado por MATLAB es 1. Y va aadiendo
valores a medida que se requieran. Los subndices se escriben entre parntesis.
Por ejemplo:
A(2, 3) =1; Asigna al elemento en la fila 2, columna 3 el valor de 1.
Si se desea cambiar todo el valor de una fila o una columna, es muy
sencillo hacerlo con el operador : as:
A(1 , :) = [4 5 6];
Igualmente a veces se requiere trabajar con vectores que son una columna
o una fila de una matriz.
JOSE GARZON ARIAS
- 64 -
- 65 -
calcula la norma 2
en un vector es la magnitud del vector
2:
calcula la norma 2
inf:
- 66 -
- 67 -
A=
v=
Para la matriz:
n2 =
5.4650
ni =
7
Para el vector:
n2 =
5.4772
ni =
4
- 68 -
- 69 -
v=
M=
m=
1
- 70 -
v=
3
M=
m=
4
- 71 -
Vector2 y Vector3 son los vectores a los que se les quiere aplicar el
producto cruz. Tanto Vector2 como Vector3 deben ser vectores
tridimensionales.
Vector1 es el vector (tridimensional) resultante del producto cruz de Vector2
y Vector3.
El siguiente ejemplo ilustra el uso de cross:
%Ejemplo de uso de cross.
x = [1 0 0]
y = [0 1 0]
z = cross(x, y)
Al correr el programa se obtiene la siguiente salida:
- 72 -
y=
z=
- 73 -
x=
l=
- 74 -
tambin:
Tamao = size(Matriz);
- 75 -
A=
y=
f=
c=
- 76 -
DEFINICIONES DE MATRICES
Matriz es la matriz (cuadrada) a la que se le desea calcular los valores o
vectores propios.
Diagonal es una matriz diagonal que contiene los valores propios de Matriz.
Vectores es una matriz en la que se devuelven los vectores propios
(unitarios) donde cada columna de la matriz Vector es un vector propio de
matriz; tal que el primer vector corresponde al primer valor propio y as
sucesivamente.
- 77 -
y=
-0.3723
5.3723
V=
D=
-0.8246
-0.4160
0.5658
-0.9094
-0.3723
0
0
5.3723
matriz1 = inv(matriz2);
- 78 -
I=
-2.0000
1.0000
1.5000
-0.5000
- 79 -
-7
10
d=
-284
- 80 -
- 81 -
CIFRAS SIGNIFICATIVAS.
- 82 -
Vd = f (vi, p , f )
(1)
- 83 -
EJEMPLO:
De la segunda Ley de Newton:
F = ma ; reordenando
a=
F
M
__
(2)
dv F
=
dt m
(3)
- 84 -
F = FD + Fu
(4)
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
dt
m
(7)
dv = g c/m (v)
dt
(8)
- 85 -
clculo, obtenemos:
v(t) = gm/c ( 1 e-(c/m)t )
(9)
Ej. 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 ) substituyendo valores se tiene
v(t)=53.39
1 e (0.1835)t
- 86 -
60
50
v, m/s
40
30
Serie1
20
10
0
0
10
t,s
v, m/s
16.42
27.76
35.63
41.05
10
44.87
12
47.48
t,s
53.39
( 10 )
- 87 -
v ( ti )
v ( ti + 1 ) v ( ti )
ti + 1 ti
= g c/m v ( ti )
Reordenando :
V ( ti + 1 ) = v ( ti ) +
g c/m v( ti )
( ti + 1 ti )
( 11 )
- 88 -
A cualquier tiempo
Ejemplo .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
Substituyendo los valores en la ecuacin 11 e iterando para diferentes
tiempos se tiene
V ( ti + 1 ) = v ( ti ) +
V1 = V0 +
g c/m v( ti )
g c/m V0
( ti + 1 ti )
( ti + 1 ti )
(2-0)
; t1 = 2 seg
= 19.6 m/s
- 89 -
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
V3= 32 +
9 .8 12.5/68.1 (32)
(t3 t2)
(2)
= 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
- 90 -
TABLA DE RESULTADOS
t,s
SN
SA
19.6
16.42
32
27.76
39.85
35.63
44.82
41.05
10
48.01
44.87
12
49.05
47.48
53.39
53.39
40
30
20
10
0
0
10
12
t,s
Solucin Numrica
Solucin Analtica
- 91 -
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
Ajuste de curvas
Polinomios
- 92 -
Industrial,
Ingeniera
Qumica,
Ingeniera
Civil,
Ingeniera
b) Solucin Numrica.
La solucin Numrica se puede obtener con cierto numero de cifras
significativas, y con un cierto tipo de error de aproximacin, por
medio de un algoritmo simple , aplicando la siguiente formula de
recursin :
X N +1 =
1
2
(X N +
)
XN
2
3.1
0.5 x
- 93 -
Iteracin (n)
Xn+1(valor
Xn (valor
Error (r)
nuevo)
anterior)
1.5
33.3%
1.4116
1.5
5.88%
1.4142156
1.4116
0.1733%
1.414213563
1.4142156
0.00158948%
3.2
DEFINICION DE ALGORITMO
Un algoritmo es una secuencia lgica de pasos necesarios para
ejecutar una tarea especifica , tal como la solucin de un problema .
Caractersticas de Un Algoritmo:
1. Finitud. Todo algoritmo debe terminar en un nmero finito de
pasos.
- 94 -
3.3
El algoritmo de EUCLIDES.
- 95 -
DEFINICION.
Una medicin es un procedimiento, por medio del cual se obtienen uno
o mas conjuntos de datos , que representan un proceso, de cualquier
clase
Las mediciones en fsica se efectan por medio de un instrumento de
medicin.
La exactitud de una medicin, depende del tipo de medicin y del
instrumento de medicin. As si se desea medir una partcula de polvo,
se requiere de un microscopio graduado en Micras. En cambio si se
desea medir el ancho de una estrella , se requiere de un telescopio con
graduacin que permita medir aos luz.
Todas las medidas que realiza un instrumento , se reportan con cierto
grado de incertidumbre, por ejemplo las medidas de una hoja de papel
tamao carta se reportan con un error de .5mm , lo cual quiere decir
que las dimensiones de la hoja (21.6,27.9cm) solo los tres primeros
dgitos son significativos.
CIFRAS SIGNIFICATIVAS.
DEFINICION.
Una cifra significativa es cada uno de los dgitos que resultan de hacer
una medicin, cuando la mxima incertidumbre no es mayor que la
mitad de la mnima unidad que puede ser medida con el instrumento de
medicin utilizado
- 96 -
7 que representan
- 97 -
DEFINICION DE PRECISION
A la repeticin de valores obtenidos de una medicin se le conoce
como la precisin de la medida.
DEFINICION DE EXACTITUD
A la cercana de las mediciones a un valor que consideramos como
el valor real se le conoce como exactitud.
ERRORES.
En la vida real , no siempre se conocen las soluciones exactas de los
problemas que se presentan, ya sea en un proceso econmico,
administrativo, o cualquier calculo cientfico que se tenga que realizar.
Por este motivo, la mayor parte de los resultados que se reportan en la
practica son aproximaciones de las cantidades reales. En el rea de la
computacin, sucede lo mismo, ya que ninguna computadora puede
almacenar un numero irracional.
DEFINICION
- 98 -
El error de redondeo
El error de truncamiento
El error relativo
El error absoluto.
A continuacin describiremos cada uno de ellos.
ERROR DE REDONDEO
DEFINICION
Ejemplo :
Expresio
REPRESENTACION
APROXIMACION
ERROR
1/7
0.142857
0.142857
1/7000000
LN 2
0.693147180559945
0.693147
0.000000180
30941
559
- 99 -
1.259921049894873
1.25992
0.000001049
164
e
849
2.718281828459045
235
2.71828182845904
0.000000000
00000023536
ERROR DE TRUNCAMIENTO
Definicin:
El error de truncamiento es el error que aparece cuando un procedimiento
infinito, se hace finito.
f ( x) =
k =0
f k ( x0 )
( x x0 ) k ..3.2
k!
ex =
1+ x +
x2 x3 x4
+
+
+ ........ 3.3
2
6 24
- 100 -
Valor
Numero de
Resultado
Error
Real
trminos de la
aproximado
relativo
e1.5
expansin
4.481688927
obtenido
1
0.776869
2.5
0.442173
3.625
0.191151
4.1875
0.0656405
4.39843
0.0185756
1
2
4.46171
0.00445591
R n
n +1
(t )( x a ) n +1
.3.5
(n + 1)!
et x 7
et x 7
e t 1.5 7
R6
=
=
= 0.0151932.3.6
7!
7!
7!
- 101 -
ERROR ABSOLUTO.
DEFINICION:
El error absoluto es el valor absoluto de la diferencia entre el valor real y el
valor aproximado.
Es decir:
abs= Vr Vo .. 3.7
donde Vr es el valor real , y Vo es el valor obtenido, o aproximado.
Como rara ves se conoce el valor real Vr , puede corresponder a cualquiera
de dos valores: El valor esperado o bien el valor obtenido por la iteracin
anterior.
Ejemplo: ln(3.5)= 1.25276 la aproximacin usando una expansin de
Taylor con 6 trminos es 14.3489, por tanto el error absoluto es:
1.25276 - 14.3489 = 13.0961
ERROR RELATIVO.
DEFINICION.
El error relativo es el cociente entre el error absoluto y el valor real.
Es decir que :
r=
V r Vo
.3.8
Vr
- 102 -
0.960170 + 0.733121
= 1.76353
0.960170
Redondeado a
decimales
1.76353
Cantidad
Error cometido
redondeada
1.7635
5X10-5
1.763
5X10-4
1.76
5X10-3
- 103 -
Ejercicios:
Errores de redondeo.
1.- Dadas las siguientes cantidades 3.462335, 76.76549362, 5847.9.
Redonde a 4 decimales , y proporcione el error de redondeo.
2.- Bajo las operaciones de suma, producto y cociente de las cantidades:
549.3587, 97.3454, cual es el resultado, si estas se redondean a 3
decimales.
3.- Dada la funcin e x senx , cual es el error de redondeo, que se comete al
calcular el valor de la funcin en x = 6.33 y redondear a 5 decimales.
4.- Cual es el error mximo que se comete cuando se redondea un numero
a 7 decimales.
Errores de truncamiento
5.- Dada la funcin e 6 senx , determine el error de truncamiento , cuando esta se
evala en el punto 3.24, con los 6 primeros trminos de la serie de Mc
Claurin .
6.- Cual es el error Mximo permisible cuando la funcin cos(6x^2) , se
expande en una serie de Mc. Claurin.
7.- Sea 1+x+0.63x^2+0.534x^3+0.768x^4+589x^5 , la expansin al 50
termino de una funcin f(x) , cual seria el mximo error cometido con esta
expansin.
- 104 -
BIBLIOGRAFIA.
- 105 -
- 106 -
- 107 -
funciones
trigonometricas,
funciones
exponenciales,
RAICES DE ECUACIONES
D EFI N I CI ON
Una raz de una ecuacin es un numero que satisface le ecuacin, es decir
que si esta igualada a cero, una raz ser el numero real o complejo que la
hace cero Ejemplo la raz de la ecuacin 5x-1=0 ser
1
5
- 108 -
4.1
ANALISIS
DE
RAICES
DE
ECUACIONES
POLINOMIALES.
En el caso del anlisis de races de ecuaciones polinomiales, es muy
importante el estudio de el Teorema fundamental del lgebra, el
Teorema del residuo y el Teorema del factor que vamos a enunciar a
continuacin.
- 109 -
residuo
de
dividir
el
polinomio
n-1
n-2
x=
-0.9112547456
Al dividir 4x5-2x3+1 el residuo es 145
Como se obtuvo este resultado?, el resultado se obtuvo por medio de
divisin sinttica, el cual consiste en lo siguiente:
- 110 -
_______8___ 16___36___72__144________
4
18
36
72
145
Este es el residuo
2 3i
2 3i
, 1 +
,0
3
3
- 111 -
ecuacin
polinomial
de
grado
Pn(x) = anx +an-1x +an-2x ++a0 con an0 , en donde todos sus
n
n-1
n-2
es igual al numero de
Races Complejas
0.2995457166 - 0.6279304552i ,
0.2995457166 +
- 112 -
TEOREMA DE CONVERGENCIA.
La raz, de cualquier sub. funcin extrada de una funcin f(x)
previamente obtenido.
- 113 -
P3=g(P2)
P4=g(P3)
P5=g(P4)
P6=g(P5)
En una sucesin interminable de nmeros , se dice que el esquema
iterativo converge , si los nmeros tienden a un limite,
Ejemplo : sea f(x) = -x/20 - 0.9534461720 y p0 = 1 se tiene que
{0.04655382800, -0.002216747499, 0.0001056833004,
5.03819948510-6
, 2.40100349910-7
, - 1.14997317210-8
5.00185606810 -9 , - 9.97418760210-10 , 0}
- 114 -
PUNTOS FIJOS.
D EFI N I CI ON
Un Punto fijo de una funcin g(x) es un numero real que P , tal que
P=g(P) .
D EFI N I CI ON
Una iteracin de punto fijo es un esquema iterativo de la forma
pn+1=g(pn) para n=0,1,.
.
P1=-0.500000=0.606531
.
P2=-0.606531=0.545239
P3=-0.545239.=0.579703
.
- 115 -
= 0.567143...... .
una ecuacin,
- 116 -
Ejercicios:
Obtenga la solucin , por el mtodo de aproximaciones sucesivas de las
siguientes ecuaciones:
1.- x5-3x3-2x2+2=0
2.- cos(sen(x))=2
3.- x2=sen(x+0.25)
Sea f(x) una funcin continua en [a,b] y sea p un valor entre (f(a),f(b)) ,
entonces existe un valor x* entre (a,b), tal que f(x*) = p
COROLARIO
Sea f(x) una funcin continua en [a,b] y sean f(a) y f(b) de signos
contrarios, entonces existe un valor x* entre (a.b) , tal que f(x*) = 0
El mtodo de biseccin consiste en :
Sea f(x) una funcin continua , y a, b dados tales que f(a)f(b)0 , se
define c=(a+b)/2. Si f(c) = 0 entonces el algoritmo termina.
- 117 -
(0,1).
an
bn
cn
f(an)
f(bn)
f(cn)
0.5
-1
0.25
0.5
0.25
-1
0.25
0.69
0.25
0.5
0.375
0.25
0.69
4
0.375
0.5
0.4375
0.48
0.25
0.48
5
0.4375
0.5
0.46875
0.37
0.25
- 118 -
0.31
ANALISIS DE ERROR .
Como f(a)f(b)0 , se sabe que existe un numero [a,b] tal que f()=0
Mediante
Induccin
Matemtica
se
puede
probar
que
que
2 n 1
(b a ) , n1 ..(4.3)
como
c n c n a n = bn c n =
[an,cn]
[cn,bn]
se
tiene
que
1
(bn a n ) .(4.4)
2
1
(b a),
2n
n 1 (4.5)
ba
) .(4.6)
1
(b a ) ,
2n
- 119 -
[a,b] . Esta
CONCLUYENDO.
f ( x0 )
, con f(x) 0 .(4.7)
'
f ( x0 )
f (x )
x n +1 = x n ' n
El esquema recursivo para esta expresin es :
f ( xn )
x0
f (xn)
0 , n0 (4.8)
- 120 -
Para encontrar una raz real de la ecuacin f(x) = 0, proporcionar la funcin F(X) y su
derivada DF(X) y los
DATOS:
Valor inicial X0, criterio de convergencia EPS, criterio de exactitud EPS1 y nmero
mximo de iteraciones MAXIT.
La raz aproximada X o un mensaje de falla.
PASO 1.-Hacer I = 1
PASO 2.-Mientras I < MAXIT repetir los pasos 3 a 7.
PASO 3.-Hacer X = X0 - F(X0) / DF(X0) 'calcula xi
PASO 4.-Si ABS(X - X0) < EPS entonces IMPRIMIR X y TERMINAR. De otro modo
CONTINUAR.
PASO 5.-Si ABS(F(X)) < EPS1 entonces IMPRIMIR X y TERMINAR. De otro modo
CONTINUAR.
PASO 6.-Hacer I = I + 1
PASO 7.Hacer X0 = X 'actualiza X0
PASO 8.-IMPRIMIR mensaje de falla "EL MTODO NO CONVERGE A UNA RAZ" y
TERMINAR
El algoritmo en MATLAB es :
%METODO DE NEWTON RAPSON PARA EL CALCULO DE UNA RAIZ
REAL DE f(x)
Format long
X0=a
for I=1:n
f= anx0n+1 +an-1x0na0;
df= an(n+1)x0n+an-1(n)x0n-1..a1;
x=x0-f/df;
dist = abs(x-x0);
dg=abs(1-(df2-f(xn)*(f/ df2);
disp([x,dist,dg])
x0=x;
end.
Aplicando este algoritmo al polinomio x5+4x4-3x-24 se encuentra que:
APROXIMACIONES ERROR --------2.2222 1.2222
- 121 -
0.4111
0.2269
0.0697
0.0060
0.0000
- 122 -
- 123 -
- 124 -
a x + a x + a x + .......... + a x = b
n2 2
n3 3
nn n
n
n1 1
(5.1)
a 21
=
a n1
a12
a 22
an2
x1
.......... ..... a1n
x
...........
a2n
2
X = :
....
: :
......
........
a nn nxn
xn
b1
b
2
b= :
: :
bn
(5.2)
(5.3).
- 125 -
- 126 -
Ecuaciones
Inconsistentes
Consistentes
Ejemplos:
1.- Sistema con soluciones infinitas:
x1+4x3+x5=-3
x2-2x3-x5=1
x4=2
La matriz aumentada es
1 0 4 0 1 : 3
0 1 2 0 1 : 1
0 0 0 1 0 : 2
X1= -4s-r-3
X2= 2s+r+1
X3= s
X4= 2
X5= r
- 127 -
aumentada
1
1 0
2 X=1 1 1
3 2 2
2 3
1 Y=
5
20 6
Z = -1
es:
: 2
: 1
: 1
: 2
: 1
por
el
mtodo
de
x1+2x3-2x4 = 1
-x1+x2+x4 =-2
X2+2x3-x4 =1
3.- Sistema inconsistente :
- 128 -
La matriz aumentada es :
1 0 2 2 : 1
1 1 0 1 : 2
0 1 2 1 : 1
1 0 2 2 : 1
0 1 2 1 : 1
0 0 0 0 : 2
un numero
clear all
clc
%Este programa calcula el rango de una matriz
R=1;
A=[ ]mxn
Fprntf(El rango de la matriz A es %.f,R);
R=rank(A);
end
Tambin se presenta un algoritmo para el mtodo de eliminacin de
Gauss Jordan. Mtodo rpido.
clear all
clc
%El metdodo de eliminacin de Gauss Jordan
A= [ ]mxn
JOSE GARZON ARIAS
- 129 -
clear all
clc
%El mtodo de eliminacin largo de Gauss Jordn
A= [ ]mxn
B = [ ]nxr
for m=1:m
for n=1:n
clc
fprint(Introduce el valor de m,n,,m,n);
A(m,n)=input( );
end
end
%no se intercambia la fila
for i=2:3
A(i,:)=A(i,:)*A(i,1)/A(1,1);
End
A
%Se intercambia la fila 2 con la fila 3
copia=A(3,:);A(3,:)=A(2,:);A(2,:)=copia;
for i=1:3
if i~=2
A(i;:)=A(i,:)-A(2,:)*A(i,2)/A(2,2);
end
end
%Esto debe hacerse con cada elemento de la diagonal
A
for i=1:3
X(i)=A(i,1)/A(i,i),
end
x
disp(El valor de la matriz es igual A:);
disp([x]);
end
- 130 -
5.1
NORMA
DE
UNA
MATRIZ
MATRICES
CONVERGENTES
NORMA DE UNA MATRIZ
La norma de una matriz es un numero real positivo ||A|| que cumple con
las siguientes caractersticas.
Sean A y B matrices, para las cuales estn definidas las operaciones
de Suma, y producto, entonces:
a) ||A|| 0
||A|| = 0 si A = 0
||-A|| =||A||
d) ||AB|| ||A||||B||
sigue
||A||||B||
3x2-6x3-4x4-3x5=-5
Defnase algunas
-x1+3x2-10x3-4x4-4x5=-2
de
definen
definicin
orden
tres
normas de A =(aij)
arbitrario.
2x1-6x2+20x3+2x4+8x5=-8
de
que
Se
normas (dada la
norma se pueden
- 131 -
max
aij
i j
2. ||A||m =
3. ||A||k =
max
j
ij
2
ij
i, j
Ejemplos:
Se calcularan las tres normas para la siguiente matriz:
2 3
1
2
A3x3 = 4 3
2
0
2
5
a)
||A||m
max(
max
aij
i j
15
15
9
+ 2 , ,7) =
2
2
2
b) ||A||m =
max
j
ij
1
1
max(1+ 2 + 3 ,4+3+ ,
2
2
= max (1+4+0,
0+2+5)=
1 1
2 +3+2, 3 + + 5 ) =
2 2
max(5,5+ 2 ,9) = 9
c) ||A||k =
a
i, j
ij
(1 + 2 +
49
1
578
+ 16 + 9 + + 4 + 25) =
4
4
4
- 132 -
=0
lim A n
= 0 si y solo si , todos
max
i
valores propios de A ) .
COROLARIO La matriz A es convergente si para alguna norma se
tiene que A 1 .
- 133 -
27
1
A =
9
1
81
1
27
1
3
2
81
81
1
; se puede
4
81
3 3 1
1
9 27 81
81
1 2 4
1
1
norma de
, ya que
<1 , lo cual proviene
81
81
lim
An = 0
DE
ECUACIONES
CUYA
MATRIZ
DE
METODO DE JACOBI:
- 134 -
xj
lim
xj = xj
m
1jn
(5.35)
Sea entonces:
a11 x1 + a12 x 2 + a13
a 21 x1 + a 22 x 2 + a 23
a31 x1 + a 32 x 2 + a 33
= b1
= b2
= b3
a12 x 2 a13 x3 b1
+
a11
a11
a11
x1 =
x1
x= x 2 =
x3
a 21 x1
a 22
x2 =
a 23 x3 b2
+
a 22
a 22
a31 x1 a32 x 2
a33
a33
x3 =
b3
a33
x1
x
2
x3
a
= 21
a
a22
31
a33
a12
a11
0
a32
a33
b1
a13
a11 x a11
1
a 23 b2
* x2 +
a 22 a 22
x3 b
3
0
a33
(5.36)
- 135 -
(5.37)
X k +1 a11
k +1 1
k
k
k+1
(b2 a 21 x1 a 23 x3 )
X = X =
a
X k +1 22
1
k
k
a33
(5.38)
Xi
k+1
n
1
k
= bi + aij x j , para
aii
j =1
j i
1 i n
- 136 -
3x1
x1
x2
x2
+ 3x2
+ 3 x3
x3
x3
x4
+ 3x4
=1
=1
=1
=1
1
, lo que tambin se puede decir
3
x1 =
x2 1
+
3 3
x
x
1
x2 = 1 + 3 +
3
3 3
.
x2 x4 1
x3 =
+
+
3
3 3
x
1
x4 = 3 +
3 3
Aplicando el mtodo de jacobi con X0=0 para la primera iteracin se
tiene:
1
3
1
1 3
X=
1
3
1
3
JOSE GARZON ARIAS
- 137 -
X 1k
0.0000
0.33333
0.44443333
0.48147778
0.49382593
0.5144234
X 2k
X 3k
X 4k
0.0000
0.0000
0.0000
0.33333
0.33333
0.33333
0.55553333
0.55553333
0.44443333
0.70368889
0.70368889
0.48147778
0.80245932
0.80245932
.80245926
.80245926
0.5324667
0.80245920
0.80245920
0.5324667
0.5534689
0.80214876
0.80214876
0.5534689
0.5725346
0.8019856
0.8019856
0.5725346
0.5938562
0.800987
0.800987
0.5938562
10
0.5997677
0.800599
0.800599
0.49382593
0.5144234
0.5997677
- 138 -
BIBLIOGRAFIA:
1.-Nakos George and Joyner David
Linear lgebra and Applications
Brooks Cole Publishing
Newark U.S.A.
1998
2.- Chapra C. Steven y Canale.P. Raymond.
Mtodos Numricos para ingenieros.
4a Edicion.
McGraw-Hill
Interamericana
Mexico
2002
JOSE GARZON ARIAS
- 139 -
- 140 -
INTERPOLACION
DEFINICIONES BASICAS
INTERPOLACION DE NEWTON
- 141 -
INTERPOLACION DE LAGRANGE
INTERPOLACION POR SPLINES
INTERPOLACION Y APROXIMACION
En la practica profesional, no siempre se tienen todos los datos , que nos
interesa, o bien no siempre se tiene la forma analtica de las funciones que
representa un proceso(ya sea administrativo, industrial, etc.), por tal motivo,
es necesario, que con la informacin con la que se cuenta, se puedan
obtener datos adicionales o valores intermedios aproximados, que permitan
construir un modelo mas adecuado , para describir la situacin real.
- 142 -
Definicin de INTERPOLACION
D EFI N I CI ON
La interpolacin se entiende como el procedimiento para obtener , valores
intermedios de una lista o tabla de valores , que no los contiene.
Existen diferentes tipos de interpolacin, a saber:(6.1)
Interpolacin de Newton.
Interpolacin de Lagrange.
Interpolacin por Splines.
Cada tipo de interpolacin requiere de cierta informacin particular , la cual
depende del tipo de proceso que se analiza , las cuales sern descritas a
continuacin.
- 143 -
Ejemplo 6-1 : Calcule las diferencias hacia delante de la siguiente tabla que
representa la concentracin de un reactivo, respecto del tiempo, en una
reaccin qumica.
Tiempo en
10
15
20
25
234
212
203
198
180
173
seg.
Concentracin
en moles/litro
TABLA 6-0
Las diferencias hacia delante son:
Observacin
t(tiempo)
C(concentracin)
234
C1
C2
C3
C4
212-234= -22
2
212
-9+22=13
203-212=-9
4-13=-9
- 144 -
10
203
-5+9=4
198-203=-5
15
198
-13-4=-17
-18+5=-13
180-198=-18
5
20
-8
180
41
11+13=24
-7+18=11
173-180=-7
25
173
TABLA 6-1
Las cuales representan las diferencias hacia delante.
D EFI N I CI ON
Las diferencias dividas de primer orden son la diferencia entre dos valores
sucesivos de la variable independiente , divididos entre la longitud del
intervalo de medicin..
Tiempo en
10
15
20
25
234
212
203
198
180
173
seg.
Concentracin
en moles/litro
c
t
212 234
=
5
203 212
=
5
198 203
=
5
180 198
=
5
173 180
=
5
-4.4
-1.8
-1
-3.6
-1.4
- 145 -
2c
t 2
3c
t 3
4c
t 4
5c
t 5
1.8 + 4.4
=
10
0.26
0.16 0.52
=
15
-0.012
0.1360 + 0.072
=
20
-0.0005
0.0112 + 0.0128
=
25
1. + 1.8
=
10
3.6 + 1
=
10
1.4 + 3.6
=
10
0.08
0.52 0.16
=
15
0.0227
0.1920 0.1360
=
20
0.0013
-0.26
0.44 + 0.52
=
15
-0.0027
0.22
0.0001
Tiempo en
10
15
20
25
234
212
203
198
180
173
seg.
Concentracin
en moles/litro
c
t
2c
t 2
3c
t 3
4c
t 4
5c
t 5
212 234
=
5
203 212
=
5
198 203
=
5
180 198
=
5
173 180
=
5
-4.4
-1.8
-1
-3.6
-1.4
1.8 + 4.4
=
10
0.26
0.08 0.26
=
15
-0.012
0.0227 + 0.012
=
20
-0.0005
0.0013 + 0.0005
=
25
1. + 1.8
=
10
3.6 + 1
=
10
1.4 + 3.6
=
10
0.08
0.26 0.08
= 15
0.0227
0.0027 0.0227
=
20
0.0013
-0.26
0.22 0.26
=
15
-0.0027
0.22
- 146 -
c
t
2c
t 2
3c
t 3
4c
t 4
5c
t 5
234
-4.4
0.26
-0.012
-0.0005
0.0001
212
-1.8
0.08
0.0227
0.0013
10
203
-1
-0.26
-0.0027
15
198
-3.6
0.22
20
180
-1.4
25
173
TABLA 6-2
POLI N OM I OS D E N EW TON .
D EFI N I CI ON
Los polinomios de newton se obtienen a partir de la expresin
k
n
y(x)=
k =0
s ( s (k 1))!
x(xi,xi+1).y =
k!
k
x xi
pertenece al intervalo
xi +1 xi
- 147 -
((t t 3 ) / 5)!
((t t1 ) / 5)!
((t t 2 ) / 5)!
((t t 4 ) / 5)!
C 3 +
C1 +
C 2 +
C 4
1!
2!
3!
4!
C(t)=
function [C,D]=newpoly(X,y)
%Datos
% - X es el vector de las abscisas
% Y es el vector de las ordenadas
% Resultados
% C es el vector de coeficientes.
% D es la tabla de diferencias divididas.
n=lenght(X);
D=zeros(n,n);
D(:1,)=Y ;
- 148 -
x0
x1
xn
- 149 -
a
n
j =0
(xx1)(xx2).........
.(xxn)
(xx0)(xx2).........
.(xxn)
(xx0)(xx1).........
.(xxn1)
f0 +
f1 +....+
fn --.(x1 xn)
(x0 x1)(x0 x2).........
.(x0 xn) (x1 x0)(x1 x2).........
(xn x0)(xn x1).........
.(xn xn1)
(6.2.2)
La ecuacin anterior parece complicada, pero en realidad no es tan difcil,
incluso la memorizacin.
Apliquemos esta para resolver un problema qumico clsico.
Las densidades del sodio para tres temperaturas, se dan en la tabla
siguiente:
Observacin. i
Temperatura Ti oC
Densidad i Kg/m3
94
929
205
902
371
860
Solucin:
- 150 -
(T 205)(T 371)
(T 94)(T 371)
(T 94)(T 205)
(929) +
(902) +
(860)
(94 205)(94 371)
(205 94)(205 371)
(371 94)(371 205)
(6.2.3)
Graficando esta expresin.
- 151 -
if k=j
V=conv(V,poly(X(j)))/(X(k)-X(j));
end
end
L(k,:)=V;
end
% Calculo de los coeficientes del polinomio
C=Y*Y
- 152 -
dividir los
x0
x1
x2
FIG 6.3.1
xk-1 xk
- 153 -
Sk(x)=
x xk
x x k +1
yk +
y k +1
x k x k +1
x k +1 x k
6.3.1
Siendo dk=
y k +1 y k
x k +1 x k
Sk(x)=yk+dk(x-xk).
6.3.2
y k + d k ( x xk )
entero tal que x-xk+1<0. Una vez encontrado el valor de k tal que xkxxk+1,
- 154 -
xi
f(xi)
0.9162
0.25
0.8109
0.5
0.6931
0.75
0.5596
1.0
0.4055
di
0.8109 0.9162
=-0.4212
0.25 0
0.6931 0.8109
=-0.4712
0.5 0.25
0.5596 0.6931
=-0.534
0.75 0.5
0.4055 0.5596
=-0.6164
1. 0.75
si
0.8109-0.4212(x-0.25)
0.6931-0.4712 (x-0.5)
0.5596-0.534 (x-0.75)
0.4055-0.6164 (x-1)
- 155 -
k= 0
- 156 -
6.3.5
- 157 -
Resolviendo m1=2.25
2.52
3.72
=-0.36, m3=3(-1.0+0.5)=0.36.
2
2
0x1
function S=csfit(X,Y,dx0,dxn)
% Datos :
%X es el vector de las abscisas
JOSE GARZON ARIAS
- 158 -
- 159 -
PROBLEMAS:
1.- Determine los splines cbicos ,sujetos en los extremos , que pasa por
2,0),(1,3) y (4,1)
4.- Determine el Spline cbico con terminacin parablica que pasa por los
- 160 -
BIBLIOGRAFIA.
1.- Carnahan,Brice, et al (1969): Applied Numerical Methods , Wiley New
York
2.- Conte, S.D. and Carl de Boor(1972) : Elementary Numerical Analysis ,
- 161 -
- 162 -
AJUSTE DE CURVAS
COEFICIENTE DE DETERMINACIN
COEFICIENTE DE CORRELACIN
- 163 -
nos queda
- 164 -
- 165 -
EJEMPLO 1
XY
- 166 -
7.2
30.24
51.84
4.9
6.7
32.83
44.89
7.0
17.0
119.00
289.00
6.2
12.5
77.50
156.25
3.8
6.3
23.94
39.69
7.6
23.9
181.64
571.21
4.4
6.0
26.40
36.00
5.4
10.2
55.08
104.04
43.5
89.8
546.63
1292.92
- 167 -
el segundo termino es la
por tanto
nos queda:
JOSE GARZON ARIAS
- 168 -
entonces
- 169 -
obtenido con la
es una
es el valor
- 170 -
. Se
4.2
7.2
4.6
-0.4
0.16
4.9
6.7
4.5
0.4
0.16
- 171 -
17.0
6.6
0.4
0.16
6.2
12.5
5.7
0.5
0.25
3.8
6.3
4.4
-0.6
0.36
7.6
23.9
8.0
-0.4
0.16
4.4
6.0
4.4
0.0
0.00
5.4
10.2
5.2
0.2
0.04
1.29
Coeficiente de determinacin.
El cambio de la variable Y generalmente depende de muchos factores, en
ocasiones, difciles de identificar; con el modelo lineal simple, slo tenemos
presente uno. Por ejemplo, en nuestro caso la mediana del ingreso
depende no slo del porcentaje de graduados en el nivel superior, que es,
JOSE GARZON ARIAS
- 172 -
media se denomina
variacin de Y.
La diferencia entre
estimado y
- 173 -
- 174 -
4.2
5.44
-1.24
1.54
4.6
-0.84
0.71
-0.4
4.9
5.44
-1.24
0.29
4.5
-0.84
0.88
0.4
7.0
5.44
1.56
2.43
6.6
1.16
1.35
0.4
6.2
5.44
0.76
0.58
5.7
0.26
0.07
0.5
3.8
5.44
1.64
2.69
4.4
-1.04
1.08
-0.6
7.6
5.44
2.16
4.66
8.0
2.56
6.55
-0.4
4.4
5.44
1.04
1.08
4.4
-1.04
1.08
0.0
5.4
5.44
0.4
0.001
5.2
-0.24
0.06
0.2
- 175 -
13.271
11.78
Coeficiente de correlacin
Este Coeficiente como ya se dijo mide la fuerza de la relacin entre las
variables. El coeficiente tiene el signo que tiene b y su valor estar
El signo menos en el ndice significa una relacin negativa y
un signo ms una correlacin positiva. El coeficiente se obtiene sacando la
raz cuadrada al coeficiente de determinacin y se simboliza con "r".
- 176 -
0.0
0.2
0.2
0.4
0.4
0.7
Correlacin moderada
0.7
0.9
0.9
1.0
- 177 -
- 178 -
- 179 -
Ejemplo 1
Se midi el porcentaje de sobre vivencia de cierto tipo de semen animal,
despus del almacenamiento, en varias combinaciones de concentraciones
de tres materiales que se utilizan para aumentar su oportunidad de sobre
vivencia. Los datos son los siguientes:
y(% sobrevivencia)
x1(peso
x2(peso
x3(peso
%)
%)
%)
25,5
1,74
5,30
10,80
31,2
6,32
5,42
9,40
25,9
6,22
8,41
7,20
38,4
10,52
4,63
8,50
18,4
1,19
11,60
9,40
26,7
1,22
5,85
9,90
26,4
4,10
6,62
25,9
6,32
8,72
9,10
32
4,08
4,42
8,70
25,2
4,15
7,60
9,20
39,7
10,15
4,83
9,40
35,7
1,72
3,12
7,60
26,5
1,70
5,30
8,20
- 180 -
=
De los resultados de una computadora obtenemos los elementos de la
matriz inversa
- 181 -
=
Al resolver estas r + 1 ecuaciones, obtenemos las estimaciones b0, b1,.....,
br y por ello generamos la ecuacin de prediccin de regresin polinomial
ajustar
cualquier
modelo
lineal
en,
digamos,
variables
cuadrados.
- 182 -
Ejemplo 2
Los siguientes datos representan el porcentaje de impurezas que ocurren a
varias temperaturas y tiempos de esterilizacin durante una reaccin
asociada con la fabricacin de cierta bebida.
Tiempo de esterilizacin, x2
Temperatura, x1 (C)
(min)
75
100
125
15
14.05
10.55
7.55
- 183 -
20
25
14.93
9.48
6.59
16.56
13.63
9.23
15.85
11.75
8.78
22.41
18.55
15.93
21.66
17.98
16.44
b11 =0,00081
b1 = -0,36235
b22 = 0,08171
b2 = -2,75299
b12 = 0,00314
- 184 -
- 185 -
- 186 -
Ejemplo 1
Se realiz un estudio sobre un camin de reparto ligero a diesel para ver si
la humedad, temperatura del aire y presin baromtrica influyen en la
emisin de xido nitroso (en ppm). Las mediciones de las emisiones se
tomaron en diferentes momentos, con condiciones experimentales
variantes. Los datos son los siguientes:
- 187 -
Humedad
Temperatura
Presin
xido
Humedad
Tempera
nitroso,
x1
x2
x3
nitros
x1
x2
y
0,90
72,4
76,3
29,18
1,07
23,2
76,8
0,91
41,6
70,3
29,35
0,94
47,4
86,6
0,96
34,3
77,1
29,24
1,10
31,5
76,9
0,89
35,1
68,0
29,27
1,10
10,6
86,3
1,00
10,7
79,0
29,78
1,10
11,2
86,0
1,10
12,9
67,4
29,39
0,91
73,3
76,3
1,15
8,3
66,8
29,69
0,87
75,4
77,9
1,03
20,1
76,9
29,48
0,78
96,6
78,7
0,77
72,2
77,7
29,09
0,82
107,4
86,8
1,07
24,0
67,7
29,60
0,95
54,9
70,9
El modelo es:
m Y|x1, x2, x3 = b 0 + b 1 x1 + b 2 x2 +..+ b 3 x3
Ajuste este modelo de regresin lineal mltiple a los datos dados y despus
estime la cantidad de xido nitroso para las condiciones donde la humedad
es 50%, la temperatura 76F y la presin baromtrica 29,30.
SOLUCIN
Para las ecuaciones normales encontramos que
- 188 -
Regresin polinomial.
Suponga ahora que deseamos ajustar la ecuacin polinomial
m Y|x = b 0 + b 1 x +b 2 x2+ ..+ b r xr
a los n pares de observaciones {(xi, yi); i = 1,2,..., n}. Cada observacin, yi
satisface la ecuacin
yi = b 0 + b 1xi +b 2xi2+ ..+ b r xi2+e i
o
yi = b0 + b1xi +b2xi2+ ..+ br xir+ei
donde r es el grado del polinomio, y e i, y ei son de nuevo el error aleatorio
y residual asociados con la respuesta yi. Aqu, el nmero de pares, n, debe
ser al menos tan grande como r + 1, el nmero de parmetros a estimar.
Ntese que el modelo polinomial se puede considerar como un caso
especial del modelo de regresin lineal mltiple ms general, donde
hacemos x1 = x, x2 = x2, ..., xr. = xr. Las ecuaciones normales toman la
forma:
- 189 -
9,1
7,3
3,2
4,6
4,8
2,9
5,7
7,1
8,8
10
- 190 -
Intervalo
de
x10,
x20,....,
xk0
es
confianz
a para:
m | x10,
x20,....,
xk0
donde ta /2 es un valor de la distribucin t con n-k grados de libertad.
La cantidad
- 191 -
Ejemplo 1
Con el uso de los datos del ejemplo 1 correspondiente al "Modelo de
regresin lineal con el uso de matrices", construya un intervalo de confianza
de 95% para la respuesta media cuando x1 = 3%, x2 = 8%, y x3 = 9%.
SOLUCIN
De la ecuacin de regresin del ejemplo 1 correspondiente al "Modelo de
regresin lineal con el uso de matrices", el porcentaje estimado de sobre
vivencia cuando x1 = 3%, x2 = 8%, y x3 = 9% es
o simplemente
.
Como en el caso de la regresin lineal simple, necesitamos hacer una clara
distincin entre el intervalo de confianza de la respuesta media y el
intervalo de prediccin sobre una respuesta observada. Esta ltima
proporciona un lmite dentro del cual podemos decir con un grado de
certeza preestablecido que caer una nueva respuesta observada.
JOSE GARZON ARIAS
- 192 -
se
de la variable
y varianza
Intervalo
de
predicci
n para
y0
Ejemplo 2
Con el uso de los datos del ejemplo 1 correspondiente a el tema "Modelo
de regresin lineal con el uso de matrices" construya un intervalo de
prediccin de 95% para una respuesta individual del porcentaje de sobre
vivencia cuando x1 = 3%, x2 = 8%, y x3 = 9%.
SOLUCIN:
Con referencia a los resultados del ejemplo 1 de esta seccin, encontramos
que el intervalo de prediccin de 95% para la respuesta y0 cuando x1= 3%,
x2 = 8%, y x3 = 9% es
- 193 -
que se reduce a
calculamos la estadstica:
y no rechazamos H0 si
donde
tiene n k 1 grados de
libertad.
Ejemplo 3
Para el modelo del ejemplo 1 correspondiente al "Modelo de regresin
lineal con el uso de matrices", pruebe la hiptesis de que 2 = -2,5 en el
nivel de significancia 0.05 contra la alternativa de que 2> -2,5.
SOLUCIN:
Clculos:
- 194 -
7.5 PREDICCION.
Existen varias razones para construir una regresin lineal. Una, por
supuesto, es predecir valores de respuesta a uno o mas valores de la
variable independiente. En este aparte nos enfocamos en los errores
asociados con la prediccin.
La ecuacin = a +bx se puede usar para predecir o estimar la respuesta
media yx en x = xo no es necesariamente uno de los valores
preseleccionados, o se puede utilizar para predecir un solo valor o de la
variable Yo cuando x = xo. Esperaramos que el error de prediccin fuese
mas alto en el caso de un solo valor predicho en el caso donde se predice
una media. Esto, entonces, afectara el ancho de nuestros intervalos para
valores que se predicen.
Suponga que el experimentador desea construir un intervalo de confianza
para yx. Utilizaremos el estimador puntual
o es
Y varianza:
La ultima se sigue del hecho que Cov( , B) = 0. De esta forma el intervalo
de confianza de (1 - a )100% sobre la respuesta media yx. Se puede
construir a partir de la estadstica :
- 195 -
CORRELACION.
- 196 -
- 197 -
- 198 -
- 199 -
BIBLIOGRAFA
1.-Casuso, Rafael L. "Clculo de probabilidades e inferencia estadstica", UCAB.
Caracas. 1996.
2.-Mendenhall, Schaeffer y Wackely. "Estadstica matemtica con aplicaciones",
Edit. Iberoamrica. Mxico. 1986.
3.-Mendelhall, William y Sincich. "Probabilidad y estadstica para ingeniera y
ciencias", Edit. Prentice may. Mxico. 1997.
4.-Miller, Irwin y otros. "Probabilidad y estadsticas para ingenieros", Edit. Prentice
may. 4ta edicin. Mxico. 1992.
5.-Ross, Sheldon. "Probabilidad y estadsticas para ingeniera y ciencias", Edit. Mc
Graw Hill. Mxico. 2001.
6.-Universidad Simn Bolvar , Por: Hernando Snchez Santibez
http://www.usb.edu.co/facultades/administracion/publicaciones/regresion_correlaci
on.pdf
7.WALPOLE, Myers y Myers (1998), "Probabilidad y Estadstica para Ingenieros",
Edit. Prentice Hall, Mxico.
- 200 -
- 201 -
- 202 -
INTEGRACION NUMERICA
En la practica profesional , es comn encontrarse con problemas que
requieren del conocimiento del rea bajo una curva de una funcin que
representa el comportamiento de un proceso, que depende de un conjunto
de variables de control, las funciones, no siempre se encuentran en forma
analtica, muchas veces se reportan en forma tabular , o varan
drsticamente entre intervalos, por este motivo, no siempre es posible
integrarlas por mtodos analticos, y se requiere de un tipo de mtodo
apropiado para cada caso, lo cual se estudiara en este capitulo.
f ( x)dx (8.1)
b
- 203 -
- 204 -
xi = x 0 + i (
ba
),
n
i = 0,1,2,3,......, n
(8.2)
hi
.(8.3)
2
f ( x)dx = ( f ( x k +1 ) + f ( x k ))
n
k =1
hk
.(8.4)
2
- 205 -
h=
ba
y xk = a+kh, as la expresin anterior queda:
n
f ( X )dx =
n
h
+
+
f
(
a
)
f
(
b
)
2
f (a + kh) .(8.5)
2
k =1
function s=traprl(f,a,b,M)
% Datos
%
(2 + sen(2
x) )dx =
- 206 -
T(f,h)
10
0.5
8.1938547
20
0.25
8.18604926
40
0.125
8.18412019
80
0.0625
8.18363936
160
0.03125
8.18351924
(2 + sen(2
6
x) )dx =8.18351924
(b a)
, mediante una particin
2M
de
xk=a+kh,
nodos
equi
espaciados
con
esta
2h M 1
4h M
h
S(f,h)= ( f (a) + f (b)) +
(
)
f
x
f ( x 2 k 1 ) , que corresponde a la
+
2k 3
3
3 k =1
k =1
integral
(b a)
(2 * M )
s1=0;
JOSE GARZON ARIAS
- 207 -
S(f,h)
0.5
8.18301549
10
0.25
8.18344750
20
0.125
8.18347717
40
0.0625
8.18347908
80
0.03125
8.18347920
2 + sen(2
6
Asi que
x) = 8.18347920
Como se vera los resultados son exactos en ambas estimaciones hasta tres
decimales.
- 208 -
Integracin de Romberg
Cuadratura de Gauss
Los cuales como se dijo , se extienden fuera del intervalo de definicin de
los datos reportados.
escribir en la forma :
i =1
- 209 -
PASO 1
PASO 2
PASO 3
PASO 4
PASO 5
PASO 6
PASO 7
PASO 8
PASO 9
PASO 10
PASO 11
PASO 12
PASO 13
Hacer I=1
Mientras I5 , repetir los pasos 7 y 8
Si N= NP(I), ir al paso 10 . De otro modo continuar.
Hacer I=I+I
IMPRIMIR N NO ES 2,3,4,5, o 6 y TERMINAR
Hacer S=0
Hacer J=IAUX(I)
Mientras JIAUX(I+1) -1 repetir los pasos 13a 17
Hacer ZAUX= (Z(J)*(B-A)+B+A)/2.
PASO 14
PASO 15
PASO 16
PASO 17
PASO 18
PASO 19
Hacer S=S+F(ZAUX)*W(J).
Hacer ZAUX=(-Z(J)*(B-A)+B+A)/2.
Hacer S=S+F(ZAUX)*W(J)
Hacer J=J+1
Hacer AREA =(B-A)/2*S.
IMPRIMIR AREA y TERMINAR.
- 210 -
x+2
1
dx
2 r I 2 I1
2r 1
a=A; b=B;
for k=0: w
n=2k; h=(b-a)/n; x=a; s=0;
if n>1
for j=1 : n-1
x=x+h;
f=f(x) ;aqu se introduce la funcin
s=f+s ;
JOSE GARZON ARIAS
- 211 -
siguientes resultados:
2k
Ik(0)
0.0
0.5
0.6035534
0.684174
16
0.6345731
- 212 -
York
2.- Conte, S.D. and Carl de Boor(1972) : Elementary Numerical Analysis ,
- 213 -