Escolar Documentos
Profissional Documentos
Cultura Documentos
1. OBEJETIVOS
Aplicar estrategias que permitan a los alumnos comprender y resolver problemas de ingeniería usando
computadoras.
Usar de forma correcta las estructuras básicas de un lenguaje de programación para resolver problemas
de ingeniería.
Conocer y aplicar métodos para encontrar raíces de sistemas de ecuaciones lineales, funciones y
polinomios.
Familiarizarse con conceptos como interpolación numérica, integración numérica y ecuaciones
diferenciales.
2. CONTENIDOS
1
2
Planificación Para El Programa Semestral 2016
4. EVALUACIÓN
Descripción Porcentaje(P)
Asistencia y Participación 5%
Parciales 25%
Semestral 35%
TOTAL 100%
Exámenes cortos (Quices): estos serán escritos. Estas pruebas no se repiten. Al no presentarlas se tiene la
calificación mínima de cero (0). Estos exámenes se basarán en los tópicos tratados en clase.
Investigaciones y presentaciones orales: basados en temas presentes en el plan de estudio o sobre temas de
interés general para la materia. Las presentaciones serán grupales. Las presentaciones no se repiten, las no
realizadas tienen nota cero (0).
Participación y asistencia: La asistencia y participación en clases es un elemento para valorar el compromiso del
estudiante con su aprendizaje. Es vital presenciar las clases, hacer preguntas y despejar dudas.
Portafolio: Es la carpeta profesional y técnica en la que el alumno evidenciará su participación, aporte y avance
de conocimientos a lo largo del curso. Su detallada y cuidadosa elaboración garantiza un alto desempeño y
rendimiento académico.
Parciales: serán versados sobre los tópicos presentes en el plan de contenido. Estas pruebas no se repiten. Se
realizarán 3 parciales durante el curso.
Talleres y Proyectos: se realizarán en grupos y servirá para reforzar lo aprendido durante los módulos.
2
3
Planificación Para El Programa Semestral 2016
5. BIBLIOGRAFÍA
* libro de texto
AUTOR NOMBRE DEL LIBRO EDITORIAL
6. EQUIPO DOCENTE
Leonardo Fields
Horario de atención a los alumnos: Durante las horas de clases y fuera del horario de clases en horas predefinidas
por el docente.
3
4
Planificación Para El Programa Semestral 2016
8. PLAN DE CONTENIDO
OBJETIVOS GENERALES:
1. Conocer y manejar la aritmética del computador y los errores que de ella se derivan, concientizándonos en
los posibles problemas que pueden acarrearse al usar sistemas computarizados.
2. Conocer y aplicar diferentes métodos para encontrar las raíces de sistemas de Ecuaciones Lineales, Funciones
y Polinomios, aplicándolos particularmente a problemas del área ingenieril.
3. Conocer el uso y la importancia de la interpolación numérica, la integración numérica y las ecuaciones
diferenciales en la vida cotidiana de un ingeniero.
OBJETIVOS ESPECÍFICOS:
4
5
Planificación Para El Programa Semestral 2016
CONTENIDO:
TEORÍA DE ERROR
5
6
Planificación Para El Programa Semestral 2016
SOLUCION DE POLINOMIOS
2.7. Definición
2.8. Método de eliminación GAUSSIANA
2.9. Método de GAUSS-JORDAN
2.10. Método de JACOBI
2.11. Método de GAUSS-SEIDEL
2.12. Método de DOOLITTLE
INTERPOLACION NUMERICA
6
7
Planificación Para El Programa Semestral 2016
INTEGRACION NUMERICA
3.5. Introducción
3.6. Regla trapezoidal
3.7. Reglas de SIMPSON 1/3
3.8. Regla de SIMPSON 3/8
3.9. Ejercicios propuestos
7
8
Planificación Para El Programa Semestral 2016
2 CRONOGRAMA DE LA ASIGNATURA
8
9
Planificación Para El Programa Semestral 2016
9
10
Planificación Para El Programa Semestral 2016
Profesor: ________________________
Nombre: _________________________ Cédula: _______________Grupo: ________ Fecha: ___________
Parciales Proyecto(s)
N° Tema Fecha Nota N° Tema Fecha Nota
1 1
2 2
3 3
4 4
10
11
Agosto 2016
Semana LUNES MARTES MIÉRCOLES JUEVES VIERNES
1 1 2 3 4 5
PRIMER DIA
Aritmética del DE CLASES: Programación
computador
Introducción al y Software
(Cap 1 y 2)
curso
2 8 9 10 11 12
3 15 16 17 18 19
4 22 23 24 25 26
Charla 1 (G1):
Método
Raíces de
BISECCION
Funciones Laboratorio 2
(Cap 5 y 6) Charla 2 (G2):
Método FALSA
POSICION
5 29 30 31 1 2
12
Septiembre 2016
Semana LUNES MARTES MIÉRCOLES JUEVES VIERNES
5 29 30 31 1 2
Charla 3 (G3):
Raíces de Charla 4 (G4):
Método
Funciones Método
(Cap 5 y 6) NEWTON -
SECANTE
RAPHSON
6 5 6 7 8 9
7 12 13 14 15 16
Ecuaciones Charla 7 (G7):
Algebraicas Método GAUSS
Laboratorio 3
Lineales y GAUSS-
(Cap 9, 10, 11) JORDAN
8 19 20 21 22 23
Ecuaciones ENTREGA DE
Algebraicas AVANCES DE
Repaso PARCIAL 1
Lineales MITAD DE
(Cap 9, 10, 11) SEMESTRE
9 26 27 28 29 30
Ecuaciones Charla 8 (G1):
Algebraicas Método
Laboratorio 4
Lineales Descomposición
(Cap 9, 10, 11) LU
13
Octubre 2016
LUNES MARTES MIÉRCOLES JUEVES VIERNES
9 26 27 28 29 30
10 3 4 5 6 7
Ecuaciones Charla 9 (G2):
Algebraicas Método
Laboratorio 5
Lineales GAUSS-SEIDEL
(Cap 9, 10, 11) y JACOBI
11 10 11 12 13 14
Charla 10 (G3): Charla 11 (G4):
Interpolación
Regresión Regresión
Numérica
(Cap 17 y 18) LINEAL y POLINOMIAL
MULTIPLE y NO LINEAL
12 17 18 19 20 21
Charla 12 (G5):
Interpolación
Método
Numérica Laboratorio 6
(Cap 17 y 18) LAGRANGE y
NEWTON
13 24 25 26 27 28
Charla14 (G7):
Charla 13 (G6): Método
Integración
Regla EULER
Numérica
(Cap 21) TRAPEZOIDAL Método
Regla SIMPSON RUNGE -
KUTTA
14 31
14
Noviembre 2016
LUNES MARTES MIÉRCOLES JUEVES VIERNES
14 31 1 2 3 4
Ecuaciones
Difer. Estaré ausente, DIA LIBRE: DIA LIBRE: DIA LIBRE:
Ordinarias dejaré tarea Fiestas Patrias Fiestas Patrias Fiestas Patrias
(Cap 25)
15 7 8 9 10 11
Ecuaciones
Difer. DIA LIBRE:
Repaso
Ordinarias Fiestas Patrias
(Cap 25)
16 14 15 16 17 18
ULTIMO DIA
PARCIAL 2
DE CLASES
17 21 22 23 24 25
18 28 29 30 1 2
DIA LIBRE:
SEMESTRALES SEMESTRALES
Fiestas Patrias
15
Diciembre 2016
Semana LUNES MARTES MIÉRCOLES JUEVES VIERNES
18 28 29 30 1 2
SEMESTRALES SEMESTRALES
19 5 6 7 8 9
ENTREGA DE
CALIFICACIONES
12 13 14 15 16
19 20 21 22 23
26 27 28 29 30
16
Charlas:
Grupo 1:
Grupo 2:
Grupo 3:
Grupo 4:
Grupo 5:
Grupo 6:
Grupo 7:
17
18
Universidad Tecnológica de Panamá
Facultad de Ingeniería Civil
Tarea N ° 1
Estudiantes:
Gesuani Gomez 8-907-531
19
Entero
Los enteros son el tipo de dato más primitivo en C. Se usan para representar números enteros.
Pero siempre se pueden encontrar otras aplicaciones para los números enteros. En general se
pueden usar para representar cualquier variable discreta.
Los tipos de datos enteros son: short , int , long y long long , cada uno representando un número
entero de un tamaño o capacidad determinado. Según el compilador y la plataforma de
hardware, cada uno de estos tipos de dato puede ocupar desde 1 byte hasta 8 bytes en memoria
(para más detalles busca en la referencia).
Además, el lenguaje C hace la distinción de si el entero es con signo ( signed ) o sin signo
( unsigned ). En caso de que no se declare si es con signo o sin signo, se toma con signo.
int a;
unsigned int a;
signed long a;
signed long long a = 10000000;
Todos los números son representados en memoria mediante una cadena de bits. En el caso de los
números con signo, el bit más significativo es el que se usa para representar el signo. La
representación de los números negativos se realiza mediante el complemento a dos, que es una
técnica que permite operar con los números negativos de forma lógica.
A modo de ejemplo, la representación en memoria del número -8 en una variable de 2 bytes,
entera, con signo, sería la siguiente:
1111111111111000
Flotantes
Se denomina flotantes a los tipos de datos que representan a los números reales, ya que utilizan
un sistema de representación basado en la técnica de coma flotante, que permite operar con
números reales de diversas magnitudes, mediante un número decimal llamado mantisa y un
exponente que indica el orden de magnitud.
El tipo de dato flotante en lenguaje C sólo tiene dos tamaños: el float y el double , que son 4
bytes y 8 bytes respectivamente. Se los puede utilizar tanto para representar números decimales,
como para representar números enteros con un orden de magnitud muy grande.
La forma de declarar una variable flotante es escribiendo en una línea uno de los tipos de datos
flotantes y a continuación el nombre de la variable y tal vez algún valor que se les quiera dar.
Algunos ejemplos:
float a;
double a = 1e23;
double a = 3.1416;
float a = 4e-9;
double a = -78;
20
Hay que tener en cuenta que aunque los valores flotantes son más convenientes para algunas
aplicaciones, hay casos en los que se prefieren los enteros. Esto se debe a que los números
flotantes no necesariamente tienen soporte de hardware, en particular en las
plataformas integradas. Una alternativa que se utiliza en estas situaciones es interpretar los
enteros como decimales de forma que 150 se interprete como 1.5 y 2345 como 23.45.
Para el caso de los flotantes de 4 bytes, se utiliza 1 bit para el signo, 7 bits para el exponente y 24
bits para el valor del número. El procedimiento para almacenar un número en una variable
flotante es el siguiente:
ARITMÉTICA BINARIA
La Unidad Aritmético Lógica, en la CPU del procesador, es capaz de realizar operaciones
aritméticas, con datos numéricos expresados en el sistema binario. Naturalmente, esas
operaciones incluyen la adición, la sustracción, el producto y la división. Las operaciones se hacen
del mismo modo que en el sistema decimal, pero debido a la sencillez del sistema de numeración,
pueden hacerse algunas simplificaciones que facilitan mucho la realización de las operaciones.
Suma en binario
Para aprender a sumar, con cinco o seis años de edad, tuviste que memorizar las 100
combinaciones posibles que pueden darse al sumar dos dígitos decimales. La tabla de sumar, en
binario, es mucho más sencilla que en decimal. Sólo hay que recordar cuatro combinaciones
posibles:
+ 0 1
0 0 1
1 1 0+1
Pero la suma de 1+1, que sabemos que es 2 en el sistema decimal, debe escribirse en binario con
dos cifras (10) y, por tanto 1+1 es 0 y se arrastra una unidad, que se suma a la posición siguiente a
la izquierda. Veamos algunos ejemplos:
21
010 + 101 = 111 210 + 510 = 710
Sustracción en binario
La técnica de la resta en binario es, nuevamente, igual que la misma operación en el sistema
decimal. Pero conviene repasar la operación de restar en decimal para comprender la operación
binaria, que es más sencilla. Los términos que intervienen en la resta se llaman minuendo,
sustraendo y diferencia.
- 0 1
0 0 1
1 1+1 0
Multiplicación binaria
La multiplicación en binario es más fácil que en cualquier otro sistema de numeración. Como los
factores de la multiplicación sólo pueden ser CEROS o UNOS, el producto sólo puede ser CERO o
UNO. En otras palabras, las tablas de multiplicar del cero y del uno son muy fáciles de aprender:
x 0 1
0 0 0
1 0 1
22
División binaria
Igual que en el producto, la división es muy fácil de realizar, porque no son posibles en el cociente
otras cifras que UNOS y CEROS.Consideremos el siguiente ejemplo, 42 : 6 = 7, en binario:
Se intenta dividir el dividendo por el divisor, empezando por tomar en ambos el mismo número
de cifras (100 entre 110, en el ejemplo). Si no puede dividirse, se intenta la división tomando un
dígito más (1001 entre 100).
Si la división es posible, entonces, el divisor sólo podrá estar contenido una vez en el dividendo, es
decir, la primera cifra del cociente es un UNO. En ese caso, el resultado de multiplicar el divisor
por 1 es el propio divisor. Restamos las cifras del dividendo del divisor y bajamos la cifra siguiente.
El procedimiento de división continúa del mismo modo que en el sistema decimal
Normalización en Excel
Función NORMALIZACION (x; media; desv_estándar) Devuelve un valor numérico. Dado un valor
“x”, lo devuelve normalizado. Se conoce la media y la desviación estándar. La función tiene los
siguientes argumentos.
Argumento “x”. Contiene un valor numérico. Indica cuál es el número que desea normalizar. Si “x”
no es un valor numérico, la función devuelve el código de error # ¡VALOR!
Argumento “media”. Contiene un valor numérico. Indica cuál es la media de la distribución. Si
“media” no es un valor numérico, la función devuelve el código de error # ¡VA# ¡R!
Argumento “desv_estándar”. Contiene un valor numérico positivo, Indica cuál es la desviación
estándar para la distribución. Si “desv_estándar” es un número menor o igual que 0, la función
devuelve el código de error # ¡NUM! Si “desv_estándar” no es un valor numérico, la función
devuelve el código de error # ¡VALOR!
Ejemplos:
=NORMALIZACION (60;58;1,5) devuelve 1,3333. El número a normalizar es 60. La media es 58 y la
desviación estándar es 1,5.
El valor normalizado es 1,3333.
=NORMALIZACION (12;5;0,8) devuelve 8,75.
23
24
25
Powered by TCPDF (www.tcpdf.org)
26
27
Powered by TCPDF (www.tcpdf.org)
28
29
Powered by TCPDF (www.tcpdf.org)
30
31
32
Powered by TCPDF (www.tcpdf.org)
33
Laboratorio N° 1
Inicio
Ra, g, m, t, v, i
t =<
14
No Si
S v = [g*m)/Ra]*[1 – e^-(Ra/m)*t]
t = t +2
i = i + v + vbCrLf
Imprimir
i
fin
34
Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.Click
Dim ra As Double = 12.5
Dim g As Double = 9.8
Dim mp As Double = Txt2.Text
Dim time() As Integer = {0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26,
28, 30}
Dim v() As Double = {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0}
For t = 0 To 14
v(t + 1) = (v(t) + (g + ((ra / mp)) * v(t))) * (time(t + 1) - time(t))
Txt1.Text = Txt1.Text + CStr(v(t+1)) + vbCrLf
Next
End Sub
35
Laboratorio n° 2
Método de Bisección
Integrantes: Gesuani
Gómez 8-907-531 Justin Lezcano Fecha: lunes, 3 de octubre de 2016
4-774-663 Evelyn Romero 1- Grupo: 1IB121
734-183
>> clear all
format short;
f=inline(fun);
for k=1:cont
c=(Xa+Xb)/ 2;
e=abs((Xb-Xa)/ 2);
A(k,:)=[k Xa Xb c f( c) e]; if
f(Xa)*f( c)<0
Xb=c;
else
Xa=c;
end
end
disp(A)
fprintf('error=%8.5f\n',e)
36
Resultado
Introduzcal a funcion f(x)=- 0.4*x^2+2.2*x+ 4.7
i Xa Xb c f(c) error
Solucion:
c= 7.14462
f(c)=-0.00008
error= 0.00015
37
Laboratorio n° 3
Método de Gauss-Jordán
38
A= Matriz 1
B= Matriz 2 Inicio
Expresarlo).
si
C=1
no
C(i,:)= C(i,:)./C(i,i)
n=1
no
C(n,:)=-
C(n,i).*C(i,:)+C(n,:)
Fin
39
Seudocódigo
%método de Gauss-Jordan
for i=1:length(C(:,1)) %%para i desde la primera fila hasta el número de filas existentes
C(i,:)= C(i,:)./C(i,i); %entonces se convierte a 1 dividiendo toda la fila por dicho elemento
end
for n=1:length(C(:,1)) %para n desde la primera fila hasta el número de filas existentes
disp(C)
end
end
end
40
Resultado
41
1.00000 0.00000 -0.76923 -0.53846
42
Laboratorio 4
Regresión lineal
Diagrama de Flujo
Inicio
Ingrese
no si
i=1:n
x(1,i)
no si
i=1:n
y(1,i)
si
no
a=0
43
a=a+x(1,
i)*y(1,i);
si
no
b=0;
b=b+x(1,
i)*x(1,i);
si
no
c=0;
c=c+x(1,i);
no si
e=0;
e=e+y(1,i);
no si
d=0;
d=c/n;
no si
f=0;
f=e/n;
a1=(n*a-
c*e)/(n*b
-c*c);
44
a0=f-
a1*d;
no si
i=1:
y(1,i)=a0+
a1*x(1,i);
Fin
45
CODIGO
clear all;
clc;
fprintf('Metodo de Regresion Lineal \n\n');
n=input('Numero de puntos: ');
for i=1:n
x(1,i)=input('dame los valores de x: ');
end
for i=1:n
y(1,i)=input('dame los valores de y: ');
end
% se nota extraño pero asi se mostraran los resultados
%en forma de Vector.
x
y
plot(x,y)
grid
xlabel('x');ylabel('y')
pause
a=0;
for i=1:n
a=a+x(1,i)*y(1,i);
end
b=0;
for i=1:n
b=b+x(1,i)*x(1,i);
end
c=0;
for i=1:n
c=c+x(1,i);
end
e=0;
for i=1:n
e=e+y(1,i);
end
d=0;
d=c/n;
f=0;
f=e/n;
a1=(n*a-c*e)/(n*b-c*c);
a0=f-a1*d;
clc;
fprintf('Ecuacion con la que se encuentran los nuevos valores de y \n\n');
fprintf(' y = %d + %d x',a0,a1);
for i=1:n
y(1,i)=a0+a1*x(1,i);
end
fprintf('\n\nPresiona enter para ver la nueva grafica\n\n');
pause
%Grafica con los Datos Ajustados
plot(x,y)
grid
xlabel('x');ylabel('y')
46
pause
clear all;
clc;
fprintf('Metodo de Regresion Lineal \n\n');
n=input('Numero de puntos: ');
for i=1:n
x(1,i)=input('dame los valores de x: ');
end
for i=1:n
y(1,i)=input('dame los valores de y: ');
end
% se nota extraño pero asi se mostraran los resultados
%en forma de Vector.
x
y
plot(x,y)
grid
xlabel('x');ylabel('y')
pause
a=0;
for i=1:n
a=a+x(1,i)*y(1,i);
end
b=0;
for i=1:n
b=b+x(1,i)*x(1,i);
end
c=0;
for i=1:n
c=c+x(1,i);
end
e=0;
for i=1:n
e=e+y(1,i);
end
d=0;
d=c/n;
f=0;
f=e/n;
a1=(n*a-c*e)/(n*b-c*c);
a0=f-a1*d;
clc;
fprintf('Ecuacion con la que se encuentran los nuevos valores de y \n\n');
fprintf(' y = %d + %d x',a0,a1);
for i=1:n
y(1,i)=a0+a1*x(1,i);
end
fprintf('\n\nPresiona enter para ver la nueva grafica\n\n');
pause
%Grafica con los Datos Ajustados
plot(x,y)
grid
xlabel('x');ylabel('y')
pause 47
Resultado
Método de Regresión Lineal
Número de puntos: 5
x=
2 3 5 7 8
y=
14 20 32 42 44
y = 4.630769e+00 + 5.153846e+00 x
48
Laboratorio 4
Integrantes Grupo:1IB121 Fecha:31 de octubre de 2016
Justin Lezcano 4-774-663
s3
Evelyn Romero 1-734-183
Gesuani Gómez 8-907-531
f(x)= a = xO = 1
1+ s b = xn = 2
ÁREA 3.5
x y
1 0.5
1.16666667 0.76339842 3
1.33333333 1.10009272
1.5 1.51702788
1.66666667 2.02079478 2.5
1.83333333
eje y
2.61768066
2 3.3137085
2
1.5
0.5
0
0 0.5 1 1.5 2 2.5
eje x
MÉTODO ANALÍTICO
2
𝑠3
∫ 𝑑𝑥
1 1 + √𝑠
ÁREA ENTRE
a b
1.000000000 2.000000000
49
MÉTODO SIMPSON 1/3
n= 4
h= 0.25
6
2 ANALÍTICO
INTEGRAL APLICANDO EL MÉTODO
4
ÁREA= 1.64710795164
(b a) 8
h 7
n 3
n= 9 .
h= 0.11111111 3
1
3
x0= 1.000000000 f(x0) = 0.5 7
x1= 1.111111111 3*f(x1) = 2.003427903 0
x2= 1.222222222 3*f(x2) = 2.601404913 8
4
x3= 1.333333333 3*f(x3) = 3.300278152 9
x4= 1.444444444 3*f(x4) = 4.106160964 9
x5= 1.555555556 3*f(x5) = 5.024957702 1
x6= 1.666666667 3*f(x6) = 6.062384349 9
x7= 1.777777778 3*f(x7) = 7.223985891 .
7
x8= 1.888888889 3*f(x8) = 8.51515114 6
x9= 2.000000000 f(x9) = 3.313708499 5
TOTAL= 42.651459513 1
8
8
ÁREA= 1.77714414636
9
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
Método Secante
INTEGRANTES:
- CAROLINA VELÁSQUEZ
- ANA ISABELCARLES
- CARLOS JAVIER GIRÓN
- FRANKLIN MORENO
81
Para Recordar
Newton Raphson
82
Introducción al Método secante
Este método se basa en la formula de Newton-Raphson, pero evita el
calculo de la derivada usando la siguiente aproximación:
83
Definición
84
Procedimiento
85
Gráficamente
86
Diferencia del Método Secante y
Falsa Posición
Tienen mucha diferencia en la forma en que trabajan y en sus
limitaciones.
El método de la falsa posición utiliza dos puntos pero estos deben tener
signos contrarios. Estos puntos son unidos por una recta, esta recta al
cortar con el eje de las x dará una Buena aproximación del cero. En
cambio el método de la secante utiliza también dos puntos pero no
necesariamente necesita que tengan signos contrarios. En realidad
este método trabaja con una aproximación de la derivada de la
función dada en la formula del método de Newton-Raphson.
Sin embargo existe una gran diferencia entre los dos métodos, esta
surge por la forma de cada método en la que se va cambiando uno
de los valores iniciales por la aproximación. Ya que el método de la
falsa posición siempre se asegura que el cero va a estar entre los
valores iniciales en cambio el método de la secante puede que no
encierre el cero lo que lo hace propenso a que, en algunos casos,
pueda divergir.
87
Datos a Conocer
88
MÉTODO DE
BAIRSTOW
PRESENTADO POR:
ALEXANDRA JIMÉNEZ
ANA GONZÁLEZ
JUVENAL MARTÍNEZ
LUIS SAMUDIO
89
MÉTODO DE BAIRSTOW
90
HISTORIA
El algoritmo apareció por primera vez
en el apéndice del libro
”Aerodinámica Aplicada”, escrito por
Leonard Bairstow y publicado en
1920. El algoritmo se diferencia de
otros métodos en que encuentra tanto
las raíces reales como las imaginarias
(en parejas complejas conjugadas),
utilizando únicamente aritmética real.
91
PARA PERMITIR LA EVALUACIÓN DE RAÍCES COMPLEJAS, EL MÉTODO DE
BAIRSTOW DIVIDE ELPOLINOMIO
𝑃𝑛 𝑥 = �0 + �1 𝑥 + �2 𝑥 2 + … + � �0 ≠
𝑛
𝑛𝑥 , 0
OBTENIENDO: 𝑃𝑛 −2 𝑥 = �2 + �3 + … + �𝑛 −1 𝑥 𝑛 −3 + � 𝑛 𝑥
𝑛−2
CON UN RESIDUO:
𝑅 = �1 𝑥 − �+
�0
EN GENERAL PODEMOS
𝑃𝑛 = 𝑃𝑛 𝑥 𝑥 2 −�𝑥−� + �1 𝑥 − �
ESCRIBIR:
𝑥 −2 + �0
92
PASOS PARA DESARROLLAR EL MÉTODO
• Este método se usa para resolver ecuaciones polinomiales
complejas en donde debemos observar la ecuación que nos
dan y verificar que grado tiene la ecuación.
• Si no nos dan los valores de r y s asumiremos que ambos son
iguales a cero.
• La ecuación general sería:
• 𝐹𝑛 𝑥 = �0 + �1 𝑥 + �2 𝑥 2 + … + � �0 ≠
•𝑛 𝑥Luego
𝑛, debemos ir determinando una ecuación
0 de grado
menor a la original sucesivamente
• Para raíces complejas se divide el polinomio entre un factor
cuadrático 𝑥 2 − �𝑥 − �
• Para el polinomio original la división dará
𝑓𝑛 −2 𝑥 = �2 + �3 𝑥 + … + �𝑛 −1 𝑥 𝑛 −3 + � 𝑛 𝑥 ; 𝑅 = �1 𝑥 − �+
𝑛−2
�0
93
LOS TÉRMINOS B, LOS CALCULAMOS
UTILIZANDO DIVISIÓN SINTÉTICA, LA
CUAL PUEDE RESOLVERSE
UTILIZANDO LA SIGUIENTE RELACIÓN
DE RECURRENCIA QUE SE UTILIZA
PARA LA DIVISIÓN ENTRE EL FACTOR
CUADRÁTICO
• �𝑛 = �𝑛
• �𝑛 −1 = �𝑛 −1 + ��𝑛 para 𝑖 = 𝑛 − 1 a
0
• �𝑖= �𝑖 + ��𝑖+1 + s�𝑖
+2
94
Bairstow muestra que las derivadas parciales pueden
obtenerse por división sintética de las b en forma similar al
camino en el cual las b en sí mismas fueron derivadas
• �𝑛 = �𝑛
• �𝑛 −1 =�𝑛 −1 + para 𝑖 = 𝑛 − 2 a
1
• �𝑛𝑖= �𝑖+ ��𝑖+1 + s�
��
𝑖 +2
donde ∂�0 Τ∂r = 𝐶1 ,∂�0 Τ∂s = ∂�1 Τ∂r = 𝐶2 y ∂�1 Τ∂s =𝐶
3.
de lasb.derivadas
Así,las Entonces, las derivadas
parciales parciales
se obtienen sedivisión
por la sustituyen en las
sintética
ecuaciones junto con las b para dar
95
PARA MEJORAR LOS VALORES
INICIALES DE R Y S, EN CADA PASO, EL
ERROR APROXIMADO EN R Y S PUEDE
SER ESTIMADO COMO EN:
∆
𝜀𝑎 = �
× 100%
Y
,�
�
∆
𝜀𝑎 = �
× 100%
,�
�
96
CUANDO AMBOS ERRORES ESTIMADOS
FALLAN BAJO UN CRITERIO
ESPECIFICADO DE PARO, LOS VALORES
DE LAS RAÍCES PUEDEN DETERMINARSE
COMO:
�± �2+
4�
𝑥=
2
97
CONDICIONES PARA SU APLICACIÓN
98
VENTAJAS Y DESVENTAJAS
VENTAJAS:
• ES UN MÉTODO EFICIENTE PARA LA BÚSQUEDA DE LAS RAÍCES DE UN
POLINOMIO REAL DE GRADOARBITRARIO
• ES UN MÉTODO ITERATIVO.
• CONVERGE RÁPIDAMENTE
• PERMITE CALCULAR TODAS LAS RAÍCES DE UN POLINOMIO.
DESVENTAJAS:
• A MENUDO FALLA SU CONVERGENCIA A MENOS QUE LOS VALORES
INICIALES SEAN MUYEXACTOS.
• UTILIZA OTROS MÉTODOS COMO NEWTON RAPHSON PARA RESOLVER
PROBLEMAS NO LINEALES.
99
MÉTODO DE GAUSS Y
GAUSS JORDÁN
Método Numérico
Grupo1IB121
Integrantes:
Iliana Rodríguez
Marcelo Palacios
Aileen Corella
100
MÉTODO DE GAUSS
• Este método también se conoce como la eliminación de Gauss, ya que implica una
combinación de ecuaciones para eliminar las incógnitas. Aunque éste es uno de los
métodos más antiguos para resolver ecuaciones lineales simultáneas, continúa siendo
uno de los algoritmos de mayor importancia, y es la base para resolver ecuaciones
lineales en muchos paquetes de software populares.
101
SOLUCIÓN DEL SISTEMADE
ECUACIONES
• En este sistema se describen algunos métodos que son apropiados de este sistema de
ecuaciones simultaneas (n<3) que no requieren de una computadora.
• Se clasifica en lo siguiente:
1. Método grafico
2. Regla de cramer
3. Eliminación de incógnita
102
MÉTODO GRAFICO
• Para dos ecuaciones se puede obtener una solución al graficarlas en coordenadas
cartesianas con un eje que corresponda a x1 y el otro a x2. Debido a que en estos
sistemas lineales, cada ecuación se relaciona con una línea recta, lo cual se ilustra
fácilmente mediante las ecuaciones generales.
103
REGLA DE CRAMER
• Es otra técnica de solución adecuada para un sistema pequeño de ecuaciones. Antes
de hacer una descripción de tal método, se mencionará en forma breve el concepto de
determinante que se utiliza en la regla de Cramer. Además, el determinante tiene
relevancia en la evaluación del mal condicionamiento de una matriz.
104
ELIMINACIÓN DE INCÓGNITAS
• La eliminación de incógnitas mediante la combinación de ecuaciones es un método
algebraico que se ilustra con un sistema de dos ecuaciones simultáneas.
105
• La eliminación de incógnitas se puede extender a sistemas con más de tres ecuaciones. Sin
embargo, los múltiples cálculos que se requieren para sistemas más grandes hacen que el
método sea extremadamente tedioso para realizarse a mano. No obstante, como se describe
en la siguiente sección, la técnica llega a formalizarse y programarse fácilmente en la
computadora.
106
ELIMINACIÓN DE GAUSS SIMPLE
• Esta técnica básica puede extenderse a sistemas grandes de ecuaciones desarrollando un
esquema sistemático o algorítmico para eliminar incógnitas y sustituir hacia atrás. La
eliminación de Gauss es el más básico de dichos esquemas. Esta sección presenta las
técnicas sistemáticas para la eliminación hacia adelante y la sustitución hacia atrás que la
eliminación gaussiana comprende. Aunque tales técnicas son muy adecuadas para utilizarlas
en computadoras, se requiere de algunas modificaciones para obtener un algoritmo
confiable.
• Este método se clasifica en dos fases:
107
• Eliminación hacia adelante de incógnitas
La primera fase consiste en reducir el conjunto de ecuaciones a un sistema triangular
superior . El paso inicial será eliminar la primera incógnita, x1, desde la segunda hastala n-
ésima ecuación. Para ello, se multiplica la ecuación por a21/a11 para obtener.
108
• Las dos fases de la eliminación de Gauss: eliminación hacia adelante y sustitución
hacia atrás.
Los superíndices prima indican el número de veces que se han modificado los
coeficientes y constantes.
109
DIFICULTAD DE LOS MÉTODOS DE
ELIMINACIÓN
• Mientras que hay muchos sistemas de ecuaciones que se pueden resolver con la eliminación de Gauss
simple, existen algunas dificultades que se deben analizar, antes de escribir un programa de cómputo
general donde se implemente el método. Aunque el siguiente material se relaciona en forma directa
con la eliminación de Gauss simple, la información también es relevante para otras técnicas de
eliminación.
• División entre cero
La razón principal por la que se le ha llamado simple al método anterior se debe a que durante las
fases de eliminación y sustitución hacia atrás es posible que ocurra una división entre cero.
110
• Errores De Redondeo
llega a volverse particularmente importante cuando se trata de resolver un gran número de
ecuaciones. Esto se debe al hecho de que cada resultado depende del anterior. Por consiguiente,
un error en los primeros pasos tiende a propagarse, es decir, a causar errores en los siguientes
pasos.
• Sistemas Mal Condicionados
son aquellos en donde pequeños cambios en los coeficientes generan grandes cambios en la
solución. Otra interpretación del mal condicionamiento es que un amplio rango de resultados
puede satisfacer las ecuaciones en forma aproximada. Debido a que los errores de redondeo llegan
a provocar pequeños cambios en los coeficientes, estos cambios artificiales pueden generar
grandes errores en la solución de sistemas mal condicionados.
• Sistemas singular
La respuesta a este problema está claramente dada por el hecho de que el determinante de un
sistema singular es cero. Esta idea, a su vez, puede relacionarse con la eliminación gaussiana
reconociendo que después del paso de eliminación, el determinante se evalúa como el producto
de los elementos de la diagonal.
111
MÉTODO DE GAUSS-JORDAN
• El método de Gauss-Jordan es una variación de la eliminación de Gauss. La principal
diferencia consiste en que cuando una incógnita se elimina en el método de Gauss-Jordan,
ésta es eliminada de todas las otras ecuaciones, no sólo de las subsecuentes. Además, todos
los renglones se normalizan al dividirlos entre su elemento pivote. De esta forma, el paso de
eliminación genera una matriz identidad en vez de una triangular.
112
• Aunque la técnica de Gauss-Jordan y la eliminación de Gauss podrían parecer casi idénticas, la
primera requiere más trabajo. Con el empleo de un enfoque similar.
113
114
115
116
117
118
119
120
121
122
123
124
125
Método de gauss-seidel y jacobi
1IB-121
Integrantes:
Gesuani Gómez 8-907-531 Métodos Numéricos
Justin Lezcano 4-774-663 Prof. Leonardo Fields
Evelyn Romero 1-734-183
126
Introducción
127
¿En que consiste?
128
Definición del método de jacobi
Sea el sistema de ecuaciones lineales AX=b, donde A es la matriz de coeficientes, X es el
vector de incógnitas y b el vector de términos independientes.
En donde la matriz D es una matriz cuyos elementos son cero excepto los elementos de la
diagonal que corresponden a los elementos de la matriz A y R que es una matriz con ceros en
la diagonal y sus restantes elementos coinciden con los respectivos de
129
130
Sustituyendo la ecuación 2 en la ecuación 1:
Resultando:
131
132
Criterio de convergencia
•
Condición necesaria: es condición necesaria que el elemento ubicado en la
diagonal principal de cada ecuación sea mayor en valor absoluto que el resto de los
elementos de la misma ecuación
•
Condición suficiente: es condición suficiente que el elemento ubicado en la
diagonal principal de cada ecuación sea mayor en valor absoluto que la suma del
resto de los elementos de la misma ecuación.
133
Metodo gauss-seidel
134
Criterio de convergencia
135
INTERPOLACIÓN POLINOMIAL
PRESENTADO POR:
• ALEXANDRA JIMÉNEZ
• ANA GONZÁLEZ
• JUVENAL MARTÍNEZ
• LOUIS SAMUDIO
136
137
INTERPOLACIÓN POLINOMIAL
Interpolación Polinomial
Ejemplo de Polinomios:
141
INTERPOLACIÓN CUADRÁTICA
En donde:
142
EJEMPLO DE INTERPOLACIÓN CUADRÁTICA
143
FORMA GENERAL DE LOS
POLINOMIOS DE INTERPOLACIÓN
DE NEWTON
El análisis anterior puede generalizarse para ajustar un polinomio de
n-ésimo grado a n+1 puntos. El polinomio de n-ésimo grado entonces es:
144
En donde las evaluaciones de las funciones anteriores, o sea las colocadas
en paréntesis son diferencias divididasfinitas.
Quedando la primera diferencia dividida finita en forma general así:
𝒙�
𝒙�
𝒙�
𝒙�
146
POLINOMIOS DE
INTERPOLACIÓN DE LAGRANGE
Este método es simplemente una reformulación del polinomio de
Newton que evita el cálculo de las diferencias divididas, y se
representa de manera concisa como:
Donde:
147
COMPARACIÓN
151
De acuerdo con esta ecuación, la pendiente
estimada f se usa para extrapolar desde un valor
anterior yi a un nuevo valor yi+1 en una distancia h.
Esta fórmula se aplica paso a paso para calcular un
valor posterior y, por lo tanto, para trazar la
trayectoria de la solución.
yi+1 = yi + fh
152
También podríamos explicar que se toma la pendiente al inicio del
intervalo como una aproximación de la pendiente promedio sobre
todo el intervalo. Tal procedimiento, llamado método de Euler.
Después se revisan otros métodos de un paso que emplean otras
formas de estimar la pendiente que dan como resultado
predicciones más exactas. Todas estas técnicas en general se
conocen como métodos de Runge-Kutta.
153
La primera derivada ofrece una estimación directa de la pendiente en xi, f = ƒ(xi,
yi), donde ƒ(xi, yi) es la ecuación diferencial evaluada en xi y yi. La estimación se
sustituye en la ecuación:
yi+1 = yi + ƒ(xi, yi)h
154
Esta fórmula se conoce como método de Euler (o de Euler-Cauchy o
de punto pendiente). Se predice un nuevo valor de y usando la
pendiente (igual a la primera derivada en el valor original de x) para
extrapolar linealmente sobre el tamaño de paso h.
155
1. Errores de truncamiento, o de discretización, originados por la naturaleza de las
técnicas empleadas para aproximar los valores de y.
2. Errores de redondeo, causados por el número limitado de cifras significativas
que una computadora puede retener.
Los errores de truncamiento se componen de dos partes. La primera es un error de
truncamiento local que resulta de una aplicación del método considerado, en un
solo paso. La segunda es un error de truncamiento propagado que resulta de las
aproximaciones producidas durante los pasos previos. La suma de los dos es el
error de truncamiento global o total.
156
Los algoritmos para las técnicas de un paso como el método de Euler son muy
simples de programar. Como se especificó al inicio de este capítulo, todos los
métodos de un paso tienen la forma general
Nuevo valor = valor anterior + pendiente × tamaño de paso
En lo único que difieren los métodos es en el cálculo de la pendiente.
157
Un motivo fundamental de error en el método de Euler es suponer que la derivada
al inicio del intervalo es la misma durante todo el intervalo. Hay dos
modificaciones simples para evitar esta consideración. De hecho, ambas
modificaciones pertenecen a una clase superior de técnicas de solución llamadas
métodos de Runge-Kutta.
158
159
160
161
162
163
Parcial n°2
Integrantes Grupo:1IB121 Fecha:14 de noviembre de 2016
Justin Lezcano 4-774-663
Evelyn Romero 1-734-183 1
Gesuani Gómez 8-907-531
f(x)= a = xO = 1
s b = xn = 4
ÁREA 1.2
x y
1 1
1.6 0.625
1
2.2 0.45454545
2.8 0.35714286
3.4 0.29411765
eje y
4 0.25 0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
eje x
n= 6
h= 0.5
x0= 1 f(x0)= 1
x1= 1.500000000 4*f(x1)= 2.666666667
x2= 2.000000000 2*f(x2)= 1
x3= 2.500000000 4*f(x3)= 1.6
x4= 3.000000000 2*f(x4)= 0.666666667
x5= 3.500000000 4*f(x5)= 1.142857143
x6= 4.000000000 f(x6)= 0.25
TOTAL= 8.326190476
ÁREA= 1.38769841270
164
Método de Euler
n X Y euler Y verdadera error
1 0 1 1 0
2 0.5 5.25 3.21875 -2.03125
3 1 5.875 3 -2.875
4 1.5 5.125 2.21875 -2.90625
5 2 4.5 2 -2.5
6 2.5 4.75 2.71875 -2.03125
7 3 5.875 4 -1.875
8 3.5 7.125 4.71875 -2.40625
9 4 7 3 -4
Y euler Y verdadera
165