Escolar Documentos
Profissional Documentos
Cultura Documentos
NIVEL 5to
AREA FUNDAMENTO TEÓRICO
NºHORAS SEMANA 04
MÉTODOS NUMÉRICOS
1 GENERALIDADES Y CÁLCULO DE ERRORES
ANÁLISIS ERROR Y
APROXIMACIÓN
UNIDAD 2: SOLUCIÓN DE ECUACIONES NO LINEALES
Encontrar las
raíces de una
ecuación
UNIDAD 3: MÉTODOS PARA LA SOLUCIÓN DE SISTEMAS LINEALES.
SOLUCIÓN DE
SISTEMAS DE
ECUACIONES
UNIDAD 4: AJUSTES DE CURVAS E INTERPOLACIÓN
HALLAR VALORES
DESCONOCIDOS
EN FUNCIÓN DE
LOS CONOCIDOS
UNIDAD 5: INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA
Solución
aproximadas
de derivadas e
integrales
analíticamente
complicadas
UNIDAD 6: SOLUCIÓN DE ECUACIONES DIFERENCIALES
Proporcionar valores
numéricos de la
solución con una
aproximación
adecuada, en un
determinado
conjunto de puntos
MÉTODOS NUMÉRICOS
ACTIVIDADES A PRIMER SEGUNDO TERCER EVALUACIÓN
SUSPENSIÓN
EVALUAR PARCIAL PARCIAL PARCIAL PRINCIPAL
Exámenes 12 20
Lecciones 4 5 5
Tareas
2 2 1
Individuales
Trabajo equipo 1 2 2
Trabajo de
1 1 1
investigación
Aula virtual 1
Martes: 11h00-12h00
PERFIL DEL PROFESOR DE LA
ASIGNATURA
NOMBRE DEL PROFESOR MIGUEL ANGEL PÉREZ BAYAS
NÚMERO TELEFÓNICO 0999262941
CORREO ELECTRÓNICO miguel.perez@espoch.edu.ec
TÍTULOS ACADÉMICOS DE
Ingeniero Mecánico
TERCER NIVEL
TÍTULOS ACADÉMICOS DE Máster Universitario en
POSGRADO Automática y Robótica
PRUEBA DE DIAGNÓSTICO
- Matlab 2018ª
- Geogebra
UNIDAD I
Definición de los
métodos numéricos
y cálculo de errores
1. Consideraciones generales sobre los
métodos numéricos.
1. Consideraciones generales sobre los métodos numéricos.
Introducción
Historia
Los métodos numéricos como ciencia estructurada y rigurosa, tienen un estudio
relativamente joven, empezando a finales del siglo XIX inicios del siglo XX.
Sin embargo desde tiempos remotos se emplearon métodos de aproximación,
siendo un aprueba de esto el descubrimiento del Papiro de Rhind o Ahmes, que
data del año 1650 AC. Elemento de 6m por 33cm, representa la mejor fuente de
información sobre matemática egipcia, posee 80 ejercicios resueltos, de cálculo
de volumen de frutas, áreas, raíces cuadradas, Etc.
En contraste en 1984 Math Works desarrolla el lenguaje de programación
MatLab, orientado al trabajo de Matrices.
1.. Consideraciones generales sobre los métodos numéricos
EN RESUMEN:
Antes de la era de la computadora los ingenieros sólo contaban con tres métodos para
la solución de problemas:
1. Se encontraban las soluciones de algunos problemas usando métodos exactos o
analíticos. Dichas soluciones resultaban útiles y proporcionaban una comprensión
excelente del comportamiento de algunos sistemas. No obstante, las soluciones
analíticas sólo pueden encontrarse para una clase limitada de problemas.
2. Para analizar el comportamiento de los sistemas se usaban soluciones gráficas, las
cuales tomaban la forma de gráficas o monogramas; aunque las técnicas gráficas se
utilizan a menudo para resolver problemas complejos, los resultados no son muy
precisos.
3. Para implementar los métodos numéricos se utilizaban calculadoras y reglas de
cálculo. Aunque dichas aproximaciones deberían ser perfectamente adecuadas para
resolver problemas complicados, en la práctica se presentan varias dificultades debido
a que los cálculos manuales son lentos y tediosos.
2. Aplicación de la computadora a los métodos numéricos.
SOLUCIÓN
SOLUCIÓN
Métodos muy elaborados y con
frecuencia complicados para ser Método de la computadora fácil
manejable el problema de usar
INTERPRETACIÓN
Programación y software
• Los programas computacionales son únicamente
conjuntos de instrucciones que dirigen a la computadora
para realizar una cierta tarea. Un ejemplo de programas
o software utilizados son el Excel, Geogebra y MATLAB.
2. Aplicación de la computadora a los métodos numéricos.
Algoritmo
Es importante definir el término Algoritmo, y analizar sus principales
características.
• Algoritmo.- procedimiento que nos indica la serie de pasos y decisiones que
se va a tomar para la solución de un problema.
• Finito.- siempre debe terminar en un número determinado de pasos
• Definido.- las acciones deben definirse sin ambigüedad.
• Entrada.- puede tener una o varias entradas
• Salida.- debe tener una o varias salidas.
• Efectivo.- las operaciones deben ser básicas para q pueden hacerse en un
determinado tiempo. Tiempo no mayor al que le tome a una persona
empleado papel y lápiz.
2. Aplicación de la computadora a los métodos numéricos.
Algoritmo
• Ej : algoritmo
que permita
leer dos valores
distintos,
determinar
cuál es el
mayor y
escribirlo
2. Aplicación de la computadora a los métodos numéricos.
Diagrama de flujo
Los algoritmos por tanto son necesarios para poder potencializar la aplicación de recursos
tecnológicos (computadora) a los Métodos Numéricos, pues esta se convierte en una herramienta
útil, pero no resuelve problemas por sí sola, sino que necesita que alguien especifique una serie de
instrucciones para la solución de estos problemas.
Obsérvese que en este caso específico no existe variable independiente por que aún no se
predice como varía la aceleración con respecto al tiempo o al espacio.
2. Aplicación de la computadora a los métodos numéricos.
a → número aproximado.
A → número exacto
3. Números exactos y aproximados.
Otras definiciones:
Exactitud
Precisión
Tolerancia o incertidumbre
3. Números exactos y aproximados.
•Exactitud: Aproximación
con la cual la lectura de un
instrumento se acerca al
valor real de la variable
medida.
Es una estimación del posible error en una medida. Dicho de otra forma, es un estimación del rango de
valores que contienen el valor verdadero de una medida. La incertidumbre generalmente esta referida en
términos de la probabilidad de que el valor verdadero difiera de un rango establecido de valores.
R= x ± s
Donde:
x : Es la exactitud de la medida.
s : Es la precisión de la medida.
3. Números exactos y aproximados.
Ejemplo: Dadas las siguientes lecturas tomadas por un operador calcular la
incertidumbre R de la medida.
3. Números exactos y aproximados.
4. Redondeo de números.
4. Redondeo de números
En la práctica de métodos numéricos, surge a menudo la necesidad de
redondear un número, o sea, reemplazarlo con otro que tienen una menor
cantidad de cifras.
563,4500001 → 4 cifras
= 563.5 por el 1
4. Redondeo de números
Truncamiento.-
RECORDEMOS:
Precisión.- relacionada con la cantidad de números.
0,000956 → 3 cifras
956,00 → 5 cifras
3,76*10 10 → 3 cifras
5. Cifras significativas
Condiciones:
1.- Cuando hay un entero todas las cifras son significativas.
2.- Cuando un cero se encuentra entre dos cifras distintas, este también es
considerado cifra significativa
Ej: 1,05 →3 cifras significativas
3.- Cuando los ceros se usan solo para la ubicación de la coma no son
significativas Ej: 0.009 → 1 cifras significativas
4.- cuando los ceros estas después de la coma, y antes de esta, están otras
cifras los ceros también son cifras significativas
Ej: 17.00 → 4 cifras significativas
5.-cuando tenemos cantidades grandes terminadas en ceros, estos pueden o
no ser cifras significativas.
Ej: 12300 → 5 o 3 cifras significativas
5. Cifras significativas
5. Cifras significativas
•Número (obligatorio): El
número que será redondeado.
•Cifra_significativa
(obligatorio): La cifra significativa
hacia la que será redondeado el
número.
5. Cifras significativas
Ejemplo de la función MULTIPLO.INFERIOR
Si se tiene en Excel una lista de productos con sus respectivos precios.
a- Δa ≤ A ≤ a+ Δa a- Δa ≤ A ≤ a+ Δa
3,14 - Δa ≤ π ≤3,14+ Δa 3,14 - Δa ≤ π ≤3,14+ Δa
3,14< π < 3,15 supuesto 3,14< π < 3,142 supuesto
|π-a |<0,01 |π-a |<0,002
Por tanto: Δa=0,01 Por tanto: Δa=0,002
𝐴−a
𝐸𝑣 ≥ x100%, a≠0
a
ERROR
ERROR RELATIVO
Ejemplo: el peso de 1 dm3 de agua a 0°C viene dado por p=999,847±0,001 (gramos
fuerza). Determine la cota del error relativo porcentual del resultado del peso del agua.
Δp=0,001
p≤ 999,846 gf
0,001
𝐸𝑣 ≥ x100%= 1x10-4 %
999,846
ERROR
EJERCICIO:
Si las medidas de tiempo de un recorrido efectuadas por diferentes alumnos son:
3,01s / 3,11s / 3,20 s / 3,15 s
Hallar los errores absoluto y relativo de cada medida.
Medidas Errores absolutos Errores relativos
3,01 s 3,01 - 3,12 = - 0,11 s -0,11 / 3,12 = - 0,036
(- 3,6%)
3,11 s 3,11 -3,12 = - 0,01 s -0,01 / 3,12 = - 0,003
(- 0,3%)
3,20 s 3,20 -3,12 = + 0,08 s +0,08 / 3,12 = + 0,026
(+ 2,6%)
3,15 s 3,15 - 3,12 = + 0,03 s +0,03 / 3,12 = + 0,010
(+ 1,0%)
ERROR
EJERCICIO:
Error de truncamiento: Ej. Cuando una calculadora básica sólo toma en cuenta los dígitos
que cabe en la pantalla y no se analiza el primer dígito perdido.
Error de redondeo: Ej. Al usar 1/3 =0.333 se comete un error de redondeo.
6. Clasificación de los errores
ERROR
Separar las raíces quiere decir partir todo el dominio de los valores
admisibles en segmentos en cada uno de los cuales existe una sola
raíz.
Método gráfico:
Un método simple para obtener una aproximación a la raíz de la
ecuación f(x) = 0 consiste en graficar la función y observar dónde
cruza el eje x.
Ejercicio:
Determinar gráficamente en Geogebra entre qué números enteros
están encerradas las raíces de la ecuación: x3 -3x-1=0
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Determinar gráficamente en Geogebra,
entre qué números enteros están
encerradas las raíces de la ecuación:
x3 -3x-1=0
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Utilice el método gráfico para determinar el coeficiente de arrastre c
necesario para que un paracaidista de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una caída libre de t = 10 s.
Nota: La aceleración de la gravedad es 9.8 m/s2.
Ejercicio:
Utilice el método gráfico para
determinar el coeficiente de arrastre
c necesario para que un paracaidista
de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2.
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Utilice el método gráfico para
determinar el coeficiente de arrastre
c necesario para que un paracaidista
de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2. rpta= 14,8
SEPARACIÓN DE RAÍCES
Método Analítico:
Si una función f(x) es continua sobre el segmento [xa, xb], entonces
en este segmento siempre hay puntos en los cuales ella toma los
valores máximos y mínimos, y para determinarlos es necesario:
Método de Bisección
Base: Una función cambia de signo en
la proximidad de una raíz
f(cn) <
2,89x10-9<0.00001
a1 cn b1 fa fc
0 1 2 -1 0,7182
0 0,5 1 -1 -0,3513
0,5 0,75 1 -0,3513 0,117
0,5 0,625 0,75 -0,3513 -0,132
0,625 0,6875 0,75 -0,132 -0,0113
0,6875 0,71875 0,75 -0,0113 0,05186
Matlab
Características.
Lenguaje de alto nivel para cálculo numérico y desarrollo de
aplicaciones.
Cuenta con funciones matemáticas para algebra lineal
estadística, integración numérica, resolución de ecuaciones
diferenciales ordinarias.
gráficos integrados para visualización de datos y herramientas
para crear gráficos personalizados.
Herramientas de desarrollo para mejorar la calidad del código.
Herramientas para creación de aplicaciones con interfaces
graficas personalizadas.
funciones para integrar algoritmos con aplicaciones externas
como c java Excel.
Matlab
Comand Window
Ventana donde se ejecutan interactivamente las
instrucciones, y donde se muestran los resultados
correspondientes. Es la ventana más importante.
Lo caracteriza el prompt o aviso. Programa
preparado para recibir instrucciones. Ingreso de variables.
a=3 enter
…b=6 enter….
c=3 enter….
d =a+b+c enter
a=3; enter… que sucede.?
a=3; b=6; c=9; d=a+b+c …. Enter
Matlab
WORKSPACE
En esta ventana se lista las
variables que en un
determinado momento se
están utilizando. Se pueden ver
las variables antes utilizadas.
Click derecho en una variable
se puede cambiar de nombre.
Característica importante,
MATLAB trata las variables
como arrays o matrices, en
este caso de 1x1
Matlab
Editor debugger.
Ventana en la que el usuario, puede escribir o crear sus propios programas en
archivos con extensión .m. New Script.
Contienen conjuntos de comandos o definición de funciones. Se logra
ejecutar uno tras otro todos los comandos contenidos en este tipo de fichero.
Limpiar variables.
Clear all
Clc
Matlab
Vectores o matrices.
Vectores fila elementos separados por espacios o coma. v= [2 3 4]
Vector columna.- separados por punto y coma; m= [3 4 5; 6 7 8; 9 10 11]
Crear dos matrices distintas, probar operaciones.
Matlab
Graficas
>> x=[-2:0.01:2];
>> y=sin(x)+cos(x)*2;
>> plot(x,y)
x=[-5:0.01:5];
y=3*x.^3+2*x-17;
z=zeros(size(x));
grid on
hold on
plot (x,y)
Matlab
ALGORITMOS
EJEMPLO:
Programa que calcula error absoluto, relativo y valor aproximado de las
cifras significativas
MÉTODO DE LA REGLA FALSA
MÉTODO DE LA REGLA FALSA
Aún cuando la bisección es una técnica
perfectamente válida para determinar raíces, su
método de aproximación por "fuerza bruta" es
relativamente ineficiente. f(b1)
La falsa posición es una alternativa basada en
una visualización gráfica que consiste en unir
f(a1) y f(b1) con una línea recta. La intersección
de esta línea con el eje de las x representa una
a1 ai an
mejor aproximación de la raíz.
El hecho de que se reemplace la curva por una b1
línea recta de una "falsa posición" de la raíz da
el nombre de método de la falsa posición, o en f(a1)
latín, regula falsi. También se le conoce como
método de interpolación lineal.
MÉTODO DE LA REGLA FALSA
Usando triángulos semejantes, y haciendo
algunos arreglos matemáticos, la intersección
de la línea recta con el eje de las x se estima
f(b1)
mediante: f(b1)
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎2 = 𝑏1 − a1 ai an
𝑓 𝑎1 − 𝑓(𝑏1ሻ
b1
f(a1)
MÉTODO DE LA REGLA FALSA
Algoritmo:
1. Se escogen los valores iniciales a1 y b1, que
encierran la raíz f(b1)
f(b1)
2. Determinar la primera aproximación a2:
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
3. Realizar las evaluaciones (una sola vez, en la a1 ai an
primera iteración.)
b1
f(a1)*f(ai)<0 raíz en primer intervalo
f(a1)*f(ai)>0 raíz en segundo intervalo
f(a1)
f(a1)*f(ai)=0 raíz encontrada
4.- Se realiza una nueva aproximación hasta que se alcance la tolerancia especificada
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
𝑓 1.5 . (1 − 1.5ሻ
𝑎i = 1.5 −
𝑓 1 − 𝑓(1.5ሻ
−0,182335 . (−0.5ሻ
𝑎i = 1.5 −
0,367879 − (−0,182335ሻ
𝑎i = 1.334306
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
𝑓 1.334306 . (1 − 1.334306ሻ
𝑎i = 1.334306 − = 1.312977
𝑓 1 − 𝑓(1.334306ሻ
Aquí podemos calcular el error relativo porcentual, puesto que contamos ya con la aproximación nueva
y la aproximación anterior:
ai nueva - ai anterior
Erp = * 100% = 1.62%
ai nueva
Puesto que no se ha logrado el objetivo, continuamos con el proceso
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
Se evalúa f(xr) para determinar en cuál de los dos intervalos está la raíz:
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
MÉTODO DE LA REGLA FALSA
Ejercicio. Obtener una solución única de 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎
en el intervalo [1,2] mediante el método de la regla falsa
Iteración a1 F(a1) b1 F(b1) ai F(ai)
1 1 -5 1,5 2,375 1,33898305 -0,4278675
2
3
4
5 1,36523002
6 1,36523001
7 1,36523001
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
SOLUCIÓN DE ECUACIONES NO LINEALES
Método de Newton-Raphson.
Método de la Secante.
Aproximaciones sucesivas
SOLUCIÓN DE ECUACIONES NO LINEALES
Método de Newton-Raphson
Método de Newton-Raphson
Este método es uno de los más utilizados para
localizar raíces ya que en general es muy eficiente
y siempre converge para una función polinomial.
Se requiere que las funciones sean diferenciables,
y por tanto, continuas, para poder aplicar este
método.
𝒙𝒊 , 𝒇 𝒙𝒊
Se debe partir de un valor inicial para la raíz: 𝑥𝑖 ,
este puede ser cualquier valor, el método
convergirá a la raíz mas cercana, es decir se pude
trazar una tangente desde el punto 𝑥𝑖 , 𝑓 𝑥𝑖 de
la curva.
Si se extiende una tangente desde el punto
𝑥𝑖 , 𝑓 𝑥𝑖 , el punto donde esta tangente cruza al
eje x representa una aproximación mejorada de la
raíz r.
Método de Newton-Raphson
• La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una recta.
Pendiente de una recta:
𝑓(𝑋𝑖 ሻ
𝑋𝑖+1 = 𝑋𝑖 − ′
𝑓 𝑋𝑖
3
𝑥𝑖 , 𝑓 𝑥𝑖
4 0,79128795
5 0,79128785
Método de Newton-Raphson
Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación 𝑓 𝑋 = 𝑋 3 + 3𝑋 2 − 3𝑥, situada sobre el
segmento [0 ; 1].
Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1)
1 0,6 -0,504 1,68 0,9 0,459
4 0,79128795
5 0,79128785
𝑥𝑖 , 𝑓 𝑥𝑖
SOLUCIÓN DE ECUACIONES NO LINEALES
Método de la Secante
Método de la Secante
Un problema que presenta el
método de Newton Raphson es
que existen algunas derivadas
que no son muy fáciles de
evaluar.
El método de la secante, es otro
método para aproximar el cero
de una función en el que en
cada iteración se evalúa la
función y no la derivada.
Se puede aproximar la derivada
mediante una diferencia.
El método de la secante usa una
diferencia en vez de la derivada,
para aproximar la pendiente.
Método de la Secante
• Si recordamos la fórmula f ( xu )( xl xu )
de la falsa posición: xr xu
f ( xl ) f ( xu )
• Y vemos la fórmula de la
secante: f ( xi )( xi 1 xi )
xi 1 xi
f ( xi 1 ) f ( xi )
Método de la Secante
Diferencia entre Secante y Falsa Posición
• Se diferencian por
la forma en que
uno de los valores
iniciales se
reemplaza con la
aproximación.
Método de la Secante
Ejemplo:
-Determine la menor raíz real de:
f ( x) 11 22x 17 x 2.5x
2 3
a) Gráficamente
b) Usando el método de la secante para un valor
de Erpcon tres cifras significativas
a) Gráficamente: x 0.4
Método de la Secante
b) Por el método de la secante (Erp<0.05%): f ( x) 11 22 x 17 x 2 2.5 x 3
1) Se dan 2 valores: Xi y Xi-1 [Xi y Xi-1 ] = [-1 y 0]
2) Se calcula f(xi) y f(xi-1) f[-1 y 0]=[30,5 y -11]
3) Se obtiene Xi+1 mediante xi 1 xi f ( xi )( xi 1 xi )
f ( xi 1 ) f ( xi )
la fórmula de la secante:
(30.5)(0 (1))
4) Se vuelve al 1 0.2651
(11 30.5)
paso 2 para
encontrar una Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 -1 0 30,5 -11 -0.2651 -
nueva raíz:
2 0 -0.2651 -0.4123 35.7
3 -0.2651 -0.4123 -0.3793 8.7
4 -0.4123 -0.3793 -0.3813 0.52
5 -0.3793 -0.3813 -0.3813 0.004
Método de la Secante
Ejercicio:
-Usando el método de la secante,
precisar hasta E=0,00001 la raíz de la
ecuación:
f ( x) 3x 3x 2 x 3
situada sobre el segmento [0;1]
-Se pueden tomar valores mayores o
menores aproximados a la raíz.
-Trabajar con 9 cifras significativas
aproximadas
Método de la Secante
Ejercicio:
Raíz en [0;1] f ( x) 3x 3x 2 x 3
E=0,00001
Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 0,6 0,7
2
3
4
5
f ( xi )( xi 1 xi )
xi 1 xi
f ( xi 1 ) f ( xi )
Método de la Secante
Ejercicio:
Raíz en [0;1] f ( x) 3x 3x 2 x 3
E=0,00001
Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 0,6 0,7
2
3
4
5 0,79128785 -5,6268E-09
R=0,79128785
-0,000000056268 < 0,00001
SOLUCIÓN DE ECUACIONES NO LINEALES
Ejemplo:
• f(x) = x3 + 4x2 – 10 [a,b] = [1,2]
𝐴 = 𝑃𝑒 −0.0248 𝑡
Donde P es la cantidad inicial en el
tiempo t=0 y A es la cantidad
resultante en t años. Si inicialmente se
depositan 800 mg de dicha sustancia.
¿Cuánto tiempo habrá transcurrido
para que quede el 2% de ésta?
x+2=4
Los métodos numéricos vistos con
anterioridad nos sirven para
determinar el valor de x que satisface
a una sola ecuación, f(x) = 0.
A continuación se usarán métodos para determinar los valores de x1, x2, …, xn, que
satisfagan simultáneamente un conjunto de ecuaciones.
SOLUCIÓN DE SISTEMAS LINEALES
Introducción Histórica
Los sistemas de ecuaciones lineales fueron ya resueltos por los babilonios, los cuales llamaban a las
incógnitas con palabras tales como longitud, anchura, área, o volumen , sin que tuvieran relación
con problemas de medida.
•Para resolverlo comienzan asignando el valor 5 a una mano y observaban que la solución
podía ser: anchura = 20, longitud = 30 . Para comprobarlo utilizaban un método parecido al de
eliminación.
En nuestra notación, sería:
y + 4x = 28
y + x = 10
SOLUCIÓN DE SISTEMAS LINEALES
Matrices
Una matriz consta de un arreglo rectangular de elementos
representados por un símbolo simple. [A] es la notación abreviada
para la matriz, y aij representa un elemento individual de la
matriz. Normalmente i se refiere a la fila del elemento, y j a la
columna.
SOLUCIÓN DE SISTEMAS LINEALES
Un sistema de ecuaciones se puede representar de varias formas.
a.- Forma desarrollada
𝑎11 𝑋1 + 𝑎12 𝑋2 + ⋯ … … … 𝑎1𝑛 𝑋𝑛 = 𝐶1
𝑎21 𝑋1 + 𝑎22 𝑋2 + ⋯ … … … 𝑎2𝑛 𝑋𝑛 = 𝐶2
𝑎𝑚1 𝑋1 + 𝑎𝑚2 𝑋2 + ⋯ … … … 𝑎𝑚𝑛 𝑋𝑛 = 𝐶𝑛
12𝑥1 − 𝑥2 + 3𝑥3 = 8
𝑥1 + 7𝑥2 − 3𝑥3 = −51
4𝑥1 − 4𝑥2 + 9𝑥3 = 61
SOLUCIÓN DE SISTEMAS LINEALES
Transformaciones elementales.
b.- Multiplicación de todos los elementos de una fila o
columna por un mismo número distinto de cero.
4 ∗ 𝑥1 + 7𝑥2 − 3𝑥3 = −51
4𝑥1 + 28𝑥2 − 12𝑥3 = −204
c.- Operaciones de suma o resta entre 2 filas o columnas.
4x1 + 28x2 - 12x3 = -204
- ( 4x1 - 4x2 + 9x3 = 61 )
Para multiplicar dos matrices [A] y [B], la dimensión de columnas de [A] debe ser igual a la
dimensión de filas de [B].
SOLUCIÓN DE SISTEMAS LINEALES
Producto de Matrices
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
Se usa para resolver un conjunto de n
ecuaciones.
1. Se divide la 1ra fila entre el coeficiente de la 1ra
incógnita (Normalización)
2. Se multiplica la 1ra fila por el coeficiente de la 1ra
incógnita de la 2da fila.
3. Se resta la 1ra fila a la 2da fila.
4. El proceso se repite hasta que se elimina la 1ra
incógnita de las ecuaciones restantes.
5. Se repite para el resto de las ecuaciones.
6. Se repite para el resto de las incógnitas.
La fórmula general queda así:
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 1:
3x+2y+z=1
5x+3y+4z=2
X+y-z=1
Compatible determinado
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 2:
Compatible
indeterminado
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 3:
Incompatible
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 4:
4𝑥1 − 2𝑥2 + 2𝑥3 + 3𝑥4 = −9
2𝑥1 + 5𝑥2 + 2𝑥3 + 2𝑥4 = 6
3𝑥1 + 2𝑥2 + 4𝑥3 + 𝑥4 = −11
2𝑥1 − 3𝑥2 − 4𝑥3 + 5𝑥4 = 17
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 5:
x+y+z=1
2x+3y-4z=9
x-y+z=-1
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 6:
4x+y-2z=-3
3x-y+4z=-2
-x+y+z=5
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• Ejm 7:
−3𝑥 + 𝑦 + 𝑧 = 1
X-2y+z=4
-x+y-3z=-7
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• EJERCICIO 8 : Disponemos de tres lingotes de distintas aleaciones de tres
metales A, B y C. El primer lingote contiene 20 g del metal A, 20 g del B y 60
del C. El segundo contiene 10 g de A, 40 g de B y 50 g de C. El tercero
contiene 20 g de A, 40 g de B y 40 g de C. Queremos elaborar, a partir de
estos lingotes, uno nuevo que contenga 15 g de A, 35 g de B y 50 g de
C.¿Cuántos gramos hay que coger de cada uno de los tres lingotes?
• Resumimos en una tabla los datos que nos dan:
• Llamamos x a los gramos que tenemos que coger del primer lingote, y a los del segundo
lingote y z a los del tercero.
SOLUCIÓN DE SISTEMAS LINEALES
Eliminación Gaussiana Simple
• EJERCICIO 8 :
Método de Gauss Jordan.
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
Es una variante de la eliminación Gaussiana. La diferencia consiste en que
en el método de Gauss Jordan cuando se elimina una incógnita no solo se
elimina de la ecuación siguiente sino de todas las otras ecuaciones. De
esta forma el paso de eliminación genera una matriz identidad en vez de
una matriz triangular. Por tanto no es necesario emplear la sustitución
hacia atrás para obtener la solución.
1 2 1 3 Renglón pivote
Identificamos
Renglón, Columna 2 5 1 4
y elemento pivote 3 2 1 2
Elemento pivote
Columna pivote
Seleccionamos el
renglón pivote [ 1 2 1 3 ]
Seleccionamos un 2 5 1 4
renglón diferente 3 2 1 2
al renglón pivote 0 Como el objetivo es hacer “0” el número
debajo del renglón pivote ¿Por qué número
debemos multiplicar el renglón pivote?
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
1 2 1 3
Modificamos el
2 5 1 4
segundo renglón 3 2 1 2
con la operación
de eliminación (-2) [1 2 1 3 ]
renglón
2 5 1 4
3 2 1 2
0 1 -3 -2
Ahora modificamos
(-3) [1 2 1 3 ]
el tercer renglón
¿Por qué número 32 5
-2
-11 4
2
multiplicamos el 3 2 1 2
renglón pivote 0 -8 -4 -7
ahora? 1 2 1 3
¿Cómo queda la
nueva matriz? 0 1 3 2
0 8 4 7
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
Ya transformamos la 11 2 1 3
primera columna, ahora
vamos con la segunda; 0 11 3 2 Nuevo renglón pivote
afortunadamente ya 0 8 4 7
hay un “1” como nuevo
elemento pivote
(-2) [ 0 1 -3 -2 ]
¿Qué hacemos 1 2 1 3
ahora? Hay que 1 0 7 7
transformar en
ceros los números (8) [ 0 1 -3 -2 ]
arriba y abajo del
0 -8 -4 -7
nuevo elemento
pivote 0 0 -28 -23
Se repite la
La siguiente matriz 1 0 7 7
eliminación
renglón
queda: 0 1 3 2
0 0 28 23
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
El siguiente elemento 11 0 7 7
pivote es “28”; el cual
debe ser 0 11 3 2
Convertimos el
0 0 28 23
transformado en “1” elemento pivote en
sin alterar la ecuación “1” para facilitar las
¿Cómo lo hacemos? operaciones;
dividimos todo el
renglón entre el
En otras palabras: 1 0 7 7 número pivote (-28)
Cada renglón
0 1 3 2 obteniendo el
representa una 0 0 1 23 / 28 siguiente resultado
ecuación, si dividimos
todo el renglón entre
-28 obtenemos el “1”
que estamos
buscando
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
Realizamos la 1 0 7 7
operación de
0 1 3 2
eliminación renglón 0 0 1 23 / 28 Nuevo renglón pivote
(-7) [ 0 0 1 23/28 ]
1 0 7 7
1 0 0 5/4
(3) [ 0 0 1 23/28 ]
0 1 -3 -2
0 1 0 13/28
Finalmente la matriz 1 0 0 5/ 4
queda 0 1 0 13 / 28
0 0 1 23 / 28
Sistema de x 2y z 3
ecuaciones original 2x 5 y z 4
3x 2 y z 2
Respuestas: x = 5/4
y = 13/28
z = 23/28
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
EJERCICIO 1 : Resolver por Gauss Jordan el siguiente sistema:
2x + y - 3z = 5
3x - 2y + 2z = 6
5x – 3y – z = 16
X=18/13
Y=-5/2
Z=-41/26
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss Jordan.
EJERCICIO 2 : Resolver por Gauss Jordan el siguiente sistema:
X1=-2
X2=2
X3=-3
X4=3
Métodos iterativos:
Gauss- Seidel y Jacobi
.
Método de Jacobi
.
SOLUCIÓN DE SISTEMAS LINEALES
Método de Jacobi .
Ejemplo: 2)Se evalúa cada ecuación despejada para Xi=0 en la primera iteración .
.
x2 y x3 = 0
x3 y x1 = 0
x2 y x1 = 0
SOLUCIÓN DE SISTEMAS LINEALES
Método de Jacobi .
X1=2.45
X2= -1,125
X3=5,555556
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Jacobi .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Jacobi .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Jacobi .
X1=1,005
X2=0,994
X3=1,004
SOLUCIÓN DE SISTEMAS LINEALES
Sobre los métodos iterativos…… .
Ejemplo:
Son matrices diagonalmente dominantes:
4 1 1 −6 1 2
4 1
2 8 −3 1 3 0
3 8
3 2 9 3 2 −9
SOLUCIÓN DE SISTEMAS LINEALES
Sobre los métodos iterativos…… .
Ejemplo:
NO son matrices diagonalmente dominantes:
4 1 3 4 1 1
4 4
2 8 1 2 8 −7
3 8
3 − 10 2 3 − 10 20
SOLUCIÓN DE SISTEMAS LINEALES
Sobre los métodos iterativos…… .
Ejemplo:
Indique cuál es el orden conveniente para aplicar Jacobi al sistema:
3x + 12y − z = −2
11x − 4y + 3z = −3
−3 x − 2y − 12z = −2
Solución
Con el orden y → x → z el sistema y su matrizde coeficientes quedan:
12 y + 3x − z = −2 12 3 −1
− 4 y + 11 x + 3z = −3 → −4 11 3
− 2 y − 3 x − 12 z = −2 − 2 − 3 − 12
la matriz de coeficientes es diagonalmente dominante.
SOLUCIÓN DE SISTEMAS LINEALES
Sobre los métodos iterativos…… .
Ejercicio:
CRITERIO DE PARO
𝑗−1 𝑗
|𝑥𝑖 | − |𝑥𝑖 |
∈𝑎,𝑖 = 𝑗
𝑥100% < ∈𝑟𝑝
𝑥𝑖
Para toda i en donde j y j-1 denotan la iteración actual y anterior.
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
DIAGONALMENTE
DOMINANTE
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
Ejemplo:
SOLUCIÓN DE SISTEMAS LINEALES
Método de Gauss-Seidel .
𝑗−1 𝑗
|𝑥𝑖 | |𝑥𝑖 |
0,96 0,99
0,42 0,49
5,95 5,99
SOLUCIÓN DE SISTEMAS LINEALES
Es difícil estimar el costo computacional de un método iterativo, pues
de antemano se desconoce cuántas iteraciones requerira para obtener
una respuestas que satisfaga al usuario.
Generalmente, se procede a calcular el costo computacional por
iteración.
Rpta=1,99999 en iter 10
SOLUCIÓN DE SISTEMAS LINEALES
EJERCICIO:
Resolver el siguiente sistema de ecuaciones mediante el método
de Gauss-Seidel para 7 iteraciones, para 5 cifras significativas:
4x1+10x2+8x3=142
2x1+6x2+7x3=13
9x1+2x2+3x3=16
9x1+2x2+3x3=16 Rpta=x1=3,0202
4x1+10x2+8x3=142 x2=11,1862
2x1+6x2+7x3=13 x3=2,3346
Métodos deFactorización:
Raíz Cuadrada y Choleski
Método de la Raíz Cuadrada
Se tiene un sistema de ecuaciones que tiene la forma: Ax=c
Hay que descomponer en dos matrices L y LT.
L matriz triangular superior
LT es la transpuesta de L
= 0.852803
Método de la Raíz Cuadrada
Ejemplo: Se obtienen las matrices L y LT: 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
2.236068 0 0 0 𝑦1 7
−1.341641 1.483239 0 0 𝑦2 6
𝑦3 =
0.894427 1.483240 1.414214 0 29
0.447214 1.752920 −2.828427 0.852803 𝑦4 −20
Y1=3.1330495
Y2=6.876842
Y3=11.313701
Y4=-1.705643
Método de la Raíz Cuadrada
Ejemplo: Segundo sistema Lx=y 5𝑥1 − 3𝑥2 + 2𝑥3 + 𝑥4 = 7
−3𝑥1 + 4𝑥2 + 1𝑥3 + 2𝑥4 = 6
2𝑥1 + 𝑥2 + 5𝑥3 − 𝑥4 = 29
𝑥1 + 2𝑥2 − 𝑥3 + 12𝑥4 = −20
X4=-2
X3=4
X2=3
X1=2
Método de la Raíz Cuadrada
Ejemplo: 16𝑥1 − 12𝑥2 + 8𝑥3 = 76
−12𝑥1 + 18𝑥2 − 6𝑥3 = −66
8𝑥1 − 6𝑥2 + 8𝑥3 = 46
Método de la Raíz Cuadrada
Ejemplo: 16𝑥1 − 12𝑥2 + 8𝑥3 = 76
−12𝑥1 + 18𝑥2 − 6𝑥3 = −66
8𝑥1 − 6𝑥2 + 8𝑥3 = 46
Y3=4 X3=2
L Y2=-3 X2=-1
Y1=19 X1=3
Método de la Raíz Cuadrada
Ejemplo: 4𝑥1 + 3𝑥2 − 2𝑥3 + 𝑥4 = 8
3𝑥1 + 2𝑥2 + 𝑥3 + 5𝑥4 = 30
−2𝑥1 + 3𝑥2 + 𝑥3 + 2𝑥4 = 15
−5𝑥1 + 𝑥3 + 𝑥4 = 2
X4=4
X3=3
X2=2
X1=1
Método de Cholesky
Método de Cholesky
Se tiene un sistema de ecuaciones que tiene la forma Ax=b
Se factora la matriz A, es decir se descompone en dos matrices B y C:
A=B*C
Donde: B matriz triangular inferior
C matriz triangular superior
Y así sucesivamente:
Método de Cholesky
Ejemplo: 4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Primera fila de C
Primera columna de B 𝑎12 −3
𝑐12 = = = −0.75
𝑏11 4
𝑏11 = 𝑎11 = 4
𝑎13 1
𝑏21 = 𝑎21 = 7 𝑐13 = = = 0.25
𝑏11 4
𝑏31 = 𝑎31 = 3
𝑎14 −5
𝑏41 = 𝑎41 = 2 𝑐14 = = = −1.25
𝑏11 4
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
Segunda fila de C
1 1
𝑐23 = 𝑎23 − 𝑏21 𝑐13 = −3 − (7ሻ(0.25ሻ = −1.461538
𝑏22 3.25
1 1
𝑐24 = 𝑎24 − 𝑏21 𝑐14 = −2 − (7ሻ(−1.25ሻ = 2.076923
𝑏22 3.25
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Tercera columna de B
𝑏33 = 𝑎33 − (𝑏31 𝑐13 + 𝑏32 𝑐23 ሻ = 5 − 3 0.25 + 0.25 −1.461538 = 4.615385
𝑏43 = 𝑎43 − (𝑏41 𝑐13 + 𝑏42 𝑐23 ሻ = 5 − 2 0.25 + 4.5 −1.461538 = 11.076921
Tercera fila de C
1
𝑐34 = 𝑎34 − (𝑏31 𝑐14 + 𝑏32 𝑐24 ሻ
𝑏33
1
= −2 − ( 3 −1.25 + 0.25 2.076923 ሻ = 0.266667
4.615385
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
Cuarta columna de B
𝑏44 = 𝑎44 − 𝑏41 𝑐14 + 𝑏42 𝑐24 +𝑏43 𝑐34
= 4 − 2 −1.25 + 4.5 2.076923 + 11.076921 0.266667
= −5.800002
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
4 0 0 0 2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
7 3.25 0 0
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002
Se resuelve:
4𝑦1 = 7 → 𝑦1 = 1.75
7𝑦1 + 3.25𝑦2 = 6 → 𝑦2 = −1.923077
3𝑦1 + 0.25𝑦2 + 4.615385𝑦3 = 0 → 𝑦3 = −1.033333
2𝑦1 + 4.5𝑦2 + 11.076921𝑦3 − 5.800002𝑦4 = −5 → 𝑦4 = −2
Método de Cholesky
4𝑥1 − 3𝑥2 + 𝑥3 − 5𝑥4 = 7
Ejemplo: 4
7
0
3.25
0
0
0
0 7𝑥1 − 2𝑥2 − 3𝑥3 − 2𝑥4 = 6
𝐵=
3 0.25 4.615365 0
2 4.5 11.076921 −5.800002 3𝑥1 − 2𝑥2 + 5𝑥3 − 2𝑥4 = 0
2𝑥1 + 3𝑥2 + 5𝑥3 + 4𝑥4 = −5
1 −0.75 0.25 −1.25
0 1 −1.461538 2.076923
𝐶=
0 0 1 0.266667
0 0 0 1
Se resuelve:
1𝑥4 = −2 → 𝑥4 = −2
𝑥3 + 0.266667𝑥4 = −1.033333 → 𝑥3 = −0.5
𝑥2 − 1.461538𝑥3 + 2.076923𝑥4 = −1.923077 → 𝑥2 = 1.5
𝑥1 − 0.75𝑥2 + 0.25𝑥3 − 1.25𝑥4 = 1.75 → 𝑥1 = 0.5
Método de Cholesky
Ejemplo: 4𝑥1 + 3𝑥2 − 2𝑥3 + 𝑥4 = 8
3𝑥1 + 2𝑥2 + 𝑥3 + 5𝑥4 = 30
−2𝑥1 + 3𝑥2 + 𝑥3 + 2𝑥4 = 15
−5𝑥1 + 𝑥3 + 𝑥4 = 2
X4=4
X3=3
X2=2
X1=1
Aplicación al campo de Ingeniería
Aplicación al campo de Ingeniería
En el sistema mostrado en la figura, determinar la tensión T y R en las
cuerdas y la aceleración .
Aplicación al campo de Ingeniería
En el sistema mostrado en la figura, determinar la tensión T y R en las
cuerdas y la aceleración .
20a-T=-148,9294
10a + T –R = -65,971
50a + R = 490
Aplicación al campo de Ingeniería
En el sistema mostrado en la figura, determinar la tensión T y R en las
cuerdas y la aceleración .
20a-T=-148,9294
10a + T –R = -65,971
I1=5,5 A
I2=4,625 A
I3=2,875 A
I4=1,75 A
I5 =2,625 A
I6= -0,875 A
Aplicación al campo de Ingeniería
Determinar en el siguiente circuito las corrientes y voltajes :
• Regresión lineal
• Regresión polinomial.
• Linealización de relaciones no lineales.
• Regresión lineal múltiple.
• Interpolación mediante polinomios de Lagrange.
• Interpolación segmentaria.
• Aplicación al campo de la Ingeniería.
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión lineal
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión lineal
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión lineal
AJUSTES DE CURVAS E INTERPOLACIÓN .
Reordenando:
𝜀 = 𝑦 − 𝑎0 − 𝑎1 𝑥
Error= diferencia entre el valor real o exacto, y el valor
aproximado.
AJUSTES DE CURVAS E INTERPOLACIÓN .
CRITERIOS INADECUADOS
AJUSTES DE CURVAS E INTERPOLACIÓN .
𝑛 𝑛 𝑛
2 2 2
𝑆𝑟 = 𝜀𝑖 = 𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 = 𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖
𝑖=1 𝑖=1 𝑖=1
AJUSTES DE CURVAS E INTERPOLACIÓN .
PROBLEMA:
AJUSTES DE CURVAS E INTERPOLACIÓN .
PROBLEMA:
AJUSTES DE CURVAS E INTERPOLACIÓN .
PROBLEMA:
AJUSTES DE CURVAS E INTERPOLACIÓN .
PROBLEMA:
AJUSTES DE CURVAS E INTERPOLACIÓN .
EJERCICIO:
𝑦 = 74.5𝑥 − 147978
Sr = 13590
Sy = 242,62
Sy/x = 67,3 < 242,62 aceptable
r = ??
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión lineal:
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN EXPONENCIAL
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN EXPONENCIAL
LINEALIZACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN POTENCIA
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN POTENCIA
LINEALIZACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN POTENCIA
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN POTENCIA
AJUSTES DE CURVAS E INTERPOLACIÓN .
LINEALIZACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN .
FUNCIÓN LOGARÍTMICA
𝑦 = 𝑎0 + 𝑎1 l𝑛 𝑥
LINEALIZACIÓN
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
2
𝑆𝑡 − 𝑆𝑟
𝑟 =
𝑆𝑡
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial
AJUSTES DE CURVAS E INTERPOLACIÓN .
Regresión polinomial:
Problema: Usando regresión polinomial, encontrar la
ecuación de ajuste de los siguientes datos, para un
polinomio de orden 3.
X 1 3 5 7 10
Y 2 4 7 11 18
Y=-0,00488x^3+0,181936x^2+0,317798x+1,51252