Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE CIENCIAS
DEPARTAMENTO DE MATEMATICAS
En muchas ramas de la ingenieria, de las ciencias naturales y las matemáticas se obtienen un conjunto de datos
experimentales
yn
yk
y = f ( x)
y1
y0
x0 x1 xk xn
Generalmente las funciones escogidas como modelo matemático son las siguientes:
I. POLINOMIO DE INTERPOLACION Hallar un polinomio de la forma f (x) = a0 + a1 x + a2 x2 + ::: + an xn
tal que f (x{ ) = y{ :
En este caso el problema consiste en encontrar los coe…cientes a0 ; a1 ; :::; an tal que f (x ) = y : Observemos desde
el punto de vista del algebra lineal esto es equivalente a seleccionar una funcion en el espaciovectorial de funciones
1
generada por la base f1; x; x2 ; :::; xn g que genera el conjunto de polinomios de grado n: Observemos que esto nos
lleva a resolver un sistema lineal de ecuaciones de la forma
a. Muestre que el grado del polinomio l{ es de grado n: y escriba los polinomios lo (x); l1 (x); l2 (x) para el caso de
n = 2; dando valores especí…cos para xx ; x1 ; x2 :
b. Muestre que l{ (x{ ) = 1 y l{ (xj ) = 0;
a. Utilizando los siguientes datos (1; 1); (3; 2); (4; 2); (5; 3), calcule los polinomios de Lagrange l{ correspon-
dientes y el polinomio de interpolación.
b. Consultar datos experimentales de sus laboratorios o datos que tengan los profesores en sus investigaciones y
determine que grado de polinomio de interpolación que podría utilizar..
Otra técnica utilizada para analizar datos experimentales es el llamado el método de los mínimos cuadrados
de gran importancia en las distintas ramas de la ingeniería, las ciencias y las matemáticas. Este mátodo consiste en
encontrar una función cuya grá…ca sea la más aproximada a los datos obtenidos. Precisando, claro esta, que signi…ca
“estar aproximada”. Este método nos
nos permite predecir la existencia de otros valores o inferir valores futuros.
Ver grá…ca
2
yn
yk
yk − f ( xk )
y = f ( x)
y1
y0
x0 x1 xk xn
Elste metodo coniste en sumar el cudrado de todas las distancias de los valores yi al modelo ideal f (x) y encontrar
la función que minimiza el error cuadratico de…nido por
n
X
S= (y f (x ))2 :
i=1
Dependiendo del modelo f que uno quiera analizar da lugar a varios casos del método de mínimos cuadrados. Tenemos
asi los siguientes casos:
Caso I. f (x) = ax + b. Observemos que en este caso vamos a buscar funciones en el subespacio generado por las
funciones f1; xg : La idea es encontrar la pareja (a; b) tales que minimize la funcion
n
X
S(a; b) = (y (ax + b))2 :
i=1
Asi la recta que mejor ajusta a los datos esta dada por f (x) = a x + b :
Actividad 7. Investigue y encuentra algunos datos experimentales de alguos trabajos de sus profesores y halle la
recta de regresion para esos datos y gra…quelos.
Actividad 8. Se preguntó a un grupo de mujeres su estatura y su peso dando los siguientes datos (1:65; 52),
(1:58; 62:5) ; (1:70; 60) ; (1:75; 70); (1:54; 65):
3
a. Haga un gra…co con los datos datos.
b. Encuentre la recta de mejor ajuste.
c. Usando este modelo calcule el peso aproximado de una mujer que tiene una estatura de 1:80:
Actividad 10. Muestre que este tipo de ajuste se puede llevar tambien a un caso lineal. De un ejemplo.
Actividad 11. En1601 el astrónomo alemán Johannes Kepler formuló su tercera ley del movimiento planeatrio
T = Cx3=2; donde x es la distancia al sol en millones de kilometros. =, T es el periodo orbital en días y C es una
constante. Las parejas de datos (x; T ) observados para los primeros cuatro planetas, Mercurio, Venus, la Tierra y
Marte fueron (58; 88); (108; 225); (150; 365) y (228; 687). Usando el metodo de minimos cuadrados halle el coe…ciente
C, Grá…que la curva obtenida conjunto con los puntos dados. Escribas sus conclusiones sobre la tercera Ley de
Kepler.
CASO IV. f (x) = ax2 + bx + c Ajuste de tipo cuadratico. Observemos que en este caso vamos a buscar funciones
en el subespacio generado por las funciones 1; x; x2 : Oberve también que este caso tenemos que minimizar unaa
funcion que depende de 3 variables. Claramente
n
X
S(a; b; c) = (y (ax2 + bx + c))2 :
i=1
Población
Año
(millones)
1900 1650
1910 1750
1920 1860
1930 2070
1940 2300
1950 2560
1960 3040
1970 3710
1980 4450
1990 5280
2000 6070
Actividad 16 ¿Qué pasaría si los datos dados en la actividad 15 se ajustan de acuerdo a una regresión lineal? ¿Cúal
es la aproximacion de la poblacion en el año 1995? Estime el error absoluto con el valor aproximado.