Вы находитесь на странице: 1из 7

Mtodo Numrico Act 7: Reconocimiento Unidad 2

1. Es importante distinguir desde el principio la diferencia entre exactitud y precisin: Exactitud es el grado en el cual la informacin de un mapa o en una base de datos digital se muestra verdadera o con valores aceptables. La exactitud es un asunto perteneciente a la cualidad de los datos y al nmero de errores contenidos en un conjunto de datos o mapa. Analizando una base de datos de un SIG, es posible considerar la exactitud horizontal y vertical con respecto a la posicin geogrfica, tanto atributiva y conceptual, como en la agudeza lgica. El nivel de exactitud requerido puede variar enormemente de unos casos a otros. Producir y compilar una gran exactitud en los datos puede ser muy difcil y costoso. Precisin hace referencia a la medida y exactitud de las descripciones en las base de datos de un SIG. Los atributos de informacin precisos pueden especificar las caractersticas de los elementos con gran detalle. Es importante observar, no obstante, que los datos precisos - no importando el cuidado en su medida pueden ser inexactos. Los topgrafos pueden cometer errores, o bien los datos pueden ser introducidos en las bases de datos incorrectamente. El nivel de precisin requerido puede variar enormemente de unos casos a otros. Los proyectos de ingeniera como el de una carretera, y las herramientas de construccin, requieren una muy precisa medida, de milmetros a decenas de centmetros. Anlisis demogrficos de las tendencias del electorado pueden prescindir de esta precisin mediante un cdigo postal o de circunscripcin. Obtener datos altamente precisos puede ser verdaderamente difcil y costoso. Topografiar cuidadosamente las localizaciones requiere de compaas especficas para la recogida de la informacin. Tomado de www.uam.es/geoteca/articulos/error/Esp/Error,%20Exactitud%20y%20Precision.ht m Segun la lectura para obtener datos altamente precisos puede ser: Seleccione una respuesta

a) b) c) d)

Verdaderamente difcil y no costoso verdaderamente fcil y asequible verdaderamente difcil y costoso verdaderamente fcil y costoso

2. Una de las tcnicas que nos permite aproximar a un polinomio una serie de puntos, es el conocido como mtodo de mnimos cuadrados, que en mtodos numricos esta detallado como: Seleccione una respuesta a) b) c) d) Aproximacin polinomial Ajuste de curvas Interpolacin no Lineal Polinomios de Lagrange

3. Teniendo en cuenta la leccin anterior, entonces Cul de los siguientes mtodos se considera como un mtodo iterativo?: Seleccione una respuesta a) b) c) d) Mtodo de eliminacion de Gauss-Jordan Mtodo de Thomas Mtodo de Gauss-Seidel Mtodo de eliminacion de Gauss

4. Ajuste de curvas El ajuste de curvas consiste en encontrar una curva que contenga una serie de puntos y que posiblemente cumpla una serie de restricciones adicionales. Esta seccin es una introduccin tanto a la interpolacin (cuando se espera un ajuste exacto a determinadas restricciones) y al ajuste de curvas/ anlisis de regresin (cuando se permite una aproximacin). Ajuste de lneas y curvas polinmicas a puntos Empecemos con una ecuacin polinmica de primer grado: y= ax + b Esta lnea tiene pendiente a. Sabemos que habr una lnea conectando dos puntos cualesquiera. Por tanto, una ecuacin polinmica de primer grado es un ajuste perfecto entre dos puntos.

Si aumentamos el orden de la ecuacin a la de un polinomio de segundo grado, obtenemos: y = ax2 + bx + c Esto se ajustar exactamente a tres puntos. Si aumentamos el orden de la ecuacin a la de un polinomio de tercer grado, obtenemos: y = ax3 + bx2 + cx + d que se ajustar a cuatro puntos. Una forma ms general de decirlo es que se ajustar exactamente a cuatro restricciones. Cada restriccin puede ser un punto, un ngulo o una curvatura (que es el recproco del radio, o (1/R). Las restricciones de ngulo y curvatura se suelen aadir a los extremos de una curva, y en tales casos se les llama condiciones finales. A menudo se usan condiciones finales idnticas para asegurar una transicin suave entre curvas polinmicas contenidas en una nica spline . Tambin se pueden aadir restricciones de orden alto, como "el cambio en la tasa de curvatura". Esto, por ejemplo, sera til en diseos de intercambios en trbol para incorporaciones a autopistas, para entender las fuerzas a las que somete a un vehculo y poder establecer lmites razonables de velocidad. Si tenemos ms de n + 1 restricciones (siendo n el grado del polinomio), an podemos hacer pasar la curva polinmica por ellas. No es seguro que vaya a existir un ajuste exacto a todas ellas (pero podra suceder, por ejemplo, en el caso de un polinomio de primer grado que se ajusta a tres puntos colineales ). En general, sin embargo, se necesita algn mtodo para evaluar cada aproximacin. El mtodo de mnimos cuadrados es una manera de comparar las desviaciones. Ahora bien, podramos preguntarnos la razn de querer un ajuste aproximado cuando podramos simplemente aumentar el grado de la ecuacin polinmica para obtener un ajuste exacto. Existen varias: Incluso si existe un ajuste exacto, no quiere decir necesariamente que podamos encontrarlo. Dependiendo del algoritmo que se use, podramos encontrar un caso divergente, donde no se podra calcular el ajuste exacto, o el coste computacional de encontrar la solucin podra ser muy alto. De cualquier modo, tendramos que acabar aceptando una solucin aproximada. Quiz prefiramos el efecto de promediar datos cuestionables en una muestra, en lugar de distorsionar la curva para que se ajuste a ellos de forma exacta.

Los polinomios de orden superior pueden oscilar mucho. Si hacemos pasar una curva por los puntos A y B, esperaramos que la curva pase tambin cerca del punto medio entre A y B. Esto puede no suceder con curvas polinmicas de grados altos, ya que pueden tener valores de magnitud positiva o negativa muy grande. Con polinomios de grado bajo existen ms posibilidades de que la curva pase cerca del punto medio (y queda garantizado que pasar exactamente por ah, en los de primer grado). Los polinomios de orden bajo tienden a ser suaves y las curvas de los polinomios de orden alto tienden a ser "bulbosas". Para definir esto con ms precisin, el nmero mximo de puntos de inflexin de una curva polinmica es n-2, donde n es el orden de la ecuacin polinmica. Un punto de inflexin es el lugar de una curva donde cambia de radio positivo a negativo. Obsrvese que la "bulbosidad" de los polinomios de orden alto es slo una posibilidad, ya que tambin pueden ser suaves, pero no existen garantas, al contrario que sucede con los polinomios de orden bajo. Un polinomio de grado quince podra tener, como mximo, trece puntos de inflexin, pero podra tener tambin doce, once, o cualquier nmero hasta cero. Ahora que hemos hablado del uso de grados demasiado bajos para conseguir un ajuste exacto, comentemos qu sucede si el grado de una curva polinmica es mayor del necesario para dicho ajuste. Esto es malo por las razones comentadas anteriormente si los polinomios son de orden alto, pero tambin nos lleva a un caso en que exista un nmero infinito de soluciones. Por ejemplo, un polinomio de primer grado (una lnea) restringido por un nico punto, en lugar de los dos habituales, nos dar un nmero infinito de soluciones. Esto nos trae el problema de cmo comparar y escoger una solucin nica, lo que puede ser un problema tanto para humanos como para el software. Por esta razn es mejor escoger el polinomio de menor grado posible para obtener un ajuste exacto en todas las restricciones, y quiz incluso un grado menor si es aceptable una aproximacin al ajuste. Para ms informacin, vase el artculo sobre interpolacin polinmica . PREGUNTA: Teniendo en cuenta la lectura entonces: "Un polinomio de grado quince podra tener, como mximo": Seleccione una respuesta a) Doce puntos de inflexin

b) Once puntos de inflexin c) Diez puntos de inflexin d) trece puntos de inflexin 5. Si el vector b es cero se dice que el sistema es: Seleccione una respuesta a) b) c) d) No Heterogneo No homogneo Homogneo Heterogneo

6. INTERPOLACIN (tomado de Mtodos Numricos de Antonio Nieves) En el captulo 2 de la unidad 2 estudiaremos la aproximacin de funciones disponibles en forma directa (puntos tabulados), con funciones analticas sencillas, o bien de aproximacin de funciones cuya complicada naturaleza exija un reemplazo por funciones ms simples. La enorme ventaja de aproximar informacin discreta o funciones complejas, con funciones analticas sencillas, radica en su mayor facilidad de evaluacin y manipulacin, situacin necesaria en el campo de la ingeniera. Las funciones de aproximacin se obtienen por combinaciones lineales de elementos de familias de funciones denominadas elementales. En general tendrn la forma: a0g0(x) + a1g1(x) + +angn(x) , donde ai , con i ? i ? n , son constantes por determinar gi(x) funciones de una familia particular. Los monomios en x (x0, x1, x2,) constituyen la familia o grupo ms empleado; sus combinaciones generan aproximaciones del tipo polinomial a0 + a1x + a2x2 ++ anxn Adems del polinomial existen otros grupos como el exponencial y el grupo de las funciones de Fourier. Y son lo ms comunes por su facilidad de manejo en evaluaciones, integraciones, derivaciones, etc.

Una de las tcnicas que nos permite aproximar a un polinomio una serie de puntos, es el conocido como mtodo de mnimos cuadrados, que en mtodos numricos esta detallado como ajuste de curvas, por su ajuste exacto. Y su modo de ajuste consiste en encontrar una funcin polinomial que pase por los puntos dados y que satisfaga la condicin de minimizar la suma de sus desviaciones elevadas al cuadrado. Una vez obtenido el polinomio de aproximacin, este se puede usar para obtener otros puntos adicionales a los existentes, mediante una evaluacin conocida como interpolacin. Los puntos ms relevantes de este captulo, las cuales estudiaremos y estar sentado en la leccin evaluativa son la Interpolacin como concepto, Los polinomios de Lagrange, las diferencias divididas, la aproximacin polinomial de Newton, el mtodo de mnimos cuadrados (como ajuste de Curvas) y algunos conceptos de la transformada de Fourier. Polinomios de interpolacin de Lagrange Un polinomio de interpolacin de Lagrange, p se define en la forma:

(68) en donde l0, l1,, ln son polinomios que dependen slo de los nodos tabulados x0, x1,,xn, pero no de las ordenadas y0, y1,,yn. La frmula general del polinomio li(x) es:

(69) Para el conjunto de nodos x0, x1,,xn, estos polinomios son conocidos como funciones cardinales. Utilizando estos polinomios en la ecuacin ( 68 ) obtenemos la forma exacta del polinomio de interpolacin de Lagrange. Ejemplo : Suponga la siguiente tabla de datos:

Construya las funciones cardinales para el conjunto de nodos dado y el polinomio de interpolacin de Lagrange correspondiente. Las funciones cardinales, empleando la expresin ( 69 ), resultan ser:

El polinomio de interpolacin de Lagrange es: p3(x) = l0(x)-23l1(x)-54l2(x)-954l3(x) PREGUNTA: De acuerdo al ejemplo realizado en la lectura anterior, se encontr que el coeficiente del polinomio de lagrange l3(x) es: Seleccione una respuesta. a) b) c) d) -954 -54 -23 1