Академический Документы
Профессиональный Документы
Культура Документы
anteriores y .
Obsérvese tambien, el gran parecido con la fórmula del método de la
regla falsa. La diferencia entre una y otra es que mientras el
método de la regla falsa trabaja sobre intervalos cerrados, el
método de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximación casi con la misma rapidez que el método
de Newton-Raphson. Claro, corre el mismo riesgo de éste último de
no converger a la raíz, mientras que el método de la regla falsa va
a la segura.
Ejemplo 1
Usar el método de la secante para aproximar la raíz de
Ejemplo 2
Usar el método de la secante para aproximar la raíz de
.
Solución
Donde hemos agregado la línea recta que une los puntos extremos de
la gráfica en el intervalo .
Es claro que si en lugar de considerar el punto medio del
intervalo, tomamos el punto donde cruza al eje esta recta, nos
aproximaremos mucho más rápido a la raíz; ésta es en sí, la idea
central del método de la regla falsa y ésta es realmente la única
diferencia con el método de bisección, puesto que en todo lo demás
los dos métodos son prácticamente idénticos.
Supongamos que tenemos una función que es contínua en el
.
•
Ejemplo 1
Usar el método de la regla falsa para aproximar la raíz de
.
Solución
Este es el mismo ejemplo 1 del método de la bisección. Así pues, ya
sabemos que es contínua en el intervalo dado y que toma
signos opuestos en los extremos de dicho intervalo. Por lo tanto
podemos aplicar el método de la regla falsa.
Calculamos la primera aproximación:
Y el error aproximado:
.
Solución
Este es el mismo ejemplo 2 del método de la bisección. Así pues,
ya sabemos que se cumplen las hipótesis necesarias para poder
aplicar el método, es decir, que sea contínua en el
intervalo dado y que tome signos opuestos en los extremos de
dicho intervalo.
Calculamos pues, la primera aproximación:
Evaluamos
Y hacemos nuestra tabla de signos:
Evaluamos .
Y hacemos nuestra tabla de signos:
anteriores y .
Obsérvese tambien, el gran parecido con la fórmula del método de la
regla falsa. La diferencia entre una y otra es que mientras el
método de la regla falsa trabaja sobre intervalos cerrados, el
método de la secante es un proceso iterativo y por lo mismo,
encuentra la aproximación casi con la misma rapidez que el método
de Newton-Raphson. Claro, corre el mismo riesgo de éste último de
no converger a la raíz, mientras que el método de la regla falsa va
a la segura.
Ejemplo 1
Usar el método de la secante para aproximar la raíz de
Ejemplo 2
Usar el método de la secante para aproximar la raíz de
.
Solución
Hacemos :
Y despejamos :
, si
0 0
2 16.42
4 27.76
6 35.63
8 41.05
10 44.87
12 47.48
53.39
53.39 1 - e -(0.1835)t
Cuando los métodos numéricos - modelos matemáticos - no pueden resolverse con exactitud, se requiere
de una solución numérica que se aproxima a la solución exacta.
Los métodos numéricos son aquellos en los que se formula el problema matemático para que se pueda
resolver mediante operaciones aritméticas.
Para la segunda Ley de Newton, al aproximar a la razón del cambio de la velocidad con respecto al
tiempo , tenemos:
dv = v = v ( ti + 1 ) - v ( ti ) ( 10 )
dt t ti + 1 - ti
Diferencias finitas divididas
v ( ti ) = es la velocidad en el tiempo inicial ti
v ( ti + 1 ) = es la velocidad después de un tiempo mas tarde:
ti + 1
sustituyendo la ec. ( 10 ) en la ec. ( 8 ):
v ( ti + 1 ) - v ( ti ) = g - c/m v ( ti )
ti + 1 - ti
Reordenando:
V ( ti + 1 ) = v ( ti ) + g - c/m v( ti ) ( ti + 1 - ti ) ( 11 )
A cualquier tiempo
Nuevo valor = viejo valor + pendiente x tamaño del paso.
Ejemplo 1.2
Resolver el ejemplo anterior mediante una solución numérica para calcular la velocidad. Emplear un
tamaño del paso de 2 segundos.
Datos:
m = 68.1 kg
c = 12.5 kg/s
g = 9.8 m/s
V ( ti + 1 ) = v ( ti ) + g - c/m v( ti ) ( ti + 1 - ti )
V1 = V0 + g - c/m V0 ( ti + 1 - ti ) ; t1 = 2 seg
V1 = 0 + 9.8 - 12.5/68.1 (0) (2-0) = 19.6 m/s
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 (t3 - t2)
V3= 32 + 9 .8 - 12.5/68.1 (32) (2) = 39.85 m/s
Entonces V3= 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
t,s SN SA
0 0 0
2 19.6 16.42
4 32 27.76
6 39.85 35.63
8 44.82 41.05
10 48.01 44.87
12 49.05 47.48
53.39 53.39
Cifras significativas.- Es el conjunto de dígitos confiables o necesarios que representan el valor de una
magnitud independientemente de las unidades de medidas utilizadas.
Confiables.- Por que dependen del instrumento de medición empleado.
Necesarias.- Por que depende de leyes, reglamentos, normas o costumbres.
La longitud del pizarrón es:
En 4 mediciones, siendo en cada medición distintas personas, los resultaos fueron los siguientes:
1.- 3.0 m
2.- 3.0 m
3.- 3.0 m
4.- 3.0 m
La longitud de la libreta :
1.- 28 cm ( flexómetro ) 3.- 28 cm
2.- 27.5 cm ( regla ) 4.- 28 cm
La longitud de un lápiz:
Regla: 14.3 cm Tornillo: 14.327 cm
Vernier: 14.32 cm
La velocidad de un automóvil:
Digital: 89.5 km/h
Carátula: 90 km/h
¿ Cuántas cifras significativas ( que tan preciso debe ser ) son necesarias ?
1.- El total de cifras significativas es independiente de la posición del punto decimal.
Ejemplo:
El medir una mujer se registró que su estatura es de 1.67 m = 16. 7 dm = 167 cm , (teniéndose 3 cifras
significativas ).
2.- Los ceros a la izquierda de dígitos no nulos, nunca serán cifras significativas.
Ejemplo:
Un balero tiene un diámetro de 26 mm = 0.026 m = 0.000026 km ( 2 cifras significativas ).
3.- Los ceros intermedios de dígitos no nulos, siempre serán significativos:
Ejemplo:
• 40072 ( 5 c.s. )
• 3.001 ( 4 c.s. )
• 0.000203 ( 3. c.s. )
Los errores.- Es la discrepancia que existe entre la magnitud “ verdadera” y la magnitud obtenida.
Error absoluto.- Es igual a la diferencia entre el valor verdadero y el valor aproximado:
EA = Vv - Va ( 12 )
Error Relativo.- Es el cociente del error absoluto respecto al valor verdadero:
ER = EA = Vv - Va
Vv Vv
Error Relativo Porcentual:
ERP = EA x 100 % ( 13 )
Vv
Ejercicios:
Ejemplo.- Supóngase que se tiene que medir la longitud de un puente y de un remache. La longitud del
puente obtenida es de 9999 cm y la del remache es de 9 cm.
Si los valores verdaderos son 10,000 y 10 cm, respectivamente, calcule :
el error absoluto
el error relativo %
para cada caso:
Puente Remache
Vv = 10000 cm 10 cm
Va = 9999 cm 9 cm
EA = 10000 - 9999 EA = 10 - 9
EA = 1 cm EA = 1 cm
Error Porcentual = 1 x 100 = 0.01 %
10,000
Error Porcentual = 1 x100 = 10 %
10
Ejemplo:
Suponga que el valor para un cálculo debería ser Vv = 0.10 x 102 pero se obtuvo el resultado de Va =
0.08 x 102. Determine el error absoluto y el error relativo porcentual:
EA = 0.10 x 102 - 0.08 x 102
EA = 2 = 0.2 x 101
ERP = 0.2 x 101 x 100 = 20%
0.10 x 102
Ejemplo:
Vv = 0.24 x 10 - 4 Va = 0.12 x 10 - 4
EA = 0.24 x 10 - 4 - 0.12 x 10 - 4
EA = 1.2 x 10 - 5 , 0.12 x 10 - 4 , por lo tanto es pequeño
ERP = 0.12 x 10 - 4 x 100 = 50%, por lo tanto es grande.
0.24 x 10 - 4
Ejemplo :
Vv = 0.46826564 x 10 6
Va = 0.46830000 x 10 6
EA = 0.46826564 x 10 6 - 0.46830000 x 10 6
EA = 34.46 , por lo tanto es grande.
ERP = 34.36 x 100 =7.33771504 x 10 - 3, es pequeño
0.46826564 x 10 6
Concluyendo , cuando se manejen cantidades muy grandes o muy pequeñas el EA puede ser engañoso,
mientras que el error relativo es más significativo en estos casos.
Determinación del error en ausencia del valor verdadero
Cuando no se conoce la respuesta verdadera, es necesario estimar el valor en ausencia de los valores
verdaderos. Ciertos métodos numéricos usan un método iterativo para calcular resultados, tales casos se
hace una aproximación con base en la aproximación anterior. Es decir, el error se calcula como la
diferencia ente la aproximación actual y la aproximación previa.
Ea = aproximación actual - aproximación anterior x 100 (14)
aproximación actual
Ea <
El siguiente criterio es útil para tener la seguridad que el resultado es correcto en al menos n cifras
significativas.
• = ( 0.5 x 10 2 - n ) = 0.5 x 10 -3 %, = 0.005 %
Ejemplo:
La función exponencial llamada expansión por serie de Mc Laurin, se puede calcular mediante la
ecuación:
ex = 1 + x + x2 + x3 + ........... + x n
2! 3! n!
Mientras más términos se le agreguen a la serie, la aproximación se acercará cada vez más al valor de
ex . Estímese el valor de e 0.5 , calculando los valores del ERP ( error relativo porcentual y el valor de
aproximación ) , si el valor real o verdadero es e 0.5 = 1.648721, agréguese términos a la serie hasta
que Ea < , cumpla 3 cifras significativas.
Solución:
E = ( 0.5 x 10 2 -3 ) % = 0.5 x 10 - 1
E = 0.005
Ea < 0.05 %
1er término
ex = 1
ERP = 1.648721 - 1 x 100 = 39.34 %
1.648721
2do término
ex = 1 + 0.5 = 1.5
ERP = 1.648721 - 1.5 x 100 = 9.02 %
1.648721
3er término
ex = 1 + x + x2
2!
ex = 1.5 + (0.5)2 = 1.625
2!
ERP = 1.648721 - 1.625 x 100 = 1.438 %
1.648721
Ea = 1.625 - 1.5 x 100 = 7.692%
1.625
4to término
e x = 1.625 + (0.5)3 = 1.645833
3!
ERP = 1.648721 - 1.645833 x 100 = 0.175 %
1.648721
Ea = 1.645833 - 1.625 x 100 = 1.265%
1.645833
5to término
e x = 1.645833 + (0.5)4 = 1.648437
4!
ERP = 1.648721 - 1.648437 x 100 = 0.0172 %
1.648721
Ea = 1.648437 - 1.645833 x 100 = 0.158%
1.648437
6to término
e x = 1.648437+ (0.5)5 = 1.648697
5!
ERP = 0.00142 %
Ea = 1.648697 - 1.648437 x 100 = 0.0158%
1.648697
Ea <
0.0158 < 0.05 %
Término ex ERP Ea
1 1
2 1.5
3 1.625
Ea <
Errores de Truncamiento
Con 5 cifras significativas:
75.667891 75.667591 75.66453
75.668 75.668 75.665
Es el que ocurre al aumentar o disminuir artificialmente el valor de una magnitud.
Criterio de redondeo
D1 d2 d3 ..... d1 i +1 ..... dn ( i < n )
Di + 1 > 5 di = di +1
Di + 1 < 5 di = di
Di es par di = di
Di + 1 = 5
Di es impar di = di +1
Ejemplos:
Redondear a 4 cifras significativas:
42.37834 = 42.38
382.154 = 382.2
545.21 = 545.2
Ejemplo:
Error de redondeo, al restar dos números iguales.
Considere las ecuaciones:
31.69 x + 14.31 y = 45.00
13.05 x + 5.89 y = 18.53
Determine los valores aproximados de x e y usando redondeo a dos cifras decimales, obtenga el error
absoluto y el error relativo porcentual para cada variable si sus valores verdaderos son:
X = 1.25055 = 1.250547046
Y = 0.37527 = 0.375273523
EA = 1.25055 - 1.250547046
EA = 0.000002954
EA = 0.37527 - 0.375273523
EA = 0.000003523
ERP = 0.000002954 x100
1.25055
ERP = 0.00023 %
ERP = 0.000002954 x100
0.37527
ERP =0.00078 %
Resuelva la ecuación cuadrática:
100x2 -10011x + 10.011 = 0
Para encontrar las raíces reales ( x1,x2 ), redondeando a 5 dígitos significativos y a 5 dígitos decimales.
10011 +- " (-10011)2 -4(100)(10.011)
2(100)
x1 = 80.088, 10041
x2 = 20.022, 9981.0
Errores de Truncamiento
Ej. 653. 45931
653. 45
Son aquellos que resultan al usar una aproximación en lugar de un procedimiento matemático.
Para estos casos las series de Taylor, en los métodos numéricos, expresan las funciones en forma
polinomial:
f(x1 +1) + f(xi) +f´(xi)h +f” (xi)h2+ f”'(xi)h3 + .....fn(xi)hn
2! 3! n!
h(x1 +1- xi)
Ej. Use términos en la serie de Taylor de cero a 4to orden para aproximar la función f(x) = -0.1x4
-0.15x3-0.5x2-0.25x +1.2, desde xi = 0 con h =1 para predecir el valor de la función en x1 +1 = 1.
Solución:
n = 0 orden
f(x1 +1) = f(xi) = -0.1x4 -0.15x3-0.5x2-0.25x +1.2
f(x1 +1) = 1.2
n = 1er orden
f(x1 +1) + f(xi) +f´(xi)h
f(x1 +1) =1.2 + (-0.4 x3-0.45x2-x-0.25) (1)
f(x1 +1) =1.- 0.25
f(x1 +1) = 0.95
n= 2do orden
f(x1 +1) + f(xi) +f´(xi)h +f” (xi)h2
2!
f(x1 +1) = 1.2-0.25+(-1.2x2-0.90x-1) (1)2
2!
f(x1 +1) = 0.95 -0.5
f(x1 +1) = 0.45
n = 3er orden
f(x1 +1) + f(xi) +f´(xi)h +f” (xi)h2+ f”'(xi)h3
2! 3!
f(x1 +1) = 0.45+ ( -2.4x-0.90 ) (1)3
6
f(x1 +1) = .45 - 0.15
f(x1 +1) = 0.3
n = 4to orden
f(x1 +1) = 0.3 + f4 (xi) h4
4!
f(x1 +1) = 0.3 + (-2.4) (1)4
24
f(x1 +1) = 0.2
Ej. Determine el coeficiente de rozamiento c =? Necesario para que un paracaidista de masa = 68.1 kg
tenga una velocidad de 40 m/s, después de una caída libre de t = 10 seg. La aceleración de la gravedad
es de 9.8 m/s2. La ecuación a utilizar es:
f(c) = gm/c ( 1 - e-(c/m) t ) - v = 0
Solución analítica:
Aproximación gráfica:
f(c) = 9.8 (68.1)/c ( 1- e -(c/68.1) ) -40
= 667.38/c ( 1-e(-0.146843) ) - 40
c f(c)
4 34.115
8 17.653
12 6.067
16 -2.269
20 -8.401
bisección
xi = 12, xs = 16
xr = (12+16)/2 = 14, xr = xs
f(xi) = f(12) = 6.067
f(xr) = f(14) = 1.5687
f(xi) f(xr) = (6.067)( 1.5687) > 0, la raíz se encuentra en el subintervalo superior, xi = xr
n=2
xi = 14, xs = 16 , xr = 15
f(xi) = f(14) = 1.5687
f(xr) = f(15) = -0.4248
f(xi) f(xr) = (1.5687)( -0.4248) < 0, la raíz se encuentra en este subientervalo, xs = xr
Ea = {15-14/15} x 100 = 6.667 %
n=3
xi = 14, xs = 15 , , xr = 14.5
f(xi) = f(14) = 1.5687
f(xi) =f(14.5)= 0.5523
f(xi) f(xi) > 0, xi = xr
Ea = {14.5-15/14.5} x 100 = 3.448 %
n=4
xi = 14.5, xs = 15 , , xr = 14.75
f(xi) = f(14.5) = 0.5523
f(xi) =f(14.75)= 0.05896
f(xi) f(xi) > 0, xi = xr
Ea = {14.75-14.5/14.75} x 100 = 1.695 %
n=5
xi = 14.75, xs = 15 , , xr = 14.875
f(xi) = f(14.75) = 0.5896
f(xi) =f(14.87)= -0.1841
f(xi) f(xi) < 0, xs= xr
Ea = {14.875-14.75/14.875} x 100= 0.840 %
n=6
xi = 14.75, xs = 14.875 , , xr = 14.8125
Ea = {14.8125-14.875/14.8126} x 100= 0.4219 %
Ea <
0.422% < 0.5 %
xr = 14.8125
iteración Xi Xs Xr Ea %
1 12 16 14 6.667
2 14 16 12 3.448
3 14 15 14.5 1.695
Ejemplo
Use el método de la falsa posición, para determinar la raíz de la ec. analizada en el ejemplo 2.1
f ( c ) = 667.38/c { (1-e-0.146843 c) } -40
n=1
xi = 12 f(xi) = 6.067
xs = 16 f(xs) = -2.2687
xr = 16 - (-2.2687) (12 -16) = 14.911
6.067 - (-2.2687)
f(xr) = -0.25426
f(xi) f(xr) = 6.067 (-0.25426 ) < 0, xs = xr
n=2
xi = 12 f(xi) = 6.067
xs = 14.9112 f(xs) = -0.25426
xr = 14.9113 - (-0.25426) (12 -14.9113) = 14.7942
6.067 - (-0.25426)
f(xr) = -0.0.2726
f(xi) f(xr) < 0, xs = xr
Ea = {(14.7942-14.9113)/14.7942} x 100% = 0.79 %
n=3
xi = 12 f(xi) = 6.067
xs = 14.7942 f(xs) = -0.02726
xr = 14.7942 - (-0.02726) (12 -14.7942) = 14.7816
6.067 - (-0.02726)
xr = 14.7816
Ea = {(14.7816-14.7942)/14.7816} x 100% = 0.087 %
Ea <
0.087 < 0.5 %
2.3 Métodos de Punto fijo
2.3.1 Método de aproximaciones sucesivas
Los métodos abiertos se basan en fórmulas que requieren de un solo valor para predecir la raíz.
La ecuación f(x)= 0 se arregla de tal modo que x quede del lado izquierdo de la ecuación:
X = g (x ) (2.7)
Ejemplo:
f(x) = x2 -2x + 3 = 0
reordenando : x = x2 + 3
2
f(x) = sen x = o
reordenando: x = sen x + x
Requerimos de un valor inicial xi, que se puede usar para obtener una aproximación de xi + 1,
expresándolo por la forma iterativa:
xi + 1 = g (xi ) ( 2.8 )
El error de aproximación:
Ea = xi + 1 - xi x 100
xi + 1
Es quema gráfico de la convergencia de la iteración del punto fijo:
Use el método de aproximaciones sucesivas ( iteración del punto fijo para localizar la raíz de f (x) = e-x -
x, x0 = 0, Ea = 0.5% )
X = e-x = g ( x )
X1 + 1 = e-xi
X0 = 0, x1 = e-0 = 1 ; x1 = 1
X2 = e-x1 = e-1 = 0.367879
X3 = e-x2 = e-0.367879 = 0.692200
X4 = e-x3 = e-0.692200 = 0.500473
X5 = e-x4 = e-0.500473 = 0.606243
X6 = e-x5 = e-0.606243 = 0.545396
X7 = e-x6 = e-0.545396 = 0.579612
I xi Ea (%)
0 1 171.83
1 0.367879 46.9
2 0.692200 38.3
3 0.500473 17.4
4 0.606243 *
* 0.579612 *
12 0.566400 0.355
Solución:
1 = 4 log10 (105 x "f ) +0.4
"f
Re = 100,000
1er iteración
f(f0) = 1 - 4 log10 (105 x"0.0049 ) +0.4
"0.0049
f(f0) = -0.6946
f(f1) = 1 - 4 log10 (105 x"0.0050 ) +0.4
"0.0050
f(f1) = -0.8558
f2 = f1 - f(f1)( f1 - f0 )
f(f1)- (f0)
f2 = 0.0050 - (-0.8558)(0.0050-0.0049)
(-0.8558)+( 0.6946 )
f2 = 0.004469
Ea = 0.004469 - 0.0050 x 100 = 11.88%
0.004469
2da iteración
f(f2) = 1 - 4 log10 (105 x" 4.469x10-3) +0.4
"4.469x10-3
f(f2) = 0.05831
f(f3) = 1 - 4 log10 (105 x" 4.506x10-3) +0.4
"0.004506
f(f3) = -0.0103
3er iteración
f3 = f2 - f(f2) (f2 - f1)
f(f2) - f(f1)
f3 = 4.469x10-3 - (0.05831)( 4.469x10-3 - 0.0050)
0.0583 + 0.0050
f3 = 0.0049581
Ea = 0.004502 - 0.004469 x 100 = 0.73%
0.004502
III. Solución de sistemas de Ecuaciones lineales y no lienales
3.1 Métodos de soluciones de Ecuaciones lineales
3.1.1 Método gráfico
Las ecuaciones generales
a11 x1 + a12 x2 = b1
a12 x1 + a22 x2 = b2
Pueden resolverse para x2,
a11 b1
De ec. (1), x2 = - x1 +
a12 a12
a12 b2
De ec. (2), x2 = - x1 +
a22 a22
de donde x2 = ( pendiente ) x1 + intersección.
Es decir, las ecuaciones tienen la forma de líneas rectas que se puedan graficar y su intersección
representa la solución.
Ejemplos:
Ej. 3.1
Use el método gráfico para resolver las siguientes ecuaciones:
3x1 + 2x2 = 18 (A)
- x1 + 2x2 = 2 ( B)
Solución:
Despejar :
De ec. (A) : x2 = -3 x1 + 9
2
De ec. (B) : x2 = 1 x1 + 1
2
3.1.2 Método de Krammer
Un sistema de ecuaciones algebraicas lineales se representan como:
a11 x1 + a12 x2 + **** a1n xn = b1
a12 x2 + a21 x2 + **** a2n xn = b2
*
*
am1 x1 + am2 x2 + **** ann xn = bn
Donde: a = coeficientes
b = constantes
cuya matriz de coeficientes, para un sistema de 3 ecuaciones, es:
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
Y de donde el determinante D, de tercer es :
a11 a12 a13
D = a21 a22 a23
a31 a32 a33
que se resuelve como:
a22 a23 a21 a23 a21 a22
D = a11 - a12 + a13
a3 a33 a31 a33 a31 a32
donde los determinantes de 2 x 2 se les llama menores.
La regla de Krammer, se expresa como una fracción de dos determinantes con denominador D y con el
numerador obtenido a partir de D al reemplazar la columna de coeficientes de la incógnita x1 por las
constantes b1 ***** b2 ****** bn
b1 a12 a13
X1 = b2 a22 a23
b2 a32 a33
D
a11 a12 a13
X2 = a21 a22 a23
a31 a32 a33
D
a11 a12 a13
X3 = a21 a22 a23
a31 a22 a33
D
Ejemplo 3.2
Use la regla de Krammer para resolver:
0.3 X1+ 0.52 X2+ X3 = -0.01
0.5 X1+ X2+ 1.9X3 = 0.67
0.1 X1+ 0.3 X2+ 0.5X3 = -0.01
0.3 X1+ 0.52 X2+ X3 0.03 0.52
A = 0.5 X1+ X2+ 1.9X3 0.5 1
0.1 X1+ 0.3 X2+ 0.5X3 0.1 0.3
(0.15)+(0.0988)+(0.15)-(0.1)-(0171)-(0.13) = -0.0022
det A = -0.0022
-0.01 X1+0.52 X2+1 X3 -0.01 0.52
B = 0.67 X1+ 1 X2+ 1.9X3 0.67 1
-0.44 X1+0.3 X2+0.5X3 -0.44 0.3
-(0.005)-(0.43472)+(0.201)+(0.44)+(0.0057)-(0.1742)=
det B = 0.03278
det B = 0.03278 = -14.9
det A = -0.0022
0.03X1 -0.01 X2+1 X3 0.3 -0.01
C = 0.5 X1 + 0.67 X2+1.9X3 0.50 0.67
0.1 X1 -0.44 X2+0.5X3 0.1 -0.44
(0.1005)-(0.0019)-(0.22)-(0.67)+(0.2508)+(0.0025)=
det C = 0.0649
det C = 0.0649 = -29.5
det A = -0.0022
0.3 X1+ 0.52 X2 -0.01X3 0.03 0.52
D = 0.5 X1+ X2+0.67X3 0.5 1
0.1 X1+ 0.3 X2 - 0.44X3 0.1 0.3
-(0.132)+(0.03484)-(0.0015)+(0.001)-(0.0603)+(0.1144) = -0.04356
det D = -0.04356
det D = -0.04356 = 19.8
det A = -0.0022
x1 = -14.9, x2 = -29.5 , x3 = 19.8
3.3 Eliminación Gaussiana y sustitución hacia atrás
Para un sistema de ecuaciones algebraicas lineales
a11 x1 + a12 x2 + **** a1n xn = b1 E1
a12 x2 + a21 x2 + **** a2n xn = b2 E2
*
*
am1 x1 + am2 x2 + **** ann xn = bn En
La matriz aumentada A es :
a11 a12 ***** a1n b1
A = a21 a22 ***** a2n b2
a31 a32 ***** a3n bn
Para resolver este sistema lineal, se permiten tres operaciones en las ecuaciones.
1) La ecuación -Ei puede multiplicarse por cualquier constante diferente de cero y se puede usar la
ecuación resultante en lugar de Ei:
(Ei) Ei
2) La ecuación Ej, puede multiplicarse por cualquier constante
, sumarla a la ecuación Ei, y usar la ecación resultante en lugar de Ei:
(Ei + Ej) (Ei)
3.- Las ecuaciones Ei y Ej se pueden intercambiar
(Ei ) (Ei)
Ejemplo 3.3
Reducir el sistema de ecuaciones:
X1 +X2 +X3 +3X4 = 4
2 X1 +X2 -X3 +X4 = 1
3X1 -X2 -X3 +2X4 = -3
-X1 +2X2 +3X3 -X4 = 4
1 0 0 E1
0 1 0 E2
0 0 1 E3
0 0 0 E4
Para resolver las incógnitas: X1 ,X2,X3,X4 :
De esta manera el sistema se transforma en un sistema triangular o reducido, por lo tanto, por
sustitución hacia atrás:
El procedimiento involucrado en este proceso se llama eliminación Gaussiana, con sustitución hacia atrás
:
El procedimiento se realiza en dos pasos:
1.- Reducir el conjunto de ecuaciones a un sistema triangular superior por eliminación hacia delante:
Matrices especiales:
Ejemplo 3.4. Use la eliminación de Gauss para resolver:
La matriz aumentada es :
Métodos iterativos
Matrices bandeadas
Un gran número de sus componentes son cero:
Dado el sistema:
Se despeja X1 de la Ec. 1
Se despeja X2 de la Ec. 2
Se despeja X3 de la Ec. 3
Se despeja X4 de la Ec. 4
Valores iniciales , k = 0
X(0) = [ 0,0,0,0,],
Calcular xk+1 = x1
Calcular x2
Calcular x3
0 0 0 0 0
Ejemplo 3.10
Resolver el siguiente sistema:
Despejando:
Con E = 0.001 %
Si x(0) [0,0.0]T
K X1k X2k X3k
0 0 0 0
Gauss-Seidel
Es similar al método de Jacobi, los valores que se van calculando en la ( k + 1 ) - ésima iteración se
emplean para calcular los valores faltantes de esa misma iteración, es decir, con x(k), se calcula x(k + 1)
.
Ej. 3.11. Resuelva el sistema del ejemplo 3.9, por el método de Gauss-Seidel:
Con x(0) = [0,0,0,0]
Ej. 3.12 Use el sistema del ejemplo 3.6 por el método de Gauss- Seidel:
Solución:
Despejando:
Las corrientes asociadas con este circuito son desconocidas tanto en magnitudes como en dirección.
Suponiendo las direcciones de las corrientes:
Por lo tanto el problema se reduce a la solución del siguiente conjunto de 6 ecuaciones con 6 incógnitas:
K Xk yk
0 0.0000 0.0000
1 0.8000 0.8000
2 0.9280 0.9312
3 0.9837 0.9894
4 * *
5 0.9957 0.9957
* * *
12 0.9999 0.9999
13 1.0000 1.0000
Criterios de convergencia:
Evaluando para x0 = 0, y0 = 0
1er iteración:
x1= 0.8
y1= 0.1(0.8)+0.8=0.88
2da iteración:
x2 = 0.1(0.8)2 +0.1(0.88)2 + 0.8 = 0.9414
y2 = 0.1(0.9414)(0.88)2+0.1(0.9414)+0.8 = 0.9670
3er iteración:
x3= 0.1(0.9414)2 +0.1(0.9670)2 + 0.8 =0.9821
y3= 0.1(0.9821)(0.9670)2+0.1(0.9821)+0.8 =0.9900
Los resultados del proceso iterativo son:
K Xk yk
0 0.0000 0.0000
1 0.8000 0.8800
2 0.9414 0.9670
3 0.9821 0.9900
4 0.9944 0.9969
* * *
11 1.0000 1.0000
Expandiendo fi alrededor de :
de manera similar puede expresarse f2 donde todas las derivadas parciales están evaluadas en (xk,yk).
Considerando que la diferencia entre la aproximación actual y anterior es cero, obtenemos:
Si definimos que
Xk+1 - xk = h (3.22)
Yk+1 -yk = j
Reordenando
Xk+1 = xk+h
Yk+1 = yx+j (3.23)
Sustituyendo la ec.( 3.22) en la ec.(3.21)
Ej. 3.17 Use el método de Newton-Raphson para encontrar una solución aproximada al sistema:
f1 = (x,y) = x2 -10x + y2 + 8 = 0 E1
f2 = (x,y) = xy2 + x -10y + 8 = 0 E2
con el vector inicial [x0 , y0], [0,0]r
Solución:
Primero se forma la matriz de derivadas parciales:
La matriz aumentada es :
1er iteración:
Evaluamos la matriz en x0,y0
Y nos queda:
-10 0 -8
1 -10 -8
K Xk yk
0 0.0000 0.0000
1 0.8000 0.8800
2 0.9917 0.9917
3 0.9998 0.9999
4 1.0000 1.0000
La desviación estándar ( s ) es una medida del espaciamiento de los datos individuales, respecto, a la
media:
St = = ( yi - y )2 = es la suma total de los cuadrados de los residuos entre los datos y la media.
La varianza (S2 ) es la desviación estándar al cuadrado:
S2 = ( yi - y )2 = St (4.3)
n-1 n-1
otra manera de calcular la desviación estándar es:
S2 = yi - (yi)2 / n (4.4)
n -1
coeficiente de variación (c.v.) es la razón de la desviación estándar a la media:
c.v. = S/y (100)%
que es similar al ERP, es decir, es la razón del error de medición (s) , a un estimado del valor real ( y ).
Ejemplo 4.1. Calcule la media, la desviación estándar y la varianza para los datos siguientes que
representan las mediciones del coeficiente de expansión térmica para acero estructural:
( x106 pulg/pulg °F )
y = 6.6008
S2 = 0.009316
S = 0.096519
Una manera de representar la distribución de datos alrededor de la media es mediante un histograma,
ya que éste proporciona una representación visual simple de la distribución.
Para los datos del ejemplo tenemos:
3 6.485 0.013225
5 6.505 0.009025
6 6.515 0.007225
8 6.555 0.002025
9 6.565 0.001225
11 6.595 0.000225
12 6.605 0.000625
13 6.615 0.000625
15 6.625 0.003025
16 6.635 0.003025
17 6.655 0.003025
19 6.655 0.003025
21 6.715 0.013225
22 6.715 0.013225
Método de
Jacobi