Professional Documents
Culture Documents
METODOS NUMERICOS
TEMARIO
20 DE FEBRERO DE 2015
MAESTRIA EN CIENCIAS CON ESPECIALIDAD EN INGENIERIA MECANICA OPCION DISEO
ESIME ZACATENCO
Libro de macros personal. Esta opcin permite utilizar la macro en cualquier momento sin
importar el libro de Excel que se est utilizando.
Al dar clip en aceptar, iniciara la grabacin de la macro, acto seguido capturar todas la acciones
deseadas, dar clip en detener grabacin. Para completar la macro.
Por mencionar, existen macros para insertar nombre, empresa y departamento, para insertar
imagen, para redondear decimales, para cambiar la impresora asignada por defecto.
Los errores pueden ser errores de tipo o estructuras, El editor de macros tiene un autocontrol que
permite corregir estos errores ms comunes.
Error en la macro
El mensaje Error en la macro aparece cuando hay un error en la macro que se est ejecutando. El
mtodo especificado no se puede usar en el objeto especificado por alguno de los siguientes
motivos:
Un argumento contiene un valor que no es vlido. Una causa habitual de este problema es
intentar tener acceso a un objeto que no existe; por ejemplo, a Libro (5) cuando solo hay 3
libros abiertos.
El mtodo no se puede usar en el contexto aplicado. Especficamente, algunos mtodos del
objeto Rango requieren que el rango contenga datos. Si el rango no contiene ningn dato,
se producir un error en el mtodo.
Error externo, por ejemplo, un error de lectura o escritura de un archivo.
Un mtodo o una propiedad no se pueden usar debido a la configuracin de seguridad. Por
ejemplo, las propiedades y los mtodos del objeto VBE para manipular el cdigo de Visual
Basic para Aplicaciones (VBA) almacenado en un documento de Microsoft Office son
inaccesibles de manera predeterminada.
Existen graficas lineales, numricas, de barra, histogramas, circulares, y Excel dispone de un
asistente que gua como realizar una. Para obtener una grafica, seleccionar el men insertar y
elegir la opcin grfico como se muestra:
En la parte izquierda se muestra el Explorador de proyectos el cual muestra el proyecto VBA creado
para el libro actual y adems muestra las hojas pertenecientes a ese libro de Excel.
El Explorador de proyectos tambin nos ayuda a crear o abrir mdulos de cdigo que se sern de
gran utilidad para reutilizar todas las funciones de cdigo VBA que vayamos escribiendo. El rea
ms grande en blanco es donde escribiremos el cdigo VBA. Es en esa ventana en donde escribimos
y editamos las instrucciones VBA que dan forma a nuestras macros.
Tipos de macros
Existen varias macros previamente creadas para Excel para Windows.
Macros automticos
Clip en men-Herramientas-opcin- Complementos. Con esta opcin se especifican las macros que
estn disponibles y listas para usarse al iniciarse Excel para Windows.
Estn disponibles en el men, Herramientas, opcin Asistente.
Macros de Excel
Las macros se pueden agrupar en dos categoras principalmente:
Macros de funciones.
Consiste en una serie de comandos y funciones que se almacenan en un mdulo de Visual Basic y
que puede ejecutarse siempre que sea necesario ejecutar la tarea. Una macro se graba igual que
se graba msica en un casete.
Macros de comandos.
La creacin de estas macro funciones consiste en poner una serie de ARGUMENTOS, en las cuales
podemos ir poniendo los datos que lleva una funcin normal de Excel para Windows y al final le
indicamos que operaciones hacer con estos ARGUMENTOS y de esta manera se optimiza el uso de
varias frmulas para llegar a un resultado.
Flujo secuencial
El ujo secuencial consiste en seguir una secuencia de pasos que siguen un orden predeterminado.
Por ejemplo, un programa que a partir de un nmero N de das, calcula la cantidad de segundos que
hay en esta cantidad de das. Este programa se puede ver como una secuencia de varios pasos
Inicio: Ingresa el nmero N de das
Paso 1: H = 24*N, para determinar la cantidad de horas
Paso 2: M = 60*H, para determinar la cantidad de minutos.
Paso 3: S = 60*M, para determinar la cantidad de segundos.
Paso 4: Retorne S.
Fin
La macro correspondiente a esta secuencia de clculos
puede escribirse como sigue:
Function CalculeSegundos (Dias)
CantHoras = 24 * Dias
CantMinutos = 60 * CantHoras
CalculeSegundos = 60 * CantMinutos
End Function
Flujo condicional (If - Else)
Flujo condicional
Un ujo condicional se presenta en un programa o procedimiento que debe escoger una accin o
proceso a ejecutar, dependiendo de condiciones que puedan cumplirse. El caso ms sencillo ocurre
cuando el programa verica si una condicin se cumple y en caso de ser verdadera ejecuta un
proceso, en tanto que si es falsa ejecuta otro proceso. En VBA tenemos la instruccin
If...Then...Else
Ejecuta condicionalmente un grupo de instrucciones, dependiendo del valor de una expresin.
Sintaxis
If-condition Then
instrucciones
Else- instrucciones-else
Puede utilizar la siguiente sintaxis en formato de bloque:
If condition Then
instrucciones
Else If condition Then
instrucciones-else-if ...
Else instrucciones-else
End If
Ejemplo
En este ejemplo veremos como usar la instruccin:
If...Then...Else
1 =
0 =
1
2
( + )
2
}
1
El programa deber estimar el error absoluto de las aproximaciones y ser capaz de escribir un
mensaje de xito o de fracaso, dependiendo de si el error absoluto es o no menor que una tolerancia
dada. Para los resultados que aparecen en la grca anterior pueden programarse las siguiente
macros para ser evaluadas en cada columna:
Function AproxDeRaiz(x)
AproxDeRaiz = (1 / 2) * (x + 2 / x)
End Function
Function CalculoElError(Aproximacion, ValorExacto)
CalculoElError = Abs(Aproximacion - ValorExacto)
End Function
Function verificaTol(Error, Tol)
If (Error < Tol) Then
verificaTol = "EXITO"
Else
verificaTol = "FRACASO"
End If
End Function
El diagrama siguiente ilustra la forma en que esta ltima funcin de vericacin acta con base en
el valor de sus dos parmetros de entrada:
While...Wend
Ejecuta una serie de instrucciones mientras una condicion dada sea True.
Sintaxis
While condici on
intrucciones
Wend
3- Una instruccin muy parecida a While pero ms eciente es Do
Sintaxis
Do while condition
instrucciones
[Exit Do]
Loop
Ejemplo
Para ilustrar estas formas de realizar un ujo repetitivo, vamos a aproximar la suma de una serie
alternada comn error estimado menor que una cantidad total dada.
Consideremos la serie alternada
es S, al aproximarla con la suma parcial , el error de la aproximacion es menor que (+1)2, es decir:
| |
1
(+1)2
Ejemplo
Dada una tolerancia TOL, calcular cada una de las sumas parciales hasta que el error de
aproximacin sea menor que TOL.
SOLUCION
10
Implementamos dos macros, una para el clculo de las sumas parciales y otra para hacer la
vericacin del error estimado. En este caso, vamos a suponer que TOL est en la celda B33
RANGOS
Un rango en Excel corresponde a una seleccin de celdas. Una seleccin de las celdas de una la o
una columnas se maneja en Excel como una matriz de orden 1 n o de orden n 1 (un vector). La
seleccin de un bloque de celdas se maneja como una matriz n m. Si una celda est en blanco, se
lee un cero.
Ejemplo
Promedio simple. Consideremos una tabla con 5 notas, todas con igual peso.
Para calcular el promedio simple, en cada la, vamos a hacer una macro que recibe un rango, cuenta
las notas, suma y divide entre el nmero de notas.
11
En primera celda de la columna Promedio, llamamos a la macro con: PROMEDIO (C52:G52) pues
en este caso el rango es C52:G52
Ejemplo 2
El Promedio eliminando las dos notas ms bajas. En este caso, a un conjunto de notas les calculamos
el promedio simple pero eliminando las dos notas ms bajas. El programa Promedio Q suma las
notas de una la (rango), localiza la posicin (en el vector R) de las dos notas ms bajas y luego le
resta a la suma estas dos notas para luego dividir entre n 2. En este caso, el rango R es una matriz
1 n, o sea, se puede ver como un vector de n componentes.
Function PromedioQ (R As Range) As Double
Dim n, i, Imin1, Imin2 As Integer
12
Sintaxis:
13
Escribimos el cdigo, compilamos (en men Depuracin), guardamos y nos devolvemos a la hoja.
Para ejecutar la macro seleccionamos la tabla con el mouse y levantamos la ventana de ejecucin
de macros (Alt-F8)y damos clic en Ejecutar
Ejecucin de una subrutina mediante un botn
Otra posibilidad bastante practica para ejecutar un programa o subrutina como los presentados en
la seccin precedente es mediante un botn de comando.
1. Primero digitamos la tabla de valores. Luego insertamos un botn. Para esto seleccionamos un
botn deL cuadro de controles (si la barra no est disponible, puede habilitarla con Ver - Barra de
herramientas- Cuadro de Controles).
14
2. Luego hacemos clic en el lugar de la hoja donde queremos el botn. Una vez que tenemos el
botn, podemos agregar algunas propiedades como etiqueta, color de fondo, etc., en el men de
contexto. Este men se abre con clic derecho + propiedades. Luego cerramos el men.
3. Para editar el cdigo que debera ejecutar el botn, le damos un par de clics al botn (que todava
est en modo diseo). En este caso, si es la primera vez, nos aparece el cdigo
Private Sub CommandButton1_Click () End Sub
Aqu tenemos dos opciones
a. Implementar la subrutina por separado y luego llamarla desde la subrutina del botn
15
4. Una vez que escogemos alguna de las dos opciones anteriores, compilamos (en men Depurar),
guardamos y nos devolvemos a la hoja.
MATRICES DINAMICAS
Cuando hacemos una seleccin con el mouse, es conveniente entrar los valores seleccionados en
una matriz dinmica, es decir, una matriz que se ajuste a la cantidad de datos seleccionada y que,
eventualmente, se pueda recortar o hacer ms grande.
16
Ejemplo
= ( , )
=1
Por ejemplo, si tenemos dos puntos A, B 2 con igual peso (este deber a ser 1/2 para cada punto),
entonces el centro de gravedad es el punto medio del segmento que une A con B
=
+
2
17
18
Ejemplo
1. Usando la notacin del ltimo ejemplo, se define la inercia total de como
19
20
3-
(a) Implemente una subrutina que, a partir de una seleccin de puntos (x i , y i ) (en dos columnas)
en una hoja de Excel, evala el polinomio interpolante en una valor dado de antemano en una celda,
sea, calcula P (a) para un valor a dado.
(b) Aplique la implementacin anterior a una tabla como la que se presenta en la figura:
21
22
3.-INTERPOLACION
Concepto: Interpolar significa encontrar un valor intermedio entre dos o mas puntos base
conocidos, los cuales se pueden aproximar mediante polinomios.
Tipos de interpolacin
(1)
(2)
(3)
(4)
k=0,1,2,3...n
Dnde: es el operador de diferencias progresivas
Para i=0 Y 0 = Y 1 Y 0 -------> Y 1 = Y 0 + Y 0
(5)
(6)
(7)
(8)
(9)
23
Generalizando, tendremos: Y k = (1 + ) k Y 0
(10)
= + ( ) + ( ) 2 + + ( )
1
2
(11)
= + ( ) + ( ) 2 + ( ) + (
) 0 (12)
+1
1
2
Para: K= 1,2,3, ...n
Si se toma un valor j
cualquiera menor que k y si las j-ensimas diferencias son constantes, entonces todas las
diferencias de orden superior a j sern cero, por lo que la ecuacin (11) queda :
!
( 1)( 2) ( + 1)!
( )=
=
( )! !
!
y k = a 0 + a 1 k + a 22 k 2 + ..... .+ a j k j
(14)
X0
Yo
Donde :
X 1 =X 0 +h
Y1
X 1 -X 0=h
X 2 -X 0 =2h
X 2 =X 0 +2h
Y2
................
Donde queda la expresin
X K -X 0 = Kh
X k =X 0 +kh
Yk
X n =X 0 +nh
Yn
X n -X 0 = nh
24
x Y
Ejercicio
0 -5
1 1
Solucin:
2 9
3 25
1 Y 0 = Y 1 -Y 0 = 1-(-5) = 6
4 55
5 105
1 Y 1 = Y 2 -Y 1 = 9 - 1 = 8
1 Y 2 = Y 3 -Y 2 = 25- 9 =16
1 Y 3 = Y 4 -Y 3 = 55-25 =30
1 Y 4 = Y 5 -Y 4 = 105-55 =50
Las segundas diferencias son:
2 Y 0 = Y 1 - Y 02 = 8 - 6 = 2
Y 1 = Y 2 - Y 1 = 16 - 8 = 8
2 Y 2 = Y 3 - Y 2 = 30 - 16 =14
2 Y 3 = Y 4 - Y 3 = 50 -30 =20
Las terceras diferencias son:
3Y0=2Y1-2Y0=8-2=6
3 Y 1 = 2 Y 2 - 2 Y 1 = 14 - 8 = 6
3 Y 2 = 2 Y 3 - 2 Y 2 = 20 - 14 = 6
-5
25
16
55
30
14
105
50
20
= + ( ) 1 + ( ) 2 + ( )
1
2
+(
)0
+1
25
aproxima a f(x)
= Yo+(1 )
Siendo
=
Tendremos
0
= 0 + (
)
Como por dato tenemos X 0 =1, siendo los valores de X constantes, entonces h=1 1 Y 0 =8, 2 Y
0 =8, 3 Y 0 =6
=
1
1
quedando k= x-1
= + ( ) 1 + ( ) 2 + ( ) + (
)0
+
1
1
2
1
1
1
= + (
) 1 + (
) 2 + (
) 3
1
2
3
Reemplazando en la ecuacin anterior. 1 Y 0 =8, 2 Y 0 =8, 3 Y 0 =6
1
1
1
= + (
)8 + (
)8 + (
)6
1
2
3
Conociendo la frmula de permutaciones.
1
1
(
)=
1
1
( 1)( 2)
1
(
)=
2
2
( 1)( 2)( 3)
1
(
)=
3
6
26
= 1 +
( 1)
( 1)( 2)
( 1)( 2)( 3)
8+
8+
6
1
2
6
Y = 1+(x-1)*8 + (x-1)(x-2)*4 + (x-1)(x-2)(x-3)*1
Simplificada queda:
Y = X 3 2X 2 + 7 X 5
SOLUCION PEDIDA
INTERPOLACION CON ESPACIOS NO EQUIDISTANTES
X
Xo
Yo
Entonces el polinomio:
X 1 =X 0 +h 0
Y1
X 2 =X 1 +h 1
Y2
..
Xk=X0+kh YK
Yk
Xn=Xn- Yn
Yn
O INTERPOLACION DE LAGRANGE
= 0 1 + 1 1 + 2 2 + + 1 . +
O bien:
Y = a 0 (x- x 1) (x-x 2) (x-x 3)... (X-x n )
+ a 1 (x- x 0 )(x-x 2 )(x-x 3 ) ... (x-x n )
+ a 0 (x- x 0 )(x-x 1 )(x-x 3 ) ... (x-x n )
1+hn-1
ao=
1
(1 0 )(1 2 )(1 3 )(1 )
a1=
..
an=
( 0 )( 1 )(0 2 )( 1 )
27
28
()
() ()
=
()
(0 ) = lim
Aunque esta frmula da una manera de generar una aproximacin de (0 ) dndo valores
pequeos a y calcular
(0 +)(0 )
valores muy cercanos, lo que har que en la operacin de resta existan perdidas de cifras
significativas. Para el caso de una funcin lineal () = + , la aproximacin dada resulta exacta
para cualquier valor de h distinto de cero.
Una de las clases ms tiles que mapea al conjunto de los nmeros reales sobre s mismos es la de
los polinomios algebraicos; el conjunto de funciones de la forma () = + 1 1 + +
1 + 0 . Aproximan de manera uniforme las funciones continuas.
DIFERENCIAS FINITAS
El Mtodo consiste en una aproximacin de las derivadas parciales por expresiones algebraicas con
los valores de la variable dependiente en un limitado nmero de puntos seleccionados.
Como resultado de la aproximacin, la ecuacin diferencial parcial que describe el problema es
reemplazada por un nmero finito de ecuaciones algebraicas, en trminos de los valores de la
variable dependiente en puntos seleccionados. El valor de los puntos seleccionados se convierte en
las incgnitas. El sistema de ecuaciones algebraicas debe ser resuelto y puede llevar un nmero
largo de operaciones aritmticas.
1 =
2 2
+
=
0;
{
2 2
2 =
=0
En general, la aproximacin de la primera derivada con respecto a x de una funcin F(x,y), es dada
por:
(+,)(,)
de la derivada parcial.
29
(,)(,)
Existen
pequeas diferencias entre las dos aproximaciones. La diferencia finita central es a menudo ms
exacta:
1
2
1
2
(+ ,)( ,)
(+,)2(,)+(,)
()2
+1, 2, +1,
()2
()~
=0
()
( )2 +
2!
() ()
()
( ) ; = |
|
!
2
Ejemplos
= 1 + +
2 3
+ +=
; || <
2! 3!
!
=0
sin =
3 5
2+1
+ = (1)
; || <
(2 + 1)!
3! 5!
=0
cos = 1
2 4
2
+ = (1)
; (|| < )
(2)!
2! 4!
=0
1
= 1 + + 2 + 3 + = ; (|| < )
1
=0
ln(1 + ) =
2 3
+ = (1)1 ; (1 < 1)
2
3
=1
30
1
0
& 1 () =
0 1
1 0
1
0
(0 ) +
(1 )
0 1
1 0
Se observa que:
0 (0 ) = 1,
0 (1 ) = 0,
1 (0 ) = 0 1 (1 ) = 1
Esto implica
(0 ) = 1 (0 ) + 0 (1 ) = (0 ) = 0
(1 ) = 0 (0 ) + 1 (1 ) = (1 ) = 1
Generalizando, considerando la construccin de un polinomio de grado mximo n que pase por los
n+1 puntos.
(0 , (0 )), (1 , (1 )), , ( , ( ))
En este caso para cada k= 0,1,,n se construye una funcin Ln,k(x) , donde:
, ( ) = 0 , ( ) = 1 ,
Para satisfacer , ( ) = 0 para cada
( 0 )( 1 ) ( 1 )( + +1 ) ( )
Para satisfacer , ( ) = 1, el denominador de , ( ) debe ser este trmino pero evaluado en
x= xk; es decir
, =
( 0 ) ( 1 )( + +1 ) ( )
( 0 ) ( 1 )( + +1 ) ( )
31
Para obtener polinomios de tercer, cuarto o n-simo de interpolacin de LaGrange; este ltimo
queda como se indica a continuacin.
( ) = ( ); = 0,1, ,
() = 0 ()(0 ) + 1 ()(1 ) + + ()( )
Donde:
0 () =
( 1 )( 2 ) ( )
(0 1 )(0 2 ) (0 )
1 () =
( 0 )( 2 ) ( )
(1 0 )(1 2 ) (1 )
() =
( 0 )( 1 ) ( 1 )
( 0 )( 1 ) ( 1 )
() = ( ), (); = 0,1, ,
=0
Donde
, () =
( 0 )( 1 ) ( 1 )( +1 ) ( )
( 0 )( 1 ) ( 1 )( +1 ) ( )
, () =
=0;
( )
( )
Ejemplo
Determina el polinomio de interpolacin lineal de LaGrange que pasa por los puntos (2,4) y (3,5)
0 () =
Por tanto
5
1
= ( 5),
25
3
1
1 () =
4
2 1
= ( 2)
52 3
() = 3 ( 5) 4 + 3 ( 2) 1 = 3 +
32
20
3
+ 3 3 = + 6
La grfica de = () es
5.-INTEGRACIN NUMRICA
Una Vez que se ha determinado un polinomio pn(x) de manera que aproxime satisfactoriamente un
funcin dada f(x) sobre un intervalo de inters, puede esperarse que al diferenciar pn(x) o integrarla
en forma definida, tambin aproxime satisfactoriamente la derivada o integral definida
correspondiente a f(x).
En el proceso de integracin, el valor de () , est dado por el rea bajo la curva de f(x),
0
mientras que la aproximacin () , est dado por el rea bajo la curva de pn(x) y los errores
0
que se comenten en diferentes segmentos del intervalo tienden a cancelarse entre s o a reducirse.
Por esto, el error total al integrar pn(x) entre x0 y xn puede ser muy pequeo, aun cuando pn(x) no
sea una buena aproximacin de f(x).
33
Es necesario seleccionar una de las formas de representacin del polinomio p1(x), y como f(x) est
dada para valores equidistantes de x con distancia h, la eleccin lgica es una de las formulas en
diferencias finitas (hacia adelante, hacia atrs o centrales). Si se eligen las diferencias finitas hacia
delate, entonces se tendr:
() = 1 (),
1 () = 1 (0 + ) = (0 ) + (0 )
() [(0 ) + (0 )]
Para realizar la integracin del lado derecho de la ecuacin anterior es necesario tener a toda la
integral en trminos de la nueva variable s que, como se sabe, est dada por:
= 0 + , as, la diferencial de x queda en trminos de la diferencia de s = ,ya que x0 y h
son constantes.
Para que los lmites de integracin x0 y x1 queden a su vez en trminos de s, se sustituyen por x en
= 0 + y se despeja s, lo que da, respectivamente,
0 = 0 + ; = 0
1 = 0 + ; = 1
2
(0 )]|10
2
()
[(0 ) + (1 )]
2
34
= [(0 ) +
(0 )
2
MTODO DE SIMPSON
Si n=2; el intervalo de integracin [a,b] se divide en dos subintervalos, se tendrn tres abscisas dadas
por:
0 =
( )
1
1 = 0 + 1
= + = ( )
2
2 2 2
2 =
Se aproxima f(x) con una parbola [un polinomio de segundo grado p2(x)], y la aproximacin a la
integral ser el rea bajo el segmento de la parbola comprendida entre f(x0) y f(x2). Esto es :
() = 2 ()
Para realizar la integracin 2 2 (), se usa la frmula de Newton para diferencias finitas hacia
0
( 1) 2
(0 )
2!
() = 2 () = 2 (0 + )
2 (0 + ) = [(0 ) + (0 ) +
0
= [(0 ) +
( 1) 2
(0 )]
2!
2
3
2
2
(0 ) + 2 (0 ) 2 (0 )] |
0
2
3!
4
1
= [2(0 ) + 2(0 ) + 2 (0 )]
3
De la definicin de la primera y segunda diferencia hacia adelante se tiene:
(0 ) = (0 + ) (0 ) = (1 ) (0 )
35
Y
2 (0 ) = (0 + 2) 2(0 + ) + (0 ) = (2 ) 2(1 ) + (0 )
Que sustituida en la ltima ecuacin dan lugar a:
()()
[(0 ) + 4(1 ) + (2 )]
3
El algoritmo de Simpson.
CUADRATURA DE GAUSS
Gauss investigo y encontr que es factible disminuir el error en la integracin cambiando la
localizacin de los puntos sobre la curva de integracin f(x). Desarroll el mtodo conocido como
cuadratura de Gauss.
Se tiene la curva de la funcin f(x) que se desea integrar entre los lmites a y b. La parte (a) de la
figura muestra cmo se integrara usando un trapezoide: uniendo el punto A de coordenadas (a,f(a))
con el punto B(b,f(b)) mediante un segmento de recta p1(x). Esto forma un trapezoide de altura h =
(b-a), cuya rea es:
=
[() + ()],
2
en la forma () = =1 ( )
Se traza una lnea recta por estos dos puntos, se extiende hasta los extremos del intervalo y se forma
el trapezoide sombreado. Parte del trapezoide queda por encima de la curva y parte por abajo. Si
se escogen adecuadamente los puntos C y D, cabe igualar las dos zonas de modo que el rea del
trapezoide sea igual al rea bajo la curva; el clculo del rea del trapezoide resultante da la
integracin exacta. El mtodo de Gauss consiste esencialmente en seleccionar los puntos C y D
adecuados. La tcnica se deduce a continuacin.
36
Considere primero, que se integra la funcin de la figura entre los limites -1 y +1 (si los lmites son
distintos, se hace un cambio de variable para pasarlos a -1 y +1). Los puntos C y D se escogen sobe
la curva y se forma el trapezoide con vrtices E, F, G, H.
Sean las coordenadas del punto C (z1, f (z1)) y las del punto D (z2, f (z2)). Motivado por la formula
trapezoidal, Gauss desarrolla la frmula:
= 1 (1 ) + 2 (2 )
Ya que esto simplificara relativamente el clculo del rea. Considere encontrar los valores de z1, z2,
w1 y w2. Hay cuatro parmetros por determinar, as tambin cuatro condiciones. Se eligen de
manera que el mtodo d resultados exactos cuando la funcin por integrar sea alguna de las cuatro
siguientes o combinaciones lineales de ellas.
() = 1, () = , () = 2 () = 3
Los valores exactos de integrar estas cuatro funciones entre -1 y +1 son:
1
1
1 = 1 = |
= 1 1(1) = 2
1
1
1
2 = =
1
2 1
12 (1)2
|
=
=0
2 1
2
2
3 = 2 =
1
1
4 = 3 =
1
3 1
13 (1)3
=
=2
|
3 1 3
3
4 1
4 (1)4
|
=
=0
4 1 4
4
Suponiendo que una ecuacin anterior A funciona exactamente, se tendr el siguiente sistema de
ecuaciones.
1 = 1 (1) + 2 (1) = 2
37
2 = 1 1 + 2 2 = 0
3 = 1 12 + 2 22 =
2
3
4 = 1 13 + 2 23 = 0
De la primera ecuacin se tiene que 1 + 2 = 2; notese que tambin que si 1 = 2 y 1 =
2 , se satisfacen la segunda y la cuarta ecuaciones. Entonces se elige 1 = 2 = 1 y 1 = 2 y
al sustituir en la tercera ecuacin se obtiene:
12 + (1 )2 =
De donde 1 =
1
3
= 0.57735 {
2
1
= 12 =
3
3
1 = 0.57735
2 = 0.57735
() = 1 (1 ) + 2 (2 ) = (0.57735 ) + (+0.57735 )
1
Que salvo porque se tiene que calcular el valor de la funcin en un valor irracional de z, es tan simple
como la regla trapezoidal; adems, trabaja perfectamente para funciones cbicas, mientras que la
regla trapezoidal lo hace slo para lneas rectas.
Para integrar en un intervalo distinto de [-1,1], se requiere un cambio de variable a fin de pasar del
intervalo de integracin general [a,b] a [-1,1] y as aplicar en la funcin anterior; por ejemplo, si se
desea obtener
5
0
2
5(+1)
2
5
5
= ( ( + 1)) =
2
2
5
38
5
5(0.57735+1)
5(0.57735+1)
5
2
2
= [(1)
+ (1)
] = 0.91752, 0.91752
2
0
2()
+
+
+
) = (
+
)=
2
2
2
2
2
() =
+
(
+
)
2
2
2
1
+
(0.57735) +
(0.57735) +
=
[ (
)+(
)]
2
2
2
2
2
() = 1 (1 ) + 2 (2 ) + 3 (3 ) + + ( )
1
Los coeficientes y las abscisas dadas en la siguiente tabla sirven en el intervalo de inters y aplicar
el mtodo de gauss a cada uno de ellos.
INTEGRALES IMPROPIAS
Las integrales impropias se producen cuando el concepto de integracin se extiende a un intervalo
de integracin donde la funcin no est acotada, o a un intervalo con uno o ms extremos infinitos.
En ambos casos, es preciso modificar las reglas normales de la aproximacin de la integral.
Se considera la situacin en que el integrado no est acotado en el extremo izquierdo del intervalo
de la integracin, como se observa en la figura.
39
( )
( )
=
( )
1
()
0<<1
,
[, ]
()
Tambin existe. Aproximaremos esta integral por medio de la regla compuesta de Simpson. Si
5 [, ] podemos construir el polinomio de Taylor 4 (), para g alrededor de a,
()
()
(4) ()
( )2 +
( )3 +
( )4
2!
3!
4!
4 () = () + ()( ) +
() =
() 4 ()
4 ()
( )
( )
=0
=0
()
4 ()
() ()
( )+1
(
(
)
!
!
+
1
; () = { ( )
< ,
0, = .
40
()
()
Como 0 < < 1 y como 4 ()concuerda con 4 () para cada k=0, 1, 2, 3, 4, tenemos
4 [, ]. Ello significa que podemos aplicar la regla compuesta de Simpson para aproximar la
integral de G en [a,b].
6.-RAICES DE ECUACIONES
La raz de una ecuacin es aquel valor de la variable independiente que hace que el resultado de la
ecuacin sea cero o por lo menos se acerque a cero con una cierto grado de aproximacin deseado
(error mximo permitido).
MTODOS DE LA BISECCION
El mtodo de biseccin se basa en el siguiente teorema de Clculo: Teorema del Valor Intermedio
Sea
cada
continua en un intervalo
tal que
y supongamos que
, existe un
. Entonces para
tal que
precisamente
existir
intervalo.
, y por lo tanto, el Teorema del Valor Intermedio nos asegura que debe
tal que
contnua,
tales que
iii) Evaluar
41
en el
En este caso,
que
intervalo
tenemos que
es decir,
Ejemplo
Aproximar la raz de
hasta que
Solucin:
En efecto, tenemos que
mientras que:
42
ii) Evaluamos
iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin
actual y la aproximacin previa:
Puesto
que
no
se
ha
logrado
el
objetivo,
Evaluamos
continuamos
con
el
proceso.
, y hacemos la tabla:
raz
se
encuentra
43
en
el
intervalo
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados que se obtienen en la
siguiente tabla:
Aprox. a la
raz
Error aprox.
1.25
1.375
9.09%
1.3125
4.76%
1.28125
2.43%
1.296875
1.20%
1.3046875
0.59%
44
Que es la frmula del mtodo de la secante. Ntese que para poder calcular el valor de
necesitamos conocer los dos valores anteriores
Obsrvese tambin, el gran parecido con la frmula del mtodo de la regla falsa. La diferencia entre
una y otra es que mientras el mtodo de la regla falsa trabaja sobre intervalos cerrados, el mtodo
de la secante es un proceso iterativo y por lo mismo, encuentra la aproximacin casi con la misma
rapidez que el mtodo de Newton-Raphson. Claro, corre el mismo riesgo de ste ltimo de no
converger a la raz, mientras que el mtodo de la regla falsa va a la segura.
Ejemplo
y hasta que
, comenzando con
Solucin:
Tenemos que
Como todava no se logra el objetivo, continuamos con el proceso. Resumimos los resultados en la
siguiente tabla:
Aprox. a la raz
Error
aprox.
0
1
100%
0.612699837
63.2%
0.653442133
6.23%
0.652917265
0.08%
45
Ejemplo:
Esto es llamado un sistema lineal de ecuaciones. El objetivo es reducir el sistema a otro equivalente,
que tenga las mismas soluciones. Las operaciones (llamadas elementales) son estas:
46
Estas operaciones pueden representarse con matrices elementales que se usan tambin en otros
procedimientos como la factorizacin LU o la diagonalizacin por congruencia de una matriz
simtrica.
En nuestro ejemplo, eliminamos x de la segunda ecuacin sumando 3/2 veces la primera ecuacin
a la segunda y despus sumamos la primera ecuacin a la tercera. El resultado es:
Para clarificar los pasos, se trabaja con la matriz aumentada. Podemos ver los 3 pasos en su
notacin matricial:
Primero:
47
Despus,
Por ltimo.
Si el sistema fuera incompatible, entonces nos encontraramos con una fila como esta:
, es decir,
Ejemplo:
Resolver el sistema usando eliminacin gaussiana con pivoteo parcial escalado y aritmtica de corte
a tres dgitos
Solucin:
Se escribe el sistema con los nmeros a tres dgitos usando corte
48
Luego
= 30/58900=0.000509...
= 5.31/6.10=0.870 4
La fila que se escoge para pivote es la segunda y
E2 <-> E1 para obtener el sistema
se efecta la operacin
el multiplicador es:
La operacin E2 - 5.64E1 reduce el sistema a:
49
Se debe construir una matriz de coeficientes y el vector con los trminos independientes,
correspondientes al sistema, y se toman como valores iniciales para poder calcular la
factorizacin.
Tomando la matriz de coeficientes, y bajo el fundamento principal del mtodo, se procese
al clculo de las matrices L y U, correspondientes a la factorizacin de A.
Una vez realizada la factorizacin, se toma la matriz de la factorizacin U y el vector x y se
procede a calcular el vector z.
Ahora con el vector z, el vector de trminos independientes y la matriz L de la factorizacin,
se procede a resolver el sistema Lz=b.
Se debe construir una matriz de coeficientes y el vector con los trminos independientes,
correspondientes al sistema, y se toman como valores iniciales para poder calcular la
factorizacin.
Tomando la matriz de coeficientes, y bajo el fundamento principal del mtodo, se procese
al clculo de las matrices L y U, correspondientes a la factorizacin de A.
Una vez realizada la factorizacin, se toma la matriz de la factorizacin U y el vector x y se
procede a calcular el vector z.
Ahora con el vector z, el vector de trminos independientes y la matriz L de la factorizacin,
se procede a resolver el sistema Lz=b
50
Ejemplo:
Resolver el sistema
Resolver:
51
Resolver:
La solucin es x=(1234)t
FACTORIZACIN DE MATRICES SIMTRICAS
Una matriz es simtrica si es una matriz cuadrada, la cual tiene la caracterstica de ser igual a
su traspuesta.
Una matriz de
elementos:
Ejemplo para n = 3:
52
Uno de los teoremas bsicos que concierne este tipo de matrices es el teorema espectral de
dimensin finita, que dice que toda matriz simtrica cuyos elementos sean reales es diagonalizable.
En particular, es semejante a una matriz ortogonal.
Autovalores
Como las matrices simtricas son un caso particular de las matrices hermticas, todos
sus autovalores son reales. Con base en las propiedades de los autovalores de una matriz simtrica,
se pueden clasificar en los siguientes tipos:
definida positiva: Una matriz simtrica es definida positiva si y solo si todos sus autovalores son
estrictamente positivos.
definida
negativa: Una
matriz
simtrica
es definida
negativa si
solo
si
todos
indefinida: Una matriz simtrica es indefinida si y solo si tiene dos autovalores con distinto
signo
Ejemplo:
1. Si
1 2 1 5
A =
1 0 -2 4
3 1 -2 3
Entonces: a22 = 0,
a32 = 1, a34 = 3.
2. Si
Entonces
53
1 -1 1
A =
-1 1 -1
1 -1 1
3. La matriz
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4. La matriz
1 1 3 4
1 2 0 1
3 0 -1 4
4 1 4 1
es una matriz simtrica de orden 4.
5. Si
1 2 -1
A=
2 1 3
Entonces
1 2
AT=
6. Si
A =
2 1
1 2 -1
(A T) T =
,y
-1 3
2 1 3
1 3 5
1 3 5
3 2 4,
entonces:
5 4 -1
AT =
3 2 4 .
5 4 -1
54
7. Si
A =
3 2 5 2
-4 5 -2 7
2 7 4
a+2
-1
c2- 1
-1
-1
55
Propiedades
Sirve para saber si una matriz simtrica es definida positiva.
Es estable.
Ejemplo
6 15 55
A = 15 55 225
55 225 979
100
y C= 150
100
Solucin:
En el mtodo de Cholesky el primer paso es encontrar la matriz L usando las frmulas
i 1
l ki
a ki l ij l kj
k 1
j 1
l ii
l kk a kk l kj2
j 1
La primera ecuacin se usa para elementos fuera de la diagonal y la segunda para elementos en la
diagonal principal.
Entonces.
l 21
l 21
a 31
55
= 22.454
l11 2.4495
a 21
15
= 6.1237
l11 2.4495
2
l 22 a 22 l 21
55 6.1237 2 = 4.1833
l 32
a 32 l 21l 31 55 (6.1237)(22.454)
= 20.916
l 22
4.1833
De igual forma l13 = l23 = 0 y
2
2
l 33 a33 (l 31
l 32
) 979 (22.454 2 20.916 2 ) = 6.1106
La matriz L es igual a
56
0
0
2.4495
L 6.1237 4.1833
0
22.454 20.916 6.1106
En el mtodo de Cholesky U = LT
di
d1
c1
100
=40.8246
l11 2.4495
d3
ci lij d j
j 1
lii
d2
=-23.9045
l 22
4.1833
=-51.826
l33
6.1106
di
xi
x3
d3
=-8.481
u 33
x1
x2
j i 1
ij
xj
u ii
d 2 u 23 x3
= [-23.9045-(20.916)(-8.481)]/4.1833 = 36.690
u 22
d1 (u12 x2 u13 x3 )
= [40.8246 ((6.1237)(36.69)+(22.454)(-8.481))]/2.4495 = 2.685
u11
57
METODO DE JACOBI
De Ax=b se tiene que(D-L-U)x=b y por tanto ,Dx=(L+U)x+b. Luego
siendo
Por tanto, el valor de cada incgnita en cada paso del mtodo m es:
Ejemplo:
(1)
Despejando
de la primera ecuacin,
de la segunda y
de la tercera, se tiene:
(2)
Osea,
(3)
58
esto es
Este primer valor de solucin puede tener cualquier valor, y entre mas cercano a sea al valor
supuesto con respecto al valor final, la convergencia ser mas rpida.
En general no se conocen los signos de los resultados y por esta razn se escoge el vector inicial
supuesto igual a cero. Sustituyendo en el Sistema(3),haciendo k=0,se obtiene:
59
El mtodo de Jacobi presentado se usa muy poco en la prctica. Esto se debe q que el mtodo
iterativo que se establecer a continuacin siempre converge cuando el de Jacobi no lo hace, y en
general converge ms rpidamente que el mtodo de Jacobi.
METODO DE GAUSS-SEIDEL
De Ax= b se tiene que (D-L-U)x= B y, por tanto, (D-L)x=Ux+b. Luego
Que se trata de un sistema triangular inferior en cada paso, que se resuelve pos sustitucin
progresiva. Por tanto, el valor de cada incgnita en cada paso del mtodo m es:
Ejemplo:
Resuelva el siguiente sistema de ecuaciones lineales usando el mtodo iterativo de Gauss Seidel
4x1 + 10x2 + 8x3 = 142
2x1 + 6x2 + 7x3 = 89.5
9x1 + 2x2 + 3x3= 56.5
Paso 1.
Ordenar los renglones para que pueda ser resuelto.
9x1 + 2x2 + 3x3= 56.5
4x1 + 10x2 + 8x3 = 142
2x1 + 6x2 + 7x3 = 89.5
Paso 2.
Determinar si puede ser resuelta por este mtodo, determinando si es predominantemente
dominante en su diagonal.
Paso 3.
Despejar las variables.
X1 = -2x2/9 3x3/9 + 56.5/9 = -0.2222x2 0.3333x3 + 6.2778
X2 = -4x1/10 8x3/10 +142/10 = - 0.4 0.8x3 + 14.2
X3 = - 2x1/7 6x2/7 + 89.5/7 = - 0.2857x1 0.8571x2 + 12.7857
Paso 4.
Se les asigna un valor inicial de 0 x0 = [0, 0, 0, 0]
Paso 5
Se substituye esta solucin temporal en las ecuaciones para obtener las nuevas xs., pero solo
cuando no se cuente con la anterior
Iteracin 1
X1 = - 0.2222(0) 0.3333(0) + 6.2778 = 6.2778
X2 = - 0.4(6.2778) 0.8(0) + 14.2 = 11.6888
60
61
La palabra alemana eigen, que se traduce en espaol como propio, se us por primera vez en este
contexto por David Hilbert en 1904 (aunque Helmholtz la us previamente con un significado
parecido). Eigen se ha traducido tambin como inherente, caracterstico o el prefijo auto-, donde se
aprecia el nfasis en la importancia de los valores propios para definir la naturaleza nica de una
determinada transformacin lineal. Las denominaciones vector y valor caractersticos tambin se
utilizan habitualmente.
Las transformaciones lineales del espacio como la rotacin, la reflexin, el ensanchamiento, o
cualquier combinacin de las anteriores; en esta lista podran incluirse otras transformaciones
pueden interpretarse mediante el efecto que producen en los vectores. Los vectores pueden
visualizarse como flechas de una cierta longitud apuntando en una direccin
y sentido determinados.
Los vectores propios de las transformaciones lineales son vectores que, o no se ven afectados por
la transformacin o se ven multiplicados por un escalar, y por tanto no varan su direccin.1
El valor propio de un vector propio es el factor de escala por el que ha sido multiplicado.
Un espacio propio es un espacio formado por todos los vectores propios del mismo valor propio,
adems del vector nulo, que no es un vector propio.
La multiplicidad geomtrica de un valor propio es la dimensin del espacio propio asociado.
El espectro de una transformacin en espacios vectoriales finitos es el conjunto de todos sus valores
propios.
Por ejemplo, un vector propio de una rotacin en tres dimensiones es un vector situado en el eje de
rotacin sobre el cual se realiza la rotacin. El valor propio correspondiente es 1 y el espacio
propio es el eje de giro. Como es un espacio de una dimensin, su multiplicidad geomtrica es uno.
Es el nico valor propio del espectro (de esta rotacin) que es un nmero real.
Formalmente, se definen los vectores propios y valores propios de la siguiente manera:
Si A: V V es un operador lineal en un cierto espacio vectorial V, v es un vector diferente de cero
en V y c es un escalar tales que
entonces decimos que v es un vector propio del operador A, y su valor propio asociado es c. Observe
que si v es un vector propio con el valor propio c entonces cualquier mltiplo diferente de cero
de v es tambin un vector propio con el valor propio c. De hecho, todos los vectores propios con el
valor propio asociado c junto con 0, forman un subespacio de V, el espacio propio para el valor
propio c. Observe adems que un espacio propio Z es un subespacio invariante de A, es decir
dado w un vector en Z, el vector Aw tambin pertenece a Z.
62
La funcin p() = det(A - I) es un polinomio de pues los determinantes se definen como sumas de
productos. ste es el polinomio caracterstico de A: los valores propios de una matriz son los ceros
de su polinomio caracterstico.
Todos los valores propios de una matriz A pueden calcularse resolviendo la ecuacin
Si A es una matriz nn, entonces
El teorema fundamental del lgebra dice que esta ecuacin tiene exactamente n races (ceros),
teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado impar tienen un nmero
real como raz, as que para n impar toda matriz real tiene al menos valor propio real. En el caso de
las matrices reales, para n par e impar, los valores propios no reales son pares conjugados.
Clculo de los vectores propios
Una vez que se conocen los valores propios , los vectores propios se pueden hallar resolviendo el
sistema de ecuaciones homogneo:
Una forma ms sencilla de obtener vectores propios sin resolver un sistema de ecuaciones lineales
se basa en el teorema de Cayley-Hamilton que establece que cada matriz cuadrada satisface su
propio polinomio caracterstico. As, si
63
Ejemplo
Considrese la matriz
que representa un operador lineal R R. Si se desea computar todos los valores propios de A, se
podra empezar determinando el polinomio caracterstico:
y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los valores propios de A son 2, 1 y -1. El teorema de
Cayley-Hamilton establece que cada matriz cuadrada satisface su propio polinomio caracterstico.
Es decir:
64
Clculo numrico
En la prctica, los valores propios de las matrices extensas no se calculan usando el polinomio
caracterstico. Calcular el polinomio resulta muy costoso, y extraer las races exactas de un
polinomio de grado alto puede ser difcil de calcular y expresar: el teorema de Abel-Ruffini implica
que las races de los polinomios de grado alto (5 o superior) no pueden expresarse usndose
simplemente races ensimas. Existen algoritmos eficientes para aproximar races de polinomios,
pero pequeos errores en la estimacin de los valores propios pueden dar lugar a errores grandes
en los vectores propios. En consecuencia, los algoritmos generales para encontrar vectores propios
y valores propios son iterativos. La manera ms fcil es el mtodo de las potencias: se escoge un
vector aleatorio y se calcula una secuencia de vectores unitarios:
,...
Esta sucesin casi siempre converger a un vector propio correspondiente al mayor valor propio.
Este algoritmo es sencillo, pero no demasiado til aisladamente. Sin embargo, hay mtodos ms
populares, como la descomposicin QR, que se basan en l.
Propiedades
Multiplicidad algebraica
La multiplicidad algebraica de un valor propio de A es el orden de como cero del polinomio
caracterstico de A; en otras palabras, si es una de las races del polinomio, es el nmero de
factores (t ) en el polinomio caracterstico tras la factorizacin. Una matriz nn tiene n valores
propios, contados de acuerdo con su multiplicidad algebraica, ya que su polinomio caracterstico
tiene grado n.
Un valor propio de multiplicidad algebraica 1 recibe el nombre de "valor propio simple".
Por ejemplo, se pueden encontrar exposiciones como la siguiente en artculos de teora de matrices:
"los valores propios de una matriz A son 4,4,3,3,3,2,2,1,"
lo que significa que la multiplicidad algebraica de 4 es dos, la de 3 es tres, la de 2 es dos y la de 1 es
uno. Se emplea este estilo porque la multiplicidad algebraica es la clave de muchas demostraciones
matemticas en teora de matrices.
Anteriormente se ha definido la multiplicidad geomtrica de un valor propio como la dimensin del
espacio propio asociado, o el ncleo (espacio propio de los vectores propios del valor propio nulo)
65
66
A cada matriz se le puede asociar una norma vectorial, que depende de la norma de su dominio, el
operador norma de una matriz cuadrada es una cota superior del mdulo de sus valores propios, y
por tanto de su radio espectral. Esta norma est directamente relacionada con el mtodo de las
potencias para calcular el valor propio de mayor mdulo. Para matrices normales, el operador
norma (la norma eucldea) es el mayor mdulo entre de sus valores propios.
Vector propio conjugado
Un vector propio conjugado es un vector que tras la transformacin pasa a ser un mltiple escalar
de su conjugado, donde el escalar recibe el nombre de valor propio conjugado de la transformacin
lineal. Los vectores propios y valores propios conjugados representan esencialmente la misma
informacin y significado que los vectores propios y valores propios, pero aparecen cuando se utiliza
un sistema de coordenadas alternativo. La ecuacin correspondiente es:
Donde A y B son matrices. Los valores propios generalizados (2 sentido) pueden obtenerse
resolviendo la ecuacin
67
no
a la raz
de
en un
punto
que ser nuestra siguiente aproximacin a la raz . Para calcular el punto
calculamos primero la ecuacin de la recta tangente. Sabemos que tiene pendiente
68
Hacemos
Y despejamos
si
Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que
encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos
a dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en
cuyo caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la
raz lo hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos
por excelencia.
Tambin observe que en el caso de que
, el mtodo no se puede aplicar. De
hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y por
lo tanto no intersecta al eje
en ningn punto, a menos que coincida con ste, en cuyo
caso
Ejemplo
y hasta que
Solucin
En este caso, tenemos que
69
Comenzamos con
y obtenemos:
Error aprox.
21.19%
3.06%
0.052%
70
X I 1 X I
f xi f xi
x 2 f xi f xi
Algoritmo
Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos
que tiene pendiente
Hacemos y=0:
Y despejamos x:
si
METODO DE BAIRSTOW
El mtodo de Bairstow es un mtodo iterativo, basado en el mtodo de Mller y de Newton
Raphson. Dado un polinonio fn(x) se encuentran dos factores, un polinomio cuadrtico f2(x)
= x2 rx s y fn-2(x). El procedimiento general para el mtodo de Bairstow es:
1. Dado fn(x) y r0 y s0
71
b n = an
bn-1 = an-1 + rbn
bi = ai + rbi+1 + sbi+2
Una manera de determinar los valores de r y s que hacen cero el residuo es utilizar el
Mtodo de Newton-Raphson. Para ello necesitamos una aproximacin lineal de b1 y
b0 respecto a r y s la cual calculamos utilizando la serie de Taylor
b1 r dr , s ds b1
b1
b
dr 1 ds
r
s
b0 r dr , s ds b0
b0
b
dr 0 ds
r
s
72
donde los valores de r y s estn dados y calculamos los incrementos dr y ds que hacen
a b1(r+dr, s+ds)y b0(r+dr, s+dr) igual a cero. El sistema de ecuaciones que tenemos que
resolver es:
b1
b
dr 1 ds b1
r
s
b0
b
dr 0 ds b0
r
s
Bairtow muestra que las derivadas parciales pueden obtener haciendo un procedimiento
similar a la divisin sinttica, as
cn = bn
cn-1 = bn-1 + rcn
ci = bi + rci+1 + sci+2
donde:
b0
c1
r
b1 b0
c2
r
s
Sustituyendo Termino:
b1
c3
s
Ejemplo 1
Dado el polinomio f5(x) = x5 - 3.5x4 + 2.75x3 + 2.125x2 - 3.875x + 1.25, determinar
los valores de r y s que hacen el resido igual a cero. Considere r0 = -1 y s0 = 2.
Solucin.
Iteracin 1.
La divisin sinttica con el polinomio f2(x) = x2 -x + 2.0 da como resultado
73
16.75
dr
-30.75
108.125
-43.875
ds
61.75
de donde:
r1 = -1.0 + 2.7636812508572213 =1.7636812508572213
s1 = 2.0 + 5.403374022767796 =7.403374022767796
Iteracin 2.
La divisin sinttica con el polinomio f2(x) = x2 -1.7636812508572213x -
7.091061199392814x
14.542693
dr
-51.75640
208.148405
27.62800
ds
-105.68578
de donde
r2 = 1.7636812508572213 - 0.04728019113442016 = 1.7164010597228012
s2 = 7.403374022767796 - 3.469106187802152 = 3.934267834965644
Iteracin 3.
La divisin sinttica con el polinomio f2(x)= x2 - 1.7164010597228012x -
3.622896723753395x
74
13.83497
7.44182
dr
-12.65471
65.679212
13.83497
ds
-28.18814
de donde
r3 = 1.7164010597228012 - 0.11666951305731528 = 1.599731546665486
s3 = 3.934267834965644 - 1.4835870659929915 = 2.4506807689726524
En resumen
Residuo
-1
30.75
-61.75
1.76368
7.403374
51.756406
105.68578
1.71640
3.93426
12.65471
28.18814
1.599731
2.450680
2.89958
8.15467
1.33354
2.18666
0.760122
2.522228
1.11826
2.11302
0.271940
0.607688
1.02705
2.02317
0.04313
0.11185
1.00165
2.00153
0.00277
0.00634
1.00000
2.00000
1.13930E-5
2.67534E-5
La solucin es:
x1 = 2
x2 = -1
Si repetimos el ejemplo pero ahora considerando el polinomio f3(x) = x3 - 2.53x2 + 2.25x
- 0.625, podemos calcular el total de las races del polinomio original.
75
SI
xi
yi
2.95
18.5
3.2
20
3.4
21.1
3.6
22.4
3.2
21.2
2.85
15
3.05
18
2.7
18.8
2.75
15.7
3.1
14.4
3.15
15.5
2.95
17.2
2.75
19
45.6
17.2
16.8
45.6
270.8
76
Donde n es el nmero de medidas y representa la suma de todos los datos que se indican.
Los errores en las medidas, se traducirn en errores en los resultados de a y b. Se describe
a continuacin un mtodo para calcular estos errores. En principio, el mtodo de mnimos
cuadrados asume que, al fijar las condiciones experimentales, los valores yi de la variable
77
Lecturas Sucesivas
F(yl) Gramos
L (xl) mm
200
60
400
120
500
150
700
210
900
260
1000
290
78
1090
236300
3700
2750000
806000
0.2
==
79
ln(y)= ln(a)+b x
lo cual sugiere una estimacin de los parmetros desconocidos a travs de un modelo de
regresin lineal de ln (y) con respecto a x , un clculo que no requiere procedimientos de
optimizacin iterativa. De todas formas, la linealizacin debe usarse con cuidado ya que la
influencia de los datos en el modelo cambia, as como la estructura del error del modelo y
la interpretacin e inferencia de los resultados, cosa que puede ser un inconveniente.
PARABOLA DE REGRECION
= ( )2
=1
= ( )2 = ( 2 )2
=1
=1
Para encontrar los valores de a , b y c que hacen mnima la expresin anterior, se igualarn
las derivadas parciales de D con respecto a dichos parmetros a cero y se resolver el
sistema resultante. Las ecuaciones que forman dicho sistema se conocen, igual que en el
caso de la regresin lineal simple, como ecuaciones normales de Gauss.
80
=1
=1
2
=1
= + + 2
=1
=1
= + + 3
2
=1
=1
=1
= 2 + 3 + 4
=1
=1
=1
REGRESION HIPERBOLICA
Cuando la dependencia entre las variables X e Y es de forma hiperblica, interesa ajustar a
la nube de puntos una funcin del tipo:
Donde
por tanto,
Para minimizar la expresin, se calculan las derivadas parciales respecto a los parmetros a
y b , igualando a cero:
81
XY
1.25
1.25
1.25
1.18
0.07
0.0049
16
10
20
5.11
-0.11
0.0121
11.25
27
81
33.75
101.5
11.32
-0.07
0.0049
20
16
64
256
80
320
19.81
0.19
0.0361
30.5
25
125
625
152.5
762.5
30.58
-0.08
0.0064
15
68
55
225
979
277.5
1205
68
0.0644
1/5
13.6
11
13.6
0.0128
55.5
82
WEBGRAFIA:
http://webdelprofesor.ula.ve/nucleotachira/vermig/CLASE1.pdf
http://es.wikipedia.org/wiki/M%C3%A9todo_de_la_secante
http://filemon.upct.es/~juan/docencia/comunes/apuntes/madetenc.pdf(MATRICES)
http://www.ugr.es/~mpasadas/ftp/Tema3_apuntes.pdf(metodo de cholesky)
http://www.ugr.es/~mpasadas/ftp/Tema3_apuntes.pdf
http://www.modeladoeningenieria.edu.ar/mei/repositorio/catedras/msa/apuntes/Ejemplos_SEAL_Jacobi_G
auss_Seidel.pdf
http://es.wikipedia.org/wiki/Vector_propio_y_valor_propio
http://www.tonahtiu.com/notas/metodos/gs_ejercicio_01.htm(GASUSS SEINDEL)
http://cb.mty.itesm.mx/ma1010/materiales/a843-13.pdf
http://es.slideshare.net/algebra_lineal/sistemas-de-ecuaciones-lineales-mtodos-gauss-jordan-y-gauss
-Exceltotal.com/que-es-una-macro.,-Es.slideshare.net
-Aplicaexcelcontable.com,-Office.microsoft.com
www.edutek.org.
BIBLIOGRAFIA:
-Programaci on Visual Basic (VBA) para Excel y An alisis Num erico M.Sc. Walter Mora F., M.Sc. Jos e Luis
Espinoza B.Escuela de Matem aticaInstituto Tecnol o
gico de Costa Rica.
-FUNDAMENTOS DE PROGRAMACIN VISUAL BASIC, Departamento LSI (Lenguajes y Sistemas Informticos)
Escuela Universitaria de Ingeniera Vitoria-GasteizCurso Acadmico 2.007-2.008
METODOS NUMERICOS para INGENIERIA, ING. RICARDO SEMINARIO VASQUEZ.
METODOS NUMERICOS, Lino Alvarez - Aurea Martinez.
Superficies de respuesta. Mtodos y Diseos. Autor: Carmen Dolores Fernndez Melcn, Montserrat Pieiro
Barcia. Responce Surfaces Design And Analyses. Khuri, Andr I., Comell, John A. Statics: Textbooks and
Monographs. 81. Marcel Dekker, 1987. New York. Diseo de Experimentos. Kuehl, Robert O. International
Thomson, 2001
Introduccin a la Ciencia e Ingeniera de los Materiales Autor: Willliam D. Callister, Jr. Department of materials
Science and Engineering The University of Utah. Editorial Revert, S.A. ISBN 842917253X
83