Professional Documents
Culture Documents
0
Facultad de Ingeniera de Minas, Geologa y Civil
Departamento acadmico de ingeniera de minas y civil
METODOS
NUMERICOS
Ingeniera Civil
Capitulo X
AJUSTE DE CURVAS
APROXIMACIN FUNCIONAL
Ajuste
u Polinomios de Taylor
u Mnimos Cuadrados
u Minimizacin de normas
u Aproximacin Racional
u Series de Fourier
u Curvas de Bezier
u B-Splines
Interpolacion
u Interpolacin Polinomial
u Polinomios Osculadores: Interpolacin
de Hermite
u Interpolacin Racional: Aproximaciones
de Pade
u Interpolacin segmentaria: Splines
u Otros
Un problema de Aproximacin
u Evolucin de la temperatura diurna
Grados
Hora
Grados
2
2
01
81
61
41
12
08
6
6
7
8
9
1
0
10
12
12
18
1
1
2 Hor4
a
14
21
16
19
18
15
20
10
1
6
1
8
2
0
2
2
Mtodo de Mnimos
Cuadrados
Mtodos Numricos
Aplicados a la Ingeniera
Regresin
Se define Regresin al mtodo de investigacin de
una relacin entre una variable llamada dependiente
y una o varias variables llamadas independientes.
Lo que queremos o
yj
btener con el
mtodo de los
mnimos cuadrados
es que los errores
ei sean mnimos.
.
. .
ei
xi
y = ax + b
a.x, b?
MTODO DE LOS
MNIMOS CUADRADOS
Ecuaciones Normales
(1)
(2)
ER y|x a, b
a
ER y|x a, b
b
2 y j a b . x i f ij 0
k
i 1 j1
2 y j a b . x i x i f j 0
k
i 1 j1
b
(x x )
Sxy
S
2
y
(y y)
Sxy
S2x
b = Coeficiente de Regresin
y
b0
b0
Varianza Residual
Se define la Varianza Residual de Y sobre X, como la
varianza de los errores ei , i = 1,, n (entre valores
yi , yi*)
2
Se(y
| x)
1 n
2
e i e
n i 1
ER
a,
b
y
|
x
(1)
2 y j a b . x i f ij 0
a
(2)
ER y|x a, b
b
n
(1)
(2)
e x
i 1
n
i 1
0
i
i 1 j1
2 y j a b . x i x i f j 0
k
i 1 j1
Coeficiente de Determinacin
Se define el Coeficiente de Determinacin de Y sobre
X como:
2
Y| X
2
Y*
2
Y
2
Se(Y
|X)
1 2
S
SY
2
X| Y
2
X*
2
X
2
Se(X
|Y)
1 2
S
SX
S XY
r
SX SY
Propiedades:
(1) m Y|X (1 r 2 ).S2Y
m X|Y (1 r 2 ).S2X
r 2 b . b
0 r 2 1 1 r 1
r 1 X e Y dependen linealmenter 0
Comparacin
1
1
2
Y| X
2
X| Y
r 0
2
r 0
2
Interpretacin
(1) r Y|X
La Curva de regresin de Y sobre X es la recta de
mnimos cuadrados de Y sobre X.
2
(2) r 2 Y2 |X X2 |Y
Las dos curvas de regresin son las rectas de
mnimos cuadrados.
S 2Y m y | x
(3) 075 r 2
Proporcin que explica la variabilidad de
S 2Y
Y sobre la recta de mnimos cuadrados de Y|X
6 d i2
S XY
1 i 12
rs
SXSY
n(n 1)
Interpretacin:
(1) 1 rs 1
(2) rs 1 Relacin exacta directa rs 1 Relacin exacta
inversa rs 0 No existe una relacin clara entre X e Y
S ( yi b mxi ) 2
(xi,yi)
yi
S
0
m x
-b-m
Si 1
0
b
CRITERIO: Minimizar S
y = b+mx
i 1
i 1
aN b x i yi
i 1
i 1
a xi b
xi2
x i yi
i 1
x xy y x
b
x 2 N x 2
x
m
x
N
y
N
N
2
N x 2 x
2
y2 m 2 x2
b
N x 2 x
Coeficiente de correlacin
x y
N
r
1
2 1
2
2
2
x
x
y
y
N
N
xy
2 x2
50
10
21
31
43
54
70
40
60
30
50
40
y
20
30
10
20
y mx b
10
150
10
159
10
20
10
30
xy
x
3670
40
50
x^2
5500
60
y^2
6267
m 1.10 0.09
b 65 3
r 0.99967
xy
x^2
y^2
50
10
500
2500
100
40
21
840
1600
441
30
31
930
900
961
20
43
860
400
1849
10
54
540
100
2916
sen i = n sen r
i
n
r
25
15
30
20
35
21
40
24
45
27
50
29
55
30
60
32
65
33
70
36
sin i n sin r
y mx b
sin i
i cos i i
i
sin r
sin r
r cos r r
r
sin i
sen r
sen r
sen i
sen i
0,2588
0,0169
0,4226
0,0158
m 1.69 0.09
0,3420
0,0164
0,5000
0,0151
0,3584
0,0163
0,5736
0,0143
b 0.04 0.04
0,4067
0,0159
0,6428
0,0134
0,4540
0,0156
0,7071
0,0123
0,4848
0,0153
0,7660
0,0112
0,5000
0,0151
0,8192
0,0100
0,5299
0,0148
0,8660
0,0087
0,5446
0,0146
0,9063
0,0074
10
0,5878
0,0141
0,9397
0,0060
r 0.99301
1,2
m 1.69 0.09
1,0
ndice de refraccin
b 0.04 0.04
r 0.99301
sen i
0,8
0,6
0,4
0,2
0,0
0,0
0,1
0,2
0,3
sen r
0,4
0,5
0,6
0,7
V (volts)
5
V V0 e t /
V0 (5.008 0.004) V
(251.5 0.2) s
V V0 / e
0
0
100
200
300
400
500
600
700
t (s)
ln(V / V0 )
0,0
y a0 a1t
-0,5
a1
-1,0
-1,5
-2,0
a0 (0.015 0.002)
a1 (0.003930 0.000004) s -1
-2,5
-3,0
0
100
200
300
400
500
600
700
t (s)
s
f
Ecuacin de las lentes: forma de Gauss
1
1 1
f'
s' s
1
1 1
s'
f' s
s (cm)
-1
-1
97.50
67.65
0.010256
0.014782
106.00
63.95
0.0094340
0.015637
113.50
61.50
0.0088106
0.016260
120.30
59.70
0.0083126
0.016750
126.80
58.20
0.0078864
0.017182
1.75 10
-2
1.70 10
1
2.510 0.003 10 2 cm 1
f'
b 1.004 0.004
-2
1.65 10
-2
r 0.99998
1
1
a
b
s
'
s
1.60 10
-2
1.55 10
-2
1.50 10
-2
1.45 10
7.50 10
-3
8.00 10
-3
-3
8.50 10
9.00 10
1/s
-3
-3
9.50 10
-2
1.00 10
-2
1.05 10
27
1
1
39.84 cm
f '
2
a 2.510 10
1
0.003 10 2
f ' 2 a
0.05 cm
2
a
2.510 10 2
Ley de Malus
I = m1 + m2 cos2(+m
3)
m2 = (204.91.8) lux
m1 = (5.61.0) lux
m3 = (31.20.3)
r = 0.99924
250
200
150
100
50
0
0
40
80
120
160
()
I (lux)
0
10
20
30
40
45
50
55
60
65
70
75
80
90
100
110
120
130
140
150
160
170
180
161
125
87
54
28
17
10
6
4
7
14
22
33
63
94
130
158
190
207
214
205
179
147
29
Cont.
a, b, c
2
y
na
b
x
c
x
xy a x b x
c x 3
Ecuaciones Normales
2
2
3
4
x
y
a
x
b
x
c
x
PROBLEMA DE APLICACIN
(Censo poblacional)
Ao (X)
Poblacin (Y)
Ao (X)
Poblacin (Y)
1790
1900
76
1800
5,3
1910
92
1810
7,2
1920
105,7
1820
9,6
1930
122,8
1830
12,9
1940
131,7
1840
17,1
1950
151,1
1850
23,2
1960
179,3
1860
31,4
1970
203,2
1870
39,8
1980
226,5
1880
50,2
1990
248,7
1890
62,9
X2
X3
X4
XY
X2Y
1790
-10
100
-1000
10000
-0,04
0,04
1800
-9
5,3
81
-729
6561
-0,0477
0,0429
1810
-8
7,2
64
-512
4096
-0,0576
0,0461
1820
-7
9,6
49
-343
2401
-0,0672
0,047
1830
-6
12,9
36
-216
1296
-0,0774
0,0464
1840
-5
17,1
25
-125
625
-0,0855
0,0428
1850
-4
23,2
16
-64
256
-0,0928
0,0371
1860
-3
31,4
-27
81
-0,0942
0,0283
1870
-2
39,8
-8
16
-0,0796
0,0159
1880
-1
50,2
-1
-0,0502
0,005
1890
62,9
1900
76
0,076
0,0076
1910
92
16
0,184
0,0368
1920
105,7
27
81
0,3171
0,0951
1930
122,8
16
64
256
0,4912
0,1965
1940
131,7
25
125
625
0,6585
0,3292
1950
151,1
36
216
1296
0,9066
0,544
1960
179,3
49
343
2401
1,2551
0,8786
1970
203,2
64
512
4096
1,6256
1,3005
1980
226,5
81
729
6561
2,0385
1,8346
1990
10
248,7
100
1000
10000
2,487
2,487
X=0
Y=1800,6
X2=770
X3=0
X4=50666
XY=9347,4
X2Y=80615
ECUACIONES NORMALES
Para n=21, las ecuaciones normales se convierten en:
a = 61.8903
Resolviendo
b = 12.1395
c = 0.6505
Interpolacin
Mtodos Numricos
Aplicados a la Ingeniera
Interpolacin lineal
Interpolacin curvilnea
Ejemplo:
Regresion por minimos cuadrados
2.6
2.2
2
1.8
f(x)
Lineal
Cuadratico
Cubico
2.4
1.6
1.4
1.2
1
Lineal
Cuadrtico
Cbico
MSE
0.2869
0.1390
0.1494
R2
0.0059
0.5719
0.5974
AdjR2
0.0059
0.5184
0.4824
0.8
-4
-3
-2
-1
0
x
2.2
2
1.8
f(x)
Ajustando un modelo
ms complejo se logra
mejor ajuste de los
datos
Lineal
Cuadratico
Cubico
quinto
2.4
1.6
1.4
1.2
Quinto orden
MSE
0.0566
R2
0.8911
AdjR2
0.8040
1
0.8
-4
-3
-2
-1
0
x
Interpolacin polinmica
Interpolamos mediante la combinacin lineal
de funciones conocidas
La suma, resta, multiplicacin, derivada e
integral de polinomios dan como resultado otro
polinomio
El teorema de Weierstrass nos asegura que
siempre se puede aproximar una funcin
continua f(x) con un polinomio de grado n
Mtodo de Newton
Newton propuso el polinomio:
Pn ( x) a0 a1 ( x x0 ) a 2 ( x x0 )( x x1 )
a n ( x x0 )( x x1 ) ( x xn 1 )
que podemos escribir:
Pn ( x) a0 ai
i 1
( x x j )
j 0
i 1
Mtodo de Newton
Cmo podemos encontrar los ai?
Pn ( x0 ) a0 y0
Pn ( x1 ) a0 a1 ( x1 x0 ) y1
Pn ( x2 ) a0 a1 ( x2 x0 ) a 2 ( x2 x0 )( x2 x1 ) y 2
Mtodo de Newton
Si elegimos los intervalos equidistantes:
xn xn 1 x cte
Si elegimos los intervalos equidistantes:
Pn ( x0 ) a0 y0
Pn ( x1 ) a0 a1 ( x1 x0 ) y1
a0 y 0
y1 y0 y
a1
x1 x0 x
Mtodo de Newton
Pn ( x2 ) a0 a1 ( x2 x0 ) a 2 ( x2 x0 )( x2 x1 ) y 2
a2
y1 y0
y 2 y0
( x 2 x0 )
x1 x0
2(x)
y 2 2 y1 y0
2(x)
y0
2(x)
Mtodo de Newton
Para el caso general:
an
n y0
n! ( x ) 2
Pn ( x) a0 ( x x1 )( x x2 )( x x3 ) ( x xn )
a1 ( x x0 )( x x2 )( x x3 ) ( x xn )
a 2 ( x x0 )( x x1 )( x x3 ) ( x xn )
a n ( x x0 )( x x1 )( x x2 ) ( x xn 1 )
Mtodo de Lagrange
Cmo podemos encontrar los ai?
Pn ( x0 ) a0 ( x0 x1 )( x0 x2 )( x0 x3 ) ( x0 xn ) y0
Pn ( x1 ) a1 ( x1 x0 )( x1 x2 )( x1 x3 ) ( x1 xn ) y1
Pn ( x2 ) a 2 ( x2 x0 )( x2 x1 )( x2 x3 ) ( x2 xn ) y 2
Pn ( xn ) a n ( xn x0 )( xn x1 )( xn x2 ) ( xn xn 1 ) y n
Problemas...
Cmo se ve la interpolacin si se realiza con
polinomios de alto orden?
Cmo afecta la acumulacin de errores de
numricos en polinomios de alto orden?
Interpolacin de polinomios
f x a0 a1 x a2 x an x
2
Para n+1 puntos, hay uno y slo un polinomio de orden n que pasa a
travs de todos los puntos
f1 x f x0 f x1 f x0
x x0
x1 x0
f x1 f x0
x x0
f1 x f x0
x1 x0
otra forma
f1 x b0 b1 x x0
Si x = x0 b0 f x0
f(x1)
f1(x)
f(x0)
x0
x1
f x2 f x1 f x1 f x0
x2 x1
x1 x0
Si x = x2 b2
x2 x0
Aproximacin por
diferencias finitas de la
2da derivada
b0 f x0
b1 f x1 , x0
b2 f x2 , x1 , x0
bn f xn , xn 1 , , x1 , x0
f xi f x j
f xi , x j
xi x j
f xi , x j , xk
f xi , x j f x j , xk
xi xk
f xn , xn 1 , , x1 , x0
f xn , xn 1 , , x1 f xn 1 , , x1 , x0
xn x0
y=ln(x)
Y_int
Ea
1.38629
0.46209
0.46209
1.79175
0.56584
0.10374
1.60943
0.62876
0.06292
1.5
0.5
funcion original
puntos de la muestra
Polinomio de Newton
-0.5
-1
3
x
f n x f x0 f x1 , x0 x x0 f xn , xn 1 , , x0 x x0 x x1 x xn 1
f n xi
xi 1 xi n Rn
f xi 1 f xi f ' xi xi 1 xi
n!
De manera similar al caso de la serie de Taylor se
puede obtener una formulacin para el error de los
polinomios de Newton
f n 1
Para la serie de Taylor
xi 1 xi n 1
Rn
n 1!
Para polinomio de newton de orden n
f n 1
x x0 x x1 x xn
Rn
n 1!
Rn f n 1 x f n x
Interpolacin de polinomios de
Lagrange
f n x Li x f xi
i 0
donde,
Li x
j 0
j i
x xj
xi x j
f1 x
x x0
x x1
f x0
f x1
x0 x1
x1 x0
Polinomio de orden n = 1
Polinomio de orden n = 2
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
f 2 x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
Interpolacin de polinomios de
Lagrange
Rn f x, xn , xn 1 , , x0 x xi
i 0
Coeficientes de un polinomio de
interpolacin
f x a0 a1 x a2 x 2 an x n
se basa en el hecho de que n+1 puntos se requieren
para determinar los n+1 coeficientes
Coeficientes de un polinomio de
interpolacin
f x a0 a1 x a2 x 2
Se requieren tres puntos (x0,f(x0)), (x1,f(x1)) y (x2,f(x2)), sustituyendo
cada uno en el polinomio para dar
f x0 a0 a1 x0 a2 x0
f x1 a0 a1 x1 a2 x1
f x2 a0 a1 x2 a2 x2
Interpolacin segmentaria
(SPLINES)
Segmentarias cuadrticas
f i x ai x 2 bi x ci
Segmentarias cuadrticas
En consecuencia , 3n constantes
desconocidas (a, b y c)
Se requieren 3n ecuaciones:
a3 x 2 b3 x c3
a1 x 2 b1 x c1
a2 x 2 b2 x c2
f x1
f x0
ai 1 xi 1 bi 1 xi 1 ci 1 f xi 1
f x3
f x2
Intervalo
1
ai xi 1 bi xi 1 ci f xi 1
2
para i = 2 a n
Como solo se usan para puntos
interiores, da un total de 2n-2 ecuac.
Intervalo
2
Intervalo
3
x0
x1
x2
x3
i=0
i=1
i=2
i=3
Segmentarias cuadrticas
2. Las 1ra y ultima funciones deben
pasar por los puntos extremos
a1 x0 b1 x0 c1 f x0
2
an xn bn xn cn f xn
2
a2 x 2 b2 x c2
2 ecuaciones adicionales
3. Las 1ras derivadas en los nodos
interiores deben ser iguales
f x1
f x0
f ' x 2ax b
2ai 1 xi 1 bi 1 2ai xi 1 bi
para i = 2 a n
n-1 ecuaciones
Para un total de 2n-2 + 2 + n-1 = 3n-1
a3 x 2 b3 x c3
a1 x 2 b1 x c1
Intervalo
1
x0
i=0
f x3
f x2
Intervalo
2
Intervalo
3
x1
x2
x3
i=1
i=2
i=3
Segmentarias cuadrticas
A menos que se tenga informacin
adicional acerca de la funcin o sus
derivadas, se debe tomar una
seleccin arbitraria para calcular las
constantes
a3 x 2 b3 x c3
a1 x 2 b1 x c1
a2 x 2 b2 x c2
f x1
f x0
f x3
f x2
Intervalo
1
Intervalo
2
Intervalo
3
x0
x1
x2
x3
i=0
i=1
i=2
i=3
Segmentarias cuadrticas
3
2.5
f(x)
f(x)
2.5
4.5
1.0
2.5
1.5
0.5
0.5
5
x
10
Segmentarias cuadrticas
3
2.5
f(x)
f(x)
2.5
4.5
1.0
2.5
0.5
1.5
0.5
5
x
10
Segmentarias cuadrticas
Ejemplo: Ajustar por segmentarias
cuadrticas los datos de la tabla.
Interpole el valor en x = 5
2.5
f(x)
2.5
4.5
1.0
2.5
0.5
0.5
f(x)
1.5
9a1 b1 9a2 b2
14a2 b2 14a3 b3
5
x
10
a1 0
Segmentarias cuadrticas
Ejemplo: El problema se reduce a
resolver un sistema de ecuaciones
lineales
20.25a1 4.5b1 c1 1.0
20.25a2 4.5b2 c2 1.0
49a2 7b2 c2 2.5
49a3 7b3 c3 2.5
9a1 3b1 c1 2.5
81a3 9b3 c3 0.5
9a1 b1 9a2 b2 0
14a2 b2 14a3 b3 0
a1 0
4.5 1
b1 1
c 1
.
5
1
20
.
25
4
a2 2.5
49
7 1
49 7 1 b2 2.5
3 1
c2 2.5
81 9 1 a3 0.5
b
9
1
0
3
14
1
14 1 c3 0
Segmentarias cuadrticas
Ejemplo: Resolviendo el sistema
de ecuaciones se obtiene
a1 0
b1 1
5
4.5
c1 5.5
4
3.5
c3 91.3
f(x)
a3 1.6
3
2.5
2
x 5. 5
3 x 4.5
4.5 x 7
7 x9
5
x
10
Segmentarias cbicas
f i x ai x 3 bi x 2 ci x d i
Segmentarias cbicas
1.
2.
3.
4.
5.
La ltima condicin indica que la funcin se vuelve una lnea recta en los
puntos extremos
Segmentarias cbicas
f ' ' xi 1
xi x 3 f ' ' xi x xi 1 3
6 xi xi 1
6 xi xi 1
f xi 1 f ' ' xi 1 xi xi 1
xi x
6
xi xi 1
f xi
f ' ' xi xi xi 1
x xi 1
x
x
6
i i 1
Segmentarias cbicas
6
f xi 1 f xi 6 f xi 1 f xi
xi 1 xi
xi xi 1
Interpolacin Polinmica
Segmentaria
u Limitaciones de la interpolacin polinmica
4 Grado del polinomio
4 Carcter de la funcin a interpolar
u Alternativa propuesta: Splines.
4 Numricamente estable
4 Matrices dispersas
4 Agradable a la vista
Interpolacin Polinomica
Segmentaria: Splines
u Interpolacin Segmentaria
u Interpolacin Segmentaria Lineal
u Interpolacin Segmentaria Cbica
4 Condiciones Naturales
4 Condiciones sobre la derivada
Interpolacin Segmentaria
Lineal: Funcin de Runge
Polinomio grado 4
Spline lineal
1
0.9
0.8
0.8
0.6
0.7
0.6
0.4
0.5
0.2
0.4
0.3
0.2
-0.2
-0.4
0.1
-1
0
-1
1
y
1 25x 2
Polinomio interpolad
or
Aplicaciones
u Ingeniera y Diseo (CAD/CAM, CNCs)
u Geologa
u Aeronutica y automocin
u Economa
u Procesamiento de seales e imgenes (Reconocimiento
Splines Lineales
u Polinomio de Lagrange
x xk
x x k 1
q k (x)
yk
y k 1
x k x k 1
x k 1 x k
u Polinomio de Newton
q k ( x ) f [ x k ] f [ x k , x k 1 ]( x x k )
y k 1 y k
yk
(x xk )
x k 1 x k
Splines Lineales
Interpolacin Segmentar
ia Lineal: Funcin de Ru
nge
Polinomio grado 4
Spline lineal
1
0.9
0.8
0.8
0.6
0.7
0.6
0.4
0.5
0.2
0.4
0.3
0.2
-0.2
-0.4
0.1
-1
0
-1
1
y
1 25x 2
1
0
h2
2(h2 h3)
0
0
0
0
0
0
0
0
0
hn3
2(hn4 hn3)
0
hn3
hn2
2(hn3 hn2 )
hn2
0
2(hn2 hn1)
0
0
0
0
0
0
0
0
0
Trminos independientes
3
3
(a2 a1 ) (a1 a 0 )
h1
h0
(a n a n1 )
(a n1 a n2 )
h n 2
hn1
Ejemplo de la temperatura
Spline cbico
22
22
20
20
18
18
16
16
Grados
Grados
Polinomio interpolador
14
14
12
12
10
10
8
6
8
5
10
15
Hora
20
10
15
Hora
20
h n 1c n 1 2 h n 1c n 3 f ' ( x n )
3
h n 1
( a n a n 1 ).
0
0
0
h0
2h0
h 2(h h )
0
0
0
0
h
0
1
1
0
2(h1 h2 )
0
0
0
h1
h2
(
)
0
0
2
0
0
0
h
h
h
2
2
3
2(hn3 hn2 )
0
0
0
0
hn2
0
0
0
0
0
2(hn2 hn1) hn1
hn2
0
0
0
0
2hn1
hn1
0
Trminos independientes
3
h (a1 a 0 )
0
3 (a a )
1
h1 2
p
3
( a n a n 1 )
h n 1
3f ' ( x n )
3f ' ( x 0 )
3
(a 1 a 0 )
h0
3
( a n 1 a n 2 )
h n2
3
( a n a n 1 )
h n 1
Splines Cbicos
Spline de MATLAB
Interpolacin Lineal
0.5
0.5
0
0
-1
Spline Natural
-1
Spline Derivada
0.5
0.5
0
-1
-1
Problemas Propuestos
de IC343
Mtodos Numricos
Aplicados a la Ingeniera
PREGUNTA N 01
[4.0 p]
Xi
Yi
0.0
5.2
0.5
5.21
1.0
6.49
1.5
9.54
2.0
16.02
2.5
24.53
Haciendo uso de un mtodo numrico apropiado, ajustar los datos de la tabla mostrada a
una curva de la siguiente forma:
f x ae x be x
PREGUNTA N 01
Un polinomio pasa por los siguientes puntos:
(3.0, 2.0)
(4.0, 3.1)
[5.0 p]
(5.0, 4.4)
(6.0, 6.0)
y a1 a 2 x a3 x 2 a 4 x 3
Establecer el sistema de ecuaciones y resolverlo para los coeficientes a1 a a4 por
eliminacin de Gauss o por descomposicin LU. La matriz de este problema es una MATRIZ
DE VANDERMONDE (4 x 4). Matrices ms grandes de ste tipo tienden a estar mal
condicionadas.
PREGUNTA N 04
[5.0 p]
Determinar mediante un Mtodo Numrico apropiado las estimaciones de la poblacin de
estudiantes de la UNSCH hasta el ao 2031, teniendo en cuenta los datos proporcionados
por la Oficina de Planificacin y Presupuesto de la UNSCH.
Estudiantes
AO
N Est(1).
ESTUDIANTES: 1981-2004 (con proyeccin al 2010)
1981
5294
1982
6097
9000
1983
5666
1984
5262
8500
1985
5847
y = 112.67x - 217916
1986
6034
2
8000
1987
5887
R = 0.85
1988
5990
1989
6058
7500
1990
5276
1991
0*
7000
1992
6685
1993
6741
6500
1994
7191
1995
7389
6000
1996
7142
1997
7068
1998
6496
5500
1999
6435
2000
7190
5000
2001
7641
1980
1985
1990
1995
2000
2005
2010
2002
8072
Aos
2003
8402
2004
8640
NOTAS: *Desfase del ao acadmico
(1) Los datos de 1990 a 2004 son registros histricos, de 2005 a 2010 corresponden a proyecciones en el estudio de la OPP.
PREGUNTA N 07
[4.0 p]
y F x1 , x 2 a0 a1 x1 a 2 x 2
Dimetro
(pies)
1
Pendiente
(pies/pies)
0.001
Flujo
3
(pies /s)
1.4
2
3
2
3
0.001
0.001
8.3
24.2
4
5
1
2
0.01
0.01
4.7
28.9
6
7
8
9
3
1
2
3
0.01
0.05
0.05
0.05
84.0
11.1
69.0
200.0
Se sabe que el flujo (Q) est relacionado con la pendiente (S) y el dimetro (D) a
travs de la siguiente expresin:
Q a0 D a1 S a2
Estimar un valor de Q en un tubo con:
D = 2.5 pies
S = 0.025 pies/pie
TENSIN
TEST
91.00
0.001
2
3
4
5
6
7
8
9
10
97.00
108.00
111.00
114.00
110.00
112.00
105.00
98.00
91.00
0.002
0.003
0.005
0.006
0.006
0.009
0.011
0.016
0.017
PREGUNTA N 01
[6.0 p]
Los resultados del experimento de un tnel de aire sobre el flujo del aire en la punta del ala de un avin
proporcionan los siguientes datos:
0.730
0.780
0.810
0.860
0.875
0.890
0.950
1.020
1.030
1.055
1.135
1.14
1.245
1.320
1.385
1.430
1.445
1.535
1.570
1.630
1.755
0.0788
0.0788
0.064
0.0788
0.0681
0.0703
0.0703
0.0681
0.0681
0.0790
0.0575
0.0681
0.0575
0.0511
0.0575
0.0490
0.0532
0.0511
0.0490
0.0532
0.0426
Donde R es la distancia del ncleo al vrtice, C es la cuerda del ala del avin, V es la velocidad
tangencial del vrtice y V es la velocidad del avin libre de corrientes.
xR
Sean:
La curva es de la forma:
A
x 2
g x 1 e
x
contra
PREGUNTA N 02
[5.0 ptos.]
SISTEMAS DE ECUACIONES NO LINEALES
En la siguiente tabla se refleja los valores obtenidos de forma experimental, de cierta magnitud d en
los distintos instantes t.
t
d(t)
0.0
1.0950
0.5
-0.1569
1.0
-1.0157
1.5
-1.4740
2.0
-1.3616
2.5
-0.8342
3.0
-0.0135
t e
sin t
PREGUNTA N 01
FUNCIN POLINMICA DE DOS VARIABLES
Utilizando la interpolacin lineal de dos dimensiones, elaborar un procedimiento numrico para una
herramienta de clculo apropiada que permita interpolar los valores TP (56.4 F, 12.7 psi), (56.4 F,
22.7 psi), (56.4 F, 100 psi), (411.2 F, 12.7 psi), (411.2 F, 30.1 psi), (-200 F, 10 psi) y (0 F, 84.3 psi)
correspondiente a la tabla:
TEMPERATURA
(F)
-200
-100
0
100
200
300
400
500
PRESIN (PSI)
10
17.15
23.97
30.72
37.44
44.13
50.83
57.51
64.20
20
8.47
11.94
15.32
18.70
22.07
25.42
28.76
32.10
30
5.57
7.91
10.19
12.44
14.70
16.94
19.17
21.40
40
4.12
5.91
7.63
9.33
11.03
12.71
14.38
16.05
60
2.678
3.91
5.06
6.21
7.34
8.46
9.58
10.70
80
1.954
2.903
3.78
4.65
5.50
6.35
7.19
8.03
100
1.518
2.301
3.014
3.71
4.40
5.07
5.75
6.42
PREGUNTA N 03
INTERPOLACIN POLINMICA
La siguiente tabla refleja la demanda de energa elctrica en una Ciudad cada dos horas de un da
determinado del ao.
HORA
0
2
4
6
8
10
12
MW
31.250
28.000
26.000
26.000
34.000
37.500
38.000
HORA
14
16
18
20
22
24
MW
35.500
34.500
38.500
39.500
36.500
33.000
a) Hallar el polinomio de grado 12 que interpola los valores dados. Explicar el comportamiento del
polinomio de interpolacin.
b) Se propone mejorar la interpolacin dividiendo el intervalo en dos, de 0 a 12 y de 12 a 24 y
hallando un polinomio para cada intervalo. Representa los polinomios obtenidos y compara el
resultado con el del apartado anterior.
c) Interpola los datos con un paquete de software mediante un polinomio apropiado y compara con
los ajustes anteriores.
PREGUNTA N 02
[5.0 ptos.]
y x
y=10
y=20
y=30
y=40
y=50
y=60
y=70
y=80
y=90
y=100
a)
b)
c)
d)
x=15
x=30
23
45
60
82
111
140
167
198
200
20
33
55
70
92
121
150
177
198
210
230
Seccin de Preguntas
Muchas Gracias