REPRESENTACIN GRFICA DE DATOS EXPERIMENTALES Y PREDICCIN DE VALORES. Mtodos: Grficos, de los promedios, de los mnimos cuadrado.

En una experiencia de laboratorio se tiene un bloque que desliza por una superficie horizontal prcticamente sin roce. Mediante un programa computacional se obtiene la siguiente informacin, donde x (t) indica la posicin y el tiempo transcurrido. t (s) d (cm) 1.2 1.7 2.5 3.3 4.4 4.9 5.4 6.2 7.4

12.5 16.2 22.1 28

36.2 39.9 44.6 49.5 58.4

Se desea encontrar la relacin funcional que liga a las variables, es decir al desplazamiento con el tiempo, esto implica conocer la ecuacin itinerario del mvil que ha ocupado las siguientes posiciones en funcin del tiempo:. Mtodo Grfico Se ha dibujado con una regla la mejor recta estimada en el grfico. Tomamos dos puntos de fcil lectura de la recta trazada (t1,x1), (t2,x2) y calculemos su pendiente m. Para el valor de b leemos donde la recta trazada corta al eje de las abscisas.

As resulta b =3,6 (cm), de manera que la relacin funcional es: x(t)=3,6 + 7,4 t

Desde el punto de vista fsico la ecuacin anterior corresponde a la ecuacin itinerario de un mvil, que entrega la posicin en funcin del tiempo. Aqu la pendiente m=7,4 corresponde a la velocidad (componente) con la que se desplaza el mvil y nos dice que en t=0 el mvil estaba en la posicin x= 3,6 m del origen del sistema hacia la derecha. MTODO DE PROMEDIOS: Entrega mejor resultado que el mtodo grfico, cuando se dispone de 6 o ms puntos de moderada precisin. Este mtodo se basa en la suposicin de que la suma de los residuos (r) es igual a cero: r=0 Se entiende por residuo la diferencia entre el valor experimental de y y el valor dado por la expresin (mx + b): r = y - (mx + b) Para calcular m y n, se necesitan dos ecuaciones. Por lo tanto, para utilizar todas las medidas, se dividen las n ecuaciones en dos grupos:

Del Grupo I, se obtiene una nueva ecuacin (1) obtiene otra ecuacin (2).

y del grupo II

se

Con (1) y (2), se forma un sistema que permite determinar m y b. En el problema planteado y de la tabla de valores se tomaron los cuatro primeros y los cinco ltimos para formar los dos grupos de manera que resulta un sistema de dos ecuaciones, 19,7 = 2.2.m + b 45,7 = 5,7m+b

y de all se obtiene la relacin lineal:

x (t) = 3,4 + 7,4t

(cm)

METODO DE LOS MINIMOS CUADRADOS El tercer mtodo, el de los mnimos cuadrados es ms preciso pero, necesita muchos ms datos que los comentados hasta ahora y se basa en consideraciones estadsticas para obtener la pendiente m de la recta y el interfecto n de la recta con el eje de las ordenadas. Este mtodo se basa en la siguiente definicin: la mejor curva de ajuste de todas las curvas de aproximacin a una serie de datos puntuales es la que hace mnima la suma de los cuadrados de las desviaciones Di de la curva [Di = yi - ( m xi + b )]. Las expresiones para m y ecuaciones: b se encuentran con las siguientes

Donde n es el nmero de puntos. Cabe hacer notar que las variables x e y son de carcter genrico en la expresin matemtica, y que estas pasan a tomar otra designacin dependiendo de las variables que se estn trabajando. Funciones potencial y exponencial: Representaciones grficas de funciones Los grficos N1 y N2 son curvas cuya interseccin con el eje de las ordenadas es de pendiente nula, la rectificacin se logra cambiando la variable x por la de xn con n nmero real mayor que cero, como lo muestra el grfico N3.

Para este grfico N4 y n rectificacin se hace con 1 / x

disminuye cuando x

aumenta, la

Podemos generalizar los casos a funciones exponenciales funciones potenciales Funciones Exponenciales: y AeBx =

En este caso la relacin lineal se obtiene haciendo el siguiente cambio de variables: Ln y = Bx + Ln A que al compararla con la ecuacin de la recta se observa que m = B y n = LnA.

Funciones Potenciales:

y = Axm

En este caso la relacin lineal se obtiene haciendo el siguiente cambio de variables: Log y = mlog x + Log A RESOLUCIN DE ECUACIONES NO LINEALES

Ecuaciones no lineales: Conceptualizacin. Clculo numrico. Algoritmos. Mtodos iterativos. Races real y compleja. Mtodo de Newton. En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de Newton-Raphson o el mtodo de Newton-Fourier) es un algoritmo eficiente para encontrar aproximaciones de los ceros o races de una funcin real. Tambin puede ser usado para encontrar el mximo o mnimo de una funcin, encontrando los ceros de su primera derivada. La idea de este mtodo es la siguiente: se comienza con un valor razonablemente cercano al cero (denominado punto de arranque), entonces se reemplaza la funcin por la recta tangente en ese valor, se iguala a cero y se despeja (fcilmente, por ser una ecuacin lineal). Este cero ser, generalmente, una aproximacin mejor a la raz de la funcin. Luego, se aplican tantas iteraciones como se deseen. Supngase f : [a, b] R funcin derivable definida en el intervalo real [a, b]. Empezamos con un valor inicial x0 y definimos para cada nmero natural n. Xn+1 = f(Xn) / f (Xn). Donde f denota la derivada de f. Obtencin del Algoritmo Tres son las formas principales por las que tradicionalmente se ha obtenido el algoritmo de Newton-Raphson. La primera de ellas es una simple interpretacin geomtrica. En efecto, atendiendo al desarrollo geomtrico del mtodo de la secante, podra pensarse en que si los puntos de iteracin estn lo suficientemente cerca (a una distancia infinitesimal), entonces la secante se sustituye por la tangente a la curva en el punto. As pues, si por un punto de iteracin trazamos la tangente a la curva, por extensin con el mtodo de la secante, el nuevo punto de iteracin se tomar como la abcisa en el origen de la tangente (punto de corte de la tangente con el eje X). Esto es equivalente a linealizar la funcin, es decir, f se reemplaza por una recta tal que contiene al punto (X0, f(X0)) y cuya pendiente coincide con la derivada de la

funcin en el punto, f(X0). La nueva aproximacin a la raz, X1, se logra la interseccin de la funcin linear con el eje X de ordenadas. Matemticamente: f (Xn) = f(Xn) / Xn - Xn+1. Convergencia del Mtodo El radio de convergencia de este mtodo es, por lo menos, cuadrtico. Sin embargo, si la raz buscada es de multiplicidad algebraica mayor a uno (i.e, una raz doble, triple,), el mtodo de Newton-Raphson pierde su convergencia cuadrtica y pasa a ser lineal de constante asinttica de convergencia 11/m, con m la multiplicidad de la raz. Existen numerosas formas de evitar este problema, como pudieran ser los mtodos de aceleracin de la convergencia tipo de Aitken o el mtodo de Steffensen. Derivados de Newton-Raphson destacan el mtodo de Ralsta-Ravinovitz, que restaura la convergencia cuadrtica sin ms que modificar el algoritmo a: Xn+1 = Xn - m(f(Xn) / f (Xn)). Evidentemente, este mtodo exige conocer de antemano la multiplicidad de la raz, lo cual no siempre es posible. Por ello tambin se puede modificar el algoritmo tomando una funcin auxiliar g(x)=f(x)/f(x), resultando: Xn+1 = Xn - (g(Xn) / g (Xn)). Su principal desventaja en este caso sera lo costoso que pudiera ser hallar g(x) y g(x) si f(x) no es fcilmente derivable. Por otro lado, la convergencia del mtodo se demuestra cuadrtica para el caso ms habitual en base a tratar el mtodo como uno de punto fijo: si g=0, y g es distinto de 0, entonces la convergencia es cuadrtica. Sin embargo, est sujeto a las particularidades de stos mtodos. Ntese de todas formas que el mtodo de Newton-Raphson es un mtodo abierto: la convergencia no est garantizada por un teorema de convergencia global como podra estarlo en los mtodos de falsa posicin o de biseccin. As, es necesario

partir de una aproximacin inicial prxima a la raz buscada para que el mtodo converja y cumpla el teorema de convergencia local. Mtodo De Biseccin El Mtodo parte de una Funcin f(x) y un intervalo [x1,x2], tal que f(x1) y f(x2) tienen signos contrarios. Si la funcin es continua en este intervalo, entonces existe una Raz de f(x) entre x1 y x2. Una vez determinado el intervalo [x1,x2] y asegurada la continuidad de la funcin en ese intervalo, se evala sta en el punto medio del intervalo Xm. Si f(x1) y f(x2) tienen signos contrarios , se reducir el intervalo de x1 a Xm ya que entre ellos se encuentra la raz buscada. Al contrario si f(x1) y f(x2) tienen el mismo signo, el intervalo se reducir de Xm a x2. Se repite este procedimiento hasta lograr que f(Xm) est dentro de una tolerancia de error o error prefijado, tal que |f(Xm)|<= e donde e= error, entonces el ultimo valor de Xm ser una buena aproximacin a la Raz. Ejemplo: Encontrar una solucin para la ecuacin Con Un error mximo de 0.05 funcin: X3-X=1 f(x)= X3-X-1=0 Error: e=0.05 -f(x1) y f(x2) de signo contrarios X -|0|1|2|3| X3-X=1

F(x)

| 1 | 1 | 5 |23 |

--- X1 ---- f(x1) ---- X2 ---- f(x2) ---- Xm ---- f(Xm) --1.0000 | 1.0000| 2.0000| 5.0000 | 1.5000| 0.8750 | 1.0000 | 1.0000| 1.5000| 0.8750 | 1.2500| 0.2968 | 1.2500 | 0.2968| 1.5000| 0.8750 | 1.3750| 0.2246 | 1.2500 | 0.2968| 1.3750| 0.2246 | 1.3125| 0.0515 | 1.3125 | 0.0515| 1.3750| 0.2246 | 1.3437| 0.0823 | 1.3125 | 0.0515| 1.3437| 0.0823 | 1.3281| 0.0144 | Tipos De Errores

Error de concepto: inexactitud o equivocacin al producir en la mente una idea sobre algo. Error de apreciacin: es una inexactitud o equivocacin al percibir con los sentidos y la mente un determinado fenmeno o evaluar determinada situacin o problema. Error de medicin: la inexactitud que se acepta como inevitable al comparar una magnitud con su patrn de medida. El error de medicin depende de la escala de medida empleada, y tiene un l mite. Los errores de medicin se clasifican en distintas clases (accidentales, aleatorios, sistemticos, etc.). Error absoluto. Es la diferencia entre el valor de la medida y el valor tomado como exacto. Puede ser positivo o negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o negativa). Tiene unidades, las mismas que las de la medida. Error absoluto es la imprecisin que acompaa a la medida. Nos da idea de la

Sensibilidad del aparato o de lo cuidadosas que han sido las medidas por lo poco dispersas que resultaron. El error absoluto indica el grado de aproximacin y da un indicio de la calidad de la medida. El conocimiento de la calidad se complementa con el error relativo. Ea=imprecisin=incertidumbre Error relativo. Es el cociente (la divisin) entre el error absoluto y el valor exacto. Si se multiplica por 100 se obtiene el tanto por ciento (%) de error. Al igual que el error absoluto puede ser positivo o negativo (segn lo sea el error absoluto) porque puede ser por exceso o por defecto. No tiene unidades. Error relativo es el que nos indica la calidad de la medida. Es el cociente entre el error absoluto y el valor que damos como representativo (la media aritmtica). Se puede dar en % de error relativo 1.3.2 ERROR POR REDONDEO Es aquel tipo de error en donde el nmero significativo de dgitos despus del punto decimal se ajusta a un nmero especfico provocando con ello un ajuste en el ltimo dgito que se toma en cuenta. Los errores de redondeo resultan de representar aproximadamente nmeros que son exactos. Proceso mediante el cual se eliminan decimales poco significativos a un nmero decimal. Mtodo comn Las reglas del redondeo se aplican al decimal situado en la siguiente posicin al nmero de decimales que se quiere transformar, es decir, si tenemos un nmero de 3 decimales y queremos redondear a 2, se aplicar las reglas de redondeo: Dgito menor que 5: Si el siguiente decimal es menor que 5, el anterior no se modifica. Ejemplo: 12,612. Redondeando a 2 decimales deberemos tener en cuenta el tercer decimal: 12,612= 12,61.

Dgito mayor que 5: Si el siguiente decimal es mayor o igual que 5, el anterior se incrementa en una unidad. Ejemplo: 12,618. Redondeando a 2 decimales deberemos tener en cuenta el tercer decimal: 12,618= 12,62. Ejemplo: 12,615. Redondeando a 2 decimales deberemos tener en cuenta el tercer decimal: 12,615= 12,62. Esto genera errores de redondeo En ambos casos tenemos que: Valor verdadero = valor aproximado + error Definicin. Definimos el error absoluto como: = valor verdadero - valor aproximado 1.3.3 ERROR POR TRUNCAMIENTO Para llevar a cabo operaciones de algunas funciones matemticas los compiladores ejecutan estas funciones utilizando series infinitas de trminos, pero es difcil llevar a cabo estos clculos hasta el infinito, por lo tanto la serie tendr que ser truncada. Truncamiento es el trmino usado para reducir el nmero de dgitos a la derecha del punto decimal, descartando los menos significativos. Por ejemplo dados los nmeros reales: 3,14159265358979 32,438191288 6,3444444444444 Para truncar estos nmeros a dgitos decimales, slo consideramos los 4 dgitos a la derecha de la coma decimal.

El resultado es: 3,1415 32,4381 6,3444 Ntese que en algunos casos, el truncamiento dar el mismo resultado que el redondeo, pero el truncamiento no redondea hacia arriba ni hacia abajo los dgitos, meramente los corta en el dgito especificado. El error de truncamiento puede ser hasta el doble del error mximo que se puede tener usando redondeo. Los errores de truncamiento, resultan de representar aproximadamente un procedimiento matemtico exacto. Los errores de truncamiento tienen relacin con el mtodo de aproximacin que se usar ya que generalmente frente a una serie infinita de trminos, se tender a cortar el nmero de trminos, introduciendo en ese momento un error, por no utilizar la seria completa (que se supone es exacta). En una iteracin, se entiende como el error por no seguir iterando y seguir aproximndose a la solucin. en un intervalo que se subdivide para realizar una serie de clculos sobre l, se asocia al nmero de paso, resultado de dividir el intervalo n veces.

1.3.4 ERROR NUMRICO TOTAL El error numrico total se entiende como la suma de los errores de redondeo y truncamiento introducidos en el clculo. Pero aqu surge un problema. Mientras ms clculos se tengan que realizar para obtener un resultado, el error de redondeo se ir incrementando. Pero por otro lado, el error de truncamiento se puede minimizar al incluir ms trminos en la ecuacin, disminuir el paso a proseguir la iteracin (o sea mayor nmero de clculos y seguramente mayor error de redondeo):

El error numrico total es la suma de los errores de redondeo y de truncamiento (los errores de truncamiento decrecen conforme el nmero de clculos aumenta, por lo que se encara el siguiente problema: la estrategia de disminuir un componente del error total lleva al incremento del otro). SISTEMAS DE ECUACIONES Sistemas de ecuaciones lineales: Mtodos de eliminacin. Mtodos iterativos Mtodos para sistemas especiales. Mtodos de eliminacin El mtodo de Eliminacin de Gauss consiste en transformar un sistema de ecuaciones lineales (S.E.L.) en otro S.E.L. equivalente ms sencillo de resolver (se puede resolver por simple inspeccin). Cuando se habla de un sistema equivalente se refiere a un sistema que tiene exactamente las mismas soluciones. Las operaciones que se llevan a cabo para obtener el sistema equivalente se llaman operaciones elementales. Hay tres tipos de operaciones elementales: I. Intercambio de dos ecuaciones del S.E.L.

II.

Reemplazar una ecuacin del S.E.L. por un mltiplo escalar de esta. (Se multiplica a ambos lados de una ecuacin por un nmero diferente de cero).

III.

Reemplazo de una ecuacin del S.E.L. por la suma de esta y un mltiplo escalar de otra ecuacin del S.E.L.

En el proceso de pasar de un sistema equivalente a otro, puede ahorrarse trabajo escribiendo solamente los coeficientes de las variables y los trminos constantes, que son los nicos que cambian en el procedimiento. En el ejemplo anterior al sistema de ecuaciones original lo podemos representar por medio del siguiente arreglo:

se llama matriz asociada al sistema y cada nmero de la matriz se llama componente, tambin se llama matriz aumentada del sistema. La matriz

se llama matriz de coeficientes del sistema y la matriz

se llama la matriz (vector) de trminos constantes del S.E.L. En lugar de efectuar las operaciones en las ecuaciones del sistema, podemos obtener el mismo resultado si los realizamos en las filas (o renglones) de la matriz aumentada del S.E.L., y en lugar de hablar de ecuaciones se habla de filas. Como Eij , KEi, K0, KEi + Ej denotan operaciones entre ecuaciones del sistema, denotaremos Fij , KFi, (K0), KFi + Fj las operaciones respectivas en las filas de la matriz aumentada del sistema. Por ejemplo, si realizamos la operacin - 2 F1 + F2 en la matriz

obtendremos:

La matriz aumentada final corresponde al sistema:

y si consideramos la solucin como una terna, la podemos escribir como (2, 0, -1). Este mtodo de comenzar con el S.E.L. para reducirlo en un S.E.L. equivalente

se llama el proceso de reduccin Gauss - Jordan o Eliminacin de Gauss - Jordan. La matriz aumentada final que aparece en este proceso se dice que esta en forma escalonada reducida. El mtodo de Gauss - Jordan es un refinamiento del mtodo de eliminacin de Gauss. En el mtodo de eliminacin de Gauss procedemos como en la forma anterior pero suspendemos el proceso cuando llegamos a una matriz ampliada como la marcada con asterisco, que se llama matriz escalonada. Para resolver un sistema de ecuaciones lineales no es necesario aplicar eliminacin de Gauss - Jordan, es suficiente con el mtodo de eliminacin de Gauss. El sistema correspondiente a la matriz denotada con asterisco

se puede resolver por sustitucin. De la ltima ecuacin se tiene que x3 = - 1. Sustituyendo este valor en la segunda ecuacin y despejando, tenemos que x2 = 1 + 1 = 0. Conocidos los valores de x3 y x2los sustituimos en la primera ecuacin x1 + 2(0) + (-1) = 1 y obtenemos x1 = 2. Se puede demostrar que el nmero de operaciones aritmticas que hay que realizar es menor en el mtodo de Gauss que en el mtodo de Gauss - Jordan. Para resolver un sistema de n ecuaciones con n incgnitas se requiere Mtodo: Numero aprox. de operaciones

Mtodo de Eliminacin de Gauss Mtodo de Eliminacin de Gauss - Jordan

En el proceso de eliminacin de Gauss en una misma etapa se pueden hacer varias operaciones elementales, teniendo presente que una fila afectada por una operacin elemental no puede ser utilizada en mas operaciones elementales en esta misma etapa.
Mtodos iterativos
Consideremos el sistema de n-ecuaciones con n-inc gnitas: o

Representamos el sistema como Ax = b . Los m todos iterativos que estudiaremos e trans- forman el sistema dado en otro equivalente de la forma x = T x + c para alguna matriz fija T y un vector c. D efinicion (radio espectral de una matriz) El radio espectral de una matriz se define como

Notemos que en el m todo iterativo de Jacobi se utilizan las coordenadas del e punto anterior para obtener las del nuevo punto, mientras que en el m todo iterativo e de Gauss- Seidel para obtener el nuevo punto se emplean las coordenadas nuevas ya generadas y las del punto anterior aun no generadas. D efinicion (matriz diagonal estrictamente dominante) Una matriz A, de orden nxn, se dice de diagonal estrictamente dominante cuando

Teor em a (convergencia de los m todos de Jacobi y Gauss-Seidel) e Si una matriz A es de diagonal estrictamente dominante, entonces para cualquier x0 , los m todos de Jacobi y Gauss-Seidel convergen a la unica soluci n de Ax = b . e o

Teor em a (convergencia de los m todos de rela jaci n) e o Los m todos de rela jaci n pueden converger s lo si 0 < < 2. e o o Los m todos que surgen al tomar e (0, 1) se denominan m todos de e subrela jaci n y pueden servir para obtener la convergencia de algunos sistemas que no o son convergentes con el m todo de Gauss-Seidel ( = 1). Las elecciones de e (1, 2) dan lugar a los m todos e denominados de sobrerrela jaci n y sirven para acelerar la convergencia se sistemas que o

son convergentes con el m todo de Gauss-Seidel. e