Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo Unidad2
Modulo Unidad2
PASTO
Enero de 2013
UNIDAD II:
Sistemas de Ecuaciones Lineales, No Lineales
e Interpolacin.
C
CA
APPIITTU
ULLO
O 33:: SSO
OLLU
UC
CII
N
ND
DEE SSIISSTTEEM
MA
ASS D
DEE EEC
CU
UA
AC
CIIO
ON
NEESS LLIIN
NEEA
ALLEESS
YY N
NO
O LLIIN
NEEA
ALLEESS..
C
CA
APPIITTU
ULLO
O 44:: IIN
NTTEER
RPPO
OLLA
AC
CIIO
ON
N
UNIDAD II:
SISTEMAS DE ECUACIONES LINEALES, NO LINEALES E
INTERPOLACION
(1)
Es una ecuacin algebraica lineal en las variables X1, X2, X3,..., Xn. Se admite que
los coeficientes a11, a12, a13,..., a1n y el trmino independiente C1, son constantes
reales.
SISTEMA DE ECUACIONES
Es un conjunto de ecuaciones que deben resolverse simultneamente. En los sucesivo se
considerarn nicamente sistemas de ecuaciones algebraicas lineales, o sea conjuntos
de ecuaciones de la forma:
.
a n1 x1 a n 2 x 2 a n 3 x3 ... a nn x n c n (c)
(2)
(3)
(5)
DE ECUACIONES
Mtodo de eliminacin
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas
y cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.
Un sistema Consistente puede ser: Determinado, si la solucin es nica o
Indeterminado, si la solucin no es nica. En este caso se demuestra que existe
una infinidad de soluciones.
Teoremas sobre rangos
El rango de una matriz es el orden de determinante no nulo de mayor orden que puede
obtenerse de esa matriz. El rango de la matriz A se representa con la notacin r(A) y el de
la matriz ampliada con r(A, C).
En lgebra se demuestra que:
1. Para cualquier sistema,
2. Si r(A) < r(A, C) el sistema es inconsistente
3. Si r(A) = r(A, C) el sistema de ecuaciones es consistente
En este caso, si adems r(A) = n, el sistema es determinado e indeterminado si r(A) < n,
siendo n el nmero de variables en el sistema.
Sin embargo, la expresin "en principio" del prrafo anterior es crucial: en realidad
se tienen errores por redondeo. Tendremos que considerar ms cuidadosamente
esta cuestin. En un sistema grande, mal comportado, los errores por redondeo de
un mtodo directo puede hacer que la "solucin" carezca de sentido. A pesar de
su error terico por truncamiento, un mtodo indirecto puede ser mucho ms
deseable porque en l los errores por redondeo no se acumulan.
(6)
En el cual los superndices indican los nuevos coeficientes que se forman en el proceso
de reduccin. La reduccin real se logra de la siguiente manera:
1. La primera ecuacin (2) se divide entre el coeficiente de X1 en esa ecuacin para
obtener:
(7)
(8)
3. La ecuacin utilizada para eliminar las incgnitas en las ecuaciones que la siguen
se denomina Ecuacin Pivote. En la ecuacin pivote, el coeficiente de la incgnita
que se va a eliminar de las ecuaciones que la siguen se denomina el Coeficiente
Pivote (a11 en los pasos previos).
4. Siguiendo los pasos anteriores, la segunda ecuacin (8) se convierte en la
ecuacin pivote, y los pasos de la parte 1 se repiten para eliminar X2 de todas las
ecuaciones que siguen a esta ecuacin pivote. Esta reduccin nos conduce a:
(9)
10
x1 4 x2 x3 7
x1 6 x 2 x3 13
(10)
2 x1 x 2 2 x3 5
Utilizando como ecuacin pivote la primera ecuacin (el coeficiente pivote es unitario),
obtenemos:
x1 4 x 2 x3 7
2 x 2 2 x3 6
(11)
9 x 2 0 9
A continuacin, utilizando la segunda ecuacin del sistema (11) como ecuacin pivote y
repitiendo el procedimiento, se obtiene el siguiente sistema triangular de ecuaciones:
x1 0 5 x3 5
2 x 2 2 x3 6
(12)
9 x2 0 9
De la tercera ecuacin del sistema (12) obtenemos el valor de
en las otras ecuaciones se obtienen los valores de x3
x2 1 , que al reemplazarlo
y x1
11
12
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss, permite
resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos significativos en las
operaciones aritmticas de la computadora. Este procedimiento se distingue del mtodo
Gaussiano en que cuando se elimina una incgnita, se elimina de todas las ecuaciones
restantes, es decir, las que preceden a la ecuacin pivote as como de las que la siguen.
El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de
ecuaciones
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500
0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3
0.3 X1 - 0.2 X2 + 10 X3 = 71.4000
Primero expresemos los coeficientes y el vector de trminos independientes como una
matriz aumentada.
El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero del
segundo rengln. De una manera similar, restando 0.3 veces el primero del tercer rengln
se elimina el trmino con X1 del tercer rengln.
13
Finalmente, los trminos con X3 se pueden reducir de la primera y segunda ecuacin para
obtener:
Inversin de matrices
Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de
cero
Es la inversa de A si:
(13)
Haciendo
, con lo que se
EJEMPLO
Invertir la matriz
15
Usando a11 como pivote, el rengln 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.
16
17
2.
3.
4.
5.
19
EJEMPLO
Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un
0.001.
20
21
22
X1 = 3.0
X2 = -2.5
X3 = 7.0
EJERCICIOS
NOTA: En todos los ejercicios, redondea tus resultados a cinco decimales.
1. Usa el mtodo de Gauss con pivoteo para resolver el siguiente sistema:
SOLUCION:
SOLUCION:
SOLUCION:
24
SOLUCION:
i)
ii)
Soluciones:
i)
ii)
a 1%
SOLUCION:
SOLUCION:
26
CAPITULO 4: INTERPOLACION
INTERPOLACION DE POLINOMIOS
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recuerde que la frmula general de un polinomio de n-simo orden es:
(1)
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que pasa a
travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir un polinomio
de primer orden) que conecta dos puntos. El polinomio de interpolacin consiste en
determinar el nico polinomio de n-simo orden que se ajusta a los n + 1 puntos dados.
Este polinomio proporciona una frmula para calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales se puede
expresar este polinomio. En esta unidad se estudian dos tcnicas alternativas que estn
bien condicionadas para implementarse en una computadora. Estos son los polinomios de
Newton y de Lagrange.
27
(21)
en donde:
(22)
En donde
(23)
28
(24)
(25)
f(X)
1.0
0.000 0000
4.0
1.386 2944
6.0
1.791 7595
Solucin:
El polinomio de primer orden es:
29
Comentarios adicionales
Hay dos temas adicionales que se deben de mencionar: La interpolacin con los
datos igualmente espaciados y la Extrapolacin.
Ya que los mtodos de Newton y de Lagrange son compatibles con los datos
espaciados en forma arbitraria, se debe de preguntar por que se aborda el caso de
los datos igualmente espaciados. Antes del advenimiento de las computadoras
30
31
Interpolacin lineal
La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea
recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura.
Fig. 1
(2)
32
(3)
33
Interpolacin cuadrtica
../../../Documents and Settings/ESC. AGRARIAS/Escritorio/para clase y cuaciones/metodos para
clase/tema2/interp02.html - atras El error en el ejemplo 3.1 se debe a que se aproxima a
una curva mediante una lnea recta. Por consiguiente, una estrategia que mejora la
aproximacin es la de introducir cierta curvatura en a lnea que conecta a los puntos. Si se
dispone de tres puntos lo anterior se puede llevar a cabo con un polinomio de segundo
orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para
este caso es:
(4)
O, agrupar trminos:
(6)
En donde:
(7)
34
De esta manera, las ecuaciones (1) y (4) son frmulas alternativas equivalentes
del nico polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los
coeficientes. Para b0, se usa la ecuacin (4) con X = X0, y se obtiene
b0 = f(X0) (8)
(9)
Y por ltimo, las ecuaciones (8) y (9) se sustituyen en la ecuacin (4), y se evala
sta en X = X2 y se obtiene:
(10)
SOLUCIN:
Aplicando la ecuacin (8) da:
b0 = 0
36
(11)
(12)
...
bn = f [Xn, Xn-1, ..., X1, X0]
37
(13)
(14)
(15)
Estas diferencias se usan para evaluar los coeficientes de la ecuacin (12), los
cuales se sustituyen en la ecuacin (11), para obtener el polinomio de
interpolacin:
f n (X) = f(X0) + (X-X0) f[X1, X0] + (X-X0)(X-X1) f[X2, X1, X0] +
(16)
...+ (X-X0)(X-X1)...(X-Xn-1) f[Xn, Xn-1,...,X1, X0]
38
Xi
f(Xi)
Primera
Segunda
Tercera
X0
f(X0)
f(X1, X0)
X1
f(X1)
f(X2, X1)
X2
f(X2)
f(X3,X2)
X3
f(X3)
EJEMPLO 3.3
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de
interpolacin de Newton con diferencias divididas de tercer orden:
f(X)
0.000 0000
1.386 2944
1.791 7595
1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.
39
Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan los
coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuacin da:
f 3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) + 0.0078655415 (X-1)(X-4)(X-6)
f [X]
f1[]
f2[]
f3[]
40
0.20273255 - 0.020410950
6.0 1.7917595
0.18232160
5.0 1.6094379
(17)
en donde es un punto cualquiera dentro del intervalo (Xi, Xi+1). Una relacin
anloga del error en un polinomio interpolante de n-simo orden est dado por:
(18)
41
En donde es un punto cualquiera dentro del intervalo que contiene las incgnitas
y los datos. Para uso de esta frmula la funcin en cuestin debe ser conocida y
diferenciable. Y usualmente, este no es el caso.
Afortunadamente existe una frmula alternativa que no requiere conocimiento
previo de la funcin. En vez de ello, se usa una diferencia dividida finita que
aproxima la (n+1)-sima derivada:
Rn = f [X, Xn, Xn-1,..., X1, X0] (X-X0) (X-X1)...(X-Xn) (19)
42
De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un
polinomio de segundo grado de la forma:
(1)
Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos
experimentalmente para la cual debemos determinar los valores de a 1, a 2, a 3, etc.
donde:
d = distancia = Yobservada - Y obtenida por la ecuacin
Yobservada = Valor obtenido experimentalmente.
Y obtenida por la ecuacin = valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar el error,
pero habr distancias positivas y negativas, (como se puede observar la distancia d1 es
positiva y la distancia d2 es negativa) de modo que el error promedio para los puntos
como los mostrados ser pequeo aunque los errores individuales sean grandes.
Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin embargo
al derivar la funcin del valor absoluto se generan ciertos problemas.
La solucin podra ser definir el error como el cuadrado de la distancia, esto elimina la
dificultad del signo. Por esta razn el mtodo se llama: Mtodo de Mnimos Cuadrados.
(2)
44
(3)
Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se tiene la
ecuacin:
(4)
(5)
(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son constantes)
Las ecuaciones se pueden expresar de acuerdo como sigue:
(6)
45
(7)
La frmula general para un polinomio de grado n en donde hay m parejas de datos es:
46
(8)
EJEMPLO:
X
0.00
0.0000
0.60
0.6367
0.10
0.1002
0.70
0.7586
0.20
0.2013
0.80
0.8881
47
0.30
0.3045
0.90
1.0265
0.40
0.4108
1.00
1.1752
0.50
0.5211
48
M =11
49
50
a2 = 1.004150
a3 = - 0.019075
a4 = 0.190032
y el polinomio queda:
51
La transformada de Fourier
La transformada de Fourier de una funcin continua e integrable de una variable
real x se define por
52
y su inversa como
u=0,1,...,N-1
v=0,1,...,N-1:
y su inversa como
53
La Separabilidad
Esta propiedad de la TFD esta relacionada con la posibilidad de calcular la TFD de
una funcin bidimensional como una combinacin de dos transformadas Fourier
discretas, calculando primero una TFD sobre la variable de uno de los ejes y al
resultado aplicarle de nuevo la TFD sobre la variable del otro eje.
La ventaja que aporta esta propiedad es el hecho de poder obtener la
transformada F(x,y) o la inversa f(x,y) en dos pasos, mediante la aplicacin de la
Transformada de Fourier 1-D o su inversa:
donde
54
La linealidad
La transformada de Fourier y su inversa son transformaciones lineales, es decir,
poseen la propiedad distributiva respecto de la suma.
La traslacin
Tanto la transformada discreta de Fourier como la transformada inversa, son
peridicas de periodo N.
Un caso particular de esta propiedad consiste en mover el origen de la
transformada de Fourier de f(x,y) al centro de la matriz N X N que le corresponda,
es decir al punto (N/2,N/2). Para ello, podemos hacer uso de que:
f(x,y)(-1)x+y se hace corresponder con F(u-n/2,v-N/2)
Tambin cabe resaltar, que un desplazamiento en la funcin f(x,y), no provocar
un cambio en la magnitud de su transformada de Fourier. Vase esto
matemticamente en la siguiente expresin:
La Simetra
La transformada de Fourier de una funcin f(x,) es real es simtrica conjugada.
Esto provoca que:
|F(u,v)|=|F(-u,-v)|
Por tanto, gracias a esta propiedad de simetra, para calcular la magnitud de los
puntos de un periodo completo, tan slo necesitamos calcular los N/2+1 primeros
puntos, siempre y cuando el origen de la transformada este centrado en el punto
(N/2,N/2).Para conseguir este movimiento del origen en la transformada, podemos
aplicar la propiedad de traslacin.
La rotacin
55
56
EJERCICIOS
i)
x 2 2 1
4
y 0.5 3 2.4 7.8
ii)
Soluciones:
ii) f ( x) 3 10( x 0.3) 50( x 0.3)(x 0.6) 185.18519( x 0.3)(x 0.6)(x 0.9)
447.53088( x 0.3)(x 0.6)(x 0.9)(x 1.2)
i)
ii)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
x 1.5 0.5 1 2 4
y
9
2 5 33 0
Soluciones:
57
( x 2)( x 3)( x 5)
( x 1)( x 3)( x 5)
( x 1)( x 2)( x 5)
i ) p( x) 1.56
3.54
2.57
36
45
80
( x 1)( x 2)( x 3)
8.9
144
3.125
7.875
56.25
4.5
i)
x 2 1
3
y 40 5 20
i)
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
x 2,1
x 1,3
58
ii)
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si x 3,7
526
789
263
1578
59
BIBLIOGRAFIA
1. Burden, R.; Faires, D. Anlisis Numrico. ED. Thomson, 6a. ed., 1998.
3. De Levie, Robert. Advanced Excel for Scientific Data Analysis. Oxford University
Press, 2004.
4. Liengme, B.; A Guide to Microsoft Excel 2002 for Scientists and Engineers.
Butterworth Heinemann, 3rd, ed. 2002.
5. Mathews, J; Fink, K. Mtodos Numricos con MATLAB. Prentice Hall, 3a. ed., 2000.
6. Nakamura Shoichiro. Mtodos Numricos Aplicados con Software. Ed. Prentice Hall
Hispanoamericana, Mxico.
60
61