Está en la página 1de 24

U NIVERSIDAD NACIONAL DE S AN

C RISTBAL DE H UAMANGA
FACULTAD DE I NGENIERA M INAS , G EOLOGA Y
C IVIL

A NLISIS E STRUCTURAL
R ESOLUCIN DEL P RIMER E XAMEN PARCIAL
Alumno:

Cdigo:

Docente:

......................................................................................

CASAFRANCA LUZA Jhonatan . . 16110562

Ing.
QUISPE AUCAPUCCLLA
Nolbert Luis

ndice general
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Captulo 0 1. AJUSTE DE CURVAS
1.1. Ajuste de curvas y prctica en ingeniera . . . . . . . . . . . .
1.2. ANTECEDENTES MATEMTICOS . . . . . . . . . . . . . .
1.2.1. Estadstica simple . . . . . . . . . . . . . . . . . . . .
1.3. Regresin por mnimos cuadrados . . . . . . . . . . . . . . . .
1.3.1. REGRESIN LINEAL . . . . . . . . . . . . . . . . .
1.3.2. Ajuste de una lnea recta por mnimos cuadrados . . . .
1.3.3. Linealizacin de relaciones no lineales . . . . . . . . . .
1.3.4. REGRESIN POLINOMIAL . . . . . . . . . . . . . .
1.3.5. REGRESIN LINEAL MLTIPLE . . . . . . . . . . .
1.3.6. MNIMOS CUADRADOS LINEALES EN GENERAL
1.3.7. REGRESIN NO LINEAL . . . . . . . . . . . . . . .
Captulo 0 2.
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.
2.9.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

S. C. CHAPRA Y R. P. CANALE

Problema 01
Problema 02
Problema 03
Problema 04
Problema 05
Problema 06
Problema 07
Problema 08
Problema 09

Ingenieria civil

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

Pgina

.
.
.
.
.
.
.
.
.
.
.

3
3
3
4
4
4
6
7
7
8
8

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

Pgina 10
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

11
12
15
16
16
17
18
19
20

II

Resumen

b
a

l
t
a

Mtodos Numricos IC-343

INTRODUCCON
Es comn que los datos se dan como valores discretos a lo largo de un continuo. Sin
embargo,quizs usted requiera la estimacin de un punto entre valores discretos. Esta parte del
libro escribe las tcnicas para ajustar curvas a estos datos para obtener estimaciones
intermedias. Adems,usted puede necesitar la versin simplificada de una funcin complicada.
Una manera de hacerlo es calcular valores de la funcin en un nmero discreto de valores en el
intervalo de inters.Despus,se obtiene una funcin ms simple para ajustar dichos valores.
Estas dos aplicaciones se conocen como ajuste de curvas. Existen dos mtodos generales para
el ajuste de curvas que se distinguen entre s al considerar la cantidad de error asociado con los
datos. Primero, si los datos exhiben un grado significativo de error o ?ruido?, la estrategia ser
obtener una sola curva que represente la tendencia general de los datos. Como cualquier dato
individual puede ser incorrecto,no se busca intersecar todos los puntos. En lugar de esto,se
construye una curva que siga la tendencia de los puntos tomados como un grupo. Un
procedimiento de este tipo se llama regresin por mnimos cuadrados.
Segundo, si se sabe que los datos son muy precisos, el procedimiento bsico ser colocar una
curva o una serie de curvas que pasen por cada uno de los puntos en forma directa. Usualmente
tales datos provienen de tablas. Como ejemplos se tienen los valores de la densidad del agua o
la capacidad calorfica de los gases en funcin de la temperatura.
La estimacin de valores entre puntos discretos bien conocidos se llama interpolacin.

Captulo 1

Ecuaciones no Lineales

AJUSTE DE CURVAS

MTODOS
NUMRICOS
ste
i
r
a
v lois
Ga

Ingenieria civil

Ingenieria civil

1.1 Ajuste de curvas y prctica en ingeniera


Su primer encuentro con el ajuste de curvas podra haber sido determinar valores intermedios a
partir de datos tabulados (por ejemplo, tablas de inters para ingeniera econmica, o tablas de
vapor en termodinmica). En lo que resta de su carrera,usted tendr frecuentes oportunidades
para estimar valores intermedios a partir de tablas.

1.2 ANTECEDENTES MATEMTICOS


Los fundamentos matemticos de la interpolacin se encuentran en el conocimiento sobre las
expansiones de la serie de Taylor y las diferencias finitas divididas que se presentaron en el
captulo 4. La regresin por mnimos cuadrados requiere adems de la informacin en el campo
de la estadstica. Si usted conoce los conceptos de la media, desviacin estndar, suma residual
de los cuadrados, distribucin normal e intervalos de confianza, puede omitir el estudio de
las siguientes pginas y pasar directamente a la seccin PT5.3. Si no recuerda muy bien estos
conceptos o necesita de un repaso, el estudio del siguiente material le servir como introduccin
a esos temas.

1.2.1.

Estadstica simple

El estadstico de posicin ms comn es la media aritmtica y. La media aritmtica de una


muestra se define como la suma de los datos yi dividida entre el nmero de datos (n), o donde
la sumatoria (y todas las sumatorias que siguen en esta introduccin) va desde i = 1 hasta n.
P
yi
y =
n
La medida de dispersin ms comn para una muestra es la desviacin estndar (sy ) respecto
de la media,
r
St
sy =
n1
donde (St ) es la suma total de los cuadrados de las diferencias entre los datos y la media, o
X
St =
(yi y)2
La dispersin tambin se puede representar por el cuadrado de la desviacin estndar, llamada
la varianza:
St
sy 2 =
n1
Se deber observar que hay otra frmula alternativa ms conveniente, para calcular la desviacin
estndar,
P 2
P 2
y

(
yi ) /n
i
sy 2 =
n1

Ingenieria civil

Ingenieria civil

Ingenieria civil

1.3 Regresin por mnimos cuadrados


Cuando los datos tienen errores sustanciales, la interpolacin polinomial es inapropiada y puede
dar resultados poco satisfactorios cuando se utiliza para predecir valores intermedios.
Una estrategia ms apropiada en tales casos consiste en obtener una funcin de aproximacin
que se ajuste a la forma o a la tendencia general de los datos, sin coincidir necesariamente en
todos los puntos.
Para dejar a un lado dicha subjetividad se debe encontrar algn criterio para establecer una base
para el ajuste.
Una forma de hacerlo es obtener una curva que minimice la discrepancia entre los puntos y
la curva. Una tcnica para lograr tal objetivo, llamada regresin por mnimos cuadrados, se
analizar en este trabajo.

1.3.1.

REGRESIN LINEAL

El ejemplo ms simple de una aproximacin por mnimos cuadrados es ajustar una lnea recta a
un conjunto de observaciones definidas por puntos. La expresin matemtica para la lnea recta
es:
y = a0 + a1 x + e
donde a0 ya1 son coeficientes que representan la interseccin con el eje y y la pendiente,
respectivamente, e es el error, o diferencia, entre el modelo y las observaciones.
La estrategia que mejor nos conviene para los errores residuales consiste en minimizar la suma
de los cuadrados de los residuos entre la y medida y la y calculada con el modelo lineal:
Sr =

n
X
i=1

1.3.2.

ei =

n
X

(yi,medida yi, mod elo ) =

i=1

n
X

(yi a0 a1 xi )2

i=1

Ajuste de una lnea recta por mnimos cuadrados

Para determinar los valores de a0 y a1 , se deriva con respecto a cada uno de los coeficientes:
X
Sr
= 2
(yi a0 a1 xi )
a0
X
Sr
= 2
[(yi a0 a1 xi )xi ]
a1
Cuando asumimos un error cero tendremos:
P
P P
n xi yi xi yi
a1 =
P
P
n xi 2 ( xi )2
a0 = y a1 x
donde y y x son las medias de y y x, respectivamente.

Ingenieria civil

Ingenieria civil

Ingenieria civil

Error estndar del estimado.


Una ?desviacin estndar? para la lnea de regresin se determina como sigue:
r
Sr
sy/x =
n2
La diferencia entre estas dos cantidades,St Sr , cuantifica la mejora o reduccin del error por
describir los datos en trminos de una lnea recta en vez de un valor promedio.
Como la magnitud de esta cantidad depende de la escala, la diferencia se normaliza a St para
obtener:
r2 =

St Sr
St

donde r2 se
conoce como el coeficiente de determinacin y r es el coeficiente de
correlacin( r2 ) . En un ajuste perfecto,Sr = 0 y r = r2 = 1, significa que la lnea explica el 100 % de la variabilidad de los datos. Si r = r2 = 0 y Sr = St el ajuste no representa
alguna mejora.
Una representacin alternativa para r que es ms conveniente para implementarse en una computadora es:
P
P
P
n xi yi ( xi )( yi )
r=p P
P q P 2
P
2
n xi ( xi ) n yi ( yi )2

Ingenieria civil

Ingenieria civil

1.3.3.

Ingenieria civil

Linealizacin de relaciones no lineales


Cambio de variables para linealizar los datos
funcin y=f(x)
Linealizacion Y=Ax+B
A
x

+B

y=

D
x+C

y=

y = A x1 + B

y=

1
(xy)
C

Cambios

X = x1 , Y = y

D
C

X = xy, Y = y
C = 1
, D = B
A
A

y=

1
Ax+B

1
y

= Ax + B

X = x, Y =

1
y

y=

x
Ax+B

1
y

= A x1 + B

X = x1 , Y =

1
y

y = A ln(x) + B

y = CeAx

ln(y) = Ax + ln(C)

y = CxA

ln(y) = A ln(x) + ln(C)

y = (Ax + B)2

y = CxeDx

y=

Ingenieria civil

y = A ln(x) + B

L
1+CeAx

y 1/2 = Ax + B

ln( xy ) = Dx + ln(C)

ln( Ly 1) = Ax + ln(C)

X = ln(x), Y = y

X = x, Y = ln(y)
C = eB

X = ln(x), Y = ln(y)
C = eB

X = x, Y = y 1/2

X = x, Y = ln( xy )
C = eB , D = A

X = x, Y = ln( Ly 1)
C = eB

Ingenieria civil

1.3.4.

Ingenieria civil

REGRESIN POLINOMIAL

El procedimiento de mnimos cuadrados se puede extender fcilmente al ajuste de datos con


un polinomio de grado superior. Por ejemplo, suponga que ajustamos un polinomio de segundo
grado o cuadrtico:
y = a0 + a1 x + a2 x 2 + e
En este caso, la suma de los cuadrados de los residuos es:
Sr =

n
X

yi a0 a1 xi a2 xi 2

2

i=1

X

Sr
= 2
y i a0 a1 x i a2 x i 2
a0
X

Sr
= 2
x 1 y i a0 a1 x i a2 x i 2
a1
X

Sr
= 2
x 1 2 y i a0 a1 x i a2 x i 2
a2
s
Sr
sy/x =
n (m + 1)

1.3.5.

REGRESIN LINEAL MLTIPLE

Una extensin til de la regresin lineal es el caso en el que y es una funcin lineal de dos o
ms variables independientes. Por ejemplo, y podra ser una funcin lineal de X1 y X1 , como
en:
y = a0 + a1 x1 + a2 x2 + e
Sr =

n
X

yi a0 a1 x1i a2 x2i 2

2

i=1

X

Sr
= 2
yi a0 a1 x1i a2 x2i 2
a0
X

Sr
= 2
x1 yi a0 a1 x1i a2 x2i 2
a1
X

Sr
= 2
x1 2 yi a0 a1 x1i a2 x2i 2
a2
P

P
P
n
x
x
a
y

1i
2i
i
0
P
P 2
P
P

a1
x
x
x
x
x
y
=
1i
1i
1i
2i
1i
i
P
P
P 2

x2i
x1i x2i
x 2i
a2
x2i yi
s
Sr
sy/x =
n (m + 1)
Ingenieria civil

Ingenieria civil

Ingenieria civil

1.3.6.

MNIMOS CUADRADOS LINEALES EN GENERAL

1.3.7.

REGRESIN NO LINEAL

Hay muchos casos en la ingeniera donde los modelos no lineales deben ajustarse a datos. En el
presente contexto, tales modelos se definen como aquellos que tienen dependencia no lineal de
sus parmetros. Por ejemplo,
f (x) = a0 (1 ea1 x ) + e
1.3.7.1. mtodo Gauss - Newton
Para ilustrar cmo se logra esto, primero se expresa de manera general la relacin entre la
ecuacin no lineal y los datos, de la manera siguiente:
yi = f (xi ; a0 , a1 , ..., am ) + ei
El modelo no lineal puede expandirse en una serie de Taylor alrededor de los valores de los
parmetros y cortarse despus de las primeras derivadas.
Por ejemplo, para un caso con dos parmetros:
f (xi )j
f (xi )j
a0 +
a1
a0
a1
donde j = el valor inicial, j + 1 = la prediccin,a0 = a0,j+1 a0,j . De esta forma, hemos
linealizado el modelo original con respecto a los parmetros y obtenemos:
f (xi )j+1 = f (xi )j +

yi f (xi )j =

f (xi )j
f (xi )j
a0 +
a1 + e1
a0
a1

O en forma matricial:
{D} = [ZJ ] {A} + {E}
donde:

[Zj ] =

f1 /a0 f1 /a1
f2 /a0 f2 /a1

.
.

.
.

.
.
fn /a0 fn /a1

donde n = el nmero de datos y fi /ak = la derivada parcial de la funcin con respecto al


k-simo parmetro evaluado en el i-simo dato. El vector D contiene las diferencia entre las
mediciones y los valores de la funcin:

y1 f (x1 )

f
(x
)

2
2

.
{D} =
.

yn f (xn )
Ingenieria civil

Ingenieria civil

Ingenieria civil

y el vector A contiene los cambios en los valores de los parmetros,

a0

.
{A} =
.

am
Si se aplica la teora de los mnimos cuadrados lineales se obtienen las siguientes ecuaciones
normales :
h
i
n
o
[Zj ]T [Zj ] {A} = [Zj ]T {D}
As, el procedimiento consiste en resolver para A, que se utiliza para calcular valores mejorados de los parmetros, como en:
a0,j+1 = a0,j + a0
a1,j+1 = a1,j + a1
Este procedimiento se repite hasta que la solucin converge, es decir, hasta que


ak,j+1 ak,j
100 %
|a |k =
ak,j+1
est por debajo de un criterio de terminacin aceptable.

Ingenieria civil

Captulo 2

Ecuaciones no Lineales

S. C. CHAPRA Y R. P. CANALE

MTODOS
NUMRICOS
ste
i
r
a
v lois
Ga

Ingenieria civil

Ingenieria civil

2.1 Problema 01
Utilice la regresin por mnimos cuadrados para ajustar una lnea recta a:
x
y

0
5

2
6

4
7

6
6

9
9

11
8

12
7

15 17 19
10 12 12

Adems de la pendiente y la interseccin, calcule el error estndar de la estimacin y el coeficiente de correlacin. Haga una grfica de los datos y la lnea de regresin. Despus repita
el problema, pero ahora efecte la regresin de x versus y, es decir, intercambie las variables.
Interprete sus resultados.
Solucin:

La ecuacin de la recta es:


y = 0,35247x + 4,8515
Cambiando el orden de los datos y por x:

Ingenieria civil

11

Ingenieria civil

Ingenieria civil

la ecuacin de la recta nueva sera:


y = 0,91477x + 2,3741
Al dibujar simultneamente las grficas se ve que la primera parte es una pendiente ms pronunciada que las segunda pero los puntos estn a la misma distancia a la recta que en el segundo
caso, se ve como si fuera como un espejo la recta al cambiar los puntos x por y.

2.2 Problema 02
Emplee la regresin por mnimos cuadrados para ajustar una lnea recta a:

Ingenieria civil

12

Ingenieria civil

x
y

1
1

2
1.5

3
2

4
3

5
4

Ingenieria civil

6
5

7
8

8
10

9
13

a) Adems de la pendiente y la interseccin, calcule el error estndar de la estimacin y el coeficiente de correlacin. Grafique los datos y la lnea recta. Evale el ajuste.
b) Vuelva a hacer el clculo del inciso a), pero use regresin polinomial para ajustar una parbola a los datos. Compare los resultados con los del inciso a).
Solucin:

La ecuacin de la recta es:


y = 1,4583x 2,0139
El error estndar es:
1.3067
El coeficiente de correlacin es:
0.95622
Ahora hallamos la ecuacin de la parbola:

Ingenieria civil

13

Ingenieria civil

Ingenieria civil

La ecuacin para la parbola sera:


y = 0,159x2

Al dibujar simultneamente las grficas se ve que la la ecuacin de la parbola se acerca ms al


ajuste de curvas.

Ingenieria civil

14

Ingenieria civil

Ingenieria civil

2.3 Problema 03
Ajuste los datos siguientes con el modelo de potencias (y = axb ). Use la ecuacin de potencias
resultante para hacer el pronstico de y en x = 9.
x
y

2.5
13

3.5 5
11 8.5

6
8.2

7.5 10
7 6.2

12.5 15
5.2 4.8

17.5 20
4.6 4.3

Solucin:
La ecuacin solicitada de la forma y = axb es:
y = 21,1458x0,54029

Ingenieria civil

15

Ingenieria civil

Ingenieria civil

Para hallar el pronstico de y en x=9:


y = 21,1458(9)0,54029
y = 6,4514

2.4 Problema 04
Ajuste a un modelo exponencial a :
x
y

0.4
800

0.8
975

1.2
1500

1.6
1950

2
2900

2.3
3600

Grafique los datos y la ecuacin tanto en papel milimtrico como en semilogartmico.


Solucin:
La ecuacin solicitada de la forma y = aeb x es:

y = 546,5909(e)0,81865x

2.5 Problema 05
En vez de usar el modelo exponencial de base e , una alternativa comn consiste en utilizar un
modelo de base 10.
y = 5 105 x

Ingenieria civil

16

Ingenieria civil

Ingenieria civil

Cuando se usa para ajustar curvas, esta ecuacin lleva a resultados idnticos que los de la versin
con base e, pero el valor del parmetro del exponente (b). Use la versin con base 10 para
resolver el problema 04(17.10) Adems, desarrolle una formulacin para relacionar 1 = 5
Solucin:
La ecuacin solicitada de la forma y = a10b x es:
y = 546,5909(10)0,35554x

Relacionando los exponenciales 1 = 5 tenemos:


1 = k.5
0,81865 = k(0,35554)
k = 2,302
Por lo tanto:
1 = (2,302)5

2.6 Problema 06
Adems de los ejemplos de la figura 17.10, existen otros modelos que se pueden hacer lineales
con el empleo de transformaciones. Por ejemplo,
y = 4 xe4 x
Haga lineal este modelo y selo para estimar 4 y 4 con base en los datos siguientes. Elabore
una grfica del ajuste junto con los datos.
Solucin:
La ecuacin solicitada de la forma y = axeb x es:
Ingenieria civil

17

Ingenieria civil

Ingenieria civil

y = 1548,9486xe0,059509x

2.7 Problema 07
Ajuste a una ecuacin cubica:
x
y

3
1.6

4
3.6

5
4.4

7
3.4

8
2.2

9
11
2.8 3.8

12
4.6

Solucin:
La ecuacin solicitada de la forma
y = ax3 + bx2 + cx + d

Ingenieria civil

18

Ingenieria civil

Ingenieria civil

es:
y = 11,4887x3 + 7,14382x2 1,04121x + 0,046676

2.8 Problema 08
Utilice regresin lineal mltiple para ajustar
x1
x2
y

0
0
15.1

1
1
17.9

1
2
12.7

2
1
25.6

2
2
20.5

3
1
35.1

3
2
29.7

4
1
45.4

4
2
40.2

Calcule los coeficientes, el error estndar de la estimacin y el coeficiente de correlacin.


Solucin:
La ecuacin resultante es:
y = (7,773) x1 (3,161) x2 + 14,852

Hallando el error estndar de la estimacin y el coeficiente de correlacin

Ingenieria civil

19

Ingenieria civil

Ingenieria civil

2.9 Problema 09
Despus de una tormenta, se vigila la concentracin de la bacteria E. coli en un rea de natacin:
4
8
12
16 20 24
t(hrs)
c(CFU/100ml) 1590 1320 1000 900 650 560
El tiempo se mide en horas transcurridas despus de finalizar la tormenta, y la unidad CFU es
una ?unidad de formacin de colonia?. Use los datos para estimar a) la concentracin al final
de la tormenta (t = 0), y b) el tiempo en el que la concentracin alcanzar 200 CFU / 100 mL.
Observe que la eleccin del modelo debe ser consistente con el hecho de que las concentraciones negativas son imposibles y de que la concentracin de bacterias siempre disminuye con el
tiempo.
Solucin:
Debido a que disminuye la cantidad de bacterias y no hay cantidades negativas usaremos la
expresion exponencial:y = aeb x.
La ecuacin resultante es:
y = 1978,6287e0,0532

Consecuentemente:
La concentracin en t=0 es 1978.6287
Ingenieria civil

20

Ingenieria civil

Ingenieria civil

El tiempo para alcanzar 200 CFU / 100 mL es: 43.08 d

Ingenieria civil

21