INVERSIN DE DATOS GEOFSICOS

Nombre:
Roco Lizbeth Sosa Ramrez

Profesor:
Dr. Sstenes Mndez Delgado.

Trabajo final

1417860

8 SEMESTRE

Ex - Hacienda de Guadalupe, Linares, Nuevo Len

TRABAJO FINAL DE INVERSIN DE DATOS GEOFSICOS

Elaborar un inciso de cada una de las secciones siguientes:
I.- Calcular el regional de segundo grado ( g ax2 by 2 cx dy e ) a partir de los
datos
a) Gravimtricos de la figura 6.32, pgina 152 del libro de Kearey et al. (2002).

Para ello se pueden utilizar dos mtodos: Primero, utilizar un origen y a partir de l
tener las coordenadas x e y que permitan construir el sistema de ecuaciones n>5,
con 5 incgnitas. El otro mtodo consiste en obtener la solucin mnimos
cuadrados a partir de las derivadas parciales de g con respecto a cada uno de
los 5 parmetros a determinar, lo cual los lleva a un sistema de 5 por 5 donde la
mayora de los elementos de la matriz del sistema son sumatorias.

El mtodo que se utiliz para resolver el problema, fue el de obtener la

solucin mnimos cuadrados a partir de las derivadas parciales de g con respecto
a cada uno de los parmetros a determinar (a, b, c, d y e), es decir, mediante el
uso de la regresin polinomial.
Esta alternativa de aproximacin por mnimos cuadrados, consiste en el
hecho de minimizar la suma de los cuadrados de los residuos y a partir de ah
derivar con respecto a los parmetros a determinar, se construye una matriz y se
resuelve.
Los pasos que se siguieron para el clculo del regional se segundo grado son:
1. Polinomio de segundo grados.

2. Establecer la suma de los cuadrados de los residuos.

3. Derivar

con respecto a cada uno de los parmetros a determinar.

4. Se igualan a cero todas las ecuaciones y se reordenan.

5. Ahora nos queda un sistema de ecuaciones con 5 incgnitas.

6. Se construye una matriz.

Ya que se tiene resuelto el problema analticamente, se procede a utilizar MatLab

para que realice todos los clculos pertinentes. Se muestran los resultados que se
despliegan en pantalla, los clculos estn contenidos en el cdigo del programa.

7. Las variables x e y, representan las coordenadas, y los valores de las

anomalas de Bouguer corresponden a los valores de g. Como se ilustra en
la imagen siguiente, no se tienen mediciones en todos los puntos (matriz de
12x26). Solo se realizaron 52 observaciones, por lo que x,y y g estaran
representados por vectores de 52 datos cada uno.

*Para la obtencin de las coordenadas se tom en cuenta la cuadrcula de la imagen.

Coordenadas en x

Coordenadas en y

Valores de las anomalas observadas (g).

8. Definidos ya x, y y g, se sustituyen los valores en la matriz del paso 6, antes

mencionado (matriz de las sumatorias). La matriz queda como sigue:

9. Se resuelve la matriz, en este caso mediante Gauss-Jordan. La ltima

columna representara los parmetros: a, b, c, d y e.

10. Una vez que los parmetros son encontrados, lo siguiente es sustituir los
coeficientes en la ecuacin cuadrtica original, adems de las
coordenadas x e y (ahora x e y corresponden a todas las coordenadas de
la matriz de 12x26, y no a las 52 valores de los datos observados). La
imagen siguiente muestra los valores de g ajustados.

11. Se generan los grficos siguientes.

Grfico 1. Anomala de Bouguer
Este grfico de contorno corresponde a las anomalas observadas de Bouguer, es
decir, las 52 mediciones realizadas. Como se puede apreciar en la imagen, hacia
el centro los valores de las anomalas tienden a disminuir y en las orillas son ms
altos. Esto nos da la idea de que se trata de una especie de embudo (los datos
graficados).

Anomala de Bouguer
12

10

2
2

10

12

14

16

18

20

22

24

26

Grfico 2. Regional de segundo grado

Para este grfico se utilizaron los valores de g recuperados, a partir de sustituir los
coeficientes determinados y las coordenadas de la matriz. Como se puede
apreciar, pero con este tenemos una idea de cmo sera la superficie esperada,
su direccin, en este caso debera ser cncava hacia arriba.

Regional de segundo grado

32
0

30
0

29 0

0
32

33 0

30 0

0
31

10

0
31

0
33

11

34
0

12

29 0

31 0

30 0

31 0

32 0

30 0

0
29

29 0

29 0

0
34

31
0

2
1

30 0

10

15
Coordenadas X

20

33
0

0
31

0
32

33 0

0
30

32
0

30
0

Coordenadas Y

25

Anomalas de Bouger (gu)

300

Grfico 3. Superficie con los datos de la matriz inicial.

Como se mencion en el grfico anterior, la superficie esperada tena que ser
cncava hacia arriba, lo que se demuestra en esta grfica. Se aprecian los datos
de las anomalas observadas (datos
originales) representados por , adems de
250
15
la superficie aproximada a los datos recuperados.
10
5
0

Coordenadas Y

10

Coordenadas X

350

Anomalas de Bouger (gu)

15

340

330

320

300

310

300

250
15
10
5
Coordenadas Y

20

10

15

20

Coordenadas X

25

30

290

25

Grfico 4. Superficie obtenida y el regional de segundo grado.

En esta grfica se colocaron la superficie obtenida y el regional de segundo
grado, esto para tener una mejor visualizacin de los resultados. Como se haba
mencionado, con el regional sabemos la direccin hacia dnde va nuestra
superficie. Adems, como el ajuste se hizo a la ecuacin g ax2 by 2 cx dy e
, se puede deducir que la superficie obtenida est correcta, pues es de la forma
de la ecuacin.

340

Anomalas de Bouger (gu)

360

340

330

320

320

300

310

280
15

300
30

10
20
5
Coordenadas Y

10
0

Coordenadas X

290

Cdigo en Matlab.

hold on
clear all
clc
%%Definicion de los parmetros (en este caso 52)%%
A=[318 318 315 307 302 312 316 290 316 302 280 302 318 312 307 295 285
274 285 311 266 264 279 315 317 280 268 259 266 271 290 305 316 301 285
268 274 315 279 285 311 295 299 307 316 318 315 311 295 312 318 307];
x=[3 26 7 11 16 21 5 13 24 10 14 19 2 6 8 10 12 15 17 21 13 15 17 24 26
12 13 14 15 16 18 20 4 9 12 14 16 8 15 17 21 12 17 19 24 2 7 9 14 21 26
16];
y=[1 1 2 2 2 2 3 3 3 4 4 4 5 5 5 5 5 5 5 5 6 6 6 6 6 7 7 7 7 7 7 7 8 8 8
8 8 9 9 9 9 10 10 10 10 11 11 11 11 11 11 12];
n=length(y);
plot3(x,y,A,'*r')
r=1;
%%Con este for generamos todas las coordenadas de la matriz de 12x26%%
for j=1:12
for i=1:26
p(r)=i; %llenado de coordenadas "x"
q(r)=j; %llenado de coordenadas "y"
r=r+1;
end
end
%%Definicin de las sumatrias a utilizar%%
sx=sum(x,'double');
sy=sum(y,'double');
g=sum(A,'double');
sxy=sum(x.*y,'double');
sx2y=sum(x.^2.*y,'double');
sxy2=sum(x.*y.^2,'double');
sx2y2=sum(x.^2.*y.^2,'double');
gx2=sum(A.*x.^2,'double');
gy2=sum(A.*y.^2,'double');
gx=sum(A.*x,'double');
gy=sum(A.*y,'double');
a=sum(x.^2,'double');
b=sum(x.^3,'double');
c=sum(x.^4,'double');
d=sum(y.^2,'double');
e=sum(y.^3,'double');
f=sum(y.^4,'double');
%%Matriz de las sumatorias%%
B=[c,sx2y2,b,sx2y,a,gx2;sx2y2,f,sxy2,e,d,gy2;b,sxy2,a,sxy,sx,gx;sx2y,e,sx
y,d,sy,gy;a,d,sx,sy,n,g];
%%Funcin que resuelve mediante el mtodo de Gauss-Jordan la matriz
%%anterior
[f,c]=size(B);
for k=1:c-1
B(k,:)=B(k,:)/B(k,k);

for j=k+1:f
B(j,:)=B(j,:)-B(k,:)*B(j,k);
j=j+1;
end
k=k+1;
end
for k=f:-1:2
for j=k-1:-1:1
B(j,:)=B(j,:)-B(k,:)*B(j,k);
j=j-1;
end
k=k-1;
end
C=B(:,c); %aqu se guardan los coeficientes
k=1;%contador
%%% Este for lo que hace es que va sustituir los coeficientes obtenidos
en
%%% cada una de las coordenadas
for i=1:12
for j=1:26
Z(i,j)=C(1)*p(k)^2+C(2)*q(k)^2+C(3)*p(k)+C(4)*q(k)+C(5);
k=k+1;
end
end
%%%%Generacin de los grficos
X=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26];
Y=[1 2 3 4 5 6 7 8 9 10 11 12];
mesh(X,Y,Z)
xlabel('Coordenadas X');
ylabel('Coordenadas Y');
zlabel('Anomalas de Bouger {\it(gu)} ');
figure(2)
surfc(X,Y,Z)
colormap jet
xlabel('Coordenadas X');
ylabel('Coordenadas Y');
zlabel('Anomalas de Bouger {\it(gu)}');
figure(3)
[C,h] = contour(Z);
text_handle = clabel(C,h);
set(text_handle,'BackgroundColor',[1 1 .6],'Edgecolor',[.7 .7 .7])
title('Regional de segundo grado')
xlabel('Coordenadas X');
ylabel('Coordenadas Y');

II.- Diseo de un filtro digital con mnimos cuadrados

Dos seales a(t) y b(t) pueden estar relacionadas por convolucin con un filtro f(t)
en la forma

a(t ) f (t ) b(t ) f ( )b(t )d .

(1)

a(t)=(a1, a2, a3, ), b(t)=(b1, b2, b3, ), f=(f1, f2, f3, )

Una pregunta que a menudo se hace en anlisis de seales es: conociendo a(t)
y b(t), puede ser determinada f(t)?
Para resolver este problema, discretizmoslo. Si la serie de tiempo es de longitud n
y el filtro es de longitud p, entonces la integral de convolucin de la ecuacin (1)
puede ser reemplazada convenientemente por la frmula computacional
p

ai t f j bi j 1

(2)

j 1

donde bi = 0 si i < 1 o i> n, y t es el intervalo de muestreo.

Note que la ecuacin (2) es lineal en los coeficientes desconocidos del filtro fj y
puede presentarse en la forma d = Gm, donde m = f (el filtro buscado), d = a (los
datos de serie de tiempo, la salida deseada) y

b1
b
2
b3

G t b4
b5

0
0

0
b1
b2
b3
b4
b5
.

.
0
b1
b2
b3
b4
b5

.
.
0
b1
b2
b3
b4

0
0
0

0,
b1

b2
b3

Determinar los parmetros del filtro de 5 puntos, tomando las siguientes series de
tiempo, con t 1 :
a) a(t)=(1, 0, 0, 0, 0, 0, 0), b(t)=(5, 4, 3, 2, 1).
Comprobar si los filtros obtenidos son lineales, utilizar para ello las seales que
tienen de entrada y salida y otra adicional.

Para saber si un filtro es lineal o no, se probaron los siguientes fundamentos:

I.

Si se puede aplicar el principio de superposicin. Es decir, supongamos que

tenemos las entradas f1(t) y f2(t) que al pasar por el filtro por separado se
convierten en g1(t) y g2(t) respectivamente. El filtro es lineal si se cumple
que f=a1f1(t)+a2f2(t) se convierte en g=a1g1(t)+a2g2(t) despus de pasar
por el filtro. Sea g(t) la salida producida por la excitacin f(t).

Pasos para resolver el problema:

a. Matriz a utilizar.

b. Por lo mismo, lo que se hizo fue se encontr el filtro a partir de mnimos

cuadrados estndar, representado por la letra f.

c. Despus se recuper la matriz, a partir de ese filtro con la matriz G(matriz

original).

d. Para comprobar si el filtro era lineal o no, como dice el enunciado anterior,
lo que se tiene que hacer es recuperar una nueva matriz, con los datos de
a y B nuevos, el filtro permanecer.
a. Para la nueva matriz se utilizaron los siguientes valores

b. Matriz recuperada (utilizando el mismo filtro)

e. Una vez que ya tenemos recuperadas dos vectores, estos se sumarn

(a1+a2). Se le nombr como matriz A.

f.

II.

Esta suma debe ser igual a la recuperacin de una matriz con la suma de
mis B (original y la nueva) multiplicado por el filtro. Si la suma de ambas a
y la recuperacin de la matriz, descrita anteriormente, se puede decir que
el filtro es lineal.

Preservacin de la escala. Este se basa en el hecho de que f(G*c)=c*f(G),

es decir, aplicar el filtro a la multiplicacin de la matriz a utilizar por una
constante c. Esto debe ser igual a tener una constante multiplicando la
matriz despus de pasar por el filtro.
Pasos para resolver el problema:
a. Matriz a utilizar

b. Constante elegida

c. Operacin de f(G*c)

d. Resultado de c*f(G)

e. Como se puede observar E1 y E2 son iguales, por lo que la

preservacin de la escala si se cumple.

Como podemos ver las condiciones establecidas se cumplieron. Con lo que se

llega a la conclusin que efectivamente se trata de un filtro lineal.

Cdigo Matlab
%%%%%%
clear all
clc
format short
b=[1,2,3,4,5];
a=[0;0;0;0;0;0;1];
dt=1;
%%%%%% Recuperacin de la primer matriz a partir de los datos originales
B1=dt*[b(1),0,0,0,0;b(2),b(1),0,0,0;b(3),b(2),b(1),0,0;b(4),b(3),b(2),b(1
),0;b(5),b(4),b(3),b(2),b(1);0,b(5),b(4),b(3),b(2);0,0,b(5),b(4),b(3)];
G=B1;
f=(B1'*B1)^-1*B1'*a; %filtro obtenido
a1=B1*f;
%%%%Mtodo de la preservacin de la escala%%%%%%%%%%%%%%%%
c=7; %constante elegida
p=B1*c;
p1=B1*f;
E1=p*f;
E2=c*(p1);

%%%%%%%%%%Mtodo de superposicin
%%%%%%%%%%%%%%%%%Recuperacin de la segunda matriz a partir de otros
dartos, pero con el mismo filtro %%%%%%%%%%%%
d=[5,4,3,2,1];
%nuevos parmetros
B2=dt*[d(1),0,0,0,0;d(2),d(1),0,0,0;d(3),d(2),d(1),0,0;d(4),d(3),d(2),d(1
),0;d(5),d(4),d(3),d(2),d(1);0,d(5),d(4),d(3),d(2);0,0,d(5),d(4),d(3)];
a2=B2*f;
A=a1+a2;
B4=B1+B2;
Ac=B4*f;

III.- Ajustar los siguientes conjuntos de datos a la curva o superficie que se pide
a) Problema 17.15, pgina 501 del libro de Chapra y Canale (2007)

Para ello se pueden utilizar dos mtodos: Primero, utilizar un origen y a partir de l
tener las coordenadas x1 e x2 que permitan construir el sistema de ecuaciones
n>5, con 5 incgnitas. El otro mtodo consiste en obtener la solucin mnimos
cuadrados a partir de las derivadas parciales de y con respecto a cada uno de
los 5 parmetros a determinar, lo cual los lleva a un sistema de 5 por 5 donde la
mayora de los elementos de la matriz del sistema son sumatorias.

Los pasos que se siguieron para el clculo del regional se segundo grado son:
1. Ecuacin cbica a ajustar.

2. Establecer la suma de los cuadrados de los residuos.

3. Derivar

con respecto a cada uno de los parmetros a determinar.

4. Se igualan a cero todas las ecuaciones y se reordenan.

5. Ahora nos queda un sistema de ecuaciones con 5 incgnitas.

6. Se construye una matriz.

7. Se sustituyen los valores de las sumatorias en la matriz, dando el siguiente

resultado.

8. La matriz se resuelve mediante la funcin de Gauss-Jordan, obteniendo los

coeficientes buscados.

9. Los coeficientes se sustituyen en la ecuacin original, dando como

resultados los nuevos valores de y.

10. Se realiz el siguiente el grfico.

Grfico del ajuste de los datos a la ecuacin cbica.

Ajuste de la curva
5

4.5

Eje y

3.5

2.5

1.5
3

10

11

12

Eje x

Los puntos rojos representan los datos originales, y la lnea es el ajuste de los datos
a la ecuacin cbica
.

IV.A partir del programa matinv1d.exe, proporcionado por el profesor, interpretar

los datos de resistividad (se proporcionan dos archivos de prueba: entrada,
rimsa107.txt y salida sale107.txt, para que se pruebe el ejecutable).
c) Obtener un modelo para los datos del SEV3, con bajo RMS. (4 5 capas, al
menos 10 iteraciones)
Verificar que el modelo resultante sea realista, hacer un anlisis de la variacin del
RMS contra las iteraciones.
Tabla I. Valores de resistividad aparente obtenidos para valores distintos de
AB/2 en tres SEVs realizados.
SEV3
AB/2 (m)

a ( -m)

232.8

1.5

132.5

2.2

96.17

3.2

83.19

4.5

87.4

69.5

10

50.55

15

32.84

22

24.4

32

22.3

45

23.3

70

29.1

100

36.28

MODELO DE 4 CAPAS
El primer paso para resolver el problema, sera graficar la curva de resistividad,
para los datos correspondientes al SEV3 (el problema que me fue asignado). Para
esto suponemos que el subsuelo debe estar formado por capas horizontales y
homogneas. Los resultados se representan en un grfico logartmico, en el eje de
las abcisas AB/2, y en ordenadas la resistividad aparente de cada punto. La curva
que se genere, ser la cual vamos a interpretar, para conseguir los espesores y las
resistividades correspondientes a las capas.

Una vez que la grfica se realiz, se procede a localizar las resistividades y

espesores de las capas, siguiente figura. En lo que concierne a los espesores, estos
se obtienen a partir de los puntos de infelxin de la curva. (Para este modelo se
utilizarn 4 capas)

10

=232.8

10

=91.6196

=71.8994
=36.28

=20.5525
1

10
0
10

10
AB/2

Grfico de AB/2 vs

10

Como se puede ver, las resistividades fueron proyectadas hasta el punto donde
se cree que permanecern constantes. Esto es as pues , por ejemplo, la primera
resistividad corresponde a 232.8 y tuvo que haber bajado hasta ~71.8994, pero
vuelve a subir pues la corriente empez a circular en la tercer capa, que es de
91.6196. Es decir, se proyect en la curva en los puntos de inflexin, hasta que las
resistividades se mantuvieran constantes.

Resultados obtenidos. Estos datos se utilizan en el archivo de entrada, se toman

como los parmetros (resistividades aparentes del modelo inicial).

Capa
1
2
3
4
5

(
)
232.8
71.8994
91.6196
20.5525
36.28

Espesor (
1.2
1
1.3
27.5

El modelo inicial fue el siguiente:

Nmero de
datos

Nmero de
iteraciones

(Nmero de

*2)-1

Resistividades aparentes y
espesores de las capas
observadas en la curva

Estos parmetros se guardan en un archivo de texto. Se utiliza el programa

matinv1d, en donde este archivo arroja otro de salida. Este programa lo que hace
es que te genera un cierto nmero de iteraciones, en donde lo que hace es
generar
calculadas, espesores y resistividades para las capas.

Al final de obtener esto, se despliega el error, el cual debo haber sido menor a 10,
y los espesores de las capas deban tener proporciones reales, al igual que las
resistividades obtenidas.
Para este caso en particular, se obtuvieron 4 capas y 5 resistividades.

Archivo de salida sale107.txt (Archivo completo anexo)

Como se observa, en la dcima iteracin, se tiene un error de 3.28, lo cual es

aceptable, al igual que las capas, pues sus dimensiones son reales.
Resultados: Modelo resultante de los datos.

Capa
1
2
3
4
5

(
)
504
65.79
110.8
18.91
142.6

Espesor (
0.4365
0.9455
2.838
41.71

La siguiente grfica muestra el nmero de iteraciones vs el RMS(raz media

cuadrtica). Lo que nos dice es que a partir de la sptima iteracin, los valores se
mantienen constates, lo que significa que con siete iteraciones bastara para
hacer el clculo del problema inverso.

60

50

RMS

40

30

20

10

5
6
#iteraciones

10

Grfico que representa la curva de los datos originales, y las curvas de cada una
de las iteraciones. (AB/2 siempre es igual para ambas, pero ser la
la que vaya
cambiando al paso de las iteraciones para ajiustarse.

10

a del modelo inicial

a del modelo inicial

10

10

SEV
Original
#1
data2
#2
data3
#3
data4
#4
data5
#5
data6
#6
data7
#7
data8
#8
data9
#9
data10
#10
data11

10

10
0
10

10
AB/2

10
0
10

10

10
AB/2

Grfico con los datos originales (SEV) y las 10 iteraciones. Se puede apreciar que
conforme aumentan las iteraciones, la lnea se va acercando ms al modelo
inicial.
3

a del modelo inicial

10

10

10
0
10

10
AB/2

10

Grfico que representa la curva de datos originales, y la curva de la ltima

iteracin del archivo de salida, el cual es representado por la lnea azul. Con esta
grfica se da por hecho de que el programa funciona con normalidad, adems
que los datos si fueron los esperados, pues la lnea azul est prcticamente sobre
la curva original.

MODELO DE 5 CAPAS
La metodologa utilizada ser la misma que el modelo de las 4 capas, solo que
con otros datos. Se genera un grfico logartmico, en el eje de las abcisas AB/2, y
en las ordenadas la resistividad aparente.
En la siguiente figura se seleccionan las 5 capas del modelo,a partir de los puntos
de inflexin de la curva.

10

=232.8

10

=91.6196
=72.213
=71.8994
=36.28

=20.5525
1

10
0
10

10
AB/2

10

Grfico de AB/2 vs

Las resistividades fueron proyectadas hasta el punto donde se cree que

permanecern constantes.

Resultados obtenidos. Estos datos se utilizan en el archivo de entrada

(rimsa108.txt), se toman como los parmetros (resistividades aparentes del modelo
inicial).

Capa
1
2
3
4
5
6

(
)
232.8
71.8994
91.6196
72.213
20.5525
36.28

Espesor (
1.2
1
1.3
2.5
25

El modelo inicial fue el siguiente:

(Nmero de

*2)-1

Nmero de
datos

Resistividades aparentes y
espesores de las capas
observadas en la curva
Nmero de
iteraciones

Estos parmetros se guardan en un archivo de texto. Se utiliza el programa

matinv1d, en donde este archivo arroja otro de salida. Este programa lo que hace
es que te genera un cierto nmero de iteraciones, en donde lo que hace es
generar
calculadas, espesores y resistividades para las capas.

Al final de obtener esto, se despliega el error, el cual debo haber sido menor a 10,
y los espesores de las capas deban tener proporciones reales, al igual que las
resistividades obtenidas.
Para este caso en particular, se obtuvieron 5 capas y 6 resistividades.Archivo de
salida sale108.txt (Archivo completo anexo)

Resistividades
aparentes

Espesores

Como se observa, en la dcima iteracin, se tiene un error de 6.1704, lo cual es

aceptable. En el caso de las capas, se tienen dimensiones fuera de lo real. Por
ejemplo, el espesor de la capa #2 es de 6 mm, lo cual no es posible, pues ningn
mtodo puede detectar un espesor de esta medida.
Resultados: Modelo resultante de los datos.
Capa
1
2
3
4
5
6

(
)
644.1
23.87
89.33
3.224
18.17
122.6

Espesor (
0.3901
0.06631
4.532
0.1218
37.32

La siguiente grfica muestra el nmero de iteraciones vs el RMS. Aqu se puede

apreciar que los valores de la lnea no se alcanzan a mantener constantes, por lo
que es necesario ms iteraciones para disminuir el error.

80
70
60

RMS

50
40
30
20
10
0

5
6
#iteraciones

10

El siguiente grfico representa la curva de los datos originales, y las curvas de

cada una de las iteraciones. (AB/2 siempre es igual para ambas, pero ser la
la
que vaya cambiando al paso de las iteraciones para ajustarse.
3

a del modelo inicial

10

SEV
#1
#2
#3
#4
#5
#6
#7
#8
#9
#10

10

10
0
10

10
AB/2

10

a del modelo inicial

10

10

10
0
10

10
AB/2

10

Grfico que representa la curva de datos originales, y la curva de la ltima

iteracin del archivo de salida, el cual es representado por la lnea azul.

CONCLUSIN:
Haciendo una comparacin entre ambos modelos, el modelo a elegir sera
el de 4 capas, pues fue el que se ajust mejor a los datos originales, tuvo
menos error y los espesores estn dentro de lo real, pues en el caso del
modelo de 5 capas, hubo espesores del rango de milmetros.

Cdigo utilizado en matlab para generar las grficas:

clear all
clc
x=[1;1.5;2.2;3.2;4.5;7;10;15;22;32;45;70;100];
y=[232.8;132.5;96.17;83.19;87.4;69.5;50.55;32.84;24.4;22.3;23.3;29.1;36.2
8];

%%%%%%%%%%%%%%%%%%%%Grfica de AB/2 vs rho aparente%%%%%%%%%%%%%%%%%%%%

figure(1)
loglog(x,y,'ko','LineWidth',1.5,'MarkerEdgeColor','r','MarkerFaceColor','r','MarkerSi
ze',5)
hold on
xlabel('AB/2')
ylabel('{\rho_a}')
%%%%%%%%%%%%%%% MODELO DE 4 CAPAS%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%Grfica del RMS vs nmero de iteraciones%%%%%%%%%%%%%%
figure(2)
a=[0;1;2;3;4;5;6;7;8;9;10];
b=[5.5044E+01;3.1471E+01;1.6343E+01;1.2888E+01;3.5579E+00;3.4862E+00;3.39
58E+00;3.2867E+00;3.2834E+00;3.2831E+00;3.2831E+00];
plot(a,b,'-k','LineWidth',1.5)
xlabel('#iteraciones')
ylabel('RMS')
%%%%%%%%%%%%%%%%Grfica de todas las iteraciones%%%%%%%%%%%%%%%%%%%%%%%
figure(3)
c=[2.197E+02;1.989E+02;1.636E+02;1.218E+02;8.693E+01;5.277E+01;3.520E+01;
2.535E+01;2.261E+01;2.269E+01;2.393E+01;2.671E+01;2.935E+01];%iteracin 0
d=[1.735E+02;1.443E+02;1.080E+02;7.947E+01;6.717E+01;6.273E+01;5.682E+01;
4.375E+01;3.155E+01;2.531E+01;2.473E+01;2.834E+01;3.289E+01];%iteracin 1
f=[1.812E+02;1.432E+02;1.060E+02;8.320E+01;7.400E+01;6.328E+01;4.926E+01;
3.343E+01;2.512E+01;2.327E+01;2.481E+01;2.965E+01;3.519E+01];%iteracin 2
g=[1.859E+02;1.273E+02;9.967E+01;9.279E+01;8.871E+01;7.190E+01;5.138E+01;
3.242E+01;2.422E+01;2.256E+01;2.353E+01;2.760E+01;3.375E+01];%iteracin 3
h=[2.350E+02;1.322E+02;9.257E+01;8.617E+01;8.410E+01;7.006E+01;5.135E+01;
3.295E+01;2.435E+01;2.249E+01;2.374E+01;2.882E+01;3.637E+01];%iteracin 4
j=[2.316E+02;1.338E+02;9.351E+01;8.601E+01;8.363E+01;6.991E+01;5.159E+01;
3.325E+01;2.442E+01;2.240E+01;2.365E+01;2.880E+01;3.638E+01];%iteracin 5
k=[2.324E+02;1.348E+02;9.434E+01;8.697E+01;8.448E+01;7.015E+01;5.144E+01;
3.302E+01;2.429E+01;2.235E+01;2.362E+01;2.880E+01;3.638E+01];%iteracin 6
l=[2.319E+02;1.341E+02;9.364E+01;8.642E+01;8.409E+01;6.982E+01;5.111E+01;
3.280E+01;2.421E+01;2.233E+01;2.362E+01;2.878E+01;3.638E+01];%iteracin 7
m=[2.319E+02;1.342E+02;9.368E+01;8.649E+01;8.417E+01;6.984E+01;5.107E+01;
3.274E+01;2.418E+01;2.233E+01;2.362E+01;2.879E+01;3.638E+01];%iteracin 8

n=[2.319E+02;1.342E+02;9.368E+01;8.649E+01;8.417E+01;6.985E+01;5.107E+01;
3.274E+01;2.418E+01;2.233E+01;2.362E+01;2.879E+01;3.639E+01];%iteracin 9
o=[2.319E+02;1.342E+02;9.368E+01;8.649E+01;8.418E+01;6.985E+01;5.107E+01;
3.274E+01;2.418E+01;2.233E+01;2.362E+01;2.879E+01;3.639E+01];%iteracin
10
loglog(x,y,'-ko','LineWidth',1.5,'MarkerEdgeColor','r','MarkerSize',5)
hold on
loglog(x,c,'Color',[rand rand rand])
hold on
loglog(x,d,'Color',[rand rand rand])
hold on
loglog(x,f,'Color',[rand rand rand])
hold on
loglog(x,g,'Color',[rand rand rand])
hold on
loglog(x,h,'Color',[rand rand rand])
hold on
loglog(x,j,'Color',[rand rand rand])
hold on
loglog(x,k,'Color',[rand rand rand])
hold on
loglog(x,l,'Color',[rand rand rand])
hold on
loglog(x,m,'Color',[rand rand rand])
hold on
loglog(x,n,'Color',[rand rand rand])
grid on
xlabel('AB/2')
ylabel('{\rho_a} del modelo inicial')
figure(4)
loglog(x,y,'-ko','LineWidth',1.5,'MarkerEdgeColor','r','MarkerSize',5)
hold on
loglog(x,o,'-b')
xlabel('AB/2')
ylabel('{\rho_a} del modelo inicial')
%%%%%%%%%%%%%%%%%%%%%%%% MODELO DE 5 CAPAS %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%% Grfico del RMS %%%%%%%%%%%%%%
figure(5)
a1=[0;1;2;3;4;5;6;7;8;9;10];
b1=[7.7349E+01;5.2890E+01;3.4709E+01;1.7936E+01;1.2727E+01;7.2938E+00;6.9
871E+00;6.5428E+00;6.4570E+00;6.3324E+00;6.1704E+00];
plot(a1,b1,'-k','LineWidth',1.5)
xlabel('#iteraciones')
ylabel('RMS')
%%%%%%%%%%%%%%%%%% Grfica de las iteraciones %%%%%%%%%%%%%%%%%%%%%%
figure(6)
c1=[2.20E+02;2.00E+02;1.66E+02;1.28E+02;9.92E+01;7.34E+01;5.58E+01;3.81E+
01;2.77E+01;2.43E+01;2.48E+01;2.75E+01;2.99E+01];
d1=[1.88E+02;1.40E+02;9.44E+01;6.55E+01;5.31E+01;4.55E+01;4.03E+01;3.40E+
01;2.84E+01;2.43E+01;2.24E+01;2.30E+01;2.62E+01];

f1=[2.14E+02;1.52E+02;1.16E+02;9.90E+01;8.90E+01;7.27E+01;5.56E+01;3.80E+
01;2.81E+01;2.49E+01;2.61E+01;3.28E+01;4.24E+01];
g1=[2.51E+02;1.49E+02;1.07E+02;9.49E+01;8.74E+01;7.09E+01;5.30E+01;3.50E+
01;2.55E+01;2.28E+01;2.38E+01;2.89E+01;3.63E+01];
h1=[2.48E+02;1.42E+02;1.01E+02;8.98E+01;8.38E+01;6.96E+01;5.32E+01;3.55E+
01;2.57E+01;2.27E+01;2.36E+01;2.85E+01;3.56E+01];
j1=[2.34E+02;1.34E+02;9.76E+01;8.84E+01;8.24E+01;6.79E+01;5.14E+01;3.42E+
01;2.49E+01;2.23E+01;2.35E+01;2.88E+01;3.63E+01];
k1=[2.30E+02;1.30E+02;9.60E+01;8.80E+01;8.24E+01;6.79E+01;5.14E+01;3.41E+
01;2.48E+01;2.22E+01;2.34E+01;2.87E+01;3.63E+01];
l1=[2.33E+02;1.31E+02;9.62E+01;8.82E+01;8.26E+01;6.78E+01;5.11E+01;3.37E+
01;2.45E+01;2.21E+01;2.33E+01;2.87E+01;3.63E+01];
m1=[2.34E+02;1.31E+02;9.62E+01;8.82E+01;8.25E+01;6.76E+01;5.08E+01;3.35E+
01;2.44E+01;2.21E+01;2.34E+01;2.88E+01;3.64E+01];
n1=[2.34E+02;1.31E+02;9.58E+01;8.82E+01;8.26E+01;6.76E+01;5.06E+01;3.33E+
01;2.43E+01;2.21E+01;2.34E+01;2.88E+01;3.64E+01];
o1=[2.34E+02;1.31E+02;9.56E+01;8.82E+01;8.28E+01;6.78E+01;5.07E+01;3.33E+
01;2.43E+01;2.21E+01;2.34E+01;2.89E+01;3.64E+01];
loglog(x,y,'-ko','LineWidth',1.5,'MarkerEdgeColor','r','MarkerSize',5)
hold on
loglog(x,c1,'Color',[rand rand rand])
hold on
loglog(x,d1,'Color',[rand rand rand])
hold on
loglog(x,f1,'Color',[rand rand rand])
hold on
loglog(x,g1,'Color',[rand rand rand])
hold on
loglog(x,h1,'Color',[rand rand rand])
hold on
loglog(x,j1,'Color',[rand rand rand])
hold on
loglog(x,k1,'Color',[rand rand rand])
hold on
loglog(x,l1,'Color',[rand rand rand])
hold on
loglog(x,m1,'Color',[rand rand rand])
hold on
loglog(x,n1,'Color',[rand rand rand])
grid on
xlabel('AB/2')
ylabel('{\rho_a} del modelo inicial')

%%%%%%%%%%%%Grafico de la ultima iteracion con los datos originales%%%%%

figure(7)
loglog(x,y,'-ko','LineWidth',1.5,'MarkerEdgeColor','r','MarkerSize',5)
hold on
loglog(x,o1,'-b')
xlabel('AB/2')
ylabel('{\rho_a} del modelo inicial')

ANEXOS
Archivo de salida modelo 4 capas, sale107.txt
1.000E+00 2.328E+02 2.197E+02 1
1.500E+00 1.325E+02 1.989E+02 1
2.200E+00 9.617E+01 1.636E+02 1
3.200E+00 8.319E+01 1.218E+02 1
4.500E+00 8.740E+01 8.693E+01 1
7.000E+00 6.950E+01 5.277E+01 1
1.000E+01 5.055E+01 3.520E+01 1
1.500E+01 3.284E+01 2.535E+01 1
2.200E+01 2.440E+01 2.261E+01 1
3.200E+01 2.230E+01 2.269E+01 1
4.500E+01 2.330E+01 2.393E+01 1
7.000E+01 2.910E+01 2.671E+01 1
1.000E+02 3.628E+01 2.935E+01 1
0 5.5044E+01 5.5044E+01
1.000E+00 2.328E+02 1.735E+02 1
1.500E+00 1.325E+02 1.443E+02 1
2.200E+00 9.617E+01 1.080E+02 1
3.200E+00 8.319E+01 7.947E+01 1
4.500E+00 8.740E+01 6.717E+01 1
7.000E+00 6.950E+01 6.273E+01 1
1.000E+01 5.055E+01 5.682E+01 1
1.500E+01 3.284E+01 4.375E+01 1
2.200E+01 2.440E+01 3.155E+01 1
3.200E+01 2.230E+01 2.531E+01 1
4.500E+01 2.330E+01 2.473E+01 1
7.000E+01 2.910E+01 2.834E+01 1
1.000E+02 3.628E+01 3.289E+01 1
1.965E+02 2.015E-01
4.930E+01 1.043E+00
1.378E+02 1.337E+00
1.964E+01 2.777E-01
5.312E+01 9.425E-01
9.242E-01 4.042E-01
2.280E+00 2.509E+00
2.085E+00 1.611E+00
3.146E+01 1.715E+00
1 3.1471E+01 5.5044E+01 1.0000E-02
1.000E+00 2.328E+02 1.812E+02 1
1.500E+00 1.325E+02 1.432E+02 1
2.200E+00 9.617E+01 1.060E+02 1
3.200E+00 8.319E+01 8.320E+01 1
4.500E+00 8.740E+01 7.400E+01 1
7.000E+00 6.950E+01 6.328E+01 1
1.000E+01 5.055E+01 4.926E+01 1
1.500E+01 3.284E+01 3.343E+01 1
2.200E+01 2.440E+01 2.512E+01 1
3.200E+01 2.230E+01 2.327E+01 1

4.500E+01 2.330E+01 2.481E+01 1

7.000E+01 2.910E+01 2.965E+01 1
1.000E+02 3.628E+01 3.519E+01 1
2.185E+02 1.789E-01
5.893E+01 3.086E-01
1.231E+02 3.290E-01
1.981E+01 1.846E-01
6.275E+01 6.865E-01
7.615E-01 2.135E-01
1.525E+00 5.685E-01
1.839E+00 3.617E-01
3.188E+01 6.189E-01
2 1.6343E+01 5.5044E+01 1.0000E-02
1.000E+00 2.328E+02 1.859E+02 1
1.500E+00 1.325E+02 1.273E+02 1
2.200E+00 9.617E+01 9.967E+01 1
3.200E+00 8.319E+01 9.279E+01 1
4.500E+00 8.740E+01 8.871E+01 1
7.000E+00 6.950E+01 7.190E+01 1
1.000E+01 5.055E+01 5.138E+01 1
1.500E+01 3.284E+01 3.242E+01 1
2.200E+01 2.440E+01 2.422E+01 1
3.200E+01 2.230E+01 2.256E+01 1
4.500E+01 2.330E+01 2.353E+01 1
7.000E+01 2.910E+01 2.760E+01 1
1.000E+02 3.628E+01 3.375E+01 1
3.320E+02 2.532E-01
7.694E+01 7.412E-01
1.343E+02 8.626E-01
1.990E+01 1.927E-01
9.900E+01 1.074E+00
4.470E-01 4.216E-01
1.248E+00 1.426E+00
2.113E+00 1.064E+00
4.440E+01 8.970E-01
3 1.2888E+01 5.5044E+01 1.0000E-03
1.000E+00 2.328E+02 2.350E+02 1
1.500E+00 1.325E+02 1.322E+02 1
2.200E+00 9.617E+01 9.257E+01 1
3.200E+00 8.319E+01 8.617E+01 1
4.500E+00 8.740E+01 8.410E+01 1
7.000E+00 6.950E+01 7.006E+01 1
1.000E+01 5.055E+01 5.135E+01 1
1.500E+01 3.284E+01 3.295E+01 1
2.200E+01 2.440E+01 2.435E+01 1
3.200E+01 2.230E+01 2.249E+01 1
4.500E+01 2.330E+01 2.374E+01 1
7.000E+01 2.910E+01 2.882E+01 1
1.000E+02 3.628E+01 3.637E+01 1
5.653E+02 2.459E-01
7.255E+01 2.769E-01

1.261E+02 4.154E-01
1.908E+01 4.249E-02
1.457E+02 1.069E+00
4.078E-01 2.342E-01
1.396E+00 8.478E-01
2.212E+00 6.847E-01
4.247E+01 3.848E-01
4 3.5579E+00 5.5044E+01 1.0000E-04
1.000E+00 2.328E+02 2.316E+02 1
1.500E+00 1.325E+02 1.338E+02 1
2.200E+00 9.617E+01 9.351E+01 1
3.200E+00 8.319E+01 8.601E+01 1
4.500E+00 8.740E+01 8.363E+01 1
7.000E+00 6.950E+01 6.991E+01 1
1.000E+01 5.055E+01 5.159E+01 1
1.500E+01 3.284E+01 3.325E+01 1
2.200E+01 2.440E+01 2.442E+01 1
3.200E+01 2.230E+01 2.240E+01 1
4.500E+01 2.330E+01 2.365E+01 1
7.000E+01 2.910E+01 2.880E+01 1
1.000E+02 3.628E+01 3.638E+01 1
5.152E+02 2.491E-01
6.987E+01 3.422E-01
1.100E+02 1.053E+00
1.892E+01 5.021E-02
1.423E+02 1.378E+00
4.265E-01 1.773E-01
1.111E+00 1.747E+00
2.778E+00 1.780E+00
4.172E+01 3.607E-01
5 3.4862E+00 5.5044E+01 1.0000E-05
1.000E+00 2.328E+02 2.324E+02 1
1.500E+00 1.325E+02 1.348E+02 1
2.200E+00 9.617E+01 9.434E+01 1
3.200E+00 8.319E+01 8.697E+01 1
4.500E+00 8.740E+01 8.448E+01 1
7.000E+00 6.950E+01 7.015E+01 1
1.000E+01 5.055E+01 5.144E+01 1
1.500E+01 3.284E+01 3.302E+01 1
2.200E+01 2.440E+01 2.429E+01 1
3.200E+01 2.230E+01 2.235E+01 1
4.500E+01 2.330E+01 2.362E+01 1
7.000E+01 2.910E+01 2.880E+01 1
1.000E+02 3.628E+01 3.638E+01 1
5.021E+02 2.773E-01
6.510E+01 6.143E-01
1.075E+02 5.555E-01
1.889E+01 5.188E-02
1.407E+02 1.293E+00
4.386E-01 2.498E-01
8.615E-01 2.371E+00

3.020E+00 1.245E+00
4.150E+01 3.523E-01
6 3.3958E+00 5.5044E+01 1.0000E-05
1.000E+00 2.328E+02 2.319E+02 1
1.500E+00 1.325E+02 1.341E+02 1
2.200E+00 9.617E+01 9.364E+01 1
3.200E+00 8.319E+01 8.642E+01 1
4.500E+00 8.740E+01 8.409E+01 1
7.000E+00 6.950E+01 6.982E+01 1
1.000E+01 5.055E+01 5.111E+01 1
1.500E+01 3.284E+01 3.280E+01 1
2.200E+01 2.440E+01 2.421E+01 1
3.200E+01 2.230E+01 2.233E+01 1
4.500E+01 2.330E+01 2.362E+01 1
7.000E+01 2.910E+01 2.878E+01 1
1.000E+02 3.628E+01 3.638E+01 1
5.036E+02 3.618E-01
6.558E+01 1.466E+00
1.099E+02 5.007E-01
1.891E+01 5.161E-02
1.434E+02 1.247E+00
4.369E-01 4.185E-01
9.311E-01 3.946E+00
2.875E+00 1.290E+00
4.176E+01 3.472E-01
7 3.2867E+00 5.5044E+01 1.0000E-06
1.000E+00 2.328E+02 2.319E+02 1
1.500E+00 1.325E+02 1.342E+02 1
2.200E+00 9.617E+01 9.368E+01 1
3.200E+00 8.319E+01 8.649E+01 1
4.500E+00 8.740E+01 8.417E+01 1
7.000E+00 6.950E+01 6.984E+01 1
1.000E+01 5.055E+01 5.107E+01 1
1.500E+01 3.284E+01 3.274E+01 1
2.200E+01 2.440E+01 2.418E+01 1
3.200E+01 2.230E+01 2.233E+01 1
4.500E+01 2.330E+01 2.362E+01 1
7.000E+01 2.910E+01 2.879E+01 1
1.000E+02 3.628E+01 3.638E+01 1
5.037E+02 3.619E-01
6.560E+01 1.298E+00
1.105E+02 6.240E-01
1.891E+01 5.163E-02
1.422E+02 1.290E+00
4.369E-01 3.993E-01
9.362E-01 3.736E+00
2.852E+00 1.467E+00
4.167E+01 3.520E-01
8 3.2834E+00 5.5044E+01 1.0000E-07
1.000E+00 2.328E+02 2.319E+02 1
1.500E+00 1.325E+02 1.342E+02 1

2.200E+00 9.617E+01 9.368E+01 1

3.200E+00 8.319E+01 8.649E+01 1
4.500E+00 8.740E+01 8.417E+01 1
7.000E+00 6.950E+01 6.985E+01 1
1.000E+01 5.055E+01 5.107E+01 1
1.500E+01 3.284E+01 3.274E+01 1
2.200E+01 2.440E+01 2.418E+01 1
3.200E+01 2.230E+01 2.233E+01 1
4.500E+01 2.330E+01 2.362E+01 1
7.000E+01 2.910E+01 2.879E+01 1
1.000E+02 3.628E+01 3.639E+01 1
5.040E+02 3.627E-01
6.581E+01 1.295E+00
1.108E+02 6.434E-01
1.891E+01 5.192E-02
1.429E+02 1.273E+00
4.365E-01 3.996E-01
9.462E-01 3.727E+00
2.838E+00 1.492E+00
4.173E+01 3.513E-01
9 3.2831E+00 5.5044E+01 1.0000E-08
1.000E+00 2.328E+02 2.319E+02 1
1.500E+00 1.325E+02 1.342E+02 1
2.200E+00 9.617E+01 9.368E+01 1
3.200E+00 8.319E+01 8.649E+01 1
4.500E+00 8.740E+01 8.418E+01 1
7.000E+00 6.950E+01 6.985E+01 1
1.000E+01 5.055E+01 5.107E+01 1
1.500E+01 3.284E+01 3.274E+01 1
2.200E+01 2.440E+01 2.418E+01 1
3.200E+01 2.230E+01 2.233E+01 1
4.500E+01 2.330E+01 2.362E+01 1
7.000E+01 2.910E+01 2.879E+01 1
1.000E+02 3.628E+01 3.639E+01 1
5.040E+02 3.603E-01
6.579E+01 1.258E+00
1.108E+02 6.531E-01
1.891E+01 5.164E-02
1.426E+02 1.280E+00
4.365E-01 3.937E-01
9.455E-01 3.671E+00
2.838E+00 1.503E+00
4.171E+01 3.509E-01
10 3.2831E+00 5.5044E+01 1.0000E-09

Archivo de salida modelo 4 capas, sale108.txt

1.000E+00 2.328E+02 2.199E+02 1
1.500E+00 1.325E+02 1.998E+02 1
2.200E+00 9.617E+01 1.660E+02 1
3.200E+00 8.319E+01 1.277E+02 1
4.500E+00 8.740E+01 9.919E+01 1
7.000E+00 6.950E+01 7.344E+01 1
1.000E+01 5.055E+01 5.581E+01 1
1.500E+01 3.284E+01 3.808E+01 1
2.200E+01 2.440E+01 2.771E+01 1
3.200E+01 2.230E+01 2.432E+01 1
4.500E+01 2.330E+01 2.482E+01 1
7.000E+01 2.910E+01 2.745E+01 1
1.000E+02 3.628E+01 2.993E+01 1
0 7.7349E+01 7.7349E+01
1.000E+00 2.328E+02 1.876E+02 1
1.500E+00 1.325E+02 1.395E+02 1
2.200E+00 9.617E+01 9.436E+01 1
3.200E+00 8.319E+01 6.554E+01 1
4.500E+00 8.740E+01 5.307E+01 1
7.000E+00 6.950E+01 4.553E+01 1
1.000E+01 5.055E+01 4.034E+01 1
1.500E+01 3.284E+01 3.403E+01 1
2.200E+01 2.440E+01 2.842E+01 1
3.200E+01 2.230E+01 2.428E+01 1
4.500E+01 2.330E+01 2.236E+01 1
7.000E+01 2.910E+01 2.297E+01 1
1.000E+02 3.628E+01 2.620E+01 1
2.446E+02 5.983E-01
1.954E+02 1.308E+01
4.959E+01 1.356E+01
3.482E+01 1.627E+01
1.852E+01 1.979E+00
7.876E+01 3.506E+00
4.415E-01 3.761E+00
3.679E-01 4.268E+01
3.458E+00 3.192E+01
6.796E+00 1.869E+01
5.480E+01 1.035E+01
1 5.2890E+01 7.7349E+01 1.0000E-04
1.000E+00 2.328E+02 2.136E+02 1
1.500E+00 1.325E+02 1.524E+02 1
2.200E+00 9.617E+01 1.163E+02 1
3.200E+00 8.319E+01 9.902E+01 1
4.500E+00 8.740E+01 8.901E+01 1
7.000E+00 6.950E+01 7.269E+01 1
1.000E+01 5.055E+01 5.560E+01 1
1.500E+01 3.284E+01 3.795E+01 1
2.200E+01 2.440E+01 2.805E+01 1

3.200E+01 2.230E+01 2.488E+01 1

4.500E+01 2.330E+01 2.610E+01 1
7.000E+01 2.910E+01 3.276E+01 1
1.000E+02 3.628E+01 4.241E+01 1
3.661E+02 7.923E-01
1.554E+02 1.214E+00
9.366E+01 5.106E-01
3.064E+01 8.019E-01
1.966E+01 4.950E-01
2.037E+02 5.797E+00
3.861E-01 9.419E-01
3.007E-01 1.409E+00
3.996E+00 1.876E+00
3.917E+00 1.720E+00
3.577E+01 2.061E+00
2 3.4709E+01 7.7349E+01 1.0000E-02
1.000E+00 2.328E+02 2.510E+02 1
1.500E+00 1.325E+02 1.489E+02 1
2.200E+00 9.617E+01 1.073E+02 1
3.200E+00 8.319E+01 9.487E+01 1
4.500E+00 8.740E+01 8.735E+01 1
7.000E+00 6.950E+01 7.087E+01 1
1.000E+01 5.055E+01 5.295E+01 1
1.500E+01 3.284E+01 3.495E+01 1
2.200E+01 2.440E+01 2.551E+01 1
3.200E+01 2.230E+01 2.280E+01 1
4.500E+01 2.330E+01 2.378E+01 1
7.000E+01 2.910E+01 2.885E+01 1
1.000E+02 3.628E+01 3.625E+01 1
6.073E+02 9.988E-01
1.297E+02 2.471E+00
9.364E+01 2.448E-01
2.672E+01 2.059E+00
1.877E+01 3.725E-01
1.270E+02 4.117E+00
3.786E-01 1.262E+00
1.106E-01 4.712E+00
4.257E+00 7.283E-01
2.378E+00 3.734E+00
3.860E+01 1.143E+00
3 1.7936E+01 7.7349E+01 1.0000E-03
1.000E+00 2.328E+02 2.484E+02 1
1.500E+00 1.325E+02 1.415E+02 1
2.200E+00 9.617E+01 1.006E+02 1
3.200E+00 8.319E+01 8.978E+01 1
4.500E+00 8.740E+01 8.377E+01 1
7.000E+00 6.950E+01 6.963E+01 1
1.000E+01 5.055E+01 5.318E+01 1
1.500E+01 3.284E+01 3.551E+01 1
2.200E+01 2.440E+01 2.566E+01 1
3.200E+01 2.230E+01 2.267E+01 1

4.500E+01 2.330E+01 2.356E+01 1

7.000E+01 2.910E+01 2.849E+01 1
1.000E+02 3.628E+01 3.563E+01 1
6.393E+02 5.285E-01
8.749E+01 5.293E+00
8.826E+01 1.253E-01
2.604E+01 2.664E+00
1.867E+01 2.281E-01
1.196E+02 2.659E+00
3.832E-01 5.303E-01
4.069E-02 1.407E+01
4.716E+00 5.269E-01
8.749E-01 5.768E+00
3.959E+01 9.723E-01
4 1.2727E+01 7.7349E+01 1.0000E-03
1.000E+00 2.328E+02 2.344E+02 1
1.500E+00 1.325E+02 1.339E+02 1
2.200E+00 9.617E+01 9.764E+01 1
3.200E+00 8.319E+01 8.839E+01 1
4.500E+00 8.740E+01 8.240E+01 1
7.000E+00 6.950E+01 6.793E+01 1
1.000E+01 5.055E+01 5.143E+01 1
1.500E+01 3.284E+01 3.417E+01 1
2.200E+01 2.440E+01 2.490E+01 1
3.200E+01 2.230E+01 2.233E+01 1
4.500E+01 2.330E+01 2.349E+01 1
7.000E+01 2.910E+01 2.878E+01 1
1.000E+02 3.628E+01 3.626E+01 1
6.370E+02 1.854E-01
4.046E+01 2.920E+00
8.747E+01 4.382E-02
2.273E+01 1.418E+00
1.838E+01 6.559E-02
1.258E+02 6.615E-01
3.754E-01 8.676E-02
2.822E-02 1.375E+01
4.670E+00 1.206E-01
3.219E-01 4.298E+00
3.878E+01 2.003E-01
5 7.2938E+00 7.7349E+01 1.0000E-02
1.000E+00 2.328E+02 2.304E+02 1
1.500E+00 1.325E+02 1.302E+02 1
2.200E+00 9.617E+01 9.603E+01 1
3.200E+00 8.319E+01 8.802E+01 1
4.500E+00 8.740E+01 8.235E+01 1
7.000E+00 6.950E+01 6.794E+01 1
1.000E+01 5.055E+01 5.142E+01 1
1.500E+01 3.284E+01 3.408E+01 1
2.200E+01 2.440E+01 2.476E+01 1
3.200E+01 2.230E+01 2.218E+01 1
4.500E+01 2.330E+01 2.338E+01 1

7.000E+01 2.910E+01 2.873E+01 1

1.000E+02 3.628E+01 3.625E+01 1
6.498E+02 1.897E-01
2.984E+01 3.313E+00
8.769E+01 4.388E-02
1.891E+01 3.638E+00
1.819E+01 6.151E-02
1.251E+02 6.394E-01
3.757E-01 9.217E-02
4.639E-02 4.508E+00
4.634E+00 1.119E-01
1.184E-01 1.511E+01
3.843E+01 1.855E-01
6 6.9871E+00 7.7349E+01 1.0000E-02
1.000E+00 2.328E+02 2.334E+02 1
1.500E+00 1.325E+02 1.311E+02 1
2.200E+00 9.617E+01 9.621E+01 1
3.200E+00 8.319E+01 8.823E+01 1
4.500E+00 8.740E+01 8.255E+01 1
7.000E+00 6.950E+01 6.783E+01 1
1.000E+01 5.055E+01 5.107E+01 1
1.500E+01 3.284E+01 3.372E+01 1
2.200E+01 2.440E+01 2.454E+01 1
3.200E+01 2.230E+01 2.209E+01 1
4.500E+01 2.330E+01 2.334E+01 1
7.000E+01 2.910E+01 2.874E+01 1
1.000E+02 3.628E+01 3.626E+01 1
6.548E+02 1.728E-01
2.789E+01 1.498E+00
8.824E+01 4.466E-02
8.269E+00 9.003E+00
1.811E+01 5.932E-02
1.235E+02 6.262E-01
3.800E-01 8.317E-02
5.208E-02 1.714E+00
4.575E+00 9.812E-02
4.356E-02 5.718E+01
3.810E+01 1.827E-01
7 6.5428E+00 7.7349E+01 1.0000E-02
1.000E+00 2.328E+02 2.338E+02 1
1.500E+00 1.325E+02 1.312E+02 1
2.200E+00 9.617E+01 9.623E+01 1
3.200E+00 8.319E+01 8.820E+01 1
4.500E+00 8.740E+01 8.245E+01 1
7.000E+00 6.950E+01 6.759E+01 1
1.000E+01 5.055E+01 5.077E+01 1
1.500E+01 3.284E+01 3.350E+01 1
2.200E+01 2.440E+01 2.444E+01 1
3.200E+01 2.230E+01 2.207E+01 1
4.500E+01 2.330E+01 2.337E+01 1
7.000E+01 2.910E+01 2.881E+01 1

1.000E+02 3.628E+01 3.638E+01 1

6.550E+02 7.208E-02
2.784E+01 4.231E-01
8.827E+01 2.378E-02
5.984E+00 6.447E+00
1.811E+01 2.756E-02
1.248E+02 2.128E-01
3.804E-01 2.720E-02
5.225E-02 4.780E-01
4.562E+00 3.448E-02
6.224E-02 8.995E+00
3.795E+01 5.776E-02
8 6.4570E+00 7.7349E+01 1.0000E-01
1.000E+00 2.328E+02 2.338E+02 1
1.500E+00 1.325E+02 1.307E+02 1
2.200E+00 9.617E+01 9.580E+01 1
3.200E+00 8.319E+01 8.816E+01 1
4.500E+00 8.740E+01 8.258E+01 1
7.000E+00 6.950E+01 6.760E+01 1
1.000E+01 5.055E+01 5.062E+01 1
1.500E+01 3.284E+01 3.331E+01 1
2.200E+01 2.440E+01 2.434E+01 1
3.200E+01 2.230E+01 2.205E+01 1
4.500E+01 2.330E+01 2.338E+01 1
7.000E+01 2.910E+01 2.884E+01 1
1.000E+02 3.628E+01 3.641E+01 1
6.513E+02 1.602E-01
2.547E+01 1.207E+00
8.878E+01 4.521E-02
3.956E+00 1.057E+01
1.812E+01 5.827E-02
1.238E+02 5.470E-01
3.848E-01 7.751E-02
5.992E-02 1.348E+00
4.538E+00 9.955E-02
9.622E-02 1.236E+01
3.758E+01 1.575E-01
9 6.3324E+00 7.7349E+01 1.0000E-02
1.000E+00 2.328E+02 2.342E+02 1
1.500E+00 1.325E+02 1.306E+02 1
2.200E+00 9.617E+01 9.555E+01 1
3.200E+00 8.319E+01 8.819E+01 1
4.500E+00 8.740E+01 8.283E+01 1
7.000E+00 6.950E+01 6.784E+01 1
1.000E+01 5.055E+01 5.073E+01 1
1.500E+01 3.284E+01 3.330E+01 1
2.200E+01 2.440E+01 2.432E+01 1
3.200E+01 2.230E+01 2.207E+01 1
4.500E+01 2.330E+01 2.341E+01 1
7.000E+01 2.910E+01 2.887E+01 1
1.000E+02 3.628E+01 3.642E+01 1

6.441E+02 1.524E-01
2.387E+01 9.516E-01
8.933E+01 4.517E-02
3.224E+00 4.741E+00
1.817E+01 5.892E-02
1.226E+02 5.265E-01
3.901E-01 7.330E-02
6.631E-02 1.034E+00
4.532E+00 9.659E-02
1.218E-01 4.943E+00
3.732E+01 1.541E-01
10 6.1704E+00 7.7349E+01 1.0000E-02

REFERENCIAS
Resistividad en Wikipedia, la enciclopedia libre. Disponible en:
http://es.wikipedia.org/wiki/Resistividad. Modificado el 31/mayo/2013.
Revisado el 07/06/13.

"Respuesta lineal de fase y sus implicaciones". Disponible en

http://www.ehu.es/Procesadodesenales/tema5/t91b.html. Revisado el 07/06/2013.

Linear filters. Disponible en

http://galton.uchicago.edu/~eichler/stat39400/Handouts/l6.pdf. Modificado el
21/10/2003. Revisado el 12/06/12.

Mtodos numricos aplicados con software. Nakamura, S. Pearson

Educacin. 1992.