“Año de la universalización de la salud”

ESCUELA PROFESIONAL DE INGENIERÍA MECÁNICA

“APLICACIÓN DE CUADRATURA DE GAUSS CHEBYSHEV”

DATOS INFORMATIVOS:

 Facultad : Ingeniería
 Curso : Simulación Númerica
 Carácter del curso : Obligatorio
 Ciclo de estudios : 2020-I
 Semestre Académico : IX
 Docente responsable : Ms. Ing. Montañez Montenegro Carlos

DATOS DEL ALUMNO:

 Nombres y Apellidos
Crisanto Luera Jhojan Milzhon : 0201616016
Luperdi De la Cruz Brian Steven : 0201616029
Velásquez Cruz Aderlyn Gilbert : 0201616017
Villanueva Gavidia Jorge : 0201616028
Zuñiga Aspur Jean Paul : 0201616009

Nuevo Chimbote, 19 de julio del 2020.

 I. MARCO TEORICO

En el análisis numérico, la cuadratura de Gauss Chebyshev es una extensión

del método de la cuadratura gaussiana para aproximar el valor de integrales del siguiente
tipo:

La integral definida de 𝑓 (𝑥) con la función de peso 𝑤 (𝑥),

Supóngase también, que 𝐼𝐼 está siendo aproximada en la forma

Donde los 𝐴𝑘 son ciertos coeficientes y los {𝑥𝑥𝑘𝑘} son ciertas abscisas en el intervalo [𝑎,
𝑏] (los cuales deben ser determinados). La idea de la cuadratura Gaussiana es encontrar la
fórmula (40) que da un resultado exacto para todos los polinomios de mayor grado posible.

Si 𝐽𝑛−1𝑓 (𝑥) es el polinomio de grado 𝑛 − 1 el cual interpola 𝑓 (𝑥) en cualesquiera 𝑛𝑛

puntos distintos 𝑥1,…, 𝑥𝑛, luego

Donde 𝑙𝑘 es un polinomio de Lagrange

El polinomio 𝐽𝑛−1 𝑓 (𝑥) tiene la integral

Siempre que los coeficientes 𝐴𝑘 sean escogidos de la forma

Con cualesquiera 𝑛𝑛 abscisas distintas, por lo tanto, y con esta elección de coeficientes 𝐴𝑘,
la fórmula ciertamente da un resultado exacto cada vez que 𝑓 (𝑥) sea un polinomio de
grado 𝑛 − 1 o menor. Sin embargo, se puede mejorar en este grado por una elección
adecuada de las abscisas.

Adviértase también que, para abscisas generales no hay control sobre los signos y
magnitudes de los coeficientes de 𝐴𝑘, entonces la evaluación de la formula puede
involucrar altas cancelaciones entre grandes términos de signos opuestos y en consecuencia
un elevado error de redondeo. No obstante, cuando se escoge la abscisa para maximizar el
grado de exactitud, esto puede cesar los problemas que habían surgido

Lema 3.

Para cualquier 𝜙 en [0, 𝜋], 𝑛 = 1, 2, 3,…

Nota: Desde que se ha declarado este lema en términos de la integral de “valor principal de

Cauchy” 𝑃 ∫… d𝜃, si se permite que 𝜙𝜙 tome un valor arbitrario, los integrados tienen una
singularidad no integrable en 𝜃 = 𝜙. Sin embargo cuando se aplique este lema en lo
siguiente, 𝜃 = 𝜙 siempre resultará en hacer cero el numerador, entonces la singularidad de
echo será removida y el valor principal de la integral será equivalente a la integral en el
sentido ordinario.

Lema 4.
Demostración del Lema 4. De la primera ecuación del Lema 3 si reemplaza el cos 𝜃 por 𝑥
y cos𝜙 por 𝑦,

Escribiendo

Donde

Reescribiendo esto en términos de 𝜃 y 𝜙, se obtiene

y esto prueba la primera parte del lema.

La parte 2 se puede probar de manera similar, empezando por la segunda ecuación del
Lema 3, la cual da

y haciendo una sustitución similar.

Siguiendo la demostración del Teorema, se tiene:

II. CALCULO Y RESULTADOS

En ingeniería energética, el pronóstico del consumo de electricidad se conoce como una de

las tareas más importantes en la planificación energética y tiene una gran importancia en la
toma de decisiones de gestión para los grupos de generación de energía, así como el ajuste
de la política energética para el gobierno. Por lo tanto, es esencial predecir el consumo de
electricidad con precisión.

El modelo GM (1,1) es el enfoque más común en la predicción del consumo de

electricidad. Tiene las ventajas de poca demanda de datos, cálculo conveniente y se usa
ampliamente en consecuencia. Sin embargo, como otros métodos de predicción, también
tiene algunas limitaciones. Por lo tanto, en los últimos años, la investigación sobre la
mejora y la optimización del modelo GM (1,1) ha atraído la atención de muchos
académicos.

La literatura utiliza el modelo GM convencional (1,1) para pronosticar datos. Pero el error
de predicción es relativamente grande. La literatura utiliza la fórmula de interpolación de
Lagrange para reconstruir el valor de fondo. La literatura utiliza la fórmula de los núcleos
de Newton para reconstruir el valor de fondo, construye (n-1) el polinomio de interpolación
de Newton Cores fórmula para reconstruir el valor de fondo, construye (n-1) th Polinomio
de interpolación de Newton N (t) de x(1) a calcular el valor en el Intervalo [ k, k +1] por
la fórmula Cores, que es el valor de fondo mejorado.

La investigación en los últimos años muestra que la reconstrucción del valor de fondo con
el algoritmo de interpolación tiene un mejor rendimiento que el antiguo método trapezoidal.
Sin embargo, todas las investigaciones anteriores utilizan ciertas interpolaciones únicas,
como la interpolación de Lagrange, la interpolación de Newton , etc. Estos métodos pueden
mejorar la precisión de la predicción, pero para poner un énfasis indebido En cuanto a la
precisión, estos métodos también agregan nodos, lo que provoca una vibración Fenómeno
de rugosidad que causa una disminución en la aplicabilidad del modelo o incluso hace que
el modelo no se pueda usar.

Basado en la literatura mencionada anteriormente, este documento propone un método para

mejorar el valor de fondo mediante la fórmula de Causs-Chebyshev. Supera los problemas
en los métodos de interpolación única, evita la distorsión y mejora la profundidad teórica
del modelo. Tiene la ventaja de una alta precisión y puede resolver problemas de nodos no
equidistantes. Este enfoque puede reducir la operación de multiplicación a (n-1) veces, que
es más simple y directo en beneficio de popularizar el método de pronóstico en ingeniería
de energía.

Dado el polinomio interpolador de enésimo grado 𝑃 (𝑥) satisfaciendo la condición

𝑃(𝑥 ) 𝑦 ( 𝑛) es existencia y singularidad.

A continuación, hacemos un tratamiento numérico para el valor de fondo. 𝑧 (𝐾 ) Los

pasos del algoritmo son como sigue:

PASO 1. Dejar 𝑓( ) 𝑥 ( ) luego:

∫ 𝑥( ) ∫ 𝑓( ) ∫ 𝑓( 𝑘 )

∫ 𝑓( ) ∫ √ 𝑓( )
√

∫ ( )
√

𝐴 ( ) 𝐴 ( ) 𝐴 ( )
PASO 2. El Nodo Gauss es el punto cero del polinomio de Chebyshev, así que eso
( ) y

PASO 3. ( ) al polinomio de Gauss-Chebyshev con lata de precisión

algebraica cuadrática.

𝐴 𝐴 𝐴 ∫ √
𝜋

√ √
𝐴 𝐴 𝐴 ∫
√

𝜋
𝐴 𝐴 𝐴 ∫
√

Podemos obtener: 𝐴 𝐴 𝐴

PASO 4. El valor de fondo óptimo es el siguiente:

𝑧 ( ) (𝑘 ) ∫ 𝑥( )( ) ∫ ( )

√ √ √ √
√ ( ) 𝑥 ( ) (𝑘 ) √ ( ) 𝑥 ( ) (𝑘 ) √ ( ) 𝑥 ( ) (𝑘 )

𝜋 𝜋 𝜋
𝑥 ( ) (𝑘) 𝑥( )
(𝑘 ) 𝑥 ( ) (𝑘 )

La fórmula es un nuevo valor de fondo por el modelo GM mejorado (1, 1) que usa la
fórmula Guass-Chebyshev.
 III. DISCUSIÓN Y RECOMENDACIONES
Se invita a los estudiantes de la carrera de matemática el estudio de los polinomios de
Chebyshev. Estos polinomios tienen aplicaciones en muchas áreas de la matemática. Esto
implica que su estudio no se puede quedar sólo en cálculos básicos sino que hay que
profundizar en su gran cantidad de aplicaciones.
Se podría estudiar las aplicaciones de los polinomios de Chebyshev en el campo de los
números complejos, en las series de Chebyshev, el método de cuadratura de Clenshaw-
Curtis, que sería una continuación a este trabajo, la solución de ecuaciones diferenciales
ordinarias y ecuaciones diferenciales parciales con el método espectral, o inclusive en la
solución de ecuaciones integrales.
Otro tema de investigación sería el uso del programa chebfun, ya que esta ocasión no se
pudo aprovechar debido a las diferentes fórmulas utilizadas en el algoritmo.
Que los estudiantes de la carrera de matemática puedan estudiar más programación, ya que
esta es una herramienta básica para comprobar y resolver problemas de modelación
matemática. Muchos programas tienen demasiadas generalidades en su programación que a
la hora de resolver un problema distinto (muy particular) resulta difícil adaptarse y resolver
el problema.
A los maestros que imparten la clase de análisis numérico en la carrera de matemáticas que
motiven a los estudiantes a profundizar en otros métodos numéricos, que por motivos de
tiempo, no se abordan en clases como es el caso de los polinomios de Chebyshev.

IV. CONCLUSION
La principal contribución de este documento es proponer una nueva metodología de análisis
numérico para pronosticar el consumo de electricidad de la ingeniería de energía en este
caso planteado en China. El enfoque propuesto de Gauss-Chebyshev, que resolvió
problemas de nodos no equidistantes, puede reducir la operación de multiplicación a (n-1)
veces, lo cual es más simple y directo en beneficio de popularizar el método de pronóstico
en ingeniería de energía. Los ejemplos de simulación muestran una aplicabilidad más fuerte
cuando se usa la fórmula Gauss-Chebyshev para optimizar el valor de fondo del modelo
GM (1,1). Y trabajará más efectivamente en la ingeniería de energía y otras aplicaciones
prácticas, que a futuro podemos aplicar aquí en Perú; para este ejmplo nos basamos en uno
ya realizado con datos de China.