UNIVERSIDAD NACIONAL DE

INGENIERÍA
ESCUELA DE POSGRADO DE LA
FACULTAD DE INGENIERÍA CIVIL
MAESTRÍA EN CIENCIAS CON
MENCIÓN EN INGENIERÍA
ESTRUCTURAL

TRABAJO # 02
(Métodos Numéricos en Ingenierı́a)

RESOLUCIÓN DE SISTEMAS
LINEALES
Y AJUSTE DE CURVAS
Autor: Catedrático:
Ing. Miguel Raúl PhD. Hugo
Guzmán Prado Scaletti Farina

LIMA - PERÚ
2015
 EPÍGRAFE

“Si quieres llegar a donde la mayorı́a no llega, necesitas hacer algo que la mayorı́a de
las personas no hacen”

Universidad Nacional de Ingenierı́a

Escuela de Pogrado de la Facultad de Ingenierı́a Civil
Maestrı́a en Ingenierı́a Civil con mención en Ingenierı́a Estructural
Miguel Raúl Guzmán Prado
Ingeniero Civil
http://miguelraul123456.wix.com/stran

ii
 Índice general

Portada I

Epı́grafe II

Índice general III

1. Trabajo # 02
Métodos Numéricos en Ingenierı́a
Por: Miguel Raúl Guzmán Prado 1
1.1. Problema 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Solución: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2. Comentarios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Problema 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Solución: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Problema 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1. Solución: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2. M-File lsline (Recta de regresión) . . . . . . . . . . . . . . . . . 8
1.4. Problema 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1. Solución: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

Bibliografı́a 11

iii
 1. Trabajo # 02
Métodos Numéricos en Ingenierı́a
Por: Miguel Raúl Guzmán Prado

1.1. Problema 01
Use una hoja de cálculo para resolver un sistema de cuatro ecuaciones lineales con un
procedimiento de relajación. Resuelva primero un sistema de ecuaciones lineales en el
que la diagonal principal de la matriz de coeficientes sea fuertemente dominante. Luego
utilice la misma hoja de cálculo para resolver otro sistema de ecuaciones, en el que los
coeficientes de la diagonal principal sean menores que la suma de los valores absolutos
de los otros coeficientes de la correspondiente fila. Sólo presente los cómputos iniciales
y finales. Comente sobre la convergencia.

1.1.1. Solución:
Se plantea el siguiente sistema de ecuaciones lineales:

Matriz A Matriz de incógnitas Matriz B

100 30 20 10 x1 490
30 178 201 -36 x2 -347
20 201 485 21 x3 -1112
10 -36 21 350 x4 651

aquı́ se tiene la siguiene consideración para la matriz A del sistema de ecuaciones

mostrado anteriormente:
N
X
|akk | > |akj | para k = 1, 2, 3 ..., N
j=1
j6=k

1
 1.1. Problema 01

lo cual indica que la matriz A de orden 4 x 4 es de diagonal estrictamente dominante.

A continuación se presenta los resultados de un proceso iterativo usando relajación.

Relajación para λ = 1.2

k x1 x2 x3 x4
0 0.00000000 0.00000000 0.00000000 0.00000000
1 5.88000000 -3.52853933 -1.28749756 1.68757726
2 6.08076430 -0.70923465 -2.52971264 1.78060069
3 5.31263056 0.58810501 -2.89328469 1.97463799
4 5.06318785 0.91883891 -2.98278911 1.99164918
5 5.01345191 0.98816316 -2.99778725 1.99958863
6 5.00108918 0.99904885 -3.00000205 1.99992768
7 5.00013375 1.00014840 -3.00007625 2.00003369
8 4.99993408 1.00009516 -3.00003056 2.00000947
9 4.99998513 1.00002769 -3.00000741 2.00000257
10 4.99999448 1.00000625 -3.00000148 2.00000055
11 4.99999915 1.00000107 -3.00000022 2.00000007
12 4.99999983 1.00000014 -3.00000002 2.00000001
13 4.99999999 1.00000000 -3.00000000 2.00000000
14 5.00000000 1.00000000 -3.00000000 2.00000000
15 5.00000000 1.00000000 -3.00000000 2.00000000
16 5.00000000 1.00000000 -3.00000000 2.00000000
17 5.00000000 1.00000000 -3.00000000 2.00000000
18 5.00000000 1.00000000 -3.00000000 2.00000000
19 5.00000000 1.00000000 -3.00000000 2.00000000
20 5.00000000 1.00000000 -3.00000000 2.00000000

La solución utilizando Matlab es:

Matriz de incógnitas
x1 5.0
x2 1.0
x3 -3.0
x4 2.0

Luego se plantea el siguiente sistema de ecuaciones lineales:

Matriz A Matriz de incógnitas Matriz B

10 7 8 7 x1 32
7 5 6 5 x2 23
8 6 10 9 x3 33
7 5 9 10 x4 31

aquı́ se tiene la siguiene consideración para la matriz A del sistema de ecuaciones

mostrado anteriormente:
N
X
|akk | < |akj | para k = 1, 2, 3 ..., N
j=1
j6=k

lo cual indica que la matriz A de orden 4 x 4 no es de diagonal estrictamente dominante.

A continuación se presenta los resultados de un proceso iterativo usando relajación.

2
 1.1. Problema 01

Relajación para λ = 1.2

k x1 x2 x3 x4
0 0.00000000 0.00000000 0.00000000 0.00000000
1 3.84000000 -0.93120000 0.94406400 0.03353088
2 2.91974062 -0.59861346 1.36302454 0.14781327
3 2.32622047 -0.40845897 1.58867556 0.26571792
4 1.96952984 -0.31367266 1.69038520 0.37503893
5 1.77177658 -0.27805152 1.71617249 0.47006451
6 1.67682818 -0.27682684 1.69865611 0.54899894
7 1.64529994 -0.29360205 1.65925546 0.61231360
8 1.65033707 -0.31795004 1.61145067 0.66165745
9 1.67422573 -0.34358711 1.56324585 0.69916565
10 1.70575287 -0.36702020 1.51898372 0.72704417
11 1.73820492 -0.38656978 1.48064907 0.74733990
12 1.76788901 -0.40168212 1.44878077 0.76183129
13 1.79306735 -0.41245859 1.42309158 0.77199342
14 1.81320936 -0.41934398 1.40287547 0.77900633
15 1.82848130 -0.42292807 1.38726423 0.78378591
16 1.83940949 -0.42382591 1.37537992 0.78702409
17 1.84666692 -0.42261122 1.36641784 0.78923044
18 1.85094535 -0.41978416 1.35968462 0.79077093
19 1.85288481 -0.41576061 1.35460870 0.79190155
20 1.85304030 -0.41087397 1.35073516 0.79279625

La solución utilizando Matlab es:

Matriz de incógnitas
x1 1.0
x2 1.0
x3 1.0
x4 1.0

1.1.2. Comentarios:
1. Para valores de 1 a 2, se le da una ponderación extra al valor actual. En este
caso, hay una suposición implı́cita de que el nuevo valor se mueve en la dirección
correcta hacia la solución verdadera, pero con una velocidad demasiado lenta. Por
lo tanto, se pretende que la ponderación adicional de mejore la aproximación al
llevarla más cerca de la verdadera. De aquı́ que este tipo de modificación, al cual
se le llama sobrerrelajación, permite acelerar la convergencia de un sistema
que ya es convergente.

2. Puede probarse que el método iterativo de Gauss-Seidel también converge cuan-

do la matriz A es de diagonal estrictamente dominante ası́ como matrices
simétricas definidas positivas.

3. Aunque en la presente practica planteamos este método como mejora del méto-
do de Gauss Seidel, es posible aplicarlas al método de Jacobi y otros métodos
iterativos que se utilicen para la solución de sistemas de ecuaciones.

3
 1.2. Problema 02

1.2. Problema 02
En 1965, Gordon C. Moore, cofundador de Intel, predijo que en la década siguiente
la potencia de cómputo se duplicarı́a cada dos años. Sorprendentemente, esta tasa de
crecimiento ha seguido durante más de 40 años. En la tabla siguiente se indica el número
de transistores en algunos CPU de Intel producidos desde 1971 al 2008:
CPU Año Transistores
4004 1971 2500
8008 1972 3500
8080 1974 4500
8086 1978 29000
286 1982 134000
386 1985 275000
486 1989 1180000
P entium 1993 3100000
P entium II 1997 7500000
P entium III 1999 9500000
P entium IV 2000 42000000
Itanium (M cKinley) 2002 220000000
Itanium (M adison) 2003 410000000
Quad − Core I7 2002 731000000

Con esta información y suponiendo que t = 0 corresponde al año 1970, proponga una
expresión para determinar el numero de transistores (por ejemplo, n = aebt ) y utilı́cela
para predecir lo que podrı́a tenerse en el año 2030.

1.2.1. Solución:
Sea {(xk , yk )}N
k=1 un conjunto de N puntos cuyas abcisas {xk } son todas distintas. La
recta de regresión o recta óptima en (el sentido de los) mı́nimos cuadrados es la recta
de ecuación y = f (x) = Ax + B que minimiza el error cuadrático medio E2 (f ).

N
1 X
E2 (f ) = ( |f (xk ) − yk |2 )1/2
N k=1

Vamos a aplicar el método de linealización de los datos para:

y = CeAx

Para afrontar este problema, empezamos tomando logaritmos:

ln(y) = Ax + ln(C)

y, a continuación, hacemos un cambio de variable (y uno de constante)

Y = ln(y) X = x B = ln(C)

4
 1.2. Problema 02

lo que se obtiene es una relación lineal entre las nuevas variables X e Y:

Y = Ax + B

El problema es ahora calcular la recta de regresión para los puntos {(Xk , Yk )}, para lo
que planteamos las correspondientes ecuaciones normales de Gauss.

N
X N
X XN
( Xk2 )A + ( Xk )B = ( Xk Yk )
k=1 k=1 k=1

XN XN
( Xk )A + N B = ( Yk )
k=1 k=1

Una vez calculados A y B, hallamos el parámetro C:

C = eB

En la siguiente tabla mostramos el cálculo de los coeficientes de las ecuaciones normales

de Gauss para los datos linealizados {(Xk , Yk )}.

Año xk yk Xk Yk = ln(yk ) Xk2 Xk Yk

1971 1 2500 1 7.8240 1 7.8240
1972 2 3500 2 8.1605 4 16.3210
1974 4 4500 4 8.4118 16 33.6473
1978 8 29000 8 10.2751 64 82.2004
1982 12 134000 12 11.8056 144 141.6671
1985 15 275000 15 12.5245 225 187.8679
1989 19 1180000 19 13.9810 361 265.6395
1993 23 3100000 23 14.9469 529 343.7790
1997 27 7500000 27 15.8304 729 427.4212
1999 29 9500000 29 16.0668 841 465.9373
2000 30 42000000 30 17.5532 900 526.5954
2002 32 220000000 32 19.2091 1024 614.6924
2003 33 410000000 33 19.8317 1089 654.4450
2008 38 731000000 38 20.4099 1444 775.5771
7371 = Xk2
P P P
273 = Xk 196.8306 = Yk 4543.6147 = Xk Yk

Las ecuaciones normales son, entonces,

7371A + 273B = 4543.6147

273A + 14B = 196.8306

cuya solución es A = 0.3445 y B = 7.3411. Lo cual corresponde a la siguiente recta:

Y = 0.3445X + 7.3411

5
 1.2. Problema 02

Finalmente obtenemos el valor de C que es C = e7.3411 = 1542.4078. Sustituyendo los

valores de A y C obtenemos el ajuste exponencial.

y = 1542.4078e0.3445x

Para el 2030 (es decir x = 60) tendrı́amos:

y = 1542.4078e0.3445(60) = 1462399917010.47

Este último valor representa la estimación del número de transistores para el 2030.

6
 1.3. Problema 03

1.3. Problema 03
(Adoptado de S.M. Stiegler. Gauss and the invention of least squares Ann.
Statist.,9:465-474,1981).
En 1973 se decidió establecer el Nuevo sistema métrico sobre la base de una unidad,
el metro, igual a la diez millonésima parte de la distancia del polo Norte al Ecuador
medida a lo largo del meridiano que pasa por Parı́s. En 1975 se publicaron resultados de
mediciones en cuatro sectores, desde Dunkerque hasta Barcelona. Para cada sector se
midió la longitud del arco (con referencia a un cierto patrón) S, la diferencia de latitudes
en grados d, y la latitud al centro L (determinada con observaciones astronómicas):

Sector Longitud de acrco S Diferencia d Latitud L

Dunkerque a P antheon 62472.59 2.18910º 49º56’30”
P antheon a vaux 76145.74 2.66868º 47º30’46”
vaux a Carcasona 84424.55 2.96336º 44º41’48”
Carcasona a Barcelona 52749.48 1.85266º 42º17’20”

Suponiendo que el meridiano es un elipsoide, podrı́a plantearse la aproximación: z +

ysin2 L = S/d en la que z e y son parámetros desonocidos, expresados en unidad de
longitud (con el patrón de referencia) por grado. La longitud de un cuadrante del
meridiano resulta entonces: M = 90(z + y/2) y la excentricidad e se obtiene mediante:
e−1 = 3(z/y +0.5). Determine z e y por mı́nimos cuadrados y luego M y e. La constante
90 está en grados (si se trabaja en radianes la constante debe ser π/2.

1.3.1. Solución:
La expresión z +ysin2 L = S/d puede expresarse como z +ya = b, en el que a = sen2 (L)
y b = S/d. El problema es ahora calcular la recta de regresión para los puntos {(ak , bk )},
para lo que planteamos las correspondientes ecuaciones normales de Gauss

N
X N
X XN
( a2k )y + ( ak )z = ( ak b k )
k=1 k=1 k=1

XN XN
( ak )y + N z = ( bk )
k=1 k=1

En la siguiente tabla mostramos el cálculo de los coeficientes de las ecuaciones normales

de Gauss para los datos linealizados {(ak , bk )}.

S d L ak = sen2 (L) bk = S/d a2k ak b k

62472.59 2.18910º 49.94166667º 0.585821267 28538.02476 0.343186557 16718.18183
76145.74 2.66868º 47.51277778º 0.543800032 28533.1100 0.295718475 15516.30612
84424.55 2.96336º 44.69666667º 0.494705933 28489.46804 0.24473396 14093.90886
52749.48 1.85266º 42.28888889º 0.452752781 28472.29389 0.204985081 12890.91025
1.088624072 = a2k
P P P
2.077080013 = ak 114032.8967 = bk 59219.30705 = ak bk

7
 1.3. Problema 03

Las ecuaciones normales son, entonces,

1.088624072y + 2.077080013z = 59219.30705

2.077080013y + 4z = 114032.8967

cuya solución es y = 541.262329 y z = 28227.1628779. Lo cual corresponde a la recta

b = 541.262329a + 28227.1628779.

Al reemplazar los valores obtenidos para M = 90(z + y/2) y e−1 = 3(z/y + 0.5) se
obtiene:
M = 2564801.46382 y e = 0.0063310436

1.3.2. M-File lsline (Recta de regresión)

1 function [A , B ]= lsline (X , Y )
2 % Datos :
3 % X es el vector de abcisas 1 x n
4 % Y es el vector de ordenadas 1 x n
5 % Resultados
6 % A es el coeficiente de x en A x + B
7 % B es el término independiente es A x + B
8 xmean = mean ( X ) ;
9 ymean = mean ( Y ) ;
10 sumx2 =( X - xmean ) *( X - xmean ) ' ;
11 sumxy =( Y - ymean ) *( X - xmean ) ' ;
12 A = sumxy / sumx2 ;
13 B = ymean - A * xmean ;

8
 1.4. Problema 04

1.4. Problema 04
Se han medido los cuatro ángulos internos de un cuadrilátero plano, , tendiéndose
los valores (aproximados), A, B, C y D. Suponga que A + B + C + D 6= 2π y que
los errores en las mediciones son estadı́sticamente independientes. Sin embargo, los
verdaderos ángulos satisfacen α1 + α2 + α3 + α4 = 2π. Esta expresión es exacta, por lo
que hay solo 3 valores independientes y se puede escribir:

α1 = A
α2 = B
α3 = C
2π − α1 − α2 − α3 = D

Determine los valores de α1 , α2 , α3 y α4 con un criterio de mı́nimos cuadrados. ¿Deben

los errores en cada ángulo corregirse en proporción con los valores medidos? o ¿Las
correcciones en cada ángulo deben ser iguales?

1.4.1. Solución:
Se puede plantear el sistema de ecuaciones en forma matricial de la siguiente manera:
   
1 0 0   A
0 α1
1    B 
0  
 α2  = 

 
0 0 1  C 
α3
1 1 1 2π − D

que en notación matricial se puede expresar como:

Ax = b

Usando mı́nimos cuadrados, se tiene que resolver

AT Ax = AT b

lo que se expresa de la siguiente forma

   
  1 0 0     A
1 0 0 1  α1 1 0 0 1 
 0 1 0  B 

0 1 0 1   α2  = 0 1 0 1 
   

0 0 1  C 
0 0 1 1 α3 0 0 1 1
1 1 1 2π − D

9
 1.4. Problema 04

Desarrollando lo anterior se tiene:

 
     A
2 1 1 α1 1 0 0 1 
 B 

1 2 1 α2  = 0 1 0 1 
   

 C 
1 1 2 α3 0 0 1 1
2π − D

 
     A
α1 0.75 −0.25 −0.25 1 0 0 1 
 B 

α2  = −0.25 0.75 −0.25 0 1 0 1 
   

 C 
α3 −0.25 −0.25 0.75 0 0 1 1
2π − D
 
    A
α1 0.75 −0.25 −0.25 0.25 
 B 

α2  = −0.25 0.75 −0.25 0.25 
  

 C 
α3 −0.25 −0.25 0.75 0.25
2π − D
   
α1 0.75A − 0.25B − 0.25C − 0.25D + 0.5π
α2  = −0.25A + 0.75B − 0.25C − 0.25D + 0.5π 
   

α3 −0.25A − 0.25B + 0.75C − 0.25D + 0.5π

Como α4 = 2π − α1 − α2 − α3 , resulta que:

α4 = −0.25A − 0.25B − 0.25C + 0.75D + 0.5π

Entonces las correcciones son:

    
∆α1 α1 − A −0.25A − 0.25B − 0.25C − 0.25D + 0.5π
∆α  α − B  −0.25A − 0.25B − 0.25C − 0.25D + 0.5π 
 2  2
=
 
  
∆α3   α3 − C  −0.25A − 0.25B − 0.25C − 0.25D + 0.5π 
∆α4 α4 − D −0.25A − 0.25B − 0.25C − 0.25D + 0.5π

Dichas correcciones son iguales para cada ángulo.

10
 Bibliografı́a

[1] JHON H. MATHEWS y KURTIS D. FINK, Métodos Numéricos con

MATLAB, Tercera edicion, PRENTICE HALL, 2000.

[2] Steven C. Chapra y Raymond P. Canale, Métodos numéricos para ingenie-

ros, Sexta edicion, Mc Graw Hill, 2011.

[3] Erwin Kreyszig, ADVANCED ENGINEERING MATHEMATICS, Tenth edi-

tion, John Wiley & Sons, 2011.

11