REPRESENTACIN GRFICA DE DATOS EXPERIMENTALES Y

PREDICCIN DE VALORES.
Mtodos: Grficos, de los promedios, de los mnimos cuadrado.
En una experiencia de laboratorio se tiene un bloque que desliza por una
superficie horizontal prcticamente sin roce. Mediante un programa
computacional se obtiene la siguiente informacin, donde x (t) indica la
posicin y el tiempo transcurrido.

t (s) 1.2 1.7 2.5 3.3 4.4 4.9 5.4 6.2 7.4
d (cm) 12.5 16.2 22.1 28 36.2 39.9 44.6 49.5 58.4
Se desea encontrar la relacin funcional que liga a las variables, es
decir
al desplazamiento con el tiempo, esto implica conocer la ecuacin
itinerario
del mvil que ha ocupado las siguientes posiciones en funcin del tiempo:.

Mtodo Grfico

Se ha dibujado con una regla la mejor recta estimada en el grfico.
Tomamos dos puntos de fcil lectura de la recta trazada (t
1
,x
1
), (t
2
,x
2
) y
calculemos su pendiente m. Para el valor de b leemos donde la recta trazada
corta al eje de las abscisas.
















As resulta b =3,6 (cm), de manera que la relacin funcional es:


x(t)=3,6 + 7,4 t

Desde el punto de vista fsico la ecuacin anterior corresponde a la
ecuacin itinerario de un mvil, que entrega la posicin en funcin del
tiempo. Aqu la pendiente m=7,4 corresponde a la velocidad (componente)
con la que se desplaza el mvil y nos dice que en t=0 el mvil estaba en la
posicin x= 3,6 m del origen del sistema hacia la derecha.
MTODO DE PROMEDIOS:


Entrega mejor resultado que el mtodo grfico, cuando se dispone de
6 o ms puntos de moderada precisin.
Este mtodo se basa en la suposicin de que la suma de los residuos
(r) es igual a cero:
r = 0

Se entiende por residuo la diferencia entre el valor experimental de y
y el valor dado por la expresin (mx + b):
r = y - (mx + b)


Para calcular m y n, se necesitan dos ecuaciones. Por lo tanto, para utilizar
todas las medidas, se dividen las n ecuaciones en dos grupos:










Del Grupo I, se obtiene una nueva ecuacin (1) y del grupo II se
obtiene
otra ecuacin
(2).


Con (1) y (2), se forma un sistema que permite determinar m y
b.


En el problema planteado y de la tabla de valores se tomaron los cuatro
primeros y los cinco ltimos para formar los dos grupos de manera
que resulta un sistema de dos ecuaciones,
19,7 = 2.2.m + b
45,7 = 5,7m+b


y de all se obtiene la relacin lineal: x (t) = 3,4 + 7,4t (cm)

METODO DE LOS MINIMOS CUADRADOS
El tercer mtodo, el de los mnimos cuadrados es ms preciso
pero,
necesita muchos ms datos que los comentados hasta ahora y se basa en
consideraciones estadsticas para obtener la pendiente m de la recta y el
interfecto n de la recta con el eje de las ordenadas. Este mtodo se
basa en la siguiente definicin: la mejor curva de ajuste de todas las
curvas de aproximacin a una serie de datos puntuales es la que hace
mnima la suma de los cuadrados de las desviaciones D
i
de la curva [D
i
= y
i
- ( m x
i
+ b )].


Las expresiones para m y b se encuentran con las siguientes
ecuaciones:













Donde n es el nmero de
puntos.


Cabe hacer notar que las variables x e y son de carcter genrico en la
expresin matemtica, y que estas pasan a tomar otra designacin
dependiendo de las variables que se estn trabajando.

Funciones potencial y exponencial: Representaciones grficas de funciones

Los grficos N1 y N2 son curvas cuya interseccin con el eje de las
ordenadas es de pendiente nula, la rectificacin se logra cambiando la
variable x por la de x
n
con n nmero real mayor que cero, como lo muestra
el grfico N3.













Para este grfico N4 y disminuye cuando x aumenta, la
rectificacin se hace con 1 / x
n









Podemos generalizar los casos a funciones exponenciales y
funciones
potenciales

Funciones Exponenciales: y =
Ae
Bx



En este caso la relacin lineal se obtiene haciendo el siguiente cambio de
variables: Ln y = Bx + Ln A que al compararla con la ecuacin de la recta
se observa que m = B y n = LnA.



Funciones Potenciales: y = Ax
m



En este caso la relacin lineal se obtiene haciendo el siguiente cambio de
variables: Log y = mlog x + Log A

RESOLUCIN DE ECUACIONES NO LINEALES

Ecuaciones no lineales: Conceptualizacin. Clculo numrico. Algoritmos.
Mtodos iterativos. Races real y compleja.
Mtodo de Newton.

En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de
Newton-Raphson o el mtodo de Newton-Fourier) es un algoritmo eficiente para
encontrar aproximaciones de los ceros o races de una funcin real. Tambin
puede ser usado para encontrar el mximo o mnimo de una funcin, encontrando
los ceros de su primera derivada.

La idea de este mtodo es la siguiente: se comienza con un valor razonablemente
cercano al cero (denominado punto de arranque), entonces se reemplaza la
funcin por la recta tangente en ese valor, se iguala a cero y se despeja
(fcilmente, por ser una ecuacin lineal). Este cero ser, generalmente, una
aproximacin mejor a la raz de la funcin. Luego, se aplican tantas iteraciones
como se deseen. Supngase f : [a, b] R funcin derivable definida en el
intervalo real [a, b]. Empezamos con un valor inicial x
0
y definimos para cada
nmero natural n.
X
n+1
= f(X
n
) / f (X
n
).
Donde f denota la derivada de f.
Obtencin del Algoritmo
Tres son las formas principales por las que tradicionalmente se ha obtenido el
algoritmo de Newton-Raphson.
La primera de ellas es una simple interpretacin geomtrica. En efecto, atendiendo
al desarrollo geomtrico del mtodo de la secante, podra pensarse en que si los
puntos de iteracin estn lo suficientemente cerca (a una distancia infinitesimal),
entonces la secante se sustituye por la tangente a la curva en el punto. As pues,
si por un punto de iteracin trazamos la tangente a la curva, por extensin con el
mtodo de la secante, el nuevo punto de iteracin se tomar como la abcisa en el
origen de la tangente (punto de corte de la tangente con el eje X). Esto es
equivalente a linealizar la funcin, es decir, f se reemplaza por una recta tal que
contiene al punto (X
0
, f(X
0
)) y cuya pendiente coincide con la derivada de la
funcin en el punto, f(X
0
). La nueva aproximacin a la raz, X
1
, se logra la
interseccin de la funcin linear con el eje X de ordenadas. Matemticamente:
f (X
n
) = f(X
n
) / X
n
- X
n+1
.
Convergencia del Mtodo
El radio de convergencia de este mtodo es, por lo menos, cuadrtico. Sin
embargo, si la raz buscada es de multiplicidad algebraica mayor a uno (i.e, una
raz doble, triple,), el mtodo de Newton-Raphson pierde su convergencia
cuadrtica y pasa a ser lineal de constante asinttica de convergencia 11/m, con
m la multiplicidad de la raz.
Existen numerosas formas de evitar este problema, como pudieran ser los
mtodos de aceleracin de la convergencia tipo
de Aitken o el mtodo de Steffensen. Derivados de Newton-Raphson destacan el
mtodo de Ralsta-Ravinovitz, que restaura la convergencia cuadrtica sin ms que
modificar el algoritmo a:
X
n+1
= X
n
- m(f(X
n
) / f (X
n
)).
Evidentemente, este mtodo exige conocer de antemano la multiplicidad de la
raz, lo cual no siempre es posible. Por ello tambin se puede modificar el
algoritmo tomando una funcin auxiliar g(x)=f(x)/f(x), resultando:
X
n+1
= X
n
- (g(X
n
) / g (X
n
)).
Su principal desventaja en este caso sera lo costoso que pudiera ser hallar g(x) y
g(x) si f(x) no es fcilmente derivable.
Por otro lado, la convergencia del mtodo se demuestra cuadrtica para el caso
ms habitual en base a tratar el mtodo como uno de punto fijo: si g=0, y g
es distinto de 0, entonces la convergencia es cuadrtica. Sin embargo, est sujeto
a las particularidades de stos mtodos.
Ntese de todas formas que el mtodo de Newton-Raphson es un mtodo abierto:
la convergencia no est garantizada por un teorema de convergencia global como
podra estarlo en los mtodos de falsa posicin o de biseccin. As, es necesario
partir de una aproximacin inicial prxima a la raz buscada para que el mtodo
converja y cumpla el teorema de convergencia local.

Mtodo De Biseccin
El Mtodo parte de una Funcin f(x) y un intervalo [x1,x2], tal que f(x1) y f(x2)
tienen signos contrarios. Si la funcin es continua en este intervalo, entonces
existe una Raz de f(x) entre x1 y x2.
Una vez determinado el intervalo [x1,x2] y asegurada la continuidad de la funcin
en ese intervalo, se evala sta en el punto medio del intervalo Xm.
Si f(x1) y f(x2) tienen signos contrarios , se reducir el intervalo de x1 a Xm ya que
entre ellos se encuentra la raz buscada.
Al contrario si f(x1) y f(x2) tienen el mismo signo, el intervalo se reducir de Xm a
x2.
Se repite este procedimiento hasta lograr que f(Xm) est dentro de una tolerancia
de error o error prefijado, tal que |f(Xm)|<= e donde e= error, entonces el ultimo
valor de Xm ser una buena aproximacin a la Raz.
Ejemplo:
Encontrar una solucin para la ecuacin X
3
-X=1
Con
Un error mximo de 0.05
funcin: X
3
-X=1
f(x)= X
3
-X-1=0
Error: e=0.05
-f(x1) y f(x2) de signo contrarios

X -- | 0 | 1 | 2 | 3 |

F(x)|1 |1 | 5 |23 |

--- X1 ---- f(x1) ---- X2 ---- f(x2) ---- Xm ---- f(Xm) ---
1.0000 | 1.0000| 2.0000| 5.0000 | 1.5000| 0.8750 |

1.0000 | 1.0000| 1.5000| 0.8750 | 1.2500|0.2968 |

1.2500 | 0.2968| 1.5000| 0.8750 | 1.3750| 0.2246 |

1.2500 | 0.2968| 1.3750| 0.2246 | 1.3125|0.0515 |

1.3125 | 0.0515| 1.3750| 0.2246 | 1.3437| 0.0823 |

1.3125 | 0.0515| 1.3437| 0.0823 | 1.3281| 0.0144 |

Tipos De Errores


Error de concepto: inexactitud o equivocacin al producir en la mente una idea
sobre algo.
Error de apreciacin: es una inexactitud o equivocacin al percibir con los sentidos
y la mente un determinado fenmeno o evaluar determinada situacin o problema.
Error de medicin: la inexactitud que se acepta como inevitable al comparar una
magnitud con su patrn de medida. El error de medicin depende de la escala de
medida empleada, y tiene un lmite. Los errores de medicin se clasifican en
distintas clases (accidentales, aleatorios, sistemticos, etc.).
Error absoluto. Es la diferencia entre el valor de la medida y el valor tomado como
exacto. Puede ser positivo o negativo, segn si la medida es superior al valor real
o inferior (la resta sale positiva o negativa). Tiene unidades, las mismas que las de
la medida. Error absoluto es la imprecisin que acompaa a la medida. Nos da
idea de la

Sensibilidad del aparato o de lo cuidadosas que han sido las medidas por lo poco
dispersas que resultaron. El error absoluto indica el grado de aproximacin y da un
indicio de la calidad de la medida. El conocimiento de la calidad se complementa
con el error relativo.
Ea=imprecisin=incertidumbre
Error relativo. Es el cociente (la divisin) entre el error absoluto y el valor exacto.
Si se multiplica por 100 se obtiene el tanto por ciento (%) de error. Al igual que el
error absoluto puede ser positivo o negativo (segn lo sea el error absoluto)
porque puede ser por exceso o por defecto. No tiene unidades. Error relativo es el
que nos indica la calidad de la medida. Es el cociente entre el error absoluto y el
valor que damos como representativo (la media aritmtica). Se puede dar en % de
error relativo
1.3.2 ERROR POR REDONDEO
Es aquel tipo de error en donde el nmero significativo de dgitos despus del
punto decimal se ajusta a un nmero especfico provocando con ello un ajuste en
el ltimo dgito que se toma en cuenta.
Los errores de redondeo resultan de representar aproximadamente nmeros que
son exactos.
Proceso mediante el cual se eliminan decimales poco significativos a un nmero
decimal.
Mtodo comn
Las reglas del redondeo se aplican al decimal situado en la siguiente posicin al
nmero de decimales que se quiere transformar, es decir, si tenemos un nmero
de 3 decimales y queremos redondear a 2, se aplicar las reglas de redondeo:
Dgito menor que 5: Si el siguiente decimal es menor que 5, el anterior no se
modifica.
Ejemplo: 12,612. Redondeando a 2 decimales deberemos tener en cuenta el
tercer decimal: 12,612= 12,61.
Dgito mayor que 5: Si el siguiente decimal es mayor o igual que 5, el anterior se
incrementa en una unidad.
Ejemplo: 12,618. Redondeando a 2 decimales deberemos tener en cuenta el
tercer decimal: 12,618= 12,62.
Ejemplo: 12,615. Redondeando a 2 decimales deberemos tener en cuenta el
tercer decimal: 12,615= 12,62.
Esto genera errores de redondeo
En ambos casos tenemos que:
Valor verdadero = valor aproximado + error
Definicin. Definimos el error absoluto como:
= valor verdadero - valor aproximado
1.3.3 ERROR POR TRUNCAMIENTO
Para llevar a cabo operaciones de algunas funciones matemticas los
compiladores ejecutan estas funciones utilizando series infinitas de trminos, pero
es difcil llevar a cabo estos clculos hasta el infinito, por lo tanto la serie tendr
que ser truncada.
Truncamiento es el trmino usado para reducir el nmero de dgitos a la derecha
del punto decimal, descartando los menos significativos.
Por ejemplo dados los nmeros reales:
3,14159265358979
32,438191288
6,3444444444444
Para truncar estos nmeros a dgitos decimales, slo consideramos los 4 dgitos a
la derecha de la coma decimal.
El resultado es:
3,1415
32,4381
6,3444
Ntese que en algunos casos, el truncamiento dar el mismo resultado que el
redondeo, pero el truncamiento no redondea hacia arriba ni hacia abajo los dgitos,
meramente los corta en el dgito especificado. El error de truncamiento puede ser
hasta el doble del error mximo que se puede tener usando redondeo.
Los errores de truncamiento, resultan de representar aproximadamente un
procedimiento matemtico exacto.
Los errores de truncamiento tienen relacin con el mtodo de aproximacin que se
usar ya que generalmente frente a una serie infinita de trminos, se tender a
cortar el nmero de trminos, introduciendo en ese momento un error, por no
utilizar la seria completa (que se supone es exacta).
En una iteracin, se entiende como el error por no seguir iterando y seguir
aproximndose a la solucin. en un intervalo que se subdivide para realizar una
serie de clculos sobre l, se asocia al nmero de paso, resultado de dividir el
intervalo n veces.

1.3.4 ERROR NUMRICO TOTAL
El error numrico total se entiende como la suma de los errores de redondeo y
truncamiento introducidos en el clculo.
Pero aqu surge un problema. Mientras ms clculos se tengan que realizar para
obtener un resultado, el error de redondeo se ir incrementando. Pero por otro
lado, el error de truncamiento se puede minimizar al incluir ms trminos en la
ecuacin, disminuir el paso a proseguir la iteracin (o sea mayor nmero de
clculos y seguramente mayor error de redondeo):
El error numrico total es la suma de los errores de redondeo y de truncamiento
(los errores de truncamiento decrecen conforme el nmero de clculos aumenta,
por lo que se encara el siguiente problema: la estrategia de disminuir un
componente del error total lleva al incremento del otro).

SISTEMAS DE ECUACIONES
Sistemas de ecuaciones lineales: Mtodos de eliminacin. Mtodos iterativos
Mtodos para sistemas especiales.

Mtodos de eliminacin
El mtodo de Eliminacin de Gauss consiste en transformar un sistema de
ecuaciones lineales (S.E.L.) en otro S.E.L. equivalente ms sencillo de resolver
(se puede resolver por simple inspeccin). Cuando se habla de un sistema
equivalente se refiere a un sistema que tiene exactamente las mismas soluciones.
Las operaciones que se llevan a cabo para obtener el sistema equivalente se
llaman operaciones elementales.
Hay tres tipos de operaciones elementales:
I. Intercambio de dos ecuaciones del S.E.L.

II. Reemplazar una ecuacin del S.E.L. por un mltiplo escalar de esta. (Se
multiplica a ambos lados de una ecuacin por un nmero diferente de cero).

III. Reemplazo de una ecuacin del S.E.L. por la suma de esta y un mltiplo
escalar de otra ecuacin del S.E.L.
En el proceso de pasar de un sistema equivalente a otro, puede ahorrarse trabajo
escribiendo solamente los coeficientes de las variables y los trminos constantes,
que son los nicos que cambian en el procedimiento. En el ejemplo anterior al
sistema de ecuaciones original lo podemos representar por medio del siguiente
arreglo:


se llama matriz asociada al sistema y cada nmero de la matriz se llama
componente, tambin se llama matriz aumentada del sistema.
La matriz

se llama matriz de coeficientes del sistema
y la matriz

se llama la matriz (vector) de trminos constantes del S.E.L.
En lugar de efectuar las operaciones en las ecuaciones del sistema, podemos
obtener el mismo resultado si los realizamos en las filas (o renglones) de la matriz
aumentada del S.E.L., y en lugar de hablar de ecuaciones se habla de filas.
Como E
ij
, KE
i
, K0, KE
i
+ E
j
denotan operaciones entre ecuaciones del sistema,
denotaremos F
ij
, KF
i
, (K0), KF
i
+ F
j
las operaciones respectivas en las filas de la
matriz aumentada del sistema.
Por ejemplo, si realizamos la operacin - 2 F
1
+ F
2
en la matriz

obtendremos:


La matriz aumentada final corresponde al sistema:



y si consideramos la solucin como una terna, la podemos escribir como (2, 0, -1).
Este mtodo de comenzar con el S.E.L. para reducirlo en un S.E.L. equivalente



se llama el proceso de reduccin Gauss - Jordan o Eliminacin de Gauss - Jordan.
La matriz aumentada final que aparece en este proceso se dice que esta en
forma escalonada reducida. El mtodo de Gauss - Jordan es un refinamiento del
mtodo de eliminacin de Gauss. En el mtodo de eliminacin de Gauss
procedemos como en la forma anterior pero suspendemos el proceso cuando
llegamos a una matriz ampliada como la marcada con asterisco, que se
llama matriz escalonada.
Para resolver un sistema de ecuaciones lineales no es necesario aplicar
eliminacin de Gauss - Jordan, es suficiente con el mtodo de eliminacin de
Gauss.
El sistema correspondiente a la matriz denotada con asterisco



se puede resolver por sustitucin. De la ltima ecuacin se tiene que x
3
= - 1.
Sustituyendo este valor en la segunda ecuacin y despejando, tenemos que x
2
= -
1 + 1 = 0. Conocidos los valores de x
3
y x
2
los sustituimos en la primera
ecuacin x
1
+ 2(0) + (-1) = 1 y obtenemos x
1
= 2.
Se puede demostrar que el nmero de operaciones aritmticas que hay que
realizar es menor en el mtodo de Gauss que en el mtodo de Gauss - Jordan.
Para resolver un sistema de n ecuaciones con n incgnitas se requiere
Mtodo: Numero aprox. de operaciones
Mtodo de Eliminacin de Gauss

Mtodo de Eliminacin de Gauss - Jordan

En el proceso de eliminacin de Gauss en una misma etapa se pueden hacer
varias operaciones elementales, teniendo presente que una fila afectada por
una operacin elemental no puede ser utilizada en mas operaciones
elementales en esta misma etapa.

Mtodos iterativos

Consideremos el sistema de n-ecuaciones con n-incognitas:


Representamos el sistema como Ax = b. Los metodos iterativos que estudiaremos
trans- forman el sistema dado en otro equivalente de la forma x = T x + c para alguna
matriz fija T y un vector c.

Definicion (radio espectral de una matriz)
El radio espectral de una matriz se define como



Notemos que en el metodo iterativo de Jacobi se utilizan las coordenadas del
punto anterior para obtener las del nuevo punto, mientras que en el metodo iterativo
de Gauss- Seidel para obtener el nuevo punto se emplean las coordenadas nuevas ya
generadas y las del punto anterior aun no generadas.

Definicion (matriz diagonal estrictamente dominante)
Una matriz A, de orden nxn, se dice de diagonal estrictamente dominante cuando

Teorema (convergencia de los metodos de Jacobi y Gauss-Seidel)
Si una matriz A es de diagonal estrictamente dominante, entonces para cualquier
x
0
, los metodos de Jacobi y Gauss-Seidel convergen a la unica solucion de Ax = b.


Teorema (convergencia de los metodos de relajacion)
Los metodos de relajacion pueden converger solo si 0 < < 2.
Los metodos que surgen al tomar (0, 1) se denominan metodos de
subrelajacion y pueden servir para obtener la convergencia de algunos sistemas que no
son convergentes con
el metodo de Gauss-Seidel ( = 1). Las elecciones de (1, 2) dan lugar a los
metodos
denominados de sobrerrelajacion y sirven para acelerar la convergencia se sistemas que
son convergentes con el metodo de Gauss-Seidel.