Este documento presenta varios métodos numéricos para resolver ecuaciones y calcular integrales, incluyendo el método de la bisección, el punto fijo, Newton-Raphson, la secante, Lin y la regla del trapecio. Explica la teoría detrás de cada método y muestra ejemplos de su aplicación en MATLAB para aproximar soluciones a problemas matemáticos.
En 1814 presentó un documento titulado "Methodus nova integralium valores per approximationem inveniendi“ donde introduce las fórmulas de cuadratura con el grado de exactitud mejorado considerablemente en comparación con las fórmulas de Newton-Cotes. Ésta será la cuadratura Gaussiana.
El documento presenta varios ejercicios resueltos utilizando el método de Newton-Raphson para estimar raíces de ecuaciones. Se muestran 6 ejercicios donde se aplica el método para encontrar raíces de ecuaciones cuadráticas, cúbicas y cuárticas, empezando con valores iniciales dados y calculando iteraciones sucesivas hasta aproximar las raíces. El último ejercicio aplica el método para mejorar una estimación inicial de la coordenada de un planeta.
El documento describe el método de Cholesky para descomponer una matriz simétrica definida positiva en el producto de una matriz triangular inferior y su transpuesta. Explica que la descomposición se realiza resolviendo ecuaciones de recurrencia y muestra un ejemplo numérico para ilustrar los pasos. También discute aplicaciones del método en ingeniería.
El documento describe el método de Euler hacia adelante y el método predictor-corrector para resolver ecuaciones diferenciales. El método de Euler calcula iterativamente cada paso agregando el cambio estimado, mientras que el método predictor-corrector mejora la estimación usando dos derivadas, una al inicio y otra al final del intervalo. El documento presenta un ejemplo numérico resolviendo una ecuación diferencial específica y comparando los resultados de los métodos con la solución exacta.
Este documento presenta información sobre simulaciones computacionales de integración numérica. Explica métodos como la regla trapezoidal, Simpson y Newton-Cotes, así como su precisión y error de truncado. También introduce la cuadratura Gaussiana, la cual elige pesos y puntos nodales para lograr la máxima precisión posible.
F4002 - L04 - Solución de ecuaciones diferenciales ordinarias (problemas de v...Sergio Camacho-Leon
Este documento presenta conceptos básicos sobre simulaciones computacionales de ecuaciones diferenciales. Introduce las definiciones de ecuaciones diferenciales ordinarias y parciales, así como conceptos como orden y linealidad. Explica métodos numéricos como Euler hacia adelante, modificado y hacia atrás para resolver ecuaciones diferenciales ordinarias de primer orden. Finalmente, muestra ejemplos de aplicación de estos métodos.
Este documento presenta la resolución de un ejercicio sobre flujo laminar de fluidos newtonianos entre dos cilindros coaxiales. Se describen las ecuaciones de continuidad y movimiento en coordenadas cilíndricas. Al aplicar las condiciones de flujo estacionario y circular, se obtienen expresiones para el perfil de velocidad tangencial. Finalmente, se integran estas ecuaciones y aplican las condiciones de frontera para hallar la velocidad tangencial como función del radio.
En 1814 presentó un documento titulado "Methodus nova integralium valores per approximationem inveniendi“ donde introduce las fórmulas de cuadratura con el grado de exactitud mejorado considerablemente en comparación con las fórmulas de Newton-Cotes. Ésta será la cuadratura Gaussiana.
El documento presenta varios ejercicios resueltos utilizando el método de Newton-Raphson para estimar raíces de ecuaciones. Se muestran 6 ejercicios donde se aplica el método para encontrar raíces de ecuaciones cuadráticas, cúbicas y cuárticas, empezando con valores iniciales dados y calculando iteraciones sucesivas hasta aproximar las raíces. El último ejercicio aplica el método para mejorar una estimación inicial de la coordenada de un planeta.
El documento describe el método de Cholesky para descomponer una matriz simétrica definida positiva en el producto de una matriz triangular inferior y su transpuesta. Explica que la descomposición se realiza resolviendo ecuaciones de recurrencia y muestra un ejemplo numérico para ilustrar los pasos. También discute aplicaciones del método en ingeniería.
El documento describe el método de Euler hacia adelante y el método predictor-corrector para resolver ecuaciones diferenciales. El método de Euler calcula iterativamente cada paso agregando el cambio estimado, mientras que el método predictor-corrector mejora la estimación usando dos derivadas, una al inicio y otra al final del intervalo. El documento presenta un ejemplo numérico resolviendo una ecuación diferencial específica y comparando los resultados de los métodos con la solución exacta.
Este documento presenta información sobre simulaciones computacionales de integración numérica. Explica métodos como la regla trapezoidal, Simpson y Newton-Cotes, así como su precisión y error de truncado. También introduce la cuadratura Gaussiana, la cual elige pesos y puntos nodales para lograr la máxima precisión posible.
F4002 - L04 - Solución de ecuaciones diferenciales ordinarias (problemas de v...Sergio Camacho-Leon
Este documento presenta conceptos básicos sobre simulaciones computacionales de ecuaciones diferenciales. Introduce las definiciones de ecuaciones diferenciales ordinarias y parciales, así como conceptos como orden y linealidad. Explica métodos numéricos como Euler hacia adelante, modificado y hacia atrás para resolver ecuaciones diferenciales ordinarias de primer orden. Finalmente, muestra ejemplos de aplicación de estos métodos.
Este documento presenta la resolución de un ejercicio sobre flujo laminar de fluidos newtonianos entre dos cilindros coaxiales. Se describen las ecuaciones de continuidad y movimiento en coordenadas cilíndricas. Al aplicar las condiciones de flujo estacionario y circular, se obtienen expresiones para el perfil de velocidad tangencial. Finalmente, se integran estas ecuaciones y aplican las condiciones de frontera para hallar la velocidad tangencial como función del radio.
Este documento describe la distribución tetraédrica de los coeficientes de un tetranomio (x1 + x2 + x3 + x4) elevado a la potencia m. Explica que estos coeficientes, llamados coeficientes tetranomiales, se distribuyen en uno o más tetraedros regulares de caras y base triangular. Presenta gráficos de esta distribución para valores de m de 1 a 8, mostrando cómo los coeficientes se agrupan en tetraedros principales y secundarios de acuerdo con el número de veces que aparecen.
Coeficientes multinomiales y desarrollo de un polinomio elevado a la m .teore...Enrique Ramon Acosta Ramos
1) El documento describe el teorema multinomial y cómo se pueden calcular los coeficientes multinomiales para expandir un polinomio elevado a la potencia m. 2) Presenta una nueva versión del teorema multinomial que especifica los valores que toman las variables ni de manera explícita. 3) Muestra un ejemplo numérico para r=4 y m=6.
Este documento presenta diferentes métodos numéricos para resolver ecuaciones no lineales, interpolación y aproximación polinomial, e integración y diferenciación numérica. Describe métodos como punto fijo, Newton-Raphson, Broyden, Lagrange, diferencias finitas y reglas de Simpson para estas aplicaciones. El objetivo es aplicar estas técnicas numéricas mediante algoritmos computacionales para aproximar derivadas, integrales, soluciones de ecuaciones no lineales y funciones.
El documento explica cómo generalizar el triángulo de Pascal mediante el uso de coeficientes multinomiales. Define multinomiales como el producto de coeficientes binomiales sucesivos y muestra cómo esto permite construir triángulos de coeficientes para trinomiales, tetranomiales y polinomiales más altos como análogos del triángulo de Pascal. También resume brevemente la historia y propiedades básicas del triángulo de Pascal.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Richardson. Explica que los métodos iterativos calculan aproximaciones sucesivas a la solución mediante repetidas aplicaciones de una función. Luego, detalla los pasos matemáticos involucrados en cada uno de los tres métodos.
Este documento presenta los métodos iterativos para resolver sistemas de ecuaciones lineales. Introduce conceptos como normas vectoriales y matriciales, y métodos iterativos como Jacobi y Gauss-Seidel. Explica cómo implementar estos métodos numéricamente en software como MATLAB para aproximar la solución de sistemas.
El documento describe métodos iterativos para resolver sistemas de ecuaciones lineales, incluyendo el método de Jacobi y el método de Gauss-Seidel. El método de Jacobi involucra iteraciones para aproximar la solución diagonalizando la matriz, mientras que el método de Gauss-Seidel actualiza las variables una por una en cada iteración usando los valores más recientes. Ambos métodos convergen a la solución cuando la matriz es diagonalmente dominante.
1) El documento presenta el método numérico de Runge-Kutta y su implementación para resolver ecuaciones diferenciales ordinarias. 2) Explica las ecuaciones diferenciales ordinarias, el método de Runge-Kutta de segundo y tercer orden, y algoritmos para resolver problemas numéricamente. 3) El método de Runge-Kutta mejora la aproximación del método de Euler al permitir el cálculo de varias derivadas intermedias para aproximar mejor la solución desconocida.
El documento describe la técnica de integración por fracciones parciales mediante un ejemplo resuelto paso a paso. Explica cómo factorizar el denominador, determinar los numeradores de las fracciones parciales igualando la fracción original a las fracciones parciales, y obtener un sistema de ecuaciones al igualar coeficientes para resolver por cualquier método y encontrar los valores de las incógnitas.
El documento describe el método de cuadratura Gaussiana para aproximar integrales numéricamente. Este método determina los coeficientes de una ecuación que pasa a través de puntos seleccionados para equilibrar los errores positivos y negativos, resultando en una aproximación más precisa que la regla trapezoidal. Se derivan fórmulas de Gauss-Legendre de dos y más puntos resolviendo ecuaciones para que sean exactas para funciones polinómicas de orden creciente.
Este documento describe dos tipos de métodos numéricos: métodos iterativos y métodos directos. Los métodos iterativos producen aproximaciones sucesivas a la solución mediante el uso de fórmulas iterativas. Se discuten conceptos como la convergencia, el error de truncamiento y criterios para finalizar el proceso iterativo. Los métodos iterativos son auto-correctivos y convergen hacia la solución de forma gradual a través de múltiples iteraciones.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que este método iterativo despeja cada variable en cada ecuación y calcula valores aproximados en iteraciones sucesivas hasta alcanzar un error menor al 1%. Luego presenta un ejemplo numérico con tres ecuaciones y tres incógnitas, resolviéndolo a través de tres iteraciones y calculando el error en cada una. Finalmente, describe un programa desarrollado en Visual Basic que implementa este método para sistemas de tres ecuaciones y tres incógnitas
Este documento presenta diferentes métodos para calcular integrales indefinidas, incluyendo integrales inmediatas, el método de sustitución, integración por partes e integrales de funciones racionales. Explica cómo aplicar estos métodos para resolver integrales específicas y descomponer fracciones racionales en fracciones simples integrales.
Este documento describe métodos numéricos para resolver ecuaciones diferenciales ordinarias, incluidos los métodos de Euler, punto medio, Heun y Runge-Kutta. Explica cómo cada método estima la pendiente para predecir valores futuros y mejorar la precisión de la solución. También proporciona ejemplos numéricos para ilustrar la aplicación de los métodos.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Gauss-Seidel con relajación. Explica los pasos para implementar cada método y provee un ejemplo numérico para ilustrar cómo se aplican. Concluye que el método de Gauss-Seidel converge más rápido que el método de Jacobi y que el método de Gauss-Seidel con relajación puede acelerar aún más la convergencia.
El documento explica los determinantes de matrices, incluyendo su cálculo para matrices de 2x2, 3x3 y más. Define los menores, cofactores y propiedades de los determinantes al realizar operaciones en filas/columnas. Explica que una matriz es singular si su determinante es 0 y da ejemplos de cuando esto ocurre.
Este documento presenta fórmulas y reglas para el cálculo diferencial y la integración de funciones. Incluye derivadas de funciones elementales, reglas básicas de integración, cambio de variable, funciones logarítmicas, exponenciales, trigonométricas, hiperbólicas e inversas, sustitución trigonométrica e integral por partes.
Este documento presenta varios métodos numéricos para resolver sistemas de ecuaciones no lineales, incluyendo el método de punto fijo, el método de Newton-Raphson y su variante modificada. También cubre técnicas de interpolación polinomial, ajuste de curvas y integración numérica. Explica cada método con detalles sobre su objetivo, introducción y aplicación a ejemplos numéricos con el fin de resolver sistemas de ecuaciones de manera numérica.
Este documento describe los conceptos fundamentales del cálculo integral y diferencial, incluyendo: 1) La integración es el proceso inverso de la derivación; 2) La integral indefinida incluye una constante arbitraria y representa todas las posibles primitivas de una función; 3) Se presentan fórmulas para integrar funciones algebraicas y trascendentales como exponenciales, logaritmos y funciones trigonométricas.
El documento presenta los métodos de Newton-Raphson y de la secante para determinar raíces de polinomios. Explica que el método de Newton-Raphson utiliza rectas tangentes evaluadas analíticamente para encontrar una raíz cercana a una estimación inicial, mientras que el método de la secante aproxima la derivada usando dos valores iterativos consecutivos para ser más eficiente. Finalmente, da ejemplos numéricos de la aplicación de ambos métodos.
Este documento describe la distribución tetraédrica de los coeficientes de un tetranomio (x1 + x2 + x3 + x4) elevado a la potencia m. Explica que estos coeficientes, llamados coeficientes tetranomiales, se distribuyen en uno o más tetraedros regulares de caras y base triangular. Presenta gráficos de esta distribución para valores de m de 1 a 8, mostrando cómo los coeficientes se agrupan en tetraedros principales y secundarios de acuerdo con el número de veces que aparecen.
Coeficientes multinomiales y desarrollo de un polinomio elevado a la m .teore...Enrique Ramon Acosta Ramos
1) El documento describe el teorema multinomial y cómo se pueden calcular los coeficientes multinomiales para expandir un polinomio elevado a la potencia m. 2) Presenta una nueva versión del teorema multinomial que especifica los valores que toman las variables ni de manera explícita. 3) Muestra un ejemplo numérico para r=4 y m=6.
Este documento presenta diferentes métodos numéricos para resolver ecuaciones no lineales, interpolación y aproximación polinomial, e integración y diferenciación numérica. Describe métodos como punto fijo, Newton-Raphson, Broyden, Lagrange, diferencias finitas y reglas de Simpson para estas aplicaciones. El objetivo es aplicar estas técnicas numéricas mediante algoritmos computacionales para aproximar derivadas, integrales, soluciones de ecuaciones no lineales y funciones.
El documento explica cómo generalizar el triángulo de Pascal mediante el uso de coeficientes multinomiales. Define multinomiales como el producto de coeficientes binomiales sucesivos y muestra cómo esto permite construir triángulos de coeficientes para trinomiales, tetranomiales y polinomiales más altos como análogos del triángulo de Pascal. También resume brevemente la historia y propiedades básicas del triángulo de Pascal.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Richardson. Explica que los métodos iterativos calculan aproximaciones sucesivas a la solución mediante repetidas aplicaciones de una función. Luego, detalla los pasos matemáticos involucrados en cada uno de los tres métodos.
Este documento presenta los métodos iterativos para resolver sistemas de ecuaciones lineales. Introduce conceptos como normas vectoriales y matriciales, y métodos iterativos como Jacobi y Gauss-Seidel. Explica cómo implementar estos métodos numéricamente en software como MATLAB para aproximar la solución de sistemas.
El documento describe métodos iterativos para resolver sistemas de ecuaciones lineales, incluyendo el método de Jacobi y el método de Gauss-Seidel. El método de Jacobi involucra iteraciones para aproximar la solución diagonalizando la matriz, mientras que el método de Gauss-Seidel actualiza las variables una por una en cada iteración usando los valores más recientes. Ambos métodos convergen a la solución cuando la matriz es diagonalmente dominante.
1) El documento presenta el método numérico de Runge-Kutta y su implementación para resolver ecuaciones diferenciales ordinarias. 2) Explica las ecuaciones diferenciales ordinarias, el método de Runge-Kutta de segundo y tercer orden, y algoritmos para resolver problemas numéricamente. 3) El método de Runge-Kutta mejora la aproximación del método de Euler al permitir el cálculo de varias derivadas intermedias para aproximar mejor la solución desconocida.
El documento describe la técnica de integración por fracciones parciales mediante un ejemplo resuelto paso a paso. Explica cómo factorizar el denominador, determinar los numeradores de las fracciones parciales igualando la fracción original a las fracciones parciales, y obtener un sistema de ecuaciones al igualar coeficientes para resolver por cualquier método y encontrar los valores de las incógnitas.
El documento describe el método de cuadratura Gaussiana para aproximar integrales numéricamente. Este método determina los coeficientes de una ecuación que pasa a través de puntos seleccionados para equilibrar los errores positivos y negativos, resultando en una aproximación más precisa que la regla trapezoidal. Se derivan fórmulas de Gauss-Legendre de dos y más puntos resolviendo ecuaciones para que sean exactas para funciones polinómicas de orden creciente.
Este documento describe dos tipos de métodos numéricos: métodos iterativos y métodos directos. Los métodos iterativos producen aproximaciones sucesivas a la solución mediante el uso de fórmulas iterativas. Se discuten conceptos como la convergencia, el error de truncamiento y criterios para finalizar el proceso iterativo. Los métodos iterativos son auto-correctivos y convergen hacia la solución de forma gradual a través de múltiples iteraciones.
Este documento describe el método de Gauss-Seidel para resolver sistemas de ecuaciones lineales. Explica que este método iterativo despeja cada variable en cada ecuación y calcula valores aproximados en iteraciones sucesivas hasta alcanzar un error menor al 1%. Luego presenta un ejemplo numérico con tres ecuaciones y tres incógnitas, resolviéndolo a través de tres iteraciones y calculando el error en cada una. Finalmente, describe un programa desarrollado en Visual Basic que implementa este método para sistemas de tres ecuaciones y tres incógnitas
Este documento presenta diferentes métodos para calcular integrales indefinidas, incluyendo integrales inmediatas, el método de sustitución, integración por partes e integrales de funciones racionales. Explica cómo aplicar estos métodos para resolver integrales específicas y descomponer fracciones racionales en fracciones simples integrales.
Este documento describe métodos numéricos para resolver ecuaciones diferenciales ordinarias, incluidos los métodos de Euler, punto medio, Heun y Runge-Kutta. Explica cómo cada método estima la pendiente para predecir valores futuros y mejorar la precisión de la solución. También proporciona ejemplos numéricos para ilustrar la aplicación de los métodos.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Gauss-Seidel con relajación. Explica los pasos para implementar cada método y provee un ejemplo numérico para ilustrar cómo se aplican. Concluye que el método de Gauss-Seidel converge más rápido que el método de Jacobi y que el método de Gauss-Seidel con relajación puede acelerar aún más la convergencia.
El documento explica los determinantes de matrices, incluyendo su cálculo para matrices de 2x2, 3x3 y más. Define los menores, cofactores y propiedades de los determinantes al realizar operaciones en filas/columnas. Explica que una matriz es singular si su determinante es 0 y da ejemplos de cuando esto ocurre.
Este documento presenta fórmulas y reglas para el cálculo diferencial y la integración de funciones. Incluye derivadas de funciones elementales, reglas básicas de integración, cambio de variable, funciones logarítmicas, exponenciales, trigonométricas, hiperbólicas e inversas, sustitución trigonométrica e integral por partes.
Este documento presenta varios métodos numéricos para resolver sistemas de ecuaciones no lineales, incluyendo el método de punto fijo, el método de Newton-Raphson y su variante modificada. También cubre técnicas de interpolación polinomial, ajuste de curvas y integración numérica. Explica cada método con detalles sobre su objetivo, introducción y aplicación a ejemplos numéricos con el fin de resolver sistemas de ecuaciones de manera numérica.
Este documento describe los conceptos fundamentales del cálculo integral y diferencial, incluyendo: 1) La integración es el proceso inverso de la derivación; 2) La integral indefinida incluye una constante arbitraria y representa todas las posibles primitivas de una función; 3) Se presentan fórmulas para integrar funciones algebraicas y trascendentales como exponenciales, logaritmos y funciones trigonométricas.
El documento presenta los métodos de Newton-Raphson y de la secante para determinar raíces de polinomios. Explica que el método de Newton-Raphson utiliza rectas tangentes evaluadas analíticamente para encontrar una raíz cercana a una estimación inicial, mientras que el método de la secante aproxima la derivada usando dos valores iterativos consecutivos para ser más eficiente. Finalmente, da ejemplos numéricos de la aplicación de ambos métodos.
El documento presenta tres métodos numéricos para ingeniería: la interpolación de Newton, la interpolación de Lagrange y la regla trapezoidal. Explica el método de diferencias divididas de Newton para resolver un problema de interpolación de datos sobre la concentración de pentóxido de dinitrógeno en función del tiempo. También describe cómo usar el programa Geogebra para calcular el polinomio de interpolación de Newton y encontrar la concentración a un tiempo dado.
Unidad i. parte ii.matematica aplicada. terminadaEfrenEscalona
Este documento presenta conceptos clave sobre ecuaciones diferenciales de primer orden, incluyendo: 1) ecuaciones diferenciales separables, exactas, lineales y homogéneas; 2) definiciones y ejemplos ilustrativos de cada tipo de ecuación; 3) ejercicios propuestos para identificar el tipo de diferentes ecuaciones diferenciales. El documento provee una introducción concisa pero completa sobre los principales métodos para resolver ecuaciones diferenciales de primer orden.
Los métodos de Runge-Kutta logran la exactitud de Taylor sin derivadas de alto orden. El método de primer orden es el de Euler. Los métodos de segundo orden incluyen el de Heun, el del punto medio y el de Ralston. El método clásico de cuarto orden usa cuatro estimaciones de pendiente para una mejor aproximación.
El documento presenta instrucciones para completar un entregable de cálculo vectorial, incluyendo resolver casos específicos, citar referencias y usar ecuaciones. Luego, presenta una sección teórica con preguntas sobre funciones diferenciables y extremos locales vs absolutos. Finalmente, una sección práctica con problemas sobre límites, ecuación de Laplace y regla de la cadena.
El documento describe diferentes métodos de integración numérica como la regla del trapecio y la regla de Simpson. La regla del trapecio aproxima la función entre dos puntos por una línea recta, mientras que la regla de Simpson usa una parábola. Ambos métodos dividen el intervalo en subintervalos para mejorar la precisión al disminuir el error.
El documento presenta un examen de matemáticas aplicado a estudiantes de ingeniería. El examen contiene 14 preguntas divididas en 4 secciones: verdadero o falso, completación, selección múltiple y desarrollo. El examen evalúa las unidades 1 y 2 del programa de matemáticas II e incluye instrucciones generales para los estudiantes.
El documento explica el método de Jacobi para resolver sistemas de ecuaciones lineales. Este método iterativo despeja cada incógnita en función de las demás y genera sucesivas aproximaciones hasta converger a la solución. Se describe el proceso matemático y se muestra un ejemplo numérico para ilustrarlo.
Este documento describe el método del trapecio para la integración numérica. El método aproxima el área bajo una curva dividiendo el intervalo en subintervalos y sumando las áreas de los trapecios formados. La regla del trapecio asume que la función es lineal en cada subintervalo. El valor de la integral se aproxima como la suma de las áreas de los trapecios dividida entre el número de subintervalos.
Este documento presenta una introducción al cálculo de límites y derivadas. Explica la definición intuitiva y formal de límites, incluyendo límites laterales y en un punto. También cubre propiedades de límites, resolución de indeterminaciones, continuidad y cálculo de derivadas usando definiciones, reglas y funciones básicas.
Este documento presenta 3 ejercicios de análisis numérico resueltos. El primero calcula errores absolutos y relativos al aproximar valores. El segundo usa el método de punto fijo para encontrar una raíz pero no converge. El tercero aplica el método de Newton-Raphson para aproximar la raíz de una ecuación no lineal hasta que el error absoluto sea menor a 0.01.
Este documento introduce conceptos de análisis complejo como el estudio de funciones de variable compleja. Explica que una función compleja mapea números complejos de un dominio a otros en el plano complejo, aunque no se pueda graficar directamente. También define conceptos como límites, continuidad, derivadas y analiticidad para funciones complejas.
El documento define las derivadas parciales de primer y segundo orden para funciones de dos y tres variables. Explica que las derivadas parciales de primer orden representan las pendientes de la función en las direcciones de cada variable cuando las demás se mantienen constantes. También establece que las derivadas parciales mixtas de segundo orden son iguales para funciones continuas. Finalmente, presenta algunos ejemplos para calcular derivadas parciales.
Este documento explica diferentes métodos numéricos para resolver ecuaciones diferenciales ordinarias, como el método de Euler y los métodos de Runge-Kutta de segundo, tercer y cuarto orden. También muestra cómo implementar estos métodos en MATLAB para calcular soluciones numéricas y resolver sistemas de ecuaciones diferenciales de primer y segundo orden.
Este documento describe el método de integración por partes. Explica que este método se aplica para integrar el producto de dos funciones cuando una es la derivada de la otra. Presenta la fórmula de integración por partes y provee ejemplos resueltos mostrando cómo aplicar este método para calcular diferentes integrales definidas.
El documento presenta una introducción a los conceptos de derivadas de funciones de una variable. Explica la definición matemática de recta tangente a una curva y=f(x) y la definición formal de derivada como el límite de la pendiente de la recta secante cuando el punto se acerca al punto de tangencia. También resume las técnicas básicas para calcular derivadas de funciones como potencias, sumas, productos y cocientes, así como funciones trigonométricas, logarítmicas y exponenciales.
1) El documento presenta un examen de matemáticas con 9 preguntas sobre sistemas de ecuaciones, inecuaciones, logaritmos, restricciones y funciones. 2) Para recuperar la primera evaluación, es necesario aprobar las preguntas en negrita que suman 6 puntos. 3) La última pregunta calcula la recta tangente a una función cuando su pendiente vale -1.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Juan Martín Martín
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
El curso de Texto Integrado de 8vo grado es un programa académico interdisciplinario que combina los contenidos y habilidades de varias asignaturas clave. A través de este enfoque integrado, los estudiantes tendrán la oportunidad de desarrollar una comprensión más holística y conexa de los temas abordados.
En el área de Estudios Sociales, los estudiantes profundizarán en el estudio de la historia, geografía, organización política y social, y economía de América Latina. Analizarán los procesos de descubrimiento, colonización e independencia, las características regionales, los sistemas de gobierno, los movimientos sociales y los modelos de desarrollo económico.
En Lengua y Literatura, se enfatizará el desarrollo de habilidades comunicativas, tanto en la expresión oral como escrita. Los estudiantes trabajarán en la comprensión y producción de diversos tipos de textos, incluyendo narrativos, expositivos y argumentativos. Además, se estudiarán obras literarias representativas de la región latinoamericana.
El componente de Ciencias Naturales abordará temas relacionados con la biología, la física y la química, con un enfoque en la comprensión de los fenómenos naturales y los desafíos ambientales de América Latina. Se explorarán conceptos como la biodiversidad, los recursos naturales, la contaminación y el desarrollo sostenible.
En el área de Matemática, los estudiantes desarrollarán habilidades en áreas como la aritmética, el álgebra, la geometría y la estadística. Estos conocimientos matemáticos se aplicarán a la resolución de problemas y al análisis de datos, en el contexto de las temáticas abordadas en las otras asignaturas.
A lo largo del curso, se fomentará la integración de los contenidos, de manera que los estudiantes puedan establecer conexiones significativas entre los diferentes campos del conocimiento. Además, se promoverá el desarrollo de habilidades transversales, como el pensamiento crítico, la resolución de problemas, la investigación y la colaboración.
Mediante este enfoque de Texto Integrado, los estudiantes de 8vo grado tendrán una experiencia de aprendizaje enriquecedora y relevante, que les permitirá adquirir una visión más amplia y comprensiva de los temas estudiados.
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMJuan Martín Martín
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
pueblos originarios de chile presentacion twinkl.pptx
Matlab
1. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
CÁTEDRA: PROGRAMACIÓN DIGITAL
CATEDRÁTICO: Ing. ÁNGELES SUAZO, Julio
ESTUDIANTE:
ARROYO SOLANO,Marco Polan
SEMESTRE: I V
METODOS NUMERICOS EN
MATLAB
HUANCAYO-PERÚ
2016
2. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
INTRODUCCIÓN
Tanto la ciencia y la tecnología nos describen los fenómenos reales mediante modelos
matemáticos. El estudio de estos modelos permite un conocimiento más profundo del
fenómeno, así como de su evolución futura.
Desafortunadamente, no siempre es posible aplicar métodos analíticos clásicos por diferentes
razones: La solución formal es tan complicada que hace imposible cualquier interpretación
posterior; simplemente no existen métodos analíticos capaces de proporcionar soluciones al
problema; no se adecuan al modelo concreto; o su aplicación resulta excesivamente compleja.
Para estos tipos de casos son útiles las técnicas numéricas, que mediante una labor de cálculo
más o menos intensa, conducen a soluciones aproximadas que son siempre numéricos.
La importante del cálculo radica en que implica la mayoría de estos métodos hacen que su
uso esté íntimamente ligado al empleo de computadores, que mediante la programación nos
permite la solución de problemas matemáticos.
Para la realización de este trabajo se utilizó el programa MATLAB.
3. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
1. MÉTODO DE LA BISECCIÓN:
1.1. TEORÍA:
En matemáticas, el método de bisección es un algoritmo de búsqueda de raíces que
trabaja dividiendo el intervalo a la mitad y seleccionando el subintervalo que tiene
la raíz.
PROCEDIMIENTO:
Elija valores Iniciales para “a” y “b” de forma tal que lea función cambie
de signo sobre el intervalo. Esto se puede verificar asegurándose de que:
𝑓(𝑎) ∗ 𝑓(𝑏) < 0
La primera aproximación a la raíz se determina con la fórmula:
𝑥 𝑛 = (𝑎 + 𝑏) / 2
Realizar las siguientes evaluaciones para determinar en que subintervalo se
encuentra la raíz:
𝑓(𝑎) ∗ 𝑓(𝑥 𝑛) < 0 Entonces 𝑏 = 𝑥 𝑛
𝑓(𝑎) ∗ 𝑓(𝑥𝑛) > 0 Entonces 𝑎 = 𝑥 𝑛
𝑓(𝑎) ∗ 𝑓(𝑥𝑛) = 0 Entonces 𝑥 𝑛 Es la Raíz
Calcule la nueva aproximación:
𝑥 𝑛 + 1 = (𝑎 + 𝑏) / 2
Evaluar la aproximación relativa:
| (𝑥 𝑛 + 1 − 𝑥 𝑛) /𝑥 𝑛 + 1 | < 𝐸
No. (Falso) Repetir el paso 3, 4 y 5
Sí. (Verdadero) Entonces 𝒙 𝒏+𝟏 Es la Raíz
4. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
1.2. VENTANA DE DISEÑO Y APLICACIÓN:
2. MÉTODO DEL PUNTO FIJO:
2.1. TEORÍA:
Dada la ecuación 𝑓(𝑥) = 0, el método de las aproximaciones sucesivas
reemplaza esta ecuación por una equivalente, 𝑥 = 𝑔(𝑥), definida en la
forma 𝑔(𝑥) = 𝑓(𝑥) + 𝑥. Para encontrar la solución, partimos de un valor inicial
𝑥0 y calculamos una nueva aproximación 𝑥1 = 𝑔(𝑥0). Reemplazamos el nuevo
valor obtenido y repetimos el proceso. Esto da lugar a una sucesión de valores,
{𝑥0, 𝑥1,…, 𝑥 𝑛} que, si converge, tendrá como límite la solución del problema.
En la figura se representa la interpretación geométrica del método. Partimos de
un punto inicial x0 y calculamos 𝑦 = 𝑔(𝑥0). La intersección de esta solución
con la recta 𝑦 = 𝑥 nos dará un nuevo valor 𝑥1 más próximo a la solución final.
5. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Sin embargo, el método puede divergir fácilmente. Es fácil comprobar que el
método sólo podrá converger si la derivada 𝑔′(𝑥) es menor en valor absoluto que
la unidad (que es la pendiente de la recta definida por 𝑦 = 𝑥. Un ejemplo de este
caso se muestra en la figura. Esta condición, que a priori puede considerarse una
severa restricción del método, puede obviarse fácilmente. Para ello basta elegir
la función 𝑔(𝑥) del siguiente modo:
𝑔( 𝑥) = 𝑥+∝ 𝑓(𝑥)
De forma que tomando un valor de ∝ adecuado, siempre podemos hacer que 𝑔( 𝑥)
cumpla la condición de la derivada.
CONVERGENCIA:
El método de aproximaciones sucesivas converge si |𝑔 ′(𝑥)| < 1
Co
Convergencia Monótona Divergencia Monótona
𝟎 < 𝐠′( 𝐱) < 𝟏 𝐠′(𝐱) > 𝟏
6. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
2.2. VENTANA DE DISEÑO Y APLICACIÓN:
3. MÉTODO DE NEWTON RAPHSON:
3.1. TEORÍA:
Este método parte de una aproximación inicial 𝑥0 y obtiene una aproximación
mejor, 𝑥1, dada por la fórmula:
𝑥1 = 𝑥0 −
𝑓(𝑥0)
𝑓′(𝑥0)
Este método está definido por el denominador 𝑓 ’(𝑥𝑖) hace que geométricamente
se base en una aproximación a una recta tangente a la curva 𝑦 = 𝑓(𝑥) trazada en
el punto correspondiente a la aproximación presente, esto puede observarse en la
figura:
7. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
3.2. VENTANA DE DISEÑO Y APLICACIÓN:
8. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
4. MÉTODO DE LA SECANTE:
4.1. TEORÍA:
El principal inconveniente del método de Newton estriba en que requiere conocer
el valor de la primera derivada de la función en el punto. Sin embargo, la forma
funcional de 𝑓(𝑥) dificulta en ocasiones el cálculo de la derivada. En estos casos
es más útil emplear el método de la secante.
El método de la secante parte de dos puntos (y no sólo uno como el método de
Newton) y estima la tangente (es decir, la pendiente de la recta) por una
aproximación de acuerdo con la expresión:
𝑥 𝑖+1 = 𝑥 𝑖 −
𝑓(𝑥 𝑖)(𝑥𝑖−1 − 𝑥 𝑖)
𝑓( 𝑥 𝑖−1) − 𝑓(𝑥 𝑖)
En general, el método de la secante presenta las mismas ventajas y limitaciones
que el método de Newton-Raphson explicado anteriormente.
9. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
4.2. VENTANA DE DISEÑO y APLICACION:
5. MÉTODO DE LIN:
5.1. TEORÍA:
Dada la ecuación 𝑃(𝑥) = 0 donde P tiene la forma:
𝑃( 𝑥) = 𝑎0 𝑥 𝑛
+ 𝑎1 𝑥 𝑛−1
+ 𝑎2 𝑥 𝑛−2
+ ⋯+ 𝑎 𝑛−1 𝑥 + 𝑎 𝑛; 𝑎0 ≠ 0… (1)
Sea el factor cuadrático:
𝑥2
+ 𝑝𝑥 + 𝑞 …. (2)
Con lo cual la ecuación anterior resulta:
𝑃( 𝑥) = ( 𝑥2
+ 𝑝𝑥 + 𝑞)( 𝑏0 𝑥 𝑛−2
+ 𝑏1 𝑥 𝑛−3
+ ⋯+ 𝑏 𝑛−3 𝑥 + 𝑏 𝑛) + 𝑅𝑥 + 𝑆
Donde 𝑅𝑥 + 𝑆 es el residuo
Polinomio reducido 𝑄( 𝑥) = 𝑏0 𝑥 𝑛−2
+ 𝑏1 𝑥 𝑛−3
+ ⋯+ 𝑏 𝑛−3 𝑥 + 𝑏 𝑛
11. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
5.2. VENTANA DE DISEÑO Y APLICACIÓN:
6. INTERPOLACIÓN LINEAL:
6.1. TEORÍA:
Nos centraremos ahora en el problema de obtener, a partir de una tabla de parejas
(𝑥, 𝑓(𝑥))definida en un cierto intervalo [𝑎, 𝑏], el valor de la función para cualquier
x perteneciente a dicho intervalo.
Supongamos que disponemos de las siguientes parejas de datos:
x x0 x1 x2 … xn
y y0 y1 y2 … 𝑦 𝑛
El objetivo es encontrar una función continua lo más sencilla posible tal que:
( 𝑥𝑖) = 𝑦𝑖 (0 ≤ 𝑖 ≤ 𝑛)
Se dice entonces que la función 𝑓(𝑥) definida por la ecuación es una función de
interpolación de los datos representados en la tabla.
Existen muchas formas de definir las funciones de interpolación, lo que da origen
a un gran número de métodos (polinomios de interpolación de Newton,
interpolación de Lagrange, interpolación de Hermite, etc.). Sin embargo, nos
centraremos exclusivamente en dos funciones de interpolación:
12. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Los polinomios de interpolación de Lagrange.
Las funciones de interpolación splines. Estas funciones son especialmente
importantes debido a su idoneidad en los cálculos realizados con ordenador.
6.2. VENTANA DE DISEÑO Y APLICACIÓN:
7. REGLA DEL TRAPECIO:
7.1. TEORÍA:
Este método resulta de sustituir la función 𝑦 = 𝑓(𝑥) por un polinomio de
primer grado 𝑃( 𝑥) = 𝑎0 + 𝑎1 𝑥 en [ 𝑎, 𝑏] = [ 𝑥0, 𝑥1] al polinomio 𝑃(𝑥) se le
puede representar mediante un polinomio 𝑃(𝑥) se le puede representar
mediante un polinomio de Lagrange, es decir:
∫ 𝑓( 𝑥) 𝑑𝑥 =
𝑏
𝑎
∫ 𝑃( 𝑥) 𝑑𝑥 =
𝑥1
𝑥0
∫ [
( 𝑥 − 𝑥1)
( 𝑥0 − 𝑥1)
𝑓( 𝑥0)+
( 𝑥 − 𝑥0)
( 𝑥1 − 𝑥0)
𝑓( 𝑥1)]
𝑥1
𝑥0
𝑑𝑥
Resolviendo:
∫ 𝑓( 𝑥) 𝑑𝑥 =
𝑏
𝑎
ℎ
2
[ 𝑓(𝑥0)− 𝑓(𝑥1)], 𝑑𝑜𝑛𝑑𝑒 ℎ = 𝑥1 − 𝑥0
Generalizando:
∫ 𝑓( 𝑥) 𝑑𝑥 +
𝑏
𝑎
∫ 𝑓( 𝑥) 𝑑𝑥 + ∫ 𝑓( 𝑥) 𝑑𝑥 + ⋯ + ∫ 𝑓( 𝑥) 𝑑𝑥 =
𝑥1
𝑥0
∫ 𝑓( 𝑥) 𝑑𝑥
𝑥 𝑛
𝑥 𝑛−1
𝑥2
𝑥1
𝑥1
𝑥0
13. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Aplicando la regla del trapecio a c/u de las integrales se tiene:
∫ 𝑓( 𝑥) 𝑑𝑥 = lim
𝑛→∞
∑ 𝑓(𝑥 𝑛)∆
𝑛
𝑘=1
𝑏
𝑎
𝑥 𝑘
7.2. VENTANA DE DISEÑO Y APLICACION:
8. REGLA DE SIMPSON 1/3:
8.1. TEORÍA:
La regla de Simpson de 1/3 resulta cuando se sustituye la función y=f(x) por un
polinomio de segundo grado, es decir:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
∫ 𝑃( 𝑥) 𝑑𝑥 𝑑𝑜𝑛𝑑𝑒
𝑏
𝑎
𝑃( 𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥2
14. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
En el intervalo [ 𝑎, 𝑏] = [𝑥0, 𝑥2] al polinomio 𝑃( 𝑥) se le puede representar por un
polinomio de LaGrange de segundo orden
Es decir:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
∫ [𝑓( 𝑥0) 𝐿2,0( 𝑥) + 𝑓( 𝑥1) 𝐿2,1( 𝑥) + 𝑓( 𝑥2) 𝐿2,2(𝑥)]𝑑𝑥
𝑏
𝑎
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
∫ [(
𝑥 − 𝑥1
𝑥0 − 𝑥1
)(
𝑥 − 𝑥2
𝑥0 − 𝑥2
) 𝑓( 𝑥0) + (
𝑥 − 𝑥0
𝑥1 − 𝑥0
)(
𝑥 − 𝑥2
𝑥1 − 𝑥2
) 𝑓( 𝑥1) + (
𝑥 − 𝑥0
𝑥2 − 𝑥0
) (
𝑥 − 𝑥1
𝑥2 − 𝑥1
)𝑓( 𝑥2)] 𝑑𝑥
𝑥1
𝑥0
Resolviendo la integral se obtiene:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
ℎ
3
[ 𝑓( 𝑥0) + 4𝑓( 𝑥1)+ 𝑓( 𝑥2)], 𝑑𝑜𝑛𝑑𝑒 ℎ =
𝑥2 − 𝑥0
2
GENERALIZANDO PARA ''n'' INTERVALOS
Los intervalos se toman de dos en dos:
∫ 𝑓( 𝑥) 𝑑𝑥 =
𝑏
𝑎
∫ 𝑓( 𝑥) 𝑑𝑥
𝑥2
𝑥0
+ ∫ 𝑓( 𝑥) 𝑑𝑥
𝑥4
𝑥2
+ ∫ 𝑓( 𝑥) 𝑑𝑥
𝑥6
𝑥4
+ ⋯+ ∫ 𝑓( 𝑥) 𝑑𝑥
𝑥 𝑛
𝑥 𝑛−2
Aplicando la regla de Simpson de 1/3 para cada integral de tiene:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
ℎ
3
[ 𝑓( 𝑥0
)+ 4𝑓( 𝑥1
) + 2𝑓( 𝑥2
) + 4𝑓( 𝑥3
) + 2𝑓( 𝑥4
) + ⋯+ 2𝑓( 𝑥 𝑛−2
)+ 4𝑓( 𝑥 𝑛−1
)+ 𝑓( 𝑥 𝑛
)]
Dónde:
ℎ =
𝑏 − 𝑎
𝑛
=
𝑥 𝑛 − 𝑥0
𝑛
; 𝑑𝑜𝑛𝑑𝑒 𝑛 𝑒𝑠 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑜 𝑑𝑒 2
𝑥 𝑖 = 𝑥0 + 𝑖ℎ; 𝑖 = 1,2,3… 𝑛
15. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
8.2. VENTANA DE DISEÑO Y APLICACIÓN
9. REGLA DE SIMPSON DE 3/8:
9.1. TEORÍA:
La regla de Simpson de 3/8 resulta cuando se sustituye la función 𝑦 = 𝑓(𝑥) por
un polinomio de tercer grado, es decir:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
∫ 𝑃( 𝑥) 𝑑𝑥 𝑑𝑜𝑛𝑑𝑒
𝑏
𝑎
𝑃( 𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥2
+ 𝑎3 𝑥3
En el intervalo [ 𝑎, 𝑏] = [𝑥0, 𝑥2] al polinomio 𝑃( 𝑥) se le puede representar por un
polinomio de LaGrange de tercer orden.
Es decir:
∫ 𝑓( 𝑥) 𝑑𝑥 ≈
𝑏
𝑎
∫ [ 𝑓( 𝑥0) 𝐿3,0( 𝑥) + 𝑓( 𝑥1) 𝐿3,1( 𝑥) + 𝑓( 𝑥2) 𝐿3,2( 𝑥) + 𝑓( 𝑥3) 𝐿3,3(𝑥)] 𝑑𝑥
𝑏=𝑥3
𝑎=𝑥0
Resolviendo la integral se obtiene:
16. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
∫ 𝐟(𝐱)𝐝𝐱 ≈
𝐛
𝐚
𝟑𝐡
𝟖
[ 𝐟( 𝐱 𝟎)+ 𝟑𝐟( 𝐱 𝟏)+ 𝟑𝐟( 𝐱 𝟐)+ 𝐟( 𝐱 𝟑)], 𝐝𝐨𝐧𝐝𝐞 𝐡 =
𝐱 𝟐 − 𝐱 𝟎
𝟑
9.2. VENTANA DE DISEÑO Y APLICACIÓN:
10. INTEGRALES MÚLTIPLES
10.1.TEORÍA:
Para el cálculo de integrales de funciones de varias variables se pueden usar las
reglas ya estudiadas como la regla del trapecio, regla de Simpson 1/3 y 3/8 son
útiles para resolver integrales dobles y triples.
En esta ocasión usaremos Simpson de 1/3 para el cálculo de una integral doble
de la forma:
∫ ∫ 𝑓( 𝑥, 𝑦) 𝑑𝐴
.
𝑅
Dónde:
𝑅 = {( 𝑥, 𝑦) 𝑎 ≤ 𝑥 ≤ 𝑏 ; 𝑐 ≤ 𝑦 ≤ 𝑑⁄ }
𝑅 = {( 𝑥, 𝑦) 𝑎 ≤ 𝑥 ≤ 𝑏 ; 𝑐 ≤ 𝑔( 𝑥) ≤ 𝑑⁄ }
Para aproximar la solución de la integral
18. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
10.2. VENTANA DE DISEÑO Y APLICACIÓN:
11. METODO DE EULER:
11.1.TEORÍA:
Este método consiste en dividir el intervalo [𝑎, 𝑏] en n subintervalos de longitud
'h'; ℎ =
( 𝑏−𝑎)
𝑛
,de manera que se obtiene los n+ 1 puntos 𝑥0, 𝑥1, 𝑥2,. ., 𝑥 𝑛 = 𝑥 𝑓
donde 𝑥 𝑖 = 𝑥0 + 𝑖ℎ; 𝑖 = 1,2,3 … 𝑛 la condición inicial 𝑦( 𝑥0) = 𝑦0
representada por el punto 𝑃0 = (𝑥0, 𝑦0 ) por donde pasa la curva solución, donde
:
𝑑𝑦
𝑑𝑥
|
( 𝑥0,𝑦0 )
= 𝑓( 𝑥0, 𝑦0 )
19. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
FORMULA DE EULER
𝑦𝑖+1 = 𝑦𝑖 + ℎ ( 𝑥𝑖, 𝑦𝑖) , 𝑖 = 1,2,3… 𝑛
Es decir, se genera una sucesión de aproximación:
𝑦1 = 𝑦0 + ℎ 𝑓( 𝑥0, 𝑦0)
𝑦2 = 𝑦1 + ℎ 𝑓( 𝑥1, 𝑦1)
𝑦3 = 𝑦2 + ℎ 𝑓( 𝑥2, 𝑦2)
…
𝑦 𝑛 = 𝑦 𝑛−1 + ℎ 𝑓( 𝑥 𝑛−1, 𝑦 𝑛−1)
20. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
11.2.VENTANA DE DISEÑO Y APLICACIÓN:
12. METODO RUNGE – KUTTA DE CUARTO
ORDEN:
12.1.TEORÍA:
El método de Runge-Kutta es un método genérico de resolución numérica de
ecuaciones diferenciales. Este conjunto de métodos fue desarrollado alrededor
del año 1900 por los matemáticos C. Runge y M. W. Kutta.
Este método puede ser usado para resolver un número grande de ecuaciones
diferenciales.
Dada la ecuación diferencial ordinaria 𝑦′
=
𝑑𝑦
𝑑𝑥
= 𝑓( 𝑥, 𝑦) con condiciones
iniciales 𝑦(𝑥0) = 𝑦0 entonces por el segundo teorema fundamenta del cálculo
se tiene:
∫ 𝑦′
𝑑𝑥 = 𝑦(
𝑥 𝑛+1
𝑥 𝑛
𝑥 𝑛+1) − 𝑦(𝑥 𝑛)
Para aplicar la regla de Simpson de 1/3 a [ 𝑥 𝑛, 𝑥 𝑛+1] se le dividió en dos
intervalos, es decir:
22. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
12.2.VENTANA DE DISEÑO Y APLICACIÓN:
13. MÉTODO DE GAUSS - JORDAN
13.1.TEORÍA:
Sea un sistema de ecuaciones lineales de la forma:
{
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯+ 𝑎1𝑛 𝑥 𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯+ 𝑎2𝑛 𝑥 𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯+ 𝑎3𝑛 𝑥 𝑛 = 𝑏3
……
𝑎 𝑛1 𝑥1 + 𝑎 𝑛2 𝑥2 + 𝑎 𝑛3 𝑥3 + ⋯+ 𝑎 𝑛𝑛 𝑥 𝑛 = 𝑏 𝑛
Se trata de un sistema de n ecuaciones con n incógnitas, x1,x2,..., xn.Los elementos
aij y bi son números reales fijados.
El sistema de ecuaciones se puede escribir, empleando una muy útil representación
matricial, como:
23. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
(
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛
⋮ ⋮ ⋮ ⋱ ⋮
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛 ) (
𝑥1
𝑥2
𝑥3
⋮
𝑥 𝑛)
=
(
𝑏1
𝑏2
𝑏3
⋮
𝑏 𝑛 )
Es decir 𝐴 𝑋 = 𝐵
Donde A es la matriz de coeficientes, X es el vector incógnitas y B es el vector
términos independientes.
PROCEDIMIENTO:
Crear la matriz cuyos elementos son los de la matriz A y el vector B. A es la matriz
se le denomina la matriz aumentada.
(
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛
⋮ ⋮ ⋮ ⋱ ⋮
𝑎 𝑛1 𝑎 𝑛2 𝑎 𝑛3 ⋯ 𝑎 𝑛𝑛
|
|
𝑏1
𝑏2
𝑏3
⋮
𝑏 𝑛)
Matriz aumentada
Mediante transformaciones elementales de filas en la matriz aumentada, los
elementos de la matriz de coeficientes A debe transformarse en la matriz identidad
y los elementos que están en la posición del vector de términos independientes B,
será la solución del sistema.
(
1 0 0 ⋯ 0
0 1 0 ⋯ 0
0 0 1 ⋯ 0
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 1
|
|
𝑏∗
1
𝑏∗
2
𝑏∗
3
⋮
𝑏∗
𝑛)
Matriz transformada
Y las raíces del sistema de ecuaciones son:
𝑥1 = 𝑏∗
1 ; 𝑥2 = 𝑏∗
2 ; 𝑥3 = 𝑏∗
3; …; 𝑥 𝑛 = 𝑏∗
𝑛
El proceso, requiere de
𝑛3
2
+ 𝑛2
−
𝑛
2
multiplicaciones y
𝑛3
2
−
𝑛
2
sumas.
13.2. VENTANA DE DISEÑO Y APLICACIÓN:
24. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
14. MÉTODO DE GAUSS SEIDEL
14.1.TEORÍA:
Método iterativo que su utiliza para resolver sistema de ecuaciones de la forma:
{
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯+ 𝑎1𝑛 𝑥 𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯+ 𝑎2𝑛 𝑥 𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯+ 𝑎3𝑛 𝑥 𝑛 = 𝑏3
……
𝑎 𝑛1 𝑥1 + 𝑎 𝑛2 𝑥2 + 𝑎 𝑛3 𝑥3 + ⋯+ 𝑎 𝑛𝑛 𝑥 𝑛 = 𝑏 𝑛
Que matricialmente se puede escribir como A X=B, supongamos que
𝑎𝑖𝑖 ≠ 0, 𝑖 = 1,2,3… . 𝑛 Despejamos los X
𝑥1 = ( 𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 − ⋯− 𝑎1𝑛 𝑥 𝑛) 𝑎11⁄
𝑥2 = ( 𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3 − ⋯− 𝑎2𝑛 𝑥 𝑛) 𝑎22⁄
𝑥3 = ( 𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2 − ⋯+ 𝑎3𝑛 𝑥 𝑛) 𝑎33⁄
……
El proceso se inicia dando un valor inicial para los puntos 𝑥 𝑖 ; 𝑖 = 1,2,3… . 𝑛 se
podría usar, por ejemplo, la solución trivial 𝑥1 = 𝑥2 = 𝑥3 = ⋯ = 𝑥 𝑛 = 0 si este
fuera el caso se tendría que:
𝑥1 = 𝑏1 𝑎11⁄
𝑥2 = (𝑏2 − 𝑎21 ( 𝑏1 𝑎11⁄ )) 𝑎22⁄
𝑥3 = (𝑏3 − 𝑎31 ( 𝑏1 𝑎11⁄ ) − 𝑎32 (𝑏2 − 𝑎21 ( 𝑏1 𝑎11⁄ )) 𝑎22⁄ ) 𝑎33⁄
…..
Los 𝑥1, 𝑥2,. . . , 𝑥𝑛 son los nuevos valores iníciales que serán utilizados en una
segunda iteración.
La convergencia puede definirse mediante
𝐸𝑥 𝑖
= |
𝑥 𝑖
𝑗
− 𝑥 𝑖
𝑗−1
𝑥 𝑖
𝑗
| 100 < 𝑇
Dónde:
𝐸𝑥 𝑖
: Error relativo porcentual dela 𝑥 𝑖 raíz
𝑗: Iteración actual
𝑗 − 1: Iteración anterior
𝑇: Tolerancia prefijada
RE ARREGLO DE ECUACIONES
25. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
El proceso de gauss - Seidel converge si la matriz coeficientes cada elemento de
la diagonal es el mayor en valor absoluto que la suma de todos los demás
elementos de la misma fila o columna .Es decir se asegura la convergencia sí.
| 𝑎𝑖𝑖| > ∑ 𝑎𝑖𝑗
𝑛
𝑖=1
𝑗≠𝑖
ó | 𝑎𝑖𝑖| > ∑ 𝑎𝑗𝑖
𝑛
𝑖=1
𝑗≠𝑖
14.2. VENTANA DE DISEÑO Y APLICACIÓN:
15. POLINOMIO DE LAGRANGE:
15.1.TEORÍA:
Si 𝑥0, 𝑥1, 𝑥2, …, 𝑥 𝑛 son 𝑛 + 1 puntos distintos y 𝑓(𝑥) es una función cuyos valores
están dados en esos puntos entonces existe un único polinomio P de grado a lo mas
de grado n con la propiedad que 𝑓( 𝑥 𝑘) = 𝑃(𝑥 𝑘)para cada k=0, 1,2,…n.
Este polinomio está dado por:
𝑃( 𝑥) = ∑ 𝑓( 𝑥 𝑘) 𝐿 𝑛,𝑘(𝑥) 𝑝𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑒 𝑙𝑎𝑔𝑟𝑎𝑛𝑔𝑒
𝑛
𝑘=0
Dónde:
𝐿 𝑛,𝑘( 𝑥) = ∏
𝑥 − 𝑥 𝑖
𝑥 𝑘 − 𝑥 𝑖
𝑛
𝑖=0
𝑖≠𝑘
Para un polinomio lineal la aproximación es:
𝑃( 𝑥) = 𝑓( 𝑥0) 𝐿1,0( 𝑥) + 𝑓( 𝑥1) 𝐿1,1(𝑥)
Dónde:
𝐿1,0( 𝑥) =
𝑥 − 𝑥1
𝑥0 − 𝑥1
; 𝐿1,1 (𝑥) =
𝑥 − 𝑥0
𝑥1 − 𝑥0
Entonces:
𝑃( 𝑥) = (
𝑥 − 𝑥1
𝑥0 − 𝑥1
) 𝑓( 𝑥0) + (
𝑥 − 𝑥0
𝑥1 − 𝑥0
) 𝑓( 𝑥1)
26. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Para un polinomio de segundo grado está dado por:
𝑃( 𝑥) = 𝑓( 𝑥0) 𝐿2,0( 𝑥)+ 𝑓( 𝑥1) 𝐿2,1( 𝑥) + 𝑓( 𝑥2) 𝐿2,2(𝑥)
Dónde:
𝐿1,0( 𝑥) = (
𝑥 − 𝑥1
𝑥0 − 𝑥1
)(
𝑥 − 𝑥2
𝑥0 − 𝑥2
)
𝐿2,1( 𝑥) = (
𝑥 − 𝑥0
𝑥1 − 𝑥0
)(
𝑥 − 𝑥2
𝑥1 − 𝑥2
)
𝐿2,2( 𝑥) = (
𝑥 − 𝑥0
𝑥2 − 𝑥0
)(
𝑥 − 𝑥1
𝑥2 − 𝑥1
)
Entonces el polinomio para segundo grado es:
𝑃( 𝑥) = (
𝑥 − 𝑥1
𝑥0 − 𝑥1
)(
𝑥 − 𝑥2
𝑥0 − 𝑥2
) 𝑓( 𝑥0
)+ (
𝑥 − 𝑥0
𝑥1 − 𝑥0
)(
𝑥 − 𝑥2
𝑥1 − 𝑥2
) 𝑓( 𝑥1
)+ (
𝑥 − 𝑥0
𝑥2 − 𝑥0
)(
𝑥 − 𝑥1
𝑥2 − 𝑥1
) 𝑓( 𝑥2
)
Donde x es el valor a interpolar.
15.2. VENTANA DE DISEÑO Y APLICACIÓN:
16. REGRESIÓN POLINOMIAL:
16.1. TEORÍA:
Supongamos que se conocen los datos (𝑥o, 𝑦o),(𝑥1, 𝑦1),… . . (𝑥n, 𝑦n) con
𝑥0, 𝑥1, …. . , 𝑥𝑛 números reales distintos, y se desea encontrar un polinomio:
𝑃𝑚 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥2
+ ⋯+ 𝑎 𝑚 𝑥 𝑚
, 𝑐𝑜𝑛 𝑚 < 𝑛
Tal que:
Sea mínima.
El grado m del polinomio 𝑝m(𝑥)se puede escoger previamente con base en algún
resultado teórico, alguna expectativa o por la aplicación que se le pretenda dar al
polinomio. En cualquier caso, estamos “libres” de elegir el grado que parezca
mejor. En muchos casos el grado será uno y el polinomio obtenido se llamará la
recta que mejor se ajusta o la recta de mínimos cuadrados para la tabla de
datos.
2n
0k
k
m
km
2
k2k10
2n
0k
kkmm10 yxa,.....,xaxaayxp)a,.....,a,S(a
27. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Volviendo a la función 𝑆(𝑎0, 𝑎1, … . ., 𝑎m), una condición necesaria para la
existencia de un mínimo relativo de esta función es que las derivadas parciales de
𝑆(𝑎0, 𝑎1, …. . , 𝑎m) con respecto a 𝑎j, 𝑗 = 0, 1,2, … , 𝑚 sean cero.
Resultan entonces las siguientes m+1 ecuaciones lineales en las incógnitas
𝑎0, 𝑎1, … . . , 𝑎m:
0xyxa.....xaxaa2
a
S
............
0xyxa.....xaxaa2
a
S
..........
0xyxa.....xaxaa2
a
S
0xyxa.....xaxaa2
a
S
0yxa.....xaxaa2
a
S
m
kk
m
km
2
k2k10
n
0km
j
kk
m
km
2
k2k10
n
0kj
2
kk
m
km
2
k2k10
n
0k2
kk
m
km
2
k2k10
n
0k1
k
m
km
2
k2k10
n
0k0
28. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
Si en las ecuaciones anteriores cancelamos el 2, desarrollamos los paréntesis y
usamos que
Obtenemos:
Este es un SEL de m+1 ecuaciones lineales en las m+1 incógnitas a0, a1, … am, que
se llama Sistema de Ecuaciones Normales. Este sistema de ecuaciones normales
se puede escribir en forma simplificada como sigue:
Estas ecuaciones se pueden reproducir a partir de:
Multiplicando a ambos lados por 𝑥𝑗
𝑖
, 𝑗 = 0,1, …, 𝑚,
Sumando sobre k
0
n
0k
0 a1na
n
0k
k
m
km
n
0k
mm
k2
n
0k
m2
k1
n
0k
m1
k0
n
0k
m
k
n
0k
k
j
km
n
0k
jm
k2
n
0k
j2
k1
n
0k
j1
k0
n
0k
j
k
n
0k
k
2
km
n
0k
2m
k2
n
0k
4
k1
n
0k
3
k0
n
0k
2
k
n
0k
kkm
n
0k
1m
k2
n
0k
3
k1
n
0k
2
k0
n
0k
k
n
0k
km
n
0k
m
k2
n
0k
2
k1
n
0k
k0
yxax.....axaxax
:::
yxax.....axaxax
......
.
.
yxax.....axaxax
yxax.....axaxax
yax.....axaxa1n
m0,1,....,.jconyxxa
n
0k
k
j
k
n
0k
ji
k
m
0i
i
k
m
km
2
k2k10km yxa,.....,xaxaaxp
k
j
k
jm
km
j2
k2
j1
k1
j
k0
j
kk
j
k
m
km
j
k
2
k2
j
kk1
j
k0
yxxa,.....,xaxaxa
xyxxa,.....,xxaxxaxa
m.,0,1,2,....jconyxxa.....xaxaxa
m
0k
k
j
k
m
0k
jm
km
n
0k
j2
k2
n
0k
j1
k1
n
0k
j
k0
29. UNIVESIDAD NACIONAL DEL CENTRO DEL PERÚ
PROGRAMACIÓN DIGITAL
16.2.VENTANA DE DISEÑO Y APLICACION: