2.

Solucione el siguiente ejercicio utilizando los Método de eliminación de Gauss,

Gauss-Jordán y Gauss-Seidel. Compare los resultados y haga un pequeño análisis.

0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30

3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85
0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40 Utilizar un ξ = 0.001

Método Gauss-Seidel

0.1 X1 + 7.0 X2 – 0.3 X3 = -19.30

3.0 X1 – 0.1 X2 – 0.2 X3 = 7.85
0.3 X1 – 0.2 X2 – 10.0 X3 = 71.40

Se debe cambiar el orden de las ecuaciones para garantizar la convergencia:

𝐸1: 3𝑥1 −0.1𝑥2 −0.2𝑥3 = 7.85

𝐸2: 0.1𝑥1 7𝑥2 −0.3𝑥3 = −19.30
𝐸3: 0.3𝑥1 −0.2𝑥2 −10𝑥3 = 71.40

Si X2= 0 y X3=0, entonces

7.85 + 0.1𝑥2 + 0.2𝑥3 −19.30 − 0.1𝑥1 + 0.3𝑥3

𝑥1 = 𝑥2 = 𝑥3
3 7
−71.40 + 0.3𝑥1 − 0.2𝑥2
=
10

7.85 + 0.1(0) + 0.2(0)

𝑥1 = = 2.616
3

−19.30 − 0.1(2.616) + 0.3(0)

𝑥2 = = −2.79
7

−71.40 + 0.3(2.616) − 0.2(−2.79)

𝑥3 = = −7.0057
10

Entonces:

𝑥1 = 2.616 𝑥2 = −2.79 𝑥3 = −7.0057

 7.85 + 0.1(−2.79) + 0.2(−7.0057)
𝑥1 = = 2.0566
3

−19.30 − 0.1(2.616) + 0.3(−7.0057)

𝑥2 = = −3.0947
7

−71.40 + 0.3(2.616) − 0.2(−3.0947)

𝑥3 = = −6.9996
10

𝑥1 = 2.0566
Solución: {𝑥2 = −3.0947
𝑥3 = −6.996

3. Solucione el siguiente ejercicio utilizando los Método de eliminación de Gauss,

Gauss-Jordán y Gauss-Seidel. Compare los resultados y haga un pequeño análisis.

Gauss-Seidel

Resolver el siguiente sistema de tres ecuaciones por el Método de Gauss-Seidel:

17 X1 – 2 X2 – 3 X3 = 500
-5 X1 + 21 X2 – 2 X3 = 200
-5 X1 – 5 X2 + 22 X3 = 30

Resuelva este problema para un a = 5%

Si se pasan al formato de una matriz y su vector de resultados, se obtiene lo siguiente:

 17  2  3  x1  500
 5 21  2  x   200
  2   
  
 5  5 22   x3   30 

Las siguientes fórmulas las utilizamos para encontrar X1, X2 y X3 en cada una de las
iteraciones.

b1  a12 x2  a13 x3
x1 
a11

b2  a21 x1  a23 x3
x2 
a22
 b3  a31 x1  a32 x2
x3 
a33
Para calcular el primer valor de X1, se asumirán X2 y X3 con valores cero. Entonces para
X1,
𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
500 − (−2)𝑥2 − (−3)𝑥3
𝑥1 =
17
500 − (−2)0 − (−3)0
𝑥1 =
17
𝑥1 = 29,41176

Para calcular el valor de X2, se utilizará el valor encontrado de X1 y el valor de X3 se

asumirá como cero.
𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
200 − (−5)𝑥1 − (−2)𝑥3
𝑥2 =
21
200 − (−5)29,41176 − (−2)0
𝑥2 =
21
𝑥1 = 16,5266
Para calcular el valor de X3, se utilizará el valor encontrado de X1 y X2 en los pasos
anteriores.

𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
30 − (−5)𝑥1 − (−5)𝑥2
𝑥1 =
22
30 − (−5)29,41176 − (−5)16,52661
𝑥1 =
22
𝑥1 = 11,80418
Entonces en la primera iteración
 x1  29,41176
x2  16,52661
x3  11,80418

Para la segunda iteración, en el cálculo de X1 el valor de X2 y X3 serán los calculados

anteriormente descritos. Entonces para X1,
b1  a12 x 2  a13 x3
x1 
a11
500   2  x 2   3  x3
x1 
17
500   2  16,52661   3  11,80418
x1 
17
x1  33,43916

Método de Gauss

17 −2 −3 500
−5 21 −2 200
−5 −5 22 30

Se multiplica por -1 la tercera fila

17 −2 −3 500
−5 21 −2 200
5 5 −22 −30

R3-R2 ---> R3

17 −2 −3 500
−5 21 −2 200
0 −26 −22 170

R1 se divide entre 17

1 −0,11 −0,18 29,41

−5 21 −2 200
0 −26 −22 170

R2+5R1 ---> R2
 1 −0,11 −0,18 29,41
0 21,59 9,82 347,05
0 −26 −22 170

Renglón 2 dividido entre 26

1 −0,11 −0,18 29,41

0 1 −0,46 −16,07
0 5 19,7 170

- R3+21,20R2 ---> R3

1 −0,11 −0,18 29,41

0 1 −0,46 −16,07
0 0 19,7 50,35

𝑥1 − 0,11𝑥2 − 0,18𝑥3 = 29,41

𝑥2 − 0,46𝑥3 = −16,07
19,7𝑥3 = −50,35
50,35
𝑥3 = = −2,56
19,7

𝑥2 − 0,46(−2,56) = −16,07
𝑥2 + 1,178 = −16,07
𝑥2 = −16,07 − 1,1780,246 = −17,25

𝑥1 − 0,11(−11,25) − 0,18(−2,56) = 29,41

𝑥1 + 1,24 + 0,46 = 29,41
𝑥1 = −1,24 − 0,46 − 29,41 = 1,7
𝑥1 = −1,848

Para X2 se utiliza el valor de X3 de la primera iteración y el de X1 de la segunda iteración,

𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
𝑥2 =
𝑎22
200 − (−5)𝑥1 − (−2)𝑥3
𝑥2 =
21
200 − (−5)33,43916 − (−2)11,80418
𝑥2 =
21
𝑥2 = 18,60972

Para X3 se utiliza el valor de X1 y X2 calculados en la segunda iteración,

𝑏3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
𝑎33
 30 − (−5)𝑥1 − (−5)𝑥2
𝑥3 =
22

30 − (−5)33,43916 − (−5)18,60972
𝑥3 =
22
𝑥3 = 13,19293

Entonces en la segunda iteración

x1  33,43916
x2  18,60972
x3  13,19293

Una vez obtenidos estos resultados, se debe calcular el error aproximado porcentual para
cada uno de los resultados, para se utiliza la siguiente fórmula:

 xr
nuevo anterior
xr
a  nuevo
100%
xr

 x1
nuevo anterior
x1
 ax1  nuevo
 100%
x1

33,43916  29,41176
 ax1   100%
33,43916
 ax1  12,04%  5%
Para X1,

Para X2,

anterior nuevo
 x3
anterior
 x2 x3
nuevo
x2
 ax 2  nuevo
ax3   100nuevo
%  100%
x2 x3
18,60972  16,13
52661
,19293  11
 ax 2     100 %,80418  100%
18,ax
60972
3
13,19293
 ax 2  11,194%  5%
 ax3  10,526%  5%
Para X3,

4. Determine el polinomio de interpolación de Lagrange para la siguiente tabla:

x 1 3 5 7

y -2 1 2 -3

El polinomio de Interpolación de Lagrange es:

𝑃(𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥) … … … … … 𝑦𝑛 𝐿𝑛 (𝑥)

(𝑥 − 3)(𝑥 − 5)(𝑥 − 7) (𝑥 − 3)(𝑥 − 5)(𝑥 − 7) (𝑥 − 3)(𝑥 − 5)(𝑥 − 7)

𝐿0 (𝑥) = = =−
(1 − 3)(1 − 5)(1 − 7) −48 48

−𝑥 3 + 15𝑥 2 − 71𝑥 + 105

=
48

(𝑥 − 1)(𝑥 − 5)(𝑥 − 7) (𝑥 − 1)(𝑥 − 5)(𝑥 − 7) 𝑥 3 − 13𝑥 2 + 47𝑥 + 35

𝐿1 (𝑥) = = =
(3 − 1)(3 − 5)(3 − 7) 16 16

(𝑥 − 1)(𝑥 − 3)(𝑥 − 7) (𝑥 − 1)(𝑥 − 3)(𝑥 − 7) (𝑥 − 1)(𝑥 − 3)(𝑥 − 7)

𝐿2 (𝑥) = = =−
(5 − 1)(5 − 3)(5 − 7) −16 16

−𝑥 3 + 11𝑥 2 − 31𝑥 + 21
=
16

(𝑥 − 1)(𝑥 − 3)(𝑥 − 5) (𝑥 − 1)(𝑥 − 3)(𝑥 − 5) 𝑥 3 − 9𝑥 2 + 23𝑥 − 15

𝐿3 (𝑥) = = =
(7 − 1)(7 − 3)(7 − 5) 48 48

Posteriormente se establece el polinomio de Lagrange.

𝑃(𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥) … … … … … 𝑦𝑛 𝐿𝑛 (𝑥)

 −𝑥 3 + 15𝑥 2 − 71𝑥 + 105 𝑥 3 − 13𝑥 2 + 47𝑥 − 35
𝑃(𝑥) = −2 ( )+ 1( )
48 16

−𝑥 3 + 11𝑥 2 − 31𝑥 + 21 𝑥 3 − 9𝑥 2 + 23𝑥 − 15

+ 2( ) + (−3 ( ))
16 48

𝑥 3 − 15𝑥 2 + 71𝑥 − 105 𝑥 3 − 13𝑥 2 + 47𝑥 − 35

=( )+( )
24 16

−𝑥 3 + 11𝑥 2 − 31𝑥 + 21 𝑥 3 − 9𝑥 2 + 23𝑥 − 15

+( )−( )
8 16

2(𝑥 3 − 15𝑥 2 + 71𝑥 − 105) 3(𝑥 3 − 13𝑥 2 + 47𝑥 − 35)

= +
48 48

6(−𝑥 3 + 11𝑥 2 − 31𝑥 + 21) 3(𝑥 3 − 9𝑥 2 + 23𝑥 − 15)

+ −
48 48

(2𝑥 3 − 30𝑥 2 + 142𝑥 − 210) + 3𝑥 3 − 39𝑥 2 + 141𝑥 − 105 − 6𝑥 3 + 66𝑥 2 −

= 186𝑥 + 126 − 3𝑥 3 + 27𝑥 2 − 69𝑥 + 45
48

−4𝑥 3 + 24𝑥 2 + 28𝑥 − 144

= .
48

Para simplificar el polinomio factorizamos por factor común el denominador:

−4𝑥 3 + 24𝑥 2 + 28𝑥 − 144 4 𝑥 3 − 6𝑥 2 − 7𝑥 + 36 𝟏 𝟑

=− ( )=− (𝒙 − 𝟔𝒙𝟐 − 𝟕𝒙 + 𝟑𝟔)
48 48 1 𝟏𝟐

El polinomio de Interpolación de Lagrange para los puntos determinados es:

𝟏 𝟑
− (𝒙 − 𝟔𝒙𝟐 − 𝟕𝒙 + 𝟑𝟔)
𝟏𝟐

5. Determine el polinomio de interpolación usando las diferencias divididas de

Newton, e interpole en el punto x=3.

x 7 6 4 2 -4

y 1430 908 278 40 -242

Inicialmente se establece la tabla de valores de forma vertical para que los datos se

puedan interpolar de forma más fácil.

x y

7 1430

6 908

4 278

2 40

-4 -242

El primer pasó es calcular la diferencia dividida entre los dos primeros datos de las

ordenadas y la diferencia de los dos primeros datos de las abscisas.

Calculo para la primera diferencia dividida:

𝑦2 − 𝑦1 908 − 1430 522

𝑎1 1 = = =− = 522
𝑥2 − 𝑥1 6−7 −1

𝑦3 − 𝑦2 278 − 908 630

𝑎1 2 = = =− = 315
𝑥3 − 𝑥2 4−6 −2

𝑦4 − 𝑦3 40 − 278 238
𝑎1 3 = = =− = 119
𝑥4 − 𝑥3 2−4 −2

𝑦5 − 𝑦4 −242 − 40 282
𝑎1 4 = = =− = 47
𝑥5 − 𝑥4 −4 − 2 −6

Se procede a calcular la segunda diferencia dividida a partir de los datos obtenidos en el

anterior cálculo.

𝑎1 2 − 𝑎1 1 315 − 522 207

𝑎2 1 = = =− = 69
𝑥3 − 𝑥1 4−7 −3

𝑎1 3 − 𝑎1 2 119 − 315 −196

𝑎2 2 = = =− = 49
𝑥4 − 𝑥2 2−6 −4
 𝑎1 4 − 𝑎1 3 47 − 119 72
𝑎2 3 = = =− =9
𝑥5 − 𝑥3 −4 − 4 −8

Ahora se calcula la tercera diferencia dividida derivado de los datos del cálculo anterior.

𝑎2 2 − 𝑎2 1 49 − 69 20
𝑎3 1 = = =− =4
𝑥4 − 𝑥1 2−7 −5

𝑎2 3 − 𝑎2 2 9 − 49 40
𝑎3 2 = = =− =4
𝑥5 − 𝑥2 −4 − 6 −10

Posteriormente calculamos la cuarta diferencia dividida de los últimos datos.

𝑎3 2 − 𝑎3 1 4−4 0
𝑎4 1 = = =− =0
𝑥5 − 𝑥1 −4 − 7 −11

Ahora se analiza el concepto las diferencias divididas. En total se llegaron a cuatro, pero

basta recordar que la última diferencia nos dio como resultado 0.

Entonces solo se tienen en cuenta las tres primeras diferencias las cuales nos determinan

que el polinomio que vamos a interpolar es de tercer grado.

Para la formulación del polinomio se toman los datos de cada uno de los resultados de las

diferencias divididas. Por tanto de acuerdo a la fórmula del polinomio de diferencias

divididas de Newton se establece:

𝑓(𝑥) = 𝑦1+ 𝑎1 1(𝑥 − 𝑥1 ) + 𝑎2 1(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + ⋯ … … … … . . 𝑎𝑛 1(𝑥 − 𝑥1 )(𝑥 − 𝑥𝑛 )

Como es un polinomio de tercer grado entonces:

𝑓(𝑥) = 1430 + 522(𝑥 − 7) + 69(𝑥 − 7)(𝑥 − 6) + 4(𝑥 − 7)(𝑥 − 6)(𝑥 − 4) 𝑓(𝑥)

= 1430 + 522𝑥 − 3654 + 69𝑥 2 − 414𝑥 − 483𝑥 + 2898 + 4𝑥 3 − 40𝑥 2 + 96𝑥

− 28𝑥 2 + 280𝑥 − 672 =

𝒇(𝒙) = 𝟒𝒙𝟑 + 𝒙𝟐 + 𝒙 + 𝟐

Este es el polinomio de tercer grado obtenido del proceso de interpolación.

Ahora interpolamos o evaluamos el punto x=3, en el polinomio que se obtuvo:

𝑓(𝑥) = 4𝑥 3 + 𝑥 2 + 𝑥 + 2
 𝒇(𝟑) = 𝟒(𝟑)𝟑 + (𝟑)𝟐 + (𝟑) + 𝟐 = 𝟒 ∗ 𝟐𝟕 + 𝟗 + 𝟑 + 𝟐 = 𝟏𝟐𝟐

6. Para la siguiente tabla obtenga el Polinomio de Interpolación de diferencias

finitas de Newton, e interpole en el punto x=-14/15.

x 0 -1 -1/3 -2/3

y -2 -4 -8/3 -32/9

Inicialmente se establece la tabla de valores de forma vertical para que los datos se

puedan interpolar de forma más fácil.

x y

0 -2

-1 -4

-1/3 -8/3

-2/3 -32/9

Inicialmente se deben ordenar los valores de las abscisas para que la formulación del

polinomio de interpolación.

x y 1ª. DIF. 2ª. DIF. 3ª. DIF.

0 -2 2 -1 -2

-1/3 -8/3 8/3 1

-2/3 -32/9 4/3

-1 -4

Se reformula el polinomio de interpolación de las diferencias divididas finitas de Newton:

𝑓(𝑥) = 𝑦1+ 𝑎1 1(𝑥 − 𝑥1 ) + 𝑎2 1(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + ⋯ … … … … . . 𝑎𝑛 1(𝑥 − 𝑥1 )(𝑥 − 𝑥𝑛 )

De acuerdo al desarrollo de las diferencias se determina que es un polinomio de tercer

grado:

1 2 1
𝑓(𝑥) = −2 + 2(𝑥 − 0) − 1 (𝑥 + ) (𝑥 − 0) − 2 (𝑥 + ) (𝑥 + ) (𝑥 − 0) 𝑓(𝑥)
3 3 3

1 2 4 4
= −2 + 2𝑥 − 𝑥 2 − 𝑥 − 2𝑥 3 − 𝑥 2 − 𝑥 2 − 𝑥
3 3 3 9
𝟏𝟏
𝒇(𝒙) = −𝟐𝒙𝟑 − 𝟑𝒙𝟐 + 𝒙−𝟐
𝟗

Este es el polinomio de tercer grado obtenido del proceso de interpolación.

Ahora interpolamos o evaluamos el punto x=-14/15, en el polinomio que se obtuvo:

𝟏𝟏
𝑓(𝑥) = −𝟐𝒙𝟑 − 𝟑𝒙𝟐 + 𝒙−𝟐
𝟗

𝟏𝟒 𝟏𝟒 𝟑 𝟏𝟒 𝟐 𝟏𝟏 𝟏𝟒
𝒇 (− ) = −𝟐 (− ) − 𝟑 (− ) + (− ) − 𝟐=
𝟏𝟓 𝟏𝟓 𝟏𝟓 𝟗 𝟏𝟓

𝟐𝟕𝟒𝟒 𝟏𝟗𝟔 𝟏𝟓𝟒

−𝟐 (− ) − 𝟑( )− − 𝟐 = 𝟏, 𝟔𝟐𝟔𝟎𝟕𝟒 − 𝟐, 𝟔𝟏𝟑𝟑𝟑𝟑 − 𝟏, 𝟏𝟒𝟎𝟕𝟒𝟎 − 𝟐
𝟑𝟑𝟕𝟓 𝟐𝟐𝟓 𝟏𝟑𝟓

= −𝟒, 𝟏𝟐𝟕𝟗𝟗𝟗

7. Dados los puntos (-4.5, 0.7), (-3.2, 2.3), (-1.4, 3.8), (0.8, 5), (2.5, 5.5), (4.1, 5.6)
determine los polinomios de grado 4 y 5. Graficar para determinar la curva
más aproximada.

POLINOMIO ORDEN 4:

0,7 + 1,2307(𝑋 + 4,5) − 0,128205(𝑋 + 4,5)(𝑋 + 3,2)

+ 0,010610(𝑋 + 4,5)(𝑋 + 3,2)(𝑋 + 1,4)
− 0,001327(𝑋 + 4,5)(𝑋 + 3,2)(𝑋 + 1,4)(𝑋 − 0,8)

POLINOMIO ORDEN 5:

0,7 + 1,2307(𝑋 + 4,5) − 0,128205(𝑋 + 4,5)(𝑋 + 3,2)

+ 0,010610(𝑋 + 4,5)(𝑋 + 3,2)(𝑋 + 1,4)
− 0,001327(𝑋 + 4,5)(𝑋 + 3,2)(𝑋 + 1,4)(𝑋 − 0,8)
+ 0,0001166(𝑋 + 4,5)(𝑋 + 3,2)(𝑋 + 1,4)(𝑋 − 0,8)(𝑋 − 2,5)
 X VS Y
Series1 Orden 5 Orden 4

3
X

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Y

En la gráfica podemos observar que el polinomio de orden 4 se aproxima a la función, por

lo que no es necesario usar un polinomio de orden superior.

8. Plantee y solucione dos ejercicios sobre la temática de transformada discreta de

Fourier.

Transformada Discreta de Fourier

1. Encontrar la DTF de la señal con 𝑵 = 𝟖

𝜋𝑛
𝑥(𝑛) = 4 + 3 sin ( )
2
𝑃𝑟𝑖𝑚𝑒𝑟𝑜 𝑒𝑠𝑐𝑟𝑖𝑏𝑖𝑚𝑜𝑠 𝑥(𝑛) 𝑐𝑜𝑛 𝐸𝑢𝑙𝑒𝑟

𝑒 𝑗𝜋𝑛/2 − 𝑒 −𝑗𝜋𝑛/2 3 3
𝑥(𝑛) = 4 + 3 [ ] = 4 − 𝑒 𝑗𝜋𝑛/2 + 𝑗𝑒 −𝑗𝜋𝑛/2
2𝑗 2 2

𝐴𝑛𝑜𝑡𝑎𝑚𝑜𝑠 𝑎ℎ𝑜𝑟𝑎 𝑞𝑢𝑒𝑙𝑎 𝑠𝑢𝑚𝑎 𝑝𝑎 𝑋(𝑘)𝑝𝑢𝑒𝑑𝑒 𝑠𝑒𝑟 𝑒𝑠𝑐𝑟𝑖𝑡𝑎 𝑐𝑜𝑚𝑜 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 3 𝑡𝑒𝑟𝑚𝑖𝑛𝑜𝑠.
7
𝜋𝑛
−𝑗( )𝑘𝑛
𝑋(𝑘) = ∑ 𝑥(𝑛)𝑒 8 , 0≤𝑘≤7
𝑛=0
 7 7 7
−𝑗𝜋𝑘𝑛/4
3 3
𝑋(𝑘) = 4 ∑ 𝑒 − 𝑗 ∑ 𝑒 𝑗𝜋𝑘𝑛/4 + 𝑗 ∑ 𝑒 −𝑗𝜋𝑘𝑛/2 𝑒 𝑗𝜋𝑘𝑛/4
2 2
𝑛=0 𝑛=0 𝑛=0

𝑁−1 𝑁−1 𝑁−1

𝑛
𝑆𝑁 (𝑙, 𝑘) = ∑ 𝑒 𝑗2𝜋𝑛𝑙/𝑁
𝑊𝑁𝑛𝑘 = ∑𝑒 𝑗2𝜋𝑛(𝑙−𝑘)/𝑁
= ∑[𝑒 𝑗2𝜋(𝑙−𝑘)/𝑁 ] =
𝑛=0 𝑛=0 𝑛=0

1 − 𝑒 𝑗2𝜋(𝑙−𝑘)
𝑆𝑁 (𝑙, 𝑘) = =0
1 − 𝑒 𝑗2𝜋(𝑙−𝑘)/𝑁
𝑘≠𝑙

𝐿𝑎 𝑠𝑒𝑟𝑖𝑒 𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 𝑞𝑢𝑒𝑑𝑎:

𝑁−1 𝑁−1 𝑁−1
𝑗2𝜋(0)/𝑁 𝑛 𝑛
𝑆𝑁 (𝑙, 𝑙) = ∑[𝑒 ] = ∑[1] = ∑ 1 = 𝑁
𝑛=0 𝑛=0 𝑛=0

𝐷𝑒 𝑚𝑎𝑛𝑒𝑟𝑎 𝑐𝑜𝑚𝑝𝑎𝑐𝑡𝑎 𝑞𝑢𝑒𝑑𝑎:

𝑆𝑁 (𝑙, 𝑘) = 𝑁𝛿𝑘,𝑙

2. Determinar la frecuencia de un sistema cuya respuesta impulsional tiene dada

por: 𝒉(𝒏) = 𝑨𝜶𝒏 𝐜𝐨𝐬(𝝎𝑶 𝒏) 𝒖(𝒏)𝒄𝒐𝒏|𝜶| < 𝟏

𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛
∞ ∞
𝑗𝜔 −𝑗𝜔𝑛
𝐻(𝑒 ) = ∑ ℎ(𝑛)𝑒 = ∑ 𝐴𝛼 𝑛 cos(𝜔𝑂 𝑛)𝑢(𝑛)𝑒 −𝑗𝜔𝑛
𝑛=−∞ 𝑛=−∞

𝐷𝑒𝑠𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑚𝑜𝑠 𝑒𝑙 𝑐𝑜𝑠𝑒𝑛𝑜 𝑐𝑜𝑚𝑜 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑒𝑠 𝑐𝑜𝑚𝑝𝑙𝑒𝑗𝑎𝑠.

∞
𝑗𝜔
𝑒 𝑗𝜔𝑂 𝑛 + 𝑒 −𝑗𝜔𝑂 𝑛 −𝑗𝜔𝑛
𝐻(𝑒 ) = 𝐴 ∑ 𝛼𝑛 ( )𝑒
2
𝑛=0

∞ ∞
𝐴 𝑛 𝑛
= [∑(𝛼𝑒 𝑗(𝜔𝑂 −𝜔) ) + ∑(𝛼𝑒 −𝑗(𝜔𝑂 +𝜔) ) ]
2
𝑛=0 𝑛=0

𝐴 1 1
= [ 𝑗(𝜔 −𝜔)
+ −𝑗(𝜔
]
2 1 − 𝛼𝑒 𝑂 1 − 𝛼𝑒 𝑂 +𝜔)
 𝑅𝑒𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎 𝑝𝑢𝑒𝑠 |𝛼| < 1

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑑𝑒𝑠𝑎𝑟𝑟𝑜𝑙𝑙𝑎𝑚𝑜𝑠 𝑙𝑎 𝑒𝑥𝑝𝑟𝑒𝑠𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑓𝑜𝑟𝑚𝑎:

𝐴 2 − 𝛼(𝑒 𝑗(𝜔𝑂 −𝜔) + 𝑒 −𝑗(𝜔𝑂 +𝜔)

𝐻(𝑒 𝑗𝜔 ) = [ ]
2 1 + 𝛼 2 𝑒 −2𝑗𝜔 − 𝛼(𝑒 𝑗(𝜔𝑂 −𝜔) + 𝑒 −𝑗(𝜔𝑂 +𝜔) )

𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠:

𝑒 𝑗(𝜔𝑂 −𝜔) + 𝑒 −𝑗(𝜔𝑂 +𝜔) = 𝑒 −𝑗𝜔 [𝑒 𝑗𝜔𝑂 + 𝑒 −𝑗𝜔𝑂 ] = 2 cos(𝜔𝑂 )𝑒 −𝑗𝜔

𝑂𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠:

𝐴(1 − 𝛼 cos(𝜔𝑂 )𝑒 −𝑗𝜔 )

𝐻(𝑒 𝑗𝜔 ) =
1 + 𝛼 2 𝑒 −2𝑗𝜔 − 2𝛼 cos(𝜔𝑂 )𝑒 −𝑗𝜔

0 , 0,634 , 2,366
 CONCLUSIONES

Se logró identificar, comprender y aplicar los diferentes métodos que se utilizaron

en la solución de sistemas de ecuaciones lineales y sistemas de ecuaciones no

lineales, realizando una comparación entre los métodos observando: eficiencia,

precisión, iteraciones y tiempos de ejecución. Empleando el método de diferencias

divididas de Newton, en la interpolación de diferentes tipos de polinomios.

Se consiguió diferenciar los métodos numéricos aplicados en la solución de

ecuaciones lineales y ecuaciones no lineales basados en las características tales
como número de iteraciones, y tiempos de ejecución.

Identificar la efectividad de los diferentes métodos de Interpolación que el

estudiante aplica sobre los diversos tipos de polinomios a través de la
comparación de los diferentes resultados arrojados por cada método.
 REFERENCIAS BIBLIOGRAFICAS

Método de eliminación de Gauss. Recuperado de

https://www.youtube.com/watch?v=wjZQxzQyyIg
Método de Gauss-Jordán. Recuperado de
https://www.youtube.com/watch?v=91xUg1L7O7s

Método de Gauss-Seidel. Recuperado de

https://www.youtube.com/watch?v=kIV5xS02wYo

Interpolación: Polinomio de Interpolación de Lagrange. Recuperado de

https://www.youtube.com/watch?v=3EKndPO8Pxs

Polinomio de Interpolación con diferencias divididas de newton. Recuperado de

https://www.youtube.com/watch?v=klOWp2SYycc

Interpolación Polinomial de diferencias finitas de Newton. Recuperado de

http://aniei.org.mx/paginas/uam/CursoMN/curso_mn_06.html

Ajuste de curvas. Recuperado de

http://depa.fquim.unam.mx/amyd/archivero/1_14800.PDF

Transformada discreta de Fourier. Recuperado de

https://www.youtube.com/watch?v=C4uDhkGgsGY