Beruflich Dokumente
Kultur Dokumente
Matrices ............................................................................................................................................................ 4
Tipos de matrices ........................................................................................................................................... 5
Suma de matrices .......................................................................................................................................... 6
Multiplicación de matrices .............................................................................................................................. 6
Multiplicación de una matriz ........................................................................................................................... 7
Determinantes................................................................................................................................................ 7
Propiedades de las determinantes ................................................................................................................. 7
Menor de un elemento..................................................................................................................................... 9
Cofactor de un elemento ................................................................................................................................. 9
Regla de Surrus ............................................................................................................................................. 10
Regla de Cramer ............................................................................................................................................ 10
Gauss Jordan ................................................................................................................................................ 11
Newton Raphson ........................................................................................................................................... 11
Método de bisección ..................................................................................................................................... 14
Método de Jacobi .......................................................................................................................................... 15
Método de secante ........................................................................................................................................ 18
Interpolación lineal ........................................................................................................................................ 19
Método de diferencias divididas ................................................................................................................... 20
Polinomio de interpolación de Lagrange ...................................................................................................... 21
Polinomio de Lagrange ................................................................................................................................ 21
MATLAB ......................................................................................................................................................... 23
Lenguaje ...................................................................................................................................................... 23
Comandos ................................................................................................................................................... 23
Variables simbólicas .................................................................................................................................... 23
Rangos ........................................................................................................................................................ 23
Vectores....................................................................................................................................................... 24
Expand......................................................................................................................................................... 24
Pretty ........................................................................................................................................................... 24
Polyval ......................................................................................................................................................... 24
Visualización de datos ................................................................................................................................. 25
Plot .............................................................................................................................................................. 25
Workspace ................................................................................................................................................... 25
Polinomio ..................................................................................................................................................... 25
Ejercicios hechos en MATLAB(Clase) .......................................................................................................... 26
Ejercicios hechos en MATLAB(Problemario) ................................................................................................ 32
Mínimos Cuadrados ...................................................................................................................................... 44
Caso Lineal .................................................................................................................................................. 44
Caso Curvo .................................................................................................................................................. 45
Ecuaciones Diferenciables ........................................................................................................................... 46
Clasificación de ecuaciones diferenciales .................................................................................................... 46
Ecuaciones Diferenciales por variables separables...................................................................................... 47
Ecuaciones Diferenciales Exactas ............................................................................................................... 47
Métodos numéricos
Rama de la matemática que estudia la teoría de los métodos constructivo del análisis matemático
o el álgebra.
Estudia métodos para la resolución numérica (generalmente de forma aproximada) de problemas
físicos planteaos adecuadamente de forma matemática.
Permite obtener la solución numérica de un problema después de un número finito de operaciones
aritméticas elementales.
El problema matemático debe estar bien planteado “Tiene solución”.
Clasificación de problemas
Tipos de problemas
Se buscan las leyes que gobiernan el sistema a partir del conocimiento de ciertas relaciones entre la
entrada y salida; en general, solo se conoce un número finito de pares entrada/salida.
Los métodos numéricos constituyen técnicas mediante las cuales es posible formular problemas
matemáticos, de tal forma que pueden resolverse utilizando operaciones aritméticas.
Aunque existen muchos tipos de métodos numéricos, todos comparten una característica en común:
El manejo de software permite reforzar el pensamiento matemático, lo que lleva a reforzar las
capacidades analíticas que se tienen sobre los problemas.
“Una forma de poder dar solución a los problemas es modelar dicho problema mediante modalidades
matemáticas”.
Matrices
Se representa mediante una letra mayúscula y los números que se encuentran dentro de ella se
representan con la misma letra, pero en minúscula con un doble subíndice que indicará la fila y
columna a la que pertenece.
Cada uno de los números de los que consta una matriz se le denomina elemento. Un elemento
cualquiera de una matriz que se encuentra en la fila “I” y en la columna “J” se representa:
𝐴 = [𝑎1, 𝑗]
Un elemento que distingue de otro por la oposición que ocupa, es decir a la fila y columna a la que
pertenece:
𝑎11 𝑎12
𝐴=
𝑎21 𝑎22
El número de filas y columnas de una matriz se denomina “dimensión de una matriz” así una matriz de
dimensión “mxn” es una matriz que tiene “m” cantidad de filas y “n” cantidad de columnas.
En la matriz si tiene el mismo número de filas y columnas se dice que este orden tiene 4x4= orden de
4.
Tipos de matrices
𝑎11
Matriz “Columna”: 𝐴 = [𝑎21]
𝑎31
Matriz diagonal: Es cuando todos elementos que no están situados en la diagonal principal son
nulos.
Matriz triangular superior: Son cuando los elementos situados por debajo de la diagonal son ceros.
Matriz triangular interior: Son cuando los elementos situados por encima de la diagonal son ceros.
Matriz identidad: Es cuando todos los elementos que no están situados en la diagonal prinpal son
nulos y los elementos de la diagonal principal son 1.
A la matriz identidad se le considera una matriz neutra ya que una matriz multiplicada por la matriz
identidad será igual a la matriz identidad.
Matriz traspuesta: Traspuesta de una matriz es una matriz “A” y consiste en intercambiar las
líneas por las columnas y se denota como “A”.
1 0 0 1 4 5
𝐴 = [4 2 0] 𝐴 = [0 2 6]
6 5 3 0 0 3
(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇
(𝐴)𝑇 = 𝐴
(𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇
Suma de matrices
Para realizar una suma de matrices lo primero que se tiene que observar es que alss matrices sean
de la misma dimensión.
3 −8 −9 11 −6 3
𝐴=[ ] 𝐵=[ ] =[ ]
5 9 1 −5 6 4
12 −19
𝐴−𝐵 =[ ]
4 14
Multiplicación de matrices
Dentro de la multiplicación de matrices se puede realizar la multiplicación de un escalar de una matriz,
así como una multiplicación entre dos matrices.
El término multiplicación escalar se refiere al producto de un número real por una matriz. En la
multiplicación escalar cada elemento de la matriz se multiplica por el escalar dado.
12 −32
𝐴∙4=[ ]
20 36
Multiplicación de una matriz
Para que el producto entre dos matrices se pueda realizar se debe cumplir el número de columna de
la primera matriz sea igual al número de filas de la segunda matriz que se va a obtener, será igual al
número de filas de la primera matriz por el número de columnas de la segunda matriz.
1 2 −3 3 1 3 + 4 + 3 = 10
𝐴=[ ] 𝐵 = [ 2 4]
4 0 −2 10 −6
−1 5 1 + 8 − 15 = −6 [ ]
14 −6
12 + 0 + 2 = 14
4 + 0 ± 10 = −6
Determinantes
El concepto de determinante fue introducido para estudiar el número de soluciones de los sistemas de
ecuaciones lineales antes que existieran las matrices.
3∙2=6
3 4 6 − 28 = −22
[ ]
7 2
4 ∙ 7 = 28
Para determinantes de 3x3 se puede tomar cualquier fila o columna tomando en cuenta la siguiente
matriz de signos:
+ − +
[− + −]
+ − +
2 0 0 0
𝐴=[ ] 𝐵=[ ]
5 0 5 6
La determinante de una matriz “A” es igual a la determinante de una matriz traspuesta.
2 3 14 − 15 = −1 2 5 14 − 15 = −1
𝐴𝑇 = [ ] 𝐴=[ ]
5 7 3 7
2 3
𝐴=[ ] = 10 − 12 = −2 ∙ 3 = −6
4 5
6 9
[ ] = 30 − 36 = −6
4 5
6 3
[ ] = 30 − 36 = −6
12 5
4 5 1 2
[ ]= 8−5= 3 [ ] = 5 − 8 = −3
1 2 4 5
5 4
[ ] = 5 − 8 = −3
2 1
Si todos los elementos de algún renglón o alguna columna poseen los mismos números entonces la
determinante es 0.
1 1 2 4
[ ]= 0 [ ]=0
6 6 2 4
Menor de un elemento
Sea una determinante de orden “N” correspondiente a una matriz “A” se de fine al menor de un
elemento ai; a la determinante que resultó de eliminar el renglón, y la columna j y se denota como mi;
a la determinante que se obtiene.
−1 5 −3
−1 −3
𝐴=[ 2 1 4 ]=[ ] = 2 − (−30) = 2 + 30 = 32
12 −2
10 6 −2
−1 5 −3
[2 1 4 ] = 20 − (−3) = 23
10 6 −2
−1 5 −3
−1 5
[ 2 1 4 ]=[ ] = −6 − 50 = −44
10 6
10 6 −2
Cofactor de un elemento
El cofactor es igual al factor menor multiplicado por 1 o -1 dependiendo de su ubicación dentro de la
matriz.
Relacionar matriz de signos:
M22= 32 M22= 32
−1 5 −3 + − + M23=-56 M23=-56
[2 1 4] [− + −]
10 6 −2 + − + M31=23 M31=23
La matriz de una determinante “A” de cualquier orden puede obtenerse mediante la suma de los
productos dentro de cualquier renglón o columna con su respectivo cofactor.
+ − + 1 2 −6
[− + −] 𝐴 = [6 −4 5 ] = (1)(−7) + (−2)(8) + (−8)(2) = −39
+ − + 2 −1 3
Regla de Sarrus
Es un método sencillo para memorizar y calcular un determinante 3×
1 2 −6
𝐴 = [6 −4 5 ] = (−1 ∙ 1 ∙ −2) + (2 ∙ 6 ∙ −3) + (10 ∙ 5 ∙ 4) = 200
2 −1 3
(−3 ∙ 1 ∙ 10) + (4 ∙ 6 ∙ −1) + (−2 ∙ 5 ∙ 2) = 240
Regla de Cramer
−1 5 −3 3𝑥 + 6𝑦 − 9𝑧 = 3 3 6 −9
𝐴=[ 2 1 4 ] = 3𝑥 + 6𝑦 − 9𝑧 ∆𝑠 = [ 2 4 −8]
10 6 −2 2𝑥 + 4𝑦 − 8𝑧 = 0
−2 −3 4
−2𝑥 − 3𝑦 + 4𝑧 = 1
3 6 −9 3 6 −9 3 6 −9
∆𝑥 = [ 2 4 −8] ∆𝑦 = [ 2 4 −8] ∆𝑧 = [ 2 4 −8]
−2 −3 4 −2 −3 4 −2 −3 4
∆𝑥 = −12 ∆𝑥 −12
𝑥= = = −2
∆𝑠 6
∆𝑦 = 18
∆𝑦 18
∆𝑧 = 6 𝑦= = =3
∆𝑠 6
∆𝑧 6
𝑧= = =1
∆𝑠 6
Gauss Jordan
1𝑥 − 2𝑦 + 1𝑧 = 1 1−2+1=1 1−2+1=1
2𝑥 + 4𝑦 − 8𝑧 = 5 0+3+3=3 0+1−1=1
5𝑥 + 3𝑦 + 4𝑧 = −6 0 + 13 − 1 = −1 0 + 0 + 12 = −11
1+0−1=3 1+0+0=1
0+1−1=1 0 + 1 + 0 = −1
0 + 0 + 1 = −2 0 + 0 + 1 = −2
Es decir, si tenemos una función a la cual es complicado encontrar el valor de la raíz, este método
ayudará a que se pueda encontrar.
Este método de resolución numérica busca un cero de la función f(x) por aproximaciones sucesivas a
partir de un valor inicial x0. Por medio de la formula iterativa:
𝑓𝑥𝑛
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′𝑥𝑛
Este método es uno de los más utilizados para localizar raíces ya que en general es muy eficiente y
siempre converge para una función polinomial.
Se requiere que las funciones sean diferenciables, y, por tanto, continuas, para poder aplicar este
método.
Hay que determinar un número máximo de iteraciones
El valor absoluto de la diferencia de la xi+1-xi debe ser menor que la tolerancia o el resultado de
alguna fórmula de error debe ser menor que la tolerancia dada.
Una de las fórmulas de error más útiles es la del error relativo porcentual aproximado, utilizada
también en el método de jacobi:
𝑋𝑛𝑢𝑒𝑣𝑜−𝑋𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑠
𝑒𝑟 = | |(100)
𝑋𝑛𝑢𝑒𝑣𝑎
Esto significa que el número de cifras decimales correctas se duplica aproximadamente en cada
interacción.
Sin embargo, el método de Newton-Raphson algunas veces no converge, sino que oscila. Esto
ocurre si no hay raíz real, si la raíz es un punto de inflexión o si el valor inicial está muy alejado de la
raíz buscada y alguna otra parte de la función “atrapa” la iteración.
Ejemplo:
(𝑥10 − 1)
𝑥2 = 𝑥𝑛 −
10𝑥 9
(1.510 − 1)
𝑥2 = 1.5 −
10(1.5)9
𝑥2 = 1.3526
(1.352610 − 1)
𝑥3 = 1.3526 −
10(1.3526)9
𝑥3 = 1.2217
(1.221710 − 1)
𝑥4 = 1.2217 −
10(1.2217)9
𝑥4 = 1.1160
(1.116010 − 1)
𝑥5 = 1.1160 −
10(1.1160)9
𝑥5 = 1.0426
(1.042610 − 1)
𝑥6 = 1.0426 −
10(1.0426)9
𝑥6 = 1.0070
(1.007010 − 1)
𝑥6 = 1.0070 −
10(1.0070)9
𝑥7 = 1.0002
Se repiten los pasos para el valor negativo y en este caso es igual pero inverso.
𝑥7 = ±1.0002
Método de bisección:
La función del método de bisección es encontrar la raíz de una ecuación y consiste en elegir un
intervalo e ir dividiendo ese intervalo en mitades hasta dar con la raíz.
Lo primero que hay que hacer, es dar valores arbitrarios a x, esperando que los resultados sean de
sentidos contrarios.
𝑥𝑎 + 𝑥𝑏
𝑥𝑟 =
2
Suponiendo que se tiene una función en la que en un punto entre A y B existe una solución a
la ecuación. (Para funciones continuas).
Ejemplo:
𝑓(𝑥) = 𝑥 3 − 4𝑥 2 − 10; 𝑎 = 1, 𝑏 = 2
1+2
𝑥𝑟 = = 1.5
2
1.5 + 2
𝑥𝑟 = = 1.75
2
1.75 + 2
𝑥𝑟 = = 1.875
2
1.875 + 2
𝑥𝑟 = = 1.93
2
1.93 + 2
𝑥𝑟 = = 1.965
2
1.965 + 2
𝑥𝑟 = = 1.98
2
Consiste en utilizar formulas como iteración de punto fijo, es un análisis iterativo utilizado para resolver
sistemas de ecuaciones lineales del tipo Ax=B.
El método comienza resolviendo la ecuación anterior para 𝑥1 , 𝑥2 𝑦 𝑥3 e ingresando un índice k que se utilizará
para indicar el número de iteraciones:
(𝑘+1)
𝑏2 − 𝑎21 ∗ 𝑥1 (𝑘) − 𝑎23 ∗ 𝑥3 (𝑘)
𝑥2 =
𝑎22
1. Se requiere de un vector inicial 𝑥𝑖 = 𝑥1 (𝑘) , 𝑥2 (𝑘) , 𝑥3 (𝑘) . Este representa la primera aproximación de
la solución del sistema.
2. De no conocerse este vector se asumirá como: 𝑥0 = 𝑥1 (0) , 𝑥2 (0) , 𝑥3 (0) .
3. Con esos valores y las fórmulas de las ecuaciones anteriores, se van calculando los nuevos valores
de 𝑥𝑖 .
4. El proceso se continua hasta que:
𝑋𝑛𝑢𝑒𝑣𝑜−𝑋𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑠
𝑒𝑟 = | |(100)
𝑋𝑛𝑢𝑒𝑣𝑎
Convergencia:
En el método de Jacobi existe una condición que garantiza la convergencia, es decir, producirá una
sucesión de aproximaciones cada vez más próximas a la solución, la cual es: “si la matriz de
coeficientes original del sistema de ecuaciones es diagonalmente dominante, el método de Jacobi
seguro converge.”
Se dice que una matriz es una matriz diagonal dominante, si en cada uno de los renglones el valor
absoluto del elemento que forma parte de la diagonal principal es mayor a la suma de los valores
restantes en el renglón.
4 1 1
(2 8 −3)
3 2 −9
Ejemplo:
𝑥1 = 96,00000
𝑥2 = 70,50000
𝑥3 = 42,25000
Método de secante:
Se utiliza para resolver una función, se necesitan dos condiciones iniciales. Evita el uso de derivadas.
Se tienen dos puntos, se traza una recta secante, en donde corta el eje x se obtiene la primera
aproximación y se actualizan los valores de 𝑥0 𝑦 𝑥1 .
Para actualizar los valores de 𝑥0 tomará el valor anterior de 𝑥1 , y 𝑥1 tomará el valor obtenido de 𝑥1 .
(𝑥𝑖−1 − 𝑥𝑖−2 )
𝑥𝑖 = 𝑥𝑖 − 1 ∗ 𝑓(𝑥𝑖−1 )
𝑓(𝑥𝑖−1 ) − 𝑓(𝑥𝑖−2 )
𝑥1 − 𝑥0
𝑥2 = 𝑥1 − ∗ 𝑓(𝑥1 )
𝑓(𝑥1 ) − 𝑓(𝑥0 )
Ejemplo:
𝑥1 − 𝑥0
𝑥2 = 𝑥1 − ∗ 𝑓(𝑥1 )
𝑓(𝑥1 ) − 𝑓(𝑥0 )
1−0
𝑥2 = 1 − ∗ −7
−7 − −20
1.5383 − 1
𝑥3 = 1.5383 − ∗ 3.7597
3.7597 + 7
1.3503 − 1.5383
𝑥4 = 1.3503 − ∗ −0.3883
−0.3883 − 3.7597
1.3679 − 1.3503
𝑥5 = 1.3679 − ∗ −0.0191
−0.0191 − (−0.3883)
𝑥5 = 1.3688
Interpolación lineal
Consisten unir dos puntos con una línea recta, cuando menor sea el intervalo ente dos datos, mejor
será la aproximación, esto se debe a que, en cuanto un intervalo entre dos datos, mejor será la
aproximación esto se debe a que, en cuanto un intervalo disminuye, una función estará mejor
representada por la recta.
Formula de interpolación
𝑓(𝑥1 )−𝑓(𝑥0 )
𝐹1(𝑥) = 𝑓(𝑥0 ) + 𝑚(𝑥 − 𝑥0 ) 𝑚= 𝑥1 −𝑥0
𝑓(𝑥1 )−𝑓(𝑥0 )
𝐹1(𝑥) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 )
𝑥1 −𝑥0
P T
175 354.67
190 ¿?
200 365.75
Para hacer un análisis se requiere predecir la cantidad de masa para t = 1.5 segundos.
T M
0 0 A1
1 2 2 A2
2 10 8 3 A3
3 30 10 6 1
4 68 38 9 1
𝑃𝑛 = 𝑥 3 + 𝑥
=4.875
365.75 − 359.67
𝐹1(𝑥) = 3154.67 + (190 − 175) = 361.3
200 − 175
x f(x)
X0 -2 -18
X1 -1 -5 13
X2 0 -2 3 -5
X3 2 -2 0 -1 1
X4 3 7 9 3 1
X5 6 142 45 9 1
A0=-18
A1=13
A2=-5
A3=1
Pn=-18+13(x+2)-5(x+2)(x+1)+(x+2)(x+1)(x)
Pn=x3-2x2-2
Polinomio de interpolación de Lagrange:
𝑃𝑖(𝑥) = 𝑎0(𝑥 − 𝑥1) + 𝑎(𝑥 − 𝑥0)
𝑓(𝑥0) 𝑓(𝑥1)
𝑎0 = 𝑎1 =
𝑥0 − 𝑥1 𝑥1 − 𝑥0
X f(x)
Encontrar x=2
1 56.5
56.5 113
𝑎0 = = −14.125 𝑎1 = = 28.25
5 113 1−5 4
20 181 𝑃𝑖 = −14.125(2 − 5) + 28.25(2 − 1) = 70.625
40 241.5
Polinomio de Lagrange
𝑃(𝑥) = 𝑓(𝑥0)(𝑎0) + 𝑓(𝑥1)(𝑎1) + 𝑓(𝑋𝑛)(𝑎𝑛)
(𝑥−𝑥1)(𝑥−𝑥2)(𝑥−𝑥3)
𝑎0 =
(𝑥0−𝑥1)(𝑥0−𝑥2)(𝑥0−𝑥3)
(𝑥−𝑥0)(𝑥−𝑥2)(𝑥−𝑥3)
𝑎1 =
(𝑥1−𝑥0)(𝑥1−𝑥2)(𝑥1−𝑥3)
(𝑥−𝑥0)(𝑥−𝑥1)(𝑥−𝑥3)
𝑎2 =
(𝑥2−𝑥0)(𝑥2−𝑥1)(𝑥2−𝑥3)
x f(x)
X0 1 -2
X1 3 1
X2 5 2
X3 7 -3
−𝑥3 − 15𝑥2 + 71𝑥 − 105
𝐴0 =
48
𝑥3 − 13𝑥2 + 46𝑥 − 35
𝐴1 =
16
𝑥3 − 11𝑥2 + 31𝑥 − 21
𝐴2 =
16
−𝑥3 + 9𝑥2 − 23𝑥 + 15
𝐴3 =
48
𝑥3−15𝑥2+71𝑥−105 𝑥3−13𝑥2+46𝑥−35 −𝑥3+11𝑥2−31𝑥+21 −𝑥3+9𝑥2−23𝑥+15
P(x)= + + +
24 16 8 16
𝑥3 𝑥2 7𝑥
P(x)= − + + −3
12 2 12
Matlab
Lenguaje
Comandos
Variables simbólicas
En un principio Matlab se diseñó orientada al cálculo numérico. Así, si intentamos calcular el seno de
una variable no numérica.
>>y = sin(x)
Matlab no conoce el valor numérico de x. Recientemente se añadió un paquete adicional que permite
a Matlab trabajar con variable simbólicas, teniendo que decalrarlas antes de usarlas:
>>sysms x
Rangos
Algunas veces es necesario introducir un vector con componentes a intervalos regulares. Esto se
realiza fácilmente con Matlab con la estructura inicio.incremento:fin. Si no se proporciona un
incremento, Matlab asume que es 1.
Hay veces, sobre todo cuando hay que utilizar funciones, que se precisan un gran número de
componentes en un vector.
X= 0;1:10
Vectores
Para introducir un vector, se escribe una apertura de corchete, los elementos del vector separados por
espacios y un cierre de corchete. Se pueden usar también comas para delimitar las componentes del
vector.
V= [1 2 3]
V= [1,2,3]
W= [1;2;3]
Expand
Este comando sirve para mostrar en forma expandida de polinomio una operación algebráica…
primero hay que declarar las variables simbólicas que vamos a utilizar y luego colocar el comando
expand() en cuyo interior se coloca la variable o expresión a expandir.
X= (x-2)*(x-3)
Expand(X)
Pretty
X=(x-2) * (x-3)
Expand(x)
Pretty (expand(x))
Polyval
Si x es un vector o una matriz, Matlab devuelve la matriz ccon el polinomio evaluado en cada elemento.
T=[3-6-8 1]
B=[-3 1:4]
Y= polyval(T, B)
Visualización de datos
X=0:1:10;
Plot
Plot (B, Y)
Workspace
Es posible obtener una lista de las variables en el espacio de trabajo en cualquier momento mediante
el comando:
whos
Polinomio
Un polinomio se representa mediante un vector fila que contiene los coeficientes de las potencias en
orden decreciente: empezando por el coeficiente principal, y terminando por el termino independiente.
P=[3-2-1]
Ejercicios realizados en MATLAB
Interpolación lineal:
Diferencias divididas con polinomio de Newton:
Interpolación de Lagrange
Polinomio de Lagrange
Ejercicios del problemario:
a)
b)
c)
d)
e)
f) Encontrar el valor de f(x) si x = 3.5
g) Encontrar el valor de f(x) si x = 2.5
h) Encontrar el valor de f(x) si x = 1.75
i) Encontrar el valor de f(x) si x = 4
j) Encontrar el valor de f(x) si x = 5
Mínimos Cuadrados
Este método permite adaptar una línea recta óptima a una muestra de datos u observaciones tomadas
y denotadas para las variables xy, es decir, se deben encontrar los valores de los parámetros que
minimizan la suma de los errores al cuadrado. Es decir, se calcula la recta que mejor se aproxima a
los datos dados.
𝑦 = 𝑚𝑥 + 𝑏
X Y
8 3
2 10 (∑ 𝑥)(∑ 𝑦)
∑ 𝑥𝑦 −
𝑚= 𝑛
11 3
2 ∑ 𝑥2
∑𝑥 −
𝑛
6 6
5 8
4 12
(64)(70
12 1 317 −
𝑚= 10 = −1.1
(64)2
9 4 528 − 10
6 9
1 14
Ejemplo:
X Y xy X²
8 2 14 49
2 9 9 1
(55)(57
233 −
𝑚= 9 = 0.8423
11 2 20 100
(55)2
528 − 9
6 5 25 25
5 7 28 16
57
𝑏 = 𝑦 − 𝑚𝑥 = + 0.8423 = 11.48
4 11 33 9 9
12 2 26 169
𝑦 = 0.8423𝑥 + 11.48
k9 5 50 100
𝑥 = 13.8283
6 4 23 4
55 57 233 473
Mínimos cuadrados
En este primer caso, los datos están conformados por casi una línea:
Este método consiste en realizar una unión de los puntos con una línea recta y de esa forma sacar
una aproximación.
Las fórmulas se presentan a continuación:
𝑏 = 𝑦̅ − m𝑥̅
Σ𝑥Σ𝑦
Σ𝑥𝑦 −
𝑚= 𝑛
(Σ𝑥)2
Σ𝑥 2 −
𝑛
En el segundo caso, los datos forman una curvatura:
Consiste en unir puntos con una línea curva y sacar una aproximación.
Fórmulas:
𝛴𝑦 = 𝑎0 𝑛 + 𝑎1 𝛴𝑥 + 𝑎2 𝛴𝑥 2
𝛴𝑥𝑦 = 𝑎0 𝛴𝑥 + 𝑎1 𝛴𝑥 2 + 𝑎2 𝛴𝑥 3
𝛴𝑥 2 𝑦 = 𝑎0 𝛴𝑥 2 + 𝑎1 𝛴𝑥 3 + 𝑎2 𝛴𝑥 4
x y xy X2
7 2 14 49 m=-0.84253
1 9 9 1
10 2 20 100 b=11.4811
5 5 25 25 y=-0.84253x+11.4811
4 7 28 16
3 11 33 9
13 2 26 169
10 5 50 100
2 14 28 4
55 57 233 473
Ejemplo de el segundo caso:
x y xy x2 x3 x4 x2 y
15 65.4
30 92.8
45 105
60 108.6
75 100
90 84.8
105 57
Clasificación de ecuaciones
Hay en total 3 pasos para poder clasificar una ecuación y son los que se muestran a continuación:
Ejemplo:
𝑑𝑦
− 3𝑦 = 2𝑥 4
Es de primer orden, ordinaria y lineal. 𝑑𝑥
También pueden determinar si estas ecuaciones tienden a ser implícitas o explicitas, en este caso si
la “Y” se encuentra despejada esta es explícita.
Para la resolución de esta se puede ir por cualquiera de los caminos tanto de “M” como “N”, En este
caso se realizará por “M”, pero en caso contrario realizas el mismo paso solo cambiando la “X” por “Y”
Primero compruebas si está completa derivando parcialmente “M” con respecto a “y” y “N” con respecto
a “X”, estas deberían de ser similares. En caso contrario, se hace uso de las siguientes fórmulas.
𝑀𝑦−𝑁𝑥
Caso 1: Si solo tiene términos de x, entonces esto es P(x).
𝑁
Una vez está completa. Se Integra M y le sumas g(y) [Ecuación 2], después realizas derivación con
respecto a “Y” y lo igualas a N.
Al final se sustituye la g(y) dada dentro la ecuación 2 y esta queda igualada a “C”.
Ejemplo:
(2𝑥𝑦)𝑑𝑥 + (𝑥 2 − 1)𝑑𝑦 = 0
𝜕𝑀 𝜕𝑁
= 2𝑥 = 2𝑥
𝜕𝑦 𝜕𝑥
∫ 2𝑥𝑦𝑑𝑥 = 𝑦𝑥 2 + 𝑔(𝑦)
𝑥 2 + 𝑔′ (𝑦) = 𝑥 2 − 1
𝑦𝑥 2 − 𝑦 = 𝐶