Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 228 vistas

    S - 3 - Eddys Herradora

    Cargado por

    Albrecht Herradora
    El documento presenta tres problemas resueltos relacionados con sistemas de ecuaciones y regresión lineal. El primer problema resuelve un sistema de tres ecuaciones con tres incógnitas usando el método de Gauss-Seidel, obteniendo un error menor al 2%. El segundo problema estima el logaritmo natural de 10 usando interpolación lineal y cuadrática, con errores del 57% y 9% respectivamente. El tercer problema determina parámetros a y b de un modelo exponencial usando transformación logarítmica y regresión lineal, prediendo un valor de y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    S - 3 - Eddys Herradora

    Cargado por

    Albrecht Herradora
    228 vistas6 páginas
    El documento presenta tres problemas resueltos relacionados con sistemas de ecuaciones y regresión lineal. El primer problema resuelve un sistema de tres ecuaciones con tres incógnitas usando el método de Gauss-Seidel, obteniendo un error menor al 2%. El segundo problema estima el logaritmo natural de 10 usando interpolación lineal y cuadrática, con errores del 57% y 9% respectivamente. El tercer problema determina parámetros a y b de un modelo exponencial usando transformación logarítmica y regresión lineal, prediendo un valor de y

    Título original

    S_3_Eddys Herradora

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta tres problemas resueltos relacionados con sistemas de ecuaciones y regresión lineal. El primer problema resuelve un sistema de tres ecuaciones con tres incógnitas usando el método de Gauss-Seidel, obteniendo un error menor al 2%. El segundo problema estima el logaritmo natural de 10 usando interpolación lineal y cuadrática, con errores del 57% y 9% respectivamente. El tercer problema determina parámetros a y b de un modelo exponencial usando transformación logarítmica y regresión lineal, prediendo un valor de y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    228 vistas6 páginas

    S - 3 - Eddys Herradora

    Cargado por

    Albrecht Herradora
    El documento presenta tres problemas resueltos relacionados con sistemas de ecuaciones y regresión lineal. El primer problema resuelve un sistema de tres ecuaciones con tres incógnitas usando el método de Gauss-Seidel, obteniendo un error menor al 2%. El segundo problema estima el logaritmo natural de 10 usando interpolación lineal y cuadrática, con errores del 57% y 9% respectivamente. El tercer problema determina parámetros a y b de un modelo exponencial usando transformación logarítmica y regresión lineal, prediendo un valor de y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 6

    I.

    El sistema de ecuaciones siguiente está diseñado para determinar concentraciones (las c están en
    g/m3 ) en una serie de reactores acoplados como función de la cantidad de masa de entrada
    a cada uno de ellos (los lados derechos están en g/d).
    15c1 3c2 c3 = 3800
    3c1 + 18c2 6c3 = 1200
    4c1 c2 + 12c3 = 2350

    Resuelva este problema con el método de Gauss-Seidel para es = 5%.


    Solución:
    Tomando como c1 = x; c2 = y; c3 = z; y reincribiendo el sistema, se tiene,
    15x 3y z = 3800
    3x + 18y 6z = 1200
    4x y + 12z = 2350
    De las ecuaciones anteriores se obtiene
    1
    xk+1 = (3800 + 3yk + zk )
    15
    1
    yk+1 = (1200 + 3xk+1 + 6zk )
    18
    1
    zk+1 = (2350 + 4xk+1 + yk+1 )
    12

    Tomando lo valores Gaussianos iniciales (x; y; z) = (0:0; 0:0; 0:0) : Siguiendo los pasos de solución
    para el Método correspondiete:
    Primera Aproximación:

    1
    x1 = [3800 + 3 (0) + (0)] = 253:33333
    15
    1 1
    y1 = [1200 + 3 (253:33333) + 6 (0)] = [1960] = 108:88889
    18 18
    1
    z1 = [2350 + 4 (253:33333) + (108:88889)] = 289:35185
    12

    1
    Segunda Apromación
    1
    x2 = [3800 + 3(108:88889) + (289:35185)] = 294:40123
    15
    1
    y2 = [1200 + 3(294:40123) + 6(289:35185)] = 212:18416
    18
    1
    z2 = [[2350 + 4(294:40123) + (212:18416)] = 311:64909
    12
    Tercera Aproximación
    1
    x3 = [3800 + 3(212:18416) + (311:64909)] = 316:54677
    15
    1
    y3 = [1200 + 3(316:54677) + 6(311:64909)] = 223:30749
    18
    1
    z3 = [2350 + 4(316:54677) + (223:30749)] = 319:95788
    12
    Tabulando las iteraciones
    Iteración x y z
    1 253:33333 108:88889 289:35185
    2 294:40123 212:18416 311:64909
    3 316:54677 223:30749 319:95788

    Donde las soluciones reales del sistema son:


    61800
    x =
    193
    43850
    y =
    193
    62050
    z =
    193
    de donde el error de cada es:

    Ex = 1:1%

    Ey = 1:7%

    Ez = 0:4%

    II. Estime el logaritmo natural de 10 (ln 10 = 2:302585093) por medio de interpolación lineal.
    a) Interpole entre ln 9 = 0:9542425 y ln 11 = 1:0413927.

    2
    Solución:
    Tomando los datos anteriores y usando la ecuaciones correpodientes
    1:0413927 0:9542425
    y = 0:9542425 + (x 9)
    11 9

    y = 0:9542425 + 0:0435751x 0:3921759

    y = 0:0435751x + 0:560666
    Comprado, para x = 10;
    y = 0:0435751x + 0:560666
    = 0:0435751 (10) + 0:560666
    = 0:996 417
    Y el valor relativo
    0:996 417 2:302585093
    Er = 100%
    2:302585093

    = 56:7%
    El error relativo es demasiado grande, eso se el intervalo tomado, para calcular el valor aproxi-
    mado de ln 10:
    b) Ajuste un polinomio de interpolación de Newton de segundo orden para estimar el log 10 en x
    = 8, 9 y 11
    Solución
    Para ello tenemos que la función es f (x) = ln x; entonces
    x0 = 8 f (x0 ) = ln 8
    x1 = 9 f (x1 ) = ln 9
    x2 = 11 f (x2 ) = ln 11
    lo que debemos encontrar son los siguientes valores
    f2 (x) = b0 + b1 (x x0 ) + b2 (x x0 ) (x x1 )
    para b0 ; b1 ; b2
    b0 = ln 8 = 2:0794415

    ln 9 ln 8
    b1 = = 0:0147228
    9 1
    ln 11 ln 9 ln 9 ln 8
    b2 = 11 9 9 8 = 0:00581589
    11 8

    3
    Sustituyendo los valores

    f2 (x) = 2:0794415 + 0:0147228 (x 8) 0:00581589 (x 8) (x 9)

    f2 (x) = 0:005 815 89x2 + 0:113 592 93x + 1: 542 915 02

    Veri…cando, y calculando ln 10;

    f2 (x) = 0:005 815 89x2 + 0:113 592 93x + 1: 542 915 02

    = 2:09725532

    Calculando el error relativo


    2: 097 255 32 2:302585093
    Er = 100%
    2:302585093
    = 8:9%

    Para cada una de las interpolaciones calcule el error relativo porcentual con base en el valor
    verdadero.
    III. Un investigador ha reportado los datos que se tabulan en seguida. Se sabe que dichos datos
    se pueden modelar por la siguiente ecuación:

    x = e(y b)=a

    donde a y b son parámetros. Use una transformación para linealizar esta ecuación y luego
    utilice la regresión lineal para determinar a y b. Con base en su análisis, prediga y para
    x = 2:6 :
    x 1 2 3 5 5
    y 0.5 2 2.9 3.5 4

    Nota: Recuerde que para realizar un ajuste por mínimos cuadrados, las ecuaciones deben ser
    lineales.

    Solución

    Determinamos la función y;para ello hacemos

    x = e(y b)=a

    y b
    ln x =
    a

    a ln x = y b

    y = a ln x + b

    4
    Al hacer calculos en Excel, se obtiene que,

    y = 2:012 ln(x) + 0:5637

    Haciendo la predicción para x = 2:6

    y = 2:012 ln(2:6) + 0:5637

    = 2: 486 189 027

    Fin.

    5
    Ejericios #3
    x y = +
    1 0.5
    2 2
    3 2.9 y
    5 3.5 4.5
    5 4
    4 y = 2.012ln(x) + 0.5637
    3.5 R² = 0.9801
    3

    2.5

    1.5

    0.5

    0
    0 1 2 3 4 5 6

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy