TEMA 14. Ecuaciones. Resolución de ecuaciones. Aproximación numérica de Raíces

Tamaño: px
Comenzar la demostración a partir de la página:

Download "TEMA 14. Ecuaciones. Resolución de ecuaciones. Aproximación numérica de Raíces"

Transcripción

1 TEMA 14. Ecuacoes. Resolucó de ecuacoes. Aproxmacó umérca de Raíces 1. Itroduccó La exsteca de ecuacoes es muy remota, así como la búsqueda de sus solucoes. Surge de la ecesdad de resolver problemas práctcos. Hace uos años, los babloos coocía la maera de ecotrar la solucó postva de certos tpos de ecuacoes cuadrátcas. E los sglos VIII y XIX matemátcos árabes desarrolla el álgebra y permte que el leguaje de las matemátcas sea mucho más práctco. De etre todos los matemátcos árabes cabe destacar al llamado padre del álgebra Al-Juarsm, al cual etre otras cosas le debemos la palabra algortmo y álgebra. E su tratado de álgebra se pretede eseñar u álgebra aplcada a la resolucó de problemas de la vda cotdaa del mpero slámco de etoces y aborda las solucoes de las ecuacoes leales y cuadrátcas. Ua vez superadas la resolucó de las ecuacoes de 2º grado la resolucó de las ecuacoes de tercer grado llego de la mao de Scpoe del Ferro y de Tartagla e el sglo XVI. No fue hasta el sglo XIX cuado el matemátco Abe demuestra la mposbldad de resolver co u método geeral las ecuacoes de grado mayor a cuatro. La época de los ordeadores y de la programacó hace que hoy e día sea muy fácl ecotrar las raíces de cualquer ecuacó co la aproxmacó que se desee, s más que utlzar los métodos de aproxmacó de raíces que veremos e este tema. 2. Defcó de ecuacoes. Clasfcacó Dada ua fucó real f:[a,b] R (dode [a,b] puede ser todo R) llamamos ecuacó real de ua varable a toda expresó de la forma f(x)=0. A la letra x se la llama cógta. Llamamos solucó de ua ecuacó f(x)=0 al cojuto de valores reales que hace que se verfque la ecuacó, es decr x 0 R tal que f(x 0 )=0. Resolver ua ecuacó es ecotrar las solucoes de dcha ecuacó. Las ecuacoes se puede clasfcar segú como sea la aturaleza de la fucó f(x): 1. Algebraca: f(x) es ua expresó polómca cuyas úcas operacoes so la suma el producto y la poteca. Segú los expoetes dstgumos: a. Racoales: s expoetes fraccoaros, y por tato s raíces, puede ser:. Etera:el expoete so N y o aparece deomadores (polomos). Fraccoara: expoetes Z por lo que hay algú deomador. b. Irracoales: cuado tee expoetes fraccoaros y aparece raíces. 2. Trascedetes: cuado o so racoales y aparece expresoes como fucoes crculares, expoetes, logartmos E este tema desarrollaremos las ecuacoes algebracas racoales eteras, o smplemete ecuacoes algebracas eteras. Jose Lus Lorete (preparador oposcoes secudara 1

2 . Ecuacoes algebracas eteras. Raíz de ua ecuacó..1. Defcoes. Para dar las prmeras defcoes, vamos a fjar los coefcetes de los polomos e el cuerpo de los úmeros reales. Así pues llamaremos: Ecuacó algebraca etera co ua cógta: a toda expresó de la forma p(x)=0, dode p(x) es u polomo co coefcetes e el cuerpo de los reales y de varable x també es real: a x + +a 2 x 2 +a 1 x+a 0 sedo a R Raíz o solucó de la ecuacó: a cualquer valor x 0 R para la varable x, tal que al evaluar el polomo e dcho valor obtegamos resultado cero, p(x 0 )=0. Multplcdad de la raíz: decmos que x 0 tee multplcdad s se cumple que p(x 0 )=0, f 1 (x 0 )=0, f 2 (x 0 )=0,, f -1 (x 0 )=0 y f (x 0 ) 0 sedo f (x)=p(x)/(x-x o ). Grado de la ecuacó: Es el orde de la mayor poteca de la x que aparece e la ecuacó, es decr el grado del polomo p(x). Proposcó 1: s x 0 es raíz de la ecuacó p(x)=0 p(x) es dvsble por (x-x 0 ) La dvsó etera de polomos os permte poer p(x)=h(x)(x-x 0 )+R co h(x) P(R) y R R. Como x 0 raíz 0=p(x 0 )=R P(x)=h(x)(x-x 0 ), es decr p(x) es dvsble por (x-x 0 ) Sea p(x)=h(x)(x-x 0 ) p(x 0 )=h(x 0 )(x 0 -x 0 )=0 Proposcó 2: S x 0 tee multplcdad de grado s y solo sí etoces p(x) es dvsble por (x-x 0 ) y o por (x-x 0 ) +1. Demostracó: S p(x) dvsble por (x-x 0 ) p(x)=c(x) (x-x 0 ), etoces p(x 0 )=0, f 1 (x)=c(x)(x-x 0 ) -1, f 1 (x 0 )=0,... f -1 (x)=c(x) (x-x 0 ), f -1 (x 0 )=0; f (x)=c(x) y f (x 0 )=c(x 0 ) 0, pues sería dvsble por (x-x 0 ) +1. p(x) tee raíz x 0 de grado. Al ser raíz multplcdad f -1 (x 0 )=0, luego f -1 (x)=(x-x 0 ) c(x), como f -1 (x)=p(x)/(x-x 0 ) -1 p(x)=(x-x 0 ) c(x). Por otro lado c(x) o es dvsble por (x-x 0 ), pues so f (x 0 )=c(x 0 )=0 y al ser raíz de grado se cumple que es dstto de cero..2. Teorema fudametal del álgebra. Teorema fudametal de álgebra: toda ecuacó algebraca etera tee tatas raíces complejas cotado cada ua co su multplcdad como el grado,, de la ecuacó. Demostracó: la demostracó realzada e el sglo XIX por matemátcos de la época etre los que destacamos a Gauss y Argad. Es ua demostracó larga y complcada, basada e el aálss complejo, por lo que o la realzaremos, asumedo el teorema como certo. Corolaro: a partr de teorema 1, 2 y el teorema fudametal y dado que p(x) tee raíces (cotado la multplcdad) el polomo p(x) se puede poer de forma úca como producto de factores de la sguete forma: 1 2 m px) = a ( x x) ( x x )...( x x ), co = ( 1 2 m 1 m Jose Lus Lorete (preparador oposcoes secudara 2

3 sedo x C las raíces, I la multpldad de las msmas y a el coefcete de mayor grado de p(x). Demostracó: 1. Exsteca: S p(x) tee por el teorema fudametal del álgebra tatas raíces como el grado cotado la multplcdad, sea estas raíces x co su multplcdad ( 1 + m =). Se cumple por teorema 1 y 2 que p(x) dvsble por ( x x ) por lo que p(x)= ( x x ) c(x). Así tedremos que p(x) se podrá poer como producto de todos estos factores que so rreducbles etre sí, p ) 1 2 m ( x) = c( x) ( x x1) ( x x2)...( x xm. Pero el polomo c(x) ha de ser de grado cero, c(x)=c R, pues el grado de p(x) es teedo que ser el grado del producto de los factores també ( m = ). Dado que el coefcete de mayor grado de p(x) es a y el del producto de los factores es c se tee que cumplr etoces que a =c para que la gualdad sea certa. m1 m2 mm 2. Ucdad: supogamos otra descomposcó p ( x) = k( x a) ( x a )...( x a ) se cumple que p(x 1 )=f 1 (x 1 )= f -1 (x 1 )=0 1 2 p ) m m2 mm ( x1) = k( x1 a1) 1 ( x1 a2)...( x 1 am =0 por lo que algua a ha de ser gual a x 1 y su expoete m = 1 para asegurar que se cumpla f 1 (x 1 )= f -1 (x 1 )=0 y f -1 (x 1 ) 0. Reptedo para las demás raíces tedremos que se cumple p(x)=k ( 1 2 m x x1) ( x x2)...( x xm). El valor de k ha de ser oblgatoramete a para que la gualdad sea certa pues so los dos polomos dstto coefcete de mayor grado y por tato dsttos. Teorema: sea p(x) P(R) y z=a+b ua raíz compleja (b 0) de la ecuacó p(x)=0, etoces su complejo cojugado =a-b també es raíz del polomo y co la msma multplcdad. 1 s = 4k s = 4k + 1 Demostracó: recordemos que = por lo que 1 s = 4k + 2 s = 4k + p(a+b )=a (a+b) + +a 1 (a+b)+a 0 =A(a,b)+B(b) =0 sedo A(a,b) u polomo de varables a y b A( a, b) = 0 y B(b) otro de varable b. Como p ( a + b) = 0. B( b) = 0 1 s = 4k Por otro lado p(a-b )= a (a-b) s = 4k a 1 (a-b)+a 0 =A(a,b)-B(b) =0 pues ( ) = 1 s = 4k s = 4k + A( a, b) = 0 y ha de cumplrse p ( a b) = 0 que so las msma que debía cumplr B( b) = 0 p(a+b)=0, por tato s z=a+b solucó també =a-b. Para demostrar la multplcdad de las raíces basta co repetr el procedmeto co f (x). m Jose Lus Lorete (preparador oposcoes secudara

4 Corolaro: todo polomo p(x) P(R) se puede poer como producto de polomo de grado uo de la forma (x-x ), deomados factores, y polomos de grado dos de la forma x 2 j +bx+c co solucoes complejas cojugadas. p ( x) = a ( x x) ( x + bjx + cj) co + 2 = j = grado( p( x)). j Demostracó: sólo teemos que ver que el producto de dos factores (x-z) (x- ) es u polomo real de segudo grado (cuyas solucoes será z y ). Veámoslo: (x-(a+b)) (x-(a-b))=x 2 +x(-a-b-a+b)+(a+b)(a-b)=x 2-2ax+a 2 +b 2 =(x-a) 2 +b 2. Nota: los polomos de prmer grado y los de segudo grado co solucoes complejas cojugadas se llama polomos rreducbles. Otra forma de eucar el teorema fudametal del álgebra es todo polomo real se puede poer de forma úca como producto de polomos rreducbles. Corolaro: S u polomo p(x) es de grado mpar, exste al meos u polomo de grado uo e la factorzacó y por tato al meos ua raíz real. Demostracó: s p(x)= a ( x) co a (x) rreducble de segudo o de prmer grado. Supogamos que a (x) es de segudo grado para todos los polomos y llegaremos a ua cotradccó. E el producto el grado es gual a la suma de los grados de los dos polomos multplcados y por tato el grado de p(x) será para al ser suma de grados de valor 2. Ecuacoes equvaletes: dos ecuacoes se dce equvaletes s tee msmas solucoes co msma multplcdad. Proposcó: dos ecuacoes algebracas aturales p(x)=0 y q(x)=0 so equvaletes s y sólo s p(x)=λ q(x) co λ R, es decr so proporcoales. Sea p(x) y q(x) equvaletes, co x sus solucoes co multplcdad, por el teorema fudametal del álgebra tedremos que p(x)= a ( x x) y q(x)= b ( x x) cum- a plédose que p(x)= q(x) = λ q(x) b S p(x)=λ q(x) las solucoes de p(x) lo so de q(x) y al revés, ya que p(x )=λ q(x ) y por tato lo que vale cero e u lado de la gualdad també es cero e el otro. 4. Resolucó de ecuacoes algebracas eteras de grado 1, 2, y 4. Todas las ecuacoes polómcas de grado meor o gual que 4 tee ua forma sstemátca de resolverse. E este apartado vemos los 4 métodos para resolverlas segú el grado Ecuacoes de prmer grado S la ecuacó es de prmer grado será de la forma a x+b=0 co a y b R. Podemos obteer ua ecuacó equvalete dvdedo etre a: x+b/a=0. Despejado la x obtedremos su úca solucó: x=-b/a j Jose Lus Lorete (preparador oposcoes secudara 4

5 4.2. Segudo grado S la ecuacó es de segudo grado será de la forma ax 2 +bx+c=0. Para su resolucó vamos a aplcar la sguete trasformacó que matee la equvaleca de la ecuacó: 1. Multplcamos por 4 a y sumamos b 2 a ambos lados: 4 a 2 +4abx+4ac+b 2 =b 2 2. Pasamos restado 4ac al otro lado de la gualdad: 4 a 2 +4abx+b 2 =b 2-4ac.. Utlzamos el cuadrado de ua suma e la zquerda de la ecuacó: (2ax+b) 2 =b 2-4ac 4. Utlzamos la defcó de raíz: 2ax+b= b 2 4ac 5. Despejamos x y obteemos las dos solucoes: = ± Se llama dscrmate a Δ=b 2-4ac y os marca el tpo de raíz que tee la ecuacó: - S Δ>0 la raíz tee 2 solucoes reales y la ecuacó dos solucoes reales dsttas - S Δ=0 la raíz vale 0 y la ecaucó dos raíces reales guales, ua raíz real doble. - S Δ<0 la raíz solucó magara b 2 + 4ac. Y la ecuacó dos solucoes complejas cojugadas. Casos partculares: a) s b=0 x 1 = c a c x2 = b) S c=0 x a 1 =0, x 2 =-b/a Propedad de las solucoes de la ecuacó de 2º grado cumple: x 1 x 2 =c/a y x 1 +x 2 =-b/a 4.. Tercer grado Toda ecuacó de tercer grado se puede poer como x +a 2 x 2 +a 1 x+a 0 =0, pues s o es el coefcete de mayor grado 1 se dvde la ecuacó por este valor obteédose la señalada. 1. Hacemos el cambo x=y-a 2 / y se aula x 2 2 : a 2 a2 a1 2 a 2 y + a1 + 0 = 0 x a + 9 o lo que es equvalete y 2 +px+q=0 co p= a 2 a y a 2 a1 2 a2 1 q = a Hacemos el cambo y=(u+v) y la ecuacó es u +v +(uv+p)(u+v)+q=0. Esta gualdad es certa s se cumple que u +v =-q y u v=-p/. Las solucoes de estas ecuacoes so u també solucoes del sstema u + v = q (al elevar al cubo sale solucó a ma- p v = 27 yores). Vemos que aplcado las propedades de las solucoes de la ecuacoes de 2º grado u y v cumple ser solucó de z 2 +qz-p /27=0. As los valores de u y v so 2 4p q ± q + 27 u, v = ±. Teemos para u y para v tres solucoes complejas que 2 geera para x deshacedo los cambos más solucoes. A partr del teorema fudametal del álgebra sólo so váldas, el resto las debemos descartar. Al elevar al cubo sale uevas solucoes o váldas Cuarto grado El método de resolucoes de ecuacoes de 4º grado cosste e aplcar trasformacoes que matega las solucoes y trasformar la ecuacó e ua resolucó de ua ecuacó de er grado. Resulta bastate laboroso por lo que merece la pea aplcar métodos geerales. Jose Lus Lorete (preparador oposcoes secudara 5

6 5. Raíces eteras y fraccoaras e ua ecuacó co coefcetes e Q Cada raíz, x 0, que ecotremos e ua ecuacó algebraca etera os smplfca la resolucó de la ecuacó, pues dvdedo por el factor (x-x 0 ) bajamos e u grado la ecuacó a resolver. Resulta bueo, por tato, obteer s exste raíces secllas y smplfcar la ecuacó bajado el grado tato como el úmero de solucoes hayamos ecotrado. Cuado la ecuacó algebraca tee coefcetes racoales podemos, multplcado por el mímo comú múltplo de los deomadores trasformarla e ua ecuacó equvalete co coefcetes eteros de la forma p(x)=a x + +a 1 x+a 0 co a Z. Esta ecuacó es fácl ver cuáles puede ser sus solucoes eteras o racoales, lo veremos e los sguetes dos apartados 5.1. Raíces eteras Veamos ates de calcular las raíces eteras de la ecuacó s exste Proposcó 1: S p(x) es polomo co coefcetes eteros s p(0) y p(1) mpares el polomo o tee raíces eteras. Demostracó: Hagamos el desarrollo de Taylor e x=a de p(x) de grado : ( a) ( a) ( a) p( x) = p( a) + ( x a) ( x a) = p( a) + ( x a) a( x a) 1!! 1! La raíz x 0 Z puede ser par x 0 =2 o mpar x 0 =2+1: 1. Supogamos x 0 =2 y lo susttumos e p(x) desarrollado e a=0 (0) p( 2) = p(0) + (2 0) a (2 0) dode todos térmos pares meos p(0) 1! 2. Supogamos x 0 =2+1 y lo susttumos e p(x) desarrollado e a=1 (1) p( 2 + 1) = p(1) + ( ) a ( ), todos pares meos p(1) 1! Luego s p(0) y p(1) mpares etoces s x o Z p(x 0 ) 0 pues da u úmero mpar Proposcó 2: S x 0 Z es raíz de p(x)=a x + +a 1 x+a 0 etoces x 0 es dvsor de a 0. Demostracó: Por reduccó a lo absurdo, supogamos que es raíz y o dvsor de a 0 : se cumplrá que p(x 0 )=a x o + +a 1 x 0 +a 0 =0, redstrbuyedo los térmos de la gualdad y sacado factor comú a x 0 : -a 0 =x 0 ( a x o a 1 ) =a x o a 1 Z luego x 0 dvsor de a 0. De esta forma para ver las posbles raíces eteras sólo teemos que probar co los dvsores del térmo depedete. S gua es raíz o habrá raíces eteras Raíces fraccoaras Proposcó: S x 0 =p/q (rreducble) es raíz de p(x)=a x + +a 1 x+a o co a Z etoces el umerador, p, dvsor de a 0 y el deomador, q, dvsor de a. Demostracó: Sea x 0 =p/q raíz a + +a 1 +a o=0, multplcamos por q y teemos a p + +a 1 p q -1 +a 0 q =0: a)-a p =q (a -1 p -1 +a 1 p q -2 +a 0 q -1 ) = a -1 p -1 +a 1 p q -2 +a 0 q -1 Z a = b) )-a 0 q =p (a p -1 +a 1 q -1 ) = a p -1 +a 1 q -11 Z a 0 = Jose Lus Lorete (preparador oposcoes secudara 6

7 6. Método de cálculo aproxmado de las raíces de ua ecuacó Los matemátcos Ruff y Abe demostraro la mposbldad de resolver medate gú algortmo las ecuacoes co grado mayor que cuatro. Los métodos que tedremos que usar cuado o es posble ecotrar las raíces exactas por los métodos vstos aterormete se llama Métodos de Resolucó Numérca de Ecuacoes. Auque se utlzaro desde haces sglos, e la actualdad gracas a las herrametas formátcas se puede calcular las solucoes aproxmadas a cualquer ecuacó co la aproxmacó deseada. Los métodos umércos costa de tres fases: 1) La acotacó de las raíces, 2) La separacó de las raíces, ) El cálculo aproxmado de la raíz. Cada ua de estas etapas puede hacerse a su vez por dferetes métodos Acotacó de raíces. Acotar las raíces es determar u tervalo de la recta real dode podamos asegurar que se ecuetra todas las raíces de la ecuacó algebraca p(x)=0 (grad(p(x))=. Dos métodos 1. Método de acotacó de Newto: cosste e la utlzacó del sguete teorema. Teorema: sea la ecuacó p(x)=0 s ecotramos u valor L tal que p(l), p (L),, p (L)>0 etoces L será cota superor de las raíces postvas de la ecuacó. Demostracó: S hacemos el desarrollo de Taylor e x=l el polomo se expresa como: '( L) ( L) p ( x) p( L) ( L)( x L) ( x L)... ( ) 2!! '( L) 2 ( L) p( x ) = { p( L) + ( L)( xo L) + ( x0 L) ( x0 L) !! > = x L. Supogamos que x 0 >L: 0 > > 0 > 0 0. Luego o solucó. Corolaro 1 : la cota feror de las raíces postvas de p(x)=0 será 1/K dode K se obtee como la cota superor de las raíces postvas de p(1/x). Demostracó: S a la ecuacó p(x)=0 hacemos el cambo de varable y=1/x os quedará ua ecuacó p(y)=0. Sea K la cota superor de p(y), es decr y <K co y las raíces de p(y)=0. Se cumple por tato que las raíces e x que será deshacedo el cambo x =1/y. Se cumple 1/x <k x >1/k. De esta forma las raíces postvas queda acotadas ferormete. Corolaro 2: La cota feror de las raíces egatvas de p(x)=0 será L sedo L la cota superor de las raíces de p(-x)=0. Y la cota superor de las raíces egatvas es -1/K sedo K la cota superor de las raíces postvas de p(-1/x)=0. Demostracó: de forma equvalete al ateror corolaro hacedo cambo y=-x, y=-1/x. 2. Método de crecmeto y decrecmeto: método váldo també para ecuacoes o algebracas f(x)=0. Basado e las propedades de la cotudad y dervabldad de f(x). Teorema: Sea f(x)=0 co f(x) cotua y dervable, s se cumple a) f(k)>0 y f (x)>0 para x>k o b)f(k)<0 y f (x)<0 co x>k etoces K es cota superor de las raíces de la ecuacó. Demostracó: S f(k)>0 (K,f(K)) ecma del eje OX y además como f (x)>0 para x>k la fucó crece y por tato o cortará uca co el eje (solucó) después de x=k. Lo msmo ocurrrá s f(k)<0 y f (x)<0 para x>k pues ahora la fucó por debajo del eje después de x=k. Jose Lus Lorete (preparador oposcoes secudara 7 > 0

8 Corolaro: Sea f(x)=0 co f(x) cotua y dervable, s se cumple a) f(m)>0 y f (x)>0 para x<m o b)f(m)<0 y f (x)<0 co x<m etoces m es cota feror de las raíces de la ecuacó. f(x) E el ejemplo de la gráfca vemos que f(5)>0 y que f (x>5)>0 pues la fucó crece, así x=5 será ua cota superor a las raíces de f(x)=0. Por otro lado f(-4)>0 y també f (x<-4)>0 luego x=-4 será ua cota feror a la ecuacó f(x)= Separacó de raíces. E este apartado tratamos de explcar cómo ecotrar u tervalo e dode podamos asegurar que sólo hay ua raíz de la ecuacó, asládola así de las demás posbles solucoes. 1. Método de Sturm: este método os dce el úmero de raíces e u tervalo (a,b). Así s queremos aslarlas tedremos que acotar el tervalo hasta que sólo haya ua raíz. Paso 1: costrumos la sucesó de Strum f 1 (x), f 2 (x),, f k (x) como sgue: f 1 (x)=p(x); f 2 (x)=p (x); los sguetes f (x) so los resto cambados de sgo de las dvsoes de f +2 (x) etre f +1 (x) (por ejemplo f (x) es el resto cambado de sgo de f 1 (x) etre f 2 (x)). Repetmos el procedmeto hasta que f k (x)=k R. Paso 2: Evaluamos las fucoes de Strurm e los extremos del tervalo, obteedo así dos sucesoes de úmeros reales: {f 1 (a), f 2 (a),,f k (a)} y {f 1 (b), f 2 (b),,f k (b)}. Calculamos las varacoes de sgo de las dos sucesoes, 1 de la prmera y 2 de la seguda. Paso : se cumple que el úmero de raíces de f(x)=0 e el tervalo (a,b) es gual a 1-2 Ejemplo: x -x 2 +x+1=0 e (-2,0). Sucesó de Sturm { x -x 2 +x+1, x 2-2x+, -4x-, 99 } dode hemos multplcado los restos por eteros postvos para qutar deomadores (o camba los sgos). {-17, 19, 5,99}, {1,,-,99}, luego 1 =1, 2 =2, por tato ºraces= 1-2 =1 2. Método de crecmeto y decrecmeto: método váldo també para ecuacoes o algebracas f(x)=0. Basado e las propedades de la cotudad y dervabldad de f(x). Proposcó: Sea el tervalo (a,b) y la ecuacó f(x)=0 co f(x)cotua y dervable e (a,b) s: 1) f(a)<0 y f(b)>0 y f (a<x<b)>0 ó 2) f(a)>0 y f(b)<0 y se cumple f (a<x<b)<0 etoces e el tervalo (a,b) hay ua úca raíz. Demostracó: tato e 1) como 2) cumple f(x) Bolzao luego al meos ua solucó, pero además e 1) oblgamos a que la fucó sea crecete e el tervalo y por tato o pueda bajar y volver a cortar al eje y e 2) lo msmo pero oblgado a que sea decrecete. a b Jose Lus Lorete (preparador oposcoes secudara 8

9 6.. Métodos de aproxmacó de raíces. Ua vez aslada la raíz e u tervalo procederemos al cálculo aproxmado del valor de la raíz co tata precsó como deseemos. Exste dversos métodos para el cálculo aproxmado de la raíz, todo ellos teratvos, de forma que e cada teracó os aproxmemos al valor exacto de la solucó. Los métodos puede estar basados e 1. Dos putos (los extremos del tervalo): Método de Bseccó y Método Régula Fas. 2. U puto (puto medo del tervalo): Método de Newto y Método de Puto Fjo. Veamos u método de cada uo 1. Método de la Bseccó: teemos ua ecuacó p(x)=0 y u tervalo (a,b) dode sabemos que hay ua úca raíz (hecho e las dos etapas aterores). Procedmeto: Tomamos el puto medo como prmera aproxmacó x 1 =(a+b)/2 co error E 1 =(b-a)/2. Tedremos que hay dos tervalos (a, x 1 ) y (b,x 1 ), aplcado Bolzao os quedamos co el tervalo que camba de sgo e sus extremos. Calculamos la seguda aproxmacó tomado el puto medo del uevo tervalo: x 2 =(a+x 1 )/2 ó x 2 =(x 1 +b)/2 sedo ahora el error máxmo la mtad del ateror E 2 =(b-a)/4. Repetmos el procedmeto las veces que se desee, dsmuyedo así el error máxmo. Podemos calcular el úmero de teracoes s os fja el error, pues E <(b-a)/2 >log 2 ((b-a)/e) (al despejar como log 2 es decrecete < pasa a ser >) 2. Método de Newto: Teemos la ecuacó p(x)=0 y ua prmera aproxmacó de ua solucó de la msma x 0. Veamos el procedmeto basado e el cálculo de la recta tagete de la fucó f(x)=p(x): Calculamos la recta tagete a p(x) por x 0, y-p(x 0 )=p (x 0 ) (x-x 0 ), esta recta cortará e el eje OX (y=0) e el puto x 1 =x 0 - ( ). Repetmos el procedmeto trazado ahora la tagete por ( ) ( x 1,p(x 1 )) que corta co el eje de abscsas e el valor x 2 =x 1 - ( ). De forma recurrete x ( ) +1=x - ( ). Para cotrolar la covergeca hay que ver que e cada teracó x +1 -x ( ) < x -x -1. Para termar el método podemos fjar el úmero de teracoes o be fjar el error x -x < ε Por lo geeral el método de Newto coverge mucho más rápdo que el de la Bseccó, pero puede ocurrr que o coverja. Teorema de covergeca de Método de Newto: para que coverja f(x) tee que cumplr 1. La fucó f(x) dervable e el tervalo (a,b) dode está las solucoes 2. f(a) f(b)<0 (Bolzao, es decr exste ua raíz). f (x) y f (x) o cambe el sgo e [a,b]. Jose Lus Lorete (preparador oposcoes secudara 9

10 7. Cotexto co secudara y Bachllerato. E 1º de la ESO se empeza a trabajar co el álgebra, a terpretar el sgfcado de las letras; además se resuelve ecuacoes y problemas de prmer grado. E 2º se sgue trabajado co el álgebra y se amplía la resolucó de ecuacoes a las de 2º grado. E º de la ESO además de las ecuacoes de 1 er y 2º grado se trabaja ecuacoes polómcas. Por últmo e 4º de la ESO se trabaja ya ecuacoes bcuadradas, co radcales y fraccoaras e cluso expoecales y logarítmcas. Jose Lus Lorete (preparador oposcoes secudara 10

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

CAPÍTULO 20: NÚMEROS COMPLEJOS (II)

CAPÍTULO 20: NÚMEROS COMPLEJOS (II) CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Date Guerrero-Chaduví Pura, 05 FACULTAD DE IGEIERÍA Área Departametal de Igeería Idustral y de Sstemas CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Esta obra está bajo ua lceca Creatve

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS Números complejos SOLUCIONARIO Números complejos LITERATURA Y MATEMÁTICAS Las trbulacoes del estudate Törless Dme, etedste be todo esto? Qué? Ese asuto de los úmeros magaros. Sí, o es ta dfícl. Lo úco

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Sist. Lineales de Ecuaciones

Sist. Lineales de Ecuaciones Ttulacó: Asgatura: Autor: Igeero Geólogo Aálss Numérco César Meédez Ultma actualzacó: //007 Sst. Leales de Ecuacoes Plafcacó: Materales: Coocmetos prevos: 6 Teoría+4 Práctcas+ Laboratoro MATLAB Coocmetos

Más detalles

TEMA24. Funciones en forma de tabla. Interpolación y extrapolación

TEMA24. Funciones en forma de tabla. Interpolación y extrapolación TEMA 4. Fucoes e orma de Tabla terpolacó etrapolacó TEMA4. Fucoes e orma de tabla. Iterpolacó etrapolacó. Itroduccó. Fucó e orma de tabla. La Naturaleza es umérca matemátca así umerosos eómeos aturales

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Métodos Numéricos para Ingenieros Químicos

Métodos Numéricos para Ingenieros Químicos CONTENIDO Métodos Numércos para Ieeros Químcos Itroduccó Formas de resolucó de ecuacoes trascedetes Método ráco Tema Ecuacoes Trascedetes () Métodos cerrados Bseccó Iterpolacó Secate Clase 3 - Láma Ecuacoes

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

TEORIA DE ERRORES. Fuentes De error. Error Final

TEORIA DE ERRORES. Fuentes De error. Error Final TEORIA DE ERRORES Fuetes De error Errores heretes: (EI) So los errores que afecta a los datos del prolema umérco puede teer dsttos orígees. Por ejemplo puede ser el resultado de la certdumre e cualquer

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

ALN - Valores y vectores propios

ALN - Valores y vectores propios ALN - Valores y vectores propos I. Co. Facultad de Igeería Uversdad de la Repúblca Versó. Plateo del problema Propedades matemátcas Método de las potecas Varates Trasformacoes de semeaa Gves Householder

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Sucesiones de números reales

Sucesiones de números reales Sucesioes de úmeros reales Sucesioes Ejercicio. Prueba que si x

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

METODO DE ITERACION DE NEWTON

METODO DE ITERACION DE NEWTON METODO DE ITERACION DE NEWTON Supogamos que queremos resolver la ecuació f( ) y lo que obteemos o es la solució eacta sio sólo ua buea aproimació, para obteer esta aproimació observemos la siguiete figura

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

GUIA TEORICO-PRACTICA II

GUIA TEORICO-PRACTICA II GUIA TEORICO-PRACTICA II CONTENIDOS.. Sucesoes. Progresoes: artmétcas y geométrcas.. Ejerccos Propuestos... Sumatora: propedades. Prcpo de Iduccó Completa..4 Ejerccos Propuestos..5. Factoral de u úmero

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11 IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles