CAPITULO 19 Aproximacién de Fourier Hasta aqul, nuestra representacién de interpolacion ha enfatizado los polinomios estindar (es decir, combinaciones de los raonomios 1, x,22,...,x" (véase figura 19.1@). Ahora vveremos otra elase de fimciones que son de mucha importancia en Ia ingenieria, Estas son las funciones trigonoméricas 1, cos.x, cos 2x... , Cos mx, sen.x, Sen 2x, ..., Sen mx ‘figura 19.10). ‘Los ingenieros con frecuencia tratan con sistemas que oscifan o vibran. Como po- dria esperars, las fanciones trigonométricasjucgan un papel importante en cl modelado de tales problemas en contexto, La aproximacién de Fourier representa un esquema sis- temitico al usar series trigonométricas para este propésito. FIGURA 19.1 los primers cinco 2} monomios y )fynciones trigonométcas. Observe ‘que para ls inlavalos ‘mostodes, ambos ipos de funcita tienen un valor de rongo entie=l y 1, Sin ‘embargo, nole Que los voloies peo para los ‘monomias ceurten iedes en los exremos, mientes que paca los unciones iganométicas los pcos «sion mas unformemenie disribuidos 6 kavés cel intervals‘Una de ls caracteristicas de un anslisis de Fourier es que trata con ambos dominios: el tiempo y la frecuencia, Como algunos ingenieros no se sienten muy cmodos con el Ultimo, se ha desarrollado una larga fraccidn del material subsceuente para una revision general de la aproximacién de Fourier. Un aspecto importante de esta revision serd fami- \iarizarse con el dominio de la frecuencia, Esta orientacién es después seguida por una introduccién a los métodos numéricos para caleular transformadas de Fourier discretas 19.1 AJUSTE DE CURVAS CON FUNCIONES SINUSOIDALES ‘Una funcién periédica /(Q es una para la eval f= fe+T) 9. FIGURA 19.2 ‘Adem de las funciones tigonométicas tales como senos y cosonos, las funciones periédices incluyen foros de onda ome fo son a) a onda ‘xediada y b) la onda de dienies de siera, Mis ol de a: formas ideolizads, las seficles periédicas en rokyoleza pueden ser c} no ideales y o} contaminados por uido. Las fnciones Iiigonométricas se pueden sor para represenfar y ‘onolizar todas estos cases, Tal19.1 _AJUSTE DE CURVAS CON FUNCIONES SINUSOIDALES. 39 donde Tes una constante Ilamada periodo, que es el valor més pequefio para el cua ex vida la ecuacién (19.1), Ejemplos comunes ineluyen formas en onda tales com un: drudas y dientes de sierra (véase figura 19.2). Las més fundamentales son las funciones sinusoidales. En el presente andlisis se usar el término sinusoide para representar cualquier for ‘ma de onda que se pueda deseribir como un seno 0 coseno, No existe una convencién ‘uy clara para escoger alguna funcién, y en cualquier caso, los resultados serin idénti- os. Para este capitulo se usaré el coseno, el cual se puede expresar de manera general Jt) = An + C1008 (ons +0) (19.2) Asi, cuatro pardmetrossirven para caracterizar el sinusoide (véase figura 19.3), El valor ‘medio Ay, ajusta la altura promedio por arriba de le abscisa. La amplinud C, especifica la FIGURA 19.3 6] Una giéica de ks funcion sirasoidal yld = Ay + C; cos lagi + 6), Para este caso, Ag= V7.) = 1, y= 2n/T= Inf 5), y @= 2/3 rociones = 1.0472 (= 0.25 sh Gros porémetos Usodes para descibir fa cane son fa hecuercia f= a/!2x, ka cusl pata este caso es | cicle/1.5 s],yel pesiodo T= 1.5 s, bf Uno expresién alterna para la misma cura es yit = Ay + A, cos lax + By sen lay Los res components de asta iuncion son lsiados en b, donde Ay = 0.5 y By =-0.865. la sumotorc de ls ves curvas en bj dala curva simple en Bz0n(eah “Ac (aAPROXIMACION DE FOURIER FIGURA 19.4 lusreciones gidices de o) un énguo de fose en rerosoy bun dngulo de fase adelantodo, ‘Observe que lo curva en aso en a} puede deserbise de manera slerna como cos [aby + 3/2), En tos polabes, si uno cura se altasa por un éngul de a, iombién se puede representar como edelanto por 2m ~ a, altura dela oscilacin, La frecuencia angular 0g caracteriza con qué frecuencia ocurren Jos ciclos, Finalmente, el Angulo de fase, o corrimiento de fase 0, parametriza Ja exten- sién a Ia cual el sinusoide es corrido horizontalmente. Puede ser medido como la distan- cin en madianes de ¢ = O al punto en el cual la funcién coseno cotnienza un nuevo ciclo. Como se ilustra en la figura 19.4a, un valor negativo es referido como un éngulo de fase de atraso, ya que la curva cos (aif — 8) comienza un nuevo ciclo en @radianes después de-c0s (af). Asi, 608 (apt — 6) 6e dice que tiene un retraso cos (a4). En forma opuesta, ‘como se muestra en Ie figura 19.46, un valor positivo es referido como un angulo de fase adelantado, ‘Observe que le frecuencia angular (en radianes/tiempo) esté relacionada cou la fre- ‘cuencia fen ciclostiempo) por oy = 2nf 19.3) -y la frecuencia en turna esté relacionada con el periodo 7 (en unidades de tiempo) por 1 et (194) ‘Aunque la ecuacién (19.2) ¢s una caracterizacién matemética adecuada de un sinugoide, es dificil tmbajar deade el punto de vista de le curva que habré de ajustarse, ya17.1_AJUBIE BB CURYAS CON FUNCIOMIS WINUECIDALIS it que el adelanto de la fase esté incluido en el argumento de la funcién coseno, Esta defl- ciencia se puede resolver al involucrar Ja identidad trigonométrica C) cos (cnt + 8) = C, [cos (axe) cos (8) — sen (ont) sen (8) (19.5) Sustituyendo la ecuacién (19.5) en la (19.2) y mediante la agrupacién de términos 89 obtiene (véase la figura 19.36) S() = Ay + 4, 008 (at) + B sen (On) (19.6) donde A, = C, 00s (= By = —C, sen (8) 9.7) Dividiendo las dos partes de la ecuacién (19.7) se obtiene @ =araan(—F) (19.8) donde, si 4y < 0, agregue 7a 8 Si se eleva al cuadrado y se summa la ecuacién (19.7) se tiene cin fara (ss) Asi, la ecuacién (19.6) representa una formulacién alterna de la ecuacién (19.2) que todavia requiere cuatro parimetros, pero que se encuentra en el formato de un modelo lineal general [recuerde la ecuaci6n (17.23)]. Como se analizaré en Ig,préxima seccién, se puede simplemente aplicar como la base para un ajuste por minimos cuadrados, Sin embargo, antes de proceder con la préxima seccion, se deberta resaltar que se podrta haber empleado un seno mas que un coseno como nuestro modelo fundamental de Ia ecuacién (19.2), Por ejemplo, AO = Ay + C sen (aye + 5) podria haberse usado. Se puede aplicar relaciones simples para convertir entre las dos formas sen (og + 8) = os (ay + 8-2) cos («gt + 6) sea(a-+ 0+) 9.10) En otras palabras, @ = 6 — 1/2. La tinica consideracién importante es que uno u ‘otros formatos deberian usarse en forma consistente. Asi, usaremos Ia versién coseno en todo nuestro andlisis. 19.1.1 Ajuste por minimos cuadrades de un sinusoide ‘La ecuacién (19.6) puede ser pensada como un modelo lineal de minimos cuadredos542 APROXIMACION DE FOURIER ? Y= dy + Ay cos (ay) + B sen (ays) + € as.) la cuales justamente otro ejemplo del modelo general [recuerde la ecuacién (17.23)] } S dgzg #2) Haste be + din +E (1723) | decd zp = 1 1 = c08 (04), 23 = sen (op) y fod as otras = 0. Asi, muestra —_ | meta es determinar los valores del coeficiente que minimicen Dy — ho + Ay 008 (aye) + Bi sen (o4go])? ‘ Las ecuaciones normales para cumplir esta minimizacién se pueden expresar en forma dde matriz como frecuerde la ecuaci6n (17.25)] N Ecos (ap) E sen (cy) Ay : Ecos (aye) E cos? (apf) Ecos (ap) sen (ays) | 4 Ay |Z sen (aye) Ecos (axl) sen (ay!) Esen? (es) By yy = 7 By oos (ay) f —(09.12) Ey sen (ay!) Estas ecuaciones se pueden emplear para resolver los coeficientes desconocidos. Sin embargo, en lugar de hacer esto, se examina el caso especial donde hay V observa- cciones espaciadas de manera uniforme en intervalos de Ary con una longitud registrada total de T = (WV — 1) Ae Para esta situacién, los siguientes valores promedio pueden 2m + 1), una explicacién alternativa es emplearlos pare interpolacién © colocacién (es decir, usarfos para el caso donde el nimera de ineSgnitas, 2m + 1, sea igual al nimero de datos, N. Estee el procedimiento usado en la serie de Fourier conti- ‘nua, como se descrbird a eontinuacién. ‘SERIE DE FOURIER CONTINUA Enet curso del estudio de problemas de flujo de calor, Fourier demostré que una funci6n periddica arbitratia, se puede representar por medio de una serie infinita de sinusoides de frecuencia relacionadas de manera arménica, Para una funcién con un petiodo 7, una serie de Fourier continua se puede escribir! Fl) = aq + a 608 (cay) + by Som (Cf) + €, 005 (Leas) + By sen (2a) + « © de manera més concisa, IO = a, + D [ay cos (keays) + by sen (key!) 9.17) donde o = 2n/T'es llamada la frecuencia fundamental y sus mitiplos constantes 20, 3ax, eteétera, son llamados arménicos. De esta forma, la ecuacin (19.17) expresa /() como una combinacion lineal de las funciones base: 1, cos( any), sen (a4), €08 (2a), sen Qay),.- 'aexisencin delay series ce Fourieresth role cn fx cto de Dro, aca eapeciic ‘que a Sein peres iene un nner ilo de nxn y ala y Qu ay wane ft de aioe cos Gant) + & €08 (Smt) — cos Cant + fe) cos (cop! Seer eee teat con feet oe Los resultados de los primetos tres términos se muestran en la figure 19.6 FIGURA 19.5 Uno foo de ondo cuodiods 0 rectongular con ura ctv de 2 yun perodo T= 28/ ay19.2_ SERIE DE FOURIER CONTINUA’ $i fe Atos (oat forma [véase 4 x 4 oom a ; » x 2 : 4 nacién i Levon 9 aaa FIGURA 15.6 la aproximocién de lo serie de Fouts de ko onda cuodrada o partir de la figua 19.5. a Loy serie de razes muesta la umatrte hase inclyendo los Yrminos a} primero, bl segundo y Prete (19.38) se cumple le siguiente relacién (véase Gabel y Roberts 1987 para mis detalles): 1 f" ma y eP (19.39) jj dis Ik : 1], f0ee a19.8 APROXIMACION DE FOURIER De esta forma, 1a potencia en f(¢) se puede determinar al sumar los cuadrados de los coeficientes de Fourier; es deci, ls potencias asociadas con las componentes de fre- ‘cuencia individual. ‘Ahora, recuerde que en esta representacién, Ia arménica real simple consiste en ambos componentes de la frecuencia en +a, También sabemos que los coeficientes ‘positive y negativo son iguales, Portanto, la pofenciaen f(), la k-ésima arménica real de Hes pe = 21FA? (19.40) Elespectro de potencia es la grfica de p, como una funcién de la frecuencia kay, Dedi- ccaremos la seccién 20.3 a una aplicacién de la ingenieria que involucra la TRE y el cespectro de potencia generado por medio de paquetes de software Informacién adicionol. Lo anterior ha sido una breve introduccién a la aproximacién ‘de Fourier y a la TRE. Informacién adicional sobre I primera se puede encontrar en Van Valkenburg (1974), Chirlian (1969), y Hayt y Kemmerly (1986). Referencias sobre la ‘TRF son incluidas en Davis y Rabinowitz (1975); Cooley, Lewis y Welch (1977), y Brigham (1974). Buenas introducciones a embos asuntos se pueden encontrar en Rammi- rez (1985), Oppenheim y Schafer (1975), Gabel y Roberts (1987) AJUSTE DE CURVAS CON LIBRERIAS Y PAQUETES Las librevias y paquetes de software tienen grandes capacidades para el sjuste de curvas. En esta seccidn daremos una muestra de las més usuales. 19.8.1 Excel En el presente contexto, le aplicacién mas itil de Excel es para el andlsis de regresin y, con menos extensién, para la interpolacién polinomial. Ademas de algunas funciones predeterminadas (véase la tabla 19.1), existen dos formas principales en las cuales esta capacidad se puede implementar: el comando Trendline y el Paquete de Herramientas para el Andlisis de Datos. TABLA 19.1 Funciones prefabricedas de Excel que relacionan los ojustes por ragresién de los datos, fonciin "Desi TORCAT apes wc en ws oc Sire tape ko des ec Recut abun duoc Stolze depends el esr tote bnpestos vente he (Seen tegen ks pronase macs epee Sor tegen keeles ke lnwarogen el TREND Regyesa un wal aio Gon une erdencio lewdEJEMPLO 19.3 19.8 _AJUSTE DE CURVAS CON UBRERIAS Y PAQUETRS, cy El comando Trendline (meni insert). Este comando permite un nimery de diferentes ‘modelos detendencia yue se pueden agregar a la gifiea. Esos modelos incluyen ajustes lineales, polinomiales, logaritmicos, exponenciales, de potencia y de promedio de movi- siento, El siguiente ejemplo ilusta edmmo se lama al comando Trendline. Usando el comando Trendline de Excel Enunciado del probleme. Usted habri notado que varios ajustes disponibles en ‘rendline fueron aualizados anteriormente en el capitulo 17 (por ejemplo, linea, polinomial, exponencial y potencia). Una capacidad adicional ¢s la del modelo logaritmico y= ay +a, loge Ajuste los siguientes datos con este modelo usando el comando de Excel Trendline: as 1 2.25 3 35 4 48 053 007 15 1S 2 206 228 223 273 242 279, Solucién. Para ejecutar el comando Trendline, se debe crear una grifica que relaciona tuna serie de variables dependientes e independientes. Para el caso actual, se usa la guia do grificas de Excel Wizard (Asistente) para crear una grifica XY con los datos. Después, seseleccione la griica (haciendo doble ec en ésta) y la serie (al posicionar <1 cursor sobre uno de los valores y con un solo clic). Los comandos Insert y Trendline son entonces ejecutados con la ayuda del ratén o por la siguiente secuencia de teclas / Insert Trenuline En este punt, se abre un cuadro de didlogo con dos tabuladores: ef Options (Opeio- nes) elType (Tipo) E tabulados Options proporciona formas para configurar el ajuste [Lo mis importante en este contexto es desplegar tanto la ecuacién como el valor de coeficiente de determinacién (7?) sobre Ia grifica, La primera eleccién en cl tabulador ‘Type es pare especificar el tipo de linea. Para el caso actual, se selecciona Logarithmic. El ajuste resultante junto con r? se despliega en a figura 19.21. FIGURA 19.21 ‘Aue de un madelo logastmco con las datos del ejemplo 19.3, ye 2 "y= 0.9846 Ln (x) + 1.0008EJEMPLO 19.4 APROXIMACION Dé FOURIER El comando ‘rendline proporciona una manera fil para ajustar un niimero de modelos para datos que se usan de manera comin. Adem, st inclusin en la opein Follnomlalsiguifica qu tambo se puede usar pra nterpolacin pono. Sin em- ‘argo, debido a su contenido estadistico, est limitado a r, y esto significa que no per- rite dibujar inferencias estadisticas con respecto al modelo a ajustar. El paqucte de herramiontas para cl anélisis de datos que se describiré a continuacién proporciona una excelente alternativa para los casos donde las inferencias son nevesarias El paguete de herramiontas pare el andlisis de datos. Este paquete de Excel, tam- bin incluido, contiene una ampli capacicad para el ajuste de curvas mediante lineal general por minimos cundrados. Como se describ antes, en la seccién 17.4, tales mo delos son de la forma general Pause bayer bane bob anen be (17.23) donde 2 2). 4y Son m + 1 funciones diferentes. El siguiente ejemplo ilustra cémo tales modelos se pueden ajustar con Excel. Usando el paquele de herramientos pora el andlisis de datos de Excel Enunciado del probleme. Los siguientes datos se colectaron para Ia pendent ro hidrdulico y velocidad de! agua que fuye en un canal: Sim/m | 0.0002 0.0902 0.0005 0.0005 0.001 _0.001 hm 02 05. 02 05 02 O05 ums | 025 05 04 075 O08 1 Se tiene razones teéricas(recuerde la secci6n 8.2) para creer que estos datos se pueden ajustar a un modelo de potencias de la forma U sas’ R" donde a, oy p son ios coeficientes obtenidos de manera empiriea, Exists razones teéei- cas (véase de nuevo la seccién 8.2) para creer que ay p deberian tener valores sproxima- dos de 0.5 y 0.667, espectivamente. Ajuste estos datos con Excel y evaliesi su regresi6n ‘estimada contradice los valores esperados de los coeficientes del modelo, Solucién. Et ogartmo de ese modelo de potencias se usa primero para converts al formato lineal de la ecuaci6n (17.23), U =loga +o logs + plogR Se puede desarrollar una hoja de cétcuo en Fxcel con los datos origi respectivos logaritmos, como en le siguiente table: ales junto con susEJEMPLO 19.4 APROXIMACION DE FOURIER El comando Trendline proporciona una manera ficil para ajustar un nimero de modelos para datos que se usin de manera comin, Ademis, su inclusién en la opeién Potinomlal significa qu imbiém se puede usar para iterplacin plinomial. Sin ex bbargo, debido a su contenido estadistico, estélimitado a ry esto significa que no per- mite dibujar inferencias estadisticas con respecto al modelo a ajustar. El paquete de Iherramientas para el anilisis de datos que se describiré a continuacién proporciona una ‘excelente altemativa para los casos donde las inferencias son necesarias. El paquete de herramientas pare el ondliss de datos. Este paquete de Excel, tam- bign incluido, contiene una amplia capacidad para el ajuste de curvas mediante lineal general por minimos cudrados. Como se deseribié antes, en a seccién 17.4, tales mo- delos son de Ia forma general Y= ayzg baz) banen + Fane be (1723) donde Zp, 2, ..; Z_ £00 m + I funciones diferentes. El siguiente ejemplo ilustra cémo tales modelos se pueden ajustar con Excel Usando el paquete de herramientas para el andiss de datos de Excel Enunciado del problema. Los siguientes datos se colectaron para la pendiente, radio hhidréulico y velocidad del agua que fluye en un canal: Sim/m_| 0.0002 _0,0002_0.0005_0.0005_ 0.001 0.001 Rm oF 05 02 0S 02 05 Uns | 025 05 04 O75 05 1 Se tiene razonestebticas (recuerde la seccién 8.2) para creer que estos datos se pueden ajustara un modelo de potencias de La forma U sas" Re donde a, oy p son los coeticientes obtenidos de maners empitica, Existe razones teéri- cas (véase de nuevo la sccién 8.2) para creer que oy p deberfan tener valores aproxima- dos de 0.5 y 0.667, respectivamente. Ajuste estos datos con Excel y evahi si su regresién, ...es al as ys de 0 EJEMPLO 19.5 19.8 AJUSTE DE CURVAS CON UBRERIAS Y MMQUETES arr 19.8.3 MATLAB ‘Como se resume en la tabla 19.2, MATLAB tiene una variedad de funeiones preconstruidus que abarcan fas capacidadestolales descrita en esta parte de! libro, EI siguiente ejemplo ilustra c6mo usar algunes de ells, TABLA 19.2 Alguros funciones de MATLAB pro implementar inlerpolacin, regresién, segmentaras y TRE Funcion Descripcién pol Ajuse polnomilo doe inerp | Interpolocion 1-D [tabla 1D} inerp 2 Imerpotcion 20 tabi 20) ‘pls Imepplocisnsagnenara cca de dacs it Trorstamado de Fovrer deco Uso de MATLAB para el ajuste de curves Enunciado del problemo. Explore cémo se puede emplear MATLAB para ajustar curvas con los datos, Para hacer esto, use la funcién seno para generar valores igualmen- te espaciados f(x) de 0a 10. Emplee un tamafo de paso de I de tl forma que la caracte- rizaci6n resultante de la onda seno sea dispersa (véase la figura 19.24). Después, ajtistela con a) interpolaciéa lineal, 6) polinomial de quinto orden y ¢) una segmentara cibiea, Solucién. 2) Los valores de las variables independientes y dependientes se pueden introducir en. los vectores por >> x80:10; FIGURA 19.24 ‘Once puntos muesreades de una sinusoidalAPROXIMACION DE FOURIER Un nuevo vector mis finamente espaciado con valores de la variable independiente ‘se puede generar y guardar en el vector xi, >> xis0: 25:10; La funcidn MATLAB interpl puede entonces ser usada para generar valores de la variable dependiente yi para todos los valores xi mediante interpolacién lineal. Tan- {0 os valores originales (x, y) como los valores interpolados linealmente se pueden ‘gtaficar juntos, como se muestra en la grafica siguiente: >> yisinterpt Gy .xDF >> plLotCesy,!a" 1,98) os as oa ool 02 “04 68 8 a o 2 4.6 8 10 ) Ahora, la funci6n polyfit de MATLAB se puede usar para generar los coeficientes <ée-un juste polinomial de quinto orden de los datos originales dispersos, >> papolytitGx.y,5? 0.0008 0.0290 0.5542 -1.6854 2.5860 -0.0915 donde el vector p cumple com los coeficientes polinomiales. Kstos se pueden # su ‘ver user para generar un nnevo conjunto de valores yi, los cuales pueden de nuevo ser graficaos junto con las muestras originales dispersas, >> yi = polyval(p,x4); >> plotcr,y,!o" x1 ,¥4) 18 1 osale oe 1719 _PuVOIE YE CURVAS CON UBRERIAS Y PAGUATES ona ‘Asl,elpotinomial eaptura la tenden rin de los puntos. ©) Finalmente, la funeidn spline de MATLAB puede ser usd para ajustar una soymentaia cibica de los datos dispersos originales en la forma de un nuevo com junto de valores yi, los cuales se pueden nuevamente graficar junto con la muestmn original dispersa, ade fos datos, pera deja Tver fa mayo b> yiesplineGueyex)? >> plottesy,!0" xh e¥1) os 06. 4 02 02 4 “08 09 “1 Deberiaobservarseque MATLAB también tiene excelentes capacidades para realizar lanilisis de Fourier. Se dedica la seccién 20.3 » un ejemplo de cémo se puede hacer esto, 19.8.4 IMSL IMSL tiene numerosas rutinas para el ajuste de curvas que abarea todas las capacidades 4 cubrir en este libro, y, por tanto, se mostrard algunas. Una muestra se presenta en la tabla 193. En el actual andlisis, nos concentraremos en la ratina RCURY, Esta rutina ajusta los datos a un polinomis! por minimos cusdrados. RCURY se implementa con la siguiente declaracion CALL CALL RCURV (NOBS, XDATA, YDATA, NDEG, B, SSPOLY, STAT) donde NOBS = Niimero de observaciones. (Input) XDATA = Vector de longitud NOBS que contiene los valores x. (Entrada) YDATA = Vector de longitud NOBS que contiene los valores y. (Entrada) NDEG = Grado del polinomial. (Entrada) B = Vector de longitud NDEG + 1 que contiene los coeficientes, SSPOLY = Vector de longitud NDEG + | que contiene las sumas secucnciales de los cuadrados. (Salida) SSPOLY (1) contiene la suma de fos cua- drados debidos ala media, Parai = 1,2,.... NDEG, SSPOLY( + 1) ccontiene la suma de los euadrados debido alas x'ajustadusa la media, Baye574. APROXIMACION OF FOURIER TABLA 19.3 Rutinas IMSL para ajuste de curvas, * Inerpolacién segrenorio etbico Descripeibn Fei de uso tna sogmontaio sbiea Newrnudo Dai condiciones Fnalas = Froluacion segmentoria intagiec'n T espolocGr vegrerions B ‘F Polina en Fegnentes T Ruinos de inepolodtn owoaiice elnomina! para dots cuadievindos Trerpaldan de de 7 Rproximodien de wininer enndodes isperades 1 Segetioo clbice stewed Aproamadiin eccrel pandorode do Chabyshew TTF ealigenamance TWF exponercial compe ‘evan para as TRE © Coote veal dal sno y casero ora los TRE = TRF en dos y ves dimensiones compejas csv oct sper Fvaluacon de te ders csi Iuacibn sobre ana rl csc regracén FINE Polina hood Ruy Polnemia general FNISO Funciones geceroles Poaderad racional Chebysher opvaximacion FAR Tiorstormor hacia odelome FeTRS Trnsloenct hacia obs 0 verse Fra Iriclalzocion de fe ano para FGF Tronslormor hose adelante FFTCB Trorsfoamar hacia ars © everse FIC) Iriciazaciin de ie ina pore FFIC17.0 _AJUSIE DE CURVAS CON UBRERIAS Y PAQUETES cE s78 STAT = Vector de longitud 10 que contiene la estadistica deserita en la tabla 19.4, (Salida) donde 1 = Media dex 2 = Media dey 3 = Varianza muestra de x 4 = Varianza muestra de y 5 = R-cuadrada (en poreentaje) 6 Grados de libertad para ta regresion 7 = Suma de cuadrados de le regresién, 8 = Grados de libertad para el error 9 = Surna de cuadados del error 10 = Numero de datos (x,y) conteniendo NaN (no un mimero) como un valorx oy. EJEMPLO 19.6 Uso de IMSL para regresion polinomial Enunciado del problema, Use RCURV para determinar la potinomial eibica que pro- porciona un ajuste por minimos cuadrados de los siguientes datos x | 005 012 015 030 _045 070 084 1.05 ¥ 0957 08ST 0.832 0720 0583 0378 0.298 0.156 Soluci6n, Unejemplo de un programma principal en Fortran 90 de la funcién RCURV ‘para resolver este problema se puede escribir como PROGRAM Fitpoly use nsins] INPLICTT KONE INTEGER: :ndag,nobs.t.J PARAMETER (ndegm3, nobse8) REAL: :b(ndege1), sspoly (ndeg#1) ,stat( 10),x(nods),ynabs}, yeale(nobs) DATA x/0.05,0.12,0.15,0.30,0.45,0.70,0,88.1.05/ DATA y/0957,0.851,0.832,0.720,0.583,0.378,0.295,0.156/ CALL ROURV(noDs.x,y.ndeg.B, sspoly, stat) PRINT *. ‘Fitted polynomtal 13° D0 1 = ivndeget PRINT “(1 X, SX". T1," TERM: "478.40", 4-2, BCD END bo PRINT * PRINT “C1K, "RAZ: “LFS.2,°H") statc5) PRINT * PRINT *, "40. Ky Yoater Do i = i,nobs. yealend, DO 3 = i,naeget yeale( ayeal eC )#D0J) 4x4 *(S-1) ENO 00 PRINT *(1X,18,305K.F8.49)", 1, x01, yA), yeaTect) END D0 END576 APROXIMACION DE FOURIER | Unejemplo de correr es Fitted polynontal 1s 1x0 TERM: 9808 XAL TERM: -1.0312 a2 TERM: 2785 13 TERM: 0513 a2: 99.81% no. x Y verte 1 0500 9570 9401 2 “1200 8510 “8711 3 1500 "8320 3023 4 3000 7200 £7053 5 4500 9830 “5786 6 +7000 73780 "3860 7 ‘3400 2380 "2908 8 1.0500 “1560 11558 PROBLEMAS i ' 1 ' 19.1 B1 pl en un seactor varia en forma sinusoidal dura el ‘wansourso de un dia. Use la regresin por minimos eusdrados para ajustar con Ia ecuacién (19.11) os siguientes datos. Use su juste para determinarla medi, amplitudy tempo del pH mdxi- Tempo, | © 2 4 5 78S 12 15 20 22 24 Po 73 77104 7A72EGBBBITO 7 19.2 LaradiaciSn solar en Georgetovm, Carolina del Sur, hasido ‘abulada como Tengo, mo J of mM AM ) 4 S$ O ND Redecion, W/me | 122 — 188 280 267 270 252. — 196 160 198 120 ‘Suponiendo que cada mes es de 30 dias, ajuste « un sinusoide estos datos. Use la ecuacién resultante para prodecirlaradizcion ‘que hebré durante la mitad de agosto. FIGURA P19.4 1.3 Loe valores pomedio deuna incon se pueden dtenninar Uno or ene de sero or Si ea Fa) Use esta relacién para verificar los resultados de 1a ecuacién 9.3), 19,4 Use una serie de Fourier continua para aproximar la onda do dentado de sierra mostrada en la figura P19.4, Grafigus fos primers (res trminos junto con la sumatora,FIGURA P19.5 ‘he onda tengulor 10.5 Use la serie de Fourier continua para aproximarla fora de ‘w onda en la Figura P19.5. Grafique los peimeros tres términos {ust goa Ta sumatoria. 19,6 Construya la amplitud y linea de fase ospectral del proble- ma 194, 19.7 Consteuya la amplitud y Vinea de fase espectal del proble- na 19.5. 198 Cn rectificador de media onda se puede caracterizar por 1) = G,| E+ tL sere? cos ar - 2 cos ae x2 Be ise =e or ae dlondo Ces lnamplitud dels onda. Grafiqus os primeros cuatro {:minos junto coa la sumatoria o.9 Constraye lx ampli y linea de fase espectal del proble- na 19.8, 10,19 Desarrolle un subpregrama de uso aerigable para la TOF «on base ene algoritmo de Ta figura 19.12, Prudbelo mediante ln duplicaeia dela figura 19.13. 11,11 Use! programs del problema 19.10 para celeular una TDF pra la. onda angular el problema 19.8, Muestre a onda de 0447. Use 32, 64 y 128 punts de mucstse. Tome tempo a ‘la corrida y grafique ta ejocuciGn conta WV para vertical Tigura 19.4 40.12 Desaroll un subprograma de wo amigable para la TRF con dascenel algoritmode la figura 19.18. Prutbeloduplicardo ba figura 19.13. 10.13 Repita el problema 19.11 mediante el software que usted dlesarrollé en el problema 19.12. a7 19.14 Use el comando Trendline de Excel pare ajustar unu ecus- cin exponencial a x] 25.35 5 6 75 10125 15175 20 yl 7 55 39 36 31 28 26 24 23 23 ‘Girafique y contra x junto con la ecvacion exponencial y r® 19.15 Use el paquete de herramientas para clandlisis de datos de Excel para desaroller ua egresién polinomial de cuarto orden, ‘on los siguientes datos que contienen la concentracién de ox(- ‘geno disuelto en agua fesca conta temperatura a nivel de! mar cl o 8 6 4 a 40 o.ng/thi4.e2) 11843 9.870 8418 7.305 6213 19.16 Use cl paquete de herramicnias para] andlisis de datos de ‘Excel para ajusar una linea recta con los siguientes datos, De- termine el 90% de intervalo de confianza para el intercepto, Si ‘pasa por cero, repita la regresion, pero ahora con el intercepto forzado a coro (ésta es una opeién det cuadro de dislogo Regression) x 2 4 6 64 123 214 77 189 257 208 19.17 Use Mathcad pera ajustar una segmentaria eibica (con ‘una linea recte en los puntos extremos) los siguientes datos: x o 2 4 7 w 2 y 2 #20 12 +7 6 56 Determine e valor de y en x= 19.18 Use Mathcad para generar 64 puntos a partir de fa fncién Ki £08 (31) + sen (10) desde = 0a 2x. Como se vioen a seccién 19.8.2, agregue una, ‘components aleatoriaa lasefal. Tome una TRF de es0s valores y _rafique los resultados, 19.19 En una forma similar a ts seccién 19.8.3, use MATLAB para sjustar los datos det problema 19.17 mediante 2) inter- polacién neal, ) un potinomnial de quinto orden yc) una segmen- varia, 19.20 Repita el problems 19.18, pero ahora use MATLAB pars realizar el ands, 19.24 Repitael problema 19.15, pero ahora use Ta rina RCURV de IMSL.