Interpolación mediante polinomios

Ejercicio 1

La siguiente tabla muestra la Temperatura de saturación del agua en función de

la presión. Los datos fueron tomados de una caldera piro tubular con capacidad
máxima de 16 bares. Mediante el método de interpolación de Newton determine
la temperatura de saturación del agua cuando se trabaja a presión de 11 bares.
Utilice 5 puntos para interpolar.

Temperatura C° 119,6 142,9 158,1 169,6 179 187,1

Presión bar 2 4 6 8 10 12

n x f(x) 1ra 2da 3ra 4ta

diferencia diferencia diferencia diferencia
0 2 119,6 a0
1 4 142,9 11,65 a1
2 6 158,1 7,6 -1,0125 a2
3 8 169,6 5,75 -0,4625 0,091666667 a3
4 10 179 4,7 -0,2625 0,033333333 - a4
0,007291667

p(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)+a4(x-x0)(x-x1)(x-x2)(x-x3)

x 11
p(x) 182,646875

La temperatura a una presión de 11 bares es: 182.6468

Ejercicio 2

En la tabla siguiente se muestra la estimación de la concentración atmosférica

medida de dióxido de carbono en la atmósfera terrestre, en partes por millón por
volumen. Encuentre el polinomio de tercer grado que interpole los datos y úselo
para estimar la concentración de CO2 en a) 1950 y b) 2050

A:

Año 1800 1850 1900 2000

CO2 280 283 291 370
(ppm)

n x f(x) 1ra 2da 3ra

diferencia diferencia diferencia
0 1800 280 a0
1 1850 283 0,06 a1
2 1900 291 0,16 0,001 a2
3 2000 370 0,79 0,0042 0,000016 a3

p(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)

x 1950
p(x) 316

B:

n x f(x) 1ra 2da 3ra

diferencia diferencia diferencia
0 1800 280 a0
1 1850 283 0,06 a1
2 1900 291 0,16 0,001 a2
3 2000 370 0,79 0,0042 0,000016 a3

p(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)

x 2050
p(x) 465
Ejercicio 3

Utilice el método de diferencias divididas para encontrar el polinomio de

interpolación de cuarto grado para los puntos, (0.6, 1.4333329), (0.7, 1.632316),
(0.8, 1.896481), (0.9, 2.247908) y (1, 2.718282). Calcule P 4(0.82) y P4(0.98)

A:

n x f(x) li(x) li(x)*yi

0 0,6 14,333329 0,0144 0,20639994
1 0,7 1,632316 -0,1056 -
0,17237257
2 0,8 4,896481 0,9504 4,65361554
3 0,9 2,247908 0,1584 0,35606863
4 1 2,718282 -0,0176 -
0,04784176

x 0,82
LI(x) 4,99586977

B:

n x f(x) li(x) li(x)*yi

0 0,6 14,333329 -0,0336 -0,48159985
1 0,7 1,632316 0,1824 0,29773444
2 0,8 4,896481 -0,4256 -2,08394231
3 0,9 2,247908 0,6384 1,43506447
4 1 2,718282 0,6384 1,73535123

x 0,98
LI(x) 0,90260797
Ejercicio 4

En la tabla siguiente se muestra la producción mundial total de petróleo en

millones de barriles diarios. Halle el polinomio de cuarto grado de Lagrange y
estime la producción en 2022.

año 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Brls/dí 67052 68008 69803 72024 73400 72063 74669 74487 74065 76777
a

n x f(x) li(x) li(x)*yi

0 2015 72063 15 1080945
1 2016 74669 -70 -5226830
2 2017 74487 126 9385362
3 2018 74065 -105 -7776825
4 2019 76777 35 2687195

x 2022
LI(x) 149847

Ejercicio 5

Hallar el polinomio interpolador que pasa por los puntos (-1, -2), (0, 1), (1,2) y (4,0).
Puede aplicar Newton o Lagrange.

n x f(x) 1ra 2da 3ra

diferencia diferencia diferencia
0 -1 -2 a0
1 0 1 3 a1
2 1 2 1 -1 a2
3 4 0 - - 0,116666667 a3
0,66666667 0,41666667

p(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)

p(x)=-2+3(x+1)-1(x+1)(x-0)+0,116666667(x+1)(x-0)(x-1)
Ejercicio 6
En un experimento para determinar la temperatura corporal, como resultado de la
administración de un nuevo fármaco, se obtuvieron los siguientes valores, en
función desde el tiempo transcurrido desde su toma.
Determinar la temperatura corporal aproximada a las 2h y 45 minutos de la
administración de fármaco. Utilice polinomio de Lagrange de tercer grado.
Determinar la temperatura corporal aproximada a las 2h y 45 minutos de la
administración de fármaco. Utilice polinomio de Lagrange de tercer grado.

Tiempo(horas) 0 1 2 3 4 5
Temperatura (°C) 36.8 37.2 38.3 37.9 37.7 37.5

x f(x) Li(x) f(x)*Li(x)

0 1 37,2 -0,0390625 -1,453125
1 2 38,3 0,2734375 10,4726563
2 3 37,9 0,8203125 31,0898438
3 4 37,7 -0,0546875 -
2,06171875

p(x)=f(X0)*L0(X)+f(X1)*L1(X)+f(X2)*L2(X)+f(X3)*L3(X) P(2,75) 38,0476563

x 2,75 2.75 hora equivale a 2 horas y 45 minutos

La temperatura después de 2h y 45 minutos es: 38.047 °C

Ejercicio 7

Las diferentes contracciones de un resorte (en mm), dependiendo de las cargas

aplicadas en kp, vienen dadas en la siguiente tabla. Hallar la función cuadrática
mediante coeficientes de un polinomio que se ajusta a las contracciones
correspondientes a x=5 y x=15. ¿Qué error se comete si se emplea los polinomios
para calcular las contracciones cuando las cargas son x=10 y x=20?

Carga (x) 5 10 15 20 25
Cont. (y) 49 105 172 253 352

a0 a1 a2
1 5 25 49
1 10 100 105
1 15 225 172

Matriz Inversa

3 -3 1 4 a0
-0,5 0,8 -0,3 7,9 a1
0,02 -0,04 0,02 0,22 a2

p(x)=a0+a1x+a2x^2
p(x)=4+7.9x+0.22x^2

x 10

x 20

p(10) 105

p(20) Estimado 250

p(20) Exacto 253

err abs 3
err relt 1,18577075
R:/ Como se puede apreciar con x = 10 evaluado en la función aproximada hay un
error de 0 % mientras que con x =20 evaluado en la función aproximada presenta un
error del 1.1857%, esto con respecto a los valores exactos que vienen dados en la
tabla.

Ejercicio 8

Asumamos que el número de pulsaciones por minuto de las personas es

función de su altura en metros, de acuerdo con los siguientes datos:

Altura 0.6 0.8 1 1.2 1.4 1.6 1.8

Pulsaciones 124 107 95 86 80 74 69

Aplique coeficientes de interpolación de tercer grado para estimar las

pulsaciones cuando la altura es de 1.7m

Matriz

a0 a1 a2 a3 y
1 1,2 1,44 1,728 86
1 1,4 1,96 2,744 80
1 1,6 2,56 4,096 74
1 1,8 3,24 5,832 69

Matriz Inversa

84 -216 189 -56 66 a0

-159,166667 435 -397,5 121,666667 91,6666667 a1
100 -287,5 275 -87,5 -87,5 a2
-20,8333333 62,5 -62,5 20,8333333 20,8333333 a3

p(x)=a0+a1x+a2x^2+a3x^3
p(x)=66+91.66x-87.5x^2+20.833x^3

x 1,7
p(1,7) 71,3125
Ejercicio 9

Calcule f (4) con el uso de polinomios de interpolación de Lagrange orden 3. Elija

los puntos base para obtener una buena exactitud.

x -5 -3 2 3 6 8

fx 1 2 10 2 0 -3

x f(x)
2 10
3 2
6 0
8 -3

n x f(x) li(x) li(x)*yi

0 2 10 -0,33333333 -3,33333333
1 3 2 1,06666667 2,13333333
2 6 0 0,33333333 0
3 8 -3 -0,06666667 0,2

x 4
p(4) -1
Ejercicio 10

Los datos correspondientes al censo de una población (en miles de habitantes)

se recogen en la siguiente tabla. Utilice interpolación de Newton con polinomio
de orden 4 para determinar la población de 1995.

Año 1950 1960 1970 1980 1990 2000

Número 123.5 131.2 150.7 141.3 203.2 240.5
Habitantes

n x f(x) 1ra 2da 3ra 4ta

diferencia diferencia diferencia diferencia
0 1960 131,2 a0
1 1970 150,7 1,95 a1
2 1980 141,3 -0,94 -0,1445 a2
3 1990 203,2 6,19 0,3565 0,0167 a3
4 2000 240,5 3,73 -0,123 - - a4
0,015983333 0,000817083

p(x)=a0+a1(x-x0)+a2(x-x0)(x-x1)+a3(x-x0)(x-x1)(x-x2)+a4(x-x0)(x-x1)(x-x2)(x-x3)

x 1995
p(x) 238,578906
Ajuste de Curvas Mínimos Cuadrados

Ejercicio 14

Halle la ecuación del modelo de regresión lineal simple y calcule el coeficiente de

determinación. Grafique los datos y la curva obtenida.
Se realizó un estudio en Virginia Tech para determinar si ciertas medidas de la
fuerza estática del brazo influyen en las características de levantamiento
dinámico de un individuo. Veinticinco individuos se sometieron a pruebas de
fuerza y luego se les pidió que hicieran una prueba de levantamiento de peso, en
el que el peso se elevaba en forma dinámica por encima de la cabeza. A
continuación, se presentan los datos.

Fuerza del brazo, x Levantamiento

dinámico, y
17.3 71.7
19.3 48.3
19.5 88.3
19.7 75
22.9 91.7
23.1 100
26.4 73.3
26.8 65.0
27.6 75.0
28.1 88.3
28.2 68.3
28.7 96.7
29.0 76.7
29.6 78.3
29.9 60.0
29.9 71.7
30.3 85.0
31.3 85.0
36.0 88.3
39.5 100.0
40.4 100.0
44.3 100.0
44.6 91.7
50.4 100.0
55.9 71.7
 n x y X*Y X^2 y^2
1 17,3 71,7 1240,41 299,29 5140,89
2 19,3 48,3 932,19 372,49 2332,89
3 19,5 88,3 1721,85 380,25 7796,89
4 19,7 75 1477,5 388,09 5625
5 22,9 91,7 2099,93 524,41 8408,89
6 23,1 100 2310 533,61 10000
7 26,4 73,3 1935,12 696,96 5372,89
8 26,8 65 1742 718,24 4225
9 27,6 75 2070 761,76 5625
10 28,1 88,3 2481,23 789,61 7796,89
11 28,2 68,3 1926,06 795,24 4664,89
12 28,7 96,7 2775,29 823,69 9350,89
13 29 76,7 2224,3 841 5882,89
14 29,6 78,3 2317,68 876,16 6130,89
15 29,9 60 1794 894,01 3600
16 29,9 71,7 2143,83 894,01 5140,89
17 30,3 85 2575,5 918,09 7225
18 31,3 85 2660,5 979,69 7225
19 36 88,3 3178,8 1296 7796,89
20 39,5 100 3950 1560,25 10000
21 40,4 100 4040 1632,16 10000
22 44,3 100 4430 1962,49 10000
23 44,6 91,7 4089,82 1989,16 8408,89
24 50,4 100 5040 2540,16 10000
25 55,9 71,7 4008,03 3124,81 5140,89

Sx Sy Sxy Sxx Syy

778,7 2050 65164,04 26591,63 172891,46

a0 64,5291556
a1 0,56089779

y=a0+a1x
y=64.5291+0.56080.1810x Ecuación

r^2 0,39169646 Coeficiente de determinación

Ejercicio 15

Un comerciante minorista realizo un estudio para determinar la relación que hay

entre los gastos semanales de publicidad y las ventas.

Elabore un diagrama de dispersión. Grafique los datos

Calcule la ecuación de la recta de regresión para pronosticar las ventas
semanales a partir de los gastos de publicidad. Grafique la recta obtenida
Estime las ventas semanales si los costos de publicidad son de $35.

n x y X*Y X^2 y^2

1 40 385 15400 1600 148225
2 20 400 8000 400 160000
3 25 395 9875 625 156025
4 20 365 7300 400 133225
5 30 475 14250 900 225625
6 50 440 22000 2500 193600
7 40 490 19600 1600 240100
8 20 420 8400 400 176400
9 50 560 28000 2500 313600
10 40 525 21000 1600 275625
11 25 480 12000 625 230400
12 50 510 25500 2500 260100

Sx Sy Sxy Sxx Syy

410 5445 191325 15650 2512925

a0 343,705584
a1 3,22081218

y=a0+a1x
y=343.7055+3.2208x ECUACION OBTENIDA

x 35

f(5) 456,43401 venta con un costo de publicidad de $35

Ejercicio 16
Ajuste los siguientes datos con una curva de regresión a) cuadrática y b)
exponencial, determine con cuál de ellas se logra un mejor ajuste. Grafique los
datos y las curvas obtenidas.
A)
n x y x^2 x^3 x^4 xy x^2y (yi-ym)^2 (yi-p2)^2
1 150 75,4 22500 3375000 506250000 11310 1696500 137,671111 5685,16
2 150 81,2 22500 3375000 506250000 12180 1827000 35,2044444 6593,44
3 200 85,5 40000 8000000 1600000000 17100 3420000 2,66777778 7310,25
4 250 89 62500 15625000 3906250000 22250 5562500 3,48444444 7921
5 250 90,5 62500 15625000 3906250000 22625 5656250 11,3344444 8190,25
6 300 96,7 90000 27000000 8100000000 29010 8703000 91,5211111 9350,89
7 150 77,7 22500 3375000 506250000 11655 1748250 88,9877778 6037,29
8 150 84,4 22500 3375000 506250000 12660 1899000 7,47111111 7123,36
9 200 85,7 40000 8000000 1600000000 17140 3428000 2,05444444 7344,49
10 250 89,4 62500 15625000 3906250000 22350 5587500 5,13777778 7992,36
11 250 94,8 62500 15625000 3906250000 23700 5925000 58,7777778 8987,04
12 300 95,3 90000 27000000 8100000000 28590 8577000 66,6944444 9082,09

Sx Sy Sx^2 Sx^3 Sx^4 Sxy Sx^2y St Sr

2600 1045,6 600000 146000000 37050000000 230570 54030000 511,006667 91617,62

n Sx Sx^2 Sy
Sx Sx^2 SX^3 Sxy
Sx^2 SX^3 Sx^4 Sx^2y

matriz A matriz B
12 2600 600000 1045,6
2600 600000 146000000 230570
600000 146000000 37050000000 54030000
 matriz
inversa

30,4666667 -0,291 0,000653333 59,67666667 a0

-0,291 0,00282 -6,4E-06 0,1458 a1
0,00065333 -6,4E-06 1,46667E-08 -8,26667E-05 a2

p(x)=a0+a1x+a2x^2
p(x)=59.6766+0.1458x-8.2667E-05x^2 ECUACION

ym
87,1333333

r^2 0,9944224
B)
n x y x*=x y*=ln(y) xx xy yy
1 150 75,4 150 4,32280728 22500 648,421091 18,6866627
2 150 81,2 150 4,39691525 22500 659,537287 19,3328637
3 200 85,5 200 4,44851638 40000 889,703275 19,7892979
4 250 89 250 4,48863637 62500 1122,15909 20,1478565
5 250 90,5 250 4,50534985 62500 1126,33746 20,2981773
6 300 96,7 300 4,5716134 90000 1371,48402 20,8996491
7 150 77,7 150 4,35285526 22500 652,928289 18,9473489
8 150 84,4 150 4,4355674 22500 665,33511 19,6742582
9 200 85,7 200 4,45085283 40000 890,170565 19,8100909
10 250 89,4 250 4,49312068 62500 1123,28017 20,1881335
11 250 94,8 250 4,55176941 62500 1137,94235 20,7186048
12 300 95,3 300 4,55702981 90000 1367,10894 20,7665207

Sx Sy Sxx Sxy Syy

2600 53,5750339 600000 11654,4077 239,259464

a0 4,18991007 b 66,0168537
a1 0,00126774 m 0,00126774

y=be^mx

y=66.0168e^0.001267x Ecuación

r^2 0,92341405
En este ejercicio para determinar qué modelo de regresión se ajusta mejor a los datos proporcionados, para esto tuvimos que obtener
el valor del coeficiente de determinación (r^2) con lo que concluimos que se consigue un mejor ajuste con el modelo cuadrático como
podemos observar su coeficiente de determinación esta más cerca de uno.

Ejercicio 17

Ajuste los datos siguientes con el modelo de potencias (y= axm). Use la ecuación de potencias resultante para hacer el
pronóstico de y en x = 9

X 2.5 3.5 5 6 7.5 10 12.5 15 17.5 20

Y 13 11 8.5 8.2 7 6.2 5.2 4.8 4.6 4.3

n x y x*= ln(x) y*= ln(y) xx xy yy

1 2,5 13 0,91629073 2,56494936 0,83958871 2,35023932 6,57896521
2 3,5 11 1,25276297 2,39789527 1,56941506 3,0039944 5,74990174
3 5 8,5 1,60943791 2,14006616 2,59029039 3,44430362 4,57988318
4 6 8,2 1,79175947 2,10413415 3,210402 3,7701023 4,42738054
5 7,5 7 2,01490302 1,94591015 4,05983418 3,92082024 3,78656631
6 10 6,2 2,30258509 1,82454929 5,30189811 4,20118 3,32898012
7 12,5 5,2 2,52572864 1,64865863 6,37930518 4,16406432 2,71807526
8 15 4,8 2,7080502 1,56861592 7,33353589 4,24789065 2,4605559
9 17,5 4,6 2,86220088 1,5260563 8,19219388 4,3678797 2,32884784
10 20 4,3 2,99573227 1,45861502 8,97441185 4,3696201 2,12755778

Sx Sy Sxx Sxy Syy

 20,9794512 19,1794503 48,4508753 37,8400946 38,0867139

a0 3,05144291 a 21,145834
a1 -0,54028958 m -
0,54028958

y=ax^m
y=21.1458x^-0.5402 Ecuación

f(9) 6,45145295 La función evaluada en x=9

Ejercicio 18

Ajuste a un modelo cuadrático los siguientes datos y realice los gráficos de dispersión y de la curva de ajuste. Halle también
el coeficiente de determinación.
 x y x^2 x^3 x^4 xy x^2y (yi-ym)^2 (yi-p2)^2
1 1 812,52 1 1 1 812,52 812,52 7461576,12 660188,75
2 2 822,5 4 8 16 1645 3290 7407153,22 676506,25
3 3 1211,5 9 27 81 3634,5 10903,5 5441062,75 1467732,25
4 4 1348 16 64 256 5392 21568 4822892,86 1817104
5 8 1301 64 512 4096 10408 83264 5031536,06 1692601
6 9 2567,5 81 729 6561 23107,5 207967,5 953764,302 6592056,25
7 10 2526,5 100 1000 10000 25265 252650 1035527,2 6383202,25
8 11 2755 121 1331 14641 30305 333355 622692,338 7590025
9 12 4390,5 144 1728 20736 52686 632232 716378,45 19276490,3
10 13 5581,5 169 2197 28561 72559,5 943273,5 4150963,83 31153142,3
11 14 5548 196 2744 38416 77672 1087408 4015580,86 30780304
12 15 6086 225 3375 50625 91290 1369350 6461212,03 37039396
13 16 5764 256 4096 65536 92224 1475584 4927917,95 33223696
14 17 8903 289 4913 83521 151351 2572967 28717717,3 79263409

Sx Sy Sx^2 Sx^3 Sx^4 Sxy Sx^2y St Sr

135 49617,52 1675 22725 323047 638352,02 8994625,02 81765975,3 257615853

n Sx Sx^2 Sy
Sx Sx^2 SX^3 Sxy
Sx^2 SX^3 Sx^4 Sx^2y

matriz A matriz B
14 135 1675 49617,52
135 1675 22725 638352,02
1675 22725 323047 8994625,02
 matriz
inversa

0,68700656 -0,15442051 0,0073007 1180,00032 a0

-0,15442051 0,04779999 - -191,691214 a1
0,00256186
0,0073007 -0,00256186 0,00014546 35,2094504 a2

p(x)=a0+a1x+a2x^2
p(x)=1180.00032-191.6912x+35.2094x^2 Ecuación

ym
3544,10857

r^2 0,68260503 Coeficiente de determinación

 Ejercicio 19

En Applied Spectroscopy se estudiaron las propiedades de reflectancia infrarroja

de un líquido viscoso que se utiliza como lubricante en la industria electrónica. El
experimento que se diseñó consistió en medir el efecto de frecuencia de banda,
x1, y el espesor de película, x2, sobre la densidad óptica, y, usando un
espectrómetro infrarrojo PerkinElmer Modelo 621.

Estime la ecuación de regresión lineal múltiple.

n x1 x2 y x1^2 x1*x2 x2^2 x1*Y x2*y

1 740 1,1 0,231 547600 814 1,21 170,94 0,2541
2 740 0,62 0,107 547600 458,8 0,3844 79,18 0,06634
3 740 0,31 0,053 547600 229,4 0,0961 39,22 0,01643
4 805 1,1 0,129 648025 885,5 1,21 103,845 0,1419
5 805 0,62 0,069 648025 499,1 0,3844 55,545 0,04278
6 805 0,31 0,03 648025 249,55 0,0961 24,15 0,0093
7 980 1,1 1,005 960400 1078 1,21 984,9 1,1055
8 980 0,62 0,559 960400 607,6 0,3844 547,82 0,34658
9 980 0,31 0,321 960400 303,8 0,0961 314,58 0,09951
10 1235 1,1 3 1525225 1358,5 1,21 3640,78 3,2428
11 1235 0,62 2 1525225 765,7 0,3844 2016,755 1,01246
12 1235 0,31 0,934 1525225 382,85 0,0961 1153,49 0,28954

Sx1 Sx2 Sy Sx1^2 Sx1*x2 Sx2^2 Sx1*y Sx2*y

11280 8,12 8,019 11043750 7632,8 6,762 9131,205 6,62724

n Sx1 Sx2 Sy
Sx1 Sx1^2 Sx1*x2 Sx1*y
Sx2 Sx1*x2 Sx2^2 Sx2*y
 12 11280 8,12 8,019
11280 11043750 7632,8 9131,205
8,12 7632,8 6,762 6,62724

matriz
inversa

2,45026235 -0,0021337 - -3,37267325 a0

0,53387334
-0,0021337 2,2699E-06 -2,9904E- 0,00361672 a1
18
- -3,5927E- 0,78897538 0,94759888 a2
0,53387334 18

y=a0+a1x1+a2x2
y=-3.3726+0.003616x1+0.9475x2 Ecuación

Ejercicio 20

Se cree que la energía eléctrica que una planta química consume cada mes se
relaciona con la temperatura ambiental promedio, x1, el número de días del mes,
x2, la pureza promedio del producto, x3, y las toneladas fabricadas del producto,
x4. Se dispone de datos históricos del año anterior, los cuales se presentan en la
siguiente tabla.

Ajuste un modelo de regresión lineal múltiple usando el conjunto de datos

anterior.

Prediga el consumo de energía para un mes en que x1 = 75˚F, x2 = 24 días,

x3
= 90% y x4 = 98 toneladas.
 n 1 2 3 4 5 6 7 8 9 10 11 12
x1 25 31 45 60 65 72 80 84 75 60 50 38 Sx1 685
x2 24 21 24 25 25 26 25 25 24 25 25 23 Sx2 292
x3 91 90 88 87 91 94 87 86 88 91 90 89 Sx3 1072
x4 100 95 110 88 94 99 97 96 110 105 100 98 Sx4 1192
y 240 236 290 274 301 316 300 296 267 276 288 261 Sy 3345
x1^2 625 961 2025 3600 4225 5184 6400 7056 5625 3600 2500 1444 Sx1^2 43245
x1*x2 600 651 1080 1500 1625 1872 2000 2100 1800 1500 1250 874 Sx1*x2 16852
x1*x3 2275 2790 3960 5220 5915 6768 6960 7224 6600 5460 4500 3382 Sx1*x3 61054
x1*x4 2500 2945 4950 5280 6110 7128 7760 8064 8250 6300 5000 3724 Sx1*x4 68011
x2^2 576 441 576 625 625 676 625 625 576 625 625 529 Sx2^2 7124
x2*x3 2184 1890 2112 2175 2275 2444 2175 2150 2112 2275 2250 2047 Sx2*x3 26089
x2*x4 2400 1995 2640 2200 2350 2574 2425 2400 2640 2625 2500 2254 Sx2*x4 29003
x3^2 8281 8100 7744 7569 8281 8836 7569 7396 7744 8281 8100 7921 Sx3^2 95822
x3*x4 9100 8550 9680 7656 8554 9306 8439 8256 9680 9555 9000 8722 Sx3*x4 106498
x4^2 10000 9025 12100 7744 8836 9801 9409 9216 12100 11025 10000 9604 Sx4^2 118860
x1*y 6000 7316 13050 16440 19565 22752 24000 24864 20025 16560 14400 9918 Sx1*y 194890
x2*y 5760 4956 6960 6850 7525 8216 7500 7400 6408 6900 7200 6003 Sx2*y 81678
x3*y 21840 21240 25520 23838 27391 29704 26100 25456 23496 25116 25920 23229 Sx3*y 298850
x4*y 24000 22420 31900 24112 28294 31284 29100 28416 29370 28980 28800 25578 Sx4*y 332254

n Sx1 Sx2 Sx3 Sx4 Sy

Sx1 Sx1^2 Sx1*x2 Sx1*x3 Sx1*x4 Sx1*y
Sx2 Sx1*x2 Sx2^2 Sx2*x3 Sx2*x4 Sx2*y
Sx3 Sx1*x3 Sx2*x3 Sx3^2 Sx3*x4 Sx3*y
Sx4 Sx1*x4 Sx2*x4 Sx3*x4 Sx4^2 Sx4*y

12 685 292 1072 1192 3345

685 43245 16852 61054 68011 194890
292 16852 7124 26089 29003 81678
1072 61054 26089 95822 106498 298850
1192 68011 29003 106498 118860 332254

matriz inversa

178,007926 -0,04314559 -0,586379 -1,60441294 -0,1798549 -102,713236 a0

-0,04314559 0,00056068 -0,00586871 0,00176717 -3,9478E-05 0,60537054 a1
-0,586379 -0,00586871 0,11575496 -0,02209727 0,00079231 8,9236442 a2
-1,60441294 0,00176717 -0,02209727 0,02356605 -0,00064426 1,43745673 a3
-0,1798549 -3,9478E-05 0,00079231 -0,00064426 0,00221862 0,01360931 a4

y=-102.7132+0.6053x1+8.9236x2+1.4374x3+0.0136x4 Ecuación
 f(x1,x2,x2,x4) 287,561833 FunciónevaluadaenX1,X2,X3,X4
x1 75
x2 24
x3 90
x4 98
Ejercicio 21
Con los siguientes datos:

X1= Precio de bienes agrícolas X2=Costo unitario de producción X3=Expectativas

de inflación (%). Se pide estimar el precio de los bienes agrícolas, cuando el costo
de producción es de 40 y la expectativa de inflación del 8%.

n Sx2 Sx3 Sx1

Sx2 Sx2^2 Sx2*x3 Sx1*x2
Sx3 Sx2*x3 Sx3^2 Sx1*x3

6 79 7,23 129
79 1.279 129,39 1996
7,23 129,39 14,1881 201,98

matriz inversa

1,68999801 - 1,17250179 9,71920805 a0

0,22300223
- 0,03952574 - 0,27306501 a1
0,22300223 0,24682159
1,17250179 - 1,72391351 6,7928929 a2
0,24682159

x1=ao+a1x2+a2x3

x1=9.7192+0.2730x2+6.7928x3

x2 40
x3 8

x1(x2,x3) 74,9849518 Precio de bienes agrícolas