Interpolación y aproximación polinomial
|
|
- Germán Calderón Rojas
- hace 6 años
- Vistas:
Transcripción
1 Análisis Numérico Interpolación y aproximación polinomial CNM-425 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft «2010 Reproducción permitida bajo los términos de la licencia de documentación libre GNU
2 Contenido 1 Introducción 2 Interpolación de Lagrange Interpolación de Newton 4 Error en la interpolación 5 Interpolación de Hermite 6 Splines
3 Interpolación Dado un conjunto de datos conocidos (x 0, y 0), (x 1, y 1), (x 2, y 2),, (x N, y N ) buscamos una función f : R R que satisfaga f(x i) = y i, i = 0,, N f es la función interpolante o interpolador El interpolador f puede ser: polinomio spline fracción continuada Restricciones adicionales: Las derivada del interpolador f en los puntos dados es fija Suavidad, monoticidad o convexidad del interpolador f
4 Aplicaciones Trazado de curvas atraves de un conjunto discreto de datos Determinar valores intermedios de una tabla de datos Derivar e integrar a partir de una tabla de datos Evaluar de manera fácil una función Reemplazar una función complicada por una simple
5 Interpolación y aproximación Funciones utilizadas como interpoladores Polinomios Funciones trigonométricas Funciones exponenciales Funciones racionales Los interpoladores se ajustan a los datos de manera exacta (f(x i) = y i) Interpolación presenta problemas cuando los datos están sujetos a errores signifiativos Cuando hay incertidumbre en los datos resulta útil suavizarlos por medio de una aproximación de mínimos cuadrados Aproximaciones espectrales o aproximaciones con polinomios de Chebyshev representan de manera efectiva soluciones numéricas de ecuaciones diferenciales parciales
6 Teorema de aproximación de Weierstrass Teorema 11 (Weierstrass) Sea f : [a, b] C continua Entonces para todo ε > 0, existe un polinomio p sobre C tal que para todo x [a, b], f(x) p(x) < ε
7 Polinomio interpolador Teorema 12 (Existencia y unicidad del polinomio interpolante) Si x 0, x 1,, x n son números reales distintos, entonces para N + 1 valores arbitrarios y 0, y 1,, y n existe un único polinomio P N de grado a lo sumo N tal que p N (x i) = y i Observaciones El teorema (12) generaliza: Por dos puntos distintos del plano cartesiano pasa una y sólo una línea recta (polinomio de grado 1) Dada una tabla de datos x 0 x 1 x N y 0 y 1 y N existe uno y sólo un polinomio p N de grado N tal que p N (x i) = y i Aunque el polinomio es único, existen diversas formas de expresarlo y diferentes algoritmos para determinarlo
8 Polinomio interpolador Asumimos un conjunto de puntos discretos {x 0, x 1,, x N } con los valores correspondientes {f(x0), f(x1),, f(x N )} Construimos una función f(x) que pase por (x i, f(x i)) por medio de la aproximación NX f(x) p N (x) = a k φ k (x) (1) i=0 p N es el polinomio interpolante φ k son polinomios conocidos a priori y forman una base a k son coeficientes por determinar (1) expresa a p N como una combinación lineal de funciones base φ k
9 Interpolación de Vandermonde Consideramos como bases los monomios φ k (x) = x k, k = 0,, N (2) Para la base (8) obtenemos la representación f(x) = a 0 + a 1x + a 2x a N x N () donde a 0, a 1,, a N son constantes a determinar Las N + 1 ecuaciones que surgen al evaluar x i en () se pueden expresar matricialmente como 2 1 x 0 x 2 0 x N x 1 x 2 1 x N x N x 2 N xn N a 0 a 1 a N = 6 4 V es la matriz de Vandermonde y det(v) = f(x 0 ) f(x 1 ) f(x N ) Y 0 i j N 7 5 V a = f (x j x i) 0
10 Ejemplo Ejemplo 11 Determine el polinomio de grado 2 que interpola los tres datos ( 2, 27), (0, 1), (1, 0) Solución El polinomio está dado por f(x) = a 0 + a 1 x + a 2 x 2 (4) Para este caso el sistema está dado por a 0 a 1 a 2 5 = La solución está dada por [ 1 5 4] T y f(x) = 1 + 5x 4x 2 (5)
11 Interpolación de Lagrange Como base tomamos los polinomios de Lagrange definidos por L k (x) = = NY i=0 i k (x x i) (x k x i) (x x0) (x k x (x x k 1) 0) (x k x k 1 ) (x x k+1 ) (x xn ) (x k x k+1 ) (x k x N ) (6) Propiedades L k es un polinomio de grado N j 1 si k = j L k (x j ) = 0 si k j = δ kj El polinomio de interpolación de Lagrange está dado por p N (x) = f(x 0)L 0(x) + f(x 1)L 1(x) + + f(x N )L N (x) (7) El polinomio de interpolación de Lagrange es de grado N y pasa por los N + 1 puntos (x 0, f(x 0)),, (x N, f(x N ))
12 Ejemplo 21 Determine los polinomios de Lagrange para N = 5 y x 0 = 0, x 1 = 1, x 2 = 2, x = y x 4 = 4 L 0(x) = L 1(x) = L 2(x) = L (x) = L 4(x) = (x 1)(x 2)(x )(x 4) (0 1)(0 2)(0 )(0 4) (x 0)(x 2)(x )(x 4) (1 0)(1 2)(1 )(1 4) (x 0)(x 1)(x )(x 4) (2 0)(2 1)(2 )(2 4) (x 0)(x 1)(x 2)(x 4) ( 0)( 1)( 2)( 4) (x 0)(x 1)(x 2)(x ) (4 0)(4 1)(4 2)(4 ) 1 = `x4 10x + 5x 2 50x = 1 `x4 9x + 26x 2 24x 6 = 1 `x4 8x + 19x 2 12x 4 = 1 `x4 7x + 14x 2 8x 6 1 = `x4 6x + 11x 2 6x 24
13 Polinomios de Lagrange (programa) L k (x) = NY i=0 i k (x x i) (x k x i) (x x0) = (x k x (x x k 1) 0) (x k x k 1 ) (x x k+1 ) (x xn ) (x k x k+1 ) (x k x N ) lagrangem function L = lagrange(xpuntos,k,x) % Argumentos: % xpuntos: vector fila con las coordenadas en x % k: valor entero correspondiente L k % x: valor real en el que se evalúa el polinomio % Salida: % L: valor obtenido al evaluar el polinomio de % Lagrange en x L = 10; n = length(xpuntos); for i=1:k L = L * (x - xpuntos(i))/(xpuntos(k+1)-xpuntos(i)); end for i=k+2:n L = L * (x - xpuntos(i))/(xpuntos(k+1)-xpuntos(i)); end octave:#> xx = 0:4 xx = octave:#> lagrange(xx,1,0) ans = 0 octave:#> lagrange(xx,1,1) ans = 0 octave:#> lagrange(xx,1,2) ans = 0 octave:#> lagrange(xx,1,) ans = 0 octave:#> lagrange(xx,1,4) ans = -560 octave:#> lagrange(xx,2,10) ans = 945 end
14 Ejemplo Ejemplo 22 Determine el polinomio de interpolación de Lagrange para f(x) = 1 en los x puntos x 0 = 2, x 1 = 25, x 2 = 4 y utilícelo para aproximar f() Solución L 0 (x) = (x 2,5)(x 4) (2 2,5)(2 4) = (x 6,5)x + 10 L 1 (x) = (x 2)(x 4) (2,5 2)(2,5 4) = ( 4x + 24)x 2 L 2 (x) = (x 2)(x 2,5) (4 2)(4 2,5) = (x 4,5)x + 5 y p(x) = f(2)l 0 (x) + f(2,5)l 1 (x) + f(4)l 1 (x) ( 4x + 24)x 2 (x 4,5)x + 5 = 0,5 ((x 6,5)x + 10) + 0,4 + 0,25 = (0,05x 0,425)x + 1,15 = f() p() = 0,25
15 Polinomio de interpolación de Lagrange (programa) p N (x) = NX f(x i)l i(x) = f(x 0)L 0(x) + f(x 1)L 1(x) + + f(x N )L N (x) i=0 polilagrangem function p = polilagrange(f,xpuntos,x) % Argumentos: % xpuntos: vector fila con las coordenadas en x % k: valor entero correspondiente L k % x: valor real en el que se evalúa el polinomio % Salida: % L: valor obtenido al evaluar el polinomio de % Lagrange en x p = 00; n = length(xpuntos); end for i=0:n-1 p = p + f(xpuntos(i+1))*lagrange(xpuntos,i,x); end funm function y = fun(x) y = 1/x; octave:#> fun(2) ans = octave:#> xp = [2 25 4]; octave:#> fun(xp) ans = octave:#> polilagrange(@fun,xp,1) ans = octave:#> polilagrange(@fun,xp,2) ans = octave:#> polilagrange(@fun,xp,) ans = 02500
16 Ejemplo Ejemplo 2 Grafique el polinomio de interpolación del ejemplo anterior 12 y compárelo con la función f Solución ejemplo1m clear all; xp = [2 25 4]; x = -0:05:10; n = length(x); p = zeros(1,n); y = zeros(1,n); for i=1:n p(i) = polilagrange(@fun,xp,x(i)); y(i) = fun(x(i)); end plot(x,p, r ); hold on plot(x,y); legend( polinomio, función ) grid on
17 Interpolación de Newton Con el fin de reducir la complejidad computacional hacemos el siguiente cambio de base k 1 Y φ k (x) = (x x i) (8) i=0 Ahora f(x) es aproximada por f(x) = a 0+a 1(x x 0)+a 2(x x 0)(x x 1)+ +a N (x x 0)(x x 1) (x x N 1) Las N + 1 ecuaciones que surgen al evaluar x i se pueden expresar matricialmente como (x 1 x 0) (x N x 0) (x N x 0)(x N x 1) (x N x 0) a 0 a 1 a N = 6 4 f(x 0) f(x 1) f(x N ) 7 5
18 Fórmula de diferencias dividas La matriz del sistema anterior es triangular inferior O `N 2 operaciones necesarias para resolver el sistema Las soluciones vienen dadas por a 0 = f(x 0) a 1 = a 2 = f(x1) f(x0) x 1 x 0 f(x 2) f(x 0) x 2 x 0 x 2 x 1 a k = F(x 0, x 1,, x k ) f(x1) f(x0) x 1 x 0 La función F puede determinarse de manera recursiva
19 Fórmula de diferencias dividas Fórmula de diferencias dividas F(x 0, x 1,, x k ) = F(x0, x1,, x k 1) F(x 1, x 2,, x k ) (x 0 x k ) (9) El polinomio de interpolación está dado por f(x) = F(x 0) + F(x 0, x 1)(x x 0) + F(x 0, x 1, x 2)(x x 0)(x x 1) + + F(x 0,, x N )(x x 0) (x x N 1) (10) La fórmula de recursividad (9) aplicada a los puntos G 2 0 = {x 0, x 1, x 2} k = 0 k = 1 k = 2 x 0 F(x 0) = f(x) F(x 0, x 1) = F(x 0 ) F(x 1 ) x 0 x 1 x 1 F(x 1) = f(x 1) F(x 0, x 1, x 2) = F(x 0,x 1 ) F(x 1,x 2 ) x 0 x 2 F(x 1, x 2) = F(x 1 ) F(x 2 ) x 1 x 2 x 2 F(x 2) = f(x 2) f(x) = F(x 0) + F(x 0, x 1)(x x 0) + F(x 0, x 1, x 2)(x x 0)(x x 1)
20 Fórmula de diferencias divididas (Newton) F(x 0, x 1,, x k ) = F(x0, x1,, x k 1) F(x 1, x 2,, x k ) (x 0 x k ) newtoncoefm function F = newtoncoef(xpuntos,ypuntos) % Argumentos: % xpuntos: vector fila con las coordenadas % en x % ypuntos: vector fila con las coordenadas % en y % Salida: % F: vector fila con los coeficientes del % polinomio de interpolación n = length(xpuntos); F = ypuntos; for i=2:n end end for j=n:-1:i end F(j) = (F(j)- F(j-1))/ (xpuntos(j)-xpuntos(j-i+1)); octave:#> xi = [1 2 4]; octave:#> yi = [ ]; octave:#> F = newtoncoef(x,y) F = p(x) = F(x 0 ) + F(x 0, x 1 )(x x 0 ) + F(x 0, x 1, x 2 )(x x 0 )(x x 1 ) + F(x 0, x 1, x 2, x )(x x 0 )(x x 1 )(x x 2 ) p(x) = 1 + 7(x 1) + 6(x 1)(x 2) + 1(x 1)(x 2)(x ) = x
21 Polinomio de interpolación p(x) = F(x 0) + F(x 0, x 1)(x x 0) + F(x 0, x 1, x 2)(x x 0)(x x 1) + + F(x 0,, x N )(x x 0) (x x N 1) polinewtonm function p = polinewton(f,xpuntos,x) % Argumentos: % F: vector fila con coeficientes % xpuntos: vector fila con coordendas en x % x: número en el que se evalua el % polinomio de interpolación % Salida: % p: el valor obtenido al evaluar el % polinomio de interpolación en x n = length(xpuntos); p = F(n); end for i=1:n-1 end p = F(n-i) + (x - xpuntos(n-i))*p; octave:#> polinewton(f,xi,) ans = 27 octave:#> polinewton(f,xi,-5) ans = -125 ejemplom clear all; xi = [1 2 4]; yi = [ ]; F = newtoncoef(xi,yi); x = -2:005:2; n = length(x); y = zeros(1,n); for i=1:n y(i) = polinewton(f,xi,x(i)); end plot(x,y); hold on grid on
22 Ejemplo 1 Ejemplo 1 Los datos consignados en la tabla pertenecen a la gráfica de la función f(x) = 2 sin(πx/10) x y Determine el polinomio de interpolación por medio de diferencias divididas de Newton 1 Realice una tabla con los valores del polinomio interpolante en x = 0, 05, 10,, 80 y compárelos con los valores exactos dados por y = f(x) 2 Realice las gráficas del polinomio de interpolación y la función
23 Ejemplo 1 (solución parte 1) f(x) = 2 sen(πx/10) x y ejemplo21am clear all; xi = [ ]; yi = [ ]; F = newtoncoef(xi,yi); x = -0:05:10; n = length(x); p = zeros(1,n); y = zeros(1,n); printf(" x p y \n"); for i=1:n p(i) = polinewton(f,xi,x(i)); y(i) = 2*sin(pi*x(i)/10); printf(" %105g %105g %105g \n", x(i), p(i), y(i)); end octave:#> ejemplo21a x p y
24 Ejemplo 1 (solución parte 2) f(x) = 2 sen(πx/10) x y ejemplo21bm clear all; xi = [ ]; yi = [ ]; F = newtoncoef(xi,yi); x = -0:05:10; n = length(x); p = zeros(1,n); y = zeros(1,n); for i=1:n p(i) = polinewton(f,xi,x(i)); y(i) = 2*sin(pi*x(i)/10); end plot(x,p, r ); hold on plot(x,y); legend( polinomio, función ) grid on
25 Teorema (41) Teorema 41 Sea f C n+1 [a, b] y p el polinomio de grado n que interpola a f en los n + 1 puntos x 0, x 1,, x n del intervalo [a, b] Para todo x [a, b] existe un ξ = ξ(x) (a, b) tal que f(x) p(x) = 1 (n + 1)! f (n+1) (ξ) ny (x x i) (11) i=0 Observaciones La cota de error para el polinomio de Taylor de grado n alrededor de x 0 concentra toda la información entorno a x 0: f (n+1) (ξ) (x x0)n+1 (n + 1)! La cota de error (??) utiliza los n + 1 puntos x 0, x 1,, x n: f (n+1) (ξ) (x x0) (x xn) (n + 1)!
26 Ejemplo 41 Estime el error cometido al aproximar la función f(x) = sen x por medio del polinomio de grado nueve que interpola a f en diez puntos del intervalo [0, 1] Solución La cota de error está dada por (??) f(x) p(x) = 1 10! f (10) (ξ) ny (x x i) (12) i=0 Por otra parte y Luego f (10) (ξ) = sen ξ = x [0, 1] = f (10) (ξ) 1 ny x x i 1 i=0 f(x) p(x) 1 2, !
27 Cota de error para el polinomio de Newton Teorema 42 Sea f C n+1 [a, b] y p el polinomio de grado n que interpola a f en los n + 1 puntos x 0, x 1,, x n del intervalo [a, b] Entonces ny f(x) p(x) = F(x 0, x 1,, x n, x) (x x i) (1) i=0
28 Observaciones Si p n interpola a f en los n + 1 puntos x 0, x 1,, x n, 1 ny f(x) p(x) = (n + 1)! f (n+1) (ξ) (x x i) (14) con ξ [x 0, x n] ξ es desconocido y (14) sólo es útil si la derivada está acotada i=0 Si f (n+1) (x) < M y h = máx{x i+1 x i : i = 0,, n}, máx f(x) p(x) Mhn+1 x [x 0,x n] (n + 1)! (15) El error disminuye a medida que n crece y h disminuye, sólo si f (n+1) (x) está acotada Aumentar el grado del polinomio no garantiza una mejor aproximación (pueden aparecer oscilaciones entre los puntos de interpolación)
29 Observaciones Por fuera del intervalo que contiene a los puntos de interpolación, ny (x x i) i=0 puede crecer rápido (extrapolación) En el interior del intervalo aumentar los puntos de interpolación no implica mejorar la aproximación Al aumentar el grado del polinomio, aumentan las oscilaciones Hasta ahora las aproximaciones de los polinomios de interpolación no dependen de la distribución de los puntos x 0,, x n de interpolación Puntos de interpolación igualmente espaciados a menudo conducen a resultados erróneos en los extremos
30 Fenómeno Runge Polinomios interpolantes para la función de Runge f(x) = 1, x [ 1, 1] x2 sobre puntos igualmente espaciados no converge Figura: utiliza 10 puntos equidistantes ( ); utiliza 20 puntos equidistantes ( )
31 Fenómeno Runge Los puntos de interpolación se pueden distribuir no uniformemente con el fin de minimizar el fenómeno de Runge «2i + 1 x i = cos 2n π, i = 0,, n (16) Figura: utiliza 10 puntos equidistantes ( ); utiliza 20 puntos dados por (16) ( )
32 Interpolación de Hermite Vimos que al aumentar los puntos de interpolación, aumenta el grado del polinomio de aproximación y las oscilaciones Una solución consiste en utilizar varios polinomios de interpolación de grado bajo en lugar de un polinomio de grado alto La interpolación de Hermite utiliza no sólo los valores de la función a interpolar sino también sus derivadas Por ejemplo x 0 x 1 x N f(x 0) f(x 1) f(x N ) f (x 0) f (x 1) f (x N ) Al incluir las derivadas, aumenta el número de ecuaciones del sistema que determina los parámetros del polinomio interpolante Los polinomios de Hermite se generan cuando se consideran sólo los valores de la primera derivada de la función
33 Polinomio osculante Proposición 51 (Existencia del polinomio osculante) Considere n + 1 puntos distintos en [a, b] x 0, x 1,, x n (17) y m i un entero no negativo asociado a x i para i = 0, 1,, n Para f C m [a, b] con m = máx 0 i n m i existe un único polinomio p de grado mínimo tal que d k p(x i) dx k = dk f(x i) dx k para i = 0, 1,, n y k = 0, 1,, m i (18) Observaciones El polinomio p que satisface la condición de interpolación de Hermite (18) es llamado polinomio osculante que aproxima a f El número de condiciones a satisfacer en (18) es P n i=0 mi + (n + 1) y por tanto el grado del polinomio osculante p es a lo sumo M = nx mi + n
34 Polinomio osculante Cuando n = 0 tenemos en (17) sólo un punto de interpolación x 0 y la condición de Hermite d k p(x 0) dx k = dk f(x 0) dx k para k = 0, 1,, m 0 conduce al m 0-ésimo polinomio de Taylor en torno a x 0 p(x) = f(x 0) + f (x 0)(x x 0) + f (x 0) 2! (x x 0) f (m0) (x 0) (x x 0) m 0 m 0! Cuando m i = 0 para i = 0, 1, n la condición de Hermite (18) queda p(x i) = f(x i) para i = 0, 1, n y el polinomio resultante es el polinomio de interpolación de Lagrange Cuando m i = 1 para i = 0, 1, n la condición de Hermite (18) queda p(x i) = f(x i) y p (x i) = f (x i) para i = 0, 1, n y el polinomio resultante se denomina polinomio de Hermite
35 Teorema (51) Teorema 51 Si f C 1 [a, b] y x 0, x 1,, x n son puntos distintos en [a, b], el polinomio osculante que interpola a f y f en x 0, x 1,, x n es el polinomio de Hermite de grado 2n + 1 y está dado por donde H 2n+1(x) = nx nx f(x j)h n,j(x) + f (x j)ĥn,j(x) (19) j=0 j=0 H n,j(x) = ˆ1 2(x x j)l n,j(x j) L 2 n,j(x), (20) Ĥ n,j(x) = (x x j)l 2 n,j(x) (21) y L n,j es el j-ésimo polinomio de Lagrange de grado n L n,j = ny i=0 i j (x x i) x j x i (22)
36 Ejemplo (51) Ejemplo 51 Utilice el polinomio de Hermite que concuerda con los datos de la tabla para obtener una aproximación de f(1,5) k x k f(x k ) f (x k ) 0 1, 0, , ,6 0, , ,9 0, , Solución Calculamos los polinomios de Lagrange y sus derivadas L 2,0(x) = L 2,1(x) = L 2,2(x) = (x x 1)(x x 2) (x 0 x 1)(x 0 x 2) (x x 0)(x x 2) (x 1 x 0)(x 1 x 2) (x x 0)(x x 1) (x 2 x 0)(x 2 x 1) = 50 9 x x = x x = 50 9 x x
37 Ejemplo (51) Para las derivadas tenemos Para los polinomios H 2,j(x) tenemos L 100 2,0 (x) = 9 x L 200 2,1 (x) = 9 x L 100 2,1 (x) = 9 x H 2,0 (x) = 50 [1 2(x 1,)( 5)] 9 x x «2 9 «2 50 = (10x 12) 100 H 2,1 (x) = x x «2 x x H 2,2 (x) = 10(2 x) 9 x x «2 9
38 Ejemplo (51) Para los polinomios Ĥ2,j(x) tenemos Por el teorema (51) H 5 (x) = 50 Ĥ 2,0 (x) = (x 1,) 9 x x «2 9 Ĥ 2,1 (x) = 100 (x 1,6) x x 247 «2 9 Ĥ 2,2 (x) = 50 (x 1,9) 9 x x «2 9 2X 2X f(x j )H n,j (x) + f (x j )Ĥn,j(x) j=0 j=0 = 0, H 2,0 (x) H 2,1 (x) + 0,281886H 2,2 (x) y evaluando 0,522022Ĥ2,0(x) 0, Ĥ2,1(x) 0, Ĥ2,2(x) H 5 (1,5) = 0,
39 Polinomio de Hermite con diferencias divididas Los cálculos requeridos para evaluar el polinomio de Hermite de acuerdo al teorema (51) son tediosos Otro método consiste en utilizar la fórmula de diferencias divididas p n(x) = f(x 0) + nx F(x 0,, x k )(x x 0) (x x k 1 ) k=1 y el teorema del valor medio F(x i, x i+1) = f(xi+1) f(xi) x i+1 x i = f (ξ), para algún ξ (x i, x i+1) Consideramos los puntos de interpolación y formamos la sucesión x 0, x 1,, x n definida por z 0, z 1,, z n z 0 = z 1 = x 0, z 2 = z = x 1,, z 2i = z 2i+1 = x i,
40 Polinomio de Hermite con diferencias divididas z f(z) Primeras diferencias Segundas diferencias z 0 = x 0 F(z 0) = f(x 0) F(z 0, z 1) = f (x 0) z 1 = x 0 F(z 1) = f(x 0) F(z 0, z 1, z 2) = F(z 1,z 2 ) F(z 0,z 1 ) z 2 z 0 F(z 1, z 2) = F(z 2 ) F(z 1 ) z 2 z 1 z 2 = x 1 F(z 2) = f(x 1) F(z 1, z 2, z ) = F(z 2,z ) F(z 1,z 2 ) z z 1 F(z 2, z ) = f (x 1) z = x 1 F(z ) = f(x 1) F(z 2, z, z 4) = F(z,z 4 ) F(z 2,z ) z 4 z 2 F(z, z 4) = F(z 4 ) F(z ) z 4 z z 4 = x 2 F(z 4) = f(x 2) F(z 2, z, z 4) = F(z,z 4 ) F(z 2,z ) z 4 z 2 F(z 4, z 5) = f (x 2) z 5 = x 2 F(z 4) = f(x 2) F(z 0, z 1, z 2) = F(z 1,z 2 ) F(z 0,z 1 ) z 2 z 0 nx H 2n+1(x) = F(z 0) + F(z 0,, z k )(x z 0) (x z k 1 ) k=1
41 Aproximación polinómica fragmentaria Al aumentar los puntos de interpolación, aumenta el grado del polinomio de aproximación y las oscilaciones Otro enfoque consiste en dividir el intervalo en una serie de subintervalos y en cada uno de esos subintervarlos construir un polinomio de interpolación de grado bajo La interpolación lineal une los puntos mediante rectas {(x 0, f(x 0)), (x 1, f(x 1)),, (x n, f(x n))} Otra posibilidad es usar polinomios cuadráticos entre [x i, x i+1]
42 Spline (trazador) cúbico Definición 61 (Spline cúbico) Considere f : [a, b] R y un conjunto de nodos a = x 0 < x 1 < < x n = b Un spline cúbico para f es una función S : [a, b] R tal que: 1 S [xj,x j+1 ]= S j donde S j es un polinomio cúbico en [x j, x j+1] 2 S(xj) = f(x j) para j = 0, 1,, n Sj+1(x j+1) = S j(x j+1) para j = 0, 1,, n 2 4 S j+1 (x j+1) = S j(x j+1) para j = 0, 1,, n 2 5 S j+1(x j+1) = S j (x j+1) para j = 0, 1,, n 2 6 Una de las siguientes condiciones de frontera se satisfacen 1 S (x 0 ) = S (x n) = 0 (frontera libre) 2 S (x 0 ) = f (x 0 ) y S (x n) = f (x n) (frontera sujeta)
43 Construcción del spline cúbico En cada intervalo [x j, x j+1] consideramos el polinomio cúbico S j(x) = a j + b j(x x j) + c j(x x j) 2 + d j(x x j) S j(x) = b j + 2c j(x x j) + d j(x x j) 2 S j (x) = 2c j + 6d j(x x j) (2) con j = 0,, n 1 Por la condición de interpolación (2), S(x j) = f(x j) = a j = f(x j) De la condición (), S j+1(x j+1) = S j(x j+1) a j+1 = a j + b j(x j+1 x j) + c j(x j+1 x j) 2 + d j(x j+1 x j) a j+1 = a j + b jh j + c jh 2 j + d jh j (24)
44 Construcción del spline cúbico De la condición (4) para la primera derivada, S j+1(x j+1) = S j(x j+1) b j+1 = b j + 2c j(x j+1 x j) + d j(x j+1 x j) 2 (25) b j+1 = b j + 2c jh j + d jh 2 j De la condición (5) para la segunda derivada, S j+1(x j+1) = S j (x j+1) 2c j+1 = 2c j + 6d j(x j+1 x j) c j+1 = c j + d jh j d j = cj+1 cj h j (26) Al reemplazar d j en (24) a j+1 = a j + b jh j + h2 j (2cj + cj+1) b j = 1 (a j+1 a j) hj (2cj + cj+1) h j (27)
45 Construcción del spline cúbico De la última ecuación b j 1 = 1 (a j a j 1) hj 1 (2cj 1 + cj) (28) h j 1 De nuevo, al reemplazar d j (26) en (25), b j+1 = b j + h j(c j + c j+1) (29) Resumiendo: tenemos las ecuaciones (27) y (28) b j = 1 (a j+1 a j) hj (2cj + cj+1) h j b j 1 = 1 (a j a j 1) hj 1 (2cj 1 + cj) h j 1 (0) La ecuación (29) se puede expresar como b j = b j 1 + h j 1(c j 1 + c j) (1)
46 Construcción del spline cúbico Finalmente reemplazamos (0) en (1) b j = b j 1 + h j 1 (c j 1 + c j ) 1 h j (a j+1 a j ) h j (2c j + c j+1 ) = 1 h j 1 (a j a j 1 ) h j 1 (2c j 1 + c j ) + h j 1 (c j 1 + c j ) 1 h j (a j+1 a j ) 1 h j 1 (a j a j 1 ) = h j (2c j + c j+1 ) h j 1 (2c j 1 + c j ) + h j 1 (c j 1 + c j ) (a j+1 a j ) (a j a j 1 ) = h j (2c j + c j+1 ) h j 1 (2c j 1 + c j ) + h j 1 (c j 1 + c j ) h j h j 1 El lado derecho se puede escribir como h j (2c j + c j+1 ) h j 1 (2c j 1 + c j ) + h j 1 (c j 1 + c j ) = 2h j c j + h j c j+1 2h j 1 2c j 1 h j 1 c j + h j 1 c j 1 + h j 1 c j = 2h j c j + h j c j+1 + h j 1 c j 1 + 2h j 1 c j = h j 1 c j 1 + 2(h j + h j 1 )c j + h j c j+1
47 Construcción del spline cúbico Obtenemos para los coeficientes c j el sistema de ecuaciones h j 1 c j 1 + 2(h j + h j 1 )c j + h j c j+1 = h j (a j+1 a j ) h j 1 (a j a j 1 ) {z } t j con j = 1, 2,, n 1 El sistema es (n 1) (n + 1): h 0 c (h 0 + h 1 ) c 1 + h 1 c = t h 1 c (h 1 + h 2 ) c 2 + h 2 c = t h n 2 c n + 2 (h n 2 + h n 1 ) c n 2 + h n 1 c n 1 = t n 1 Se requieren dos ecuaciones más para cerrar el sistema (condiciones de frontera (61), (62))
48 Construcción del spline cúbico Para la condición de frontera (61) S (x 0) = S (x n) = 0 De (2), S j (x) = 2c j + 6d j(x x j) = S 0 (x 0) = 2c 0 + 6d j(x 0 x 0) = 0 = c 0 = 0 Las ecuaciones c 0 = 0 y c n = 0 generan el sistema (n + 1) (n + 1): h 0 2(h 0 + h 1) h h 1 2(h 1 + h 2) h h n 2 2(h n 2 + h n 1) h n c 0 c c n 2 = t
49 Existencia del spline cúbico Teorema 61 (Spline cúbico con frontera libre) Sea f : [a, b] R Entonces existe un único spline cúbico S que interpola a f en a = x 0 < x 1 < < x n = b y que satisface la condición de frontera S (a) = 0 y S (b) = 0 Observaciones El interpolador S : [a, b] R está dado por S(x) = S j(x) = a j +b j(x x j)+c j(x x j) 2 +d j(x x j), x [x j, x j+1] donde 1 a j = f(x j ), j = 0,, n 2 c 0, c 1,, c n se obtienen de resolver el sistema lineal b j = (a j+1 a j )/h j h j (c j+1 + 2c j )/ (ecuación (0)) 4 d j = (c j+1 c j )/( h j ) (ecuación (26))
50 Construcción del spline cúbico Para la condición de frontera (62) S (x 0) = f (x 0) y S (x n) = f (x n) el sistema de ecuaciones queda h 0 h h 0 2(h 0 + h 1) h h 1 2(h 1 + h 2) h h n 2 2(h n 2 + h n 1) h n h n 1 2 h n 1 2 c 0 c c n = b 7 5 con 2 b = 6 4 h (a 1 a 0 0) f (a) h (a 2 a 1 1) h (a 1 a 0 0) h (a n a n 1 n 1) h (a n 1 a n 2 n 2) f (b) h (a n a n 1 n 1) 7 5
51 Ejemplo Ejemplo 61 (Spline cúbico con frontera libre) Encuentre el spline cúbico de frontera libre que interpola y determine el valor de y en x = 1,5 x y Solución El interpolador S : [a, b] R está dado por S(x) = S j(x) = a j +b j(x x j)+c j(x x j) 2 +d j(x x j), x [x j, x j+1] A = 6 4 a 0 = 0, a 1 = 1, a 2 = 0, a = 1, a 4 = 1 h 0 = h 1 = h 2 = h = h 4 = h 0 2(h 0 + h 1) h h 1 2(h 1 + h 2) h h 2 2(h 2 + h ) h =
52 Ejemplo Para b tenemos 2 A = t 1 t 2 t = (a 2 a 1) (a 1 a 0) h 1 h 0 (a a 2) (a 2 a 1) h 2 h 1 (a 4 a ) (a a 2) h 4 h = La solución del sistema viene dada por Ax = b x = [ 0, , , , ] T Para el resto de coeficientes podemos usar las fórmulas vistas b j = d j = aj+1 aj h j cj+1 cj h j h j c j+1 + 2c j
53 Ejemplo Para el resto de coeficientes del spline S(x) = S j(x) = a j + b j(x x j) + c j(x x j) 2 + d j(x x j) podemos usar también el programa SplineLibrec Resultados obtenidos a i b i c i d i 0, , , , , , , , , , , , , , , , El valor solicitado es en x = 1,5 [x 0, x 1] y S(x) = S 0(x) = 1, (x 1) 0, (x 1) S(1,5) = S 0(1,5) = 0,
54 Referencias RL Burden, JD Faires Análisis numérico Séptima Edición Editorial Thomson faires/numerical-analysis/ JW Eaton GNU Octave: A high-level interactive language for numerical computations Network Theory Ltd,
Interpolación. Javier Segura. February 12, 2012
February 12, 2012 polinómica Para cualquier conjunto de n + 1 (n 0) números distintos x 0, x 1,..., x n y cualquier conjunto de números arbitrarios y 0, y 1,..., y n, existe un único polinomio P n (x)
Más detallesTEMA 5: INTERPOLACION NUMERICA
Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 5: INTERPOLACION NUMERICA 1 EL PROBLEMA GENERAL DE INTER- POLACION En ocasiones se plantea el problema de que se conoce una tabla de valores de una
Más detallesEjercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.
Ejercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.. El número de personas afectadas por el virus contagioso que produce la gripe en una determinada población viene dado por la siguiente
Más detallesPresentación del curso
Análisis Numérico Presentación del curso CNM-425 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2010. Reproducción permitida bajo los términos
Más detallesEJERCICIOS PROPUESTOS: Interpolación
EJERCICIOS PROPUESTOS: Interpolación 1º. Determínese el polinomio de primer grado que en x = 1 toma el valor y en x 1 = toma el valor. Para ello: a) Escríbase el sistema de ecuaciones lineales que proporciona
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesCapítulo 3. Polinomios
Capítulo 3 Polinomios 29 30 Polinomios de variable real 31 Polinomios de variable real 311 Evaluación de polinomios Para el cálculo eficiente de los valores de un polinomio se utiliza el algoritmo de Horner,
Más detallesINTERPOLACIÓN: Error en la la interpolación polinómica de Lagrange
INTERPOLACIÓN: Error en la la interpolación polinómica de Lagrange Arturo Hidalgo LópezL Alfredo López L Benito Carlos Conde LázaroL Marzo, 007 Departamento de Matemática Aplicada y Métodos Informáticos
Más detallesCuadratura de Newton-Cotes
Profesor: Jaime Álvarez Maldonado Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación INTEGRACION NUMERICA Ayudante: Rodrigo Torres Aguirre INTEGRACION
Más detallesPOLINOMIOS INTERPOLANTES O DE INTERPOLACIÓN
Interpolación POLINOMIOS INTERPOLANTES O DE INTERPOLACIÓN Presentación del problema: Para una función dada f(x) se desea determinar un polinomio P(x) de grado m, lo más bajo posible, el cual en los puntos
Más detallesÁlgebra y Trigonometría Clase 2 Ecuaciones, desigualdades y Funciones
Álgebra y Trigonometría Clase 2 Ecuaciones, desigualdades y Funciones CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesEJERCICIOS RESUELTOS DE INTERPOLACION NUMERICA. 1) *Probar que si g interpola a la función f en,,, y h interpola a f en,,,,
Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación EJERCICIOS RESUELTOS DE INTERPOLACION NUMERICA Profesor: Jaime Álvarez Maldonado Ayudante: Rodrigo
Más detallesIntegración Numérica. Regla de Simpson.
Integración Numérica. Regla de Simpson. MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Salvador Botello CIMAT A.C. e-mail: botello@cimat.mx Lo que ya se vió
Más detallesTEMA 6: DERIVACION NUMERICA
Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 6: DERIVACION NUMERICA 1 INTRODUCCION En este tema nos ocupamos de aproximar las derivadas de orden arbitrario ν en un punto cualquier α de una función
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesAproximación Polinomial de Funciones.
Aproximación Polinomial de Funciones José María Rico Martínez Departamento de Ingeniería Mecánica Universidad de Guanajuato, F I M E E 1 Introducción En estas notas se presentan los fundamentos de los
Más detallesTeorema III.1 Existen un único polinomio interpolante de grado a lo más n. y 1 y 2 y 3. y n 1 y n. c 1 c 2 c 3. c n 1 c n
Capítulo III Interpolación Polinómica III1 Problema Dados n + 1 puntos (x 0, y 0 ), (x 1, y 1 ),, (x n, y n ), con abscisas diferentes, se trata de determinar un polinomio p n (x) tal que p n (x i ) =
Más detallesPlanteamiento General para Polinomios Ortogonales. 1. Producto interno genérico, norma y ortogonalidad
Semana 08/03/0 Polinomios Ortogonales Planteamiento General para Polinomios Ortogonales Hemos considerado un par de ejemplos de Polinomios Ortogonales En ambos podemos idenficar algunas características
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 13 Capítulo 6 Año 5 6.1. Modelo 5 - Opción A Problema 6.1.1 ( puntos) Justificar razonadamente
Más detallesPráctica 6 INTERPOLACIÓN
Práctica 6 INTERPOLACIÓN 6.1. Interpolación Polinómica Datos de interpolación: 8Hx k, f k L< k=0,1,...,n Conocemos los valores de una función, f k = f Hx k L, en n + 1 puntos distintos, x k, de un intervalo
Más detallesClase 4 Funciones polinomiales y racionales
Clase 4 Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales Marzo de 2014 Polinomios Definición Se llama polinomio en x a toda expresión de la forma p(x) = a 0 + a 1x+ +a n
Más detallesE.T.S. Minas: Métodos Matemáticos Ejercicios Tema 2 Aproximación e interpolación
E.T.S. Minas: Métodos Matemáticos Ejercicios Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 2006/07
Más detallesPolinomios de Chebyshev
Lección Polinomios de Chebyshev. Elección óptima de los nodos de interpolación Supongamos fijados un intervalo [a, b], una función real f definida en él y un número entero n. Cómo elegir n + nodos distintos
Más detallesDada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación
Tema 8 Ceros de funciones Versión: 23 de abril de 2009 8.1 Introducción Dada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación f(x) = 0. (8.1) La
Más detallesIntegración numérica
Integración numérica Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Índice Motivación y objetivos Cuadratura
Más detallesÁlgebra y trigonometría: Gráficas de ecuaciones y funciones
Álgebra y trigonometría: Gráficas de ecuaciones y funciones CNM-108 Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Este documento es distribuido bajo una licencia
Más detallesEXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que
EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I DEBE CONTESTAR ÚNICAMENTE A 4 DE LOS SIGUIENTES 5 EJERCICIOS 1. (.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que Sea
Más detallesDerivada y diferencial
Derivada y diferencial Una cuestión, que aparece en cualquier disciplina científica, es la necesidad de obtener información sobre el cambio o la variación de determinadas cantidades con respecto al tiempo
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesAplicaciones de Sistemas de Ecuaciones Lineales
Aplicaciones de Sistemas de Ecuaciones Lineales Departamento de Matemáticas, CCIR/ITESM 10 de enero de 2011 Índice 3.1. Introducción............................................... 1 3.2. Objetivo.................................................
Más detallesSemana 2 [1/24] Derivadas. August 16, Derivadas
Semana 2 [1/24] August 16, 2007 Máximos y mínimos: la regla de Fermat Semana 2 [2/24] Máximos y mínimos locales Mínimo local x es un mínimo local de la función f si existe ε > 0 tal que f( x) f(x) x (
Más detallesTRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE AGRONOMIA Y AGROINDUSTRIAS DEPARTAMENTO FISICO- MATEMATICO CATEDRA DE CALCULO NUMERICO TRABAJOS PRACTICOS COMPLEMENTARIOS PARA RESOLVER CON MATLAB
Más detallesREPASO DE FUNCIONES FUNCIONES REALES DE VARIABLE REAL
REPASO DE FUNCIONES FUNCIONES REALES DE VARIABLE REAL CORRESPONDENCIA. Se llama CORRESPONDENCIA entre dos conjuntos A y B a toda ley que asocia elementos del conjunto A con elementos del conjunto B. Se
Más detallesCONTENIDO PRÓLOGO LAS FUNCIONES... 5
CONTENIDO PRÓLOGO... 1 1. LAS FUNCIONES... 5 1.1 FORMAS DE REPRESENTACIÓN... 5 1.1.1 Representación de funciones... 6 1.1.2 Funciones definidas a trozos... 7 1.1.3 Simetría... 8 1.1.4 Funciones crecientes
Más detallesIntegral de Fourier y espectros continuos
9 2 2 2 Esta expresión se denomina forma de Angulo fase (o forma armónica) de la serie de Fourier. Integral de Fourier y espectros continuos Las series de Fourier son una herramienta útil para representar
Más detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
Más detallesMétodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las 7 Interpolación Palmas de G.C. de funciones 1 / 42II
Métodos Numéricos Grado en Ingeniería Informática Tema 7 Interpolación de funciones II Luis Alvarez León Univ. de Las Palmas de G.C. Métodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las
Más detallesFunciones de Variable Real
Tema 1 Funciones de Variable Real 1.1. La Recta Real Los números reales se pueden ordenar como los puntos de una recta. Los enteros positivos {1, 2, 3, 4,...} que surgen al contar, se llaman números naturales
Más detalles2. Obtener, por ensayo y error, una aproximación del entero más grande. Sugerencia: leer n y escribir n y n+1. (Puede ser muy largo el ensayo).
En los ejercicios, cuando se hable de un entero (un número entero), se trata de un entero del lenguaje C. Por ejemplo, 10 20 es un número entero en el sentido matemático, pero muy posiblemente este entero
Más detallesSolución de ecuaciones diferenciales por el método de elementos finitos
Solución de ecuaciones diferenciales por el método de elementos finitos Departamento de Matemáticas Método de elemento finito Un problema del método de diferencias finitas es que al aplicarlo obtenemos
Más detallesUn resumen de la asignatura. Junio, 2015
Un resumen de la asignatura Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones ETSIT (UPM) Junio, 2015 1 Los Números Reales(R) Los números Irracionales Continuidad
Más detallesCálculo de una y varias variables (con prácticas en wxmaxima) M.ª Victoria Sebastián Guerrero M.ª Antonia Navascués Sanagustín
Cálculo de una y varias variables (con prácticas en wxmaxima) M.ª Victoria Sebastián Guerrero M.ª Antonia Navascués Sanagustín Prensas Universitarias de Zaragoza Textos Docentes, 201 2011, 450 pp., 17
Más detallesIntroducción al Cálculo Numérico
Tema 1 Introducción al Cálculo Numérico 1.1 Introducción El Cálculo Numérico, o como también se le denomina, el Análisis numérico, es la rama de las Matemáticas que estudia los métodos numéricos de resolución
Más detalles2. Continuidad y derivabilidad. Aplicaciones
Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesProgramación MATLAB: Ecuaciones, polinomios, regresión e interpolación.
Programación MATLAB: Ecuaciones, polinomios, regresión e interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo. Contenidos
Cálculo Coordinación de Matemática I MAT021 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo Contenidos Clase 1: La Ecuación Cuadrática. Inecuaciones de grado 2, con y sin valor absoluto. Clase
Más detalles7. Forma de Lagrange para el polinomio interpolador. 9. Forma de Newton para el polinomio interpolador
Métodos Numéricos: Resumen y ejemplos Tema 2: Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, Version
Más detallesESCUELA PREPARATORIA OFICIAL NÚM. 11
EPO ESCUELA PREPARATORIA OFICIAL NÚM. CUAUTITLAN IZCALLI, MEX. PROGRAMA DEL ESTUDIANTE POR MATERIA DEL TURNO MATUTINO PRIMER PERIODO DE TRABAJO DEL PRIMER SEMESTRE DEL CICLO ESCOLAR 05-06 Materia: CÁLCULO
Más detallesCURSO CERO DE MATEMATICAS. Apuntes elaborados por Domingo Pestana Galván. y José Manuel Rodríguez García
INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIONES CURSO CERO DE MATEMATICAS Apuntes elaborados por Domingo Pestana Galván y José Manuel Rodríguez García UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica
Más detallesCLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO
MATEMÁTICAS AVANZADAS PARA LA INGENIERÍA EN SISTEMAS CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. SISTEMAS LINEALES DISCRETOS Y CONTINUOS 1.1. Modelos matemáticos 1.2. Sistemas 1.3. Entrada
Más detallesTEMA 5. FACTORIZACIÓN DE POLINOMIOS.
TEMA 5. FACTORIZACIÓN DE POLINOMIOS. 1. SACAR FACTOR COMÚN Cuando todos los términos de un polinomio, P(x), son múltiplos de un mismo monomio, M(x), podemos extraer M(x) como factor común. Por ejemplo:
Más detallesTécnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler
Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 3
Análisis Numérico para Ingeniería Clase Nro. 3 Ecuaciones Diferenciales Ordinarias Introducción Problemas de Valores Iniciales Método de la Serie de Taylor Método de Euler Simple Método de Euler Modificado
Más detallesMÉTODO DE LOS ELEMENTOS FINITOS.
de MÉTODO DE LOS ELEMENTOS FINITOS. Castillo Madrid, 23 de Noviembre de 26 Índice de 2 3 4 de de El de los Elementos Finitos (M.E.F.) es un procedimiento numérico para resolver ecuaciones diferenciales
Más detallesCapitulo IV - Inecuaciones
Capitulo IV - Inecuaciones Definición: Una inecuación es una desigualdad en las que hay una o más cantidades desconocidas (incógnita) y que sólo se verifica para determinados valores de la incógnita o
Más detallesMÉTODO NUMÉRICO HEURÍSTICO PARA EL CÁLCULO DE RAÍCES DE POLINOMIOS
MÉTODO NUMÉRICO HEURÍSTICO PARA EL CÁLCULO DE RAÍCES DE POLINOMIOS Ramón Cantú Cuéllar Luis Chávez Guzmán José Luis Cantú Mata Resumen En este artículo se propone un nuevo método numérico, para obtener
Más detallesConvergencia Lineal y el algoritmo de
Convergencia Lineal y el algoritmo de bisección 1 Introducción Claudio Fernández - Olga Funes El algoritmo de bisección es usualmente el primer algoritmo presentado en un curso de análisis numérico para
Más detalles1 Con juntos de Números: Axiomas 1
ÍNDICE 1 Con juntos de Números: Axiomas 1 LOS CONJUNTOS EN EL ALGEBRA. 1-1 Los conjuntos y sus relaciones, 1.1-2 Conjuntos y variables, 6. AXIOMAS DE LOS NUMEROS REALES. 1-3 Orden en el conjunto de los
Más detallesSistemas de ecuaciones no lineales
Práctica 6 Sistemas de ecuaciones no lineales En esta práctica revisaremos algunos métodos básicos para la resolución numérica de sistemas de ecuaciones no lineales 61 Método iterativo del punto fijo Partimos
Más detallesBachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )
1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números
Más detallesLímites y continuidad. Cálculo 1
Límites y continuidad Cálculo 1 Razones de cambio y límites La rapidez promedio de un móvil es la distancia recorrida durante un intervalo de tiempo dividida entre la longitud del intervalo. Ejemplo 1
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN El alumno contestará a
Más detallesM a t L a b. Oriol Roca POLINOMIOS EN MATLAB.
POLINOMIOS EN MATLAB Polinomios Los polinomios son expresiones matemáticas utilizadas muy frecuentemente en el modelado de problemas científicos x 4-12x 3 +25x+116 Polinomios Matlab proporciona poderosas
Más detallesCÁLCULO II. Grado M+I. Sucesiones y series de funciones. Sucesiones y series de funciones 1 / 27. Grado M+I () CÁLCULO II
CÁLCULO II Grado M+I Sucesiones y series de funciones Sucesiones y series de funciones 1 / Sucesiones funciones. Convergencia puntual Sucesión de funciones Definición Una sucesión de funciones será cualquier
Más detallesDERIVADAS PARCIALES Y APLICACIONES
CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras
Más detallesÁlgebra y trigonometría: presentación del curso
Álgebra y trigonometría: presentación del curso CNM-108 Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Este documento es distribuido bajo una licencia Creative
Más detallesProyectos de trabajos para Matemáticas
Proyectos de trabajos para Matemáticas 14 de julio de 2011 Resumen En cada uno de los Proyectos elegidos, los estudiantes deberán completar las etapas siguientes: Comprender el problema. Tomarse el tiempo
Más detallesDefinición 11.1 Sea f : A E F una aplicación r-veces diferenciable en un punto a A. o
Capítulo 11 Teoremas de Taylor Una vez más nos disponemos a extender a las funciones de varias variables resultados ya conocidos para funciones de una variable, los teoremas de aproximación de Taylor.
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesINDICE Capitulo Primero. Número. Variable. Función Capitulo II. Límite y Continuidad de las Funciones Capitulo III. Derivada y Diferencial
INDICE Capitulo Primero. Número. Variable. Función 1. Números reales. Representación de números reales por los puntos 1 del eje numérico 2. Valor absoluto de un número real 3 3. Magnitudes variables y
Más detallesCBC. Matemática (51) universoexacto.com 1
CBC Matemática (51) universoexacto.com 1 PROGRAMA ANALÍTICO 1 :: UNIDAD 1 Números Reales y Coordenadas Cartesianas Representación de los números reales en una recta. Intervalos de Distancia en la recta
Más detallesTema 7: Derivada de una función
Tema 7: Derivada de una función Antes de dar la definición de derivada de una función en un punto, vamos a introducir dos ejemplos o motivaciones iniciales que nos van a dar la medida de la importancia
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesDerivadas 6 ACTIVIDADES. 1. Página 140. Función f(x) x 2 1: Función g(x) x 3 7: 2. Página Página Página
Derivadas 6 ACTIVIDADES 1. Página 140 Función f(x) x 2 1: Función g(x) x 3 7: 2. Página 140 3. Página 141 4. Página 141 5. Página 142 211 Derivadas 6. Página 142 Las derivadas laterales no existen, por
Más detallesSistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia
Sistemas lineales de ecuaciones diferenciales Juan-Miguel Gracia Índice Sistemas lineales 2 Búsqueda de una solución especial 3 Aplicación a sistemas 4 Problema de condiciones iniciales 2 / 2 Sistemas
Más detallesCálculo I. Índice Límites Infinitos. Julio C. Carrillo E. * 1. Introducción Límites infinitos Límites en el infinito 9
2.3. Límites Infinitos Julio C. Carrillo E. * Índice. Introducción 2. Límites infinitos 3. Límites en el infinito 9 * Profesor Escuela de Matemáticas, UIS. . Introducción En esta sección se discuten dos
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detalles1. DEFINICIÓN. ax = b, x 2 = b, 2 + 5i, 0 + ( 2)i, 2 + 3i, 5 + 0i, 1 + 1i. 0 + ( 2)i = 2i, 5 + 0i = 5, 1 + 1i = 1 + i.
NÚMEROS COMPLEJOS PATRICIA KISBYE 1. DEFINICIÓN En los números reales es posible resolver cualquier ecuación lineal en una variable: ax = b, siempre que a sea distinto de 0. Pero las ecuaciones cuadráticas,
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesSi se pueden obtener las imágenes de x por simple sustitución.
TEMA 0: REPASO DE FUNCIONES FUNCIONES: TIPOS DE FUNCIONES Funciones algebraicas En las funciones algebraicas las operaciones que hay que efectuar con la variable independiente son: la adición, sustracción,
Más detallesCONTENIDOS MÍNIMOS del ÁREA DE MATEMÁTICAS
Dpto. de Matemáticas IES Las Breñas 4º ESO OPCIÓN B CONTENIDOS MÍNIMOS del ÁREA DE MATEMÁTICAS 1: Números reales. Septiembre-2016 Números no racionales. Expresión decimal - Reconocimiento de algunos irracionales.
Más detallesMATEMÁTICA - TERCERO - REVISIÓN INTEGRADORA. 1) Determinar k y h para que las rectas kx+2y-h=0, 4x+ky-2=0, se corten en un punto.
MATEMÁTICA - TERCERO - REVISIÓN INTEGRADORA ) Determinar k y h para que las rectas kxy-h=0, 4xky-=0, se corten en un punto ) La recta r: 5 x y 9 = 0, corta a la recta y = x en el punto A Obtener la ecuación
Más detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.7: Aproximación de funciones. Desarrollo de Taylor. Aproximación lineal. La aproximación lineal de una función y = f(x) en un punto x = a es la
Más detallesCÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 7 de Julio de 2000 Primera parte
ÁLULO Primer curso de Ingeniero de Telecomunicación Examen Final. 7 de Julio de 000 Primera parte Ejercicio 1. Entre todos los rectángulos del plano YOZ,inscritos en la parábola z = a y (siendo a>0) yconbaseenelejeoy
Más detallesUniversidad de Chile Integración por partes. Ingeniería Matemática SEMANA 6: PRIMITIVAS
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08- Ingeniería Matemática SEMANA 6: PRIMITIVAS 3.3. Integración por partes Proposición 3. (Fórmula de integración
Más detallesMÉTODOS NÚMERICOS SÍLABO
MÉTODOS NÚMERICOS SÍLABO I. DATOS GENERALES CARRERA PROFESIONAL ASIGNATURA CÓDIGO DE ASIGNATURA PRE- REQUISITO N DE HORAS TOTALES N DE HORAS TEORÍA N DE HORAS PRÁCTICA N DE CRÉDITOS CICLO TIPO DE CURSO
Más detallesMATEMÁTICAS 2º DE ESO
MATEMÁTICAS 2º DE ESO LOE TEMA VII: FUNCIONES Y GRÁFICAS Coordenadas cartesianas. Concepto de función. Tabla y ecuación. Representación gráfica de una función. Estudio gráfico de una función. o Continuidad
Más detallesEcuaciones Diferenciales. Conceptos Generales
Tema 1 Ecuaciones Diferenciales. Conceptos Generales Introducción La Modelización y Simulación es una área enorme de la ciencia pura y aplicada, a la que intentamos aproximarnos en esta asignatura. Dadas
Más detallesMétodos Numéricos: aproximación y error
Métodos Numéricos: aproximación y error Eduardo P. Serrano Versión previa Feb 0. Problemas y métodos numéricos Un problema numérico es aquel cuya solución es un número finito de números reales. Ej: - Ecuaciones
Más detallesMétodos Numéricos con Diferencias Finitas para EDPs de evolución
Práctica 6 Métodos Numéricos con Diferencias Finitas para EDPs de evolución En esta práctica resolveremos algunas ecuaciones en derivadas parciales mediante métodos numéricos que discretizan tanto el espacio
Más detallesMétodos Numéricos para Sistemas de Ecuaciones Lineales
Universidad de Chile Departamento de Ingeniería Matemática Cálculo Numérico MA-33A Métodos Numéricos para Sistemas de Ecuaciones Lineales Gonzalo Hernández Oliva GHO SEL - MA33A 1 MN para SEL: Temario
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz
Más detallesMETODOS MULTIPASOS METODOS DE ADAMS
METODOS MULTIPASOS Los métodos de euler, Heun, Taylor y Runge-Kutta se llaman método de un paso porque en el cálculo de cada punto sólo se usa la información del último punto. Los métodos multipaso utiliza
Más detallesUn algoritmo eficiente para modelar una secci on transversal del cauce del arroyo Sauce Corto, Sistema de Ventania Resumen Introducci
Un algoritmo eficiente para modelar una sección transversal del cauce del arroyo Sauce Corto, Sistema de Ventania Marcela P. Álvarez, Flavia E. Buffo, Jorge Gentili, Verónica Gil Resumen En este artículo
Más detalles