Asignatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS

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

Download "Asignatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS"

Transcripción

1 UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS Asgatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS Tema: INTERPOLACIÓN POLINÓMICA Prof. Carlos Code Lázaro Prof. Arturo Hdalgo López Prof. Alfredo López Beto Marzo, 7

2 ÍNDICE Pág.. INTRODUCCIÓN HISTÓRICA.... INTERPOLACIÓN POLINÓMICA DE LAGRANGE. 3.. La fórmula de terpolacó de Lagrage La fórmula del error e la terpolacó de Lagrage La fórmula de terpolacó de Newto Iterpolacó co soportes equdstates: fórmulas co dferecas ftas INTERPOLACIÓN POLINÓMICA DE HERMITE Iterpolacó de Hermte de prmer orde: la fórmula de terpolacó de Hermte Iterpolacó polómca de Hermte: caso geeral Aálss del error e la terpolacó de Hermte Iterpolacó de Hermte: la fórmula de Newto Plateameto Geeralzacó del cocepto de dfereca dvdda La fórmula de Newto para el cálculo del polomo terpolador de Hermte ANEXO: Otra forma de defr las dferecas dvddas co putos repetdos.. 35 BIBLIOGRAFÍA SOBRE EL TEMA... 43

3 Programacó y Métodos Numércos Iterpolacó polómca. Itroduccó hstórca E umerosos procesos físcos y téccos debe trabajarse co fucoes de las que ta sólo se cooce su valor (o el de sus dervadas) e u úmero fto de putos llamado soporte- pero de las que es descoocda la expresó a la que respode. Ua de las maeras más exteddas para operar co dchas fucoes cosste e aproxmarlas por otras fucoes, de expresó coocda (y, e la medda de lo posble, fácl de mapular). Ua de las formas e que se puede buscar esta fucó aproxmada cosste e oblgar a que la fucó aproxmadora (o sus dervadas) tome e los putos del soporte los msmos valores que la fucó que se quere aproxmar. E tal caso se dce que se ha terpolado la fucó orgal sedo la fucó terpoladora aquella que la aproxma. Las téccas de terpolacó puede clasfcarse, e ua prmera subdvsó, segú el tpo de expresoes co las que se busque la fucó terpoladora. Así exste la terpolacó polomal o polómca (e la que las fucoes terpoladoras so polomos), la terpolacó trgoométrca (cuado la fucó terpoladora es ua combacó de fucoes trgoométrcas), la terpolacó expoecal (s las fucoes terpoladoras so ua combacó de expoecales), etc... De etre todas ellas, las más frecuetemete utlzadas so la terpolacó polómca y, e meor medda, la trgoométrca. Al estudo de la prmera de ellas dedcaremos este tema. Au s el desarrollo de ua teoría rgurosa, el uso de la terpolacó polómca se perde e la hstora de los tempos. Recordemos por ejemplo

4 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd que umerosos matemátcos gregos calcularo aproxmacoes del úmero π terpolado el área del círculo etre los valores de las áreas de dos polígoos regulares de lados, uo scrto e la crcufereca permetral del círculo y el otro crcuscrto a dcha crcufereca. O que e el sglo IX los matemátcos árabes del calfato de Bagdad, sabía resolver certas ecuacoes o leales medate el método de regula fals. E cada teracó de dcho método, coocdos dos valores de ua fucó f(x ) y f(x + ) (tales que f(x ) f(x + ) < ) se debe buscar la recta que terpola a f(x) e los putos (x, f(x )) y (x +, f(x + )) para determar a cotuacó el puto e que corta al eje de abscsas, reducédose así el tervalo de certdumbre e el que se buscará ua raíz de la fucó f(x). Pero fue e la msma época e que se fraguó y acó el cálculo ftesmal e la que se puede cosderar que se cosoldaro las téccas de terpolacó polómca y, juto a ellas, las de dervacó e tegracó umérca. Numerosos problemas práctcos, fudametalmete vculados al comerco, a la cartografía y a la avegacó, exgía e los sglos XVI y XVII el cálculo de áreas ecerradas bajo curvas o la determacó de tagetes a ua curva e u puto. El prmero de dchos problemas, el cálculo de áreas ecerradas bajo tramos de curvas, sólo se sabía resolver e casos de curvas muy cocretas. Del segudo, que ates de esta época se cosderaba s relacó co el prmero, hubo que esperar a que el matemátco fracés Perre de Fermat (Beaumot de Lomage,7 de agosto de 6 Castres, de eero de 665) deara los prmeros métodos sufcetemete geerales para el cálculo de la tagete a ua curva e u puto. Y puesto que sí se sabía calcular el área exstete bajo líeas polgoales resulta fácl compreder que el cálculo de las áreas ecerradas por otras curvas más geerales se comezase a realzar aproxmado aquellas terpoládolas medate líeas polgoales compuestas por segmetos rectlíeos o, a lo sumo, parabólcos. Como podrá comprobar el lector de los apartados sguetes, las fórmulas y métodos de terpolacó, así como los de tegracó umérca, lleva e Cosúltese los aputes sobre los métodos de resolucó de ecuacoes o leales. Así por ejemplo, Arquímedes de Sracusa (87 a.c a.c) ecotró ua fórmula que permtía calcular el área ecerrada bajo u tramo de parábola.

5 Programacó y Métodos Numércos Iterpolacó polómca muchos casos el ombre de sges matemátcos de esta época. Auque o está muy claro que fue el prmero e utlzar cada ua de tales fórmulas (y revsoes hstórcas modfca a meudo el papel que cada uo de aquellos matemátcos jugó e la determacó de cada fórmula) tetaremos e las líeas sguetes realzar u pequeño esbozo de las cotrbucoes de los prcpales matemátcos que da ombre a las fórmulas más usuales que se ecuetra e estos temas. E termología actual, el problema de terpolacó que etoces se abordaba puede formularse e la forma sguete: Dadas (+) abscsas x < x <...< x y coocdos los valores f, f,..., f que e ellas toma ua certa fucó f(x), determar u polomo p (x) de grado meor o gual que cuyo grafo pase por los (+) putos (x, f ), (x, f ),..., (x, f ). Como veremos e apartados posterores sólo exste u úco polomo p (x) que sea solucó del problema ateror. S se deota a tal polomo por: p (x) = α + α x + α x α x los (+) coefcetes {α, α,..., α } so la solucó del sstema de (+) ecuacoes:.α + x α + (x ) α (x ) α = f.α + x α + (x ) α (x ) α = f......α + x α + (x ) α (x ) α = f Pero exste otras formas más cómodas de calcular este polomo. Ua de ellas es la desarrollada por los matemátcos gleses del sglo XVII y a la cual os referremos a cotuacó. A pesar de o ser croológcamete el prmero, parece oblgado comezar por el más grade de todos ellos: Sr Isaac Newto (4 de eero de 643, Woolsthorpe (Lcolshre, Iglaterra) - de marzo de 77, Lodres (Iglaterra)). La descrpcó de las umerosas aportacoes cetífcas de este gra matemátco y físco desbordaría co mucho los objetvos de esta breve troduccó hstórca. Baste recordar que los trabajos de Newto e mecáca, co la 3

6 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd formulacó de sus tres leyes, proporcoaro u marco físco que cotuó sedo pleamete vgete hasta la aparcó de las teorías relatvstas a comezos del sglo XX (y que el marco ewtoao cotúa sedo e el que se platea los problemas para las escalas de velocdades pequeñas e comparacó co las de la luz). Recordemos també que los trabajos de Newto sobre óptca revolucoaro los coocmetos de dcha dscpla. O que el telescopo dseñado por él permtó amplar el horzote de observacó astroómca realzado medcoes mucho más precsas. E u terreo más puramete matemátco, debe comezarse señalado que Newto y Lebz so cosderados los creadores, de forma depedete, del Cálculo Iftesmal. Juto a ello, so debdos a Newto muchos otros avaces matemátcos: fue el prmero e demostrar la fórmula del cálculo de la poteca -ésma de u bomo (el teorema bomal), el prmero e hacer otar la relacó exstete etre la dervacó (cálculo de tagetes) y la tegracó (cálculo de áreas),... Juto a estos mértos, el ctar a Newto como el artífce de ua fórmula de terpolacó polómca puede parecer algo bastate sgfcate. Pero s embargo debe resaltarse que Newto fue u hábl calculsta y que e umerosos desarrollos por él realzados se utlza téccas de terpolacó. La dea que subyace e el procedmeto de Newto para calcular el polomo terpolador p (x) que pasa por los putos (x, f ), (x, f ),..., (x, f ) cosste e expresarlo e la forma: p (x) = a + a (x-x ) + a (x-x ) (x-x ) a (x-x ) (x-x ) (x-x - ) co lo que se puede calcular los coefcetes {a, a, a,..., a } medate: p (x ) = f a = f (= f[x ] ) p (x ) = f a + a (x -x ) = f a = f f x x (= f[x, x ]) p (x ) = f a + a (x -x ) + a (x -x ) (x -x ) = f a = f f f f x x x x x x (= f[x, x, x ] ).. 4

7 Programacó y Métodos Numércos Iterpolacó polómca Los coefcetes así calculados so llamados dferecas dvddas y se suele represetar como a = f[x, x,..., x ]. Como se verá e apartados posterores, su cálculo puede realzarse de forma recursva de maera muy smple medate la fórmula: [ ] [ ] f x,...,x,x f x,x,...,x f [ x,x +,...,x + k,x+ k] = xk x co lo que el polomo terpolador buscado respode a la fórmula: + + k + k + + k [ ] [ ] ( ) p (x) = f x + f x,..,x (x x ) j = j= Esta forma de proceder (aplcada a ejemplos cocretos y obvamete descrta co ua termología dferete a como se ha realzado aterormete) fue publcada e la obra de Newto Methodus dfferetals aparecda e 7, s be era utlzada por Newto y otros matemátcos desde años ates. Debdo a ello la fórmula ateror se cooce co el ombre de fórmula de Newto para el cálculo del polomo terpolador. Nótese que, a f de cuetas, la fluxó f de ua fucó termología co la que Newto trodujo el cálculo ftesmal- o deja de ser más que la dfereca dvdda de prmer orde: f(x + h) f(x) f(x + h) f(x) f[ x,x+ h] = = (x + h) x h cuado h se hace teder haca cero. Icluso métodos dseñados para otros fes e esa época puede terpretarse de algua forma como métodos basados e terpolacó. Así, de forma depedete, Sr Isaac Newto y Joseph Raphso utlzaba u método de resolucó de ecuacoes o leales de la forma f(x) = que hoy es coocdo co el ombre de ambos. E cada teracó del método de Newto-Raphso 3, se determa ua aproxmacó x + de la raíz a partr de la aproxmacó precedete x medate la fórmula: 3 Cosúltese los aputes sobre los métodos de resolucó de ecuacoes o leales 5

8 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd x + = x f(x ) / f (x ) por lo que x + puede cosderarse el puto de corte co el eje de abscsas de la recta (polomo de prmer grado) que e x tee el msmo valor que la fucó f(x) y cuya prmera dervada tee el valor f (x ). Ello costtuye uo de los prmeros ejemplos de lo que después sería coocdo co el ombre de terpolacó de Hermte. f(x) x Precursor de alguos trabajos de Newto fue el matemátco escocés James Gregory (638, Drumaoak (Escoca) 675, Edmburgo (Escoca)). Este matemátco se atcpó e muchos aspectos a Isaac Newto y otros matemátcos posterores. Escrtos suyos, o publcados auque recogdos e la correspodeca que matuvo co otros cetífcos de su época, parece dcar que utlzaba téccas de cálculo ftesmal e los años e que Newto aú estaba dseñado estas herrametas. Ua de sus obras Optca promota publcada e 663- fue la base e la que se basó Newto para costrur su telescopo de refraccó. No obstate ua agra dsputa que matuvo co el holadés Chrsta Huyges le hzo muy retraído a la hora de publcar sus resultados. Gra parte de sus hallazgos so hoy coocdos por la aparcó de su correspodeca cetífca. Etre las cartas ecotradas puede resaltarse la que e 67 drge a u membro de la Royal Socety y que dca que James Gregory coocía la expresó de los desarrollos e sere de Taylor muchos años ates de que estos fuese publcados por Brook Taylor e 75. Asmsmo, la correspodeca hallada de él cofrma que había demostrado ates de 67, atcpádose al propo Newto, la fórmula de cálculo de las 6

9 Programacó y Métodos Numércos Iterpolacó polómca potecas de u bomo así como la msma fórmula de terpolacó de Newto. Hoy, recoocedo parcalmete ese hecho, se cooce co el ombre de fórmulas de Newto-Gregory a los casos partculares de la fórmula de Newto e la que el soporte de terpolacó está formado por putos e los que cada uo de ellos dsta la msma magtud del que le precede y le sgue (llamados soportes equdstates) y las dferecas dvddas so susttudas por dferecas ftas progresvas o regresvas. També se debe a Gregory ua de las prmeras fórmulas de tegracó umérca hallada por él e 67. Cotemporáeo de Newto fue otro matemátco glés co ua produccó de resultados mucho meor: Roger Cotes ( de julo de 683, Burbage (Iglaterra) 5 de juo de 76, Cambrdge (Iglaterra) ). Este matemátco, que sólo publcó u artículo e vda, trabajó e cálculo tegral y fue el ecargado de coordar la publcacó de la seguda edcó de la prcpal obra de Newto, Phlosophe Naturals Prcpa Matemátca (abrevadamete coocda como Prcpa). Por publcacoes posterores que recogía alguos de sus trabajos, edtadas por Thomas Smpso, se pudo coocer el gra trabajo que desarrolló e el cálculo de tablas de dferecas dvddas y su aplcacó al cálculo de tegrales. Recoocédole este esfuerzo hoy se cooce como fórmulas de Newto- Cotes a aquellas fórmulas de tegracó umérca que utlza soportes equdstates. De la msma época y també glés, es el matemátco James Strlg (acdo e mayo de69 e Garde (Escoca) y fallecdo e Edmburgo (Escoca) el 5 de Dcembe de 77). Este matemátco es fudametalmete recordado por la fórmula de Strlg que proporcoa ua expresó de! utlzado el úmero e. E el año 73 publcó ua obra, també ttulada Methodus Dfferetals, e la que aborda el estudo de métodos de terpolacó y de cuadratura. Por sus aportes e este campo y el uso de los factorales que e ella aparece, ua de las fórmula de terpolacó e la que se utlza deferecas ftas cetradas co u soporte equdstate se cooce hoy e día co el ombre de fórmula de Strlg. Lgeramete posteror a los aterores y etusasta segudor de las deas troducdas por Newto, es el matemátco glés Thomas Smpso ( de agosto de 7 Market Bosworth (Iglaterra) 4 de mayo de 76, Bosworth (Iglaterra)). Smpso, que ejercó como profesor partcular de matemátcas y logró ser membro de la Royal Socety, trabajó fudametalmete e teoría de 7

10 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd probabldades, e terpolacó y e tegracó umérca. Él es el que da ombre a ua de las fórmulas más populares de tegracó umérca e la que el área bajo u tramo de curva es aproxmada por el área bajo u tramo parabólco que cocde co la fucó a tegrar al meos e los extremos del tervalo de tegracó así como e el puto medo de dcho tervalo. Ates de abadoar la Iglaterra de comezos del sglo XVIII debemos mecoar a otro matemátco de esa época: Brook Taylor (8 de agosto de 685, Edmoto (Iglaterra) 9 de dcembre de 73, Lodres (Iglaterra)). E el año 75 Taylor publcó su obra Methodus cremetorum drecta e versa e la que usa profusamete las dferecas ftas y proporcoa, s demostrar su covergeca, el desarrollo e sere de ua fucó e u puto que hoy se cooce co el ombre de desarrollo e sere de Taylor y que es ua de las herrametas más utlzadas e el aálss que volucra fucoes dferecables. Recordemos que la fórmula de Taylor es: (x x*) ( f(x) p (x) = f(x*) + f (x*)! = El uso de este desarrollo e sere permte aproxmar ua fucó por u polomo de grado e el que tato la fucó como sus prmeras dervadas cocde e u puto dado co el valor del polomo y los de sus prmeras dervadas. E su hoor se deoma terpolacó de Taylor al proceso medate el que, coocdos los valores f(x ), f (x ),..., f ( (x ), se determa ua fucó p(x) verfcado que p(x ) = f(x ), p (x ) = f (x ),..., p ( (x ) = f ( (x ). Muchos otros matemátcos cotuaro ocupádose de temas relatvos a la terpolacó. Pero hubo que esperar hasta fales del sglo XVIII para que Joseph Lous Lagrage (5 de eero de 736, Turí (Itala) de abrl de 83, París (Fraca)) dedcase alguos de sus trabajos a la terpolacó polómca de fucoes y dseñara u método dferete al basado e las tablas de dferecas ftas para costrur el polomo terpolador de ua fucó. Al gual que e el caso de Newto, los trabajos de Lagrage sobre terpolacó so cosderados como trabajos meores detro de su maga obra. E efecto, Lagrage fue, al gual que muchos de los cetífcos de su época, u matemátco y físco muy polfacétco. A él se le debe, e el campo matemátco, métodos de resolucó de ecuacoes dferecales, téccas de optmzacó co restrccoes, la troduccó del cálculo smbólco e el 8

11 Programacó y Métodos Numércos Iterpolacó polómca cálculo ftesmal, la revalorzacó de la fórmula de Taylor,... Pero s duda su obra mayor es la Mécaque Aaltque e la que troduce u efoque etoces ovedoso y rguroso e el estudo de la mecáca: el cálculo de varacoes y los sstemas de coordeadas geeralzadas. E uo de sus tratados sobre astroomía, publcado e 79, Lagrage desarrolla su método de terpolacó para obteer polomos de grado que tome e (+) putos dferetes valores prefjados. El efoque ovedoso que adopta Lagrage para dseñar su método puede descrbrse dcedo que él busca el polomo terpolador p (x) que pasa por los putos (x, f ), (x, f ),..., (x, f ) expresádolo e la forma: p (x) = a (x-x ) (x-x )... (x-x ) + a (x-x ) (x-x )... (x-x ) a (x-x ) (x-x )... (x-x - ) = a (x x ) = j= j De esta forma, de las gualdades p (x k ) = f k (k =,,..., ) obtee que: j p(x ) = f a (x x) = f a = f j j= j= (x x ) j p(x ) = f. p(x ) = f a (x x) = f a = f j j= j j j= j (x x ).. a (x x) = f a = f j j= j= (x x ) j Co ello Lagrage proporcoa como expresó del polomo terpolador: p(x) = f (x x ) (x x ) j = j= j j 9

12 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd Esta fórmula es coocda desde etoces co el ombre de fórmula de terpolacó de Lagrage. E ella se expresa el polomo terpolador p (x) como ua combacó leal de los polomos: = (x x j) L(x) (x x ) j= j j que so deomados polomos de base de Lagrage (ya que costtuye ua base del espaco vectoral formado por todos los polomos de grado meor o gual que ). La fórmula de Lagrage fue gaádole terreo poco a poco a la fórmula de Newto y su uso se mostró más adecuado para el aálss de problemas de terpolacó co fucoes de varas varables. Téccas umércas posterores, como la de elemetos ftos, se apoyaro e la fórmula de Lagrage. Por todo ello, e hoor a este matemátco, hoy se deoma terpolacó lagragaa al proceso de obtecó de fucoes que e u cojuto de putos tome valores dados. La terpolacó sería objeto de atecó de otro de los grades matemátcos que vvero e el sglo XIX, llamado a meudo El Prícpe de los Matemátcos. Nos refermos a Joha Carl Fredrch Gauss (3 de abrl de 777, Bruswck (Alemaa) 3 de febrero de 855, Göttge (Alemaa)) que també tuvo ua produccó cetífca excepcoal o escapádose a su flujo práctcamete gua de las áreas de la Matemátca etoces exstetes: estadístca, teoría de úmeros, aálss complejo, seres, aálss de fucoes reales, cálculo tegral y dferecal, ecuacoes dferecales, álgebra, geometría,... A él se le debe el estudo de la mejor maera para tomar los (+) putos de u soporte de forma que se mmce el error de las fórmulas de tegracó umérca. Y e su hoor a tales fórmulas se las deoma hoy e día fórmulas de cuadratura gaussaa (o fórmulas de tegracó de Gauss). El últmo de los matemátcos del sglo XIX e que os detedremos es el fracés Charles Hermte (4 de dcembre de 8, Deuze, Lorea (Fraca) 4 de eero de 9, París (Fraca)). Hermte fue u matemátco muy creatvo, cotuador e buea medda de los trabajos de Abel, Galos y Louvlle sobre estructuras algebracas vculadas a la resolucó de ecuacoes. Fue Hermte

13 Programacó y Métodos Numércos Iterpolacó polómca el prmero e demostrar que el úmero e o era u úmero algebraco y el que allaó el camo para que poco después Ldema demostrase que π tampoco lo era (poedo, de esta forma, el broche fal al problema de la cuadratura del círculo que desde la época de los gregos ocupó a umerosos matemátcos). Juto a ello Hermte destacó otablemete e áreas matemátcas meos aplcadas (e varates algebracos, fucoes elíptcas,...). Pero afortuadamete, a pesar de las crítcas que muchos matemátcos le ha drgdo por ello, Hermte també dedcó u corto perodo de su vda, tres años haca 87, al estudo de problemas de aproxmacó e terpolacó troducedo téccas que permte calcular fucoes terpoladoras que, e los putos de u soporte, cocde tato ellas como sus prmeras dervadas co los valores de la fucó que se terpola y las dervadas correspodetes. De forma más cocreta, Hermte se ocupó, etre otros tópcos, de u problema de terpolacó más geeral que los de terpolacó de Lagrage e terpolacó de Taylor pues Hermte cosderó que e cada uo de los (+) putos x < x <... < x se coocía los valores de ua fucó f(x) y los de su prmera dervada f (x), buscado el polomo p + (x), de grado meor o gual que ( +), que verfcaba que: p + (x ) = f(x ) ( =,,, ) p (x ) f '(x ) ( =,,, ) ' + = Dcho polomo, que també puede demostrarse que es úco, fue obtedo por Hermte expresádolo como ua combacó leal de polomos e la forma: p (x) = f(x ) H (x) + f'(x ) H (x) +,, = = dode los polomos {H, (x), H, (x),..., H, (x), H, (x), H, (x),..., H, (x)} forma ua base del espaco formado por todos los polomos de grado meor o gual que ( +) y so deomados polomos de base de Hermte (y cuya expresó se obtedrá e apartados posterores). A la fórmula que proporcoa p + (x) e fucó de esta base se la cooce co el ombre de fórmula de terpolacó de Hermte. El problema de terpolacó de Hermte se geeralzó e años posterores dado cabda a que e cada puto x del soporte se supusera coocdos el valor de ua fucó f(x) y los de sus m prmeras dervadas, buscádose

14 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd etoces u polomo p α (x) de grado meor o gual que α, y dode el etero α está dado por α = + = m, verfcado: p (x ) f (x ) (j =,,..., m ) ( =,,..., ) (j (j α = E hoor a Charles Hermte este proceso se cooce co el ombre de terpolacó de Hermte. Obsérvese que la terpolacó de Lagrage es u caso partcular de la de Hermte e el que se toma ulos todos los valores m. Asmsmo, la terpolacó de Taylor es u caso partcular de la de Hermte e la que el soporte de terpolacó se reduce a u úco puto x. E el ttero se os ha quedado muchos otros matemátcos de los sglos XVII, XVIII y XIX que obtuvero resultados que coformaro ua sólda teoría sobre los métodos de terpolacó. El sglo XX, y especalmete su seguda mtad e la que las téccas de terpolacó pudero mplemetarse sobre ordeadores, coocó u autétco estalldo e el uso de la terpolacó, dervacó e tegracó umércas. Los métodos umércos de resolucó de ecuacoes dferecales, ordaras o parcales -que rge umerosos problemas de la físca, la químca o la geería- está basados e estas téccas. Así los métodos e dferecas ftas o elemetos ftos que se estuda e otras asgaturas puede ser cosderados como cotuadores de las téccas de terpolacó desarrolladas por Newto, Lagrage, Gauss, Hermte y muchos otros. Y baste recordar que la exsteca de tales métodos, juto a las máquas de cálculo, está presetes hoy e día e el estudo y dseño de avoes, cohetes, vehículos, edfcos, prótess, horos dustrales, establdad de galerías y taludes,... Esperamos que esta breve troduccó a las téccas de terpolacó permta al lector teer ua vsó geeral sobre el tema del que se ocupa estos aputes. Muchos y muy bueos matemátcos ha cotrbudo al desarrollo que ahora tee. Y muy umerosos so los campos e los que se ecuetra sus aplcacoes.

15 Programacó y Métodos Numércos Iterpolacó polómca. Iterpolacó polómca de Lagrage Cosderaremos e esta seccó el problema de terpolacó de Lagrage formulado de la maera sguete: Problema de Iterpolacó Polómca de Lagrage Dados (+) putos dsttos {x, x,..., x,..., x } y (+) valores {f, f,..., f,..., f }, ecotrar u polomo p (x), de grado meor o gual que, verfcado las gualdades: p (x ) = f ( =,,..., ) E tal problema deomaremos soporte de terpolacó al cojuto de putos {x, x,..., x,..., x }. E los soportes que cosderaremos supodremos que el ídce es u etero estrctamete postvo (es decr que al meos hay putos e el soporte) y que los (+) putos del soporte so dsttos etre sí. Cuado la dstaca etre putos cosecutvos sea sempre la msma se drá que el soporte es u soporte equdstate. Al polomo p (x) se le deomará polomo terpolador de Lagrage sobre el soporte {x, x,..., x,..., x } para los valores {f, f,..., f,..., f }. Cuado estos valores sea los valores que toma ua certa fucó f(x) e los putos del soporte, se drá que p (x) es el polomo terpolador de Lagrage de la fucó f(x) sobre el soporte {x, x,..., x,..., x }. No obstate, cuado cosderemos que o hay cofusó sobre los putos del soporte utlzados así como sobre los valores e ellos, os referremos a p (x) dcedo smplemete que es el polomo terpolador de Lagrage. Ejemplos: º) El polomo p (x) = x + x + π π es el polomo terpolador de Lagrage de la fucó f(x) = cos(x) sobre el soporte 4 π π,,. E efecto, es u polomo de grado meor o gual que verfcado: 4 3 π π π π p () = (=cos()), p = =cos, p = 4 4 =cos Adoptaremos e todo cuato sgue el coveo de que, salvo que se especfque lo cotraro, los argumetos de las fucoes trgoométrcas se cosdera dados sempre e radaes. 3

16 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd º) El polomo p 3 (x) = -x 3 + x 3 x + es el polomo terpolador de Lagrage de la fucó f(x) = x 4 3 x 3 + x x + sobre el soporte de 4 putos {-,,, }. E efecto, habedo 4 putos el polomo dado es u polomo de grado 3 que, además, verfca que: p 3 (-) = 8 (= f(-)), p 3 () = (= f()), p 3 () = (= f()), p 3 () = -4 (= f()) E este apartado presetaremos dferetes téccas para resolver el problema de terpolacó de Lagrage aterormete formulado. Ua prmera forma de determar el polomo buscado cosste e cosderar que p (x) es u polomo de la forma p (x) = α + α x + α x α x para, a cotuacó, obteer u sstema de (+) ecuacoes leales a partr de las gualdades etre los valores coocdos e el soporte y los valores que debe tomar el polomo terpolador e los putos del soporte. Más cocretamete: p (x ) = f α +α x +α x α x = f p (x ) = f α +α x +α x α x = f p (x ) = f α +α x +α x α x = f.... p (x ) = f α +α x +α x α x = f El sstema ateror puede escrbrse co otacó matrcal e la forma: x α x... x f α x x... x f x α = x... x f x x... x α f S, como se ha supuesto, los putos del soporte so dsttos etre sí, la matrz del sstema ateror es ua matrz regular y por tato el sstema ateror admte ua úca 5 solucó (es decr que el polomo buscado queda defdo de forma úca a través de sus coefcetes obtedos como solucó del sstema plateado). 5 No os deteemos a demostrar esta afrmacó pues la exsteca y ucdad del polomo terpolador de Lagrage será demostrada posterormete. 4

17 Programacó y Métodos Numércos Iterpolacó polómca Ejemplo: Determemos la expresó del polomo terpolador de Lagrage de la fucó f(x) = x 4 3 x 3 + x x + sobre el soporte {-,,, }. E estos putos se tee que: f = f(-) = 8, f = f() =, f = f() = y f 3 = f() = -4. Deotado al polomo buscado por: p 3 (x) = α + α x + α x + α 3 x 3, se tee que: p 3 (-) = f α - α + α - α 3 = 8 p 3 () = f α = p 3 () = f α + α + α + α 3 = p 3 () = f 3 α + α + 4 α + 8 α 3 = -4 es decr: α 8 α = α 4 8 α3 4 de dode: α =, α = -3, α =, α 3 = - por lo que: p 3 (x) = 3 x + x x 3. La fgura sguete recoge la gráfca de f(x) y de p 3 (x). f(x) p 3 (x) 5

18 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd Ejercco propuesto: Platéese el sstema de ecuacoes que permte calcular el polomo π π terpolador de Lagrage de la fucó f(x) = se(x) sobre el soporte,, 4. Resuélvase dcho sstema y escríbase la expresó del polomo terpolador. Esta forma de calcular el polomo terpolador de Lagrage, medate la resolucó de u sstema de (+) ecuacoes co (+) cógtas, es útl cuado se trabaja co u soporte formado por u úmero de putos relatvamete bajo. E el caso de que o sea así es ecesaro realzar u gra esfuerzo computacoal para resolver el sstema de ecuacoes al que se llega. Pero además, esta forma de proceder tee meos terés que otras que aalzaremos a cotuacó cuado se pesa e aplcarlas a los métodos de resolucó umérca de problemas de cotoro (y e cocreto al método de elemetos ftos) que se aborda e otras asgaturas. Por ello, e los subapartados que sgue, se estudará otras téccas de cálculo del polomo terpolador de Lagrage. 6

19 Programacó y Métodos Numércos Iterpolacó polómca.. La fórmula de terpolacó de Lagrage Teorema (Exsteca y ucdad del polomo terpolador de Lagrage) Dados (+) valores {f, f,..., f,..., f }, y sedo L (x) (=,, ) los polomos de base de Lagrage asocados al soporte formado por las (+) abscsas dsttas {x, x,..., x,..., x }, exste u úco polomo de grado meor o gual que, p (x), verfcado las (+) gualdades: p (x ) = f ( =,,,..., ) () Demostracó: Como se ha vsto e el apartado ateror, el sstema () puede escrbrse co otacó matrcal e la forma: x α x... x f α x x... x f x α = x... x f x x... x α f [X] {α} = {f} La matrz del sstema, habda cueta de que las abscsas x, x,., x so todas ellas dsttas, tee su determate del tpo Vadermode y por ello dstto de. E otros témos es ua matrz regular que admtrá versa [X] -. Por ello exstrá u úco juego de coefcetes, dado por la expresó: {α} = [X] - {f} Que detfque al polomo terpolador p (x). c.q.d. Defcó Se deoma polomos de base de Lagrage asocados al soporte formado por las (+) abscsas dsttas {x, x,..., x,..., x }, y los deotaremos por L (x) (=,, ), a los (+) polomos de grado meor o gual a defdos por las expresoes: S = : L (x) = S > : = x xj L(x) ( =,,,..., ) () j= x xj j 7

20 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd El método dseñado por Lagrage para el cálculo del polomo terpolador, utlza los polomos de base de Lagrage que se acaba de defr. La forma e que se utlza, se recoge e el sguete teorema. Teorema (Fórmula de Lagrage para el polomo terpolador) Dados (+) valores {f, f,..., f,..., f }, y sedo L (x) (=,, ) los polomos de base de Lagrage asocados al soporte formado por las (+) abscsas dsttas {x, x,..., x,..., x }, se verfca que el polomo terpolador de Lagrage sobre el soporte cosderado y para los valores dados puede expresarse como: = p (x) f L(x) (3) = Demostracó: Basta co observar que los polomos de base de Lagrage dados por la expresó () so polomos de grado verfcado, sobre los putos del soporte, que verfca: s k L(x k) =δ k = s = k Por tato, el polomo dado por la fórmula de terpolacó de Lagrage (3) es u polomo de grado meor o gual que (al ser ua combacó leal de polomos de grado ) que además verfcará que: p (x k ) = k = f L(x ) = f k L k (x k ) = f k (k =,,..., ) Es, por ello, el polomo terpolador de Lagrage sobre el soporte cosderado y para los valores dados e el eucado. c.q.d. NOTA: La expresó (3) se cooce como fórmula de terpolacó de Lagrage. Cosecueca medata del teorema ateror es el sguete corolaro Corolaro S p(x) es ua fucó polómca de grado m, y es u etero estrctamete postvo tal que m <, el polomo terpolador de Lagrage p (x) de la fucó p(x) sobre cualquer soporte formado por (+) putos es la propa fucó p(x). 8

21 Programacó y Métodos Numércos Iterpolacó polómca Demostracó: El grado del polomo terpolador de Lagrage sobre u soporte formado por (+) putos debe ser meor o gual que. La fucó p(x) se ha supuesto que es u polomo de grado m < por lo que verfca la codcó sobre el grado exgdo al polomo terpolador de Lagrage. Puesto que obvamete el valor de la fucó p(x) e los putos del soporte cocde co el valor p(x ) se puede coclur que p(x) es el polomo terpolador de Lagrage de ella msma. Y como e vrtud del teorema ateror el polomo terpolador de Lagrage es úco, puede coclurse que p (x) p(x). c.q.d. Ejemplo: Utlcemos la fórmula de Lagrage para determar el polomo terpolador de π π Lagrage de la fucó f(x) = se(x) sobre el soporte,, 4. E prmer lugar calculemos los valores de la fucó f(x) e los putos del soporte: f =f() = se() =, f = π π f = se = 4 4, f = f π π = = se Procedamos a cotuacó a calcular (y represetar gráfcamete) los polomos de base de Lagrage asocados a este soporte. π π x x 4 8 x 6 π x +π L(x) = = π π π 4 π ( x ) x 6 x + 8 π x L(x) = = π π π π 4 4 π ( x ) x 4 8 x π x L(x) = = π π π π 4 9

22 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd L (x) L (x) L (x) π/4 π/ Co ayuda de estos polomos de base se calcula el polomo terpolador utlzado la fórmula de terpolacó de Lagrage: ( + π 6 x 8 x) 8 x π x p (x) = f L (x) + f L (x) + f L (x) = + = π π = x π π x La fgura sguete recoge, además de las gráfcas de los tres polomos de base, la gráfca de la fucó f(x) = se(x) y la gráfca del polomo terpolador que se acaba de determar. π/4 π/ Ua aproxmacó del valor de se() puede obteerse etoces evaluado p (): se() p () =

23 Programacó y Métodos Numércos Iterpolacó polómca Puede compararse esta aproxmacó del valor de se() co el valor exacto que es Examemos algua de las propedades de los polomos de base de Lagrage. Propedad Dado el soporte {x, x,..., x,..., x }, el -ésmo polomo de base de Lagrage: = x xj L(x) x x j= j j ( =,,...,) es el úco polomo de grado meor o gual que que verfca que: s k L(x k) =δ k = s = k (, k =,,..., ) Demostracó: Es evdete -s más que susttur e la expresó del polomo L (x) la varable x por la abscsa x k (k =,,...,,.., ) - que L (x) es u polomo de grado meor o gual que que se aula e todos los putos del soporte salvo e el puto x e el que toma el valor udad. La ucdad se fere del hecho de que, e vrtud del teorema de exsteca y ucdad del polomo terpolador, sólo puede haber u polomo de grado meor o gual que pasado por los (+) putos (x, ), (x, ),..., (x -, ), (x, ), (x +, ),..., (x, ). c.q.d. La gráfca sguete represeta el hecho que se acaba de demostrar recogedo los grafos de los 5 polomos de base asocados al soporte formado por las abscsas {.5,., 4.56, 8.33,.45}.

24 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd Propedad Dado el soporte {x, x,..., x,..., x }, los polomos de base de Lagrage asocados a dcho soporte: verfca que: Demostracó: = x xj L(x) x x j= j j = L (x) = x ( =,,..., ) La fucó udad, p(x) =, es u polomo de grado. Por tato perteece al cojuto de polomos de grado meor o gual que para cualquer eleccó del úmero atural que se haga. Puesto que, e vrtud del corolaro, el polomo terpolador de Lagrage p (x) de esta fucó p(x) sobre el soporte de abscsas dsttas {x, x,..., x,..., x } ha de cocdr co p(x), se verfcará que: = p(x) = p (x) = Ejerccos propuestos: p(x ) L (x) = L (x) = L (x) = = = c.q.d.

25 Programacó y Métodos Numércos Iterpolacó polómca º) Demostrar que sedo Π(x) el polomo de grado (+) dado por la expresó: j= Π (x) = (x x ), se puede escrbr el -ésmo polomo de base de Lagrage sobre el soporte {x, x,..., x,..., x } como: j Π(x) L(x) = (x x ) Π'(x ) º) Demostrar que sedo L (x), L (x),..., L (x) los (+) polomos de base asocados al soporte {x, x,..., x,..., x } se verfca que: m = m = x L(x) x m 3º) Justfcar la veracdad o falsedad de la afrmacó sguete: Para cualquer polomo de base de Lagrage L (x) asocado a u soporte geérco {x, x,..., x,..., x } se verfca que: L (x) x ( x,x ) ( =,,..., ) 4º) Utlícese la fórmula de Lagrage para determar el polomo terpolador π π π de Lagrage de la fucó cos(x) sobre el soporte,,, 6 3. Represétese las gráfcas de los polomos de base asocados a este soporte e díquese el valor terpolado que aproxmaría cos(π/4). 5º) Determíese el polomo terpolador de Lagrage, p 5 (x), de la fucó f(x) = x 3 sobre el soporte {,,, 3, 4, 5}. Cuál es el error de terpolacó e el puto x =.5, es decr cual es el valor de f(.5) p 5 (.5)?. 6º) Demuéstrese que los polomos = x xj L(x) x x j= j j ( =,,..., ) asocados al soporte {x, x,..., x,..., x } forma ua base del espaco vectoral P formado por todos los polomos (de varable y coefcetes reales) de grado meor o gual que. 3

26 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd.. Fórmula del error e la terpolacó de Lagrage Las téccas de terpolacó de Lagrage descrtas hasta ahora (y las que se descrbrá e subapartados sguetes) permte ecotrar u polomo de grado meor o gual que que cocde co los valores de ua fucó f(x) e los putos del soporte de terpolacó {x, x,..., x }. Pero esta cocdeca de valor o tee por qué producrse e putos o perteecetes al soporte. Es por ello que se puede defr ua fucó error de terpolacó de la forma sguete: Defcó Sedo p (x) el polomo terpolador de Lagrage de la fucó f(x) sobre el soporte {x, x,..., x }, se deoma error de terpolacó (de Lagrage) a la fucó E(x) que a todo puto x le asoca el valor E(x) = f(x) p (x). f(x) p (x) p (x*) f(x*) E(x*) x x x* x E geeral, s o se tee formacó adcoal sobre la fucó f(x) que se está terpolado, poco se puede decr sobre el error de terpolacó (salvo que será ulo e los putos del soporte). Pero s se admte ua certa regulardad de la fucó f(x), más cocretamete, s se admte que tato la fucó f(x) como sus prmeras dervadas so cotuas y acotadas, es posble obteer cotas de la fucó error de terpolacó e el tervalo (a, b) al que perteezca los putos del soporte. Dedcaremos este subapartado a cocretar esta afrmacó. 4

27 Programacó y Métodos Numércos Iterpolacó polómca Teorema 3 Sedo f(x) ua fucó cotua de clase C (+) ((a, b)) y deotado por p (x) al polomo terpolador de Lagrage de la fucó f(x) sobre el soporte {x, x,..., x }, formado por (+) putos dsttos de (a, b), para todo puto x* (a, b) se puede ecotrar algú puto ξ * (a, b), depedete del puto x* que se escoja, verfcado que: (+ f ( ξ *) E(x*) = f(x*) p (x*) = (x * x ) ( + )! = Demostracó: S el puto x* cocdera co alguo de los putos del soporte la gualdad ateror es evdete pues el error sería ulo y el productoro que aparece e la expresó del error també se aularía. Cosderemos pues el caso e que x* {x, x,..., x }. E esta stuacó se puede defr el polomo: q(x) = p (x) + f(x*) p (x*) (x x ) = (x * x ) = El polomo q(x) es u polomo de grado meor o gual que (+), pues es la suma de u polomo de grado meor o gual que (p (x)) más otro polomo de grado (+) (dado por f(x*) p (x*). (x * x ) = = (x x ) ) multplcado por la costate Además dcho polomo verfca que: q(x k ) = p (x k ) + f(x*) p (x*) k (x x ) = (x * x ) = = p (x k ) = f(x k ) (k =,,..., ) f(x*) p q(x*) = p (x*) + (x*) (x* x ) = p (x*)+ f(x*) - p (x*) = f(x*) = (x * x ) = Por tato q(x) es el polomo terpolador de Lagrage de la fucó f(x) sobre el soporte formado por los (+) putos: {x, x,..., x, x*}. 5

28 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd Defmos etoces la fucó F(x) = f(x) q(x). Esta fucó es cotua y será de clase C (+) ((a, b)) pues es la dfereca de dos fucoes de dcho espaco. Además la fucó F(x) se aula e los (+) putos dsttos {x, x,..., x, x*}. Aplcado sucesvamete el teorema de Rolle 6 se tee etoces que F (x) se aulará e al meos (+) putos de (a, b), F (x) lo hará e al meos putos de (a, b), F (x) será ula e al meos (-) putos de (a, b),... y F (+ (x) se aulará e al meos u puto del tervalo (a, b). Deotemos por ξ * a alguo de los putos de (a, b) e los que se aula F (+ (x). Se tee así que: = F (+ ( ξ *) = f (+ ( ξ *) q (+ ( ξ *) = = f (+ ( ξ *) (+ f(x*) p (x*) p ( ξ*) (x x ) = (x * x ) = (+ = = f (+ ( ξ * ) f(x*) p (x*) ( + )! (x * x ) = (+ f ( ξ f(x*) p (x*) = *) (x* x ) ( + )! = c.q.d. Ua cosecueca medata del teorema ateror es el hecho, ya coocdo por el corolaro demostrado e el apartado ateror, de que s f(x) es ua fucó polómca de grado meor o gual que, al terpolarla co (+) abscsas dsttas de soporte el error que se comete es ulo (pues la dervada de orde (+) de u polomo de grado meor o gual que es la fucó ula). Pero el teorema ateror, tal cual está formulado, tee ua aplcacó práctca escasa pues su uso e la determacó del error de terpolacó de Lagrage cometdo e u puto x* exge el coocmeto prevo de la (+)-ésma dervada de la fucó f(x) (cuado lo habtual es que ta squera se coozca la expresó de f(x)) y además la abscsa ξ * e la que evaluar dcha dervada. Pero s embargo sí que os ofrece formacó cualtatva sobre el proceso de 6 Teorema de Rolle: S ua fucó g(x) cotua e el tervalo [a, b] es dervable e (a, b) y además verfca que f(a) = f(b), etoces exste al meos u puto c (a, b) e el que se verfca que f (c) =. 6

29 Programacó y Métodos Numércos Iterpolacó polómca terpolacó. E efecto, ua cosecueca medata de dcho teorema es que s se deota por M al valor: (+ M= Sup f (x) se verfcará que: de dode: x ( a,b) x (a,b) : E(x) = f(x) p (x) x (a,b) : E(x) = f(x) p (x) M (x x ) ( + )! ( ) = M Sup (x x) ( + )! x x,x = S se deota por h a la logtud del tervalo (a,b) es evdete que, para todo puto x teror a dcho tervalo se verfcará que: x-x < h. Ello os permte expresar la cota de error e la forma: M + x (a,b): E(x) = f(x) p (x) h ( ) ( + )! Las desgualdades aterores recoge cotas superores del máxmo del valor absoluto de la fucó de error de terpolacó. Tales cotas puede ser alcazadas o o por la fucó de error (sedo frecuete que el error real de terpolacó sea ostesblemete meor que la cota así calculada). Por ello el terés de estas acotacoes se ecuetra cuado la cota calculada es sufcetemete pequeña, pues e ese caso se puede asegurar errores de terpolacó pequeños. Cuado la cota tee u valor alto poco se puede asegurar sobre el error de terpolacó. Por otra parte debe señalarse que las desgualdades ates obtedas puede ducr al lector que aborda por prmera vez el estudo de la terpolacó de Lagrage a sacar coclusoes erróeas. Por ejemplo es frecuete que a la vsta de esta expresó se pese (erróeamete) que u cremeto e el úmero de putos del soporte, s cremetar la logtud del tervalo, coduce a u meor error de terpolacó ya que al aumetar crece el valor de (+)!. Ello o sempre sucede así pues, auque es certo que el factoral (+)! acaba crecedo co más rápdamete que el valor de h, debe (+ teerse e cueta que el valor de M = Sup f (x) o es depedete de. ( ) x x,x Además el cremeto del úmero de putos del soporte puede coducr a polomos terpoladores de alto grado que presete osclacoes muy proucadas lo cual o sempre será acorde co la aturaleza de la fucó 7

30 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd f(x) que se terpole. U ejemplo de lo que se acaba de señalar se recoge a cotuacó. Ejemplo: Sea f la fucó defda medate f(x) = se(π x ). S, e el tervalo [, 4] se cosdera u soporte equdstate formado por los (+) putos: x = 4 / ( =,,, ) ua cota del error de terpolacó está dada por: (+ ) 4 x [,4 ]: E(x) sup f (x) ( + )! x,4 ( (+ ) ( ) E la tabla sguete se recoge, para alguos valores de, el valor de (+ ) 4 (+ α= M= sup f (x) y + x,4 Cota= ( )!, y los órdees de magtud de los valores de ( ) ( ) (+ ) 4 sup f (x) ( + )! x,4 ( (+ ) ( ). α O(M) O(Cota) Puede observarse como u cremeto e el úmero de putos del soporte de terpolacó o coduce a ua dsmucó de la cota de error. Pero aalcemos s estas cotas de error os proporcoa algua formacó útl. 8

31 Programacó y Métodos Numércos Iterpolacó polómca Obsérvese que el polomo terpolador obtedo para = se obtedría co el soporte {x =, x =, x = 4} e el que la fucó toma los valores: f = se() =, f = se(4 π) =, f = se(6 π) = lo que os coduce a que p (x) = y a que el error de terpolacó realmete cometdo es: E(x) = se(π x) p (x) = se(π x). E otros térmos el error real de terpolacó toma valores compreddos etre - y por lo que la cota de error obteda e la tabla ateror es muy superor al máxmo del valor absoluto del error. Para = 4 los putos del soporte so {x =, x =, x =, x 3 = 3, x 4 = 4}. E ellos los valores de la fucó so: f = se() =, f = se(π) =, f = se(4 π) =, f 3 = se(9 π) =, f 4 = se(6 π) = lo que os coduce a que p 4 (x) = y a que el error de terpolacó realmete cometdo es: E(x) = se(π x) p (x) = se(π x). E otros térmos el error real de terpolacó toma valores compreddos etre - y por lo que la cota de error obteda e la tabla ateror es muy superor al máxmo del valor absoluto del error. Para = 6 el soporte de terpolacó está formado por los putos {x =, x = /3, x = 4/3, x 3 =, x 4 = 8/3, x 5 = /3, x 6 = 4,} sedo los valores (aproxmados por sus 4 prmeros decmales) de la fucó e él: f = se() =, f = se(4 π/9) =.9848, f = se(6 π/9) = -.648, f 3 = se(4 π) =, f 4 = se(64 π/9) = -.34, f 5 = se( π/9) = -.34, f 6 = se(6 π) = El dbujo sguete recoge las gráfcas de la fucó f(x) (puteada) y del polomo terpolador que se obtedría (e trazo cotuo) y permte 9

32 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd verfcar que també ahora la cota de error obteda supera co mucho el máxmo valor absoluto del error de terpolacó. No obstate, a pesar de que e los casos aterores las cotas de error so muy elevadas, ada hace pesar que u cremeto del úmero de putos pueda mejorar la caldad de la terpolacó. Para lustrar este hecho, los dbujos sguetes recoge las gráfcas obtedas co 3 y co 4 putos de soporte para esta fucó. E la seguda de ellas, los tramos o dbujados del polomo terpolador excede la escala de las ordeadas cosderadas y por ello se recoge e otra fgura la gráfca del polomo terpolador aumetado el rago de las ordeadas represetadas. Soporte co 3 putos 3

33 Programacó y Métodos Numércos Iterpolacó polómca Soporte co 4 putos Soporte co 4 putos (ordeadas e [-, ]) NOTAS: ª. Cuado e u tervalo [a, b] se elge u soporte equdstate que cluya a los extremos del tervalo, es decr u soporte de la forma: se verfca 7 que: (b a) x = a+ ( =,,..., ) 7 Para ua demostracó detallada puede cosultarse M. Crouzex & A.L. Mgot (983) Aalyse umérque des équatos dfféretelles, Ed. Masso. 3

34 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd e Sup (x x ) C (b a) ( ) l() x x,x = (+ ) dode C es ua costate postva. ª. La acotacó del error aterormete obteda M x [ x,x ] : E(x) = f(x) p (x) Sup (x x) ( + )! ( ) x x,x = dca que s se quere mmzar el error de terpolacó mateedo el úmero de putos del soporte, estos putos debería ubcarse de forma que se mmzase el valor de Sup (x x ). El cálculo de la poscó de estos ( ) x x,x = putos coduce (tras u proceso algo laboroso) a que e u tervalo [a, b] la mejor eleccó de los (+) putos de soporte está dada por las fórmulas: a+ b b a ( + ) ξ= + cos π ( + ) ( =,,..., ) Los soportes así formados se cooce co el ombre de soportes de Chebyshev 8. Co ellos puede demostrarse que: Sup (x x ) = ( ) x x,x = (b a) (+ ) ( + ) lo que os permte establecer la cota de error: E(x) M (b a) ( + )! (+ ) ( + ) 8 E la determacó de los putos de este tpo de soportes juega u papel esecal los deomados polomos de Chebyshev: {T (x) =, T (x) = x, T = x T - (x) T - (x) ( =,...,) }. A partr de ellos puede costrurse los polomos t (x) =, t (x) = x, t (x) = (/ (-) ) T ( =,..., ), pudédose demostrar fáclmete que, e el tervalo [-, ], estos polomos forma ua base del espaco de polomos de grado meor o gual que y que ademas t (x) es el polomo de grado co coefcete drector utaro co meor orma.. Es por ello que este tpo de soportes se deoma soporte de Chebyshev e hoor al matemátco ruso Pafuty Lvovch Chebyshev (6 de mayo de 8, Okatovo (Rusa) 8 de dcembre de 894, Sa Petersburgo (Rusa)). Para u mayor detalle del proceso de costruccó de los soportes de Chebyshev, puede cosusltarse F. Mchavla & C. Code (987) Métodos de Aproxmacó, Ed. Depto. de Matemátca Aplcada y Métodos Iformátcos ETSI Mas Uversdad Poltécca de Madrd. 3

35 Programacó y Métodos Numércos Iterpolacó polómca Ejemplos: º. Sea f la fucó f(x) = e x. S se desea terpolar esta fucó e u tervalo [a, b] utlzádose u soporte formado por (+) putos, ua cota del error de terpolacó es: (+ ) x (b a) b x [a,b] : E(x) Sup ( e ) Sup (x x ) = e ( + )! x (a,b) x (a,b) = ( + )! Puesto que la fucó factoral preseta u crecmeto mayor que la fucó potecal, el error de terpolacó, e este caso, tederá a cero cuado teda a fto. E otros térmos, los polomos terpoladores de Lagrage p (x) de la fucó e x obtedos para soportes co putos cada vez será más próxmos a e x (dcho más correctamete, la sucesó de polomos p (x) coverge a e x cuado tede a fto). º) S se desea terpolar e el tervalo [, ] la fucó f(x) = e x utlzado putos de soporte, ua cota del error de terpolacó será: e x [, ]: E(x) Sup((x x ) (x x )) x, ( ) Deotemos por q(x) = (x-x ) (x-x ) = x (x +x ) x + x x. Co esta otacó es evdete que la cota del error de terpolacó será más pequeña cuato meor sea el máxmo de q(x) e [, ]. Segú lo dcado e el cometaro realzado e la ª de las otas aterores, ello se logra ubcado los putos del soporte e las abscsas: ξ = + cos π = ξ = + cos π = 4 lo que os coduce a que el soporte de Chebyshev, e este caso, es: x = y x = +. La fgura sguete recoge el grafo de la fucó e x y de los polomos de grado (rectas) obtedos co el soporte {, } (recta superor ), co el soporte {.499,.5} (recta feror ) y co el soporte de Chebyshev (recta termeda ). 33

36 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd 3º. Sedo f(x) = se(5 x+), x = y x = π/ se tee que los polomos de base de Lagrage está dados por las expresoes: π x = x L(x) L(x) = π π L (x) L (x) El polomo terpolador de Lagrage de f(x) sobre este soporte es: π x π x p (x) = f() L (x) + f(π/) L (x) = se() + se( + ) = π π 4 +π = se() + se se() x = se() + ( cos( ) se() ) x π π 34

37 Programacó y Métodos Numércos Iterpolacó polómca p (x) f(x) El error de terpolacó e cada puto x* del tervalo [, π/], utlzado el teorema que os proporcoaba dcho error, respode a la expresó: π 5 se(5 ξ * + ) π x*,, ξ * =ξ (x*)/ E(x*)=f(x*)-p (x*) = x * x * Como e este caso hemos partdo de ua fucó f(x) de la que se cooce su expresó aalítca, el error de terpolacó també se podría obteer medate: se() cos() se() x π E(x*) = f(x*) p (x*) = se(5 x*+) - ( ) Ello os permtría, para cada puto x*, ecotrar algú puto ξ * e el que se satsfaga la expresó del error obteda medate el teorema. Así por ejemplo, para el puto x* = π/ se tedrá que utlzado la prmera expresó del error: π 5 se(5 ξ * + ) π π π π E( ) = = se(5 ξ * + ) 3 y de la seguda: π π π π E( ) = f( ) p ( ) = se + se() cos( ) se() 4 ( ) 35

38 Iterpolacó polómca. Carlos Code, Arturo Hdalgo, Alfredo López ETSI Mas de la Uversdad Poltécca de Madrd Idetfcado las dos expresoes del error se tee que e este caso el puto ξ * estará dado por la solucó de: π π se(5 ξ * + ) = se + se() cos( ) se() 3 4 ( ) por lo que: 6 π ξ * = + arcse se + se() cos() 5 5 π 4 Etre los dferetes águlos que verfca la expresó ateror, tomaremos el que perteezca al tervalo [, π/] que, aproxmado co dígtos decmales, es: * ξ.6844 rad. Puede verfcarse que para este valor ambas expresoes del error coduce a que: E(π/) = Ua cota del error de terpolacó e este tervalo puede obteerse de la forma sguete: π 5 π x, : E(x) sup se(5 x + ) sup x x π π x, x, E el tervalo [, π/] el argumeto α = (5 x+) de la fucó seo que tervee e la acotacó ateror toma valores compreddos etre: α = π α + α α f = +π/ Por tato los valores extremos de se(α) se alcazará e y e (+π/). Puesto que se() = y se(+π/) = puede coclurse que: M = sup se(5 x + ) = < π x, 36

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

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

Más detalles

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

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

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

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

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

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

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

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

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

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

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

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

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

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

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

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

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

3 AJUSTE DE FUNCIONES

3 AJUSTE DE FUNCIONES AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Cálculo Integral. LA INTEGRAL

Cálculo Integral. LA INTEGRAL Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles