Diferenciación numérica

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

Download "Diferenciación numérica"

Transcripción

1 Diferenciación numérica MAT-251 Dr. CIMAT A.C. web: Dr. Salvador Botello CIMAT A.C.

2 Cuándo es necesario aplicar diferenciación numérica?

3 Cuándo es necesario aplicar diferenciación numérica? En la solución de ecuaciones diferenciales En todo lo que resta del curso. Ejemplos: Derivadas parciales de funciones R 2 -> R

4 Cuándo es necesario aplicar diferenciación numérica? En la solución de ecuaciones diferenciales En todo lo que resta del curso. Ejemplos: Derivadas parciales de funciones R 2 -> R

5 Teóricamente, tenemos que El cálculo de la derivada en un punto está dada por: sin embargo, en la práctica (numéricamente) tenemos problemas por error de redondeo.

6 Aproximación numérica de la derivada Ahora, vamos a aproximar f (x0), con x0 (a,b) y f C 2 [a,b], de tal forma que el intervalo define x1 = x0 + h para h 0, de tal manera que h es lo suficientemente pequeño para que x1 [a,b]. Aproximamos utilizando el polinomio de Lagrange para f usando x0 y x1: para un número ξ en [a,b]. Aquí la idea es que obtengamos una cota del error.

7 Aproximación numérica de la derivada Ahora, vamos a aproximar f (x0), con x0 (a,b) y f C 2 [a,b], de tal forma que el intervalo define x1 = x0 + h para h 0, de tal manera que h es lo suficientemente pequeño para que x1 [a,b]. Aproximamos utilizando el polinomio de Lagrange para f usando x0 y x1: para un número ξ en [a,b]. Aquí la idea es que obtengamos una cota del error.

8 Aproximación numérica de la derivada Derivando obtenemos

9 Aproximación numérica de la derivada Derivando obtenemos

10 Aproximación numérica de la derivada Por lo tanto la aproximación PARA TODO x que obtenemos es (lo que habíamos supuesto, mhh): pero ahora tenemos una expresión para el error:

11 Aproximación numérica de la derivada Por lo tanto la aproximación PARA TODO x que obtenemos es (lo que habíamos supuesto, mhh): pero ahora tenemos una expresión para el error:

12 Aproximación numérica de la derivada Esta parte del error depende de h y la segunda derivada de f Esta parte del error depende de Lo cual NO ES MUY UTIL pues contiene un término desconocido

13 Aproximación numérica de la derivada Esta parte del error depende de h y la segunda derivada de f Esta parte del error depende de Lo cual NO ES MUY UTIL pues contiene un término desconocido

14 Aproximación numérica de la derivada Esta parte del error depende de h y la segunda derivada de f Esta parte del error depende de Lo cual NO ES MUY UTIL pues contiene un término desconocido

15 Aproximación numérica de la derivada Pero cuando x = x0, (para estos puntos es lo que normalmente aproximamos) entonces este término desaparece y queda el error simplificado como: para un número ξ [x0, x0 +h].

16 Aproximación numérica de la derivada Supóngase que f (x) está acotado por M en [x0,x0+h], entonces el error está acotado por M h / 2. Esta aproximación es entonces la bien conocida diferencia hacia adelante (forward difference formula) para h >0, y diferencia hacia atras (backward difference formula) si h<0. Aproximación de diferencias hacia adelante.

17 Aproximación numérica de la derivada Supóngase que f (x) está acotado por M en [x0,x0+h], entonces el error está acotado por M h / 2. Esta aproximación es entonces la bien conocida diferencia hacia adelante (forward difference formula) para h >0, y diferencia hacia atras (backward difference formula) si h<0. Aproximación de diferencias hacia adelante.

18 Ejemplo: Sea f(x) = ln(x) y x0 = 1.8. Donde el error de la aproximación por diferencia hacia adelante se comporta

19 Ejemplo: Sea f(x) = ln(x) y x0 = 1.8. Donde el error de la aproximación por diferencia hacia adelante se comporta

20 Ejemplo: Sea f(x) = ln(x) y x0 = 1.8. Donde el error de la aproximación por diferencia hacia adelante se comporta Caso donde el error es más grande ya que:

21 Ejemplo: Sea f(x) = ln(x) y x0 = 1.8. Donde el error de la aproximación por diferencia hacia adelante se comporta Caso donde el error es más grande ya que:

22 Ejemplo: Aproximaciones obtenidas para diferentes valores de h (valor exacto )

23 Aproximación de derivadas en el caso general Para n+1 números distintos en un intervalo [x0,xn], y usando polinomios de Lagrange donde suponemos que f C n+1 [x0,xn] y el valor ξ(x) está dentro de [x0,xn]. La derivada de esta expresión nos lleva a

24 Aproximación de derivadas en el caso general Para n+1 números distintos en un intervalo [x0,xn], y usando polinomios de Lagrange donde suponemos que f C n+1 [x0,xn] y el valor ξ(x) está dentro de [x0,xn]. La derivada de esta expresión nos lleva a

25 Aproximación de derivadas en el caso general En esta expresión usamos el mismo razonamiento que en el caso anterior, tomando en cuenta la aproximación para los xk. Quedando en particular:

26 Aproximación de derivadas en el caso general En esta expresión usamos el mismo razonamiento que en el caso anterior, tomando en cuenta la aproximación para los xk. Quedando en particular:

27 Aproximación de derivadas en el caso general En esta expresión usamos el mismo razonamiento que en el caso anterior, tomando en cuenta la aproximación para los xk. Quedando en particular: en el caso de 2 puntos quedaba x0 - x1 = -h

28 Aproximación de derivadas en el caso general Esta aproximación de derivadas se conoce como la aproximación de n+1 puntos. En teoría, entre más puntos agreguemos es más exacta, pero en la práctica resulta problemático usar muchos puntos por el error de redondeo y las múltiples evaluaciones de la función.

29 Aproximación de derivada de 3 puntos Calculemos L 0 (x) = (x x 1)(x x 2 ) (x 0 x 1 )(x 0 x 2 )! L0 0(x) = 2x x 1 x 2 (x 0 x 1 )(x 0 x 2 ) L 0 1(x) = 2x x 0 x 2 (x 1 x 0 )(x 1 x 2 ) L 0 2(x) = 2x x 0 x 1 (x 2 x 0 )(x 2 x 1 )

30 Aproximación de derivada de 3 puntos Por lo tanto, usando Tenemos para una xj y cuando los nodos son equidistantes (x0, x1 = x0+h, x2 = x0 +2h) * para un ξ [x0, x0 + 2h] (queda un -2h y un -h).

31 Aproximación de derivada de 3 puntos Por lo tanto, usando Tenemos para una xj f 0 (x j )=f(x 0 )L 0 0(x j )+f(x 1 )L 0 1(x j )+f(x 2 )L 0 2(x j ) y cuando los nodos son equidistantes (x0, x1 = x0+h, x2 = x0 +2h) * para un ξ [x0, x0 + 2h] (queda un -2h y un -h).

32 Aproximación de derivada de 3 puntos Por lo tanto, usando Tenemos para una xj f 0 (x j )=f(x 0 )L 0 0(x j )+f(x 1 )L 0 1(x j )+f(x 2 )L 0 2(x j ) 2Y f (3) ( j ) (x j x k ) k=0,k6=j y cuando los nodos son equidistantes (x0, x1 = x0+h, x2 = x0 +2h) * para un ξ [x0, x0 + 2h] (queda un -2h y un -h).

33 Aproximación de derivada de 3 puntos Por lo tanto, usando Tenemos para una xj f 0 (x j )=f(x 0 )L 0 0(x j )+f(x 1 )L 0 1(x j )+f(x 2 )L 0 2(x j ) 2Y f (3) ( j ) (x j x k ) k=0,k6=j y cuando los nodos son equidistantes (x0, x1 = x0+h, x2 = x0 +2h) * para un ξ [x0, x0 + 2h] (queda un -2h y un -h).

34 Aproximación de derivada de 3 puntos Por lo tanto, usando Tenemos para una xj f 0 (x j )=f(x 0 )L 0 0(x j )+f(x 1 )L 0 1(x j )+f(x 2 )L 0 2(x j ) 2Y f (3) ( j ) (x j x k ) k=0,k6=j y cuando los nodos son equidistantes (x0, x1 = x0+h, x2 = x0 +2h) * para un ξ [x0, x0 + 2h] (queda un -2h y un -h).

35 Aproximación de derivada de 3 puntos Si hacemos los mismos cálculos, pero ahora tomando el polinomio de Lagrange que pasa por los puntos x0-h, x0, x0+h, obtenemos: para un ξ [x0-h x0+h]. Pero nótese que este error es la mitad en magnitud que el anterior, y que la función se evalúa en solo 2 puntos (aún así, ambas se llaman fórmulas de aproximación de 3 puntos). El anterior se debería de utilizar cuando se está en las fronteras del intervalo, con -h en la frontera derecha y con +h en la frontera izquierda. La expresión de arriba se debería de utilizar en todos los demás casos

36 Aproximación de derivada de 3 puntos Si hacemos los mismos cálculos, pero ahora tomando el polinomio de Lagrange que pasa por los puntos x0-h, x0, x0+h, obtenemos: para un ξ [x0-h x0+h]. Pero nótese que este error es la mitad en magnitud que el anterior, y que la función se evalúa en solo 2 puntos (aún así, ambas se llaman fórmulas de aproximación de 3 puntos). El anterior se debería de utilizar cuando se está en las fronteras del intervalo, con -h en la frontera derecha y con +h en la frontera izquierda. La expresión de arriba se debería de utilizar en todos los demás casos

37 Aproximación de derivada de 3 puntos La última es una aproximación centrada, e intuitivamente funciona mejor porque toma información de adelante y atrás, y no solo de una dirección.

38 Aproximación de derivada de 5 puntos Análogamente, si derivamos las expresiones usando el polinomio de Lagrange que pasa por 5 puntos desde x0-2h hasta x0+2h obtenemos O bien para el intervalo x0 hasta x0+4h

39 Aproximación de derivada de 5 puntos Análogamente, si derivamos las expresiones usando el polinomio de Lagrange que pasa por 5 puntos desde x0-2h hasta x0+2h obtenemos O bien para el intervalo x0 hasta x0+4h

40 Aproximación de derivada de 5 puntos Análogamente, si derivamos las expresiones usando el polinomio de Lagrange que pasa por 5 puntos desde x0-2h hasta x0+2h obtenemos O bien para el intervalo x0 hasta x0+4h

41 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

42 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

43 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

44 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

45 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

46 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Los errores son:

47 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Los errores son:

48 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Los errores son:

49 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Aproximación de 5 puntos Los errores son:

50 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Aproximación de 5 puntos Los errores son:

51 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Aproximación de 5 puntos Los errores son:

52 Ejemplo comparativo: Tenemos la tabla de evaluaciones de la función f(x) = xe x Queremos aproximar f (2.0) (sabemos que es (x+1)e x, lo resulta en ) Aproximaciones de 3 puntos Aproximación de 5 puntos Los errores son:

53 Otro Factor: Error de redondeo Veamos que tan determinante es el error de redondeo, en la ecuación de 3 puntos centrada Cuando calculamos las expresiones tenemos errores numéricos relacionados de la siguiente manera: Con el siguiente error de aproximación total (error de redondeo + truncamiento):

54 Otro Factor: Error de redondeo Veamos que tan determinante es el error de redondeo, en la ecuación de 3 puntos centrada Cuando calculamos las expresiones tenemos errores numéricos relacionados de la siguiente manera: Con el siguiente error de aproximación total (error de redondeo + truncamiento):

55 Otro Factor: Error de redondeo Veamos que tan determinante es el error de redondeo, en la ecuación de 3 puntos centrada Cuando calculamos las expresiones tenemos errores numéricos relacionados de la siguiente manera: Con el siguiente error de aproximación total (error de redondeo + truncamiento):

56 Otro Factor: Error de redondeo Veamos que tan determinante es el error de redondeo, en la ecuación de 3 puntos centrada Cuando calculamos las expresiones tenemos errores numéricos relacionados de la siguiente manera: Con el siguiente error de aproximación total (error de redondeo + truncamiento):

57 Error de redondeo Suponiendo que los errores de redondeo están acotados por un número ε y la 3ª derivada de f(x) por un valor M, tenemos que: Entonces, como casi siempre en la vida, tenemos un compromiso en h: queremos reducir el error de truncamiento pero no aumentar el error de redondeo. En la práctica, si usamos un h demasiado pequeño el error de redondeo domina (recordar que pasa cuando el error de redondeo es dividido por un número pequeño).

58 Ejemplo de error de redondeo Dada la tabla Aproximar f (0.9) (el valor de la derivada es cos(0.9)= ) usando la siguiente fórmula para diferentes valores de h (cifras de 5 dígitos, continua...)

59 Ejemplo de error de redondeo Dada la tabla Aproximar f (0.9) (el valor de la derivada es cos(0.9)= ) usando la siguiente fórmula para diferentes valores de h (cifras de 5 dígitos, continua...)

60 Ejemplo de error de redondeo Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

61 Ejemplo de error de redondeo Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

62 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

63 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

64 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

65 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

66 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

67 Ejemplo de error de redondeo mínimo cerca de Minimizar En este caso podemos calcular una cota para M en [.8 y 1] y cos(0.8) para encontrar

68 Conclusiones

69 Conclusiones La diferenciación numérica es inestable numéricamente!!

70 Conclusiones La diferenciación numérica es inestable numéricamente!! Y debe de ser evitada en lo posible.

71 Conclusiones La diferenciación numérica es inestable numéricamente!! Y debe de ser evitada en lo posible. No podemos evitarla :(

72 Aproximación de derivadas de orden superior La aproximación de segundo orden de la derivada centrada en el intervalo [x0-h, x0+h] está dada por: para un número ξ entre [x0-h, x0+h]

73 Aproximación de derivadas de orden superior La aproximación de segundo orden de la derivada centrada en el intervalo [x0-h, x0+h] está dada por: para un número ξ entre [x0-h, x0+h] f 0 f(x + h/2) f(x h/2) (x) = h

74 Aproximación de derivadas de orden superior La aproximación de segundo orden de la derivada centrada en el intervalo [x0-h, x0+h] está dada por: para un número ξ entre [x0-h, x0+h] f 0 (x) = f(x + h/2) f(x h/2) f 00 (x) = f 0 (x + h/2) f 0 (x h/2) h h

75 Aproximación de derivadas de orden superior La aproximación de segundo orden de la derivada centrada en el intervalo [x0-h, x0+h] está dada por: para un número ξ entre [x0-h, x0+h] f 0 (x) = f(x + h/2) f(x h/2) f 00 (x) = f 0 (x + h/2) f 0 (x h/2) h f 00 (x) = h f(x+h/2+h/2) f(x+h/2 h/2) h h f(x h/2+h/2) f(x h/2 h/2) h

76 Aproximación de derivadas de orden superior De igual manera se puede aproximar la derivada de segundo orden hacia adelante como f 00 (x 0 )= f(x 0 +2h) 2f(x 0 + h)+f(x 0 ) h 2 En general las derivadas centrales quedan como

77 Aproximación de derivadas de orden superior De igual manera se puede aproximar la derivada de segundo orden hacia adelante como f 00 (x 0 )= f(x 0 +2h) 2f(x 0 + h)+f(x 0 ) h 2 En general las derivadas centrales quedan como f (n) h (x 0)= 1 h n nx ( 1) i n i i=0 f(x 0 +(n/2 i)h)

78 Aproximación de derivadas de orden superior De igual manera se puede aproximar la derivada de segundo orden hacia adelante como f 00 (x 0 )= f(x 0 +2h) 2f(x 0 + h)+f(x 0 ) h 2 En general las derivadas centrales quedan como f (n) h (x 0)= 1 h n nx ( 1) i n i i=0 f(x 0 +(n/2 i)h) Caso particular:

79 Aproximación de derivadas de orden superior De igual manera se puede aproximar la derivada de segundo orden hacia adelante como f 00 (x 0 )= f(x 0 +2h) 2f(x 0 + h)+f(x 0 ) h 2 En general las derivadas centrales quedan como f (n) h (x 0)= 1 h n nx ( 1) i n i i=0 f(x 0 +(n/2 i)h) Caso particular:

80 Derivadas de alto orden En general, lo que uno hace para aproximar derivadas de alto orden es

Integración Numérica. Regla de Simpson.

Integración 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 detalles

Últimas notas de SVD

Últimas notas de SVD Últimas notas de SVD 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 Relación entre los valores singulares

Más detalles

Facultad de Ciencias UNAM. Diferenciación Numérica. Alumno: Siddhartha Estrella Gutiérrez. Materia: Análisis Numérico

Facultad de Ciencias UNAM. Diferenciación Numérica. Alumno: Siddhartha Estrella Gutiérrez. Materia: Análisis Numérico Facultad de Ciencias UNAM Tema: Diferenciación Numérica Alumno: Siddhartha Estrella Gutiérrez. Materia: Análisis Numérico Profesor: Pablo Barrera 2 INDICE Preliminares 3 Diferenciación numérica 5 Ejemplos

Más detalles

Diferenciación numérica: Método de Euler explícito

Diferenciación numérica: Método de Euler explícito Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Diferenciación numérica: Método de Euler explícito

Diferenciación numérica: Método de Euler explícito Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Propiedades de matrices simétricas definidas positivas:

Propiedades de matrices simétricas definidas positivas: Propiedades de matrices simétricas definidas positivas: Propiedades de matrices simétricas definidas positivas: Sea A =[a ij ] 2 R n n. La matriz A es simétrica si A = A >. La matriz A es definida positiva

Más detalles

OCW-V.Muto Análisis de los errores Cap. II CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA

OCW-V.Muto Análisis de los errores Cap. II CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA Si se desea resolver un problema físico B, lo primero que se suele hacer es traducirlo al lenguaje matemático para

Más detalles

Clase No. 20: Integrales impropias MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 14

Clase No. 20: Integrales impropias MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 14 Clase No. 2: Integrales impropias MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.11.211 1 / 14 Integrandos con singularidades (I) Cuando el integrando o alguna de sus derivadas de bajo orden

Más detalles

Apellidos:... Nombre:... Examen

Apellidos:... Nombre:... Examen Cálculo Numérico I. Grado en Matemáticas. Curso 0/0. 0 de Junio de 0 Apellidos:... Nombre:... Examen. Decidir razonadamente si las siguientes afirmaciones son verdaderas o falsas, buscando un contraejemplo

Más detalles

Teoría de la aproximación Métodos de Mínimos cuadrados

Teoría de la aproximación Métodos de Mínimos cuadrados Teoría de la aproximación Métodos de Mínimos cuadrados MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx

Más detalles

Teoría de la aproximación Métodos de Mínimos cuadrados

Teoría de la aproximación Métodos de Mínimos cuadrados Teoría de la aproximación Métodos de Mínimos cuadrados MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT

Más detalles

Derivación Numérica. 22 Derivada del polinomio interpolador

Derivación Numérica. 22 Derivada del polinomio interpolador La definición de la derivada de una función como un límite lleva implícito un método de aproximación numérica: f (x) f(x + h) f(x) h D h f(x); diremos que esta última cantidad es una derivada numérica

Más detalles

Teóricas de Análisis Matemático (28) - Práctica 8 - Polinomio de Taylor

Teóricas de Análisis Matemático (28) - Práctica 8 - Polinomio de Taylor Práctica 8 Polinomio de Taylor. Polinomio de Taylor El análisis completo de una función puede resultar muy difícil. Una forma de abordar este problema es aproximar la función por una más sencilla. En este

Más detalles

Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método predictor-corrector Método de disparo

Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método predictor-corrector Método de disparo Clase No. 25: Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método predictor-corrector Método de disparo MAT 251 Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web:

Más detalles

Estrategias de pivoteo en eliminación Gaussiana

Estrategias de pivoteo en eliminación Gaussiana Estrategias de pivoteo en eliminación Gaussiana MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C.

Más detalles

Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método de disparo Método predictor-corrector

Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método de disparo Método predictor-corrector Clase No. 23: Diferenciación numérica: Sistemas de ecuaciones lineales ordinarias Método de disparo Método predictor-corrector MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato

Más detalles

INFORMÁTICA Y PROGRAMACIÓN

INFORMÁTICA Y PROGRAMACIÓN INFORMÁTICA Y PROGRAMACIÓN Problemas de Interpolación. La tabla siguiente recoge los valores de una función f(x) en un conjunto de puntos soporte: x.5 4 f(x).4.5.4.5 Dicha función se interpola en el sentido

Más detalles

FÓRMULA DE TAYLOR Prueba de Evaluación

FÓRMULA DE TAYLOR Prueba de Evaluación FÓRMULA DE TAYLOR Prueba de Evaluación 6 11 09 Tipo 1 Ejercicio 1: Dada la función f(x) =arctan x, se pide: a. Escribir la fórmula de Taylor de la función f(x) para n=4 y a=1 b. Hallar el valor aproximado

Más detalles

Métodos Numéricos I - C.S.I. - Curso 2003/04. TEMA 2: Interpolación polinómica de funciones

Métodos Numéricos I - C.S.I. - Curso 2003/04. TEMA 2: Interpolación polinómica de funciones Ejercicios. Hoja 2.1 1. Usar la fórmula de Lagrange para obtener un polinomio cúbico que interpola los valores de la tabla siguiente. Evaluarlo luego para x = 2, 3, 5. x k 0 1 4 6 y k 1-1 1-1 [Sol.: P

Más detalles

Métodos Numéricos Grado en Informática Tema 5: Diferenciación e Integración Numérica

Métodos Numéricos Grado en Informática Tema 5: Diferenciación e Integración Numérica Métodos Numéricos Grado en Informática Tema 5: Diferenciación e Integración Numérica Luis Alvarez León Univ. de Las Palmas de G.C. Luis Alvarez León () Métodos Numéricos Univ. de Las Palmas de G.C. 1 /

Más detalles

7. Forma de Lagrange para el polinomio interpolador. 9. Forma de Newton para el polinomio interpolador

7. Forma de Lagrange para el polinomio interpolador. 9. Forma de Newton para el polinomio interpolador E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 2: Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Septiembre

Más detalles

Interpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35

Interpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Interpolación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Contenidos 1 Introducción 2 Interpolación de Taylor Cálculo del polinomio

Más detalles

Unidad IV: Diferenciación e integración numérica

Unidad IV: Diferenciación e integración numérica Unidad IV: Diferenciación e integración numérica 4.1 Diferenciación numérica El cálculo de la derivada de una función puede ser un proceso "difícil" ya sea por lo complicado de la definición analítica

Más detalles

CÁLCULO NUMÉRICO (0258) TERCER PARCIAL (25%) 28/06/10. c. Estime el error cometido al considerar la fórmula y compare con el error real.

CÁLCULO NUMÉRICO (0258) TERCER PARCIAL (25%) 28/06/10. c. Estime el error cometido al considerar la fórmula y compare con el error real. CÁLCULO NUMÉRICO (58) TERCER PARCIAL (5%) 8/6/. Sea la fórmula de diferenciación numérica f(x) f(x + ) + f(x + ) f ''(x). a. Utilizando series de Talor deduzca el término de error. b. Use la fórmula para

Más detalles

Capítulo 7. Subterráneo

Capítulo 7. Subterráneo Capítulo 7 Solución n Numérica de la Ecuación n de Flujo Subterráneo Teoría a de Flujo Subterráneo Semestre 2008-1 Alberto Rosas Medina 1 Índice Polinomios de Lagrange Diferencias Finitas en una Dimensión

Más detalles

Integración numérica

Integración numérica Integración numérica Javier Segura Cálculo Numérico I. Tema 4. Javier Segura (Universidad de Cantabria) Integración numérica CNI 1 / 21 Introducción y definiciones Estructura de la presentación: 1 Introducción

Más detalles

Apellidos:... Nombre:... Examen

Apellidos:... Nombre:... Examen Cálculo Numérico I. Grado en Matemáticas y doble grado Física/Matemáticas. 16 de junio de 017 Curso 016/017. Apellidos:... Nombre:... Examen 1. Explicar razonadamente si las siguientes afirmaciones son

Más detalles

Problema de convolución y deconvolución Diferencias finitas para EDO

Problema de convolución y deconvolución Diferencias finitas para EDO Clase No. 24: Problema de convolución y deconvolución Diferencias finitas para EDO MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/alram/met_num/

Más detalles

Métodos Numéricos: soluciones Tema 2 Aproximación e interpolación

Métodos Numéricos: soluciones Tema 2 Aproximación e interpolación Métodos Numéricos: soluciones Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, Versión 1.3

Más detalles

Planteamiento del problema: Dada una función f : [a, b] R, cuyo valor se conoce en n + 1 puntos: x 0, x 1,..., x n del intervalo [a, b]:

Planteamiento del problema: Dada una función f : [a, b] R, cuyo valor se conoce en n + 1 puntos: x 0, x 1,..., x n del intervalo [a, b]: Tema 2 Interpolación 2.1 Introducción En este tema abordaremos el problema de la aproximación de funciones por medio de la interpolación, en particular nos centraremos en interpolación polinómica estándar.

Más detalles

CAPÍTULO. 7 Métodos numéricos

CAPÍTULO. 7 Métodos numéricos CAPÍTULO 7 Métodos numéricos 7.4 Método de Runge-Kutta En las secciones previas se resolvió el PVI y 0 D f.x; y/, con y.x 0 / D y 0 utilizando aproximaciones lineal y cuadrática de la solución y.x/. Observamos

Más detalles

SESIÓN 2 Splines e integración numérica

SESIÓN 2 Splines e integración numérica SESIÓN Splines e integración numérica ) Sea f x = x 4 para x [,] y sea s: [,] R el spline cúbico que aproxima a f definido a partir de los puntos de abscisas, y. Razona cual de las siguientes expresiones

Más detalles

Interpolación. Tema Introducción. 8.2 Interpolación polinómica Interpolación Lineal.

Interpolación. Tema Introducción. 8.2 Interpolación polinómica Interpolación Lineal. Tema 8 Interpolación 8.1 Introducción En este tema abordaremos el problema de la aproximación de funciones por medio de la interpolación, en particular nos centraremos en interpolación polinómica estándar.

Más detalles

Representación de números

Representación de números Representación de números MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Salvador Botello Rionda CIMAT A.C. e-mail: botello@cimat.mx Aritmética de cómputadora

Más detalles

5. Derivación e integración numérica

5. Derivación e integración numérica 5. Derivación e integración numérica 5.. Ejercicios Ejercicio 5. Calcular usando la fórmula del punto medio: la integral: b a ( ) f(x)dx a+b = (b a)f xdx Calcular la integral y dar el error. Dibujar el

Más detalles

Cálculo Diferencial en una variable

Cálculo Diferencial en una variable Tema 2 Cálculo Diferencial en una variable 2.1. Derivadas La derivada nos proporciona una manera de calcular la tasa de cambio de una función Calculamos la velocidad media como la razón entre la distancia

Más detalles

Relación de ejercicios 6

Relación de ejercicios 6 Relación de ejercicios 6 Ecuaciones Diferenciales y Cálculo Numérico Grado en Ingeniería de Tecnologías de Telecomunicación Mayo de 2017 Ejercicio 6.1. 1. Construye, usando la base canónica del espacio

Más detalles

E.T.S. Minas: Métodos Matemáticos Soluciones Tema 2 Aproximación e interpolación

E.T.S. Minas: Métodos Matemáticos Soluciones Tema 2 Aproximación e interpolación E.T.S. Minas: Métodos Matemáticos Soluciones Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 2006/07

Más detalles

Métodos iterativos de solución de SEL

Métodos iterativos de solución de SEL Métodos iterativos de solución de SEL Método de Gauss-Seidel MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx

Más detalles

Los datos necesarios para calcular la interpolación los obtenemos del enunciado del problema y son los siguientes: Ahora sustituimos:

Los datos necesarios para calcular la interpolación los obtenemos del enunciado del problema y son los siguientes: Ahora sustituimos: Problemas Sesión :INTERPOLACIÓN ) Calcula el polinomio que interpola los puntos (-,), (,), (,) y (,-) en las formas de Lagrange y diferencias divididas. Solución La expresión para el polinomio interpolador

Más detalles

Preliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL

Preliminares 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 detalles

Diferenciación numérica: Método de Euler implícito Métodos tipo Runge-Kutta

Diferenciación numérica: Método de Euler implícito Métodos tipo Runge-Kutta Clase No. 24: Diferenciación numérica: Método de Euler implícito Métodos tipo Runge-Kutta MAT 251 Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/alram/met_num/

Más detalles

Métodos iterativos de solución de SEL

Métodos iterativos de solución de SEL Métodos iterativos de solución de SEL Método de Gauss-Seidel MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo

Más detalles

Métodos Numéricos: Solución de los ejercicios Tema 3: Integración Numérica

Métodos Numéricos: Solución de los ejercicios Tema 3: Integración Numérica Métodos Numéricos: Solución de los ejercicios Tema : Integración Numérica Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 8, versión.4

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUMÉRICO (58) Tema 5. Diferenciación e Integración Numérica Enero 5. Utilice la fórmula para calcular la derivada de f(x) = cos(x) en utilizar la fórmula. f(x + ) f(x) f'(x) x = y con =.. Estime

Más detalles

Métodos para matrices especiales. Descomposición de Cholesky

Métodos para matrices especiales. Descomposición de Cholesky Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx

Más detalles

Tema 1: Interpolación. Cá álculo umérico

Tema 1: Interpolación. Cá álculo umérico Tema : Interpolación Problema Dada una nube de puntos del plano Interpolación polinomial. Polinomios de Lagrange: cota del error. Método de Newton: diferencias divididas y finitas. se pretende encontrar

Más detalles

PUNTOS CRÍTICOS: Se llaman así a aquellos puntos en que la derivada es cero o no está definida. En símbolos escribimos: f (x)=0 ó f (x) no existe

PUNTOS CRÍTICOS: Se llaman así a aquellos puntos en que la derivada es cero o no está definida. En símbolos escribimos: f (x)=0 ó f (x) no existe PUNTOS CRÍTICOS: Se llaman así a aquellos puntos en que la derivada es cero o no está definida. En símbolos escribimos: f (x)=0 ó f (x) no existe Así encontramos (las abscisas de) los puntos críticos.

Más detalles

Métodos Numéricos. Juan Manuel Rodríguez Prieto I.M., M.Sc., Ph.D.

Métodos Numéricos. Juan Manuel Rodríguez Prieto I.M., M.Sc., Ph.D. Métodos Numéricos Juan Manuel Rodríguez Prieto I.M., M.Sc., Ph.D. Integración numérica Integración numérica Objetivo: aproximar el valor de la integral I = f (x)dx Limitaciones de la integración analítica

Más detalles

APLICACIONES COMPUTACIONALES

APLICACIONES COMPUTACIONALES APLICACIONES COMPUTACIONALES INGENIERÍA EJECUCIÓN MECÁNICA DIFERENCIACIÓN NUMÉRICA roberto.ortega.a@usach.cl IEM APLICACIONES COMPUTACIONALES SERIE DE TEYLOR => Serie de Taylor => Residuo SERIE DE TEYLOR

Más detalles

Análisis Numérico para Ingeniería. Clase Nro. 13

Análisis Numérico para Ingeniería. Clase Nro. 13 Análisis Numérico para Ingeniería Clase Nro. 13 Aproximación de Funciones Temas a tratar: Métodos de Newton-Cotes. Método de los Trapecios. Método de 1/3 de Simpson. Método de 3/8 de Simpson. Método de

Más detalles

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte I)

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte I) Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte I) Contenido Ecuaciones en derivadas parciales Ecuaciones en derivadas parciales elípticas Ecuación de Laplace Aproximación

Más detalles

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E0300

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E0300 CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E000 (1 Determinar la ecuación de la recta tangente a la curva 4y x y 1, 4x en el punto ( 1, 1. ( La ley de Boyle afirma que cuando se comprime

Más detalles

APROXIMACIÓN NUMÉRICA Y ERRORES

APROXIMACIÓN NUMÉRICA Y ERRORES Análisis numérico APROXIMACIÓN NUMÉRICA Y ERRORES Antecedentes En 1947 se crea en la universidad de California el INSITITUTO DE ANÁLISIS NUMÉRICO. El análisis numérico es la rama de las matemáticas, cuyos

Más detalles

Universidad De San Buenaventura CALI Guía de Métodos Numéricos Ingeniería Multimedia

Universidad De San Buenaventura CALI Guía de Métodos Numéricos Ingeniería Multimedia MÉTODO DE BISECCIÓN El método de bisección, es un algoritmo de búsqueda de raíces, que trabaja dividiendo el intervalo a la mitad y seleccionando el subintervalo que posee la raíz. Si la función es continua

Más detalles

Ampliación de Matemáticas y Métodos Numéricos

Ampliación de Matemáticas y Métodos Numéricos Ampliación de Matemáticas y Métodos Numéricos Relación de ejercicios. Introducción a los Métodos Numéricos Ej. El problema del cálculo del punto de corte de dos rectas con pendiente similar es un problema

Más detalles

TEORÍA DE CÁLCULO I. Para Grados en Ingeniería. Capítulo 2: Cálculo diferencial de una variable. Domingo Pestana Galván José Manuel Rodríguez García

TEORÍA DE CÁLCULO I. Para Grados en Ingeniería. Capítulo 2: Cálculo diferencial de una variable. Domingo Pestana Galván José Manuel Rodríguez García TEORÍA DE CÁLCULO I Para Grados en Ingeniería Capítulo 2: Cálculo diferencial de una variable Domingo Pestana Galván José Manuel Rodríguez García Figuras realizadas con Arturo de Pablo Martínez 1 TEMA

Más detalles

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008 UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas Matemáticas Manuel Fernández García-Hierro Badajoz, Febrero 2008 Capítulo IX Interpolación 9.2 Introducción Interpolación es el proceso de encontrar

Más detalles

INTERPOLACIÓN POLINÓMICA POR TRAMOS: Planteamiento

INTERPOLACIÓN POLINÓMICA POR TRAMOS: Planteamiento INTERPOLACIÓN POLINÓMICA POR TRAMOS: Planteamiento Prof. Arturo Hidalgo LópezL Prof. Alfredo López L Benito Prof. Carlos Conde LázaroL Marzo, 2007 1 OBJETIVOS 1º. Justificar la necesidad de interpolar

Más detalles

Facultad de Física. Métodos Numéricos

Facultad de Física. Métodos Numéricos Facultad de Física Métodos Numéricos Dr. Antonio Marín Hernández Centro de Investigación en Inteligencia Artificial Universidad Veracruzana Sebastían Camacho # 5 Xalapa, Veracruz lineales 1. Método de

Más detalles

Uso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i

Uso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i Uso de LS MX 2 min S, con gi en R 3 i S 0 exp bgt i Dg i i Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. En cada posición del cerebro tenemos una matriz Tractografía

Más detalles

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008 UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas Matemáticas Manuel Fernández García-Hierro Badajoz, Febrero 2008 Capítulo X Integración numérica Introducción La integral definida I(f) = b a f(x)

Más detalles

Derivación numérica. h 0 h. f)(x) =

Derivación numérica. h 0 h. f)(x) = Derivación numérica Contenidos Derivada primera de funciones de una variable Derivada segunda de funciones de una variable Derivadas de funciones de dos variables Derivada primera de funciones de una variable

Más detalles

CAPÍTULO. 7 Métodos numéricos

CAPÍTULO. 7 Métodos numéricos CAPÍTULO 7 Métodos numéricos 7.3 Método de Euler mejorado Consideremos ahora el polinomio de Taylor de orden de y.x/ en x D x 0 para aproximar a la solución del PVI y 0 D f.x; y/, con y.x 0 / D y 0. Esta

Más detalles

Tema 5 Aplicaciones del cálculo diferencial

Tema 5 Aplicaciones del cálculo diferencial Tema 5 Aplicaciones del cálculo diferencial 1. APLICACIONES EN UNA VARIABLE 1.1. Extremos relativos. Proposición 1.1: Monotonía Sea f : [a, b] R continua en [a, b] y derivable en (a, b), entonces: (1)

Más detalles

Soluciones Numéricas de Modelos Matemáticos

Soluciones Numéricas de Modelos Matemáticos Cuarta Sesión 9 de febrero de 2011 Contenido Aproximación Numérica 1 Aproximación Numérica 2 3 4 Algunos Métodos Sencillos para EDPs Aproximación numérica a una función por Series de Taylor Serie de Taylor:

Más detalles

Método de mínimo cuadrados (continuación)

Método de mínimo cuadrados (continuación) Clase No. 10: Método de mínimo cuadrados (continuación) MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

1. Cuáles de los siguientes algoritmos son finitos?

1. Cuáles de los siguientes algoritmos son finitos? . Cuáles de los siguientes algoritmos son finitos? a Cálculo del producto de dos números enteros. b Cálculo de la división de dos números enteros. c Cálculo de la raíz cuadrada de un número natural. d

Más detalles

Método de mínimos cuadrados (Continuación)

Método de mínimos cuadrados (Continuación) Clase No. 11: MAT 251 Método de mínimos cuadrados (Continuación) Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT

Más detalles

Errores por la representación de punto flotante y propagación de errores

Errores por la representación de punto flotante y propagación de errores Clase No. 2: Errores por la representación de punto flotante y propagación de errores MAT 251 Dr. Alonso Ramírez Manzanares CIMAT, A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Relación de ejercicios 5

Relación de ejercicios 5 Relación de ejercicios 5 Ecuaciones Diferenciales y Cálculo Numérico Grado en Ingeniería de Tecnologías de Telecomunicación Mayo de 2017 Ejercicio 51 Halla un intervalo, para el cero más próximo al origen,

Más detalles

Los datos necesarios para calcular la interpolación los obtenemos del enunciado del problema y son los siguientes: Ahora sustituimos:

Los datos necesarios para calcular la interpolación los obtenemos del enunciado del problema y son los siguientes: Ahora sustituimos: Problemas Sesión :INTERPOLACIÓN ) Calcula el polinomio que interpola los puntos (-,), (,), (,) y (,-) en las formas de Lagrange y diferencias divididas. Solución La expresión para el polinomio interpolador

Más detalles

Interpolación y aproximaciones polinómicas

Interpolación y aproximaciones polinómicas This is page i Printer: Opaque this Interpolación y aproximaciones polinómicas Oldemar Rodríguez Rojas Octubre 008 ii This is page iii Printer: Opaque this Contents 1 Interpolación y aproximaciones polinómicas

Más detalles

Introducción a EDP: Ecuaciones hiperbólicas y parabólicas

Introducción a EDP: Ecuaciones hiperbólicas y parabólicas Clase No. 27: MAT 251 Introducción a EDP: Ecuaciones hiperbólicas y parabólicas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/

Más detalles

(1.5 p.) 2) Hallar el polinomio de Taylor de grado 3 de la función g(x) = e 1 x2 centrado en x 0 = 1 y usarlo para dar una aproximación de e 5/4.

(1.5 p.) 2) Hallar el polinomio de Taylor de grado 3 de la función g(x) = e 1 x2 centrado en x 0 = 1 y usarlo para dar una aproximación de e 5/4. Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Examen final 0 de enero de 0.75 p. Se considera la función escalar de una variable real fx = lnlnx. lnx a Calcular el

Más detalles

Lección 3: Aproximación de funciones. por polinomios. Fórmula de Taylor para

Lección 3: Aproximación de funciones. por polinomios. Fórmula de Taylor para Lección 3: Aproximación de funciones por polinomios. Fórmula de Taylor para funciones escalares 3.1 Introducción Cuando es difícil trabajar con una función complicada, tratamos a veces de hallar una función

Más detalles

Ecuaciones Diferenciales Ordinarias

Ecuaciones Diferenciales Ordinarias Ecuaciones Diferenciales Ordinarias Métodos Básicos basado en el libro Numerical Methods for Physics, de Alejandro L. García Ecuaciones Diferenciales Ordinarias p. 1 Derivada para Adelante La expansión

Más detalles

Interpolación Polinomial

Interpolación Polinomial Pantoja Carhuavilca Métodos Computacionales Agenda y Interpolacion de y Interpolacion de Dado un conjunto de datos conocidos (x 0, y 0 ), (x 1, y 1 ),..., (x N, y N ) buscamos una función f : R R que satisfaga

Más detalles

Métodos Multipaso lineales

Métodos Multipaso lineales Elementos de Cálculo Numérico - Cálculo Numérico Segundo Cuatrimestre de 2008 (FCEN - UBA) Métodos Multipaso lineales Consideramos el problema de valores iniciales (PVI) y = f(x, y) a x b y(a) = α Dado

Más detalles

ETSI de Topografía, Geodesia y Cartografía

ETSI de Topografía, Geodesia y Cartografía Temas y : Continuidad, derivabilidad y Fórmula de Taylor Prueba de Evaluación Continua -Octubre-08 SIN DERIVE (NI CALCULADORA).- Sean las funciones f (x) = arc tg (x ), g (x) = ln ( x ) a) Hallar g f (x)

Más detalles

7.3 Método de Euler mejorado

7.3 Método de Euler mejorado 43 Ecuaciones diferenciales Ejercicios 7..1 Euler. Soluciones en la página 477 Determine una aproximación lineal de la solución y.x/ de cada una de los siguientes PVI en el punto indicado utilizando el

Más detalles

El objetivo de esta sección es aproximar la integral definida de una función ƒ(x) en un intervalo [a, b] es

El objetivo de esta sección es aproximar la integral definida de una función ƒ(x) en un intervalo [a, b] es INTEGRACIÓN NUMÉRICA El objetivo de esta sección es aproximar la integral definida de una función ƒ(x) en un intervalo [a, b] es decir Los métodos de integración numérica se usan cuando ƒ(x) es difícil

Más detalles

PROGRAMACIÓN Y MÉTODOS NUMÉRICOS: Ejercicios propuestos en examen sobre Derivación Numérica

PROGRAMACIÓN Y MÉTODOS NUMÉRICOS: Ejercicios propuestos en examen sobre Derivación Numérica PROGRAMACIÓN Y MÉTODOS NUMÉRICOS: Ejercicios propuestos en examen sobre Derivación Numérica CURSO 001-00 Examen final Convocatoria de junio de 00 Hace unos días acudió a nosotros un alumno de otra Universidad

Más detalles

1. Interpolación e Integración Numérica

1. Interpolación e Integración Numérica 1. Interpolación e Integración Numérica 1.1. Interpolación Dados n + 1 puntos en el plano: (x 0, y 0 ), (x 1, y 1 ),... (x n+1, y n+1 ) con x i x j si i j; existe un único polinomio de grado n, p n (x)

Más detalles

Métodos para matrices especiales. Descomposición de Cholesky

Métodos para matrices especiales. Descomposición de Cholesky Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx

Más detalles

3. Interpolación polinomial

3. Interpolación polinomial 1 I.T.I. GESTIÓN CÁLCULO NUMÉRICO BOLETÍN CON LOS EJERCICIOS RESUELTOS CURSO 4-5 3. Interpolación polinomial 1. Obtener el polinomio interpolador de Lagrange para cierta función f de la que conocemos que:

Más detalles

Cálculo Numérico III Curso 2010/11

Cálculo Numérico III Curso 2010/11 Cálculo Numérico III Curso 2010/11 Problemas del Tema 1 1. Sean {x 0, x 1,..., x n } IR con x i x j si i j. Hoja de problemas - Parte I a) Hallar el polinomio de grado n que interpola a la función en los

Más detalles

1. Cuáles de los siguientes algoritmos son finitos?

1. Cuáles de los siguientes algoritmos son finitos? . Cuáles de los siguientes algoritmos son finitos? a Cálculo del producto de dos números enteros. b Cálculo de la división de dos números enteros. c Cálculo de la raíz cuadrada de un número natural. d

Más detalles

CONJUNTO DE LOS NÚMEROS REALES

CONJUNTO DE LOS NÚMEROS REALES NÚMEROS REALES 1. EL CONJUNTO DE LOS NÚMEROS REALES Al conjunto de todos los números que se pueden expresar mediante fracciones se le llama conjunto de los números racionales y se representa por Q. Tanto

Más detalles

Análisis Numérico para Ingeniería. Clase Nro. 13

Análisis Numérico para Ingeniería. Clase Nro. 13 Análisis Numérico para Ingeniería Clase Nro. 13 Aproximación de Funciones Temas a tratar: Métodos de Newton-Cotes. Método de los Trapecios. Método de 1/3 de Simpson. Método de 3/8 de Simpson. Método de

Más detalles

Métodos Numéricos: aproximación y error

Métodos 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 detalles

Soluciones a los ejercicios del examen final

Soluciones a los ejercicios del examen final Cálculo I Curso 2016/17 19 de junio de 2017 Soluciones a los ejercicios del examen final 1) Se considera la función f : [0, ) R definida por { 1 + x(ln(x) 1) si x > 0, f(x) = 1 si x = 0. (a) Probar que

Más detalles

APLICACIÓN DE LAS DERIVADAS 2º Bachillerato

APLICACIÓN DE LAS DERIVADAS 2º Bachillerato Recta Tangente a una curva en uno de sus Puntos Si f(x) es derivable en x 0, la ecuación de la recta tangente a la gráfica de y=f(x) en x 0 es: Tipos: y y 0 = m (x-x 0 ) y f(x 0 ) = f (x 0 ) (x-x 0 ) 1)

Más detalles

Consistencia, Estabilidad y Convergencia

Consistencia, Estabilidad y Convergencia Consistencia, Estabilidad y Convergencia 1. étodos a un paso Para aproximar la solución x = x(t) del problema de valores iniciales (PVI) x = f(t, x) a t b x(a) = α consideramos el método numérico a un

Más detalles