POLINOMIOS E INTERPOLACIÓN
|
|
- Pedro Rivero Cruz
- hace 6 años
- Vistas:
Transcripción
1 1
2 POLINOMIOS E INTERPOLACIÓN OBJETIVO: REALIZAR OPERACIONES CON POLINOMIOS E INTERPOLAR DATOS UNIDIMENSIONALES, BIDIMENSIONALES Y MULTIDIMENSIONALES. CONTENIDO: Interpolación polinomial. Métodos de interpolación. Funciones polinómicas y operaciones con polinomios. Derivada de un polinomio. Ajuste de curvas. Expansión en fracciones parciales. Interpolación unidimensional, bidimensional y multidimensional.
3 INTERPOLACIÓN POLINOMIAL El objetivo principal de la interpolación polinomial es estimar los valores funcionales para uno o más valores de la variable independiente desconocida, a partir de un conjunto de datos discretos de una función dada, es así que a continuación se presenta una definición y algunos métodos de interpolación. Definición.- Dados n 1 puntos de una función f :, un polinomio P de grado menor o igual a n que pasa por cada uno de los n 1 puntos dados, es llamado polinomio interpolador de f. En general el polinomio puede escribirse como: n P( x) a x a x... a x a x a n n 1 n1 1 0 Proposición.- Dada una función f :, x0 x1 x... xn y ( x0, y 0), ( x1, y 1), ( x, y ),, ( xn, y n), n 1 puntos distintos de f, existe exactamente un polinomio Px ( ) de grado menor o igual a n que interpola a f. Demostración. Supongamos que existen dos polinomios P y Q distintos que interpolan a f. 3
4 Es decir: f ( x ) P( x ), i 0,1,..., n. y f ( x ) Q( x ), i 0,1,..., n. i i i Definamos H( x) P( x) Q( x) ; el cual es de grado menor o igual a n. i Evaluando H en x, para i 0,1,..., n. i H( x ) P( x ) Q( x ) f ( x ) f ( x ) 0. i i i i i H( xi ) 0., para i 0,1,..., n. De donde se obtiene que H posee n 1 raíces, dado que H es un polinomio de grado menor o igual a n, esto contradice el Teorema Fundamental de Álgebra. Por lo tanto, existe un único polinomio P que interpola a f. Ejemplo:Dada una función f : y ( 1, 1), (3, 7), puntos distintos de f El polinomio de grado uno que interpola a estos datos, esto es: P( x) x 1. 4
5 MÉTODOS DE INTERPOLACIÓN Método de Lagrange Este método construye un polinomio interpoladorde orden n para n 1 puntos dados en la forma: P( x) a ( x x )( x x )( x x )...( x x ) a ( x x )( x x )( x x )...( x x ) n an( x x0)( x x1 )( x x)...( x xn 1). Reemplazando los puntos dados en el polinomio se obtiene el valor de los coeficientes a 0 y0 ( x x )( x x )( x x )...( x x ) y1 a1 ( x x )( x x )( x x )...( x x ) a y ( x x )( x x )( x x )...( x x ) n n n n a n yn ( xn x1 )( xn x)( xn x3)...( xn xn 1). Ejemplo:Consideremos una función f : y(1, ), (3,1), (5, 4),puntos distintos de f. Construyamos el polinomio P( x) a ( x 3)( x 5) a ( x 1)( x 5) a ( x 1)( x 3). 0 1 Reemplazando los valores dex obtenemos: 5
6 a0 0.5, a1 0.5, a 0.5 Donde: P( x) 0.5( x 3)( x 5) 0.5( x 1)( x 5) 0.5( x 1)( x 3). Ejemplo:Hallar el polinomio interpolador para la función f : y(0, 0), (1, 1), (3, 1) (4, 5) puntos distintos de f.. P( x) 0.166( x)( x 3)( x 4) 3.5( x)( x 1)( x 4) 4.33( x)( x 1)( x 3). P()
7 Método: Serie de Potencias Este método construye unpolinomio interpoladorde orden n n1 n P( x) a x a x... a x a x a para n 1 puntos dados,reemplazando n n1 1 0 los puntos dados en el polinomio y resolviendo el sistema de ecuaciones generado, hallando de esta manera sus coeficientes. Ejemplo:Consideremos una función f : y(,10), ( 1, 4), (1, 6) (, 3),puntos distintos de f. Construyamos P( x) a x a x a x a Reemplazando los valores en el polinomio se obtiene el siguiente sistema de ecuaciones: 8a 4a a a a a a a a a a a a 4a a a 3 Esto es equivalente al sistema: a a a a0 3 a , a 0.5, a , a 4.5 y el Obteniendo así el resultado: polinomio: P x x x x 3 ( ) En forma general para n 1 puntos el polinomio es de la forma: P( x) a x... a x a x a n 1 n
8 Y el sistema: a x... a x a x a y n n a x... a x a x a y n n a x... a x a x a y n n n1 n1 1 n1 0 n1 La matriz de coeficientes de este sistema se conoce como la matriz de Vandermonde y se puede demostrar que es no singular si los x son todos distintos. (Esta condición se asumirá de aquí en adelante). De modo que el polinomio de interpolación Pn ( x ) exista por la proposición anterior. Ejemplo:Hallar el polinomio interpolador para la función f : y(1, 0), (, 4), (3, 3) (5, 8), (6, 9) puntos distintos de f. i El polinomio es: P x x x x x 4 3 ( )
9 Archivo m: Parautilizar el siguiente programa las variables x e y deben ser arreglos y escritos entre corchetes, digitar en la ventana de comandos: >> ser1( x, y ). 9
10 Método: Newton. Este método construye el polinomio interpolador de orden n en la siguiente forma: P( x) a a ( x x ) a ( x x )( x x )... a ( x x )( x x )...( x x ) para n n 1 puntos dados reemplazando los puntos dados en el polinomio, lo que permite obtener una matriz de coeficientes triangular inferior. Esto es una gran ventaja ya que la matriz de Vandermonde es densa y en general mal acondicionada. n Ejemplo:Consideremos una función f : y(,10), ( 1, 4), (1, 6) (, 3),puntos distintos de f. P( x) a a ( x ) a ( x )( x 1) a ( x )( x 1)( x 1) Construyamos Reemplazando los valores en el polinomio se obtiene el siguiente sistema de ecuaciones: a a 0 a a 3 a 6a 6 a 4 a 1a 1a 3 Esto es equivalente al sistema: a a a a3 3 a 10, a 6, a 7 /3, a 11/1. y el polinomio: Obteniendo así el resultado: P( x) 10 6( x ) (7/3)( x )( x 1) (11/1)( x )( x 1)( x 1) 10
11 Ejemplo:Hallar el polinomio interpolador para la función f : y(1, 0), (, 4), (3, 3) (5, 8), (6, 9) puntos distintos de f. P( x) 4( x 1).5( x 1)( x ) 0.916( x 1)( x )( x 3) 0.6( x 1)( x )( x 3)( x 5) Cálculo de ai mediante diferencias divididas: Las diferencias divididas de orden 0, 1,,..., n se pueden deducir recursivamente por medio de las siguientes relaciones: f x f ( x ) 0 0 f x, x 0 1 f x f x 1 0 x x 1 0 f x, x, x 0 1 f x1, x f x0, x1 1 f ( x) f ( x1) f ( x1) f ( x0) x x0 x1 x0 x x1 x1 x0 11
12 f x,..., x 0 k,...,,..., f x x f x x 1 k 0 k1 x k x 0 Ejemplo: Consideremos los valores de una función f en forma tabular: x f(x) x 0 = - f[x 0 ]=10 x 1 = -1 f[x 1 ]=4 x = 1 f[x ]=6 x 3 = f[x 3 ]=3 La tabla de diferencias divididas es: x f[x 0 ] f[x 0, x 1 ] f[x 0, x 1, x ] f[x 0, x 1, x, x 3, ] - 10 (4-10)/(-1+) = (6-4)/(1+1) =1 1 6 (3-6)/(-1) (1+6)/(1+) =7/3 (-3-1)/(+1) =-4/3 (-4/3-7/3)/(+) = - 11/1 3 = -3 1
13 Simplificando se obtiene: x f[x 0 ] f[x 0, x 1 ] f[x 0, x 1, x ] f[x 0, x 1, x, x 3, ] /3-11/ / Donde en la primera fila se observan los coeficientes del polinomio P( x) a a ( x ) a ( x )( x 1) a ( x )( x 1)( x 1) Para el caso general de n 1puntos buscamos los coeficientes del polinomio: P( x) a a ( x x ) a ( x x )( x x )... a ( x x )( x x )...( x x ) n 1 n A continuación presentamos el archivo m, que determina la tabla de las diferencias divididas y los coeficientes del polinomio de Newton. 13
14 Archivo m: Parautilizar el siguiente programa las variables x e y deben ser arreglos y escritos entre corchetes, digitar en la ventana de comandos: >>ninterp( x, y ). 14
15 Interpolación Polinomial por Partes El uso de polinomios de interpolación de alto grado puede producir errores grandes debido al alto grado de oscilación de este tipo de polinomios. Para evitar este problema se busca aproximar la función desconocida en intervalos pequeños usando polinomios de grado bajo. El caso más común de la interpolación por partes es usar polinomios cúbicos. Polinomios Cúbicos de Lagrange: Este método considera que n es divisible por tres y busca un polinomio cúbico que interpole a la función en los puntos x3j 3, x3j, x3j 1, x 3 j. Este polinomio está dado en su representación de Lagrange como: 1 1 P( x) ( x x 3 3 j)( x x3 j1)( x x3 j ) y3 j3 ( x x 3 3 j3)( x x3 j1)( x x3 j ) y3 j 6h h 1 1 ( x x 3 3 j3)( x x3 j)( x x3 j ) y3 j1 ( x x 3 3 j3)( x x3 j)( x x3 j1) y3 j h 6h, x 3 j 3 x x3 j y h xi 1 xise asume constante i. Para1 j n/3 Interpolación de Hermite: Este método construye un polinomio por partes H ( ) sea cúbico en cada subintervalo los puntos 0,..., n x x. La función H ( ) n x que xi 1 xi, 1 i n. y que interpole a f ( x ) y f '( ) n x en x queda determinada en forma única por estascondiciones y su cálculo requiere de la solución de n sistemas lineales de orden 4x4 cada uno. La desventaja de la interpolación de Hermite es que requiere de la disponibilidad de los f '( xi ), 0 i n lo cual no es el caso en muchas aplicaciones. Interpolación Spline: Los dos tipos de polinomios por partes que hemos discutidos hasta ahora tienen la desventaja de que su segunda derivada no es continua en los puntos de interpolación. Se ha observado que en aplicaciones gráficas, el ojo humano es capaz de detectar discontinuidades en las segundas derivadas de una función, haciendo que los gráficos con este tipo de funciones no luzcan uniformes. Esto motiva el uso de los splines que son funciones sx ( ) continúas por partes con las siguientes propiedades: 1. sx ( ) es polinomio cúbico enx i 1 xi, 1 i n.. 15
16 . s'( x), s''( x) existen y son continuas enx x. 0, n 3. sx ( ) interpola a la función f en los datos( xi, yi), 0 i n. 4. sx ( ) es continua enx 0 x n. 3 Siescribimoss( x) a ( x x ) a ( x x ) a ( x x ) a, x x,, 1. i1 xi i n e ntonces tenemos un total de 4n valores desconocidos. Las condiciones ) y 4) nos dan 3( n 1) ecuaciones mientras que de 3) obtenemos n 1 para un total de grados de libertad. Estos grados de libertad se fijan imponiendo condiciones de frontera adicionales en sx ( ). Ejemplo:Hallar f (4) en el polinomio interpolador para la función f : en los puntos (1, 0), (, 4), (3, 3) (5, 8), (6, 9) El polinomio cúbico en el intervalo 3,5 es: P x x x x 3 ( ) ( 3).5357( 3) ( 3) 3 P(4)
17 Los 3 polinomios restantes son: El polinomio cúbico en el intervalo 1, es: P x x x x 3 ( ) ( 1) ( 1) ( 1) El polinomio cúbico en el intervalo,3es: P x x x x 3 ( ) ( ).5( ) ( ) 4 El polinomio cúbico en el intervalo 5,6 es: P x x x x 3 ( ) ( 5) ( 5).7143( 5) 8 Matlab provee un comando para determinar los coeficientes de los polinomios del Spline, a continuación se presenta en un archivo m. Archivo m: Parautilizar el siguiente programa las variables x e y deben ser arreglos y escritos entre corchetes, digitar en la ventana de comandos: >>scubico( x, y ). 17
18 Condición Natural de los Splines: Para fijar los dos grados de libertad en el spline, requerimos que sx ( ) sea lineal en los intervalos, x0 ], [ x n, lo cual es equivalente a las condiciones 0 s''( x ) s''( x n ) 0. Para el caso de implementar esta opción en Matlab se usa el formato: ps=spline(x,[0 y 0]). Mínimos Cuadrados Polinomiales Consideremos ahora el problema de aproximar una función en un número grande de puntos que contienen posiblemente un cierto grado de error. En lugar de tratar de ajustar un polinomio de alto grado o insistir en interpolar puntos que sabemos tienen un cierto grado de error, lo que hacemos es que buscamos una función que en cierto sentido suavice las fluctuaciones en los puntos y a la vez resalte las características esenciales de estos. En el método de los mínimos cuadrados, se trata de minimizar la suma de los cuadrados de las diferencias entre los valores y la función que se usa para aproximar estos valores. Suponga que los valoresestán dados por ( x, y ), donde k 1,,..., m usamos para aproximar estos datos tiene la forma general: y las funciones ( ) :1 g( x) a ( x) a ( x)... a ( x) dadas y los 1 1 a :1i n son desconocidas. i n n k k. La función que i x i n son funciones i1 Un caso común es tomar i ( x) x :1 i n y en este caso decimos que buscamos aproximar los datos con un polinomio de grado a lo más 1 datos y la función gx ( ) están dadas por: n. Las diferencias entre los y ( a ( x) a ( x)... a ( x)), 1 k n k k 1 1 n n Buscamos pues minimizar la suma de los cuadrados de estas diferencias dada por: m S k 1 k 18
19 Bajo ciertas condiciones en los datos ( x, y ), 1 k m k k, los valores dea :1i n que minimizan a S son solución del sistema lineal (ecuaciones normales): i t A Aa t A b Dónde: 1 ( x1 ) ( x1 ) 3( x1 )... n( x1 ) 1 ( x) ( x) 3( x)... n( x) A 1 ( x3) ( x3) 3( x3)... n( x3)... 1 ( xm ) ( xm) 3( xm)... n( xm), a1 a a a 3... a n, y1 y b y 3... y m La solución a de las ecuaciones normales se conoce como la solución de mínimos cuadrados para los datos( x, y ), 1k m, usando las funciones base k k i1 i ( x) :1i n. En el caso i ( x) x :1 i n el problema de minimizar S se conoce como el problema de Mínimos Cuadrados Polinomiales y la matriz A toma la forma: 1 x x... x 1 x x... x A 1 x x... x... 1 x x... x n n1 n n1 m m m. 19
20 Ejemplo:Consideremos una función f : y(1, ), (3,1), (5, 4) (6, 3) (10, 5) puntos distintos de f. El polinomio de segundo grado es: P x x x ( ) El polinomio de tercer grado es: P x x x x 3 ( )
21 Polinomios lineales: Este método construye una función lineal en cada par de puntos A( x, y ) y B( x, y ) consecutivos, esto es para i i i 1 i 1. y y P x y x x i1 i ( ) i ( i1 i ) xi 1 xi, i 0,..., n Ejemplo:Hallar f (3) en el polinomio interpolador para la función f : en los puntos, (,1), (4, ) (5, 6), (6, 7) El polinomio lineal en el intervalo 4,5 es: P( x) 1 0.5( x ) P(3) 1.5 1
22 FUNCIONES POLINÓMICAS Y DE INTERPOLACIÓN Matlab provee funciones para operaciones polinómicas, raíces polinómicas, evaluacióny diferenciación.ademáspresenta funciones más avanzadas,como ajuste de curvas y expansión en fracciones parciales, las cuales tienen aplicaciones importantes en las áreas como señal y el procesamiento de imágenes. Matlab representa polinomios ordenados en forma descendente como vectores fila, donde sus coeficientes se ingresan en una matriz. Función Descripción conv(p,q) Multiplica los polinomios P y Q. decon(p,q) Divide polinomios P y Q. poly(r) Calcula los coeficientes de un polinomio partiendo de sus raíces. polyder( P) Calcula los coeficientes de la deriva del polinomio P. polyfit(x,y) Ajuste polinómico para un conjunto de puntos x, y. polyval( P,x) Evalúa el polinomio P en x. polyvalm(a) Evalúa un polinomio con argumento matricial. residue(a,b) Calcula la expansión en fracciones parciales de a y b. roots( P ) Calcula las raíces del polinomio P.
23 Multiplicación de Polinomios Ejemplo: Consideremos el polinomio P( x) x x 3 yq( x) 4x 5x 6. >> P = [ 1 3 ]; >> Q = [ 45 6 ]; >> R = conv(p,q) Nos devuelve como resultado: Esto es 4 3 R( x) P( x) Q( x) 4x 13x 8x 7x 18. División de Polinomios Ejemplo: Consideremos el polinomio >> P = [ ]; >> Q = [ ]; >> [cr] = deconv(p,q) Nos devuelve como resultado: c = 3 P( x) 4x x x 3 y Q x x x ( ) r = Esto es C( x) 4x 11 cociente y R( x) 7x 69 residuo. 3
24 Raíces de Polinomios Ejemplo: Consideremos el polinomio P x x x 3 ( ) 5 >>P = [ ]; >> r = roots(p) Nos devuelve como resultado: i i Observación.- Por convención,matlab almacena las raíces en vectores columna. Coeficientes de un Polinomio a partir de sus raíces Consideremos las raíces r, r i, r i de un polinomio P. Ejemplo: >> r = [ i i ]; >> p = poly(r) Nos devuelve como resultado: Esto es P x x x 3 ( ) 5 La función poly calcula los coeficientes del polinomio característico en el caso que su argumento sea una matriz. 4
25 Ejemplo: >>A = [ ; ; 9 0 1]; >>poly(a) Nos devuelve como resultado: Estos son los coeficientes del polinomio característico de la matriz A, y las raíces de este polinomioson los auto valoresde la matriz. Derivada de un polinomio Ejemplo: Consideremos 4 3 P( x) x x 3x 5x 9 el polinomio a derivar. >> P = [ ]; >>polyder(p) Nos devuelve como resultado: Esto es P x x x x 3 '( ) Derivada de un producto de Polinomios polyder. - Calcula la derivada de un producto P*Q con un solo argumento de salida. Ejemplo: Consideremos P( x) x 5x 9 y P( x) x x 1. 5
26 >> P = [1-5 9]; >> Q = [1 1-1]; >>R = polyder(p,q) Nos devuelve como resultado: Esto es R x P x Q x x x x 3 ( ) ( ( ) ( ))' Derivada de un cociente de Polinomios polyder calcula la derivada de un cociente P/Q con dos argumentos de salida. Ejemplo: Consideremos P( x) x 5x 9 y Q( x) x 7 >> P = [1-5 9]; >> Q = [17]; >> [n d ] = polyder(p,q) Nos devuelve como resultado: n = d = Esto es denominador. n( x) x 14x 44 numerador y d( x) x 14x 49 el 6
27 AJUSTE POLINÓMICO DE CURVAS Matlab utiliza el método de los mínimos cuadrados para realizar el ajuste de curvas a través de un polinomio, considerando para ello un conjunto de datos tabulados de la curva. Ejemplo: Consideremos los puntos de la siguiente tabla x y >> x = [ 0 1 4]; >> y = [ ]; >>polyfit(x, y, 3) Nos devuelve como resultado: Esto es 3 P( x) x x 1, y n 3 es el grado del polinomio a ajustar. 7
28 EXPANSIÓN EN FRACCIONES PARCIALES residue. - expresa en fracciones parciales el cociente de dos polinomios, en el caso que no posea raíces múltiples. as () r1 r rn... k b() s s p s p s p 1 n Donde la r es un arreglo columna de residuos, p es un arreglo columna de polos,y k es un arreglo fila que contiene el resto. Ejemplo: Considere la función de transferencia a( s) 4s 8 b s s s ( ) 6 8 >> a = [ -4 8 ]; >> b = [ ]; >> [ r, p, k ] = residue(a, b) Nos devuelve como resultado: r =-1 8 p =-4 - k =[ ] Esto es: as ( ) 1 8 b( s) s 4 s. 8
29 Ejemplo: Considere la función de transferencia >> a = [ 5 5-6]; >> b = [ 1 0-1]; >> [ r, p, k ] = residue(a, b) Nos devuelve como resultado: r = 3 p = 1-1 k = 5 a s s s b s ( ) ( ) s 1 Esto es: as ( ) 3 5 b( s) s 1 s 1 9
30 INTERPOLACIÓN UNIDIMENSIONAL Matlab provee dos tipos de interpolación de una sola dimensión: La interpolación polinómica La interpolación basada en FFT, este método calcula la transformada de Fourier de un vector que contiene los valores de una función periódica. Interpolación polinómica.- La función interp1 realiza interpolación de una sola dimensión, una operación importante para el análisis de datos y el ajuste de curvas.esta función usa técnicas polinómicas, ajustando los datos suministrados conpolinomios su forma más general es: y1 = interp1(x, y, x1, Metodo) Dónde: x, es un arreglo de valores en orden creciente. y, es un arreglo que contiene las imágenes de x de una función. x 1, es un número o arreglo números los cuales van a ser interpolados. Metodo, son lasopciones a utilizar en la interpolación, nearest(valor del punto más próximo), linear(utiliza una función lineal para cada par de puntos consecutivos), spline(utiliza una función cúbica suave para cada par de puntos consecutivos) cubic(utiliza una función cúbica). Observación.-linear es el método predeterminado para la función del interp1. Ejemplo: >> x = [ ]; >> y = [ ]; >>x1=[ ]; % valores a interpolar >> y1=interp1(x, y, x1,'nearest') 30
31 >>plot(x,y) >> hold on >>plot(x1, y1, 'or') >>grid on Nos devuelve como resultado: y1 = Ejemplo: >> x = [ ]; >> y = [ ]; >>x1=[ ]; % valores a interpolar >> y1=interp1(x, y, x1, 'linear'); >>plot(x,y) >> hold on >>plot(x1, y1, 'or') 31
32 >>grid on Nos devuelve como resultado: y1 = Ejemplo: >> x = [ ]; >> y = [ ]; >>x1=[ ]; % valores a interpolar >> y1=interp1(x, y, x1, 'spline'); >>plot(x,y) >> hold on >>plot(x1, y1, 'or') >>grid on 3
33 Nos devuelve como resultado: y1 = Ejemplo: >> x = [ ]; >> y = [ ]; >>x1=[ ]; % valores a interpolar >> y1=interp1(x, y, x1, 'cubic'); >>plot(x,y) >> hold on >>plot(x1, y1,'or') >>grid on Nos devuelve como resultado: y1 = 33
34 EXTRAPOLACIÓN Si cualquier elemento de x1 está fuera del rango de x, las funciones spline y cubic lo aceptan como argumento para extrapolar sus valores. Ejemplo: >> x = [ ]; >> y = [ ]; >>x1=[ ]; % valores a interpolar y extrapolar >> y1=interp1(x, y, x1, 'cubic'); >>plot(x,y) >> hold on >>plot(x1, y1, 'or') >>grid on 34
35 Nos devuelve como resultado: y1 = Velocidad y suavidad de los métodos Al escoger un método de interpolación, se debe tener en cuenta que alguna requiera más memoria o más tiempo en los cálculos. La interpolación nearest es el método más rápido. Sin embargo,provee los peores resultados en términos de la suavidad. La interpolación linear usa más memoria que el método nearesty requiere ligeramente más tiempo de ejecución.a diferencia de la interpolación nearest sus resultados son continuos. La interpolación spline tiene el tiempo de ejecución relativo más largo,aunque toma menos memoria que la interpolación cúbica y produce los mejores resultados de suavidad de todos los métodos de interpolación. Sin embargo, si sus datos de entrada son poco uniformes y algunos puntos están muy cercanos entre ellos se pueden obtener resultados inesperados. La interpolación cúbica requiere más memoria y el tiempo de ejecución que ya sea nearest o los métodos lineales. 35
36 Interpolación basada en FFT La función interpft realiza interpolación de una sola dimensión usando un método basado en FFT, el cual calcula la transformada de Fourier de un vector que contiene los valores de una función periódica. Su sintaxis es: y = interpft (x,n) x es un vector que contiene los valores de una función periódica, para puntos igualmente espaciados, n es el número de puntos igualmente espaciados que retorna. INTERPOLACIÓNBIDIMENSIONAL La función interp nos permite interpolar valores de dos dimensiones,su forma general es: Z1 = interp (X,Y,Z,X1,Y1,Método) Donde: Z, es un arreglo rectangular que contiene los valores correspondientes a los puntos X, Y. X e Y, son arreglos de un mismo tamaño conteniendo los puntos para los cuales los valores en Z son dados. X1 e Y1, son arreglos que contienen los puntos a interpolar. Método, son opciones a utilizar en la interpolación, existiendo tres métodos diferentes de interpolación para datos de dos dimensiones: nearest(valor del punto más próximo), bilinear(utiliza una combinación de los valores de los 4 puntos más cercanos), bicubic(utiliza una combinación de los valores de los 16 puntos más cercanos). Comparación de los Métodos de Interpolación de dos dimensiones Estos ejemplos comparan los métodos de interpolación de dos dimensiones en una matriz de orden 7x 7. 36
37 Ejemplo >> [x, y]= meshgrid(-3 : 1 : 3); >> z = 3*(1-x).^.*exp(-(x.^) - (y+1).^) - 10*(x/5 - x.^3 - y.^5).*exp(-x.^- y.^) - 1/3*exp(-(x+1).^ - y.^); >>surf(x, y, z) Ejemplo: Genera una malla más fina debido al incremento de 0.5. >> [x, y] = meshgrid(-3 : 0.5 : 3); >> z = 3*(1-x).^.*exp(-(x.^) - (y+1).^) - 10*(x/5 - x.^3 - y.^5).*exp(-x.^- y.^) - 1/3*exp(-(x+1).^ - y.^); >>surf(x, y, z) 37
38 Ejemplo:Interpolación en los puntos x1, y1 usando la opción nearest. >> [ x, y ] = meshgrid(-3 : 1 : 3); >>z = 3*(1-x).^.*exp(-(x.^) - (y+1).^) - 10*(x/5 - x.^3 - y.^5).*exp(-x.^- y.^) - 1/3*exp(-(x+1).^ - y.^); >>surf(x, y, z) >> hold on >>x1 = -3 : 0.3 : 3; >> y1 = -3 : 0.3 : 3; >> [ x1, y1 ] = meshgrid(x1, y1); >> z1 = interp(x, y, z, x1, y1, 'nearest'); >>surf(x1, y1, z1+10) 38
39 Ejemplo:Interpolación en los puntos x1, y1 usando la opción bilineal. >> [ x, y ] = meshgrid(-3 : 1 : 3); >>z = 3*(1-x).^.*exp(-(x.^) - (y+1).^) - 10*(x/5 - x.^3 - y.^5).*exp(-x.^- y.^) - 1/3*exp(-(x+1).^ - y.^); >>surf(x, y, z) >> hold on >>x1 = -3 : 0.3 : 3; >> y1 = -3 : 0.3 : 3; >> [ x1, y1 ] = meshgrid(x1, y1); >> z = interp(x, y, z, x1, y1, ' bilineal'); >>surf(x1, y1, z+10) 39
40 Ejemplo:Interpolación en los puntos x1, y1 usando la opción bicubic. >> [ x, y ] = meshgrid(-3 : 1 : 3); >>z = 3*(1-x).^.*exp(-(x.^) - (y+1).^) - 10*(x/5 - x.^3 - y.^5).*exp(-x.^- y.^) - 1/3*exp(-(x+1).^ - y.^); >>surf(x, y, z) >> hold on >>x1 = -3 : 0.3 : 3; >> y1 = -3 : 0.3 : 3; >> [ x1, y1 ] = meshgrid(x1, y1); >> z3 = interp(x, y, z, x1, y1, 'bicubic'); >>surf(x1, y1, z3+10) 40
41 INTERPOLACIÓNEN TRES DIMENSIONES La función interp3 nos permite interpolar valores en tres dimensiones,su forma general es: V1 = interp3(x, Y, Z, V, X1, Y1, Z1, Método) Donde: V, es un arreglo tridimensional que contiene los valores correspondientes a los puntos X, Y, Z. X,Y, Z son arreglos de un mismo tamaño conteniendo los puntos para los cuales los valores en V son dados. X1,Y1, y Z1 son arreglos que contienen los puntos a interpolar. Método, son lasopciones a utilizar en la interpolación, existiendo tres métodos diferentes de interpolación para datos de tres dimensiones: nearest(valor del punto más próximo), trilinear(utiliza una combinación de los valores de los 8 puntos más cercanos), tricubic(utiliza una combinación de los valores de los 64 puntos más cercanos). Todos estos métodos requieren que los arreglos X,Y,y Z sean crecientes o decrecientes. Ejemplo: Interpolación en los puntos x1, y1, z1 usando la opción linear. >> x = [ 0 3 ]; >> [x, y, z] = meshgrid(x, x, x); >> v = x.^ + y.^ + z; >> [x1, y1, z1] = meshgrid( 1: 1 : ); >> v1 = interp3(x, y, z, v, x1, y1, z1,' linear ' ) Nos devuelve como resultado: v1( :, :, 1) = 41
42 v1( :, :, ) =
43 INTERPOLACIÓNMULTIDIMENSIONAL La función interpn nos permite realizar una interpolación multidimensional,su forma general es: V1 = interpn(x, Y, Z,, W, V, X1, Y1, Z1,, W1, Método) Donde: V, es un arreglo multidimensional que contiene los valores correspondientes a los puntos X, Y, Z,..., W. X,Y, Z,, W, son arreglos de un mismo tamaño conteniendo los puntos para los cuales los valores en V son dados. X1,Y1, Z1,, W1, son arreglos que contienen los puntos a interpolar. Método, son lasopciones a utilizar en la interpolación, para lo cual se cuenta con tres métodos diferentes de interpolación para datos multidimensionales: nearest(valor del punto más próximo), linear(utiliza una combinación de los valores de los puntos más cercanos en cada dimensión), cubic(utiliza una combinación de los valores de los 4 puntos más cercanos en cada dimensión). Cada método automáticamente traza un mapa de la entrada para un dominio igualmente espaciado antes de interpolar. Ejemplo:Interpolación en los puntos x1, y1, z1, w1 usando la opción nearest. >> x = [ 5]; >> [x, y, z, w] = ndgrid(x); >> v = x.^ + y + z - w.^; >> [x1, y1, z1, w1] = ndgrid(3 : 1 : 4); >> v1 = interpn(x, y, z, w, v, x1, y1, z1, w1, 'nearest') Nos devuelve como resultado: v1(:, :, 1, 1) =
44 v1(:, :,, 1) = v1(:, :, 1, ) = v1(:, :,, ) = Mallas para datos multidimensionales La función del ndgrid genera arreglos multidimensionales de datos para la evaluación e interpolación de una función. ndgrid transforma el dominio especificado por una serie de vectores de entrada en una serie de arreglos de salida. La sintaxis para ndgrid es: [X1, X, X3,... ] = ndgrid(x1, x, x3,... ) Ejemplo: Consideremos la evaluación de una función de tres variables x y z w ye Para evaluar y graficar esta función escribiremos: >> x = - : 0. : ; >> y = - : 0.5 : ; >> z = - : 0.16 : ; >> [x, y, z] = ndgrid(x, y, z); 44
45 >> w = y.*exp(-x.^ - y.^ - z.^); >> slice(y, x, z, w, [ ],, [- 0.]); 45
46 INTEGRACIÓN NUMÉRICA OBJETIVO: UTILIZAR MÉTODOS DE APROXIMACIÓN NUMÉRICA EN EL CÁLCULO DE UNA INTEGRAL DEFINIDA. CONTENIDO: Método del trapecio. Método de Simpson 1/3. Método de Simpson 3/8. Método de Boole. Comparación de Métodos. Integración doble. 46
47 INTEGRACIÓN NUMÉRICA En el presente capítulo se describen diferentes métodos de integración numérica los cuales permiten evaluar integrales simples b a f x) dx (, e integrales dobles b a ( x) ( x) f ( x, y) dydx, donde las funciones f (x), f ( x, y) pueden estar dadas en forma analítica o en forma discreta mediante una tabla. La integración de una función tiene muchas aplicaciones en la ciencia e Ingeniería por ejemplo: a) Un topógrafo podría necesitar saber el área de un campo limitado por una corriente zigzagueante y dos caminos. b) Un ingeniero en hidráulica tal vez requiera conocer el área de la sección transversal de un río. c) Un ingeniero en estructuras quizás necesita determinar la fuerza neta ejercida por un viento no uniforme que sopla contra un lado de un rascacielos. a b c Éstas son sólo algunas de las diferentes aplicaciones de la integración que se modelarían como: 47
48 I b a f ( x) dx b Para calcular la integral definida f ( x ) dx Fundamental del Cálculo se tiene: por el Segundo Teorema a b f ( x ) dx F b ( x ) F a ( b ) F ( a ) a Sin embargo, para el cálculo de la antiderivada existen integrales definidas 1 x senx cosh x tales como: e dx, dx, dx 0 x 1 x Para los que no existe un método conocido para encontrar su antiderivada, pero si la función f( x ) es continua en el intervalo cerrado ab, la integral definida existe y es un número único. Para estos casos, en que no se pueden encontrar la antiderivada, veremos a continuación métodos de aproximación para estimar el valor de una integral definida. 48
49 MÉTODO DEL TRAPECIO Sea f : a, b una función continua y positiva ( f( x) 0) en el intervalo cerrado ab,, y sea R la región plana limitada por las curvas y f ( x), el eje X, las rectas x a y x b, por los teoremas del cálculo integral el área de R se define como: b A( R) f ( x) dx a Gráficamente: Construyamos un trapecio de vértices ( a,0), ( b,0), ( b, f ( b)), y ( a, f ( a)) y consideremos como una aproximación el área del trapecio al área buscada como se muestra a continuación. 49
50 Esto es: b h A( R) f ( x) dx f ( a) f ( b) a h A( R) f ( a) f ( b), h b a. Obteniendo la fórmula del método del trapecio. Generalización del Método del Trapecio para n subintervalos Sea b a, el intervalo cerrado con a b y P a x x x b partición regular del intervalo a x x x x b x n a, b, en n subintervalos de la forma a, x1 a h, x a h,.. xi a ih, 0, 1,..., n una b a h n.. xn a nh b. Gráficamente Aplicando la fórmula del Trapecio a cada subintervalo se tiene: 50
51 h A1 f ( xo ) f ( x1) h A f ( x1 ) f ( x) h A3 f ( x) f ( x3) h An f ( xn 1) f ( xn ) Calculando n A( R) Ai i1 Reemplazando el valor de cada una de las áreas parciales se tiene: A( R) ( h/ ) f ( x ) f ( x ) f ( x )... f ( x ) f ( x ) 0 1 n1 n Equivalentemente: A( R) ( h/ ) f ( a) f ( a h) f ( a h)... f ( a ( n 1) h) f ( b) Ejemplo: Calcular numéricamente el valor de la siguiente integral definida e x 0 1 dx x, considerando tres intervalos y doce subintervalos respectivamente. Solución: Para n= 3 subintervalos. 51
52 0 e x dx 1 x Para n = 1 subintervalos 0 e x dx 1 x
53 Archivo m: Parautilizar el siguiente programa digitar en la ventana de comandos: >>trap1(' función ', a, b, n ). 53
54 MÉTODO DE SIMPSON 1/3 Sea f : a, b una función continua y positiva ( f( x) 0) en el intervalo cerrado ab,, y sea R la región plana limitada por las curvas y f ( x), el eje X, las rectas x a y x b, por los teoremas del cálculo integral el área de R se define como: b A( R) f ( x) dx a Gráficamente: Dividamos el intervalo ab, en subintervalos, esto es x1 a h, x b. h b a y x0 a, Construyamos un polinomio interpolador puntos ( x0, f ( x0 )), ( x1, f ( x1 )) y ( x, f ( x)). P( x) Ax Bx C que pase por los Si consideremos como una aproximación P se obtiene: b b a a f para el cálculo de la integral, A ( R ) f ( x ) dx P ( x ) dx ( h / 3)[ f ( a ) 4 f ( a h ) f ( b )]. 54
55 Gráficamente: Generalización del Método de Simpson 1/3 para n subintervalos Sea b a, el intervalo cerrado con a b y P a x x x b partición regular del intervalo 0, 1,..., n una a, b, en n subintervalos de la forma b a h n a x x x x b n x0 a, x1 a h, x a h,.. xi a ih,.. x a nh b. n Gráficamente 55
56 Aplicando la fórmula de Simpson 1/3 a cada 3 puntos consecutivos se tiene: A ( h / 3) f ( x ) 4 f ( x ) f ( x ) 1 o 1 A ( h / 3) f ( x ) 4 f ( x ) f ( x ) 3 4 A ( h / 3) f ( x ) 4 f ( x ) f ( x ) A ( h / 3) f ( x ) 4 f ( x ) f ( x ) n n n1 n Calculando n A( R) Ai i1 Reemplazando el valor de cada una de las áreas parciales se tiene: A( R) ( h /3) f ( x ) 4 f ( x ) f ( x )... 4 f ( x ) f ( x ) 0 1 n1 n Equivalentemente: A( R) ( h/3) f ( a) 4 f ( a h) f ( a h)... 4 f ( a (n 1) h) f ( b) Ejemplo: Calcular numéricamente el valor de la siguiente integral definida 3 x 0 e sen xdx considerando dos y 10 subintervalos respectivamente. 56
57 Solución: Para n = 1. 3 x 0 e sen xdx Para n= x e sen xdx
58 Archivo m: Parautilizar el siguiente programa digitar en la ventana de comandos: >>simp1(' función ', a, b, n ). 58
59 MÉTODO DE SIMPSON 3/8 Sea f : a, b una función continua y positiva ( f( x) 0) en el intervalo cerrado ab,, y sea R la región plana limitada por las curvas y f ( x), el eje X, las rectas x a y x b, por los teoremas del cálculo integral el área de R se define como: b A( R) f ( x) dx a Gráficamente: Dividamos el intervalo ab, en 3 subintervalos, esto es x1 a h, x a h, x3 b. h b a 3 y x0 a, Construyamos un polinomio interpolador 3 P( x) Ax Bx Cx D los puntos ( x0, f ( x0 )), ( x1, f ( x1 )), ( x, f ( x)) y ( x3, f ( x3)). que pase por Si consideremos como una aproximación P se obtiene: b b a a f para el cálculo de la integral, A ( R ) f ( x ) dx P ( x ) dx (3 h /8)[ f ( a ) 3 f ( a h ) 3 f ( a h ) f ( b )]. 59
60 Gráficamente: Generalización del Método de Simpson 3/8 para 3n subintervalos Sea b a, el intervalo cerrado con a b y P a x x x b 0, 1,..., 3n una partición regular del intervalo a, b, en 3nsubintervalos de la forma b a h 3n a x x x x b n x0 a, x1 a h, x a h, x3 a 3h,.. xi a ih,.. x3 a 3 nh b. n Gráficamente 60
61 Aplicando la fórmula de Simpson 3/8 a cada 4 puntos consecutivos se tiene: A (3 h / 8) f ( x ) 3 f ( x ) 3 f ( x ) f ( x ) 1 o 1 3 A (3 h / 8) f ( x ) 3 f ( x ) 3 f ( x ) f ( x ) A (3 h / 8) f ( x ) 3 f ( x ) 3 f ( x ) f ( x ) A (3 h / 8) f ( x ) 3 f ( x ) 3 f ( x ) f ( x ) n 3n3 3n 3n1 3n Calculando n A( R) Ai i1 Reemplazando el valor de cada una de las áreas parciales se tiene: f ( x0 ) 3 f ( x1 ) 3 f ( x) f ( x3)... A( R) (3 h /8)... f ( x3n3 ) 3 f ( x3n ) 3 f ( x3n 1 ) f ( x3n ) Equivalentemente: f ( a) 3 f ( a h) 3 f ( a h) f ( a 3 h)... A( R) (3 h /8) f ( a (3 n 3) h ) 3 f ( a (3 n ) h ) 3 f ( a (3 n 1) h ) f ( b ) Ejemplo: Calcular numéricamente el valor de la siguiente integral definida 0. x sin( x) dx considerando3 y 9 subintervalos respectivamente. 61
62 Solución: Para n = x sin( x) dx.4338 Para n = x sin( x) dx
63 Archivo m: Parautilizar el siguiente programa digitar en la ventana de comandos: >>simp(' función ', a, b, n ). 63
64 MÉTODO DE BOOLE Sea f : a, b una función continua y positiva ( f( x) 0) en el intervalo cerrado ab,, y sea R la región plana limitada por las curvas y f ( x), el eje X, las rectas x a y x b, por los teoremas del cálculo integral el área de R se define como: b A( R) f ( x) dx a Gráficamente: Dividamos el intervalo ab, en 4 subintervalos, esto es x1 a h, x a h, x3 a 3h, x4 b. h b a 4 y x0 a, Construyamos un polinomio interpolador 4 3 P( x) Ax Bx Cx Dx E que pase por los puntos ( x0, f ( x0 )), ( x1, f ( x1 )), ( x, f ( x)), ( x3, f ( x3)) y ( x4, f ( x4)). Si consideremos como una aproximación P se obtiene: b b a a A ( R ) f ( x ) dx P ( x ) dx f para el cálculo de la integral, A( R) ( h/ 45)[14 f ( a) 64 f ( a h) 4 f ( a h) 64 f ( a 3 h) 14 f ( b)] 64
65 Gráficamente: Generalización del Método deboolepara 4n subintervalos Sea b a, el intervalo cerrado con a b y P a x x x b 0, 1,..., 4n una partición regular del intervalo a, b, en 3nsubintervalos de la forma a x x x x b x n a, x1 a h, x a h, x3 a 3h,, x4 a 4h,.. b a h 4n. xi a ih.. x4n a4nh b Se obtiene la siguiente formula: b h 14 f ( x0 ) 64 f ( x1 ) 4 f ( x) 64 f ( x3) 8 f ( x4)... A( R) f ( x) dx a 45 8 f ( x4n4) 64 f ( x4n3) 4 f ( x4n) 64 f ( x4n 1) 14 f ( x4n) Ejemplo: Calcular numéricamente el valor de la siguiente integral definida sin( ) 0 x x dx considerando4 y 1 subintervalos respectivamente. 65
66 Solución: Para n = 1. x sin( x ) dx Para n = 3. x sin( x ) dx
67 Archivo m: Parautilizar el siguiente programa digitar en la ventana de comandos: >>bool1(' función ', a, b, n ). 67
68 COMPARACIÓN DE LOS MÉTODOS DE INTEGRACIÓNNUMÉRICA Para la comparación de los Métodos de Integración Numérica se evaluará la siguiente integral definida x x e dx 1, en igual número de intervalos(1 intervalos). Método del trapecio.( n = 1 ) x x e dx Método de Simpson ⅓ ( n = 6 ) x x e dx
69 Método de Simpson ⅜ ( n = 4 ) x x e dx Método de Boole( n = 3 ) x x e dx
70 INTEGRACIÓN DOBLE Para calcular una integral doble en el orden dydx, consideraremos una región cerrada D, llamada también dominio de integración, en el plano XY. Sea f : D una función continua sobre D, donde: D x y a x b x y x, /, ( ) ( ) es una región cerrada en y, :[ ab, ] son funciones continuas en [ ab,, ] tal que ( x) ( x), x [ a, b]. Gráficamente: y( x) y (x) Entonces la integral de f sobre D es: D f ( x, y) dxdy b a ( ( x) ( x) f ( x, y) dy) dx (1) En (1), si ( x) g ( x ) f ( x, y ) dy () ( x) 70
71 Reemplazando () en (1), se tiene: b g ( x ) dx (3) a Donde la integral (3) se puede calcular aplicando cualquiera de los métodos de integración numérica estudiados en el capítulo anterior. 71
Taller de Informática I Dpto. Computación F.C.E. y N. - UBA
Ajuste de Curvas El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de puntos {xi, yi} (siendo x la variable independiente e y la dependiente), se determina una función matemática
Más detallesSESIÓN 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 detallesInterpolación. Dan Casas
Interpolación Dan Casas 1 Motivación 2 Motivación 3 Motivación 4 Interpolación 1. Introducción La mayor parte de los procesos relacionados con la Animación se basan en la Interpolación. Qué necesitamos?
Más detallesMétodos Numéricos Cap 5: Interpolación y Aproximación polinomial
1/12 Aproximación funcional e Interpolación Representación mediante funciones analíticas sencillas de: Información discreta. (Resultante de muestreos). Funciones complicadas. Siendo y k = f(x k ) una cierta
Más detallesCapítulo 3. Polinomios
Capítulo 3 Polinomios 29 30 Polinomios de variable real 31 Polinomios de variable real 311 Evaluación de polinomios Para el cálculo eficiente de los valores de un polinomio se utiliza el algoritmo de Horner,
Más detallesMétodos 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 detallesAPLICACIONES COMPUTACIONALES INGENIERÍA EJECUCIÓN MECÁNICA INTEGRACIÓN NUMÉRICA. IEM APLICACIONES COMPUTACIONALES
APLICACIONES COMPUTACIONALES INGENIERÍA EJECUCIÓN MECÁNICA INTEGRACIÓN NUMÉRICA MOTIVACIÓN REPRESENTACIÓN GRÁFICA DE UNA DERIVADA Aproximación Definición MOTIVACIÓN REPRESENTACIÓN GRÁFICA DE UNA INTEGRAL
Más detallesInterpolación polinómica
Interpolación polinómica Contenidos Polinomio interpolante Interpolación mediante los polinomios fundamentales de Lagrange Interpolación mediante diferencias divididas Interpolación con órdenes Matlab
Más detallesM a t L a b. Oriol Roca POLINOMIOS EN MATLAB.
POLINOMIOS EN MATLAB Polinomios Los polinomios son expresiones matemáticas utilizadas muy frecuentemente en el modelado de problemas científicos x 4-12x 3 +25x+116 Polinomios Matlab proporciona poderosas
Más detallesInterpolación. Dan Casas
Interpolación Dan Casas 1 Motivación 2 Motivación 2 Motivación 2 Motivación 3 Interpolación 1. Introducción La mayor parte de los procesos relacionados con la Animación se basan en la Interpolación. 4
Más detallesInterpolación. Javier Segura. Cálculo Numérico I. Tema 3. Javier Segura (Universidad de Cantabria) Interpolación CNI 1 / 29
Interpolación Javier Segura Cálculo Numérico I. Tema 3. Javier Segura (Universidad de Cantabria) Interpolación CNI 1 / 29 Contenidos: 1 Interpolación de Lagrange Forma de Lagrange Teorema del resto Diferencias
Más detallesSplines cúbicos. Análisis Numérico Universidad Nacional Autónoma de México Facultad de Ciencias
Análisis Numérico 2018 2 Universidad Nacional Autónoma de México Facultad de Ciencias Contenido 1 2 3 Construcción de naturales Introducción En los temas anteriores estudiamos la aproximación de una función
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesIntegración 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 detallesEl 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 detallesSplines. Spline Cúbicos. Hermes Pantoja Carhuavilca. Facultad de Ingeniería Mecánica Universidad Nacional de Ingenieria
Facultad de Ingeniería Mecánica Universidad Nacional de Ingenieria Métodos Numéricos Contenido 1 Splines Introducción Un spline es una función polinomial definida por casos donde cada caso es un polinomio
Más detallesM a t L a b. Oriol R oca POLINOMIOS EN MATLAB.
POLINOMIOS EN MATLAB Polinomios Los polinomios son expresiones matemáticas utilizadas muy frecuentemente en el modelado de problemas científicos x 4-12x 3 +25x+116 Polinomios Matlab proporciona poderosas
Más detallesProgramación MATLAB: Ecuaciones, polinomios, regresión e interpolación.
Programación MATLAB: Ecuaciones, polinomios, regresión e interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesProgramación MATLAB: Ecuaciones, polinomios, regresión e interpolación.
Programación MATLAB: Ecuaciones, polinomios, regresión e interpolación. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesTema 5. Interpolación
E.T.S. de Ingenieros de Telecomunicación Universidad de Vigo Plan Introducción Introducción Motivación Formulación 2 3 Interpolación spline Motivación Formulación Introducción Motivación Formulación 2
Más detallesMÉTODOS NUMÉRICOS - ALGUNAS INSTRUCCIONES EN DERIVE
MÉTODOS NUMÉRICOS - ALGUNAS INSTRUCCIONES EN DERIVE Las siguientes instrucciones corresponden, en su mayoría, a funciones definidas por el profesor Julio C. Morales, como complemento a las utilidades del
Más detallesInterpolación. Esta función se denomina función interpolante. con. Dado un conjunto de datos. Queremos determinar una función.
Interpolación Dado un conjunto de datos con Queremos determinar una función tal que Esta función se denomina función interpolante Interpolación Usos de la Interpolación Graficar una curva suave a través
Más detallesMETODOS NUMERICOS. Curso
Boletín 1 de prácticas. 1. Localizar las raíces de la ecuación F (x) = 0, para los siguientes casos: (a) F (x) = x + e x. (b) F (x) = 0.5 x + 0.2 sen(x). (c) F (x) = x tg(x). (d) F (x) = x 5 3. (e) F (x)
Más detallesCálculo 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 detalles4.6. Interpolación mediante splines (polinomios a trozos) Figura 4.1: Datos de interpolación
Capítulo 4 INTERPOLACIÓN 46 Interpolación mediante splines polinomios a trozos En las figuras siguientes se puede observar alguno de los problemas que la interpolación clásica con polinomios puede plantear
Más detallesMATE Dr. Pedro Vásquez UPRM. P. Vásquez (UPRM) Conferencia 1/ 25
Dr. Pedro Vásquez UPRM P. Vásquez (UPRM) Conferencia 1/ 25 P. Vásquez (UPRM) Conferencia 2/ 25 Integración Aproximada MATE 3032 Hay dos situaciones en las que es imposible encontrar el valor exacto de
Más detallesTema 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 detallesEjercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.
Ejercicios Temas 3 y 4: Interpolación polinomial. Ajuste de curvas.. El número de personas afectadas por el virus contagioso que produce la gripe en una determinada población viene dado por la siguiente
Más detallesMétodos 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 detallesComplementos de Matemáticas, ITT Telemática
Aproximación de funciones Interpolación Int. Segm. Complementos de Matemáticas, ITT Telemática Tema 2. Departamento de Matemáticas, Universidad de Alcalá Aproximación de funciones Interpolación Int. Segm.
Más detallesLaboratorio 2 MA-33A : Interpolación y Aproximación de Funciones
Laboratorio 2 MA-33A 2007-1: Interpolación y Aproximación de Funciones Gonzalo Hernández - Gonzalo Rios UChile - Departamento de Ingeniería Matemática 1 Manejo de Polinomios (30 min) En esta sesión aprenderemos
Más detallesMétodos 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 detallesInterpolación 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 detallesInterpolación. Javier Segura. February 12, 2012
February 12, 2012 polinómica Para cualquier conjunto de n + 1 (n 0) números distintos x 0, x 1,..., x n y cualquier conjunto de números arbitrarios y 0, y 1,..., y n, existe un único polinomio P n (x)
Más detallesCurso Hoja 1. Análisis de errores
Hoja 1. Análisis de errores 1 Teniendo en cuenta que MATLAB trabaja en doble precisión, calcular el número máquina inmediatamente anterior a 1 y comprobar que dista 2 53 de 1. 2 Calcular 1 2 52, 1 2 53,
Más detallesInterpolación. 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 detallesMétodos 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 detallesCálculo I Aplicaciones de las Derivadas: Linealización y Diferenciales. Julio C. Carrillo E. * 1. Introducción 1. 2.
4.7. Aplicaciones de las Derivadas: Linealización y Diferenciales Julio C. Carrillo E. * Índice 1. Introducción 1 2. Errores 2 3. Linealización 4 4. Diferenciales 10 A. Teorema de Taylor (Opcional) 17
Más detallesSISTEMAS DE ECUACIONES
1 SISTEMAS DE ECUACIONES OBJETIVO: RESOLVER SISTEMAS DE ECUACIONES LINEALES UTILIZANDO DIVERSOS MÉTODOS DE SOLUCIÓN CONTENIDO: Representación matricial de un sistema de ecuaciones. Transformaciones elementales.
Más detallesPlanteamiento del problema
Planteamiento del problema La interpolación consiste en construir una función (o una curva) que pase por una serie de puntos prefijados. Interpolación polinomial: el conjunto de datos observados se interpola
Más detallesMétodos Numéricos: Interpolación
Métodos Numéricos: Interpolación Eduardo P. Serrano Versión previa abr 2012 1. Interpolación. Dado un conjunto finito de datos (x k,y k ), k =0, 1,...,n una función interpolante odeinterpolación, es una
Más detallesInterpolación y aproximación polinomial
Análisis Numérico Interpolación y aproximación polinomial CNM-425 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft «2010 Reproducción permitida bajo
Más detalles5. 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 detallesAnálisis 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 detallesAproximación funcional por mínimos cuadrados
Aproximación funcional por mínimos cuadrados Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Introducción
Más detallesProblemas. Hoja 1. Escriba el algoritmo para N = 4 y calcule el número de operaciones que realiza.
Dpto. de Matemáticas. CÁLCULO NUMÉRICO. Curso 12/13 Problemas. Hoja 1 Problema 1. El método o algoritmo de Horner para evaluar en x 0 el polinomio P (x) = a 0 + a 1 x + + a N x N consiste formalmente en
Más detallesCÁLCULO 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 detallesInterpolación seccional: SPLINES
Motivación: problemas en aproximación funcional. Interpolación polinómica oscilaciones para número elevado de datos Interpolación seccional: SPLINES.5 8 6 4 Laboratori de Càlcul Numèric (LaCàN) Departament
Más detallesE.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 detallesPágina 127. Página 128
Soluciones de las actividades Página 15 1. La clasificación de las funciones es: a) Función algebraica racional polinómica de grado. b) Función algebraica racional polinómica de grado. c) Función trascendente.
Más detalles1. Para la función f(x) = x sen x, halle su polinomio de Taylor de orden 2 en a = 0. x x3 3!, x x3
Cálculo I (Grado en Ingeniería Informática) Problemas resueltos, - y -4 (tercera parte) Preparado por los profesores de la asignatura: Pablo Fernández, Dragan Vukotić (coordinadores), Luis Guijarro, Kazaros
Más detallesTEMA 5: INTERPOLACION NUMERICA
Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 5: INTERPOLACION NUMERICA 1 EL PROBLEMA GENERAL DE INTER- POLACION En ocasiones se plantea el problema de que se conoce una tabla de valores de una
Más detallesCuadratura de Newton-Cotes
Profesor: Jaime Álvarez Maldonado Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación INTEGRACION NUMERICA Ayudante: Rodrigo Torres Aguirre INTEGRACION
Más detalles1. 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 detalles1. Para la función f(x) = x sen x, halle su polinomio de Taylor de orden 2 en a = 0. x x3 3! + x5
Cálculo I (Grado en Ingeniería Informática Problemas resueltos, -, -4 y 4-5 (tercera parte Preparado por los profesores de la asignatura: Pablo Fernández, Dragan Vukotić, Luis Guijarro (coordinadores,
Más detallesAmpliación 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 detallesIntegración Numérica. Hermes Pantoja Carhuavilca. Métodos Computacionales. Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos
Integración Numérica Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Hermes Pantoja Carhuavilca 1 de 64 CONTENIDO Introducción
Más detallesInterpolación MÉTODO DE LAGRANGE. Numérico II MOYOTL-HERNÁNDEZ E.,
Interpolación MÉTODO DE LAGRANGE Numérico II MOYOTL-HERNÁNDEZ E., 2017 1 INTERPOLACIÓN El problema matemático de la interpolación es el siguiente: Dada una lista de puntos (x 0, y 0 ),, (x n, y n ) se
Más detallesCuadratura Numérica. Javier Segura. J. Javier Segura Cuadratura Numérica
Cuadratura Numérica Javier Segura Tema: Integración numérica. Contenidos Fórmulas de Newton-Cotes: Error en las fórmulas de Newton-Cotes. Fórmulas compuestas de Newton-Cotes. Error; Evaluación recurrente.
Más detallesInterpolación. 12 Interpolación polinómica
El objeto de este capítulo es el estudio de técnicas que permitan manejar una función dada por medio de otra sencilla y bien determinada que la aproxime en algún sentido. El lector ya conoce la aproximación
Más detallesAjuste de Curvas. Clase de Taller I del 23/09/2015
Ajuste de Curvas Clase de Taller I del De lo particular a lo general En las ciencias naturales y sociales el método empírico consiste en pasar de observaciones a leyes: Ley de caída de cuerpos. Ley de
Más detallesUnidad 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 detallesRelación 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 detallesEJERCICIOS PROPUESTOS: Interpolación
EJERCICIOS PROPUESTOS: Interpolación 1º. Determínese el polinomio de primer grado que en x = 1 toma el valor y en x 1 = toma el valor. Para ello: a) Escríbase el sistema de ecuaciones lineales que proporciona
Más detallesAjuste de Curvas. Clase de Taller I del 28/09/2016
Ajuste de Curvas Clase de Taller I del De lo particular a lo general En las ciencias naturales y sociales el método empírico consiste en pasar de observaciones a leyes: Ley de caída de cuerpos. Ley de
Más detallesÁlgebra Lineal. Tema 13. Mínimos cuadrados. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 3. Mínimos cuadrados Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
Más detallesPráctica 5: Interpolación y ajuste.
Práctica 5: Interpolación y ajuste. 1 Tablas de diferencias. La interpolación se usa para obtener datos intermedios a partir de una tabla de valores, construyendo un polinomio que pasa por el conjunto
Más detallesAproximación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Aproximación 1 / 19
Aproximación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aproximación 1 / 19 Motivación Intro Aproximar una función f consiste en reemplazarla con una
Más detalles- NOTAS DE CLASE - René Escalante. - Noviembre, Departamento de Cómputo Científico y Estadística UNIVERSIDAD SIMON BOLIVAR
MÉTODOS NUMÉRICOS - NOTAS DE CLASE - René Escalante Departamento de Cómputo Científico y Estadística UNIVERSIDAD SIMON BOLIVAR - Noviembre, 2014 - Contenido 1 Aproximación de funciones 1 1.1 El teorema
Más detallesCursada Segundo Cuatrimestre 2012 Guía de Trabajos Prácticos Nro. 5
Temas: Interpolación polinomial simple. Interpolación de Lagrange. Polinomio interpolador de Newton. Interpolación polinomial segmentada (Spline). Ajuste de curvas. Regresión por mínimos cuadrados. 1.
Más detallesSelectividad Matemáticas II junio 2017, Andalucía
Selectividad Matemáticas II junio 07, Andalucía Pedro González Ruiz 3 de junio de 06. Opción A Problema. Se quiere hacer una puerta rectangular coronada por un semicírculo como el de la figura. El hueco
Más detalles1.- DOMINIO DE LA FUNCIÓN
En este resumen vamos a tratar los puntos que necesitamos para poder representar gráficamente una función. Empezamos viendo la información que podemos obtener de la expresión matemática de la función.
Más detallesPara verificar que el sistema converge se deberán cumplir con las siguientes condiciones en las formulas con derivadas parciales: + 1
MAT 5 B Sistemas de ecuaciones no lineales EJERCICIOS RESUELTOS. Resuelva el siguiente sistema de ecuaciones no lineales, utilizando el método de punto fijo multivariable: x cos x x SOLUCIÓN x 8 x +. +
Más detallesIntegración numérica
Integración numérica Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Índice Motivación y objetivos Cuadratura
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesInterpolacion y extrapolacion numerica y Ajuste de datos
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Interpolacion y extrapolacion numerica y Ajuste de datos Prof: J. Solano 2012-I Introducción La interpolación y extrapolación
Más detallesInterpolación Polinomial
Tema 3 Interpolación Polinomial RESUMEN TEÓRICO El problema general de la interpolación es el siguiente: dados n + puntos distintos a x < x 2 < < x n+ b de un intervalo [a, b], llamados nodos de la interpolación,
Más detallesSplines Cúbicos. t 0 < t 1 < < t n (1)
Splines Cúbicos Roberto J León Vásquez rleon@alumnosinfutfsmcl Jorge Constanzo jconstan@alumnosinfutfsmcl Valparaíso, 24 de octubre de 2006 1 Interpolación con Splines Una función spline está formada por
Más detallesRelación 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 detallesUniversidad Diego Portales
Universidad Diego Portales Facultad de Ingeniería. Instituto de Ciencias Básicas Asignatura: Cálculo II LABORATORIO Nº 0 Longitud de arco y Volumen de sólido de revolución Contenido: Longitud de arco en
Más detallesAnálisis 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 detalles3. 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 detallesAnálisis Numérico. Examénes Enero-2000
Análisis Numérico Examénes -7 Enero- Ejercicio : Se considera la función F(n) = + + +... + n, que toma sucesivamente los valores, 5, 4,, 55, 9,... a) Obtener el polinomio de er grado que la interpola en
Más detallesÚltimas 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 detallesInterpolación seccional: SPLINES
Interpolación seccional: SPLINES Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Spain) http://www-lacan.upc.es Motivación: problemas en
Más detallesMétodos de Interpolación
Capítulo 5 Métodos de Interpolación 5 Interpolación Lineal Dados dos puntos (x k,y k )y(x k+,y k+ ), si se desea encontrar un valor de y para una x dada dentro de un intervalo, se utiliza la siguiente
Más detallesINTEGRACIÓN NUMÉRICA
INTEGRACIÓN NUMÉRICA En los cursos de Cálculo Integral, nos enseñan como calcular una integral definida de una función contínua mediante una aplicación del Teorema Fundamental del Cálculo: Teorema Fundamental
Más detalles1. Condiciones de Entrega
FACULTAD DE CIENCIAS EXACTAS INGENIERÍA Y AGRIMENSURA Escuela de Formación Básica Departamento de Matemática Métodos Computacionales - Informática Aplicada Trabajo Práctico Aplicado Final 2015 1. Condiciones
Más detallesAlgebra y Trigonometría Grupo: 1
Guía No 4 Algebra y Trigonometría Grupo: 1 UNAD Escuela de Ciencias Básicas Tecnología e Ingeniería Algebra Trigonometría y Geometría Analítica Definición: FUNCIONES POLINOMIALES Una función polinomial
Más detallesEl cuestionario virtual estara disponible los días 11, 12, 13, 14, 15 y 16 de enero.
Fundamentos de Matematicas. Prueba de Evaluación a Distancia. Curso 016-17 Se debe marcar una sola respuesta correcta. Cada pregunta acertada suma 1 punto, las incorrectas restan 0.. Las preguntas en blanco
Más detallesMétodos Numéricos (SC 854) Interpolación
Interpolación c M. Valenzuela 2007 2008 (26 de febrero de 2008) 1. Definición del problema de interpolación Dada una tabla de valores (x i,f i ) se desea estimar f(x) para valores de x que no se encuentran
Más detallesJ. Armando Lara R. Invierno
Interpolación Spline J. R. Ingeniería Electrónica Instituto Tecnológico de Lázaro Cárdenas Invierno 2011-2012 Outline Interpolación Spline 1 Interpolación Spline Introducción 2 3 4 Outline Interpolación
Más detallesIntegración Numérica
Integración Numérica Contenido Integración Numérica Método de Coeficientes Indeterminado Método de Curvatura de Newton-Cotes Método de Romberg Integración Numérica Los métodos numéricos utilizados para
Más detallesLos 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 detallesCálculo Infinitesimal y Numérico. E.T.S. de Ingeniería Informática. Universidad de Sevilla1
Cálculo Infinitesimal y Numérico. E.T.S. de Ingeniería Informática. Universidad de Sevilla1 Tema 2: Interpolación. Ejercicios y Problemas 1. Ejercicios Ejercicio 1. 1. Dar, sin desarrollar, los polinomios
Más detallesTrabajo de Matemáticas AMPLIACIÓN 3º ESO
Trabajo de Matemáticas AMPLIACIÓN º ESO ACTIVIDADES DE AMPLIACIÓN TEMA : NÚMEROS FRACCIONARIOS O RACIONALES Problema nº Un grifo tarda en llenar un depósito horas y otro tarda en llenar el mismo depósito
Más detallesPráctica 9: Otros temas de aplicación
Práctica 9: Otros temas de aplicación 1. Determinar las raíces del polinomio x -6x -7x-7, evaluarlo en alguna de ellas para verificar que lo son. >> p=[1-6 -7-7] p = 1-6 -7-7 >> roots(p) 1.19-5.745 -.884
Más detallesCALCULO NUMERICO (MB535) TERCERA PRÁCTICA CALIFICADA
UNIVERSIDAD NACIONAL DE INGENIERIA Ciclo: 005- FACULTAD DE INGENIERIA MECANICA AREA ACADEMICA DE CIENCIAS BASICAS INDICACIONES CALCULO NUMERICO (MB535) TERCERA PRÁCTICA CALIFICADA. Resolver las preguntas
Más detalles