4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

Documentos relacionados
CÁLCULO NUMÉRICO (0258)

Transparencias de clase

G - Métodos de Interpolación

( ) ( ) ( )( ) ( )( ) ( )

Interpolación polinómica.

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Intensificación en Estadística

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

Minimizar el error de interpolación considerando las raíces del polinomio de Chebyshev

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

Incertidumbre en las mediciones directas e indirectas

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

TEMA24. Funciones en forma de tabla. Interpolación y extrapolación

Asignatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

CAPITULO II. Derivación e integración numérica

FEM-OF: EDP Elíptica de 2 Orden

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

IntPak. Ajuste e Interpolación Multivariable de Funciones

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

MEDIDAS DE TENDENCIA CENTRAL

N (2.1) x sobre sub-espacio formado con el conjunto de las

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

Universidad de Cantabria

4º MEDIO: MEDIDAS DE POSICIÓN

1.3. Longitud de arco.

Análisis de Regresión y Correlación Lineal

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

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

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

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

ANTES DE COMENZAR RECUERDA

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

x x x x x Y se seguía operando

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

Inferencia Estadística

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 4: VALORACIÓN DE RENTAS

Estadística aplicada al Periodismo

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

Ejercicios de programación. cos A=

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas

2.5. Área de una superficie.

La inferencia estadística es primordialmente de naturaleza

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

7. Muestreo con probabilidades desiguales.

Números Complejos PREGUNTAS MÁS FRECUENTES

Espacios con producto interior

TEMA 2: LOS NÚMEROS COMPLEJOS

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Problemas discretos con valores iniciales

SISTEMAS DE ECUACIONES NO LINEALES

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

Objetivos. El alumno será capaz de programar algoritmos que incluyan el manejo de arreglos utilizando funciones.

Aplicación de Boostrapping en Regresión I

Máximos y Mínimos de funciones de dos variables

Escrito. 1) Transforma a las bases indicadas:

Métodos indirectos de estimación: razón, regresión y diferencia

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

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

TEMA 14. Ecuaciones. Resolución de ecuaciones. Aproximación numérica de Raíces

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

(Véase el Ejercicio 13 Beneficio de los bancos )

Estimación apriorística de errores en la aplicación del MEF mediante polinomios interpolantes de Lagrange

4 METODOLOGIA ADAPTADA AL PROBLEMA

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

Medidas de Tendencia Central

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

Modelos Estadísticos de Regresión Lineal

Métodos Numéricos para Ingenieros Químicos

Signif. codes: 0 *** ** 0.01 *

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

GENERALIDADES SOBRE MÓDULOS

CAPITULO I INTERPOLACION Y APROXIMACION

LOS NÚMEROS COMPLEJOS

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

Expectativas del Mercado y Creación de Valor en la Empresa

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

2. Censura y truncamiento

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

Modelos de Regresión Simple

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

Transcripción:

Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó e las proxmdades de dchos putos. Detro de esta clase de métodos está la terpolacó de Hermte. Nos cetramos e el problema de terpolacó polomal de Hermte. Sea x,,x putos dsttos. Coocdos los valores de la fucó f y su dervada f ' e x,,x, se trata de ecotrar u polomo de grado el meor posble que cocda co f y co su dervada e los putos señalados. Se demuestra que dcho polomo exste y es úco. Además tee grado + (recuérdese que dspoemos de + datos para costrurlo. A dcho polomo se le llama polomo de terpolacó de Hermte de f e los putos x, =,..,. Datos umércos: f ( x, f '(x, =,.., (+ datos. Espaco de fucoes terpoladoras: P + Problema terpolacó polomal de Hermte: p P + : p(x p'(x f (x f '(x,..., p(x,..., p'(x f (x f (x Observacó: El problema de terpolacó de Hermte se puede exteder cosderado valores de dervadas de la fucó de orde mayor que uo. E las sguetes seccoes os cetramos e la costruccó explícta del polomo de terpolacó de Hermte y e el aálss del error que se comete al aproxmar la fucó terpolada por su polomo de terpolacó de Hermte.

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fórmula de Lagrage. = = Las fucoes { L x, L (x, } ( =,..., costtuye la base de Lagrage del problema de terpolacó cosderado. Esto es, L ( x y L (x so polomos de grado + verfcado = j L ( x j δj = L' (x j,, j =,...,, j L (x j, L' (x j δ j,, j =,..., Se demuestra que admte la expresó: L (x ( (x x l' (x l L (x (x x l (x (x dode l (x (x x j, (x j = x j j =,...,. 4. Fórmula de Newto geeralzada U algortmo aálogo al de Newto vsto e la seccó 3. os proporcoará u método alteratvo a la fórmula de Lagrage del polomo de terpolacó de Hermte. Para ello, prevamete teemos que exteder el cocepto de dferecas dvddas al caso e el que los argumetos se repta. Comezamos, para motvar la defcó, co las dferecas dvddas de grado cero. Supogamos que la fucó f es dervable e u etoro del puto x. Las dferecas dvddas de f e x, x, f [ x, x ], se terpreta como el lm f [ x, x] : f (x f (x f x - x x x [, x ] = lm f [ x, x] = lm = f (x x x x x x E geeral, s f es dervable hasta el orde e u etoro de x, se defe las dferecas dvddas de grado de f e x (el argumeto repetdo + veces como:

[ x,...,x ] f = f (x! ( Esta defcó extede el cocepto de dferecas dvddas al caso de argumetos repetdos, quedado la fórmula recursva de cálculo f [ x,..., x ] f = f [ x,..., x ] f [ x,..., x ] ( (x! x x s x s x x =... = x Esta defcó amplada de las dferecas dvddas os permte exteder el algortmo de Newto para la costruccó de polomos de terpolacó que volucra valores de la fucó y sus dervadas e putos señalados. Para ello basta escrbr ua lsta co lo odos de terpolacó, dode cada puto aparece tatas veces como valores de la fucó y sus dervadas se cooce e dcho puto. Se costruye la tabla de dferecas dvddas utlzado la fórmula recursva geeralzada y el algortmo de Newto geeralzado (cotemplado argumetos repetdos os proporcoará el polomo buscado. Veamos u ejemplo. Ejemplo 4... Costrúyase el polomo de grado tres que pasa por los putos (,, (,5, (,5 y co tagete e x. Sea p (x el polomo buscado. Datos. f (, f ( 5, f( 5, f ( = Fucó terpolate: Polomo de grado tres. Costrumos la tabla de dferecas dvddas geeralzadas co los datos umércos proporcoados e el problema: x = ( x = ( x = ( 5 x = f ( 5 f f [,] = f ( = f [,,] = 4 f [,,, ] = 3 4 f f [,] = 5 f [,, ] = 5 f f [,] = Por tato, utlzado la fórmula de Newto geeralzada: [,] x + f [,,] x + [,,, ] x (x - + x + 4x x (x - p (x f ( + f f 3 4

Ejemplo 4... Costrúyase el polomo de grado meor que terpole a la fuco f(x e los sguetes datos f (, f ( 6, f ( = 3 f ( = 7, f ( = 8 Co los datos dspobles costrumos la tabla de dferecas dvddas geeralzadas: x = ( x = ( x = ( 6 x = ( 6 x = f ( 6 f f [,] = f ( = 3 f [,, ] = f [,,, ] = f [,,,, ] = f f [,] = 4 f [,,] = 3 f [,,, ] = f f [,] = f ( = 7 ( f [,,] = f = 4 f f [,] = f ( = 7! A partr de la tabla de dferecas dvddas calculada, escrbmos la expresó de Newto geeralzada: [ ] [ ] [ ] [ ] [ ] p(x f f, (x- f,, (x- f,,, (x- ( x f,,,, (x- (x- = + + + + = = + 3(x + (x- + (x- (x- (x- (x- Ua vez troducdo el cocepto de dferecas dvddas geeralzadas e lustrado co ejemplos, escrbmos la expresó, sguedo el algortmo de Newto geeralzado, del polomo p (x de terpolacó de Hermte de ua fucó f e x,..., x : p(x = +... + f f [ x ] + f [ x, x ](x - x + f [ x, x, x] (x - x + f [ x, x, x, x] [ x, x, x, x,..., x, x ](x - x (x - x...(x - x Los coefcetes de la expresó ateror so los elemetos de la prmera fla de la tabla de dferecas dvddas: x ( x x, x x, x x f ( x [ x, x ] f x, x x f ( x f [ x, x ] x f x (x - x f f [ ] f [, x] f [ x, x, x,..., x, x ] f [, ] ( x (x - x + 4.3 Estudo del error El error de terpolacó e el caso de la terpolacó polomal de Hermte se puede estmar de forma aáloga a como se hacía e la terpolacó polomal clásca.

Sea E( x f (x p (x el error que se comete e el puto x al smular la fucó f por su polomo de terpolacó de Hermte p e x,..., x. Se demuestra + que s f C ([ a, b], sedo [ a, b] u tervalo que cotee a los putos de trabajo x,..., x, [ x, x,..., x, x, x] (x x...(x x E( x f Esta expresó se puede escrbr e térmos de la dervada de orde + de f, a,b ξ a b tal que probádose que para cada x [ ] exste u puto [ ] E f ( ξ ( +! x, (+ x (x x x... x-x, x a,b ( ( [ ] A partr de la fórmula ateror se puede obteer ua cota del error de terpolacó de Hermte M E(x = x x... x - x, x [ a,b] ( +! (+ sedo M = max f ( x. a x b Ejemplo 4.3.. Se cosdera la fucó f ( x l x a Calcúlese el polomo de terpolacó de Hermte de f e x = y x =. Costrumos la tabla de dferecas dvddas que permte clur los datos de terpolacó f (, f (, f (, f (, trabajado co dos dígtos decmales: x = f ( ( x = f ( [,] =. 69 x = (. 69 f, = f ( =. x = f (. 69 f f [,, ] =. 3 f [,,, ] =. f f [,,] =. 9 f [ ] 5 Sea p (x el polomo de terpolacó buscado, utlzado la fórmula de Newto geeralzada: [ ] [ ] [ ] p(x f ( + f, (x + f,, (x + f,,, (x (x = + (x.3(x.(x (x.

b Dar ua estmacó del error de terpolacó e el tervalo [,]. Aplcado la fórmula vsta de acotacó del error de terpolacó de Hermte a uestro problema, obteemos que dode E(x M (x - (x - 4! ( v M = max f (x. x [,] x [,] 6 E uestro caso M = max = 6. Luego el error cometdo al smular f (x por x 4 x (x, es meor que: p e el tervalo [ ] 6 E (x (x (x.6 x [,]. 4! 4