Instituto Politécnico Nacional

Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Zacatenco Ingeniería en Comunicaciones y Electrónica

ASIGNATURA:
ANALISIS NUMERICOS

NOMBRE DEL TRABAJO:
TRABAJO DE INVESTIGACION SEGUNDO DEPARTAMENTAL

NOMBRE DEL PROFESOR:
ING. JOSE ANTONIO BERNAL MENDOZA

INTEGRANTES:
AVILA MACIAS JESUS EDUARDO GONZALEZ LOPEZ FERNANDO GUARNEROS DE LA TORRE HECTOR GUTIERREZ VICTOR RAUL MICHEL JULIAN ALEJANDRO

GRUPO: 4CV7

10/ NOVIEMBRE/ 2001

INDICE

INTRODUCCION ................................................................................................................................... 3 OBJETIVOS………………………………………………………………………………………………………………………………………4 MARCO TEORICO……………………………………………………………………………………………………………………………4

METODO DE LU ............................................................................................................. 5
PROBLEMAS ................................................................................................................................ 7 CODIGO FUENETE...................................................................................................................... 15

METODO DE CHOLESKY .......................................................................................... 16
CODIGO FUENTE........................................................................................................................ 22

METODO DE CHEBYSHEV ........................................................................................ 26
PROBLEMAS…………………………………………………………………………………………………………………………..27 CODIGO FUENTE……………………………………………………………………………………………………………………..30

METODO DE HERMITE ............................................................................................. 32
PROBLEMAS .............................................................................................................................. 36

INTERPOLACION DE NEWTON…………………………………………………...38
PROBLEMAS……………………………………………………………………………………………………………………39. CODIGO FUENTE………………………………………………………………………………………………………………41

CONCLUSIONES ........................................................................................................... 60 GLOSARIO ..................................................................................................................... 60 BOBLIOGRAFIA ........................................................................................................... 62

Página 2

INTRODUCCIÓN Muchas veces en el campo de la ingeniería, ciencia y vida diaria, se encuentran diversos problemas, los cuales deben ser analizados desde el enfoque que los métodos numéricos pueden dar, más aun, si dicho método numérico, es enfrentado a polinomios, de difícil trato. Sabemos que para resolver una ecuación, existen diferentes métodos, algunos de ellos ya los hemos utilizado en repetidas ocasiones, estos métodos son Método de sustitución 1 Se d espeja una incógnita en una de las ecuaciones. 2 Se sustituye la expresión de esta incógnita en la otra ecuación, obteniendo un ecuación con una sola incógnita. 3 Se resuelve la ecuación. 4 El valor obtenido se sustituye en la ecuación en la que aparecía la incógnita despejada. 5 Los dos valores obtenidos constituyen la solución del sistema. Método de igualación 1 Se despeja la misma incógnita en ambas ecuaciones. 2 Se igualan las expresiones, con lo que obtenemos una ecuación con una incógnita. 3 Se resuelve la ecuación. 4 El valor obtenido se sustituye en cualquiera de las dos expresiones en las que aparecía despejada la otra incógnita. 5 Los dos valores obtenidos constituyen la solución del sistema. Método de reducción 1 Se preparan las dos ecuaciones, multiplicándolas por los números que convenga. 2 La restamos, y desaparece una de las incógnitas.

Página 3

4 El valor obtenido se sustituye en una de las ecuaciones iniciales y se resuelve. ya que conforme avanzamos. debemos utilizar otra función que la aproxime y. En este trabajo se llevo a cabo la investigación de nuevos métodos matemáticos. será más que suficiente para poder aplicar estos métodos y no tener problema alguno. OBJETIVOS -GENERAL Este trabajo busca enseñar la implementación de distintos métodos para la resolución de sistemas de ecuaciones tales como Lu. Si queremos calcular el valor de la función para una abscisa diferente de las conocidas. 5 Los dos valores obtenidos constituyen la solución del sistema. para cada uno de los métodos que más adelante se explicaran. para poder resolver ecuaciones de cualquier tipo. También puede suceder que sepamos la expresión analítica de la Página 4 . además del estudio de métodos de interpolación. MARCO TEORICO Muchas veces. -PARTICULAR El objetivo particular de este trabajo tiene como principal meta. desarrollo de método. el lograr explicar en base a un marco teórico. sin embargo con los conocimientos previos que tenemos. por ejemplo. naturalmente.3 Se resuelve la ecuación resultante. Esto puede suceder. Cholesky. el valor que obtengamos será una aproximación del valor real. Chebyshev y Hermite. Recordamos que los métodos que se aplicaron en esta investigación son:      El método de LU Cholesky Chebyshev Hermite Y la interpolacion de Newton para 2 ecuaciones Los cuales fueron detalladamente explicados de tal forma que fueran claros para nuestros lectores. encontraremos cada vez un nivel mayor de dificultad para resolver este tipo de problemas. para poder aplicar estos métodos. tales como el método de Newton. porque son los resultados de un experimento gobernado por una ley que desconocemos. Era lógico esperar un grado mayor de razonamiento. problemas de ejemplo y una implementación en el compilador Turbo o C o DevC++. de una función sólo conocemos un conjunto de valores.

DESARROLLO METODO DE LU Su nombre se deriva de las palabras inglesas ―Lower" y ―Upper‖. [U] es una matriz diagonal superior en la que sobre la diagonal no necesariamente tiene que haber números 1. una superior y otra inferior. Página 5 . Estudiando el proceso que se sigue en la descomposición LU es posible comprender el por qué de este nombre. pero la más sencilla y una de las más utilizadas es la interpolación1. Existen varias formas de hacer esto. Si se utilizan polinomios como funciones de aproximación. El primer paso es descomponer o transformar [A] en [L] y [U]. hablamos de interpolación polinómica. La descomposición LU involucra solo operaciones sobre los coeficientes de la matriz [A]. que en español se traducen como ―Inferior‖ y ―Superior‖. pero sea lo suficientemente complicada como para calcular aproximaciones a los valores de la función a partir de otros ya conocidos. es decir obtener la matriz triangular inferior [L] y la matriz triangular superior [U]. Primeramente se debe obtener la matriz [L] y la matriz [U].función. analizando cómo una matriz original se descompone en dos matrices triangulares. proporcionando un medio eficiente para calcular la matriz inversa o resolver sistemas de álgebra lineal. que consiste en construir una función que pase por los valores conocidos (llamados polos) y utilizar ésta como aproximación de la función primitiva. [L] es una matriz diagonal inferior con números 1 sobre la diagonal.

factor * pivote + posición a cambiar PASOS PARA ENCONTRAR LA MATRIZ TRIANGULAR NFERIOR (MATRIZ [L]) Para encontrar la matriz triangular inferior se busca hacer ceros los valores de arriba de cada pivote. Esquemáticamente se busca lo siguiente: Originalmente se tenía: Debido a que [A] = [L][U]. 2. 4.PASOS PARA ENCONTRAR LA MATRIZ TRIANGULAR SUPERIOR (MATRIZ [U] 1. al encontrar [L] y [U] a partir de [A] no se altera en nada la ecuación y se tiene lo siguiente Página 6 . Hacer cero todos los valores abajo del pivote sin convertir este en 1. Para lograr lo anterior se requiere obtener un factor el cual es necesario para convertir a cero los valores abajo del pivote. Este factor multiplicado por -1 se multiplica luego por el pivote y a ese resultado se le suma el valor que se encuentra en la posición a cambiar (el valor en la posición que se convertirá en cero). Dicho factor es igual al número que se desea convertir en cero entre el número pivote. Esto es: . así como también convertir en 1 cada pivote. 3. Se utiliza el mismo concepto de ―factor‖ explicado anteriormente y se ubican todos los ―factores‖ debajo de la diagonal según corresponda en cada uno.

y así sucesivamente. 3 iteraciones. 2. SOLUCIÓN: 4 -2 -1 9 Página 7 . si es 3x3. 2 iteraciones. de manera que Ax = LUx = b. si es 4x4. 3.. entonces LUx = b. Resolver Ly = b (para encontrar y). 4. Obtener la matriz triangular inferior L y la matriz triangular superior U. PASOS PARA RESOLVER UN SISTEMA DE ECUACIONES POR EL MÉTODO DE DESCOMPOSICIÓN L 1.Encontrar los valores de x1. x2 y x3 para el siguiente sistema de ecuaciones: NOTA: Recuérdese que si la matriz es 2x2 se hará 1 iteración. si Ax = b. Realizar Ux = y (para encontrar x). El resultado del paso anterior se guarda en una matriz nueva de nombre ―y‖.Por lo tanto. 5. la cual brinda los valores correspondientes a las incógnitas de la ecuación. PROBLEMAS RESUELTOS 1. El resultado del paso anterior se almacena en una matriz nueva llamada ―x‖.

25) * (.5 a33 = .25) * (4) + (5) = 0 a22 = .25 .(1.5 a23 = .0.25 factor 2 = (a31 / a11) = 1 / 4 = 0.(0.25) * (4) + (1) = 0 a32 = .25) * (.75 Página 8 .(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .1) + (.2) + (1) = 3.1) = 0.1) = .5 -1 0.75 4 [U] = 0 0 -2 3.(1.1) + (.5 2.(factor 1) * (fila 1) + (fila 2) fila 3 = .(0.0.25 a31 = .[A] = 5 1 1 2 -1 -4 [B] = 7 12 ITERACIÓN 1 factor 1 = (a21 / a11) = 5 / 4 = 1.2) + (2) = 2.(1.(0.25) * (.25) + (.25 Encontrando [U] fila 2 = .

(factor 3) * (fila 2) + (fila 3) a31 = .25 0.25 0 ITERACIÓN 2 factor 3 = (u32 / u22) = 2.25 0 0.0.5) * (0.9285714286 1 [L] = 0 0 0 1.5 = 0.(2.25) + (.(2.0.9285714286 4 [U] = 0 0 Encontrando [L] -2 3.5) * (3.5) * (0) + (0) = 0 a32 = .7142857143 1 Página 9 .7142857143 Encontrando [U] fila 3 = .5 / 3.5) + (2.5 / 3.0.5 / 3.5 / 3.5 0 -1 0.25 1 0.25 .5) = 0 a33 = .(2.Encontrando [L] 1 [L] = 0 0 0 0 1.75) = .

la respuesta del ejercicio utilizando la descomposición LU. encontrando los valores de x1. x2 y x3. El siguiente paso es resolver Ly = b para encontrar la matriz y. Página 10 . y2 y y3: El último paso es resolver Ux = y para encontrar la matriz x.Ahora ya se tiene la matriz [U] y la matriz [L]. En otras palabras es como que se pidiera resolver el siguiente sistema de ecuaciones. x2 y x3: La solución del sistema es: Este es finalmente el valor de x1. se obtienen los siguientes valores para y1. y2 y y3: Al resolver el sistema anterior. encontrando los valores de y1. es decir. En pocas palabras es como que se pidiera resolver el siguiente sistema de ecuaciones.

(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .4545454545) * (. x2 y x3 para el siguiente sistema de ecuaciones: SOLUCIÓN: 11 [A] = 5 4 -3 -2 -7 -2 -8 2 [B] = 18 13 2 ITERACIÓN 1 factor 1 = (a21 / a11) = 5/11 = 0.2) = .2.4545454545 factor 2 = (a31 / a11) = 4/11 = 0.3636363636 Encontrando [U] fila 2 = .0.4545454545) + (.2) + (.7.3636363636) * (11) + (4) = 0 Página 11 .(0.(0.Encontrar los valores de x1.0909090919 a31 = ..(0.6363636365 a23 = .8) = .4545454545) * (11) + (5) = 0 a22 = .(0.(factor 1) * (fila 1) + (fila 2) fila 3 = .3) + (.

909090909 a33 = .5.(factor 3) * (fila 2) + (fila 3) a31 = .(9.(0.285714284) * (0) + (0) = 0 a32 = .7.0.5.7272727272 Encontrando [L] 1 [L] = 0 0 0 0 0.5.909090909 / .(9.36363636 0 ITERACIÓN 2 factor 3 = (u32/u22) = .(9.7) = .3) + (.909090909 -2 .5.285714284) * (.7272727272) = 68.909090909) = 0 a33 = .3636363636) * (.6363636365 .a32 = .57142857 Página 12 .45454545 0 0.0.0909090919 2.7272727272 11 [U] = 0 0 -3 .6363636365 = 9.0909090919) + (2.(0.2) + (2) = 2.285714284 Encontrando [U] fila 3 = .7.6363636365) + (.285714284) * (.3636363636) * (.0.

4545454545 1 0.285714284 1 Ahora ya se tiene la matriz [U] y la matriz [L].57142857 Encontrando [L] 1 [L] = 0 0 0 0.7. y2 y y3: Al resolver el sistema anterior.0909090919 68. encontrando los valores de x1.0. encontrando los valores de y1. x2 y x3: Página 13 .6363636365 0 -2 . El siguiente paso es resolver Ly = b para encontrar la matriz y. se obtienen los siguientes valores para y1. En otras palabras es como que se pidiera resolver el siguiente sistema de ecuaciones. y2 y y3: El último paso es resolver Ux = y para encontrar la matriz x.11 [U] = 0 0 -3 . En pocas palabras es como que se pidiera resolver el siguiente sistema de ecuaciones.3636363636 9.

Página 14 .La solución del sistema es: Este es finalmente el valor de x1. x2 y x3. es decir. la respuesta del ejercicio utilizando la descomposición LU.

j. //Calculo la descomposición LU gsl_linalg_LU_invert(A.j)<<setw(10). cout<<"\nLa inversa de A es:"<<endl. return(0).j<m. cout<<"\nIntroduce el orden de la matriz: ". gsl_matrix * A = gsl_matrix_alloc(m. } gsl_linalg_LU_decomp (A. &s).invA).h> //Librería gsl para calcular lo que queremos using namespace std. for(i=0. gsl_matrix *invA = gsl_matrix_alloc(m. cin>>A->data[i]. } cout<<endl.p.m. } Página 15 .i. gsl_permutation * p = gsl_permutation_alloc(m). //Instrucción para no tener que escribir std::cin int main (int argc. gsl_permutation_free(p).PROGRAMA DE LU CODIGO FUENTE #include <iostream> #include <iomanip> #include <gsl/gsl_linalg.m). i<m*m. i<m. for(i=0. j++) cout<<gsl_matrix_get(invA. cin>>m. int s. i++) { cout<<"A("<<i+1<<")"<<"=". i++) { for(j=0. p. gsl_matrix_free(A). s)<<endl.m). cout<<"\nIntroduce los elementos de la matriz:"<<endl. char **argv) { size_t i. gsl_matrix_free(invA). // Calculo la inversa de A y la guardo en invA cout<<"\ndet(A) = "<<gsl_linalg_LU_det(A.

las ecuaciones normales en al menos lineal plazas problemas son de esta forma. sólo hay una matriz triangular inferior L con entradas diagonales estrictamente positivos tales que A = LL * . definida positiva de la matriz en el producto de una matriz triangular inferior y su transpuesta conjugada. Factorizaciones de Cholesky para matrices semidefinida positiva no son únicas en general. La descomposición de Cholesky es único: dado un hermitiana. la descomposición de Cholesky es aproximadamente dos veces tan eficiente como la descomposición LU para resolver sistemas de ecuaciones lineales. La descomposición de Cholesky se utiliza principalmente para la solución numérica de ecuaciones lineales Ax = b. y L * denota la transpuesta conjugada de L . El requisito de que L tiene entradas de la diagonal estrictamente positiva se puede quitar para ampliar la factorización en el caso positivo semidefinida. Por ejemplo. metafórico. Esta es la descomposición de Cholesky. la descomposición de Cholesky o triángulo de Cholesky es una descomposición de Hermite.METODO DE CHOLESKY En álgebra lineal. Si A tiene entradas reales y es simétrica (o más generalmente.Lo contrario es trivial: si A se puede escribir como LL * para algunos invertible L. triangular inferior o de otra manera. finalmente. Cuando sea aplicable. entonces podemos resolver Ax = b calculando primero la descomposición de Cholesky A = LL T. la solución de L T x = y para x. entonces A se puede descomponer como: Donde L es una matriz triangular inferior con elementos de la diagonal estrictamente positiva. y. En el caso especial de que A es simétrico definida positiva de la matriz con entradas reales. entonces la solución de Ly = b para y. definida positiva matriz A. En un sentido amplio. Sistemas de la forma Ax = b con A simétrica y positiva definida surgen muy a menudo en las aplicaciones. esto puede considerarse como el análogo de la matriz de la raíz cuadrada de un número. es hermitiano) y definida positiva. L tiene entradas reales también. entonces A es hermitiana y definida positiva. La declaración se lee: una matriz cuadrada Atiene una descomposición de Cholesky si y sólo si A es hermitiana y positiva semidefinida. También puede suceder que la Página 16 . Si A es simétrica y definida positiva. Fue descubierto por André-Louis Cholesky para matrices reales.

produce un vector de muestras Lu con las propiedades de la covarianza del sistema que se modela. En cada iteración. es una versión modificada de la eliminación de Gauss . y H es una aproximación a la matriz hessiana de segundas derivadas parciales formados por repetidas rango 1 actualiza en cada iteración. la búsqueda da un pasos definido por la resolución de Hs = -g de s. La matriz P es siempre positiva semidefinida. que se utiliza para calcular la matriz descomposición L . Las columnas de L pueden sumarse y restarse de la media x para formar un conjunto de 2 N vectores llamados los puntos sigma. La descomposición de Cholesky se usa comúnmente en el método de Monte Carlo para la simulación de sistemas con múltiples variables correlacionadas: La matriz de covarianza se descompone para dar el triangular inferior L. g es el gradiente del vector de derivadas parciales primera de la función con respecto a los parámetros. El filtro de Kalman sigue el estado medio de un sistema como un vector x de longitud N y covarianza como una N por N de la matriz P. Dos conocidas fórmulas de actualización se llama Davidon-Fletcher-Powell (DFP) y Broydon-Fletcher-GoldfarbShanno (BFGS).matriz A proviene de un funcional de energía que debe ser positivo a partir de consideraciones físicas. Estos puntos sigma totalmente la captura de la media y la covarianza del estado del sistema. Aplicando esto a un vector de muestras correlacionadas. Filtros de Kalman suelen utilizar la descomposición de Cholesky para elegir un conjunto de los llamados puntos de sigma. La pérdida de la condición definida positiva a través de errores de redondeo se evita si en lugar de actualizar una aproximación a la inversa de la de Hesse. No lineal multivariado funciones pueden ser minimizados por sus parámetros utilizando las variantes del método de Newton se llama cuasi-Newton métodos. El algoritmo recursivo comienza con i : = 1 y de En el paso i . y se puede descomponer en LL T. El algoritmo de Cholesky. donde s es el paso. una actualización de la descomposición de Cholesky de una aproximación de la matriz hessiana en sí. la matriz A ( i ) tiene la siguiente forma: Página 17 . u. lo que ocurre con frecuencia en la solución numérica de ecuaciones diferenciales parciales.

la matriz triangular inferior L que estamos buscando se calcula como: El Cholesky-Banachiewicz y algoritmos de Cholesky-Crout Si escribimos la ecuación A = LL * se obtiene la siguiente fórmula para las entradas de L : Página 18 . Después de n pasos. por lo tanto.1. se obtiene un ( n +1) = I . Por lo tanto. Si ahora definimos la matriz L i por entonces podemos escribir A ( i ) como donde Tenga en cuenta que b i b i * es un producto externo. este algoritmo se llama la versión del producto exterior en (Golub y Van Loan).donde I i -1 denota la matriz identidad de dimensión i . Repetimos esto para i desde 1 hasta n.

si A es real y definida positiva. Sin embargo. Una forma alternativa es la factorización Esta forma elimina la necesidad de tomar raíces cuadradas. El cálculo es generalmente dispuesto en cualquiera de las siguientes órdenes:   El algoritmo de Cholesky-Banachiewicz se inicia desde la esquina superior izquierda de la matriz de L y se procede a calcular la matriz fila por fila. Si A es real. la siguiente fórmula: Por lo tanto podemos calcular la ( i . Cuando A es definida positiva los elementos de la matriz diagonal D son todos positivos. Para el complejo de la matriz hermitiana. un ejemplo de una matriz invertible cuya descomposición no está definido es aquel en la primera entrada es cero. El algoritmo de Cholesky-Crout se inicia desde la esquina superior izquierda de la matriz de L y se procede a calcular la matriz columna por columna. esta factorización se pueden utilizar para la mayoría de las matrices simétricas invertible.La expresión en la raíz cuadrada es siempre positiva. j entrada) si sabemos las entradas a la izquierda y arriba. las relaciones recursivas se aplicarán las siguientes entradas de D y L: Página 19 .

Pr la propiedad de la norma de operador. por lo tanto. Se puede comprobar fácilmente que L tiene las propiedades deseadas.n positiva semi-definida de la matriz. por lo tanto { L k } es un conjunto acotado en el espacio de Banach de los operadores. En consecuencia. Si A es un n -por. no da algoritmos numéricos explícitos para el cálculo de factores de Cholesky. cada una k tiene descomposición de Cholesky A k = L k L k *. en norma del operador. (Esto es una consecuencia inmediata de. Página 20 . y y . también se denota por { L k }. relativamente compacto (porque el espacio vectorial subyacente es de dimensión finita). el teorema de espectro para el cálculo funcional polinomio. con un límite L . Los algoritmos anteriores muestran que cada matriz definida positiva A tiene una descomposición de Cholesky. entonces la sucesión { A k } = { A + (1 / k ) I n } consiste en matrices definidas positivas. Este resultado se puede extender al positivo semidefinido caso por un argumento de la limitación. tiene una subsucesión convergente. la siguiente fórmula: El LDL T y LL T factorizaciones (tenga en cuenta que L es la diferencia entre los dos) puede ser fácilmente relacionada con: La última expresión es el producto de una matriz triangular inferior y su transposición. Desde el caso definido positivo. El argumento no es totalmente constructivo. es decir. como es el LL T factorización. es decir.Para el complejo hermitiano matriz A . por ejemplo.) Además. A = LL * y L es triangular inferior con no negativo elementos de la diagonal: para todos los x .

dado que cada L k es triangular inferior con no negativo elementos de la diagonal. Si A es positiva (semidefinida) en el sentido de que para todos los finitos k y para cualquier tenemos . Por lo tanto L k tiende a L en la norma significa que L k tiende a Lentrywise. L también. Vamos a de espacios de Hilbert. todas las topologías en el espacio de los operadores son equivalentes. La factorización de Cholesky se puede generalizar a (no necesariamente finito) matrices con entradas del operador. Considere la matriz del operador ser una secuencia que actúa sobre la suma directa donde cada es un operador acotado . Página 21 . Esto a su vez implica que. entonces existe un operador de la matriz triangular inferior L tal que A = LL * . Uno también puede tomar los elementos diagonales de L a ser positivo.Por lo tanto A = LL * . Debido a que el espacio vectorial subyacente es de dimensión finita.

CODIGO FUENTE PROGRAMA DEL METODO DE CHOLESKY #include <math.h> #include <tina/sys.h> #include <tina/sysfuncs.h> #include <tina/math.h> #include <tina/mathfuncs.h> #define TINY 1.0e-20 static int cholesky1(double **A, int n) { int i, j, k; for (i = 0; i < n; ++i) { for (j = 0; j <= i; ++j) { double sum = A[i][j]; A[j][i] = 0; for (k = 0; k < j; ++k) sum -= A[i][k] * A[j][k]; /* computed previously */ if (i == j) { if (sum < 0) return (0); sum = sqrt(sum); if (fabs(sum) < TINY) return (0); A[i][j] = sum; } else A[i][j] = sum / A[j][j]; } } return (1); } #undef TINY static void cholbksb(double **A, int n, double *x, double *b) { int i, j; double sum; for (i = 0; i < n; i++) { sum = b[i];
Página 22

for (j = 0; j < i; ++j) sum -= x[j] * A[i][j]; x[i] = sum / A[i][i]; } for (i = n - 1; i >= 0; i--) { sum = x[i]; for (j = i + 1; j < n; j++) sum -= x[j] * A[j][i]; x[i] = sum / A[i][i]; } } Matrix *matrix_cholesky_decomp(Matrix * A) { if (A == NULL || A->n != A->m) return (NULL); A = matrix_cast_fill(A, double_v); if (!cholesky1 (A->el.double_v, A->n)) { matrix_free((Matrix *) A); return (NULL); } return (A); } Vector *matrix_cholesky_back_sub(Matrix * A, Vector * b) { int n; Vector *x = NULL; Vector *c = NULL; if (A == NULL || A->n != A->m) return (NULL); n = A->n; if (b == NULL || b->n != n) return (NULL); A = matrix_cast_fill(A, double_v); c = vector_cast(b, double_v); x = vector_alloc(n, double_v); cholbksb (A->el.double_v, n, (double *) x->data, (double *) c->data); vector_free(c); matrix_free((Matrix *) A); return (x); } Vector *matrix_cholesky_sol(Matrix * A, Vector * b)
Página 23

{ int n; int sucess; Vector *x = NULL; Vector *c = NULL; if (A == NULL || A->n != A->m) return (NULL); n = A->n; if (b == NULL || b->n != n) return (NULL); A = matrix_cast_fill(A, double_v); sucess = cholesky1(A->el.double_v, n); if (sucess) { c = vector_cast(b, double_v); x = vector_alloc(n, double_v); cholbksb(A->el.double_v, n, (double *) x->data, (double *) c->data); vector_free(c); } matrix_free((Matrix *) A); return (x); } Vector *matrix_cholesky_weighted_least_square(Matrix * A, Matrix * W, Vector * b) { Matrix *At; Matrix *M; Matrix *temp; Vector *x; if (A == NULL || A->m != b->n || W == NULL || W->n != W->m || W->m != A->m) return (NULL); A = matrix_cast_fill(A, double_v); /* to maintain precision */ At = matrix_transp(A); x = matrix_vprod(W, b); b = matrix_vprod(At, x); vector_free(x); temp = matrix_prod(W, A); M = matrix_prod(At, temp); matrix_free((Matrix *) temp); x = matrix_cholesky_sol(M, b); vector_free(b); matrix_free((Matrix *) A); matrix_free((Matrix *) At); matrix_free((Matrix *) M); return (x); } Vector *matrix_cholesky_least_square(Matrix * A, Vector * b) {
Página 24

Matrix *At. b = matrix_vprod(At. matrix_free((Matrix *) M). /* to keep precision */ At = matrix_transp(A). matrix_free((Matrix *) A). vector_free(b). b). if (A == NULL || b == NULL || A->m != b->n) return (NULL). Vector *x. } Página 25 . A = matrix_cast_fill(A. double_v). b). return (x). M = matrix_prod(At. matrix_free((Matrix *) At). x = matrix_cholesky_sol(M. Matrix *M. A).

… . b]: [ ] ( ) [ ] entonces los nodos de Chebyshev en [a.x2)y” – xy´ + (n + 1)2y = 0 cuyo coeficiente líder es 2n. al intervalo [-1.Tn-1(x). … ).x2) … (x. T1(x) = x. es el polinomio con menor máximo absoluto de entre todos los polinomios con coeficiente líder igual a 1. en otras palabras. 1] es 2-n y que. Tn+1(x) = 2xTn(x) . 1] a nuestro intervalo de trabajo [a. 2. además. La que a nosotros nos concierne es que el valor absoluto máximo de 2-n Tn+1(x) para x є[-1.METODO DE CHEBYSHEV Para cada valor de n. Los polinomios de Chebyshev tienen muchas propiedades interesantes. 1]. haciendo una traslación y un cambio de escala si es necesario. La forma más fácil de construirlos es mediante la relación de recurrencia: T0(x) = 1. La solución viene dada mediante los polinomios de Chebyshev {Tn+1(x)}. equivalentemente. Como ya hemos indicado. 1]. Error de interpolación ( ) ( ) ( ) )( ) ( ) ( Nótese que según cómo se elijan los x i el error podrá ser mayor o menor Página 26 . Recordemos que la funciónTn+1(x) es la solución polinomica de la ecuación diferencial (1 . n +1). ¿cuál será la mejor forma de elegir los nodos? Aquella para la cual el valor máximo de |ω(x)| sea lo más pequeño posible: min {max {|(x–x1)(x.xn+1)j : a ≤ x ≤ b} : a ≤ x1 < x2 <… < xn+1 ≤ b} Para resolver esta cuestión podemos restringirnos. b] son los puntos z(xi) (i = 1. para trabajar en un intervalo cualquiera hay que hacer un cambio de variable lineal que nos lleve el intervalo [-1. 2. que 2-n Tn+1(x) es la solución al problema anterior o. donde Tn+1(x) = cos((n+1) arccos(x)). (n = 1. que los mejores nodos posibles son las n + 1 ra³ces simples de Tn+1: ( ( ) ( ) ) que se llaman nodos de Chebyshev del intervalo [-1.

Pero para otras no. Resulta que para ciertas funciones. entonces seguro que no hay convergencia en los puntos donde |x|>3. esto es lo que sucede con esta función de Runge.PROBLEMAS RESUELTOS 1.5] Si construimos el polinomio de interpolación pn(x) en este intervalo. por ejemplo para f(x)=exp(x). que parecía al principio bastante inofensiva.-Dada la función ( ) en el intervalo [-5. una idea para mejorar la aproximación es la de olvidarnos de tomar nodos igualmente Página 27 . En las figuras que siguen mostramos este comportamiento: Aproximamos la función por el polinomio de interpolación que pasa por los puntos en asterisco.63. si hay convergencia. El problema con estas últimas es que sus derivadas van creciendo demasiado en el intervalo considerado. Se puede observar que la aproximación es mala cerca de los extremos del intervalo Ya que la aproximación es mala en los extremos del intervalo.

el movimiento que resulta nos es completamente lineal. fue profesor allí durante 35 años. Sin embargo. porque la máquina al final tiene que mover una rueda. El mecanismo funciona principalmente porque el pistón. Ahora tomamos los nodos de Chebyshev y la aproximación se hace en el intervalo [-1 1] (para mayor comodidad ya que los ceros de Chebyshev se definen en este intervalo y no hay que hacer cambio de variable). Esto era principalmente porque si miramos el movimiento al revés. James Watt había mejorado mucho el mecanismo de los pistones de la máquina. Esto se consigue por una serie de varillas articuladas (linkages) que convierten movimiento rectilíneo en circular. Obsérvese que los nodos están más concentrados hacia los extremos del intervalo. De este modo al obligar al polinomio pn(x) a pasar por estos puntos quizás se mejore la aproximación. de circular al girar una rueda que se transforme mediante una serie de brazos articulados en rectilíneo. sino que presenta oscilaciones (curva de Watt). se tiene que transformar luego en circular. Su interés en la teoría de la aproximación nació porque Chebyshev que era profesor de matemáticas en San Petersburgo. es decir. se presentaban numerosos problemas. a pesar de que Watt había conseguido una buena aproximación.espaciados y tomar nodos que se concentren más cerca de los extremos. que tiene un movimiento de vaivén rectilíneo. viajó en 1852 a Paris y a Inglaterra donde estuvo muy interesado en la máquina de vapor. Página 28 . Poco antes. ello hacía que se resintiera la máquina.

el otro punto F traza una circunferencia. está formado por una serie de brazos articulados.Mecanismo de Peaucellier.2) T3 (x) = 4x3 . donde C está fijo y los demás son pivotes movibles.6. El polinomio de Chebyshev de grado n se denota Tn (x).3x T4 (x) = 8x4 . y se le da la fórmula explícita Tn (x) = cos (n arc cos x) Sin embargo se puede combinar con las identidades trigonométricas para producir expresiones explicitas para Tn(x): A (x) = 1 T1 (x) = X T2 (X) = 2x2 .1 (5.8x2 + 1 Página 29 . Cuando el punto F' describe una línea.

0) doble función (double x). BMA = Media * (B-A). J <= N. Y = (X * DOS-A-B) / (B-A) Y2 = DOS * Y. DD.0 # Define CUARTO 0. } } CHEBEV doble (doble A. if ((XA) * (RE)> ZERO) printf ("\ n X. C [J] = SUMA * FAC. doble B. FAC. K.5 # Define UN 1. K + +) SUMA + = F [K] * cos ((PI * (J-1 ))*(( K-MEDIA) / N)). DD = CERO. J> 1. for (K = 1.CODIGO FUENTE PROGRAMA DEL METODO DE CHEBYSHEV # Include <iostream. double x) { doble D. if (K = 1. J -) { Página 30 .h> # Define NMAX 51 # Define MEDIA 0.25 # Define DOS 2. J + +) { = SUMA CERO. Int J. K + +) { Y = cos (PI * (K-MEDIA) / N). CHEBFT void (doble A. for (j = M. Y2.0 # Define PI 4.h> # Include <math. for (j = 1. F [K] = FUNC (BMA Y * + BPA). double * C. no en el rango \ n \ n".0 * atan (1. BPA. doble BMA. double * C. K <= N. K <= N.) D = CERO.0 # Define CERO 0. Y. Int J. int N) { suma doble. BPA = Media * (B + A). SV. F [NMAX]. } FAC = DOS / N. doble B. M int. Y.

doble B. if (N> = 3) for (j = N-2. double * C. SUMA + = FAC * CINT [N]. for (j = 1. J -) CDER [J] = CDER [J 2] + DOS * J * C [J +1]. double * C. CDER [N-1] = DOS * (N-1) * C [N]. int N) { CON doble. FAC = UNO. J> 0. J <N. DD = SV. doble B. Int J. CDER [N] = CERO. J + +) CDER [J] *= CON. J + +) { CINT [J] = CON * (C [J-1]-C [J +1]) / (J-1). Int J. FAC. for (j = 2. } CINT [N] = CON C * [N-1] / (N-1). = SUMA CERO. D = Y2 * D-DD + C [J]. CINT [1] = SUMA DOS * / / ajustar la constante de integración } CHDER void (doble A. int N) { CON doble.FAC FAC. } return (Y * D-DD + MEDIA * C [1]). el doble * CINT. CON CUARTO * = (B-A). el doble * CDER. =. } CHINT void (doble A. CON DOS = / (B-A). SUM. } Página 31 . J <= N. SUMA + = FAC * CINT [J].SV = D.

METODO DE HERMITE Definimos los polinomios de Hermite por: son polinomios de grado n. Hn es par si n es par. e impar si n es impar. Se tiene que: es decir.48t2 + 12 Consideremos la función Su relación en serie de Taylor será: Como: Se tiene: Luego Página 32 . Los primeros polinomios de Hermite son: H0 (t) = 1 H1 (t) = 2t H2 (t) = 4t2 .2 H3 (t) = 8t3 -12t H4 (t) = 16t4 .

vale decir.Se dice que e2tx-x2 es la función generatriz de los polinomios de Hermite. La estrategia para hallarlas (para _esta o cualquier otra función generatriz de otros polinomios) es típica: derivar parcialmente respecto a alguna de las variables y luego comparar potencias de x en los desarrollos en Taylor resultantes. A partir de la ecuación anterior se pueden encontrar relaciones entre los polinomios de Hermite. es aquella función de dos variables tal que su desarrollo de Taylor en una de las variables tiene como coeficientes precisamente los polinomios de Hermite. 1) Derivando respecto a t Reordenando la suma en el lado izquierdo Comparando los coeficientes de las potencias de x en cada serie encontramos: La cual puede ser reescrito en la forma Página 33 .

Observemos que.dt. En este caso. la expresión anterior puede ser extendida a n = 0. a saber. 2t . el operador de bajada de los polinomios de Hermite es (2n) -1dt 2) Derivando respecto a x Comparando potencias de x: O bien 3) Podemos utiliza las dos relaciones de recurrencia anteriores para obtener una tercera Hemos pues encontrado el operador de subida para los polinomios de Hermite. cero. Página 34 . En general. La relación anterior expresa un polinomio de Hermite en términos de un operador (en este caso la derivada) aplicado sobre el polinomio de Hermite inmediatamente superior. adoptando la convención de que los polinomios con subíndices negativos tienen algún valor adecuado. si bien solo tiene sentido considerar polinomios de Hermite con índice positivo. las relaciones de recurrencia que obtendremos pueden considerarse validas para cualquier índice entero. aunque ello haga aparecer un factor H-1. Un operador que tiene tal propiedad se denomina operador de bajada. por ejemplo.

los polinomios Hn son una solución de la ecuación de Hermite Consideremos la ecuación de Hermite. obtenemos una relación de recurrencia para los coeficientes de la serie: Se desprenden las siguientes consecuencias: Página 35 . pero generalicémosla ligeramente: Busquemos soluciones con un cierto desarrollo de Taylor: Remplazando en la ecuación de Hermite es decir.Derivando la tercera relación: Con: O sea. Es decir el.

y por ende dos soluciones linealmente independientes b) Lo cual significa que el radio de convergencia de la serie es infinito. a0 y a1.1. quiere decir que el método a utilizar es el de hermite X 1 1 2 P(x) 0 0 10 7 P[1.Sea P(x)= 3 + ½(x – 1) + 1/3(x – 1)(x – 1. entonces desde cierto V0 en adelante. que depende sólo de a0. Si ᵝ es par. las soluciones no tienen singularidades en el plano c) La ecuación tiene por solución un polinomio sólo si ᵝ є N*.5) – 2x(x – 1)(x – 1. p(2) = 10 Como existe la derivada del polinomio p(x).. y la de coeficientes con índice impar. hay dos coeficientes arbitrarios. Esto es. la serie tiene un crecimiento rápido cuando t→∞ PROBLEMAS RESUELTOS 1. y si la solución es par o impar.5)x. Vale decir.2]= 3 P[1.2] = 10 P[1. p´(1) = 7.1)2 P(x)= 3x2 + x – 4 que satisface las condiciones dadas 2.a) Hay dos series independientes. Por tanto. la de coeficientes con índice par. Q(x) = 5/3 – 2/3(x – 2) – 5/3(x – 2)(x – 1.2] = 10 Por lo tanto P(x)= 7(x . que depende sólo de a1. Si ᵝ es impar. hay que tomar a1 ≠ 0 y a0 = 0.5)(x – 2). Obtener las tablas de diferencias divididas que dan origen a P(x) y Q(x) respectivamente Página 36 . d) Si ᵝ є N*.1) + 3(x .Utilizar el método de Hermite para hallar un polinomio P(x) de grado 2 que satisfaga: p(1) = 0. hay que tomar a0 ≠ 0 y a1 = 0.. de modo que los av tiene todos el mismo signo para V > V0.

f(1).1. f´(1) y f‖(1) Sin evaluar H4(x) ni sus derivadas en -1 y 1. xn-1.2} X 1 1. xn en entonces a la función g(x) + (x0 – x/ xn – x0)(g(x) – h(x)) interpola a f x0. 0] P[0.5 0 A X 2 0 1. x1. xn-1.5. que pertenece i. 1. 0.5. P(a=2)= 5/3 PROBLEMAS PROPUESTOS 1.5.5) Q(b) 1/2 P[1. esta tiene los puntos {1.Lo que nos indica que los polinomios son iguales.5.5. será igual que si lo evaluamos en Q(x) P(xi) = Q(xi). la de P(x). …. b} b= 1.Probar que si g interpola a la función f en x0.5) P(0) P(a) Q(X) 5/3 Q(0) Q(1. completar la tabla de diferencias divididas con repetición utilizada en la construcción de H4(x) 2. …. 1.i = {0. a} y la de Q(x) tiene {2. x1.. 0. b] -5/3 Q[0. f´(-1).Se sabe que H4(X)= 4 + 3(x + 1) – 2(x + 1)2 + 3/2(x + 1)2(x – 1) – ½(x – 1)2 (x – 1)2 es el polinomio de interpolación de Hermite de cierta función f. Página 37 .5. xn-1 y h interpola a f x0. 1. x1. … .5] Q[1. xn en notar que h y g no necesitan ser polinomios). a] 1/3 P[1.. b] -2 Si vemos las tablas. Q(b=1)= 3 y a= 2.5.1.5 b P(x) 3 P(1. basado en los datos f(-1). a] -2 -2/3 Q[0. 1. entonces si evaluamos un punto P(x). 0.

Introducimos la nueva notación: Restando las dos primeras ecuaciones obtenemos: Restando la segunda y la tercera ecuación obtenemos: Podemos proceder de igual modo para demostrar que: Aunque la forma más cómoda es por inducción construimos un polinomio de grado n definido por: Relacionando nuestro polinomio interpolador. Imponiendo que el polinomio interpolador pase por los puntos de interpolación obtenemos: De estas ecuaciones. En este método el polinomio interpolador se escribe de la forma: Y el algoritmo proporciona una regla para obtener los coeficientes a0.. la ecuación estaría dada por: Página 38 . a1. a1 de x0 y x1 y así sucesivamente. es obvio que a0 depende sólo de x0..METODO DE INTERPOLACION DE NEWTON El método de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador.. an..

Relación que es el origen del nombre de diferencias divididas para los coeficientes an. Restando las dos primeras ecuaciones obtenemos PROBLEMAS RESUELTOS 1. Podemos por lo tanto escribir el polinomio interpolador como: Y la formula de aproximación de f(x) queda en la siguiente forma: f (x0). como se ve de la primera ecuación. Se desea interpolar los siguientes datos mediante el polinomio de Newton para x = 5.2. Primero. calculamos la tabla de diferencias divididas: Ahora evaluamos el polinomio de Newton: Página 39 .

Temperatura 30 37 12 horas 43 38 16:00 20:00 Obtener polinomio de interpolación de Newton hacia atrás de grado para calcular la temperatura en Kanpur en ese día a las 5.-La velocidad de un tren. 2.00 pm.00 am a 8.m. que corre entre dos estaciones se mide a diferentes distancias de la estación de partida. Si x es la distancia en km de la estación de partida.-Da los siguientes datos de las temperaturas (en ºC ) Entre las 8. la velocidad (en km/hr ) Del tren en la distancia x está dada por la siguiente tabla: x v (x) 0 0 50 60 100 80 150 110 200 90 250 0 Encontrar la velocidad aproximada del tren en el punto medio entre las dos estaciones. el 10 de mayo de 2005. a continuación v(x).00 pm.PROBLEMAS PROPUESTOS 1. en Kanpur: Tiempo 8 a. Página 40 .

void construct_dd_table( ). return 0. long double dd_table[max_size][max_size]={0}. show_dd_table( ). void push(const char *). long double xn[max_size]={0}. char Stack[30][30]={NULL}. int choice=0.h> # include <stdlib.h> const int max_size=13. textmode(C4350). compute_newtons_dd_interpolation_polynomial( ). void clear_screen( ). void get_input( ). void convert_infix_expression_to_postfix_expression(const char *). long double px[max_size]={0}. void estimate_pnx( ). void show_screen( ). int main( ) { clrscr( ). void compute_newtons_dd_interpolation_polynomial( ).h> # include <string. void show_dd_table( ).h> # include <math. int n=0.h> # include <stdio. get_input( ). const char* pop( ). estimate_pnx( ).h> # include <conio. construct_dd_table( ). char Postfix_expression[30][30]={NULL}. int top=-1. show_screen( ).CODIGO FUENTE PROGRAMA DE METODO DE NEWTON # include <iostream. char Non_linear_equation[100]={NULL}. const long double evaluate_postfix_expression(const long double). } Página 41 .

getch( ).2). gotoxy(1.2).count++) { gotoxy(3. if(top==-1) { cout<<"Error : Stack is empty. cprintf("********************************************************************************").Operand).46). cout<<"\n Press any key to exit."<<endl. Página 42 ". } void clear_screen( ) { for(int count=0. } } const char* pop( ) { char Operand[40]={NULL}.". textbackground(8). cout<<" } gotoxy(1. } else { top++. .count<37.count<42.void show_screen( ) { textbackground(1). cout<<"\n Press any key to exit.". strcpy(Stack[top]. cprintf(" Newton's Divided Difference Interpolation Formula ").8+count). for(int count=0."<<endl.count++) cprintf("* *"). exit(0). } void push(const char* Operand) { if(top==(max_size-1)) { cout<<"Error : Stack is full. gotoxy(1.

char Symbol_scanned[30]={NULL}. push("("). int flag=0. count_1++. int count_2=0. } while(count_1<=equation_length && Infix_expression[count_1]!='(' && Infix_expression[count_1]!='+' && Infix_expression[count_1]!='-' && Infix_expression[count_1]!='*' && Infix_expression[count_1]!='/' && Infix_expression[count_1]!='^' && Infix_expression[count_1]!=')'). } else { strcpy(Operand. strset(Stack[top].Expression). } Página 43 . strcat(Infix_expression. if(flag==0) { int count_3=0.getch( ). do { strset(Symbol_scanned. do { Symbol_scanned[count_3]=Infix_expression[count_1]. } void convert_infix_expression_to_postfix_expression(const char* Expression) { char Infix_expression[100]={NULL}. int count_1=0. } return Operand. int equation_length=strlen(Infix_expression). top--. strcpy(Infix_expression. if(Infix_expression[0]=='(') flag=1. flag=1.NULL). count_3++.NULL). exit(0).Stack[top])."+0)").

"^")==0 || strcmp(Stack[top]."*")==0 || strcmp(Stack[top]. count_1++."/")==0) { if(strcmp(Symbol_scanned."*")==0 || strcmp(Symbol_scanned.")")==0) { while(strcmp(Stack[top].pop( )). if(Infix_expression[count_1]!='(' && Infix_expression[count_1]!='^' && Infix_expression[count_1]!='*' && Infix_expression[count_1]!='/' && Infix_expression[count_1]!='+' && Infix_expression[count_1]!='-' && Infix_expression[count_1]!=')') flag=0.else if(flag==1) { Symbol_scanned[0]=Infix_expression[count_1]."-")==0 || strcmp(Symbol_scanned. else if(strcmp(Symbol_scanned. if(Infix_expression[count_1-1]=='(' && (Infix_expression[count_1]=='-' || Infix_expression[count_1]=='+')) flag=0."/")==0) { strcpy(Postfix_expression[count_2]."/")==0) { while(strcmp(Stack[top]. } pop( ). } if(strcmp(Symbol_scanned. count_2++. Página 44 .pop( ))."^")==0 || strcmp(Symbol_scanned."(")==0) push("(")."^")==0) { } else if(strcmp(Symbol_scanned. } else if(strcmp(Symbol_scanned."+")==0 || strcmp(Symbol_scanned."(")!=0) { strcpy(Postfix_expression[count_2]."*")==0 || strcmp(Symbol_scanned.

"+")==0 || strcmp(Symbol_scanned. } } while(strcmp(Stack[top].count_2++. do { count_1++."-")==0) { while(strcmp(Stack[top]. } else { strcat(Postfix_expression[count_2]."*")==0 || Página 45 ."="). } const long double evaluate_postfix_expression(const long double x) { long double function_value=0. } } push(Symbol_scanned). int count_1=-1. if(strcmp(Symbol_scanned."(")!=0) { strcpy(Postfix_expression[count_2]. } } else if(strcmp(Symbol_scanned. count_2++.Symbol_scanned). char Symbol_scanned[30]={NULL}.pop( )).NULL)!=0).Postfix_expression[count_1])."^")==0 || strcmp(Symbol_scanned. count_2++. count_2++. strcat(Postfix_expression[count_2]. strcpy(Symbol_scanned.

for(int count_2=0. char *endptr. char Operand[2][30]={NULL}.pop( )). else if(strcmp(Operand[count_2].count_3<(length-1).count_3++) Operand[count_2][count_3]=Operand[count_2][(count_3+1)].count_2++) { int flag=0. long double result=0.count_2<2. else if(strcmp(Operand[count_2]. for(int count_3=0."/")==0 || strcmp(Symbol_scanned.718282. strcpy(Operand[0]. if(Operand[count_2][0]=='-') { int length=strlen(Operand[count_2])."-")==0) { char Result[30]={NULL}."+")==0 || strcmp(Symbol_scanned."cosx")==0) operand[count_2]=cosl(x). long double operand[2]={0}. Página 46 . else if(strcmp(Operand[count_2].strcmp(Symbol_scanned. Operand[count_2][count_3]=NULL."tanx")==0) operand[count_2]=tanl(x)."sinx")==0) operand[count_2]=sinl(x). flag=1."x")==0) operand[count_2]=x. } if(strcmp(Operand[count_2]. strcpy(Operand[1]. else if(strcmp(Operand[count_2]."e")==0) operand[count_2]=2.pop( )).

break.25.Result). case '*' : result=operand[1]*operand[0]. char Function_value[30]={NULL}. break. } gcvt(result."logx")==0) operand[count_2]=log10l(x). break."lnx")==0) operand[count_2]=logl(x). } while(strcmp(Symbol_scanned. else operand[count_2]=strtod(Operand[count_2].&endptr).pop( )). push(Result). case '/' : result=operand[1]/operand[0]. Página 47 . char *endptr. } else if(strcmp(Symbol_scanned. case '-' : result=operand[1]-operand[0]. function_value=strtod(Function_value."=")!=0). strcpy(Function_value. if(flag) operand[count_2]*=-1."=")!=0) push(Symbol_scanned). else if(strcmp(Operand[count_2].operand[0]). case '+' : result=operand[1]+operand[0].&endptr). break. } switch(Symbol_scanned[0]) { case '^' : result=powl(operand[1]. break.else if(strcmp(Operand[count_2].

if(n==27) exit(0). gotoxy(8. gotoxy(6. n = 2 | max. cin>>n.". gotoxy(6. n = 12 ]". cout<<"[ min. cout<<"Input Mode :".13). cout<<"Enter the max.19).9). cout<<"Error : Wrong Input. cout<<"Number of Distinct Data Points :".12). Press <Esc> to exit or any other key". } void get_input( ) { do { clear_screen( ). cout<<" to try again.23). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(27. gotoxy(6. if(n<2 || n>12) { gotoxy(12. } } while(n<2 || n>12).25). Página 48 . gotoxy(6.26). n=int(getche( )). number of distinct data points = n = ".10).20). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍ".return function_value. gotoxy(12. gotoxy(6.

Choice=getch( ). cout<<"Press any key to continue. if(Choice=='y' || Choice=='Y' || int(Choice)==13) { choice=1. gotoxy(8.".30). 2x+3 as (2*x)+3". gotoxy(10. cout<<"Y".cout<<"Press : ".30). gotoxy(6. cout<<"Enter your choice : ".. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". } else { gotoxy(28. getch( ).'N' or <Any other key> to enter values of the function". cout<<". gotoxy(6. gotoxy(10. cout<<"N". gotoxy(6. Página 49 . char Choice=NULL.37).25).g. if(choice) { clear_screen( ). cout<<". gotoxy(28.. cout<<"Note : Write the function with proper Braces ( ) e. } gotoxy(25.11).43).'Y' or <Enter> to enter function". cout<<"Non-Linear Function :".30).12).27).

cout<<"Enter the Function : f(x) = ".14). gotoxy(6.10). . / . gotoxy(25.15). cout<<"³ x ³ f(x) ³". lnx . gotoxy(6.40). } clear_screen( ).gotoxy(6. * .". cin>>Non_linear_equation. cout<<"³ ³ ³". convert_infix_expression_to_postfix_expression(Non_linear_equation). gotoxy(25. cout<<" n = any number". tanx . -". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(25. cout<<"³ ³ ³".42). cout<<"ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´". gotoxy(6.count_1++) { gotoxy(25.14). cout<<"Available Operators : ^ (raised to power) . cout<<"Available Operands : x .count_1<n. for(int count_1=0.44). gotoxy(6.(wherey( )+1)).(wherey( )+1)). sinx . e .9). gotoxy(25.13).12). cout<<"Data Points & Values of Function :". + . cosx . cout<<"ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿". gotoxy(6. logx . cout<<"³ ³ } Página 50 ³". gotoxy(25.

count_1++) { for(int count_2=count_1.(wherey( )+1)). getch( ).count_2++) { gotoxy(27.count_2<n.count_2++) { long double fx1=dd_table[(count_1-1)][(count_2-1)]. Página 51 . gotoxy(25. long double x1=xn[(count_2-count_1)].wherey( )).". long double fx2=dd_table[(count_1-1)][count_2]..(wherey( )-1)). if(choice) { dd_table[0][count_2]=evaluate_postfix_expression(xn[count_2]).. } else { gotoxy(43. cin>>xn[count_2]. gotoxy(43.(wherey( )+1)). cout<<"Press any key to continue. } void construct_dd_table( ) { for(int count_1=1. for(int count_2=0. } gotoxy(25.count_1<n. else gotoxy(25.(wherey( )-1)).gotoxy(25.16). cin>>dd_table[0][count_2]. cout<<dd_table[0][count_2]. } if(choice) gotoxy(25.count_2<n. cout<<"ÀÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÙ".(wherey( )+2)).43).

count_1++) { gotoxy(x_cord.y_cord). cout<<xn[count_1]. cout<<dd_table[0][count_1]. gotoxy(4. gotoxy(4.16).y_cord).10). gotoxy(4.y_cord). cout<<"Divided Difference Table :".count_1<n.long double x2=xn[count_2]. for(int count_1=0. gotoxy(x_cord. int y_cord=17. cout<<"³ ³ ". gotoxy((x_cord+2). Página 52 ". cout<<"³ ³ int x_cord=4. cout<<"ÚÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".(y_cord+1)). cout<<"³ x ³ f(x) ". dd_table[count_1][count_2]=((fx2-fx1)/(x2-x1)). gotoxy((x_cord+11). gotoxy(4. cout<<"³ ³ ". } } } void show_dd_table( ) { clear_screen( ). gotoxy(4. gotoxy(4. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". .11).13).14). cout<<"ÃÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".15).

count_4++) { gotoxy(x_cord. else if(count_3==3) cout<<"rd". gotoxy(x_cord. gotoxy(x_cord.y_cord). for(int count_4=0. cout<<"³".y_cord+=2. if(count_3==1) cout<<"st".y_cord). for(int count_3=1. cout<<"ÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". cout<<"³".15). cout<<"ÀÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".count_3<n. y_cord=17. cout<<"ÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".16). } gotoxy(x_cord.14). x_cord=28. cout<<count_3. Página 53 .y_cord). else if(count_3==2) cout<<"nd". gotoxy(x_cord. int count_2=0.count_3++) { gotoxy(x_cord. gotoxy((x_cord+6). gotoxy(x_cord.count_4<n.14). cout<<"ÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".13). else cout<<"th".

cout<<"³".cout<<"³". for(int count_5=0. gotoxy(x_cord. gotoxy(x_cord. cout<<"³".15). cout<<"ÁÄÄ".count_5<n.14). count_2++.(y_cord+1)). gotoxy(x_cord. y_cord+=2. } x_cord+=16.y_cord). } Página 54 . cout<<"ÅÄÄ". gotoxy(x_cord. gotoxy(x_cord.13). } y_cord+=2. cout<<"³".(y_cord+1)). y_cord=17. if(count_4>=count_3) { gotoxy((x_cord+2).16). cout<<"³". if((count_2%3)==0 && count_3<(n-1)) { gotoxy(x_cord.(y_cord-count_3)). cout<<dd_table[count_3][count_4]. cout<<"³". cout<<"ÂÄÄ".count_5++) { gotoxy(x_cord. gotoxy(x_cord.y_cord).

gotoxy(x_cord. for(int count_6=0. .13). cout<<"³". count_2=0.(y_cord+1)). y_cord=17. } } gotoxy(x_cord. y_cord=13.count_6<=(n+2).16). gotoxy(x_cord.14).. for(int count_6=0. cout<<"¿". } y_cord-=2.44).". y_cord+=2. cout<<"³". gotoxy(x_cord.y_cord).count_6++) { gotoxy(x_cord. } Página 55 ". cout<<" ".(y_cord+1)).count_6++) { gotoxy(x_cord. cout<<"³". cout<<"Press any key to continue.count_6<n.gotoxy(30. count_3--. getch( ). cout<<"³". x_cord=28. cout<<" y_cord+=2..y_cord). gotoxy(x_cord.

} } Página 56 .count_3<(count_2-1). } for(int count_5=0.count_2<n. } fx[0]*=xn[(count_3+1)].. cout<<"´".count_2++) { long double fx[max_size]={0}.15). fx[1]=1.y_cord).gotoxy(x_cord.count_1++) xn[count_1]=(xn[count_1]*(-1)).count_1<n. fx[0]=xn[0]. gotoxy(x_cord. for(int count_6=0. } void compute_newtons_dd_interpolation_polynomial( ) { for(int count_1=0.count_6++) px[count_6]+=fx[count_6]. for(int count_4=(1+count_3). fx[count_4]+=fx[(count_4-1)].count_4>0.count_6<(count_2+1).".count_5<(count_2+1).count_3++) { fx[(count_3+2)]=1. for(int count_2=1. for(int count_3=0..count_5++) fx[count_5]*=dd_table[count_2][count_2]. cout<<"Ù". gotoxy(30. cout<<"Press any key to continue. px[0]=dd_table[0][0].count_4--) { fx[count_4]*=xn[(count_3+1)].44). getch( ).

} if(wherex( )>=70) gotoxy(30. else if(count_1>1) cout<<fabs(px[count_1])<<" x"<<count_1. else cout<<" .11). else if(count_1==1) cout<<fabs(px[count_1])<<" x". } gotoxy(6.13). if(wherex( )>=70) gotoxy(30. Página 57 . cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". cout<<"P"<<(n-1)<<"(x) = ". cout<<"Newton's Divided Difference Interpolation Formula :". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ". else if(count_1==0) cout<<fabs(px[count_1]).(wherey( )+2)). gotoxy(6. cout<<"Estimation of Pn(x) :".19). gotoxy(6.10).". gotoxy(10.count_1>=0.void estimate_pnx( ) { clear_screen( ).(wherey( )+2)). for(int count_1=(n-1).count_1--) { if(count_1==(n-1) && n>2) cout<<px[count_1]<<" x"<<count_1.

char Choice=NULL. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. pnx+=(px[1]*x). } gotoxy(10. pnx=0. for(int count_2=2. if(choice) { long double fx=0. cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. gotoxy(10. pnx=px[0].26). cout<<"Enter the value of x = ". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".gotoxy(6. x=0. gotoxy(10. cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). fx=evaluate_postfix_expression(x).22). long double pnx=0. Página 58 .20).count_3<count_2.count_2++) { long double temp=x. do { Choice=NULL.count_3++) temp*=x. cin>>x. gotoxy(10.count_2<n.30). long double x=0. for(int count_3=1. pnx+=(px[count_2]*temp).28).

D.. cout<<" gotoxy(10. } while(1). } ".42).. Página 59 . if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10.28). ".26). Table again". cout<<" gotoxy(15. Choice=getch( ). gotoxy(10. cout<<" gotoxy(25.30). gotoxy(25.40).} gotoxy(15. cout<<"Press <Esc> to exit. estimate_pnx( ). ".22). cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ). 'V' to view D. cout<<"or any other key to continue.42).". ". ".40). } else if(int(Choice)==27) exit(0). cout<<" gotoxy(10. cout<<" ".

o los ingresos y egresos que una sucursal de una panadería puede tener.CONCLUSIONES Luego de haber estudiado a profundidad este tema o herramienta para resolver sistemas de ecuaciones. Por ello son métodos ideales para trabajarlos en computadora. se concluye que para resolver estos sistemas de ecuaciones lineales existen diferentes métodos. ya se tiene una buena base y el conocimiento del tema para poder comenzar a programar en la computadora estos procesos. una matriz es una tabla bidimensional de números consistente en cantidades abstractas que pueden sumarse y multiplicarse. El método de interpolación . pero dependerá del gusto de cada persona elegir uno en específico. GLOSARIO DE TERMINOS Interpolación: En el subcampo matemático del análisis numérico. realizar un seguimiento de los coeficientes de una aplicación lineal y registrar los datos que Página 60 . otros más cortos. Las matrices se utilizan para describir sistemas de ecuaciones lineales. Trabajar esto en papel podría resultar extremadamente largo y tedioso. Sin embargo. tales como el control de pedidos en un almacén. En ingeniería y algunas ciencias es frecuente disponer de un cierto número de puntos obtenidos por muestreo o a partir de un experimento y pretender construir una función que los ajuste. en muchos casos se pueden restablecer datos perdidos u extraviados de diversas bases de datos. Matriz: En matemáticas. lo primero que se necesita es comprender cómo se desarrolla cada uno de estos procesos. pues cada método tiene sus ventajas y sus desventajas. pues son iterativos y muy largos. debido a que gracias a sus procesos de aproximación. el método estudiado en este trabajo es ideal para programarlos por computadora. se denomina interpolación a la obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos. muchas veces la elección no será arbitraria. Como se mencionó en la introducción. es una herramienta muy utilizada en el ámbito laboral. Luego de la elaboración de este reporte. se denomina interpolación a la obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos. otros más fáciles de programar. Interpolación: En el subcampo matemático del análisis numérico. Para ser capaces de elegir un método apropiado. Algunos métodos son más exactos. etc.

Ecuación cuártica: Las ecuaciones de cuarto grado o cuárticas. Los valores conocidos pueden ser números. y también variables cuya magnitud se haya establecido como resultado de otras operaciones. en las que aparecen valores conocidos o datos. relacionados mediante operaciones matemáticas. Evaluar: Valorar una cosa Página 61 . Pueden sumarse.dependen de varios parámetros. multiplicarse y descomponerse de varias formas. Las matrices se describen en el campo de la teoría de matrices. que se llama el exponente del monomio. se le llama polinomio a la suma de varios monomios. lo que también las hace un concepto clave en el campo del álgebra lineal. Un monomio es un producto de un coeficiente y una variable elevado a un número natural. Ortogonal: En matemáticas. Polinomio: En matemáticas . Ecuación: Una ecuación es una igualdad matemática entre dos expresiones algebraicas. el término ortogonalidad (del griego orthos —recto— y gonía —ángulo—) es una generalización de la noción geométrica de perpendicularidad. para a distinto de 0. Ecuación cúbica: Las ecuaciones de tercer grado o cúbicas son del tipo ax3 + bx2 + cx +d = 0. coeficientes o constantes. ax4 + bx3 + cx2 + dx + e = 0. Ecuación Diferencial: Ecuación que contiene derivadas. y desconocidos o incógnitas. Cifra Significativa: Todas las cifras excepto el cero Ecuación cuadrática: Ecuación de segundo grado o cuadrática se expresa mediante la relación ax2 + bx + c = 0. constituyen los valores que se pretende hallar. denominadas miembros. donde a es distinto de 0. donde a es distinto de 0. representadas generalmente por letras. Las incógnitas.

mx/translate?hl=es&langpair=en%7Ces&u=http://jeanpierre. McGrawHill.uam.html *http://highered.com/sites/dl/free/9701061144/507265/chapra_metodos _5e_capitulo_muestra_c18.es/descartes/web/materiales_didacticos/Interpolacion/ interpolacion_1. R.mty. P.es/personal_pdi/ciencias/barcelo/cnumerico/recursos/interpolacio n.html *http://recursostic.).pdf * http://www.uhu.es/cristobal.wikidot.pagesperso-orange.google.pdf * http://www.wikipedia.uv.pdf *http://www.html * C.mx&u=http://wiki.0 Página 62 .com/c%2B%2B/source%2520code/math.org/wiki/Factorizaci%C3%B3n_LU *http://www. Canale. Chapra.com/translate_c?hl=es&langpair=en%7Ces&rurl =translate.pdf *http://mna.answers.BIBLIOGRAFIA *http://translate.pdf * http://rinconmatematico.cl/media/users/9/471845/files/38587/INTERPOLACIO N_NUMERICA.com/foros/index.com/notas/metodos/gs_ejercicio_06. (3ª ed.moreau. *http://construccionuv.mx/dtie/deptos/cb/cb00854-1/Apuntes/interpol.googleusercontent.google.htm * http://www.com/interppolin#toc9 *http://translate.com.htm *http://es.html *http://www.uam.tonahtiu.educacion.com/Q/Write_a_c_programme_to _perform_newton's_divided_difference_formula&usg=ALkJrhgLdAlkYeStlxc3JFwW cKuBqsRJcg *www. S.garcia/descargas/AnalisisNumericoITema3.mcgrawhill.. Métodos Numéricos para Ingenieros.php?topic=5149.com.es/personal_pdi/ciencias/barcelo/cnumerico/recursos/interpolacio n.cpp4u.itesm.bligoo.fr/c_function.es/diazj/cn_tema5.

pnx=0.20). cout<<"Enter the value of x = ".else if(count_1==0) cout<<fabs(px[count_1]). x=0. else cout<<" . long double pnx=0. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ".". cout<<"Estimation of Pn(x) :". long double x=0. if(wherex( )>=70) gotoxy(30. Págin a2 . gotoxy(6. gotoxy(10. cin>>x. pnx=px[0].19). do { Choice=NULL.(wherey( )+2)). } if(wherex( )>=70) gotoxy(30. char Choice=NULL.22). } gotoxy(6.(wherey( )+2)).

count_2++) { long double temp=x. Choice=getch( ). 'V' to view D. if(choice) { long double fx=0.".pnx+=(px[1]*x).count_3++) temp*=x. Table again".count_2<n. cout<<"or any other key to continue. fx=evaluate_postfix_expression(x). cout<<"Press <Esc> to exit. cout<<" Págin a2 ".. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. } gotoxy(10. pnx+=(px[count_2]*temp). gotoxy(10. gotoxy(10. cout<<" ".30)..40).28).26). for(int count_2=2.count_3<count_2. gotoxy(10.42). .22).D. } gotoxy(15.26). cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. gotoxy(25. for(int count_3=1.

} while(1). cout<<" gotoxy(15. otros más fáciles de programar. cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ). tales Págin a3 .30).28).40). ". pero dependerá del gusto de cada persona elegir uno en específico. CONCLUSIONES Luego de haber estudiado a profundidad este tema o herramienta para resolver sistemas de ecuaciones.gotoxy(10. lo primero que se necesita es comprender cómo se desarrolla cada uno de estos procesos. cout<<" gotoxy(10. ". etc. otros más cortos. ". Para ser capaces de elegir un método apropiado. pues cada método tiene sus ventajas y sus desventajas. se concluye que para resolver estos sistemas de ecuaciones lineales existen diferentes métodos. es una herramienta muy utilizada en el ámbito laboral. } ". cout<<" gotoxy(25. debido a que gracias a sus procesos de aproximación.42). estimate_pnx( ). Sin embargo. Algunos métodos son más exactos. muchas veces la elección no será arbitraria. } else if(int(Choice)==27) exit(0). El método de interpolación . en muchos casos se pueden restablecer datos perdidos u extraviados de diversas bases de datos.

Como se mencionó en la introducción. y desconocidos o incógnitas. En ingeniería y algunas ciencias es frecuente disponer de un cierto número de puntos obtenidos por muestreo o a partir de un experimento y pretender construir una función que los ajuste. en las que aparecen valores conocidos o datos. Pueden sumarse. Por ello son métodos ideales para trabajarlos en computadora. relacionados mediante operaciones matemáticas. se denomina interpolación a la obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos. Las incógnitas. Ecuación: Una ecuación es una igualdad matemática entre dos expresiones algebraicas. constituyen los valores que se pretende hallar. Las matrices se utilizan para describir sistemas de ecuaciones lineales. o los ingresos y egresos que una sucursal de una panadería puede tener. Los valores conocidos pueden ser números. una matriz es una tabla bidimensional de números consistente en cantidades abstractas que pueden sumarse y multiplicarse. pues son iterativos y muy largos. Luego de la elaboración de este reporte. Las matrices se describen en el campo de la teoría de matrices.como el control de pedidos en un almacén. realizar un seguimiento de los coeficientes de una aplicación lineal y registrar los datos que dependen de varios parámetros. denominadas miembros. Trabajar esto en papel podría resultar extremadamente largo y tedioso. Págin a2 . GLOSARIO DE TERMINOS Interpolación: En el subcampo matemático del análisis numérico. representadas generalmente por letras. y también variables cuya magnitud se haya establecido como resultado de otras operaciones. Matriz: En matemáticas. Interpolación: En el subcampo matemático del análisis numérico. el método estudiado en este trabajo es ideal para programarlos por computadora. lo que también las hace un concepto clave en el campo del álgebra lineal. ya se tiene una buena base y el conocimiento del tema para poder comenzar a programar en la computadora estos procesos. multiplicarse y descomponerse de varias formas. coeficientes o constantes. se denomina interpolación a la obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos.

para a distinto de 0.uv. Ortogonal: En matemáticas. donde a es distinto de 0. el término ortogonalidad (del griego orthos —recto— y gonía —ángulo—) es una generalización de la noción geométrica de perpendicularidad.com/c%2B%2B/source%2520code/math.pdf Págin a2 .answers. Ecuación cuártica: Las ecuaciones de cuarto grado o cuárticas.Polinomio: En matemáticas .google. Evaluar: Valorar una cosa BIBLIOGRAFIA *http://translate.es/diazj/cn_tema5. ax4 + bx3 + cx2 + dx + e = 0.com/translate_c?hl=es&langpair=en %7Ces&rurl=translate. Un monomio es un producto de un coeficiente y una variable elevado a un número natural. Cifra Significativa: Todas las cifras excepto el cero Ecuación cuadrática: Ecuación de segundo grado o cuadrática se expresa mediante la relación ax2 + bx + c = 0. Ecuación cúbica: Las ecuaciones de tercer grado o cúbicas son del tipo ax3 + bx2 + cx +d = 0.htm * http://www. donde a es distinto de 0.mx&u=http://wiki.es/descartes/web/materiales_didacticos/Interpolacion /interpolacion_1. Ecuación Diferencial: Ecuación que contiene derivadas.cpp4u.com.educacion.googleusercontent. que se llama el exponente del monomio.com/Q/Write_a_c_pr ogramme_to_perform_newton's_divided_difference_formula&usg=ALkJrhgLdAlkY eStlxc3JFwWcKuBqsRJcg *www. se le llama polinomio a la suma de varios monomios.html *http://recursostic.

pdf * http://rinconmatematico.bligoo.html *http://www. P. *http://construccionuv.html *http://highered.wikipedia.moreau.com.php?topic=5149.fr/c_function.htm *http://es. R.mty.uam.com/foros/index. Métodos Numéricos para Ingenieros.mx/translate?hl=es&langpair=en%7Ces&u=http://jeanpierre.html * C.).com/notas/metodos/gs_ejercicio_06.com/interppolin#toc9 *http://translate.es/cristobal.uam.wikidot.uhu.es/personal_pdi/ciencias/barcelo/cnumerico/recursos/interpolacio n. Chapra. S.pdf *http://www..mcgrawhill.pagesperso-orange. (3ª ed.cl/media/users/9/471845/files/38587/INTERPOLACIO N_NUMERICA.org/wiki/Factorizaci%C3%B3n_LU *http://www.pdf * http://www.com/sites/dl/free/9701061144/507265/chapra_metodos _5e_capitulo_muestra_c18.mx/dtie/deptos/cb/cb00854-1/Apuntes/interpol.0 Págin a1 . Canale.pdf *http://mna.garcia/descargas/AnalisisNumericoITema3.es/personal_pdi/ciencias/barcelo/cnumerico/recursos/interpolacio n.tonahtiu.* http://www.google. McGrawHill.itesm.

Sign up to vote on this title
UsefulNot useful