Metodo de Interpolacion de Newton

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

Cholesky. problemas de ejemplo y una implementación en el compilador Turbo o C o DevC++. Era lógico esperar un grado mayor de razonamiento. el lograr explicar en base a un marco teórico. porque son los resultados de un experimento gobernado por una ley que desconocemos. 5 Los dos valores obtenidos constituyen la solución del sistema. Esto puede suceder. 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. el valor que obtengamos será una aproximación del valor real. tales como el método de Newton. También puede suceder que sepamos la expresión analítica de la Página 4 . 4 El valor obtenido se sustituye en una de las ecuaciones iniciales y se resuelve. para cada uno de los métodos que más adelante se explicaran. Si queremos calcular el valor de la función para una abscisa diferente de las conocidas. por ejemplo. sin embargo con los conocimientos previos que tenemos.3 Se resuelve la ecuación resultante. de una función sólo conocemos un conjunto de valores. para poder aplicar estos métodos. debemos utilizar otra función que la aproxime y. ya que conforme avanzamos. desarrollo de método. además del estudio de métodos de interpolación. 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. Chebyshev y Hermite. encontraremos cada vez un nivel mayor de dificultad para resolver este tipo de problemas. MARCO TEORICO Muchas veces. -PARTICULAR El objetivo particular de este trabajo tiene como principal meta. para poder resolver ecuaciones de cualquier tipo. naturalmente.

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

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.PASOS PARA ENCONTRAR LA MATRIZ TRIANGULAR SUPERIOR (MATRIZ [U] 1. así como también convertir en 1 cada pivote. 2. Para lograr lo anterior se requiere obtener un factor el cual es necesario para convertir a cero los valores abajo del pivote. 3. Esto es: . 4. Hacer cero todos los valores abajo del pivote sin convertir este en 1. al encontrar [L] y [U] a partir de [A] no se altera en nada la ecuación y se tiene lo siguiente Página 6 . Se utiliza el mismo concepto de ―factor‖ explicado anteriormente y se ubican todos los ―factores‖ debajo de la diagonal según corresponda en cada uno. 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. Esquemáticamente se busca lo siguiente: Originalmente se tenía: Debido a que [A] = [L][U].

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

0.25) * (4) + (5) = 0 a22 = .1) + (.1) = 0.(0.25) * (.25) * (.(1.2) + (1) = 3.(factor 1) * (fila 1) + (fila 2) fila 3 = .2) + (2) = 2.25 factor 2 = (a31 / a11) = 1 / 4 = 0.(0.(1.5 -1 0.25 .25 Encontrando [U] fila 2 = .25 a31 = .(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .75 4 [U] = 0 0 -2 3.25) + (.1) = .(1.5 2.1) + (.5 a23 = .25) * (4) + (1) = 0 a32 = .25) * (.[A] = 5 1 1 2 -1 -4 [B] = 7 12 ITERACIÓN 1 factor 1 = (a21 / a11) = 5 / 4 = 1.0.(0.75 Página 8 .5 a33 = .

(2.(2.0.5) = 0 a33 = .25 0 ITERACIÓN 2 factor 3 = (u32 / u22) = 2.75) = .7142857143 Encontrando [U] fila 3 = .5 = 0.5 / 3.0.5) + (2.5 / 3.Encontrando [L] 1 [L] = 0 0 0 0 1.0.5) * (0.7142857143 1 Página 9 .25 1 0.5) * (0) + (0) = 0 a32 = .25 0.(2.25 0 0.9285714286 1 [L] = 0 0 0 1.25) + (.(factor 3) * (fila 2) + (fila 3) a31 = .5 / 3.5 0 -1 0.5 / 3.5) * (3.25 .9285714286 4 [U] = 0 0 Encontrando [L] -2 3.

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

4545454545 factor 2 = (a31 / a11) = 4/11 = 0.2.4545454545) * (..2) + (.4545454545) * (11) + (5) = 0 a22 = .3636363636) * (11) + (4) = 0 Página 11 .(0.3) + (.0909090919 a31 = .(factor 1) * (fila 1) + (fila 2) fila 3 = .8) = .6363636365 a23 = .0.3636363636 Encontrando [U] fila 2 = .(0.(0.4545454545) + (.(0.2) = .(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .Encontrar los valores de x1. 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 = 0.7.

(factor 3) * (fila 2) + (fila 3) a31 = .36363636 0 ITERACIÓN 2 factor 3 = (u32/u22) = .0.2) + (2) = 2.3) + (.3636363636) * (.(9.909090909 -2 .909090909) = 0 a33 = .6363636365 .(0.0.(9.7.5.285714284) * (.5.7272727272 11 [U] = 0 0 -3 .285714284) * (.5.0.285714284) * (0) + (0) = 0 a32 = .6363636365 = 9.57142857 Página 12 .7272727272) = 68.909090909 a33 = .7.6363636365) + (.45454545 0 0.7) = .5.(9.(0.3636363636) * (.a32 = .285714284 Encontrando [U] fila 3 = .7272727272 Encontrando [L] 1 [L] = 0 0 0 0 0.909090909 / .0909090919) + (2.0909090919 2.

se obtienen los siguientes valores para y1. El siguiente paso es resolver Ly = b para encontrar la matriz y. En otras palabras es como que se pidiera resolver el siguiente sistema de ecuaciones. x2 y x3: Página 13 .6363636365 0 -2 .4545454545 1 0.11 [U] = 0 0 -3 . y2 y y3: Al resolver el sistema anterior.0909090919 68.285714284 1 Ahora ya se tiene la matriz [U] y la matriz [L].7.3636363636 9. En pocas 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.0. encontrando los valores de x1.57142857 Encontrando [L] 1 [L] = 0 0 0 0. encontrando los valores de y1.

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

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

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

lo que ocurre con frecuencia en la solución numérica de ecuaciones diferenciales parciales. es una versión modificada de la eliminación de Gauss . donde s es el paso. produce un vector de muestras Lu con las propiedades de la covarianza del sistema que se modela. En cada iteración. El algoritmo recursivo comienza con i : = 1 y de En el paso i . Aplicando esto a un vector de muestras correlacionadas. Dos conocidas fórmulas de actualización se llama Davidon-Fletcher-Powell (DFP) y Broydon-Fletcher-GoldfarbShanno (BFGS). 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. la matriz A ( i ) tiene la siguiente forma: Página 17 . u. 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. una actualización de la descomposición de Cholesky de una aproximación de la matriz hessiana en sí. 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. No lineal multivariado funciones pueden ser minimizados por sus parámetros utilizando las variantes del método de Newton se llama cuasi-Newton métodos. Filtros de Kalman suelen utilizar la descomposición de Cholesky para elegir un conjunto de los llamados puntos de sigma. El algoritmo de Cholesky. g es el gradiente del vector de derivadas parciales primera de la función con respecto a los parámetros.matriz A proviene de un funcional de energía que debe ser positivo a partir de consideraciones físicas. la búsqueda da un pasos definido por la resolución de Hs = -g de s. Estos puntos sigma totalmente la captura de la media y la covarianza del estado del sistema. La matriz P es siempre positiva semidefinida. y se puede descomponer en LL T. y H es una aproximación a la matriz hessiana de segundas derivadas parciales formados por repetidas rango 1 actualiza en cada iteración.

por lo tanto.1. Repetimos esto para i desde 1 hasta n. 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 . 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. Después de n pasos. se obtiene un ( n +1) = I . 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 .

Una forma alternativa es la factorización Esta forma elimina la necesidad de tomar raíces cuadradas. Sin embargo.La expresión en la raíz cuadrada es siempre positiva. Cuando A es definida positiva los elementos de la matriz diagonal D son todos positivos. j entrada) si sabemos las entradas a la izquierda y arriba. si A es real y definida positiva. Si A es real. 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. las relaciones recursivas se aplicarán las siguientes entradas de D y L: Página 19 . la siguiente fórmula: Por lo tanto podemos calcular la ( i . 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 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.

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

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

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

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

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

-Dada la función ( ) en el intervalo [-5.PROBLEMAS RESUELTOS 1. por ejemplo para f(x)=exp(x).63. entonces seguro que no hay convergencia en los puntos donde |x|>3. Resulta que para ciertas funciones. 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 problema con estas últimas es que sus derivadas van creciendo demasiado en el intervalo considerado. En las figuras que siguen mostramos este comportamiento: Aproximamos la función por el polinomio de interpolación que pasa por los puntos en asterisco.5] Si construimos el polinomio de interpolación pn(x) en este intervalo. esto es lo que sucede con esta función de Runge. una idea para mejorar la aproximación es la de olvidarnos de tomar nodos igualmente Página 27 . que parecía al principio bastante inofensiva. Pero para otras no. si hay convergencia.

Esto era principalmente porque si miramos el movimiento al revés.espaciados y tomar nodos que se concentren más cerca de los extremos. 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). sino que presenta oscilaciones (curva de Watt). Esto se consigue por una serie de varillas articuladas (linkages) que convierten movimiento rectilíneo en circular. viajó en 1852 a Paris y a Inglaterra donde estuvo muy interesado en la máquina de vapor. Obsérvese que los nodos están más concentrados hacia los extremos del intervalo. se presentaban numerosos problemas. James Watt había mejorado mucho el mecanismo de los pistones de la máquina. porque la máquina al final tiene que mover una rueda. Poco antes. el movimiento que resulta nos es completamente lineal. ello hacía que se resintiera la máquina. a pesar de que Watt había conseguido una buena aproximación. Página 28 . Su interés en la teoría de la aproximación nació porque Chebyshev que era profesor de matemáticas en San Petersburgo. De este modo al obligar al polinomio pn(x) a pasar por estos puntos quizás se mejore la aproximación. es decir. El mecanismo funciona principalmente porque el pistón. se tiene que transformar luego en circular. de circular al girar una rueda que se transforme mediante una serie de brazos articulados en rectilíneo. fue profesor allí durante 35 años. Sin embargo. que tiene un movimiento de vaivén rectilíneo.

8x2 + 1 Página 29 . 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 .3x T4 (x) = 8x4 . el otro punto F traza una circunferencia. está formado por una serie de brazos articulados. donde C está fijo y los demás son pivotes movibles.2) T3 (x) = 4x3 . El polinomio de Chebyshev de grado n se denota Tn (x).Mecanismo de Peaucellier.1 (5.6. Cuando el punto F' describe una línea.

J -) { Página 30 . BMA = Media * (B-A). for (j = M. doble B. Y. K <= N. J + +) { = SUMA CERO. if (K = 1. Y = (X * DOS-A-B) / (B-A) Y2 = DOS * Y.5 # Define UN 1. } FAC = DOS / N.CODIGO FUENTE PROGRAMA DEL METODO DE CHEBYSHEV # Include <iostream.h> # Define NMAX 51 # Define MEDIA 0. SV. DD = CERO. } } CHEBEV doble (doble A. BPA = Media * (B + A). double x) { doble D. CHEBFT void (doble A. C [J] = SUMA * FAC.0 # Define PI 4. FAC.25 # Define DOS 2. Int J. DD. F [K] = FUNC (BMA Y * + BPA). no en el rango \ n \ n". doble B. double * C. int N) { suma doble. BPA. K + +) SUMA + = F [K] * cos ((PI * (J-1 ))*(( K-MEDIA) / N)).) D = CERO. J> 1. K <= N. if ((XA) * (RE)> ZERO) printf ("\ n X. for (j = 1. K + +) { Y = cos (PI * (K-MEDIA) / N). doble BMA. for (K = 1. Y. K.h> # Include <math. Y2. double * C. J <= N.0) doble función (double x).0 # Define CUARTO 0. Int J.0 # Define CERO 0. F [NMAX].0 * atan (1. M int.

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

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

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 . A partir de la ecuación anterior se pueden encontrar relaciones entre 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.Se dice que e2tx-x2 es la función generatriz de los polinomios de Hermite. vale decir.

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.Observemos que. 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. Un operador que tiene tal propiedad se denomina operador de bajada. a saber. la expresión anterior puede ser extendida a n = 0. cero. adoptando la convención de que los polinomios con subíndices negativos tienen algún valor adecuado. En este caso. 2t . 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. por ejemplo.dt. aunque ello haga aparecer un factor H-1. Página 34 .

Es decir el. 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 .Derivando la tercera relación: Con: O sea. pero generalicémosla ligeramente: Busquemos soluciones con un cierto desarrollo de Taylor: Remplazando en la ecuación de Hermite es decir.

2] = 10 Por lo tanto P(x)= 7(x . Si ᵝ es impar. que depende sólo de a1. quiere decir que el método a utilizar es el de hermite X 1 1 2 P(x) 0 0 10 7 P[1. Esto es. Vale decir. las soluciones no tienen singularidades en el plano c) La ecuación tiene por solución un polinomio sólo si ᵝ є N*. Si ᵝ es par..a) Hay dos series independientes. d) Si ᵝ є N*. y por ende dos soluciones linealmente independientes b) Lo cual significa que el radio de convergencia de la serie es infinito. Obtener las tablas de diferencias divididas que dan origen a P(x) y Q(x) respectivamente Página 36 . p(2) = 10 Como existe la derivada del polinomio p(x). entonces desde cierto V0 en adelante. la serie tiene un crecimiento rápido cuando t→∞ PROBLEMAS RESUELTOS 1. hay dos coeficientes arbitrarios. hay que tomar a0 ≠ 0 y a1 = 0. Por tanto. Q(x) = 5/3 – 2/3(x – 2) – 5/3(x – 2)(x – 1. que depende sólo de a0.2]= 3 P[1. de modo que los av tiene todos el mismo signo para V > V0.2] = 10 P[1.Sea P(x)= 3 + ½(x – 1) + 1/3(x – 1)(x – 1..Utilizar el método de Hermite para hallar un polinomio P(x) de grado 2 que satisfaga: p(1) = 0.5)x. a0 y a1.5) – 2x(x – 1)(x – 1. la de coeficientes con índice par. p´(1) = 7. y la de coeficientes con índice impar.5)(x – 2).1) + 3(x .1)2 P(x)= 3x2 + x – 4 que satisface las condiciones dadas 2. hay que tomar a1 ≠ 0 y a0 = 0.1. y si la solución es par o impar.

xn-1. 0.5. b] -5/3 Q[0. Página 37 . 0.5. P(a=2)= 5/3 PROBLEMAS PROPUESTOS 1. 0.5] Q[1. a] 1/3 P[1. ….5. … . f´(1) y f‖(1) Sin evaluar H4(x) ni sus derivadas en -1 y 1.2} X 1 1. b} b= 1. será igual que si lo evaluamos en Q(x) P(xi) = Q(xi). que pertenece i.5) Q(b) 1/2 P[1. esta tiene los puntos {1.. 1.5 b P(x) 3 P(1. a} y la de Q(x) tiene {2. completar la tabla de diferencias divididas con repetición utilizada en la construcción de H4(x) 2.5. xn-1 y h interpola a f x0. xn en notar que h y g no necesitan ser polinomios). 1. 0] P[0.5.5 0 A X 2 0 1. 1.. xn en entonces a la función g(x) + (x0 – x/ xn – x0)(g(x) – h(x)) interpola a f x0.5) P(0) P(a) Q(X) 5/3 Q(0) Q(1. f´(-1).Lo que nos indica que los polinomios son iguales.i = {0.5. xn-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. x1.Probar que si g interpola a la función f en x0. a] -2 -2/3 Q[0. b] -2 Si vemos las tablas.1. Q(b=1)= 3 y a= 2. x1.5. la de P(x). basado en los datos f(-1).1. x1. entonces si evaluamos un punto P(x). f(1). …. 1.

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. a1 de x0 y x1 y así sucesivamente.. es obvio que a0 depende sólo de x0. En este método el polinomio interpolador se escribe de la forma: Y el algoritmo proporciona una regla para obtener los coeficientes a0..METODO DE INTERPOLACION DE NEWTON El método de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador. a1.. la ecuación estaría dada por: Página 38 .. an.

Relación que es el origen del nombre de diferencias divididas para los coeficientes an.2. como se ve de la primera ecuación. Podemos por lo tanto escribir el polinomio interpolador como: Y la formula de aproximación de f(x) queda en la siguiente forma: f (x0). calculamos la tabla de diferencias divididas: Ahora evaluamos el polinomio de Newton: Página 39 . Restando las dos primeras ecuaciones obtenemos PROBLEMAS RESUELTOS 1. Se desea interpolar los siguientes datos mediante el polinomio de Newton para x = 5. Primero.

00 pm.-Da los siguientes datos de las temperaturas (en ºC ) Entre las 8.m. 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.PROBLEMAS PROPUESTOS 1. 2.00 am a 8. Si x es la distancia en km de la estación de partida.-La velocidad de un tren.00 pm. a continuación v(x). en Kanpur: Tiempo 8 a. 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. Página 40 . que corre entre dos estaciones se mide a diferentes distancias de la estación de partida. el 10 de mayo de 2005.

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

46). getch( ). gotoxy(1. } else { top++."<<endl. cout<<" } gotoxy(1.Operand). } void clear_screen( ) { for(int count=0. for(int count=0.8+count). strcpy(Stack[top].count++) cprintf("* *")."<<endl. if(top==-1) { cout<<"Error : Stack is empty. Página 42 ". . cout<<"\n Press any key to exit.". } void push(const char* Operand) { if(top==(max_size-1)) { cout<<"Error : Stack is full.count<42.2).count++) { gotoxy(3. gotoxy(1. cprintf(" Newton's Divided Difference Interpolation Formula ").void show_screen( ) { textbackground(1). cout<<"\n Press any key to exit. cprintf("********************************************************************************"). exit(0). textbackground(8).". } } const char* pop( ) { char Operand[40]={NULL}.count<37.2).

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

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

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

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

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

12).19).26). cout<<"[ min. gotoxy(8. cout<<"Enter the max. gotoxy(6. cout<<" to try again. gotoxy(6. gotoxy(6. n=int(getche( )). } } while(n<2 || n>12). if(n<2 || n>12) { gotoxy(12. cout<<"Number of Distinct Data Points :".return function_value. } void get_input( ) { do { clear_screen( ).13). if(n==27) exit(0). cout<<"Error : Wrong Input. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(27.25). gotoxy(6. number of distinct data points = n = ". gotoxy(12. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". Press <Esc> to exit or any other key". cin>>n.9). cout<<"Input Mode :".". gotoxy(6. n = 12 ]".20).23).10). Página 48 . n = 2 | max.

cout<<"N". cout<<"Press any key to continue. Choice=getch( ). if(Choice=='y' || Choice=='Y' || int(Choice)==13) { choice=1.".11).g. cout<<".30). gotoxy(6. cout<<"Note : Write the function with proper Braces ( ) e.'N' or <Any other key> to enter values of the function".12). if(choice) { clear_screen( ). gotoxy(10.cout<<"Press : ". Página 49 .37).30).'Y' or <Enter> to enter function". gotoxy(10.. cout<<"Enter your choice : ".30).25).. getch( ). cout<<"Y".27). } else { gotoxy(28. char Choice=NULL. gotoxy(6. gotoxy(6. gotoxy(8.43). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". cout<<"Non-Linear Function :". } gotoxy(25. 2x+3 as (2*x)+3". gotoxy(28. cout<<".

gotoxy(6. cout<<"³ ³ ³".count_1<n. sinx . cout<<"³ ³ ³". gotoxy(6. gotoxy(25. for(int count_1=0. .14). gotoxy(6. gotoxy(6. gotoxy(25. e . cout<<"³ ³ } Página 50 ³". cosx . convert_infix_expression_to_postfix_expression(Non_linear_equation). gotoxy(25.15).44). gotoxy(25. cin>>Non_linear_equation.12). logx . cout<<"ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿".42). cout<<"Available Operands : x . cout<<"ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´". gotoxy(6. } clear_screen( ).(wherey( )+1)). gotoxy(6. cout<<"Enter the Function : f(x) = ". cout<<"Data Points & Values of Function :".count_1++) { gotoxy(25. lnx .". cout<<"Available Operators : ^ (raised to power) . / . + .13).10). -". cout<<"³ x ³ f(x) ³". tanx . cout<<" n = any number". gotoxy(25.14).40). * .(wherey( )+1)).9). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".

long double x1=xn[(count_2-count_1)]. } gotoxy(25.wherey( )).count_1++) { for(int count_2=count_1.count_2++) { gotoxy(27.count_2++) { long double fx1=dd_table[(count_1-1)][(count_2-1)].43). cin>>xn[count_2].".. getch( ). cout<<"ÀÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÙ".count_1<n. } else { gotoxy(43.(wherey( )-1)).(wherey( )+1)). else gotoxy(25.(wherey( )-1)). gotoxy(25.gotoxy(25..(wherey( )+2)). cin>>dd_table[0][count_2]. if(choice) { dd_table[0][count_2]=evaluate_postfix_expression(xn[count_2]). long double fx2=dd_table[(count_1-1)][count_2]. gotoxy(43.count_2<n. cout<<"Press any key to continue. cout<<dd_table[0][count_2]. Página 51 .16).count_2<n. for(int count_2=0. } void construct_dd_table( ) { for(int count_1=1.(wherey( )+1)). } if(choice) gotoxy(25.

gotoxy(x_cord. cout<<"³ ³ ".(y_cord+1)). gotoxy(4. cout<<"³ ³ ". cout<<"³ x ³ f(x) ". gotoxy(4. int y_cord=17. gotoxy((x_cord+11). Página 52 ".y_cord). cout<<"Divided Difference Table :". gotoxy(4.14).16). cout<<dd_table[0][count_1].y_cord). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". . cout<<xn[count_1]. gotoxy(4.long double x2=xn[count_2]. gotoxy(4.count_1<n. cout<<"³ ³ int x_cord=4.10). cout<<"ÚÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".y_cord). } } } void show_dd_table( ) { clear_screen( ).count_1++) { gotoxy(x_cord. dd_table[count_1][count_2]=((fx2-fx1)/(x2-x1)).11). gotoxy(4. for(int count_1=0. cout<<"ÃÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". gotoxy((x_cord+2).15).13).

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

13). cout<<"³".(y_cord+1)). cout<<"³". cout<<"ÁÄÄ". y_cord=17. if((count_2%3)==0 && count_3<(n-1)) { gotoxy(x_cord. for(int count_5=0.16). } y_cord+=2.y_cord). cout<<"³". } Página 54 .(y_cord-count_3)). count_2++. gotoxy(x_cord. gotoxy(x_cord. cout<<"³". cout<<"ÂÄÄ". cout<<dd_table[count_3][count_4]. gotoxy(x_cord.(y_cord+1)). gotoxy(x_cord.count_5++) { gotoxy(x_cord.15).cout<<"³". gotoxy(x_cord. gotoxy(x_cord. y_cord+=2.14). } x_cord+=16. cout<<"ÅÄÄ". cout<<"³".y_cord).count_5<n. if(count_4>=count_3) { gotoxy((x_cord+2).

count_6++) { gotoxy(x_cord. for(int count_6=0. for(int count_6=0. cout<<"¿".count_6++) { gotoxy(x_cord. } } gotoxy(x_cord. cout<<" y_cord+=2. y_cord=13. cout<<"³".count_6<n.y_cord). gotoxy(x_cord. count_3--. cout<<"³".. cout<<"³". } y_cord-=2. count_2=0. } Página 55 ".gotoxy(30. y_cord+=2. x_cord=28. y_cord=17.. cout<<" ". gotoxy(x_cord. .14).count_6<=(n+2).44). gotoxy(x_cord. cout<<"³".".16). gotoxy(x_cord.(y_cord+1)).(y_cord+1)). getch( ). cout<<"Press any key to continue.y_cord).13).

count_3++) { fx[(count_3+2)]=1. } } Página 56 .". cout<<"´". gotoxy(x_cord.count_6++) px[count_6]+=fx[count_6].44).count_1<n. getch( ).y_cord)..gotoxy(x_cord. } void compute_newtons_dd_interpolation_polynomial( ) { for(int count_1=0.count_2++) { long double fx[max_size]={0}.count_4--) { fx[count_4]*=xn[(count_3+1)].count_1++) xn[count_1]=(xn[count_1]*(-1)). for(int count_6=0. } fx[0]*=xn[(count_3+1)]. px[0]=dd_table[0][0].. for(int count_3=0. for(int count_4=(1+count_3).count_2<n. cout<<"Ù". fx[0]=xn[0].count_6<(count_2+1). } for(int count_5=0.15).count_3<(count_2-1). gotoxy(30. cout<<"Press any key to continue.count_5<(count_2+1). fx[count_4]+=fx[(count_4-1)].count_4>0. fx[1]=1. for(int count_2=1.count_5++) fx[count_5]*=dd_table[count_2][count_2].

19). else if(count_1==1) cout<<fabs(px[count_1])<<" x". } if(wherex( )>=70) gotoxy(30.". for(int count_1=(n-1). cout<<"Newton's Divided Difference Interpolation Formula :".count_1--) { if(count_1==(n-1) && n>2) cout<<px[count_1]<<" x"<<count_1. } gotoxy(6. else cout<<" . cout<<"P"<<(n-1)<<"(x) = ". gotoxy(6. else if(count_1>1) cout<<fabs(px[count_1])<<" x"<<count_1.(wherey( )+2)).count_1>=0. gotoxy(6.11). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".13).void estimate_pnx( ) { clear_screen( ). Página 57 . else if(count_1==0) cout<<fabs(px[count_1]). gotoxy(10.(wherey( )+2)). if(wherex( )>=70) gotoxy(30. cout<<"Estimation of Pn(x) :".10). if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ".

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

Choice=getch( ). Table again".40).30).42). cout<<"Press <Esc> to exit. } ". gotoxy(10.42). Página 59 .} gotoxy(15. ". if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ). } while(1). gotoxy(25. cout<<" gotoxy(15.28).D. cout<<" gotoxy(10. estimate_pnx( ).22). cout<<" gotoxy(10. cout<<"or any other key to continue.26). cout<<" ". ". ". 'V' to view D. "...40). cout<<" gotoxy(25.". } else if(int(Choice)==27) exit(0).

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

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

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

else if(count_1==0) cout<<fabs(px[count_1]).".19). gotoxy(10.22). if(wherex( )>=70) gotoxy(30.(wherey( )+2)). cin>>x. pnx=px[0].20). long double pnx=0. char Choice=NULL. cout<<"Enter the value of x = ". } gotoxy(6.(wherey( )+2)). pnx=0. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". Págin a2 . cout<<"Estimation of Pn(x) :". do { Choice=NULL. if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ". long double x=0. x=0. gotoxy(6. } if(wherex( )>=70) gotoxy(30. else cout<<" .

count_2++) { long double temp=x.. cout<<" Págin a2 ". pnx+=(px[count_2]*temp). cout<<" ". gotoxy(10.26). Choice=getch( )..28). Table again". fx=evaluate_postfix_expression(x).26). gotoxy(10.pnx+=(px[1]*x). } gotoxy(15.40). gotoxy(10. gotoxy(25.count_2<n.42). cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. . if(choice) { long double fx=0.count_3++) temp*=x.30).D. cout<<"or any other key to continue. for(int count_2=2. cout<<"Press <Esc> to exit. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. 'V' to view D.count_3<count_2.22). for(int count_3=1.". cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). } gotoxy(10.

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

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

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

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

Sign up to vote on this title
UsefulNot useful