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

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

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

Esquemáticamente se busca lo siguiente: Originalmente se tenía: Debido a que [A] = [L][U]. 2. Para lograr lo anterior se requiere obtener un factor el cual es necesario para convertir a cero los valores abajo del pivote. 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. 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). Esto es: . 3. así como también convertir en 1 cada pivote. Dicho factor es igual al número que se desea convertir en cero entre el número pivote. Se utiliza el mismo concepto de ―factor‖ explicado anteriormente y se ubican todos los ―factores‖ debajo de la diagonal según corresponda en cada uno. 4.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.

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

25) * (4) + (1) = 0 a32 = .5 2.(0.2) + (2) = 2.1) + (.1) = 0.5 -1 0.25 Encontrando [U] fila 2 = .25) * (4) + (5) = 0 a22 = .0.(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .0.(factor 1) * (fila 1) + (fila 2) fila 3 = .25 .(0.(1.75 4 [U] = 0 0 -2 3.2) + (1) = 3.25 factor 2 = (a31 / a11) = 1 / 4 = 0.(1.25) * (.25) * (.25) + (.[A] = 5 1 1 2 -1 -4 [B] = 7 12 ITERACIÓN 1 factor 1 = (a21 / a11) = 5 / 4 = 1.1) = .(1.5 a23 = .5 a33 = .(0.25) * (.25 a31 = .1) + (.75 Página 8 .

Encontrando [L] 1 [L] = 0 0 0 0 1.5 / 3.5 / 3.25 1 0.5) + (2.5 / 3.5) * (0.25 .9285714286 4 [U] = 0 0 Encontrando [L] -2 3.7142857143 Encontrando [U] fila 3 = .25) + (.5) * (3.25 0 ITERACIÓN 2 factor 3 = (u32 / u22) = 2.(2.25 0 0.25 0.75) = .0.5 0 -1 0.0.5 = 0.5) * (0) + (0) = 0 a32 = .7142857143 1 Página 9 .(factor 3) * (fila 2) + (fila 3) a31 = .5) = 0 a33 = .(2.(2.5 / 3.0.9285714286 1 [L] = 0 0 0 1.

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

4545454545 factor 2 = (a31 / a11) = 4/11 = 0.3636363636 Encontrando [U] fila 2 = .0909090919 a31 = .Encontrar los valores de x1.(0.4545454545) + (.(0.7.2) + (.4545454545) * (11) + (5) = 0 a22 = .(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .4545454545) * (.6363636365 a23 = .3) + (.(factor 1) * (fila 1) + (fila 2) fila 3 = .(0.. 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 = 0.0.2) = .(0.2.8) = .3636363636) * (11) + (4) = 0 Página 11 .

5.5.(factor 3) * (fila 2) + (fila 3) a31 = .909090909 / .(9.3) + (.0.6363636365 .(9.7272727272 Encontrando [L] 1 [L] = 0 0 0 0 0.(0.2) + (2) = 2.5.6363636365 = 9.(9.7) = .0909090919 2.7272727272 11 [U] = 0 0 -3 .6363636365) + (.909090909 a33 = .7.0.285714284 Encontrando [U] fila 3 = .a32 = .0.(0.909090909 -2 .285714284) * (0) + (0) = 0 a32 = .45454545 0 0.7.36363636 0 ITERACIÓN 2 factor 3 = (u32/u22) = .0909090919) + (2.285714284) * (.3636363636) * (.7272727272) = 68.909090909) = 0 a33 = .57142857 Página 12 .3636363636) * (.285714284) * (.5.

se obtienen los siguientes valores para y1. y2 y y3: Al resolver el sistema anterior. encontrando los valores de y1. x2 y x3: Página 13 . En otras palabras es como que se pidiera resolver el siguiente sistema de ecuaciones. En pocas palabras es como que se pidiera resolver el siguiente sistema de ecuaciones.0. y2 y y3: El último paso es resolver Ux = y para encontrar la matriz x.57142857 Encontrando [L] 1 [L] = 0 0 0 0. encontrando los valores de x1.0909090919 68.4545454545 1 0.3636363636 9.11 [U] = 0 0 -3 .7. El siguiente paso es resolver Ly = b para encontrar la matriz y.285714284 1 Ahora ya se tiene la matriz [U] y la matriz [L].6363636365 0 -2 .

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

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

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

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

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

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.La expresión en la raíz cuadrada es siempre positiva. si A es real y definida positiva. la siguiente fórmula: Por lo tanto podemos calcular la ( i . Una forma alternativa es la factorización Esta forma elimina la necesidad de tomar raíces cuadradas. las relaciones recursivas se aplicarán las siguientes entradas de D y L: Página 19 . esta factorización se pueden utilizar para la mayoría de las matrices simétricas invertible. Sin embargo. Para el complejo de la matriz hermitiana. 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. un ejemplo de una matriz invertible cuya descomposición no está definido es aquel en la primera entrada es cero. Si A es real. 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.

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

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

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

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

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

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

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

6.8x2 + 1 Página 29 . donde C está fijo y los demás son pivotes movibles. 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 . El polinomio de Chebyshev de grado n se denota Tn (x). está formado por una serie de brazos articulados.Mecanismo de Peaucellier.2) T3 (x) = 4x3 .1 (5. el otro punto F traza una circunferencia.3x T4 (x) = 8x4 . Cuando el punto F' describe una línea.

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

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

e impar si n es impar.METODO DE HERMITE Definimos los polinomios de Hermite por: son polinomios de grado n.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 . Hn es par si n es par. Se tiene que: es decir.

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

por ejemplo. Página 34 . aunque ello haga aparecer un factor H-1. En este caso. En general.dt. cero. las relaciones de recurrencia que obtendremos pueden considerarse validas para cualquier índice entero. 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. Un operador que tiene tal propiedad se denomina operador de bajada. a saber. si bien solo tiene sentido considerar polinomios de Hermite con índice positivo. la expresión anterior puede ser extendida a n = 0.Observemos que. adoptando la convención de que los polinomios con subíndices negativos tienen algún valor adecuado. 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.

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 . Es decir el. 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.

p´(1) = 7. Si ᵝ es impar. p(2) = 10 Como existe la derivada del polinomio p(x). la serie tiene un crecimiento rápido cuando t→∞ PROBLEMAS RESUELTOS 1. hay dos coeficientes arbitrarios.a) Hay dos series independientes. y por ende dos soluciones linealmente independientes b) Lo cual significa que el radio de convergencia de la serie es infinito. a0 y a1. Por tanto.. la de coeficientes con índice par. y la de coeficientes con índice impar.Utilizar el método de Hermite para hallar un polinomio P(x) de grado 2 que satisfaga: p(1) = 0. que depende sólo de a0.1)2 P(x)= 3x2 + x – 4 que satisface las condiciones dadas 2. y si la solución es par o impar.5) – 2x(x – 1)(x – 1.Sea P(x)= 3 + ½(x – 1) + 1/3(x – 1)(x – 1.2] = 10 P[1.1. Q(x) = 5/3 – 2/3(x – 2) – 5/3(x – 2)(x – 1. de modo que los av tiene todos el mismo signo para V > V0. Esto es. que depende sólo de a1.5)x. d) Si ᵝ є N*. entonces desde cierto V0 en adelante..2] = 10 Por lo tanto P(x)= 7(x .5)(x – 2). quiere decir que el método a utilizar es el de hermite X 1 1 2 P(x) 0 0 10 7 P[1.2]= 3 P[1.1) + 3(x . Vale decir. hay que tomar a1 ≠ 0 y a0 = 0. hay que tomar a0 ≠ 0 y a1 = 0. las soluciones no tienen singularidades en el plano c) La ecuación tiene por solución un polinomio sólo si ᵝ є N*. Obtener las tablas de diferencias divididas que dan origen a P(x) y Q(x) respectivamente Página 36 . Si ᵝ es par.

5) P(0) P(a) Q(X) 5/3 Q(0) Q(1. ….5.2} X 1 1. x1. x1. xn-1. a} y la de Q(x) tiene {2.. 1. 0. f´(1) y f‖(1) Sin evaluar H4(x) ni sus derivadas en -1 y 1. Q(b=1)= 3 y a= 2. que pertenece i. …. xn-1 y h interpola a f x0. f´(-1).5] Q[1..Lo que nos indica que los polinomios son iguales.5) Q(b) 1/2 P[1. a] -2 -2/3 Q[0.1.Probar que si g interpola a la función f en x0. esta tiene los puntos {1. completar la tabla de diferencias divididas con repetición utilizada en la construcción de H4(x) 2. la de P(x).i = {0. Página 37 .5.5. xn en entonces a la función g(x) + (x0 – x/ xn – x0)(g(x) – h(x)) interpola a f x0. x1. b] -2 Si vemos las tablas.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. será igual que si lo evaluamos en Q(x) P(xi) = Q(xi). f(1). P(a=2)= 5/3 PROBLEMAS PROPUESTOS 1.5. xn en notar que h y g no necesitan ser polinomios).1.5 b P(x) 3 P(1. xn-1.5.5. 0. 0] P[0. a] 1/3 P[1. b} b= 1. entonces si evaluamos un punto P(x). basado en los datos f(-1). 1. b] -5/3 Q[0. 1.5 0 A X 2 0 1.5. 1. … . 0.

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

Relación que es el origen del nombre de diferencias divididas para los coeficientes an. Se desea interpolar los siguientes datos mediante el polinomio de Newton para x = 5. como se ve de la primera ecuación. Restando las dos primeras ecuaciones obtenemos PROBLEMAS RESUELTOS 1.2. 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 . Primero.

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

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

getch( ).". } else { top++.". cout<<"\n Press any key to exit. for(int count=0.Operand).count++) { gotoxy(3.count<37."<<endl. if(top==-1) { cout<<"Error : Stack is empty. } void push(const char* Operand) { if(top==(max_size-1)) { cout<<"Error : Stack is full. cprintf(" Newton's Divided Difference Interpolation Formula ").46). } } const char* pop( ) { char Operand[40]={NULL}. cout<<"\n Press any key to exit. textbackground(8). cprintf("********************************************************************************").void show_screen( ) { textbackground(1). Página 42 ". . } void clear_screen( ) { for(int count=0.2).count<42."<<endl.8+count). cout<<" } gotoxy(1. strcpy(Stack[top]. gotoxy(1.2).count++) cprintf("* *"). gotoxy(1. exit(0).

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

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

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

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

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

gotoxy(12. gotoxy(6.25).13).12). cout<<" to try again. n = 2 | max. gotoxy(6.9). } } while(n<2 || n>12). gotoxy(8.10). Página 48 . gotoxy(27. n = 12 ]".19). gotoxy(6. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍ". cout<<"Enter the max. if(n==27) exit(0). } void get_input( ) { do { clear_screen( ). cout<<"Number of Distinct Data Points :". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". cin>>n. cout<<"Input Mode :". n=int(getche( )). number of distinct data points = n = ". if(n<2 || n>12) { gotoxy(12.". Press <Esc> to exit or any other key".20). cout<<"[ min. gotoxy(6. gotoxy(6.23). cout<<"Error : Wrong Input.return function_value.26).

cout<<"Enter your choice : ".'N' or <Any other key> to enter values of the function". Choice=getch( ).". if(choice) { clear_screen( ).43). cout<<"N".cout<<"Press : ". char Choice=NULL. cout<<".30). cout<<"Y". } else { gotoxy(28. gotoxy(6. gotoxy(8. cout<<". gotoxy(10. gotoxy(10. cout<<"Non-Linear Function :".30). 2x+3 as (2*x)+3". cout<<"Press any key to continue. gotoxy(6.30). } gotoxy(25.25).12). Página 49 . cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".. if(Choice=='y' || Choice=='Y' || int(Choice)==13) { choice=1. gotoxy(28.37)..27). getch( ).11).g.'Y' or <Enter> to enter function". cout<<"Note : Write the function with proper Braces ( ) e. gotoxy(6.

gotoxy(25. cout<<"³ ³ ³". cout<<"Enter the Function : f(x) = ".(wherey( )+1)). cout<<"Available Operands : x . + . } clear_screen( ). -". .12).gotoxy(6.40). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". cout<<"³ ³ ³".15).count_1<n. cout<<"ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿". gotoxy(6. gotoxy(6. gotoxy(25. lnx . for(int count_1=0. * . gotoxy(6.44). cosx . cout<<" n = any number". gotoxy(25.(wherey( )+1)). e . logx .". cout<<"ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´". cout<<"³ x ³ f(x) ³". gotoxy(25.42). convert_infix_expression_to_postfix_expression(Non_linear_equation).10). gotoxy(6. / . cout<<"Data Points & Values of Function :".14).13).count_1++) { gotoxy(25. cout<<"Available Operators : ^ (raised to power) . cout<<"³ ³ } Página 50 ³". gotoxy(25. gotoxy(6.14). cin>>Non_linear_equation. sinx . tanx .9).

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

gotoxy(4. int y_cord=17.16). gotoxy(x_cord. . cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".count_1<n. cout<<"³ ³ ". Página 52 ".long double x2=xn[count_2].y_cord).y_cord).15). } } } void show_dd_table( ) { clear_screen( ).(y_cord+1)). for(int count_1=0. gotoxy((x_cord+2).count_1++) { gotoxy(x_cord. gotoxy((x_cord+11). cout<<xn[count_1]. gotoxy(4. dd_table[count_1][count_2]=((fx2-fx1)/(x2-x1)). cout<<"³ ³ int x_cord=4. cout<<"³ x ³ f(x) ".11). cout<<"ÃÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".y_cord).10).14). cout<<dd_table[0][count_1]. gotoxy(4. cout<<"Divided Difference Table :".13). gotoxy(4. cout<<"³ ³ ". gotoxy(4. cout<<"ÚÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". gotoxy(4.

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

y_cord+=2.13). if(count_4>=count_3) { gotoxy((x_cord+2).16).(y_cord+1)). } y_cord+=2. gotoxy(x_cord.count_5<n. cout<<"³".(y_cord-count_3)). cout<<"³".15).cout<<"³".y_cord). gotoxy(x_cord. cout<<"³". cout<<"ÂÄÄ". cout<<"ÅÄÄ". } Página 54 . if((count_2%3)==0 && count_3<(n-1)) { gotoxy(x_cord.y_cord). gotoxy(x_cord.14). for(int count_5=0. gotoxy(x_cord. count_2++.(y_cord+1)). cout<<dd_table[count_3][count_4]. gotoxy(x_cord. y_cord=17.count_5++) { gotoxy(x_cord. cout<<"³". } x_cord+=16. cout<<"ÁÄÄ". gotoxy(x_cord. cout<<"³".

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

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

} gotoxy(6. cout<<"P"<<(n-1)<<"(x) = ". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ". gotoxy(6. else if(count_1>1) cout<<fabs(px[count_1])<<" x"<<count_1.13). else if(count_1==1) cout<<fabs(px[count_1])<<" x". Página 57 . cout<<"Estimation of Pn(x) :". else cout<<" . else if(count_1==0) cout<<fabs(px[count_1]). gotoxy(10.void estimate_pnx( ) { clear_screen( ).(wherey( )+2)). for(int count_1=(n-1).count_1>=0. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".(wherey( )+2)).count_1--) { if(count_1==(n-1) && n>2) cout<<px[count_1]<<" x"<<count_1.10). cout<<"Newton's Divided Difference Interpolation Formula :". } if(wherex( )>=70) gotoxy(30.".11). if(wherex( )>=70) gotoxy(30.19). gotoxy(6.

} gotoxy(10.26). pnx=px[0]. x=0. fx=evaluate_postfix_expression(x). do { Choice=NULL.gotoxy(6.count_3++) temp*=x. cout<<"Enter the value of x = ". char Choice=NULL. pnx+=(px[1]*x). gotoxy(10. gotoxy(10. cin>>x. for(int count_3=1. if(choice) { long double fx=0. pnx=0.28).22). gotoxy(10.20). cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). Página 58 . cout<<"The Actual value of f"<<"("<<x<<") = "<<fx.count_2++) { long double temp=x. for(int count_2=2.count_3<count_2. long double x=0. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".count_2<n. long double pnx=0. cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. pnx+=(px[count_2]*temp).30).

". Página 59 . cout<<" gotoxy(10. cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ).40). ". } ". gotoxy(10.30).28).". cout<<" ". Choice=getch( ). Table again". 'V' to view D. cout<<" gotoxy(25. } while(1). cout<<" gotoxy(10.D.26).42).40). ". cout<<"or any other key to continue.. estimate_pnx( )..} gotoxy(15. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. cout<<" gotoxy(15.42). ".22). gotoxy(25. cout<<"Press <Esc> to exit. } else if(int(Choice)==27) exit(0).

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

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

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

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

if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10.count_2++) { long double temp=x. gotoxy(10. gotoxy(10.count_2<n. cout<<" Págin a2 "..26). Choice=getch( ). for(int count_3=1.26). Table again".. gotoxy(25. pnx+=(px[count_2]*temp).22).40). for(int count_2=2. } gotoxy(15.30). cout<<" ".28). 'V' to view D. cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. . cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)).pnx+=(px[1]*x).42).count_3++) temp*=x.".count_3<count_2. if(choice) { long double fx=0. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. gotoxy(10. fx=evaluate_postfix_expression(x). cout<<"Press <Esc> to exit. } gotoxy(10. cout<<"or any other key to continue.D.

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

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

Evaluar: Valorar una cosa BIBLIOGRAFIA *http://translate.mx&u=http://wiki. Ecuación Diferencial: Ecuación que contiene derivadas.educacion.com/c%2B%2B/source%2520code/math. donde a es distinto de 0.google.com/translate_c?hl=es&langpair=en %7Ces&rurl=translate. Ecuación cuártica: Las ecuaciones de cuarto grado o cuárticas.uv.pdf Págin a2 .com.html *http://recursostic. 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.googleusercontent. 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.answers. ax4 + bx3 + cx2 + dx + e = 0.es/descartes/web/materiales_didacticos/Interpolacion /interpolacion_1. que se llama el exponente del monomio. donde a es distinto de 0. para a distinto de 0.Polinomio: En matemáticas .com/Q/Write_a_c_pr ogramme_to_perform_newton's_divided_difference_formula&usg=ALkJrhgLdAlkY eStlxc3JFwWcKuBqsRJcg *www.es/diazj/cn_tema5. Un monomio es un producto de un coeficiente y una variable elevado a un número natural. Ortogonal: En matemáticas.htm * http://www.cpp4u.

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

Sign up to vote on this title
UsefulNot useful