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

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

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

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

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

(factor 1) * (fila 1) + (fila 2) fila 3 = .25) * (4) + (5) = 0 a22 = .(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .5 -1 0.75 Página 8 .1) = 0.0.0.25 a31 = .(1.[A] = 5 1 1 2 -1 -4 [B] = 7 12 ITERACIÓN 1 factor 1 = (a21 / a11) = 5 / 4 = 1.75 4 [U] = 0 0 -2 3.1) + (.(0.25 factor 2 = (a31 / a11) = 1 / 4 = 0.25 .(0.(1.2) + (1) = 3.25) * (.25) * (4) + (1) = 0 a32 = .25) * (.1) = .25) * (.5 a23 = .5 a33 = .2) + (2) = 2.(0.1) + (.5 2.(1.25) + (.25 Encontrando [U] fila 2 = .

75) = .(2.5 / 3.5 0 -1 0.5) = 0 a33 = .(2.25) + (.5) * (0) + (0) = 0 a32 = .5) * (0.Encontrando [L] 1 [L] = 0 0 0 0 1.5 / 3.(2.5 / 3.25 1 0.25 0 ITERACIÓN 2 factor 3 = (u32 / u22) = 2.5) * (3.25 .0.5 / 3.7142857143 Encontrando [U] fila 3 = .0.25 0.7142857143 1 Página 9 .(factor 3) * (fila 2) + (fila 3) a31 = .0.25 0 0.5 = 0.5) + (2.9285714286 4 [U] = 0 0 Encontrando [L] -2 3.9285714286 1 [L] = 0 0 0 1.

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

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 = 0.0.3636363636 Encontrando [U] fila 2 = .3636363636) * (11) + (4) = 0 Página 11 .4545454545) * (11) + (5) = 0 a22 = .8) = .0909090919 a31 = .2.Encontrar los valores de x1.(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .(0.4545454545 factor 2 = (a31 / a11) = 4/11 = 0.(factor 1) * (fila 1) + (fila 2) fila 3 = ..4545454545) + (.2) = .(0.2) + (.(0.(0.4545454545) * (.3) + (.7.6363636365 a23 = .

5.3) + (.6363636365 = 9.36363636 0 ITERACIÓN 2 factor 3 = (u32/u22) = .6363636365 .(9.(9.285714284) * (.285714284 Encontrando [U] fila 3 = .909090909 a33 = .7.5.6363636365) + (.3636363636) * (.7) = .0.(9.285714284) * (.(factor 3) * (fila 2) + (fila 3) a31 = .285714284) * (0) + (0) = 0 a32 = .7272727272 Encontrando [L] 1 [L] = 0 0 0 0 0.(0.57142857 Página 12 .3636363636) * (.7272727272 11 [U] = 0 0 -3 .909090909 -2 .7.5.0.7272727272) = 68.45454545 0 0.909090909) = 0 a33 = .a32 = .(0.0.2) + (2) = 2.0909090919) + (2.5.0909090919 2.909090909 / .

se obtienen los siguientes valores para y1.4545454545 1 0.11 [U] = 0 0 -3 . 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. encontrando los valores de y1. encontrando los valores de x1.0909090919 68.3636363636 9.6363636365 0 -2 .285714284 1 Ahora ya se tiene la matriz [U] y la matriz [L]. y2 y y3: El último paso es resolver Ux = y para encontrar la matriz x. x2 y x3: Página 13 .57142857 Encontrando [L] 1 [L] = 0 0 0 0. y2 y y3: Al resolver el sistema anterior.7. El siguiente paso es resolver Ly = b para encontrar la matriz y.0.

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. Página 14 .

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

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

es una versión modificada de la eliminación de Gauss .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. El algoritmo recursivo comienza con i : = 1 y de En el paso i . y se puede descomponer en LL T. 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 . que se utiliza para calcular la matriz descomposición L . u. Dos conocidas fórmulas de actualización se llama Davidon-Fletcher-Powell (DFP) y Broydon-Fletcher-GoldfarbShanno (BFGS). Aplicando esto a un vector de muestras correlacionadas. Las columnas de L pueden sumarse y restarse de la media x para formar un conjunto de 2 N vectores llamados los puntos sigma. donde s es el paso. lo que ocurre con frecuencia en la solución numérica de ecuaciones diferenciales parciales. 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. y H es una aproximación a la matriz hessiana de segundas derivadas parciales formados por repetidas rango 1 actualiza en cada iteración. produce un vector de muestras Lu con las propiedades de la covarianza del sistema que se modela. Filtros de Kalman suelen utilizar la descomposición de Cholesky para elegir un conjunto de los llamados puntos de sigma. 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 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. En cada iteración. El algoritmo de Cholesky. g es el gradiente del vector de derivadas parciales primera de la función con respecto a los parámetros. una actualización de la descomposición de Cholesky de una aproximación de la matriz hessiana en sí.

este algoritmo se llama la versión del producto exterior en (Golub y Van Loan). 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. Por lo tanto.donde I i -1 denota la matriz identidad de dimensión 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 . por lo tanto.1. Después de n pasos. se obtiene un ( n +1) = I . Repetimos esto para i desde 1 hasta n.

las relaciones recursivas se aplicarán las siguientes entradas de D y L: Página 19 . Sin embargo. Para el complejo de la matriz hermitiana. si A es real y definida positiva. 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. 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. Cuando A es definida positiva los elementos de la matriz diagonal D son todos positivos. Si A es real. Una forma alternativa es la factorización Esta forma elimina la necesidad de tomar raíces cuadradas.La expresión en la raíz cuadrada es siempre positiva. un ejemplo de una matriz invertible cuya descomposición no está definido es aquel en la primera entrada es cero. la siguiente fórmula: Por lo tanto podemos calcular la ( i . j entrada) si sabemos las entradas a la izquierda y arriba.

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

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

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

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

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

por ejemplo para f(x)=exp(x). si hay convergencia. El problema con estas últimas es que sus derivadas van creciendo demasiado en el intervalo considerado.PROBLEMAS RESUELTOS 1.63. Pero para otras no. una idea para mejorar la aproximación es la de olvidarnos de tomar nodos igualmente Página 27 . esto es lo que sucede con esta función de Runge. Resulta que para ciertas funciones. En las figuras que siguen mostramos este comportamiento: Aproximamos la función por el polinomio de interpolación que pasa por los puntos en asterisco. que parecía al principio bastante inofensiva. 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. entonces seguro que no hay convergencia en los puntos donde |x|>3.-Dada la función ( ) en el intervalo [-5.5] Si construimos el polinomio de interpolación pn(x) en este intervalo.

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

está formado por una serie de brazos articulados.2) T3 (x) = 4x3 . Cuando el punto F' describe una línea.6. El polinomio de Chebyshev de grado n se denota Tn (x).Mecanismo de Peaucellier.1 (5. el otro punto F traza una circunferencia.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 . donde C está fijo y los demás son pivotes movibles.

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

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

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

A partir de la ecuación anterior se pueden encontrar relaciones entre los polinomios de Hermite.Se dice que e2tx-x2 es la función generatriz de los polinomios de Hermite. es aquella función de dos variables tal que su desarrollo de Taylor en una de las variables tiene como coeficientes precisamente los polinomios de Hermite. vale 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 .

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

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

hay que tomar a0 ≠ 0 y a1 = 0..Sea P(x)= 3 + ½(x – 1) + 1/3(x – 1)(x – 1.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. Obtener las tablas de diferencias divididas que dan origen a P(x) y Q(x) respectivamente Página 36 . las soluciones no tienen singularidades en el plano c) La ecuación tiene por solución un polinomio sólo si ᵝ є N*. Si ᵝ es impar.Utilizar el método de Hermite para hallar un polinomio P(x) de grado 2 que satisfaga: p(1) = 0. p´(1) = 7.2] = 10 Por lo tanto P(x)= 7(x . la serie tiene un crecimiento rápido cuando t→∞ PROBLEMAS RESUELTOS 1. Por tanto.5)(x – 2). y la de coeficientes con índice impar.5)x. la de coeficientes con índice par.. Si ᵝ es par. Esto es.5) – 2x(x – 1)(x – 1. que depende sólo de a0.2] = 10 P[1. p(2) = 10 Como existe la derivada del polinomio p(x). y si la solución es par o impar.2]= 3 P[1. que depende sólo de a1.1. de modo que los av tiene todos el mismo signo para V > V0. entonces desde cierto V0 en adelante.1) + 3(x . hay que tomar a1 ≠ 0 y a0 = 0. Vale decir.1)2 P(x)= 3x2 + x – 4 que satisface las condiciones dadas 2. Q(x) = 5/3 – 2/3(x – 2) – 5/3(x – 2)(x – 1. d) Si ᵝ є N*. quiere decir que el método a utilizar es el de hermite X 1 1 2 P(x) 0 0 10 7 P[1. hay dos coeficientes arbitrarios. a0 y a1.

… ..5. …. a} y la de Q(x) tiene {2.5.5. 1. xn-1. x1.5) Q(b) 1/2 P[1. a] 1/3 P[1. xn-1 y h interpola a f x0.5 0 A X 2 0 1. xn en entonces a la función g(x) + (x0 – x/ xn – x0)(g(x) – h(x)) interpola a f x0.. 0. xn-1.5] Q[1.Probar que si g interpola a la función f en x0. b] -5/3 Q[0. basado en los datos f(-1). esta tiene los puntos {1. f(1). f´(1) y f‖(1) Sin evaluar H4(x) ni sus derivadas en -1 y 1.1.5.i = {0. completar la tabla de diferencias divididas con repetición utilizada en la construcción de H4(x) 2. será igual que si lo evaluamos en Q(x) P(xi) = Q(xi).5) P(0) P(a) Q(X) 5/3 Q(0) Q(1. 1.5.5. x1. Q(b=1)= 3 y a= 2. que pertenece i. a] -2 -2/3 Q[0.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. 0. 1. 0] P[0. 0. f´(-1). P(a=2)= 5/3 PROBLEMAS PROPUESTOS 1.5 b P(x) 3 P(1. x1. Página 37 . entonces si evaluamos un punto P(x). b} b= 1. la de P(x).5.1. b] -2 Si vemos las tablas. xn en notar que h y g no necesitan ser polinomios). ….2} X 1 1.Lo que nos indica que los polinomios son iguales. 1.

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

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

00 pm. que corre entre dos estaciones se mide a diferentes distancias de la estación de partida.-Da los siguientes datos de las temperaturas (en ºC ) Entre las 8.PROBLEMAS PROPUESTOS 1. Si x es la distancia en km de la estación de partida. a continuación v(x).00 pm.00 am a 8.m.-La velocidad de un tren. Página 40 . 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. el 10 de mayo de 2005. 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. 2. en Kanpur: Tiempo 8 a.

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

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

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

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

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

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

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

} } while(n<2 || n>12). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍ".23). cout<<"Error : Wrong Input. } void get_input( ) { do { clear_screen( ). n=int(getche( )). cin>>n. gotoxy(6.25).".13).19). cout<<"[ min. if(n==27) exit(0). gotoxy(6. Página 48 . if(n<2 || n>12) { gotoxy(12. number of distinct data points = n = ". cout<<"Enter the max. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".20). cout<<"Input Mode :". gotoxy(8. gotoxy(6. gotoxy(6. gotoxy(6. n = 12 ]". Press <Esc> to exit or any other key".26). gotoxy(12.10).9).return function_value. gotoxy(27.12). cout<<"Number of Distinct Data Points :". n = 2 | max. cout<<" to try again.

cout<<"Y". } gotoxy(25.. cout<<". if(choice) { clear_screen( ). if(Choice=='y' || Choice=='Y' || int(Choice)==13) { choice=1.11). gotoxy(10. gotoxy(6. Página 49 .'Y' or <Enter> to enter function".g.". getch( ). } else { gotoxy(28. cout<<"N".30). gotoxy(8.30). gotoxy(28. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".cout<<"Press : ". char Choice=NULL. cout<<"Enter your choice : ". Choice=getch( ).27).30). gotoxy(6.'N' or <Any other key> to enter values of the function".43). gotoxy(6. 2x+3 as (2*x)+3". gotoxy(10.25).. cout<<"Press any key to continue. cout<<"Note : Write the function with proper Braces ( ) e. cout<<". cout<<"Non-Linear Function :".12).37).

sinx . cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(25. gotoxy(25.count_1<n. gotoxy(6.".10). . cout<<"³ ³ } Página 50 ³". cout<<"Enter the Function : f(x) = ".40). gotoxy(6. cout<<"³ ³ ³".(wherey( )+1)).13). cout<<"Available Operands : x .15). cosx .14). e . cout<<"³ x ³ f(x) ³". cout<<" n = any number". } clear_screen( ). cout<<"Available Operators : ^ (raised to power) . cout<<"ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿". for(int count_1=0.(wherey( )+1)). gotoxy(6. cout<<"Data Points & Values of Function :". lnx . / . tanx . cout<<"³ ³ ³". * . gotoxy(6. gotoxy(25. gotoxy(25. -". convert_infix_expression_to_postfix_expression(Non_linear_equation).44).12). gotoxy(6.gotoxy(6.42).9).count_1++) { gotoxy(25. cout<<"ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´". + . logx . gotoxy(25.14). cin>>Non_linear_equation.

Página 51 .count_1<n.(wherey( )-1)).(wherey( )+1)). cin>>xn[count_2]. long double fx2=dd_table[(count_1-1)][count_2]. for(int count_2=0. long double x1=xn[(count_2-count_1)].43). cout<<dd_table[0][count_2].count_2++) { gotoxy(27. else gotoxy(25. cout<<"ÀÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÙ".. cin>>dd_table[0][count_2]. } void construct_dd_table( ) { for(int count_1=1.gotoxy(25.(wherey( )+2)).. gotoxy(25.(wherey( )-1)).(wherey( )+1)).count_2<n. if(choice) { dd_table[0][count_2]=evaluate_postfix_expression(xn[count_2]).count_2<n.count_2++) { long double fx1=dd_table[(count_1-1)][(count_2-1)]. } else { gotoxy(43. getch( ).". } if(choice) gotoxy(25. } gotoxy(25. cout<<"Press any key to continue.wherey( )). gotoxy(43.16).count_1++) { for(int count_2=count_1.

for(int count_1=0. gotoxy(4. gotoxy(4. cout<<"ÃÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". cout<<"Divided Difference Table :".14). gotoxy((x_cord+2). cout<<"³ x ³ f(x) ". .long double x2=xn[count_2].16). int y_cord=17. dd_table[count_1][count_2]=((fx2-fx1)/(x2-x1)). cout<<"³ ³ ".15). cout<<"ÚÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".y_cord). cout<<"³ ³ ". cout<<dd_table[0][count_1].count_1<n.11).13). gotoxy(x_cord. } } } void show_dd_table( ) { clear_screen( ). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".y_cord). gotoxy(4. Página 52 ". gotoxy((x_cord+11). gotoxy(4.y_cord). gotoxy(4.10). gotoxy(4. cout<<"³ ³ int x_cord=4. cout<<xn[count_1].count_1++) { gotoxy(x_cord.(y_cord+1)).

} gotoxy(x_cord.y_cord). for(int count_4=0. cout<<"³". gotoxy(x_cord. else if(count_3==2) cout<<"nd". gotoxy(x_cord. cout<<"³". int count_2=0. for(int count_3=1. cout<<"ÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". gotoxy((x_cord+6).16). cout<<"ÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".13).y_cord). x_cord=28. y_cord=17.14). Página 53 . cout<<count_3.15). else if(count_3==3) cout<<"rd".y_cord).count_3++) { gotoxy(x_cord. gotoxy(x_cord. gotoxy(x_cord.count_3<n.y_cord+=2. cout<<"ÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".14). if(count_3==1) cout<<"st". else cout<<"th".count_4<n. cout<<"ÀÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".count_4++) { gotoxy(x_cord.

cout<<"³". if(count_4>=count_3) { gotoxy((x_cord+2).(y_cord+1)).16). cout<<"ÁÄÄ". cout<<"³". } Página 54 .(y_cord+1)). cout<<"³". gotoxy(x_cord. cout<<"³".y_cord). cout<<"ÅÄÄ".15).(y_cord-count_3)). if((count_2%3)==0 && count_3<(n-1)) { gotoxy(x_cord. gotoxy(x_cord.y_cord). gotoxy(x_cord. cout<<"³". gotoxy(x_cord. y_cord=17.14). } y_cord+=2. gotoxy(x_cord. gotoxy(x_cord.count_5<n.13). cout<<"ÂÄÄ".count_5++) { gotoxy(x_cord. count_2++. for(int count_5=0. cout<<dd_table[count_3][count_4]. y_cord+=2. cout<<"³". } x_cord+=16.

cout<<"³".y_cord).count_6++) { gotoxy(x_cord.count_6<n. } } gotoxy(x_cord. getch( ). cout<<"³".13).gotoxy(30. cout<<" ". for(int count_6=0. y_cord=17.(y_cord+1)). x_cord=28.". gotoxy(x_cord. cout<<"³". cout<<" y_cord+=2. gotoxy(x_cord.count_6++) { gotoxy(x_cord. cout<<"³". count_2=0.. count_3--. gotoxy(x_cord.16).(y_cord+1)). } y_cord-=2.y_cord). y_cord+=2.14). for(int count_6=0..44).count_6<=(n+2). cout<<"Press any key to continue. } Página 55 ". y_cord=13. . gotoxy(x_cord. cout<<"¿".

for(int count_4=(1+count_3).". } fx[0]*=xn[(count_3+1)]. } for(int count_5=0.count_5<(count_2+1).count_5++) fx[count_5]*=dd_table[count_2][count_2]. fx[count_4]+=fx[(count_4-1)].count_4>0.count_3<(count_2-1). getch( ).count_1++) xn[count_1]=(xn[count_1]*(-1)).count_4--) { fx[count_4]*=xn[(count_3+1)]. cout<<"Press any key to continue. px[0]=dd_table[0][0].15). for(int count_2=1. for(int count_6=0. cout<<"Ù".count_2++) { long double fx[max_size]={0}..count_6<(count_2+1).. cout<<"´".count_1<n. fx[0]=xn[0]. gotoxy(30.44). } } Página 56 . for(int count_3=0.gotoxy(x_cord.count_6++) px[count_6]+=fx[count_6]. } void compute_newtons_dd_interpolation_polynomial( ) { for(int count_1=0. fx[1]=1.count_2<n. gotoxy(x_cord.count_3++) { fx[(count_3+2)]=1.y_cord).

cout<<"P"<<(n-1)<<"(x) = ". gotoxy(6.13). gotoxy(10.11).void estimate_pnx( ) { clear_screen( ). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". else if(count_1==0) cout<<fabs(px[count_1]).count_1--) { if(count_1==(n-1) && n>2) cout<<px[count_1]<<" x"<<count_1. else if(count_1>1) cout<<fabs(px[count_1])<<" x"<<count_1. if(wherex( )>=70) gotoxy(30.(wherey( )+2)). gotoxy(6. cout<<"Estimation of Pn(x) :". cout<<"Newton's Divided Difference Interpolation Formula :". else if(count_1==1) cout<<fabs(px[count_1])<<" x".10).count_1>=0. } if(wherex( )>=70) gotoxy(30. Página 57 .". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ".19). for(int count_1=(n-1).(wherey( )+2)). } gotoxy(6. else cout<<" .

cin>>x. for(int count_2=2. gotoxy(10. for(int count_3=1. pnx+=(px[1]*x).20). Página 58 . cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). gotoxy(10.count_2++) { long double temp=x. pnx=0. if(choice) { long double fx=0.22). x=0.gotoxy(6. long double x=0.28). pnx+=(px[count_2]*temp). gotoxy(10. cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx.count_2<n. long double pnx=0.26).count_3++) temp*=x. cout<<"Enter the value of x = ".count_3<count_2.30). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". char Choice=NULL. pnx=px[0]. do { Choice=NULL. } gotoxy(10. fx=evaluate_postfix_expression(x).

gotoxy(10.. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. ". cout<<" ".22).40). cout<<" gotoxy(10.30). cout<<" gotoxy(25. ". ". gotoxy(25.26).D. Table again". cout<<"Press <Esc> to exit.42). cout<<" gotoxy(10.40). } while(1). Página 59 .} gotoxy(15.". } ". cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ). cout<<"or any other key to continue. ".28). } else if(int(Choice)==27) exit(0). 'V' to view D. Choice=getch( ). cout<<" gotoxy(15.. estimate_pnx( ).42).

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

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

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

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

gotoxy(10. cout<<" Págin a2 ". for(int count_2=2. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10.28).. cout<<"or any other key to continue. . Choice=getch( ).". gotoxy(10. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. for(int count_3=1.count_3++) temp*=x.22).pnx+=(px[1]*x). cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)).. cout<<" ". cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx.42). 'V' to view D. fx=evaluate_postfix_expression(x). } gotoxy(10. gotoxy(25.26). cout<<"Press <Esc> to exit. } gotoxy(15.40). Table again".count_2++) { long double temp=x. if(choice) { long double fx=0.count_3<count_2.D. gotoxy(10. pnx+=(px[count_2]*temp).30).count_2<n.26).

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

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

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

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

Sign up to vote on this title
UsefulNot useful