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

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

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

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

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

75 Página 8 .25) + (.(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .25 .25 a31 = .25 factor 2 = (a31 / a11) = 1 / 4 = 0.1) + (.1) + (.0.25) * (.(1.2) + (1) = 3.(0.5 -1 0.1) = .5 a23 = .5 a33 = .[A] = 5 1 1 2 -1 -4 [B] = 7 12 ITERACIÓN 1 factor 1 = (a21 / a11) = 5 / 4 = 1.25) * (4) + (5) = 0 a22 = .25) * (4) + (1) = 0 a32 = .25) * (.(0.0.25) * (.(1.25 Encontrando [U] fila 2 = .2) + (2) = 2.(factor 1) * (fila 1) + (fila 2) fila 3 = .(1.1) = 0.75 4 [U] = 0 0 -2 3.5 2.(0.

25 1 0.5 / 3.7142857143 1 Página 9 .0.5 / 3.9285714286 4 [U] = 0 0 Encontrando [L] -2 3.Encontrando [L] 1 [L] = 0 0 0 0 1.5) * (0.(2.5) * (0) + (0) = 0 a32 = .25 0 0.25 .25) + (.(2.(factor 3) * (fila 2) + (fila 3) a31 = .5) = 0 a33 = .0.9285714286 1 [L] = 0 0 0 1.7142857143 Encontrando [U] fila 3 = .5 = 0.75) = .5 / 3.(2.5 0 -1 0.25 0.25 0 ITERACIÓN 2 factor 3 = (u32 / u22) = 2.5) + (2.5) * (3.0.5 / 3.

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

2) + (.3) + (.0909090919 a31 = .4545454545) * (11) + (5) = 0 a22 = .(0.2.(factor 2) * (fila 1) + (fila 3) a11 = a11 a12 = a12 a13 = a13 a21 = .3636363636 Encontrando [U] fila 2 = .(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 = 0.2) = .3636363636) * (11) + (4) = 0 Página 11 .6363636365 a23 = .4545454545 factor 2 = (a31 / a11) = 4/11 = 0.(0.0.4545454545) + (.(factor 1) * (fila 1) + (fila 2) fila 3 = .8) = ..(0.Encontrar los valores de x1.7.4545454545) * (.

45454545 0 0.(9.5.285714284) * (.909090909) = 0 a33 = .6363636365) + (.(0.3) + (.3636363636) * (.(9.(0.a32 = .0909090919 2.57142857 Página 12 .2) + (2) = 2.909090909 a33 = .7.6363636365 .3636363636) * (.909090909 -2 .36363636 0 ITERACIÓN 2 factor 3 = (u32/u22) = .7.285714284 Encontrando [U] fila 3 = .6363636365 = 9.7272727272 Encontrando [L] 1 [L] = 0 0 0 0 0.285714284) * (.5.5.0.909090909 / .0909090919) + (2.5.0.285714284) * (0) + (0) = 0 a32 = .(9.0.7) = .(factor 3) * (fila 2) + (fila 3) a31 = .7272727272) = 68.7272727272 11 [U] = 0 0 -3 .

4545454545 1 0. y2 y y3: El último paso es resolver Ux = y para encontrar la matriz x.7. El siguiente paso es resolver Ly = b para encontrar la matriz y.6363636365 0 -2 . encontrando los valores de y1.285714284 1 Ahora ya se tiene la matriz [U] y la matriz [L]. En otras palabras es como que se pidiera resolver el siguiente sistema de ecuaciones. encontrando los valores de x1.0. se obtienen los siguientes valores para y1. y2 y y3: Al resolver el sistema anterior.11 [U] = 0 0 -3 .3636363636 9. En pocas palabras es como que se pidiera resolver el siguiente sistema de ecuaciones.57142857 Encontrando [L] 1 [L] = 0 0 0 0.0909090919 68. x2 y x3: Página 13 .

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

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

Si A es simétrica y definida positiva.METODO DE CHOLESKY En álgebra lineal. Cuando sea aplicable. entonces podemos resolver Ax = b calculando primero la descomposición de Cholesky A = LL T. sólo hay una matriz triangular inferior L con entradas diagonales estrictamente positivos tales que A = LL * . la descomposición de Cholesky o triángulo de Cholesky es una descomposición de Hermite. La declaración se lee: una matriz cuadrada Atiene una descomposición de Cholesky si y sólo si A es hermitiana y positiva semidefinida. Fue descubierto por André-Louis Cholesky para matrices reales. Si A tiene entradas reales y es simétrica (o más generalmente. es hermitiano) y definida positiva. la descomposición de Cholesky es aproximadamente dos veces tan eficiente como la descomposición LU para resolver sistemas de ecuaciones lineales. La descomposición de Cholesky se utiliza principalmente para la solución numérica de ecuaciones lineales Ax = b. finalmente. entonces A es hermitiana y definida positiva. El requisito de que L tiene entradas de la diagonal estrictamente positiva se puede quitar para ampliar la factorización en el caso positivo semidefinida. En un sentido amplio. triangular inferior o de otra manera. y. esto puede considerarse como el análogo de la matriz de la raíz cuadrada de un número. Esta es la descomposición de Cholesky. definida positiva de la matriz en el producto de una matriz triangular inferior y su transpuesta conjugada.Lo contrario es trivial: si A se puede escribir como LL * para algunos invertible L. También puede suceder que la Página 16 . L tiene entradas reales también. la solución de L T x = y para x. En el caso especial de que A es simétrico definida positiva de la matriz con entradas reales. entonces la solución de Ly = b para y. La descomposición de Cholesky es único: dado un hermitiana. definida positiva matriz A. Por ejemplo. 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. entonces A se puede descomponer como: Donde L es una matriz triangular inferior con elementos de la diagonal estrictamente positiva. Sistemas de la forma Ax = b con A simétrica y positiva definida surgen muy a menudo en las aplicaciones. metafórico. y L * denota la transpuesta conjugada de L .

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

por lo tanto. este algoritmo se llama la versión del producto exterior en (Golub y Van Loan). 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 .1.donde I i -1 denota la matriz identidad de dimensión i . Si ahora definimos la matriz L i por entonces podemos escribir A ( i ) como donde Tenga en cuenta que b i b i * es un producto externo. Después de n pasos. Por lo tanto. se obtiene un ( n +1) = I . Repetimos esto para i desde 1 hasta n.

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

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

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

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

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

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

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

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

una idea para mejorar la aproximación es la de olvidarnos de tomar nodos igualmente Página 27 . Resulta que para ciertas funciones. si hay convergencia.63. 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.PROBLEMAS RESUELTOS 1. Pero para otras no.5] Si construimos el polinomio de interpolación pn(x) en este intervalo. entonces seguro que no hay convergencia en los puntos donde |x|>3.-Dada la función ( ) en el intervalo [-5. esto es lo que sucede con esta función de Runge. por ejemplo para f(x)=exp(x). Se puede observar que la aproximación es mala cerca de los extremos del intervalo Ya que la aproximación es mala en los extremos del intervalo. El problema con estas últimas es que sus derivadas van creciendo demasiado en el intervalo considerado.

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

2) T3 (x) = 4x3 . el otro punto F traza una circunferencia.8x2 + 1 Página 29 .Mecanismo de Peaucellier.6. 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 . Cuando el punto F' describe una línea.3x T4 (x) = 8x4 . está formado por una serie de brazos articulados. El polinomio de Chebyshev de grado n se denota Tn (x).1 (5. donde C está fijo y los demás son pivotes movibles.

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

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

Hn es par si n es par. Los primeros polinomios de Hermite son: H0 (t) = 1 H1 (t) = 2t H2 (t) = 4t2 . Se tiene que: es decir. 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 .2 H3 (t) = 8t3 -12t H4 (t) = 16t4 .

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. vale decir. es aquella función de dos variables tal que su desarrollo de Taylor en una de las variables tiene como coeficientes precisamente los polinomios de Hermite. 1) Derivando respecto a t Reordenando la suma en el lado izquierdo Comparando los coeficientes de las potencias de x en cada serie encontramos: La cual puede ser reescrito en la forma Página 33 .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.

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

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

la serie tiene un crecimiento rápido cuando t→∞ PROBLEMAS RESUELTOS 1. Si ᵝ es impar.1)2 P(x)= 3x2 + x – 4 que satisface las condiciones dadas 2.. y por ende dos soluciones linealmente independientes b) Lo cual significa que el radio de convergencia de la serie es infinito. Obtener las tablas de diferencias divididas que dan origen a P(x) y Q(x) respectivamente Página 36 . p(2) = 10 Como existe la derivada del polinomio p(x).5)x.a) Hay dos series independientes. Si ᵝ es par.2] = 10 Por lo tanto P(x)= 7(x .2] = 10 P[1.Sea P(x)= 3 + ½(x – 1) + 1/3(x – 1)(x – 1.1) + 3(x .Utilizar el método de Hermite para hallar un polinomio P(x) de grado 2 que satisfaga: p(1) = 0.5) – 2x(x – 1)(x – 1. hay que tomar a1 ≠ 0 y a0 = 0. a0 y a1. hay que tomar a0 ≠ 0 y a1 = 0. y la de coeficientes con índice impar. y si la solución es par o impar. la de coeficientes con índice par. Por tanto. d) Si ᵝ є N*. que depende sólo de a1.. las soluciones no tienen singularidades en el plano c) La ecuación tiene por solución un polinomio sólo si ᵝ є N*. Vale decir. Esto es. hay dos coeficientes arbitrarios.2]= 3 P[1. de modo que los av tiene todos el mismo signo para V > V0. entonces desde cierto V0 en adelante. quiere decir que el método a utilizar es el de hermite X 1 1 2 P(x) 0 0 10 7 P[1. p´(1) = 7. que depende sólo de a0.1.5)(x – 2). Q(x) = 5/3 – 2/3(x – 2) – 5/3(x – 2)(x – 1.

1.5.. será igual que si lo evaluamos en Q(x) P(xi) = Q(xi). xn-1.5. b] -2 Si vemos las tablas. b} b= 1. 0. 0. x1.5. a] 1/3 P[1. basado en los datos f(-1). …. 1.5 0 A X 2 0 1.5. que pertenece i.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. f´(1) y f‖(1) Sin evaluar H4(x) ni sus derivadas en -1 y 1. 0. 0] P[0.Lo que nos indica que los polinomios son iguales.5] Q[1. x1. xn-1. a} y la de Q(x) tiene {2. … .i = {0.5) P(0) P(a) Q(X) 5/3 Q(0) Q(1. x1. 1. P(a=2)= 5/3 PROBLEMAS PROPUESTOS 1..Probar que si g interpola a la función f en x0. b] -5/3 Q[0. la de P(x).1. xn en entonces a la función g(x) + (x0 – x/ xn – x0)(g(x) – h(x)) interpola a f x0. entonces si evaluamos un punto P(x).5) Q(b) 1/2 P[1. esta tiene los puntos {1. Q(b=1)= 3 y a= 2. …. f(1).1. a] -2 -2/3 Q[0. f´(-1).5.5.2} X 1 1. completar la tabla de diferencias divididas con repetición utilizada en la construcción de H4(x) 2. xn-1 y h interpola a f x0. xn en notar que h y g no necesitan ser polinomios). 1.5.5 b P(x) 3 P(1. Página 37 .

es obvio que a0 depende sólo de x0.. a1.. Imponiendo que el polinomio interpolador pase por los puntos de interpolación obtenemos: De estas ecuaciones.. 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.METODO DE INTERPOLACION DE NEWTON El método de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador. an. 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.. la ecuación estaría dada por: Página 38 .

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

PROBLEMAS PROPUESTOS 1.00 pm.m.-Da los siguientes datos de las temperaturas (en ºC ) Entre las 8.-La velocidad de un tren. 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. Página 40 . Si x es la distancia en km de la estación de partida.00 am a 8. el 10 de mayo de 2005. en Kanpur: Tiempo 8 a. que corre entre dos estaciones se mide a diferentes distancias de la estación de partida. 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 5.00 pm. a continuación v(x).

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

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

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

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

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

count_3<(length-1). if(Operand[count_2][0]=='-') { int length=strlen(Operand[count_2]). else if(strcmp(Operand[count_2].count_2++) { int flag=0. Operand[count_2][count_3]=NULL.strcmp(Symbol_scanned. for(int count_2=0.pop( )). char Operand[2][30]={NULL}."sinx")==0) operand[count_2]=sinl(x). else if(strcmp(Operand[count_2]. else if(strcmp(Operand[count_2]. long double result=0. char *endptr. Página 46 ."e")==0) operand[count_2]=2. strcpy(Operand[1]."+")==0 || strcmp(Symbol_scanned.count_3++) Operand[count_2][count_3]=Operand[count_2][(count_3+1)]. flag=1.pop( )).count_2<2.718282. else if(strcmp(Operand[count_2]. } if(strcmp(Operand[count_2]."cosx")==0) operand[count_2]=cosl(x). long double operand[2]={0}. for(int count_3=0."x")==0) operand[count_2]=x. strcpy(Operand[0]."/")==0 || strcmp(Symbol_scanned."-")==0) { char Result[30]={NULL}."tanx")==0) operand[count_2]=tanl(x).

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

n = 2 | max. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(6. cout<<" to try again. cin>>n. Press <Esc> to exit or any other key". Página 48 . } } while(n<2 || n>12). gotoxy(12. cout<<"Error : Wrong Input.13). cout<<"[ min. cout<<"Input Mode :". n = 12 ]".9). gotoxy(6.19). number of distinct data points = n = ".23). cout<<"Number of Distinct Data Points :". gotoxy(6.20).return function_value. gotoxy(27.26). gotoxy(8. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍ".". n=int(getche( )).10). gotoxy(6. } void get_input( ) { do { clear_screen( ).12). if(n<2 || n>12) { gotoxy(12.25). if(n==27) exit(0). cout<<"Enter the max. gotoxy(6.

cout<<"Press any key to continue.30).27). } else { gotoxy(28. gotoxy(28.11). cout<<"Non-Linear Function :". getch( ).". if(choice) { clear_screen( ). cout<<"Enter your choice : ".37). gotoxy(10.25). cout<<"Note : Write the function with proper Braces ( ) e. cout<<"N". cout<<".. gotoxy(8. 2x+3 as (2*x)+3". cout<<"Y". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".30). char Choice=NULL.. gotoxy(6. gotoxy(6.'Y' or <Enter> to enter function". cout<<". Choice=getch( ).'N' or <Any other key> to enter values of the function". gotoxy(10.12).30).g. } gotoxy(25. gotoxy(6. Página 49 .cout<<"Press : ". if(Choice=='y' || Choice=='Y' || int(Choice)==13) { choice=1.43).

44). -".10). cout<<"³ x ³ f(x) ³". cout<<"³ ³ } Página 50 ³". cout<<"Available Operators : ^ (raised to power) .(wherey( )+1)). cout<<"³ ³ ³".(wherey( )+1)). gotoxy(25. cout<<"³ ³ ³". gotoxy(25. gotoxy(25.42). gotoxy(6. .12).15).14).40). cosx .14). tanx .gotoxy(6. + . cout<<"ÃÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ´". cout<<"Enter the Function : f(x) = ".count_1++) { gotoxy(25. gotoxy(25. gotoxy(6.13). e . gotoxy(25. cout<<"Available Operands : x . gotoxy(6. lnx . * . cout<<" n = any number".count_1<n. gotoxy(6. convert_infix_expression_to_postfix_expression(Non_linear_equation). logx . gotoxy(6. / . } clear_screen( ).9). cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".". cout<<"ÚÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ¿". cin>>Non_linear_equation. sinx . cout<<"Data Points & Values of Function :". for(int count_1=0.

getch( ).count_1<n.count_1++) { for(int count_2=count_1.wherey( )).. gotoxy(25. cout<<"Press any key to continue.(wherey( )-1)). cin>>dd_table[0][count_2]. } if(choice) gotoxy(25.16). long double fx2=dd_table[(count_1-1)][count_2]. } gotoxy(25. cout<<dd_table[0][count_2]. cin>>xn[count_2].". } else { gotoxy(43. } void construct_dd_table( ) { for(int count_1=1. cout<<"ÀÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄÙ".(wherey( )+2)).count_2++) { long double fx1=dd_table[(count_1-1)][(count_2-1)]. long double x1=xn[(count_2-count_1)]. gotoxy(43.(wherey( )-1)). if(choice) { dd_table[0][count_2]=evaluate_postfix_expression(xn[count_2]). for(int count_2=0.count_2<n.(wherey( )+1)).. else gotoxy(25.43).(wherey( )+1)).count_2<n. Página 51 .gotoxy(25.count_2++) { gotoxy(27.

cout<<"³ x ³ f(x) ". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". gotoxy(x_cord.14). cout<<xn[count_1].15).y_cord). cout<<"Divided Difference Table :".long double x2=xn[count_2]. gotoxy(4. dd_table[count_1][count_2]=((fx2-fx1)/(x2-x1)). gotoxy(4.(y_cord+1)). cout<<dd_table[0][count_1].11). . gotoxy((x_cord+11). cout<<"ÚÄÄÄÄÄÄÄÄÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". gotoxy(4. gotoxy(4. int y_cord=17. Página 52 ". cout<<"³ ³ int x_cord=4. gotoxy(4.count_1++) { gotoxy(x_cord. } } } void show_dd_table( ) { clear_screen( ).13). gotoxy(4. for(int count_1=0.16). cout<<"³ ³ ".count_1<n. cout<<"ÃÄÄÄÄÄÄÄÄÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". cout<<"³ ³ ".y_cord).y_cord). gotoxy((x_cord+2).10).

y_cord).16).count_3<n.13). for(int count_3=1. cout<<"³". Página 53 . if(count_3==1) cout<<"st". gotoxy((x_cord+6).y_cord). cout<<"ÂÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". gotoxy(x_cord. else if(count_3==3) cout<<"rd".y_cord). int count_2=0. cout<<"ÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".count_3++) { gotoxy(x_cord.count_4++) { gotoxy(x_cord. cout<<count_3. cout<<"³". else cout<<"th". gotoxy(x_cord. cout<<"ÅÄÄÄÄÄÄÄÄÄÄÄÄÄÄÄ". x_cord=28. cout<<"ÀÄÄÄÄÄÄÄÄÁÄÄÄÄÄÄÄÄÄÄÄÄÄÄ".y_cord+=2.15). else if(count_3==2) cout<<"nd".14). gotoxy(x_cord. } gotoxy(x_cord. for(int count_4=0.count_4<n. y_cord=17. gotoxy(x_cord.14).

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

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

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

Página 57 . } if(wherex( )>=70) gotoxy(30.(wherey( )+2)). } gotoxy(6. gotoxy(6. gotoxy(10. cout<<"Estimation of Pn(x) :". else cout<<" . else if(count_1==1) cout<<fabs(px[count_1])<<" x".void estimate_pnx( ) { clear_screen( ). else if(count_1>1) cout<<fabs(px[count_1])<<" x"<<count_1.". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ".11).count_1--) { if(count_1==(n-1) && n>2) cout<<px[count_1]<<" x"<<count_1. cout<<"Newton's Divided Difference Interpolation Formula :".count_1>=0.10).(wherey( )+2)). cout<<"P"<<(n-1)<<"(x) = ". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". if(wherex( )>=70) gotoxy(30. else if(count_1==0) cout<<fabs(px[count_1]). for(int count_1=(n-1).19).13). gotoxy(6.

for(int count_3=1. Página 58 .count_3<count_2.26). gotoxy(10. cout<<"The Actual value of f"<<"("<<x<<") = "<<fx. gotoxy(10.28). pnx+=(px[count_2]*temp). pnx+=(px[1]*x).count_3++) temp*=x. do { Choice=NULL. cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ".20).count_2<n. cin>>x. long double x=0.count_2++) { long double temp=x. x=0. cout<<"Enter the value of x = ". long double pnx=0.22). gotoxy(10. pnx=0.gotoxy(6.30). fx=evaluate_postfix_expression(x). if(choice) { long double fx=0. cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. char Choice=NULL. pnx=px[0]. for(int count_2=2. } gotoxy(10.

28). cout<<" gotoxy(10. Choice=getch( ).40). gotoxy(25. "..42). 'V' to view D.. } else if(int(Choice)==27) exit(0). gotoxy(10. cout<<" ".40). if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. Table again". ". cout<<"or any other key to continue.D. cout<<" gotoxy(25.". ". cout<<" gotoxy(15.30). estimate_pnx( ). ".42). Página 59 . } ". } while(1).22). cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ).} gotoxy(15. cout<<"Press <Esc> to exit.26). cout<<" gotoxy(10.

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

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

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

cin>>x. cout<<"Estimation of Pn(x) :". cout<<"ÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ". pnx=px[0]. cout<<"Enter the value of x = ". if(count_1>0) { if(px[(count_1-1)]>0) cout<<" + ". long double pnx=0. char Choice=NULL. long double x=0. Págin a2 .20).19).". if(wherex( )>=70) gotoxy(30. pnx=0.(wherey( )+2)). x=0. gotoxy(6.else if(count_1==0) cout<<fabs(px[count_1]). do { Choice=NULL. } gotoxy(6. gotoxy(10. } if(wherex( )>=70) gotoxy(30.(wherey( )+2)). else cout<<" .22).

.count_2<n.D. gotoxy(10. if(int(Choice)!=27 && Choice!='v' && Choice!='V') { gotoxy(10. Choice=getch( ). gotoxy(10. for(int count_2=2. pnx+=(px[count_2]*temp).28). cout<<" ". if(choice) { long double fx=0.pnx+=(px[1]*x). . } gotoxy(15. cout<<" Págin a2 ".22). cout<<"The estimated value of P"<<(n-1)<<"("<<x<<") = "<<pnx. cout<<"Absolute Error = E(abs) = "<<fabs((fx-pnx)). for(int count_3=1.count_3++) temp*=x. } gotoxy(10. cout<<"Press <Esc> to exit.42).count_3<count_2. gotoxy(10..40). cout<<"The Actual value of f"<<"("<<x<<") = "<<fx.". fx=evaluate_postfix_expression(x).26).26). 'V' to view D. gotoxy(25. Table again".30). cout<<"or any other key to continue.count_2++) { long double temp=x.

otros más fáciles de programar. CONCLUSIONES Luego de haber estudiado a profundidad este tema o herramienta para resolver sistemas de ecuaciones.gotoxy(10. otros más cortos. se concluye que para resolver estos sistemas de ecuaciones lineales existen diferentes métodos. debido a que gracias a sus procesos de aproximación. Sin embargo. pero dependerá del gusto de cada persona elegir uno en específico. cout<<" gotoxy(15. en muchos casos se pueden restablecer datos perdidos u extraviados de diversas bases de datos. estimate_pnx( ). lo primero que se necesita es comprender cómo se desarrolla cada uno de estos procesos. cout<<" gotoxy(10. muchas veces la elección no será arbitraria. tales Págin a3 . Algunos métodos son más exactos.28). Para ser capaces de elegir un método apropiado. } else if(int(Choice)==27) exit(0). cout<<" } else if(Choice=='v' || Choice=='V') { show_dd_table( ). ". } while(1). etc. ".30). es una herramienta muy utilizada en el ámbito laboral. ". } ". cout<<" gotoxy(25.42). El método de interpolación .40). pues cada método tiene sus ventajas y sus desventajas.

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

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

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