Interpolación de curvas

APLICACIÓN DE METODOS NUMERICOS

CAPITULO IV
INTERPOLACION DE CURVAS

1. INTRODUCCION
Muchas veces se requiere estimar valores intermedios entre datos precisos, como
por ejemplo cuando se desea estimar valores de densidad de algún fluido a
diferentes temperaturas, lo mismo ocurre con otras propiedades termodinámicas
de los fluidos, tales como: Capacidad calorífica, viscosidad, etc.
Ejemplos de interpolación:

Interpolación lineal
Interpolación curvilínea

2. INTERPOLACIÓN POLINOMIAL USANDO DIFERENCIA DIVIDIDA DE NEWTON

Se basa en la fórmula general de un polinomio:
f ( x) = a 0 + a1 X + a 2 X 2 + ... + a n X n

2.1. Interpolación Lineal

Este método se basa en conectar dos puntos con una línea recta, Se puede
Ilustrar mediante triángulos semejantes

f ( x1

f 1 ( x)

f ( x0 )

X0 X X1

f1 ( x) − f ( x 0 ) f ( x1 ) − f ( x0 )
=
x − x0 x1 − x0
f ( x1 ) − f ( x0 )
f1 ( x) = f ( x 0 ) + (x − x 0 )
x1 − x0
Ejemplo:
Estimar el logaritmo natural de 2; tendiendo como datos
Ln(1)= 0
Ln(4)=1.386294

Ing. Héctor G. Bolaños Sosa Pag .1

Interpolación de curvas

f ( x1 ) − f ( x0 )
f1 ( x) = f ( x 0 ) + (x − x 0 )
x1 − x0
1.386294 − 0
f1 ( x) = 0 + (2 − 1) = 0.462098
4 −1
Vv − Aprox 0.693147 − 0.462098
εt = 100 = 100 = 33.33
Vv 0.693147
2.2. Interpolación cuadrática
Para mejorar la estimación se puede introducir alguna curvatura a la línea que
conecta los puntos. Esto puede realizarse con un polinomio de segundo
orden.
f 2 ( x) = bo + b1 ( x − x0 ) + b2 ( x − x0 )( x − x1 )
Donde
bo = f ( xo )
f ( x1 ) − f ( x0 )
b1 =
x1 − x0
f ( x 2 ) − f ( x1 ) f ( x1 ) − f ( x0 )
−
x 2 − x1 x1 − x0
b2 =
x 2 − x0
Ejemplo:
Estimar el logaritmo natural de 2; tendiendo como datos
Ln(1)= 0
Ln(4)=1.386294
Ln(6)=1.791759
Solución:
x0 = 1 f ( x0 ) = 0
x1 = 4 f ( x1 ) = 1.386294
x2 = 6 f ( x2 ) = 1.791759

bo = f ( xo ) = 0
1.386294 − 0
b1 = = 0.4620981
4 −1
1.791759 − 1.386294 1.386294 − 0
−
b2 = 6−4 4−0 = −0.0518731
6−0
Luego reemplazamos en la ecuación cuadrática:
f 2 (2) = 0 + 0.4620981( x − 1) − 0.0518731( x − 1)( x − 4)

Resolviendo con Matlab:

>> f2=inline('0+0.4620981*(x-1)-0.0518731*(x-4)')
f2 =
Inline function:
f2(x) = 0+0.4620981*(x-1)-0.0518731*(x-4)

>> f=feval(f2,2)
f=
0.5658443

Ing. Héctor G. Bolaños Sosa Pag .2

Interpolación de curvas

El valor verdadero sería:

>> log(2)
ans =
0.6931472

El error sería:
Vv − Aprox 0.5658443 − 0.6931472
εt = 100 = 100 = 18.4%
Vv 0.6931472

2.3. Forma general de la interpolación de polinomios Newton

El análisis anterior puede ser generalizado para interpolar un polinomio de n-
ésimo orden.

f n ( x) = bo + b1 ( x − x0 ) + b2 ( x − x0 )( x − x1 ) + L + bn ( x − x0 )( x − x1 )L( x − xn−1 )
Donde:
bo = f ( xo )
b1 = f [x1 , x0 ]
b2 = f [x2 , x1 , x0 ]
M
bn = f [xn , xn−1 ,L, x1 , x0 ]

Las evaluaciones de las funciones entre paréntesis son diferencias dividida

finita.
La primera diferencia dividida se representa por:
f ( xi ) − f ( x j )
[ ]
f xi , x j =
xi − x j
La Segunda diferencia dividida se representa por:

[ ] f [xi , xxj ] −− xf [x j , xk ]
f xi , x j , xk =
i k
La n-ésima diferencia dividida finita es:
f [xn , xn−1 ,L, x1 ] − f [xn−1 , xn−2 ,L, x0 ]
f [xn , xn−1 ,L, x1 , x0 ] =
xn − x0

Ing. Héctor G. Bolaños Sosa Pag .3

Interpolación de curvas

Ejemplo:
Estimar el logaritmo natural de 2; tendiendo como datos
Ln(1)= 0
Ln(4)=1.386294
Ln(6)=1.791759
Ln(5)=1.609438

Solución:
x0 = 1 f ( x0 ) = 0
x1 = 4 f ( x1 ) = 1.386294
x2 = 6 f ( x2 ) = 1.791759
x3 = 5 f ( x3 ) = 1.609438

Las primeras diferencias divididas serán:

f ( xi ) − f ( x j )
[ ]
f xi , x j =
xi − x j
1.386294 − 0
f [x1 , x0 ] = = 0.46209812
4 −1
1.791759 − 1.386294
f [x2 , x1 ] = = 0.20273255
6−4
1.609438 − 1.791759
f [x3 , x2 ] = = 0.18232156
5−6
Las segundas diferencias divididas serán:

[
f xi , x j , xk =] f [xi , xxj ] −− xf [x j , xk ]
i k
f [x2 , x1 ] − f [x1 , x0 ] 0.20273255 − 0.46209812
f [x2 , x1 , x0 ] = = = -0.05187311
x2 − x0 6 −1
f [x3 , x2 ] − f [x2 , x1 ] 0.18232156 − 0.20273255
f [x3 , x2 , x1 ] = = = -0.02041100
x3 − x1 5−4
La tercera diferencia dividida será:
f [xn , xn −1 , L, x1 ] − f [xn −1 , xn − 2 , L, x0 ]
f [xn , xn −1 , L, x1 , x0 ] =
xn − x0
f [x3 , x2 , x1 ] − f [x2 , x1 , x0 ]
f [x3 , x2 , x1 , x0 ] = =
x3 − x0
- 0.02041100 - (- 0.05187311)
f [x3 , x2 , x1 , x0 ] = = 0.00786552 9
5 -1
Establecimiento de la ecuación polinómica
bo = f ( xo ) = 0
b1 = f [x1 , x0 ] = 0.46209812
b2 = f [x2 , x1 , x0 ] = −0.05187311
b3 = f [x3 , x2 , x1 , x0 ] = 0.007865529

Ing. Héctor G. Bolaños Sosa Pag .4

Interpolación de curvas

f n ( x ) = bo + b1 ( x − x 0 ) + b2 ( x − x 0 )( x − x1 ) + b3 ( x − x 0 )( x − x1 )( x − x 2 )
f 3 ( 2) = 0 + 0 .46209812 ( x − 1) − 0 .05187311 ( x − 1)( x − 4) + 0 .007865529 ( x − 1)( x − 4 )( x − 6)

Resolviendo con Matlab:

>> f3=inline('0+0.4620981*(x-1)-0.05187311*(x-1)*(x-4)+0.007865529*(x-1)*(x-
4)*(x-6)')
f3 =
Inline function:
f3(x) = 0+0.4620981*(x-1)-0.05187311*(x-1)*(x-4)+0.007865529*(x-1)*(x-4)*(x-6)

>> vf3=feval(f3,2)
vf3 =
0.62876855

El valor verdadero sería:

>> log(2)
ans =
0.69314718
El error sería:
Vv − Aprox 0.62876855 − 0.69314718
εt = 100 = 100 = 9.29%
Vv 0.69314718

3. INTERPOLACIÓN POLINOMIAL DE LAGRANGE

La interpolación de polinomios de Lagrange, es una reformulación del polinomio de
Newton, se puede expresar:
n
f n ( x) = ∑ Li( x) f ( x )
i =0
i

Donde:
n
x− xj
Li ( x) = ∏x −x
j =0 i j
∏ designa el “producto de”

Para el primer orden:

x − x1 x − x0
f1 ( x) = f ( x0 ) + f ( x1 )
x0 − x1 x1 − x0
Para el segundo orden:
( x − x1 )( x − x2 ) ( x − x0 )( x − x2 ) ( x − x0 )( x − x1 )
f 2 ( x) = f ( x0 ) + f ( x1 ) + f ( x2 )
( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 )

Ejemplo:
Estimar el logaritmo natural de 2; tendiendo como datos
Ln(1)= 0
Ln(4)=1.386294
Ln(6)=1.791759

Solución
I x f(x)
0 1 0
1 4 1.386294
2 6 1.791756

Ing. Héctor G. Bolaños Sosa Pag .5

Interpolación de curvas

El polinomio de primer orden, será:

( x − x1 ) ( x − x0 )
f1 ( x) = f ( x0 ) + f ( x1 )
( x0 − x1 ) ( x1 − x0 )
( x − 4) ( x − 1)
f1 (2) = 0+ 1.386294 = 0.4620981
(1 − 4) (4 − 1)

El polinomio de segundo orden, será:

( x − x1 )( x − x2 ) ( x − x0 )( x − x2 ) ( x − x0 )( x − x1 )
f 2 ( x) = f ( x0 ) + f ( x1 ) + f ( x2 )
( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 )
( x − 4)( x − 6) ( x − 1)( x − 6) ( x − 1)( x − 4)
f 2 (2) = 0+ 1.386294 + 1.791756 = 0.565844
(1 − 4)(1 − 6) (4 − 1)(4 − 6) (6 − 1)(6 − 4)

4. INTERPOLACIÓN SEGMENTARIA
En el polinomio de Newton, para ocho puntos se puede derivar un polinomio de
séptimo orden.
A veces estas funciones pueden generar errores de redondeo y puntos alejados.
La alternativa es aplicar polinomios de orden inferior a subconjuntos de datos.
Estos polinomios conectores se llaman Funciones Segmentarias.

En la figura podemos notar un ajuste segmentario de cuatro puntos

4.1. Segmentarias lineales

Se pueden definir como un conjunto de funciones lineales

Ing. Héctor G. Bolaños Sosa Pag .6

Interpolación de curvas

f ( x) = f ( x0 ) + m0 ( x − x0 )
f ( x) = f ( x1 ) + m1 ( x − x1 ) x0 ≤ x ≤ x1
f ( xi+1 ) − f ( xi ) x1 ≤ x ≤ x2
mi =
xi+1 − xi
Ejemplo:
Ajustar los datos que se muestran con segmentarias de primer orden. Evaluar
la función en x=5
x f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5

Solución
El intervalo será: 4.5<X<7; porque allí se encuentra el valor a interpolar que
es X = 5
Cálculo de la pendiente
f ( xi+1 ) − f ( xi ) 2.5 − 1.0
mi = = = 0.60
xi+1 − xi 7.0 − 4.5
Luego:
f ( x) = f ( x0 ) + m0 ( x − x0 )
f (5) = 1.0 + 0.60(5 − 4.5)
f (5) = 1.0 + 0.30 = 1.30
En consecuencia la ecuación será:

f ( x) = f ( x0 ) + m0 ( x − x0 )
f ( x) = 1.0 + 0.60( x − 4.5)
f ( x) = 1.0 + 0.60 x − 2.7 = −1.7 + 0.60 x

4.2. Segmentarias cuadráticas

El objetivo es derivar un polinomio de segundo orden para cada intervalo
entre datos.
El polinomio para cada intervalo se representa:
f i ( x) = ai x 2 + bi x + ci

Ing. Héctor G. Bolaños Sosa Pag .7

Interpolación de curvas

Para n+1 datos (i=0,1,2,…,n) existen n intervalos, en consecuencia, 3n

constantes desconocidas (a, b y c) por evaluar, por tanto se requieren 3n
ecuaciones o condiciones para evaluar las incógnitas y estas son:

a) Los valores de la función de polinomios adyacentes deben ser iguales a

los nodos interiores. Esta condición se representa:
ai −1 xi2−1 + bi −1 xi −1 + ci −1 = f ( xi −1 )
ai xi2−1 + bi xi −1 + ci = f ( xi −1 )
Para i=2 a n. Como sólo se usa nodos interiores, las ecuaciones
proporcionan cada una n-1 condiciones del total 2n-2

b) La primera y última funciones deben pasara a través de los puntos

extremo. Esto agrega dos ecuaciones adicionales
a1 x02 + b1 x0 + c1 = f ( x0 )
a n x n2 + bn x n + c n = f ( x n )
Para un total de 2n-2+2= 2n condiciones
c) Las primeras derivadas en los nodos interiores deben ser iguales. La
primera derivada de la ecuación f i ( x) = ai x + bi x + ci es:
2

f ' ( x) = 2ax + b y de manera general:

2ai −1 xi −1 + bi −1 = 2ai xi −1 + bi
Esto proporciona otras n-1 condiciones
d) La segunda derivada f i ( x) = ai x + bi x + ci
2

f ' ' ( x) = 2ai

Suponiendo que en el primer punto la segunda derivada es cero, esto es
a1= 0

Ejemplo:
Ajustar los datos que se muestran con segmentarias cuadráticas. Evaluar la
función en x=5
x f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5

Solución
Se tienen 4 datos con n=3 intervalos; entonces 3(n)=3(3)= 9 ecuaciones o
condiciones

a) Las ecuaciones de los nodos interiores dan 2n-2=2(3)-2=4 condiciones

ai −1 xi2−1 + bi −1 xi −1 + ci −1 = f ( xi −1 )
ai xi2−1 + bi xi −1 + ci = f ( xi −1 )
a1 (4.5) 2 + b1 (4.5) + c1 = 1.0 ⇒ 20.25a1 + 4.5b1 + c1 = 1.0
a2 (4.5) 2 + b2 (4.5) + c2 = 1.0 ⇒ 20.25a2 + 4.5b2 + c2 = 1.0

Ing. Héctor G. Bolaños Sosa Pag .8

Interpolación de curvas

a2 (7.0) 2 + b2 (7.0) + c2 = 2.5 ⇒ 49a2 + 7b2 + c2 = 2.5

a3 (7.0) 2 + b3 (7.0) + c3 = 2.5 ⇒ 49a3 + 7b3 + c3 = 2.5

b) La ecuaciones de los puntos extremos dan dos ecuaciones

an xn2 + bn xn + cn = f ( xn )
a1 (3) 2 + b1 (3) + c1 = 2.5 ⇒ 9a1 + 3b1 + c1 = 2.5
a3 (9) 2 + b3 (9) + c3 = 0.5 ⇒ 81a3 + 9b3 + c3 = 0.5

c) La continuidad de las derivadas crea un adicional de 3-1= 2 ecuaciones

2ai −1 xi −1 + bi −1 = 2ai xi −1 + bi
2a1 (4.5) + b1 = 2a2 (4.5) + b2 9a1 + b1 = 9a2 + b2
2a2 (7.0) + b2 = 2a3 (7.0) + b3 …. 14a2 + b2 = 14a3 + b3
d) La ecuación de la segunda derivada especifica un valor de a1 = 0

e) El sistema de ecuaciones serán en consecuencia 8 ecuaciones con ocho

incógnitas, ya que la incógnita a1 está definida
20.25a1 + 4.5b1 + c1 = 1.0 (1)
20.25a2 + 4.5b2 + c2 = 1.0 (2)
49a2 + 7b2 + c2 = 2.5 (3)
49a3 + 7b3 + c3 = 2.5 (4)
9a1 + 3b1 + c1 = 2.5 (5)
81a3 + 9b3 + c3 = 0.5 (6)
9a1 + b1 = 9a2 + b2 (7)
14a2 + b2 = 14a3 + b3 (8)

Este sistema de ecuaciones podemos escribirla en forma matricial

(tener en cuenta que a1 = 0)
[b1 c1 a 2 b2 c 2 a3 b3 c3]
4.5 1 0 0 0 0 0  b1   1 
0
0  
 0 20.5 4.5 1 0 0 0  c1   1 
0 0 49 7 1 0 0 0 a2  2.5
    
0 0 0 0 0 49 7 1 b2  2.5
3  = 
1 0 0 0 0 0 0 c2  2.5
 
0 0 0 0 0 81 9 1 a3  0.5
1    
0 −9 −1 0 0 0 0  b3   0 
 
 0 0 14 1 0 − 14 − 1 0  c3   0 

Este sistema de ecuaciones resolvemos con cualquier método descrito

anteriormente.

Ing. Héctor G. Bolaños Sosa Pag .9

Interpolación de curvas

>> B=[4.5 1 0 0 0 0 0 0;0 0 20.25 4.5 1 0 0 0

0 0 49 7 1 0 0 0
0 0 0 0 0 49 7 1
31000000
0 0 0 0 0 81 9 1
1 0 -9 -1 0 0 0 0
0 0 14 1 0 -14 -1 0]
B= >> a=[1 1 2.5 2.5 2.5 0.5 0 0]'
Columns 1 through 4
4.50 1.00 0 0 a=
0 0 20.25 4.50 1.00
0 0 49.00 7.00 1.00
0 0 0 0 2.50
3.00 1.00 0 0 2.50
0 0 0 0 2.50
1.00 0 -9.00 -1.00 0.50
0 0 14.00 1.00 0
Columns 5 through 8 0
0 0 0 0
1.00 0 0 0
1.00 0 0 0
0 49.00 7.00 1.00
0 0 0 0
0 81.00 9.00 1.00
0 0 0 0
0 -14.00 -1.00 0

>> V=bicg(B,a)
bicg stopped at iteration 8 without converging to the desired tolerance 1e-
006
because the maximum number of iterations was reached.
The iterate returned (number 8) has relative residual 0.00025

V=
-1.00
5.50
0.64
-6.76
18.46
-1.60
24.60
-91.30

Resumiendo los valores:

Ing. Héctor G. Bolaños Sosa Pag .10

Interpolación de curvas

a1 = 0
b1 = − 1.00
c1 = 5.50
a2 = 0.64
b2 = − 6.76
c2 = 18.46
a3 = 1.60
b3 = 24.60
c3 = − 91.30

f) Al resolver las variables y sustituyendo en las ecuaciones cuadráticas se

tiene:
f i ( x) = ai x 2 + bi x + ci
Para el intervalo 3.0 ≤ x ≤ 4.5
f1 ( x) = a1 x 2 + b1 x + c1 = 0 − x + 5.5
Para el intervalo 4.5 ≤ x ≤ 7.0
f 2 ( x) = a2 x 2 + b2 x + c2 = 0.64 x 2 − 6.76 x + 18.46
Para el intervalo 7.0 ≤ x ≤ 9.0
f 3 ( x) = a3 x 2 + b3 x + c3 = 1.60 x 2 + 24.60 x − 91.30
g) Nuestro caso es evaluar cundo x=5.0; entonces se usará f2; porque está
en el intervalo 4.5 ≤ x ≤ 7.0
f 2 (5.0) = 0.64 x 2 − 6.76 x + 18.46 = 0.64(5) 2 − 6.76(5) + 18.46 = 0.66

4.3. Segmentaria cubica

El objetivo es obtener un polinomio de tercer orden para cada intervalo entre
los nodos, como en:
f i ( x) = ai x 3 + bi x 2 + ci x + d i
Para n+1 datos (i=0,1,2,…,n) existen n intervalos, en consecuencia, 4n
constantes desconocidas (a, b, c y d) por evaluar. por tanto se requieren 4n
ecuaciones o condiciones para evaluar las incógnitas y estas son:
a) Los valores de la función deben ser iguales en los nodos interiores (2n-2
condiciones)
b) La primera y última funciones deben pasar a través de los puntos
extremos (2 condiciones)
c) Las primeras derivadas en los nodos interiores deben ser iguales (n-1
condiciones)
d) Las segundas derivadas en los nodos interiores deben ser iguales (n-1
condiciones)
e) Las segundas derivadas en los nodos extremos son cero (2 condiciones)

Una técnica alterna que requiere la solución de n-1 ecuaciones:

La ecuación cubica para cada intervalo es:

Ing. Héctor G. Bolaños Sosa Pag .11

Interpolación de curvas

f i'' ( xi −1 ) f i'' ( xi )
f i ( x) = ( xi − x) 3 + ( x − xi −1 )3
6( xi − xi −1 ) 6( xi − xi −1 )
 f ( xi −1 ) f " ( xi −1 )( xi − xi −1 ) 
+ −  ( xi − x)
x
 i − x i −1 6  (1)
 f ( xi ) f " ( xi )( xi − xi −1 ) 
+ −  ( x − xi −1 )
 xi − xi −1 6 
Las incógnitas son las segundas derivadas al final del intervalo, se pueden
evaluar:

( xi − xi −1 ) f " ( xi −1 ) + 2( xi +1 − xi −1 ) f " ( xi ) + ( xi +1 − xi ) f " ( xi +1 )

=
6
[ f ( xi +1 ) − f ( xi )] + 6 [ f ( xi −1 ) − f ( xi )] (2)
xi +1 − xi xi − xi −1

Ejemplo:
Ajustar los datos que se muestran con segmentarias cúbicas. Evaluar la
función en x=5
x f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5

Solución
PARA EL PRIMER INTERVALO 3 < X <4.5
x f(x)
3.0 2.5
4.5 1.0
7.0 2.5

Para el primer nodo interior xi = 4.5

a) Ecuaciones para determinar las segundas derivadas
( xi − xi −1 ) f " ( xi −1 ) + 2( xi +1 − xi −1 ) f " ( xi ) + ( xi +1 − xi ) f " ( xi +1 )

=
6
[ f ( xi +1 ) − f ( xi )] + 6 [ f ( xi −1 ) − f ( xi )]
xi +1 − xi xi − xi −1
(4.5 − 3) f " (3) + 2(7 − 3) f " (4.5) + (7 − 4.5) f " (7)

=
6
[2.5 − 1.0)] + 6 [2.5 − 1]
7 − 4.5 4.5 − 3
Debido a la condición segmentaria natural f " (3) = 0 (nodo extremo)
8 f " (4.5) + 2.5 f " (7) = 9.6
X f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5

Ing. Héctor G. Bolaños Sosa Pag .12

Interpolación de curvas

Para el segundo nodo interior xi = 7

( xi − xi −1 ) f " ( xi −1 ) + 2( xi +1 − xi −1 ) f " ( xi ) + ( xi +1 − xi ) f " ( xi +1 )

=
6
[ f ( xi +1 ) − f ( xi )] + 6 [ f ( xi −1 ) − f ( xi )]
xi +1 − xi xi − xi −1
(7 − 4.5) f " (4.5) + 2(9 − 4.5) f " (7) + (9 − 7) f " (9)

=
6
[0.5 − 2.5] + 6 [1 − 2.5]
9−7 7 − 4.5
Debido a la condición segmentaria natural f " (9) = 0 (nodo extremo)
2.5 f " (4.5) + 9 f " (7) = −9.6
Las dos ecuaciones de segundas derivadas son:
8 f " (4.5) + 2.5 f " (7) = 9.6
2.5 f " (4.5) + 9 f " (7) = −9.6
Donde:
f " (4.5) = 1.67909
f " (7) = −1.53308

b) La ecuación cubica del primer intervalo es:

f i'' ( xi −1 ) f i'' ( xi )
f i ( x) = ( xi − x) 3 + ( x − xi −1 ) 3
6( xi − xi −1 ) 6( xi − xi −1 )
 f ( xi −1 ) f " ( xi −1 )( xi − xi −1 ) 
+ −  ( xi − x)
 xi − xi −1 6 
 f ( xi ) f " ( xi )( xi − xi −1 ) 
+ −  ( x − xi −1 )
 ix − x i −1 6 
0 1.67909
f1 ( x ) = (4.5 − x) 3 − ( x − 3) 3 +
6(4.5 − 3) 6(4.5 − 3)
 2.5 0(4.5 − 3) 
+ −  (4.5 − x)
 4.5 − 3 6 
 1 1.67909)(4.5 − 3) 
+ −  ( x − 3)
 4.5 − 3 6 
1.67909  2.5 0(4.5 − 3) 
f1 ( x) = (4.5 − x) 3 +  −  (4.5 − x)
6(4.5 − 3)  4.5 − 3 6 
 1 1.67909)(4.5 − 3) 
+ −  ( x − 3)
 4.5 − 3 6 
f1 ( x ) = 0 .186566 ( x − 3) + 1 .6666667 ( 4 .5 − x ) + 0 .246894 ( x − 3)
3

PARA EL SEGUNDO INTERVALO 4.5 < X <7

f 2 ( x ) = 0 .111939 ( 7 − x ) 3 − 0 .102205 ( x − 4 .5) 3 − 0 .299621 ( 7 − x )
+ 1 .638783 ( x − 4 .5)

Ing. Héctor G. Bolaños Sosa Pag .13

Interpolación de curvas

PARA EL TERCER INTERVALO 7 < X <9

f 3 ( x ) = − 0 .127757 (9 − x ) 3 + 1 .761027 (9 − x ) + 0.25 ( x − 7 )

Evaluando para x = 5, que está en el segundo intervalo:

f 2 (5) = 0 .111939 ( 7 − 5) 3 − 0 .102205 (5 − 4 .5) 3 − 0 .299621 ( 7 − 5)
+ 1 .638783 (5 − 4 .5)
f 2 (5) = 1 .102886

Graficando:
>> x=[3 4.5 7 9];
>> y=[2.5 1 2.5 0.5];
>> xx=[3:0.1:4.5];
>> yy=0.186566*(xx-3).^3+1.666667.*(4.5-xx)+0.246894.*(xx-3);
>> xx2=[4.5:0.1:7];
>> yy2=0.111939*(7-xx2).^3-0.102205.*(xx2-4.5).^3-0.299621.*(7-
xx2)+1.638783*(xx2-4.5);
>> xx3=[7:0.1:9];
>> yy3=-0.127757+(9-xx3).^3+1.761027+(9-xx3)+0.25*(xx3-7);
>> plot(x,y,'o',xx,yy,xx2,yy2,xx3,yy3),grid
INTERPOLACION CUBICA SEGMENTARIA
3

2.5

Primer Intervalo
2
f(x)

1.5 Tercer Intervalo

Segundo Intervalo
1

0.5
3 4 5 6 7 8 9
x

5. USANDO FUNCIONES DE MATLAB PARA INTERPOLACIÓN

a) Spline
Efectúa una interpolación segmentaria cúbica
Sintaxis:
yy = spline(x,y,xx)
Donde:
X: especifica los puntos de los datos de la variable x
Y: valores de la función en x
XX: valores de los intervalos de la interpolación, o el valor a ser interpolado

Ing. Héctor G. Bolaños Sosa Pag .14

Interpolación de curvas

Ejemplo:
Estimar el logaritmo natural de 2; teniendo los siguientes datos
Ln(1)= 0
Ln(4)=1.386294
Ln(6)=1.791759

>> x=1:6; 1.8

INTERPOLACION SEGMENTARIA CUBICA

>> y=log(x); 1.6

>> xx=1:0.25:6; 1.4

>> yy=spline(x,y,xx); 1.2
>> plot(x,y,'o',xx,yy),grid
1

f(x)
0.8
>> yy=spline(x,y,2)
0.6
yy =
0.6931 0.4

0.2

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
x

Ejemplo:
Ajustar los datos que se muestran con segmentarias cuadráticas. Evaluar la
función en x=5
x f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5

>> x=[3 4.5 7 9];

3
>> fx=[2.5 1 2.5 0.5];
>> xx=3:0.1:9;
>> yy=spline(x,fx,xx); 2.5
>> plot(x,fx,'o',xx,yy),grid
2
>> yy=spline(x,fx,5)
yy =
f(x)

1.1518518 1.5

valor interpolado

0.5
3 4 5 6 7 8 9
x

b) Interp1
Efectúa una interpolación de acuerdo a la siguiente tabla adjunta

Sintaxis
yi = interp1(x,Y,xi)
yi = interp1(x,Y,xi,metodo)

Descripción:
yi = interp1(x,Y,xi)

Ing. Héctor G. Bolaños Sosa Pag .15

Interpolación de curvas

Retorna un vector yi conteniendo los elementos correspondientes a los

elementos de xi y determinados con la interpolación de los vectores x e Y

yi = interp1(x,Y,xi,metodo)
De manera similar que al anterior, con el adicional que se puede definir un
método
‘linear’: usa interpolación lineal (por defecto)
‘spline’: usa interpolación segmentaria cubica

Ejemplo:
Estimar el logaritmo natural de 2; tendiendo como datos
Ln(1)= 0
Ln(4)=1.386294
Ln(6)=1.791759

>> x=1:6; 1.8

INTERPOLACION LINEAL

>> y=log(x); 1.6

>> xx=1:0.25:6; 1.4

>> yy=interp1(x,y,xx); 1.2

>> plot(x,y,'o',xx,yy),grid f(x) 1

0.8

>> yy=interp1(x,y,2) 0.6

yy = 0.4
0.69314718055995 0.2
valor interpolado

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
x

Ejemplo:
Ajustar los datos que se muestran con segmentarias. Evaluar la función en
x=5
X f(x)
3.0 2.5
4.5 1.0
7.0 2.5
9.0 0.5
Solución lineal:
>> x=[3 4.5 7 9]; 2.5
INTERPOLACION LINEAL

>> fx=[2.5 1 2.5 0.5];

>> xx=3:0.1:9;
>> yy=interp1(x,fx,xx); 2

>> plot(x,fx,'o',xx,yy),grid

>> yy=interp1(x,fx,5)
f(x)

1.5

yy =
1.30
1
valor interpolado

0.5
3 4 5 6 7 8 9
x

Solución cúbica:

Ing. Héctor G. Bolaños Sosa Pag .16

Interpolación de curvas

>> x=[3 4.5 7 9]; 3

INTERPOLACION CUBICA

>> fx=[2.5 1 2.5 0.5];

>> xx=3:0.1:9;
>> yy1=interp1(x,fx,xx,'spline'); 2.5

>> plot(x,fx,'o',xx,yy1),grid
>> yy1=interp1(x,fx,5,'spline') 2

f(x)
yy1 = 1.5

1.1519
1

0.5
3 4 5 6 7 8 9
x

c) Usando la herramienta Toolbox

En tipo de ajuste escoger “interpolant”

Ing. Héctor G. Bolaños Sosa Pag .17

Interpolación de curvas

EJERCICIOS

1. Estime el logaritmo decimal de 5 mediante interpolación lineal

a) Interpole entre log de 4 y log de 6
b) Interpole entre log de 4.5 y log de 5.5
Para cada una de las interpolaciones, calcule el % de error relativo

2. Ajuste con un polinomio de interpolación de Newton de segundo orden para

estimar log(5) con los valores de log(1) y log(6). Calcular el error relativo

3. Ajuste con un polinomio de interpolación de Newton de tercer orden para estimar

log(5) usando como datos de entrada: log(1); log(4), log(6) log(7)

4. Sean los siguientes datos

x 1 2 2.5 3 4 5
f(x) 1 5 7 8 2 1
a) Calcular mediante polinomios de interpolación de Newton de orden 1 a 3.
Escoja la mejor estimación.
b) Estimar el error de cada estimación
5. Repita los ejercicios de 1 a 4 usando la interpolación de Lagrange.
6. Mediante interpolación segmentaria predecir los valores f(3.4) y f(2.2), usando los
datos del problema Nº 4
7. Determine los coeficientes de la parábola que pasas a través de los tres últimos
puntos del problema Nº 4.
8. Desarrollar un programa para implementar interpolación de polinomios de Newton
9. Desarrollar un programa para implementar interpolación de Lagrange.

Ing. Héctor G. Bolaños Sosa Pag .18

Interpolación de curvas

APLICACIÓN DE METODOS NUMERICOS

CAPITULO IV
AJUSTE E INTERPOLACION DE CURVAS
APLICACIONES EN INGENIERIA

1. Modelo de crecimiento poblacional (ajuste de curva)

En muchos modelos, es fundamental la hipótesis de que la razón de cambio de la
población (dp/dt) es proporcional a la población real (p) en cualquier tiempo, o en
forma de ecuación:
dp
= kp
dt
Donde k : es el factor de proporcionalidad conocido como crecimiento específico,
unidades (tiempo-1).
La ecuación anterior se puede establecer finalmente en:
p (t ) = p o e kt
po: población cuando t = 0.
Se observa que cuando p(t) se aproxima al infinito a medida que t crece, este
comportamiento es imposible para sistemas reales. Por lo tanto el modelo debe
ser modificado.
Solución
La razón de crecimiento k, no puede ser constante en tanto la población se vuelve
más grande. El modelo para expresar este comportamiento es:
f
k = k max
K+ f
kmax : razón de crecimiento obtenible máxima para grandes valores de comida
K : constante de saturación media
Las constantes kmax y K son valores empíricos basados en resultados
experimentales
1 K+ f K 1 1
= = +
k k max f k max f k max
Esta ecuación es una función lineal:
Y=1/k
X= 1/f
K/kmáx =pendiente
1/kmax = intercepto
Tabla de crecimiento saturado de bacterias
f(mg/L) k (día -1)
7 0.29
9 0.37
15 0.48
25 0.65
40 0.8
75 0.97
100 0.99
150 1.07

>> load CRECI_1.txt >> data=[f k f1 k1]

>> cr=CRECI_1 data =
>> f=cr(:,1); 7.0000 0.2900 0.1429 3.4483

Ing. Héctor G. Bolaños Sosa Pag .19

Interpolación de curvas

>> k=cr(:,2); 9.0000 0.3700 0.1111 2.7027

>> f1=1./f; 15.0000 0.4800 0.0667 2.0833
>> k1=1./k; 25.0000 0.6500 0.0400 1.5385
>> data=[f k f1 k1] 40.0000 0.8000 0.0250 1.2500
75.0000 0.9700 0.0133 1.0309
100.0000 0.9900 0.0100 1.0101
150.0000 1.0700 0.0067 0.9346

Encontrando el modelo:
>> p=polyfit(f1,k1,1)
p=
18.0365 0.8127
y = a1 X + a 0 1
= 0.8127
1 1 k max
= 18 .0365 + 0 .8127
k f k max = 1 .2305
K
= 18 .0365
k max
K = 18 .0365 * 1.2305 = 22 .1781

>> kcal_1=18.0365*f1+0.8127 3.5

MODELO RAZON DE CRECIMIENTO SATURADO

>> data2=[f1 k1 kcal_1]

3
data2 =
2.5
0.1429 3.4483 3.3893
1/k (día)

0.1111 2.7027 2.8168 2

0.0667 2.0833 2.0151
0.0400 1.5385 1.5342 1.5
0.0250 1.2500 1.2636
0.0133 1.0309 1.0532 1
0.0100 1.0101 0.9931
0.0067 0.9346 0.9329 0.5
0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16
1/f (L/mg)
>> plot(f1,k1,'o',f1,kcal_1),grid

Entonces el modelo quedaría:

f
k = k max
K+ f
f
k = 1 .2305
22 .1781 + f
dp
= kp
dt
dp f
= 1 .2305 p
dt 22 .1781 + f

Esta ecuación diferencial se puede resolver por cualquier método

Ing. Héctor G. Bolaños Sosa Pag .20

Interpolación de curvas

2. Los lagos pueden dividirse en estratos térmicos durante el verano. (Interpolación)

Cerca de la superficie el agua es tibia y liviana. Zona llamada epilimnion
En el fondo es más fría y densa. Zona llamada hipolimnion.
Estas zonas están separadas por un plano conocido como el thermocline.

>> data=[T;z]'

data =

22.8000 0
22.8000 2.3000
22.8000 4.9000
20.6000 9.1000
13.9000 13.7000
11.7000 18.3000
11.1000 22.9000
11.1000 27.2000
Temperatura - profundidad del lago
0

-5 Epilimnion

-10
Thermocline
z(m)

-15

-20
Hypolimnion

-25

-30
10 12 14 16 18 20 22 24
T(ºC)

La ubicación de la Thermocline se puede definir como el punto de inflexión de la

d 2T
curva; es decir el punto en el cual = 0 . Es también el punto en el cual el
dx 2
valor absoluto de la primera derivada o gradiente es un máximo.
Usar interpolaciones segmentarias para determinar la profundidad de la
Thermocline. Tambien encontrar el valor del gradiente

Solución:
Usando la herramienta Toolbox:
Profund(m) T(ºC) dT/dz d2T/dz2
0 22.8 -0.08102 0.103522
1 22.7636 0.00093457 0.0603876
2 22.7875 0.0397552 0.0172536
3 22.8287 0.0354418 -0.0258804
4 22.844 -0.0120056 -0.0690144

Ing. Héctor G. Bolaños Sosa Pag .21

Interpolación de curvas

5 22.7903 -0.102721 -0.114834

6 22.6185 -0.25255 -0.184823
7 22.2619 -0.472367 -0.254812
8 21.6504 -0.762174 -0.324801
9 20.7142 -1.12197 -0.394791
10 19.4133 -1.45113 -0.241169
11 17.8714 -1.60307 -0.0627023
12 16.2667 -1.57654 0.115765
13 14.7778 -1.37154 0.294232
14 13.5819 -1.00019 0.391897
15 12.7625 -0.653731 0.301025
16 12.2441 -0.398142 0.210153
17 11.9359 -0.233425 0.119281
18 11.747 -0.15958 0.0284092
19 11.592 -0.15281 0.00552864
20 11.443 -0.144152 0.0117872
21 11.3058 -0.129235 0.0180458
22 11.1867 -0.10806 0.0243043
23 11.0918 -0.0806265 0.0305629
24 11.0275 -0.0469343 0.0368215
25 11 -0.00698353 0.04308
26 11.0156 0.0392258 0.0493386
27 11.0805 0.0916937 0.0555972
28 11.2011 0.15042 0.0618557

Graficas de temperatura
25
fit 1
20
T(ºC)

15

10
1 z)m)
1st deriv

-1

-2
0.5 z(m)
2nd deriv

-0.5
0 5 10 15 20 25 30
z (m)

La profundidad de la capa Thermocline está entre 11.0 y 12.0; con una gradiente
de -1.6 ºC/m

3. Un estudio en ingeniería de fluidos, indica que el flujo de un fluido a través de una

tubería está relacionado con el diámetro de la tubería y la pendiente.

Ing. Héctor G. Bolaños Sosa Pag .22

Interpolación de curvas

Use una regresión lineal múltiple para analizar estos datos. Después use el
modelo resultante para predecir el flujo en una tubería con un diámetro de 2.5 pies
y una pendiente de 0.025 pies/pies

Tabla: Datos experimentales para diámetro, pendiente y flujo en tubos circulares

de concreto
Experimento Diámetro(pies) Pendiente Flujo (pies3/s)
(pies/pies)
1 1 0.001 1.4
2 2 0.001 8.3
3 3 0.001 24.2
4 1 0.01 4.7
5 2 0.01 28.9
6 3 0.01 84.0
7 1 0.05 11.1
8 2 0.05 69.0
9 3 0.05 200.0

Solución:
La ecuación de potencias a evaluar es:
Q = a 0 D a1 S a 2
Donde:
Q : Flujo(pies3/s)
S : pendiente (pies/pies)
D : Diámetro tubería (pies)
a0, a1, a2 : coeficientes

Tomando el logaritmo de la ecuación:

log Q = log a 0 + a1 log D + a 2 log S
Que corresponde a una ecuación de regresión múltiple:
Y = a 0 + a1 x1 + a 2 x 2 + e
Hacendo una equivalencia de:
Y = Q (flujo)
x1 =D (diámetro)
x2 = S (Pendiente)
 n
 ∑ X 1i ∑
X 2 i  a o  
    ∑ Y 
i



∑ X 1i ∑ X 12i ∑   
∑ X Y 
X 1i X 2i   a1  =  1i i

∑ X 2i ∑X 1i X 2i ∑
X 22i  a 2  
 ∑ X Y 
 2i i

SR
Sx/ y =
n − ( m + 1)
Generando los datos:
>> load tubo_1.txt
>> data1=tubo_1
data1 =
1.0000 0.0010 1.4000
2.0000 0.0010 8.3000
3.0000 0.0010 24.2000
1.0000 0.0100 4.7000
2.0000 0.0100 28.9000

Ing. Héctor G. Bolaños Sosa Pag .23

Interpolación de curvas

3.0000 0.0100 84.0000

1.0000 0.0500 11.1000
2.0000 0.0500 69.0000
3.0000 0.0500 200.0000

>> x1=data1(:,1) >> x2=data1(:,2) >> y=data1(:,3)

x1 = x2 = y=
1 0.0010 1.4000
2 0.0010 8.3000
3 0.0010 24.2000
1 0.0100 4.7000
2 0.0100 28.9000
3 0.0100 84.0000
1 0.0500 11.1000
2 0.0500 69.0000
3 0.0500 200.0000

>> Lx1=log10(x1) >> Lx2=log10(x2) >> Ly=log10(y)

Lx1 = Lx2 = Ly =
0 -3.0000 0.1461
0.3010 -3.0000 0.9191
0.4771 -3.0000 1.3838
0 -2.0000 0.6721
0.3010 -2.0000 1.4609
0.4771 -2.0000 1.9243
0 -1.3010 1.0453
0.3010 -1.3010 1.8388
0.4771 -1.3010 2.3010

Desarrollando el sistema matricial:

a) Encontrando los coeficientes
>> >> >> sumLx1_Lx2=sum(Lx1.*Lx2)
sumLx1=sum(Lx1) sumLx1c=sum(Lx1.^2) sumLx1_Lx2 =
sumLx1 = sumLx1c = -4.9032
2.3345 0.9548 >> sumLx1_Ly=sum(Lx1.*Ly)
>> >> sumLx1_Ly =
sumLx2=sum(Lx2) sumLx2c=sum(Lx2.^2) 3.9462
sumLx2 = sumLx2c = >> sumLx2_Ly=sum(Lx2.*Ly)
-18.9031 44.0780 sumLx2_Ly =
>> sumLy=sum(Ly) -22.2077
sumLy =
11.6915

m=2
n=9
∑x 1 = 2.3345 ∑ x x = −4.9032
1 2

∑ y = 11.6915
∑x 2 = −18.9031 ∑ x y = 3.9462
1

∑x 2
1 = 0.9548 ∑ x y = −22.2077
2

∑x 2
2 = 44.0780

Reemplazando en las ecuaciones normales:

Ing. Héctor G. Bolaños Sosa Pag .24

Interpolación de curvas

 9 2.3345 − 18.9031 log a o   11.6915 

 2.3345    
 0.9548 − 4.9032   a1  =  3.9462 
− 18.9031 − 4.9032 44.0780   a 2  − 22.2077 
b) Resolviendo el sistema:
>> M=[9 2.3345 -18.9031;2.3345 >> C=[11.6915 3.9462 -22.2077]'
0.9548 -4.9032; -18.9031 -4.9032 C =
44.0780] 11.6915
M= 3.9462
9.0000 2.3345 -18.9031 -22.2077
2.3345 0.9548 -4.9032
-18.9031 -4.9032 44.0780

>> co=bicg(M,C) >> CO=inv(M)*C

bicg converged at iteration 3 to a CO =
solution with relative residual 5.1e-013 1.7480
co = 2.6156
1.7480 0.5368
2.6156
0.5368

c) Encontrando la ecuación de ajuste

log a 0 = 1.7480 a1 = 2.6156
a 0 = 101.7480 = 55.9758 a 2 = 0.5368

Q = a0 D a1 S a 2 = 55 .9758 D 2.6156 S 0.5368

d) Generando una tabla de valores observados y calculados

>> >> tabla=[x1,x2,y,Q]
Q=55.9758.*x1.^2.6156.*x2.^0.5368 tabla =
Q= 1.0000 0.0010 1.4000 1.3728
1.3728 2.0000 0.0010 8.3000 8.4135
8.4135 3.0000 0.0010 24.2000 24.2973
24.2973 1.0000 0.0100 4.7000 4.7250
4.7250 2.0000 0.0100 28.9000 28.9584
28.9584 3.0000 0.0100 84.0000 83.6293
83.6293 1.0000 0.0500 11.1000 11.2100
11.2100 2.0000 0.0500 69.0000 68.7039
68.7039 3.0000 0.0500 200.0000 198.4110
198.4110

Para predecir el flujo para D= 2.5 pies y S= 0.025pies/pies sería:

Q = 55 .9758 ( 2.5) 2.6156 (0.025 ) 0.5368
>> X1=2.5;X2=0.025;
>> Q=55.9758.*X1.^2.6156.*X2.^0.5368
Q=
84.8919 pies3/s
e) Graficando
>> plot3(x1,x2,y,'o',x1,x2,Q),grid
>> xlabel('x1');
>> ylabel('x2');
>> zlabel('y');

Ing. Héctor G. Bolaños Sosa Pag .25

Interpolación de curvas

Obs
Modelo

200

150

100
y

50

0
0.06
3
0.04
2.5
0.02 2
1.5
x2 0 1
x1

4. La resistencia a la tensión de un plástico aumenta como una función del tiempo

cuando se calienta. Se dispone de los siguientes datos:
Tiempo 10 15 20 25 40 50 55 60 75
Resist. Tensión 4 20 18 50 33 48 80 60 78
Ajuste a una línea recta estos datos y use la ecuación para determinar la
resistencia a la tensión en un tiempo de 30 minutos

5. Un reactor está térmicamente estratificado con los valores de la siguiente tabla:

Profundidad (m) 0 0.5 1.0 1.5 2.0 2.5 3.0
Temperatura(ºC) 70 68 55 22 13 11 10
Se puede idealizar el tanque como dos zonas separadas por un fuerte gradiente
de temperatura
Usar interpolaciones segmentarias para determinar la profundidad de la
Thermocline. Tambien encontrar el valor del gradiente

6. El esfuerzo cortante de nueve muestras tomadas a distintas profundidades es un

estrato de arcilla son:
Profundidad (m) 1.9 3.1 4.2 5.1 5.8 6.9 8.1 9.3 10.0
Temperatura(ºC) 0.3 0.6 0.4 0.9 0.7 1.1 1.5 1.3 1.6
Estime el esfuerzo cortante a una profundidad de 4.5 m

7. La Densidad del aire varía con la altitud de acuerdo a la siguiente tabla:

Expresar la densidad como función de la altitud, usando la interpolación
cuadrática de Lagrange.

8. El calor específico del aluminio depende de la temperatura de acuerdo a la

siguiente tabla:

Ing. Héctor G. Bolaños Sosa Pag .26

Interpolación de curvas

Determinar el calor específico a la temperatura de 200ºC a 400ºC

9. La tabla nos muestra el coeficiente de arrastre CD de una esfera como una

función del número de Reynolds, use una interpolación segmentaria para
encontrar el CD a Re=5, 50, 500, y 5000. Usar la escala log-log

10. La viscosidad cinematic µK del agua varía con la temperatura T, de la siguiente

manera:

Interpolar la viscosidad a T= 10, 30, 60 y 90ºC respectivamente

11. Tres ensayos de tensión fueron llevados a cabo en una barra de aluminio. En
Cada ensayo fue medida la deformación. Los resultados se muestran a
continuación:

La deformación está en unidades mm/m. Usar regresión lineal para estimar el

modulo de elasticidad de la barra (modulo de elasticidad = Tensión/deformación)

12. La densidad del aire fue medida a varias altitudes. Los resultados fueron:

Use un ajuste cuadrático para determinar la densidad del aire a una altitud de 10.5
km.

13. La viscosidad del agua varia con la temperatura, tal como se presenta en la tabla.
Determinar un ajuste cúbico de los datos y determinar la viscosidad a T=10, 30, 60
y 19ºC.

14. La tabla nos muestra la masa (M) y el consumo promedio de combustible (C) de
los motores fabricados por Ford y Honda en el año 1999. Encontrar un ajuste
lineal C = a 0 + a1 M y la desviación estándar el r2.

Ing. Héctor G. Bolaños Sosa Pag .27

Interpolación de curvas

15. La tabla nos muestra las eficiencias de algunos calderos. Determinar la ecuación
polinomial que mejor se ajuste para predecir la eficiencia térmica para el año 2000

16. La siguiente tabla nos muestra la variación de la conductividad térmica del sodio
con la temperatura T. Encontrar una ecuación de ajuste cuadrática usando los
mínimos cuadrados

17. La intensidad de la radiación de una sustancia radiactiva fue medida en intervalos

de cada medio año. Los resultados fueron:

Ing. Héctor G. Bolaños Sosa Pag .28

Interpolación de curvas

Donde γ es la intensidad relativa de la radiación. Se tiene el antecedente que la

radiactividad decae exponencialmente con el tiempo γ (t ) = ae − bt , estimar la
vida media de la sustancia

18. Considerar el calor específico a presión constante del aire a bajas temperaturas,
tal como se muestra en la tabla adjunta, donde T es la temperatura (K) y Cp es el
calor específico (J/g-K). Determinar la ecuación C p = a + bT y graficar
T(K) Cp (
300 1.0045
400 1.0134
500 1.0296
600 1.0507
700 1.0743
800 1.0984
900 1.1212
1000 1.1410

19. Considerar el calor específico del aire a presión constante a altas temperaturas,
tal como se ve en la tabla adjunta, donde T es la temperatura en (K) y Cp, es el
calor específico en (J/g-K). Determinar la ecuación C p = a + bT + cT
2
y graficar
T(K) Cp (
1000 1.1410
1500 1.2095
2000 1.2520
2500 1.2782
3000 1.2955

Ing. Héctor G. Bolaños Sosa Pag .29