Professional Documents
Culture Documents
UNIVERSIDAD DE TARAPACÁ
Escuela Universitaria de Ingeniería Eléctrica - Electrónica
METODOS NUMERICOS
&Matlab
Edición: 000 110
AUTOR:
PAUL TERRAZAS L.
ARICA-CHILE
2018
Índice
1.-INTRODUCCIÓN………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
Titulo 1………pag.1
1.-INTRODUCCIÓN
2.-CLASES
0.25
0.5
1.0
0.0
0.0
0.0
0.0
(0.25)10 = 0.010000
(0.26)10 →
0.26
0.52
1.04
0.08
0.16
0.32
0.64
1.28
0.56
1.12
∴ (0.26)10 = 0.0100001012
(0.25)10 = 0.0100002
0.10000 0 … ∗ 2−1
(0.26)10 = 0.100001012
𝑏 = 𝑏𝑎𝑠𝑒 𝑝 = 𝑑𝑖𝑔𝑖𝑡𝑜𝑠
𝑀 = 𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑀1 = 𝑀𝑒𝑛𝑜𝑟 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑀2 = 𝑀𝑎𝑦𝑜𝑟 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒
Ej.:
𝑭(2,3, −4,4) = 1 + 72
𝑭(2,3, −4,4) = 73
𝑭(2,3, −1,2) = 33
Ejercicio:
Dado el siguiente numero: 𝑭(2,3, −1,2)=33 encontrar todos los valores para:
(0, 𝑎𝑏𝑐)2 ∗ 2𝑚
El exponente indica cuánto se debe desplazar hacia la derecha o hacia la izquierda la
coma binaria de la parte significativa.
1 1 1 1
1 ∗ 2−1 = 2 1 ∗ 2−2 = 4 1 ∗ 2−3 = 1 ∗ 2−4 = 16
8
±½ ±5/8 ±¾ ±7/8
±2 ±5/2 ±3 ±7/2
±2 ±2.5 ±3 ±7.2
2.-ERRORES PROPAGADOS
Teorema: Sea f una función de
𝒇: 𝑅 𝑛 → 𝑅 , 𝒑𝒂𝒓𝒂 𝑵 = 𝐹(𝑥⃗)
con
⃗⃗ = (𝑥1 , 𝑥2 , 𝑥3 … 𝑥𝑛 )
𝒙
2.2.-Error absoluto
|𝑬𝑨 (𝑥𝑖∗ )| ≤ 𝜺𝒊 , 𝒊 = 𝟏 … 𝒏
|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=𝑛
Ejemplo
𝑥 ∗𝑦 ∗
𝑓(𝑥, 𝑦, 𝑧) =
𝑧∗
Ejercicios
𝒚 5.84337
𝒇(𝒙, 𝒚) = 𝟏 = 𝟏 = 𝟗. 𝟔𝟒𝟒
(𝟏 − 𝒙 )𝟐 (𝟏 − 0.6329)𝟐
𝑦 ∗ = 5.84337 𝑐𝑜𝑛 6 𝑑𝑠
𝑥 ∗ = 0.6329 𝑐𝑜𝑛 4 𝑑𝑠
𝑁 ∗ = 𝒇(𝒚∗ , 𝒙∗ )
Error absoluto
𝑚
∗
|𝑬𝑨 (𝑁 )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=𝑛
|𝑬𝑨 (𝑁 ∗ )| ≤ ∑ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
𝑖=𝑛
27_03_18
𝒇: 𝑅 𝑛 → 𝑅 , 𝒑𝒂𝒓𝒂 𝑵 = 𝐹(𝑥⃗)
⃗⃗ = (𝑥1 , 𝑥2 , 𝑥3 … 𝑥𝑛 )
con 𝒙 ⃗⃗∗ = (𝑥1∗ , 𝑥2∗ , 𝑥3∗ … 𝑥𝑛∗ )
𝒙
1.-Error absoluto
|𝑬𝑨 (𝑥𝑖∗ )| ≤ 𝜺𝒊 , 𝒊 = 𝟏 … 𝒏
Sea 𝑁 ∗ = 𝑓(𝑥⃗ ∗ )
𝑚
∗
|𝑬𝑨 (𝑓 )| ≤ ∑ 𝑀𝑖 𝜀𝑖
𝑖=1
𝜕𝑓
𝑴𝒊 ≥ 𝑚𝑎𝑥𝐾 | |
𝜕𝑥𝑖
Producto cartesiano
Dada la función
𝒙𝒚−𝒚
𝒇(𝒙, 𝒚) = 𝒙
x = 37.801 𝑐𝑜𝑛 5 𝑑𝑠 → 𝑚𝑥 = 5
y = 45.670 𝑐𝑜𝑛 4 𝑑𝑠 → 𝑚𝑦 = 4
Con los datos dados podemos que nos han dado podemos calcular los dígitos significativos
y por ende obtenemos m de la fórmula de error absoluto
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
Normalizando 𝒙∗ 𝒆 𝒚 ∗
𝑥 ∗ = 0.3780 ∗ 102 𝜎𝑥 = 2
𝑦 ∗ = 0.4567 ∗ 102 𝜎𝑦 = 2
Error absoluto de 𝒙∗ e 𝒚 ∗
𝜀𝑥 = 0.5 ∗ 10−3
𝜀𝑦 = 0.5 ∗ 10−2
x=37.801 𝑦 = 45.67
𝜕𝑓 𝑦𝑥 − 1(𝑥𝑦 − 𝑦) 𝑦 45.67
𝑴𝒙 ≥ 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | | = 𝑚𝑎𝑥𝐾 | |
𝜕𝑥𝑖 𝑥2 𝑥2 (37.801 )2
= 0.032
𝐾 = 𝐼𝑥 ∗ 𝐼𝑦
|𝑬𝑨 (𝑓 ∗ )| ≤ 𝑀𝑥 𝜀𝑥 + 𝑀𝑦 𝜀𝑦
−2 ≤ 2 − m
∴ m≤4
1
17. Se desea calcular 𝜋∗𝑒 con 5 dígitos. ¿Cuántos dígitos significativos se deben
considerar para 𝜋 𝑦 𝑒.
Desarrollo : Con los datos dados podemos obtener los valores normalizados de 𝜋 𝑦 𝑒.
Obteniendo así 𝜎 pero al no darnos los dígitos significativos se vuelve una ecuación
con dos incógnitas. Por ende, definiremos una variable m común para x e y.
Normalizando x e y obtenemos:
En la ecuación general
1 1 1
𝑓(𝑥, 𝑦) = = = = 0.11709 ∗ 100 𝜎=0
𝜋𝑒 𝑥𝑦 0.314159 ∗ 0.271828
𝜕𝑓 −1 −1
𝑀𝑥 = max | | = | 2 | = | 2 | = 0.0372
𝐾 𝜕𝑥 𝑥 𝑦 𝜋 ∗𝑒
𝜕𝑓 −1 −1
𝑀𝑦 = max | | = | 2 | = | 2 | = 0.0430
𝐾 𝜕𝑦 𝑥𝑦 𝜋 ∗𝑒
Simplificando
−𝑚 ≤ −5 →∴ 𝑚 = 5
LAB_1: 29_03_18
POLINOMIO DE LAGRANGE
Ejemplo 3.-
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
Teorema:
Si 𝑥0 , 𝑥1 , … . . 𝑥𝑛 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠 𝑒𝑛 [𝑎, 𝑏]
𝑓 𝑛+1 (𝜉(𝑥))
𝑓(𝑥) − 𝑝𝑛 (𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Error:
Ej.:
4 2
𝑓(𝑥) = cos(𝑥) 𝑃2 (𝑥) = 1 − 𝑥
𝜋
Mediante el polinomio de interpolación que se obtuvo mediante los puntos:
𝜋
𝑥0 = − 𝑥1 = 0 𝑥2 = 𝜋/2
2
Solución
𝜋
𝑓(𝑥𝑜 ) = cos (− ) = 0
2
𝑓(𝑥𝑜 ) = cos(0) = 1
𝜋
𝑓(𝑥𝑜 ) = cos ( ) = 0
2
Desarrollo:
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
POLINOMIO
Clases
𝑥𝑜 = −1 𝑓(𝑥0 ) = 15
𝑥1 = 0 𝑓(𝑥1 ) = 8
𝑥2 = 3 𝑓(𝑥2 ) = −1
𝑝2 (𝑥) = 𝑎0 + 𝑎1 𝒙 + 𝑎2 𝒙𝟐
𝑝(𝑥) = 𝑓(𝑥0 ) = 𝑎0
𝑝1 (𝑥) = 𝑎0 + 𝑎1 𝒙
𝑎0 + 𝑎1 𝒙𝟎 = 𝑓(𝒙𝟎 )
𝑎0 + 𝑎1 𝒙𝟏 = 𝑓(𝒙𝟏 )
𝑓(𝑥0 ) − 𝑓(𝑥1 )
𝑎1 =
𝑥0 − 𝑥1
𝑥1 𝑓(𝑥0 ) − 𝑥0 𝑓(𝑥1 )
𝑎0 =
𝑥1 − 𝑥0
Simplificando
𝑥 − 𝑥1 𝑥 − 𝑥0
𝑝1 (𝑥) = [ ]𝑓(𝑥0 ) + [ ]𝑓(𝑥1 )
𝑥0 − 𝑥1 𝑥1 − 𝑥0
𝑥 − 𝑥1 𝑥 − 𝑥0
𝑙0 (𝑥) = 𝑙1 (𝑥) =
𝑥0 − 𝑥1 𝑥1 − 𝑥0
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝑙0 (𝑥) =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑙1 (𝑥) =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑙2 (𝑥) =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
Polinomio de grado n
Condición
Clases ejemplo
𝜋 𝜋
Se desea aproximar la función x con 𝑓(𝑥) = cos 𝑥 [− 2 , 2 ] de grado 2 con los puntos:
𝜋 𝜋
𝑥0 = − 2 , 𝑥1 = 0, 𝑥2 = 2
𝑝2 (𝑥) = 𝑙1 (𝑥)𝑓(𝑥1 )
𝜋 𝜋 2 𝜋 2
𝑥 − (
𝑙1 (𝑥) =
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
=
(𝑥 − ( 2 ))(𝑥 + 2 )
= 2)
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (0 − (− 𝜋))(0 − (𝜋)) 𝜋 2
2 2 − (2)
4𝑥 2
𝑙1 (𝑥) = 1 −
𝜋2
4𝑥 2
∴ 𝑃(𝑥) = 1 − 2
𝜋
𝝅 𝝅
𝟐 𝟒𝒙𝟐
𝟐
∫ 𝐜𝐨𝐬 𝒙 𝒅𝒙 ≅ ∫ (𝟏 − 𝟐 ) 𝒅𝒙
−
𝝅
−
𝝅 𝝅
𝟐 𝟐
Teorema:
Si 𝑥0 , 𝑥1 , … . . 𝑥𝑛 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠 𝑒𝑛 [𝑎, 𝑏]
𝑓 𝑛+1 (𝜉(𝑥))
𝑓(𝑥) − 𝑝𝑛 (𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Error:
4.-Ejemplo.
4 2
𝑓(𝑥) = cos(𝑥) 𝑃2 (𝑥) = 1 − 𝑥
𝜋
Mediante el polinomio de interpolación que se obtuvo mediante los puntos:
𝜋
𝑥0 = − 𝑥1 = 0 𝑥2 = 𝜋/2
2
Las diferencias divididas cero de f(x), la función con respecto a x,y se denota por:
𝑓[𝑥𝑖 ] y es la evaluación de f:
𝑓(𝑥𝑖 ) = 𝑓[𝑥𝑖 ]
[𝑥𝑖 , 𝑥𝑖+1 ]
Se define como:
𝑓[𝑥𝑖+1 ] − 𝑓[𝑥𝑖 ]
𝑓[𝑥𝑖 , 𝑥𝑖+1 ] = [𝑬𝒒. 𝟏]
𝑥𝑖+1 − 𝑥𝑖
|𝑓 𝑛+1 (𝑡)|
𝐸𝑛 (𝑥) = max |𝑥 − 𝑥0 ||𝑥 − 𝑥1 | … |𝑥 − 𝑥𝑛 |
𝑎≤𝑡≤𝑏 (𝑛 + 1)!
Ejemplo.:
𝑎0 = 𝑓[𝑥0 ]
𝑓[𝑥1 ] − 𝑓[𝑥0 ]
𝑎1 = 𝑓[𝑥0 , 𝑥1 ] =
𝑥1 − 𝑥0
𝑓[𝑥2 , 𝑥1 ] − 𝑓[𝑥1 , 𝑥0 ]
𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] =
𝑥2 − 𝑥0
𝑓[𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥2 , 𝑥1 , 𝑥0 ]
𝑎3 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥0
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
𝑞4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0
𝑃𝑛 (𝑥) = 𝑓[𝑥𝑛 ] + 𝑓[𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛−1 ) + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 … , 𝒙𝟎 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 ) … (𝑥 − 𝒙𝟏 )
Luego:
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
3.00 1.09861
1.2 0.857429
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
3.00 1.09861
𝑃4 (1,2) = 0.181309
Aquí el polinomio nos exige un valor de mayor grado que el de 4, por lo tanto si no se nos
entrega mas datos no se puede desarrollar, por ende se escoge un polinomio de menor grado
para calcular el error y aprovechar el cálculo del polinomio.
Ejemplo.:
Desarrollo:
𝑬𝟑 (𝟏. 𝟐) = 𝟎. 𝟎𝟎𝟎𝟑𝟐𝟎𝟏𝟔𝟔
Desarrollo: Para valores de la tabla que están al final, se usa el polinomio de grado 3
regresivo.
1.2 0.857429
0.30010 -0.283959
1.35
0.658657 0.108324
-0.186468 -0.030492
1.70
0.53063
0.556100 0.047340
3.00 1.09861
𝑃3 (𝑥) = 𝑓[𝑥𝑛 ] + 𝑓[𝑥𝑛 , 𝑥𝑛−1 ](𝑥 − 𝑥𝑛 ) + 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 )
+ [𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ] (𝑥 − 𝑥𝑛 )(𝑥 − 𝑥𝑛−1 )(𝑥 − 𝑥𝑛−3 )
Prueba 1
Prueba
DD CLASES
𝒇(𝒙𝟏 )−𝒇(𝒙𝟎 )
𝒂𝟏 = 𝒙𝟏 −𝒙𝟎
Definición 1.- la diferencia dividida cero de la función f con respecto a 𝑥𝑖 se denota por
𝑓[𝑥𝑖 ] y es la evaluación de f en 𝑥𝑖 .
𝑓[𝑥𝑖 ] = 𝑓(𝑥𝑖 )
Las diferencias divididas restantes se definen inductivamente, la primera diferencia
dividida con respecto a 𝑥𝑖 , 𝑥𝑖+1 se denota por 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] y está definida como:
𝑓[𝑥𝑖+1 ] − 𝑓[𝑥𝑖 ]
𝑓[𝑥𝑖 , 𝑥𝑖+1 ] =
𝑥𝑖+1 − 𝑥𝑖
Cuando las k-1 diferencias divididas 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 , … , 𝑥𝑖+𝑘−1 ] y 𝑓[𝑥𝑖+1 , … , 𝑥𝑖+𝑘 ] han sido
determinadas la k-ésima diferencia dividida de f relativa a 𝑥𝑖 , 𝑥𝑖+1 , … , 𝑥𝑖+𝑘 está dada por:
Ejemplo1.-
Calcular 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] y 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ].
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑃1 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) = 𝑓(𝑥0 ) − (𝑥 − 𝑥0 )
𝑥1 − 𝑥0
Que coincide con la fórmula 𝑃1 (𝑥) en el caso de la forma de Lagrange del polinomio
interpolante. Recuerde que el polinomio interpolante es único.
Con respecto al error de interpolación al usar la fórmula de Newton, tenemos:
Teorema1: supongamos que 𝑓 ∈ 𝐶 𝑛 [𝑎, 𝑏] y que 𝑥0 , … , 𝑥𝑛 son números distintos en [𝑎, 𝑏].
Entonces Ǝ un nuevo 𝜀 ∈ [𝑎, 𝑏] talque:
𝑓 𝑛 (𝜀)
𝑓[𝑥0 , … , 𝑥𝑛 ] =
𝑛!
Demostración: Sea 𝑔(𝑥) = 𝑓(𝑥) − 𝑃𝑛 (𝑥)
Como en los puntos tabulados 𝑓(𝑥𝑖 ) = 𝑃𝑛 (𝑥𝑖 ) tenemos 𝑔(𝑥𝑖 ) = 𝑓(𝑥𝑖 ) − 𝑃𝑛 (𝑥𝑖 ) = 0 , ∀𝑖 =
0, … , 𝑛
Como 𝑔(𝑥𝑖 ) tiene 𝑛 + 1 ceros distintos en [𝑎, 𝑏] (uno por cada punto xi) por Rolle existe
𝜀/𝑔𝑛 (𝜀) = 0.
Derivando 𝑃𝑛 (𝑥) y considerando que 𝑃𝑛 (𝑥) es un polinomio cuyo coeficiente principal es
(𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 ) 𝑓[𝑥0 , … , 𝑥𝑛 ]
Para determinar el error de interpolación debemos dejar el último punto de la tabla sin
considerar al determinar el polinomio de interpolación, de esta forma, este último punto lo
dejamos para calcular el error. En este ejemplo tendremos un polinomio de grado 3 un
punto menos que sería:
𝑃3 (𝑥) = −0.290 + 2.394𝑥 + 0.733𝑥 2 − 0.3196𝑥 3
Siendo el error de interpolación:
𝐸3 (2.3) = 0.2005
Observaciones:
1.- si consideramos los mismos puntos {𝑓(𝑥𝑖 )}𝑛𝑖=0 en otro orden obtendremos otras
expresiones para el mismo polinomio de interpolación. Las expresiones serán idénticas si
los valores {𝑥𝑖 }𝑛𝑖=0 y los {𝑓(𝑥𝑖 )}𝑛𝑖=0 son exactos y no están sujetos a ningún error.
2.- si agregamos un punto 𝑥𝑛+1 al conjunto {𝑥𝑖 }𝑛𝑖=0 para obtener el polinomio de
interpolación de grado n+1, basta agregar el término ∏𝑛𝑖=0(𝑥 − 𝑥𝑖 )𝑓[𝑥0 , … , 𝑥𝑛+1 ] sin
modificar los términos anteriores, es decir, es válida la propiedad 𝑃𝑛 (𝑥) = 𝑃𝑛−1 (𝑥) +
𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ](𝑥 − 𝑥0 ) … (𝑥 − 𝑥𝑛−1 ); 𝑛 = 2, … , 𝑛 .
𝑓(𝑥1 ) − 𝑓(𝑥0 ) 2𝜀
|𝐸𝐴 𝑓[𝑥0, 𝑥1 ]| = |𝐸𝐴 |≤
𝑥1 − 𝑥0 |𝑥1 − 𝑥0 |
De la misma manera para los otros valores con lo cual probamos nuestra observación.
Si el punto x al cual vamos a interpolar está más cerca de 𝑥𝑛 que de 𝑥0 se usa la forma de
diferencias divididas (regresiva) interpolante de Newton, para la cual es válida también la
fórmula de la observación punto dos.
𝑥0 𝑓(𝑥0 )
⋮ ⋮
𝑥𝑛−3 𝑓(𝑥𝑛−3 )
𝑓[𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑥𝑛−2 𝑓(𝑥𝑛−2 ) 𝑓[𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑓[𝑥𝑛−1 , 𝑥𝑛−2 ] 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 , 𝑥𝑛−3 ]
𝑥𝑛−1 𝑓(𝑥𝑛−1 ) 𝑓[𝑥𝑛 , 𝑥𝑛−1 , 𝑥𝑛−2 ]
𝑓[𝑥𝑛 , 𝑥𝑛−1 ]
𝑥𝑛 𝑓(𝑥𝑛 )
Las tablas de diferencias divididas son las mismas ya que se puede demostrar que las
diferencias divididas son simétricas en cada argumento para cualquier n, es decir,
𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑗 , … , 𝑥𝑘 , … , 𝑥𝑛 ] = 𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑘 , … , 𝑥𝑗 , … , 𝑥𝑛 ]
X 𝑓(𝑥)
1.0 0.2564
1.35 0.3869
1.5 0.4533
1.65 0.5284
CUADERNO
x 𝑓(𝑥) ∆ ∆2 ∆3
𝑥0 𝑓(𝑥0 )
∆𝑓(𝑥0 )
𝑥1 𝑓(𝑥1 ) ∆2 𝑓(𝑥0 )
∆𝑓(𝑥1 ) ∆3 𝑓(𝑥0 )
𝑥2 𝑓(𝑥2 ) ∆2 𝑓(𝑥1 )
∆𝑓(𝑥2 )
𝑥3 𝑓(𝑥3 )
𝑠 𝑛+1 𝑓(𝑥0 )
𝐸𝑛 (𝑠) = 𝑠(𝑠 − 1) … (𝑠 − (𝑛 − 1))(𝑠 − 𝑛)
(𝑛 + 1)!
Puede evaluarse con media precisión para cualquier x dada. Sin embargo los x dados
no siempre son correctos. Determine el error relativo máximo en x de modo que el
error absoluto de f(x) no sea mayor que 10-4.
5. Dada la tabla:
X0 X1 X2
X 0 6 15
Y 0 12 15
Y0 Y1 Y2
1
i) El polinomio P2(x) = 2𝑥 − 𝑥(𝑥 − 6) interpola la tabla anterior. Sin calcular
9
el polinomio demuestre que efectivamente es el polinomio que interpola
dichos puntos.
ii) Si agregamos un punto x3= 30; y3= 0. Calcule el polinomio P3(x) que interpola
la nueva tabla sin calcular el P3(x) en todos sus puntos, usando una propiedad
del polinomio de Newton.
6. Dada la tabla:
0.1 1.2214
0.3 1.3499
0.5 1.4918
Determinar:
i) El polinomio cuadrático.
ii) Para qué valor de x, P2(x) = 1.3165.
iii) Determinar error de interpolación para x = 0.35
iv) Si f(-0.1) = 0.99005 calcule P3(x) y calcule la integral:
0.5
∫ 𝑃3 (𝑥)𝑑𝑥 =
−0.1
EJERCICIOS DE INTERPOLACIÓN
𝜋
2. Dado 𝑥 sin(𝑥) en 0 ≤ 𝑥 ≤ con el polinomio de interpolación de Lagrange de
2
orden 4, utilizando puntos equiespaciados. Calcule el error de interpolación.
4. Aproxime
1+𝑥
𝑦=
1 + 2𝑥 + 3𝑥 2
6. Los siguientes datos son tomados de un polinomio de grado menor o igual que
cinco. ¿Cuál es dicho polinomio y cuál es su grado?
𝑥 −2 −1 0 1 2 3
𝑦 −5 1 1 1 7 25
𝑥 −1 0 1 2 3
𝑦 2 1 2 −7 10
Tiempo 0 3 5 8
Distancia 0 225 383 623
𝑥 𝑓 ∆𝑓 ∆2 𝑓 ∆3 𝑓 ∆4 𝑓 ∆5 𝑓
0
5 0.0013
0.0888
10 0.0002
−0.0002
15
0.0017
20
25 0.4663
𝑥 −3 −1 0 1 3
𝑓(𝑥) 3 1 0 1 3
13. Haga una tabla de diferencias progresivas para los valores del ejercicio 6.
Altere el valor de 𝑓(0) en una centésima y en la tabla determine el cambio en la
tabla.
0.1 1.2214
0.3 1.3499
0.5 1.4918
Determinar:
a) El polinomio cuadrático.
b) Para qué valor de 𝑥, 𝑃2 = 1.3165.
c) Determinar el error de interpolación para 𝑥 = 0.35
d) Si 𝑓(−0.1) = 0.99005 calcule 𝑃3 (𝑥) y calcule la integral
0.5
∫ 𝑃3 (𝑥)𝑑𝑥
−0.1
𝑥 0 1 2 4
𝑦 1 1 2 5
𝑥 0 1 2 4
𝑦 1 1 2 5
= 𝑓(𝑥)
Obtener el polinomio de Newton de grado a lo más tres que interpole la tabla dada.
1
18. Considere la función 𝑓(𝑥) = 2 2𝑥 para 𝑥 ∈ (−∞, ∞).
a) Calcular el polinomio 𝑝(𝑥) que interpola a 𝑓(𝑥) en los nodos 𝑥0 = 0, 𝑥1 = 1,
𝑥2 = 2 y 𝑥3 = 3.
b) Calcular el error relativo que se comete al aproximar 𝑓(3⁄2) mediante 𝑝(3⁄2).
1
19. El polinomio de Newton 𝑝2 (𝑥) = 2𝑥 − 9 𝑥(𝑥 − 6) interpola la tabla 𝑥 v/s 𝑦
𝑥0 𝑥1 𝑥2
𝑥 0 6 15
𝑦 0 12 15
𝑦0 𝑦1 𝑦2
𝑦 𝑦 = √(152 − (𝑥 − 15)2 )
Usar la fórmula simple de Simpson (1⁄3) para aproximar el área del semicírculo,
con ayuda de los polinomios 𝑝2 (𝑥) y 𝑝3 (𝑥). Estudiar la calidad de esta
aproximación y concluir. Calcular los errores relativos.
Construir la tabla de diferencias divididas. Recortar que debe repetir la fila para 𝑥 =
1, y para 𝑥 = 2 se plantean tres filas. Además, debe usar la definición de diferencia
dividida con repetición.
Dar el polinomio de Hermite que ajusta los valores de la tabla dada.
𝑥 𝑓(𝑥) 𝑓 ′ (𝑥)
0 2 −9
1 −4 4
2 44
INTERPOLACIÓN CÚBICA
1. Determine si el Trazador cúbico natural que interpola la siguiente tabla:
𝑥𝑘 0 1 2 3
𝑦𝑘 1 1 0 10
Es o no la función
1 + 𝑥 − 𝑥3, 𝑥 ∈ [0,1]
𝑇(𝑥) = {1 − 2(𝑥 − 1) − 3(𝑥 − 1)2 + 4(𝑥 − 1)3 , 𝑥 ∈ [1,2]
4(𝑥 − 2) + 9(𝑥 − 2)2 − 3(𝑥 − 2)3 , 𝑥 ∈ [2,3]
2 x 3 + x 2 − 22 x + 26 0 x 1
S(x)= 7 x 2 − 28 x + 28 1 x 3
− 3 x 3 + 34 x 2 − 109 x + 271 3 x 4
Explicar cuáles propiedades cumple y cuáles no cumple S(x) para ser un trazador Cúbico
natural de la siguiente tabla:
𝒙 0 1 3 4
𝒚 26 7 7 187
6. Considere la tabla siguiente, en la cual x0, x1, x2, x3 y x4 son números distintos:
x x0 x1 x2 x3 x4
y y0 y1 y2 y3 y4
Con precisión, expresar todas las propiedades que debe tener el Spline Cúbico S(x)
natural, que interpole la tabla dada.
x y
0 0
2 -2
3 0
x -1 1 2
y 0 2 0
Que satisfaga S’(0)=-1 y S’’(2)=0. Verificar que sus Cálculos sean correctos.
x 0 1 3 4
y -1 1 37 67
Usar aritmética exacta para los cálculos. Graficar x vs. S(x), x vs. S’ (x), y
x vs. S’’(x).
3 + 𝑥 − 9𝑥 3 ; 𝑥 ∈ [0,1]
S(x)={
𝑎 + 𝑏(𝑥 − 1) + 𝑐(𝑥 − 1)2 +𝑑(𝑥 − 1)3 ; 𝑥 ∈ [1,2]
X f(x) 2 3
0.250 0.77334
0.375 -0.02963
0.500 0.00172
0.625 -0.00823
14.- a) Halle el trazador cúbico sujeto que pasa por los puntos que están en la gráfica de
3 5
f(x)= cos ( x 2 ) usando los nodos x0 = 0 x1 = x2 = x3 =
2 2 2
utilice las condiciones fronteras sobre la derivada en los extremos dados
S ' ( x0 ) = f ' ( x0 ) ; S ' ( xn ) = f ' ( xn )
a =
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 8.0000
a =
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 8.0000
a =
0 3.0000 2.2361
0.6931 7.0000 8.0000
6.0000 7.0000 1.0000
b =
>> a+b
ans =
>> a-b
ans =
>> trace(a)
ans =
>> inv(b)
ans =
>> x=-1:0.1:1;
>> y=x;
>> [X,Y]=meshgrid(x,y);
>> Z=X.^2+Y.^3;
surf(Z)
>>
SCRIPT
disp('Ingrese la matriz A');
disp('ingrese la matriz B');
A=input('matriz A:');
B=input('matriz B:');
c=A+B;
disp('La suma de las matrices es: ');
disp(c);
_______________________________
http://ocw.upm.es/matematica-aplicada/programacion-y-metodos-
numericos/contenidos/TEMA_2/Presentaciones/Errores_4.pdf
INTERPOLADO DE NEWTON
𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 ] − 𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ]
𝑏4 = 𝑓[𝑥4 , 𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] =
𝑥4 − 𝑥0
Fuente: http://www.ugr.es/~mibanez/ejemplos/interpolacion.pdf