1 /metodosnumericosfq@yahoo.com.

mx

SERIE DE TAYLOR.

Su forma generalizada es:
n
i i n i i i i i i i
x x a x x a x x a x x a a x f ) ( .. ) ( ) ( ) ( ) (
1
3
1 3
2
1 2
1
1 1 1
+ + + + + ~
+ + + + +

En donde a
0
, a
1
, a
2
, a
3
, a
n
son coeficientes de combinacin
1, (x
i+1
-x
i
), (x
i+1
-x
i
)
2
, (x
i+1
-x
i
)
3
,, (x
i+1
-x
i
)
n
son las funciones linealmente independientes que
conforman una base del espacio vectorial de las funciones continuas.

Cualquier funcin est representada por este polinomio.

Representar una funcin con este polinomio es lo que se denomina desarrollo en serie de
Taylor o expansin en serie de Taylor.

Para describir completamente este polinomio, evaluaremos los coeficientes de combinacin y
los haremos mediante derivacin sucesiva.

El polinomio de Taylor, que es la combinacin lineal de la base 1, (x
i+1
-x
i
), (x
i+1
-x
i
)
2
, (x
i+1
-
x
i
)
3
,, (x
i+1
-x
i
)
n
, es un generador de funciones continuas dentro de su espacio vectorial de
dimensin infinita. Los valores de los coeficientes son los valores de la funcin y sus
derivadas, todas evaluadas en un punto base o punto de expansin x
i
, lo que implica

La serie de Taylor provee un medio para predecir el valor de una funcin en un punto en
trminos de la funcin y sus derivadas en otro punto.

El primer trmino de la serie es f(x
i+1
)=f(x
i
) y se le conoce como aproximacin de orden
cero. Donde x
i
es el punto base
Si la funcin no cambia da una estimacin casi perfecta cte.
Si la funcin cambia se requieren trminos adicionales.

La aproximacin de 1er orden se tiene sumando otro trmino al anterior.
f(x
i+1
) ~ f(x
i
) + f(x
i
)/1! (x
i+1
- x
i
)
1


y = b + m x

trmino de 1er orden, es para tener una tendencia lineal

entonces se le agrega un trmino de segundo orden para obtener una curva y tener una
mejor aproximacin

1 2
1 1 1
'( ) "( )
( ) ( ) ( ) ( )
1! 2!
i i
i i i i i i
f x f x
f x f x x x x x
+ + +
~ + +

y = b + m x + n x
2
como una ecuacin polinomial.





2 /metodosnumericosfq@yahoo.com.mx

x
i
=0
x
i+1

f(x
i+1
)=f(x
i
)
f(x
i+1
) ~ f(x
i
) + f(x
i
)/1! (x
i+1
- x
i
)
1

h
f(x
i
)
x
orden cero
1er. orden
2do orden
de igual manera se puede agregar trminos adicionales para desarrollar la expansin
completa de la serie de Taylor.















Entonces la Serie de Taylor queda de la siguiente manera:
Rn x x
n
x f
x x
x f
x x
x f
x x
x f
x f x f
n
i i
i
n
i i
i
i i
i
i i
i
i i
+ + + + + + ~
+ + + + +
) (
!
) (
.. ) (
! 3
) ( ' ' '
) (
! 2
) ( "
) (
! 1
) ( '
) ( ) (
1
3
1
2
1
1
1 1
se incluye el trmino residual para considerar todos los trminos desde n+1 hasta el infinito.

( )
( )
( )
1
1
1
! 1
+
+
+

+
=
n
i i
n
x x
n
f
Rn


Donde n = indica que el residuo es de la aproximacin a ensimo orden.
= cualquier valor entre x
i
y x
i+1
(puede usar la funcin random o funcin aleatoria en
computacin), este valor da una estimacin exacta del error, puede ser un valor promedio
entre ellos o inclusive podemos usar el teorema del valor medio.

Se puede simplificar convenientemente la serie de Taylor definiendo un paso h= x
i+1
- x
i


( )
( )
1
) 1 (
3 2 1
1
! 1

!
) (
..
! 3
) ( ' ' '
! 2
) ( "
! 1
) ( '
) ( ) (
+
+
+
+
= + + + + + + ~
n
n
n i
n
i i i
i i
h
n
f
Rn Rn h
n
x f
h
x f
h
x f
h
x f
x f x f



Residuo para la expansin en serie de Taylor.

n=0
f(x
i+1
)~f(x
i
)

(3)
2 3
0
"( ) ( )
'( ) ...
2! 3!
i i
i
f x f x
R f x h h h = + + +

Simplificando el residuo: R
o
~f'(x
i
)h
esto da una inexactitud

2
1
1
1 1
) (
! 2
) ( "
) (
! 1
) ( '
) ( ) (
i i
i
i
i
i i
x x
x f
xi x
x f
x f x f + + ~
+ + +
f(x)
x
i

f(x
i
)
x
i+1

R
o

Prediccin exacta
Prediccin de orden cero
h
x

3 /metodosnumericosfq@yahoo.com.mx

Una alternativa es el teorema del valor medio: si una funcin f(x) y su primera derivada son
continuas sobre el intervalo x
i
a x
i+1
, existe al menos 1 punto sobre la funcin que tiene una
pendiente dada por f'(), que es paralela a la que une f(x
i
) con f(x
i+1
).














Uso de serie de Taylor para estimar los errores de truncamiento

(3)
2 3
1
1
"( ) ( )
( ) ( ) '( ) ...
2! 3!
( )
i i
i i i n
i i
f x f x
f x f x f x h h h R
h x x
+
+
= + + + + +
=

Truncando la serie despus del trmino con la 1 deriv:
f(x
i+1
)=f(x
i
)+ f'(x
i
)(x
i+1
-x
i
)+R
1


la resolvemos
1 1
1 1
( ) ( )
'( )
i i
i i i i
f x f x R
f xi
x x x x
+
+ +

=




El error de truncamiento asociado con la aprox de la deriv:

1 1
1 1
1 1
( )
( ) o ( )
2!
i i i i
i i i i
R f R
x x O x x
x x x x

+ +
+ +
= =

este error de aproximacin debe ser
proporcional al tamao de paso

Ejemplo:

f(x)=x
m

para m=1,2,3 y 4 sobre rango de x=1 a 2. Usar la serie de Taylor a 1er orden para aproximar
la funcin para varios valores del exponente m y tamao de paso h.

a 1er orden: f(
xi+1
)=f(x
i
)+m
1 m
i
x

h
el residuo es
(3) (4)
2 3 4
1
"( ) ( ) ( )
...
2! 3! 4!
i i i
f x f x f x
R h h h = + + +
m=1, x=2
f(2)=1+(1)=2 y R
1
=0
f(x)
x
i


x
i+1

R
o

Pendiente=m= f'()
h
0
R
m
h
=
x
n=1
2
1
"( )
2!
f
R h

= , =( f(x
i
)+f(x
i+1
))/2
Aprox a 1er orden E
trunc

f'()=(f(x
i+1
)-f(x
i
))/( x
i+1
-x
i
)
o

4 /metodosnumericosfq@yahoo.com.mx


m=2, f(2)=2
2
=4 (el valor real)
a 1er orden:
f(2)=1+2(1)=3 y R
1
=2/3(1)
2
+0+0+...=1

m=3, f(2)=2
3
=8 (el valor real)
a 1er orden:
f(2)=1+3(1)
2
(1)=4 y R
1
=6/2(1)
2
+6/6(1)
3
0+0+...=4

m=4, f(2)=2
4
=16 (el valor real)
a 1er orden:
f(2)=1+4(1)
3
(1)=5 y R
1
=12/2(1)
2
+24/6(1)
3
+24/24(1)
4
+0+0+...=11

R
1
se incrementa a medida que la funcin se hace no lineal.
Para el ltimo caso (m=4) R
1
vara cuando se cambia el tamao de paso h.
f(x+h)=f(x)+4
3
i
x h
si x=1, f(1)=1
f(1+h)=1+4h y R
1
=6h
2
+4h
3
+h
4

la diferencia disminuye al reducir h, para valores pequeos de h el error es proporcional a h
2
.
Conforme h es dividido a la mitad el error disminuye por un factor de 4

Comparacin del valor exacto de f(x)=x
4
con la aprox de la Serie de Taylor a 1er orden.
Ambos, la funcin y la aprox son evaluados en x+h, donde x=1
H Verdadero Aprox a 1er orden R
1

1 16 5 11
0.5 5.0625 3 2.0625
0.25 2.441406 2 0.441406
0.125 1.601807 1.5 0.101807
0.0625 1.274429 1.25 0.024429
0.03125 1.130982 1.125 0.005982
0.015625 1.063980 1.0625 0.001480

Podemos decir que
El Error por aprox de S.Taylor a 1er orden disminuye conforme m se acerca a 1 y h
disminuye intuitivamente.
En caso contrario una opcin alterna es reducir h o incluir trminos adicionales de la
expansin de la S.Taylor.

Ejercicio:

La expansin en de Maclaurin para cos x es
2 4 6 8
cos 1 ...
2 4! 6! 8!
x x x x
x = + + Iniciando con el
primer trmino cosx=1, agrguese los trminos uno a uno para estimar cos(/4). Despus de
que agregue cada uno de los trminos, calcule los errores porcentuales relativos exactos y
aproximados. Use el excel o calculadora para determinar el valor exacto. Agregue trminos
hasta que el valor absoluto del error aproximado falle bajo cierto criterio de error,
considerando dos cifras significativas.

5 /metodosnumericosfq@yahoo.com.mx




INTERPOLACIN POLINOMIAL.

Las funciones de aproximacin se obtienen por combinaciones lineales de elementos de
familia de funciones denominadas elementales

Forma general: a
0
g
0
(x)+a
1
g
1
(x)+a
2
g
2
(x)+...+a
n
g
n
(x) donde a
i
, 0<i<n, son constantes por
determinar y g
i
(x), 0in funciones de una familia particular.

Los monomios en x(x
0
; x
1
, x
2
,...) sus combinaciones generan aproximaciones del tipo
polinomial: a
0
+a
1
x+a
2
x
2
+ a
3
x
3
+...+a
n
x
n


El grupo de funciones de Fourier: 1, sen x, cos x, sen 2x,..., al combinarse linealmente
generan aproximaciones del tipo a
0
+
1
n
i
i
a
=

cos ix+ b
i
sen ix

El grupo de funciones exponenciales: 1, e
x
, e
2x
, e
3x
,... pueden usarse del modo
siguiente:
1
n
ix
i
i
a e
=

stos grupos son las aproximaciones polinomiales.

En el caso de datos experimentales, se tienen errores, entonces el mtodo de mnimos
cuadrados es aplicable.

Una vez que se tiene un polinomio de aproximacin se usa para obtener puntos adicionales
(interpolacin); tambin puede derivarse o integrarse para tener informacin adicional de la
funcin tabular.




1er orden (lineal) 2do orden (cuadrtica o) 3er orden (cbica)
Conectando 2 puntos parablica, enlazando 3 puntos conectando 4 puntos





6 /metodosnumericosfq@yahoo.com.mx

Interpolacin lineal

Se tienen pocos datos (abarcan un amplio margen de estudio) y se desea calcular un
valor determinado no reportado

usando tringulos semejantes:

Reordenando para despejar f(x): ec.1

Pero f(x)=f
1
(x) es un polinomio de interpolacin de
1er orden.

el trmino [ f(X
1
) - f(X
0
) ] / (X
1
X
0
) es una aproximacin de diferencias divididas finitas a la
primera derivada.
En general, entre ms pequeo sea el intervalo entre los puntos, ms exacta ser la
aproximacin.

(hacer un ejemplo de excel, llamarlo aprox_polinom.xls, luego programarlo en la misma hoja)

Interpolacin cuadrtica
El error en el ejemplo anterior se debe a que se aproxima a una curva mediante una lnea
recta. Una estrategia que mejora la aproximacin es introducir cierta curvatura en la lnea
que conecta a los puntos. Si se dispone de tres puntos se puede llevar a cabo con un
polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola). Una manera
conveniente para este caso es:

ec.2



agrupando trminos: ec.3
en donde:

(el manejo matemtico lo pueden ver en referencias bibliogrficas)






El polinomio de segundo grado que une a los tres puntos.
Se puede usar un procedimiento simple para determinar los valores de los coeficientes.
Para b
0
, con X = X
0
, se obtiene b
0
= f(X
0
)
f(x
1
)
f(x
0
)
f(x)
x
1
x
0
x
x
f(x)

7 /metodosnumericosfq@yahoo.com.mx


evaluando en X = X1:



se evala en X = X2 y se obtiene:
Al igual que en el caso de interpolacin
lineal, b
1
representa la pendiente de la lnea que une los puntos X
0
y X
1
.
El ltimo trmino, b
2
(X-X
0
)(X-X
1
), introduce la curvatura de segundo orden en la frmula.

Una vez calculadas las b
0
, b
1
, b
2
, la usamos para encontrar los coeficientes de la ecuacin
para poder conocer f(x).


Forma de interpolacin polinomial por ecuaciones simultneas lineales.
Dados n+1 puntos como:



f0=a
0
+a
1
x
0
+a
2
2
0
x + a
3
3
0
x +...+ a
n
0
n
x
f0=a
0
+a
1
x
1
+a
2
2
1
x + a
3
3
1
x +...+ a
n
1
n
x
f0=a
0
+a
2
x
2
+a
2
2
2
x + a
3
3
2
x +...+ a
n
2
n
x

fn=a
0
+a
1
x
n
+a
2
2
n
x + a
3
3
n
x +...+ a
n
n
n
x

Este sistema se puede resolver por ecuaciones simultneas por medio de un programa
computacional.

El polinomio de orden N que pasa por los puntos N+1 se puede escribir en una serie de
potencias como: p(x)= a
0
+a
1
x+a
2
x
2
+a
3
x
3
++a
n
x
n

Donde a
i
son coeficientes, el ajuste de la serie de potencia a los N+1 datos da un sistema de
ecuaciones lineales (encontrados anteriormente)

Interpolacin de Lagrange

Teorema (ver ms adelante).
En el mtodo de Lagrange, se utiliza una ecuacin que aunque se va alargando conforme
ms puntos se quieran unir, es siempre del mismo tamao y de la misma forma por lo que
una de sus ventajas es que es ms claro y fcil de hacer.

Primero se deben tener ya los puntos que se quieren interpolar:

Como se requiere encontrar una curva que pase por todos los datos, se
busca un polinomio que lo represente. Comenzando por el ms simple un
polinomio de grado 0, n=0, su ecuacin ser p(x)=y
0
, este ser par un valor
de x o un nodo.

x0 x1 x2
...
xn
f0 f1 f2
...
fn
x0 x1 x2
...
xn
f(x0) f(x1) f(x2)
...
f(xn)
<>
.
.
.


8 /metodosnumericosfq@yahoo.com.mx

Cuando n=1 o de primer grado, se sabe que una lnea recta puede pasar por dos puntos, con
una funcin lineal se puede resolver
( )
0 1 0 1
0 1 0 0
0 1 1 0 1 0
( )
x x y y x x
p x y y y x x
x x x x x x
| | | | | |
= + = +
| | |

\ . \ . \ .

b + m x =

La ecuacin de Lagrange se comienza por el primer punto o sea x
0
de referencia.

Donde g(x)=P(x), para un polinomio de 1er grado se puede escribir:
ec.4

a
0
y a
1
son los coeficientes, y para encontrar el valor se hace x=x
0
en la ecuacin anterior



que al despejar a
0
da:
ec.5

Para hallar el valor de a
1
, se sustituye el valor de x=x
1
en la ec.4 queda:
ec.6


de modo que al juntar ec.5 y ec.6 en la ec.4 queda:
ec.7


donde y

en forma compacta tenemos:
ec.8

De igual manera, un polinomio de segundo grado (ecuacin de una parbola) puede
escribirse:
ec.9

Los clculos para encontrar a0, a1, a2 se encuentran sustituyendo x=c0, x=x1 y x=x2,
respectivamente en la ecuacin 9, para obtener:










) ( ) ( ) (
0 1 1 0
x x a x x a x p + =
0 0
0
0 1 0 1
( ) ( ) p x f x
a
x x x x
= =

1 1
1
1 0 1 0
( ) ( ) p x f x
a
x x x x
= =

( ) ( )
0 1
1 1 0
0 1 1 0
( ) ( )
( )
f x f x
p x x x x x
x x x x
= +

0 0 1 1
( ) ( ) ( ) ( ) ( ) p x L x f x L x f x = +
1
0
0 1
( )
x x
L x
x x

0
1
1 0
( )
x x
L x
x x

2 0 1 2 1 0 2 2 0
( ) ( )( ) ( )( ) ( )( 1) P x a x x x x a x x x x a x x x = + +
( )( )
( )( )
( )( )
0
0
0 1 0 2
1
1
1 0 1 2
2
2
2 0 2 1
( )
( )
( )
f x
a
x x x x
f x
a
x x x x
f x
a
x x x x
=

=

=

( )( )
( )( )
( )( )
1 2
0
0 1 0 2
0 2
1
1 0 1 2
0 1
2
2 0 2 1
( )( )
( )
( )( )
( )
( )( )
( )
x x x x
L x
x x x x
x x x x
L x
x x x x
x x x x
L x
x x x x

=


=


=

0 0 0 1 1 0 0
0 0 0 1
( ) ( ) ( )
( ) ( )
p x a x x a x x
p x a x x
= +
=

9 /metodosnumericosfq@yahoo.com.mx

ec.10

Ahora para un polinomio de tercer grado desarrollado tenemos
ec.11

Por lo que la frmula de interpolacin de Lagrange de orden n queda como sigue:










Theorem ( Lagrange Polynomial ). Assume that and for
are distinct values. Then
,

where is a polynomial that can be used to approximate ,

and we write .
The Lagrange polynomial goes through the points , i.e.

for .

The remainder term has the form
,

for some value that lies in the interval
. http://math.fullerton.edu/mathews/n2003/LagrangePolyMod.html

Polinomio de Newton:

En comparacin con este mtodo Lagrange tiene sus desventajas:
- La cantidad de clculos para una interpolacin es grande
- La interpolacin para otro valor de x necesita la misma cantidad de clculos adicionales
- La evaluacin del error no es fcil.

Newton hace frente a estas desventajas, ya que es un mtodo predictor-corrector (hacia
delante y hacia atrs)
1 2 3 0 2 3 0 1 3 0 1 2
3 0 1 2 3
0 1 0 2 0 3 1 0 1 2 1 3 2 0 2 1 2 3 3 0 3 1 3 2
( )( )( ) ( )( )( ) ( )( )( ) ( )( )( )
( ) ( ) ( ) ( ) ( )
( )( )( ) ( )( )( ) ( )( )( ) ( )( )( )
x x x x x x x x x x x x x x x x x x x x x x x x
P x f x f x f x f x
x x x x x x x x x x x x x x x x x x x x x x x x

= + + +

1 2
0
0 1 0 2 0
0 2
1
1 0 2
0 1 1
0 1 1
( )( )...( )
( ) ( )
( )( )...( )
( )( )...( )
+
( )( )...( )

( )( )...( )
+
( )( )...( )
n
n
n
n
i i n
n
n
n n n n
x x x x x x
p x g x f
x x x x x x
x x x x x x
f
x x x x x x
x x x x x x
f
x x x x x x

= =





0 0 1 1 2 2
( ) ( ) ( ) ( ) ( ) ( ) ( ) p x L x f x L x f x L x f x = + +

10 /metodosnumericosfq@yahoo.com.mx


ver clase_diferencias_divididas.ppt

Frmula general de la interpolacin de polinomios, con diferencias divididas

Todo lo anterior se puede generalizar en el ajuste de un polinomio de n-simo orden a los
n+1 puntos. El polinomio de n-simo orden es:



Como se hizo anteriormente con las interpolaciones lineales y cuadrticas, se usan los
puntos en la evaluacin de los coeficientes b
0
, b
1
, ... , b
n
.
Se requieren n + 1 puntos para obtener un polinomio de n-simo orden: X
0
, X
1
, ... , X
n
.
Usando estos datos, con las ecuaciones siguientes se evalan los coeficientes:

b0 = f (X0)
b1 = f [X1, X0]
b2 = f [X2, X1, X0]

bn = f [X n, Xn-1, ..., X1, X0]

En donde las evaluaciones de la funcin entre corchetes son diferencias divididas finitas.
Por ejemplo, la primera diferencia finita dividida se representa generalmente como:





La segunda diferencia finita dividida, que representa la diferencia de dos primeras diferencias
finitas divididas, se expresa generalmente como:





Entonces, la n-sima diferencia finita dividida es:

Estas diferencias se usan para evaluar los coeficientes b
0
, b
1
, b
2
, ...b
n
, los cuales se
sustituyen en la ecuacin f
n
(x), para obtener el polinomio de interpolacin:

f
n
(X) = f(X
0
) + (X-X
0
) f[X
1
, X0] + (X-X
0
)(X-X
1
) f[X
2
, X
1
, X
0
] +...+ (X-X
0
)(X-X
1
)...(X-X
n-1
)
f[X
n
,
Xn-1
,...,X
1
, X
0
]

A esta se le llama Polinomio de Interpolacin con Diferencias Divididas de Newton.

11 /metodosnumericosfq@yahoo.com.mx

Se debe notar que no es necesario que los datos usados en la ecuacin estn igualmente
espaciados o que los valores de la abscisa necesariamente se encuentren en orden
ascendente.

Todas las diferencias pueden arreglarse en una tabla de diferencias divididas, en donde cada
diferencia se indica entre los elementos que la producen:

i Xi f(Xi) Primera Segunda Tercera
0 X0 f(X0) f[X1, X0] f[X2, X1, X0] f[X3, X2, X1, X0]
1 X1 f(X1) f[X2, X1] f[X3, X2, X1]
2 X2 f(X2) f[X3,X2]
3 X3 f(X3)


Ntese que la estructura de la ecuacin anterior es similar a la expresin de la serie de
Taylor en el sentido de que los trminos agregados secuencialmente consideran el
comportamiento de orden superior de la funcin representada. Estos trminos son
diferencias finitas divididas, y por lo tanto, representan aproximaciones a las derivadas de
orden superior.
Como sucede con la serie de Taylor, si la funcin representativa es un polinomio de n-simo
orden, el polinomio interpolante de n-simo orden bajado en n + 1 llevar a resultados
exactos.
El error por truncamiento de la serie de Taylor es:

en donde es un punto cualquiera dentro del intervalo [X
i
, X
i+1
], puede usar la funcin
random o funcin aleatoria en computacin. Una relacin anloga del error en un polinomio
interpolante de n-simo orden est dado por:



Para el uso de esta frmula, la funcin en cuestin debe ser conocida y diferenciable. Y
usualmente este no es el caso.

Afortunadamente existe una frmula alternativa que no requiere conocimiento previo de la
funcin. Entonces se usa una diferencia finita dividida que aproxima la [n+1]-sima derivada:
R
n
= f [X, X
n
,
Xn-1
, ... , X
1
, X
0
][X-X
0
][X-X
1
]..[X-X
n
]

en donde f[X, X
n
, X
n-1
, ... , X
0
] es la [n+1]-sima diferencia dividida.


12 /metodosnumericosfq@yahoo.com.mx

La ltima ecuacin contiene la incognita f[X], sta no se puede resolver y obtener el error.
Sin embargo, si se dispone de un dato adicional f[X
n+1
], la ecuacin da una aproximacin del
error como:

,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
EJEMPLO
Usando la siguiente tabla de datos, calclese ln 2 con un polinomio de interpolacin de
Newton con diferencias divididas de tercer orden:
X f[X]
1 0.000 0000
4 1.386 2944
6 1.791 7595
5 1.609 4379
SOLUCIN:
El polinomio de tercer orden con n = 3, es.

Las primeras diferencias divididas del problema son:



Las segundas diferencias divididas son:

13 /metodosnumericosfq@yahoo.com.mx



La tercera diferencia dividida es:

Los resultados para f[X1, X0], f[X2, X1, X0] y f[X3, X2, X1, X0] representan los
coeficientes b
1
, b
2
y b
3
Junto con b
0
= f [X
0
] = 0.0, la ecuacin da:
f 3 [X] = 0 + 0.46209813 [X-1] - 0.0518731 [X-1][X-4] + 0.0078655415 [X-1][X-4][X-6]


Arreglando la tabla de diferencias
X f [X] f 1 [ ] f 2 [ ] f 3 [ ]
1.0 0.00000000 0.46209813 - 0.051873116 0.0078655415
4.0 1.3862944 0.20273255 - 0.020410950
6.0 1.7917595 0.18232160
5.0 1.6094379
Con la ecuacin anterior se puede evaluar para X = 2
f 3 [2] = 0.62876869
lo que representa un error relativo porcentual del e% = 9.3%.
:::::::::::::::::::::::::::::::::::::::


14 /metodosnumericosfq@yahoo.com.mx

Como hemos visto la interpolacin polinomial se puede expresar en varias formas
alternativas, como las series de potencias, la interpolacin de Lagrange y la interpolacin de
Newton hacia atrs y hacia delante.

Lagrange es un mtodo para determinar una interpolacin sin resolver ec. Lineales.

Ver apuntes



Ejercicio, usando excel o lenguaje de programacin.

Dados los datos
x 1 2 2.5 3 4 5
f(x) 1 5 7 8 2 1

a) calcule f(3.4) mediante polinomios de interpolacin de Newton de orden 1 a 3. Escoja la
secuencia de puntos para su estimacin con el fin de obtener la mejor exactitud posible.

b) utilice la ecuacin Rn para estimar el error en cada prediccin, (ver el ejemplo 18.4 del
captulo 18, Chapra)

c) calcule f(3.4) encontrando el grado del polinomio usando diferencias divididas finitas hacia
adelante.

d) calcule f(3.4) encontrando el grado del polinomio usando diferencias divididas finitas hacia
atrs.

e) calcule f(3.4) encontrando el grado del polinomio usando diferencias divididas finitas
centrales (con tendencia central).

ejercicio de repaso:

f) calcule f(3.4) mediante interpolacin simple, interpolacin cuadrtica e interpolacin cbica,
y calcule el error relativo para cada una de las interpolaciones

g) calcule f(3.4) utilice la interpolacin de Lagrange de primer y segundo orden

h) compare las interpolaciones anteriores en una tabla e interprete sus resultados:

Tipo de interpolacin f(3.4)

Bibliografa: Chapra, Nieves, Burden, Cheney
Davis, P.J., "Interpolation and Approximation", Dover, New York (1975).
Rivlin, T.J., "An Introduction to the Approximation of Functions", Dover, New York
(1981).
Stoer, J.; Bulirsch, R., "Introduction to Numerical Analysis", Springer-Verlag, New
York (1980).

15 /metodosnumericosfq@yahoo.com.mx



ECUACIONES NO LINEALES
M biseccin (ver html)




Error Absoluto


para n1 . Esto nos permite tener una idea de qu tan cerca estamos de la solucin real,
incluso podemos usar esto para estimar el nmero de iteraciones necesarias para alcanzar
una precisin dada.
La implementacin de este algoritmo con Excel es muy sencilla, como veremos.

bi secci n(a,b,n)
i =0
i <=n
a1=a
b1=b
m1=(a1+b1)/2
f(m1)<>0
f(m1)f(b1)<0
a2=m1
a2=a1
f(m1)f(a1)<0
b2=m1
b2=b1
Si
si
Si
No
Si
No
i =i +1
No
ci cl o
whi l e_do
m=m1
retornar