INSTITUTO TECNOLGICO SUPERIOR DE COATZACOALCOS

Ingeniera sistemas computacionales Nombre del Alumno: MORA DIAZ ALEJANDRA Apellido Paterno Apellido Materno Nombre(s)

PORTAFOLIO DE EVIDENCIASAsignaturaMtodos NumricosClave de la asignatura: SCC-1017

No. Control:13081028Semestre:4Grupo:A

Nombre del Docente: Blanquet Escobar Landy MTODOS NUMERICOSMETODOS NUMERICOS Apellido Paterno Apellido Materno Nombre(s7 | PginaMORA DIAZ ALEJANDRA16 | Pgina16MORA DIAZ ALEJANDRA

CONTENIDOMETODOS NUMERICOS

Diagnstico de la asignaturaPg. 04

ObjetivoPag.06

Planeacin e InstrumentacinPag.07

TemarioPag.08

Evidencias desarrolladas por el alumnoPag.09

Unidad 5: Introduccin de interpolacinPag.11

5.1 Polinomio de interpolacin de Newton.Pg.11

5.2 Polinomio de interpolacin de LaGrange.Pag.14

5.3 Interpolacin segmentada.Pag.17

5.4 Problemas de aplicacin (Aplicaciones)Pag.19

CONCLUSIONPag.20

Control de avance y reporte de evaluacin finalPag.21

Reporte de evaluacinPag.22

Bibliografa Pag.23

DIAGNSTICO DE LA ASIGNATURA_______________________________________

DATOS DE LAS ASIGNATURANOMBRE DE LA ASIGNATURA:METODOS NUMERICOS

CARRERA:INGENIERIA EN SISTEMAS COMPUTACIONALES

CLAVE DE LA ASIGNATURA:SCC-1017

(CREDITOS)SATCAT2-2-4

OBJETIVOOBJETIVO(S) GENERAL(ES) DEL CURSO (competencias especficas a desarrollar en el curso).

Conocer, comprender y aplicar mtodos numricos para resolver problemas de la ingeniera y cientficos mediante el uso de computadoras.

PLANEACIN E INSTRUMENTACIN _______________________________________

TEMARIOUNIDADESTEMASSUBTEMAS

1Introduccin a los mtodos numricos1.1 Importancia de los mtodos numricos. 1.2 Conceptos bsicos: cifra significativa, precisin, exactitud, incertidumbre y sesgo. 1.3 Tipos de errores.1.4 Software de cmputo numrico. 1.5 Mtodos iterativos.

2Mtodos de solucin de ecuaciones2.1 Mtodos de intervalo.2.2 Mtodo de biseccin. 2.3 Mtodo de aproximaciones sucesivas.2.4 Mtodos de interpolacin.2.5 Aplicaciones.

3Mtodos de solucin de sistemas de ecuaciones.3.1 Mtodos iterativos.3.2 Sistemas de ecuaciones no lineales. 3.3 Iteracin y convergencia de sistemas de ecuaciones.3.4 Aplicaciones.

4Diferenciacin e integracin numrica4.1 Diferenciacin numrica.4.2 Integracin numrica. 4.3 Integracin mltiple.4.4 Aplicaciones.

5Interpolacin5.1 Polinomio de interpolacin de Newton.5.2 Polinomio de interpolacin de LaGrange.5.3 Interpolacin segmentada. 5.4 Problemas de aplicacin.

6Solucin de ecuaciones diferenciales6.1 Mtodos de un paso.6.2 Mtodo de pasos mltiples.6.3 Sistemas de ecuaciones diferenciales ordinarias.6.4 Aplicaciones.

EVIDENCIAS DESARROLLADAS POR EL ALUMNO_______________________________________

Nombre del Alumno: MORA DIAZ ALEJANDRA Apellido Paterno Apellido Materno Nombre(s)

Clave de la asignatura: SCC-1017

INSTITUTO TECNOLOGICO SUPERIOR DE COATZACOALCOS UNIDAD5INTERPOLACION

Unidad V: Interpolacin 5 Introduccin a la interpolacin. En este captulo estudiaremos el importantsimo tema de la interpolacin de datos. Veremos dos tipos de interpolacin: la interpolacin polinomial y la interpolacin segmentaria (splines).Comencemos dando la definicin general.

5.1 Polinomio de interpolacin de Newton Utilizar la matriz de Vandermonde para muchos nodos no es muy buena idea ya que el tiempo de clculo para matrices grandes es excesivo. Es mucho ms sencillo utilizar el mtodo clsico de las diferencias divididas de Newton. Recordemos su definicin, para dos nodos, se llama diferencia dividida de orden uno a:

Mientras que la diferencia dividida de orden n se obtiene por recurrencia a partir de las anteriores como:

El polinomio de Newton en diferencias divididas es entonces: p(x)=f[x0]+(x-x0) f[x0,x1]+ (x-x0)(x-x1) f[x0,x1]+ +(x-x0)(x-x1) (x-xn-1) f[x0,x1, ... , xn] El polinomio de interpolacin con diferencias divididas de Newton, entre otros es la forma ms popular adems de las ms til. Interpolacin Lineal La forma ms simple de interpolar es la de conectar dos puntos con una lnea recta. Este mtodo, llamado interpolacin lineal, se muestra en la figura:

Usando tringulos semejantes, se tiene:

Se puede reordenar como:

La cual es una frmula de interpolacin lineal. La notacin f 1(X) indica que se trata de un polinomio de interpolacin de primer orden. Ntese que adems de representar la pendiente de la linera que conecta los dos puntos, el termino

Es una aproximacin de diferencias divididas finitas a la primera derivada. En general, entre ms pequeo sea el intervalo entre dos puntos, ms exacta ser la aproximacin. Interpolacin Cuadrtica Una estrategia que mejora la aproximacin es la introducir cierta curvatura en la lnea que conecta a los puntos. Si se dispone de tres datos, lo anterior se puede llevar a cabo con un polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para este caso es:

Ntese que aunque la ecuacin parezca diferente de la ecuacin general de un polinomio:

Las dos ecuaciones son equivalentes. Se puede usar un procedimiento simple para determinar los valores de los coeficientes. Parbola, se usa la ecuacin con X=X0 y se obtiene. Sustituyendo la ecuacin y evaluando en X=X1 se obtiene:

Y por ltimo las ecuaciones se sustituyen en la ecuacin y se evala est en X=X2 y se obtiene:

Ntese que, al igual que en el caso de interpolacin lineal, b1 aun representa la pendiente de la lnea que une los puntos X0 y X1. Por lo tanto, los primeros dos trminos de la ecuacin [4] son equivalentes a la interpolacin de X0 a X1. El ultimo termino b2(X-X0) (X-X1), introduce la curvatura de segundo orden de la formula. Forma general de los Polinomios de Interpolacin de Newton:

Se debe notar que no es necesario que los datos usados en la ecuacin [9] estn igualmente espaciados o que los valores de la abscisa necesariamente se encuentren en orden ascendente. Tambin ntese que las ecuaciones son recursivas, esto es las diferencias de orden superior se componen de las diferencias de orden inferior. Esta propiedad se puede aprovechar al desarrollar un programa eficiente para un computador.

5.2 Polinomio de interpolacin de Lagrange Se trata de encontrar un polinomio de grado n que pase por los puntos (x0, f(x0)), (x1, f(x1)), ... (xn, f(xn)), se construye un cociente Ln,k(xk) con la propiedad de que Ln,k(xi) = 0 cuando i k y Ln,k(xk) = 1 Se requiere entonces que el numerador contenga (x x0) (x x1)... (x xk1)(x xk+1)... (x xn) El denominador debe coincidir con el numerador cuando x = xk.

N-simo polinomio interpolante de Lagrange Teorema Si x0, x1, x2, ... xn, son n+1 nmeros distintos y si f es una funcin cuyos valores estn dados en esos nmeros, entonces existe un polinomio de grado a lo ms n, con la propiedad de que f(xk) = P(xk) para cada k = 0, 1, 2, ...n Este polinomio est dado por:

Donde

Aproximacin a 1/x con interpolantesde Lagrange Usaremos x0 = 2, x1 = 2.5 y x2 = 4, para obtener un polinomio de grado 2 para 1/x. f(x0) = 0.5, f(x1)= 0.4 y f(x2) = 0.25. Los polinomios de Lagrange son:

P((x) = 0.5*((x6.5)x+10)+0.4*((4x+24)x32)/3+ 0.25*((x + 4.5)x+5)/3 P(x) = (0.05x 0.425)x + 1.15 = 0.05x2 0.425x + 1.15 f(3) = P(3) = 0.325 P(x) = (0.05x 0.425)x + 1.15 f(3) = P(3) = 0.325

5.3 Interpolacin segmentada Esta interpolacin se llama interpolacin segmentaria o interpolacin por splines. La idea central es que en vez de usar un solo polinomio para interpolar los datos, podemos usar segmentos de polinomios y unirlos adecuadamente para formar nuestra interpolacin. Cabe mencionar que entre todas, las splines cbicas han resultado ser las ms adecuadas para aplicaciones como la mencionada anteriormente. As pues, podemos decir de manera informal, que una funcin splines est formada por varios polinomios, cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones de continuidad. Interpolacin Segmentaria Lineal Este es el caso ms sencillo. En l, vamos a interpolar una funcin f(x) de la que se nos dan un nmero N de pares (x,f(x)) por los que tendr que pasar nuestra funcin polinmica P(x). Esta serie de funciones nuestras van a ser lineales, esto es, con grado 1: de la forma P(x) = ax + b. Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un total de (N-1) funciones, hacindolas pasar obligatoriamente por los puntos que van a determinarlas, es decir, la funcin P(x) ser el conjunto de segmentos que unen nodos consecutivos; es por ello que nuestra funcin ser continua en dichos puntos, pero no derivable en general. Interpolacin Segmentaria Cuadrtica En este caso, los polinomios P(x) a travs de los que construimos el Spline tienen grado 2. Esto quiere decir, que va a tener la forma P(x) = ax + bx + c Como en la interpolacin segmentaria lineal, vamos a tener N-1 ecuaciones (donde N son los puntos sobre los que se define la funcin). La interpolacin cuadrtica nos va a asegurar que la funcin que nosotros generemos a trozos con los distintos P(x) va a ser continua, ya que para sacar las condiciones que ajusten el polinomio, vamos a determinar como condiciones: Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de estos puntos. Que la derivada en un punto siempre coincida para ambos "lados" de la funcin definida a trozos que pasa por tal punto comn. Esto sin embargo no es suficiente, y necesitamos una condicin ms. Por qu?. Tenemos 3 incgnitas por cada P(x). En un caso sencillo con f(x) definida en tres puntos y dos ecuaciones P(x) para aproximarla, vamos a tener seis incgnitas en total. Para resolver esto necesitaramos seis ecuaciones, pero vamos a tener tan slo cinco: cuatro que igualan el P(x) con el valor de f(x) en ese punto (dos por cada intervalo), y la quinta al igualar la derivada en el punto comn a las dos P(x). Se necesita una sexta ecuacin, de dnde se extrae? Esto suele hacerse con el valor de la derivada en algn punto, al que se fuerza uno de los P(x). Interpolacin Segmentaria Cbica En este caso, cada polinomio P(x) a travs del que construimos los Splines en [m,n] tiene grado 3. Esto quiere decir, que va a tener la forma P(x) = ax + bx + cx + d En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una nueva condicin para cada punto comn a dos intervalos, respecto a la derivada segunda: Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de estos puntos. Que la derivada en un punto siempre coincida para ambos "lados" de la funcin definida a trozos que pasa por tal punto comn. Que la derivada segunda en un punto siempre coincida para ambos "lados" de la funcin definida a trozos que pasa por tal punto comn. Como puede deducirse al compararlo con el caso de splines cuadrticos, ahora no nos va a faltar una sino dos ecuaciones (condiciones) para el nmero de incgnitas que tenemos. La forma de solucionar esto, determina el carcter de los splines cbicos. As, podemos usar: Splines cbicos naturales: La forma ms tpica. La derivada segunda de P se hace 0 para el primer y ltimo punto sobre el que est definido el conjunto de Splines, esto son, los puntos m y n en el intervalo [m,n]. Dar los valores de la derivada segunda de m y n de forma "manual", en el conjunto de splines definidos en el intervalo [m,n]. Hacer iguales los valores de la derivada segunda de m y n en el conjunto de splines definidos en el intervalo [m,n].

5.4 Aplicaciones Otras aplicaciones son Interpolacin conjunta de campos de vectores y niveles de gris Supondremos en esta seccin que D es un hiperrectangulo de IRN, N 2, que representa el dominio de la imagen. Sean , dos dominios abiertos y acotados de IR N cuya frontera es Lipschitziana y supongamos que e D. Para simplificar la presentacin supondremos que no toca a la frontera de D. Definimos B:= \ , conjunto al que llamaremos la banda alrededor de e . Supondremos que la imagen u0 est dada en D \ y es de variacin acotada en este e dominio. En una serie de trabajos [6, 8, 7] los autores propusieron restaurar el agujero de la imagen e utilizando tanto el nivel de gris como las tangentes (o las normales) a las curvas de nivel conocidas en B intentando prolongar las curvas de nivel de u0 hacia el interior de de acuerdo con el principio de la buena continuacin. En el contexto de la cartografa digital, se plantea el problema de la reconstruccin de un modelo digital de elevacin de terreno a partir de una familia de sus curvas de nivel. Las curvas de nivel seleccionadas son generalmente representativas de la elevacin real y es poco probable que oscilaciones importantes de los datos no hayan sido reflejadas por las mismas. Ello implica que los mtodos de interpolacin razonables no deben crear oscilaciones artificiales entre las curvas de nivel dadas. Uno de los mtodos ms simples de interpolacin entre curvas de nivel para las que conocemos su altura es la solucin de la ecuacin de Laplace u := uxx + uyy = 0

CONCLUSION

En este trabajo se ha propuesto implementar dos mtodos de interpolacin. En la interpolacin vimos dos tipos de interpolacin: la interpolacin polinomial y la interpolacin segmentaria (splines). Interpolacin Lineal la forma ms simple de interpolar es la de conectar dos puntos con una lnea recta, Interpolacin Cuadrtica se dispone de tres datos, lo anterior se puede llevar a cabo con un polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola) y esta interpolacin se llama interpolacin segmentaria o interpolacin por splines. La idea central es que en vez de usar un solo polinomio para interpolar los datos.

CONTROL DE AVANCE Y REPORTE DE EVALUACIN FINAL _______________________________________

NOMBRE DEL ALUMNO: Mora Diaz AlejandraGRADO Y GRUPO: 4 A

CONTROL DE AVANCE

UnidadCalificacinObservacionesFirma

Reporte Final

PromedioObservacionesJuicio de Evaluacin

Re-Alimentacin del Proceso

Nombre y Firma del Docente

BIBLIOGRAFIA

Chapra, S.C. y R.P. Canale, Numerical Methods for Engineers with Personal Computers, McGraw-Hill, Nueva York, N.Y., 1985.