UNIVERSIDAD AUTÓNOMA AGRARIA ANTONIO NARRO Unidad Laguna Apuntes: Métodos Numéricos Autor: MC. Edgardo Cervantes Alvarez Enero 2015 1 CONTENIDO PROGRAMATICO DE LA MATERIA: ANÁLISIS NUMERICO I.-INTRODUCCION 1.1Repaso de Cálculo Diferencial e Integral 1.2 Definición de matrices 1.3 Operaciones con matrices 1.4 Determinante de una matriz 1.5 Sucesiones y series 1.6 Tipos de errores 1.7 Ejercicios II.-SISTEMAS DE ECUACIONES ALGEBRAICAS LINEALES 2.1 Método de solución de Cramer 2.2 Método de Matriz Inversa 2.3 Ejercicios III.-ECUACIONES ALGEBRAICAS NO LINEALES 3.1 Método de bisección 3.2 Método de Newton-Raphson 3.3 Ejercicios IV.-DIFERENCIACION E INTEGRACIÓN 4.1 Diferenciación numérica 4.2 Integración numérica: a) Método trapezoidal b) Método de Simpson 4.3 Ejercicios V.-AJUSTE DE MODELOS 5.1 Mínimos Cuadrados 5.2 Interpolación de Lagrange 5.3 Ejercicios VI.-SISTEMA DE ECUACIONES ALGEBRAICAS NO LINEALES 6.1 Método de Newton 6.2 Ejercicios 2 FORMA DE EVALUACIÓN: 1.-Tareas = 25 % 2.-Participación en clase = 5 % 3.-Consulta complementaria en Internet = 10 % 4.-Exámenes = 60 % 4.-Elaboración y entrega de Programas = 10 % REQUISITOS PARA APROBAR EL CURSO: 1.-Asistir a clases mínimo el 85% 2.-Su promedio debe ser mayor o igual a 70. BIBLIOGRAFÍA 1.-“ANALISIS NUMERICO” Richard L. Burden J. Douglas Faires Sexta Edición, 1998 International Thomson Editores 2.- “MÉTODOS NUMÉRICOS APLICADOS A LA INGENIERIA” Terrence J. Akai Primera Edición, 1999 Editorial Limusa Maestro: MC. Edgardo Cervantes Alvarez 3 y=x4+x3-3x2-3x+1 d c a b e g f DE ACUERDO CON LA GRAFICA, DETERMINAR: a) b) c) d) e) Determinar los valores de a,b,c,d,e,f, g Intervalo donde es creciente Intervalo donde es decreciente Intervalo donde es cóncava hacia arriba Intervalo donde es cóncava hacia abajo 4 1.2 Definición de matrices Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones en el campo de la física. MATRICES Una matriz es una tabla ordenada de escalares ai j de la forma La matriz anterior se denota también por (ai j ), i =1, ..., m, j =1, ..., n, o simplemente por (ai j ). Los términos horizontales son las filas de la matriz y los verticales son sus columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n. Las matrices se denotarán usualmente por letras mayúsculas, A, B, ..., y los elementos de las mismas por minúsculas, a, b, ... Ejemplo: donde sus filas son (1, -3, 4) y (0, 5, -2) y sus CLASES DE MATRICES Según el aspecto de las matrices, éstas pueden clasificarse en: Matrices cuadradas Una matriz cuadrada es la que tiene el mismo número de filas que de columnas. Se dice que una matriz cuadrada n n es de orden n y se denomina matriz n-cuadrada. Ejemplo: Sean las matrices Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. Matriz identidad Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A consiste en los elementos a11, a22, ..., ann. 5 La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier otra posición, denotada por I, se conoce como matriz identidad (o unidad). Para cualquier matriz A, A· I = I ·A = A. Matrices triangulares Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una matriz triangular, si todas las entradas bajo la diagonal principal son iguales a cero. Así pues, las matrices son matrices triangulares superiores de órdenes 2, 3 y 4. Matrices diagonales Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo, son matrices diagonales que pueden representarse, respectivamente, por diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1). Traspuesta de una matriz La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por AT. Así, la traspuesta de En otras palabras, si A = (ai j ) es una matriz m n, entonces AT = es la matriz n m. La trasposición de una matriz cumple las siguientes propiedades: 1. (A + B)T = AT + BT. 2. (AT)T = A. 3. (kA)T = kAT (si k es un escalar). 4. (AB)T = BTAT. Matrices simétricas Se dice que una matriz real es simétrica, si AT = A; y que es antisimétrica, si AT = -A. 6 Ejemplo: Consideremos las siguientes matrices: Podemos observar que los elementos simétricos de A son iguales, o que AT = A. Siendo así, A es simétrica. Para B los elementos simétricos son opuestos entre sí, de este modo B es antisimétrica. A simple vista, C no es cuadrada; en consecuencia, no es ni simétrica ni antisimétrica. Matrices ortogonales Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-1 = AT. Consideremos una matriz 3 3 arbitraria: Si A es ortogonal, entonces: Matrices normales Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA. Obviamente, si A es simétrica, antisimétrica u ortogonal, es necesariamente normal. Ejemplo: Puesto que AAT = ATA, la matriz es normal. 1.3 Operaciones con matrices Suma y resta de matrices Para poder sumar o restar matrices, éstas deben tener el mismo número de filas y de columnas. Es decir, si una matriz es de orden 3 2 y otra de 3 3, no se pueden sumar ni restar. Esto es así ya que, tanto para la suma como 7 para la resta, se suman o se restan los términos que ocupan el mismo lugar en las matrices. Ejemplo: Para sumar o restar más de dos matrices se procede igual. No necesariamente para poder sumar o restar matrices, éstas tienen que ser cuadradas. Ejemplo: Producto de matrices Para poder multiplicar dos matrices, la primera debe tener el mismo número de columnas que filas la segunda. La matriz resultante del producto quedará con el mismo número de filas de la primera y con el mismo número de columnas de la segunda. Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5, la matriz resultante será de orden 2 5. (2 3) (3 5) = (2 5) Se puede observar que el producto de matrices no cumple la propiedad conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por la primera, no podríamos efectuar la operación. 3 5 por 2 3, puesto que la primera matriz no tiene el mismo número de columnas que filas la segunda. 8 1.4 DETERMINANTES A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), | A | o Una tabla ordenada n n de escalares situada entre dos líneas verticales, llamada determinante de orden n, no es una matriz. La función determinante apareció por primera vez en el estudio de los sistemas de ecuaciones lineales. Veremos que es una herramienta indispensable en el estudio y obtención de éstas. DETERMINANTES DE ORDEN UNO Y DOS Los determinantes de orden uno y dos se definen como sigue: = a11 Así, el determinante de una matriz 1 1 A = (a11) es el propio escalar a11, es decir, det (A) = |a11| = a11. Ejemplos: a) Dado que el determinante de orden uno es el mismo escalar, tenemos det (24) = 24, det(-3) = -3, det (3x+5) = 3x+5. b) DETERMINANTES DE ORDEN TRES Consideremos una matriz 3 3 arbitraria A = (ai j ). El determinante de A se define como sigue: a12a21a33 - a32a23a11 Obsérvese que hay seis productos, cada uno formado por tres elementos de la matriz. Tres de los productos aparecen con signo positivo (conservan su signo) y tres con signo negativo (cambian su signo). Para calcular los determinantes de orden tres, el siguiente diagrama puede ayudar a resolverlos: 9 Ejemplo: Calcular el valor del determinante: = 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63 El determinante de la matriz 3 3 A = (ai j ) puede reescribirse como: det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 a22a31) = que es una combinación lineal de tres determinantes de orden dos, cuyos coeficientes (con signos alternantes) constituyen la primera fila de la matriz dada. Esta combinación lineal puede indicarse de la forma siguiente: Nótese que cada matriz 2 2 se obtiene suprimiendo en la matriz inicial la fila y la columna que contienen su coeficiente. 10 1.5 Sucesiones y Series n n 1.- i 1 2 3 4...n (n 1) 2 i 1 n 2.- i 1 2 3 4 ... n 2 2 2 2 2 2 i 1 n (n 1)(2n 1) 6 2 n 3.- i 1 2 3 ... n n (n1) 4 3 3 3 3 2 3 i 1 00 i 2 3 4 5 4.- e = x 1 x x x x x ... i! 2! 3! 4! 5! x i 0 2i 1 00 5.- 3 5 7 3 5 7 9 x -1 Ln( x) 2 * 2zi 1 2 *(z z3 z5 z7 z9 ..., donde z = x +1 i 0 00 2i 1 9 11 x x x x . x ..., donde x en radianes 6.-Sen(x)= (1) x x (2i 1)! 3! 5! 7! 9! 11! i i 0 00 2i 2 4 6 8 10 7.-Cos(x)= (1) x 1 x x x x . x ..., donde x en radianes (2i )! 2! 4! 6! 8! 10! i i 0 11 2.5 METODO DE DESCOMPOSICIÓN L-U GUIA PARA RESOLVER UN SISTEMA DE ECUACIONES LINEALES POR METODO DE DESCOMPOSICIÓN – LU : SEA EL SISTEMA (1) AX=B PASO 1.Factorizar A=LU PASO 2.- Se sustituye A = L U , en la ecuación (1) y nos queda: (2) LUX=B PASO 3.Sea U X = Y ; se sustituye en la ecuación (2) y nos queda: LY=B ; se resuelve para “Y” utilizando el método de Gauss PASO 4.Con los valores obtenidos de “Y” en el paso anterior se resuelve la ecuación U X = Y , para “X” por método de Gauss. Estos valores de “X” son la solución al sistema original AX=B 12 III.-ECUACIONES ALGEBRAICAS NO LINEALES Muchos fenómenos de ingeniería son descritos por ecuaciones algebraicas no lineales; es por esto que se hace importante determinar las raíces de estas ecuaciones. Los métodos numéricos se usan para resolver ecuaciones algebraicas no lineales cuando las ecuaciones son intratables con técnicas matemáticas normales. Todos estos métodos numéricos son iterativos, y se pueden usar para ecuaciones que contienen una o muchas variables. Uno de los problemas básicos de la aproximación numérica, es el de la búsqueda de raíces. Consiste en obtener una raíz x de una ecuación de la forma f(x) = 0 para una función dada “f” (Al número x se le llama también cero de “f”). Este es uno de los problemas de aproximación más antiguos, y sin embargo la investigación correspondiente todavía continúa. El problema de encontrar una aproximación a la raíz de una ecuación se remonta por lo menos al año 1700 a.C. Una tabla cuneiforme que pertenece a la Yale Babylonian Collection, y que data de este período, da la aproximación de 2 . 3.1 Método de bisección Este se clasifica como un método de acotamiento. Es aplicable a ecuaciones de la forma: f(x) = 0 cuando es posible encontrar dos valores limitantes a1 y b1 tales que la función f(x) cambia de signo una vez para valores de x en el intervalo [a1, b1]. Por consiguiente, los valores limitantes acotan la raíz. El método de bisección también se denomina método de bipartición del intervalo porque la estrategia de bisectar o separar a la mitad del intervalo de a1 a b1 y luego retener el semiintervalo cuyos extremos siguen acotando la raíz. El tamaño del intervalo que contiene a la raíz se puede reducir a un valor arbitrariamente pequeño aplicando iteradamente el proceso de bisección. El proceso termina cuando el intervalo se hace menor o igual que algún valor prescrito. 13 a1 b1 OBJETIVO: Encontrar “p” tal que f(p) = 0 REQUISITOS: 1.- “f” sea continua en el intervalo [a1, b1] 2.- f(a1) . f(b1) < 0 PROCEDIMIENTO: Sea p1 = ½(a1+b1) , si f(p1) = 0 entonces p = p1 es la solución. Puede suceder que f(p1) tenga el mismo signo que f(a1) o f(p1) tenga el mismo signo que f(b1). Caso 1 Si f(p1) y f(a1) tienen el mismo signo, entonces p está en [p1, b1] y tomamos a2 = p1 y b2 = b1 , así la raíz “p” estará en el intervalo [a2, b2] Caso 2 Si f(p1) y f(a1) tienen signos opuestos, entonces p está en [a1, p1] y tomamos a2 = a1 y b2 = p1 , así la raíz “p” estará en el intervalo [a2, b2] Se vuelve aplicar el proceso al intervalo [a2, b2], hasta que f(p1) = 0 14 INICIO a1, b1 E, N f(x) No FIN encontró I=1 solución I >N I=I+1 FA1=f (a1) p1= ½(a1+b1) FP1=f (p1) F FP1 < E y b1-a1 < E V p = p1 p FA1. FP1 < 0 F a1 = p1 V b1 = p1 FIN DIAGRAMA DE FLUJO PARA ENCONTRAR “RAICES” POR METODO DE BISECCION 15 DIAGRAMA DE FLUJO PARA ENCONTRAR “RAICES” POR METODO DE NEWTON – RAPHSON INICIO p0, E, N f(x), f ’(x) No encontró FIN solución I=1 I >N I=I+1 FP0 = f(p0) DFP0 = f ’(p0) p1 = p0 – FP0 / DFP0 FP1 = f(p1) FP1 < E y p1-p0 < E p1 p0 = p1 FIN 16 DIAGRAMA DE FLUJO PARA ENCONTRAR “RAICES” POR METODO DE LA SECANTE INICIO p0, p1, E, N f(x) No encontró FIN solución I=1 I >N I=I+1 FP0 = f(p0) FP1 = f (p1) p2 = p1 – FP1* (p1-p0) / (FP1-FP0) FP2 = f(p2) FP2 < E p2 p0 = p2 FIN 17 UNIVERSIDAD AUTONOMA agraria Antonio narro ANÁLISIS NUMERICO IV.-DIFERENCIACION E INTEGRACIÓN 4.1 Diferenciación numérica La diferenciación y la integración son los dos procesos fundamentales del Cálculo. En general, uno o ambos procesos se encuentran en aplicaciones en las que los modelos están descritos en términos de razones de cambio. En principio, siempre es posible determinar una forma analítica de una derivada para una función dada. Sin embargo, en algunos casos la forma analítica es demasiado compleja, y para el objetivo buscado puede ser suficiente una aproximación numérica de la derivada. Para funciones descritas sólo en términos de datos tabulados, la diferenciación numérica es el único medio para calcular una derivada. La integración numérica se usa para integrar funciones tabuladas o funciones cuyas integrales son imposibles o muy difíciles de obtener analíticamente. lim f(x0+h) – f(x0) La derivada de la función “f” en x0 es : f ’(x0) = h---0 h Los métodos que se van a utilizar para encontrar aproximaciones de diferenciación numérica son tres: 1.- Fórmula de diferencia. 2.- Fórmula de tres puntos. 3.- Fórmula de cinco puntos. Para la deducción de las fórmulas en cada método utilizado, se aplicó Series de Taylor y polinomios de Lagrange. 1.- Fórmula de diferencia f ’(x0) = f(x0+h) – f(x0) h 2.- Fórmula de tres puntos f ’(x0) = (1/2)(1/ h) [-3 f (x0) + 4 f(x0+h) -f(x0+ 2h)] 3.- Fórmula de cinco puntos f ’(x0) = (1/12) (1/ h) [-25 f (x0) + 48 f(x0+h) –36 f(x0+ 2h) +16 f(x0+3h)-3 f(x0+4h)] 18 AREA POR METODO RECTANGULAR 30 0 x0 x1 x2 x3 xn-1 xn 19 b) AREA POR METODO TRAPEZOIDAL 30 0 x0 x1 x2 x3 xn-1 xn 20 DIAGRAMA DE FLUJO PARA ENCONTRAR EL AREA POR “METODO TRAPEZOIDAL” INICIO X0, XN, N f(x) H = ( XN-X0 ) / N FX0 = f (X0) FXN = f (XN) SUMA = 0 SUMA = SUMA + (1/2)* (FX0+FXN) I=1 AREA = H * SUMA I >N-1 AREA I=I+1 XI = X0 + I*H FIN SUMA = SUMA + f(XI) 21 EJEMPLO METODO TRAPEZOIDAL N 6 f(XI) f(X)=Raiz(X) SUMA PARCIAL ACUMULADA SUMA=SUMA+f(XI) H 1 FX0 0 SUMA AREA 1 2.414213562 4.14626437 6.14626437 8.382332347 9.607077219 9.607077 N 12 f(X)=Raiz(X) H 0.5 FX0 0 SUMA AREA SUMA PARCIAL ACUMULADA SUMA=SUMA+f(XI) 0.707107 1 1.224745 1.414214 1.581139 1.732051 1.870829 2 2.12132 2.236068 2.345208 0.707106781 1.707106781 2.931851653 4.346065215 5.927204045 7.659254853 9.530083546 11.53008355 13.65140389 15.88747187 18.23267975 SUMA 0 FXN 2.4495 SUMA 0 SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA 1 1.414214 1.732051 2 2.236068 f(XI) FXN 2.4495 SUMA=SUMA+(1/2)*(FX0+FXN) AREA=H*SUMA 19.45742462 9.728712 22 c) DIAGRAMA DE FLUJO PARA ENCONTRAR EL AREA POR “METODO SIMPSON” INICIO X0, XN, N f(x) H = ( XN-X0 ) / N FX0 = f (X0) FXN = f (XN) SUMA1 = 0 SUMA2 = 0 SUMA = (2/3)*SUMA1 + (4/3)*SUMA2 + (1/3)* (FX0+FXN) I=1 AREA = H * SUMA I=1 I > N/2 I >(N/2)-1 AREA I = I+1 I=I+1 FIN XI = X0 +(2* I -1)*H XI = X0 +2* I*H SUMA2 = SUMA2 + f(XI) SUMA1 = SUMA1 + f(XI) 23 FORMULA POR METODO DE SIMPSON: b a n ( 1) 2 h 2 4 n/2 f ( x)dx f ( x0 ) f ( x N ) h f ( x2i ) h f ( x2i 1 ) 3 3 i 1 3 i 1 EJEMPLO METODO DE SIMPSON N 6 f(XI) SUMA1 H 1 FX0 0 FXN 2.44949 XI f(XI) SUMA2 XI = X0+(2*I1)*H 1.4142 2 3.414213562 1 3 5 SUMA AREA (2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN) H*SUMA 9.716797336 9.716797 N 12 f(XI) SUMA1 1 1.732051 2.236068 4.968119 H 0.5 FX0 0 FXN 2.44949 XI f(XI) SUMA2 XI = X0+(2*I1)*H 1 1.4142 1.7321 2 2.2361 8.382332347 0.5 1.5 2.5 3.5 4.5 5.5 SUMA AREA (2/3)*SUMA1+(4/3)*SUMA2+(1/3)*(FX0+FXN) H*SUMA 19.53851468 9.769257 0.707107 1.224745 1.581139 1.870829 2.12132 2.345208 9.850347 24 V.-AJUSTE DE MODELOS 5.1 MÍNIMOS CUADRADOS El método de “Mínimos Cuadrados” consiste en determinar la mejor línea de aproximación, que minimize la suma de los errores al cuadrado, esto es, la línea que menos error tenga (que la diferencia entre los puntos y la línea recta sea lo menos posible). Para encontrar los parámetros: a, b de la línea recta y=ax+b, se utiliza el Cálculo Diferencial, obteniendo las siguientes fórmulas: a n xi yi xi yi n xi2 ( xi ) 2 x y x y x b n x ( x ) 2 i x(meses) y(miles dolares) 2 2.4 3 6 7 11 12 3.7 7.6 8 14.2 15 i 2 i i i i 2 i a= b= R2= y-estimada 1.27826962 2.30503018 -0.25150905 3.5832998 0.99484826 7.41810865 8.69637827 13.8094567 15.0877264 ESTIMACION LINEAL 16 y = 1.2783x - 0.2515 R2 = 0.9948 MILES DE DOLARES 14 12 10 8 6 4 2 0 0 2 4 6 8 10 12 14 MESES DE TRABAJO COEFICIENTE DE DETERMINACIÓN: r 2 ( xi yi x y ) i i 2 n ( xi ) 2 ( yi2 ) 2 2 ( x )( yi ) n n 2 i 25 5.2 METODO DE INTERPOLACIÓN DE LAGRANGE n f ( x ) f ( xk ) Lk ( x ) k 0 f ( x) f ( x0) Lo( x) f ( x1) L1( x) f ( x2) L2( x) f ( x3) L3( x) ... f ( xn) Ln( x) n x xj donde: Lk ( x ) xk xj j 0 donde j k Lo( x ) ( x x1)( x x 2)( x x 3)...( x xn) ( xo x1)( xo x 2)( xo x 3)...( xo xn) L1( x ) ( x xo)( x x 2)( x x 3)...( x xn) ( x1 xo)( x1 x 2)( x1 x 3)...( x1 xn) L 2( x ) ( x xo)( x x1)( x x 3)...( x xn) ( x 2 xo)( x 2 x1)( x 2 x 3)...( x 2 xn) L 3( x ) ( x xo)( x x1)( x x 2)...( x xn) ( x 3 xo)( x 3 x1)( x 3 x 2)...( x 3 xn) . . . Ln( x ) . . . ( x xo)( x x1)( x x 2)...( x xn 1) ( xn xo)( xn x1)( xn x 2)...( xn xn 1) 26 5.3 METODO DE INTERPOLACIÓN DE NEWTON n Pn( x ) f ( x 0) Ck ( x x 0)( x x1)( x x 2)...( x xk 1) k 1 n f ( xk ) Cn k 0 Ak ( xk ) n Ak ( xk ) ( xk xj ) ; j k Donde : j 0 EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ; (x1,f(x1) = (1,1) ; (x2,f(x2) = (4,2) ; (x3,f(x3) = (9,3) COMO SON CUATRO PUNTOS ENTONCES SE OBTENDRA LA FUNCION: P3(x) P 3( x ) f ( x 0) C1 * ( x x 0) C 2 * ( x x 0)( x x1) C 3 * ( x x 0)( x x1)( x x 2) 1 C1 Ak ( xk ) f ( xk ) k 0 f ( x 0) A 0( x 0) f ( x1) A1( x1) f ( x 0) ( x 0 x1) ( x1 x 0) f ( x 1) A1( x 1) f ( x 2) A2( x 2 ) f ( x1) 2 C 2 Ak ( xk ) f ( x 0) A 0( x 0) C2 ( x1 x 0)( x1 x 2 ) ( x 2 x 0)( x 2 x1) f ( xk ) k 0 f ( x 0) ( x 0 x 1)( x 0 x 2 ) f ( x 1) f ( x 2) 3 C 3 Ak ( xk ) f ( xk ) k 0 C3 f ( x 0) A 0( x 0) f ( x 0) ( x 0 x 1)( x 0 x 2 )( x 0 x 3) f ( x 1) A1( x 1) f ( x 2) A2 ( x 2 ) f ( x 3) A 3 ( x 3) ( x1 x 0)( x1 x 2 )( x1 x 3) ( x 2 x 0)( x 2 x1)( x 2 x 3) ( x 3 x 0)( x 3 x1)( x 3 x 2 ) f ( x 1) f ( x2) f ( x 3) 27 5.4 METODO DE INTERPOLACIÓN DE NEWTON IGUALMENTE SEPARADOS n Pn( x ) f ( x 0) Ck ( x x 0)( x x1)( x x 2)...( x xk 1) k 1 1 Donde: Cn n!h n (1) f ( x ) n k 0 n k n k k 1 C1 [ f ( x 0) f ( x1)] h 1 C2 [ f ( x 0) 2 f ( x1) f ( x 2)] 2 * h2 1 C3 [ f ( x 0) 3 f ( x1) 3 f ( x 2) f ( x 3)] 6 * h3 1 C4 [ f ( x 0) 4 f ( x1) 6 f ( x 2) 4 f ( x 3) f ( x 4)] 24 * h 4 1 C5 [ f ( x 0) 5 f ( x1) 10 f ( x 2) 10 f ( x 3) 5 f ( x 4) f ( x5)] 120 * h 5 1 C6 [ f ( x 0) 6 f ( x1) 15 f ( x 2) 20 f ( x 3) 15 f ( x 4) 6 f ( x5) f ( x 6)] 720 * h 6 1 C7 [ f ( x 0) 7 f ( x1) 21 f ( x 2) 35 f ( x 3) 35 f ( x 4) 21 f ( x5) 7 f ( x 6) f ( x 7)] 5040 * h 7 EJEMPLO: CALCULAR EL MODELO QUE PASA POR LOS PUNTOS: (x0,f(x0) = (0,0) ; (x1,f(x1) = (1,1) ; (x2,f(x2) = (2,4) ; (x3,f(x3) = (3,9) COMO SON CUATRO PUNTOS ENTONCES SE OBTENDRA LA FUNCION: P3(x) P 3( x ) f ( x 0) C1 * ( x x 0) C 2 * ( x x 0)( x x1) C 3 * ( x x 0)( x x1)( x x 2) 28