Professional Documents
Culture Documents
xi 1 h
xi
f ( x )dx ( f i f i 1 )
2
f ( x h) f ( x )
f ' ( x)
h
UCM
Introducción
2
UCM
Diferenciación
3
UCM
Diferenciación numérica
4
f ( x h) f ( x ) f ( x h) f ( x )
f '( x) lim
h 0 h h
2. Derivando el polinomio de interpolación obtenemos otro polinomio
que aproxima la derivada de la función en toda la región de
interpolación.
UCM
Diferenciación: Polinomios de interpolación (Ver anexo)
6
Pn ( x) f 0
x x0
f
x x0 x x1 2
f ...
x x0 x x1 x xn 1 n
f
0 0 0
h 2! h 2 n! h n
Δf 0 Δ2 f 0 Δ3 f 0
Pn' ( x ) ( x x0 )( x x1 ) ( x x1 )( x x2 ) ( x x0 )( x x2 ) ( x x0 )( x x1 ) ...
h 2! h 2 3! h 3
n 1
Δn f 0 ( x x0 )( x x1 )( x xn 1 )
..........
n! h n k 0 ( x xk )
(3) Se evalúa P’n(x) en x0 y con ello la estimación de f’n(x): esta expresión
es valida sólo para x equidistantes.
Δf 0 Δ2 f 0 Δn f 0
Pn' ( x0 ) ( x0 x1 ) ( x0 x0 ) ... n ( x0 x1 )( x0 x2 )( x0 xn1 )
h 2! h 2 n! h
1 Δ2 f 0 Δ3 f 0 Δn f 0
Pn ( x0 )
'
Δf 0 ( 1) n 1
h
UCM
2 3 n
7
Diferenciación basada en los polinomios de interpolación
• Ejemplo: Con tabla de diferencias obtener la derivada de la función en el
punto x = 0.0. El polinomio de interpolación según Newton_Gregory
xi fi ∆fi ∆ 2fi ∆ 3fi ∆ 4fi
0.0 0.000 0.203 0.017 0.024 0.020
0.2 0.203 0.220 0.041 0.044
0.4 0.423 0.261 0.085
0.6 0.684 0.346
0.8 1.030
f 0 2 f 0 n f 0
Pn ' ( x 0 ) ( x 0 x1 ) 2
( x 0 x1 ) ( x 0 x n 1 ) n
h 2h n! h
f 0 2 f 0 n 1 n f 0 1 2 f 0 n f 0 n 1
h h ( n 1)! ( f 0 ( 1) )
h 2h 2 n! h n h 2 n
• Un solo término: f '(0.0) p1 '(0.0)
1
(0.203) 0.1015
0.2
• Dos términos: 1 0.017
f '(0.0) p2 '(0.0) (0.203 ) 0.09725
0.2 2
• Tres términos: 1 0.017 0.024
f '(0.0) p3 '(0.0) (0.203 ) 0.1015
UCM
0.2 2 3
Diferenciación: Diferencias finitas
8
f x k h f xk f xk h f x k Formula de
f ( xk ) lim
'
O ( h) diferenciación
h 0 h h adelantada de 2
puntos
si h
Conforme el h disminuye, el error de truncamiento se hace más pequeño:
ℎ
𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑡𝑟𝑢𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜: 𝑂 ℎ < 2 . max(𝑎𝑏𝑠(𝑓 ′′ 𝑥 ))
f ( x h) f ( x ) 1
f '( x) Ch D ; C D
h h
error de truncado error de redondeo
ℎ
Error truncamiento< . max(𝑎𝑏𝑠(𝑓 ′′ 𝑥 )) 𝑓𝑙 𝑓2 − 𝑓𝑙(𝑓1) 𝑓2 − 𝑓1 𝑒1 − 𝑒2
2 𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑑𝑜𝑛𝑑𝑒𝑜 = = +
ℎ ℎ ℎ
Error D depende del eps
Total El error redondeo es muy influyente ya que h es pequeño
y puede hacer que la diferenciación sea inestable
Ejemplo: f(x)=atan(x) en
x=sqrt(2) el valor
DOMINA EL
óptimo de h es
DOMINA EL
ERROR DE REDONDEO ERROR DE TRUNCADO 1.5x10-8
h
h límite o valor óptimo
UCM
Diferenciación por Diferencias Finitas
10
f ( x h) f ( x ) h f ( x h) f ( x )
f '( x ) f ''( z) O( h )
h 2 h
• El error cometido al aproximar la derivada es función lineal de h (en este caso). Cuanto
menor sea h, valores de f(x) más cercanos, la derivada es más precisa.
Se denomina Error de Truncado o Discretización.
UCM
Diferenciación Diferencias Finitas
11
• Diferencia Centrada con dos puntos, reducimos el orden del error a O(h2).
f1 f 1
f '( x0 ) O(h 2 );
2h
h2
Error f ´( z )
6
• Si utilizamos los tres puntos, el error también es O(h2) pero con la mitad de
valor.
f 4 f1 3 f 0 h2
f '( x0 ) 2 O(h2 ); Error f ´( z )
2h 3
UCM
Fórmulas de Derivadas Diferencias Finitas
12
f 3 3 f 2 3 f1 f 0 f 4 4 f 3 6 f 2 4 f1 f 0
f ' ' ' ( x0 ) 3
O( h ) f IV
( x0 ) 4
O( h )
h h
f 2 f 1 2 f 1 f 2 f 4 f 1 6 f 0 4 f 1 f 2
f ' ' ' ( x0 ) 2 3
O( h 2 ) f IV ( x 0 ) 2 4
O( h 2 )
2h h
UCM
Determinar el error al calcular la derivada del ln(2) 13
UCM
14
Ejercicio propuesto sencillo
Determinar las derivadas primeras de f(x) en el punto 0.5
por los métodos:
1. Usando el polinomio de interpolación
2. Diferencias finitas adelantada en dos puntos
3. D.F. retrasada con dos puntos
4. D.F. centrada con dos puntos
Considerando los valores de h=0.5, toma los pares de
datos (0,f(0)), (0.5,f(0.5)) y (1,f(1))
UCM
15
Ejercicio propuesto sencillo (algunas soluciones con diferencias finitas y su error real)
f(x) = -0.1x^4-0.16x^3-0.5x^2-0.25x+1.2
x i-2 0.00 1.20000000
x i-1 0.25 1.10351563
xi 0.50 0.92500000
x i+1 0.75 0.63632813
x i+2 1.00 0.20000000
UCM
16
Ejemplo en una dimensión: Diferencias finitas retrasadas
Queremos calcular la temperatura (T) de un
cuerpo puntual a lo largo del tiempo (t) dentro de dT
un ambiente a temperatura constante (A=20ºC),
sabiendo que sigue la ley indicada con un
k(A T )
coeficiente temporal de transmisión (k=0.001 s-1).
dt
Necesitamos:
(1) Elegir método de diferencias finitas (p.e.Retrasada con 2 puntos respecto al estado i)
(2) Elegir paso temporal (∆t=250 s) en el que queremos saber la temperatura del cuerpo
(3) La temperatura inicial a los 0 segundos (75ºC)
1.25Ti Ti 1 5
i=4 1000 s 48.16 42.53
Se puede comparar estos datos con los dados por
T (To A).e kt A
la solución analítica de la ley de transferencia: UCM
17
Ejemplo en una dimensión: Diferencias finitas centradas
d 2u du
2 V 0
dx dx
Con condicione s de contorno :
u(0) 0
u(1) 1
Se debe :
* Establecer el valor de u en los nodos 0.1, 0.2, ...., 0.9. por tanto x 0.1
* Considerar un valor para V, se elige V 1
PROBLEMA DE UNA DIMENSION EN X.
U(0)=u0 =0 U(1)=u 10 =1
NODOS: 0 1 2 3 4 ……….. 8 9 10
u0 u1 u2 u3 ……………. u9 u1 0
UCM
18
1 V 2 1 V
ui 1 ui 2
ui 1 0
x 2.x x x 2.x
2 2
.
alfa
beta
gamma
x 0.1 2
u0 0 beta 2
200
x
u10 1
1 V
gamma 95
x 2.x
2
1 0 0 0 0 0 0 0 0 0 0 u0 0
105 200 95 0 0 0 0 0 0 0 0 u1 0 COMPARA
0 105 200 95 0 0 0 0 0 0 0 u2 0 ESTA
.
0 0 105 200 95 0 0 0 0 0 0 u3 0 SOLUCIÓN
105 200 95
0 0 0 0 0 0 0 0 u4 0
CON LA
0
0
0
0
0
0 0
0 105
0
200 95
105 200
0
95
0
0
0
0
0
0
u5
u6 = 0
0
EXACTA:
0 0 0 0 0 0 105 200 95 0 0 u7 0
e x 1
0 0 0 0 0 0 0 105 200 95 0 u8 0
u ( x)
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0
0 105 200 95
0 0 1
u9
u10
0
1
e 1
Soluciones:
0.0000 0.0612 0.1288 0.2035 0.2861 0.3774 0.4784 0.5899 0.7132 C M
0.8494U1.0000
20
Diferencias finitas (Ejercicios propuestos)
Soluciones con V=1:
0.0000 0.0612 0.1288 0.2035 0.2861 0.3774 0.4784 0.5899 0.7132 0.8494 1.0000
Con V=1
1.2
Soluciones con Dif. Finitas
Valores exactos
1
0.8
Soluciones U
0.6
0.4
0.2
-0.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
X
Se ha de resolver un
Soluciones aproximadas: sistema de ecuaciones
Longitud (m) Temperaturas (ºC)
0 40
2 135
4
234
6 341
8 462
UCM
10
600
Integración Numérica
22
b
Sea xi , f i i 0,1,..., n I ( f ) f ( x)dx ? / a, b x0 , xn
a
n
b b b b
I ( f ) f ( x)dx Pn ( x)dx f i li ( x) dx Ai li ( x)dx
a a a i 0 a
UCM
Integración numérica
23
A f (x )
b
I ( f ) f ( x )dx i i
i 0
a
• Fórmulas de Simpson
Simpson 1/3
Simpson 3/8
b
b
I ( f ) f ( x)dx f 0
x x0 f x x0 x x1 2 f ... x x0 x xn1 n f
0 0 0
a
2 n
a
h 2 ! h n! h
b
b
f n 1 ( z )
Error En ( x) dx x x0 x xn dx, z x0 , xn
a a
(n 1)!
Desarrollo de Taylor
Si n=1 partimos de 2 puntos, o sea, Pn(x) es una recta Formula del Trapecio
Si n=2 partimos de 3 puntos, o sea, Pn(x) es una Parábola Formulas de Simpson
Si n=3 partimos de 4 puntos Formulas de Simpson
Si n>3 NO suelen utilizarse porque normalmente dan soluciones menos exactas
(errores de redondeo e irregularidades locales)
Donde n representa el número de intervalos
UCM
Referencia para ver cómo determinar el error: Rao, Sankara (2007). «7.6 Newton-Cotes integration formulae» (en inglés). Numerical Methods
For Scientists And Engineers (3ª edición). New Delhi (India): Prentice-Hall of India Learning Private. pp. 151-159. ISBN 8120332172.
Fórmulas de integración de Newton-Cotes
26
• Grados superiores suelen producir soluciones menos exactas debido a los errores de
redondeo y a las irregularidades locales.
UCM
ERRORES DE APROXIMACIÓN en las Fórmulas Newton-Cotes
27
x1 h 1 3 (2)
x0 f (x)dx
2
( f 0 f1 )
12
h f (z); x 0 z x n
x2 h 1 5 ( 4)
x0 f (x)dx 3 (f0 4f1 f2 ) 90 h f (z); x 0 z x n
x3 3h 3
x0
f (x)dx
8
(f0 3f1 3f2 f3 ) h 5 f ( 4 ) (z); x 0 z x n
80
b
b
f n 1 ( z )
Error En ( x) dx x x0 x xn dx, z x0 , xn
a a
(n 1)!
Si n es IMPAR:
ℎ𝑛+2 . 𝑓 𝑛+1 (𝑧) 𝑛
𝐸𝑟𝑟𝑜𝑟 = න 𝑡. 𝑡 − 1 . (𝑡 − 2) … . 𝑡 − 𝑛 . 𝑑𝑡
𝑛+1 ! 0
UCM
Fórmulas del Trapecio (Newton-Cotes de grado 1)
28
b b
I ( f ) f ( x)dx Pn ( x)dx ?, tal que Pn ( x) es de grado 1
a a
x1
x1
I ( f ) P1 ( x)dx f 0
x x0 f dx f x f 0 x x0 2 x1
0 0
x0 x0 h h 2 x0
I( f )
h
f 0 f1 Fórmula del área de ¿Cuánto vale h?
2 un trapecio h=(b-a) donde b=x1 y a=x0
f1
f0
Fórmula del Trapecio:
x1
h
f 0 f1 h
x0
f ( x)dx
2 x0 x1
h3 ( 2)
Error f ( ), x0 x1 Depende de h3 , es decir, O(h3) Cuanto menor
12
(2)
sea h, menor será el error. Sin embargo, el error por
siendo f la derivada segunda de f redondeo es inversamente proporcional a h, como
UCM
sucedia con la diferenciación.
Fórmula extendida (o compuesta) del trapecio
29
Aplicar la Fórmula del trapecio en un único intervalo [a, b] puede suponer un “error”
en la integración numérica muy grande conviene subdividir [a, b] en pequeños
intervalos (h pequeño) y aplicar en cada uno de ellos la Fórmula del trapecio.
f ( x)dx
h
f 0 2 f1 2 f 2 2 f n1 f n
a
2 A partir de {(xi, fi)}i=0,1,…,n
x0=a y xn=b
h3
Error
12 errores
f ( 2) ( ) con x0 xn
b xn n 1 xi 1 n 1
f ( x)dx
h
f 0 2 f1 2 f 2 2 f n1 f n
a
2
h n 1
siendo h=(b-a)/n,
f ( x) dx f ( x0 ) 2 f ( xk ) f ( xN )
b
a 2 k 1
xk=a+kh k=0,1,2,...,n
h3 h3 (b a)3
ET f ' ' (i ) n max f ' ' ( )
12 erroresencadaint ervalo 12 12.n 2
max f ' ' ( )
න 𝑒 𝑥2 3
= 1.4626 2.5
Sea: 0
a=x0=0 y b=x1=1 (2 puntos) 2
f(xo)=1
1
f(x1)=e 0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
UCM
Ejemplos Regla del trapecio
2
= 2.958
2.5
𝑥 2 )1/2
1
0 (1 + 2
0.9
0.8
0.7
0.6
1.5
0.5
0.4
0.2
% 1 intervalo 0.5
0.1
ans = 3.236067977499790
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 Segunda derivada
>> x=linspace(0,2);
d2f=1./((1+x.^2).^(3/2));
plot(x,d2f); max(d2f)
ℎ3 ′′ 𝑏−𝑎 3
𝐸𝑟𝑟𝑜𝑟𝑡𝑟𝑢𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜 = − . 𝑓 𝜀 ≤= | . max 𝑓 ′′ 𝜀 | = 0.67 > 0.278
12 12
La Cota máxima del error_aprox. lógicamente es mayor que el Error real
>> f=inline('sqrt(1+x.^2)');x=[0:0.2:2],y=feval(f,x);
> trapz(x,y) %10 intervalos
ans = 2.960867376984531
h3 (b a)3
Error truncamiento f ' ' ( )
12 n intervalos 12.10 2
max f ' ' ( ) 6.7 x103
UCM
Sólo podemos estimar la cota máxima del error, si se conoce la función matemática
es posible estimar el error real
Fórmulas de Simpson (Newton-Cotes de grado 2 y 3)
34
Fórmula de Simpson:
b b
I ( f ) f ( x)dx Pn ( x)dx ? tal que Pn ( x)es de grado 2 o 3
a a
f3 f3 P3(x)
P2(x)
f2
f0 f0
f1 f1
x0 x1 x2 x0 x1 x2 x3
a b a b
3 puntos P2 ( x) [a, b] [ x0 , x2 ]
Es decir, se parte de
4 puntos P3 ( x) [a, b] [ x0 , x3 ]
UCM
Fórmulas de Simpson (Newton-Cotes de grado 2 y 3)
35
Fórmula de Simpson:
b b
I ( f ) f ( x)dx Pn ( x)dx ? tal que Pn ( x)es de grado 2 o 3
a a
f3 f3 P3(x)
P2(x)
f2
f0 f0
f1 f1
x0 x1 x2 x0 x1 x2 x3
a b a b
¿Cuánto vale h? ¿Cuánto vale h?
h=(b-a)/2 h=(b-a)/3
Es la semianchura del intervalo (a=xo,b=x2) Es la tercera parte del intervalo (a,b)
Si no dispongo de 3 o de 4 puntos no puedo aplicar Simpson 1/3 o Simpson 3/8
Si deseo integrar numéricamente una función matemática f(x) debo saber su valor en
los 3 o 4 puntos para poder usar las metodologías de Simpson. Todos ellos equidistantes.
Si tengo pares de datos experimentales (x,f)i , i debe ser como mínimo igual a 3 o a 4
UCM
donde las distancias entre los valores de x’s deben ser las mismas.
Fórmulas de Simpson (Newton-Cotes de grado 2 y 3)
36
Newton-Gregory
Fórmula de Simpson 1/3:
x2 x2
I ( f ) P2 ( x)dx f 0
x x0 f x x0 x x1 2 f dx
0 0
x0
2
x0
h 2!h
I( f )
h
f 0 4 f1 f 2 h 5 iv
3 Error f ( )
90
x3
x3
I ( f ) P3 ( x)dx f 0
x x0 f x x0 x x1 2 f x x0 x x1 x x2 3 f dx
0 0 0
x0
2 3
x0
h 2! h 3 ! h
I ( f ) f 0 3 f1 3 f 2 f 3
3h 3h 5 iv
Error f ( )
8 80
UCM
Fórmulas de Simpson (Newton-Cotes de grado 2 y 3)
37
Si [a, b] es grande: Aplicar alguna de las formulas de Simpson en sólo dos o tres
subintervalos de longitud h no muy pequeño, cubriendo todo el intervalo [a, b] un
error en la integración numérica grande conviene subdividir [a, b] en n
subintervalos pequeños (es decir, h pequeño) y aplicar las fórmulas de Simpson cada
2 y/o 3 subintervalos.
f ( x)dx f ( x)dx
h
f i 4 f i 1 f i 2
a x0 i 0 3
i 2
f ( x)dx
h
f 0 4 f1 2 f 2 4 f 3 2 f 4 ... 2 f n2 4 f n1 f n
a
3
b xn n 3 xi 3 n 3
f ( x)dx
3h
f 0 3 f1 3 f 2 2 f 3 3 f 4 3 f 5 2 f 6 ... 2 f n3 3 f n2 3 f n1 f n
a
8
UCM
38
Fórmula de Simpson (Newton-Cotes de grado 2 o grado par)
Fórmula de Simpson 1/3:
I( f )
h
f 0 4 f1 f 2 Error
h 5 iv
f ( )
3 90
𝑛
−1 𝑛/2 𝑛/2
𝑏 2
ℎ ℎ5 4
𝐼 𝑓 = න 𝑓 𝑥 . 𝑑𝑥 = 𝑓 𝑥0 + 2 𝑓 𝑥2𝑗 + 4 𝑓 𝑥2𝑗−1 + 𝑓 (𝑥𝑛 ) − 𝑓 (𝜉𝑗 )
𝑎 3 90
𝑗=1 𝑗=1 𝑗=1
h 5 n iv h4 (b a) 5
Error f ( ) (b a) f ( )
iv
4
max f iv
( )
90 2 180 180.n
2.5
2
𝑥 2 )1/2 = 2.958
-0.5
0 (1 +
1.5
1
-1
0.5
-1.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
-3
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Cuarta derivada
Q1 = 2.96431 >> x=linspace(0,2);
f4=inline('(12*x.^2-3)./((1+x.^2).^(7/2))');
x=linspace(0,2,1000);y=feval(f4,x);plot(x,y);
title('Derivada cuarta de f');aprox_max=max(y)
h 5 iv (b a) 5
Error f ( ) max f iv
( ) 9.4 x10 3
90 h (b a ) / 2
90.25
180.104
UCM
40
Ejercicios con Fórmulas de Simpson
2.5
2
0 (1 + 𝑥 2 )1/2 = 2.958
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
UCM
41
Ejercicio propuesto para realizar con diferentes métodos
UCM
Comparación métodos para varias funciones 42
UCM
Anexo: Fórmulas de integración de Newton-Cotes
43
UCM
Integración numérica con MatLab
44
QUAD
Ejemplo:
%-------------------%
x 2
function y = myfun(x) 1
y = 1./(x.^3-2*x-5); x0 x3 2 x 5 dx 0.4605
%-------------------%
>> Q = quad('myfun',0,2)
Q = -0.4605
UCM
Integración numérica con MatLab
45
Ejemplo:
sin( x)dx 2
0
>> X = 0:pi/100:pi;
>> Y = sin(X);
>> Z = trapz(X,Y)
Z= 1.9998
UCM
46
INTEGRACIÓN CON CÁLCULO SIMBÓLICO (Ver anexo)
El comando int lleva a cabo la integración simbólica.
ANEXO:
Desarrollo de Taylor
Determinación de un
polinomio de interpolación por
el método de Newton-Gregory
UCM
48
Anexo: Series de Taylor
Si suponemos que la función f(x) es suficientemente diferenciable su aproximación de
Taylor cerca de un punto x0 es:
1 1 ( n 1)
f ( x ) f ( x0 ) f '( x0 )( x x0 ) f (n)
( x0 )( x x0 ) n f ( z)( x x0 ) n 1
n! (n 1)!
donde z es un punto situado ente x y x0.
Si eliminamos el último término, la función f(x) se puede aproximar por un polinomio p(x)
de orden n de la forma:
1
f ( x ) p( x ) f ( x 0 ) f '( x 0 )( x x 0 ) f (n)
( x 0 )( x x 0 ) n
n!
El error al representar una función por un polinomio de Taylor viene dado por el término
(ERROR DE TRUNCAMIENTO):
1 ( n 1)
f ( x ) p( x ) f ( z)( x x 0 ) n 1
(n 1)!
Luego el error aumenta con x y disminuye con n, esto es, cuanto mayor es el orden del
polinomio p(x) el error es menor y cuanto mayor es x el error es mayor. Además, cuanto
UCM
más suave sea la función (derivadas más pequeñas) la aproximación es mejor.
Anexo: Newton-Gregory
49
n n n n(n 1) (n i 1)
f 0 f n f n 1 f n 2 ( 1) f 0 ,
n n
1 2 i i!
• Estas diferencias se han de dividir por (x-x0)n=hn, donde n es el orden de la
diferencia, para convertirlas en diferencias divididas. El polinomio de interpolación
tiene la forma:
(x x 0 ) (x x 0 )(x x 1 ) 2 (x x 0 )(x x 1 )(x x n 1 ) n
p n (x) f 0 f 0 f 0 f0
h 2h 2 n!h n
Podemos comprobar como pn(xi)=fi.
• Vemos que el polinomio pn(x) es análogo a tomar los n+1 primeros términos de la
expansión de Taylor de f(x) en el punto x0. Luego aplicar el algoritmo de Newton-
Gregory es equivalente a realizar la discretización de la expansión de Taylor de la
función. Al añadir un dato más lo que hacemos es añadir un término más a la serie de
Taylor.
UCM
50
Anexo. Newton-Gregory
• En este caso la tabla de diferencias se construye muy fácilmente ya que una
columna se obtiene restando elementos de la columna de su izquierda. Por ejemplo:
xi fi fi fi fi fi
0.0 0.000 0.203 0.017 0.024 0.020
0.2 0.203 0.220 0.041 0.044
0.4 0.423 0.261 0.085
0.6 0.684 0.346
0.8 1.030
diferencias
for i=0,...,n do
• Estamos en condiciones de escribir el
dfi = fi
algoritmo de las diferencias o de Newton.
end
Primero veamos como se obtienen las
for j=1,2,...,n do
diferencias
for i=i,j+1,...,n do
end
• Una vez obtenidos estos coeficientes ya
for i=i,j+1,...,n do
podemos evaluar el polinomio en un
fi = dfi
punto para interpolar o extrapolar un
end
valor.
end
UCM