Académique Documents
Professionnel Documents
Culture Documents
Tarea V
Interpolacin de Lagrange
Diferenciacin Numrica
3
v ( )
m
kg
0.10377 0.11144 0.12540
kJ
S ( kg K ) 6.4147 6.5453 6.7664
Lo anterior puede significar que esos puntos son factibles de encontrarse en una
parbola, de modo que se puede seguir el mtodo de interpolacin de LaGrange para
encontrar un polinomio de interpolacin de segundo grado.
As es como se plantea que:
P2 ( x )=S 1 L1+ S 2 L2 + S3 L3
Para lo cual deben plantearse las ecuaciones que describirn a cada una de las rectas:
Luego entonces, el cdigo en Matlab que realizar lo anteriormente descrito ser el que
se muestra a continuacin, adems, los resultados se almacenan en un vector para
simplificar el clculo del polinomio de segundo grado:
syms V
L(1)=expand((V-v(2))*(V-v(3))/((v(1)-v(2))*(v(1)-v(3))));
L(2)=expand((V-v(1))*(V-v(3))/((v(2)-v(1))*(v(2)-v(3))));
L(3)=expand((V-v(1))*(V-v(2))/((v(3)-v(1))*(v(3)-v(2))));
Obteniendo los siguientes valores para cada una de las rectas, los valores que se
presentan a continuacin son los obtenidos luego de aplicar un valor de precisin
aritmtica de ocho dgitos, pues se mostraban nicamente grandes nmeros debido a que
V se trabaj como una variable simblica:
L(1)= 4349.2084*V^2-1042.9402*V+62.3927
L(2)= -8552.1252*V^2+1959.8905*V-111.28674
L(3)= 4202.9168*V^2-916.95036*V+49.894036
Ya que los datos se encuentran organizados segn la correspondencia entre los puntos,
es muy fcil realizar la determinacin del polinomio de segundo grado, puesto que, si se
realiza un producto entre dos vectores, se multiplicar elemento a elemento y se obtendr
como resultado la suma de cada uno de esos productos de al siguiente manera:
P2=sum(S.*L)
As es como el polinomio anterior ser el que defina a la parbola que tomar a los tres
puntos dados para la realizacin de la interpolacin de LaGrange, como se muestra su
correcto ajuste en la siguiente grfica, cuyo cdigo de Matlab es:
>>hold on
Para culminar con este ejercicio es necesario resolver los incisos a y b, respectivamente,
lo cual es muy simple puesto que ya se cuenta con el polinomio de segundo grado, as
que:
m3
a) Con un volumen especfico de 0.108 sobre el polinomio, se aplicar el
kg
siguiente cdigo de Matlab para la determinacin de la entropa:
S1=subs(P2,0.108)
kJ
S1=6.4568
kg K
kJ
b) Con una entropa de 6.6 se determinar un volumen especfico por
kg K
medio de una interpolacin inversa, considerando que se debe igualar tal ecuacin
a cero, es decir:
V1=solve(361.2583*V^2 - 66.529739*V + 9.4283848-6.6)
3
V1= 0.11756727 m
kg
3
0.066593865 m
kg
m3
Es evidente que el valor que debe ser considerado es el de 0.11756727 puesto
kg
que la parbola en tal punto se encuentra en un estado ascendiente.
Problema 3. En la siguiente tabla se muestra el volumen especfico de vapor sper
lb
caliente a varias temperaturas a una presin absoluta de 3,000 .
2
Resolucin
La frmula para convertir grados Fahrenheit a grados Centgrados es la siguiente:
F32
C=
1.8
75032
C= =398.88 C
1.8
Es entonces que, se realiza el cdigo para la obtencin del Polinomio que representa los
puntos dados y posteriormente conocer el volumen especfico de vapor sper caliente a
398.88C.
22 4 6 3 3 2
P=7.025 x 10 t + 8.459 x 10 t 11.06 x 10 t + 4.867 t709.2
3
El valor obtenido es de ve=9.2860 y es un valor muy parecido al estimado, por lo
Kg
que, observando la grfica, es un valor que corresponde al modelo obtenido por
interpolacin de Lagrange.
Problema 6. Un avin est siendo rastreado por un radar y los datos se toman cada 2
segundos en coordenadas polares , r :
er + r
v =r e
a =( rr 2 )
er + ( r +2 r )
e
Resolucin
Se conoce el tamao de paso al estar dado por el tiempo en que se tomaron las
coordenadas del avin, por lo que h=2, sin embargo, en el problema no se especifica
x i y es entonces que se decide realizar la derivada de la razn entre las coordenadas
por medio de diferencias entre los puntos proporcionados. Al tener un punto antes de r(1),
se comienza a obtener diferencias desde el siguiente punto r(2), perdindose entonces un
punto por cada diferencia (derivada) realizada. Es entonces predecible que para el clculo
de la segunda derivada por diferencia de puntos, el vector resultante ser de 4 elementos,
siendo ste ltimo vector el indicador de que todos los vectores tendrn que ser de 4
elementos para la realizacin de productos entre vectores para el clculo de las
velocidades y aceleraciones para cada tiempo. Se deciden tomar los ltimos 4 valores
para cada uno de los vectores conocidos y calculados. Siguiendo el planteamiento, se
tiene el siguiente cdigo para resolucin al problema:
Finalmente, los vectores obtenidos indican que, para cada tiempo se tienen diferentes
velocidades y aceleraciones, mostrndose los resultados en la siguiente tabla:
1 dV
= ( )
V dT
Determine el coeficiente de expansin cbico en cada punto y encuentre la curva que
mejor ajuste entre la temperatura y el coeficiente de expansin cbica, con ella, estime el
valor del coeficiente de expansin cbica para el mercurio a una temperatura de 100C.
Solucin. Es necesario observar que el problema busca encontrar la primera derivada del
volumen con respecto de la temperatura, de modo que lo necesario es realizar un anlisis
numrico con diferentes parmetros, pero tomando en cuenta que la retcula es uniforme,
por lo que la resolucin del problema se simplifica completamente.
De los datos se pueden rescatar los siguientes parmetros importantes:
Luego entonces, se procede a realizar el mtodo de diferencias finitas hacia adelante para
el primer punto, considerando la frmula:
V ( T i +1 )V (T i )
V ' ( T i )=
h
Que ser guardado en un vector para anlisis posterior de cada una de las derivadas
como:
dV(1)=(V(2)-V(1))/h; dV(1)=0.00186495
Posteriormente, se realiza un ciclo for para el anlisis de cada una de las diferencias finitas
centradas desde el segundo hasta el sptimo valor, considerando la frmula:
V ( T i +1 )V (T i1 )
V ' ( T i )=
2h
Que ser guardado en un vector para anlisis posterior de cada una de las derivadas
como:
for i=2:7
dV(i)=(V(i+1)-V(i-1))/(2*h)
end
Por ltimo, la ltima de las derivadas se dar con el mtodo de diferencias finitas hacia
atrs, considerando la frmula:
V ( T i ) V (T i1)
V ' ( T i )=
h
Que ser guardado en un vector para anlisis posterior de cada una de las derivadas
como:
dV(8)=(V(8)-V(7))/h; dV(8)=0.0019502
Luego entonces, se tendr un vector que almacenar cada una de las derivadas de primer
grado obtenidas, el cual se muestra a continuacin:
T(C
dV/dT
)
160 0.00186495
0
180 0.00187017
5
200 0.00188135
0
220 0.00189392
5
240 0.00190800
0
260 0.00192370
0
280 0.00194107
5
300 0.00195020
0
Una vez que se tiene esta derivada, se puede proceder a calcular el coeficiente de
expansin cbico en cada punto, simplemente con el cdigo:
alfa=(1./V).*dV
Esto dar como resultado un nuevo vector alfa, el cual albergar los valores de cada uno
de los volmenes, el cual se muestra a continuacin:
T(C
) en 1.0 e03(K1)
160 0.18179695050373
180 0.181031319262805
200 0.181454236081378
220 0.182004483022896
240 0.182689744556077
260 0.183519847131983
280 0.184497329311872
300 0.184679989030188
El problema no termina an, pues si bien ya se tiene el coeficiente para cada uno de los
volmenes dados originalmente, es necesario encontrar la relacin que guarda la
temperatura y el coeficiente de expansin cbica, una primera aproximacin a esta
relacin se mostrar en el momento en que se grafiquen ambos parmetros en un plano,
lo que se llevar a cabo mediante el cdigo:
>> plot(T,alfa,'ro','markerfacecolor','b'),grid on, title('Relacin entre
temperatura y coeficiente de expansin cbica'),xlabel('Temperatura
(C)'),ylabel('Coeficiente de expansin cbica (K^-1)')
La grfica que se muestra a continuacin es la resultante del cdigo ya redactado, una
cuestin interesante en el anlisis de esta grfica es la forma que guarda, puesto que es
muy similar a una sigmoidea, lo que puede orillar a un comportamiento de una funcin
cbica:
Para poder obtener la mejor recta de ajuste es necesario plantear un modelo matemtico
de grado tres que se pueda ajustar a los puntos en tal rango, por lo que si:
y=a x 3 +b x 2+ cx +d
Es el modelo planteado, deber generarse una matriz de 4x4 para poder hallar cada una
de las incgnitas o coeficientes del modelo planteado, as, la matriz ser:
N x x x d y
x x x x4 c yx
=
x2 x 3
x4 x5 b yx 2
x3 x4 x5 x6 a yx 3
La matriz tendr la siguiente forma, con los cdigos de Matlab:
length(T) sum(T) sum(T.2) sum(T.3) d sum( )
sum(
sum(T) sum(T.2) sum(T.3) sum(T.4) c
.*T)
= sum(
sum(T.2) sum(T.3) sum(T.4) sum(T.5) b
.*T.2)
sum(
sum(T.3) sum(T.4) sum(T.5) sum(T.6) a
.*T.3)
As es como la matriz tendr los siguientes valores numricos en formato corto:
8 1840 440000 108928000 d 0.0015
1840 440000 1089280000 2.7782e+10 c 0.3365
440000 108928000 2.7782e+10 7.2646e+12 b 80.5855
10892800
2.7782e+10 7.2646e+12 1.9391e+15 a 1.9975e+04
0
X = 1.0e-03 *
0.215499298335864
-0.000483938465551
0.000002156270690
-0.000000002949196
Por lo que el modelo de ajuste para la grfica que se observ con anterioridad ser:
3 2
y=0.0002154 x 0.0000004839 x +0.0000000021 56 x0. 000000000002949196
As es como se observa el modelo ajustado con los puntos experimentales descritos
anteriormente:
>> plot(T,polyval(P3,T),'r'),legend('Datos,'Polinomio ajustado')
Por ltimo, se deber definir el coeficiente de expansin cbica del mercurio,
considerando una temperatura de 100C, recurdese que la funcin que mejor ajust los
puntos experimentales fue: