• No se han encontrado resultados

ON POR SPLINES C ´

N/A
N/A
Protected

Academic year: 2018

Share "ON POR SPLINES C ´"

Copied!
22
0
0

Texto completo

(1)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina1 de22

Volver

Pantalla completa

Cerrar

Tutorial de An´

alisis Num´

erico

Interpolaci´

on : Splines c´

ubicos

Jes´

us Garc´ıa Quesada

Departamento de Inform´atica y Sistemas Universidad de Las Palmas de Gran Canaria

(2)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina2 de22

Volver

Pantalla completa

Cerrar

´

Indice General

1 INTERPOLACI ´ON POR SPLINES C ´UBICOS 3

2 PROBLEMAS 16

(3)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina3 de22

Volver

Pantalla completa

Cerrar

1.

INTERPOLACI ´

ON POR SPLINES C ´

UBICOS

Supongamos que tenemos los n+ 1 puntos:

Pk(xk, yk), dondeyk =f(xk), k = 0,1, . . . , n

en los cuales se quiere interpolar la funci´on f. Las abcisas no es necesario que sean equidistantes, pero se suponenordenados, o sea,

x0 < x1 < x2 <· · ·< xn

En ´esta secci´on trataremos de la interpolaci´on polin´omica a trozos. La idea es encon-trar polinomios c´ubicosqk(x) que interpolen la funci´onf en el subintervalo [xk, xk+1], k= 0,1, . . . , n1.

Definici´on 1. La funci´on s(x) se llama c´ubica a trozos en [x0, xn] si existen polinomios

c´ubicos q0(x), q1(x), . . . , qn−1(x) tales que :

s(x) =qk(x) en [xk, xk+1], para k = 0,1, . . . , n−1

Para que s(x) interpole en los puntos P0, P1, . . . , Pn los qk(x) han de verificar :

(

qk(xk) = yk

qk(xk+1) = yk+1, k= 0,1, . . . , n−1

(4)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina4 de22

Volver

Pantalla completa

Cerrar

P0

P1 P

2

P3

Pk

Pk+1

Pn-1

Pn

. . . . . . . .

q (x) 0

x

n-1 q (x)

x x

x x

x x

x0 1 3 k

k q (x)

1 q (x) en [x , x ]solo existe k k+1

2 k+1 n-1 n

(5)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina5 de22

Volver

Pantalla completa

Cerrar

lo cual supone 2ncondiciones. Llamaremos as(x) spline c´ubico, o simplemente spline, si los polinomios qk(x) tienen la misma pendiente y la misma concavidad en los nodos

que las unen, o sea :

(

qk01(xk) =qk0(xk)

qk001(xk) =qk00(xk), k = 1,2, . . . , n−1

(2)

lo cual supone 2(n1) condiciones a cumplir. Al tener que verificar las condiciones (1) y (2) se asegura que s(x) tiene su primera y segunda derivadas continuas en [x0, xn].

En ´este caso se dice ques(x) es un spline interpolador para P0, P1, . . . , Pn.

Sis(x) es c´ubica a trozos en el intervalo [x0, xn], su derivada segundas00(x) es lineal en

el mismo intervalo e interpola en los puntos (xk, s00(xk)) y (xk+1, s00(xk+1)) en [xk, xk+1]. Por tanto, qk(x) es un polinomio de grado uno que interpola en los puntos (xk, s00(xk)) y

(xk+1, s00(xk+1)):

qk00(x) = s00(xk)

xxk+1

xk−xk+1

+s00(xk+1)

xxk

xk+1−xk

, para k = 0,1, . . . , n1

Denotando con

hk=xk+1−xk, k = 0,1, . . . , n−1

y

σk =s00(xk), k = 0,1, . . . , n

tenemos :

q00k(x) = σk

hk

(xk+1−x) +

σk+1

hk

(6)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina6 de22

Volver

Pantalla completa

Cerrar

donde hk y σk son constantes (σk a determinar). Integrando dos veces :

qk(x) =

σk

hk

(xk+1−x)3

6 +

σk+1

hk

(xxk)3

6 +Ck+Dkx (4)

donde el t´ermino lineal lo podemos escribir como :

Ck+Dkx=Ak(x−xk) +Bk(xk+1−x)

siendo Ak y Bk constantes arbitrarias, quedando entonces :

qk(x) =

σk

hk

(xk+1−x)3

6 +

σk+1

hk

(xxk)3

6 +Ak(x−xk) +Bk(xk+1−x) (5)

Aplicando a (5) las condiciones (1) :

yk =

σk

hk

h3

k

6 +

σk+1

hk

0 +Ak.0 +Bkhk =

σk

6 h 2

k+Bkhk (6)

yk+1 =

σk+1

hk

h3k+Akhk =

σk+1 6 h

2

(7)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina7 de22

Volver

Pantalla completa

Cerrar

y despejando de aqu´ıAk y Bk y sustituyendo en (5) resulta :

qk(x) =

σk

6

"

(xk+1−x)3

hk −

hk(xk+1−x)

#

+ σk+1 6

"

(xxk)3

hk −

hk(x−xk)

#

+yk

hxk+1−x

hk

i

+yk+1

hx−xk

hk

i

, para k= 0,1, . . . , n1

(8)

que es la ecuaci´on del spline qk(x).

Nos falta a´un conocer los valoresσ0, σ1, . . . , σn (n+1 inc´ognitas) para lo cual usamos

(2); derivando en (8) tenemos :

q0k(x) = σk 6

h−3(xk+1−x)2

hk

+hk

i

+σk+1 6

h3(xk−x)2

hk

−hk

i

+ yk+1−yk

hk

Por tanto :

qk0(xk) =

σk

6 (−2hk) +

σk+1

6 (−hk) +

yk+1−yk

hk

(9)

qk0(xk+1) =

σk

6 (hk) +

σk+1

6 (2hk) +

yk+1−yk

hk

(8)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina8 de22

Volver

Pantalla completa

Cerrar

Reemplazando k por k1 en (10) para obtener qk01(xk) e igualando a (9) nos da :

hk−1σk−1+ 2 (hk−1+hk)σk+hkσk+1 = 6

yk+1−yk

hk −

yk−yk−1

hk−1

, para k = 1,2, . . . , n1

(11) o tambi´en

hk−1σk−1+ 2 (hk−1+hk)σk+hkσk+1 = 6

∆yk

hk −

∆yk−1

hk−1

, para k= 1,2, . . . , n1

(12) o incluso

hk−1σk−1+ 2 (hk−1+hk)σk+hkσk+1 = 6

f[xk, xk+1]−f[xk−1, xk]

, para k = 1,2, . . . , n1 (13)

Como el ´ındice k var´ıa de 1 a n1, se producenn1 ecuaciones lineales conn+ 1 inc´ognitas σ0, σ1, . . . , σn, lo cual produce un sistema subdeterminado que tiene infinitas

soluciones.

Existen varias estrategias para eliminar σ0 de la primera ecuaci´on y σn de la

(n-1)-´

esima produciendo unsistema tridiagonalde orden (n-1) en las variablesσ1, σ2, . . . , σn−1.

ALTERNATIVA I Especificar el valor de s00(x) en los puntos extremos : σ0 =s00(x0) y σn=s00(xn). Si se pone σ0 = 0, σn= 0 se denomina spline c´ubico natural.

ALTERNATIVA II Suponer que s00(x) es constante en los extremos : σ0 = σ1 y

(9)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina9 de22

Volver

Pantalla completa

Cerrar ALTERNATIVA III Suponer ques00(x) es lineal cerca de los extremos : σ0 = h11 (h0+

h1)σ1−h0σ2

y

σn= hn−1 2 −hn−1)σn−2+ (hn−2+hn−1)σn−1

ALTERNATIVA IV Especificar el valor de s0(x) en los puntos extremos :

σ0 = h30

∆y0−s0(x0)

− 1

2σ1 y

σn= hn−3 1

s0(xn)−∆yn−1

− 1

2σn−1

Si hay que calcular muchas veces s(z) entonces es preferible hacer la sustituci´on :

xk+1−z = (xk+1−xk)−(z−xk) =hk−(z−xk)

en qk(z) y entonces expresar ´este en potencias de z−xk para obtener :

qk(z) =yk+α1(z−xk) +α2(z−xk)2+α3(z−xk)3

=yk+ (z−xk)(α1+ (z−xk)(α2+ (z−xk)α3))

evaluado con s´olo 4 sumas/restas y 3 productos, donde

α1 =f[xk, xk+1]−

hk

6 (σk+1+ 2σk), α2 =

σk

2 , α3 =

σk+1−σk

6hk

(10)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 10de 22

Volver Pantalla completa Cerrar       

2 (h0+h1) h1 · · · 0

h1 2 (h1+h2) · · · 0

0 h2 · · · 0

..

. ... 2 (hn−3+hn−2) hn−2

0 0 hn−2 2 (hn−2+hn−1)

              σ1 σ2 σ3 .. .

σn−1

       = = 6       

f[x1, x2]−f[x0, x1]

f[x2, x3]−f[x1, x2]

f[x3, x4]−f[x2, x3] ..

.

f[xn−1, xn]−f[xn−1, xn−2]

      

o tambi´en

      

2 (h0+h1) h1 · · · 0

h1 2 (h1+h2) · · · 0

0 h2 · · · 0

..

. ... 2 (hn−3+hn−2) hn−2

0 0 hn−2 2 (hn−2+hn−1)

              σ1 σ2 σ3 .. .

σn−1

       = 6        

∆y1

h1 −

∆y0

h0

∆y2

h2 −

∆y1

h1

∆y3

h3 −

∆y2

h2 .. . ∆yn−1

hn−1 −

∆yn−2

hn−2

(11)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 11de 22

Volver

Pantalla completa

Cerrar

Ejemplo.

Interpolar por splines c´ubicos la funci´on f(x) = 1/x en x= 1.5 tomando los puntos (0.1,10.0),(0.2,5.0),(0.5,2.0),(1.0,1.0),(2.0,0.5),(5.0,0.2),(10.0,0.1).

Soluci´on:

h0 = 0.2−0.1 = 0.1 h3 = 2.0−1.0 = 1.0

h1 = 0.5−0.2 = 0.3 h4 = 5.0−2.0 = 3.0

h2 = 1.0−0.5 = 0.5 h5 = 10.0−5.0 = 5.0 El sistema que resulta es

0.1σ0+ 2 (0.1 + 0.3)σ1+ 0.3σ2 = 6

25 0.50.2−

510 0.20.1

0.3σ1+ 2 (0.3 + 0.5)σ2+ 0.5σ3 = 6

12 1.00.5−

25 0.50.2

0.5σ2+ 2 (0.5 + 1.0)σ3+ 1.0σ4 = 6

0.51.0 2.01.0−

12 1.00.5

1.0σ3+ 2 (1.0 + 3.0)σ4+ 3.0σ5 = 6

0.20.5 5.02.0−

0.51.0 2.01.0

3.0σ4+ 2 (3.0 + 5.0)σ5+ 5.0σ6 = 6

0.10.2 1.05.0−

0.20.5 5.02.0

(12)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 12de 22

Volver Pantalla completa Cerrar      

0.8 0.3 0 0 0 0.3 1.6 0.5 0 0 0 0.5 3.0 1.0 0 0 0 1.0 8.0 3.0 0 0 0 3.0 16.0

            σ1 σ2 σ3 σ4 σ5       = 6       40 8 1.5 0.4 0.08

     

de donde se obtienen

σ1 = 311.65398570643 σ2 =−31.077295217152

σ3 = 8.4549532710280 σ4 =−.82621220450797

σ5 = 0.18491478834524

Para x= 1.5 habr´a que elegir q3(x)

q3(x) =

σ3 6

(2.0x)3

1.0 −1.0 (2.0−x)

+σ4 6

(x1.0)3

1.0 −1.0 (x−1.0)

+1.0(2.0x)+0.5(x1.0)

(13)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 13de 22

Volver

Pantalla completa

Cerrar

Los diferentes splines que resultan son:

q0(x) =519.423309x3 −155.826993x2−39.611534x+ 15

q1(x) =−190.406267x3+ 270.070753x2−124.791083x+ 20.678637

q2(x) =13.177416x3−35.304772x2+ 27.896679x−4.769324

q3(x) =−1.546861x3+ 8.868059x2−16.276152x+ 9.954953

q4(x) = + 0.0561737x3−0.750148x2+ 2.960264x−2.869324

q5(x) =−0.00616383x3+ 0.1849148x2−1.715052x+ 4.922870

s(x) =

                  

q0(x), six∈[0.1,0.2], (tambi´en (−∞,0.2])

q1(x), six∈[0.2,0.5],

q2(x), six∈[0.5,1.0],

q3(x), six∈[1.0,2.0],

q4(x), six∈[2.0,5.0],

q5(x), six∈[5.0,10.0], (tambi´en [5.0,+∞))

En el intervalo [1.0,2.0], la representaci´on de ambas funciones es la que aparece en la figura 2.

Ejemplo. Interpolar por splines c´ubicos la funci´on f(x) = 1/(x2 + 1) en el intervalo 06x61 tomando los seis puntos de abcisasxk =k/5, k= 0,1,2,3,4,5.

Soluci´on:

(14)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 14de 22

Volver

Pantalla completa

Cerrar

0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

1 1.2 1.4 1.6 1.8 2

1/x 8.4575/6*((2-x)**3-(2-x))-0.8334/6*((x-1)**3-(x-1))+(2-x)+0.5*(x-1)

(15)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 15de 22

Volver

Pantalla completa

Cerrar

y0 = 1.00000000 y3 = 0.73529412

y1 = 0.96153846 y4 = 0.60975610

y2 = 0.86206896 y5 = 0.50000000

y es h0 = h1 = h2 = h3 = h4 = 1/5 = h y poniendo σ0 = σ5 = 0 y multiplicando ambas partes por 6/h :

   

4 1 0 0 1 4 1 0 0 1 4 1 0 0 1 4

        σ1 σ2 σ3 σ4     = 6 h2    

y2−2y1+y0

y3−2y2+y1

y4−2y3+y2

y5−2y4+y3

    =    

−9.151194

−4.095801 0.185523 2.367288

   

y resolviendo σ1 = −2.165814, σ2 = −0.487920, σ3 = 0.022536, σ4 = 0.581866 y tabulando la funci´on entre 0 y 1.0 con paso 0.002 la gr´afica de f(x) y el spline c´ubico son indistinguibles (error m´aximo '0.0040 que se produce entre 0 y 0.2).

(16)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 16de 22

Volver

Pantalla completa

Cerrar

2.

PROBLEMAS

Problema 1. Construir el spline c´ubico natural que interpola a partir de los datos:

x 0 1 2 2.5 3 4

y 1.4 0.6 1.0 0.65 0.6 1.0

Problema 2. Considerando los datos:

x 0.15 0.76 0.89 1.07 1.73 2.11

y 0.3495 0.2989 0.2685 0.2251 0.0893 0.0431

(17)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 17de 22

Volver

Pantalla completa

Cerrar

Referencias

[Act90] F.S. Acton. Numerical Methods That (Usually) Work. The Mathematical As-sociation of America, Washington, 1990.

[Atk89] K. E. Atkinson. An Introduction to Numerical Analysis. John Wiley, New York, 2nd. edition, 1989.

[BF80] R.L. Burden and D. Faires. An´alisis Num´erico. Grupo Editorial Iberoameri-cana, M´exico, 1980.

[CC89] S.C. Chapra and R.P. Canale. Numerical Methods for Engineers. McGraw-Hill International, New York, second edition, 1989.

[CdB80] S. D. Conte and C. de Boor. Elementary Numerical Analysis: An Algorithmic Approach. McGraw–Hill, New York, third edition, 1980.

[DB74] Germund Dahlquist and ˚Ake Bj¨orck. Numerical Methods. Prentice-Hall, En-glewood Cliffs, New Jersey, 1974.

[Fad59] V.N. Faddeeva. Computational Methods of Linear Algebra. Dover Publications, Inc, New York, 1959.

[Fr¨o79] C.-E. Fr¨oberg. Introduction to Numerical Analysis. Adison–Wesley, Reading, Massachusetts, 2nd. edition, 1979.

(18)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 18de 22

Volver

Pantalla completa

Cerrar

[Hen72] P. Henrici. Elementos de An´alisis Num´erico. Ed. Trillas, M´exico, 1972.

[Hil74] F. B. Hildebrand. Introduction to Numerical Analysis. McGraw–Hill, New York, second edition, 1974.

[KC94] D. Kincaid and W. Cheney. An´alisis Num´erico : las matem´aticas del c´alculo cient´ıfico. Addison-Wesley Iberoamericana, 1994.

[Mar87] M. J. Maron.Numerical Analysis: A Practical Approach. Macmillan Publishing Co., New York, second edition, 1987.

[ML91] M. J. Maron and R. J. Lopez. Numerical Analysis: A Practical Approach. Wadsworth, Belmont, California, third edition, 1991.

[RR78] Anthony Ralston and Philip Rabinowitz.A First Course in Numerical Analysis. McGraw-Hill, New York, 2nd. edition, 1978.

[Sch89] H.R. Schwarz. Numerical Analysis. John Wiley & Sons, Chichester, 1989.

[Wer84] W. Werner. Mathematics of Computation, 43:205–217, 1984.

[YG73a] David M. Young and R.T. Gregory. A Survey of Numerical Mathematics, vol-ume I. Dover Publications, New York, 1973.

(19)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 19de 22

Volver

Pantalla completa

Cerrar

Soluciones a los Problemas

Problema 1. El sistema es:

   

4 1 0 0

1 3 0.5 0 0 0.5 2 0.5 0 0 0.5 3

   

   

σ1

σ2

σ3

σ4

   

=

   

7.2

−6.6 3.6

3

   

de donde se obtienen

σ1 = 2.6788381742739 σ2 =−3.5153526970954

σ3 = 2.5344398340249 σ4 = 0.57759336099585

Los diferentes splines son:

q0(x) = + 0.44647303x3−1.24647303x+ 1.4

q1(x) =−1.03236514x3+ 4.436514523x2−5.68298755x+ 2.87883817

q2(x) = + 2.01659751x3−13.85726141x2+ 30.90456432x−21.51286307

q3(x) =−0.65228216x3+ 6.15933610x2−19.13692946x+ 20.18838174

(20)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 20de 22

Volver

Pantalla completa

Cerrar

s(x) =

              

q0(x), si x∈[0,1], (tambi´en (−∞,0])

q1(x), si x∈[1,2],

q2(x), si x∈[2,2.5],

q3(x), si x∈[2.5,3],

q4(x), si x∈[3,4], (tambi´en [3,+∞))

(21)

Inform´atica

P´agina Web

P´agina de Inicio

Contenido

JJ

II

J

I

P´agina 21de 22

Volver

Pantalla completa

Cerrar Problema 2. El sistema es ahora:

   

1.48 0.13 0 0 0.13 0.62 0.18 0 0 0.18 1.68 0.66 0 0 0.66 2.08

        σ1 σ2 σ3 σ4     =    

−0.905372005

−0.0435897436 0.212121212

0.50507177

   

obteni´endose:

σ1 =−0.61616885710569 σ2 = 0.050445411325263

σ3 = 0.029089182290732 σ4 = 0.23359274520339 Los diferentes splines son:

q0(x) =−0.16835215x3+ 0.075758466x2−0.0316707558x+ 0.35311424

q1(x) = + 0.85463368x3−2.25664921x2+ 1.74095908x−0.095951989

q2(x) =−0.019774286x3+ 0.078020050x2−0.33689656x+ 0.52047852

q3(x) = + 0.051642314x3−0.15122724x2−0.091601967x+ 0.43299011

q4(x) =−0.10245296x3+ 0.64852723x2−1.47517719x+ 1.23085182

s(x) =

              

q0(x), six∈[0.15,0.76], (tambi´en (−∞,0.15])

q1(x), six∈[0.76,0.89],

q2(x), six∈[0.89,1.07],

q3(x), six∈[1.07,1.73],

(22)

Figure

Figura 1: Interpolaci´ on polin´ omica a trozos.
Figura 2: La funci´ on 1/x y q 3 (x) en el intervalo [1.0,2.0].

Referencias

Documento similar

Representaremos las intersecciones de los diferentes planos transversales con el casco del buque en la proyección transversal del plano de formas.. Estos planos son paralelos entres

We consider a space of C 1 continuous cubic splines on a refined partition with C 2 super-smoothness conditions at the set of split points recently introduced in [7], where a

Lo que se propone es la construcci´on de una estructura cuyo cardinal es mayor que el de los reales y que ciertamente debe reconocerse como un sistema num´erico, pues es

En esta comunicaci´on proponemos y analizamos un esquema num´erico totalmente discreto con elementos finitos en espacio y diferencias finitas en tiempo para aproximar un modelo

Realizando el an´ alisis de las gr´ aficas para las diferentes muestras, se puede encontrar la secci´ on eficaz de acci´ on de absorci´ on de dos fotones como funci´ on de

Se trata de un software matem´ atico muy vers´ atil, basado en el c´ alculo con matrices para computaci´ on num´ erica, que ofrece un Entorno de Desarrollo Integrado (IDE) con

Ajustar por m´ınimos cuadrados discretos una recta a la siguiente tabla

a) Sabiendo que una matriz real y sim´etrica no puede tener valores propios complejos, encontrar un intervalo real que contenga a todos los valores propios de A. (6 puntos)

Caracter´ısticas: finito, bien definido, admisible, entrada y salida + rapidez, coste

Here we concentrate on polynomial functions on a given interval I = [a, b], and describe a basic algorithm to produce all of a given degree, jointly with its blossom.. This

Ullrich estudiaron el caso A 0 ãÑ A 1 , que es suficiente para aplicaciones, pero a nivel te´ orico es s´ olo una restricci´ on.. Una definici´ on que concuerda con la dada

Por sus or´ıgenes, se asocian a este grupo otros varios, como los que se encuentran en M´ alaga trabajando en operadores del An´ alisis Arm´ onico y Teor´ıa Erg´ odica, y en

Aplicaci´ on: c´ alculo de ra´ıces de ecuaciones no lineales. M´ etodo de M¨ uller Interpolaci´

This work is concerned with how we can mix conditions of both interpolation and approximation in order to find a blending surface joining two or more surfaces when approximating a

Abstract Computing estimates in functional principal component analysis (FPCA) from discrete data is usually based on the approximation of sample curves in terms of a basis

A la hora de implementar un algoritmo que haga esto de forma “matem´atica”, descu- brimos que los c´alculos necesarios para averiguar el punto de corte entre una recta y una

El an´alisis de la capacidad del proceso a trav´es de su variabilidad requiere el conocimiento o la estimaci´on de la distribuci´on de la caracter´ıstica estudiada, o bien

Otros m´ as complicados realizan c´ alcu- los para los an´ alisis de variabilidad clim´ atica mediante mapas de correlaci´ on entre se˜ nales del clima como el fen´ omeno El Ni˜

Tanto el nuevo modelo propuesto para el An´alisis de Datos Acoplados T 3-P CA como los mencionados anteriormente utilizan distintos modelos para el An´alisis de la Interac- ci´on

En funci´ on del problema concreto a solucionar y del an´ alisis que se haya realizado para establecer los par´ ametros la calidad de los resultados variar´ a, pero como conclusi´ on

machine learning (ML), metaheuristics (MHs), artificial neural networks (ANNs), time se- ries, extreme value theory (EVT) for fitting the statistical distribution of a set of

Godunov propuso un m´ etodo num´ erico aplicado a din´ amica de gases, donde la soluci´ on exacta de problema de valores iniciales del problema de Riemann presentaba una

Función original vs Interpolación por Splines (MATLAB). Representación de una curva que realiza un suavizamiento. Suavizamiento por Splines. Representación de los puntos de control

La principal implicaci´on del an´alisis impulso–respuesta para la volatilidad que hemos llevado a cabo es que el mecanismo de transmisi´on de la volatilidad desde el tipo de inter´es