Вы находитесь на странице: 1из 15

UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS PECUARIAS

CARRERA DE INGENIERÍA EN ALIMENTOS

MÓDULO DE MÉTODOS NUMÉRICOS

Estudiante:
Ivania Haón Gaybort

Asignatura:
MÉTODOS NUMÉRICOS

Docente:
Ing. José Macías Véliz

Curso:
Séptimo “B”

Año:
2019-2020
INTRODUCCIÓN
El presente módulo se refiere a los métodos numéricos, que son técnicas que nos hacen
posible el formular problemas, de tal manera que puedan ser resueltas con operaciones
aritméticas.
Con el paso del tiempo los métodos para buscar la exactitud han evolucionado, debido a
la tecnología y mucha meticulosidad de quienes se han encargado de investigar o buscar
alternativas de solución a los problemas.
Es importante realizar un análisis numérico, pues su objetivo principal, es encontrar
soluciones “aproximadas” a problemas complejos utilizando sólo las operaciones más
simples de la aritmética. Se requiere de una secuencia de operaciones algebraicas y
lógicas que producen la aproximación al problema matemático.
En este módulo se analizara como surgen los métodos numéricos en la historia así como
las razones y uso por las cuales se aplican en la vida cotidiana, del mismo modo
aprenderemos las diferencias que existen entre exactitud y precisión de manera
involucrada con el error. Se estudiara los tipos de errores más comunes que existen
(inherentes, por redondeo y por truncamiento). Los errores absoluto y relativo con sus
respectivas formulas así como también el saber que existen herramientas computacionales
para obtener soluciones de una manera más práctica y fácil de resolver.
1. INTRODUCCIÓN AL ANÁLISIS NUMÉRICO
1.1.¿Qué es un método numérico?
Se define métodos numéricos como un procedimiento mediante el cual se obtiene, casi
siempre de manera aproximada, la solución de problemas realizando cálculos de origen
aritméticos y lógicos como operaciones aritméticas elementales, cálculo de funcione,
entre otros.
El procedimiento consiste en una lista finita de instrucciones precisas que especifican una
secuencia de operaciones algebraicas y lógicas, más conocida como un algoritmo, que
producen una aproximación de la solución de un problema.
La eficiencia en el cálculo de la aproximación va a depender de la facilidad de la
implementación de dicho algoritmo y de los instrumentos del cálculo.
https://sites.google.com/site/mecanalisis/home/unidad-i-introduccion-a-los-metodos-
numericos
1.1.1. Historia de los métodos numéricos
Es conocido de que los métodos numéricos o la Matemática numérica es una ciencia
joven, pero ya desde tiempos muy remotos se utilizaron métodos numéricos, por ejemplo,
existe un documentos matemático muy antiguo y bien conservado llamado papiro de
Rhind, los responsables de este documento fueron los egipcios hace 2000 años a. n. e..
Aquí se encuentran problemas resueltos, métodos aproximados para calcular el volumen
de los frutos recogidos, entre otros cálculos matemáticos. Otro claro ejemplo de la
existencia de los métodos numéricos en tiempos remotos es Babilonia, ellos ya conocían
métodos y formas para calcular raíces cuadradas.
Sobre los conocimientos matemáticos de la cultura egipcia los primeros registros que se
tienen son el Papiro de Moscú y de Rhind, escritos aproximadamente en 1850 A. de C. y
1650 A. de C. Dichos documentos incluyen ejemplos de cálculos de ecuaciones lineales
con una y dos incógnitas. En cuanto a geometría, determinaron con éxito el área y el
volumen de diversas figuras geométricas: entre ellas, el volumen de una pirámide
truncada.
http://https1994zenteno.blogspot.com/2014/03/unidad-1-introduccion-los-metodos.html
1.2.Modelo matemático simple
Se conoce como modelo matemático al modelo que hace uso de fórmulas matemáticas
para así lograr representar la relación entre distintas variables, parámetros y restricciones.
Los modelos matemáticos se usan para analizar la relación o conexión entre dos o más
variables existentes. Estos modelos pueden usarse también para lograr entender
fenómenos naturales, sociales, físicos, entre otros. Además los modelos matemáticos son
instrumento para formular hipótesis, pero esto va a depender del objetivo que se busca y
del diseño del modelo a aplicar.
Características o elementos básicos de los modelos matemáticos:
Variables: Objetos que se buscan entender.
Restricciones: Son los límites que nos indican los resultados del análisis.
Parámetros: Valores conocidos o controlables del modelo matemático.
https://economipedia.com/definiciones/modelo-matematico.html
1.3.Leyes de conservación e Ingeniería
Las leyes de conservación se refieren a un subconjunto de propiedades que conservan
cuando estos sistemas interactúan, así hablamos de conservación de la masa o
conservación de la energía.
En el siglo XVIII algunos filósofos explicaron estas leyes por vez primera. Desde ese
entonces las leyes de conservación han sido la base del desarrollo de muchas terías en las
ciencias físicas. En su desarrollo han existido riñas que han sido útiles para conocer la
identidad de la propiedad conservada y las condiciones de conservación.
https://culturacientifica.com/2014/07/15/de-las-leyes-de-conservacion-ii/

1.3.1. Ley de la conservación de la amteria


Esta ley postula que la materia no se crea ni se destruye, solo se transforma, esto quiere
decir que la masa antes de la reacción química es igual a la masa después de la reacción.
“La masa de un sistema cerrado o aislado permanece invariable cualquiera que sea la
transformación que ocurra dentro de él”
https://www.todamateria.com/ley-de-la-conservacion-de-la-materia/
1.3.2. Ley de la conservación de la energía
Se conoce como energía a la capacidad de producir trabajo. Existen muchos tipos de
energía, como la energía potencias y la energía cinética, y sabemos que estas se pueden
transfromar. Pero las transformaciones pueden ser dadas siempre y cuanso cumplan el
prier principio fundamental de la termodinámica que es el principio de conservación de
la energía. Este principio nos dice que la cantidad total de energía de un sistema físico se
mantiene invariable con el tiempo, no obstante, esta energía puede transformarse en otro
energía distinta. En resumen “ La energía no se crea ni se destruye, simplememnnte se
transforma”.
https://fisica.laguia2000.com/general/leyes-de-conservacion
2. Aproximaciones y errores de redondeo
2.1.Cifras significativas
Las cifras significativas se definen como aquellas cifras o valores que tienen un
significado real y que aportan información. Toda medición experimental es inexacta y
deben ser expresadas respectivamente con sus cifras significativas.
Criterios
 Los ceros a la izquierda no son significativos, indican la colocación del punto
decimal; así, 0.000655 tiene TRES cifras significativas.
 Los ceros a la derecha y después del punto decimal si son significativos; como
ejemplo, 5.2123 tiene CINCO cifras significativas.
Ejemplos
2.6568 tiene 5 cifras significativas
4,96245x10-6 tiene 6 cifras significativas
0,0008 tiene 1 cifra significativa.
Normas para establecer las cifras significativas:
Regla 1. Los números que no tengan ceros, todos los dígitos serán significativos.
Ejemplo:
6,9713 → tiene cinco cifras significativas
7,789 → tiene cuatro cifras significativas
Regla 2. Todos los ceros que se encuentren ubicados entre los dígitos significativos son
significativos.
Ejemplo:
8.02585 → tiene seis cifras significativas
Regla 3. Los ceros que están a la izquierda del primer dígito que no es cero, no cuentan
como cifras significativas.
Ejemplo:
0.0024 → tiene dos cifras significativas
0,0000052878 → tiene cinco cifras significativas
Regla 4. Los ceros finales a la derecha del punto decimal, son significativos.
Ejemplo:
0.2549600 → tiene siete cifras significativas
56.00 → tiene cuatro cifras significativas

Regla 5. Si un número no cuenta con punto decimal y tiene al final uno o más ceros, los
ceros pueden o no pueden ser significativos, se recomienda usar notación científica para
poder expresarlos mejor.
Ejemplo:
2500 → tiene dos cifras significativas
2500, → tiene cuatro cifras significativas
Regla 6. Los números que son exactos tienen cifras significativas de forma finita.
Se define como números exactos a los números que se obtienen por definición.
Ejemplo:
Las caras de un dado, al contarlas tenemos un número exacto: 6.
Sabemos por definición que un kilómetro es un número exacto: 1000.
http://www.escritoscientificos.es/trab21a40/cifrassignificativas/00cifras.htm
Aproximación
Una aproximación es una cifra que da representación a un número cuyo valor exacto es
X. Por lo tanto, la cifra que más se acerque al valor exacto X, será considerada como la
mejor aproximación de ese valor.
Ejemplos de aproximación:
3.1416 Es una aproximación
numérica de π
2.7183 Es una aproximación
numérica de e
1.4142 Es una aproximación
numérica de √2
0.333333 Es una aproximación
numérica de 1/3

https://sites.google.com/site/mecanalisis/home/unidad-i-introduccion-a-los-metodos-
numericos

2.2.Exactitud y precisión
Cuando hablados de exactitud y precisión, estamos hablando de conceptos básicos
relacionados con el tema de medición de variables numéricas, que son convenientes de
distinguir y controlar.
La exactitud es la medición que nos dice la cercanía con la que el resultado obtenido se
aproxima a un valor verdadero. En sí, es cuán cerca estamos de los resultados que
queremos obtener.
Cuando expresamos la exactitud de un resultado, este se expresa mediante el uso del error
absoluto. El error absoluto es la diferencia entre el valor verdadero y el valor
experimental.
La precisión es la dispersión del conjunto de valores obtenidos de mediciones repetidas
de una magnitud. Entre más dispersos estén los datos mayor será la precisión.
http://itpn.mx/recursosisc/4semestre/metodosnumericos/Unidad%20I.pdf
La exactitud y precisión son variables de mucha importancia en la medición de valores,
pero también dependerán de los objetivos del estudio que la utiliza.
Es fácil de equivocarse o cometer un error respondiendo usando más decimales que los
contenidos en las mediciones iniciales, ya que así se aumenta la precisión por la propia
capacidad de cálculo de los computadores.

https://www.academia.edu/10918341/Errores_comunes_exactitud_y_precision._metodo
s_numericos

Preciso pero NO exacto Exacto pero NO preciso Preciso y Exacto

Otros conceptos asociados a la exactitud y la precisión:


Incertidumbre: La incertidumbre o también conocida como la imprecisión, es el grado
de alejamiento de los datos entre sí, quiere decir, las diversas aproximaciones al valor
real.
Sesgo: El sesgo es cuando la existencia de un error no se da al azar o aleatoriamente,
sino de manera sistemática. Es el alejamiento sistemático del valor que se quiere
calcular.
Otros ejemplos:
Π =3,15 Es inexacto e impreciso
Π =3,14 Es exacto pero impreciso
Π=3,151692 Es preciso pero inexacto
Π=3,141593 Es exacto y preciso

http://itpn.mx/recursosisc/4semestre/metodosnumericos/Unidad%20I.pdf

2.3.Definiciones de error.
Los errores numéricos se originan del uso de las aproximaciones para poder representar
operaciones y cantidades matemáticas exactas. Los errores representan la diferencia de
un valor calculado por una fórmula dada y el valor verdadero.
Un error numérico es el ajuste o cálculo de una magnitud con respecto al valor real que
dicha magnitud tiene. Se considera que la estabilidad numérica es un aspecto importante
de los errores numéricos. Esta estabilidad se refiere a como dentro de un algoritmo de
análisis numérico el error de aproximación es propagado del propio algoritmo. En todos
los problemas es necesario tomar en cuenta los errores cometidos con el fin de poder
estimar una aproximación de la solución que se obtiene.
https://sites.google.com/site/metnum00/home/unidad-i/1-2-tipos-de-errores
Los errores numéricos se clasifican en:
 Error absoluto
 Error relativo o porcentual
 Errores inherentes
 Errores por truncamiento
 Errores de redondeo

2.3.1. Error absoluto
El error absoluto es la diferencia que hay entre el valor real de la magnitud a ser medida
y el valor obtenido en una medida. Ya que es una diferencia de valores de una misma
magnitud, el error absoluto se expresa en las mismas unidades que la magnitud. La
forma que se aplica para este error es la siguiente:

Ԑa = [Xi – Xv]
Donde:
Ԑa: Error absoluto
Xi: Valor Real
Xv: Valor medido
https://esimecuanalisisnumerico.wordpress.com/2014/05/03/1-1-tipos-de-errores/
2.3.2. Error relativo o porcentual
El error relativo se define como el cociente entre el error absoluto y el valor real de la
magnitud. Es el cometido en la estimación del valor de un número, nos da la precisión de
una medida y se suele usar en forma de porcentaje (%).
En ocasiones conocemos cual es el error absoluto (Ea), pero es imposible conocer el error
exacto, para este caso, debemos dividir el error absoluto entre el valor aproximado o
considerado como exacto.
El error relativo se representa con la siguiente fórmula:
Ea
𝐸𝑟 =
Xv
Donde:
Er: Error relativo
Ea: Error Absoluto
Xv: Valor real de la magnitud
https://esimecuanalisisnumerico.wordpress.com/2014/05/03/1-1-tipos-de-errores/

Ejemplo:

Grosor de una mesa


Valor real: 5.15 cm
Valor aproximado: 5 cm
Calcular el error absoluto
Error absoluto = [valor real – valor aproximado]
Error absoluto = [5.15 cm – 5 cm]
Error absoluto = 0.15 cm
Calcular el error relativo
Error relativo= [Error absoluto/ valor real]
Error relativo = [0.15cm/ 5.15cm]
Error relativo = 0.0291
El error relativo se expresa en porcentaje, por lo tanto:
0.0291*100= 2.91%
ESTE EJERCICIO LO PLATEÉ YO.
2.3.3. Errores inherentes o heredados
Son aquellos errores existentes en los valores de los datos, ocasionados por incertidumbre
en las mediciones, por verdaderas equivocaciones, o por la naturaleza necesariamente
aproximada de la representación, mediante un número finito de dígitos, de cantidades que
no pueden representarse exactamente con el número de dígitos permisible.
Por ejemplo, si necesitamos usar π en un cálculo, podemos escribirlo como 3.14, 3.1416,
3.1415926535589793..., etc. En muchos casos aún una fracción simple no tiene
representación decimal exacta, por ejemplo 1/3, que puede escribirse solamente como una
sucesión finita de números 3.
http://aniei.org.mx/paginas/uam/CursoMN/curso_mn_02.html
2.3.4. Errores por truncamiento
Los errores por truncamiento son erores que se obtienen al usar una aproximación en
lugar de un procedimiento matemático exacto. En el ámbito de análisis numérico,
truncamiento es el término utilizado para reducir el número de dígitos a la derecha de la
coma decimal así descartando los menos significativos.
Ocurren cuando la parte fraccionaria está conformada por un número infinito de dígitos,
y este requiere ser expresado en una cifra más aproximada, utilizando las llamadas cifras
significativas.
Números reales Truncamiento
3.14159265358979 3.1416
32.438191288 32.4381
6.3444444444 6.3444

Hay que tener en cuenta que en algunos casos el truncamiento dará como resultado el
mismo que el de redondeo, pero debemos saber que el truncamiento solo nos permite
acortar dígitos según se quiera.
https://esimecuanalisisnumerico.wordpress.com/2014/05/03/1-1-tipos-de-errores/
2.3.5. Errores de redondeo.
Se define como error de redondeo como aquel error donde el número significativo de
dígitos después de la coma decimal se ajusta a un número en específico, lo que ocasiona
que haya un ajuste en el último dígito.
Método común para redondear:
Estas reglas van aplicadas específicamente al decimal situado en la siguiente posición al
número de decimales que se desea transformar, quiere decir, que si tenemos un número
de 3 decimales y queremos redondear a 2, se aplicarán las siguientes reglas:
 Dígito menor que 5 (d<5): Si el siguiente decimal es menor que 5, el anterior no
se modifica o se cambia.
Ejemplo:
25.412
Redondeando a dos decimales se deberá tener en cuenta el tercer decimal:
25.412 =25.41
 Dígito mayor que 5 (d≥5): Si el siguiente decimal es mayor o igual que 5, el
anterior se incrementa una unidad.
Ejemplo:
25.418
Para redondear a 2 decimales debemos tener en cuenta el tercer decimal
25.418 = 25.42

https://es.slideshare.net/morenito9001/13-tipos-de-errores
3. INTERPOLACIÓN, DERIVACIÓN E INTEGRACIÓN NUMÉRICA.
3.1.¿Qué es interpolación?
En el ámbito del análisis numérico, la interpolación se trata de hallar el valor de la función
F(x), de la cual sólo conocemos pocos puntos, para un valor de x que se encuentre entre
dos valores consecutivos conocidos. En pocas palabras podríamos decir que:
"La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos
los valores en los extremos".
Las formas más utilizadas de interpolación son la interpolación polinómica, la
interpolación lineal, la interpolación mediante spline (una curva diferenciable definida en
porciones mediante polinomios) y la interpolación polinómica de Hermite.
https://sites.google.com/site/metalnumericos/home/unidad-4/4-1-interpolacion-lineal-y-
cuadratica
El problema general de la interpolación se nos presenta cuando nos dan una función de la
cual solo conocemos una serie de puntos de la misma:
(xo, yo), (x1, y1),........., (xn, yn) y se pide hallar el valor de un punto x (intermedio de x0
y xn) de esta función.
3.2.Interpolación polinómica por el método de Newton
El método de Newton es un método de interpolación polinómica que nos sirve para
cuando se requiera un número bajo de puntos para interpolar, porque a medida de que
aumenta el número de puntos, el grado del polinomio también aumenta.
Partimos de n+1 puntos (x,f) y buscamos un polinomio de grano n del tipo:
Pn(x) =C0+C1 *(x-x0) +C2*(x-x0) * (x-x1) +…+ Cn *(X-X0)…(X-Xn -1)
Ejercicios de aplicación:
A. Calcule el polinomio por medio de la interpolación de Newton que pasa por los
puntos:
(0;1) (0.2; 0.3563) (1;0.8955)
Con los datos planteados podemos identificar que es un polinomio de grado 2, porque
tenemos tres puntos.
X Y
0 1
0.2 0.3563
1 0.8955

Para obtener L0 utilizaremos los valores L1 y L2


(𝑥 − 0.2)(𝑥 − 1) 𝑥 2 − 𝑥 − 0.2𝑥 + 0.2
𝑙0(𝑥) = =
(0 − 0.2)(0 − 1) 0.2
𝑙0(𝑥) = 5𝑥 2 − 6𝑥 + 1
Para obtener L1 utilizaremos los valores L0 y L2
(𝑥 − 0)(𝑥 − 1) 𝑥2 − 𝑥
𝑙1(𝑥) = =
(0.2 − 0)(0.2 − 1) −0.16
𝑙1(𝑥) = −6.25𝑥 2 − 6.25𝑥
Para obtener L2 utilizaremos los valores L0 y L1
(𝑥 − 0)(𝑥 − 0.2) 𝑥 2 − 0.2𝑥
𝑙2(𝑥) = =
(1 − 0)(1 − 0.2) 0.2
𝑙2(𝑥) = 5𝑥 2 − 𝑥
Reemplazamos la fórmula con los datos obtenidos
𝑃2 (x)= 𝑌0 𝑙0 (x)+ 𝑌1 𝑙1 (x) +𝑌2 𝑙2(x)
𝑃2 (x)= (1) [5𝑥 2 -6x+1] + (0.3563) [−6.25𝑥 2 − 6.25𝑥] + (0.8955) [ 5𝑥 2 − 𝑥]
𝑃2 (x)= 5𝑥 2 -6x+1-2.2270𝑥 2 -2.2270x+4.4775𝑥 2 -0.8955x
𝑃2 (x)=7.2505𝑥 2 -9.1225x +1
3.3.Interpolación por el método de Lagrange.
La interpolación de polinomios de Lagrange es una reformulación del polinomio de
Newton que evita el cálculo de la tabla de diferencias, el polinomio de Lagrange se
expresa como:
𝑛

𝑓𝑥 = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )
𝑖−0

Donde:
𝑛
𝑥 − 𝑥𝑗
𝐿𝑖 (𝑥) = ∏
𝑥𝑖 − 𝑥0
𝑗−0
𝑗−𝑖

Para el polinomio de primer grado utilizamos la siguiente fórmula:


𝑥 − 𝑥1 𝑥 − 𝑥0
𝑓1 (𝑥) = 𝑓(𝑥0 ) + 𝑓(𝑥1 )
𝑥0 − 𝑥1 𝑥1 − 𝑥0
Y para el polinomio de segundo grado se representa así:
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝑓1 (𝑥) = 𝑓(𝑥0 ) + 𝑓(𝑥1 )
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
+ 𝑓(𝑥2 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
Para esta fórmula 𝑓𝑛 (𝑥) es la Y interpolada y la x es la X interpolada. Se recomienda usar
más datos en las tablas, ya que así se podrá usar un polinomio de alto grado y obtendremos
mejores resultados.
http://test.cua.uam.mx/MN/Methods/Interpolacion/Lagrange/Lagrange.php
La ecuación de Lagrange se deriva de la ecuación de Newton. Pero, la razón fundamental
de la fórmula de Lagrange es comprensible notando que cada término Li(x) será 1 en
X=Xi y 0 en los demás puntos.
Por consiguiente, cada valor de Li(X) f(Xi) toma un valor de f(Xi) en el punto Xi. Esto
quiere decir, que el sumando de todos los productos, dada por la ecuación general de
Lagrange, es el único polinomio de n-ésimo orden que pasa por los puntos n+1.
Ejercicios de aplicación:
A. Dado los siguientes puntos (1,-2) (3,1) (5,2) (7,-3). Con la fórmula de Lagrange,
encuentre el polinomio de interpolación que incluye estos puntos.
X 1 3 5 7
Y -2 1 2 -3

Fórmula:
P(x)=Y0L0(x) +Y1L1(x)+……+YnLn(x)

Para obtener L0 utilizaremos los valores L1 y L2


(𝑥 − 3)(𝑥 − 5)(𝑥 − 7)
𝑙0(𝑥) =
(1 − 3)(1 − 5)(1 − 7)

(𝑥 − 3)(𝑥 − 5)(𝑥 − 7)
=
−48

(𝑥 2 − 5𝑥 − 3𝑥 + 15)(𝑥 − 7)
=
−48
(𝑥 3 − 7𝑥 2 − 8𝑥 2 + 56𝑥 + 15𝑥 + 15 − 105)
−48
(𝑥 3 − 15𝑥 2 − 8𝑥 2 + 71𝑥 − 105)
−48
(𝑥 3 − 15𝑥 2 + 71𝑥 − 105)
−48

𝑙0(𝑥) = −0.0208𝑥 3 + 0.3125𝑥 2 − 1.4792𝑥 + 2.1875

Para obtener L1 utilizaremos los valores L0 y L2


(𝑥 − 1)(𝑥 − 5)(𝑥 − 7)
𝑙1(𝑥) =
(3 − 1)(3 − 5)(3 − 7)

(𝑥 − 3)(𝑥 − 5)(𝑥 − 7)
=
16
(𝑥 2 − 5𝑥 − 𝑥 + 5)(𝑥 − 7)
=
16
(𝑥 3 − 7𝑥 2 − 6𝑥 2 + 42𝑥 + 5𝑥 − 35)
16
(𝑥 3 − 13𝑥 2 + 47𝑥 − 35)
16

𝑙1(𝑥) = −0.0625𝑥 3 − 0.8125𝑥 2 − 2.9375𝑥 + 2.1875

𝑙1(𝑥) = 0.1042𝑥 2 + 0.1666𝑥 − 0.3125

Para obtener L2 utilizaremos los valores L0 y L1


(𝑥 − 0)(𝑥 − 0.2) 𝑥 2 − 0.2𝑥
𝑙2(𝑥) = =
(1 − 0)(1 − 0.2) 0.2
𝑙2(𝑥) = 5𝑥 2 − 𝑥
Reemplazamos la fórmula con los datos obtenidos
𝑃2 (x)= 𝑌0 𝑙0 (x)+ 𝑌1 𝑙1 (x) +𝑌2 𝑙2(x)
𝑃2 (x)= (1) [5𝑥 2 -6x+1] + (0.3563) [−6.25𝑥 2 − 6.25𝑥] + (0.8955) [ 5𝑥 2 − 𝑥]
𝑃2 (x)= 5𝑥 2 -6x+1-2.2270𝑥 2 -2.2270x+4.4775𝑥 2 -0.8955x
𝑃2 (x)=7.2505𝑥 2 -9.1225x +1