Está en la página 1de 31

La interpolacin consiste en hallar un dato dentro de un intervalo en el que conocemos los valores de los extremos.

El problema general de la interpolacin se nos presenta cuando nos dan una funcin de la cual solo conocemos una serie de puntos de la misma: ( , ), (1 , 1 ), , ( , ) Y se pide hallar el valor de un punto x (intermedio de 0 y ) de esta funcin.

Se le llama polinomio interpolador correspondiente a esos puntos. Una vez obtenida su expresin dando valores en l se pueden encontrar nuevos puntos de la funcin.

Los resultados aproximados.

obtenidos

son

valores

La interpolacin se dir lineal cuando slo se tomen dos puntos y cuadrtica cuando se tomen tres.

Cuando las variaciones de la funcin son proporcionales (o casi proporcionales) a los de la variable independiente se puede admitir que dicha funcin es lineal y usar para estimar los valores la interpolacin lineal. Sean dos puntos (xo, yo), (x1, y1), la interpolacin lineal consiste en hallar una estimacin del valor y, para un valor x tal que x0<x<x1.

La forma ms simple de interpolacin consiste en unir dos puntos con una lnea recta. Utilizando tringulos semejantes cuanto menor sea el intervalo entre los datos, mejor ser la aproximacin.

Estime el logaritmo natural de 2 mediante interpolacin lineal. Primero, realice el clculo por interpolacin entre ln 1=0 y ln 6 =1.791759. Despus, repita el procedimiento, pero use un intervalo menor de ln 1 a ln 4 (1.386294). Observe que el valor verdadero de ln 2 es 0.6931472.

Cuando el polinomio que conviene es de 2 grado la interpolacin recibe el nombre de cuadrtica. El polinomio interpolador es nico, luego como se encuentre da igual, sin embargo, a veces los clculos son muy laboriosos y es preferible utilizar un mtodo que otro. Tambin podemos utilizar polinomio interpolador as: la expresin del

Agrupando trminos

Donde:

Ajuste un polinomio de segundo grado a los tres puntos del ejemplo anterior:
x0 = 1 f(x0) = 0 x1 = 4 f(x1) = 1.386294 x2 = 6 f(x2) = 1.791759

El anlisis anterior puede generalizarse para ajustar un polinomio de n-simo grado a n+1 datos. El polinomio de n-simo grado es:

Los puntos asociados se utilizan para evaluar los coeficientes:

Donde estos coeficientes son el resultado de realizar diferencias dividas finitas. Por ejemplo, la primera diferencia dividida finita sera:

La segunda diferencia dividida finita sera:

Realizamos el mismo problema de encontrar el ln 2, con los puntos x0=1, x1=4, x2=6 y x3=5.

Si graficamos resultados este nos queda de la siguiente manera:

Es simplemente una reformulacin del polinomio de Newton, pero evitando las diferencias divididas finitas:

Donde:

Donde el polinomio lineal quedara:

El polinomio de segundo grado:

Con un polinomio de interpolacin de LaGrange de primer y segundo orden evale el ln 2 con los datos:

Bsicamente el ajuste de curvas se utiliza cuando se tiene una serie de datos calculados y se desea conocer valores intermedios no conocidos, o tambin en aquellos casos en que se desee una versin simplificada de una funcin que se ajuste a un numero de valores concretos, y posteriormente usar la funcin simplificada para derivar nuevos valores. Ajustar una curva implica ajustar una funcin g(x) a un conjunto de datos (xi,yi), i=1,2,...,L. g(x) puede ser un polinomio, una funcin lineal o combinacin de funciones conocidas

Hay bsicamente dos mtodos para lograr ajuste de curvas:


1. Si los datos no son muy exactos o tienen asociado un error (ruido) entonces la mejor manera es establecer una sola curva que represente la tendencia general de los datos observados. Se conoce como REGRESIN LINEAL, cuyo mtodo mas sencillo es la REGRESIN POR MNIMOS CUADRADOS. 2. Si los datos que se tienen son precisos se trazan una o varias curvas que pasan por cada uno de los puntos de datos. A esto se le llama INTERPOLACIN, la cual puede ser lineal o curvilnea.

En este mtodo se pretende trazar la recta que mas se acerque al conjunto de datos dado, a la cual se le llama lnea (recta) de regresin, expresada matemticamente como:

Encontrar la lnea de regresin que mejor se ajusta a los siguientes datos:

Para sustituir valores en las formulas anteriores realizamos una tabla como la siguiente:

Y sustituyendo en la frmula principal:

Regresin cuadrtica

Ajustar a un polinomio de segundo grado los datos dados en las primeras dos columnas de la siguiente tabla:

Nos queda un sistema de ecuaciones como el siguiente:

Si resolvemos por gauss: Y sustituyendo en la ecuacin cuadrtica nos queda:

Interpolacin Lineal Calcular el polinomio de grado 1 de los datos en la siguiente tabla:

Dada la tabla con los siguientes datos, obtener la funcin que se ajusta a los datos por el mtodo de interpolacin cuadrtica:

n 0 1 2

xn 1 3 4.5

f(xn) 4 1 5

1.

Ajuste un polinomio de interpolacin de Newton de segundo orden para estimar el log 10, en x = 8, 9 y 11. Repita el problema mediante polinomio de LaGrange. Dados los datos

2.

3.

Calcule f(2.8) con el uso de polinomios de interpolacin de Newton de rdenes 1 y 2.


4.

Repita el problema utilizando polinomios de LaGrange.

5.

Dados los datos

Calcule f(4) con el uso de polinomios de interpolacin de Newton de rdenes 1 y 2.


6.

Vuelva a hacer el problema con el uso de polinomios de LaGrange de rdenes 1 y 2.