Metodos Numericos Interpolacion Teoria

Interpolacin Polinomial
Mg. Hermes Pantoja Carhuavilca

Universidad Nacional Mayor de San Marcos
Facultad de Ingenieria Industrial
Mtodos Computacionales
Agenda
Interpolacin
Polinomial
Introduccin
Introduccin
Aplicaciones
Interpolacin y aproximacin
Teoria
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Vandermonde
Lagrange
Lagrange
Newton
Interpolacion de Newton
Diferencias Divididas
Newton
Diferencias Finitas
Diferencias Finitas
Anlisis de error
Anlisis de error
41
Universidad Nacional Mayor

de San Marcos
Facultad de Ingenieria
Industrial
Interpolacin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Dado un conjunto de datos conocidos
Introduccin
(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )
Introduccin
Aplicaciones
Interpolacin y
aproximacin
buscamos una funcin f : R R que satisfaga
Teoria
Vandermonde
f (xi ) = yi ,
i = 0, . . . , N
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
f (xi ) = yi ,
i = 0, . . . , N
Lagrange
Newton
Diferencias Finitas
f es una funcin interpolante o interpolador
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
f (xi ) = yi ,
i = 0, . . . , N
Lagrange
Newton
Diferencias Finitas
I
I
f es una funcin interpolante o interpolador

El interpolador f puede ser
I
I
Anlisis de error
polinomio
spline
41

de San Marcos
Industrial
Aplicaciones
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Trazado de curvas a travs de un conjunto discreto de

datos.
Introduccin
Introduccin
4
Aplicaciones
Interpolacin y
aproximacin
Determinar valores intermedios de una tabla de

datos.
Teoria
Vandermonde
Lagrange
Newton
Derivar e integrar a partir de una tabla de datos.
Diferencias Finitas
Evaluar de manera fcil una funcin matemtica.
Reemplazar una funcin complicada por una simple.
Anlisis de error
41

de San Marcos
Industrial
Introduccin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
I
I
I
I
Introduccin
Funciones utilizadas como interpoladores

Polinomios
Funciones trigonomtricos
Funciones exponenciales
Funciones racionales
Introduccin
Aplicaciones
5
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Los interpoladores se ajustan a los datos de manera

exacta (f (xi ) = yi )
Newton
Diferencias Finitas
Interpolacin presenta problemas cuando los datos

estn sujetos a errores significativos.
Anlisis de error
41

de San Marcos
Industrial
Introduccin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
6
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Teorema de Aproximacin de Weierstrass

Interpolacin
Polinomial
Teorema
Mg. Hermes
Pantoja C.
Sea f : [a, b] R continua. Para todo > 0, existe un

polinomio P(x ) definido sobre [a, b] tal que:
Introduccin
Introduccin
|f (x ) P(x )| <
Aplicaciones
x [a, b]
Interpolacin y
aproximacin
7
Teoria
Vandermonde
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Teorema
Si x0 , x1 , . . . , xN son nmeros reales distintos, entonces para
N + 1 valores arbitrarios y0 , y1 , . . . , yN existe un nico
polinomio PN de grado a lo sumo N tal que
PN (xi ) = yi , i = 0, . . . , N
Observaciones
I
El teorema generaliza:Por 2 puntos distintos del plano

pasa una y slo una lnea recta (polinomio de grado 1)
x x . . . xN
Dado una tabla de datos 0 1
y0 y1 . . . yN
existe uno y slo un polinomio PN de grado N tal
que PN (xi ) = yi .
Aunque el polinomio es nico, existen diversas formas
de expresarlo y diferentes algoritmos para determinarlos.
Polinomio interpolador
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Asumimos un conjunto de puntos discretos

{x0 , x1 , . . . , xN } con los valores correspondientes
{f (x0 ), f (x1 ), . . . , f (xN )}
Construimos una funcin f (x ) que pasa por (xi , f (xi ))
por medio de la aproximacin
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
9
Teoria
Vandermonde
f (x ) PN (x ) =
N
X
Lagrange
ak k (x )
Newton
i=0
Diferencias Finitas
PN (x ) es el polinomio interpolante.
k (x ) son polinomios conocidos a priori y forman una

base.
ak son coeficientes por determinar.
Anlisis de error
41

de San Marcos
Industrial
Interpolacin de Vandermonde
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Consideremos como bases los monomios

k (x ) = x k , k = 0, . . . , N
Interpolacin y
aproximacin
Teoria
10
Para la base dada obtenemos la representacin

PN (x ) = a0 + a1 x + a2 x 2 + . . . + aN x N
donde a0 , a1 , . . . , aN son constantes a determinar.
Vandermonde
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin de Vandermonde
Interpolacin
Polinomial
Las N + 1 ecuaciones que surgen al evaluar xi en f (x )

se pueden expresar matricialmente como
1
1
..
.
x0
x1
..
.
1 xN
x02
x12
..
.
xN2
...
...
x0N
x1N
..
.
.
. . . xNN
a0
a1
..
.
aN
f (x0 )
f (x1 )
..
.
f (xN )
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
11
Vandermonde
Lagrange
Newton
Va=f
Diferencias Finitas
V es la matriz de Vandermonde y
det(V) =
Anlisis de error
(xj xi ) 6= 0
0i<jN
.
41

de San Marcos
Industrial
Ejemplo
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Ejemplo
Determine el polinomio de grado 2 que interpola los tres
dados
(2, 27), (0, 1), (1, 0)
Interpolacin y
aproximacin
Teoria
12
Vandermonde
Lagrange
Newton
Solucin
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Polinomial
El polinomio est dado por

P2 (x ) = a0 + a1 x + a2 x 2
Mg. Hermes
Pantoja C.
Para este caso el sistema est dado por
Introduccin
Introduccin
Aplicaciones
1 2 4
a0
27
1
0
0
a
=
1 1
1 1 1
a2
0
Interpolacin y
aproximacin
Teoria
13
Vandermonde
Lagrange
La solucin est dada por
1 5 4
iT
Newton
P2 (x ) = 1 + 5x 4x 2
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin de Lagrange
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Como base tomamos los polinomios bsicos de

Lagrange definidos por
Introduccin
Introduccin
(x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xN ) Aplicaciones

Interpolacin y
Lk (x ) =
(xk x0 )(xk x1 ) (xk xk1 )(xk xk+1 ) (xk xN aproximacin
)
Teoria
=
N
Y
i =0
i 6= k
(x xi )
(xk xi )
Vandermonde
14
Lagrange
Newton
Diferencias Finitas
Propiedades
I
I
Anlisis de error
Lk es un polinomio
de grado N

1 si k = j
Lk (xj ) =
0 si k 6= j
41

de San Marcos
Industrial
Interpolacin
Polinomial
El polinomio de interpolacin de Lagrange est dado por
Mg. Hermes
Pantoja C.
PN (x ) = f (x0 )L0 + f (x1 )L1 + . . . + f (xN )LN
Introduccin
Introduccin
n
X
Aplicaciones
Interpolacin y
aproximacin
f (xk )LN (x )
Teoria
k=0
I
El polinomio de interpolacin de Lagrange es de grado

N y pasa por los N + 1 puntos
(x0 , f (x0 )), . . . , (xN , f (xN ))
Vandermonde
15
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Ejemplo
Dado los siguientes puntos
x 0 0.5 1
y 1 0.8 0.5
hallar los polinomios bsicos de lagrange y el polinomio
interpolante.
Solucin:
L0 (x ) =
L1 (x ) =
L2 (x ) =
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
16
Lagrange
Newton
(x x1 )(x x2 )
(x0 x1 )(x0 x2 )
(x x0 )(x x2 )
(x1 x0 )(x1 x2 )
(x x0 )(x x1 )
(x2 x0 )(x2 x1 )
=
=
=
(x 0.5)(x 1)
(0 0.5)(0 1)
(x 0)(x 1)
(0.5 0)(0.5 1)
(x 0)(x 0.5)
(1 0)(1 0.5)
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Polinomios Basicos de Lagrange:

L0 (x ) = 2x 2 3x + 1
L1 (x ) = 4x 2 + 4x
L2 (x ) = 2x 2 x
Polinomio de Lagrange:
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
17
P2 (x ) = y0 L0 + y1 L1 + y2 L2
= 1(2x 2 3x + 1) + 0.8(4x 2 + 4x ) + 0.5(2x 2 x )
= 0.2x 2 0.3x + 1
41
Lagrange
Newton
Diferencias Finitas
Anlisis de error

de San Marcos
Industrial
Ejemplo
1
Determine el polinomio de lagrange para f (x ) = en los
x
puntos x0 = 2, x1 = 2.25, x2 = 4 y utilcelo para aproximar
f (3)
Solucin:
(x 2.5)(x 4)
L0 (x ) =
= x 2 6.5x + 10
(2 2.5)(2 4)
(x 2)(x 4)
4
32
L1 (x ) =
= x 2 + 8x
(2.5 2)(2.5 4)
3
3
1 2 4.5
5
(x 2)(x 2.5)
= x
x+
L2 (x ) =
(4 2)(4 2.5)
3
3
3
P(x ) = f (2)L0 (x ) + f (2.5)L1 (x ) + f (4)L2 (x ) =
0.05x 2 0.425x + 1.15
f (3) P(3) = 0, 325
Observacin
Interpolacin
Polinomial
El mtodo de Lagrange tiene un inconveniente y es que la

forma obtenida es mala para operar: para sumarlo con otra
funcin, para derivar, integrar, etc. Por lo que la respuesta
es slo formal y hay que realizar mucho clculo para obtener
la expresin final en la forma a0 + a1 x + a2 x 2 + . . . + an x n .
De hecho hay otro inconveniente, ms sutil que el anterior.
Es natural que en el contexto de mediciones y experimentos
que nombrmos en la introduccin del tema se incorporen
nuevos datos. Qu ocurre si nos dan otro dato ms
(xn+1 , f (xn+1 ))? A travs de esta va hay que construir
todos los polinomios de Lagrange de nuevo! (lo realizado
antes es trabajo intil). Ambos motivos nos conducen a
replantear el problema por otra va ms eficiente.
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
19
Lagrange
Newton
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin de Newton
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Con el fin de reducir la complejidad computacional

hacemos el siguiente cambio de base
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
k (x ) =
k1
Y
Teoria
(x xi )
Vandermonde
i=0
I
Ahora f (x ) es aproximada por
Lagrange
Newton
20
Diferencias Finitas
Pn (x ) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) +
Anlisis de error
. . . an (x x0 )(x x1 ) (x xn1 )
41

de San Marcos
Industrial
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
La k-sima diferencia dividida
Introduccin
Aplicaciones
Interpolacin y
aproximacin
f [xi , xi+1 , . . . , xi+k1 , xi+k ] =

f [xi+1 , xi+2 , . . . , xi+k ] f [xi , xi+1 , . . . , xi+k1 ]
xi+k xi
Teoria
Vandermonde
Lagrange
Newton
Los coeficientes son ak = f [x0 , x1 , x2 , . . . , xk ] y

Pn (x ) = f [x0 ] +
n
X
21
Diferencias Finitas
Anlisis de error
f [x0 , x1 , . . . , xk ](x x0 ) (x xk1 )
k=1
41

de San Marcos
Industrial
Tabla de diferencias divididas

Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
22
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Diferencia Dividida de Newton

Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Implementacin en MATLAB
Introduccin
Introduccin
function F=divideddifference(x,f)
Aplicaciones
Interpolacin y
aproximacin
Teoria
n=length(x)-1;
F=zeros(n+1,n+1);
F(:,1)=f(:);
for i=1:n
for j=1:i
F(i+1,j+1)=(F(i+1,j)-F(i,j))/(x(i+1)-x(i-j+1));
end
end
23
41
Vandermonde
Lagrange
Newton
Diferencias Finitas
Anlisis de error

de San Marcos
Industrial
Ejemplo
Interpolacin
Polinomial
Ejemplo
Mg. Hermes
Pantoja C.
Dado los siguientes puntos

x 0 0.5 1
y 1 0.8 0.5
hallar el polinomio interpolante de Newton.
Solucin:
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
24
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Polinomial
Obtenemos el polinomio de interpolacin:
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
P2 (x ) = f (x0 )+f [x0 , x1 ](x x0 )+f [x0 , x1 , x2 ](x x0 )(x x1 )
Teoria
Vandermonde
P2 (x ) = 1 0.4(x 0) 0.2(x 0)(x 0.5)
Lagrange
Newton
P2 (x ) = 0.2x 0.3x + 1
25
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Ejemplo
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Use diferencias divididas para encontrar el polinomio de

interpolacin que pasa por los puntos (0, 1), (2, 5) y (4, 17)
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
26
Diferencias Finitas
Anlisis de error
p(x ) = 1 + 2x + x (x 2) = 1 + x 2
41

de San Marcos
Industrial
Ejercicio
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Ejercicio
Teoria
Aada el punto (3, 16) a los puntos anteriores y encuentre el

polinomio interpolante.
Solucin:
P(x ) = 2x 3 + 13x 2 16x + 1
Vandermonde
Lagrange
Newton
27
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Diferencias Finitas
Interpolacin
Polinomial
Se define para un conjunto de puntos

(x0 , f0 ); (x1 , f1 ); . . . ; (xn , fn ), igualmente espaciados para x ;
es decir, xi+1 xi = h; para i = 0, 1, . . . , n 1.
Diferencia Finita hacia adelante o progresiva
I
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Diferencia finita de primer orden
Teoria
Vandermonde
fk = fk+1 fk
I
Lagrange
Newton
Diferencia finita de segundo orden
28
fk = fk+1 fk
I
Diferencias Finitas
Anlisis de error
Diferencia finita de orden n

n fk = n1 fk+1 n1 fk
41

de San Marcos
Industrial
Tabla de Diferencias Finitas

Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
29
Diferencias Finitas
Anlisis de error
41

de San Marcos
Industrial
Diferencias Finitas
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Polinomio de interpolacin basado en Diferencias

Finitas Progresivas
Se debe hallar una relacin entre las diferencias finitas y
divididas
k f0
f [x0 , x1 , x2 , . . . , xk ] =
k!hk
Reemplazando en el polinomio basado en diferencias
divididas se tiene:
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
2 f
f0
0
Pn (x ) = f0 +
(x x0 ) +
(x x0 )(x x1 ) + . . .
1!h1
2!h2
+
30
Diferencias Finitas
Anlisis de error
n f0
(x x0 ) . . . (x xn1 )
n!hn
41

de San Marcos
Industrial
Diferencias Finitas
Interpolacin
Polinomial
Teniendo en cuenta que los intervalos se tomarn igualmente

espaciados (h = xi+1 xi ) para x , y haciendo el cambio de
x x0
variable s =
h
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Pn (s) = f0 +sf0 +
s(s 1) 2
s(s 1)(s 2) 3
f0 +
f0 +. . .
2!
3!
Lagrange
Newton
s(s 1) . . . (s n + 1) n
... +
f0
n!
= f0 +
n
X
k=1
31
Diferencias Finitas
Anlisis de error
s
k f0
k
41

de San Marcos
Industrial
Error de Interpolacin
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Teorema
Sea f C n+1 [a, b] y p el polinomio de grado n que
interpola a f en los n + 1 puntos x0 , x1 , . . . , xn del intervalo
[a, b]. Para cada x [a, b] existe un = (x ) ha, bi tal
que
n
Y
1
f (n+1) () (x xi )
f (x ) p(x ) =
(n + 1)!
i=0
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
Diferencias Finitas
32
Anlisis de error
41

de San Marcos
Industrial
Ejemplo
Estime el error cometido al aproximar la funcin
f (x ) = sin(x ) por medio del polinomio de grado nueve que
interpola a f en diez puntos del intervalo [0, 1]
Solucin
La cota de error est dado por
f (x ) p(x ) =
n
Y
1 (10)
f
() (x xi )
10!
i=0
Por otra parte:

[f (10) () = sin |f (10) ()| 1 y
Q
x [0, 1] ni=0 (x xi ) 1
Luego
1
2.8 107
|f (x ) p(x )|
10!
Ejemplo
Se desea tabular la funcin f (x ) = cos(x )e x definida en
[, ] mediante puntos equiespaciados. Cantos puntos
son necesarios para que al interpolar linealmente entre dos
valores consecutivos el error entre la funcin y el
interpolante no supere a 0.5.
Solucin:
M h2
f 00 ()
(x x0 )(x x1 )
< 0.5
|f (x ) P1 (x )| =
2!
2 4
x0 + x1
Tomando como caso critico x =
y
2
00
M = mx[,] |f ()|
Dado que: f 00 (x ) = 2 sin(x )e x
Entonces: M = 2e , por lo tanto h < 0.2940
N>
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
Diferencias Finitas
34
Anlisis de error
41

de San Marcos
Industrial
2
N = 22
h
Ejemplo
Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Encuentre una cota superior para la diferencia en x = 0.25 y

x = 0.75 entre f (x ) = e x y el polinomio de interpolacin en
los puntos 1; 0.5; 0; 0.5; 1.
Solucin:
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Con cinco puntos el polinomio de interpolacin ser de

grado menor o igual a cuatro, P4 (x ).
Vandermonde
Lagrange
Newton
De la frmula de error de interpolacin se obtiene
|(x + 1)(x + 0.5)x (x 0.5)(x 1)| (5)

f ()
f (x )P4 (x ) =
5!
Diferencias Finitas
35
Anlisis de error
41

de San Marcos
Industrial
donde 1 1
Interpolacin
Polinomial
La quinta derivada de e x en es f (5) () = e
Como e x es una funcin creciente su mximo lo obtiene

en el extremo derecho del intervalo, |f (5) (x )| e 1 en
[1, 1]
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
La frmula de error queda

f (x ) P4 (x )
Vandermonde
Lagrange
(x + 1)(x + 0.5)x (x 0.5)(x 1)

e
5!
Newton
Diferencias Finitas
36
Anlisis de error
41

de San Marcos
Industrial
Interpolacin
Polinomial
Mg. Hermes
As que en x = 0.25 el error de interpolacin est
Pantoja C.
acotado por
1.25 0.75 0.25 0.25 0.75 Introduccin
e
|e 0.25 P4 (0.25)|
120
0.000995
Y en x = 0.75 el error queda acotado por
1.75 1.25 0.75 0.25 0.25 Vandermonde
|e 0.75 P4 (0.75)|
e Lagrange
120
Newton
0.002323
el cal es ms grande.
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Diferencias Finitas
37
Anlisis de error
41

de San Marcos
Industrial
Error de Interpolacin para Newton

Interpolacin
Polinomial
Mg. Hermes
Pantoja C.
Teorema
Introduccin
Introduccin
C n+1 [a, b]
Sea f
y p el polinomio de grado n que
interpola a f en los n + 1 puntos x0 , x1 , . . . , xn del intervalo
[a, b]. Entonces
f (x ) p(x ) = f [x0 , x1 , . . . , xn , x ]
n
Y
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
(x xi )
Newton
i=0
Diferencias Finitas
38
Anlisis de error
41

de San Marcos
Industrial
Se suele aproximar el error considerando x = xn+1 , es decir,

se requiere un punto adicional.
Ejemplo
Dada la siguiente tabla de datos
Hallar el polinomio cuadrtico interpolante de Newton.
Interpolar para x = 0.17
Hallar el error cometido.
Solucin
Interpolacin
Polinomial
P2 (x ) = f0 + f [x0 , x1 ](x x0 ) + f [x0 , x1 .x2 ](x x0 )(x x1 )

Reemplazando:
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
P2 (x ) = 0.7481250.10044(x 0.1)+0.00655(x 0.1)(x 0.2)
Aplicaciones
Interpolacin y
aproximacin
Teoria
P2 (0.17) = 0.741080445
Podemos aproximar el error de la siguiente forma
Vandermonde
Lagrange
Newton
en (x ) = f [x0 , x1 , . . . , xn+1 ](x x0 )(x x1 ) . . . (x xn )
Diferencias Finitas
e2 (x ) = f [x0 , x1 , x2 , x3 ](x x0 )(x x1 )(x x2 )
40
Anlisis de error
41

de San Marcos
Industrial
e2 (0.17) = 0.2193 (0.17 0.1) (0.17 0.2) (0.17 0.4)

e2 (0.17) = 1.0592 104
Observaciones
I
I
I
I
I
Interpolacin
Polinomial
Si P interpola a f en los n + 1 puntos x0 , x1 , . . . , xn

n
Y
1
f (x ) P(x ) =
f (n+1) () (x xi )
...()
(n + 1)!
i=0
con [x0 , xn ].
es desconocido y () slo es til si la derivada est
acotada
Si |f (n+1) (x )| < M y
h = mx{xi+1 xi ; i = 0, 1, . . . , n},
Mhn+1
mxx [x0 ,xn ] |f (x ) P(x )|
(n + 1)!
El error disminuye a medida que n crece y h disminuye,
solo si |f n+1 (x )| est acotada.
Aumentar el grado del polinomio no garantiza una
mejor aproximacin (puede aparecer oscilaciones entre
los puntos de interpolacin).
Mg. Hermes
Pantoja C.
Introduccin
Introduccin
Aplicaciones
Interpolacin y
aproximacin
Teoria
Vandermonde
Lagrange
Newton
Diferencias Finitas
41
Anlisis de error
41

de San Marcos
Industrial

Metodos Numericos Interpolacion Teoria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Numericos Interpolacion Teoria

Cargado por

Copyright:

Formatos disponibles

Interpolacin Polinomial

Mg. Hermes Pantoja Carhuavilca

Universidad Nacional Mayor

Dado un conjunto de datos conocidos

(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )

buscamos una funcin f : R R que satisfaga

Universidad Nacional Mayor

Dado un conjunto de datos conocidos

(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )

buscamos una funcin f : R R que satisfaga

f es una funcin interpolante o interpolador

Universidad Nacional Mayor

Dado un conjunto de datos conocidos

(x0 , y0 ), (x1 , y1 ), . . . , (xN , yN )

buscamos una funcin f : R R que satisfaga

f es una funcin interpolante o interpolador

Universidad Nacional Mayor

Trazado de curvas a travs de un conjunto discreto de

Determinar valores intermedios de una tabla de

Derivar e integrar a partir de una tabla de datos.

Evaluar de manera fcil una funcin matemtica.

Reemplazar una funcin complicada por una simple.

Universidad Nacional Mayor

Funciones utilizadas como interpoladores

Los interpoladores se ajustan a los datos de manera

Interpolacin presenta problemas cuando los datos

Universidad Nacional Mayor

Universidad Nacional Mayor

Teorema de Aproximacin de Weierstrass

Sea f : [a, b] R continua. Para todo  > 0, existe un

Universidad Nacional Mayor

El teorema generaliza:Por 2 puntos distintos del plano

Asumimos un conjunto de puntos discretos

k (x ) son polinomios conocidos a priori y forman una

ak son coeficientes por determinar.

Universidad Nacional Mayor

Consideremos como bases los monomios

Para la base dada obtenemos la representacin

Universidad Nacional Mayor

Las N + 1 ecuaciones que surgen al evaluar xi en f (x )

Universidad Nacional Mayor

Universidad Nacional Mayor

El polinomio est dado por

Para este caso el sistema est dado por

La solucin est dada por

Universidad Nacional Mayor

Como base tomamos los polinomios bsicos de

(x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xN ) Aplicaciones

Universidad Nacional Mayor

El polinomio de interpolacin de Lagrange est dado por

PN (x ) = f (x0 )L0 + f (x1 )L1 + . . . + f (xN )LN

El polinomio de interpolacin de Lagrange es de grado

Universidad Nacional Mayor

Universidad Nacional Mayor

Polinomios Basicos de Lagrange:

Universidad Nacional Mayor

El mtodo de Lagrange tiene un inconveniente y es que la

Universidad Nacional Mayor

Con el fin de reducir la complejidad computacional

Ahora f (x ) es aproximada por

Universidad Nacional Mayor

La k-sima diferencia dividida

f [xi , xi+1 , . . . , xi+k1 , xi+k ] =

Sea f : [a, b] R continua. Para todo > 0, existe un