INTERPOLACIN Y AJUSTES DE CURVAS

En muchos estudios de campo y trabajos experimentales se registran conjunto de pares de datos:

Estos datos pueden proceder de procesos muy confiables y seguros (por ejemplo provenientes de la
discretizacin de una funcin determinada) o pueden contener grados considerables de errores o ruido.
En todo caso, para estudiar el fenmeno cientficamente y poder establecer estimaciones confiables, se requiere
determinar relaciones funcionales que pueden ser: polinmicas, exponenciales, logartmicas, trigonomtricas,
etctera.
INTERPOLACIN En el caso de contar con datos muy precisos, la relacin funcional se construye mediante
tcnicas llamadas de interpolacin, cuya caracterstica fundamental es que la funcin obtenida coincide con
los datos objeto de estudio. Esto es, P(ti) = yi donde P es la relacin funcional construida.
Se interpola un conjunto de datos o una funcin con el objeto de estimar el valor de y para algn valor dado de
tk que no est registrado en la data original.

AJUSTE DE CURVAS. Si los datos que han de procesarse exhiben un grado de error significativo o
ruido, las tcnicas que se aplican para determinar la relacin funcional que describe el comportamiento de
los datos, se llaman ajuste de curvas o aproximacin de los datos por funciones. Estas tcnicas se
caracterizan por que no necesariamente la funcin obtenida coincide con los datos procesados, si no que los
aproxima minimizando al mximo el error asociado. Es decir f(ti) yi, donde f es la curva que ajusta a los
datos.

INTERPOLACIN POLINOMIAL
Interpolar un conjunto de datos significa determinar una relacin funcional que coincida con la data original,
de tal manera que a travs de esta se pueda estimar confiablemente un valor o valores de la variable
dependiente, para un valor o valores de la variable independiente dentro del rango de los datos, no registrado en
los datos originales. Generalmente las relaciones funcionales que se construyen son de tipo polinmicas. En tal
caso hablamos de interpolacin polinomial.
Teorema (Aproximacin de Weierstrass)
Sea f una funcin continua en [a, b]. Para cada >0 existe un polinomio P(x) con la propiedad:
, para toda x en [a, b]

INTERPOLACIN POLNOMIAL POR DIFERENCIAS DIVIDIDAS DE NEWTON

xi

yi

x0

y0

Orden cero
f[xi]
f[x0]

Orden uno
f[xi, xi+1]
f[x0, x1] =

x1

y1

f[x1]

f[x1, x2] =
x2

y2

f[x2]

f[x2, x3] =

Orden dos
f[xi, xi+1, xi+2]

Orden tres
f[xi, xi+1, xi+2,xi+3]

x3

y3

f[x3]

Para n+1 puntos:

xi x0
yi y0

x1
y1

x2
y2

xn
yn

la diferencia dividida de mayor orden es de orden n. Est dada por:

Generalizando, se tiene que la k-sima diferencia dividida de Newton involucra k+1 puntos y est dada por:

El polinomio interpolante por diferencias divididas de Newton se determina por:

Ejemplo
En un circuito con un voltaje impreso (t) y una inductancia L, medimos la corriente i en amperios para varios valores de
tiempo t en segundos, como se registra en la tabla:
t (segundos)
i (amperios)

1.00
3.10

1.01
3.12

1.02
3.14

1.03
3.18

1.04
3.24

Se desea estimar el valor de i cuando t = 1.025segundos y cuando t = 1.08segundos.

Construyamos la tabla de diferencias divididas:
k
tk
ik
f[tk]
0 1.00 3.10 3.10

f[tk, tk+1]

f[tk, tk+1, tk+2]

f[tk, tk+1, tk+2,tk+3]

f[tk, tk+1, tk+2,tk+3, tk+4]

2.00
1 1.01 3.12 3.12

0.00
2.00

2 1.02 3.14 3.14

3333.33
100.00

4.00
3 1.03 3.18 3.18

-83333.25
0.00

100.00
6.00

4 1.04 3.24 3.24

El polinomio interpolante para los 5 pares de datos (puntos) queda:

P(x) = 3.1+2*(x-1)+3333.33*(x-1)*(x-1.01)*(x-1.02)-83333.25*(x-1)*(x-1.01)*(x-1.02)*(x-1.03)

Simplificando se tiene:
P(x) = (-333333/4)*x4 + 341666*x3 525191*x2 + (717439/2)*x - 275575/3
Las estimaciones pedidas se obtienen evaluando el polinomio en los valores de t indicados. Estas son:
P(1.025) = 3.1570

P(1.08) = 2.9800

Para una mejor comprensin del ejemplo analicemos la grfica:

3.35
3.3

P(t)
(tk,ik)

3.25

Corriente i

3.2
3.15
3.1
3.05
3
2.95
2.9
2.85
0.98

0.99

1.01

1.02

1.03
t

1.04

1.05

1.06

1.07

1.08

Informacin para la prctica en la sala de informtica

Utilizando las instrucciones propias del ambiente computacional Matlab se tiene:
>> t= [1 1.01 1.02 1.03 1.04];
>> i= [3.1 3.12 3.14 3.18 3.24];
>> iklineal = interp1(t,i,1.025,'linear') se obtiene iklineal = 3.1600
>> ikspline = interp1(t,i,1.025,'spline') se obtiene ikspline = 3.1572
>> ikcubica = interp1(t,i,1.025,'cubic') se obtiene ikcubica = 3.1573
Para mayor informacin sobre el uso de la instruccin interp1, teclear en la ventana de comandos del Matlab
help interp1 o buscar otras ayudas incorporadas en el Matlab. Existen buenos manuales en espaol. Ver la
bibliografa relacionada en el plan de asignatura entregado en la primera semana de clases.

AJUSTE DE DATOS O AJUSTE DE CURVAS

(Caso discreto)

Dado un conjunto de pares de datos

, que traen asociado un grado de error
significativo o ruido, se trata de construir una o unas relaciones funcionales que describan el comportamiento
de los datos de tal manera que f(ti) yi, minimizando al mximo el error posible en la aproximacin. Esto es, se
trata de determinar la curva que mejor se ajusta al conjunto de datos.
La tcnica que generalmente se aplica es la llamada mtodo de Mnimos cuadrados, que consiste en minimizar
la suma del cuadrado del error de la aproximacin en cada punto. Esto es:

AJUSTE POLINOMIAL POR MNIMOS CUADRADOS

Polinomio de primer grado (recta:
Dado
parmetros

. Se minimiza el error total:

, entonces:

Y as se forma el sistema:

)
, con respecto a los

Recuerde que

Se resuelve el sistema y se determina

datos.

para construir la recta

) que ajusta al conjunto de

Ejemplo
Se realiza un experimento para determinar el porcentaje de elongacin de un material conductor elctrico como
funcin de la temperatura. Los datos que han resultado son:
200 250 300 375 425 475 525 600

Temperatura en

Porcentaje de elongacin 11

13

13

15

17

19

20

23

Ajuste una recta a los datos usando regresin lineal y estime la elongacin a una temperatura de 4000 C.
Solucin:
Sean: xi = Ti y yi = (Porcentaje de elongacin)i
xi
200
250
300
375
425
475
525
600
3150

yi
11
13
13
15
17
19
20
23
131

Las ecuaciones normales correspondientes son:

xi2
40000
62500
90000
140625
180626
225625
275625
360000
1375000

xi*yi
2200
3250
3900
5625
7225
9025
10500
13800
55525

8*a0 +
3150*a1 = 131
3150*a0 + 1375000*a1 = 55525

Al resolver se tiene: a0 = 4.8457 y a1 = 0.0293.

La recta es :
. Ahora podemos hacer algunas predicciones, por ejemplo si x= 400,
entonces y=16.5580. Esto asociado al problema significa que para una temperatura de 400 0C, el porcentaje de
elongacin es de 16.5580.

Para cuantificar la bondad del ajuste, se debe determinar el coeficiente de correlacin r, o grado de
interconexin entre variables, que intenta determinar con que precisin describe o explica la relacin entre
variables una ecuacin que representa una curva determinada. El clculo de r requiere de la suma de los
cuadrados de las desviaciones de yi, respecto a la media (St) y de la suma de los cuadrados de los errores en
cada punto respecto a la curva de ajuste (Sr).

En el caso del ejercicio, se tiene:

xi

yi

St = (yi - )2 Sr = [yi 200 11

28.8906
250 13
11.3906
300 13
11.3906
375 15
1.8906
425 17
0.3906
475 19
6.8906
525 20
13.1406
600 23
43.8906
3150 131
117.875

Entonces
DE LA RECTA OBTENIDA?
CONSULTAS

0.0866
0.6877
0.4041
0.6942
0.0889
0.0561
0.0521
0.3298
2.3996

. Luego r = 0.9897. QU TAN BUENO ES EL AJUSTE A TRAVS

1. Determinar las ecuaciones normales para el ajuste de un polinomio de segundo grado de la forma
a un conjunto de datos

, en el sentido de mnimos cuadrados.

2. Ajustar una parbola a los datos del ejemplo inmediatamente anterior. Determine el coeficiente de
correlacin. Cul de los dos ajustes es mejor y porqu?
Para prctica con Matlab
3. Escribir un guin que determine la recta que ajusta a un conjunto de datos:
mnimos cuadrados.

, en el sentido de

4. Revise la instruccin polyfit, para construir ajustes polinomiales y aplquela para determinar los polinomios
de primer grado y de segundo grado que ajustan los datos del ejercicio resuelto. Compare resultados.

AJUSTE DE TIPO EXPONENCIAL (

Si el comportamiento de los datos indica que pueden ser descritos por una curva exponencial, se aplica el ajuste
de la funcin
al conjunto de datos.
Para determinar los parmetros a y b, procedemos:
implica que

entonces

S hacemos z = lny y A= lna se tiene: z = bx + A, que es la ecuacin de una recta donde la variable dependiente
es z. As que se har el ajuste de una recta al conjunto de datos
. Se determinarn los
A
parmetros A y b. Como A= lna, entonces a= e . Conocidos a y b, se construye la funcin exponencial
correspondiente.
Basados en las ecuaciones normales ya deducidas para el ajuste de una recta al conjunto de datos, ahora se tiene
que:

Ejemplo
Consideremos los datos del ejemplo inicial:
Temperatura en

200 250 300 375 425 475 525 600

Porcentaje de elongacin 11

13

13

15

17

19

20

23

Ajustemos una funcin exponencial de la forma

a estos datos.

Sean: xi = Ti y yi = (Porcentaje de elongacin)i

xi
200
250
300
375
425
475
525
600
3150

yi
11
13
13
15
17
19
20
23
131

zi = lnyi
2.3979
2.5649
2.5649
2.7081
2.8332
2.9444
2.9957
3.1355
22.1447

xi2
40000
62500
90000
140625
180626
225625
275625
360000
1375000

xi*zi
479.5791
641.2373
769.4848
1015.5188
1204.1157
1398.6085
1572.7594
1881.2965
8962.6002

Las ecuaciones normales correspondientes son:

8*lna +
150*b = 22.1447
3150*lna + 1375000*b = 8962.6002
Resolviendo el sistema se tiene: lna = 2.0573 y b = 0.0018. Como lna=2.0573, entonces a = e2.0573 = 7.8248.
La funcin exponencial buscada es:
26
datos originales
modelo de ajuste: 7.8248exp(0.0018x)

24

Porcentaje de Elongacin

22
20
18
16
14
12
10
150

200

250

300

350
400
450
Temperatura

500

550

600

650

Calculemos el coeficiente de correlacin:

xi

yi

200
250
300
375
425
475

11
13
13
15
17
19

St = (yi - )2 Sr = [yi 28.8906

11.3906
11.3906
1.8906
0.3906
6.8906

0.0464
0.5304
0.1827
0.1355
0.0341
0.3612

525 20
600 23
3150 131
Entonces

13.1406
43.8906
117.875

0.0174
0.0017
1.3094

lo cual implica que r =0.9944.

Comparando el coeficiente de correlacin para el ajuste por la recta y el coeficiente de correlacin para la curva
exponencial, nos damos cuenta que la funcin
ajusta mejor los datos del experimento.
26
datos originales
modelo de ajuste: 7.8248exp(0.0018x)

24

Porcentaje de Elongacin

22
20
18
16
14
12
10
150

200

250

300

350
400
450
Temperatura

500

550

600

650