Está en la página 1de 15

03/03/2013

Unidad 3 – Interpolación, derivación e


integración numéricas
Métodos Numéricos
• Aproximación funcional e interpolación

IN1MT04-Unidad 3 • Integración numérica

• Derivación numérica

Universidad Nacional
Aeronáutica en Querétaro

Aproximación polinomial simple

Aproximación funcional e interpolación: La interpolación es de gran importancia en el campo de la ingeniería


ya que muy frecuentemente se debe recurrir a información en forma
tabular y muchas veces no está el dato buscado. Observa las tablas:

• Aproximación polinomial simple

• Polinomios de Lagrange

• Aproximación polinomial con mínimos cuadrados

• Aproximación de Newton en diferencias divididas

• Polinomio de Newton en diferencias finitas

Aproximación polinomial simple Aproximación polinomial simple

Suponer que solo se cuenta con la segunda tabla mostrada y se Para encontrar los valores de los coeficientes a0 y a1 se utiliza la
necesita utilizar la temperatura de ebullición de la acetona a 2 atm de información de dos puntos alrededor del punto que se busca, en este
presión. caso son los puntos ‘0’ y ‘1’:
250

200
Temp ( C )

150

100

50

0
0 10 20 30 40 50
Presión (atm)

La forma mas simple de encontrar el valor que se necesita es por


medio de la ecuación de una línea recta entre los puntos a 1 atm y a Del punto ‘0’ se tiene: 56.5 = a0 + 1 a1
5 atm, la forma general de la recta es:
Del punto ‘1’ se tiene: 113 = a0 + 5 a1
p (x ) = a0 + a1 x

1
03/03/2013

Aproximación polinomial simple Aproximación polinomial simple

Sustituyendo el valor de 2 atm se tiene:


Con el sistema de ecuaciones se pueden determinar los valores de a0
y a1 . p (2 ) = 42.375 + 14.125(2 atm ) = 70.625o C
a0 + a1 = 56.5
Siendo este valor una aproximación de la temperatura de 78.6°C
a0 + 5 a1 = 113 mostrado en la primer tabla. Observar y comentar la figura.

a0 = 42.375 a1 = 14.125 p( x ) = 42.375 + 14.125 x

Por lo tanto la ecuación que aproxima las temperaturas de ebullición Datos tabulares
de la acetona entre 1 atm y 5 atm es: completos

p (x ) = 42.375 + 14.125 x

Aproximación polinomial simple Aproximación polinomial simple

Si se quisiera una mejor aproximación del “valor verdadero” de la De manera análoga se debe evaluar para las presiones de 1 atm,
temperatura a la presión de 2 atm, podrían utilizarse mas puntos de 5atm y 20 atm, obteniéndose el siguiente sistema de ecuaciones.
la tabla, por ejemplo se pueden usar los puntos 0, 1 y 2.
56.5 = a0 + 1 a1 + 12 a2
113 = a0 + 5 a1 + 5 2 a2
181 = a0 + 20 a1 + 20 2 a2
Y al resolverlo queda el polinomio:

p2 (x ) = 39.85 + 17.15 x − 0.50482 x 2


De esta manera se obtendrá un polinomio que pasará sobre los
puntos 0, 1 y 2, el cual tendrá la forma siguiente: Al evaluarlo en 2 atm se tiene:

p2 (2) = 39.85 + 17.15(2) − 0.50482(2) = 72.1° C


2
p2 (x ) = a0 + a1 x + a2 x 2

Aproximación polinomial simple Polinomios de Lagrange

En la siguiente tabla se muestran la aproximación lineal, la cuadrática La aproximación polinomial simple mostrada en las diapositivas
y los datos tabulares. anteriores puede resultar complicada en el caso de que se requiera
un polinomio de grado alto, ya que esto implicaría la solución de un
p2 ( x ) = 39.85 + 17.15 x − 0.50482 x 2 sistema de ecuaciones grande.
p( x ) = 42.375 + 14.125 x
Datos tabulares En este caso se construyen los polinomios de acuerdo a una froma
completos general, simplemente sustituyendo la información de los puntos
disponibles.

Para el caso de necesitar un polinomio de primer grado se tiene


la fórmula general:

p ( x ) = a0 ( x − x1 ) + a1 ( x − x0 )

2
03/03/2013

Polinomios de Lagrange Polinomios de Lagrange

Al sustituir en la forma general del polinomio de primer grado se


tiene:
f (x0 )
p ( x ) = a0 ( x − x1 ) + a1 ( x − x0 ) p(x ) = (x − x1 ) + f (x1 ) (x − x0 )
x0 − x1 x1 − x0
Los coeficientes a0 y a1 se determinan de la siguiente manera:
En forma mas compacta:

f ( x0 ) f ( x1 )
a0 = a1 = p ( x ) = L0 ( x ) f (x0 ) + L1 ( x ) f (x1 )
x0 − x1 x1 − x0
En donde x0, x1, f(x0) y f(x1) se obtienen de los datos tabulados. Donde:
L0 ( x ) =
(x − x1 ) L1 ( x ) =
(x − x0 )
(x0 − x1 ) (x1 − x0 )

Polinomios de Lagrange Polinomios de Lagrange

Para el caso de un polinomio de segundo grado se tiene la


siguiente forma general Para un polinomio de grado n.

p ( x ) = L0 ( x ) f (x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x2 ) n

En donde: Pn ( x ) = ∑ Li ( x ) f (xi )
L0 ( x ) =
(x − x1 )(x − x2 ) En donde: i =0

(x0 − x1 )(x0 − x2 )
(x − x0 )(x − x2 ) Li ( x ) = ∏
n (x − x )
j
L1 ( x ) =
(x1 − x0 )(x1 − x2 ) i =0
j ≠i
(x − x )
i j

L2 ( x ) =
(x − x0 )(x − x1 )
(x2 − x0 )(x2 − x1 )

Polinomios de Lagrange Polinomios de Lagrange

Ejemplo:
Ejemplo:

Para la tabla que se muestra:


a) Obtener la aproximación polinomial de Lagrange usando
todos los puntos
b) Interpolar el valor de la función f(x) para x=1.8

i 0 1 2 3

xi 0 1 3 6

f(xi) -3 0 5 7

3
03/03/2013

Polinomios de Lagrange Polinomios de Lagrange

Ejemplo: Ejemplo:

f(x)
2

0
Datos tabulados Polinomio de Lagrange
-2

-4
0 2 4 6 8
x

Mínimos cuadrados Mínimos cuadrados

Los métodos de aproximación vistos se concentran en conseguir Ilustración de las distancias di a minimizar:
polinomios que pasen por dos o más puntos de la tabla, según el
grado del polinomio a conseguir. Sin embargo es de tomarse en
cuenta que si los datos de la tabla proceden de experimentación
siempre existirá un error asociado a ellos, entonces no tiene
caso forzar al polinomio a pasar sobre alguno de los datos tabulados,
sino que sería suficiente que pase lo mas cerca posible de todos
los puntos.

Con esto surge la necesidad de establecer un criterio y una


metodología para obtener el polinomio buscado.

El criterio mas común consiste en que las diferencias entre los datos
calculados y el polinomio que las aproxima sean mínimas.

Mínimos cuadrados Mínimos cuadrados

Matemáticamente queda: Si se requiere utilizar el polinomio de primer grado para aproximar


datos tabulados, se tiene:
m m
p ( x ) = a0 + a1 x
∑ p ( x ) − f (x ) = ∑ d
i =1
i i
i =1
i = mínimo
Y el problema a minimizar queda:
m 2
Para evitar problemas de derivabilidad, como se verá mas adelante,
conviene expresar las diferencias elevadas al cuadrado. ∑ a0 + a1 xi − f (xi )
i =1
m 2 m

∑ p(x ) − f (x )
Como se debe saber del cálculo diferencial, para minimizar o
i i = ∑ d i2 = mínimo maximizar una función, se debe derivar e igualar a cero.
i =1 i =1

4
03/03/2013

Mínimos cuadrados Mínimos cuadrados

Como las incógnitas son a0 y a1, se deriva parcialmente con respecto Al desarrollar las sumatorias se tiene:
a ellas y se obtiene un sistema de ecuaciones:
∂ m 2

∑ a0 + a1 xi − f (xi )  = 0
∂a0  i =1 
∂  m 2

∑ a0 + a1 xi − f ( xi )  = 0
∂a1  i =1  Que simplificadas quedan:

Se deriva dentro del signo de sumatoria

Mínimos cuadrados Mínimos cuadrados

Al resolver el sistema se tiene: Para resolver el problema de manera matricial primero se debe de
escribir el sistema de ecuaciones sobredeterminado.
m  m 2   m  m 
∑ f (xi ) ∑ xi  − ∑ xi  ∑ f ( xi )xi 
a0 =  i =1   i =1   i =1   i =1 
m
m 
2 a0 + a1 x1 + a2 x12 + L + am x1m = y1
m∑ xi − ∑ xi 
2

i =1  i =1  a0 + a1 x2 + a2 x22 + L + am x2m = y2 n>m


m
m  m 
m∑ f ( xi )xi − ∑ f ( xi ) ∑ xi  M
a1 = i =1  i =1   i =1 
2
m
m∑ xi − ∑ xi 
2 m  a0 + a1 xn + a x + L + am xnm = yn
2
2 n
i =1  i =1 
De esta manera se tienen los coeficientes del polinomio de primer En donde: n es el número de datos con los que se cuenta
grado que ajusta los datos bajo el criterio de mínimos cuadrados. m es el grado de la ecuación que se desea para interpolar

Mínimos cuadrados Mínimos cuadrados

De manera matricial se resuelve así Ejemplo:

Ax = b
En donde A es la matriz de coeficientes (obtenidos por los valores de
x conocidos), x es el vector de coeficientes desconocidos y b es el
vector de datos f(x). Se despeja x de la siguiente manera:

AT Ax = AT b
(A A) A Ax = (A A)
T −1 T T −1
AT b Longitud

x = (A A) A b
T −1 T
Fuerza

5
03/03/2013

Mínimos cuadrados Mínimos cuadrados

Ejemplo: Ejemplo:

Sustituyendo

a0 =
[0.928][98] − [18][3.986] = 0.11564
5 [98] − [18]
2

5[3.986] − [0.928][18]
a1 = = 0.019434
5[98] − [18]
2

Mínimos cuadrados Mínimos cuadrados

Ejemplo: Ejemplo:

Esto significa que el polinomio que mejor ajusta es: En Scilab se puede solucionar como sigue:

p( x ) = 0.11564 + 0.019434 x
0.3

0.25
Longitud (m)

0.2

0.15

0.1
0 1 2 3 4 5 6 7 8
Fuerza (N)

Aproximación de Newton en Aproximación de Newton en


diferencias divididas diferencias divididas
Supóngase que se tiene: p( x ) = a0 + a1 ( x − x0 )
Puntos 0 1 2 3 … n Hay que notar que x0 es la abscisa en el punto 0 y a0 y a1 son
constantes por determinar.
x x0 x1 X2 x3 … xn
Para encontrar a0 se hace x=x0 , por lo tanto:
f(x) f(x0) f(x1) f(x2) f(x0) … f(xn)
p( x0 ) = f (x0 ) = a0 + a1 ( x0 − x0 )
Y se desea aproximar con un polinomio de primer grado que pasa por

p( x0 ) = f ( x0 ) = a0
los puntos 0 y 1. Sea el polinomio de la forma:

p( x ) = a0 + a1 ( x − x0 )

6
03/03/2013

Aproximación de Newton en Aproximación de Newton en


diferencias divididas diferencias divididas
p( x ) = a0 + a1 ( x − x0 ) Si se requiere de una aproximación con un polinomio de segundo
grado, su forma general es:

Para encontrar el valor de a1 se hace x=x1, de donde:


p2 ( x ) = a0 + a1 ( x − x0 ) + a2 ( x − x0 )( x − x1 )
p( x1 ) = f ( x1 ) = a0 + a1 ( x1 − x0 )
Y de manera similar al anterior, se buscan y sustituyen los valores de
f ( x1 ) − f ( x0 )
= f ( x0 , x1 )
los coeficientes a0, a1 y a2, quedando:
a1 =
x1 − x0
A la ecuación anterior se le llama primer diferencia dividida, f(x1,x0). p2 (x ) = f (x0 ) + ( x − x0 ) f (x0 , x1 ) + (x − x0 )(x − x1 ) f (x0 , x1 , x2 )
Al sustituir los valores de las constantes, la ecuación queda:

p( x ) = f ( x0 ) + ( x − x0 ) f ( x0 , x1 )

Aproximación de Newton en Aproximación de Newton en


diferencias divididas diferencias divididas
Ejemplo:
De manera general se tiene el polinomio de grado n
pn (x ) = a0 + a1 ( x − x0 ) + a2 (x − x0 )( x − x1 ) + L + an ( x − x0 )( x − x1 )L ( x − xn −1 )

En donde: a 0 = f ( x0 )
a1 = f ( x0 , x1 )
a2 = f ( x0 , x1 , x2 )
M
an = f (x0 , x1 , x2 , L, xn )

La expresión sintética del polinomio de grado n es:


n k −1
Pn ( x ) = ∑ ak ∏ ( x − xi )
k =0 i =0

Aproximación de Newton en Aproximación de Newton en


diferencias divididas diferencias divididas
Ejemplo: Ejemplo:

7
03/03/2013

Aproximación de Newton en Polinomio de Newton en diferencias


diferencias divididas finitas
Ejercicio: Traducir el siguiente ejemplo en Matlab a Scilab:
Cuando la distancia (en la variable independiente) entre dos
argumentos consecutivos cualesquiera a lo largo de una tabulación
es constante, la aproximación de Newton en diferencias divididas se
puede expresar con mayor sencillez.

Las primeras diferencias finitas hacia delante se definen así:


1400

1200 ∆yi = yi +1 − yi

Variable dependiente
1000
i = 0,1, 2, K
800

600

400

200

0
0 20 40 60 80 100
Variable independiente

Polinomio de Newton en diferencias Polinomio de Newton en diferencias


finitas finitas
Las primeras diferencias finitas hacia delante se definen así: Si despejamos yi+1 sucesivamente de la ecuación:
∆yi = yi +1 − yi ∆yi = yi +1 − yi
i = 0,1, 2, K ∆ es el operador diferencia
∆y0 = y1 − y0 y1 = ∆y0 + y0 Ec.1
Las segundas diferencias hacia delante están dadas por:
∆y1 = y2 − y1 y2 = ∆y1 + y1 Ec.2
∆2 yi = ∆yi +1 − ∆yi
Ahora de las segundas diferencias despejamos ∆y1.
i = 0,1, 2,K
En general, las k-ésimas diferencias hacia delante se definen como: ∆2 yi = ∆yi +1 − ∆yi
∆k yi = ∆k −1 yi +1 − ∆k −1 yi ∆2 y0 = ∆y1 − ∆y0 ∆y1 = ∆2 y0 + ∆y0 Ec.3
i = 0,1, 2,K Sustituyendo Ec. 3 y Ec. 1 en Ec. 2 se tiene:
k = 1, 2, 3, K, n y2 = ∆2 y0 + ∆y0 + ∆y0 + y0 = ∆2 y0 + 2∆y0 + y0 Ec.4

Polinomio de Newton en diferencias Polinomio de Newton en diferencias


finitas finitas
Así sucesivamente: A este polinomio se le llama polinomio de Newton con
de Ec.1 y1 = (1 + ∆ ) y0 espaciamientos constantes:

k k  k 
y2 = (1 + ∆ ) y0 yk = y0 +   ∆y0 +  ∆2 y0 + L +  ∆k y0
2
de Ec.4
 
1  
2 k 
y3 = (1 + ∆ ) y0
3

En donde:

k (k − 1)(k − 2)L (k − j + 1)
En general:
yk = (1 + ∆ ) y0 k
k
k!
  = =
k = 1, 2, 3,..., n j
  j! (k − j )! j!
Dando como resultado un polinomio en k de grado j
k k  k 
yk = y0 +   ∆y0 +  ∆2 y0 + L +  ∆k y0 yk = a0 + a1k + a2 k 2 + L + a j k j
1 2 k 

8
03/03/2013

Polinomio de Newton en diferencias Polinomio de Newton en diferencias


finitas finitas
Ejemplo:
Recordando que los datos ‘x’ deben estar igualmente espaciados se
tiene:

Despejando k se tiene:
x y = f (x ) xk − x0
k=
x0 y0 h
x1 = x0 + h y1
Sustituyendo k en:
x2 = x0 + 2h y2
M M yk = a0 + a1k + a2 k 2 + L + a j k j
xk = x0 + kh yk
Se obtiene:
M M
yk = b0 + b1 x + b2 x 2 + L + b j x j
xn = x0 + nh yn

Polinomio de Newton en diferencias Polinomio de Newton en diferencias


finitas finitas
Ejemplo: Ejemplo:

Polinomio de Newton en diferencias


finitas
Ejemplo:

Resultando
Integración numérica:
f (x ) = x − 2 x + 7 x − 5
3 2

• Introducción
• Métodos de Newton-Cotes
Como ejercicio adicional se sugiere hacerlo con otros valores iniciales,
- Método trapezoidal
por ejemplo: - Método de Simpson

x0 = 0 y0 = −5 • Método de la cuadratura de Gauss

El resultado debe ser el mismo polinomio.

9
03/03/2013

Introducción Introducción

Ejemplo:
Hay algunas veces que el problema de integración no tiene solución
analítica, como se puede ver en las siguientes integrales:

sen(x ) cos ( x )
∫e ∫ ∫e
−x2
dx dx dx
x
Tanto estos casos como aquellos en donde tenemos solamente un
conjunto de datos tabulados que pueden ser el resultado de una
medición o algún estudio estadístico, en donde sea necesario hacer
una integración o derivación, el procedimiento empleado debe ser un
método numérico.

Introducción Métodos de Newton Cotes

I = ∫ f (x )dx
b
Para estimar la integral de: a

Los métodos de Newton Cotes funcionan en dos pasos generales:

1. Se divide el intervalo [a,b] en ‘n’ intervalos de igual amplitud,


En ingeniería es muy común tener que resolver problemas como el cuyos valores extremos son sucesivamente
mostrado en el ejemplo anterior, por lo que además de conocer el
procedimiento de solución es de primordial importancia entender el b−a
significado físico del resultado.
xi = x0 + i  i = 0,1,2,..., n
 n 
2. Se aproxima f(x) por un polinomio pn(x) de grado n, y se integra
para obtener la aproximación de I.

Es evidente que se obtendrán diferentes valores aproximados de I


para diferentes valores de ‘n’.

Métodos de Newton Cotes Métodos de Newton Cotes

Método trapezoidal:
Método trapezoidal:
Suponiendo el caso de n=1, el intervalo de integración [a,b] queda
como x0=a y x1=b. Por lo anterior la ecuación para la estimación numérica de la integral
La aproximación polinomial de f(x) es un polinomio de primer grado es:
p1(x), es decir, una línea recta como se ve en la figura:
h
∫ f (x )dx = 2 [ f (x ) + f (x )]
b
0 1
a

Hay que observar que en realidad se trata de la estimación del área


de un trapezoide de altura h y lados f(x0) y f(x1).

10
03/03/2013

Métodos de Newton Cotes Métodos de Newton Cotes

Método trapezoidal: Método trapezoidal:

Métodos de Newton Cotes Métodos de Newton Cotes

Método de Simpson: Método de Simpson:

En este método el intervalo de integración es [a,b] y se divide en dos Lo antes mencionado es:
subintervalos, por lo que se tendrán 3 ecuaciones como se muestra:
∫ f (x )dx = ∫ p2 (x )dx
b x2

x0 = a a x0

x1 = x0 + 1
(b − a ) = a + b − a = 1 (b + a ) Para obtener el polinomio que aproxime los datos originales se usa la
fórmula de Newton en diferencias finitas hacia delante.
2 2 2 2
x2 = b Aplicando lo mencionado resulta el algoritmo de Simpson:

Se aproxima f(x) con una parábola, es decir, un polinomio de


h
∫ f (x ) dx ≈ 3 [ f (x ) + 4 f (x ) + f (x )]
b
segundo grado p2(x). La aproximación a la integral será el área bajo
0 1 2
el segmento de parábola comprendida entre f(x0) y f(x2). a

Métodos de Newton Cotes Métodos de Newton Cotes

Método de Simpson: Método de Simpson: Ejemplo


h
f (x ) dx ≈ [ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
b
∫a 3

11
03/03/2013

Métodos de Newton Cotes Métodos de Newton Cotes

Método de Simpson: Ejemplo Método de Simpson: Ejemplo

Métodos de Newton Cotes Método de la cuadratura de Gauss

Explicación del método:


Método de Simpson: Ejercicios
Gauss encontró que es factible disminuir el error de la integración
cambiando la localización de los puntos sobre la curva de integración
f(x).

En la figura que se muestra se ilustra la curva de la función f(x) que


se desea integrar entre los límites a y b. Se muestra una comparación
con el método del trapezoide.

Método de la cuadratura de Gauss Método de la cuadratura de Gauss

Explicación del método: Explicación del método:

En el método trapezoidal se tiene que el área del trapezoide es: En el método de la cuadratura de Gauss se tiene que en lugar de
seleccionar los puntos A y B del método trapezoidal, se seleccionan
h los puntos C y D.
T= [ f (x0 ) + f (x1 )]
2
El método de Gauss
Que se puede escribir como: aproxima de mejor manera
el área bajo la curva y su
T = ω1 f (x0 ) + ω2 f ( x1 ) problema consiste en
seleccionar los puntos C y D.
Donde:

h
ω1 = ω2 =
2

12
03/03/2013

Método de la cuadratura de Gauss Método de la cuadratura de Gauss

Explicación del método: Explicación del método:

De forma equivalente a lo mostrado con el método trapezoidal se Este cambio de variable se lleva a cabo con la ecuación:
tiene para el método de cuadratura de Gauss que el área bajo la
curva es: 2 x − (a + b )
z=
b−a
A = ω1 f ( z1 ) + ω2 f ( z 2 )
Para conocer a z1 y z2 se debe sustituir a el límite inferior y superior
Con lo que se esclarece el
respectivamente y se sabe que en consecuencia del cambio de
problema y se ve que lo
variable se tiene:
importante es determinar
después del cambio de
variable a los valores de: ω1 = ω2 = 1

∫ F (z )dz = ω F (z ) + ω F (z )
1
ω1 , ω 2 , z1 y z2 1 1 2 2
−1

Método de la cuadratura de Gauss Método de la cuadratura de Gauss

Ejercicio: Explicación del método:

Método de la cuadratura de Gauss Método de la cuadratura de Gauss

Ejercicio: Ejercicio:

13
03/03/2013

Método de la cuadratura de Gauss Método de la cuadratura de Gauss

Ejercicio: Ejercicio:

Derivación numérica

Derivación numérica: Derivación numérica:

Se parte del supuesto de que la función que se desea derivar esta


tabulada con espaciamientos constantes en la variable independiente
y se acepta que se puede aproximar por un polinomio de grado n.
• Derivación por polinomios de Newton en diferencias finitas

De la misma manera:

Derivación numérica Derivación numérica

Derivación numérica: Derivación numérica:

La primer derivada para un polinomio de grado 1 queda: La primer derivada para un polinomio de grado 2 queda:

d f (x ) f (x1 ) − f ( x0 )
=
dx h

14
03/03/2013

Derivación numérica Derivación numérica


Ejemplo:

Derivación numérica:

La segunda derivada para un polinomio de grado 2 queda:

Derivación numérica

Ejemplo:

15