Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ajustes de Curvas e Interpolacion
Ajustes de Curvas e Interpolacion
INDICE
4.1 INTERPOLACIÓN LÍNEAL Y CUADRATICA………..........................................................3-6
4.2 POLINOMIOS DE INTERPOLACIÓN: DIFERENCIAS DIVIDIDAS DE NEWTON Y DE
LAGRANGE…………………………………………………………………………………………7-9
4.4 APLICACIONES…………………………………………………………………………………14
BIBLIOGRAFÍA………………………………………………………………………………………..15
2
4.1 INTERPOLACIÓN LÍNEAL Y CUADRATICA
En primera la interpolación es una técnica muy útil para aproximar funciones y también para estimar
valores intermedios de las mismas en una serie de datos tal y como se muestra…
Esta técnica nos permite conocer un valor intermedio para la función f(X) cuando se conocen dos
valores extremos de ésta, f(a) y f(b).
Para este caso con los dos puntos extremos a y b, la INTERPOLACIÓN más simple es la lineal, es decir
se supone que la función f(X) varía linealmente con X para el tramo comprendido entre X=a y X=b, de
modo que la f(XI) de un punto intermedio cualquiera vendrá dada por…
3
Interpolación lineal Polinomio que interpola los datos (x0, y0), (x1, y1)
Formamos los polinomios de Lagrange
La interpolación lineal es un caso particular de la Interpolación general de Newton.
EJEMPLOS
1.-Calcule el polinomio de interpolación de Newton para los datos
Solución: El polinomio que se nos pide se puede escribir
5
2.- Calcule el polinomio de interpolación para la función f (x) = |x| en los nodos xi = −4, −1, 2, 5 y 7
usando la tabla de diferencias divididas. Solución: formamos la tabla de diferencias divididas
Luego el polinomio de interpolación en la forma de Newton que nos piden es…
6
4.2 POLINOMIOS DE INTERPOLACIÓN: DIFERENCIAS DIVIDIDAS DE NEWTON Y DE
LAGRANGE
El polinomio de interpolación de Lagrange, simplemente es una reformulación del polinomio de
Newton que evita los cálculos de las diferencias divididas. Este se puede representar concretamente
como:
en donde:
7
Donde:
Sustituyendo, el polinomio de Lagrange queda definido como sigue:
Simplificamos, y obtenemos:
Tras realizar las diferentes operaciones la ecuación resultante quedará de la siguiente forma:
X -2 0 2 4
y 1 -1 3 -2
Sustituimos en la siguiente ecuación los datos de la tabla anterior para resolver el problema,
donde:
Tras operar el resultado quedaría de la siguiente forma: f (x) = (-15x3 + 36x2 + 93x -48) / 48
Para acabar de simplificar dividimos entre 48, de forma que la ecuación resultante quedará como sigue:
f (x) = -0,3125x3 + 0,75x2 + 1,75x -1
En este método se pretende trazar la recta que más se acerque al conjunto de datos dado, a la cual se le
llama “línea (recta) de regresión”, expresada matemáticamente como:
Y= C1x + C2+ Error (2.1)
Las representaciones gráficas y la utilidad de las versiones alineadas de los gráficos (X, Y) junto a las
distintas maneras de llevar a cabo la alineación.
El método de cuadrados mínimos es un procedimiento general que nos permite responder esta pregunta.
Cuando la relación entre las variables X e Y es lineal, el método de ajuste por cuadrados mínimos se
denomina también método de regresión lineal.
El criterio de mínimos cuadrados reemplaza el juicio personal de quien mire los gráficos y defina cuál es
la mejor recta.
Los resultados se aplican en el caso lineal cuando todos los datos de la variable dependiente tienen la
misma incertidumbre absoluta y la incertidumbre de la variable independiente se considera despreciable.
Consiste en explicar una de las variables en función de la otra a través de un determinado tipo de
función (lineal, parabólica, exponencial, etc.), de forma que la función de regresión se obtiene ajustando
las observaciones a la función elegida, mediante el método de Mínimos-Cuadrados.
10
Que es una medida de la desviación total de los valores observados yi respecto de los predichos por el
modelo lineal a x + b. Los mejores valores de la pendiente a y la ordenada al origen b son aquellos que
minimizan esta desviación total, o sea, son los valores que remplazados en …
Minimizan la función…
Actualmente, la mayoría de los programas de análisis de datos y planillas de cálculo, realizan el proceso
de minimización en forma automática y dan los resultados de los mejores valores de a y b, o sea los
valores indicados por las ecuaciones.
11
EJEMPLOS
1.- Encontrar la línea de regresión que se ajusta mejor a los siguientes datos
La siguiente tabla muestra los valores calculados necesarios para hallar los valores de los coeficientes de
la recta buscada:
n Xi Yi Xi*Yi Xi2 Error
1 1,00 2,00 2,00 1,00 0,0144
2 1,50 3,20 4,80 2,25 0,0169
3 2,00 4,10 8,20 4,00 0,0064
4 2,50 4,90 12,25 6,25 0,0049
5 3,00 5,90 17,70 9,00 0,0004
TOTAL 10,00 20,10 44,95 22,50 0,043
Y= 1.90 X + 0.22
12
2.- x y X2 xy Y2
1 1 1 1 1
3 2 9 6 4
4 4 16 16 16
6 4 36 24 16
8 5 64 40 25
9 7 81 63 49
11 8 121 88 64
14 9 196 126 81
56 40 524 364 256
13
APLICACIONES
Una aplicación que podríamos hacer nosotros como futuros ingenieros en mecatrónica, por decir
nosotros utilizamos todo el tiempo matemáticas en general.
Las curvas podemos utilizarlas para observar de manera gráfica los niveles de una maquina en cuanto a
automatización.
Mas aplicaciones que se pueden hacer sería utilizando torno, fresa etc. Ya que para hacer piezas tenemos
que saber las medidas y sus curvaturas.
Un spline es una curva diferenciable definida en porciones mediante polinomios.
Para el ajuste de curvas, los splines se utilizan para aproximar formas complicadas. La simplicidad de la
representación y la facilidad de cómputo de los splines los hacen populares para la representación de
curvas en informática, particularmente en el terreno de los gráficos por ordenado.
Una función f(x) que resulta un numero N de pares (x,f(x)) por los que sin importar la función
polinómica P(x). Estas funciones van a ser lineales, en pocas palabras con grado 1: de la forma P(x) =
ax + b.
Se utiliza el software para resolver un problema de prueba de hipótesis relacionado con la caída del
paracaidista. Un modelo teórico matemático para la velocidad del paracaidista se dio como sigue…
donde v = velocidad (m/s), g = constante gravitacional (9.8 m/s2), m = masa del paracaidista igual a
68.1 kg y c = coeficiente de arrastre de 12.5 kg/s. El modelo predice la velocidad del paracaidista en
función del tiempo.
Un modelo empírico alternativo para la velocidad del paracaidista está dado por…
Supongamos que se quiere probar y comparar la veracidad de esos dos modelos matemáticos. Esto se
podría hacer al medir la velocidad real del paracaidista con valores conocidos de tiempo y al comparar
estos resultados con las velocidades predichas de acuerdo con cada modelo.
14
BIBLIOGRAFÍA
Libro “Métodos numéricos para ingenieros” 5ta edición - Steven C. Chapra
http://metodos-numericositpn.blogspot.mx/2015/05/43-regresion-por-minimos-cuadrados.html
http://www.geocities.ws/datos_universidad/MNumericos/AjusteDeCurvas.pdf
http://iesbajocinca.catedu.es/wp-content/uploads/2016/08/Problemas-Interpolacion.pdf
https://sites.google.com/site/metalnumericos/home/unidad-4/4-2-polinomios-de-interpolacion-
diferencias-divididas-de-newton-y-de-lagrange
15