3

yo NTERPOLACIÓN Y C URVE F ITTING

Introducción

Interpolación de Newton: Interpolación de Lagrange de diferencia

dividida finita

Interpolación de splines

Regresión polinomial

Interpolación multivariable
Capítulo 3 Interpolación y ajuste de curvas / 2

3.1 Introducción

• Interpolación es una técnica para estimar el valor entre un conjunto de datos. Un enfoque general es

• mapear los datos en un norte- polinomio de tercer orden:

norte

F n ( x) = a 0 + un 1 x + L + hacha n = ∑ un
norte
yo
yo X (3,1)
yo = 0

• Este capítulo cubre tres tipos de técnicas, es decir, la interpolación de Newton, la interpolación
de Lagrange y la interpolación Spline.

• La ecuación resultante se puede utilizar para el ajuste de curvas.

Capítulo 3 Interpolación y ajuste de curvas / 3

3.2 Interpolación de Newton: diferencia dividida finita

• Para la interpolación lineal, considere la figura 3.1 y la siguiente relación:

F 1 ( X) - f (x 0) f (x 1) - f (x) 0
=
X - X0 X1- X0

f (x)

f (x 1)

f (x)

f (x 0)

X0 X X1 X

FIGURA 3.1 Interpolación linear

Reorganizar la relación anterior conduce a

-
f 1()x f=() f (x 1)Xf0(x
+ 0) ⋅ ( X - X 0) (3,2)
X1- X0

El término [ f (x 1) - f (x 0)] ( X 1 - X 0) se conoce como el finito de primer orden

diferencia dividida.

Ejemplo 3.1

Calcule un valor aproximado de ln 2 usando la interpolación lineal usando los siguientes

rangos: (1,4) y (1,6). Utilice ln 1 = 0, ln 4 = 1.3862944 y ln 6 = 1.7917595 como datos de
origen. Estime el error relativo si el valor real es ln 2 = 0.69314718.

Solución

Para la interpolación lineal entre X 0 = 1 y X 1 = 6:

f 1( 2) 0=1,7917595
+ -0 ⋅ ( 2 - 1) = 0,35835190
6-1

Esto produce un error relativo de ε t = 48,3%.

Capítulo 3 Interpolación y ajuste de curvas / 4

Para la interpolación lineal entre X 0 = 1 dan X 1 = 4:

f 1( 2) 0=1.3862944
+ -0 ⋅ ( 2 - 1) = 0,46209812
41
-

Esto produce un error relativo de ε t = 33,3%, menor que en el caso anterior.

• Para la interpolación cuadrática, considere la figura 3.2 y la siguiente relación:

f (x) = en X
2

F 1 ( X)

0
0 2 4 6 X

FIGURA 3.2 El resultado de la interpolación lineal para ln 2

F 2 ( x) = b 0 + segundo 1 ( X - X 0) + segundo 2 ( X - X 0) ( X - X 1) (3,3)

Tomando los valores de X igual a X 0, X 1 dan X 2 en Eq. (3.3), los coeficientes

segundo yo se puede calcular de la siguiente manera:

segundo 0 = f (x 0) (3.4a)

f (x 1) - f (x 0)
segundo 1 = (3.4b)
X1- X0

f (x 2) - f (x 1) f (x 1) - f (x 0)
-
X2- X1 X1- X0
b 2= (3.4c)
X2- X0
Capítulo 3 Interpolación y ajuste de curvas / 5

Ejemplo 3.2

Repita el ejemplo 3.1 usando la interpolación cuadrática.

Solución

Del Ejemplo 3.1, los datos se pueden reescribir de la siguiente manera:

X 0 = 1: f (x 0) = 0
X 1 = 4: f (x 1) = 1.3862944
X 2 = 6: f (x 2) = 1.7917595

Usando la Ec. (3.4):

segundo 0 = 0

1.3862944 - 0
segundo
1=
= 0,46209812
4-1
1.7917595 - 1.3862944 1.3862944 - 0
-
6-4 4-1
b 2= = - 0.051873113
6-1

Por tanto, Eq. (3.3) rendimientos

F 2 ( x) = 0 + 0,46209812 ( X - 1) - 0.051873113 ( X - 1) ( X - 4)

Xa x = 2:

F 2 ( 2) = 0 + 0,46209812 (2 - 1) - 0,051873113 (2 - 1) (2 - 4),

= 0.56584436.

Esto produce el error relativo ε t = 18,4% como se muestra a continuación.

Capítulo 3 Interpolación y ajuste de curvas / 6

f (x) = en X

F 2 ( X)

F 1 ( X)

0
0 2 4 6 X

FIGURA 3.3 El resultado de la interpolación cuadrática para ln 2

• La forma general que representa un norte- función de interpolación de th orden (requiere

n + 1 pares de datos) es:

F n ( x) = b 0 + segundo 1 ( X - X 0) + L + segundo n ( X - X 0) ( X - X 1) L ( X - X norte - 1) (3,5)

donde los coeficientes segundo yo se puede obtener a través de

segundo 0 = f (x 0)

segundo 1 = f [x 1, X 0]

segundo 2 = f [x 2, X 1, X 0]

METRO

segundo n = f [x n, X norte - 1, K, X 1, X 0]

donde los términos [ …] son diferencias finitas divididas y se definen como:

fx j
fx[]
yo , fX(x)
yo
j = - () (3.6a)
X yo - X j

f [x, yox] - j f [x, x]

fx,[ x,
j k
yo x] =
j k (3.6b)
X yo - X k

x, K,nortex,- 1 x] f [x1n, X0norte=- 1, K, X 2, X 1] - f [x norte - 1, X norte - 2, K, X 1, X 0]

f [x, norte (3.6c)
X norte - X 0

Por tanto, Eq. (3.5) forma el Polinomio de interpolación de Newton:

F n ( x) = f (x 0) + ( X - X 0) f [x 1, X 0] + ( X - X 0) ( X - X 1) f [x 2, X 1, X 0]
(3,7)
+ L + ( X - X 0) ( X - X 1) L ( X - X norte - 1) f [x n, X norte - 1, K, X 0]
Capítulo 3 Interpolación y ajuste de curvas / 7

TABLA 3.1 Polinomio de interpolación de diferencias finitas divididas de Newton

yo X yo f (x yo ) yo II III

0 X0 f (x 0) f [x 1, X 0] f [x 2, X 1, X 0] f [x 3, X 2, X 1, X 0]

1 X1 f (x 1) f [x 2, X 1] f [x 3, X 2, X 1]

2 X2 f (x 2) f [x 3, X 2]

3 X3 f (x 3)

• La relación de error para el norte- La función de interpolación de th orden se puede estimar usando:

R norte ≈ f [x n + 1, X n, X norte - 1, K, X 0] ( X - X 0) ( X - X 1) L ( X - X n) (3,8)

Ejemplo 3.3

Repita el ejemplo 3.1 con un cuarto punto adicional de X 3 = 5,

f (x 3) = 1.6094379 utilizando el polinomio de interpolación de Newton de tercer orden.

Solución

El polinomio de interpolación de Newton de tercer orden se puede escribir como

F 3 ( x) = b 0 + segundo 1 ( X - X 0) + segundo 2 ( X - X 0) ( X - X 1) + segundo 3 ( X - X 0) ( X - X 1) ( X - X 2)

yo X yo f (x yo ) yo II III
0 1 0 0,46209813 - 0.0597386 0,00786553

1 4 1.3862944 0,22314355 - 0.0204110

2 5 1.6094379 0.18232156

3 6 1.7917595

Así,

F 3 ( x) = 0 + 0,46209812 ( X - 1) - 0.0597386 ( X - 1) ( X - 4)

+ 0,00786553 ( X - 1) ( X - 4) ( X - 5),

F 3 ( 2) = 0 + 0,46209812 (2 - 1) - 0,0597386 (2 - 1) (2 - 4)

+ 0,00786553 (2 - 1) (2 - 4) (2 - 5),

= 0.6287691.

y producir un error relativo de ε t = 9,29%.

Capítulo 3 Interpolación y ajuste de curvas / 8

f (x) = en X

F 3 ( X)

0
0 2 4 6 X

TABLA 3.4 El resultado de la interpolación cúbica para ln 2

Capítulo 3 Interpolación y ajuste de curvas / 9

3.3 Interpolación de Lagrange

• La fórmula para la interpolación de Lagrange es:

norte

Fn ( x) = ∑ L yo ( x) f (x yo ) (3,9)
yo = 0

donde el parámetro L yo( X) Se define como

norte X-Xj
L yo()
x =∏ (3,10)
j=0 X yo - X j
j ≠ yo

• Xa n = 1, la función de interpolación de Lagrange de primer orden se puede escribir como:

f 1(x) x =
- X 1 f (x) x - X 0 f 0(x)
+ 1
X0- X1 X 1- X 0

• Xa n = 2, la interpolación de Lagrange de segundo orden se puede escribir como:

( X - X 1) ( X - X 2)
f 2(x) = f (x) 0(x - X 0) ( X - X 2)
+ ( xx
f (x)1
( X 0 - 1 xx )0 -( X 2 ) 1 -0 ) ( xx
-
1 2
)
( X - X 0) ( X - x) 1)xxf (x)
2-
+ 2
( X 2 - 0 X 1) (

• El término de error para la interpolación de Lagrange se puede estimar usando:

n( X - X yo )
R norte
= f [x n + 1 X , n, X norte-1, K, X 0 ]∏ (3,11)
yo = 0

Ejemplo 3.5

Repita los ejemplos 3.1 y 3.2 utilizando las funciones de interpolación de Lagrange de primer y segundo
orden, respectivamente.

Solución

De los ejemplos 3.1:

X 0 = 1: f (x 0) = 0
X 1 = 4: f (x 1) = 1.3862944
X 2 = 6: f (x 2) = 1.7917595
Capítulo 3 Interpolación y ajuste de curvas / 10

Para la interpolación de Lagrange de primer orden:

f 1(x) x=- X 1 f (x) x - X 0 + 0 f (x)

1
X0- X1 X1- X0

∴ F1 ( 2) =2 - 4 (0) 2 - +1 (1.3862944)
1-4 4-1
= 0,4620981

Para la interpolación de Lagrange de segundo orden:

f 2(x) (x=- X 1) ( X - X 2) f (x)0(x - X 0) ( X - X 2)

+( X1- 0
f (x)1
( X 0 - 1 xx)0 (- X 2 ) xx )1 -( X2 )
( X - X 0) ( X - x) xx 2-
1) f (x)
+ 2
( X 2 - 0 X 1) (

)(
f 2( 2) (2= -( 4)
1 -(24 - 6) 0 (2 - 1 2 - 6)
) ( 1 - 6 ) () + ( 4 - 1 ) ( 4 - 6 ) ( 1.3862944)
( 2 - 1) (2 - 4)
+
( 6 - 1 ) ( 6 - 4 ) ( 1.7917595)
= 0.5658444
Capítulo 3 Interpolación y ajuste de curvas / 11

3.4 Interpolación de splines

• La interpolación polinomial puede provocar una oscilación en la función y esto se puede remediar
usando el interpolación de splines.

f (x) f (x)

X X

(a) polinomio (b) Ranura lineal

FIGURA 3.5 Comparación entre interpolación polinomial y spline

• La frmula para el spline lineal interpolación para n + 1 dato entre puntos

X 0 y X n ( norte intervalos) es

F 11 ( x) = f (x 0) + metro 0 ( X - X 0) untuk X 0 ≤ X ≤ X 1

F 12 ( x) = f (x 1) + metro 1 ( X - X 1) untuk X 1 ≤ X ≤ X 2

METRO METRO
(3,12)

F 1 n ( x) = f (x norte - 1) + metro norte - 1 ( X - X norte - 1) untuk X norte - 1 ≤ X ≤ X norte

Dengan metro yo es el gradiente para el ( yo + 1) -ésimo intervalo:

f (x yo + 1) - f (x yo )
metro yo = (3,13)
X yo + 1 - X yo

Ejemplo 3.6

Utilice los siguientes datos para estimar la función f (x) a x = 5 utilizando la interpolación spline lineal.

X f (x)

3,0 2.5
4.5 1.0
7.0 2.5
9.0 0,5
Capítulo 3 Interpolación y ajuste de curvas / 12

Solución

El valor de x = 5 está en el rango de 4.5 ≤ X ≤ 7, donde el gradiente es

2.5 - 1.0
metro 1 = = 0,60
7.0 - 4.5

De Eq. (3.12):

F 12 ( x) = f (x 1) + metro 1 ( X - X 1),

F 12 ( 5) = 1.0 + 0.60 (5 - 4,5) = 1,3.

f (x)

0
2 4 6 8 X

FIGURA 3.6 Interpolación de splines lineales para el ejemplo 3.6

• Para el spline cuadrático, el polinomio general para cada intervalo es

F2yo ( x) = a yo X 2 + segundo yo x + c yo (3,14)

El coeficiente un yo, segundo yo y C yo para cada intervalo se puede evaluar usando:

1. Continuidad en los vértices (2 norte - 2 ecuaciones):

un yo - 1 yo
X -21 + segundo yo - 1 X yo - 1 + C yo - 1 = f (x yo - 1) (3,15)

unyo2X yo - 1 + segundo yo X yo - 1 + C yo = f (x yo - 1) (3,16)

2. Condiciones en los puntos finales (2 ecuaciones):

un1 X
2
0 + segundo 1 X 0 + C 1 = f (x 0)
(3,17)

un norten +Xsegundo
2
norte X n + C n = f (x n) (3,18)
Capítulo 3 Interpolación y ajuste de curvas / 13

3. Diferenciabilidad en los vértices ( norte - 1 ecuaciones):

F ′ ( x) = 2 hacha + b

2 un yo - 1 X yo - 1 + segundo yo - 1 = 2 un yo X yo - 1 + segundo yo (3,19)

4. Supuesto en el primer intervalo (1 persamaan):

un 1 = 0 (3,20)

f (x)

0
2 4 6 8
X

FIGURA 3.7 La interpolasi spline cuadrática por ejemplo 3.7

• Para el interpolación cúbica, el polinomio general para cada intervalo es

F 3 yo ( x) = a yo X 3 + segundo yo X 2 + C yo x + d yo (3,21)

• La formulación de la interpolación cúbica se puede derivar de la siguiente manera: Para intervalo

( X yo - 1, X yo), la segunda derivada se puede escribir como:

Fyo′ ′ ( x)=f yo′ ′ ( x) xyo-- 1XXyo-+1 F- X′ X yo X yo - X yo ′- 1() X - X yo - 1 (3,22)

yo yo

yo

La integración de Eq. (3.22) dos veces produce dos constantes de integración,

que se puede evaluar usando f (x) = f (x yo - 1) a X yo - 1 y f (x) = f (x yo ) a X yo,
así produce

F ′ ′ ( Xyo1)-) ( X- 3 F ′ ′ ( X yo ) 3
f 3(x)
yo
= yo
x) + ( - X yo - 1
6 ( X yo- X yo - 1 6 X yo ) ( X - X yo - 1)

• f (x - 1) yo ) fx′ yo′ ( - 1) ( - -X1)yo• X yo

+• - • ( X yo - X)
• ( X yo - - 1 X yo 6 • (3,23)

• f (x yo ) F ′ ′ ( X yo )( X yo - X yo - 1) •
+• - • ( X - X yo - 1)
( yo- X yo - 1)
•X 6 •
Capítulo 3 Interpolación y ajuste de curvas / 14

La diferenciabilidad se puede mantener a través de la función a través de

F yo ′ - 1 ( X i) = F yo ′ ( X yo ) (3,24)

Eq. (3.23) se puede diferenciar tanto para ( yo - 1) -th y yo- th intervalos y siguiendo la Ec.
(3,24):

( X yo - X yo - 1) F ′ ′ ( X yo - 1) + 2 ( X yo + 1 - X yo - 1) F ′ ′ ( X i) + ( X yo + 1 - X yo ) F ′ ′ ( X yo + 1)
6 6 (3,25)
= ( X yo + 1 - X yo [ f (x yo + 1) - f (x yo )] + [ f (x yo - 1) - f (x yo )]
) ( X yo - X yo - 1 )

Ejemplo 3.8

Repita el ejemplo 3.6 usando la interpolación spline cúbica.

Solución

Usando la Ec. (3.25) para el primer intervalo ( yo = 1):

( 4.5 - 3) F ′ ′ ( 3) + 2 (7 - 3) F ′ ′ ( 4,5) + (7 - 4.5) F ′ ′ ( 7) 6

6
= ( 7 - 4.5
) ( 2.5 - 1) + (4,5 - 3 ) ( 2.5 - 1)

Se sabe que F ′ ′ ( 3) = 0. Por lo tanto

8 F ′ ′ ( 4,5) + 2,5 F ′ ′ ( 7) = 9,6

Para el segundo intervalo ( yo = 2):

2.5 F ′ ′ ( 4.5) + 9 F ′ ′ ( 7) = - 9,6

Ambas ecuaciones se resuelven simultáneamente para producir

F ′ ′ ( 4,5) = 1,67909

F ′ ′ ( 7) = 1,53308

Usando la Ec. (3.23) para el primer intervalo:

1,67909 2,5 (4,5 - X)

f 31()x = ( -
6 4.5 - 3 ) ( X 3) 3 + 4.5 - 3

•1 1,67909 (4,5 - 3) • (
+ •• 4.5 - 3 - )
• X - 3,
6 •
= 0,186566 ( X - 3) 3 + 1,666667 (4,5 - x) + 0.246894 ( X - 3).
Capítulo 3 Interpolación y ajuste de curvas / 15

Para el segundo y tercer intervalo:

3 - 0,299621 (7 - X)
f 32()X= 0,111 939 (7 - X) 3 - 0.102205 ( X - 4.5 )
+ 1.638783 ( X - 4.5)

f 33()X= - 0,127757 (9 - X) 3 + 1.761027 (9 - x) + 0,25 ( X - 7)

A x = 5, use la función para el segundo intervalo:

F 32 ( 5) = 0,111939 (7 - 5) 3 - 0,102205 (5 - 4.5) 3 - 0,299621 (7 - 5)

+ 1.638783 (5 - 4.5),

= 1.102886.

f (x)

Newton cúbico /
Interpolación de Lagrange

Cúbico
Ranura

0
2 4 6 8 X

FIGURA 3.8 La interpolación spline cúbica para el ejemplo 3.8

Capítulo 3 Interpolación y ajuste de curvas / 16

3.5 Regresión polinomial

• A veces se requiere un polinomio de "mejor ajuste" de un orden inferior al número de intervalos

para representar los datos y se puede evaluar mediante
regresión polinomial.

• Considere la siguiente forma de polinomio:

f (x) = a 0 + un 1 x + hacha 2 + 2L + un norte norte X (3,26)

donde el error para el yo- th datos X yo, y yo) es

2 - L - un norte X yo norte
mi yo = y yo - f (x i) = y yo - un 0 - un 1 X yo - un 2 X yo

La suma de los cuadrados de error para norte los datos son

norte N( y yo - un 0 - un 1 X yo - un 2
S=∑ =mi ∑
2
2
yo 2 X yo - L - un norte norte X yo ) (3,27)
yo = 1 yo = 1

Estos errores se pueden minimizar de la siguiente manera:

N( y - un 0 - un 1 X - un 2 X 2 - L - hacha n) ( - 1)
∂S
=0= ∑2 yo yo yo ni
∂ un 0 yo = 1

norte
∂S
= 0 = ∑ 2 ( y - un -yohacha0 - hacha
1 yo
2 - - hacha norte
2 yo
L ni) ( - X yo )
∂ 1un yo = 1

METRO
norte
∂S
= 0 = ∑ 2 ( y - un -yohacha0 - hacha
1 yo 2 yo
L
2 - - hacha n) - X norte
ni (yo)
∂ un norte yo = 1

produciendo el siguiente sistema de ecuaciones:

aN
0
+ a ∑ x1+ a ∑ yoX 2 + L 2+ un ∑yoX norte norte yo = ∑ y yo
norte 1
un 0 ∑ yoxa
+ 1 ∑ yo + X 2 un 2 ∑ yo +X+3 L un norte ∑ x+
yo
= ∑ X yo y yo

un 0 ∑ X yo
2 un
+1∑
X yo
3 un
+2∑
X yo
4
L+∑ un norte Xyon + 2 = ∑ X 2 y yo
+ yo
(3,28)
METRO

norte
un0 ∑ X n +youn ∑ X1n + 1 + unyo∑ X n + 2 +2+ un ∑ yo
X 2 norte L norte yo = ∑ X yo y yo
Capítulo 3 Interpolación y ajuste de curvas / 17

o, en forma de ecuación matricial:

• norte ∑ X yo ∑ yoX 2 L ∑ yo • • •X•∑

norte ii••• un 0 • • ∑ y • yo •
•
•∑ X yo
∑ X 2yo ∑ X 3yo L ∑ Xn+1 yo •
•∑ X 2 ∑ X 3yo ∑ X 4yo L ∑ nX+ yo•2 •• un⋅ 1•••un
• •• •∑ •X 2 •
=2 xy
yo yo y yo (3,29)
• •
• METRO • • •
• METRO METRO METRO O METRO
• • • • METRO •
••∑ X norte
yo
∑ X nyo+ 1 ∑ X n + 2 Lyo∑ X 2 norte •• •• •• ••∑yonorte un norte X yo y yo ••

• La desviación estándar σ para este caso se puede evaluar de la siguiente manera:

norte

∑ mi 2yo
S
σ= =
yo = 1
(3,30)
norte - n + 1 norte - n + 1

• El caso por n = 1 se conoce como regresión lineal:

y = a 0 + un 1 X

• norte ∑ X yo• • • • un
∑ 0y yo •
• (3,31)
2 • • = •∑ X •
∑ •X⋅yo
•∑ X yo • • un 1• • yo y yo •

Ejemplo 3.9

Determine una ecuación cuadrática de mejor ajuste que pueda representar los siguientes datos experimentales:

X yo 0,05 0,11 0,15 0,31 0.46 0,52

y yo 0,956 0,890 0,832 0,717 0.571 0.539

X yo 0,70 0,74 0,82 0,98 1,17

y yo 0.378 0.370 0.306 0,242 0.104

Solución

Xa n = 2, el polinomio cuadrático se puede escribir como

2
f (x) = a 0 + un 1 x + a 2 X
Capítulo 3 Interpolación y ajuste de curvas / 18

De Eq. (3,28):
2
• norte ∑ X yo ∑ X yo • • un 0 • • ∑ y • yo •
•
∑ 2 X yo ∑ X 3 yo•
•∑ X yo • ⋅ •• un
• •1 • = •∑ X yo y yo •
2 3
••∑ X yo ∑ X yo ∑ X yo
4• •
• • un 2••••∑ X 2 yo y •yo •

De la siguiente tabla:

∑ X yo = 6.01 N = 11
∑ X 2 yo = 4.6545 ∑ y yo = 5.905

∑ X 3 yo = 4.1150 ∑ X yo y yo = 2.1839

∑ X 4 yo = 3.9161 ∑ X 2 yo y yo = 1.3357

Por lo tanto, la ecuación matricial se convierte en:

• 11 4.6545 • • un 0 • • 5.905 •
6.01
• • •
4.6545 4.1150 ⋅ • •
• 6.01 • • un 1• = • • 2.1839 •
•• 4.6545 4.1150 3.9161 • • un•2•• •• • 1.3357 • •

un 0 = 0,998 un 1 = - 1.018 un 2 = 0,225

Por tanto, la función cuadrática que puede representar los datos es

f (x) = 0,998 - 1.018 x + 0,225 X 2

0.8

f (x)
0,6

0.4

0,2

0 X
0 0,2 0.4 0,6 0.8 1 1.2

FIGURA 3.9 El ajuste de datos usando una función cuadrática

Capítulo 3 Interpolación y ajuste de curvas / 19

3.6 Interpolación multivariable

• El método de interpolación de Newton, Lagrange y spline se puede aplicar para casos multivariables,
por ejemplo, para dos y tres variables:

pags q

F pags
q
(x,) y
= ∑∑ L X ( X) ⋅ L y ( y) f (x yo , y)
yo j
j (3,32)
yo = 0 j = 0

pags ∑∑r L X( X) ⋅ L y ( y) ⋅ L z ( z) f (x yo , y j, z)
( y, z = )
F pqr x, ∑ q k (3,33)
yo j k
yo = 0 j = 0 k = 0

dónde

pags X - Xl q y - yl r z - zl
L Xx ()
=
yo
∏ Ly j ()y ∏
= L zz ()
=
k
∏
l=0 X yo - X l l=0 y j- yl l=0 zk- zl
l ≠ yo l≠j l≠k

• Por ejemplo, Eq. (3.32) se puede expandir como

f 1,1
() x,
(xy- =X 1) ( y-y F 0) ( y - y 1) f (x 1, y)
X) (1 X- X
1)
- X0
) ( xy
0, 0 + ( 0
( X0- X1 ) ( y0- y1 ) ( y0- y1 )
( X - X 1) ( y - y 0)
+ f (x,0y) (x
1+
- X 0) ( y - y 0) f (x 1, y) 1
( X 0 - 1 xy)1 (- X 0 ) ( X 1 - 0 xy )1 -( y 0 )

Ejemplo 3.10

La siguiente tabla muestra la topología de una superficie no plana 3D:

y
z = f (x, y)
0,2 0,3 0.4 0,5

1.0 0,640 1.003 1.359 1.703

X 1,5 0,990 1.524 2.045 2.549

2.0 1.568 2.384 3.177 3.943

Utilice la interpolación de Newton para estimar el valor de z en la coordinat (1.6, 0.33).

Como comparación, los datos anteriores siguen la función
f (x, y) = e X pecado y + y - 0,1, así F( 1,6, 0,33) = 1,8350.
Capítulo 3 Interpolación y ajuste de curvas / 20

Solución

A x = 1.0:

j yj F( 1.0, y j) yo II III

0 0,2 0,640 0.363 - 0,007 0,005

1 0,3 1.003 0.356 - 0,012

2 0.4 1.359 0.344

3 0,5 1.703

F 1 ( 1.0, y) = 0,640 + 0,363 ( y - 0,2) - 0,007 ( y - 0,2) ( y - 0,3)

+ 0,005 ( y - 0,2) ( y - 0,3) ( y - 0,4),

F 1 ( 1,0, 0,33) = 1,1108.

A x = 1.5:

j yj F( 1,5, y j) yo II III

0 0,2 0,990 0.534 - 0,013 - 0,004

1 0,3 1.524 0.521 - 0,017

2 0.4 2.045 0.504

3 0,5 2.549

F 1 ( 1,5, y) = 0,990 + 0,534 ( y - 0,2) - 0,013 ( y - 0,2) ( y - 0,3)

- 0,004 ( y - 0,2) ( y - 0,3) ( y - 0,4),

F 1 ( 1,5, 0,33) = 1,6818.

A x = 2.0:

j yj F( 2.0, y j) yo II III

0 0,2 1.568 0,816 - 0.023 - 0,004

1 0,3 2.384 0,793 - 0,027

2 0.4 3.177 0,766

3 0,5 3.943

F 1 ( 2.0, y) = 1,568 + 0,816 ( y - 0,2) - 0,023 ( y - 0,2) ( y - 0,3)

- 0,004 ( y - 0,2) ( y - 0,3) ( y - 0,4),

F 1 ( 2,0,0,33) = 2,6245.
Capítulo 3 Interpolación y ajuste de curvas / 21

A continuación, en y = 0,33:

yo X yo f (x yo, 0,33) yo II
0 1.0 1.1108 0.5710 0.3717

1 1,5 1,6818 0.9427

2 2.0 2.6245

F 1,1 ( X, 0,33) = 1,1108 + 0,5710 ( X - 1,0) + 0,3717 ( X - 1.0) ( X - 1,5),

F 1,1 ( 1,6, 0,33) = 1,8406.

Esto produce un error relativo de ε t = 0,305%.

Capítulo 3 Interpolación y ajuste de curvas / 22

Ejercicio

1. El consumo de combustible de un motor se ha registrado como se muestra en la siguiente tabla.

Tiempo, hora Combustible, litro

1.2 0.33201
1,7 0.54739
1.8 0,60496
2.0 0,73891

Si un usuario hace funcionar el motor durante 1,55 horas, determine el consumo de combustible estimado utilizando los métodos de
interpolación de Newton y Lagrange.

2. Los siguientes datos muestran la función de altura de una colina aa distancia X de una referencia. Forme un polinomio cúbico
mediante regresión.

X yo 0 1 2 3 4 5 6 7 8

h yo 4 5 10 17 21 dieciséis 11 3 1

Además, calcule la desviación estándar correspondiente.

3. Los siguientes datos representan la distribución de temperatura T (x, y) en una placa de metal:

Temperatur y coordinar
mi T (x, y) 0,5 1.0 1,5 2.0

0,5 7.51 10.05 12,70 15,67

X coordinar

1.0 10.00 10.00 10.00 10.00

1,5 12.51 9,95 7.32 4.33

2.0 15.00 10.00 5,00 0,00

Estime la temperatura en la coordenada ( x, y) = ( 1,15, 1,42) utilizando:

a. la interpolación lineal de Newton,

segundo.la interpolación cúbica de Newton.