PRÁCTICA 4: Ajuste de curva (Lineal y polinomial) e Interpolación

(Lagrange y trazadores Spline).

Realizado por: Ing. Paúl Torres Jara M.Sc.
1. OBJETIVO.
Utilizar los métodos de regresión e interpolación como métodos de aproximación de
funciones.
2. RESUMEN.
En la práctica al alumno se le introducirá en los métodos de regresión e interpolación.
Los alumnos tienen que utilizar las presentaciones (11 y 12) explicada en clase.
El alumno deberá mostrar los “ejercicios resueltos propuestos “, en Word insertándolos con
un print de pantalla en este mismo documento.
3. INTRODUCCIÓN.
Existen dos métodos generales para el ajuste de curvas que se distinguen entre sí al
considerar la cantidad de error asociado con los datos. Primero, si los datos exhiben un
grado significativo de error o “ruido”, la estrategia será obtener una sola curva que
represente la tendencia general de los datos. Como cualquier dato individual puede ser
incorrecto, no se busca intersecar todos los puntos. En lugar de esto, se construye una curva
que siga la tendencia de los puntos tomados como un grupo. Un procedimiento de este tipo
se llama regresión por mínimos cuadrados.
Segundo, si se sabe que los datos son muy precisos, el procedimiento básico será colocar
una curva o una serie de curvas que pasen por cada uno de los puntos en forma directa.
Usualmente tales datos provienen de tablas. Como ejemplos se tienen los valores de la
densidad del agua o la capacidad calorífica de los gases en función de la temperatura. La
estimación de valores entre puntos discretos bien conocidos se llama interpolación.
4. TRABAJO DE LABORATORIO.
4.1. Regresión Lineal.
El ejemplo más simple de una aproximación por mínimos cuadrados es ajustar una línea
recta a un conjunto de observaciones definidas por puntos: (x1, y1), (x2, y2),…, (xn, yn). La
expresión matemática para la línea recta es,[ CITATION Cha15 \l 12298 ] :

Para más información revise la presentación realizada sobre este tema.

4.2. Regresión polinomial.
En la ingeniería, aunque algunos datos exhiben un patrón marcado, son pobremente
representados por una línea recta, entonces, una curva podrá ser más adecuada para
ajustarse a los datos. Como se analizó en la sección anterior, un método para lograr este
objetivo es utilizar transformaciones. Otra alternativa es ajustar polinomios a los datos
mediante regresión polinomial[ CITATION Cha15 \l 12298 ].
Para más información revise la presentación realizada sobre este tema.
4.3. Interpolación de Lagrange.
El polinomio de interpolación de Lagrange es simplemente una reformulación del polinomio
de Newton que evita el cálculo de las diferencias divididas, y se representa de manera
concisa como [ CITATION Cha15 \l 12298 ].

Para más información revise la presentación realizada sobre este tema.

4.4. Trazadores Spline.
El objetivo en los trazadores cúbicos es obtener un polinomio de tercer grado para cada
intervalo entre los nodos:

Así, para n + 1 puntos asociados con datos (i = 0, 1, 2,..., n) existen n intervalos y, en

consecuencia, 4n incógnitas a evaluar. Como con los trazadores cuadráticos, se requieren 4n
condiciones para evaluar las incógnitas. Éstas son[ CITATION Cha15 \l 12298 ]:

 Los valores de la función deben ser iguales en los nodos interiores (2n – 2
condiciones).
 La primera y última función deben pasar a través de los puntos extremos (2
condiciones).
 Las primeras derivadas en los nodos interiores deben ser iguales (n – 1 condiciones).
 Las segundas derivadas en los nodos interiores deben ser iguales (n – 1 condiciones).
 Las segundas derivadas en los nodos extremos son cero (2 condiciones).
Para más información revise la presentación realizada sobre este tema.

5. EJERCICIOS DE PRÁCTICA.
5.1. Se sabe que el esfuerzo a la tensión de un plástico se incrementa como
función del tiempo que recibe tratamiento a base de calor. Se obtuvieron los datos
siguientes:

Ajuste una línea recta a estos datos y utilice la ecuación para determinar el esfuerzo a la tensión en
un tiempo de 32 min.

5.2. Emplee regresión no lineal para ajustar una parábola a los datos siguientes:
 5.3. Un objeto se suspende en un túnel de viento y se mide la fuerza para varios niveles
de velocidad del viento. A continuación, están tabulados los resultados.

a) una línea recta, b) regresión no lineal. Muestre los resultados gráficamente.

5.4.  Use el polinomio de interpolación de Lagrange para determinar y en x = 8 con la

mayor exactitud posible.

Utilice Lineal, Cuadrática y Cúbica.

5.5. Emplee interpolación inversa con el uso de interpolación de Lagrange Lineal,
cuadrática y cúbica, para determinar el valor de x que corresponde a f(x) = 0.23, para los
datos tabulados que siguen:

5.6. En la ingeniería de recursos hidráulicos, el tamaño de los almacenamientos depende

de estimaciones exactas del flujo de agua en el río que se va a captar. Para ciertos ríos es
difícil obtener registros históricos extensos de dichos datos de flujo. Por el contrario, es
frecuente que se disponga de datos meteorológicos sobre la precipitación que se extienden
mucho hacia el pasado. Por lo tanto, con frecuencia resulta útil determinar una relación
entre el flujo y la precipitación. Entonces, esta relación se utiliza para estimar los flujos
durante los años en que sólo se dispone de medidas pluviales. Se dispone de los datos
siguientes para un río que va a represarse:

a) Grafique los datos.

b) Use la mejor regresión lineal o polinomial para predecir el flujo anual de agua si la precipitación es
de 120 cm.

c) Use también interpolación spline cúbica para predecir el flujo anual de agua si la precipitación es
de 120 cm.

6. CONCLUSIONES.
Describir las conclusiones de esta práctica con sus palabras.
7. RECOMENDASIONES.
Describir las recomendaciones de esta práctica con sus palabras.

8. REFERENCIAS
Chapra, S. (2015). Métodos numéricos para ingenieros. México: McGRAW-HILL/INTERAMERICANA
EDITORES, S.A.