5-Interpolación Imprimiblex2

Prof. Ing.
María José Bouciguez 11/04/2017
Interpolación
CÁLCULO NUMÉRICO 2017
Ajuste de curvas
¿Cuál es la problemática?
Se cuenta con un conjunto de datos discretos y se desea ajustar una curva a

esos datos discretos para poder realizar estimaciones
Con grado Son muy

significativo de error Métodos generales precisos
o ruido
Regresión por mínimos cuadrados Interpolación
Obtenemos una curva que Obtenemos una curva que

representa la tendencia general de pasa por cada dato discreto
los datos discretos conocidos conocidos
1
Prof. Ing. María José Bouciguez 11/04/2017
Ajuste de curvas
Interpolación Polinomial
Se cuenta con un conjunto de datos discretos y se desea

estimar valores intermedios entre esos datos.
Son muy precisos o sin “ruido”
Aplicando
Interpolación
polinomial
Obtenemos una curva

que pasa por cada dato
discreto conocido
Ajuste de curvas
¿Por qué Interpolación?

Porque nos proporciona una fórmula para estimar valores
intermedios entre datos definidos por puntos.
¿Por qué Polinomial?
Porque la fórmula para estimar valores intermedios entre
datos definidos por puntos es uno o mas polinomios.
Fórmula general
para un polinomio
Dados n+1 puntos hay uno y solo un polinomio de grado n que pasa por todos los puntos
2
Ajuste de curvas
Se cuenta con un conjunto de datos discretos precisos y se desea ajustar

una curva que pase por esos datos para poder realizar estimaciones de
valores intermedios a esos datos.
Debemos encontrar uno o mas polinomios que pasen por los puntos conocidos, lo
cual proporciona una fórmula para estimar valores intermedios
Un único polinomio que pasa por Varios polinomios que

los puntos pasan por los puntos dados
Interpolación mediante
Interpolación polinomial Interpolación Interpolación
de Newton en diferencias polinomial de inversa trazadores o splines
divididas Lagrange
Un polinomio que pasa por los puntos dados
Dados n+1 puntos es posible obtener uno y solo un polinomio de grado n

que pasa por todos esos puntos. La fórmula general para el polinomio de
grado n es:
Si tenemos 2 puntos Si tenemos 3 puntos Si tenemos 4 puntos
Existe solo un Existe solo un Existe solo un

polinomio de grado 1 polinomio de grado 2 polinomio de grado 3
(línea recta) que pasa (parábola) que pasa (polinomio cúbico) que
por los dos puntos. por los 3 puntos. pasa por los 4 puntos
INTERPOLACION INTERPOLACION
LINEAL CUADRATICA
3
Ajuste de curvas
Se cuenta con un conjunto de datos discretos precisos y se desea ajustar una

curva que pase por esos datos para poder realizar estimaciones
Debemos encontrar uno o mas polinomios que pasen por los puntos
conocidos, lo cual proporciona una fórmula para estimar valores intermedios
Un único polinomio que pasa Varios polinomios que

por los puntos pasan por los puntos
dados
Interpolación Interpolación Interpolación

Interpolación
polinomial de Newton polinomial de inversa mediante trazadores
en diferencias Lagrange o splines
divididas
de Newton en diferencias divididas
Interpolación lineal
Si tenemos 2 puntos  Existe solo un polinomio de grado 1 (línea recta) que

pasa por los dos puntos
Por triángulos semejantes:
(x0,f(x0)) y (x1,f(x1))
ó
x x0 x1
Reordenando
f(x) f(x0) f(x1)
Polinomio de 1°orden
4
Si tenemos 2 puntos  Existe solo un polinomio de grado 1

(línea recta) que pasa por los dos puntos
Polinomio de 1°orden
(x0,f(x0)) y (x1,f(x1))
ó
x x0 x1
f(x) f(x0) f(x1) Polinomio de orden 1
que permite estimar el
valor de f(x) en x
Pendiente de la recta: es una

aproximación en diferencias
finitas a la primera derivada
Debemos encontrar un polinomio de grado 1 (línea
Tenemos 2 puntos y queremos recta) que pasa por los dos puntos, para luego evaluar la
estimar el valor en un punto función y obtener el valor estimado de la misma en un
entre ellos punto intermedio deseado.
Analicemos el siguiente ejemplo

1)
x 1 6
f(x) 0 1.791759
?
f(2)=
2)
x 1 4
f(x) 0 1.386294
?
f(2)=
5
Gráficamente:
Cuanto menor sea el intervalo

entre los datos discretos dados,
una función continua estará
mejor aproximada por una
línea recta
Tenemos 2 puntos y queremos Debemos encontrar un polinomio de grado 1 (línea
recta) que pasa por los dos puntos, para luego evaluar la
estimar el valor en un punto
función y obtener el valor estimado de la misma en el
entre ellos punto deseado.
Analicemos el siguiente ejemplo

1)
x 1 6
f(x) 0 1.791759
f(2)=?
2)
x 1 4
f(x) 0 1.386294
f(2)=?
Analíticamente:
Si el valor verdadero de f(2)=0.6931472 Ɛt: Error relativo porcentual verdadero
6
Comentarios:
1. Cuanto menor sea el intervalo entre los datos  Una función continua estará mejor
aproximada por una línea recta.
¿Puede observarse que los errores son

grandes?
Más allá de tener puntos aun mas próximos

entre si ¿Podemos obtener una buena
estimación en un punto intermedio a los
dados?
NO!!!  Conviene introducir una

curvatura para mejorar la aproximación
Interpolación cuadrática
7
Existe solo un polinomio de grado 2 (parábola) que

Si tenemos 3 puntos 
pasa por los tres puntos
Fórmula general:
Fórmula equivalente:
(x0,f(x0)), (x1,f(x1)) y (x2,f(x2)) Igualando coeficientes
ó
x x0 x1 x2
f(x) f(x0) f(x1) f(x2)

Fórmula general:
Fórmula equivalente:
(x0,f(x0)), (x1,f(x1)) y (x2,f(x2))
ó
x x0 x1 x2
f(x) f(x0) f(x1) f(x2) Evaluando en x0 se obtiene que
Sustituyo y evaluando en x1 se obtiene:
Sustituyo y , y evaluando en x2 se obtiene:
8
Interpolación lineal Interpolación cuadrática
Introduce la curvatura
de 2° grado
Son equivalentes
EJEMPLO Interpolación cuadrática

Fórmula general:
x 1 4 6 Fórmula equivalente:
f(x) 0 1.386294 1.791759 Debemos hallar los coeficientes:
f(2)= ?
Analíticamente:
Si el valor verdadero de f(2)=0.6931472
Ɛt: Error relativo porcentual verdadero
9
EJEMPLO Interpolación lineal
Gráficamente: Vs
La curvatura cuadrática mejora

la interpolación al compararla
con el resultado de la
interpolación lineal
Forma general
Interpolación lineal Interpolación cuadrática
Forma general
Polinomio n-ésimo que ajuste n+1 datos
Donde: 1° diferencia dividida

finita
2° diferencia
dividida finita
n-ésima diferencia dividida finita:
10
Representación gráfica de la naturaleza recursiva de las diferencias

divididas finitas
Forma general
Donde: 1° diferencia dividida
finita
2° diferencia
dividida finita
n-ésima diferencia dividida finita:
Polinomio n-ésimo interpolador de Newton en diferencias divididas, que ajuste n+1

datos discretos precisos o sin “ruido”:
11
Representación gráfica de la naturaleza recursiva de las diferencias divididas finitas
Polinomio n-ésimo interpolador de Newton en diferencias divididas, que ajuste n+1 datos
discretos precisos o sin “ruido”:
• ¿Cómo estimamos el error aproximado cometido?
OBSEVAMOS EL POLINOMIO
Se van agregando términos de manera secuencial, que son diferencias divididas finitas y
representan las aproximaciones de las derivadas de orden superior
La forma del polinomio interpolador de Newton es similar a la expansión de la serie de

Taylor
12
• ¿Cómo estimamos el error de truncamiento cometido?
La forma del polinomio interpolador de Newton es similar a la expansión de la serie de Taylor
Necesitamos f(x)
En la serie de Taylor el error de truncamiento es: conocida y
diferenciable
Para un polinomio de interpolación de n-ésimo grado, una expresión análoga para el error es:
Necesitamos f(x)
conocida y
diferenciable
• ¿Cómo estimamos el error de truncamiento cometido?
La forma del polinomio interpolador de Newton es similar a la expansión de la serie de Taylor
Necesitamos f(x)
En la serie de Taylor el error de truncamiento es: conocida y
diferenciable
Si no conocemos f(x). Usando

diferencia dividida finita para
aproximar la (n+1)-ésima
derivada.
Problema: contiene la incógnita f(x)
Solución: se recurre a un dato más, el valor de f(xn+1)
13
Forma general
Polinomio n-ésimo interpolador de Newton en diferencias divididas, que ajuste n+1 datos
discretos precisos o sin “ruido”:
Comentarios y observaciones:
1. Cuanto menor sea el intervalo entre los datos  Una función continua estará mejor aproximada
por una línea recta.
2. Para utilizar el polinomio interpolador de Newton no se exige que los datos dados estén
igualmente espaciados ni que estén ordenados de manera ascendente. Pero sí es
importante la elección de los puntos para reducir más rápidamente el error a medida que se
aumenta el grado de polinomio. Los puntos utilizados deberán estar centrados alrededor, y tan
cerca como sea posible, de las incógnitas. Por ello recomendamos ordenarlos
14
3. Al igual que en la serie de Taylor, en el polinomio interpolador de Newton se van agregando

términos de manera secuencial a medida que aumentamos el grado del polinomio, entonces es
posible determinar cuándo se alcanza un punto donde agregar más términos no mejora
significativamente la estimación. Entonces es posible utilizar el polinomio interpolador de
Newton cuando no se conoce a priori el grado del polinomio.
Ajuste de curvas


Interpolación Interpolación Interpolación
polinomial de Newton polinomial de inversa trazadores o splines
en diferencias Lagrange
divididas
15
de Lagrange
Es una reformulación del polinomio de Newton para evitar

el cálculo de las diferencias divididas.
Diferencia dividida finita Se reformula
de Lagrange
Es una reformulación del polinomio de Newton para evitar el cálculo de las

diferencias divididas.
Se representa: Donde:
Cada Li(x) es 1 en xi y cero en resto de los

puntos. Entonces cada producto Li(x)f(xi) toma
el valor de f(xi) en xi. Entonces se obtiene el
único polinomio de grado n que pasa por cada
uno de los puntos.
16
de Lagrange
Es una reformulación del polinomio de Newton para evitar el cálculo de las
diferencias divididas.
Se representa:
donde
Para la versión lineal (n=1):
Para la versión cuadrática (n=2):
de Lagrange
¿Qué sucede con el error?
La forma de Lagrange tiene un error estimado: Es necesario recurrir a un dato

más, el valor de f(xn+1)
Solo rara vez se

utiliza esta fórmula
17
Ajuste de curvas
Se cuenta con un conjunto de datos discretos precisos y se desea ajustar

una curva que pase por esos datos para poder realizar estimaciones

divididas Lagrange
Cuando se desconoce Cuando se conoce a

el grado apropiado del priori el grado
polinomio apropiado del polinomio

significativamente la estimación. Entonces conviene utilizar polinomio interpolador de Newton
cuando no se conoce a priori el grado del polinomio.
4. Conviene utilizar Lagrange cuando se conoce a priori el grado del polinomio

interpolador.
18
Ajuste de curvas


divididas Lagrange
Interpolación Polinomial Inversa
Hasta ahora el problema era que:

Estimar f(x) para un x dado intermedio a los puntos conocidos. Por ejemplo
estimar f(x) para x=3
Ahora el problema es:

Estimar x para un f(x) dado intermedio a los puntos conocidos. Por ejemplo
determinar el valor de x para f(x)=0.4
Lo que nunca hay que hacer:

Intercambiar los valores de x y f(x) y usar un polinomio interpolador.
Problemas: los datos no van a estar uniformemente espaciado y generalmente

los valores estarán condensados (algunos puntos adyacentes muy amontonados y
otros muy dispersos) lo cual lleva a oscilaciones en el resultado del polinomio
interpolador (aun para polinomios de grado inferior).
19
Problema:
Estimar x para un f(x) dado intermedio a los puntos conocidos. Por
ejemplo determinar el valor de x para f(x)=0.4
¿Cómo proceder?
1. Ajustar un polinomio de interpolación de orden n-ésimo a los datos

originales  Obtengo fn(x)
2. Ahora debo encontrar la x que haga ese polinomio igual al f(x) dado como
incógnita. (Esto se reduce a encontrar la raíz de ese polinomio)  Obtengo x
como la raíz de fn
EJEMPLO
Problema:
1. Ajustamos 3 puntos a un polinomio cuadrático. Tomamos:
2. Hacemos
Problema de
encontrar la
raíz
20
un único polinomio interpolador
DIFICULTADES
Polinomios interpoladores de Newton y Lagrange:
Dados n+1 puntos es posible obtener uno y solo un polinomio de grado n que pasa
por todos los puntos. La fórmula general para el polinomio de grado n es:
Dificultad de utilizar un único polinomio interpolador:
• para mucha cantidad de puntos los polinomios son de orden muy grande y pueden
llevar a resultados erróneos a causa de los errores de redondeo y los puntos lejanos;
•cuando los puntos dados pertenecen a una función que en general es suave pero
presenta un cambio abrupto en algún lugar de la región de interés.
un único polinomio interpolador
DIFICULTADES
Cambio abrupto induce oscilaciones en los polinomios de interpolación
Polinomio interpolador de orden 3 Polinomio interpolador de orden 5
Polinomio interpolador de
orden 7
21
significativamente la estimación. Entonces conviene utilizar polinomio interpolador de Newton
cuando no se conoce a priori el grado del polinomio.
4. Conviene utilizar Lagrange cuando se conoce a priori el grado del polinomio interpolador.
5. Los polinomios interpoladores de orden superior tienden a estar mal condicionados (altamente
sensibles a errores en los datos) entonces las aproximaciones pueden alejarse (diverger) del valor
verdadero. Y además se inducen oscilaciones cuando la función tiene cambios locales y abruptos.
Polinomio interpolador de Lagrange
22
Ajuste de curvas


los puntos pasan por los puntos
Interpolación polinomial Interpolación Interpolación trazadores o splines
de Newton en diferencias polinomial de inversa
divididas Lagrange
Interpolación mediante trazadores o splines
En lugar de buscar un único polinomio que pase por los puntos dados.
Aproximación polinómica fragmentaria

Se obtiene un polinomio de orden inferior (1, 2 ó 3) para cada intervalo. Los
polinomios conectores se denominan trazadores o splines.
¿Cómo trabajamos?
1. Determinamos los trazadores para cada

intervalo
2. Localizamos el intervalo en el cual cae el punto

buscado y estimamos el valor de función para el
mismo utilizando el trazador calculado para ese
intervalo.
23
En lugar de buscar un único polinomio que pase por los puntos dados.

Veremos:
•Interpolación mediante trazadores lineales
•Interpolación cuadrática segmentaria Son los más utilizados por:
•Interpolación cúbica segmentaria • confiabilidad de los resultados
• simplicidad de utilización
Trazadores lineales
Son los trazadores (o polinomios conectores o splines) mas simples
Los trazadores de primer grado para un grupo de datos ordenados pueden

definirse como un conjunto de funciones lineales.
Pendiente de la línea recta que

une los puntos
24
Trazadores lineales
Polinomio interpolador
de orden 3
Polinomio interpolador
de orden 5
Trazador lineal que ofrece
una aproximación mucho
mas aceptable
Polinomio interpolador de
orden 7
Trazadores lineales
Se desea estimar el valor de la función en x=5. Utilizar trazadores lineales
Recuerden que:
Se utilizan los datos para determinar las pendientes entre los puntos. Por ejemplo para el
intervalo x=4.5 a x=7, que es en el que cae el x=5 buscado:
Se calculan las pendientes en los otros

intervalos y los trazadores de primer grado
obtenidos se grafican:
25
DESVENTAJAS
Trazadores lineales
• No son suaves. En los puntos donde se unen los trazadores la pendiente cambia
abruptamente y entonces allí la primera derivada de la función es discontinua.
Trazadores polinomiales de orden superior para asegurar suavidad en los puntos o nodos.
•Para asegurar 1° derivada continua en los puntos (se igualan las derivadas) debe utilizarse al
menos un trazador polinomiales de orden 2.
•Para asegurar 1° y 2° derivada continua en los puntos, debe utilizarse un trazador de al
menos orden 3.
•Las derivadas de 3° y mayor orden podrían ser discontinuas cuando se usan trazadores
cúbicos, comúnmente no lo podemos detectar visualmente.
Trazadores cuadráticos
Objetivo: obtener un polinomio de segundo grado para cada intervalo
1) Para cada intervalo el polinomio se representa como:
26

2) Para n+1 datos tenemos n intervalos, y cada intervalo tiene 3 incógnitas. Son
necesarias 3*n ecuaciones. Estas condiciones son:
• Los valores de la función de polinomios adyacentes deben ser igual en los nodos interiores:
para i = 2 a n
•La primera y la última función deben pasar a través de los puntos extremos
•Las primeras derivadas en los nodos interiores deben ser iguales

para i = 2 a n.
•Nos falta una condición. Si no contamos con información adicional sobre la función para
poder establecerla entonces hacemos una elección arbitraria:

• Los valores de la función de polinomios adyacentes deben ser igual en los nodos interiores:
para i = 2 a n
•La primera y la última función deben pasar a través de los puntos extremos
•Las primeras derivadas en los nodos interiores deben ser iguales

para i = 2 a n.
•En el primer punto la segunda derivada es cero. Visualmente los dos primeros puntos se
unen con una línea recta a1 = 0
27

Ajustar los datos de la siguiente tabla mediante trazadores cuadráticos evalúe la función en x=5:
4 datos y 3 intervalos, entonces 9 incógnitas
1) Se arma el sistema a partir de las ecuaciones surgidas de las condiciones establecidas y se

resuelve: En cada intervalo:
• Para los nodos interiores: los valores de la función de

polinomios adyacentes deben ser igual.
•La primera y la última función deben pasar a través de

los puntos extremos
•Las primeras derivadas en los nodos interiores deben

ser iguales
•En el primer punto la segunda derivada es cero.


resuelve:
28

4 datos y 3 intervalos,
entonces 9 incógnitas

resuelve:
2) Se sustituyen en las ecuaciones cuadráticas originales para obtener la siguiente relaciones

para cada intervalo :
3) Se usa el polinomio adecuado para hacer la predicción:
En lugar de buscar un único polinomio que pase por todos los puntos dados.

Veremos:
•Interpolación mediante trazadores lineales
•Interpolación cuadrática segmentaria Son los más utilizados por:
•Interpolación cúbica segmentaria • confiabilidad de los resultados
• simplicidad de utilización
29

Trazadores cúbicos
Objetivo: obtener un polinomio de tercer grado para cada intervalo
• Los valores de la función de polinomios adyacentes deben ser igual en los nodos interiores.
•La primera y la última función deben pasar a través de los puntos extremos.
•Las primeras derivadas en los nodos interiores deben ser iguales.
•Las segundas derivadas en los nodos interiores deben ser iguales.

•Las segundas derivadas en los nodos extremos son cero. Si se conoce que en los extremos la
segunda derivada no es cero, entonces utilizar esta información adicional para obtener las dos
condiciones finales.

Trazadores cúbicos

resuelve para obtener las incógnitas.
2) Se sustituyen, las incógnitas averiguadas, en las ecuaciones cuadráticas originales para

obtener los polinomios cúbicos para cada intervalo.
3) Se usa el polinomio adecuado para hacer la predicción:
30
Ajuste de curvas
Se cuenta con un conjunto de datos discretos precisos y se desea ajustar una curva
que pase por esos datos para poder realizar estimaciones
Debemos encontrar uno o mas polinomios que pasen por los puntos conocidos, lo cual
proporciona una fórmula para estimar valores intermedios
Un único polinomio que pasa por los Varios polinomios que pasan
puntos por los puntos dados
Interpolación polinomial Interpolación polinomial Interpolación
de Newton en diferencias de Lagrange inversa trazadores o splines
divididas
Para ajustar muchos datos o cuando
Cuando se desconoce el Cuando se conoce a priori la fc. asociada a los datos muestran
grado apropiado del el grado apropiado del cambios locales y abruptos en la zona
polinomio polinomio de interés
Polinomio interpolador de Lagrange Spline cúbica
31

5-Interpolación Imprimiblex2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5-Interpolación Imprimiblex2

Cargado por

Copyright:

Formatos disponibles

Prof. Ing.

María José Bouciguez 11/04/2017

CÁLCULO NUMÉRICO 2017

Se cuenta con un conjunto de datos discretos y se desea ajustar una curva a

Con grado Son muy

Regresión por mínimos cuadrados Interpolación

Obtenemos una curva que Obtenemos una curva que

Se cuenta con un conjunto de datos discretos y se desea

Obtenemos una curva

¿Por qué Interpolación?

Se cuenta con un conjunto de datos discretos precisos y se desea ajustar

Un único polinomio que pasa por Varios polinomios que

Un polinomio que pasa por los puntos dados

Dados n+1 puntos es posible obtener uno y solo un polinomio de grado n

Si tenemos 2 puntos Si tenemos 3 puntos Si tenemos 4 puntos

Existe solo un Existe solo un Existe solo un

Se cuenta con un conjunto de datos discretos precisos y se desea ajustar una

Un único polinomio que pasa Varios polinomios que

Interpolación Interpolación Interpolación

Si tenemos 2 puntos  Existe solo un polinomio de grado 1 (línea recta) que

Por triángulos semejantes:

Si tenemos 2 puntos  Existe solo un polinomio de grado 1

Pendiente de la recta: es una

Analicemos el siguiente ejemplo

Cuanto menor sea el intervalo

Analicemos el siguiente ejemplo

¿Puede observarse que los errores son

Más allá de tener puntos aun mas próximos

NO!!!  Conviene introducir una

Existe solo un polinomio de grado 2 (parábola) que

Existe solo un polinomio de grado 2 (parábola) que

Sustituyo y evaluando en x1 se obtiene:

Sustituyo y , y evaluando en x2 se obtiene:

Interpolación lineal Interpolación cuadrática

Existe solo un polinomio de grado 2 (parábola) que

La curvatura cuadrática mejora

Donde: 1° diferencia dividida

n-ésima diferencia dividida finita:

Representación gráfica de la naturaleza recursiva de las diferencias

n-ésima diferencia dividida finita:

Polinomio n-ésimo interpolador de Newton en diferencias divididas, que ajuste n+1

Representación gráfica de la naturaleza recursiva de las diferencias divididas finitas

• ¿Cómo estimamos el error aproximado cometido?

La forma del polinomio interpolador de Newton es similar a la expansión de la serie de

• ¿Cómo estimamos el error de truncamiento cometido?

La forma del polinomio interpolador de Newton es similar a la expansión de la serie de Taylor

• ¿Cómo estimamos el error de truncamiento cometido?

La forma del polinomio interpolador de Newton es similar a la expansión de la serie de Taylor

Si no conocemos f(x). Usando

3. Al igual que en la serie de Taylor, en el polinomio interpolador de Newton se van agregando

Se cuenta con un conjunto de datos discretos precisos y se desea ajustar una

Un único polinomio que pasa por Varios polinomios que

Es una reformulación del polinomio de Newton para evitar

Es una reformulación del polinomio de Newton para evitar el cálculo de las

Cada Li(x) es 1 en xi y cero en resto de los

Para la versión lineal (n=1):

Para la versión cuadrática (n=2):

¿Qué sucede con el error?

La forma de Lagrange tiene un error estimado: Es necesario recurrir a un dato

Solo rara vez se

Se cuenta con un conjunto de datos discretos precisos y se desea ajustar

Un único polinomio que pasa por Varios polinomios que