Documentos de Académico
Documentos de Profesional
Documentos de Cultura
"POLINOMIOS DE
INTERPOLACIÓN DE
LANGRAGE".
Cárdenas Trejo Harol Gael.
Gómez Gonzáles Rícardo Bruno.
León Carmona Francisco Japhet.
Revilla Noriega Carlos.
Santana Hernández María Fernanda.
Introducción a la
Interpolación.
INTERPOLACIÓN LINEAL.
Interpolación lineal La forma más simple de interpolación consiste en unir dos puntos
asociados con datos con una línea recta. Dicha técnica, llamada interpolación lineal.
En general, cuanto menor sea el intervalo entre los puntos asociados con datos, mejor será la
aproximación. Esto se debe al hecho de que, conforme el intervalo disminuye, una función
continua estará mejor aproximada por una línea recta.
INTERPOLACIÓN CUADRÁTICA.
FORMA GENERAL DE LOS POLINOMIOS
DE INTERPOLACIÓN DE NEWTON.
El polinomio de n-ésimo grado es:
Estas diferencias sirven para evaluar los coeficientes en las ecuaciones, los cuales se sustituirán en la ecuación para obtener el polinomio
de interpolación.
También, advierta cómo las ecuaciones para obtener los coeficientes son recursivas, es decir, las diferencias de grado
superior se calculan tomando diferencias de grado inferior.
Observe que la estructura de la ecuación (18.15) es similar a la expansión de la serie de Taylor en el sentido de que se van
agregando términos en forma secuencial, para mostrar el comportamiento de grado superior de la función. Estos términos
son diferencias divididas finitas y, así, representan aproximaciones de las derivadas de grado superior. En consecuencia,
como ocurrió con la serie de Taylor, si la función verdadera es un polinomio de n-ésimo grado, entonces el polinomio de
interpolación de n-ésimo grado basado en n + 1 puntos asociados con datos dará resultados exactos.
Hay una formulación alternativa que no requiere del conocimiento previo de la función. Utilizándose una diferencia
dividida finita para aproximar la (n + 1)-ésima derivada.
donde ƒ[x, xn, xn – 1,. . . , x0] es la (n + 1)-ésima diferencia dividida finita. Debido a que la ecuación (18.17) contiene la incógnita f(x), no
permite obtener el error. Sin embargo, si se tiene un punto asociado con un dato más, f(xn + 1), la ecuación (18.17) puede usarse para
estimar el error como sigue:
Interpolación de
Lagrange.
"EJEMPLO".
POLINOMIOS DE
LANGRAGE.
Planteamiento del problema: Con un
polinomio de interpolación de Lagrange de
primero y segundo grado evalúe ln 2.
De este modo, si se tiene un punto adicional en x = xn + 1, se puede obtener un error estimado. Sin
embargo, como no se emplean las diferencias divididas finitas como parte del algoritmo de
Lagrange, esto se hace rara vez. En resumen, en los casos donde se desconoce el grado del
polinomio, el método de Newton tiene ventajas debido a la comprensión que proporciona respecto
al comportamiento de las fórmulas de diferente grados. De esta manera, para cálculos
exploratorios, a menudo se prefiere el método de Newton.
La versión de Lagrange es un poco más fácil de programar. Debido a que no requiere del cálculo ni del
almacenaje de diferencias divididas, la forma de Lagrange a menudo se utiliza cuando el grado del
polinomio se conoce a priori.
"PROBLEMA DE LOS
POLINOMIOS DE
LAGRANGE".
DEFICIENCIA.
Interpolación de Lagrange empleando la computadora.
Las figuras 18.12b a 18.12d muestran las gráficas de los resultados de los cálculos con las interpolaciones
de los polinomios de tercer, segundo y primer grados, respectivamente. Se observa que cuanto más bajo
sea el grado, menor será el valor estimado de la velocidad en t = 10 s. Las gráficas de los polinomios de
interpolación indican que los polinomios de grado superior tienden a sobrepasar la tendencia de los
datos, lo cual sugiere que las versiones de primer o segundo grado son las más adecuadas para este
análisis de tendencia en particular. No obstante, debe recordarse que debido a que tratamos con datos
inciertos, la regresión, de hecho, será la más adecuada.
El ejemplo anterior ilustró que los polinomios de grado superior tienden a
estar mal condicionados; es decir, tienden a ser altamente susceptibles a los
errores de redondeo. El mismo problema se presenta en la regresión con
polinomios de grado superior. La aritmética de doble precisión ayuda
algunas veces a disminuir el problema. Sin embargo, conforme el grado
aumente, habrá un punto donde el error de redondeo interferirá con la
habilidad para interpolar usando los procedimientos simples estudiados
hasta ahora.
"¿CÓMO GENERAR UN
POLINOMIO N-ESIMO PARA
UNA SERIE DE DATOS?".
EXPLICACIÓN CON EJEMPLO PRÁCTICO.
COMPROBACIÓN.
Ahora suponga que usted debe usar los mismos datos, pero que se le ha dado un valor de f(x) y debe determinar el valor
correspondiente de x. Por ejemplo, para los datos anteriores, suponga que se le pide determinar el valor de x que
corresponda a f(x) = 0.3. En tal caso, como se tiene la función y es fácil de manipular, la respuesta correcta se determina
directamente, x = 1/0.3 = 3.3333.
A ese problema se le conoce como interpolación inversa. En un caso más complicado, usted puede sentirse tentado a
intercambiar los valores f(x) y x [es decir, tan sólo graficar x contra f(x)] y usar un procedimiento como la interpolación de
Lagrange para determinar el resultado. Por desgracia, cuando usted invierte las variables no hay garantía de que los valores
junto con la nueva abscisa [las f(x)] estén espaciados de una manera uniforme. Es más, en muchos casos, los valores estarán
“condensados”. Es decir, tendrán la apariencia de una escala logarítmica, con algunos puntos adyacentes muy amontonados y
otros muy dispersos. Por ejemplo, para f(x) = 1/x el resultado es...
Tal espaciamiento no uniforme en las abscisas a menudo lleva a oscilaciones en el resultado del
polinomio de interpolación. Esto puede ocurrir aun para polinomios de grado inferior.
Una estrategia alterna es ajustar un polinomio de interpolación de grado n-ésimo, fn(x), a los datos originales [es decir, con f(x) contra x]. En la
mayoría de los casos, como las x están espaciadas de manera uniforme, este polinomio no estará mal condicionado. La respuesta a su
problema, entonces, consiste en encontrar el valor de x que haga este polinomio igual al dado por f(x). Así, ¡el problema de interpolación se
reduce a un problema de raíces.
Por ejemplo, para el problema antes descrito, un procedimiento simple sería ajustar los tres
puntos a un polinomio cuadrático: (2, 0.5), (3, 0.3333) y (4, 0.25), cuyo resultado será...
Así, la segunda raíz, 3.296, es una buena aproximación al valor verdadero: 3.333. Si se desea una
exactitud adicional, entonces podría emplear un polinomio de tercero o cuarto grados junto con
uno de los métodos para la localización de raíces.
X1 = 5.704084593 X2 = 3.295843407
REFERENCÍAS BIBLIOGRÁFICAS.
Bibliografía.