30-05-2014

Aproximación versus interpolación

• Aproximación:
– Encontrar una función que se aproxime a un conjunto de
Aproximación e interpolación de datos
– Se usa para elaborar modelos matemáticos de fenómenos
funciones físicos
– Pasa cerca de los datos, pero no exactamente a través de
ellos
Esteban Gil • Interpolación:
– Encontrar una función que pase por un conjunto de datos
– Se usa para encontrar valores intermedios para un
conjunto de datos
– Pasa exactamente a través de los datos conocidos

EGS-DIE-UTFSM 2

Interpolación Interpolación
• Los valores de un experimento representan
Conjunto de
valores de una función para una cantidad limitada datos (7 puntos)
de valores de la variable independiente

• Interpolar es estimar el valor de la función para

un valor intermedio de la variable independiente

• Extrapolar es estimar el valor de la función para

un valor de la variable independiente fuera del
rango de los datos que se poseen
Interpolación
Interpolación al Interpolación Interpolación spline
polinomial
vecino más lineal (polinomios grado 3)
(polinomio grado 6)
EGS-DIE-UTFSM 3
cercano EGS-DIE-UTFSM 4

Interpolación Interpolación
• Interpolación al vecino más cercano • Interpolación lineal
– Encuentra el punto más cercano y asigna ese valor – Ajusta una recta entre cada par de puntos (o un
– No es muy conveniente comparado con otros métodos, hiperplano, en múltiples dimensiones)
pero por su rapidez a veces se implementa para múltiples – En el punto 𝑥, 𝑦 :
dimensiones – No es muy preciso
– Implementado en la función interp1() de MATLAB – La función interpolante no es diferenciable
– Implementado en la función interp1() de MATLAB

EGS-DIE-UTFSM 5 EGS-DIE-UTFSM 6

1
 30-05-2014

Interpolación
• Interpolación polinomial
– Si se tienen m puntos, se puede encontrar un polinomio de
orden (m-1) que pase por todos los puntos
– No es muy eficiente computacionalmente
– Tiende a oscilar en los extremos: Al extrapolar puede dar
resultados inadecuados
– Se puede usar la función polyfit() en MATLAB
Interpolación
• Interpolación polinomial por tramos
– Entre cada par de puntos se ajusta un polinomio de order
pequeño (2 o 3)
– Computacionalmente más eficiente que interpolación
polinomial
– Spline (usa polinomios de orden 3)
– Se puede usar la función interp1() en MATLAB

EGS-DIE-UTFSM 7 EGS-DIE-UTFSM 8

Aproximación de funciones Aproximación de funciones

• Aproximación consiste en encontrar una • Si una función se ajusta según:
función 𝐹(𝑥) que se aproxime a un conjunto
de datos (𝑥𝑖 , 𝑦𝑖 ), con 𝑖 = 1, … , 𝑚 𝐹 𝑥 = 𝑐1 𝑓1 𝑥 + 𝑐2 𝑓2 𝑥 + ⋯ + 𝑐𝑛 𝑓𝑛 𝑥

• Los datos normalmente vienen de mediciones, • Residuos: 𝑟𝑖 = 𝑦𝑖 − 𝐹(𝑥𝑖 ), con 𝑖 = 1, … , 𝑚

o como resultados de procesos de simulación
• Se intenta determinar los coeficientes 𝑐𝑗 tal
que se minimice la diferencia entre los datos y
la aproximación (residuos)
EGS-DIE-UTFSM 9 EGS-DIE-UTFSM 10

Aproximación de funciones Aproximación de funciones

• Los parámetros se determinan minimizando el • Si las funciones de aproximación (𝑓(𝑥)= 𝛼𝑥 + 𝛽)
error cuadrático medio (norma euclidiana del es lineal, entonces el procedimiento se llama
residuo) regresión lineal
• Para un conjunto de pares de datos (𝑥𝑖 , 𝑦𝑖 ), • Para 𝑚 datos, los valores óptimos 𝛼 y 𝛽 que
con 𝑖 = 1, … , 𝑚 se busca minimizar: minimizan el error cuadrático medio vienen
𝑚 𝑚 dados por:
𝑟𝑖 2 𝐹 𝑥𝑖 − 𝑦𝑖 2 𝑥1 1 𝛼 𝑦1
𝑀𝑆𝐸 = =
𝑛 𝑛 ⋮ ⋮ 𝛽 = ⋮
𝑖=1 𝑖=1 𝑥𝑚 1 𝑦𝑚
MSE: Mean Square Error 𝐴 𝑚𝑥2 ∙ 𝑐 2𝑥1 = 𝑦 𝑚𝑥1
EGS-DIE-UTFSM 11 EGS-DIE-UTFSM 12

2
 30-05-2014

Aproximación de funciones Aproximación de funciones

• Despejando, se obtienen los valores para la • A veces se puede aplicar transformación de
regresión: variables para poder usar regresión lineal
𝐴 ∙ 𝑐 = 𝑦
𝐴 𝑇∙ 𝐴 ∙ 𝑐 = 𝐴 𝑇 𝑦 • Por ejemplo:
𝑐 = 𝐴 𝑇 ∙ 𝐴 −1 ∙ 𝐴 𝑇 𝑦
𝑦 = 𝑐1 𝑒 𝑐2𝑥 → ln 𝑦 = 𝛼 ∙ 𝑥 + 𝛽
• El coeficiente 𝑅2(0 ≤ 𝑅2 ≤ 1) indica la calidad
de la aproximación: 𝑦 = 𝑐1 𝑥 𝑐2 → ln 𝑦 = 𝛼 ∙ ln(𝑥) + 𝛽
𝐹 𝑥𝑖 − 𝑦 2
𝑅2 =
𝑦𝑖 − 𝑦 2 𝑦 = 𝑐1 𝑥𝑒 𝑐2𝑥 → ln 𝑦/𝑥 = 𝛼 ∙ ln(𝑥) + 𝛽
EGS-DIE-UTFSM 13 EGS-DIE-UTFSM 14

Aproximación de funciones Aproximación de funciones

𝐹 𝑥 = 𝑐1 𝑓1 𝑥 + 𝑐2 𝑓2 𝑥 + ⋯ + 𝑐𝑛 𝑓𝑛 𝑥 • Ejemplos de bases válidas:
1, 𝑥, 𝑥 2 , 𝑥 3
𝑠𝑒𝑛 𝑥 , cos 𝑥 , 𝑥, 𝑒 𝑥
• Las funciones de base 𝑓𝑗 𝑥 , 𝑗 = 1, … , 𝑛 no 1
necesitan ser lineales, pero deben depender cos ln 10𝑥 , 𝑥 3 , 𝑥𝑒 5𝑥
linealmente de las funciones de base (lineales
respecto a coeficientes 𝑐𝑗 , 𝑗 = 1, … , 𝑛) • Ejemplo de base no válidas:
• También se deben minimizar los mínimos 𝑠𝑒𝑛(𝑐1 𝑥), 𝑒 𝑐2𝑥 , 𝑥 𝑐3
cuadrados
EGS-DIE-UTFSM 15 EGS-DIE-UTFSM 16

Aproximación de funciones Aproximación de funciones

• Con una base de n funciones y m pares de datos: • Despejando, se obtienen los valores para la regresión:
𝑐 = 𝐴 𝑇 ∙ 𝐴 −1 ∙ 𝐴 𝑇 𝑦
𝐴∙𝑐 =𝑦
• Para resolver en MATLAB, evitar invertir la matriz y usar
𝑓1 𝑥1 𝑓2 𝑥1
𝑓𝑛 𝑥1 eliminación Gaussiana:
⋯
𝑓1 𝑥2 𝑓2 𝑥2
𝑓𝑛 𝑥2
𝐴= c=(A’*A)\(A’*y)
⋮ ⋱ ⋮
𝑓1 𝑥𝑚 𝑓2 𝑥𝑚 ⋯ 𝑓𝑛 𝑥𝑚 𝑚𝑥𝑛
𝑐1 𝑦1 • Si la base es formada por polinomios y n=m, la función
aproximante es equivalente a la función interpolante
𝑐= ⋮ 𝑦= ⋮ con interpolación polinomial
𝑐𝑛 𝑦𝑚
EGS-DIE-UTFSM 17 EGS-DIE-UTFSM 18

3
 30-05-2014

Aproximación lineal por tramos Aproximación de funciones periódicas

• Piece-wise linear approximation • En el caso de funciones periódicas, la
aproximación se puede hacer para estimar los
• Si bien se puede disponer de representaciones coeficientes de la serie de Fourier
𝑛
detalladas de ciertas funciones, a veces conviene 𝑎0
utilizar una representación más simple 𝑆𝑛 𝑥 = + (𝑎𝑘 cos 𝑘𝑥 + 𝑏𝑘 sen 𝑘𝑥 )
2
𝑘=1
con 𝑏𝑛 = 0
• Por ejemplo, conviene linealizar ciertas funciones
para hacer problemas de optimización más • Para una aproximación de orden 𝑛, Se necesitan
abordables estimar 2𝑛 parámetros:
𝑎𝑘 , 𝑘 = 0, … , 𝑛 𝑏𝑘 , 𝑘 = 1, … , 𝑛 − 1
EGS-DIE-UTFSM 19 EGS-DIE-UTFSM 20

Aproximación de funciones periódicas Aproximación de funciones periódicas

• En Matemáticas, normalmente el objetivo es
aproximar una función continua y los
parámetros 𝑎𝑘 y 𝑏𝑘 se calculan integrando…
• En general, en la práctica ingenieril no se
cuenta con funciones continuas sino que con
series finitas de puntos (un conjunto de pares
de datos (𝑥𝑖 , 𝑦𝑖 ))
• Generalmente se trabaja datos
uniformemente espaciados (los valores 𝑥𝑖 son
equidistantes)
– Frecuencia de muestreo (𝑓𝑠 ) constante
• Se usa un análogo discreto de las serie de
Fourier

EGS-DIE-UTFSM 21 EGS-DIE-UTFSM 22

Aproximación de funciones periódicas Aproximación de funciones periódicas

• Para un conjunto de pares de datos (𝑥𝑖 , 𝑦𝑖 ), con • Los parámetros que minimizan el MSE vienen
𝑖 = 1, … , 𝑚 se busca minimizar el MSE: dados por:
𝑚
2𝑘𝜋(𝑗 − 1)
𝑚 𝑚 𝑎𝑘 = 𝑦𝑗 cos 𝑝𝑎𝑟𝑎 𝑘 = 0, … , 𝑚 − 1
𝑟𝑖2 𝑆𝑛 𝑥𝑖 − 𝑦𝑖 2 𝑚
𝑀𝑆𝐸 = = 𝑗=1
𝑛 𝑛
𝑖=1 𝑖=1 𝑚
−2𝑘𝜋(𝑗 − 1)
𝑏𝑘 = 𝑦𝑗 sin 𝑝𝑎𝑟𝑎 𝑘 = 0, … , 𝑚 − 1
𝑚
• La aproximación dependerá del orden de la serie 𝑗=1
de Fourier (𝑛) y del número de pares de datos
disponibles (𝑚)
EGS-DIE-UTFSM 23 EGS-DIE-UTFSM 24

4
 30-05-2014

Aproximación de funciones periódicas Aproximación de funciones periódicas

• El método anterior requiere muchos cálculos • Serie de Fourier exponencial:
aritméticos y puede ser lento y propenso al error 𝑛
1
de redondeo 𝑆𝑛 𝑥 = 𝑐𝑘 𝑒 𝑖𝑘𝑥
𝑚
𝑘=0

• Algoritmo de la Transformada Rápida de Fourier • Con 2𝑚 pares de datos, los parámetros se

– Fast Fourier Transform (FFT) calculan como:
2𝑚−1
– Descrito en 1965 por J. W. Coley y J. W. Tukey
– Muchas menos operaciones 𝑐𝑘 = 𝑦𝑗 𝑒 𝑖𝑘𝜋𝑗/𝑚 para 𝑘 = 0,1, … , 2𝑚 − 1
– En vez de calcular 𝑎𝑘 y 𝑏𝑘 , calcula los coeficientes 𝑘=0
complejos 𝑐𝑘 𝑎𝑘 + 𝑖𝑏𝑘 = 𝑐𝑘
EGS-DIE-UTFSM 25 EGS-DIE-UTFSM 26

Aproximación de funciones periódicas Aproximación de funciones periódicas

• La función fft() de Matlab calcula los Ejemplo:
parámetros 𝑐𝑘 de la serie
• El primer término es sólo la suma de los Y = fft(y); Y(1)=[];
valores de la serie nyquist=sr/2; % frecuencia de Nyquist = 0.5*frec_muestreo
n=length(Y);
• 𝑓𝑠 /2 se conoce como la frecuencia de Nyquist power = abs(Y(1:floor(n/2))).^2;
• La amplitud al cuadrado de los coeficientes freq = (1:n/2)/(n/2)*nyquist;
complejos 𝑐𝑘 se llama la potencia, y el gráfico stem(freq,power,'marker','none')
de estos versus la frecuencia se llama xlabel(‘frecuencia')
periodograma title('Periodograma')

EGS-DIE-UTFSM 27 EGS-DIE-UTFSM 28

Aproximación de funciones periódicas

EGS-DIE-UTFSM 29