UNIVERSIDAD DE GUAYAQUIL FACULTAD DE INGENIERÍA

INDUSTRIAL CARRERA TELEMÁTICA

TEMA:

Interpolación de polinomios de Newton y aproximación de Fourier

ELABORADO POR:

 Jean Carlos Arévalo Acosta

 Joselyne Ayleen Guaranda Choez
 López Ortiz Josué Efraín
 Odalys Helena Navas Varela
 Osvaldo Alejandro Pazmiño Cabrera

PARALELO:4-1

DOCENTE: Ing. Judith Taranto Vera

MATERIA:

Análisis numérico

GUAYAQUIL-ECUADOR

CII-2023-2024
Contenido
INTRODUCCIÓN..........................................................................................................................3

Interpolación de polinomios de Newton.........................................................................................3

10 Casos aplicados a la vida real, Interpolación de polinomios de Newton...................................5

Interpolación de Newton de segundo y tercer.................................................................................5

Aproximación de Fourier................................................................................................................8

10 casos aplicados a la vida real, aproximación de Fourier:..........................................................9

Cuadro de similitudes y diferencias..............................................................................................10

Bibliografía...................................................................................................................................11
 INTRODUCCIÓN

Interpolación de polinomios de Newton

Es un método de interpolación polinómica. Aunque sólo existe un único polinomio

que interpola una serie de puntos, existen diferentes formas de calcularlo. Este método es
útil para situaciones que requieran un número bajo de puntos para interpolar, ya que a
medida que crece el número de puntos, también lo hace el grado del polinomio.

Existen ciertas ventajas en el uso de este polinomio respecto al polinomio interpolador

de Lagrange. Por ejemplo, si fuese necesario añadir algún nuevo punto o nodo a la función,
tan sólo habría que calcular este último punto, dada la relación de recurrencia existente y
demostrada anteriormente.
Polinomios de Interpolación de Newton, trabajan directamente en la tabla obtenida
mediante el proceso de Diferencias Divididas; En el desarrollo de estas diferencias finitas,
se obtuvo en primer lugar las diferencias finitas ordinarias y luego las diferencias finitas
divididas.
En este método el polinomio interpolador se escribe de la forma
Pn(x) = a0 +(x-x0)a1 +(x-x0)(x-x1)a2 +···+(x-x0)(x-x1)···(x-

xn−1)an

y el algoritmo proporciona una regla para obtener los coeficientes a0, a1, ..., an.
Imponiendo que el polinomio interpolador pase por los puntos de interpolación obtenemos
Pn(x0) = a0 = f(x0)

Pn (x1) = a0 +(x1 − a0) a1 = f(x1)

Pn (x2) = a0 +(x2 − x0) a1 +( x2 −x0) (x2 − x1) a2 = f(x2)

… … …
… … …
Pn (xn) = a0 +(xn −x0) a1 +···+(xn −x0)···( xn − xn −1)an = f(xn)

De estas ecuaciones, es obvio que a0 depende sólo de x0, a1 de x0 y x1 y

así sucesivamente.
 Introducimos la nueva notación a0 ≡ f [x1], a1 ≡ f [x0, x1], y así sucesivamente, con f [x0]
=f(x0), como se ve de la primera ecuación. Restando las dos primeras
ecuaciones obtenemos
a1 ≡ f [x0,x1] = f(x1)− f(x0)/ x1 −x0

Restando la segunda y la tercera ecuación obtenemos:

Podemos proceder de igual modo para demostrar que

aunque la forma más cómoda es por inducción. Suponemos que la expresión vale para
an−1 y construimos el polinomio de grado n, Qn(x), definido por

donde P´ n−1(x) es el polinomio interpolador en x1,...,xn. Está claro de la definición de

Qn(x)1que para x1,x2,...,xn−1, Qn(xi) = P´n−1(xi) = f(xi), ya que P´n−1(x)−Pn−1(x) se
anula en estos puntos. También en xn se cumple que Q(xn) = P´n−1(xn) = f(xn). En x0 se
cumple Qn(x0) =P´n−1(x0)−[P´n−1(x0)−Pn−1(x0) = Pn−1(x0) = f(x0). Luego Qn(x)
coincide con Pn(x), ya que el polinomio interpolador es único, y su coeficiente en xn es
por lo tanto an. Como hemos supuesto que la fórmula de diferencias divididas es válida
para Pn−1(x) y P´n−1(x), entonces tenemos, identificando potencias en xn en ambos lados,
que que el coeficiente en xn de Qn(x) viene dado por:

relación que es el origen del nombre de diferencias divididas para los coeficientes
an. Podemos por lo tanto escribir el polinomio interpolador como,

y la fórmula de aproximación a f(x) con su término de error queda en la siguiente forma:

 El método de Newton permite obtener los coeficientes del polinomio
interpolador fácilmente en forma de tabla, que damos abajo para el caso de 4

puntos.

10 casos aplicados a la vida real, Interpolación de polinomios de

Newton.

1. Rendimiento de un proceso productivo en función de la temperatura

2. Litros por hora que puede bombear la bomba de una planta de trementina
3. Cambio climático que puede existir de cierta hora a una o dos horas mas
4. Realización de un censo de una población
5. En el campo de la fotografía y mundo de la imagen digital
6. La reconstrucción de una señal a partir de sus muestras
7. Son utilizadas en las topografías
8. reconstrucción tridimensional de imágenes médicas.
9. En las tecnologías de comunicación
10. Son utilizadas en la genética y biotecnologías

Interpolación de Newton de segundo y tercer

La interpolación cuadrática consiste en hacer la interpolación con un polinomio de

segundo grado en vez de un polinomio de grado 1. Por tanto, en este caso se utiliza una
función cuadrática o parábola.

y = ax^2+bx+c
 En general, la interpolación de segundo orden es más precisa que la de primer orden, ya
que es de mayor grado. Por contra, se necesita un punto más para poder llevar a cabo la
interpolación.

El matemático Lagrange desarrolló una fórmula para hallar la función interpoladora

de orden n-ésimo. Para el caso de orden 2, el polinomio interpolador de Lagrange es el
siguiente:

(𝑥 − 𝑥1)(𝑥 −
𝑥2) (𝑥 − 𝑥0)(𝑥 − (𝑥 − 𝑥0)(𝑥 − 𝑥1)
𝑥2)
𝑦= 𝑦0 + 𝑦1 + 𝑦2
(𝑥0 − 𝑥1)(𝑥 − 𝑥2) (𝑥1 − 𝑥0)(𝑥0 − 𝑥2) (𝑥2 − 𝑥0)(𝑥2 − 𝑥1)

Donde los puntos conocidos P_1(x_1,y_1), P_2(x_2,y_2) y P_3(x_3,y_3) sirven

para encontrar el valor de la función en la abscisa x.

Sin embargo, en la práctica no se suele utilizar el método de interpolación de

Lagrange, sino que se calcula la función cuadrática a partir de los 3 puntos observados
y luego se evalúa el punto a interpolar en la función
 Ejemplo:

Suponiendo que tenemos 4 puntos, la tabla de diferencias tiene la siguiente forma:

Con esto, la ecuación quedaría de la siguiente forma:

Teniendo los siguientes puntos:

Calculamos su tabla:
 Obteniendo el siguiente polinomio:

Aproximación de Fourier

Una señal periódica x(t) en tiempo continuo y de período T, puede representarse por

una serie de Fourier. Esa serie tiene en general infinitos términos senoidales con

frecuencias múltiplo de la frecuencia fundamental. La serie puede aproximarse por una

suma finita de N-armónicas de la forma:

x ( t )=a0 +a1 ∙ cos ( w 0 ∙ t θ1 ) + a2 ∙ cos ( 2 ∙ w0 ∙ t+θ2 ) + … .+ a N ∙cos ⁡( N ∙ w0 ∙ t +θ N )

Donde la frecuencia fundamental w 0 es 2 p /T en [rad/seg], los coeficientes de

amplitud a1, ..., aN son no negativos, y los ángulos de fase en radianes q 1, ..., q N se

encuentran comprendidos en el intervalo [0,2 p).

Para explorar la aproximación por serie de Fourier, seleccione una señal con el

mouse para que aparezca un periodo de la misma en la gráfica. O bien, utilice el mouse

para dibujar un periodo de una señal o modificar alguno de los modelos. Luego

seleccione la cantidad de armónicas (N) con las que se aproximara la señal y pulse

"Calculate". La aproximación se mostrará en rojo. Además, el espectro de magnitud (an

vs. n) y el de fase (q n vs n) se muestran debajo. (Si la señal posee una componente de

continua negativa, es decir, a0<0, en el espectro de magnitud se mostrará |a0| y una fase

de p radianes en el espectro de fase).

 Si se desea una tabla de los coeficientes se puede pulsar "Table" para obtener los

valores de los mismos.

10 casos aplicados a la vida real, aproximación de Fourier:

1. Procesamiento de señales de voz: Fourier se aplica en el procesamiento de

señales de voz para analizar y sintetizar el habla, como en sistemas de
reconocimiento de voz.
2. Estudio del clima y meteorología: La aproximación de Fourier se utiliza para
analizar y modelar datos climáticos, como la temperatura, la presión atmosférica
y las corrientes oceánicas.
3. Análisis de series de tiempo: En economía y finanzas, Fourier se aplica para
analizar series de tiempo financieras, como precios de acciones o índices
bursátiles.
4. Síntesis de sonidos en música: En producción musical, Fourier se usa para
sintetizar sonidos y generar diferentes tonos y efectos de audio
5. Compresión de audio: En la compresión de archivos de audio, el método de
aproximación de Fourier se utiliza para descomponer las señales de audio en sus
componentes frecuenciales, reduciendo así el tamaño del archivo sin perder
mucha calidad de sonido.
6. Análisis de señales de radio y televisión: La aproximación de Fourier se aplica
en el análisis de señales de radio y televisión para entender y mejorar la calidad
de la transmisión y recepción de las señales.
7. Análisis de vibraciones mecánicas: En ingeniería mecánica, Fourier se aplica
para analizar las vibraciones en máquinas y estructuras, lo que permite
identificar y corregir problemas de funcionamiento.
 8. Análisis de señales de electrocardiogramas (ECG): En medicina, Fourier se
aplica para analizar las señales eléctricas del corazón en un ECG, lo que permite
detectar patrones y anomalías cardíacas.
9. Procesamiento de imágenes: La aproximación de Fourier se utiliza en el
procesamiento de imágenes para realizar transformaciones en el dominio de la
frecuencia, como filtrado y detección de bordes
10. Diseño de antenas: En ingeniería de comunicaciones, Fourier se utiliza para
diseñar antenas y optimizar su rendimiento en la recepción y transmisión de
señales.

Cuadro de similitudes y diferencias

Método de interpolación de Método de aproximación de

polinomios de Newton
Similitudes  Permiten estimar valores
de una función
desconocida a partir de
puntos conocidos
 Se define en construir una
aproximación de la
función original utilizando
una combinación de
funciones conocidas.
Fourier
 Ambos métodos pueden
ser utilizados para
aproximar funciones en
un dominio específico
 El método de
aproximación de Fourier
es una técnica de
aproximación funcional.

Diferencias  Newton puede funcionar  Es más adecuada para

bien para un número
limitado de puntos, pero
puede volverse inestable o
dar resultados no deseados
(fenómeno de oscilación
de Runge)
 Estos polinomios son
únicos para cada conjunto
de puntos y se construyen
utilizando las diferencias
divididas de los datos.
funciones periódicas o
funciones que se pueden
considerar periódicas en
un dominio finito
 Estas funciones forman
una base ortonormal y
permiten representar la
función objetivo con una
precisión controlada
Bibliografía

Carpio, Kevin Briones del. sistrevolution. 7 de Diciembre de 2011. Marzo de 2023.

<https://sites.google.com/site/sistrevolution/home/5-2-polinomio-de-interpolacion-
de- newton>.

Diaz. «uv.es.» 12 de Abril de 2006. Documento PDF. 2023.

<https://www.uv.es/diazj/cn_tema5.pdf>.

sites.google. 04 de abril de 2018.

<https://sites.google.com/site/metodosnumericosarm/trabajos/polinomios-de-
interpolacion-de-lagrange>.

Steven C. Chapra, Raymond P. Canale. Métodos numéricos para ingenieros. 5ª

edición, 2010.

Documento PDF. <http://artemisa.unicauca.edu.co/~cardila/Chapra.pdf>.

velardebarret. 8 de Marzo de 2016.

<https://velardebarret.wordpress.com/2016/03/08/interpolacion-de-newton/>.
YoksiriMedina. Interpolacion de Newton. 2 de marzo de 2016.

<https://yoksirimedina.wordpress.com/2016/03/02/interpolacion-de-newton/>.

Zapata, Fanny. Lifeder. 5 de Enero de 2021.

<https://www.lifeder.com/interpolacion-de- lagrange/>.