Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 Aproximacion de Funciones
7 Aproximacion de Funciones
Aproximacin de Funciones
APROXIMACION DE FUNCIONES
En este captulo se estudiar la aproximacin de
funciones disponibles en forma discreta (puntos
tabulados), con funciones analticas sencillas, o bien de
aproximacin de funciones cuya complicada naturaleza
exija su reemplazo por funciones ms simples,
especficamente por polinomios.
Una vez que se ha determinado un polinomio Pn(x) de
manera que aproxime satisfactoriamente una funcin
dada f(x) sobre un intervalo de inters, puede
esperarse que al diferenciar Pn(x) o integrarla, tambin
aproxime la derivada o integral correspondiente a f(x).
Aproximacin polinmica
Se realiza cuando la funcin puede ser conocida en forma
explcita o mediante un conjunto de valores tabulados para
cada uno de los argumentos por donde pasa la funcin
(valores funcionales).
xi x0 x1 ... xn
f(xi) F0 f1 ... fn
Herramientas de Interpolacin
A continuacin definiremos algunas herramientas
que nos permitirn ms adelante construir un
polinomio de interpolacin:
Diferencias Finitas
Diferencias Divididas
Diferencia Finita hacia adelante o
progresiva
Diferencia finita de primer orden:
f k f k 1 f k
Diferencia finita de segundo orden:
f k f k 1 f k
2
n 1 n 1
fk
n
fk f k 1
fk
n n1
f k 1/ 2 n1
f k 1/ 2
Diferencias Divididas
Se define para puntos o argumentos
desigualmente espaciados:
Diferencia dividida de Primer orden:
f ( xi 1 ) f ( xi )
f [ xi , xi 1 ]
xi 1 xi
Error de Interpolacin
f ( n1) ( ) f ( n1) ( ) n
en ( x)
(n 1)!
( x x0 )( x x1 )...( x xn )
(n 1)! i0
( x xi ) [ x0 , xn ]
n
en ( x) f [ x0 x1...xn x] ( x xi )
i 0
x 0 1 2 4 5
y 2 3 10 66 127
Estime y(2.5)
x y y[ , ] y[ , , ] y[ , , ,] y[ , , , ,]
0 2
1
1 3 3
7 1
2 10 7 0
28 1
4 66 11
61
5 127
De la tabla anterior, obtenemos los coeficientes del polinomio interpolante:
Px y0 yx0 , x1 x x0 yx0 , x1 , x2 x x0 x x1
yx0 , x1 , x2 , x3 x x0 x x1 x x2
yx0 , x1 , x2 , x3 , x4 x x0 x x1 x x2 x x3
Px 2 1x 0 4x 0x 1
1x 0x 1x 2 0x 0x 1x 2x 4
Px x 3 2
b) Estime Y(2.5):
c) Calcule el error cometido, si esta data se
obtuvo de la funcin Y=sen(pi*X/2)
Solucin
Tabla de diferencias finitas:
X Y Y 2Y
2 0
-1
3 -1 2
1
4 0
X 2.5
X X0 X 2
s
ss 1 2 h 1
Ps Y0 sY0 Y0 2.5 2
2! s 0.5
ss 1 1
Ps 0 s 1 2 Ps 0.5 0.5 20.5 0.75
2
2!
Ps s 2 2s 2.5
y 2.5 sen 0.7071
2
Error 0.0429
Polinomio de interpolacin basado en Diferencias Finitas Regresivas
s( s 1) 2 s( s 1)( s 2) 3 s( s 1)( s 2) ... ( s n 1) n
Pn ( s) f n sf n fn f n ... fn
2! 3! n!
x xn
Teniendo en cuenta que : s
h
P2 m ( s) f 0
s f 1 / 2 f 1 / 2 s 2 2
f0
s( s 2 12 ) 3 f 1 / 2 3 f 1 / 2
1! 2 2! 3! 2
s 2 ( s 2 12 ) 4
f0
s 2 ( s 2 12 )( s 2 22 ) 5 f 1 / 2 5 f 1 / 2
...
4! 5! 2
n x xj
Li ( x)
j 0 xi x j
j i
f ( n 1) ( )
En f ( x) Pn ( x) ( x x0 )( x x1 )...( x xn )
(n 1)!
para algn: x0 , xn ; x [ x0 , xn ]
Ejemplo
Obtener el Polinomio de Lagrange de la siguiente data:
X Y
0 -2
2 2
5 6
P2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
x 2x 5
2 x 0x 5
2 x 0x 2
6
0 20 5 2 02 5 5 05 2
P2 x x x 2
2 2 34
15 15
AJUSTE POR MINIMOS CUADRADOS
Dado un conjunto de pares ordenados (xi, yi), se
busca una funcin de aproximacin g, tal que:
g(xi) se aproxime a yi para i=1, 2, ..., n
De un modo general, una funcin aproximante
depender de varias constantes , es decir:
g ( x) F ( x, c1 , c2 ,..., ck )
Para i=1, 2, ...., n, definimos las desviaciones como:
di yi F xi , c1, c2 ,..., ck
La funcin aproximada deber ser escogida de forma que
tales desviaciones sean pequeas en valor absoluto.
Esta funcin puede ser elegida como una combinacin
lineal de otras:
F ( x, c1,..., ck ) c1 1 .....ck k
Por ejemplo, la aproximacin mediante una recta ser:
F ( x, c1, c2 ) c1 x c2
El mtodo de los mnimos cuadrados consiste
en obtener una funcin de aproximacin, que
busca: n
2
Minimizar d
i 1
i
i 1 i 1
por lo tanto:
e 0
e
0, j 1,..., k
c j
Donde: x1 1 y1
x2 1 y
A y 2
xn 1 yn
Ecuacin normal para el ajuste
El cuadrado de la norma 2 de r = y Ac es:
y ym
2
i
R
2 i 1
n
y ym
2
i
i 1
y i de la funcion de ajuste
yi de la data
n
y i
ym i 1
n
Factor de regresin:
0 R 1 2
y ae bx
Se puede linealizar:
log( y ) log( a) b log( x)
log( y ) log( a) b x
Ejemplo
Ajustar los siguientes datos a una recta:
X 0.1 0.4 0.5 0.7 0.7 0.9
Y 0.61 0.92 0.99 1.52 1.47 2.03
Ln(y)=Ln(a)+b*Ln(x)
Y=A+BX
A=0.0514
B=b=0.6874
a=1.0525 0.6874
y=1.0525x
Interpolacin segmentaria o Splines
Un Spline o trazador es una funcin que
consiste en trozos de polinomios unidos con
ciertas condiciones de continuidad.
Dados los nodos xo<x1<<xn, un spline de grado
k con esos nodos es una funcin S tal que:
En cada sub-intervalo [ti-1,ti] S es un polinomio
de grado k
La (k-1)-isima derivada de S es continua en
[xo, xn]
Spline Lineal
si ( x) mi x bi , para x xi , xi 1 , i 0, 1,2, , n 1
Las condiciones, si ( xi ) yi y si ( xi 1 ) yi 1 producen 2n
ecuaciones para encontrar 2n incgnitas. Aplicando esto, conseguimos:
x xi1 x xi yi1 yi
s i ( x) y i yi1 yi ( x xi ), x xi , xi1
xi xi1 xi1 xi xi1 xi
x 0 5 7 8 10
y 0 2 -1 -2 20
Splines Lineales:
x 5 x0 2 s2 ( x) 1
x 8
2
x7
x 6 , x [7, 8]
s0 ( x ) 0 2 x , x [0, 5] 7 8 87
05 50 5
s1 ( x) 2
x7
1
x 5
1.5 x 9.5 , x [5, 7]
x 10 x 8
s3 ( x) 2 20 11x 90 , x [8, 10]
57 75 8 10 10 8