Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 Aproximacion de Funciones
7 Aproximacion de Funciones
Aproximación de Funciones
APROXIMACION DE FUNCIONES
• En este capítulo se estudiará la aproximación de
funciones disponibles en forma discreta (puntos
tabulados), con funciones analíticas sencillas, o bien de
aproximación de funciones cuya complicada naturaleza
exija su reemplazo por funciones más simples,
específicamente por polinomios.
• Una vez que se ha determinado un polinomio Pn(x) de
manera que aproxime satisfactoriamente una función
dada f(x) sobre un intervalo de interés, puede
esperarse que al diferenciar Pn(x) o integrarla, también
aproxime la derivada o integral correspondiente a f(x).
Aproximación polinómica
Se realiza cuando la función puede ser conocida en forma
explícita o mediante un conjunto de valores tabulados para
cada uno de los argumentos por donde pasa la función
(valores funcionales).
xi x0 x1 ... xn
f(xi) F0 f1 ... fn
Herramientas de Interpolación
• A continuación definiremos algunas herramientas
que nos permitirán más adelante construir un
polinomio de interpolación:
– 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 Interpolación
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 º2
º1
1 3 º3
7 1º
2 10 7 º0
28 1
4 66 11
61
5 127
De la tabla anterior, obtenemos los coeficientes del polinomio interpolante:
b) Estime Y(2.5):
c) Calcule el error cometido, si esta data se
obtuvo de la función Y=sen(pi*X/2)
Solución
Tabla de diferencias finitas:
X Y ΔY Δ2Y
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 interpolación 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 algún: 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 función de aproximación g, tal que:
g(xi) se aproxime a yi para i=1, 2, ..., n
• De un modo general, una función aproximante
dependerá 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 función aproximada deberá ser escogida de forma que
tales desviaciones sean pequeñas en valor absoluto.
• Esta función puede ser elegida como una combinación
lineal de otras:
F ( x, c1,..., ck ) c1 1 .....ck k
• Por ejemplo, la aproximación mediante una recta será:
F ( x, c1, c2 ) c1 x c2
• El método de los mínimos cuadrados consiste
en obtener una función de aproximación, 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
Ecuación normal para el ajuste
El cuadrado de la norma 2 de r = y – Ac es:
yˆ ym
2
i
R
2 i 1
n
y ym
2
i
i 1
yˆ i de la funcion de ajuste
yi de la data
n
y i
ym i 1
n
Factor de regresión:
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
Interpolación segmentaria o Splines
Un Spline o trazador es una función 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 función S tal que:
•En cada sub-intervalo [ti-1,ti] S es un polinomio
de grado k
•La (k-1)-iésima 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 incógnitas. 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