Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Interpolación
Polinómica
Los Métodos Numéricos
Ajuste de Curvas
REGRESION INTERPOLACION
INTRODUCCIÓN
La finalidad del cálculo de las funciones de
interpolación se centra en la necesidad de obtener
valores intermedios (INTERPOLACIÓN) o de
valores fuera del intervalo para el que se dispone
de datos (EXTRAPOLACIÓN).
Como es difícil encontrar la función representativa
de un conjunto de datos, es mejor aproximarlo a
una forma polinómica.
Interpolación polinómica
En análisis numérico, la interpolación polinomial es una técnica de interpolación de
un conjunto de datos o de una función por un polinomio. Es decir, dado cierto número
de puntos obtenidos por muestreo o a partir de un experimento se pretende encontrar
un polinomio que pase por todos los puntos.
X Y
-----------------------
X1 Y1
X2 Y2
X3 Y3
X 4 Y4
…… ……
Xn Yn
Interpolación lineal
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Interpolación
Sustitución de una función (conocida o
tabulada) por otra más simple
Interpolante como combinación de la base de
un espacio funcional:
n
x ii x
i 0
Funciones base: polinómicas, trigonométricas, …
Función interpolante “coincide” con la inicial
Lagrange: valor de la función en algunos puntos
Taylor: valor de las derivadas en un punto
Hermite: valor de la función y la derivada
…
Interpolación Numérica
Interpolación
Plantear las condiciones de existencia y unicidad de solución
del problema general de interpolación
Saber que el problema de Lagrange tiene un único polinomio
de interpolación de grado mínimo
Conocer las diferentes formas de representar dicho polinomio
Conocer las ventajas e inconvenientes de las formas de
Lagrange y de Newton
Comprender la relación entre diferencias divididas y expansión
en serie de Taylor y su uso para acotar el error
Comprender las limitaciones e incertidumbres de la
extrapolación
Valorar las ventajas e inconvenientes de los diferentes
interpolantes segmentarios
Interpolación Numérica
Introducción:
Se trata de obtener un polinomio (polinomio de interpolación) que
cumpla:
f(x )≈ p(x).
en una serie de n puntos x0, x1, …, xn .
Interpolación con polinomios MUESTRAS
PEQUEÑAS
Interpolación lineal
Grados
a0 a1x 0 y 0
a0 a1x1 y1 10
a0 12a1 18 5
a0 14a1 21 5 10 15 20
Hora
El cálculo de ao , a1
A=[1 12 18;1 14 21];
Sol=rref(A)
Ejecutando
Sol =[1.00 0.00 0.00
0.00 1.00 1.50]
Equivale ao =0, a1=1.5
Y=0 +1.5x
Interpolación lineal
Reordenando f(x1)
f x1 f x0
f1(x)
f1 x f x0 x x0 f(x0)
x1 x0
x0 x x1
Interpolación cuadrática
Expresión del polinomio
P2 ( x ) a0 a1x a2 x 2 Polinomio de grado2
25
Condiciones de interpol
a0 a1x0 a2 x 02 y 0 20
a0 a1x1 a2 x12 y1
Grados
2 15
a0 a1x 2 a2 x 2 y 2
El polinomio puede ser 10
para i 0, 1, 2, , n
Polinomio de interpolación
Pn (x) y0 L0 (x) y1 L1(x) y 2 L2 (x) ··· yn Ln (x)
G1. Polinomio de interpolación de Lagrange
Sea una función f(x), de tal manera que conozcamos su valor en cada uno de
n+1 puntos: f(x0), f(x1), …, f(xn).
n
( x xi ) i = 0, 1, 2, …, n
Lk ( x )
i 0 ( xk xi )
ik
k = 0, 1, 2, …, n
Propiedad de los coeficientes Lk(x):
.
6
-2
-4
-6
Y(5)= 8.8783,
-8
según Lagrange
-3 -2 -1 0 1 2 3 4 5 6
Y(5)=3, valor corregido, suavisado y ajustado con la gráfica
Ej. Encontrar y(5.5) mediante el algoritmo de Lagrange y
ayuda del Octave
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Encontrar y(4.5), y(5.5)
P(x) =a+bx
= + cx2 + dx3
Escogemos
x=[1 2 5 6];y=[0.9 1 -1 -0.3];
Luego se ingresan estos datos en el Programa de Octave
Y obtenemos y(5.5)= -0.83
Forma de Lagrange (I)
x xk n
Grado n y además L x : Lni xk ik
n
i
k 0 xi xk
Ejemplo k i
x F(x) L x
3 x 1 x 1 x 2
x3 2 x 2 x 2
X0=-2 -13/5
0
2 1 2 1 2 2 12
L1 x
3 x 2 x 1 x 2
x3 x 2 4 x 4
X1=-1 -3
1 2 1 1 1 2 6
X2=1 -2
L x
3 x 2 x 1 x 2
x3 x 2 4 x 4
X3=2 3/5
2
1 2 1 1 1 2 6
L33 x
x 2 x 1 x 1
x3 2 x2 x 2
2 2 2 1 2 1 12
n
Pn x f xi L3i x 13 5 L30 x 3L13 x 2L32 x 3 5 L33 x
i 0
x 3
2 x 2
x 2 x 3
x 2
4 x 4 x 3
x 2
4 x 4 x 3
2 x 2
x2
13 5 3 2 35
12 6 6 12
101 x 12 x 52 x 3 Interpolación Numérica
3 2
Forma de Lagrange (II)
Ventajas
Fácil de calcular
Independientes de la Inconvenientes
función a interpolar
El interpolante puede ser
mucho más simple que
Polinomio:y=2x-1 los polinomios de
– {(-2,-5),(-1,-3),(1,1),(2,3)} Lagrange
n
Pn x f xi L3i x
Si cambia el soporte los
i 0
polinomios obtenidos son
5L0 x 3L1 x 1L2 x 3L3 x
3 3 3 3
inútiles, es necesario
x3 2 x 2 x 2 x3 x 2 4 x 4 repetir todo el proceso
5 3
12 6
x3 x 2 4 x 4 x3 2 x 2 x 2
1 3
6 12
0 x3 0 x 2 2 x 1
Interpolación Numérica
Ejemplos
Existencia y unicidad de
F(-)=1,F(0)=0,F()=1
– Base polinómica: solución única
P2 x 0 0 x 1 x 2
2
x0 x1 x2 1
2 x0 x1
Interpolación Numérica
Forma de Newton – Diferencias Divididas (I)
n i 1 n i 1
Pn x i x xk f x0 , x1 , xi x xk
i 0 k 0 i 0 k 0
n 1
Origen: Qn x Pn x Pn1 x n x xk
k 0
n 1
Pn x Pn 1 x n x xk
k 0
Propiedades
Simetría k
f xi k
f xi
f x0 , x1 , xk
i 0 xi x0 xi xi 1 xi xi 1 xi x n
k
i 0
x x
j 0
i j
j i Demo
Cálculo
f x0 f x0
f x0 , x1 , xk 1 f x1 , xk 1, xk
f x0 , x1 , xk 1 , xk Demo
x0 xk
Interpolación Numérica
Polinomio de Newton
.
Interpolación polinomial de Newton
x0 = 6 f(x0) = 1.791759
2
Valor verdadero
Aplicando las ecs. anteriores
1.5
b0 = 0
1
b1 = (1.386294 – 0)/(4 – 1) = 0.4620981
0.5
b2 = ((1.791759 – 1.386294)
0 Estimación cuadrática
/(6 – 4) – 0.4620981)/(6 – 1)
-0.5 Estimación lineal
= – 0.0518731
-1
0 1 2 3 4 5 6 7 8 El polinomio es
f2(x) = 0.4620981(x – 1) – 0.0518731(x – 1)(x – 4)
X 1 2 3 5
1 4
-0.5
2 3.5 0.5
0.5 -0.1
3 4 0.1
0.8
5 5.6
-8.00 0 0 0 0
4.00 12.00 0 0 0
-1.00 -2.50 -4.83 0 0
-5.00 -2.00 0.13 0.99 0
2.00 3.50 1.38 0.21 -0.11
P(x)=-8+12(x+1)-4.83(x+1)x+0.99(x+1)x(x-2)-0.11(x+1)x(x-2)(x-4)
P(3)=-4.7571
Forma de Newton – Diferencias Divididas (II)
Pn x f x0 f x0 , x1 x x0 f x0 , x1 , x2 x x0 x x1
f x0 , x1 , xn x x0 x x1 x xn 1
x0=-2 f x0 13
5
f x0 f x1 513 3 2
x1=-1 f x1 3 f x0 , x1
x0 x1
2 1 5
f x1 f x2 3 2 1 f x0 , x1 f x1 , x2 3
x2=1 f x2 2 f x1 , x2
x1 x2
1 1 2
f x0 , x1 , x2
x0 x2
10
f x2 f x3 2 53 13 f x , x , x f x1 , x2 f x2 , x3 7
x3=2 f x3 3
f x2 , x3 1 2 3
x1 x3
5
x2 x3 2 1 5 10
f x0 , x1 , x2 f x1 , x2 , x3 1
f x0 , x1 , x2 , x3
x0 x3 10
Pn x 13
5 52 x 2 103 x 2 x 1 101 x 2 x 1 x 1
53 135 x 2 107 x 2 x 1 101 x 2 x 1 x 1
P3 x 101 x 3 1 2
x
Interpolación
2
2
x3
5Numérica
Forma de Newton del
polinomio de interpolación
Expresión
Pn(x) = c0 + c1(xx0) + c2(xx0)(xx1) +
+ cn(xx0)(xx1) (xxn1)
Determinación algebraica
Pn(x0) = y0 = c0
Pn(x1) = y1 = c0+ c1(x1x0)
Pn(x2) = y2 = c0+ c1(x2x0) + c2(x2x0)(x2x1)
Problema de Hermite
2 n 1 xk f xk
x ii x : , k 0,1, n
i 0 xk f xk
Existencia y unicidad asociadas al sistema
0 x0 1 x0 n x0 n1 x0 2n 1 x0 0 f x0
0 x1 1 x1 n x1 n1 x1 2n 1 x1 1 f x1
0 xn 1 xn n xn n1 xn 2 n1 xn n f xn
x 1 x0 n x0 n 1 x0 2 n 1 x0 n1 f x0
0 0
x 1 xn n xn n 1 xn 2 n1 xn 2 n1
f xn
0 n
Base polinónica: soporte sin puntos repetidos
1, x, x , x , x
2 3 2 n 1
Base trigonométrica: soporte sin puntos repetidos y
comprendidos en [- , ]
1,sin x , cos x , sin kx , cos kx ,
Interpolación Numérica
Problema de Taylor
n
x ii x : k a f k a , k 0,1, n
i 0
Existencia y unicidad asociados al sistema
0 a 1 a n a
0 f a
0 a 1 a n a
1
f a
n n
a n a n a n f 0 a
n
0 1
Series de potencias
k 0
k x k
¿ converge ?
x
– Criterios del cociente y de la raíz
k 1
lim L lim k k L
k k
k
– Si L=, converge en x=0, si L=0, converge x
– Sino converge para |x|<1/L
Interpolación Numérica
Forma de Newton – Diferencias Divididas (III)
Ventajas
Los cálculos son muy simples
La tabla de diferencias divididas se
Inconvenientes
simplifica cuando el interpolante es de
menor grado
Las operaciones se pueden reutilizar al
El cálculo depende de la
añadir o eliminar puntos
función
Polinomio:y=2x-1
– {(-2,-5),(-1,-3),(1,1),(2,3)}
x F(x)
x0=-2 -5
x1=-1 -3 2
x2=1 1 2 0
x3=2 3 2 0 0
Interpolación Numérica
Diferencias divididas
c 0 = f [ x0 ] y0
f [ x1] f [ x0 ]
c1 = f [ x 0 , x1]
x1 x0
f [ x1, x 2 ] f [ x0 , x1]
c 2 f [ x 0 , x1, x 2 ]
x 2 x0
y3 f [ x3 ] f [ x 2, x 3 ] f [ x1, x 2, x 3 ] f [ x 0 , x1, x 2, x3 ]
Grados 0 a 3
30
25
20
15
10
5
-5
-10
6 8 10 12 14 16 18 20
Forma de Newton – Diferencias Finitas
Puntos equiespaciados xk=x0+k h
Progresivas f k f xk 1 f xk y n f k n 1 f k 1 n 1 f k
Regresivas f k f xk f xk 1 y n f k n1 f k n1 f k 1
Relaciones
f k f k 1 y n f k n f k n
n f k n !h n f xk , xk 1 , , xk n
n
n
f k 1
n n i
f k i
i 0 i
n f k n !h n f xk n , , xk 1 , xk
n
n
f k 1
n n i
f k ni
i 0 i
Interpolación Numérica
Evaluación anidada del
polinomio de interpolación
f (n1) ()
f(x) Pn (x) (x x 0 )(x x1) (x xn )
(n 1)!
Estimación de la derivada
f (n1) ( )
f x0 , x1, , xn, xn+1
(n 1)!
Función de Runge
Grado 8
1
Función de Runge
0.5
-1 Nodos equiespaciados
-1.5
-1 -0.5 0 0.5 1
Error en la interpolación de Lagrange (I)
f
n 1 n
f x Pn x
n 1 ! x x
k 0
k I xmin , xmax
Demo
f
n
f x0 , x1 , xn I xmin , xmax
n !
Demo
max f n 1 x n
f z Pn z xI
n 1 ! z x
k 0
k
max f n 1 x n
max f x Pn x xI
max x xk
xI n 1 ! xI
k 0
Interpolación Numérica
Error en la interpolación de Lagrange (II)
f(x)-P n (x)
0.5
Datos provienen de 0
x3 5
f x 2 f 0.5 3.9
-0.5
x 1
error
-1
Valor del interpolante en x=0.5 -1.5
Error máximo cometido en x=0.5 -2.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x 5 25 x 4 10 x3 50 x 2 5 x 5
max f 4
x max 24 122
x2 1
x 2,2 x 2,2 5
122 915
f 0.5 Pn 0.5 0.5 2 0.5 1 0.5 1 0.5 2 7.1484
4! 128
Error máximo cometido en todo el intervalo
3 3
max
x 2,2
x x x x
k 0
k
k 0
k 4
x 0
122 61
max f x Pn x 4 20.3333
x 2,2 Interpolación
4! Numérica
3
Error en la interpolación de Lagrange (III)
Datos equiespaciados xk=x0+k h
Interpolación lineal
max f
2
x 1 max f
2
x
max f x P1 x xI
max x xk xI 1
4 h2
x x0 , x0h 2! xI 2!
k 0
Interpolación parabólica
max f
3
x 2 max f
3
x
max
x x0 , x02 h
f x P2 x xI
3!
max
xI
x xk
k 0
xI
3!
2
3 3
h3
Interpolación cúbica
max f
4
x 3 max f
4
x
max f x P3 x xI
max x xk xI
h4
x x0 , x03 h 4! xI 4!
k 0
n n
n
max
s 0, n
s k n
max
s 0, n
s k
k 0
k 0
4 3.6314 7 640.6010
5 16.9009 8 4.9292 103
6 95.8419 9 4.2901 104
Interpolación Numérica
Ejemplo 1 de Interpolación de Lagrange (I)
El mástil de un barco construido con Esfuerzo Deforma.
(Kg/cm2) (m)
una nueva aleación de aluminio tiene
126 0.0005
un área transversal de 5.65 cm2. Se
desarrollan pruebas para definir la 365 0.0013
Interpolación Numérica
Ejemplo 1 de Interpolación de Lagrange (II)
Punto de interpolación: z= 2900/5.65= 513.2743
Condiciones para seleccionar el orden de los puntos de interpolación
El punto de interpolación z debe pertenecer al intervalo
Los puntos deben hacer mínima la cota de error; habitualmente
significa que se seleccionan dependiendo de su distancia a z
x F(x)
506 0.002
527 0.0045 0.1190 10-3
562 0.006 0.0429 10-3 -0.1361 10-5
365 0.0013 0.0239 10-3 0.0117 10-5 -0.1048 10-7
703 0.0085 0.0213 10-3 -0.0018 10-5 -0.0077 10-7 0.4930 10-10
126 0.0005 0.0139 10-3 0.0031 10-5 -0.0011 10-7 -0.0164 10-10 0.1340 10-12
Interpolante P(z)
P1(x)=0.002+ 0.1190 10-3 (x-506) 2.865992 10-3
P2(x)= P1(x) - 0.1361 10-5 (x-506)(x-527) 3.001836 10-3
P3(x)= P2(x)- 0.1048 10-7 (x-506)(x-527)(x-562) 2.950845 10-3
P4(x)= P3(x) + 0.4930 10-10 (x-506)(x-527)(x-562)(x-365)
Interpolación Numérica 2.986407 10-3
P5(x)= P4(x) + 0.1340 10 (x-506)(x-527)(x-562)(x-365)(x-703)
-12
2.968062 10-3
Ejemplo 1 de Interpolación de Lagrange (III)
Interpolante P(z)
P1(x)=0.002+ 0.1190 10-3 (x-506) 2.865992 10-3
P2(x)= P1(x) - 0.1361 10-5 (x-506)(x-527) 3.001836 10-3
P3(x)= P2(x)- 0.1048 10-7 (x-506)(x-527)(x-562) 2.950845 10-3
P4(x)= P3(x) + 0.4930 10-10 (x-506)(x-527)(x-562)(x-365) 2.986407 10-3
P5(x)= P4(x) + 0.1340 10-12 (x-506)(x-527)(x-562)(x-365)(x-703) 2.968062 10-3
-3
x 10
5
4.5
3.5
P 1 (x)
3
P 2 (x)
P 3 (x)
2.5 P 4 (x)
P 5 (x)
2 Interpolación Numérica
505 510 515 520 525 530
Ejemplo 1 de Interpolación de Lagrange (IV)
-3 P 1 (x)
x 10
9 -3 P 2 (x)
x 10
9 -3 P 3 (x)
x 10
8 10
8
7 8
7
6 6
6
5 4
5
4 2
4
3 0
3
2 -2
2
1 -4
1
0 -6
100 200 300 400 500 600 700 0 800
100 200 300 400 500 600 700 800
P4 (x) -8
P 5 (x) 100 200 300 400 500 600 700 800
0.01
0.12
0.1
0.005
0.08
0
0.06
-0.005 0.04
0.02
-0.01
-0.015
100 200 300 400 500 600 700 800 -0.02
100 200 300 400 500 600 700 800
Interpolación Numérica
Ejemplo 2 de Interpolación de Lagrange (II)
Error menor que 0.5
Interpolación lineal
max f
2
x
max f x P1 x x I 1
4
h2
x x0 , x0 h 2!
f x cos x e x f x 2sin x e x M max f x
2
x ,
Nota : f
3
x 0 2e x cos x sin x x 34 , M
3
2e 4
3
2e 4 2
max f x P1 x 1
4
h 2 0.5 h 0.5178 N 1 14 puntos
x xk , xk 1 2! h
Interpolación cuadrática
max f x
max f x P2 x x I 2
h3 f x 2e x cos x sin x
x x0 , x0 2 h 3! 3 3
Interpolación Numérica
Ejemplo 2 de Interpolación de Lagrange (II)
Cota del error de interpolación
– con 5 puntos
max f
5
x
max f x P4 x xI
3.6314h5
x , 5!
f x 0 8sin x e x x 0,
6
-15 P 2 (x)
-20
-25
-3 -2 -1 0 1 2 3
x
exp(x) cos(x)
5
0
funcion
-5
P 4 (x)
-10
P 8 (x)
-15
Data
-20
-25
-3 -2 -1 0 1 2 3
x
Máximo error real: Lineal : 0.4234
Interpolación Numérica
Cuadrática: 0.1393
5 puntos: 0.9028 9 puntos: 0.0160
Interpolación de Hermite (I)
n
P x f xk
P2 n 1 x ii x ii x : 2 n 1 k , k 0,1, n
i 0 P2 n 1 xk f xk
Polinomios de Hermite
i xk ik i xk 0 i x a bx Li x
n 2
k
2
i k i k i x a bx Li x
x 0 x
i
n
n
1 n
i
2
i x 1 2 x x i L x
k 0 xi xk
k i
2
i x x x i Ln
i x
Diferencias divididas generalizadas
– Soporte donde cada punto se repite consecutivamente
tantas veces como datos haya en el mismo
f x0 , x1 , xk 1 f x1, xk 1, xk
x0 xk
x0 xk
f x0 , x1 , xk
f n x0
Interpolación Numérica
x0 xk
n!
Ejemplo de Interpolación de Hermite (I)
A un vehículo que recorre un circuito de 6Km se le toma el tiempo y la
velocidad cada vez que pasa por meta, obteniéndose la tabla anexa.
Obtenga el polinomio que indica los Km recorridos en función del
tiempo. ¿Cuánto habría recorrido en 120”’?.
Interpolación Numérica
Ejemplo de Interpolación de Hermite (II)
Forma de Hermite
P5 x 00 x 120001 x 300002 x 00 x 651 x 702 x
4
Funciones
x 10 Espacio
de Hermite Velocidad
Derivadas de Hermite
0.5 h2
(x)1 L2 x
0 2
0 50
2 x 1 6400 640 250
2 x 640
L x
2
2
2
i x x 0 L20 x
-0.5 -100
40 2
i x x 250 L12 x
30Derivadas de Hermite
2
Funciones de Hermite
200 2
i x x 640 L22 x
1 H0 (x) 2
20
1 H1 (x)
100
0.5 H2 (x)
0 10
0
-1
0 0
0 200 400 600 0 200 400 600
-100 -2
0 200 400 600 0 200 400 600
P5 x 00 120 120001 120 30000 2 120 0 0 120 651 120 70 2 120 =
3.618 1010 x 5 7.855 10 8 x 4 6.03110 4 x 3 3.322 10 1 x 2
Interpolación Numérica
Ejemplo de Interpolación de Hermite
(III)
Diferencias Divididas Generalizadas
Pn x f x0 f x0 , x1 x x0 f x0 , x1 , x2 x x0 x x1
f x0 , x1 , xn x x0 x x1 x xn 1
Tabla de Diferencias
x F(x) x 10-3 x 10-6 x 10-9
x0= 0 0
f x0
x1= 0 0 f x0 , x1 0
1!
x2=250 12000 f x1 f x2 48 0.1920
f x1 , x2
x1 x2
x3=250 12000 f x2 65 0.0680 -0.4960
f x2 , x3
1!
x4=640 30000 f x3 f x4 46.153 -0.0483 -0.1817 0.4910
f x3 , x4
x3 x4
x5=640 30000 f x4 70 0.0611 0.2807 0.7226 0.3618
f x4 , x5
1!
Interpolación Numérica
Definición
Sea X={a=x0,x1,x2,…xn=b} un soporte ordenado
donde se conoce f(x), se define el interpolante
segmentario de grado n (spline de grado n)
mediante n n
S x Pk x con x I k con a, b I k xk 1 , xk
k 1 k 1
donde a x0 x1 x2 xn 1 xn b
S xk Pk xk Pk 1 xk f xk
y S x C k 1 a, b
Incógnitas: n (k+1) Ecuaciones: (n+1)- k(n-
1)
Condiciones
Naturales: S(k-1)(a)=: S(k-1)(b)=: 0
Sujetas: S’(a)=Sa y S’ (b)=: 0
Interpolación Numérica
Otras
Interpolación Segmentaria Lineal
Definición
– Los polinomios en cada uno de los n intervalos de la
partición son lineales, esto es, de grado 1 (dos
coeficientes cada polinomio)
Pk x ak x xk bk – .
Condiciones (Ecuaciones): 2n
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos.
Coeficientes (Incógnitas): 2n
– Hay n polinomios lineales
Sistema compatible determinado. Se obtiene
una poligonal
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (I)
Aproximar la función f(x)=cos(x)*exp(x) definida en [-,]
mediante una poligonal utilizando 5 y 9 puntos
equiespaciados. Acotar el error cometido en cada caso.
Interpolación con 5 puntos y polinomios
x F[.] F[.,.] Intervalo Polinomio
- -0.0432 [-, -/2] -0.0432+ 0.0275(x+)
-/2 0 0.0275 [-/2 ,0] 0+ 0.6366(x+/2)
0 1 0.6366 [0 , /2] 1 -0.6366(x-0)
/2 0 -0.6366 [/2, ] 0 -14.7318(x-/2)
-23.1407 -14.7318
Error de interpolación
max f 2 x 1
max f x S1 x max f x Pk x
x , xI k
xI
2!
max
x I k
x x
i0
k i
k 1,n k 1,n
max f 2 x 2e 4
3
2
2
xI
h
1 2
4
1
4 4.602
2! 2! 4
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (II)
Interpolacion
5
0
-5
-10
f(x)
-15
S 1 (x)
-20
Datos
-25
-3 -2 -1 0 1 2 3
Error
5
Maximo:4.1056
4
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (III)
Interpolación con 9 puntos y polinomios
x F[.] F[.,.] Intervalo Polinomio
- -0.0432 [-, -3/4] -0.0432-0.0303(x+)
-3/4 -0.0670 -0.0303 [-3/4, -/2] -0.0670+0.0853(x+3/4)
-/2 0 0.0853 [-/2 ,-/4] 0+ 0.4105(x+/2)
-/4 0.3224 0.4105 [-/4, 0] 0.3224+ 0.8628(x+/4)
0 1 0.8628 [0 , /4] 1 +0.7014(x-0)
/4 1.5509 0.7014 [/4, /2] 1.5509-1.9746(x-/4)
/2 0 -1.9746 [/2, 3/4] 0 -9.4990(x-/2)
3/4 -7.4605 -9.4990 [-, -3/4] -7.4605-19.9647(x-3/4)
-23.1407 -19.9647
Error de interpolación
max f 2 x 1
max f x S1 x max f x Pk x xI
max x xk i
x , xI k 2! xI k
k 1,n k 1,n i 0
Interpolación
x 1 2
max f
2
Numérica 2e 4
3
2
2
xI
4
h 1
4 1.1505
2! 2! 8
Interpolación Segmentaria Lineal: Ejemplo (IV)
Interpolacion
5
0
-5
-10
f(x)
-15
S 1 (x)
-20
Datos
-25
-3 -2 -1 0 1 2 3
Error
1.5
Maximo:1.0023
0.5
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Definición
Definición
– Los polinomios en cada uno de los n intervalos de la
partición son cuadráticos (tres coeficientes cada
polinomio).
Pk x ak x xk bk x xk – ck
2
Condiciones (3n-1)
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos
– La derivada es continua en (n-1) puntos internos
Incógnitas (3n)
– n intervalos con polinomios cuadráticos en cada
uno
Sistema indeterminado (hay 3n incógnitas y
3n-1 ecuaciones)
Interpolación Numérica
Interpolación Segmentaria Cuadrática:
Planteamiento (I)
Definición
Pk x ak x xk 1 bk x xk 1 ck
2
con x I k xk 1 , xk
Condiciones
Pk xk 1 f xk 1 Pk xk f xk k 1, 2, n
Pk xk Pk1 xk k 1, 2, n 1
– Sustituyendo las condiciones, se obtiene
bk 1 bk b b
ak k 1 k k 1, 2, n
2 xk xk 1 2hk
ck f xk 1 k 1, 2, n
2 f xk , xk 1 bk bk 1 k 1, 2,3, n
Demo
Interpolación Numérica
Interpolación Segmentaria Cuadrática : Planteamiento (II)
Sistema
1 1 0 0 0 b1 f x0 , x1
0 1 1 0 0 b2 f 1 2
x , x
0 0 1 0 0 2
bn f xn 2 , xn 1
0 0 0 1 1 bn 1 f x ,x
n 1 n
Se necesita 1 condición más para que el sistema sea
compatible determinado.
1) Aproximación lineal en el primer intervalo (a 1=0b1=b2)
2) Aproximación lineal en el último intervalo (a n=0bn=bn+1)
3) Derivada conocida en a (b1 conocido)
4) Derivada conocida en b. (bn+1 conocido)
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Planteamiento (III)
Caso 1 Caso 2
2 0 0 0 0 b2 f x0 , x1 1 1 0 0 0 b1 f x0 , x1
b b
1 1 0 0 0 3 f x1 , x2 0 1 1 0 0 2 f x1 , x2
0 1 1 0 0 b4 f x2 , x3 0 0 1 0 0 b3 f x2 , x3
2
2
0 0 0 1 0 bn f xn 2 , xn 1 0
0 0 1 1 bn 1 f xn 2 , xn 1
0 0 1 1 bn 1 f x ,x 0 0 0 2 bn f xn 1 , xn
0 n 1 n 0
Caso 3 Caso 4
1 0 0 0 0 b1 f x0 1 1 0 0 0 b1 f x0 , x1
b b
1 1 0 0 0 2 f x0 , x1 0 1 1 0 0 2 f x1 , x2
0 1 1 0 0 b3 f x1 , x2 0 0 1 0 0 b3 f x2 , x3
2 2
0 0 0 1 0 bn f xn 2 , xn 1 0 0 0 1 1 bn f xn 1 , xn
0 0 1 1 bn 1 f x ,x 0 0 0 1 bn 1 f xn
0 n 1 n 0
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Procedimiento
Datos de partida {(x0, f(x0)), (x1, f(x1)),…(xn, f(xn))}
Selección de la condición a añadir
Planteamiento y resolución del sistema
Recuperación de los coeficientes de los polinomios
para cada intervalo
Selección del intervalo al que pertenece el punto a
interpolar y uso del polinomio correspondiente
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (I)
Intervalo Polinomio
[-,-/2] 0(x+)2-0.0275(x+)-0.0432
[-/2,0] 0.3878(x+/2)2+0.0275(x+/2)+0
[0,/2] -1.1983x2+1.2457x+1.0000
[/2,] -7.7749(x-/2)2-2.5190(x-/2)+0
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (II)
Interpolacion
10
-10
f(x)
-20 SpNat2 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.8
Maximo:0.70936
0.6
0.4
0.2
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
Primer intervalo a1 0
P1 x a1 x b1 x c1
2
P1 0.0432 c1 0.0432
P1 x 2a1 x b1
P 0
1 2 b1 0.0275
Segundo intervalo
P2 2 P1 2 b2 0.0275
P2 x a2 x 2 b2 x 2 c2
2
P2 2 0 c2 0
P2 x 2a2 x 2 b2
P 0 1
2 a2 0.3878
Tercer intervalo
P3 0 P2 0 b3 1.2457
P3 x a3 x 0 b3 x 0 c3
2
P3 0 1 c3 1
P3 x 2a3 x 0 b3
P 0
3 2 a3 1.1983
Cuarto intervalo
P4 2 P3 2 b4 2.5190
P4 x a4 x 2 b4 x 2 c4
2
P4 2 0 c4 0
P4 x 2a4 x 2 b4
P 23.1407 a 7.7749
4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (IV)
9 puntos 2 b2 0.0303
b
x F(x) 1 1 3 0.0853
- -0.0432
1 1 b4 0.4105
-3/4 -0.0670 1 1 b5 2 0.8628
1 1 b6 0.7014
-/2 0
-/4 0.3224 1 1 b7 1.9746
1 1 b8 9.4990
0 1
1 1 b 19.9647
/4 1.5509
9
-10
f(x)
-20 SpNat 2 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.4
Maximo:0.20039
0.3
0.2
0.1
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Splines cúbicos: Definición
Definición
– Los polinomios en cada uno de los n intervalos de la
partición son cubicos (cuatro coeficientes cada
polinomio).
Condiciones (4n-2)
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos
– La derivada es continua en (n-1) puntos internos
– La derivada segunda es continua en (n-1) puntos
internos
Incógnitas (4n)
– n intervalos con polinomios cúbicos en cada uno
Sistema indeterminado (hay 4n incógnitas y
4n-2 ecuaciones)
Interpolación Numérica
Splines cúbicos: Planteamiento (I)
Definición
Pk x ak x xk 1 bk x xk 1 ck x xk 1 dk
3 2
con x I k xk 1 , xk
Condiciones
Pk xk 1 f xk 1 Pk xk f xk k 1, 2, n
Pk xk Pk1 xk k 1, 2, n 1
Pk xk Pk1 xk k 1, 2, n 1
– Sustituyendo las condiciones, se obtiene
bk 1 bk b b
ak k 1 k k 1, 2, n
3 xk xk 1 3hk
bk 1 2bk
ck f xk , xk 1 hk k 1, 2, n
3 Demo
d k f xk 1 k 1, 2, n
3 f xk 1 , xk f xk , xkInterpolación
1 bk hk 2bk 1 hk hk 1 bk 2 hk 1 k 1, 2,3, n 1
Numérica
Splines cúbicos: Planteamiento (II)
Sistema
h1 2 h1 h2 h2 0 0 0 0 b1
0 h2 2 h2 h3 h3 0 0 0 b2
0 0 0 0 hn 1 2 hn 1 hn hn bn 1
f x1 , x2 f x0 , x1
3
f x 2 , x 3 f x1 , x 2
f x n 1 , x n f x n2 , x
n 1
Interpolación Numérica
Splines cúbicos: Planteamiento (III)
Condiciones
– Spline Sujeta (pendiente conocida en los extremos)
2h1 h1 0 0 b1 f x0 , x1 A
h1 2 h1 h2 0 0 b2 f x 1 , x2 f x0 , x1
3
0 0 2 hn 1 hn hn bn f xn 1 , xn f xn 2 , xn 1
0 0 hn 2hn bn 1 B f xn 1 , xn
2 h1 h2 h2 0 0 b2 f x1 , x2 f x0 , x1
h2 2 h2 h3 0 0 b3 f x2 , x3 f x1 , x0
3
0 0 2 hn 2 hn 1 hn 1 bn 1 f xn 2 , xn 1 f xn 3 , xn 2
Interpolación Numérica
0 0 hn 1 2 hn 1 hn bn f x ,x f x ,x
n 1 n n2 n 1
Spline Cúbicos: Procedimiento y Cota de error
Procedimiento
Datos de partida {(x0, f(x0)), (x1, f(x1)),…(xn, f(xn))} (derivadas en los
extremos cuando se desea una spline sujeta)
Selección de las 2 condiciones a añadir
Planteamiento y resolución del sistema
Recuperación de los coeficientes de los polinomios para cada intervalo
Selección del intervalo al que pertenece el punto a interpolar y uso del
polinomio correspondiente
con M max f 4 x , c0 5
384 , c1 1
24 , c2 83
x0 x xn
– Spline natural
max f
x1 x xn1
k
x S k x ck Mh 4 k , k 0,1, 2
max f x S x cMh 2
x x0 , x1 xn1 , xn
Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (I)
Aproximar la función f(x)=cos(x)*exp(x) definida en [- ,] mediante una spline cúbica sujeta utilizando 5 y 9 puntos equiespaciados.
Spline Sujeta con 5 puntos
Error
max f x S x 5
384 Mh 4
x0 x xn
Interpolación Numérica
24
4
5
384 4e 7.3376
Spline Cúbico Sujeto: Ejemplo (II)
Interpolacion
10
-10
f(x)
-20 SpSuj3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.8
Maximo:0.76909
0.6
0.4
0.2
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (III)
Spline Sujeta con 9 puntos
x F(x),F’(x) Intervalo Polinomio
Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (IV)
Interpolacion
10
-10
f(x)
-20 SpSuj3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.08
Maximo:0.075319
0.06
0.04
0.02
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
Primer intervalo a1 0
P1 x a1 x b1 x c1
2
P1 0.0432 c1 0.0432
P1 x 2a1 x b1
P 0
1 2 b1 0.0275
Segundo intervalo
P2 2 P1 2 b2 0.0275
P2 x a2 x 2 b2 x 2 c2
2
P2 2 0 c2 0
P2 x 2a2 x 2 b2
P 0 1
2 a2 0.3878
Tercer intervalo
P3 0 P2 0 b3 1.2457
P3 x a3 x 0 b3 x 0 c3
2
P3 0 1 c3 1
P3 x 2a3 x 0 b3
P 0
3 2 a3 1.1983
Cuarto intervalo
P4 2 P3 2 b4 2.5190
P4 x a4 x 2 b4 x 2 c4
2
P4 2 0 c4 0
P4 x 2a4 x 2 b4
P 23.1407 a 7.7749
4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (III)
NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
Primer intervalo a1 0
P1 x a1 x b1 x c1
2
P1 0.0432 c1 0.0432
P1 x 2a1 x b1
P 0
1 2 b1 0.0275
Segundo intervalo
P2 2 P1 2 b2 0.0275
P2 x a2 x 2 b2 x 2 c2
2
P2 2 0 c2 0
P2 x 2a2 x 2 b2
P 0 1
2 a2 0.3878
Tercer intervalo
P3 0 P2 0 b3 1.2457
P3 x a3 x 0 b3 x 0 c3
2
P3 0 1 c3 1
P3 x 2a3 x 0 b3
P 0
3 2 a3 1.1983
Cuarto intervalo
P4 2 P3 2 b4 2.5190
P4 x a4 x 2 b4 x 2 c4
2
P4 2 0 c4 0
P4 x 2a4 x 2 b4
P 23.1407 a 7.7749
4
Interpolación Numérica 4
Spline Cúbico Natural: Ejemplo (I)
Aproximar la función f(x)=cos(x)*exp(x) definida en [-,]
mediante una spline cúbica natural utilizando 5 y 9 puntos
equiespaciados.
Spline Natural con 5 puntos
x F[.] Intervalo Polinomio
- -0.0432 [-, -/2] 0.0576(x+)3-0.0775(x+)2+0.0071(x+)-0.0432
-/2 0 [-/2 ,0] 0.0576(x+/2)3+0.1939(x+/2)2+0.1900(x+/2)+0
0 1 [0 , /2] -1.0508x3+0.4653x2+1.2254x+1.0000
/2 0 [/2, ] -1.0508(x-/2)3 -4.4866(x-/2)2 -5.0914 (x-/2)+0
-23.1407
Interpolación Numérica
Spline Cúbico Natural: Ejemplo (I)
Interpolacion
10
-10
f(x)
-20 SpNat3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.8
Maximo:0.50656
0.6
0.4
0.2
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Spline Cúbico Natural: Ejemplo (III)
Spline Natural con 9 puntos
x F[.] Intervalo Polinomio
Interpolación Numérica
Spline Cúbico Natural: Ejemplo (IV)
Interpolacion
10
-10
f(x)
-20 SpNat3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4
Error
0.4
Maximo:0.31398
0.3
0.2
0.1
0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
Primer intervalo a1 0
P1 x a1 x b1 x c1
2
P1 0.0432 c1 0.0432
P1 x 2a1 x b1
P 0
1 2 b1 0.0275
Segundo intervalo
P2 2 P1 2 b2 0.0275
P2 x a2 x 2 b2 x 2 c2
2
P2 2 0 c2 0
P2 x 2a2 x 2 b2
P 0 1
2 a2 0.3878
Tercer intervalo
P3 0 P2 0 b3 1.2457
P3 x a3 x 0 b3 x 0 c3
2
P3 0 1 c3 1
P3 x 2a3 x 0 b3
P 0
3 2 a3 1.1983
Cuarto intervalo
P4 2 P3 2 b4 2.5190
P4 x a4 x 2 b4 x 2 c4
2
P4 2 0 c4 0
P4 x 2a4 x 2 b4
P 23.1407 a 7.7749
4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (III)
NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
Primer intervalo a1 0
P1 x a1 x b1 x c1
2
P1 0.0432 c1 0.0432
P1 x 2a1 x b1
P 0
1 2 b1 0.0275
Segundo intervalo
P2 2 P1 2 b2 0.0275
P2 x a2 x 2 b2 x 2 c2
2
P2 2 0 c2 0
P2 x 2a2 x 2 b2
P 0 1
2 a2 0.3878
Tercer intervalo
P3 0 P2 0 b3 1.2457
P3 x a3 x 0 b3 x 0 c3
2
P3 0 1 c3 1
P3 x 2a3 x 0 b3
P 0
3 2 a3 1.1983
Cuarto intervalo
P4 2 P3 2 b4 2.5190
P4 x a4 x 2 b4 x 2 c4
2
P4 2 0 c4 0
P4 x 2a4 x 2 b4
P 23.1407 a 7.7749
4
Interpolación Numérica 4
Resumen
El problema de Lagrange tiene un único polinomio de interpolación de
grado mínimo que se puede obtener mediante
Planteamiento directo del sistema lineal
Usando los polinomios de Lagrange
Usando diferencias divididas de Newton
Los polinomios de Lagrange permiten sólo dependen de los puntos del
soporte y son independientes de la función pero pueden ser más
complejos que la función de partida
Las diferencias divididas de Newton dependen tanto de los puntos
como de la función y permiten añadir o eliminar puntos del soporte
aprovechando los cálculos realizados
La fórmula de error del polinomio de interpolación es independiente de
la forma en que se de éste y no siempre el error disminuye con el
aumento del número de puntos del soporte
Los polinomios de interpolación de grado elevado tienden a tener
oscilaciones muy fuertes, lo que limita su aplicabilidad
La interpolación segmentaria permite disminuir el error con el aumento
del número de puntos a consta de calcular interpolantes simples en
cada subintervalo
Los mejores resultados se suelen obtener con los splines cúbicos
sujetos, si bien se utilizan las naturales porque los sujetos exigen
conocer el valor de la derivada en los extremos
Interpolación Numérica
Resumen (Ejemplo)
Tipo Puntos Cota Error
Lineal 14 0.5 0.4234
Cuadrática 13 0.5 0.1393
Polinomial 5 26.7073 0.9028
9 0.5719 0.0160
Poligonal 5 14.2743 4.1046
9 3.5886 1.0023
I.S.Cuadrática 5 0.7094
9 0.2004
Sp. Sujeta 5 7.3376 0.76909
9 0.4586 0.075319
Sp. Natural 5 0.50656
9 0.31398
Interpolación Numérica