Académique Documents
Professionnel Documents
Culture Documents
Interpolacin y aproximacin
Es frecuente encontrar en libros de clculo elemental funciones representando el comportamiento de algn hecho real, lo primero que viene a nuestra mente es la siguiente pregunta
de dnde sali esa funcin? Algunas de estas funciones se obtienen de la solucin de una
ecuacin diferencial que representa algn fenmeno fsico, pero algunas tambin resultan de
simples observaciones.
Suponga que disponemos de los siguientes datos, resultados de observaciones:
(0, 3.42) , (1, 3.45) , (2, 3.47) , (3, 3.5) , (4.3.48) ,
(5.3.46) , (6.3.44) , (7, 3.39) , (8, 3.49) , (9, 3.56)
donde el par (ti , ci ) representa el precio1 del dlar ci (soles) en el tiempo ti (horas). Estos
datos pueden ser organizados tambin del siguiente modo
ti
ci
0
1
2
3
4
5
6
7
8
9
3.42 3.45 3.47 3.5 3.48 3.46 3.44 3.39 3.49 3.56
5.1.
Interpolacin
Interpolar una funcin consiste en aproximar una funcin f por otra funcin g, escogida
dentro de una clase definida de antemano y satisfaciendo algunas propiedades. La funcin g
es entonces usada en reemplazo de f.
1
61
62
Considere n + 1 puntos distintos x0 , x1 , ..., xn y los valores respectivos de f en esos puntos: f (x0 ) , f (x1 ) , ..., f (xn ). La forma de interpolacin de f que veremos a seguir consiste en
determinar una funcin g tal que
g (x0 ) = f (x0 )
g (x1 ) = f (x1 )
..
.
g (xn ) = f (xn )
Una manera prctica y muy utilizada consiste en tomar la funcin interpolante g como un
polinomio. No obstante, g puede ser una funcin racional, trigonomtrica, etc. En la figura
5.1 se muestra un ejemplo para el caso n = 5.
5.1.1.
Interpolacin polinomial
Dados n + 1 pares (x0 , f (x0 )) , (x1 , f (x1 )) , ..., (xn , f (xn )), queremos aproximar f por un
polinomio pn de grado menor o igual a n, tal que
f (xk ) = pn (xk ) ,
k = 0, 1, ..., n
(5.1)
Naturalmente, podemos preguntarnos ahora: existe siempre un polinomio que satisface tales
condiciones?, y si existe, el polinomio es nico?
Para responder a esto, representemos el polinomio pn por
pn (x) = an xn + an1 xn1 + ... + a1 x + a0
As, al encontrar los valores an , an1 , ..., a1 , a0 conoceremos al polinomio pn . Usando la condicin (5.1) formamos el siguiente sistema lineal con n + 1 ecuaciones y n + 1 variables, note
que las variables son an , an1 , ..., a1 , a0 :
pn (x0 ) = an xn0 + an1 xn1
+ ... + a1 x0 + a0 = f (x0 )
0
n
n1
pn (x1 ) = an x1 + an1 x1 + ... + a1 x1 + a0 = f (x1 )
..
.
+ ... + a1 xn + a0 = f (xn )
pn (xn ) = an xnn + an1 xn1
n
63
A=
xn0 xn1
x0 1
0
xn1 xn1
x1 1
1
,
..
..
. . . .. ..
.
.
. .
xn 1
xnn xn1
n
(5.2)
an
an1
..
.
a0
b=
f (x0 )
f (x1 )
..
.
f (xn )
Esto significa que A es inversible y, en consecuencia, el sistema lineal (5.2) tiene solucin y
sta es nica. Esto constituye la prueba del siguiente teorema.
Teorema 5.1 Existe un nico polinomio pn de grado menor o igual a n, tal que
f (xk ) = pn (xk ) ,
k = 0, 1, ..., n
(5.3)
Resta solamente encontrar los valores de a0 , a1 , a2 que hacen posible que (5.3) suceda. (Vea
la figura 5.2).
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
64
1.6
1.8
2.0
0
-2
-4
-6
-8
-10
-12
Figura 5.2: El polinomio f (lnea discontinua) siendo interpolado por p2 (lnea continua) en
los puntos (0, 1), (1, 4), (2, 11).
5.1.2.
Una vez que sabemos las condiciones que garantizan la existencia y unicidad de pn , procedemos a ver las maneras cmo encontrarlo. Existen varias formas de realizar esta tarea, la
primera es mediante la solucin directa del sistema lineal A = b, vista en (5.2). No obstante,
existen otras formas, como la de Lagrange y de Newton. Desde un punto de vista terico, todas
ellas llevan al mismo polinomio, pero la eleccin de una u otra depende de algunos factores,
tales como la dificultad de los clculos, estabilidad del sistema lineal y tiempo de ejecucin.
Obtencin de pn mediante la resolucin del sistema A = b
Consiste en resolver por algn mtodo, directo o iterativo, el sistema de ecuaciones lineales
dado en (5.2).
Ejemplo 5.2 Sea f alguna funcin cuyo grfico pasa por los puntos (2, 6), (0, 4), (1, 5) y
(4, 8). Vamos a interpolar f en esos 4 puntos con un polinomio p3 de grado menor o igual a
3:
p3 (x) = a3 x3 + a2 x2 + a1 x + a0
Los puntos de paso pueden ser resumidos tambin mediante la siguiente tabla
xi
2 0 1 4
f (xi )
6 4 5 8
Como los valores de xi son todos distintos entre s, afirmamos que existe un nico polinomio
p3 que interpolar f en esos 4 puntos.
Podemos calcular la matriz de Vandermonde directamente, pero vamos a repetir el procedimiento:
p3 (2)
p3 (0)
p3 (1)
p3 (4)
=
=
=
=
6
4
5
8
=
=
=
=
f (2)
f (0)
f (1)
f (4)
3
a2
(0)2
(0) 1
(0)
A=
=
,
3
2
a1
(1)
(1)
(1) 1
a0
(4)3
(4)2
(4) 1
Finalmente,
de donde
1/9
a3
a2 5/9
=
a1 = 5/9
4
a0
65
6
4
b=
5
8
1
5
5
p3 (x) = x3 + x2 + x + 4
9
9
9
y1 = f (x1 )
... yn = f (xn )
Sea pn un polinomio de grado menor o igual que n que interpola a f en los puntos
(x0 , y0 ) , (x1 , y1 ) , ..., (xn , yn )
Es posible representar pn en la forma
pn (x) = y0 L0 (x) + y1 L1 (x) + ... + yn Ln (x)
(5.4)
66
donde los polinomios Lk son de grado n. Como estamos interpolando, queremos que para cada
i se cumpla la condicin pn (xi ) = yi , es decir:
pn (xi ) = y0 L0 (xi ) + y1 L1 (xi ) + ... + yn Ln (xi ) = yi
i = 0, 1, ..., n
0 si k 6= j
Lk (xj ) =
1 si k = j
donde j, k = 0, 1, ..., n, esto se consigue definiendo
Lk (x) =
n
X
yk Lk (x)
k=0
donde
Lk (x) =
Qn
i=0 (x xi )
i6=k
Qn
i=0 (xk xi )
i6=k
(x 0) (x 3) (x 5)
x3 8x2 + 15x
(x x1 ) (x x2 ) (x x3 )
=
=
=
(x0 x1 ) (x0 x2 ) (x0 x3 ) (2 0) (2 3) (2 5)
70
L1 =
(x (2)) (x 3) (x 5) x3 6x2 x + 30
(x x0 ) (x x2 ) (x x3 )
=
=
(x1 x0 ) (x1 x2 ) (x1 x3 )
(0 (2)) (0 3) (0 5)
30
L2 =
(x (2)) (x 0) (x 5)
x3 3x2 10x
(x x0 ) (x x1 ) (x x3 )
=
=
(x2 x0 ) (x2 x1 ) (x2 x3 )
(3 (2)) (3 0) (3 5)
30
L3 =
(x (2)) (x 0) (x 3) x3 x2 6x
(x x0 ) (x x1 ) (x x2 )
=
=
(x3 x0 ) (x3 x1 ) (x3 x2 )
(5 (2)) (5 0) (5 3)
70
67
Por lo tanto,
3
x 6x2 x + 30
x 3x2 10x
x 8x2 + 15x
p3 (x) = (3)
+ (1)
+ (4)
70
30
30
3
x x2 6x
+(9)
70
1
=
15x3 57x2 + 246x + 210
210
0 h 2h
0 2 4
Encuentre un polinomio de grado menor o igual a 2 que interpole a los puntos (0, 0), (h, 2) y
(2h, 4).
Solucin. Sea
p2 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) = (0)L0 (x) + (2)L1 (x) + (4)L2 (x)
el polinomio buscado, ste existir y ser nico por el teorema 5.1, pues 0, h y 2h son diferentes.
Usando los polinomios de Lagrange, tenemos
L0 (x) =
(x h) (x 2h) (x h) (x 2h)
1
3
= 2 x2
=
x+1
2
(h) (2h)
2h
2h
2h
L1 (x) =
(x) (x 2h)
1
(x) (x 2h)
2
=
= x 2 x2
2
(h) (h 2h)
h
h
h
L2 (x) =
(x) (x h)
(x) (x h)
1
1
=
x
= 2 x2
2
(2h) (2h h)
2h
2h
2h
68
de donde
1 2
2
1 2
2
1 2
3
1
p2 (x) = (0)
+
(4)
x
+
1
+
(2)
x
x
=
x
x
x
x
2h2
2h
h
h2
2h2
2h
h
As, p2 es un polinomio de primer grado, la razn es que los tres puntos (0, 0), (h, 2) y (2h, 4)
son colineales.
Ejercicio 5.2 Encuentre un polinomio de grado menor o igual a 3, que interpole a los puntos
(0, 1), (1, 1), (2, 1) y (3, 1).
5.2.
En la seccin anterior vimos algunos mtodos para interpolar una funcin f en los puntos
(x0 , y0 ), (x1 , y1 ), ..., (xn , yn ), por una funcin g previamente definida. Pero interpolar no es
aconsejable cuando:
1. Es necesario obtener un valor aproximado de la funcin en algn punto fuera del intervalo
de definicin [x0 , xn ], e esto se conoce con el nombre de extrapolacin.
2. Los valores en la tabla de datos son resultados de algn experimento fsico, los cuales
pueden contener errores inherentes, que en general no son previsibles.
3. El nmero de experimentos (datos) es grande. Claramente, interpolacin es impracticable
en este caso, pues el polinomio interpolante debera tener un grado igual de grande.
Surge la necesidad de buscar una funcin que represente de la mejor manera posible a los
puntos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ).
As, sean ahora los puntos (x1 , y1 ) , ..., (xm , ym ), donde x1 , ..., xm [a, b]. El problema que
intentamos resolver consiste en lo siguiente: una vez elegidas n funciones g1 , ..., gn : R 7 R
continuas en [a, b], obtener n constantes a1 , ..., n tales que la funcin
(x) = 1 g1 (x) + ... + n gn (x)
(5.5)
se aproxime lo mejor posible a f. Las funciones gi , i = 1, ..., n, pueden asumir diversas formas,
tales como g1 (x) = ex , g2 (x) = sen x, g3 (x) = x2 + log x, etc.
La razn por lo que a esta tcnica se denomina aproximacin lineal, se debe a que la funcin
buscada en (5.5) es una combinacin lineal de las funciones g1 , ..., gn . Por otro lado, estamos
frente a un caso discreto, debido a que el conjunto de datos (x1 , y1 ) , ..., (xm , ym ) es finito.
5.2.1.
69
(5.6)
El diagrama de dispersin est dado en la figura 5.5. Una forma conveniente en este caso
consiste en elegir g1 (x) = x2 y g2 (x) = 1, entonces encontrar los valores de 1 y 2 que
determinan la funcin
(x) = 1 g1 (x) + 2 g2 (x) = 1 x2 + 2
Ejemplo 5.5 (Eleccin de gi utilizando fundamentos tericos) Consideremos un experimento donde fueron medidos varios valores de corriente elctrica que pasan por una resistencia sometida a varias tensiones. Los datos (I0 , V0 ), (I1 , V1 ), ..., (Im , Vm ) son representados en
el grfico 5.6. Observe que en este caso existe un fundamento terico (ley de Ohm) que rela-
70
ciona la corriente elctrica con la tensin: V = RI. Es decir, V (voltaje) es una funcin lineal
de I (intensidad). Luego, como busca aproximar la tensin relacionada a esos datos, resulta
prudente elegir g1 (I) = I, de tal modo que:
(I) = 1 g1 (I) = 1 I
Note que existe una sola incgnita, 1 . Al resolver este problema, el valor que tome 1 ser a
su vez una aproximacin a la resistencia R. En resumen, al determinar 1 habremos ajustado
ese diagrama de dispersin a una curva lineal, todo eso basado en un fundamento terico.
Una vez que en (5.5) fueron elegidas las funciones gi , i = 1, 2, ..., n, resta calcular las
constantes que definen (x) = 1 g1 (x) + ... + n gn (x). A continuacin veremos una de las
formas ms comunes.
5.2.2.
Dados los puntos conocidos (x1 , y1 ) , ..., (xm , ym ), donde las funciones g1 , ..., gn : R 7 R
fueron elegidas con un criterio adecuado.
Nuestro objetivo es encontrar los valores de 1 , ..., n de modo que
(x) = 1 g1 (x) + ... + n gn (x)
represente de la mejor manera posible a los puntos (x1 , y1 ) , ..., (xm , ym ).
Anlogamente a lo que vimos cuando estudiamos interpolacin, podemos imponer que:
(x1 ) = 1 g1 (x1 ) + ... + n gn (x1 ) = y1
(x2 ) = 1 g1 (x2 ) + ... + n gn (x2 ) = y2
..
.
(xm ) = 1 g1 (xm ) + ... + n gn (xm ) = ym
(5.7)
(5.8)
(5.9)
donde
g1 (x1 ) gn (x1 )
..
..
...
A=
,
.
.
g1 (xm ) gn (xm )
= ...
n
y1
b = ...
ym
(5.10)
Note que el sistema (5.9) por lo general es incompatible, es decir, que no tiene solucin.
Esto sucede justamente porque m (el nmero de observaciones) es mucho mayor que n (las
incgnitas).
Rn , tal que A
Gustaramos ahora de encontrar
b (A
prximo de b). El mtodo
del siguiente modo:
de mnimos cuadrados consiste en calcular
= mnn kA bk2
(5.11)
71
kA bk =
2
m
X
(ai bi ) =
i=1
m
X
d2i
i=1
Pm
1 t
x = At A
Ab
(5.13)
72
En resumen, dados los puntos conocidos (x1 , y1 ) , (x2 , y2 ) , ..., (xm , ym ), donde las funciones
g1 , ..., gn : R 7 R fueron definidas previamente. Para que la funcin : R 7 R, definida por
(x) = 1 g1 (x) + ... + n gn (x)
2 1.5 0.5
0 1 1.2 2.5 2.65 2.8 3.1
3
1
1 1.5 2
4
6
7 10 12
(5.14)
cuyo diagrama de dispersin asociado est dado en la figura 5.5. Despus de elegir g1 (x) = x2
y g2 (x) = 1, tal que (x) = 1 x2 + 2 , procedemos a encontrar 1 y 2 exigiendo que:
(2)
(1.5)
(0.5)
(0)
(1)
(1.2)
(2.5)
(2.65)
(2.8)
(3.1)
y obtenemos el sistema lineal
4.0000
2.2500
0.2500
0.000
1.0000
A=
1.4400
6.2500
7.0225
7.8400
9.6100
1 (2)2 + 2
1 (1.5)2 + 2
1 (0.5)2 + 2
1 (0)2 + 2
1 (1)2 + 2
1 (1.2)2 + 2
1 (2.5)2 + 2
1 (2.65)2 + 2
1 (2.8)2 + 2
1 (3.1)2 + 2
=
=
=
=
=
=
=
=
=
=
A = b, donde:
3.0000
1
1.0000
1
1.0000
1.5000
1
2.0000
1
,
b=
4.0000
1
6.0000
1
7.0000
1
10.0000
1
12.0000
1
=
3
=
1
=
1
= 1.5
=
2
=
4
=
6
=
7
=
10
=
12
1
2
266.3943 39.6625
1
302.1375
=
39.6625
10
42.5000
2
tenemos
1
2
1.22449857738665
0.606667482559783
Por lo tanto, la curva que representa a los puntos dados en (5.14), y de la mejor manera
posible, est dada por (x) = 1.224498x2 0.606667 (vea la figura 5.8). El error estimado
viene dado por kA bk = 4.2505
73
(5.15)
Figura 5.9:
mediante una funcin : [1, 2] 7 R de la forma
(x) = 1 e 2 x ,
1 > 0
(5.16)
74
1 + 2 x
(x)
=
al nuevo conjunto de datos
xi
i = ln yi
y
1.0
1.2
1.4
1.6
1.8
2.0
ln(0.1) ln(0.5) ln(0.8) ln(2.0) ln(3.2) ln(4.5)
o sino,
xi
i
y
1.0
1.2
1.4
1.6
1.8
2.0
2.3026 0.69315 0.22314 0.69315 1.1632 1.5041
1 + 2 (1.0) = 2.3026
(1.0)
=
1 + 2 (1.2) = 0.69315
(1.2)
=
1 + 2 (1.4) = 0.22314
(1.4)
=
1 + 2 (1.6) =
(1.6)
=
0.69315
1 + 2 (1.8) =
(1.8)
=
1 + 2 (2.0) =
(2.0)
=
tendremos el sistema A = b:
1
1
1
1
1
1
1.0
1.2
1.4
1.6
1.8
2.0
1 =
2
1.1632
1.5041
2.3026
0.69315
0.22314
0.69315
1.1632
1.5041
1
0.141 56
6 9.0
t
1 t
= (A A) A b =
=
2.764 2
9.0 14.2
2
5.4447
0.141 56
3.381 0 2.142 9
=
=
3.6455
2.764 2
2.142 9 1.428 6
Es decir,
1 = 5.4447
2 = 3.6455
1 = ln 1 , entonces
Como
1 = e 1 = e5.4447 = 0.0043191
Por lo tanto, segn (5.16), la funcin que representa lo mejor posible a los puntos dados en
(5.15) es
(x) = 0.0043191e3.6455x
La figura 5.10 muestra el grfico de .
75
z
11.00
27.85
52.60
92.00
140.00
205.23
270.05
366.66
450.00
561.50
690.00
41.35
50.00
(0.0)2 (0.0)2
(0.5)2 (1.0)2
(1.0)2 (2.0)2
(1.5)2 (3.0)2
(2.0)2 (4.0)2
(2.5)2 (5.0)2
2
2
A=
(3.0)2 (6.0)2
(3.5) (7.0)
(4.0)2 (8.0)2
(4.5)2 (9.0)2
(5.0)2 (10.0)2
(2.0)2 (1.0)2
(1.0)2 (1.6)2
de la forma A = b, donde
0.0 0.0 1
0.5 1.0 1
1.0 2.0 1
1.5 3.0 1
a
2.0 4.0 1
b
2.5 5.0 1
c
3.0 6.0 1
,
d
3.5 7.0 1
e
4.0 8.0 1
4.5 9.0 1
5.0 10.0 1
2.0 1.0 1
1.0 1.6 1
76
b=
11.00
27.85
52.60
92.00
140.00
205.23
270.05
366.66
450.00
561.50
690.00
41.35
50.00
a
50.0922
b
18.4133
t 1 t
= AA
134.9078
c
=
A
b
=
d
59.0725
e
12.5625