Interpolacion Web

Introduccin
Interpolacin
Aproximacin de funciones
Ajuste de datos
Evaluacin de polinomios. Regla de Horner
Grado en Fsicas
Mtodos Numricos
Tema 2. Interpolacin y aproximacin

de funciones
Alejandro Medina
Octubre 2014
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Esquema
Introduccin
Interpolacin
Ajuste de datos
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Esquema
Introduccin
Interpolacin
Ajuste de datos
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin polinmica
Interpolacin local
Esquema
1
Introduccin
Interpolacin
Interpolacin local
Ajuste de datos

Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin
Interpolacin polinmica. Polinomios de Lagrange
Pn (x ) = f0 `0 (x ) + f1 `1 (x ) + + fn `n (x ) =
n
X
fi ì (x )
i=0
donde los polinomios ì (x ) deben verificar que: ì (xj ) = ij

ì (x ) =
=
(x x0 )(x x1 ) . . . (x xi1 )(x xi+1 ) . . . (x xn )

(xi x0 )(xi x1 ) . . . (xi xi1 )(xi xi+1 ) . . . (xi xn )
n
Y
x xj
x
j=0 i
j6=i
xj
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Ejemplo de los polinomios de Lagrange

Calclese el valor aproximado de f(0,14) dados los valores de f (x )
contenidos en la tabla adjunta:
i
xi
f (xi )
0
0
1,00000
1
0,1
1,10517
2
0,3
1,34986
3
0,6
1,82212
La funcin f (x ) es realmente e x , lo que nos permitir estimar la bondad

de la aproximacin.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Ejemplo de los polinomios de Lagrange

Primero se evala cada uno de los polinomios, ì (x ), en el punto x = 0, 14:
(x x1 )(x x2 )(x x3 )
(x0 x1 )(x0 x2 )(x0 x3 )
(x x0 )(x x2 )(x x3 )
`1 (x ) =
(x1 x0 )(x1 x2 )(x1 x3 )
`0 (0,14) = 0, 16356
`1 (0,14) = 1, 03040
...
`2 (0,14) = 0, 14311
...
`3 (0,14) = 0, 00996.
`0 (x ) =
Entonces,
f (0,14) ' f0 `0 (0,14) + f1 `1 (0,14) + f2 `2 (0,14) + f3 `3 (0,14) =
= (1,0000)(0,16356) + (1,10517)(1,03040) + (1,34986)(0,14311)+
+ (1,82212)(0,00996) =
= 1,150251.
Valor correcto para f (0,14) con 6 cifras, e 0,14 = 1,150274.
La diferencia en el valor aproximado aparece en la quinta cifra significativa.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin polinmica. Polinomios de Newton

n+1 puntos
}|
Pn (x ) = Pn1 (x ) + f [xn , xn1 , . . . x0 ](x x0 )(x x1 ) . . . (x xn1 ),

donde:
Pn1 (x ) es el polinomio que utiliza {x0 , x1 , . . . xn1 }
n
n
z }| {
z }| {
f [xn , . . . x1 ] f [xn1 , . . . x0 ]
f [xn , xn1 , . . . x0 ]
xn x0
P0 (x ) f0 ;
f [xi ] fi
Los nmeros f [xn , xn1 , . . . x0 ] se denominan diferencias divididas.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Ejemplo. Polinomios de Newton

Consideremos un conjunto de 4 puntos y sus correspondientes imgenes:
{x0 , x1 , x2 , x3 }
{f0 , f1 , f2 , f3 }
1. Tomamos primero slo x0 .

P0 (x ) = f0
2. Consideramos ahora x0 y x1 .
P1 (x ) = P0 (x ) + f [x1 , x0 ](x x0 )
con
f [x1 , x0 ] =
f [x1 ] f1 ;
Alejandro Medina
f [x1 ] f [x0 ]
f10
x1 x0
f [x0 ] f0
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local

f0
x0
f1
x1
f10
P1 (x ) = f0 +
f1 f0
(x x0 ) = = f0 `0 (x ) + f1 `1 (x )
x1 x0
3. Con tres puntos {x0 , x1 , x2 }: P2 (x ) = P1 (x ) + f [x2 , x1 , x0 ](x x0 )(x x1 )

f0
x0
f1
x1
f2
x2
f10
f210
f21
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local

4. Y para el caso de 4 puntos el esquema a seguir sera:
f0
x0
f1
x1
f2
x2
f3
x3
f10
f210
f3210
f21
f321
f32
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Polinomios de Newton. Ejemplo numrico

Estimacin de log 2 mediante una interpolacin con el mtodo de Newton.
aproximacin lineal
1.5
log
1.0
1.0
P1(x)
0.5
0.0
P2(x)
0.5
aproximacin cbica
1.5
0.0
aproximacin P4(x)
1.5
1.0
1.0
0.5
0.0
aproximacin parablica
1.5
0.5
P3(x)
1
0.0
P4(x)
1
Error relativo respecto al valor exacto utilizando P4 (x ): 4 = 2,6 %

Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Ejemplo. Limitaciones de la interpolacin polinmica

Se desea interpolar la funcin:
5(0,2 |x |)
0
f (x ) =
1 x 0,2
0,2 x 0,2
0,2 x 1
Aproximaciones obtenidas con polinomios de grados 2, 4, y 6.

1
1
0.8
0.5
P2 (x)
0.6
f (x)
0.4
0.2
f(x)
-1
-0.5
0.5
f (x)
-0.5
P6 (x)
0.5
P4 (x)
-0.5
-1
-0.5
Alejandro Medina
0.5
-1
-0.5
0.5
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin local
Interpolacin lineal entre dos puntos conocidos
f(x)
fi+1
f(x)
fi
xi
_
x=x
x i+1
Es fcil encontrar la ecuacin de una recta que pasa por esos dos puntos:
x xi
f (x ) fi
=
xi+1 xi
fi+1 fi
Alejandro Medina
f (x ) ' fi
x xi+1
x xi
+ fi+1
xi xi+1
xi+1 xi
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin local
Interpolacin lineal por segmentos
x0
x1
x2
Alejandro Medina
x3
x4
x5
x6
x7 ...
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin cbica por segmentos

Por cada pareja (xi , xi+1 ) pasa un polinomio, Si (x ), de grado 3. Esquemticamente:
x0 x1 x2 ... xi-1 x i x i+1 ... x n-1 x n
f0
f1
S0
f2 ... fi-1 f i fi+1 ... fn-1 f n

S j-1 S j
S n-1
S1
i: 0,1 ... n
j: 0,1 ... n-1
Hay n polinomios de grado 3, luego 4n coeficientes desconocidos = 4n incgnitas.

(1)(i = 0, 1, . . . n 1)
(2)(i = 1, 2 . . . n 1)
Si (xi ) = fi
Si (xi+1 ) = fi+1
Si (xi )
S 0 (xi )
Si00 (x )
i
i
n ecuaciones
n ecuaciones
= Si1 (xi ) contenida en (1)

0 (x ) n 1 ecuaciones
= Si1
i
00 (x ) n 1 ecuaciones
= Si1
i
(faltan los extremos)

Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Interpolacin cbica por segmentos

(3) Para los extremos hay dos posibles condiciones de contorno:
a) naturales (extremo libre):
00 (x ) = 0 2 ecuaciones
S000 (x0 ) = Sn1
n
Es decir, que en los extremos haya dos puntos de inflexin.

b) otras condiciones:
S00 (x0 ) = f00 ;
0
Sn1
(xn ) = fn0 ,
que deben ser datos 2 ecuaciones
Nmero total de ecuaciones:

n + n + (n 1) + (n 1) + 2 = 4n ecuaciones.
Nmero total de incgnitas: 4n incgnitas.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Resumen splines (i)

x0 x1 x2 ... xi-1 x i x i+1 ... x n-1 x n
f0
S0
f1
f2 ... fi-1 f i fi+1 ... fn-1 f n

S j-1 S j
S n-1
S1
Si (x ) = ai (x xi )3 + bi (x xi )2 + ci (x xi ) + di
i: 0,1 ... n
j: 0,1 ... n-1
(i = 0, 1 . . . n 1)
hi xi+1 xi
(1)
d i = fi
(2)
ai1 =
Alejandro Medina
bi bi1
3(xi xi1 )
(8)
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Resumen splines (ii)

ci =
di+1 di
(bi+1 + 2bi )
(xi+1 xi )
xi+1 xi
3
bi1 hi1 + 2 bi (hi + hi1 ) + bi+1 hi =
(7)
3
3
(di+1 di )
(di di1 )
hi
hi1
Condiciones naturales de contorno:

b0 = 0;
Alejandro Medina
bn = 0
(6)
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Resumen splines (iii)

Cambio de variables:
ui bi (incgnitas)
r 3 (d d )
i
i+1
hi
Ai hi1
Bi 2(hi + hi1 )
Ci hi
hi1
(di di1 )
(3)
[Para todas estas variables, i = 1, 2 . . . n 1, excepto para Ai : (i = 2, 3 . . . n 1) y para Ci :

(i = 1, 2 . . . n 2)].
Sistema de ecuaciones tridiagonal:
B1
A2
C1
B2
A3
C2
B3
C3
..
..
.
An2
..
.
Bn2
An1
Alejandro Medina
Cn2
Bn1
u1
u2
u3
.
.
.
un2
un1
r1
r2
r3
.
.
.
rn2
rn1
Introduccin
Interpolacin
Ajuste de datos
Interpolacin local
Resumen splines (y iv)

Sustitucin/eliminacin gaussiana:
(i = 2, 3 . . . n 1)
B1
r1
B1
r1
Bi Bi Ci1 Ai
ri
Bi1
ri1 Ai
ri
Bi1
(4)
= Solucin del sistema:
r
un1 = n1
ui
Bn1
ri Ci ui+1
=
Bi
Alejandro Medina
(5)
(i = n 2, n 3 . . . 1)
Introduccin
Interpolacin
Ajuste de datos
Aproximacin de Chebyshev
Esquema
Introduccin
Interpolacin
Ajuste de datos
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Aproximacin de Chebyshev. Polinomios de Chebyshev
T0 (x ) = 1
T0 (x)
Tn (x)
T1 (x ) = x
T2 (x ) = 2x 2 1
T2 (x)
T3 (x ) = 4x 3 3x
4
T1 (x)
0.5
T4 (x ) = 8x 8x + 1
T3 (x)
-0.5
.........
Tn+1 (x ) = 2xTn (x ) Tn1 (x )
(n 1)
Alejandro Medina
-1
-1
-0.5
-0.5
Introduccin
Interpolacin
Ajuste de datos
Implementacin de la aproximacin de Chebyshev (i)

paso 1.- Si se quiere evaluar una funcin, F (z), en un intervalo [a, b] 6= [1, 1] se
efecta un cambio de variable:
z [a, b]
se define
x=
z (b + a)/2
(b a)/2
x [1, 1]
y despejando z en funcin de x se tiene:

z(x ) =
1
1
(b a)x + (b + a)
2
2
Llamando f (x ) = F (z(x )), ya se le puede aplicar directamente la aproximacin de

Chebyshev.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Implementacin de la aproximacin de Chebyshev (ii)

paso 2.- Se calculan los n coeficientes (n < 30, 40) para la aproximacin de grado n.
Para ello se utiliza:
(k 1/2)
n

Tj1 (xk ) = cos

(j 1)(k 1/2)
n
xk = cos
cj =
2
n
n
X
f (xk )Tj1 (xk )
k=1
Alejandro Medina
con
f (xk ) = F (z(xk ))
Introduccin
Interpolacin
Ajuste de datos
Implementacin de la aproximacin de Chebyshev (y iii)

paso 3.- Conocidos los cj , se evala F (
z ) = f (
x ) a orden m < n haciendo la suma:
F (
z ) = f (
x) '
m
X
ck Tk1 (
x)
1
c1
2
donde
x = x (
z)
k=1
Para calcular Tk1 (

x ), se utiliza la relacin de recurrencia:
Tn+1 (x ) = 2xTn (x ) Tn1 (x )
(n 1)
siendo,
T0 (x ) = 1
Alejandro Medina
T1 (x ) = x .
Introduccin
Interpolacin
Ajuste de datos
Esquema
Introduccin
Interpolacin
Ajuste de datos
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Esquema
Introduccin
Interpolacin
Ajuste de datos
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos

Considerado el polinomio:
P(x ) = c0 + c1 x + c2 x 2 + + cn x n
si lo intentamos calcular en la forma,
P(x ) = c0 + c1 x + c2 x x + cn x x
{z
n veces
hay que realizar n + (n 1) + (n 2) + n (n 2) + 1 = (n/2)(n + 1)

multiplicaciones.
Sin embargo, si lo evaluamos as (sacando factor comn a las x ):
P(x ) = c0 + x (c1 + x (c2 + . . . x (cn1 + x cn )))
slo hay que realizar n multiplicaciones.
Este tipo de procedimiento se denomina: multiplicacin anidada.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
En FORTRAN se programara as:

P=C(N)
DO I=N-1,0,-1
P=P*X+C(I)
END DO
Y para calcular el valor del polinomio y su derivada simultneamente:
P=C(N)
DP=0.D0
DO I=N-1,0,-1
DP=DP*X+P
P=P*X+C(I)
END DO
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Ejercicios tericos
1.- La ecuacin:
x 9x = 0
tiene una solucin en el intervalo [0, 1]. Utilizando el polinomio interpolador de
Lagrange sobre los puntos x0 = 0, x1 = 0,5, x2 = 1, encuntrese una solucin
aproximada en dicho intervalo.
2.- Una funcin f (x ) toma valores segn la siguiente tabla:
i
xi
f (xi )
0
2
0
1
0
1
2
1
1
La ecuacin f (x ) = 0 tiene una solucin en el intervalo [0, 1]. Encuntrese una

solucin aproximada de la anterior ecuacin haciendo uso del polinomio interpolador
de Lagrange obtenido a partir de los puntos de la tabla.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Ejercicios tericos
3.- La tabla adjunta representa la fuerza, f (x ), que experimentan dos tomos de Ar en
funcin de la distancia, x , entre sus ncleos. Obtngase aproximadamente f (1,5)
haciendo uso de la construccin recursiva de los polinomios de Newton, P0 (x ), P1 (x ),
P2 (x ) y P3 (x ), eligiendo adecuadamente los puntos a considerar.
Estmese la precisin obtenida en cada caso sabiendo que el valor exacto de la funcin
es f (1,5) = 0,5118277.
x
1,0
1,3
1,6
1,9
f (x )
0,7651977
0,6200860
0,4554022
0,2818186
4.- Determnense los valores de a, b, c que hacen que la siguiente funcin sea un
spline cbico con nodos en los puntos x0 = 0, x1 = 1, x2 = 3:

S(x ) =
x 3 si x [0, 1]
12 (x 1)3 + a(x 1)2 + b(x 1) + c
si
x [1, 3]
Tiene el spline obtenido condiciones de contorno naturales en los puntos x0 = 0 y

x2 = 3?
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Ejercicios tericos
5.- Una funcin f (x ) toma valores segn la siguiente tabla:
i
xi
f (xi )
0
1
13
1
0
7
2
1
9
Haciendo uso de los puntos de la tabla, encuntrese el spline cbico S(x ) que
aproxima a la funcin f (x ) en el intervalo [1, 1]. Considrense condiciones de
contorno naturales.
6.- Estmese el valor de log 10 con cada uno de los procedimientos que se detallan a
continuacin. En cada caso calclese el error relativo comparando con el valor exacto.
Utilcense 7 cifras significativas en todos los clculos.
a) Interpolacin lineal de Newton a partir de log 8 y log 12.
b) Interpolacin lineal de Newton a partir de log 9 y log 11.
c) Interpolacin de Newton a partir de log 8, log 9 y log 11.
c) Interpolacin de Newton a partir de log 8, log 9, log 11 y log 12.
Alejandro Medina
Introduccin
Interpolacin
Ajuste de datos
Ejercicios tericos
7.- La tabla adjunta representa un conjunto de datos medidos en el laboratorio para la

evolucin de la entropa especfica del agua sobrecalentada a 200 MPa en funcin del
volumen especfico. Haciendo uso de los polinomios de Lagrange, obtngase la
entropa cuando el volumen especfico vale v = 0,108 m3 /kg.
v (m3 /kg)
s [kJ/(kg K)]
0,10377
6,4147
Alejandro Medina
0,11144
6,5453
0,12540
6,7664

Interpolacion Web

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Interpolacion Web

Transféré par

Droits d'auteur :

Formats disponibles

Introduccin

Tema 2. Interpolacin y aproximacin

Evaluacin de polinomios. Regla de Horner

Evaluacin de polinomios. Regla de Horner

Evaluacin de polinomios. Regla de Horner

donde los polinomios `i (x ) deben verificar que: `i (xj ) = ij

(x x0 )(x x1 ) . . . (x xi1 )(x xi+1 ) . . . (x xn )

Ejemplo de los polinomios de Lagrange

La funcin f (x ) es realmente e x , lo que nos permitir estimar la bondad

Ejemplo de los polinomios de Lagrange

Interpolacin polinmica. Polinomios de Newton

Pn (x ) = Pn1 (x ) + f [xn , xn1 , . . . x0 ](x x0 )(x x1 ) . . . (x xn1 ),

Pn1 (x ) es el polinomio que utiliza {x0 , x1 , . . . xn1 }

Los nmeros f [xn , xn1 , . . . x0 ] se denominan diferencias divididas.

Ejemplo. Polinomios de Newton

1. Tomamos primero slo x0 .

Ejemplo. Polinomios de Newton

3. Con tres puntos {x0 , x1 , x2 }: P2 (x ) = P1 (x ) + f [x2 , x1 , x0 ](x x0 )(x x1 )

Ejemplo. Polinomios de Newton

Polinomios de Newton. Ejemplo numrico

Error relativo respecto al valor exacto utilizando P4 (x ): 4 = 2,6 %

Ejemplo. Limitaciones de la interpolacin polinmica

Aproximaciones obtenidas con polinomios de grados 2, 4, y 6.

Interpolacin lineal por segmentos

Interpolacin cbica por segmentos

x0 x1 x2 ... xi-1 x i x i+1 ... x n-1 x n

f2 ... fi-1 f i fi+1 ... fn-1 f n

Hay n polinomios de grado 3, luego 4n coeficientes desconocidos = 4n incgnitas.

= Si1 (xi ) contenida en (1)

(faltan los extremos)

Interpolacin cbica por segmentos

Es decir, que en los extremos haya dos puntos de inflexin.

S00 (x0 ) = f00 ;

que deben ser datos 2 ecuaciones

Nmero total de ecuaciones:

Resumen splines (i)

f2 ... fi-1 f i fi+1 ... fn-1 f n

Resumen splines (ii)

bi1 hi1 + 2 bi (hi + hi1 ) + bi+1 hi =

Condiciones naturales de contorno:

Resumen splines (iii)

[Para todas estas variables, i = 1, 2 . . . n 1, excepto para Ai : (i = 2, 3 . . . n 1) y para Ci :

Resumen splines (y iv)

= Solucin del sistema:

Evaluacin de polinomios. Regla de Horner

Aproximacin de Chebyshev. Polinomios de Chebyshev

Implementacin de la aproximacin de Chebyshev (i)

y despejando z en funcin de x se tiene:

Llamando f (x ) = F (z(x )), ya se le puede aplicar directamente la aproximacin de

Implementacin de la aproximacin de Chebyshev (ii)

Tj1 (xk ) = cos

f (xk )Tj1 (xk )

Implementacin de la aproximacin de Chebyshev (y iii)

Para calcular Tk1 (

Evaluacin de polinomios. Regla de Horner

Evaluacin de polinomios. Regla de Horner

Evaluacin de polinomios. Regla de Horner

hay que realizar n + (n 1) + (n 2) + n (n 2) + 1 = (n/2)(n + 1)

En FORTRAN se programara as:

La ecuacin f (x ) = 0 tiene una solucin en el intervalo [0, 1]. Encuntrese una

Tiene el spline obtenido condiciones de contorno naturales en los puntos x0 = 0 y

7.- La tabla adjunta representa un conjunto de datos medidos en el laboratorio para la

Vous aimerez peut-être aussi