Vous êtes sur la page 1sur 56

U.E.A.

Métodos Numéricos en
Ingeniería

César Augusto Real Ramírez.


Tema 5 interpolación.
Orden Interpolación lineal
del día Interpolación de Newton
Interpolación lineal

La interpolación consiste en hallar un dato dentro de un intervalo en el que


conocemos los valores en los extremos.

Si se supone que las variaciones son proporcionales se utiliza la interpolación lineal.


Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolación lineal consiste en hallar
una estimación del valor y , para un valor x tal que x1<x <x3.
continuación

Teniendo en cuenta que las variaciones en una relación lineal son constantes
entonces podemos determinar por ejemplo las siguientes proporciones:

y2  y1 y3  y2

x2  x1 x3  x2

De igual forma podemos determinar por ejemplo que:

y2  y1 y3  y1 x2  x1 y2  y1
 o lo que es equivalente 
x2  x1 x3  x1 x3  x1 y3  y1
continuación

Despejando y_2 obtenemos que:

( y3  y1 )( x2  x1 )
y2  y1 
( x3  x1 )
Algunas propiedades básicas de las proporciones son:

En toda Proporción se cumple que


I) El producto de Medios es igual al producto de Extremos.
Ejercicio

Si queremos aproximadamente determinar la mediana para el tamaño de las


ordenes, a través de interpolación lineal entonces podemos proceder de la siguiente
manera:

Tamaño de las órdenes durante el pasado año fiscal de la compañía Eliot


Tamaño de.. N° de Porcentaje Porcentaje
ordenes de ordenes acumulado
0,10 950 23.3 23.3
10, 25 940 23.1 46.4
25,50 110 2.7 49.1
50,100 680 16.7 65.8
100, 250 260 6.4 72.2
250,500 480 11.8 84
500,1000 650 16 100
solución

Observando la tabla de distribución de frecuencias vemos que el intervalo que


acumula el 50% de los datos es , por lo tanto en él está contenida la mediana.
Ahora suponiendo que las frecuencias están distribuidas proporcionalmente en el
intervalo:

50____________49,1
Me___________50
100__________65,8

podemos plantear por ejemplo la siguiente proporción:

Me  50 50  49,1

100  50 65,8  49,1
solución

Despejando

(100  50)(50  49,1)


Me  50   52.99
(65,8  49.1)

Nota: La interpolación se puede realizar tanto con las frecuencias acumuladas


absolutas, como con las relativas o relativas porcentuales.
Definición, interpolación lineal

• Usando triángulos semejantes, se tiene:


(2)

• Que se puede reordenar como:


(3)
Solución ejercicio de interpolación lineal

El modo más simple de estimar la temperatura a las 13 horas es tomar la media


entre las temperaturas de las 12h y las 14h, que es de 19.5°. Para otros instantes en
el mismo intervalo tomamos una media ponderada, o geométricamente hablando,
la ordenada de la recta que pasa por (12,18) y por (14,21).

La ecuación general de la recta es P1(x) = a0 + a1x. Exigiendo que pase por los puntos
(x0, y0) y (x1, y1) obtenemos un sistema de ecuaciones lineales

a0 + a1x0 = y0
a 0 + a 1 x1 = y 1

cuya solución da los coeficientes de la recta buscada.


solución

En nuestro ejemplo tenemos el sistema

a0 + 12a1 = 18
a0 + 14a1 = 21

cuya solución es a0 = 0 y a1 = 3/2.


Interpolación cuadrática

Tomando un polinomio de mayor grado, podemos imponer más condiciones para


tener en cuenta la evolución de la temperatura alrededor del intervalo [12,14].

El polinomio de grado dos

P2(x) = a0 + a1x + a2x2

que pasa por (x0, y0), (x1, y1) y (x2, y2) se determina análogamente resolviendo el
sistema.

a 0 + a 1 x0 + a 2 x0 2 = y 0
a 0 + a 1 x1 + a 2 x1 2 = y 1
a 0 + a 1 x2 + a 2 x2 2 = y 2
Solución
En nuestro ejemplo, tomando los puntos (10,12), (12,18) y (14,21) queda un sistema
cuya expresión matricial es

 1 10 100  a 0   12
    
 1 12 144  a 1    18
    
 1 14 196  a 2   21

La matriz de este sistema se denomina matriz de Van der Monde. Esta matriz es
regular si los xi son todos distintos, pero es mal condicionada para tamaños
relativamente pequeños.

Esto hace desaconsejable la obtención del polinomio de interpolación por este


método. Además, la solución de un sistema lineal de orden n tiene gasto
computacional al cubo O(n3), mientras que, como veremos enseguida, el polinomio
de interpolación puede obtenerse con O(n2) operaciones.
continuación

Polinomio de grado1 Polinomio de grado2


Polinomio de grado1
25 25
25

20 20
20

15 15

Grados
Grados Grados

10 10

5 5
55 10 15 20
5 10 15 20 5 10 15 20
Hora
Hora Hora
Interpolación cuadrática

• Se puede usar un procedimiento simple para


determinar los valores de los coeficientes. Para b0, se
usa la ecuación (4) con X = X0, y se obtiene

b0 = f(X0) (8)

• sustituyendo la ecuación (8) en la ecuación (4) y


evaluando en X = X1 se obtiene:

(9)
Interpolación cuadrática

• Y por último, las ecuaciones (8) y (9) se sustituyen en la


ecuación (4), y se evalúa ésta en X = X2 y se obtiene:

(10)
Ejercicio

• Ajústese el polinomio de segundo orden a los


tres puntos usados en el siguiente ejemplo
X0 = 1 f (X0) = 0.0000 000

X1 = 4 f (X1) = 1.3862 944

X2 = 6 f (X2) = 1.7917 595

• Úsese el polinomio para evaluar ln 2


Respuesta

• Aplicando la ecuación (8) da:

b0 = 0

• la ecuación (9) genera:

• Y la ecuación (10) da:


Solución

 Sustituyendo estos valores en la ecuación (4) se obtiene


la fórmula cuadrática:

f 2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)

 que se evalúa en X = 2 y se obtiene


f 2 ( 2 ) = 0.5658443
 Lo que representa un error porcentual del e% = 18.4%.
Por lo tanto, mejora la interpolación comparada con los
resultados obtenidos al usar una línea recta.
Ejercicio
Interpolación y polinomio de Lagrange

• El polinomio de interpolación de Lagrange,


simplemente es una reformulación del polinomio de
Newton que evita los cálculos de las diferencias
divididas. Este se puede representar concretamente
como:
(1)

(2)
Ejemplo

• Por ejemplo, la versión lineal (n = 1) es

(3)

• y la versión de segundo orden es:

(4)
Polinomio de Lagrange

• al igual que en el método de Newton, la versión de


Lagrange tiene un error aproximado dado por:

• La ecuación (1) se deriva directamente del polinomio


de Newton. Sin embargo, la razón fundamental de la
formulación de Lagrange se puede comprender
directamente notando que cada término Li(X) será 1 en
X=Xi y 0 en todos los demás puntos.
Polinomio de Lagrange

• Por lo tanto, cada producto Li(X) f(Xi) toma un


valor de f(Xi) en el punto Xi. Por consiguiente la
sumatoria de todos los productos, dada por la
ecuación (1) es el único polinomio de n-ésimo
orden que pasa exactamente por los n+1
puntos.
Ejercicio

• Úsese un polinomio de interpolación de


Lagrange de primer y segundo orden para
evaluar ln 2 en base a los datos:

i X f(X)
0 1.0 0.000000
1 4.0 1.3862944
2 6.0 1.7917595
Solución

• El polinomio de primer orden es:

• y, por lo tanto, la aproximación en X = 2 es


solución

• de manera similar, el polinomio de segundo


orden se desarrolla como:
Interpolación polinómica

El problema de la interpolación consiste en estimar el valor de una función en un


punto a partir de valores conocidos en puntos cercanos. En el caso de la
interpolación polinómica, la función incógnita se sustituye por un polinomio que
coincide con aquella en los puntos conocidos.

Pn(xi) = yi, i=0,1,2...,n.

En la interpolación lineal, la función se sustituye por la recta que pasa por dos
puntos. Tres datos se interpolan con un polinomio de segundo grado, gráficamente
una parábola que pasa por esos tres puntos.
Interpolación polinómica

Podríamos pensar que al aumentar el grado se obtiene mejor aproximación, pero


esto es falso en general. La coincidencia del polinomio con muchos puntos de
interpolación se consigue a costa de grandes oscilaciones en los intervalos entre
nodos o puntos de interpolación dados.

La aplicación clásica de la interpolación consiste en estimar los valores de una


función tabulada en puntos que no figuran en la tabla. Como ejemplo típico de
tabla citemos la campana de Gauss o distribución normal.

Actualmente la interpolación se utiliza en cálculo numérico para aproximar


funciones mediante otras más sencillas, como los polinomios. Por ejemplo para
deducir fórmulas de integración aproximada y métodos de resolución de
ecuaciones diferenciales.
Ejercicio

Midiendo la temperatura ambiente a distintas horas del día hemos obtenido la


siguiente tabla
Hora 6 8 10 12 14 16 18 20
Grados 7 9 12 18 21 19 15 10

Datos de temperatura ambiente


22

20

18

16

14
Grados
12

10

6
4 6 8 10 12 14 16 18 20 22

Hora
Solución ejercicio

Sea T=f(t) la función (desconocida) que da la temperatura ambiente en cada instante


t. Para estimar la temperatura en un instante t que no aparece en la tabla,
aproximaremos la función f mediante polinomios de interpolación.

Estos polinomios se determinan exigiendo que coincidan con f en alguno de los


valores tabulados. Si exigimos que pase por dos puntos, obtenemos una recta, o sea
un polinomio de grado 1.

Si hacemos que pase por tres puntos, queda un polinomio de grado 2, y así
sucesivamente podemos ir añadiendo puntos e incrementando el grado.
Desplazamiento

El mal condicionamiento de la anterior matriz se debe, en parte, a la inadecuada


elección de los polinomios elegidos como base para expresar P2(x).

Si, en lugar de 1, x, x2, desplazamos el origen, por ejemplo a x = x1 = 12, el mismo


polinomio es ahora una combinación lineal de potencias de x-x1:

P2(x) = b0 + b1(x-x1) + b2(x-x1)2

La condición P2(x1) = y1 proporciona directamente el valor de b0 y queda un sistema


de menor tamaño y mejor condicionado que el anterior. Esta mejora no es definitiva,
pues la matriz del nuevo sistema es parecida a la de Van der Monde y para mayor
grado reaparecerá el mal condicionamiento. En el ejemplo, el sistema queda
continuación

 -2 4  b1   -6
     
 2 4  b 2   3 

con lo que

P2(x) = 18 + 9/4(x12)  3/8(x12)2


continuación

El proceso anterior, aplicado a un conjunto de n+1 puntos de abscisas distintas, (x0,


y0), (x1, y1),..., (xn, yn), demuestra la existencia y unicidad del polinomio de
interpolación de grado  n, Pn(x), que cumple las condiciones Pn(xi) = yi, i=0,1,2...,n.
Expresando el polinomio buscado en forma normal

Pn(x) = a0 + a1x + a2x2 + ··· + anxn

e imponiendo las condiciones de interpolación se obtiene el sistema


1 x 0 x 20  x 0n-1   a 0   y 0 
    
1 x 1 x1  x1   a 1   y 1 
2 n-1

    
1 x 2 x 22  x 2n-1   a 2    y 2 
    
          
 a   y 
1 n 
x n x 2n  x n-1  n  n
continuación
Se demuestra que la matriz del sistema tiene determinante

V(x0 , x1 , x2 ,, xn )   ( x j xi )


0  i  j n

que sólo se anula si coinciden las abscisas de alguno de los nodos. Por tanto, si todos
los xi son distintos, el sistema es compatible determinado, o sea, tiene solución única.
En consecuencia, tenemos el resultado siguiente:

Dados n+1 puntos de abscisas distintas (x0, y0), (x1, y1),..., (xn, yn), existe un único
polinomio de grado menor o igual que n, cumpliendo las condiciones de
interpolación
Pn(xi) = yi, i=0,1,2...,n.
continuación

Este resultado tiene gran importancia teórica al resolver de forma única el problema
de interpolación polinómica. Sin embargo, el método empleado en su deducción no
resulta aplicable en la práctica, pues ya hemos visto que el sistema construido es
mal condicionado.
Forma de Lagrange del polinomio de interpolación

La obtención del polinomio de interpolación en forma normal requiere la resolución


de un sistema de ecuaciones lineales, cuyo costo aritmético es del orden de n3,
siendo n el número de nodos. Para reducir el costo podemos tomar una base del
espacio de polinomios más adecuada, en la que sea más cómodo imponer las
condiciones de interpolación.

Esta base, formada por polinomios Lin(x), i=0,...,n, dependientes de las abscisas x0, x1,
..., xn, de los nodos considerados, nos proporcionará el polinomio de interpolación sin
hacer ni un solo cálculo
Existencia del polinomio de interpolación.
Sea Lin(x) un polinomio de grado n, que se anule en todos los puntos xj, j = 0, 1, ..., n,
salvo en el i-ésimo, donde vale 1; es decir, tal que

Li(xj) = 0 si ji y Li(xi) = 1

La existencia de este polinomio se deriva del resultado anterior, pero puede


obtenerse directamente, sin necesidad de resolver un sistema, gracias a la siguiente
fórmula debida a Lagrange

( x  x 0 )( x  x i 1 )( x  x i 1 )( x  x n )
Lin ( x) 
( x i  x 0 )( x i  x i 1 )( x i  x i 1 )( x i  x n )
continuación
Es inmediato comprobar entonces que el polinomio

Pn(x) = y0 L0(x) + y1 L1(x) + y2 L2(x) + ··· + yn Ln(x)

cumple las condiciones

Pn(xi) = yi, i=0,1,2...,n.

lo que prueba directamente la existencia del polinomio de interpolación. La unicidad


se puede garantizar utilizando el hecho de que un polinomio de grado n puede tener a
lo sumo n raíces.

Si dos polinomios de grado  n interpolan n+1 puntos, su diferencia se anula en dichos


puntos, por lo que sólo puede ser el polinomio idénticamente nulo.
Forma de Lagrange del polinomio de interpolación

Combinando las dos últimas fórmulas, obtenemos una expresión explícita del
polinomio de interpolación. El polinomio P2(x) del ejemplo tiene, según Lagrange, la
siguiente expresión:

(x  12)(x  14) (x  10)(x  14) (x  10)(x  12)


P (x)  12  18  21
2 (10  12)(10  14) (12  10)(12  14) (14  10)(14  12)
Las operaciones que nos hemos ahorrado en su determinación, hemos de pagarlas
al evaluar el polinomio en un punto concreto (del orden de n2 operaciones por cada
evaluación). Además, los productos a efectuar pueden causar overflow y la fórmula
no es estable numéricamente.

Cambiaremos los polinomios de Lagrange Lin(x) por otra base que nos proporcione
mejores propiedades numéricas, a costa de perder la expresión explícita cómoda del
polinomio de interpolación.
Tabla de diferencias divididas
La resolución del sistema triangular anterior por eliminación de Gauss puede
presentar problemas de desbordamiento numérico, como en la evaluación de los
polinomios de Lagrange. Reinterpretaremos el sistema para evitar este problema,
obteniendo un algoritmo numéricamente estable con un coste similar (del orden
de n2).

Denotemos por f[x0, x1, ..., xk] el coeficiente de xk en el polinomio de


interpolación de grado k. Por la forma de los polinomios de Newton, tenemos
que

f[x0, x1, ..., xk] = ck


continuación
De la primera ecuación del sistema se obtiene

c0 = f[x0] = y0

y de la segunda

y1  c 0 f  x1   f  x 0 
c1 = f  x 0 , x1   
x1  x 0 x1  x 0

Esta expresión se denomina cociente de diferencias o diferencias divididas de


primer orden y proporciona el valor de c1 en función de los puntos de interpolación.
continuación
Los restantes coeficientes del polinomio de interpolación se obtienen
análogamente a partir de diferencias divididas de mayor orden.

Así, por ejemplo, c2 viene dado por el cociente en diferencias de orden 2

f  x1 , x 2   f  x 0 , x1 
f  x 0 , x1 , x 2  
x2  x0
Ejercicio 3
solución
Ejemplo
Tabla de diferencias
Polinomios
Ejercicio
solución
Ejercicio
Ejercicio
Solución
Solución con Lagrange
Método de Lagrange
Método de Lagrange

Vous aimerez peut-être aussi