Interpolacion y Ajustedecurvas 2009

uba facultad de ingeniera
ANLISIS NUMRICO I AN
AN
LISIS NUM
LISIS NUM
RICO I
RICO I
INTERPOLACIN
[1]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
INTERPOLACIN uba facultad de ingeniera
INTERPOLACIN INTERPOLACIN
Si tenemos la siguiente serie de datos:
0,3090 1,257
0,8090 0,628
0,9135 0,419
0,9511 0,314
Y X
[2]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Podemos graficamos los puntos:
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400
[3]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Con estos datos queremos obtener f(x) para
x=0,500. Cmo hacemos?
Una primera aproximacin puede ser
interpolar linealmente, es decir, construir un
segmento de recta entre los dos puntos
adyacentes al buscado.
Con esto obtenemos:
419 , 0 628 , 0
419 , 0
8090 , 0
628 , 0 419 , 0
628 , 0
9135 , 0 ) f(
=
x x
x
8731 , 0 ) 500 , 0 f( =
[4]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si este resultado no nos conforma,
busquemos la forma de mejorarlo.
Para ello usemos un polinomio. La idea es
armar un sistema de ecuaciones lineales cuya
forma sea:
n
n
n n n n
n
n
n
n
y x a x a x a a
y x a x a x a a
y x a x a x a a
= + + + +
= + + + +
= + + + +
K
M
K
K
2
2 1 0
1 1
2
1 2 1 1 0
0 0
2
0 2 0 1 0
[5]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Este sistema de ecuaciones se puede
expresar en trminos matriciales:
La matriz A se denomina matriz de
Vandermonde. Es trata de una matriz mal
condicionada.
{ {
B X
A
(
(
(
(
=
(
(
(
(
(
(
(
(
(
n n
n
n n n
n
n
y
y
y
a
a
a
x x x
x x x
x x x
M M
4 4 4 3 4 4 4 2 1
K
M O M M M
K
K
1
0
1
0
2
1
2
1 1
0
2
0 0
1
1
1
[6]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En lugar de resolver un SEL, existe una forma
simplificada para obtener el polinomio, el
mtodo de Lagrange, cuya expresin o
frmula es:
( )
( )
para ) ( L
0
0
,
j i
x x
x x
x
n
i
i j
n
i
i
j n

=
=
) ( P ) ( P
) ( L ) ( P
0
,
, ,
=
=
=
n
i
i n n
j n j j n
x x
x Y x
[7]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
MTODO DE LAGRANGE MTODO DE LAGRANGE
Con este mtodo se pueden armar polinomios
de diferentes grados:
P
0
(x); P
1
(x); P
2
(x); ...; P
n
(x)
Cada polinomio P
n
(x) est formado por n+1
polinomios P
n,j
(x). As tendremos:
=
=
=
= =
= =
= =
n
j
j n n j n j j n
j
j j j j
j
j j j j
x x x Y x
x x x Y x
x x x Y x
0
, , ,
2
0
, 2 2 , 2 , 2
1
0
, 1 1 , 1 , 1
) ( P ) ( P ) ( L ) ( P
) ( P ) ( P ) ( L ) ( P
) ( P ) ( P ) ( L ) ( P
M
[8]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si aplicamos estas expresiones para los
datos originales tendremos los polinomios de
Lagrange siguientes:
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( ) 628 , 0 257 , 1 419 , 0 257 , 1 314 , 0 257 , 1
628 , 0 419 , 0 314 , 0
) ( L
257 , 1 628 , 0 419 , 0 628 , 0 314 , 0 628 , 0
257 , 1 419 , 0 314 , 0
) ( L
257 , 1 419 , 0 628 , 0 419 , 0 314 , 0 419 , 0
257 , 1 628 , 0 314 , 0
) ( L

257 , 1 314 , 0 628 , 0 314 , 0 419 , 0 314 , 0
257 , 1 628 , 0 419 , 0
) ( L
3 , 3
2 , 3
1 , 3
0 , 3

=

=

=

=
x x x
x
x x x
x
x x x
x
x x x
x
[9]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Con los y
j
obtenemos los polinomios P
n,j
(x):
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
( )( )( )
=
=

= =

= =

= =

= =
n
j
j
x x
x x x
x y x
x x x
x y x
x x x
x y x
x x x
x y x
0
, 3 3
3 , 3 3 3 , 3
2 , 3 2 2 , 3
1 , 3 1 1 , 3
0 , 3 0 0 , 3
) ( P ) ( P
628 , 0 257 , 1 419 , 0 257 , 1 314 , 0 257 , 1
628 , 0 419 , 0 314 , 0 3090 , 0
) ( L ) ( P
257 , 1 628 , 0 419 , 0 628 , 0 314 , 0 628 , 0
257 , 1 419 , 0 314 , 0 8090 , 0
) ( L ) ( P
257 , 1 419 , 0 628 , 0 419 , 0 314 , 0 419 , 0
257 , 1 628 , 0 314 , 0 9135 , 0
) ( L ) ( P

257 , 1 314 , 0 628 , 0 314 , 0 419 , 0 314 , 0
257 , 1 628 , 0 419 , 0 9511 , 0
) ( L ) ( P
[10]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La aproximacin que hicimos al empezar es
una interpolacin por el mtodo de Lagrange
tomando slo dos puntos de los cuatro:
419 , 0 628 , 0
419 , 0
8090 , 0
628 , 0 419 , 0
628 , 0
9135 , 0 ) ( P
1
=
x x
x
8731 , 0 ) 500 , 0 ( P
1
=
4 43 4 42 1
4 43 4 42 1
) ( L
1 ; 1 1 1 ; 1
) ( L
0 ; 1 0 0 ; 1
1 ; 1
0 ; 1
419 , 0 628 , 0
419 , 0
8090 , 0 ) ( L ) ( P
628 , 0 419 , 0
628 , 0
9135 , 0 ) ( L ) ( P
x
x
x
x y x
x
x y x
= =
= =
[11]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Este mtodo tiene ventajas y desventajas.
VENTAJAS
Es sencillo de entender.
No incide la distribucin de los puntos.
Las operaciones para armar el polinomio no
dependen de f(x
i
) (y
i
).
DESVENTAJAS
Requiere O(n) operaciones para obtener los
polinomios.
Se debe recalcular todo si se agregan datos.
Es un problema mal condicionado (inestable).
[12]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En consecuencia, numricamente se prefiere
armar un polinomio interpolante mediante el
mtodo de Newton, cuya expresin general
es:
( ) F ) P(
0
1
0
,
=
=
=
n
i
i
j
j i i
x x x

F F
F con
1 , 1 1 ,
,
j i i
j i j i
j i
x x
=
[13]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La expresin o frmula matemtica para
obtener el coeficiente F
i,j
es:

) , , , f( ) , , , f(
) , , , f(
i
1 1 2 1
1
j i
i j i j i i j i j i
i j i j i
x x
x x x x x x
x x x
+ + +
+
=
K K
K
y j, i con ) x , , x , f( F
i 1 j - i ,
=
+
K
j i j i
x
[14]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
De esta manera lo que se genera es una tabla
que tiene la forma:
... ... ...
...
...
F(x
3
) x
3
3
F(x
2
)
F(x
1
)
F(x
0
)
F(x
i
) ...
x
2
2
x
0
0
x
1
F(x
i-2
,x
i-1
;x
i
) X
i
1
F(x
i-1
,x
i
) I
( )
( ) ( )
0 1
0 1
1 0
F F
; F
x x
x x
x x
=
( )
( ) ( )
1 2
1 2
2 1
F F
; F
x x
x x
x x
=
( )
( ) ( )
2 3
2 3
3 2
F F
; F
x x
x x
x x
=
( )
( ) ( )
0 2
1 0 2 1
2 1 0
; F ; F
; ; F
x x
x x x x
x x x
=
( )
( ) ( )
1 3
2 1 3 2
3 2 1
; F ; F
; ; F
x x
x x x x
x x x
=
[15]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Tambin se pueden ordenar los puntos en
forma decreciente:
... ... ...
...
...
F(x
n-3
) x
n-3
n-3
F(x
n-2
)
F(x
n-1
)
F(x
n
)
F(x
i
)
x
n-2
n-2
x
n
n
x
n-1
F(x
i-2
,x
i-1
;x
i
) x
i
n-1
F(x
i-1
,x
i
) i
( )
( ) ( )
1
1
1
F F
; F
=
n n
n n
x n
x x
x x
x x
( )
( ) ( )
2
1 2 1
1 2
; F ; F
; ; F
=
n n
n n n n
n n n
x x
x x x x
x x x ( )
( ) ( )
2 1
2 1
1 2
F F
; F

=
n n
n n
n n
x n
x x
x x
( )
( ) ( )
3 2
3 2
2 3
F F
; F

=
n n
n n
n n
x x
x x
x x ( )
( ) ( )
3 1
2 3 1 2
1 2 3
; F ; F
; ; F

=
n n
n n n n
n n n
x x
x x x x
x x x
[16]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En este caso la expresin general es:
( ) F ) ( P
0
1
0
,
=
=

=
n
i
i
j
j n i i n n
x x x

F F
F con
1 , 1 1 ,
,
j i n i n
j i n j i n
j i n
x x

=
[17]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si aplicamos el primer caso al ejemplo inicial
obtenemos:
0,3090 1,257 3
0,8090
0,9135
0,9511
F(x
i
) ...
0,628 2
0,314 0
0,419
F(x
i-2
,x
i-1
;x
i
) x
i
1
F(x
i-1
,x
i
) i
( )
314 , 0 419 , 0
9511 , 0 9135 , 0
; F
1 0
= x x
( )
( ) ( )
314 , 0 628 , 0
358 , 0 500 , 0
; ; F
2 1 0

= x x x
( )
419 , 0 628 , 0
9135 , 0 8090 , 0
; F
2 1
= x x
( )
628 , 0 257 , 1
8090 , 0 3090 , 0
; F
3 2
= x x
( )
( ) ( )
419 , 0 257 , 1
500 , 0 745 , 0
; ; F
3 2 1

= x x x
[18]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si la diferencia entre X
i
sucesivos es constante, se
puede escribir:
entonces
=
|
|
\
|
= + =
n
j
j
j
n n
x x x f h j
j
s
sh x x
0
1 0 0
) , , , ( ! ) ( P ) ( P K
( )
0
1
h s-i x x
sh x x
h x x
i
i i
=
)
`
+ =
=
+
DIFERENCIAS DIVIDIDAS
PROGRESIVAS DE NEWTON
( ) ( )
! j
j s s s
j
s
1 1
y
+
=
|
|
\
| L
[19]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Otra forma es reordenando los valores de X
de n a 0, entonces:
( ) ( )
( ) ( ) ( ) ( )
0 1 2 1
2
1
, , , f 1 1 , , f ) 1 (
, f f ) ( P ) ( P
x x x h n s s s x x x h s s
x x h s x sh x x
n n
n
n n n
n n n n n n
K L

+ + + + +
+ + = + =
( )

h s x x
h i n x x
n
n i
+ =
=
DIFERENCIAS DIVIDIDAS
REGRESIVAS DE NEWTON
[20]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
VENTAJAS
Requiere solamente O(n) operaciones para
obtener los polinomios.
Es numricamente estable.
No requiere recalcular todo si se agregan datos.
DESVENTAJAS
Depende de f(x
i
).
Depende del ordenamiento de los datos.
Con valores de n muy grandes tambin es
numricamente inestable.
[21]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Supongamos que definimos el polinomio L
n
(x)
con la siguiente expresin:
Definamos, a continuacin, un coeficiente
que llamaremos peso baricntrico, y que est
dado por:
( ) ) ( L
0
=
=
n
i
i n
x x x
( )
para
1
0
j i
x x
w
n
i
i j
j

=
[22]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para armar el polinomio L
n,j
(x) segn el
mtodo de Lagrange tradicional, deberamos
hacer:
Y en consecuencia el polinomio completo
tiene la forma:
( )
j
j
n j n
x x
w
x x
= L ) ( L
,
( ) L ) ( P
) ( L ) ( P
0
, ,
=

=
=
n
j
j
j
j
n n
j n j j n
y
x x
w
x x
x y x
MTODO DE
LAGRANGE
MODIFICADO
[23]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La expresin anterior todava no es la
definitiva. Se puede mejorar y conseguir que
adems sea estable. Supongamos que ahora
interpolamos la funcin constante 1,
entonces:
Pues debemos recordar que:
( ) L ) ( L 1
0 0
,
= =

= =
n
j
j
j
n
n
j
j n
x x
w
x x
1 ) ( L
,
=
j j n
x
[24]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Dividamos la primera expresin por la ltima
hallada:
( )
( )
=
=
=
=
=
n
j
j
j
n
j
j
j
j
n
n
j
j
j
n
n
j
j
j
j
n
n
x x
w
y
x x
w
x
x x
w
x
y
x x
w
x
x
0
0
0
0
) ( P

L
L
) ( P
MTODO DE
LAGRANGE
BARICNTRICO
[25]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para las dos variantes del mtodo tenemos
los siguientes algoritmos:
w j ( ) m 1
m m x
j
x
i
( )
i j if
m m1 otherwise
i 0 3 .. for
w
1
m
:= L x j , ( ) l 1
l l x X i ( ) ( ) i j if
l l 1 otherwise
i 0 3 .. for
L l w j ( )
:=
P
3
x ( )
0
3
j
Y j ( ) L x j , ( )
=
:=
P
b3
x ( )
0
3
j
w j ( ) Y j ( )
x X j ( )
=
0
3
j
w j ( )
x X j ( )
=
:=
[26]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Aplicndolos al ejemplo inicial para x=0,400;
0,500; 0,700 y 1,000; tenemos los siguientes
resultados:
P
3
0.4 ( ) 0.92108176 = P
b3
0.4 ( ) 0.92108176 =
P
3
0.5 ( ) 0.87748106 = P
b3
0.5 ( ) 0.87748106 =
P
3
0.7 ( ) 0.76468481 = P
b3
0.7 ( ) 0.76468481 =
P
3
1.0 ( ) 0.54104746 = P
b3
1.0 ( ) 0.54104746 =
[27]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Tomemos los siguientes puntos
0,933 10,000
0,500 9,000
0,067 8,000
0,933 7,000
0,5 6,000
0,067 5,000
0,933 4,000
0,500 3,000
0,067 2,000
0,933 1,000
0,500 0,000
Y X
[28]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Grafiquemos los puntos segn dos ejes:
2 1 0 1 2 3 4 5 6 7 8 9 10 11 12
2
1.714
1.429
1.143
0.857
0.571
0.286
0.286
0.571
0.857
1.143
1.429
1.714
2
2
2
Y
12 2 X
[29]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Grafiquemos el polinomio obtenido por
Lagrange:
0 1 2 3 4 5 6 7 8 9 10
2
1.714
1.429
1.143
0.857
0.571
0.286
0.286
0.571
0.857
1.143
1.429
1.714
2
2
2
F x ( )
10 0 x
[30]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Pero podemos suponer la curva en azul:
0 1 2 3 4 5 6 7 8 9 10
2
1.714
1.429
1.143
0.857
0.571
0.286
0.286
0.571
0.857
1.143
1.429
1.714
2
2
2
F x ( )
f x ( )
10 0 x
[31]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Evidentemente, hay una diferencia en los
extremos de la curva interpolante. Este
fenmeno se conoce como Fenmeno de
Runge.
Se produce para polinomios de grado alto
(n>4; 5).
Cmo podemos evitar esto interpolando an
con polinomios?
Analizaremos un tipo de interpolacin
polinomial que evite esto.
[32]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Planteemos un conjunto de polinomio que
deben cumplir con lo siguiente:
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
1 1 1
1 1 1
1 1 1
3 2
S S
S S
S S
f S
S
+ + +
+ + +
+ + +

=

=
=
+ + + =
j j j j
j j j j
j j j j
j j j
j j j j j j j j
x x
x x
x x
x x
x x d x x c x x b a x
La curva spline pasa por el punto dato
Las curvas son continuas en los puntos comunes
Las primeras derivadas son continuas en los
puntos comunes
Las segundas derivadas son continuas en los
puntos comunes
[33]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Agreguemos condiciones en los extremos.
stas pueden ser:
Algunas variantes pueden ser:
( ) ( )
( ) ( ) ( ) ( ) sujeta) (Frontera f S f S 2)
libre) (Frontera 0 S S 1)
0 0 0
0 0
n n n
n n
x x x x
x x
=

=

( ) ( ) ( ) ( )
( ) ( ) 0 S S 4)
f S f S 3)
0 0
0 0 0
=

=

n n
n n n
x x
x x x x
[34]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
De la condicin:
obtenemos:
que podemos simplificar a
( ) ( ) ( )
1
3
1
2
1 1 + + + +
= + + +
j j j j j j j j j j j
a x x d x x c x x b a
) ( S ) ( S
1 1 1 + + +
=
j j j j
x x
1
3 2
1
+
+
= + + +
=
j j j j j j j j
j j j
a h d h c h b a
x x h
[35]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
De la condicin:
obtenemos:
1
2
3 2
+
= + +
j j j j j j
b h d h c b
) ( S ) ( S
1 1 1 + + +

=
j j j j
x x
[36]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
De la condicin:
obtenemos:
3
2 6 2
1
1
j j
j
j j j j
c c
d
c h d c
=
= +
+
+
) ( S ) ( S
1 1 1 + + +

=

j j j j
x x
[37]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Reemplazando d
j
en ambas ecuaciones anteriores, nos
queda:
y
( )
( )
1 1
1 1
2
+ +
+ +
= + +
= + +
j j j j j
j j j j j j j
b h c c b
b h c c h c b
1
2 1
1
2 1 2
3
2
3
+
+
+
+
=
+
+ +
=
+ + +
j j
j j
j j j
j j
j j
j j j j j
a h
c c
h b a
a h
c c
h c h b a
[38]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Podemos despejar b
j
:
As podemos obtener b
j
con ayuda de b
j-1
j
j j
j
j j
j
j j
j j
j j j
h
c c
h
a a
b
a h
c c
h b a
3
2
3
2
1 1
1
2 1
+ +
+
+
+
=
=
+
+ +
( )
( )
1 1 1
1
1
1 1 1
1 1 1
3
2
3
2
+ +

+ +
+
=
+
+ + =
j j j
b
j
j j
j
j j
b
j
j j
j
j j
j j j j j
h c c h
c c
h
a a
h
c c
h
a a
h c c b b
j j
4 4 4 4 3 4 4 4 4 2 1 4 4 4 4 3 4 4 4 4 2 1
[39]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Entonces, la expresin general para obtener
los polinomios es:
Con esta expresin obtenemos un sistema de
ecuaciones lineales de dimensiones n-1.
( )
( )
j j
j
j j
j
j j
j j j j j j j-
x a
h
a a
h
a a
c h c h h c h
f con
3 2
1
1 1
1 1 1 1
=
(
(
= + + +
+
+
[40]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
El sistema queda:
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

?
h
a a
h
a a
h
a a
h
a a
?
c
c
c
c
c
c
? ?
h h h h
h h h h
h h h h
h h h h
? ?
n
n n
n
n n
n
n
n
n n n n
n n n n
2
2 1
1
1
0
0 1
1
1 2
1
2
2
1
0
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
3
3
0 0
2 0
0 2

2 0
0 0 2
0 0
M
M
K K
O M
M O O O O
M
K
K K
[41]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si es el caso de frontera libre, tendremos:
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

0
3
3
0
1 0 0 0
2 0
0 2

2 0
0 0 2
0 0 0 1
2
2 1
1
1
0
0 1
1
1 2
1
2
2
1
0
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
n
n n
n
n n
n
n
n
n n n n
n n n n
h
a a
h
a a
h
a a
h
a a
c
c
c
c
c
c
h h h h
h h h h
h h h h
h h h h
M
M
K K
O M
M O O O O
M
K
K K
[42]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si es el caso de frontera sujeta, tendremos:
( )
( )
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

1
1
2
2 1
1
1
0
0 1
1
1 2
0
0
0 1
1
2
2
1
0
1 1
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
0 0
3
3
3
3
2 0 0
2 0
0 2

2 0
0 0 2
0 0 2
n
n n
n
n
n n
n
n n
n
n
n
n n
n n n n
n n n n
h
a a
x f
h
a a
h
a a
h
a a
h
a a
x f
h
a a
c
c
c
c
c
c
h h
h h h h
h h h h
h h h h
h h h h
h h
M M
K K
O M
M O O O O
M
K
K K
[43]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En una de las variantes tendremos:
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

2
) (
3
3
2
) (
1 0 0 0
2 0
0 2

2 0
0 0 2
0 0 0 1
2
2 1
1
1
0
0 1
1
1 2
0
1
2
2
1
0
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
n
n
n n
n
n n
n
n
n
n n n n
n n n n
x f
h
a a
h
a a
h
a a
h
a a
x f
c
c
c
c
c
c
h h h h
h h h h
h h h h
h h h h
M M
K K
O M
M O O O O
M
K
K K
[44]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En la otra variante:
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

1
1
2
2 1
1
1
0
0 1
1
1 2
0
0 1
1
2
2
1
0
1 1
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
0 0
3
3
3
3
2 0 0
2 0
0 2

2 0
0 0 2
0 0 2
n
n n
n
n n
n
n n
n
n
n
n n
n n n n
n n n n
h
a a
h
a a
h
a a
h
a a
h
a a
h
a a
c
c
c
c
c
c
h h
h h h h
h h h h
h h h h
h h h h
h h
M M
K K
O M
M O O O O
M
K
K K
[45]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En nuestro ejemplo con
( ) ( ) 524 , 0 10 f ; 047 , 1 0 f =
0 1 2 3 4 5 6 7 8 9 10
2
1.714
1.429
1.143
0.857
0.571
0.286
0.286
0.571
0.857
1.143
1.429
1.714
2
2
2
S x ( )
f x ( )
10 0 x
[46]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Una forma alternativa de armar las curvas es:
Con esta expresin obtenemos un sistema de
ecuaciones lineales de dimensiones n-1.
( ) ( ) ( ) ( ) ( )
( )
(
(
= + + +
|
|
\
|
+
|
|
\
|
+ + =
+
+
+ +
+ +
+
1
1 1
1 1 1 1
1 1
1
3
1
3 1
6 2
6 6 6 6
S
j
j j
j
j j
j j j j j j j-
j
j j
j
j
j
j j
j
j
j
j
j
j
j
j
j
h
y y
h
y y
d h d h h d h
x x
h d
h
y
x x
h d
h
y
x x
h
d
x x
h
d
x
[47]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En el caso de frontera libre, tendremos:
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

0
6
6
0
1 0 0 0
2 0
0 2

2 0
0 0 2
0 0 0 1
2
2 1
1
1
0
0 1
1
1 2
1
2
2
1
0
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
n
n n
n
n n
n
n
n
n n n n
n n n n
h
y y
h
y y
h
y y
h
y y
d
d
d
d
d
d
h h h h
h h h h
h h h h
h h h h
M
M
K K
O M
M O O O O
M
K
K K
[48]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En el caso de frontera sujeta, tendremos:
( )
( )
( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+

1
1
2
2 1
1
1
0
0 1
1
1 2
0
0
0 1
1
2
2
1
0
1 1
1 1 2 2
2 2 3 3
2 2 1 1
1 1 0 0
0 0
6
6
6
6
2 0 0
2 0
0 2

2 0
0 0 2
0 0 2
n
n n
n
n
n n
n
n n
n
n
n
n n
n n n n
n n n n
h
y y
x f
h
y y
h
y y
h
y y
h
y y
x f
h
y y
d
d
d
d
d
d
h h
h h h h
h h h h
h h h h
h h h h
h h
M M
K K
O M
M O O O O
M
K
K K
[49]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Supongamos ahora que tenemos la siguiente
serie de datos:
y
n
y
1
y
0
Y
y
n
x
n
...
y
1
x
1
y
0
x
0
Y X
[50]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Podemos usar un polinomio para interpolar,
armando un sistema de ecuaciones lineales
cuya forma ser:
n
m
n m n n
m
m
n
m
n m n n
m
m
y x a m x a x a a
y x a m x a x a a
y x a x a x a a
y x a x a x a a
= + + + +
= + + + +
= + + + +
= + + + +
1 2
3 2 1
0
1
0
2
0 3 0 2 1
2
2 1 0
0 0
2
0 2 0 1 0
3 2
3 2
K
M
K
K
M
K
[51]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Este sistema de ecuaciones se puede
expresar en trminos matriciales:
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
n
n
m
m
m
n n n
m
m
n n n
m
y
y
y
y
a
a
a
a
x m x x
x m x x
x x x
x x x
M
M
M
M
L
M M M M M M
L
L L
M M M M M M
L L
0
0
1
1
0
1 2
1
0
2
0 0
2
0
2
0 0
3 2 1 0
3 2 1 0
1
1
[52]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Lo primero es fijar el exponente m de este
polinomio.
Puesto que tenemos y
0
, y
1
, ,y
n
, y
0
, y
1
, , y
n
,
contamos con 2(n+1) datos.
Por lo tanto, podemos armar un polinomio de
grado 2(n+1)-1; es decir, m = 2n+1.
Tenemos otra vez un sistema de ecuaciones
lineales que nos facilita resolver el problema.
[53]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Nuestro sistema quedar como:
( )
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
+
+
+
+
+
+
n
n
n
i
i
n
n n n
n
n
n n n
n
y
y
y
y
a
a
a
a
x n x x
x n x x
x x x
x x x
M
M
M
M
L
M M M M M M
L
L L
M M M M M M
L L
0
0
1 2
1
0
2 2
2
0
2
0 0
1 2 2
1 2
0
2
0 0
) 1 2 ( 3 2 1 0
1 2 3 2 1 0
1
1
[54]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Pero hemos visto que para interpolar los
datos, resulta ms fcil utilizar algn
algoritmo que resolver el sistema en forma
explcita.
Veamos como armar este nuevo mtodo.
Para ello nos ayudaremos de lo que ya hemos
aprendido.
[55]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para empezar, propongamos que nuestro
polinomio interpolante est compuesto por la
suma de dos polinomios:
Si analizamos un poco los dos polinomios
que lo componen, vemos que la forma es
anloga al obtenido por Lagrange.
Por qu no usar entonces un algoritmo que
incluya los polinomios de Lagrange [L
n,i
(x)].
) ( H
) ( H ) ( H
0
;
0
; 1 2
= =
+

+ =
n
i
i n i
n
i
i n i n
x y x y x
[56]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
As, las expresiones para esos polinomios
son:
Veamos si estos nuevos polinomios cumplen
con las condiciones que vimos para
Lagrange, cuando reemplazamos x
i
y x
j
con j
distinto de i.
( ) [ ][ ]
( )[ ]
2
, ,
2
, , ,
) ( L ) ( H
) ( L ) ( L 2 1 ) ( H
x x x x
x x x x x
i n i i n
i n i i n i i n
=
=
[57]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para el primer polinomio tenemos:
Para el segundo tenemos:
( ) [ ][ ] [ ]
( ) [ ][ ]
0 ) ( H ) ( H
0 ) ( L ) ( L 2 1 ) ( H
1 1 0 1 ) ( L ) ( L 2 1 ) ( H
, ,
2
, , ,
2
2
, , ,
=
=
= =
=
j i n i i n
j i n i i n i j j i n
i i n i i n i i i i n
x x
x x x x x
x x x x x
[ ] ( )
[ ] ( ) 0 ) ( L ) ( L 2 ) ( L ) ( H
1 ) ( L ) ( L 2 ) ( L ) ( H
0 ) ( H
) ( H
, ,
2
, ,
, ,
2
, ,
, ,
=
+ =
+ =
= =
j i n j i n i j j i n j i n
i i n i i n i i i i n i i n
j i n i i n
x x x x x x
x x x x x x
x x
[58]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Como vemos, si reemplazamos x
i
en el
polinomio tenemos:
En consecuencia, este algoritmo cumple con
la condicin de pasar por los puntos que son
datos. Este algoritmo se conoce como
Interpolaci Interpolaci n de Hermite n de Hermite.
i i
0
;
0
; 1 2
i i
0
;
0
; 1 2
1 0 ) ( H
) ( H ) ( H
0 1 ) ( H
) ( H ) ( H
y y y x y x y x
y y y x y x y x
i
n
i
i i n i
n
i
i i n i i n
i
n
i
i i n i
n
i
i i n i i n
+ =

+
+ =
+ =

= =
+
= =
+
[59]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Tambin podemos aplicar una adaptacin del
mtodo de Newton para interpolar valores.
Para ello armemos una nueva tabla con los
datos del problema.
Esta tabla se har con una nueva variable z
j
,
cuyos valores cumplirn la siguiente
condicin:
con
{ {
i
z
i
z
i
x z z
j j
= =
+
+
1
1 2 2
1 2 ; 2 ; ; 1 ; 0 ; ; 1 ; 0 + = = n n j n i K K
[60]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
As queda la tabla del mtodo de Newton
adaptado para la interpolacin por Hermite:
F(z
5
)=F(x
2
) x
2
z
5
5
F(z
4
)=F(x
2
) x
2
z
4
4
z
3
z
2
z
1
z
0
Z
i
... ... ...
...
...
F(z
3
)=F(x
1
) x
1
3
F(z
2
)=F(x
1
)
F(z
1
) =F(x
0
)
F(z
0
) =F(x
0
)
F(x
i
) ...
x
1
2
x
0
0
x
0
F(x
i-2
,x
i-1
;x
i
) x
i
1
F(x
i-1
,x
i
) I
( )
( ) ( )
1 2
1 2
2 1
F F
; F
z z
z z
z z
=
( )
( ) ( )
0 2
0 2 1
2 1 0
F ; F
; ; F
z z
x z z
z z z

=
( )
( ) ( )
1 3
2 1 1
3 2 1
; F F
; ; F
z z
z z x
z z z

=
( )
( ) ( )
( )
0
0 1
0 1
1 0
F
F F
; F x
z z
z z
z z =
=
( )
( ) ( )
( )
1
2 3
2 3
3 2
F
F F
; F x
z z
z z
z z =
=
( )
( ) ( )
2 4
1 4 3
4 3 2
F ; F
; ; F
z z
x z z
z z z

=
( )
( ) ( )
3 4
3 4
4 3
F F
; F
z z
z z
z z
=
( )
( ) ( )
3 5
4 3 2
5 4 3
; F F
; ; F
z z
z z x
z z z

= ( )
( ) ( )
( )
2
4 5
4 5
5 4
F
F F
; F x
z z
z z
z z =
=
[61]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Con esta tabla podemos armar nuestro
polinomio interpolante, que ser:
que expresado en trminos de x queda:
( )
( )
( ) ( )
( )
( ) ( )
( )( ) K +
+ =
=

+
=
=
1 0
0 2
1 0 2 1
0
0 1
0 1
0
1 2
0
1
0
,
, F , F F F
F ) ( P
F ) ( P
z z z z
z z
z z z z
z z
z z
z z
z z
z z z
n
n
i
i
j
j i i n
( ) ( )( )
( ) ( )
( ) K +
+ =
2
0
0 1
0 1 0
0 0 0
F , F
F F ) ( P x x
x x
x x x
x x x x x
n
[62]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Conocer ms datos de la funcin permite
mejorar la interpolacin.
Con Lagrange, con n+1 datos, el polinomio
ms grande es de grado n; con Hermite, el
grado del polinomio es 2n+1.
Pero se mantienen los mismos problemas ya
vistos:
Potencialmente mal condicionado.
Con valores de n muy grandes es numricamente
inestable.
[63]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para evitar esto ltimo, es usual interpolar
mediante Hermite pero con fragmentos de
curvas entre dos puntos sucesivos.
Al contar con cuatro datos (y
i
, y
i
, y
i+1
, y
i+1
), la
curva interpolante entre ambos puntos
sucesivos resulta ser una parbola cbica.
Resulta ser similar a la aplicacin de los
trazadores cbicos, slo que no es necesario
imponer condiciones a las derivadas
superiores a uno.
[64]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para este caso tendremos:
Tal como vimos, surgen a partir de un
polinomio de Lagrange de primer orden.
( ) [ ][ ]
( )[ ]
2
, 1 , 1
2
, 1 , 1 , 1
1
0
, 1
1
0
, 1 , 3
) ( L ) ( H
) ( L ) ( L 2 1 ) ( H
) ( H
) ( H ) ( H
x x x x
x x x x x
x y x y x
i i i
i i i i i
i
i i
i
i i i
=
+ =

= =
[65]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si desarrollamos quedan los polinomios:
( )
( )
( )
( )
2
1
1 1 , 1
2
1
1
, 1
2
1 1
1
1 , 1
2
1
1
1
, 1
) ( H
) ( H
2
1 ) ( H
2
1 ) ( H
(
=
(
=
(
=
(
=
+
+ +
+
+
+ +
+
+
+
+
+
i i
i
i i
i i
i
i i
i i
i
i i
i
i
i i
i
i i
i
i
x x
x x
x x x
x x
x x
x x x
x x
x x
x x
x x
x
x x
x x
x x
x x
x
[66]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La expresin completa del polinomio es:
con i=0; 1; , n.
Es decir, construimos n segmentos de una
parbola cbica, que pasan por y
i
y por y
i
.
Al igual que para los trazadores cbicos,
obtenemos un conjunto de curvas entre x
0
y
x
n
.
) ( H
) ( H
) ( H ) ( H ) ( H
1 , 1 1 , 1 1 , 1 1 , 1 , 3
x y x y x y x y x
i i i i i i i i + + +

+
+ + =
[67]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Hemos visto varias formas de interpolar con
polinomios un conjunto de datos. Qu error
se comete al aplicarlos?
Debemos tener en cuenta que no conocemos
la funcin que vincula a los x
i
e y
i
, por lo
tanto, el error que estimemos ser terico.
Para determinar este error, supongamos por
un momento que conocemos la funcin f(x).
Con esta suposicin, podemos estimar el
error cuando interpolamos por Lagrange y
por Hermite.
[68]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para el caso de la interpolacin por Lagrange
tenemos:
( )
( )
[ ] [ ]
[ ]. ; C ) f( y
; , ; ; ; ; ; con
! 1
) ( f
) ( P ) f( ) E(
1
2 1 0
0
1
n
b a x
b a b a x x x x x
x x
n
x x x
n
n
n
i
i
n
+
=
+
+
= =

K
[69]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para la interpolacin por trazadores cbicos
(splines) podemos estimar el error con la
siguiente expresin:
[ ]
[ ]
[ ]. ; C ) f( y
; ; ; ; ; , con
) max(
384
) ( f 5
) S( ) f( ) E(
4
1 0 1
4
b a x
b a x x x x x h
h x x x
n i i i
i
iv
=
= =
+

K
[70]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para el caso de la interpolacin por Hermite
tenemos:
(se deduce del error de la interpolacin de
Lagrange).
( ) [ ]
( )
[ ] [ ]
[ ]. ; C ) f( y
; , ; ; ; ; ; con
! 1 2
) ( f
) ( H ) f( ) E(
) 1 ( 2
2 1 0
0
2
) 1 ( 2
n
b a x
b a b a x x x x x
x x
n
x x x
n
n
n
i
i
n
+
=
+
+
= =

K
[71]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Y en el caso de la interpolacin por Hermite
segmentada tenemos:
Vemos que es similar al error cometido al
interpolar con trazadores cbicos o splines.
[ ]
[ ]. ; C ) f( y
; ; ; ; ; ; , - con
) max(
384
) ( f
) ( H ) f( ) E(
) 1 ( 2
2 1 0 1
4
3
b a x
b a x x x x x x x h
h x x x
n
n i i
i
iv
+
+
= =
= =
K
[72]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Como hemos visto, existen varias formas de
interpolar con polinomios un conjunto de
datos.
No hay una sola solucin al problema de
obtener puntos intermedios de un conjunto
de datos.
Por lo tanto, la seleccin de uno u otro
mtodo est fuertemente inducida e influida
por el origen de esos datos.
Dicho de otro modo, es importante saber en
(o con) qu se est trabajando.
[73]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Como ejemplo, en el anlisis estructural, el
mtodo de los elementos finitos utiliza la
interpolacin como estimacin de la funcin
desplazamiento (elstica de deformacin).
El mtodo utiliza alternativamente, la
interpolacin por Lagrange y por Hermite,
para estructuras reticulares y aporticadas.
Ms an, utiliza superficies interpolantes para
estructuras que pueden definirse mediante
estados planos de tensin o deformacin.
[74]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
BIBLIOGRAFA Y ARTCULOS BIBLIOGRAFA Y ARTCULOS
Burden, R.L. y Faires, J.D. Anlisis Numrico.
International Thomson. Sexta edicin. 1998.
Berrut, J.P. y Trefethen, L. N. Barycentric Lagrange
Interpolation. SIAM. 2004.
Higham, N. J. The numerical stability of Barycentric
Lagrange Interpolation. IMA. 2004.
Gonzlez, H. Anlisis numrico. Primer curso. Nueva
Librera. 2002.
Samarski, A.A. Introduccin a los mtodos numricos.
Mir. 1986.
uba facultad de ingeniera
ANLISIS NUMRICO I AN
AN
LISIS NUM
LISIS NUM
RICO I
RICO I
AJUSTE DE CURVAS
[1]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
AJUSTE DE CURVAS uba facultad de ingeniera
AJUSTE DE CURVAS AJUSTE DE CURVAS
Supongamos que tenemos los siguientes
datos:
x y
4,0 102,56
4,1 115,00
4,2 112,18
4,3 118,36
4,4 128,31
4,5 125,11
4,6 138,41
4,7 150,25
4,8 155,26
4,9 162,39
5,0 165,47
5,1 178,60
5,2 179,65
5,3 182,21
5,4 192,40
5,5 195,14
5,6 200,52
5,7 207,20
5,8 221,36
5,9 220,87
Grfico
50,00
70,00
90,00
110,00
130,00
150,00
170,00
190,00
210,00
230,00
3,5 4,0 4,5 5,0 5,5 6,0 6,5
x
y
[2]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Evidentemente, realizar una interpolacin
polinmica para esta cantidad de datos no
resulta prctico. (Mal condicionamiento del
problema.)
Por lo tanto, lo que conviene hacer es obtener
una curva que se adapte lo mejor posible a
los datos disponibles, proponiendo una
funcin de esta forma:
( ) ( ) ( ) ( ) ( )
( )
=
=
+ + + + =
n
j
j j
n n
x c
x c x c x c x c x
0
2 2 1 1 0 0
h
K
[3]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Esto se suele conocer como Mejor
Aproximacin (Best Approximation).
Para efectuar esta aproximacin vamos a
tomar el residuo, es decir:
Buscaremos alguna manera de minimizar el
residuo.
Recordemos que el residuo es un vector.
( ) m i x y r
i i i
= 0 ; h
[4]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Con un vector, lo que debemos hacer mnimo
es la norma del mismo.
Hay varias normas conocidas:
La norma l
1
:
La norma l

:
La norma l
2
:
( )

= =
= =
m
i
i i
m
i
i
x y r
0 0
1
h r
( )
i i
m i
x y h max
0
=

r
( ) | |

= =
= =
m
i
i i
m
i
i
x y r
0
2
0
2
2
h r
[5]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Cada una tiene su aplicacin:
Norma l
1
: til cuando queremos descartar datos
con errores de medicin.
Norma l

: til cuando debemos considerar el
mayor error en la aproximacin.
Las aproximaciones basadas en las normas
anteriores llevan a problemas de
Programacin Lineal.
Nuestra mejor aproximacin la obtenemos al
hacer mnima la norma l
2
.
[6]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Una particularidad es que si n=m, entonces
hay una sola curva que aproxima a los datos,
pues para las tres normas el mnimo es cero.
Es decir, es el caso de Interpolacin.
En cambio, para m>n, tendremos diferentes
aproximaciones, segn la norma aplicada.
Utilizar la ltima norma para minimizar el
residuo, define el Mtodo de los Mnimos
Cuadrados (o Aproximacin por Cuadrados
Mnimos).
Debera llamarse Mtodo o Aproximacin por el Error Cuadrtico Mnimo.
[7]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Para empezar definamos:
Entonces:
Si aproximamos por mnimos cuadrados
debemos minimizar:
( ) n j y m i x a
i j j i
; ; 2 ; 1 ; 0 ; ; 2 ; 1 ; 0 ;
;
K K = = =
( ) ( )
j i
n
j
j
n
j
i j j i
a c x c x
;
0 0
h

= =
= =
2
0 0

= =
(
m
i
j ; i
n
j
j i
a c y
[8]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Es decir, debemos obtener los coeficientes c
j
que hacen mnima la norma eucldea del
residuo.
Definamos la siguiente matriz:
(
(
(
(
(
=
n m m m
n
n
a a a
a a a
a a a
; 1 ; 0 ;
; 1 1 ; 1 0 ; 1
; 0 1 ; 0 0 ; 0
L
M O M M
L
L
A
[9]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Armemos el siguiente sistema:
Esto significa imponer que el residuo sea
nulo, es decir:
(
(
(
(
=
(
(
(
(
(
(
(
(
(
=
m n
n m m m
n
n
y
y
y
c
c
c
a a a
a a a
a a a
M M
L
M O M M
L
L
1
0
1
0
; 1 ; 0 ;
; 1 1 ; 1 0 ; 1
; 0 1 ; 0 0 ; 0
0 y Ac
0 = r
[10]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Este sistema no tiene solucin nica puesto
que m>n. Por lo tanto, no podemos imponer
esta condicin.
La condicin que se debe imponer que los c
j
minimicen la expresin:
2
2
2
2
Ac y r =
[11]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Recordemos como se obtena un mnimo para
una funcin:
Como:
| |
n ; 2; ; 1 ; 0 ; 0
d
) f( d
K = = j
c
j
c
( )
( )

= =
(
= =
= =
m
i
n
j
j j i i
c a y
0
2
0
;
2
2 2
f
f
r c
Ac y r c
[12]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La condicin para obtener un mnimo es:
Esto se puede escribir como:
( ) | |
( ) 0 2
d
d
d
f d
0
;
0
;
2
=
(
(
|
|
\
|
= =

= =
m
i
k i
n
j
j j i i
k k
a c a y
c c
r
c

= = =
= =
m
i
i k ; i
m
i
n
j
j j ; i k ; i
n ; ; ; ; k ; y a c a a
0 0 0
2 1 0 K
[13]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
En forma matricial se expresa como:
Si definimos:
Por lo tanto, nos queda:
Es decir, un sistema de ecuaciones lineales.
y A Ac A
T T
=
y A B A A M
T T
= = ;
B c M =
[14]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Por ejemplo, para
M
Mtenemos:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
= =
m n m m
n
n
m n n n
m
m
n m m m
n
n
n m n n
m
m
T
x x x
x x x
x x x
x x x
x x x
x x x
a a a
a a a
a a a
a a a
a a a
a a a

L
M O M M
L
L
L
M O M M
L
L
L
M O M M
L
L
L
M O M M
L
L
1 0
1 1 1 1 0
0 0 1 0 0
1 0
1 1 1 0 1
0 1 0 0 0
; 1 ; 0 ;
; 1 1 ; 1 0 ; 1
; 0 1 ; 0 0 ; 0
; ; 1 ; 0
1 ; 1 ; 1 1 ; 0
0 ; 0 ; 1 0 ; 0
A A M
[15]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Podemos definir entonces que:
Anlogamente:
Una forma de notacin es:
( ) ( )
0
=
=
m
i
i k i j jk
x x M
( )
=
=
m
i
i j i j
x y B
0

( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
i j i
m
i
i j i j
i k i j
m
i
i k i j jk
x y x y B
x x x x M

;
;
0
0
= =
= =
=
=
[16]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Si aplicamos el mtodo a un polinomio,
tendremos:
Podemos ver que la matriz
A
A resultante es la
matriz de Vandermonde:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(
(
(
(
(
=
(
(
(
(
n
m m m
n
n
m n m m m
n
n
x x x
x x x
x x x
x x x x
x x x x
x x x x
K
M O M M M
K
K
K
M O M M M
K
K
2
1
2
1 1
0
2
0 0
2 1 0
1 1 2 1 1 1 0
0 0 2 0 1 0 0
1
1
1

( ) ( ) ( )
j
j
n
j
j j
n
n
x x ; x c x c x c x c c x p = = + + + + =

=

0
2
2 1 0
K
[17]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
As, la matriz
M
Mqueda de la forma:
Por lo que las componentes de
M
M se pueden
calcular con la expresin:
(
(
(
(
(
(
(
(
(
(
=
n
m m m
n
n
n
m
n n n
m
x x x
x x x
x x x
x x x x
x x x x
K
M O M M M
K
K
K
M O M M M
K
K
2
1
2
1 1
0
2
0 0
2 1
2 1 0
1
1
1
1 1 1 1
0
M
( ) ( )

= =
= =
m
i
k j
m
i
i k i j jk
i i
x x x x M
0 0

[18]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
La componente M
0;0
es:
Las componentes M
0;1
y M
1;0
son:
( ) ( ) 1 1 1 1
0 0 0
0 0
0
0 0 0 ; 0
+ = = = = =

= = = =
m x x x x M
m
i
m
i
m
i
m
i
i i
i i

( ) ( )

= = = =
= = = =
m
i
m
i
m
i
m
i
i i
i i
i i
x x x x x x M
0 0 0
1 0
0
1 0 1 ; 0
1
( ) ( )

= = = =
= = = =
m
i
m
i
m
i
m
i
i i
i i i i
x x x x x x M
0 0 0
0 1
0
0 1 0 ; 1
1
[19]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
Por lo tanto, se cumple que:
Anlogamente, se tiene:
En consecuencia, la matriz M del sistema de
ecuaciones lineales tiene las siguientes
caractersticas:
Es simtrica.
Es definida positiva.
Es densa (salvo excepciones).
j k k j
M M
; ;
=
( )

= =
= =
m
i
j
i i
m
i
i j i j
x y x y B
0 0

[20]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
VENTAJAS
Es sencillo de entender.
Se pueden usar todo tipo de funciones, inclusive
polinmicas.
Dado que la matriz de coeficientes es simtrica
definida positiva, se puede aplicar el mtodo de
Cholesky.
DESVENTAJAS
La funcin no pasa por los datos, salvo
excepciones.
Si se aproxima con polinomios de grado superior,
el sistema se vuelve mal condicionado e inestable.
[21]
7
5
.
1
2

-
a
n
l
i
s
i
s

n
u
m
r
i
c
o

i
BIBLIOGRAFA BIBLIOGRAFA
Burden, R.L. y Faires, J.D.. Anlisis Numrico.
International Thomson. Sexta edicin. 1998.
Gonzlez, H.. Anlisis numrico. Primer curso.
Nueva Librera. 2002.
Samarski, A.A.. Introduccin a los mtodos
numricos. Mir. 1986.

Interpolacion y Ajustedecurvas 2009

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Interpolacion y Ajustedecurvas 2009

Загружено:

Авторское право:

Доступные форматы

uba facultad de ingeniera

Вам также может понравиться