Вы находитесь на странице: 1из 20

3.

1 Interpolacin Lineal

Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recurdese que la frmula general de un polinomio de n-simo orden.
Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que
pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir
un polinomio de primer orden) que conecta dos puntos. El polinomio de
interpolacin consiste en determinar el nico polinomio de n-simo orden que se
ajusta a los n + 1 puntos dados. Este polinomio proporciona una frmula para
calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n + 1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales
se puede expresar este polinomio. En esta unidad se estudian dos tcnicas
alternativas que estn bien condicionadas para implementarse en una
computadora. Estos son los polinomios de Newton y de LaGrange.

INTERPOLACIN LINEAL

La interpolacin lineal es un mtodo de conexin usando polinomios lineales de


curva. Calcula el desconocido tasa como si se encuentra en una lnea recta entre
los dos tipos, es la forma ms sencilla para calcular la tasa de desconocidos.
Interpolacin lineal y su clculo profundamente empleadas en anlisis numrico
particular de matemticas y numerosas aplicaciones incluyendo grficos por
computadora. Es una forma simple de interpolacin.

La frmula ms simple de interpolacin es la de conectar dos puntos con una lnea


recta. Este mtodo, llamado Interpolacin Lineal, se muestra en la figura 1.

La cul es la frmula de interpolacin lineal. La notacin f1(X) indica que se trata


de un polinomio de interpolacin de primer orden. Ntese que adems de
representar la pendiente de la lnea que conecta los dos puntos, el trmino [ f(X1)
- f(X2) ] / (X1 - X2) es una aproximacin de diferencias divididas finitas a la primera
derivada. En general, entre ms pequeo sea el intervalo entre los puntos, ms
exacta ser la aproximacin.
3.2 FORMULA DE INTERPOLACION LAGRANGE
POLINOMIOS DE INTERPOLACIN DE LAGRANGE
El polinomio de interpolacin de Lagrange, simplemente es una reformulacin del
polinomio de Newton que evita los clculos de las diferencias divididas. Este se
puede representar concretamente como:
(21)
en donde:
(22)
En donde denota el "producto de".
Por ejemplo, la versin lineal (n = 1) es:
(23)
y la versin de segundo orden es:
(24)

al igual que en el mtodo de Newton, la versin de Lagrange tiene un error


aproximado dado por:
(25)
La ecuacin (21) se deriva directemente del polinomio de Newton. Sin embargo, la
razon fundamental de la formulacin de Lagrange se puede comprender
directamente notando que cada trmino Li(X) ser 1 en X=Xi y 0 en todos los
demas puntos.
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 ecuacin (21) es el
nico polinomio de n-simo orden que pasa exactamente por los n+1 puntos.

3.3 Metodos de interpolacin hacia adelante y hacia atrs de Newton para


puntos equidistantes
Diferencia finita
Una diferencia finita es una expresin matemtica de la forma f(x + b) f(x +a).
Si una diferencia finita se divide por b a se obtiene una expresin similar al
cociente diferencial, que difiere en que se emplean cantidades finitas en lugar de
infinitesimales. La aproximacin de las derivadas por diferencias finitas
desempea un papel central en los mtodos de diferencias finitas del anlisis
numrico para la resolucin de ecuaciones diferenciales.
Diferencias finitas centradas y laterales

Vamos a cambiar la forma del polinomio de interpolacin buscando


una expresin ms sencilla de calcular: a su vez salvo que grficamente
veamos cual podria ser la mejor eleccin para el grado del polinomio a
ajustar tendremos el P I LN una vez que nos hayamos decidido. Esta
situacion se puede cambiar a traves del uso del P I NN 7 Para eso
vamos a presentar 2 formulas diferentes que permiten trabajar con
mallas de datos equiespaciados y tambin con coleccin de nodos a
distancia variable que muchas veces son los problemas ms frecuentes
en el ajuste de datos Interpolacion de Newton por diferencias
hacia adelante
Supongamos que las abcisas de los datos tiene igual separacion con un
tamano de intervalo hy los puntos los vamos a notar como (xi , fi )
Nos construimos una tabla de diferencias hacia adelante tal como aparece en
la tabla que sigue
fi = fi
orden 0
1 fi = fi+1 fi
orden 1
2 fi = fi+1 fi
2

Diferencia hacia adelante de


Diferencia hacia adelnate de
Diferencia hacia adelante de orden

3 fi = 2 fi+1 2 fi
......
k fi = k1 fi+1 k1 fi
k

Diferencia hacia adelante de orden

En la tabla que sigue tenemos una columna que nos da el indice de los
datos, la ordenadas de los datos, la diferencia hacia adelante de orden
1. etc; asi nos queda formada una matriz triangular que es muy facil de
evaluar con la ayuda de una computadora

f4

1 f4

i fi
0 f0

1 fi
1 f0

2 fi 3 fi
2 f0 3 f0

4 fi
4 f0

1 f1

1 f1

2 f1

3 f1

4 f1

2 f2

1 f2

2 f2

3 f2

Cuadro 1.1: Tabla de diferencias hacia adelante


Precisamos ahora ademas de tener las diferencias calcular los
coeficientes binomiales que estan dados como siguen

y
donde s es una coordenada local definida por s es el intervalo
= x x0

uniforme de la malla de puntos


Ahora que tenemos definidos los coeficientes binomiales nos
podemos ar- mar la formula de interpolacion de Newton que pasa
por la malla de puntos (f0 f1 f2 f3 ....fk )

3.4 Aplicaciones de la interpolacin.

En el subcampo matemtico del anlisis numrico, un spline es una curva


diferenciable definida en porciones mediante polinomios.

En los problemas de interpolacin, se utiliza a menudo la interpolacin mediante


splines porque da lugar a resultados similares requiriendo solamente el uso de
polinomios de bajo grado, evitando as las oscilaciones, indeseables en la mayora

de las aplicaciones, encontradas al interpolar mediante polinomios de grado


elevado.

Para el ajuste de curvas, los splines se utilizan para aproximar formas


complicadas. La simplicidad de la representacin y la facilidad de cmputo de los
splines los hacen populares para la representacin de curvas en informtica,
particularmente en el terreno de los grficos por ordenado.

Interpolacin Segmentaria Lineal.

Este es el caso ms sencillo. En l, vamos a interpolar una funcin f(x) de la que


se nos dan un nmero N de pares (x,f(x)) por los que tendr que pasar nuestra
funcin polinmica P(x). Esta serie de funciones nuestras van a ser lineales, esto
es, con grado 1: de la forma P(x) = ax + b.

Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un
total de (N-1) funciones, hacindolas pasar obligatoriamente por los puntos que
van a determinarlas, es decir, la funcin P(x) ser el conjunto de segmentos que
unen nodos consecutivos; es por ello que nuestra funcin ser continua en dichos
puntos, pero no derivable en general.

Ejemplo= Interpolar con splines f(x)=1/x, en los puntos en los que x valen 1 2 y 4
f(1) = 1
f(2) = 0.5
f(4) = 0.25
El primer segmento P1(x) = ax + b deber unir los primeros dos puntos de
coordenadas (1,1) y (0.5,2). Surge un sistema lineal de dos ecuaciones en dos
incgnitas:

(1) 1=a+b
(2) 0.5=2a+b
De (1) se obtiene:

a=1-b (3)

Reemplazando (3) en (2) se obtiene:

0.5=2(1-b)+b

Luego b=1.5

Reemplazando el valor de (b) en (1), se obtiene:

a = - 0.5

Por lo tanto, se concluye que: P1(x) = - 0.5x + 1.5 El segundo segmento P2(x) =
ax + b deber unir el segundo punto (0.5,2) con el tercer punto (0.25,4).
Anlogamente a lo hecho para P1(x), en el caso de P2(x) se obtiene:

(1) 0.5 = 2a + b
(2) 0.25 = 4a + b
a = - 0.125, b = 0.75

Luego P2(x) = - 0.125x + 0.75

Interpolacion Segmentaria Cuadratica


En este caso, los polinomios P(x) a travs de los que construimos el Spline tienen
grado 2. Esto quiere decir, que va a tener la forma P(x) = ax + bx + c

Como en la interpolacin segmentaria lineal, vamos a tener N-1 ecuaciones


(donde N son los puntos sobre los que se define la funcin). La interpolacin
cuadrtica nos va a asegurar que la funcin que nosotros generemos a trozos con
los distintos P(x) va a ser continua, ya que para sacar las condiciones que ajusten
el polinomio, vamos a determinar como condiciones:

Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las
dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada
uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la funcin
definida a trozos que pasa por tal punto comn.
Esto sin embargo no es suficiente, y necesitamos una condicin ms. Por qu?.
Tenemos 3 incgnitas por cada P(x). En un caso sencillo con f(x) definida en tres
puntos y dos ecuaciones P(x) para aproximarla, vamos a tener seis incgnitas en
total. Para resolver esto necesitaramos seis ecuaciones, pero vamos a tener tan
slo cinco: cuatro que igualan el P(x) con el valor de f(x) en ese punto (dos por
cada intervalo), y la quinta al igualar la derivada en el punto comn a las dos P(x).

Se necesita una sexta ecuacin,de dnde se extrae? Esto suele hacerse con el
valor de la derivada en algn punto, al que se fuerza uno de los P(x)

Interpolacion Segmentaria Cubica.


En este caso, cada polinomio P(x) a travs del que construimos los Splines en
[m,n] tiene grado 3. Esto quiere decir, que va a tener la forma P(x) = ax + bx + cx
+d

En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una
nueva condicin para cada punto comn a dos intervalos, respecto a la derivada
segunda:

Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las
dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada
uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la funcin
definida a trozos que pasa por tal punto comn.
Que la derivada segunda en un punto siempre coincida para ambos "lados" de la
funcin definida a trozos que pasa por tal punto comn.
Como puede deducirse al compararlo con el caso de splines cuadrticos, ahora no
nos va a faltar una sino dos ecuaciones (condiciones) para el nmero de
incgnitas que tenemos.

La forma de solucionar esto, determina el carcter de los splines cbicos. As,


podemos usar:

Splines cbicos naturales: La forma ms tpica. La derivada segunda de P se hace


0 para el primer y ltimo punto sobre el que est definido el conjunto de Splines,
esto son, los puntos m y n en el intervalo [m,n].
Dar los valores de la derivada segunda de m y n de forma "manual", en el conjunto
de splines definidos en el intervalo [m,n].
Hacer iguales los valores de la derivada segunda de m y n en el conjunto de
splines definidos en el intervalo [m,n]
Splines cbicos sujetos: La derivada primera de P debe tener el mismo valor que
las derivada primera de la funcin para el primer y ltimo punto sobre el que est
definido el conjunto de Splines, esto son, los puntos m y n en el intervalo [m,n].

Tambin del mismo modo puede usarse


En el clculo de estructuras, instalaciones elctricas, hidrulicas y sanitarias, en
clculos de carreteras, topografa y hasta en diseo de las estructuras, no en
todos los casos pero principalmente cuando hay mala toma de datos o haya datos
faltantes.

En el subcampo matemtico del anlisis numrico, un spline es una curva


diferenciable definida en porciones mediante polinomios.
En los problemas de interpolacin, se utiliza a menudo la interpolacin mediante
splines porque da lugar a resultados similares requiriendo solamente el uso de
polinomios de bajo grado, evitando as las oscilaciones, indeseables en la mayora
de las aplicaciones, encontradas al interpolar mediante polinomios de grado
elevado.
Para el ajuste de curvas, los splines se utilizan para aproximar formas
complicadas. La simplicidad de la representacin y la facilidad de cmputo de los
splines los hacen populares para la representacin de curvas en informtica,
particularmente en el terreno de los grficos por ordenado.

Tenemos

los

siguientes

3:

Interpolacin Segmentara Lineal


Interpolacin Segmentara Cuadrtica
Interpolacin Segmentara Cbica

3.5 Mtodos Interpolacin en Matlab


En matlab encontramos las siguientes funciones para interpolar datos:

interp1 interpolacin de datos unidimensionales.

spline interpolacin con el mtodo de spline cbica

polyfit interpolacin con polinomios

El comando interp1

El comando interp1 se emplea para interpolar una serie de datos. El


formato de este comando es:
yi = interp1(x, y, xi, mtodo)

Donde:

x : abscisa de los puntos a interpolar, expresada como vector fila.

y : ordenada de los puntos a interpolar, expresada como vector fila.

xi : abscisas para construir la funcin de interpolacin, expresada como


vector fila. Si es un solo valor, calcular el valor interpolando con la funcin
declarada en mtodos.

mtodo: determina el mtodo de interpolacin, entre:

Los mtodos

nearest interpolacin asignado el valor del vecino ms cercano.

linear interpolacin lineal (default)

spline interpolacin con spline cbica

pchip interpolacin con polinomios de Hermite

cubic (igual que 'pchip')

v5cubic interpolacin Cbica usada in MATLAB 5

Ejemplo de implementacin

El comando spline

Otra manera de realizar una interpolacin de tipo spline, es invocando el


comando spline, cuyo formato se muestra a continuacin:
yy = spline (x, y, xx)

Donde:

x : abscisa de los puntos a interpolar, expresada como vector fila.

y : ordenada de los puntos a interpolar, expresada como vector fila.

xx : abscisas para construir la funcin de interpolacin, expresada como


vector fila. Si es un solo valor calcular el valor interpolando.

Ejemplo de implementacin

El comando polyfit

Calcula los coeficientes de un polinomio de grado n que ajustan, mediante


mnimos cuadrados, a una serie de datos. El formato de este comando se
resume, as:

yy = polyfit (x, y, orden)

x : abscisa de los puntos a interpolar, expresada como vector fila.

y : ordenada de los puntos a interpolar, expresada como vector fila.

orden: indica el orden del polinomio que se utilizar en el ajuste.

Adems, se usa el comando polyval para calcular el valor de un polinomio


para un dado valor de x, segn la forma:

y = polyval ( p , x )

donde: p es el polinomio, ingresado como vector fila y x es el valor de la


incgnita cuya imagen se desea calcular.

Ejemplo de implementacin