Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCION
METODOS NUMERICOS 1
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
OBJETIVOS
METODOS NUMERICOS 2
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
MARCO TEORICO
INTERPOLACION EN GENERAL
En la práctica a menudo tenemos una tabla de datos {(xi,yi), i = 0,1,2,...,n}, obtenida por
muestreo o experimentación. Suponemos que los datos corresponden a los valores de una
función f desconocida ( a veces es conocida, pero queremos cambiarla por una función
más sencilla de calcular). El “ajuste de curvas” trata el problema de construir una función
que aproxime muy bien estos datos (es decir, a f). Un caso particular de ajuste de curvas
es la interpolación polinomial: En este caso se construye un polinomio P(x) que pase por
La interpolación polinomial consiste en estimar f (x∗) con P (x∗) si x∗ no está en la tabla pero
METODOS NUMERICOS 3
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
SPLINE).
existe una gran variedad de formas alternativas para expresar una interpolación polinomial.
más populares y útiles . Antes de presentar la ecuación general, estudiaremos las versiones
INTERPOLACION
LINEAL
ANTES DE CONOCER
DIFERENCIAS
DIVIDIDAS
INTERPOLACION
CUADRATICA
INTERPOLACION LINEAL
La forma más simple de interpolación consiste en unir dos puntos con una línea
recta.
INTERPOLACION CUADRATICA
Si se tienen tres puntos como datos, éstos pueden ajustarse en un polinomio de segundo
METODOS NUMERICOS 4
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
DONDE
𝑥−𝑥1 𝑥−𝑥0
Version lineal: 𝑓1(𝑥) = 𝑥0−𝑥1 𝑓(𝑥0) + 𝑥1−𝑥0 𝑓(𝑥1)
SPLINE)
Un método directo para calcular los coeficientes de este polinomio se basa en el hecho
sistema de ecuaciones algebraicas lineales simultáneas para calcular las a. Por ejemplo ,
METODOS NUMERICOS 5
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
Se requiere de tres puntos: [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Cada uno se sustituye en la
ecuación (I)
De esta manera, las x son los puntos conocidos, y las a las incógnitas. Como hay el
mismo número de ecuaciones que de incógnitas, la ecuación se podría resolver con uno
ejemplo simple es una tabla de valores obtenida para la función f(x) = 1/x.
Seguidamente usando datos, pero que se le ha dado un valor de f(x) y debe determinar
el valor correspondiente de x. Por ejemplo, para los datos anteriores, suponga que se le
pide determinar el valor de x que corresponda a f(x) = 0.3. En tal caso, como se tiene la
METODOS NUMERICOS 6
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
Sin embargo cuando se invierte las variables no hay garantía de que los valores junto con la
nueva abscisa [las f(x)] estén espaciados de una manera uniforme. Es decir, tendrán la apariencia
de una escala logarítmica, con algunos puntos adyacentes muy amontonados y otros muy
dispersos.
interpolación de orden n-ésimo, fn(x) , a los datos originales [es decir, con f(x) contra x].
En la mayoría de los casos, como las x están espaciadas de manera uniforme, este
METODOS NUMERICOS 7
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
La idea central es que en vez de usar un solo polinomio para interpolar los datos, podemos
usar segmentos de polinomios y unirlos adecuadamente para formar nuestra interpolación.
Podemos decir, que una función spline está formada por varios polinomios, cada uno definido
en un intervalo y que se unen entre si bajo ciertas condiciones de continuidad.
Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más
adecuadas.
Claramente esta función cumple con las condiciones de la spline de grado 1. Así, tenemos que
para este caso:
METODOS NUMERICOS 8
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
donde:
i) Sj (x) es un polinomio de grado menor o igual que 1
ii) S(x) tiene derivada continua de orden k-1=0.
iii) Sj(xj ) = y , para j = 0,1,K,n .
Por lo tanto, la spline de grado 1 queda definida como
Procedamos a calcular la interpolación por splines de grado 2. Primero que nada, vemos que se
forman tres intervalos: [3, 4.5], [4.5, 7], [7, 9]
En cada uno de estos intervalos, debemos definir una función polinomial de grado 2, como sigue:
Hacemos que la spline pase por los puntos de la tabla de datos, es decir, se debe cumplir que:
s(3) = 2.5, s(4.5) =1, s(7) = 2.5, s(9) = 0.5
Así, se forman las siguientes ecuaciones:
METODOS NUMERICOS 9
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
Vemos que esta derivada está formada por segmentos de rectas, que pudieran presentar
discontinuidad en los cambios de intervalo. Es decir, las posibles discontinuidades son x = 4.5 y
x = 7 . Por lo tanto para que s¢(x) sea continua, se debe cumplir que:
Así, tenemos un total de 8 ecuaciones vs. 9 incógnitas; esto nos da un grado de libertad para
elegir alguna de las incógnitas. Elegimos por simple conveniencia a1 = 0.
De esta forma, tenemos un total de 8 ecuaciones con 8 incógnitas. Estas son las siguientes:
METODOS NUMERICOS 10
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
Sustituyendo estos valores (junto con a1 =0 ), obtenemos la función spline cuadrática que
interpola la tabla de datos dada:
METODOS NUMERICOS 11
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
La gráfica que se muestra a continuación, contiene tanto los puntos iniciales de la tabla de datos,
así como la spline cuadrática.
El siguiente caso, que es el más importante en las aplicaciones, sigue exactamente los mismos
pasos del ejemplo que acabamos de resolver, solamente que en vez de trabajar con polinomios
cuadráticos, lo hace con polinomios cúbicos.
Una spline cúbica que interpola estos datos, es una función S(x) definida como sigue:
Donde cada si(x ) es un polinomio cúbico; s i (x i ) = y i , para toda i = 0,1,...,n y tal que s(x) tiene
primera y segunda derivadas continuas en [xo,xn].
METODOS NUMERICOS 12
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
CONCLUSIONES
La idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar
nuestra interpolación.
Podemos decir, que una función splines está formada por varios polinomios,
cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones
de continuidad.
Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más
adecuadas.
En los problemas de interpolación, se utiliza a menudo la interpolación
mediante splines porque da lugar a resultados similares requiriendo
solamente el uso de polinomios de bajo grado, evitando así las
oscilaciones, indeseables en la mayoría 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 representación y la facilidad de cómputo
de los splines los hacen populares para la representación de curvas en
informática, particularmente en el terreno de los gráficos por ordenador.
METODOS NUMERICOS 13
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
BIBLIOGRAFIA
Burden, Richard L.; J. Douglas, Faires (2004). Numerical Analysis. Belmont: Brooks/Cole.
Spitzbart, A. (enero de 1960). “A Generalization of Hermite's Interpolation Formula”.
AAVV “Numerical Reciples in C: The art of Scientific Computing”, Ed. Cambridge University
Press, 1992
P. Henrici.Essentials of Numerical Analysis. Wiley, New York, 1982.
J. Stoer, Introduction to Numerical Analysis. 3rd ed. Springer, 2002.
http://glub.ehu.es/recursos-castellano/ Linux_en_castellano-6.html
http://www.met.inf.cu/sometcuba/Boletin/v07_n01/art_abel04.htm
METODOS NUMERICOS 14
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
ANEXOS
Ejemplo N° 1
METODOS NUMERICOS 15
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
METODOS NUMERICOS 16
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
Anexo 2
Imágenes
METODOS NUMERICOS 17
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
METODOS NUMERICOS 18
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
METODOS NUMERICOS 19