Interpolación Numérica

Interpolacin Captulo 18
Cuando se quieren estimar valores intermedios a un conjunto de datos precisos, el mtodo mas usado es la interpolacin polinomial. pn ( x) = a0 + a1 x + a2 x 2 + L + an x n Aunque existe un nico polinomio de grado n que pasa por n+1 puntos, hay una variedad de formatos matemticos en los que se puede expresar ese polinomio, entre ellos: La forma de Newton. La forma de Lagrange.
13/03/2010 Chapter 18
Copyright 2006 The McGraw-Hill Companies, Inc. Permission required for reproduction or display.
La Figura siguiente muestra el segmento de recta que une dos puntos, la parbola que pasa por tres puntos y la cbica que pasa por cuatro puntos. En general, puede demostrarse que por n +1 puntos diferentes pasa un nico polinomio de grado n
13/03/2010
Chapter 18
Qu es interpolacin?
Dados n puntos (x0,y0), (x1,y1), (xn,yn) se quiere encontrar un valor de la variable dependiente y en un valor de x que no esta en la lista.
13/03/2010 Chapter 18
Funciones interpolantes
Los polinomios son las funciones que se usan mas frecuentemente como interpolantes porque son fciles de Evaluar Derivar Integrar Manipular
13/03/2010 Chapter 18
Ejemplo:
El brazo de un robot se usa para verificar, como control de calidad, el tamao del radio de seis agujeros que estn en una placa rectangular de 15 X 10 pulgadas. Las coordenadas de los agujeros son
x (m) y (m)
Path of a robot 8 7 6 5 4 3 2 1 0 0 5 X 10 15
2 4.25 5.25 7.81 9.2 10.6

13/03/2010
7.2 7.1 6 5 3.5 5

Chapter 18
Problema
Se quiere construir el camino mas corto que pase por los seis puntos.
13/03/2010
Chapter 18
Mtodo Directo
Dados n+1 puntos (x0,y0), (x1,y1),, (xn,yn), se quiere construir un polinomio de grado n que pase por todos los datos:
y = pn ( x) = a0 + a1 x + .................... + an x n
donde a0, a1,, an son constantes reales. Primero se deben establecer las n+1 ecuaciones para encontrar las n+1 incgnitas. Para aproximar el valor de y en un punto x, se substituye el valor x en el polinomio de interpolacin .
13/03/2010 Chapter 18
Interpolacin Lineal
y ( x ) = a 0 + a1 x
ys f ( range) f x desired 7.14 7.2 7.2
7.18
7.16
La solucin de las dos ecuaciones anteriores es:
7.12
7.1
7.1 7.08 x s 10
0
5 x s , range, x desired
10 x s + 10
1
De donde
13/03/2010 Chapter 18
Interpolacin Cuadrtica
y ( x ) = a 0 + a1 x + a 2 x
2
La solucin de las tres ecuaciones anteriores es
13/03/2010
Chapter 18
7.56258
7.5
ys f ( range) f x desired 7
6.5
2 2
2.5
3.5
4.5
5.5 5.25
13/03/2010
Chapter 18
x s , range, x desired
10
Tabla comparativa
Orden del Polinomio Posicin del brazo para x=4 Error porcentual estimado 1 7.1111 ---------2 7.2735 2.235%
13/03/2010
Chapter 18
11
Interpolacin de quinto grado

(x ) = a 0 + a1 x + a 2 x 2 + a3 x 3 + a 4 x 4 + a5 x 5 y
y (2.00) = 7.2 = a0 + a1 (2.00) + a 2 (2.00 ) + a3 (2.00 ) + a 4 (2.00 ) + a5 (2.00)
2 3 4 5
y (4.25) = 7.1 = a 0 + a1 (4.25) + a 2 (4.25) + a 3 (4.25) + a 4 (4.25) + a 5 (4.25)

2 3 4
y (5.25) = 6.0 = a 0 + a1 (5.25) + a 2 (5.25) + a 3 (5.25) + a 4 (5.25) + a 5 (5.25)

2 3 4
y (7.81) = 5.0 = a 0 + a1 (7.81) + a 2 (7.81) + a3 (7.81) + a 4 (7.81) + a 5 (7.81)

2 3 4 2 3 4
y (9.20 ) = 3.5 = a 0 + a1 (9.20) + a 2 (9.20) + a 3 (9.20 ) + a 4 (9.20 ) + a5 (9.20 )

2 3 4
y (10.60 ) = 5.0 = a 0 + a1 (10.60 ) + a 2 (10.60) + a 3 (10.60 ) + a 4 (10.60) + a5 (10.60)

13/03/2010 Chapter 18
12

Si escribimos las ecuaciones anteriores en forma matricial obtenemos
a0 = 30.898 a1 = 41.344 a2 = 15.855 a3 = 2.7862 a4 = 0.23091 a5 = 0.0072923

13/03/2010 Chapter 18
13

y ( x ) = 30.898 + 41.344 x 15.855 x 2 + 2.7862 x 3 0.23091x 4 + 0.0072923 x 5 ,2 x 10.6
Path of a robot
10 9 8 7 6 5 4 3.5 3 2 1 0 0 2 4 6 X 8 10 12 Y 7.2 7.1 6 5 5
13/03/2010
Chapter 18
14
Comentarios generales sobre la solucin del problema de interpolacin

La matriz de coeficientes del sistema anterior es una matriz de Vandermonde, puede demostrarse que es invertible, si los puntos de interpolacin, xi, son todos diferentes, pero est mal condicionada. Esa matriz se obtiene al representar el polinomio de interpolacin usando la base cannica 1, x, x 2 ,..., x n
13/03/2010 Chapter 18
15
Comentarios generales sobre la solucin del problema de interpolacin

Si se usa otra representacin puede obtenerse un sistema mejor condicionado y por lo tanto obtener una mejor solucin y por ende un mejor polinomio de interpolacin. Tambin usando otra representacin pueden estudiarse mejor las propiedades del polinomio de interpolacin.
13/03/2010 Chapter 18
16
Existencia y unicidad del polinomio de interpolacin

Teorema: Dados n + 1 puntos
( x1, y1),( x2 , y2 ),...,( xn+1, yn+1)

consideremos el problema de encontrar un polinomio de grado n, pn ( x), que interpole los datos, es decir, . pn ( xi ) = yi , i = 1,..., n + 1 El problema tiene solucin nica si y solo si los xi son todos diferentes.
13/03/2010
Chapter 18
17
Las Diferencias Divididas de Newton. Polinomio de Interpolacin

Interpolacin Lineal
Interpolacin de grado uno es equivalente a construir la recta que pasa por dos puntos dados:
p1 ( x) = b0 + b1 ( x x0 )
pendiente
f ( x1 ) f ( x0 ) ( x x0 ) p1 ( x) = f ( x0 ) + Frmula de Newton x1 x0
interpolacin lineal
p1(x) denota al polinomio de interpolacin de grado uno, es decir, la recta que pasa por los dos puntos.
13/03/2010 Chapter 18
18
Figure 18.2
13/03/2010
Chapter 18
19
Si tenemos tres datos, la interpolacin puede mejorarse si introducimos la curvatura en la recta que conecta los puntos, en este caso el polinomio queda como:
p2 ( x) = b0 + b1 ( x x0 ) + b2 ( x x0 )( x x1 )
Las condiciones de interpolacin son:
x = x0 x = x1 b0 = f ( x0 ) f ( x1 ) f ( x0 ) b1 = x x0 f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 ) x2 x1 x1 x0 b2 = x 2 x0
Chapter 18
x = x2
13/03/2010
20
Forma de Newton del polinomio de interpolacin

pn ( x) = f ( x0 ) + ( x x0 ) f [ x1 , x0 ] + ( x x0 )( x x1 ) f [ x2 , x1 , x0 ] + L + ( x x0 )( x x1 ) L ( x xn1 ) f [ xn , xn1 ,L, x0 ] b0 = f ( x0 ) b1 = f [ x1 , x0 ] b2 = f [ x2 , x1 , x0 ] M bn = f [ xn , xn1 ,L, x1 , x0 ] f [ xi , x j ] = f ( xi ) f ( x j ) xi x j f [ xi , x j ] f [ x j , xk ] xi xk f [ xn , xn1 ,K, x1 ] f [ xn1 , xn2 ,K, x0 ] Chapter 18 x n x0
Lo que aparece dentro de las elipses son las diferencias divididas
f [ xi , x j , xk ] = M
13/03/2010
f [ xn , xn1 ,K, x1 , x0 ] =
21
Naturaleza recursiva de las diferencias divididas

i xi 0 x0 1 x1 2 x2 3 x3 f ( xi ) f ( x0 ) f ( x1 ) f ( x3 ) 1ra f [ x1 , x0 ] f [ x2 , x1 ] f [ x3 , x 2 ] 2da 3ra
f (x2 )
f [ x2 , x1 , x0 ] f [ x3 , x2 , x1 ] f [ x3 , x2 , x1 , x0 ]
f [ xn , xn 1 ,..., x1 ] f [ xn 1 , xn 2 ,..., x1 , x0 ] f [ xn , xn 1 ,..., x1 , x0 ] = x n x0

13/03/2010 Chapter 18
22
Ventajas de la representacin de Newton Problema mejor condicionado Si se agrega un punto nuevo no es necesario repetir los clculos menor nmero de operaciones para generar matriz de coeficientes y resolver el sistema de ecuaciones que es triangular inferior
13/03/2010 Chapter 18
23
Ejemplo del logaritmo

Se quiere aproximar la funcin logaritmo en el intervalo [1,6] por un polinomio. Se dispone de los siguientes datos: x0 = 1 f ( x0 ) = 0
x1 = 6 x3 = 5
f ( x1 ) = 1.791759 f ( x3 ) = 1.6094381
x2 = 4 f ( x2 ) = 1.386294
13/03/2010
Chapter 18
24
Fig 18.3
13/03/2010
Chapter 18
25
Fig 18.4
13/03/2010
Chapter 18
26
Fig 18.6
13/03/2010
Chapter 18
27
El error de interpolacin
La estructura del polinomio de interpolacin es similar al polinomio de Taylor. Para el polinomio de interpolacin de grado n existe una frmula anloga para el error: es un punto interior f ( x) = pn ( x) + Rn ( x) donde
f ( ) Rn ( x) = ( x x0 )( x x1 ) L ( x xn ) (n + 1)!
( n +1)
del intervalo definido por los datos
La forma de Newton nos da la frmula alternativa:
Rn ( x ) = f [ x, xn , xn1 ,K, x0 ]( x x0 )( x x1 )L ( x xn )
13/03/2010 Chapter 18
28
Estimacin del error de interpolacin Del teorema del error se obtiene el siguiente subproducto
f ( n +1) ( ) f [ x, xn , xn 1 , K , x0 ] = para algun (n + 1)!
Por otro lado, para obtener una estimacin del error, cuando se tiene un punto adicional, basta con calcular un trmino mas para obtener e Rn ( x) = f [ xn+1 , xn , xn1 ,K, x0 ]( x x0 )( x x1 ) L ( x xn )
13/03/2010 Chapter 18
29
Uso de la estimacin del error en el problema del logaritmo

Si usamos los diferentes polinomios de interpolacin de grado 1, 2 y 3 para estimar el valor de ln(2) obtenemos los siguientes resultados:
1.791759 0 ln(2) p1 (2) = 0 + (2 1) = 0 + 0.462098(2 1) = 0.3583519 6 1 ln(2) p2 (2) = p1 (2) 0.0518731(2 1)(2 4) = 0.5658444 R1e (2) = p2 (2) p1 (2) = 0.1037463 ln(2) p3 (2) = p2 (2) 0.007865529(2 1)(2 4)(2 6) = 0.6287686
e R2 (2) = p2 (2) p1 (2) = 0.0629242
13/03/2010 Chapter 18
30
Fig 18.8
13/03/2010
Chapter 18
31
Fig 18.9
13/03/2010
Chapter 18
32
La figura muestra interpolacin vs extrapolacin
13/03/2010
Chapter 18
33
Forma de Lagrange del polinomio de interpolacin

Reescribimos el polinomio de interpolacin para evitar calcular las diferencias dividas de la siguiente manera: n
f n ( x) = Li ( x) f ( xi )
i =0 n
Li ( x) =
j =0 j i
x xj xi x j
Para obtener la siguiente expresin

13/03/2010 Chapter 18
34
(x x1 )(x x2 ) f ( x ) + (x x0 )(x x2 ) f ( x ) p2 ( x ) = (x0 x1 )(x0 x 2 ) 0 (x1 x0 )(x1 x 2 ) 1 (x x0 )(x x1 ) f ( x ) + 2 (x2 x0 )(x2 x1 )

Igual que en el caso de Newton el estimado del error es
n
x x0 x x1 f ( x1 ) f ( x0 ) + p1 ( x) = x1 x0 x0 x1
Rn = f [ x, xn , xn 1 , K , x0 ] ( x xi )
i =0
13/03/2010 Chapter 18
35
Seleccin de los puntos de interpolacin

Una pregunta natural es: Cmo se pueden elegir los puntos de interpolacin de tal manera que el error se minimice? Dicho de otra manera se quieren escoger los xi de tal forma que Rn(x) sea mnimo.
f ( ) Rn ( x ) = ( x x0 )( x x1 ) L ( x xn ) (n + 1)!
( n +1)
13/03/2010 Chapter 18
36
Para hallar la respuesta debe resolverse el problema de optimizacin mini-max
f ( ) min max ( x x0 )( x x1 ) L ( x xn ) x x[ x , x ] (n + 1)!

( n +1)
i 0 n
La solucin de ese problema puede hallarse fcilmente si el intervalo de interpolacin es [-1,1]. En ese caso, la mejor escogencia son los ceros del polinomio de Chebyshev de grado n + 1:
13/03/2010 Chapter 18
37
Polinomios de Chebyshev
Definimos los polinomios usando una relacin de recurrencia: T0(x) = 1 y T1(x) = x Tk(x) = 2x Tk-1(x) - Tk-2(x) k = 2,3,4 T2(x) = 2x2-1, T3(x) = 4x3-3x, T4(x) = 8x4-8x2+1, T5(x) = 16x5-20x3+5x
13/03/2010 Chapter 18
38
Propiedades de los polinomios de Chebyshev

1. El coeficiente de xn en Tn(x) es 2n-1, n=1,2, 2. Cuando n es par entonces Tn(x) es una funcin par ,es decir, Tn(-x) = Tn(x). Cuando n es impar Tn(x) es una funcin impar ,es decir, Tn(-x) = -Tn(x) 3. Representacin trigonomtrica si -1<= x <=1 Tn(x) = cos(n arccos(x))
13/03/2010 Chapter 18
39
4. Tn(x) tiene n ceros simples en [-1,1] que estn dados por : (2k + 1)
Tn ( x)
(x x ) 1
i i =0
n 1
xk = cos
2n
, k = 0,1,..., n 1
x [1,1]
max{T ( x) : x [1,1]} max{Q( x) : x [1,1]},
5. Teorema (Chebyshev):Si n est fijo y definimos T(x)=(1/2n)Tn+1(x) entonces
donde Q(x) es cualquier polinomio mnico de grado n 1 Ms aun, max{T ( x) : x [1,1]} = n 13/03/2010 Chapter 18 40 2
Seleccin ptima de los nodos de interpolacin

Por anterior, concluimos que en el intervalo [-1,1] el error de interpolacin se minimiza si se usan como nodos de interpolacin los ceros del polinomio de Chebyshev. Si el intervalo de interpolacin es [a,b] haciendo el cambio de variables se llevas
13/03/2010
Chapter 18
41
Consideremos la interpolacin de la funcin de Runge
1 f ( x) = 1 + 12 x 2
13/03/2010
Chapter 18
42
La figura muestra las aproximaciones sucesivas de la funcin escaln por polinomios de grado cinco, siete y nueve. En (d) se muestra se aproxima con una funcin lineal a trozos.
13/03/2010
Chapter 18
43
Interpolacin con funciones polinomiales a trozos

Hay situaciones, como el caso de la funcin escaln o la funcin de Runge, cuando usar un polinomio de grado alto lleva a resultados errados. Una alternativa es aproximar con polinomios de grado bajo a subconjuntos de los datos y conectar esos polinomios de forma continua. Esas funciones polinomiales a trozos se llaman splines.
13/03/2010 Chapter 18
44
La figura muestra el trazador o spline de los dibujantes
13/03/2010
Chapter 18
45
Figure 18.16
13/03/2010
Chapter 18
46
Figure 18.17
13/03/2010
Chapter 18
47

Interpolación Numérica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Interpolación Numérica

Uploaded by

Copyright:

Available Formats

Interpolacin Captulo 18

2 4.25 5.25 7.81 9.2 10.6

7.2 7.1 6 5 3.5 5

La solucin de las dos ecuaciones anteriores es:

La solucin de las tres ecuaciones anteriores es

Interpolacin de quinto grado

y (4.25) = 7.1 = a 0 + a1 (4.25) + a 2 (4.25) + a 3 (4.25) + a 4 (4.25) + a 5 (4.25)

y (5.25) = 6.0 = a 0 + a1 (5.25) + a 2 (5.25) + a 3 (5.25) + a 4 (5.25) + a 5 (5.25)

y (7.81) = 5.0 = a 0 + a1 (7.81) + a 2 (7.81) + a3 (7.81) + a 4 (7.81) + a 5 (7.81)

y (9.20 ) = 3.5 = a 0 + a1 (9.20) + a 2 (9.20) + a 3 (9.20 ) + a 4 (9.20 ) + a5 (9.20 )

y (10.60 ) = 5.0 = a 0 + a1 (10.60 ) + a 2 (10.60) + a 3 (10.60 ) + a 4 (10.60) + a5 (10.60)

Interpolacin de quinto grado

a0 = 30.898 a1 = 41.344 a2 = 15.855 a3 = 2.7862 a4 = 0.23091 a5 = 0.0072923

Interpolacin de quinto grado

Comentarios generales sobre la solucin del problema de interpolacin

Comentarios generales sobre la solucin del problema de interpolacin

Existencia y unicidad del polinomio de interpolacin

( x1, y1),( x2 , y2 ),...,( xn+1, yn+1)

Las Diferencias Divididas de Newton. Polinomio de Interpolacin

Forma de Newton del polinomio de interpolacin

Lo que aparece dentro de las elipses son las diferencias divididas

Naturaleza recursiva de las diferencias divididas

f [ xn , xn 1 ,..., x1 ] f [ xn 1 , xn 2 ,..., x1 , x0 ] f [ xn , xn 1 ,..., x1 , x0 ] = x n x0

Ejemplo del logaritmo

del intervalo definido por los datos

La forma de Newton nos da la frmula alternativa:

Uso de la estimacin del error en el problema del logaritmo

La figura muestra interpolacin vs extrapolacin

Forma de Lagrange del polinomio de interpolacin

Para obtener la siguiente expresin

(x x1 )(x x2 ) f ( x ) + (x x0 )(x x2 ) f ( x ) p2 ( x ) = (x0 x1 )(x0 x 2 ) 0 (x1 x0 )(x1 x 2 ) 1 (x x0 )(x x1 ) f ( x ) + 2 (x2 x0 )(x2 x1 )

Seleccin de los puntos de interpolacin

Para hallar la respuesta debe resolverse el problema de optimizacin mini-max

f ( ) min max ( x x0 )( x x1 ) L ( x xn ) x x[ x , x ] (n + 1)!

Propiedades de los polinomios de Chebyshev

max{T ( x) : x [1,1]} max{Q( x) : x [1,1]},

5. Teorema (Chebyshev):Si n est fijo y definimos T(x)=(1/2n)Tn+1(x) entonces

Seleccin ptima de los nodos de interpolacin

Consideremos la interpolacin de la funcin de Runge

Interpolacin con funciones polinomiales a trozos

La figura muestra el trazador o spline de los dibujantes

You might also like