unidad 4 axcel
TRANSCRIPT
UNIVERSIDAD FERMIN TORO
ESCUELA DE INGENIERIA
ANALISIS NUMERICO
AXCEL QUINTERO
INTERPOLACIÓN
En este capítulo estudiaremos el importantísimo tema de la interpolación de datos. Veremos dos tipos de interpolación: la interpolación polinomial y la interpolación segmentaria (splines). Comencemos dando la definición general.
Definición. Dados 1n puntos que corresponden a los datos:
y los cuales se representan gráficamente como puntos en el plano cartesiano,
Si existe una función )(xf definida en el intervalo nxx ,0 (donde suponemos
que nxxx 10 ), tal que ii yxf )( para ni ,,2,1,0 , entonces a )(xf se le llama una función de interpolación de los datos, cuando es usada para
aproximar valores dentro del intervalo nxx ,0 , y se le llama función de extrapolación de los datos, cuando está definida y es usada para aproximar valores fuera del intervalo.
Evidentemente pueden existir varios tipos de funciones que interpolen los mismos datos; por ejemplo, funciones trigonométricas, funciones exponenciales, funciones polinomiales, combinaciones de éstas, etc.
El tipo de interpolación que uno elige, depende generalmente de la naturaleza de los datos que se están manejando, así como de los valores intermedios que se están esperando.
Un tipo muy importante es la interpolación por funciones polinomiales. Puesto que evidentemente pueden existir una infinidad de funciones polinomiales de interpolación para una misma tabla de datos, se hace una petición extra para que el polinomio de interpolación , sea único.
Definición. Un polinomio de interpolación es una función polinomial que además de interpolar los datos, es el de menor grado posible.
Caso n=0
Tenemos los datos:
En este caso, tenemos que 0)( yxf (polinomio constante) es el
polinomio de menor grado tal que 00 )( yxf , por lo tanto, es el polinomio de interpolación.
Caso n=1
Tenemos los datos:
En este caso, el polinomio de interpolación es la función lineal que une a los dos puntos dados. Por lo tanto, tenemos que
)()( 0
01
010 xx
xx
yyyxf
es el polinomio de interpolación.
La siguiente gráfica representa este caso:
Observación.
Vemos que en el polinomio de interpolación del caso n=1 se encuentra como
primer término, 0y , que es el polinomio de interpolación del caso n=0.
Continuemos:
Caso n=2
Tenemos los datos:
Para este caso, el polinomio de interpolación va a ser un polinomio de
grado 2. Tomando en cuenta la observación anterior, intuímos que el polinomio de interpolación será como sigue:
término cuadrático
Por lo tanto, planteamos el polinomio de interpolación como sigue:
))(()()( 102010 xxxxbxxbbxf
Si asignamos 0xx , se anulan los valores de 1b y 2b , quedándonos el resultado:
00 )( bxf
Como se debe cumplir que 00 )( yxf , entonces:
00 by
Si asignamos 1xx , el valor de 2b queda anulado, resultando lo siguiente:
)()( 01101 xxbbxf
Como se debe cumplir que 11)( yxf y ya sabemos que 00 by ,
entonces )( 01101 xxbby , de lo cual obtenemos el valor para 1b :
1
01
01 bxx
yy
Asignando 2xx , vamos a obtener :
))(()()( 1202202102 xxxxbxxbbxf
Como se debe cumplir que 22)( yxf , y ya sabemos que 00 by y
1
01
01 bxx
yy
, sustituímos estos datos para después despejar el valor de 2b :
))(()( 1202202
01
0102 xxxxbxx
xx
yyyy
De lo cual podemos hacer un despeje parcial para lograr la siguiente igualdad :
)(
)(
022
12
02
01
0102
xxbxx
xxxx
yyyy
Ahora en el numerador del miembro izquierdo de la igualdad, le
sumamos un cero 11 yy , de tal manera que no se altere la igualdad:
A continuación, aplicamos un poco de álgebra para así obtener los
siguientes resultados:
Y finalmente despejando a 2b vamos a obtener :
02
01
01
12
12
2xx
xx
yy
xx
yy
b
Por lo tanto, el polinomio de interpolación para este caso es:
Observación.
Vemos que efectivamente el polinomio de interpolación contiene al del caso anterior, más un término extra que es de un grado mayor, pero además vemos que cada uno de los coeficientes del polinomio de interpolación, se forman a base de cocientes de diferencias de cocientes de diferencias, etc. Esto da lugar a la definición de diferencias divididas finitas de Newton, como sigue:
DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON
Las diferencias divididas finitas de Newton, se define de la siguiente manera:
ji
ji
jixx
xfxfxxf
)()(],[
ki
kjji
kjixx
xxfxxfxxxf
],[],[],,[
0
011011
],,[],,[],,,,[
xx
xxfxxfxxxxf
n
nnnn
A manera de ejemplo citemos el siguiente caso específico :
03
0121230123
],,[],,[],,,[
xx
xxxfxxxfxxxxf
donde a su vez:
13
1223123
],[],[],,[
xx
xxfxxfxxxf
y
012
0112012
],[],[],,[
xx
xxfxxfxxxf
Y donde a su vez:
23
2323
)()(],[
xx
xfxfxxf
etc.
Podemos ahora definir nuestro primer tipo de polinomio de interpolación.
POLINOMIO DE INTERPOLACIÓN DE NEWTON CON DIFERENCIAS DIVIDIDAS
Dados 1n datos:
- El polinomio de interpolación de Newton se define de la siguiente
manera:
110102010 nn xxxxxxbxxxxbxxbbxf
donde :
00 xfb
],[ 011 xxfb
0122 ,, xxxfb
0,, xxfb nn
Para calcular los coeficientes nbbb ,,, 10 , es conveniente construir una tabla de diferencias divididas como la siguiente :
Obsérvese que los coeficientes del polinomio de interpolación de Newton, se encuentran en la parte superior de la tabla de diferencias divididas.
Ejemplo 1. Calcular la tabla de diferencias divididas finitas con los siguientes
datos :
Y utilizar la información de dicha tabla, para construir el polinomio de interpolación de Newton.
Solución.
Procedemos como sigue:
Por lo tanto el polinomio de interpolación de Newton es :
)2)(1)(2(3.0)1)(2(25.0)2(24)( xxxxxxxf
Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los siguientes datos :
Y usar la información en la tabla, para construir el polinomio de
interpolación de Newton.
Solución. Procedemos como sigue:
Por lo tanto el polinomio de interpolación de Newton nos queda :
))(2)(3(20238.0)2)(3(66667.1)3(35)( xxxxxxxf
Antes de ver el siguiente tipo de polinomio de interpolación, veamos como el imponer la restricción del grado mínimo, implica la unicidad del polinomio de interpolación.
TEOREMA .
Si nxxx ,,, 10 son números reales distintos, entonces para valores
arbitrarios nyyy ,,, 10 existe un polinomio único xfn , de a lo más grado n, y tal que:
iin yxf para toda ni ,,2,1,0
DEMOSTRACIÓN.
En realidad, no probaremos formalmente la existencia de un polinomio de interpolación, aunque informalmente aceptamos que dada cualquier
tabla de datos, el polinomio de Newton siempre existe.
Probemos la unicidad del polinomio de interpolación.
Supongamos que xgn es otro polinomio de interpolación de a lo más grado n,
Sea xgxfxh nnn
0iiininin yyxgxfxh para todo ni ,2,1,0
Por lo tanto, xhn tiene 1n raíces distintas, y es un polinomio de grado a lo
más n, esto solamente es posible si 0xhn .
xgxf nn
Que es lo que queríamos probar.
Sin embargo, aunque el polinomio de interpolación es único, pueden existir diversas formas de encontrarlo. Una, es mediante el polinomio de Newton, otra mediante el polinomio de Lagrange.
POLINOMIO DE INTERPOLACIÓN DE LAGRANGE
Nuevamente tenemos los datos :
El polinomio de interpolación de Lagrange se plantea como sigue:
)()()()( 1100 xlyxlyxlyxP nn
Donde los polinomios )(xli se llaman los polinomios de Lagrange,
correspondientes a la tabla de datos.
Como se debe satisfacer que 00 )( yxP , esto se cumple si 1)( 00 xl y
0)( 0xli para toda 0i .
Como se debe satisfacer que 11)( yxP , esto se cumple si 1)( 11 xl y
0)( 1xli para toda 1i .
Y así sucesivamente, veremos finalmente que la condición nnn yxP
se cumple si 1nn xl y 0ni xl para toda ni .
Esto nos sugiere como plantear los polinomios de Lagrange. Para ser
más claros, analicemos detenidamente el polinomio )(0 xl . De acuerdo al análisis anterior vemos que deben cumplirse las siguientes
condiciones para )(0 xl :
1)( 00 xl y 0)(0 jxl , para toda 0j
Por lo tanto, planteamos )(0 xl como sigue:
no xxxxxxcxl 21
Con esto se cumple la segunda condición sobre )(0 xl . La constante c se determinará para hacer que se cumpla la primera condición:
nxxxxxxcxl 0201000 11
nxxxxxxc
02010
1
Por lo tanto el polinomio )(0 xl queda definido como:
n
n
xxxxxx
xxxxxxxl
02010
210
Análogamente se puede deducir que:
ji
ij
ji
i
jxx
xx
xl)(
)(
, para nj ,,1
Ejemplo 1 Calcular el polinomio de Lagrange usando los siguientes
datos:
Solución. Tenemos que:
)()()()()( 3321100 xlyxlyxlyxlyxf
)(3)(2)()(2)( 3210 xlxlxlxlxf
donde:
48
)7)(5)(3(
)6)(4)(2(
)7)(5)(3()(0
xxxxxxxl
16
)7)(5)(1(
)4)(2)(2(
)7)(5)(1()(1
xxxxxxxl
16
)7)(3)(1(
)2)(2)(4(
)7)(3)(1()(2
xxxxxxxl
48
)5)(3)(1(
)2)(4)(6(
)5)(3)(1()(3
xxxxxxxl
Sustituyendo arriba, el polinomio de Lagrange queda definido como
sigue:
16
)5)(3)(1(
8
)7)(3)(1(
16
)7)(5)(1(
24
)7)(5)(3()(
xxxxxxxxxxxxxf
Ejemplo 2. Calcular el polinomio de Lagrange usando los siguientes
datos:
Solución. Tenemos que:
)()()()()( 3321100 xlyxlyxlyxlyxf
)(2)(3)()()( 3210 xlxlxlxlxf
donde:
48
)4)(2(
)6)(4)(2(
)4)(2)(0()(0
xxxxxxxl
16
)4)(2)(2(
)4)(2)(2(
)4)(2)(2()(1
xxxxxxxl
16
)4)(2(
)2)(2)(4(
)4)(0)(2()(2
xxxxxxxl
48
)2)(2(
)2)(4)(6(
)2)(0)(2()(3
xxxxxxxl
Sustituyendo arriba, el polinomio de Lagrange queda como sigue:
24
)2)(2(
16
)4)(2(3
16
)4)(2)(2(
48
)4)(2()(
xxxxxxxxxxxxxf
En el capítulo de integración numérica, usaremos nuevamente a los polinomios de Lagrange.
INTERPOLACIÓN DE SPLINES
Terminamos este capítulo, estudiando un tipo de interpolación que ha demostrado poseer una gran finura, y que inclusive es usado para el diseño por computadora, por ejemplo, de tipos de letra.
Esta interpolación se llama interpolación segmentaria o interpolación por splines. 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.
Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más adecuadas para aplicaciones como la mencionada anteriormente.
Así pues, podemos decir de manera informal, que una funcion spline está formada por varios polinomios, cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones de continuidad.
Definición. (Splines de grado k)
Dada nuestra tabla de datos,
donde suponemos que nxxx 10 , y dado k un número entero positivo, una función de interpolación spline de grado k, para
la tabla de datos, es una función )(xs tal que :
i) ii yxs )( , para toda ni ,,1,0 .
ii) xs es un polinomio de grado k en cada subintervalo
ii xx ,1 .
iii ) xs tiene derivada contínua hasta de orden 1k en nxx ,0 .
FUNCIONES SPLINES DE GRADO 1
Dados los 1n puntos
Una función spline de grado 1 que interpole los datos es simplemente unir cada uno de los puntos mediante segmentos de recta, como sigue:
Claramente esta función cumple con las condiciones de la spline de grado 1. Así, tenemos que para ested caso:
nnn xxxsixs
xxxsxs
xxxsixs
xs
,
,
,
)(
1
212
101
donde:
i) xs j es un polinomio de grado menor o igual que 1
ii) xs tiene derivada continua de orden k-1=0.
iii) jj yxs , para nj ,,1,0 . Por lo tanto, la spline de grado 1 queda definida como :
nnnnnn xxxsixxxxfy
xxxsixxxxfy
xxxsixxxxfy
xs
,,
,,
,,
1111
211121
100010
donde ],[ ji xxf es la diferencia dividida de Newton.
FUNCIONES SPLINES DE GRADO 2
Para aclarar bien la idea, veamos un ejemplo concreto, consideremos los siguientes datos :
Y procedamos a calcular la interpolación por splines de grado 2.
Primero que nada, vemos que se forman tres intervalos :
9,7
7,5.4
5.4,3
En cada uno de estos intervalos, debemos definir una función
polinomial de grado 2, como sigue:
9,7
7,5.4
5.4,3
33
2
3
22
2
2
11
2
1
xsicxbxa
xsicxbxa
xsicxbxa
xs
Primero, hacemos que la spline pase por los puntos de la tabla de datos. Es decir, se debe cumplir que:
5.0)9(,5.2)7(,1)5.4(,5.2)3( ssss Así, se forman las siguientes ecuaciones:
5.2395.2)3( 111 cbas
15.4)5.4(
15.4)5.4(1)5.4(
222
2
111
2
cba
cbas
5.2749
5.27495.2)7(
333
222
cba
cbas
5.09815.0)9( 333 cbas
Hasta aquí, tenemos un total de 6 ecuaciones vs. 9 incógnitas. El siguiente paso es manejar la existencia de las derivadas contínuas.
En el caso de las splines de grado 2, necesitamos que la spline tenga
derivada contínua de orden k-1=1, es decir, primera derivada
continua. Calculamos primero la primera derivada:
9,72
7,5.42
5.4,32
33
22
11
xsibxa
xsibxa
xsibxa
xs
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 5.4x y 7x . Por lo
tanto para que xs sea contínua, se debe cumplir que:
2211 5.425.42 baba o lo que es lo mismo,
2211 99 baba
También debe cumplirse que:
3322 7272 baba o lo que es lo mismo,
3322 1414 baba
Así, tenemos un total de 8 ecuaciones vs. 9 incognitas; esto nos
da un grado de libertad para elegir alguna de las incógnitas. Elegimos
por simple conveniencia 01a .
De esta forma, tenemos un total de 8 ecuaciones vs. 8 incógnitas. Estas son las siguientes:
3322
221
333
333
222
222
11
11
1414
9
5.0981
5.2749
5.2749
15.425.20
15.4
5.23
baba
bab
cba
cba
cba
cba
cb
cb
Este sistema de ecuaciones tiene la siguiente forma matricial:
0
0
5.0
5.2
5.2
1
1
5.2
0114011400
00001901
198100000
174900000
000174900
00015.425.2000
00000015.4
00000013
3
3
3
2
2
2
1
1
c
b
a
c
b
a
c
b
Usando Mathematica se obtiene la siguiente solución:
3.91
6.24
6.1
46.18
76.6
64.0
5.5
1
3
3
3
2
2
2
1
1
c
b
a
c
b
a
c
b
Sustituyendo estos valores (junto con 01a ), obtenemos la función spline cuadrática que interpola la tabla de datos dada:
9,73.916.246.1
7,5.446.1876.664.0
5.4,35.5
2
2
xsixx
xsixx
xsix
xs
La gráfica que se muestra a continuación, contiene tanto los puntos
iniciales de la tabla de datos, así como la spline cuadrática. Esta
gráfica se generó usando Mathematica.
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.
3 4.5 7 9
-1
1
2
3
4
5