Presentacion Unidad 2 - Parte 2

Parte 2 – Métodos de Interpolación
Dr. J. Federico Medrano

 El análisis anterior (interpolación lineal, cuadrática) puede generalizarse para
ajustar un polinomio de n-ésimo grado a n+1 datos. El polinomio de n-ésimo
grado es:
 Pn(x) = b0 + b1(x – x0) + · · · + bn(x – x0)(x – x1)· · ·(x – xn–1)
 P es el polinomio de Lagrange de grado n que coincide con la función f en los

números distintos x0 , x1 ,....., xn
 Para un polinomio de n-ésimo grado se requieren n + 1 puntos: [x0, f(x0)], [x1,
f(x1)],..., [xn, f(xn)]. Usamos estos datos y las siguientes ecuaciones para
evaluar los coeficientes:
 b0 = f (x0)
 b1 = f [x0, x1]
 b2 = f [x0, x1, x2]
·
·
 bn = f [x0, x1, · · ·, xn-1, xn]
 Introducimos lo que se conoce como notación de diferencia dividida.
Diferencias divididas de orden cero de la función f,
 Por ejemplo, la primera diferencia dividida en forma general se representa

como
 La segunda diferencia dividida, que representa la diferencia de las dos

primeras diferencias divididas, se expresa en forma general como
 En forma similar, la n-ésima diferencia dividida es
 Reemplazando, se obtiene el polinomio de interpolación de Newton en

diferencias divididas. Que toma la forma reducida:
 Ejemplo: dados los valores de la Tabla 1, construya un polinomio
interpolador de Newton en diferencias divididas para calcular P(1.5)
 Polinomio interpolador de Newton en diferencias divididas de grado 4
 Nos preguntamos, ahora, ¿cómo puede expresarse el polinomio de
interpolación para datos Lagrangianos; es decir, p (xi) = f (xi) = yi cuando los
nodos están igualmente espaciados?
 Supongamos que los nodos son de la forma: a = x0 < x1 < · · · < xn = b con
xi = a+ih, i = 0, . . . , n y h = (b−a)/n ; entonces, podemos relacionar las
diferencias divididas de f(x) con las llamadas Diferencias Finitas (D.F.) de f(x).
Pero, ¿cómo se definen?
 Llamamos D.F. progresiva de f de orden k >= 0 en un punto x, al valor
 Si usamos como punto un nodo de interpolación, entonces las D.F.

progresivas serán
 Llamamos D.F. regresiva de f de orden k >= 0 en un punto x, al valor:
 O bien
 Ahora, con esta nomenclatura, es fácil comprobar la propiedad siguiente:
 Propiedad: Dada f evaluada en nodos igualmente espaciados, xi = a + ih, i =
0, . . . n , entonces:
 pero si realizamos el cambio de variable:
 Entonces
 Como antes, si hacemos el cambio:
 tenemos la expresión:
 Ejemplo: Calculamos la tabla respectivas de diferencias finitas progresivas y
regresivas para los datos: {(−2, 3),(0, −1),(2, 3),(4, 5)} y damos las respectivas
expresiones del interpolante.
 Solución: Las diferencias finitas (progresivas y regresivas) son:
 Por lo tanto, los respectivos polinomios de interpolación son:
 FORMA PROGRESIVA (coeficientes en azul-morado)
 FORMA REGRESIVA (coeficientes en rojo-morado):

 En determinadas aplicaciones se precisan métodos de interpolación que
trabajen con datos prescritos de la función y sus derivadas en una serie de
puntos, con el objeto de aumentar la aproximación en las proximidades de
dichos puntos. Dentro de esta clase de métodos está la interpolación de
Hermite.
 Sean x0,…,xn puntos distintos. Conocidos los valores de la función ƒ y
su derivada ƒ ' en x0,…,xn, se trata de encontrar un polinomio de grado, el
menor posible, que coincida con ƒ y con su derivada en los puntos señalados.
 Se demuestra que dicho polinomio existe y es único. Además tiene grado
2n+1 (recuérdese que disponemos de 2n+2 datos para construirlo). A dicho
polinomio se le llama polinomio de interpolación de Hermite de ƒ en los
puntos xi, i = 0,.. , n.
 Datos numéricos: ƒ (x), ƒ ' (xi ), = 0,.., (2n+2 datos)
 Espacio de funciones interpoladoras: P2n +1
 Problema interpolación polinomial de Hermite:
 p ∈ P2n +1 p(x 0 ) = ƒ (x 0 ),..., p(xn ) = ƒ (xn )
 p'(x 0 ) = ƒ ' (x 0 ),..., p'(xn ) = ƒ (xn )
 Observación: El problema de interpolación de Hermite se puede extender

considerando valores de derivadas de la función de orden mayor que uno
 Construcción del polinomio de Hermite usando diferencias divididas.
Definamos puntos z0, . . . , z2n+1 por medio de
 y ponemos las condiciones
 Las diferencias divididas restantes se producen como de costumbre, y las

diferencias divididas apropiadas se emplean en la fórmula de diferencia
dividida interpolar de Newton. El polinomio de Hermite está dado por:
 Diferencias divididas de Hermite
 Ejemplo: Utilice el polinomio de Hermite que concuerda con los datos de la tabla
siguiente para encontrar una aproximación de f(1.5)
 Diferencias divididas calculadas

 El valor del polinomio de Hermite en 1.5 es:
 La construcción de polinomios de interpolación de grado alto aunque
justificable teóricamente plantea muchos problemas.
 Por un lado, la forma de la función polinómica de grado alto a menudo no
responde al fenómeno debido al gran número de extremos e inflexiones.
 Por otro lado, su cálculo es muy complicado, lo que limita su utilidad en
análisis numérico.
 Es a menudo más conveniente dividir el intervalo de interés en subintervalos
más pequeños y usar en cada subintervalo polinomios de grado relativamente
bajo, tratando de que la función a trozos definida de este modo tenga un
aspecto final adecuado al fenómeno que estamos representando.
 Por ejemplo, las curvas de tercer grado empleadas para unir cada par de
datos se llaman trazadores cúbicos. Esas funciones se pueden construir de
tal forma que las conexiones entre ecuaciones cúbicas adyacentes resulten
visualmente suaves
 La figura anterior (a a c) ilustra cómo un polinomio de grado superior tiende a
formar una curva de oscilaciones bruscas en la vecindad de un cambio
súbito.
 En contraste, el trazador también une los puntos; pero como está limitado a
cambios de tercer grado, las oscilaciones son mínimas.
 De esta manera, el trazador usualmente proporciona una mejor aproximación
al comportamiento de las funciones que tienen cambios locales y abruptos
 El concepto de trazador se originó en la técnica de dibujo que usa una cinta
delgada y flexible (llamada spline, en inglés), para dibujar curvas suaves a
través de un conjunto de puntos
 Trazador con cinta y 5 puntos. La técnica de dibujo que usa una cinta
delgada y flexible para dibujar curvas suaves a través de una serie de puntos.
Observe cómo en los puntos extremos, el trazador tiende a volverse recto.
Esto se conoce como un trazador “natural”.
 El objetivo en los trazadores cúbicos es obtener un polinomio de tercer grado
para cada intervalo entre los nodos
 Así, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en

consecuencia, 4n incógnitas a evaluar
 El trazador debe cumplir las siguientes condiciones
 Los valores de la función deben ser iguales en los nodos interiores (2n – 2
condiciones).
 La primera y última función deben pasar a través de los puntos extremos (2
condiciones).
 Las primeras derivadas en los nodos interiores deben ser iguales (n – 1
condiciones).
 Las segundas derivadas en los nodos interiores deben ser iguales (n – 1
condiciones).
 Las segundas derivadas en los nodos extremos son cero (2 condiciones).
 Total: 2n - 2 + 2 + n – 1 + n – 1 + 2 = 4n
 La interpretación visual de la condición 5 es que la función se vuelve una
línea recta en los nodos extremos. La especificación de una condición tal en
los extremos nos lleva a lo que se denomina trazador “natural”. Se le da tal
nombre debido a que los trazadores para el dibujo naturalmente se
comportan en esta forma.
 Los cinco tipos de condiciones anteriores proporcionan el total de las 4n
ecuaciones requeridas para encontrar los 4n coeficientes.
 Ejercicio: Interpolar los siguientes datos mediante una spline cúbica
X Y
2 -1
3 2
5 -7
 Definimos un polinomio cúbico en cada uno de los intervalos que se forman

 A continuación, hacemos que se cumpla la condición de que la spline debe
pasar por los puntos dados en la tabla. Así, tenemos que:
 Ahora calculamos la primera derivada de s(x) :

 Se presentan ecuaciones que pueden presentar discontinuidad en los
cambios de intervalo; las posibles discontinuidades son los puntos donde se
cambia de intervalo, en este caso x = 3. Para evitar esta discontinuidad,
evaluamos x = 3 en los dos polinomios e igualamos:
 Análogamente procedemos con la segunda derivada
 Para lograr que s’’(x) sea continua:

 En este punto contamos con 6 ecuaciones y 8 incógnitas, por lo tanto
tenemos 2 grados de libertad; en general, se agregan las siguientes 2
condiciones:
 De lo cual vamos a obtener

 Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incógnitas, el
cual es el siguiente:
 Obtenemos la siguiente solución:
 Sustituyendo estos valores en nuestra función inicial, vemos que la spline

cúbica para la tabla de datos dada, queda definida como sigue:
 Mostramos la gráfica correspondiente a este ejercicio
x f(x)
0.9 1.3
1.3 1.5  Crear un interpolador spline cúbico para los datos de la siguiente tabla
1.9 1.85
2.1 2.1
2.6 2.6  Estos datos representan los puntos de la silueta de un pato:
3.0 2.7
3.9 2.4
4.4 2.15
4.7 2.05
5.0 2.1
6.0 2.25
7.0 2.3
8.0 2.25
9.2 1.95
10.5 1.4
11.3 0.9
11.6 0.7
12.0 0.6
12.6 0.5
13.0 0.4
13.3 0.25

Presentacion Unidad 2 - Parte 2

Cargado por

Copyright:

Formatos disponibles

Presentacion Unidad 2 - Parte 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentacion Unidad 2 - Parte 2

Cargado por

Copyright:

Formatos disponibles

Parte 2 – Métodos de Interpolación

Dr. J. Federico Medrano

 P es el polinomio de Lagrange de grado n que coincide con la función f en los

 Por ejemplo, la primera diferencia dividida en forma general se representa

 La segunda diferencia dividida, que representa la diferencia de las dos

 Reemplazando, se obtiene el polinomio de interpolación de Newton en

 Si usamos como punto un nodo de interpolación, entonces las D.F.

 FORMA REGRESIVA (coeficientes en rojo-morado):

 Observación: El problema de interpolación de Hermite se puede extender

 y ponemos las condiciones

 Las diferencias divididas restantes se producen como de costumbre, y las

 Diferencias divididas calculadas

 Así, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en

 Definimos un polinomio cúbico en cada uno de los intervalos que se forman

 Ahora calculamos la primera derivada de s(x) :

 Análogamente procedemos con la segunda derivada

 Para lograr que s’’(x) sea continua:

 De lo cual vamos a obtener

 Sustituyendo estos valores en nuestra función inicial, vemos que la spline

También podría gustarte