3 Interpolacion

Interpolacin Polinomial
Mg. Hermes Pantoja Carhuavilca

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial
Mtodos Computacionales
Agenda
Introduccin Introduccin Aplicaciones Interpolacin y aproximacin Teoria Vandermonde Lagrange Newton Interpolacion de Newton Diferencias Divididas Diferencias Finitas Anlisis de error
41
Mg. Hermes Pantoja C. Introduccin

Introduccin Aplicaciones Interpolacin y aproximacin Teoria
Vandermonde Lagrange Newton

Interpolacion de Newton Diferencias Divididas Diferencias Finitas
Anlisis de error
Interpolacin
Dado un conjunto de datos conocidos (x0 , y0 ), (x1 , y1 ), . . . , (xN , yN ) buscamos una funcin f : R R que satisfaga f (xi ) = yi , i = 0, . . . , N
3


Anlisis de error
41
Interpolacin
3


f es una funcin interpolante o interpolador
Anlisis de error
41
Interpolacin
3


f es una funcin interpolante o interpolador El interpolador f puede ser

polinomio spline
41
Anlisis de error
Aplicaciones
Interpolacin Polinomial Mg. Hermes Pantoja C. Introduccin
Introduccin 4 Aplicaciones Interpolacin y aproximacin Teoria
Trazado de curvas a travs de un conjunto discreto de datos. Determinar valores intermedios de una tabla de datos. Derivar e integrar a partir de una tabla de datos. Evaluar de manera fcil una funcin matemtica. Reemplazar una funcin complicada por una simple.

Anlisis de error
41
Introduccin
Interpolacin Polinomial Mg. Hermes Pantoja C.
Funciones utilizadas como interpoladores

Polinomios Funciones trigonomtricos Funciones exponenciales Funciones racionales
5
Introduccin

Los interpoladores se ajustan a los datos de manera exacta (f (xi ) = yi ) Interpolacin presenta problemas cuando los datos estn sujetos a errores signicativos.
Anlisis de error
41
Introduccin
Introduccin Aplicaciones 6 Interpolacin y aproximacin Teoria

Anlisis de error
41
Teorema de Aproximacin de Weierstrass

Teorema
Sea f : [a, b] R continua. Para todo > 0, existe un polinomio P(x ) denido sobre [a, b] tal que: |f (x ) P(x )| < x [a, b]
7


Anlisis de error
41
Teorema
Si x0 , x1 , . . . , xN son nmeros reales distintos, entonces para N + 1 valores arbitrarios y0 , y1 , . . . , yN existe un nico polinomio PN de grado a lo sumo N tal que PN (xi ) = yi , i = 0, . . . , N Observaciones El teorema generaliza:Por 2 puntos distintos del plano pasa una y slo una lnea recta (polinomio de grado 1) x x . . . xN Dado una tabla de datos 0 1 y0 y1 . . . yN existe uno y slo un polinomio PN de grado N tal que PN (xi ) = yi . Aunque el polinomio es nico, existen diversas formas de expresarlo y diferentes algoritmos para determinarlos.
Polinomio interpolador
Asumimos un conjunto de puntos discretos {x0 , x1 , . . . , xN } con los valores correspondientes {f (x0 ), f (x1 ), . . . , f (xN )} Construimos una funcin f (x ) que pasa por (xi , f (xi )) por medio de la aproximacin
N
9

Vandermonde Lagrange
f (x ) PN (x ) =
i=0
ak k (x )
Newton
PN (x ) es el polinomio interpolante. k (x ) son polinomios conocidos a priori y forman una base. ak son coecientes por determinar.
41
Anlisis de error
Interpolacin de Vandermonde
Introduccin Aplicaciones
Consideremos como bases los monomios k (x ) = x k , k = 0, . . . , N Para la base dada obtenemos la representacin PN (x ) = a0 + a1 x + a2 x 2 + . . . + aN x N donde a0 , a1 , . . . , aN son constantes a determinar.
Interpolacin y aproximacin Teoria 10

Anlisis de error
41
Interpolacin de Vandermonde
Las N + 1 ecuaciones que surgen al evaluar xi en f (x ) se pueden expresar matricialmente como


Introduccin Aplicaciones Interpolacin y aproximacin Teoria 11
1 1 . . .
x0 x1 . . .
1 xN
. . . 2 xN
2 x0 2 x1
... ...
. . . . N . . . xN
N x0 N x1
a0 a1 . . . aN
f (x0 ) f (x1 ) . . . f (xN )

Va=f V es la matriz de Vandermonde y det(V) =

0i<jN
Anlisis de error
(xj xi ) = 0
.
41
Ejemplo
Ejemplo
Determine el polinomio de grado 2 que interpola los tres dados (2, 27), (0, 1), (1, 0) Solucin
12
Interpolacin y aproximacin Teoria

Anlisis de error
41
El polinomio est dado por P2 (x ) = a0 + a1 x + a2 x 2 Para este caso el sistema est dado por

Introduccin
1 2 4 a0 27 1 0 0 a1 = 1 1 1 1 a2 0 La solucin est dada por P2 (x ) = 1 + 5x 4x 2 1 5 4

T
13
Aplicaciones Interpolacin y aproximacin Teoria
Anlisis de error
41
Interpolacin de Lagrange
Como base tomamos los polinomios bsicos de Lagrange denidos por

Introduccin
(x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xN ) Aplicaciones y Interpolacin Lk (x ) = (xk x0 )(xk x1 ) (xk xk1 )(xk xk+1 ) (xk xN aproximacin ) Teoria
N
= i =0 i =k
(x xi ) (xk xi )
Vandermonde
14
Lagrange Newton
Propiedades
Lk es un polinomio de grado N 1 si k = j Lk (xj ) = 0 si k = j
41
Anlisis de error
El polinomio de interpolacin de Lagrange est dado por PN (x ) = f (x0 )L0 + f (x1 )L1 + . . . + f (xN )LN
n

=
k=0
f (xk )LN (x )
15

El polinomio de interpolacin de Lagrange es de grado N y pasa por los N + 1 puntos (x0 , f (x0 )), . . . , (xN , f (xN ))
Anlisis de error
41
Ejemplo
Dado los siguientes puntos x 0 0.5 1 y 1 0.8 0.5 hallar los polinomios bsicos de lagrange y el polinomio interpolante. Solucin: L0 (x ) = L1 (x ) = L2 (x ) = (x x1 )(x x2 ) (x0 x1 )(x0 x2 ) (x x0 )(x x2 ) (x1 x0 )(x1 x2 ) (x x0 )(x x1 ) (x2 x0 )(x2 x1 ) = = = (x 0.5)(x 1) (0 0.5)(0 1) (x 0)(x 1) (0.5 0)(0.5 1) (x 0)(x 0.5) (1 0)(1 0.5)
41

Vandermonde
16
Lagrange Newton
Anlisis de error
Polinomios Basicos de Lagrange: L0 (x ) = 2x 2 3x + 1 L1 (x ) = 4x 2 + 4x L2 (x ) = 2x 2 x Polinomio de Lagrange:
Introduccin
Vandermonde
17
Lagrange Newton
P2 (x ) = y0 L0 + y1 L1 + y2 L2 = 1(2x 2 3x + 1) + 0.8(4x 2 + 4x ) + 0.5(2x 2 x ) = 0.2x 2 0.3x + 1
Anlisis de error
41
Ejemplo
1 Determine el polinomio de lagrange para f (x ) = en los x puntos x0 = 2, x1 = 2.25, x2 = 4 y utilcelo para aproximar f (3) Solucin: (x 2.5)(x 4) L0 (x ) = = x 2 6.5x + 10 (2 2.5)(2 4) (x 2)(x 4) 4 32 L1 (x ) = = x 2 + 8x (2.5 2)(2.5 4) 3 3 1 2 4.5 5 (x 2)(x 2.5) = x x+ L2 (x ) = (4 2)(4 2.5) 3 3 3 P(x ) = f (2)L0 (x ) + f (2.5)L1 (x ) + f (4)L2 (x ) = 0.05x 2 0.425x + 1.15 f (3) P(3) = 0, 325
Observacin
El mtodo de Lagrange tiene un inconveniente y es que la forma obtenida es mala para operar: para sumarlo con otra funcin, para derivar, integrar, etc. Por lo que la respuesta es slo formal y hay que realizar mucho clculo para obtener la expresin nal en la forma a0 + a1 x + a2 x 2 + . . . + an x n . De hecho hay otro inconveniente, ms sutil que el anterior. Es natural que en el contexto de mediciones y experimentos que nombrmos en la introduccin del tema se incorporen nuevos datos. Qu ocurre si nos dan otro dato ms (xn+1 , f (xn+1 ))? A travs de esta va hay que construir todos los polinomios de Lagrange de nuevo! (lo realizado antes es trabajo intil). Ambos motivos nos conducen a replantear el problema por otra va ms eciente.
Vandermonde
19
Lagrange Newton
Anlisis de error
41
Interpolacin de Newton
Con el n de reducir la complejidad computacional hacemos el siguiente cambio de base

k1
Introduccin
k (x ) =
i=0
(x xi )
20

Ahora f (x ) es aproximada por Pn (x ) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + . . . an (x x0 )(x x1 ) (x xn1 )
Anlisis de error
41
Diferencias Divididas
Diferencias Divididas
La k-sima diferencia dividida f [xi , xi+1 , . . . , xi+k1 , xi+k ] = f [xi+1 , xi+2 , . . . , xi+k ] f [xi , xi+1 , . . . , xi+k1 ] xi+k xi Los coecientes son ak = f [x0 , x1 , x2 , . . . , xk ] y
n
21

Anlisis de error
Pn (x ) = f [x0 ] +
k=1
f [x0 , x1 , . . . , xk ](x x0 ) (x xk1 )
41
Tabla de diferencias divididas


Interpolacion de Newton 22 Diferencias Divididas Diferencias Finitas
Anlisis de error
41
Diferencia Dividida de Newton

Introduccin
Implementacin en MATLAB
function F=divideddifference(x,f) n=length(x)-1; F=zeros(n+1,n+1); F(:,1)=f(:); for i=1:n for j=1:i F(i+1,j+1)=(F(i+1,j)-F(i,j))/(x(i+1)-x(i-j+1)); end end
23
Aplicaciones Interpolacin y aproximacin Teoria

Anlisis de error
41
Ejemplo
Ejemplo
Dado los siguientes puntos x 0 0.5 1 y 1 0.8 0.5 hallar el polinomio interpolante de Newton. Solucin:

Anlisis de error
41
Obtenemos el polinomio de interpolacin:

P2 (x ) = f (x0 )+f [x0 , x1 ](x x0 )+f [x0 , x1 , x2 ](x x0 )(x x1 ) P2 (x ) = 1 0.4(x 0) 0.2(x 0)(x 0.5) P2 (x ) = 0.2x 0.3x + 1
25

Anlisis de error
41
Ejemplo
Use diferencias divididas para encontrar el polinomio de interpolacin que pasa por los puntos (0, 1), (2, 5) y (4, 17)


Anlisis de error
p(x ) = 1 + 2x + x (x 2) = 1 + x 2
41 Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial
Ejercicio
Ejercicio
Aada el punto (3, 16) a los puntos anteriores y encuentre el polinomio interpolante. Solucin: P(x ) = 2x 3 + 13x 2 16x + 1
27

Anlisis de error
41
Diferencias Finitas
Se dene para un conjunto de puntos (x0 , f0 ); (x1 , f1 ); . . . ; (xn , fn ), igualmente espaciados para x ; es decir, xi+1 xi = h; para i = 0, 1, . . . , n 1. Diferencia Finita hacia adelante o progresiva Diferencia nita de primer orden fk = fk+1 fk Diferencia nita de segundo orden fk = fk+1 fk Diferencia nita de orden n n fk = n1 fk+1 n1 fk


Interpolacion de Newton Diferencias Divididas
28
Diferencias Finitas
Anlisis de error
Tabla de Diferencias Finitas


Interpolacion de Newton Diferencias Divididas 29 Diferencias Finitas
Anlisis de error
41
Diferencias Finitas
Polinomio de interpolacin basado en Diferencias Finitas Progresivas Se debe hallar una relacin entre las diferencias nitas y divididas k f0 f [x0 , x1 , x2 , . . . , xk ] = k!hk Reemplazando en el polinomio basado en diferencias divididas se tiene: f0 0 Pn (x ) = f0 + (x x0 ) + (x x0 )(x x1 ) + . . . 1!h1 2!h2 + n f0 (x x0 ) . . . (x xn1 ) n!hn
41

2 f
30
Diferencias Finitas
Anlisis de error
Diferencias Finitas
Teniendo en cuenta que los intervalos se tomarn igualmente espaciados (h = xi+1 xi ) para x , y haciendo el cambio de x x0 variable s = h

Vandermonde
Pn (s) = f0 +sf0 +
s(s 1) 2 s(s 1)(s 2) 3 f0 + f0 +. . . 2! 3!

31
Lagrange Newton
s(s 1) . . . (s n + 1) n ... + f0 n!
n
Diferencias Finitas
Anlisis de error
= f0 +
k=1
s k f0 k
Error de Interpolacin
Teorema
Sea f C n+1 [a, b] y p el polinomio de grado n que interpola a f en los n + 1 puntos x0 , x1 , . . . , xn del intervalo [a, b]. Para cada x [a, b] existe un = (x ) a, b tal que n 1 f (n+1) () (x xi ) f (x ) p(x ) = (n + 1)! i=0

Interpolacion de Newton Diferencias Divididas Diferencias Finitas 32
Anlisis de error
41
Ejemplo
Estime el error cometido al aproximar la funcin f (x ) = sin(x ) por medio del polinomio de grado nueve que interpola a f en diez puntos del intervalo [0, 1] Solucin La cota de error est dado por f (x ) p(x ) =
n 1 (10) f () (x xi ) 10! i=0
Por otra parte: [f (10) () = sin |f (10) ()| 1 y x [0, 1] n (x xi ) 1 i=0 Luego 1 2.8 107 |f (x ) p(x )| 10!
Ejemplo
Se desea tabular la funcin f (x ) = cos(x )e x denida en [, ] mediante puntos equiespaciados. Cantos puntos son necesarios para que al interpolar linealmente entre dos valores consecutivos el error entre la funcin y el interpolante no supere a 0.5. Solucin: M h2 f () (x x0 )(x x1 ) < 0.5 |f (x ) P1 (x )| = 2! 2 4 x0 + x1 Tomando como caso critico x = y 2 M = mx[,] |f ()| Dado que: f (x ) = 2 sin(x )e x Entonces: M = 2e , por lo tanto h < 0.2940 N> 2 N = 22 h
41


Anlisis de error
Ejemplo
Encuentre una cota superior para la diferencia en x = 0.25 y x = 0.75 entre f (x ) = e x y el polinomio de interpolacin en los puntos 1; 0.5; 0; 0.5; 1. Solucin: Con cinco puntos el polinomio de interpolacin ser de grado menor o igual a cuatro, P4 (x ). De la frmula de error de interpolacin se obtiene |(x + 1)(x + 0.5)x (x 0.5)(x 1)| (5) f () f (x )P4 (x ) = 5! donde 1 1
35


Anlisis de error
41
La quinta derivada de e x en es f (5) () = e Como e x es una funcin creciente su mximo lo obtiene en el extremo derecho del intervalo, |f (5) (x )| e 1 en [1, 1] La frmula de error queda f (x ) P4 (x ) (x + 1)(x + 0.5)x (x 0.5)(x 1) e 5!
36


Anlisis de error
41
Interpolacin Polinomial Mg. Hermes As que en x = 0.25 el error de interpolacin est Pantoja C. acotado por 1.25 0.75 0.25 0.25 0.75 Introduccin e |e 0.25 P4 (0.25)| 120 0.000995 Y en x = 0.75 el error queda acotado por 1.75 1.25 0.75 0.25 0.25 Vandermonde |e 0.75 P4 (0.75)| e Lagrange 120 Newton 0.002323 el cal es ms grande.
Introduccin Aplicaciones Interpolacin y aproximacin Teoria Diferencias Divididas Diferencias Finitas 37
Interpolacion de Newton
Anlisis de error
41
Error de Interpolacin para Newton

Teorema
Sea f y p el polinomio de grado n que interpola a f en los n + 1 puntos x0 , x1 , . . . , xn del intervalo [a, b]. Entonces
n
Introduccin
C n+1 [a, b]
Vandermonde Lagrange
f (x ) p(x ) = f [x0 , x1 , . . . , xn , x ]
i=0
(x xi )
38
Newton
Anlisis de error
Se suele aproximar el error considerando x = xn+1 , es decir, se requiere un punto adicional.

41
Ejemplo
Dada la siguiente tabla de datos
Hallar el polinomio cuadrtico interpolante de Newton. Interpolar para x = 0.17 Hallar el error cometido.
Solucin
P2 (x ) = f0 + f [x0 , x1 ](x x0 ) + f [x0 , x1 .x2 ](x x0 )(x x1 ) Reemplazando: P2 (x ) = 0.7481250.10044(x 0.1)+0.00655(x 0.1)(x 0.2) P2 (0.17) = 0.741080445 Podemos aproximar el error de la siguiente forma en (x ) = f [x0 , x1 , . . . , xn+1 ](x x0 )(x x1 ) . . . (x xn ) e2 (x ) = f [x0 , x1 , x2 , x3 ](x x0 )(x x1 )(x x2 ) e2 (0.17) = 0.2193 (0.17 0.1) (0.17 0.2) (0.17 0.4) e2 (0.17) = 1.0592 104
41 40


Anlisis de error
Observaciones
Si P interpola a f en los n + 1 puntos x0 , x1 , . . . , xn n 1 f (x ) P(x ) = f (n+1) () (x xi ) ...() (n + 1)! i=0 con [x0 , xn ]. es desconocido y () slo es til si la derivada est acotada Si |f (n+1) (x )| < M y h = mx{xi+1 xi ; i = 0, 1, . . . , n}, Mhn+1 mxx [x0 ,xn ] |f (x ) P(x )| (n + 1)! El error disminuye a medida que n crece y h disminuye, solo si |f n+1 (x )| est acotada. Aumentar el grado del polinomio no garantiza una mejor aproximacin (puede aparecer oscilaciones entre los puntos de interpolacin).

Anlisis de error
41

3 Interpolacion

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

3 Interpolacion

Uploaded by

Copyright:

Available Formats

Interpolacin Polinomial

Mg. Hermes Pantoja Carhuavilca

Mg. Hermes Pantoja C. Introduccin

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Vandermonde Lagrange Newton

f es una funcin interpolante o interpolador

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Vandermonde Lagrange Newton

f es una funcin interpolante o interpolador El interpolador f puede ser

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Funciones utilizadas como interpoladores

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Teorema de Aproximacin de Weierstrass

Interpolacin Polinomial Mg. Hermes Pantoja C. Introduccin

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Interpolacin y aproximacin Teoria 10

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Las N + 1 ecuaciones que surgen al evaluar xi en f (x ) se pueden expresar matricialmente como

Mg. Hermes Pantoja C. Introduccin

f (x0 ) f (x1 ) . . . f (xN )

Vandermonde Lagrange Newton

Va=f V es la matriz de Vandermonde y det(V) =

Interpolacin y aproximacin Teoria

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Interpolacin Polinomial Mg. Hermes Pantoja C. Introduccin

1 2 4 a0 27 1 0 0 a1 = 1 1 1 1 a2 0 La solucin est dada por P2 (x ) = 1 + 5x 4x 2 1 5 4

Aplicaciones Interpolacin y aproximacin Teoria

Vandermonde Lagrange Newton

Interpolacion de Newton Diferencias Divididas Diferencias Finitas

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Como base tomamos los polinomios bsicos de Lagrange denidos por

Mg. Hermes Pantoja C. Introduccin

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Interpolacin y aproximacin Teoria

Vandermonde Lagrange Newton

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Mg. Hermes Pantoja C. Introduccin

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Polinomios Basicos de Lagrange: L0 (x ) = 2x 2 3x + 1 L1 (x ) = 4x 2 + 4x L2 (x ) = 2x 2 x Polinomio de Lagrange:

P2 (x ) = y0 L0 + y1 L1 + y2 L2 = 1(2x 2 3x + 1) + 0.8(4x 2 + 4x ) + 0.5(2x 2 x ) = 0.2x 2 0.3x + 1

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Con el n de reducir la complejidad computacional hacemos el siguiente cambio de base

Vandermonde Lagrange Newton

Ahora f (x ) es aproximada por Pn (x ) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + . . . an (x x0 )(x x1 ) (x xn1 )

Universidad Nacional Mayor de San Marcos Facultad de Ingenieria Industrial

Introduccin Aplicaciones Interpolacin y aproximacin Teoria