Interpolacion Numerica

Calculo Numerico

Prof. Gilberto Noguera

Universidad Central de Venezuela

Facultad de Ingeniera
Escuela de Ingeniera El
ectrica
Dpto. de Electr
onica, Computaci
on y Control

Contenido

1 Interpolaci
on Polin
omica

Definici
on de Interpolaci
on
Existencia y Unicidad de un Polinomio de Interpolante

Polinomio de Lagrange
Polinomio de Newton y el metodo de diferencias divididas
Error de Interpolaci
on

2 Ajuste de Curvas por Mnimos Cuadrados

Polinomio de Mnimos Cuadrados

Recta de Mnimos Cuadrados
M
etodo de linealizaci
on

Definici
on 1
La interpolaci
on es un metodo para aproximar una funcion a partir de
ciertos datos de la misma. El aproximante se denomina, interpolante y
debe verificar los datos conocidos de la funci
on.
Existencia y Unicidad de un Polinomio de Interpolante
Dadas una funci
on f : [a, b] R y una red de (n + 1) puntos distintos
xk de [a, b], aproximamos f por un polinomio P tal que
P (xk ) = f (xk ) para k = 0, . . . , n.
Si P (x) = a0 + a1 x + . . . + an xn la ecuaci
on (1) se

2
n

a0 + a1 x0 + a2 x20 + + an xn0 =

a0 + a1 x1 + a2 x1 + + an x1 =
..

a0 + a1 xn + a2 x2n + + an xnn =

(1)

escribe
f (x0 )
f (x1 )
f (xn )

(2)

Las ecuaciones (2) se pueden expresar en forma matricial

X a = Y,
donde

X=

1
1
..
.

x0
x1
..
.

x20
x21
..
.

xn

x2n

..
.
..
.

xn0
xn1
..
.
xnn

a=

a0
a1
..
.
an

Y =

f (x0 )
f (x1 )
..
.

f (xn )

Si rango de A = n + 1 = al rango de [AY ] el sistema (2) tiene solucion

u
nica, es decir, existe un u
nico polinomio a lo sumo de grado n
verificando (1). Llamaremos a este polinomio, el polinomio interpolante o
de interpolaci
on de f sobre la red {xk } y lo denotamos Pn donde el
subindice n indica el grado del polinomio.
Observaciones:
La matriz X se llama matriz de Vandermonde.
Si se resuelve el sistema (2), se dice que se obtiene un polinomio
interpolante por el metodo de coeficientes indeterminados.
Resolver el sistema de ecuaciones planteados, generalmente, resulta
un problema mal condicionado. Por eso se requieren de otros
metodos para hallar el polinomio interpolante.

Teorema 1
Si x0 , x1 , . . . , xn son n
umeros reales distintos, entonces para valores
arbitrarios y0 , y1 , . . . , yn , existe un u
nico polinomio Pn (x) de grado a lo
sumo n tal que
Pn (xk ) = yk

para k = 0, 1, . . . , n.

Ejemplo
Consideremos la siguiente tabla de datos.
xi
yi

0
1

1
2

1
4

El polinomio P2 (x) tiene la forma: P2 (x) = a0 + a1 x + a2 x2 . Aplicando

el metodo de los coeficientes indeterminados tenemos:

1 0 0
a0
1
1 1 1 a1 = 2 ,
1 1 1
a2
4
cuya soluci
on es a0 = 1, a1 = 1 y a2 = 2. De esta forma, el polinomio
interpolante es
P2 (x) = 1 + x + 2x2 .

5
C

3
A

2
B

0
1

El polinomio interpolante Pn (x) de Lagrange, es expresardo en la forma:

pn (x) = y0 `0 (x) + y1 `1 (x) + + yn `n (x) =

n
X

yk `k (x),

(3)

k=0

donde
`i (x) =

n
Y
(x xj )
(x
i xj )
j=0

para i = 0, 1, . . . , n

j6=i

son llamados Lagrangianos.

Para cada i = 0, 1, . . . , n, `i (x) es un polinomio de grado n y satisface
`i (x) =

n
Y
(x xj )
(x
i xj )
j=0
j6=i

para i = 0, 1, . . . , n.

Ejemplo Consideremos la siguiente tabla de datos.

xi
yi

0
1

1
2

2
5

El polinomio P2 (x) en la forma de Lagrange que interpola los valores de

la tabla es:
P2 (x) = `0 (x) + 2`1 (x) + 5`2 (x),
donde
`0 (x)

`1 (x)

(x 1)(x 2)
= (1/2)(x 1)(x 2),
(0 1)(0 2)
(x 0)(x 2)
= x(x 2)
(1 0)(1 2)

y
`2 (x) =

(x 0)(x 1)
= (1/2)x(x 1).
(2 0)(2 1)

De esta forma, el polinomio interpolante en la forma de Lagrange es

P2 (x)

(1/2)(x 1)(x 2) 2x(x 2) + 5(1/2)x(x 1)

= x2 + 1

El polinomio Pn (x) que interpola los puntos (xi , f (xi )) para

i = 0, 1, . . . , n, en la forma de Newton es
Pn (x) =

n
X
i=0

ci

i1
Y

(x xj ).

j=0

Donde los coeficientes ci , corresponden a las diferencias divididas de

orden i para i = 0, . . . , n.

Definici
on 2
La cantidad
f [xi ] = f (xi ),

para i = 0, 1, . . . , n

se denomina diferencias dividas de f de orden 0. Ahora bien, la cantidad

f [xi , xi+1 , . . . , xi+j ] =

f [xi+1 , xi+2 , . . . , xi+j ] f [xi , xi+1 , . . . , xi+j1 ]

xi+j xi

se denomina diferencia dividida de f de orden j.

De esta forma,
f [xi ], f [xi , xi+1 ], f [xi , xi+1 , xi+2 ], f [xi , xi+1 , xi+2 , xi+3 ],
son, respectivamente, diferencias de orden 0, 1, 2, 3, etc.

etc.,

Con un conjunto de puntos (xi , f (xi )) se puede construir la tabla de

diferencias divididas.
A continuaci
on se muestra un ejemplo de una tabla de diferencias
divididas.
xi
x0

Dif. 0
f [x0 ]

Dif. 1
f [x0 , x1 ]

Dif. 2
f [x0 , x1 , x2 ]

x1

f [x1 ]

f [x1 , x2 ]

f [x1 , x2 , x3 ]

x2

f [x2 ]

f [x2 , x3 ]

x3

f [x3 ]

Dif. 3
f [x0 , x1 , x2 , x3 ]

Ejemplo
Dados los siguientes datos,
xi
yi

0
1

1
2

2
5

La tabla de diferencias dividas para este conjunto de datos es:

xi
0
1
2

Dif. 0
1
2
5

Dif. 1
1
3

Dif. 2
1

De la tabla obtenemos los coeficientes ci para formar el polinomio

interpolante de Newton,
c0

f [x0 ] = 1,

c1

f [x0 , x1 ] = 1,

c2

f [x0 , x1 , x2 ] = 1.

Por lo tanto,
P2 (x) = 1 + x + x(x 1) = x2 + 1.

Teorema 2
Sea f C n+1 [a, b], y sea Pn (x) el polinomio de grado menor o igual n
que interpola a la funci
on f en n + 1 puntos distintos x0 , x1 , . . . , xn en el
intervalo [a, b]. Para cada x en [a, b] corresponde un punto x (a, b) tal
que
n
Y
1
f (n+1) (x ) (x xi ).
(4)
f (x) Pn (x) =
(n + 1)!
i=0

Dada la siguiente tabla de datos

xi
yi

x1
y1

x2
y2

xn
yn

Considere f : R R una funci

on real (aproximante) que depende de
x R y de los parametros a0 , a1 , . . . , am R.
Se define g : Rm+1 R como
n

g(a) =

1X
(f (xi ) yi )2 ,
2 i=1

(5)

donde a = (a0 , a1 , . . . , am )t Rm+1 es el vector de parametros. Para

hallar los valores de los parametros de tal manera que f (x) ajuste con
mnimo error a la tabla de datos, se debe resolver el problema de
minimizaci
on
mm+1
n g(a).
(6)
aR

Una soluci
on del problema (6) se puede encontrar resolviendo el sistema
de ecuaciones
g(a) = 0,
(7)
donde g(a) es el vector gradiente de la funci
on g.

b = (b
Si a
a0 , b
a1 , . . . , b
am )t Rm+1 es una soluci
on del sistema (7), el error
cometido al ajustar tabla de datos con la funci
on f cuya expresion
considera los parametros b
a0 , b
a1 , . . . , b
am , esta dado por,
p
a).
E = 2g(b
Supongamos que la funci
on que debe ajustar los datos es un polinomio
de grado m, es decir,
f (x) = a0 + a1 x + , am xm .
As, la funci
on g dada en (5) adquiere la forma
n

g(a) =

1X
2
(a0 + a1 xi + + am xm
i yi ) ,
2 i=1

ademas, el vector gradiente de g es

P
n
(a0 + a1 xi + + am xm
i yi )
i=1
P
n (a + a x + + a xm y )x

0
1 i
m i
i i
g(a) =
i=1
.

..

P
n
m
(a0 + a1 xi + + am xm
i yi )xi
i=1

Ahora, igualando a cero el vector gradiente de g obtenemos el siguiente

sistema de ecuaciones lineales, denominado Ecuaciones Normales:

n
P

x
i=1 i

..

P
n
xm
i
i=1

n
P

xi

i=1
n
P
i=1

i=1

x2i

..
.
n
P
i=1

n
P

xm+1
i

n
P
i=1

..

xm+1
i
..
.

xm
i

n
P
i=1

x2m
i

a0

a1

.
..

am

n
P

yi

i=1


n
P

xi yi


i=1

=

..


.


P
n
xm
i yi
i=1

Las inc
ognitas de este sistema son los parametros a0 , a1 , . . . , am .

Supongamos que la funci

on que debe ajustar los datos es una recta, es
decir,
f (x) = a0 + a1 x.
Como f (x) es un polinomio de grado 1, los valores de los parametros
a0 , a1 que minimizan el error del ajuste de los datos, se obtienen
resolviendo las siguientes ecuaciones normales:

n
P
xi
i=1

n
P

n
P

xi
a0
i=1 yi

n
n

P
P 2
a1
xi
xi yi

i=1

i=1

(8)

i=1

Estas ecuaciones normales se utilizan para ajustar los modelos y = aebx e

y = axb luego de un proceso de linealizaci
on de la data.

M
etodo de linealizaci
on
1) Realizar un cambio adecuado de variable de manera que las nuevas
variables queden relacionadas linealmente.
exponencial
y = aebx

ln(y) = ln(a) + bx

InterpolacionY = A + BX

potencial
y = axb

ln(y) = ln(a) + b ln(x)

Y = A + BX

2) Modificar la data
exponencial: xi
potencial: xi

yi

yi

xi

ln(xi )

ln(yi )
ln(yi )

3) Aplicar las ecuaciones normales (8) a la data modificada seg

un el caso.
4) Obtener los parametros reales del modelo, b = B y a = exp(A).