Informe Analisis-Trabajo Final

Introduccin En el subcampo matemtico del anlisis numrico, se denomina interpolacin a la construccin de nuevos puntos partiendo del conocimiento de un conjunto
discreto de puntos En ingeniera y algunas ciencias es frecuente disponer de un cierto nmero de puntos obtenidos por muestreo o a partir de un experimento y pretender construir una funcin que los ajuste. Otro problema estrechamente ligado con el de la interpolacin es la aproximacin de una funcin complicada por una ms simple. Si tenemos una funcin cuyo calculo resulta costoso podemos partir de un cierto nmero de sus valores e interpolar dichos datos construyendo una funcin ms simple. En general por supuesto, no obtendremos los mismos valores evaluando la funcin obtenida que si evalusemos la funcin original si bien dependiendo de las caractersticas del problema y del mtodo de interpolacin usado la ganancia en eficiencia puede compensar el error cometido. El mtodo ms comn que se usa para este propsito es la interpolacin polinomial. Recuerde que la frmula general para un polinomio de n-simo grado es: f(x) = a0 + a1x + a2x2 + + anxn Dados n + 1 puntos, hay uno y slo un polinomio de grado* n que pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir, un polinomio de primer grado) que une dos puntos. De manera similar, nicamente una parbola une un conjunto de tres puntos. La interpolacinpolinomialconsiste en determinar el polinomio nico de n-simo grado que se ajuste a n + 1 puntos. Este polinomio, entonces, proporciona una frmula para calcular valores intermedios. Aunque hay uno y slo un polinomio de n-simo grado que se ajusta a n + 1 puntos, existe una gran variedad de formas matemticas en las cuales puede expresarse este polinomio. Este documento contiene las herramientas necesarias para resolver problemas de manera menos En este captulo describiremos dos alternativas que son muy adecuadas para implementarse en: los polinomios de Newton y de LaGrange.
INTERPOLACIONANALISIS NUMERICO 1
JUSTIFICACION
En nuestra vida diaria con frecuencia nos vemos en la situacin de aproximar un valor que se necesita conocer con ciertos datos que han sido recaudados de una tarea especfica.Sea el pago de un producto, la tasa de crecimiento de una poblacin, o la cantidad de arena y bolsas de cemento que se necesita en una construccin. Por tanto se realiz este trabajo con el fin de proporcionar una herramienta que tengan disponibles los administradores, economistas, ingenieros y cualquier persona que necesite aproximar determinado asunto respecto a la interpolacin y aproximacin de funciones. Esperando que les sea de ayuda en sus labores diarias,pues es uno de los vstagos que ofrece la prodigiosa ciencia de la Matemtica. Los mtodos de interpolacin son tcnicas que ayudan a resolver problemas que con frecuencia se hacen ms difcil resolver por otros mtodos. Este es una herramienta con la cual pretendemos ayudar a aquellos en cuyas actividades diarias se vea con la necesidad de encontrar soluciones a problemas complejos de una manera ms sencilla usando los mtodos de interpolacin descritos en este documento.
Objetivos generales Elaborar un documento en el cual se presenta el tema de interpolacin aplicada a la resolucin de problema en el campo de ingeniera civil.
Objetivos especifico Presentar la informacin adquirida sobre el mtodo de interpolacin. Resolver tres problemas utilizando el mtodo de LaGrange y el mtodo de newton dividido. Ampliar nuestros conocimientos acerca de los mtodos de interpolacin.
Interpolacin En el subcampo matemtico del anlisis numrico, se denomina interpolacin a la construccin de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos En ingeniera y algunas ciencias es frecuente disponer de un cierto nmero de puntos obtenidos por muestreo o a partir de un experimento y pretender construir una funcin que los ajuste. Otro problema estrechamente ligado con el de la interpolacin es la aproximacin de una funcin complicada por una ms simple. Si tenemos una funcin cuyo calculo resulta costoso podemos partir de un cierto nmero de sus valores e interpolar dichos datos construyendo una funcin ms simple. En general por supuesto, no obtendremos los mismos valores evaluando la funcin obtenida que si evalusemos la funcin original si bien dependiendo de las caractersticas del problema y del mtodo de interpolacin usado la ganancia en eficiencia puede compensar el error cometido. , En todo caso, se trata de a partir de n parejas de puntos (xk, yk) obtener una funcin f que verifique f(xk)=yk , k=1 ,..n , a la que se denomina funcin interpolante de dichos puntos. A los puntos xk se les llama nodos. Algunas formas de interpolacin que se utilizan con frecuencia son la interpolacin lineal y la interpolacin polinomica. La ecuacin puede venir dada como: Ecuacin y=f(x) compleja Tabla (forma tabular) para el dato de los datos experimentales. Existen una serie de mtodos que nos ayudan a obtener resultados de una agrupacin de datos de forma ms fcil y rpida de un polinomio de grado n. Los ms conocidos son los mtodos que interpolan f (x), mediante un polinomio o una funcin racional (cociente de dos polinomios). Vamos a estudiar en primer lugar la interpolacin polinmica. En este caso, dados n puntos,el grado ms bajo del polinomio que pasa por los n puntos es n1 (salvo
que dos o ms puntospertenezcan a un polinomio de grado ms bajo). El Teorema Fundamental del Algebra garantizaque este polinomio de grado n1 es nico. Existen diversos mtodos para determinar el polinomiointerpolador, que dan por supuesto el mismo resultado. Unos mtodos son ms convenientes queotros, dependiendo del nmero de puntos en los que se desee conocer el polinomio interpolador. Mtodo de interpolacin de Lagrange. Este mtodo consiste en construir el polinomio interpolador de grado n que pasa por n+1 puntos (xi,yi) de la forma Pn(x) =n i=0 Li(x)yi , donde las funciones Li(x) cumplen Li(xk) = 0 si i "= k y Li(xi) = 1. Esta propiedad garantiza Pn(xk) = yk. Las funciones Li(x) se construyen como: Li(x) = (xx1)(xx2) (xxi1)(xxi+1) (xxn) (xix1)(xix2) (xixi1)(xixi+1) (xixn) El mtodo de LaGrange permite construir fcilmente de forma explcita, el polinomio interpolador. Dos de las interpolaciones ms utilizados son las interpolaciones lineal y parablica. Los correspondientes polinomios interpoladores son: Lineal P(x) = xx0 x1x0 f1+ xx1 x0x1 f0 Parablica P2(x) = (xx1)(xx2)(x0x1)(x0x2) f0+ (xx0)(xx2)(x1x0)(x1x2) f1 + (xx0)(xx1)(x2x0)(x2x1) f2 Sin embargo, cuando deseamos evaluar el polinomio interpolador en uno o varios puntos, elmtodo de Lagrange no es conveniente ya que no da los coeficiente de cada grado, lo cual esnecesario para aplicar el algoritmo de Horner. Sin embargo el mtodo de Lagrange es fcil deentender, lo que justifica su valor pedaggico, y es de utilidad a la hora de elaborar un ciertonmero de demostraciones, como por ejemplo la frmula del error cometido por el polinomiointerpolador, que pasamos a demostrar a continuacin. Un aspecto importante es la determinacin del error del polinomio interpolador Pn(x) conrespecto a la funcin interpolada f (x), en el intervalo [x0,xn]. Sea xs un punto arbitrario de esteintervalo, en el que deseamos estimar el error. Construimos la funcing(x) = f (x)Pn(x)nj = 0(xx j)(xsx j)( f (xs)Pn(xs))que, por construccin, se anula en x0,x1, . . .xn y xs. Como g(x) tiene n+2 ceros y por el teoremade Rolle la derivada g(1)(x) tiene n+1 ceros, la derivada g(2)(x) tiene n ceros y as sucesivamentehasta la derivada g(n+1)que tiene al menos un cero.
Derivando n+1 veces la anterior igualdad y sustituyendo x =obtenemos (la derivada n+1 de Pn(x) es nula y la delpolinomio de orden n+1 del numerador del ltimo trmino es (n+1)!).
Algoritmo de Neville. A veces no es necesario obtener la forma explcita del polinomio interpolador y basta con obtener su valor numrico en un punto dado. Adems en este caso nos gustara el poder aumentar el orden del polinomio interpolador a voluntad y parar cuando el error sea suficientemente pequeo. Para estos propsitos el algoritmo de Neville est especialmente indicado. El algoritmo de Neville est inspirado en la frmula de interpolacin lineal. La expresin P(x) = xx0 xkx0 fkxxkxkx0 f0 pasa por los puntos (x0, f0) y (xk, fk). Si, en lugar de fk, ponemos en la anterior expresin un polinomio interpolador P (k1) Por lo tanto podemos construir un polinomio de orden k a partir de dos polinomios de orden k1, mediante la frmula de interpolacin lineal. El algoritmo de Neville utiliza este hecho, conjuntamente con una adecuada redisposicin de los puntos de interpolacin en una tabla, para calcular el valor del polinomio interpolador en un punto x. La tabla que se construye, en el caso de cuatro puntos, donde cada columna se obtiene de la anterior mediante la frmula de interpolacin lineal, que equivale a un producto cruzado entre la primera columna y la columna previa a la que calculamos. Concretamente: P(1) 01 (x) = 1 x1x0[(xx0) f1(xx1) f0] P(2) 012(x) = 1x2x0[(xx0)P(1)12 (x)(xx1)P(1)01 (x)]P(3) 0123(x) = 1x3x0[(xx0)P(2) 123(x)(xx3)P(2)012(x)] Vemos que cada trmino de la tabla se obtiene como la diferencia de los productos cruzados de vecinos inferior y superior en la columna inmediatamente anterior con la diferencia entre la abscisa de evaluacin y la abscisa de interpolacin en la primera columna correspondiente con el otro vecino, siguiendo la diagonal, dividida (la diferencia de productos cruzados) por la diferencia entre las diferencias de abscisas correspondientes superior e inferior de la primera columna. Podemos escribir el trmino general, como sigue, Si denominamos y j = xx j, tenemos: P
(i+1) s(s+i+1) = 1ysys+i+1"ysP(i) s+1s+i+1ys+i+1P(i)ss+i El algoritmo de Neville es particularmente indicado en el caso de que se desee evaluar el polinomio interpolador en un nico punto o en un nmero muy reducido de puntos.
Mtodo de Newton de Diferencias Divididas. El mtodo de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador. En este mtodo el polinomio interpolador se escribe de la forma Pn(x) = a0+(xx0)a1+(xx0)(xx1)a2++(xx0)(xx1) (xxn1)an y el algoritmo proporciona una regla para obtener los coeficientes a0,a1, . . . ,an. Imponiendo que el polinomio interpolador pase por los puntos de interpolacin obtenemos: Pn(x0) = a0 = f (x0) Pn(x1) = a0+(x1x0)a1 = f (x1) Pn(x2) = a0+(x2x0)a1+(x2x0)(x2x1)a2 = f (x2). Pn(xn) = a0+(xnx0)a1++(xnx0) (xnxn1)an = f (xn) De estas ecuaciones, es obvio que a0 depende slo de x0, a1 de x0 y x1 y as sucesivamente. Introducimos la nueva notacin a0 $ f [x0], a1 $ f [x0, x1], y as sucesivamente, con f [x0] =f (x0), como se ve de la primera ecuacin. Restando las dos primeras ecuaciones obtenemos: a1 y f [x0,x1] = f (x1) f (x0)x1x0 Restando la segunda y la tercera ecuacin obtenemos: a2 y f [x0,x1,x2] = f (x2) f (x1) f [x0,x1](x2x1)(x2x0)(x2x1)= f [x1,x2] f[x0,x1] x2x0 Podemos proceder de igual modo para demostrar que: an y f [x0,x1, . . . ,xn] = f [x1, . . . ,xn] f [x0, . . . ,xn1]xnx0 Aunque la forma ms cmoda es por induccin, suponemos que la expresin vale para an1 y construimos el polinomio de grado n, Qn(x), definido por Qn(x) = Pn 1(x)+ xxnxnx0[Pn 1(x)Pn1(x)] donde Pn 1(x) es el polinomio interpolador en x1, . . . ,xn. Est claro de la definicin de Qn(x)1 que para x1,x2, . . . ,xn1, Qn(xi) = Pn 1(xi) = f (xi), ya que P%n 1(x)Pn1(x) se anula en estos puntos. Tambin en xn se cumple que Q(xn) = Pn 1(xn) = f (xn). En x0 se cumple Qn(x0) =Pn 1(x0)[Pn1(x0)Pn1(x0) = Pn1(x0) = f (x0). Luego Qn(x) coincide con Pn(x), ya que el polinomio interpolador es nico, y su coeficiente en xn es por lo tanto an. Como hemos supuesto que la frmula de
diferencias divididas es vlida para Pn1(x) y Pn 1(x), entonces tenemos, identificando potencias en xn en ambos lados, que que el coeficiente en xn de Qn(x) viene dado por: f [x0,x1, . . . ,xn] = 1xnx0n1an1= f [x1,x2, . . . ,xn] f [x0,x1, . . . ,xn1]xnx0 relacin que es el origen del nombre de diferencias divididas para los coeficientes an. Podemos por lo tanto escribir el polinomio interpolador como, Pn(x) = f [x0]+ f [x0,x1](xx0)+ f [x0,x1, . . . ,xn](xx0) (xxn1) y la frmula de aproximacin a f (x) con su trmino de error queda en la siguiente forma: f (x)= f [x0]+ f [x0,x1](xx0)++ f [x0,x1, . . . ,xn](xx0) (xxn1)+nj = 0 (xx j) f (n+1)(xm)(n+1)! El mtodo de Newton permite obtener los coeficientes del polinomio interpolador fcilmente en forma de tabla, que damos abajo para el caso de 4 puntos. (x0 f0f) [x0,x1](x1 f1 )f [x0,x1,x2] f [x1,x2] f [x0,x1,x2,x3](x2 f2) f [x1,x2,x3] f [x2,x3] (x3 f3) Qn(x) es el resultado de aplicar el algoritmo de Neville a Pn1(x). El mtodo de Newton es especialmente indicado en el caso de que deseemos realizar muchasevaluaciones del polinomio interpolador, ya que da el polinomio preparado para ser evaluado porel algoritmo de Horner. Otro aspecto particularmente conveniente es que, si deseamos aumentar el orden del polinomio interpolador, los coeficientes ak ya calculados permanecen inalterados, esdecir, no destrumos el trabajo ya realizado cuando deseamos aumentar el orden del polinomiointerpolador. Se dice en este caso que los coeficientes aktienen la propiedad de permanencia. En el caso de puntos igualmente espaciados, el polinomio de Newton toma una forma especialmenteconveniente. Supongamos que tenemos una red de puntos espaciados un paso h, deforma que xn = x0+nh. El polinomio interpolador adquiere una forma particularmente simple en el caso de puntos igualmente espaciados.
El polinomio de Newton en diferencias divididas es entonces: p(x)=f[x0]+(x-x0) f[x0,x1]+ (x-x0)(x-x1) f[x0,x1]+ +(x-x0)(x-x1) (x-xn-1) f[x0,x1,. , xn]
El polinomio de interpolacin con diferencias divididas de Newton, entre otros es la forma ms popular adems de las ms til.
Interpolacin Lineal La forma ms simple de interpolar es la de conectar dos puntos con una lnea recta. Este mtodo, llamado interpolacin lineal, El mtodo de Newton permite obtener los coeficientes del polinomio interpolador fcilmente en forma de tabla. Qn(x) es el resultado de aplicar el algoritmo de Neville a Pn1(x). El mtodo de Newton es especialmente indicado en el caso de que deseemos realizar muchas evaluaciones del polinomio interpolador, ya que da el polinomio preparado para ser evaluado por el algoritmo de Horner. Otro aspecto particularmente conveniente es que, si deseamos aumentarel orden del polinomio interpolador, los coeficientes akya calculados permanecen inalterados, es decir, no destruimos el trabajo ya realizado cuando deseamos aumentar el orden del polinomio interpolador. Se dice en este caso que los coeficientes aktienen la propiedad de permanencia. En el caso de puntos igualmente espaciados, el polinomio de Newton toma una forma especialmente conveniente. Supongamos que tenemos una red de puntos espaciados un paso h, de forma que xn = x0+nh. El polinomio interpolador adquiere una forma particularmente simple en el caso de puntos igualmente espaciados. Relacin de las derivadas con las diferencias Las derivadas de f (x) y las diferencias finitas estn ntimamente relacionadas. Para demostrarlo, vamos primero a expresar la funcin f (x) en trmino de diferencias divididas. La expresin f [x,x0] = f (x0) f (x)x0x podemos reescribirla como f (x) = f [x0]+(xx0) f [x,x0] A su vez, podemos escribir f [x,x0,x1] = f [x0,x1] f [x,x0]x1x que podemos reescribir como f [x,x0] = f [x0,x1]+(xx1) f [x,x0,x1] y nos permite expresar f (x) como f (x) = f [x0]+(xx0) f [x0,x1]+(xx0)(xx1) f [x,x0,x1] Repitiendo este proceso n veces, llegamos a la expresin f (x)= f [x0]+(xx0) f [x0,x1]+(xx0) (xxn1) f [x0,x1, . . . ,xn]+(xx0) (xxn) f [x0,x1, . . . ,xn,x]
Los n primeros trminos constituyen el polinomio interpolador, dado por la frmula de Newton, y por lo tanto, el ltimo trmino es el trmino de error. Tenemos por consiguiente la relacin: (xx0) (xxn) f [x0,x1, . . . ,xn,x] = (xx0) (xxn) f (n+1)(xm)(n+1)! de donde deducimos la siguiente relacin entre las diferencias divididas y las derivadas: f [x0,x1, . . . ,xn,x] = f (n+1)(xm)(n+1)!
En el caso de puntos igualmente espaciados la anterior igualdad toma la forma: &n+1 f0 (n+1)!hn+1 = f (n+1)(xm) (n+1)! Luego podemos escribir la siguiente relacin entre las derivadas y las diferencias finitas: fn f0 = hn f (n)(xm) Dondexm es un punto del intervalo [x0,xn]. Cuando el intervalo [x0,xn] se hace infinitamente pequeo, tenemos el siguiente lmite cuando xn 'x0: lmxn'x0&n f0 'hn f (n)(x0) que nos dice que las diferencias y las derivadas de orden n son proporcionales en este lmite.
Diferencias finitas
Interpolacin Cuadrtica Una estrategia que mejora la aproximacin es la introducir cierta curvatura en la lnea que conecta a los puntos. Si se dispone de tres datos, lo anterior se puede llevar a cabo con un polinomio de segundo orden (llamado tambin polinomio cuadrtico o parbola). Una manera conveniente para este caso es : Una funcin media cuadrtica tambin puede usarse para modelar curvas sin necesidad de tener un valor mximo o mnimo en el rango del predictor. Por ejemplo, la Figura 6.1(a), si el rango de se encuentra entre las lineas Punteadas se puede observar una funcin media decreciente pero no lineal. Mientras que en la 6.1(b) es creciente pero no lineal. La regresin cuadrtica es un caso especial de la regresin polinomial.
Interpolacin de newton con diferencias progresivas
Tanto la funcin media de intercepto comunes y la funcin media de lneas coincidentes no son modelos adecuados. Sin embargo, este valor es bastante grande para elmodelo de regresin paralela, sugiriendo que se trata del modelo apropiado. Modelo de regresin polinomial
Si nos fijamos en la matriz por un momento, nos damos cuenta cmo podemos inferir el sistema de ecuaciones de una forma genrica, para unpolinomio ya no de grado 2, si no para cualquier grado. Por ejemplo, vemos que en la primera fila encontramos a n y luego sumatorias de x, de grado creciente: primero a la uno y luego al cuadrado, para terminar con la suma de Yi. Por lo tanto podemos inferir que para esa lnea ser n, y luego sumatorias de x creciendo de grado hasta grado m (claro si para regresin cuadrtica lleg hasta 2 entonces para grado m, llegar hasta m, capicci? ), de manera similar para la primera columna: comienza en n y luego sumatorias de grado creciente: para regresin de segundo grado lleg hasta exponente 2, lgico que para grado m, llegue tambin las sumatorias hasta exponente m... la ltima columna comienza con sumatoria de Y, luego interviene la x con grado creciente, por lo tanto su ltimo valor ser de suma de x elevado a la m, por Yi. Bastante fcil, cierto? Como forma de comprobacin observemos como quedara la matriz para una regresin lineal, es decir m=1. Por lo tanto la matriz anterior se le tendra que eliminar la tercera fila, y la tercera columna, si despejamos sistema de ecuaciones resultantes, veremos que son las mismas que previamente habamos hallado en la Regresin Lineal. Eleccin de los puntos de interpolacin. El polinomio interpolador puede presentar comportamientos patolgicos, en el sentido de que, cuando aumentamos el nmero de puntos de interpolacin en un intervalo, la desviacin mxima entre el polinomio y la funcin en dicho intervalo aumente con el grado del polinomio. Esto pasa con las funciones de Bernstein, B(x) = |x|, y Runge
R(x) =1+25x2 En el intervalo [1,1]. Cuando aumentamos el grado del polinomio interpolador de estas funciones con puntos igualmente espaciados, sucede que podemos preguntarnos cual es la mejor eleccin de los puntos de interpolacin, en caso deque tengamos libertad para elegirlos.
La respuesta es que el error se minimiza si se eligen lospuntos de interpolacin como los ceros de los polinomios de Chebychev, definidos por: Tn(x) = cosn(arccos(x)) De su definicin, es obvio queTn(x) slo toman valores en el intervalo [1,1], pues fuerade este intervalo la funcin arccos(x) no est definida. Como sus ceros estn en el intervalo[1,1], para una funcin f (x) definida en un intervalo [a,b] tenemos que realizar un cambiode variables a la variable t definida por x = ba 2t + b+a2de forma que f (t) toma valores en[-1,1]. Los valores de los ceros de los polinomios de Chebychev vienen dados por los valore dex que satisfacen cos(n) = 0 Los polinomios de Chebychev satisfacen la relacin de recurrencia Tn+1(x) = 2xTn(x)Tn1(x)con T0(x) = 1 y T1(x) = x. Esta relacin se puede demostrar fcilmente a partir relacionestrigonomtricas. cos(n+1)= cosncosnsinnsin cos(n1)= cosncos+sinnsin
de
las
Sumando ambas igualdades, y poniendo cos(n+1)= arccos x, tenemos cos((n+1) arccos x) = 2x cos(narccos x)cos((n1) arccos x)que da la anterior relacin de recurrencia, teniendo en cuenta la definicin de Tn(x). De la relacinde recurrencia se obtiene que el coeficiente del trmino principal de Tn(x) es 2n1. La razn de la idoneidad de los ceros de los polinomios de Chebychev como puntos deinterpolacin radica en que los polinomios de Chebychev son los polinomios con coeficienteprincipal 2n1 con un menor valor mximo en [-1,1]. Esta afirmacin es fcil de demostrar. Lospolinomios de Chebychev alcanzan su valor mximo (+1 o -1), en x = 1, x = 1, y en los puntosque anulan sus derivadas (T%(x) = 0). con k=1,2,. . . ,n1, por lo que tenemos que alcanzan su mximo valor absoluto en n+1 puntos,en los que alternan el signo. Si suponemos que un polinomio Qn(x), con el mismo coeficiente deltrmino principal, es siempre menor en mdulo que Tn(x), entonces la diferencia Tn(x)Qn(x),que es un polinomio de grado n1 (los trminos de grado n de ambos polinomios son iguales),debe de tomar valores con signos opuestos en todos los mximos (en valor absoluto) de Tn(x), osea en n+1 puntos. Como esta diferencia es una funcin continua, debe de anularse en n puntos.
Pero un polinomio de grado n1 que se anula en n puntos debe ser idnticamente nulo. Por lotanto, no existe un polinomio de coeficiente principal 2 n1 que sea menor que Tn(x) en [-1,1]. si se toman los puntos de interpolacin en los ceros de los polinomios de Chebychev, el error de Pn(x) viene dado por f (x) = Pn(x)+ Tn+1(x) Por lo tanto, el trmino de error tiene las propiedades de Tn+1(x) de tomar el menor valor absolutoposible, en [-1,1], Cuando se interpolan las funciones de Bernstein y Runge en los ceros de los polinomios deChebychev se obtiene que max|f (x) Pn(x)| aunque la convergencia es lenta, en comparacin con la que se obtiene para funciones de comportamiento normal.
Interpolacin por splines. La interpolacin polinomial tiene el inconveniente de que el polinomio interpolador puedeoscilar fuertemente entre los puntos interpolados, como hemos visto en el apartado anterior. Paramuchas aplicaciones prcticas interesa un algoritmo que proporcione una funcin interpoladoraque se comporte suavemente. El modelo ms sencillo es una interpolacin lineal a tramos, constituidapor rectas que unen los puntos interpolados. Sin embargo, este tipo de aproximacin tieneuna derivada discontinua en lo puntos de interpolacin. Para muchas aplicaciones prcticas, enlas que se incluyen la resolucin de ecuaciones diferenciales en las que intervienen funcionesmedidas experimentalmente, interesa una funcin aproximadora que tenga derivadas continuashasta un orden dado, aparte de ser continua. El mtodo de splines se basa en encontrar funcionesque cumplan estas caractersticas. Se define un spline de orden m en una serie de n+1 puntos de interpolacin {(x0,y0), . . . (xn,yn)} como un conjunto de n funciones Sk(x) (frecuentementepolinomios de orden m) definidas en el intervalo [xk,xk+1] hay que introducir en general condiciones de contorno adicionales enlos extremos x0 y xn para que las funciones Sk(x) estn unvocamente definidas. Los splines msutilizados son los cbicos, debido a que son los ms sencillos con derivada segunda continua, ypor lo tanto son adecuados para aproximar funciones que intervienen en ecuaciones diferencialesde segundo orden. Si escribimos Sk(x) = ak+bk(xxk)+ck(xxk)2+dk(xxk)3 La condicin de que los splines pasen por los puntos de interpolacin da Sk(xk)=ak =yk, que nosdice que los coeficientes ak son los valores de la funcin interpolada en los nodos.
El significado de los otros coeficientes es obviamente Sk(xk) = bk, (xk) = 2ck y S(xk) = 6dk. Tenemos quelas ecuaciones de continuidad de las funciones Sk(x) y sus derivadas primera y segunda en losn1 puntos de interpolacin intermedios xk+1, k = 0, . . . ,n2 (las condiciones de continuidadno se aplican a los extremos) dan ak+1 = ak+bk(xk+1xk)+ck(xk+1xk)2+dk(xk+1xk)3 bk+1 = bk+2ck(xk+1xk)+3dk(xk+1xk)2 2ck+1 = 2ck+6dk(xk+1xk) que constituyen un sistema de 3(n1) ecuaciones para determinar los 3n coeficientes bk,cky dk. Una condicin adicional es que el ltimo spline pase por el ltimo punto: Sn1(xn) = yn. Necesitaremospor lo tanto dos condiciones adicionales para poder determinar todos los coeficientes. Daremos ms adelante estas condiciones. Para simplificar la notacin, introducimos la definicin hk= xk+1xk. Podemos escribir las ecuaciones de continuidad anteriores como ak+1akhk= bk+ckhk+dkh2kbk+1bk = 2ckhk+3dkh2k ck+1ck = 3dkhk De las posibles formas de resolver el sistema de ecuaciones anterior, la ms cmoda es despejarlos coeficientes dk y bk de forma que obtengamos un sistema de ecuaciones para los coeficientesck. Si despejamos dk = ck+1ck3hk en la ltima ecuacin y lo introducimos en la segunda ecuacin, obtenemos bk+1bk = 2ckhk+3ck+1ck3hkh2k= (ck+ck+1)hk Necesitamos otra expresin independiente de bk+1 bk para obtener una ecuacin para los ck: bk = ak+1akhk ckhkdkh2k= ak+1akhk ckhkck+1ck3hkh2k= ak+1akhk 23ckhk13ck+1hky cambiando k por k+1 obtenemosbk+1 = ak+2ak+1hk+1 23ck+1hk+113ck+2hk+1 Restando estas dos ecuaciones queda bk+1bk = ak+2ak+1hk+1 ak+1akhk 13ck+2hk+1+ 13ck+1hk23ck+1hk+1+23ckh Igualando esta expresin obtenemos finalmente una relacin entre los ck: 13ck+2hk+1+ 23ck+1(hk+hk+1)+ 13ckhk = ak+2ak+1hk+1 ak+1akhk Estas ecuaciones forman un sistema tridiagonal. Si definimos: vk+1 = 3 Estas dos ecuaciones se proporcionan mediante dos condiciones en cierta forma arbitrarias, pero de las que depende la calidad del ajuste. Las dos formas ms usuales de proporcionar estas condiciones adicionales son:
La condicin denominada splines naturales, que impone derivada nula en los extremos: La condicin de splines sujetos (clamped), que fija la derivada en los extremos S(x0) =f (x0) y Sn 1(xn) = f (xn). La condicin de splines naturales implica c0 = cn = 0. El coeficiente cn no pertenece a ningunode los splines en [x0,xn], sino a un spline arbitrario que comienza en el extremo xn, pero laintroduccin de Sn(x) permite extender las ecuaciones para los coeficientes ck con una ecuacinadicional hn2cn2+2(hn2+hn1)cn1 = vn1 La condicin c0 = 0 nos permite eliminar la primera columna de la matriz Qu es un sistema de n1 ecuaciones con n1 incgnitas?. Este sistema se puede resolverfcilmente por eliminacin de Gauss. Cada paso de eliminacin se aplica solamente a la fila inmediatamente inferior, ya que los elementos inferiores de la columna son nulos. Despus de la eliminacin, la subdiagonal inferior se anula. El trmino en la diagonal toma unnuevo valor u2 dado por u2 = 2(h1+h2)h212(h0+h1) Los elementos uk de la diagonal a partir de la segunda fila, despus de la reduccin, vienendados por uk+1 = 2(hk+hk+1)+hk fk+1 = 2(hk+hk+1)h2kuk fk+1 = hkuk El sistema de ecuaciones, despus de la reduccin de Gauss, Este sistema se resuelve fcilmente por sustitucin hacia atrs, cn1 = v%n1 un1 ck = v%khkck+1 uk Con lo que determinamos todos los coeficientes ck. A partir de los ck, determinamos los coeficientes dk mediante la relacin dk = ck+1ck 3hk Interpolacin de Hermite. Llamada as en honor a su inventor CharlesHermite, es similar a la de Newton, pero con el aadido de que ahora tambin conocemos los valores que toma la derivada de la funcin en las abscisas conocidas . El Polinomio Interpolador de Hermite de grado polinomio de la forma: de la funcin es un
Con:
La interpolacin de Hermite puede extenderse al conocimiento de las derivadas sucesivas de la funcin a interpolar en las abscisas tomadas, de modo que se puede obtener un polinomio cada vez ms ajustado a la funcin real, ya que ste podr cumplir otros requisitos como una determinada monotona, concavidad, etc. La diferencia esencial entre la Interpolacin de Hermite y la Interpolacin de Lagrange reside en el clculo a travs de la construccin de los Polinomios de Lagrange. En este caso, su clculo es arduo, largo y complicado; por lo que el uso de las llamadas diferencias divididas generalizadas simplifica mucho el clculo del polinomio interpolador. Las diferencias divididas generalizadas se construyen de igual modo que las Diferencias Divididas de Newton, salvo que ahora necesitaremos escribir tantas veces ms una como derivadas de f conozcamos. Interpolacin segmentaria Existen mtodos de Interpolacin segmentaria que nos permiten aproximar funciones de un modo eficaz. Entre ellos cabe destacar la interpolacin de Taylor y la interpolacin por Splines. La Interpolacin de Taylor usa el Desarrollo de Taylor de una funcin en un punto para construir un polinomio de grado que se aproxima a la funcin dada. Tiene dos ventajas esenciales sobre otras formas de interpolacin: Requiere slo de un punto conocido de la funcin para su clculo, si bien se pide que la funcin sea suficientemente diferenciable en un entorno de ese punto. El clculo del Polinomio de Taylor es sumamente sencillo comparado con otras formas de interpolacin polinmica:
Sin embargo, en ocasiones no ser deseable su uso dado que el error de interpolacin puede alcanzar cotas demasiado elevadas.
Es especialmente til para emplearse en lugar de mtodos de interpolacin de Hermite generalizada sobre derivadas de orden superior de la funcin . Otras formas de interpolacin Existen otros mtodos de interpolacin no-polinmica que proporcionan aproximaciones de funciones de las cuales conocemos informacin limitada. En el mismo contexto que la interpolacin polinmica, contamos con la interpolacin racional y la interpolacin trigonomtrica, que consisten en aproximar funciones por cocientes de polinomios y por polinomios trigonomtricos respectivamente. La segunda es especialmente til para funciones con valores en el cuerpo de los nmeroscomplejos . Tambin es frecuente el uso de wavelets (ondaletas). Cuando el conjunto de las abscisas es infinito, podemos recurrir a la Frmula de Interpolacin de Whittaker-Shannon. Cuando estamos trabajando con funciones de varias variables, disponemos de la interpolacin multivariable para conseguir aproximaciones de las mismas. Entre los mtodos de interpolacin multivariable destacan: la interpolacin bilineal y la interpolacin bicbica para funciones de dos variables y la interpolacin trilineal para funciones de tres variables.
Anexos
EJERCICIOS Otro aspecto importante en los muros de mampostera es su altura libre, o sea sin elementos de amarre como vigas. El RNC-2007 define que altura libre debe ser 20 veces el espesor del bloque o sea que podamos usar las relaciones siguientes: Altura de paredes de mampostera Bloque (cm) 10 15 Altura de pared (cm) 200 300 Longitud (cm) 300 400 20 400 400 30 600 400
1. Determine la altura de pared para un muro de mampostera sin elementos de amarre como vigas, para el que se utilizar un bloque diseado con una base de 27 cm. Xi F(xi) 10 200 15 300 20 400 30 600 Solucin: a) Por el mtodo de LaGrange. P (27)=
( ( )( )( )( )( ) ) ( ( )( )( )( )( )( )( )( )( ) ) )
( ) (600)
( (
)( )(
)( )(
) )
( (
P (27)=500 cm de altura.
a) Por el mtodo de Newton con Diferencias Divididas. ( ) 10 15 20 30 ( ) ( ( ( ) ) ) 2. Determinar el peso en libras de una lmina de acero de 4 x10, con un espesor de 1/5 de pulgadas. xi 1/32 1/16 3/32 1/8 3/16 Solucin: f(xi) 51 102 153 204 306 408 [ ( ] ) 200 300 400 600 [ [ ( )( ]( ]( ) ) 20 20 20 0 0 0
[ )(
]( )(
)( )
a) Por el mtodo de LaGrange. P(1/5)=

( ( )( )( ( ( ( ( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ) ) )( )( )( )( ( ( ) )
(
)( )( ( (
( ( )( )( )( )(
)( )( )( )( )( )( )( )( )( )(
)( )( ) ) )( )(
)( )(
)( )(
) )
(
) )
(
) )
P (1/5)=326.4 libras
b) Por el mtodo de Newton con Diferencias Divididas. ( ) 51 102 153 204 306 408 [ ] [ [ [ [ ( ( )( )( ) (
1/32 1/16 3/32 1/8 3/16 ( )
1632 1632 1632 1632 1632
0 0 0
0 0 0 0 0 0
0 ]( ]( ]( ]( ) ) ( )( ) ) [ )( )( )( ]( )( )( )( )( ) )( )( ) ) )( )
( ) ( ) ( )
( (
) )
3. Determinar el peso (Lbs. /Pie) de un tubo galvanizado con un dimetro de 9/5 de pulgada. a) Por el mtodo de Newton con Diferencias Divididas. 1/2 3/4 1 1 1/4 1 2 ( ) 0.695 1.020 1.445 1.805 2.330 2.930 1.30 1.70 1.44 2.10 1.20 0.80 -0.52 1.32 -2.520 -1.20 -1.760 4.213 2.453 -3.978 -5.460
( )
[ [ [ [ ( ( ( ( ( ( ( ( ( (
]( ](
) ](
[ )( )( ](
]( )( )( )(
)( ) )( )( )( ) ) )(
) ) )( )( )
( )
)( )( )( )( ( )( )(
) )( )( )(
)( )( )( )( ) )( )( )
) )( )( ( )( )( )( )( )(
) )( ) )
)(
)( ) )( ) )( )(
) )( ) )( ) )
( ( ( )( ( ) ( )( ( ) ) )( )
[ ( ) ( ) As: ( ) ( ) ( ) ( ) ( ) ( )
b) Por el mtodo de LaGrange
( )
( (
)( )( ( ( ( ( ( ( ( ( ( (
)( )( )( )( )( )( )( )( )( )( )( )(
)( )( )( )( )( )( )( )( )( )( )( )(
)( )( )( )( )( )( )( )( )( )( )( )(
) )
) ) ) ) )
)( )( )( )( )(
( ) ) ) )
)( )( )( )( )( ) ) (
( )
i = corriente, v =
Problema de circuitos 4) voltaje aproxime el valor de v para i = 3.5 Amper en polinomio de Newton Con Diferencias Divididas
x=i 1 2 3 62
( )
[ [
]( ](
[ )(
]( )(
)( )
( )
F(x1,x0)= F(x1,x0)= F(x1,x0)= F(X)=
= -13
F(X2,X1,X0)= F(X3,X2,X1)=
F(X) = F(X3, X2, X1, X0) =

( ) ( )
Remplazando en la tabla de diferencias finitas. x F(x)= ( ) 1 120 -26 2 94 -19 3 75 -13 4 62 Remplazando valores al polinomio: F(X)= 3.5 3 F(X)= -0.167
P3(X)= 120-26(X-1) 3.5(X-1)(X-2)-0.167(X-1)(X-2)(X-3) Para i= 3.5 P3(X= 3.5)= 67.8125.

Dada la siguiente funcin por la tabla que representa la presin de una sustancia respecto a su temperatura como: TC 56.5 11.8 181 214.5 P. atm 1 5 20 40 Aproximar la presin a travs de un polinomio de Lagrange de tercer grado o n=3 y evaluar la temperatura a una presin de 2 atm. (2)=( +
( ( )( )( ( )( )( )( )( )( )( ) ) (56.5) )
+(
)( )(
)( )(
) (113) )
+(
)( )(
)( )(
(181)
(214.5)
(2)= 39.11538462 + 36.80571429 3.62 + 0.424285714 (2) = 72.73 C Obs: Se puede hallar un polinomio Pn(x) y evaluar los valores que deseemos.
Desarrollar el polinomio de Lagrange de grado 3 que pase por los puntos (-1,1), (0,1), (1,1), (2,5) luego calcule (-0.5) y (1.5) Xi -1 0 1 2 F(Xi) 1 1 1 5
( )( )( )( )( ) ) )
(x)=( (x)= (x)=
(1)+ (
)( )(
)( )(
) ( (1)+ ( )
)( )(
)( )(
) (1) )
( (
)( )(
)( )(
) (5) )
- x+1 (1.5) se prueba primero que los cuatro puntos pasen
Nota: Antes de evaluar los (-0.5) y por la ecuacin encontrada. (-1)= 1 (0) = 1 (1) = 1 (2) = 5 Calcular:
(-0.5) = ( (1.5) = (
) - (-0.5)+1 = 1.25 ) - (1.5) +1 = 2.25
Conclusin Finalmente, podemos afirmar que el mtodo de interpolacin utilizado en la resolucin de problemas expuestos en el campo de la ingeniera civil tuvo un resultado positivo, cumpliendo plenamente con los objetivos planteados al inicio de este documento, logrando as, presentar un documento fluido de informacin confiable y detallada, sin embargo, es importante mencionar que en este documento nose abarca completamente el amplio campo de la interpolacin matemtica; no obstante, esperamos que sea de gran ayuda a los futuros lectores.
BIBLIOGRAFIA. Aubanell, A. Benseny, A. Delshams (1993). tiles bsicos de Clculo Numrico. Labor/Publicaciones de la UAB. Burden, R.L., Faires, J.D., Anlisis Numrico, Grupo Editorial Iberoamericano, 1985. Joaqun M. Ortega Aramburu (2002). Introduccin al Anlisis Matemtico (2a edicin, cataln). Publicaciones de la UAB. http://xrjunque.nom.es/precis/polycalc.aspx?ln=es Calculadora interpolacin polinmica (interpolacin de LaGrange) polinmica,
http://mmengineer.blogspot.com/2007/09/polinomios-interpoladores-y-elesquema.html interpolacin polinmica utilizado en el esquema de Shamir. http://www.foro.rcionesuelveproblemas.com/Matematicas-Interpolaci%C3%B3nmediante-un-polinomio-de-segundo-grado Interpolacin mediante un polinomio de segundo grado.

Informe Analisis-Trabajo Final

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Informe Analisis-Trabajo Final

Încărcat de

Drepturi de autor:

Formate disponibile

Introduccin En el subcampo matemtico del anlisis numrico, se denomina interpolacin a la construccin de nuevos puntos partiendo del conocimiento de un conjunto

Interpolacin de newton con diferencias progresivas

a) Por el mtodo de LaGrange. P(1/5)=

1/32 1/16 3/32 1/8 3/16 ( )

1632 1632 1632 1632 1632

b) Por el mtodo de LaGrange

F(x1,x0)= F(x1,x0)= F(x1,x0)= F(X)=

F(X) = F(X3, X2, X1, X0) =

P3(X)= 120-26(X-1) 3.5(X-1)(X-2)-0.167(X-1)(X-2)(X-3) Para i= 3.5 P3(X= 3.5)= 67.8125.

(x)=( (x)= (x)=

- x+1 (1.5) se prueba primero que los cuatro puntos pasen

) - (-0.5)+1 = 1.25 ) - (1.5) +1 = 2.25

S-ar putea să vă placă și