Documente Academic
Documente Profesional
Documente Cultură
RESUMEN:
INTRODUCCIÓN
Con frecuencia nos encontramos con problemas que tenemos que estimar valores
intermedios entre datos definidos por puntos. El método más común que se usa
para este propósito es la interpolación polinomial. La fórmula general para un
polinomio de n-ésimo grado es f(x) = a0 + a1x + a2x2 +….+ anxn Dados n+1
puntos, hay uno y sólo un polinomio de grado n que pasa a través de todos los
puntos.
Por ejemplo, hay sólo una línea recta (es decir, un polinomio de primer grado) que
une dos puntos. De manera similar, únicamente una parábola une un conjunto de
tres puntos. La interpolación polinomial consiste en determinar el polinomio único
de n-ésimo grado que se ajuste a n+1 puntos. Este polinomio, entonces,
proporciona una fórmula para calcular valores intermedios. Aunque hay uno y sólo
un polinomio de n-ésimo grado que se ajusta a n+1 puntos, existe una gran
variedad de formas matemáticas en las cuales puede expresarse este polinomio.
MÉTODOS:
2. Si los datos que se tienen son precisos se trazan una o varias curvas que pasan
por cada uno de los puntos de datos. A esto se le llama INTERPOLACIÓN cual
puede ser LINEAL o CURVILÍNEA.
REGRESIÓN LINEAL
(1)
(2)
Ejemplo:
La siguiente tabla muestra los valores calculados necesarios para hallar los valores
de los coeficientes de la recta buscada:
(3)
Ejemplo:
INTERPOLACIÓN
Este método se utiliza cuando se desea conocer valores intermedios en una serie
de datos precisos dados.
Interpolación Lineal
En este caso se aproximan los datos por medio de una línea recta, para lo cual se
necesita conocer dos puntos (X0, f(X0)) y (X1, f(X1)).
(4)
(7)
Ejemplo:
f1(x)=0.462098*(x-1)
Con esta ecuación podemos estimar el valor de f1(x) para valores de x enelrango
(0,4), de manera que podemos evaluarla en x=2, para hallar Ln(2) que es el valor
buscado, obteniendo:
f1(2)=Ln(2)=0.462098*(2-1)=0462098
Si se compara este valor con aquel que se obtiene en una calculadora, que es
0,693147, vemos que el valor calculado por interpolación lineal no es una buena
aproximación, ya que tiene un error relativo alto (aproximadamente del 33%).El
error tan grande se debe al uso de una línea recta para aproximar una curva.
Interpolación Cuadrática
(6)
(7)
Ejemplo:
(8)
Para n+1 puntos conocidos, solo existe un polinomio que pasa exactamente por
todos los puntos y es precisamente el polinomio de grado n.
(9)
de bases polinómicas de Lagrange
EJEMPLO:
Con cinco puntos, el polinomio interpolador tendrá, como máximo, grado cuatro
(es decir, la máxima potencia será cuatro), al igual que cada componente de la
base polinómica.
En este caso, cada polinomio f(x) a través del que construimos los Splines en
[m,n] tiene grado 3. Esto quiere decir, que va a tener la forma
En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una
nueva condición para cada punto común a dos intervalos, respecto a la derivada
segunda:
Que las partes de la función a trozos f(x) pasen por ese punto. Es decir, que las
dos fn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada
uno de estos puntos.
Ejemplo:
El sistema es:
De donde se obtienen:
INTERPOLACIÓNINVERSA
Lasoluciónalproblemasereduceacalcularlaraízdelaecuaciónquesurgedeajustar los
puntos de datos conocidos a una ecuación, ya sea usando regresiónointerpolación.
APLICACIONES
Para el ajuste de curvas, los splines se utilizan para aproximar formas complicadas.
La simplicidad de la representación y la facilidad de cómputo de los splines los
hacen populares para la representación de curvas en informática, particularmente
en el terreno de los gráficos por ordenado.
CONCLUSIONES