“Año Del Estado De Derecho Y De La Gobernabilidad Democrática”

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE INGENIERÍA QUÍMICA

CALCULO NUMÉRICO

APROXIMACIÓN POLINOMIAL DE NEWTON – POLINOMIOS DE

NEWTON EN DIFERENCIAS FINITAS Y APROXIMACIÓN CON
MINIMOS CUADRADOS

CATEDRÁTICO : ING. WALTER S. FUENTES LÓPEZ

INTEGRANTES : TORALVA SAFORA, Gilmar

MUÑOS SALAMAN, Ru Bryan
VIVANCO BAUSTISTA, Max

SEMESTRE : IV

TURNO : Diurno

HUANCAYO-PERU

2005
 APROXIMACIÓN FUNCIONAL E INTERPOLACIÓN

INTRODUCCIÓN

Con frecuencia se tienen que estimar valores intermedios entre valores conocidos. El
método mas común empleado para este propósito es la interpolación polinomial.

Recuérdese que la fórmula general de un polinomio de n-ésimo orden es:

..... (1)

Para n + 1 puntos, existe uno y sólo un polinomio de n-ésimo orden o menor que pasa a
través de todos los puntos. Por ejemplo, hay sólo una línea recta (es decir un polinomio
de primer orden) que conecta dos puntos. El polinomio de interpolación consiste en
determinar el único polinomio de n-ésimo orden que se ajusta a los n + 1 puntos dados.
Este polinomio proporciona una fórmula para calcular los valores intermedios.

Aunque existe uno y sólo un polinomio de n-ésimo orden que se ajusta a los n + 1
puntos, existen una gran variedad de fórmulas matemáticas mediante las cuales se puede
expresar este polinomio. En esta unidad se estudian dos técnicas alternativas que están
bien condicionadas para implementarse en una computadora. Estos son los polinomios
de Newton y de Lagrange.

POLINOMIOS DE INTERPOLACIÓN
CON
DIFERENCIAS DIVIDIDAS DE NEWTON

INTERPOLACIÓN LINEAL

La fórmula más simple de interpolación es la de conectar dos puntos con una linea recta.
Este método, llamado Interpolación Lineal, se muestra en la figura 1.
 Fig. 1

Usando triángulos semejantes, se tiene:

..... (2)

Que se puede reordenar como:

..... (3)

La cuál es la fórmula de interpolación lineal. La notación f1(X) indica que se trata de un

polinomio de interpolación de primer orden. Nótese que además de representar la
pendiente de la línea que conecta los dos puntos, el término [f(X1) - f(X2)] / (X1 - X2) es
una aproximación de diferencias divididas finitas a la primera derivada. En general,
entre mas pequeño sea el intervalo entre los puntos, más exacta será la aproximación.

EJEMPLO 3.1

Calcúlese el logaritmo natural de 2 (ln 2) usando interpolación lineal.

Primero, llévese a cabo los cálculos interpolando entre ln 1 = 0 y ln 6 = 1.7917595.

Después repítase el procedimiento, pero usando un intervalo más pequeño desde ln 1 a

ln 4 = 1.3862944.
Nótese que el valor real de ln 2 = 0. 69314718

SOLUCIÓN:

Evaluando la fórmula de interpolación lineal (3) de X = 1 a X = 6 da:

La cual representa un error porcentual de e% = 48.3 %. Usando el intervalo más

pequeño desde X = 1 a X = 4 da:

Por lo contrario, usando el intervalo más pequeño reduce el error relativo porcentual a e
% = 33.3%.

INTERPOLACIÓN CUADRÁTICA

El error en el ejemplo 3.1 se debe a que se aproxima a una curva mediante una línea

recta. Por consiguiente, una estrategia que mejora la aproximación es la de introducir

cierta curvatura en la línea que conecta a los puntos. Si se dispone de tres puntos lo

anterior se puede llevar a cabo con un polinomio de segundo orden (llamado también

polinomio cuadrático o parábola). Una manera conveniente para este caso es:

..... (4)

Nótese que aunque la ecuación (4) parezca diferente de la ecuación general de un

polinomio (1), las dos ecuaciones son equivalentes.

Esto se puede demostrar si se multiplican los términos de la ecuación (4) y obtener:

..... (5)
o, agrupar términos:

..... (6)

en donde:

..... (7)

De esta manera, las ecuaciones (1) y (4) son fórmulas alternativas equivalentes del
único polinomio de segundo grado que une a los tres puntos.

Se puede usar un procedimiento simple para determinar los valores de los coeficientes.
Para b0, se usa la ecuación (4) con X = X0, y se obtiene

b0 = f(X0)….… (8)

Sustituyendo la ecuación (8) en la ecuación (4) y evaluando en X = X1 se obtiene:

..... (9)

Y por último, las ecuaciones (8) y (9) se sustituyen en la ecuación (4), y se evalua ésta
en X = X2 y se obtiene:

..... (10)

Nótese que, al igual que en el caso de interpolación lineal, b1 aún representa la

pendiente de la línea que une los puntos X0 y X1. Por lo tanto, los primeros dos
términos de la ecuación (4) son equivalentes a la interpolación de X0 a X1, como se
especificó anteriormente en la ecuación (3). El último término, b2(X-X0)(X-X1),
introduce la curvatura de segundo orden en la fórmula.

Ejemplo 3.2
Ajústese el polinomio de segundo orden a los tres puntos usados en el ejemplo 3.1

X0 = 1 f (X0) = 0.0000 000

X1 = 4 f (X1) = 1.3862 944
X2 = 6 f (X2) = 1.7917 595

Úsese el polinomio para evaluar ln 2

SOLUCIÓN:

Aplicando la ecuación (8) da:

b0 = 0

la ecuación (9) genera:

Y la ecuación (10) da:

Sustituyendo estos valores en la ecuación (4) se obtiene la fórmula cuadrática:

f 2 ( X ) = 0 + 0.4620981 (X - 1) - 0.05187312 (X - 1) (X - 4)

que se evalúa en X = 2 y se obtiene

f 2 ( 2 ) = 0.5658443
Lo que representa un error porcentual del e% = 18.4%. Por lo tanto, mejora la
interpolación comparada con los resultados obtenidos al usar una línea recta (ejemplo
3.1).
 Método de mínimos cuadrados

El error de aproximación (error residual) está dado por:

Los coeficientes ai se escogen de tal forma que la diferencia o error e(n) entre s(n) y
s'(n) sea mínima mediante el método de los mínimos cuadrados. Denotado el error
cuadrático total como E, donde:

Donde E es minimizado si:

Obteniendo el conjunto de ecuaciones:

que forman un conjunto de M ecuaciones con M incógnitas que determinan los

coeficientes que minimizan E. El error cuadrático total, es denotado por:

Método de auto correlación

Teniendo en cuenta que la función de auto correlación se la señal s(n) esta dada por:
Además sabiendo que R(-i) = R(i) y haciendo un cambio de variables, las ecuaciones
pueden ser representadas por:

Los coeficientes R (j-i) son usualmente conocidos como la matriz de auto correlación,
por lo que este método es llamado como el método de auto correlación.

Determinación de los coeficientes del predictor

Se procederá a explicar el método de solución del conjunto de ecuaciones dada en (E1)

para obtener los coeficientes del predictor. (E1)

Estas ecuaciones al expandirse quedan de la siguiente forma:

Re-escribiéndolas como:

(E2)

(E3)

(E4)
Donde:

, (E5)

y es un vector n-dimensional cuyo i-ésimo componente es R(n-i+1) . El vector

recíproco fue definido como:

(E6)

Donde el i-ésimo componente del vector reciproco de X es el (m-i+1)-ésimo

componente de X, y X es m-dimensional:

Multiplicando por (E3) se obtiene: (E7)

De la ecuación (E2) para (n-1)

(E8)

Reemplazando la ecuación (E8) en la ecuación (E7) se obtuvo:

(E9)

Además:
Evaluada para (n-1) y luego de ser multiplicarla por se obtuvo:

(E10)

Reemplazando (E10) en la ecuación (E9) se tiene:

(E11)

Luego multiplicamos por la ecuación (E11)

(E12)

Reemplazando (E4) en la ecuación (E12) y reagrupando términos

(E13)

Pero:
 (E14)

Además:

(E15)

Remplazando (E14) y (E15) en la ecuación (E13)

(E16)

Las ecuaciones (E11) y (E16) son resueltas en forma recursiva empezando con n=1;

evaluando desde la ecuación (E16) y desde la ecuación (E11) sucesivamente

incrementando el valor de n hasta n=M.

Finalmente los coeficientes del predictor se encontrarán en el vector

Donde para i = 1,2,..., M.