MAT-270: An alisis Num erico

Tarea N

1: Interpolaci on y Aproximaci on
Gonzalo Hidalgo Molina - 2603034-K
5 de Diciembre de 2011
1 Pregunta 1: Interpolaci on de Hermite
1.1 An alisis de curva parametrizada en el espacio
Se presenta la siguiente funci on param etrica escalar, que representa a una espiral creciente en un plano
tridimensional en funci on del tiempo t.
(t) = (x(t), y(t), z(t))
x(t) = (1 + 0.2t) cos(2t)
y(t) = (1 + 0.2t) sin(2t)
z(t) = 0.5

2t + 1
(1)
Se requiere que para intervalos de t = /4 entre 0 y 2, se calculen los valores en cada eje y la
derivada de cada uno de estos; a partir del sistema mostrado en (1). Los resultados fueron obtenidos a partir
de una funci on iterativa en Matlab y se detallan en la siguiente tabla:
Table 1: Funci on y derivada de esta evaluada en intervalos de /4
t x(t) x(t) y(t) y(t) z(t) z(t)
0 1.0000 0.2000 0 2.0000 0.5000 0.5000
/4 0 -2.3142 1.1571 0.2000 0.8017 0.3118
/2 -1.3142 -0.2000 0 -2.6283 1.0175 0.2457
3/4 0 2.9425 -1.4712 -0.2000 1.1950 0.2092
1.6283 0.2000 0 3.2566 1.3494 0.1853
5/4 0 -3.5708 1.7854 0.2000 1.4878 0.1680
3/2 -1.9425 -0.2000 0 -3.8850 1.6144 0.1549
7/4 0 4.1991 -2.0996 -0.2000 1.7317 0.1444
2 2.2566 0.2000 0 4.5133 1.8416 0.1357
A partir de esta informaci on, y a modo de obtener una funci on aproximada de la funci on original, se
procede a calcular el interpolante polinomial de Hermite c ubico para cada uno de las componentes de la
funci on en funci on del tiempo.
Fue implementada una funci on en Matlab de modo de resolver el problema mediante este m etodo. Esta
consta de un sistema de dos entradas (la funci on en s escrita de forma simb olica y los valores discretos de
medici on en el eje X) y dos salidas (la tabla de diferencias divididas resultante y la funci on de interpolaci on
nal). Es posible ingresar una cantidad ilimitada de puntos de entrada, involucrando la complejizaci on de la
matriz nal y un mayor orden de la funci on resultante.
1
No obstante, para esta situaci on se requiere el interpolante c ubico, es decir, lograr una funci on de orden
3. Esto se logra ingresando dos puntos de la funci on.
Se muestra a continuaci on el algoritmo implementado:
f unc t i on [ func , t ab1 ] = p1 ( t i , x )
syms X f unc var ;
nmax = s i z e ( t i , 2 ) ;
xi = zeros ( 1 , nmax ) ;
xd = zeros ( 1 , nmax ) ;
t ab1 = zeros ( 2nmax , 2 nmax +1) ;
k = 1;
var = 1;
f or n = 1: nmax ;
xi ( n ) = s ubs ( x , t i ( n ) ) ;
xd ( n ) = s ubs ( d i f f ( x ) , t i ( n ) ) ;
end
f or n = 1: 2 nmax ,
i f mod( n , 2 ) == 1 ,
t ab1 ( n , 1 ) = t i ( n / 2 + 0 . 5 ) ;
t ab1 ( n , 2 ) = xi ( k ) ;
t ab1 ( n , 3 ) = xd ( k ) ;
k = k + 1;
e l s e
t ab1 ( n , 1 ) = t i ( n / 2 ) ;
t ab1 ( n , 2 ) = xi ( n / 2 ) ;
i f k = nmax+1 ,
t ab1 ( n , 3 ) = ( xi ( k)xi ( k 1) ) / ( t i ( k) t i ( k 1) ) ;
end
end
end
f or n = 4: 2 nmax+1 ,
f or m = 1: 2 nmax+2n ,
t ab1 (m, n ) = ( t ab1 (m+1 , n1)t ab1 (m, n 1) ) / ( t ab1 ( n2+m, 1 ) t ab1 (m, 1 ) ) ;
end
end
f unc = xi ( 1 ) ;
f or k = 3: 2 nmax +1;
f or n = 2: k1,
var = var . ( X t ab1 ( n 1 , 1) ) ;
end
f unc = f unc + t ab1 ( 1 , k ) . var ;
var = 1;
end
end
De esta forma, fueron ingresados los tramos de cada una de las tres funciones para obtener un resultado
2
nal:
syms t ;
t i = 0: pi / 4: 2 pi ;
x = ( 1 + 0. 2 t ) cos ( 2 t ) ;
y = ( 1 + 0. 2 t ) s i n ( 2 t ) ;
z = 0. 5 s qrt ( 2 t + 1 ) ;
nmax = s i z e ( t i , 2 ) ;
r e s = [ t ; t ; t ; t ; t ; t ; t ; t ] ;
f or n = 1: nmax1
r e s ( n ) = p1 ( t i ( n : n +1) , z ) ;
e z p l o t ( r e s ( n ) , [ 0 2 pi ] ) ;
end
Se adjunta a continuaci on el valor de las expresiones obtenidas y el tramo en el cual se deben evaluarse
para reconstruir la funci on interpolada.
Table 2: Funciones de Interpolaci on de Hermite c ubica para eje X
Tramo Funci on
[0 : /4] F
x1
= 0.2X + 0.7009X
2
(1.0X 0.7854) 1.876X
2
+ 1.0
[/4 : /2] F
x2
= 0.816(1.0X 0.7854)
2
2.314X + 1.349(1.0X 0.7854)
2
(1.0X 1.571) + 1.818
[/2 : 3/4] F
x3
= 2.385(1.0X 1.571)
2
0.2X 0.9792(1.0X 2.356)(1.0X 1.571)
2
1.0
[3/4 : ] F
x4
= 2.942X 1.107(1.0X 2.356)
2
1.628(1.0X 2.356)
2
(1.0X 3.142) 6.933
[ : 5/4] F
x5
= 0.2X 2.894(1.0X 3.142)
2
+ 1.257(1.0X 3.927)(1.0X 3.142)
2
+ 1.0
[5/4 : 3/2] F
x6
= 1.397(1.0X 3.927)
2
3.571X + 1.906(1.0X 4.712) (1.0X 3.927)
2
+ 14.02
[3/2 : 5/6] F
x7
= 3.404(1.0X 4.712)
2
0.2X 1.536(1.0X 4.712)
2
(1.0X 5.498) 1.0
[5/6 : 2] F
x8
= 4.199X 1.688(1.0 X 5.498)
2
2.184(1.0X 6.283)(1.0X 5.498)
2
23.09
Table 3: Funciones de Interpolaci on de Hermite c ubica para eje Y
Tramo Funci on
[0 : /4] F
y1
= 2.0X 1.21X
2
(1.0X 0.7854) 0.6707X
2
[/4 : /2] F
y2
= 0.2X 2.13(1.0X 0.7854)
2
+ 0.84(1.0X 0.7854)
2
(1.0X 1.571) + 1.0
[/2 : 3/4] F
y3
= 0.9614(1.0X 1.571)
2
2.628X + 1.488(1.0X 2.356)(1.0X 1.571)
2
+ 4.129
[3/4 : ] F
y4
= 2.64(1.0X 2.356)
2
0.2X 1.118(1.0X 2.356)
2
(1.0X 3.142) 1.03
[ : 5/4] F
y5
= 3.257X 1.252(1.0X 3.142)
2
1.767(1.0X 3.927)(1.0X 3.142)
2
10.23
[5/4 : 3/2] F
y6
= 0.2X 3.149(1.0X 3.927)
2
+ 1.397(1.0X 4.712)(1.0X 3.927)
2
+ 1.0
[3/2 : 5/6] F
y7
= 1.543(1.0X 4.712)
2
3.885X + 2.045(1.0X 4.712)
2
(1.0X 5.498) + 18.31
[5/6 : 2] F
y8
= 3.658(1.0X 5.498)
2
0.2X 1.675(1.0X 6.283)(1.0X 5.498)
2
1.0
3
Table 4: Funciones de Interpolaci on de Hermite c ubica para eje Z
Tramo Funci on
[0 : /4] F
z1
= 0.5X + 0.07069X
2
(1.0X 0.7854) 0.1475X
2
+ 0.5
[/4 : /2] F
z2
= 0.3118X 0.047(1.0X 0.7854)
2
+ 0.0127(1.0X 0.7854)
2
(1.0X 1.571) + 0.5568
[/2 : 3/4] F
z3
= 0.2457X 0.025(1.0X 1.571)
2
+ 0.0047(1.0X 2.356)(1.0X 1.571)
2
+ 0.6316
[3/4 : ] F
z4
= 0.2092X 0.016(1.0X 2.356)
2
+ 0.0023(1.0X 2.356)
2
(1.0X 3.142) + 0.7021
[ : 5/4] F
z5
= 0.1853X 0.011(1.0X 3.142)
2
+ 0.0013(1.0X 3.927)(1.0X 3.142)
2
+ 0.7673
[5/4 : 3/2] F
z6
= 0.168X 0.0087(1.0X 3.927)
2
+ 0.00087(1.0X 4.712)(1.0X 3.927)
2
+ 0.8279
[3/2 : 5/6] F
z7
= 0.1549X 0.0069(1.0X 4.712)
2
+ 0.00059(1.0X 4.712)
2
(1.0X 5.498) + 0.8846
[5/6 : 2] F
z8
= 0.1444X 0.0056(1.0X 5.498)
2
+ 0.00042(1.0X 6.283)(1.0X 5.498)
2
+ 0.938
A modo de corroboraci on de las funciones resultantes, fueron gracadas las respuestas en los tramos
correspondientes, obteni endose lo mostrado en las guras de a continuaci on:
0 0.785 1.571 2.356 3.141 3.927 4.712 5.498 6.283
3
2
1
0
1
2
3
Instante de muestreo
Funcion reconstruida, eje X
A
m
p
l
i
t
u
d
Figure 1: Gr aco de las funciones de interpolaci on en eje x. En rojo se marca la funci on original
0 0.785 1.571 2.356 3.141 3.927 4.712 5.498 6.283
2
1.5
1
0.5
0
0.5
1
1.5
2
Instante de muestreo
Funcion reconstruida, eje Y
A
m
p
l
i
t
u
d
Figure 2: Gr aco de las funciones de interpolaci on en eje y. En rojo se marca la funci on original
4
0 0.785 1.571 2.356 3.141 3.927 4.712 5.498 6.283
0
0.5
1
1.5
2
Instante de muestreo
Funcion reconstruida, eje Z
A
m
p
l
i
t
u
d
Figure 3: Gr aco de las funciones de interpolaci on en eje z. En rojo se marca la funci on original
Se tiene la comparaci on de las aproximaciones con la funci on original, la cual se encuentra resaltada en
cada uno de los gr acos. Se observa una correcta concordancia de los datos nales, por lo que este es un
modelo v alido para ser utilizado en procesos de interpolaci on.
N otese que fueron gracadas todas las funciones en todo el intervalo de muestreo, para que se pudiera
observar en qu e instantes forman parte de la aproximaci on. Los valores que adquieran previa y posterior-
mente no es de inter es, ya que s olo se requiere su comportamiento en el tramo en que fue denida cada
una.
A modo de corroboraci on num erica de este procedimiento, fue comparado el resultado reci en obtenido
respecto a la funci on original. Para esto se considera en primer lugar los aspectos te oricos de esta, deniendo
la siguiente funci on para obtener su longitud de curva:
_
2
0
ds =
_
2
0
_
x
2
(t) + y
2
(t) + z
2
(t)dt 20.6 (2)
Ahora bien, y dado que las funciones para cada eje se encuentran divididas por tramos, la forma de
obtener la longitud de curva en esta situaci on es efectuar la operatoria mostrada en (2) 8 veces (una por cada
tramo de cada eje).
Fue implementado un algoritmo iterativo en Matlab de modo de efectuar este proceso, el cual se muestra
a continuaci on:
syms t ;
t i = 0: pi / 4: 2 pi ;
x = ( 1 + 0. 2 t ) cos ( 2 t ) ;
y = ( 1 + 0. 2 t ) s i n ( 2 t ) ;
z = 0. 5 s qrt ( 2 t + 1 ) ;
nmax = s i z e ( t i , 2 ) ;
t empx = [ t ; t ; t ; t ; t ; t ; t ; t ] ;
t empy = [ t ; t ; t ; t ; t ; t ; t ; t ] ;
t empz = [ t ; t ; t ; t ; t ; t ; t ; t ] ;
r e s = [ t ; t ; t ; t ; t ; t ; t ; t ] ;
f or n = 1: nmax1
t empx ( n ) = p1 ( t i ( n : n +1) , x ) ;
t empy ( n ) = p1 ( t i ( n : n +1) , y ) ;
5
t empz ( n ) = p1 ( t i ( n : n +1) , z ) ;
r e s ( n ) = s qrt ( d i f f ( t empx ( n ) ) 2 + d i f f ( t empy ( n ) ) 2 + d i f f ( t empz ( n ) ) 2 ) ;
t emp2 = ma t l a bFunc t i on ( r e s ( n ) ) ;
r e s ( n ) = quad ( temp2 , ( n1) pi / 4 , n ( pi / 4 ) ) ;
end
Fueron capturados los valores evaluados para cada tramo, adem as del c alculo nal de la longitud total de
de la funci on, como se observa en la siguiente tabla.
Table 5: Longitud de cada segmento analizado de la funci on de aproximaci on
Tramo Longitud de segmento
[0 : /4] 1.71555
[/4 : /2] 1.94408
[/2 : 3/4] 2.18337
[3/4 : ] 2.42535
[ : 5/4] 2.66843
[5/4 : 3/2] 2.91207
[3/2 : 5/6] 3.15603
[5/6 : 2] 3.40021
Total 20.40508171
Se logra nalmente a una longitud total de 20.4051, lo cual representa un error del 0.95%, lo cual para
efectos pr acticos es considerado una buena aproximaci on. Esta diferencia se da b asicamente debido a que la
funci on en s no representa a la funci on original, sino que se trata de una aproximaci on. De todos modos, es
perfectamente aplicable para el intervalo estudiado dado el bajo error.
1.2 An alisis de cuerpo en movimiento
Se requiere ahora el an alisis para un m ovil al cual se le efectuaron mediciones de posici on y velocidad en
instantes de tiempo arbitrarios. La informaci on de entrada se encuentra tabulada en la siguiente tabla:
Table 6: Longitud de cada segmento analizado de la funci on de aproximaci on
t [s] x(t) [m] y(t) [m] z(t) [m] x(t) [m/s] y(t) [m/s] z(t) [m/s]
0 1.0000 0 0.5000 1.0000 2.0000 0
0.7854 0 1.7854 0.6358 -3.5708 1.0000 0.3088
1.5708 -2.5708 0 0.9310 -1.0000 -5.1416 0.4218
2.3562 0 -3.3562 1.2798 6.7124 -1.0000 0.4603
3.1416 4.1416 0 1.6484 1.0000 8.2832 0.4764
Este ejercicio diere del anterior en el sentido que ahora lo que se requiere es obtener una funci on a
partir de puntos me medici on y no una aproximaci on de una ya conocida. Por esto, se entregan de forma
independiente las mediciones de posici on y velocidad.
As, se requiere hacer una modicaci on a la funci on ya implementada que efect ua la interpolaci on, de
modo que se permita como entrada de datos los valores de derivada ya evaluados de forma discreta, y que
no se calculen internamente a partir de una funci on de entrada. Se muestra a continuaci on la modicaci on
efectuada.
f unc t i on [ func , t ab1 ] = p2 ( t i , xi , xd )
6
syms X f unc var ;
nmax = s i z e ( t i , 1 ) ;
t ab1 = zeros ( 2nmax , 2 nmax +1) ;
k = 1;
var = 1;
f or n = 1: 2 nmax ,
i f mod( n , 2 ) == 1 ,
t ab1 ( n , 1 ) = t i ( n / 2 + 0 . 5 ) ;
t ab1 ( n , 2 ) = xi ( k ) ;
t ab1 ( n , 3 ) = xd ( k ) ;
k = k + 1;
e l s e
t ab1 ( n , 1 ) = t i ( n / 2 ) ;
t ab1 ( n , 2 ) = xi ( n / 2 ) ;
i f k = nmax+1 ,
t ab1 ( n , 3 ) = ( xi ( k)xi ( k 1) ) / ( t i ( k) t i ( k 1) ) ;
end
end
end
f or n = 4: 2 nmax+1 ,
f or m = 1: 2 nmax+2n ,
t ab1 (m, n ) = ( t ab1 (m+1 , n1)t ab1 (m, n 1) ) / ( t ab1 ( n2+m, 1 ) t ab1 (m, 1 ) ) ;
end
end
f unc = xi ( 1 ) ;
f or k = 3: 2 nmax +1;
f or n = 2: k1,
var = var . ( X t ab1 ( n 1 , 1) ) ;
end
f unc = f unc + t ab1 ( 1 , k ) . var ;
var = 1;
end
end
Una vez implementado, se procede a ejecutar el c odigo, tomando como datos de entrada los puntos en
que se efectuaron las mediciones, considerando posici on y velocidad. As, las funciones de aproximaci on
resultantes son las siguientes:
x(t) =t 0.03943t
2
(t 0.7854) 2.894t
2
+ 1.364t
2
(t 0.7854)
2
0.423t
2
(t 1.571)(t 0.7854)
2
0.1279t
2
(t 1.571)
2
(t 0.7854)
2
0.00477t
2
(t 1.571)
2
(0.7854)
2
(t 2.356)
2
+ 0.08313t
2
(t 1.571)
2
(t 0.7854)
2
(t 2.356)
0.004837t
2
(t 1.571)
2
(t 0.7854)
2
(t 3.142)(t 2.356)
2
+ 1
(3)
7
y(t) =2t 2.507t
2
(t 0.7854) + 0.3479t
2
+ 0.564t
2
(t 0.7854)
2
+ 0.564t
2
(t 1.571)(t 0.7854)
2
0.2285t
2
(t 1.571)
2
(t 0.7854)
2
+ 0.02242t
2
(t 1.571)
2
(t 0.7854)
2
(t 2.356)
2
0.01735t
2
(t 1.571)
2
(t 0.7854)
2
(t 2.356)
0.002876t
2
(t 1.571)
2
(t 0.7854)
2
(t 3.142)(t 2.356)
2
(4)
z(t) =0.2201t
2
0.0598t
2
(t 0.7854) + 0.00257t
2
(t 0.7854)
2
+ 0.006992t
2
(t 1.571)(t 0.7854)
2
0.003643t
2
(t 1.571)
2
(t 0.7854)
2
0.0003529t
2
(t 1.571)
2
(t 0.7854)
2
(t 2.356)
2
+ 0.001382t
2
(t 1.571)
2
(t 0.7854)
2
(t 2.356)
+ 0.00007749t
2
(t 1.571)
2
(t 0.7854)
2
(t 3.142)(t 2.356)
2
+ 0.5
(5)
Se observa que las funciones en este caso son de mayor orden que en el punto anterior. Esto se debe a
que ya no se efectuaron de forma c ubica (tomando dos muestreos por funci on de aproximaci on), sino que
fueron ingresados la totalidad de los datos a la vez.
De esta manera esta informaci on fue gracada, como se muestra en la Figura 4. Se tiene que los datos de
velocidad coinciden con los puntos de registro. Adem as, estas funciones fueron derivadas, observ andose el
resultado en la Figura 5. Ac a tambi en se tiene una coincidencia entre la funci on y los registros de velocidad.
Esto comprueba la efectividad del algoritmo implementado.
0 0.5 1 1.5 2 2.5 3
3
2
1
0
1
2
3
4
Tiempo [s]
Mediciones y funcion en eje X
P
o
s
i
c
i

n

[
m
]
0 0.5 1 1.5 2 2.5 3
3
2
1
0
1
2
Tiempo [s]
Mediciones y funcion en eje Y
P
o
s
i
c
i

n

[
m
]
0 0.5 1 1.5 2 2.5 3
0.4
0.6
0.8
1
1.2
1.4
1.6
Tiempo [s]
Mediciones y funcion en eje Z
P
o
s
i
c
i

n

[
m
]
Figure 4: Funci on de aproximaci on resultante para cada eje (posici on en funci on del tiempo). Se destacaron
los puntos de medici on de posici on.
0 0.5 1 1.5 2 2.5 3
4
2
0
2
4
6
8
Tiempo [s]
Mediciones y funcion en eje X
V
e
l
o
c
i
d
a
d

[
m
/
s
]
0 0.5 1 1.5 2 2.5 3
6
4
2
0
2
4
6
8
Tiempo [s]
Mediciones y funcion en eje Y
V
e
l
o
c
i
d
a
d

[
m
/
s
]
0 0.5 1 1.5 2 2.5 3
0
0.1
0.2
0.3
0.4
0.5
Tiempo [s]
Mediciones y funcion en eje Z
V
e
l
o
c
i
d
a
d

[
m
/
s
]
Figure 5: Derivada de funci on de aproximaci on resultante para cada eje (velocidad en funci on del tiempo).
Se destacaron los puntos de medici on de velocidad.
8
Se requiere ahora, al igual que en el punto anterior, denir la longitud de la funci on en el intervalo de
medici on. Para esto se considera la funci on ya descrita en (2), teniendo ahora un intervalo temporal
entre 0 y 3.1416 (lmites de las mediciones).
Utilizando el mismo algoritmo ya mostrado en el punto anterior, se efectu o esta operatoria, obteniendo
nalmente una longitud L = 16.5416[m].
Otro punto requerido para el desarrollo, es determinar el vector de velocidad en el punto t = 2/3.
N otese que este es un punto que no fue medido originalmente, de modo que para denir el vector se
hace necesario obtenerlo a partir de las funciones de aproximaci on ya denidas.
Para encontrar el vector se requiere en primera instancia derivar respecto al tiempo las funciones de
posici on (3), (4) y (5) y posteriormente evaluarlas en t = 2/3. As, el vector y su magnitud quedan
denido como:

P
i
=
dx(t)
dt
|
t=
2
3

i +
dy(t)
dt
|
t=
2
3

j +
dz(t)
dt
|
t=
2
3

k (6)

P
i
=

_
dx(t)
dt
|
t=
2
3
_
2
+
_
dy(t)
dt
|
t=
2
3
_
2
+
_
dz(t)
dt
|
t=
2
3
_
2
(7)
Dado lo complejo de las funciones, fueron derivadas directamente en Matlab, por lo que de esa forma
fue posible denir el vector, obteni endose el siguiente resultado:

P
i
= 4.8601

i 3.9610

j + 0.4512

k[m/s] (8)

P
i
= 6.2860[m/s] (9)
9
2 Parte 2: Aproximaci on de Legendre
Se tiene como dato una barra met alica de densidad unitaria cuya forma de arco responde a la funci on y = x
3
en el intervalo [0 : 1]. Esta a su vez tiene una masa denida por la funci on:
I(v) =
_
v
0
_
1 + 9x
4
; 0 < v < 1 (10)
Se requiere en primera instancia obtener tres ceros del polinomio de Chevyshev para los sub-intervalos
[0, 0.25], [0.25, 0.5], [0.5, 0.75] y [0.75, 1].
Gen ericamente se sabe que los ceros del polinomio de Chevyshev de tercer orden, corresponden a los
puntos en los que se minimiza el error cuando se efect uan estrategias de interpolaci on. Esta responde a la
siguiente funci on:
T
3
(x) = 4x
3
3x (11)
Cuyo dominio se considera en el intervalo normalizado [1, 1]. Es necesario entonces adaptar esta
funci on de modo de obtener los nodos en los sub-intervalos requeridos.
As, lo que se debe hacer es una modicaci on del intervalo normalizado y desplazar el polinomio hasta
el punto requerido.
De esta manera, se agregan los siguientes par ametros:
T
3
(x) = 4
_
2x (b + a)
b a
_
3
3
_
2x (b + a)
b a
_
(12)
a: Valor mnimo del intervalo
b: Valor m aximo del intervalo.
As, se buscaron los par ametros necesarios para los sub-intervalos requeridos, obteni endose nalmente
las siguientes funciones y los ceros (nodos) respectivos:
Table 7: Tabla con los polinomios y nodos de Chevyshev para los sub-intervalos solicitados
Intervalo Polinomio de interpolaci on Nodo N

1 Nodo N

2 Nodo N

3
[0, 0.25] T
31
(x) = 4
_
2x0.25
0.25
_
3
3
_
2x0.25
0.25
_
0.0167 0.1250 0.2333
[0.25, 0.5] T
32
(x) = 4
_
2x0.75
0.25
_
3
3
_
2x0.75
0.25
_
0.2667 0.3750 0.4833
[0.5, 0.75] T
33
(x) = 4
_
2x1.25
0.25
_
3
3
_
2x1.25
0.25
_
0.5167 0.6250 0.7333
[0.75, 1] T
34
(x) = 4
_
2x1.75
0.25
_
3
3
_
2x1.75
0.25
_
0.7667 0.8750 0.9833
En la Figura 6 se observan los polinomios gracados, vi endose el instante en que la funci on se hace cero.
Estos son los nodos requeridos, en donde se minimiza el error de interpolaci on.
10
0 0.05 0.1 0.15 0.2 0.25
1
0.5
0
0.5
1
Eje x
Intervalo [0 0.25]
0.25 0.3 0.35 0.4 0.45 0.5
1
0.5
0
0.5
1
Eje x
Intervalo [0.25 0.5]
0.5 0.55 0.6 0.65 0.7 0.75
1
0.5
0
0.5
1
Eje x
Intervalo [0.5 0.75]
0.75 0.8 0.85 0.9 0.95 1
1
0.5
0
0.5
1
Eje x
Intervalo [0.75 1]
Figure 6: Polinomios de Chebyshev para cada sub-intervalo
Se considera ahora el evaluar el valor de estos nodos en la funci on de masa I(v) mostrada en (10). Para
esto, y dado que una resoluci on simb olica se vuelve complicado de efectuar, se realiz o de manera num erica
mediante una iteraci on en Matlab. De esta manera se logran los siguientes resultados:
Table 8: Nodos de Chevyshev evaluados en la funci on de masa.
v (nodo) I(v) (funci on evaluada)
0.0167 0.016700001
0.1250 0.12502746
0.2333 0.23391975
0.2667 0.26790683
0.3750 0.38151859
0.4833 0.50563741
0.5167 0.54740014
0.6250 0.69930286
0.7333 0.88463262
0.7667 0.95016048
0.8750 1.1947973
0.9833 1.495844
En base a estos puntos evaluados, se efect ua ahora la obtenci on de una funci on de interpolaci on de
Lagrange. Para esto, se denen en primer lugar las bases polin omicas requeridas para una interpolaci on
cuadr atica (con tres puntos de muestra):
L
0
(x) =
x x
1
x
0
x
1

x x
2
x
0
x
2
L
1
(x) =
x x
0
x
1
x
0

x x
2
x
1
x
2
L
2
(x) =
x x
0
x
2
x
0

x x
1
x
2
x
1
(13)
Posteriormente se dene la funci on de interpolaci on completa:
L(x) = L
0
(x)I(x
0
) + L
1
(x)I(x
1
) + L
2
(x)I(x
2
) (14)
De esta forma, y mediante un algoritmo iterativo en Matlab, fue efectuado este proceso, logr andose los
siguientes resultados:
L
t1
(v) =2.16(4.617v 0.0771)(v 0.125) 1.154(9.234v 0.1542)(v 0.2333)
+ 0.0771(9.234v 1.154)(v 0.2333)
(15)
11
L
t2
(v) =4.669(4.617v 1.231)(v 0.375) + 1.237(9.234v 3.463)(v 0.4833)
3.523(9.234v 2.463)(v 0.4833)
(16)
L
t3
(v) =8.168(4.617v 2.386)(v 0.625) 6.457(9.234v 4.771)(v 0.7333)
+ 2.527(9.234v 5.771)(v 0.7333)
(17)
L
t4
(v) =13.81(4.617v 3.54)(v 0.875) 11.03(9.234v 7.079)(v 0.9833)
+ 4.387(9.234v 8.079)(v 0.9833)
(18)
Donde L
t1
(v) es la interpolaci on de la funci on para el tramo [0, 0.25], L
t2
(v) para el tramo [0.25, 0.5],
L
t3
(v) para el tramo [0.5, 0.75] y L
t4
(v) para el tramo [0.75, 1]
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.25 0.75
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
v
Funciones de interpolacion por tramos
A
m
p
l
i
t
u
d
Figure 7: Funci on de interpolaci on por tramos, Se destacan adem as los puntos en que fue evaluada la funci on
original
Destaca en el resultado visto en la Figura 7 que la interpolaci on propuesta es una buena aproximaci on de
la funci on. De todos modos, es de considerar que al aumentar el grado de las bases interpolantes, se tiende a
distorsionar la forma de onda resultante, por lo que dividiendo la funci on en tramos se pueden tener mejores
resultados.
De todos modos, para conocer el error de la funci on de interpolaci on, se utiliza la siguiente funci on:
r(v) = I(v) L
n
(v) =
f
(n+1)
()
(n + 1)!
n

i=0
(x x
i
) (19)
Donde, y dada la caracterstica cuadr atica del modelo de interpolaci on utilizado, n = 2. A partir de esto
es posible denir una funci on polinomial para el error de esta interpolaci on.
Es necesario por ende conocer la tercera derivada de la funci on I(v), resoluci on que fue hecha en Matlab
dada la complejidad de la funci on. Se muestra en la Figura 8 la gr aca de la funci on resultante.
12
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.25 0.75
0
1
2
3
4
5
6
7
8
9
v
Tercera derivada de I(v)
I
(
v
)
Figure 8: Funci on de interpolaci on por tramos, Se destacan adem as los puntos en que fue evaluada la funci on
original
Por cada tramo, se debe escoger un valor m aximo de esta funci on, de modo de referenciarlo como
f

() Max.
As, se tienen los siguientes valores:
Tramo [0, 0.25]: Max
1
= 3.29
Tramo [0.25, 0.5]: Max
2
= 8.2
Tramo [0.5, 0.75]: Max
3
= 8.485
Tramo [0.75, 1]: Max
4
= 7.84
De esta forma, y evaluando la funci on para cada uno de los casos, se tienen las siguientes funciones:
r
1
(v) = I(v) L
n
(v)
3.29
6
(x 0.0167)(x 0.1250)(x 0.2333) //Tramo1 (20)
r
1
(v) = I(v) L
n
(v)
8.2
6
(x 0.2667)(x 0.3750)(x 0.4833) //Tramo2 (21)
r
1
(v) = I(v) L
n
(v)
8.485
6
(x 0.5167)(x 0.6250)(x 0.7333) //Tramo3 (22)
r
1
(v) = I(v) L
n
(v)
7.84
6
(x 0.7667)(x 0.8750)(x 0.9833) //Tramo4 (23)
En la Figura 9 se observan estas funciones gracadas, en donde se observa que la funci on de error en
todos los casos es del orden de 10
4
. Esto comprueba que se logra una buena funci on de aproximaci on.
0 0.05 0.1 0.15 0.2 0.25
3
2
1
0
1
2
3
x 10
4
x
Error, tramo 1
0.25 0.3 0.35 0.4 0.45 0.5
8
6
4
2
0
2
4
6
8
x 10
4
x
Error, tramo 2
0.5 0.55 0.6 0.65 0.7 0.75
8
6
4
2
0
2
4
6
8
x 10
4
x
Error, tramo 3
0.75 0.8 0.85 0.9 0.95 1
6
4
2
0
2
4
6
x 10
4
x
Error, tramo 4
Figure 9: Gr aca de las funciones de error para cada sub-intervalo de interpolaci on
13
3 Pregunta 3: Aproximaci on por mnimos cuadrados
Es sabido que la aproximaci on por el m etodo de los mnimos cuadrados permite denir una funci on lineal a
partir de un conjunto de datos de muestreo.
En base a esto, se considera la aproximaci on de la curva generada por un conjunto de datos a una funci on
denida de la forma y(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
n
x
n
, de modo de dejar un par ametro de valor
desconocido multiplicando a la inc ognita.
Entonces, la funci on del m etodo de mnimos cuadrados es la de encontrar un valor aproximado para
dichos par ametros.
Teniendo una cantidad N de muestras experimentales medidas, denidas en un plano cartesiano XY por
ejemplo, se procede a calcular dos matrices M y B relacionadas de la forma M X = B, donde X es el
vector que contiene los par ametros inc ognitos.
Estas matrices se denen como:
M =
_

_
X
i
0
X
i
1
X
i
2
X
i
n
X
i
1
X
i
2
X
i
3
X
i
n+1
X
i
2
X
i
3
X
i
4
X
i
n+2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
X
i
n
X
i
n+1
X
i
n+2
X
i
2n
_

_
; B =
_

_
X
i
0
Y
i
X
i
1
Y
i
X
i
2
Y
i
.
.
.
X
i
n
Y
i
_

_
(24)
Considerando estos antecedentes, se procede a efectuar un algoritmo que aproxime la ecuaci on de elip-
soide Z
2
= c(1 ax
2
by
2
), en base a una lista de mediciones de puntos ya entregada en el argumento de
la tarea.
Es de tener en cuenta que esta funci on mantiene dominio en 3 ejes, por lo que se trabajar a con los
ejes XZ y Y Z de forma independiente, para posteriormente parametrizar la funci on resultante y denir su
precisi on.
De esta forma, se representa la funci on de manera bidimensional de la forma expresada en (25):
Z
i
(x) = m
1
x + z
0
= Z
2
(x) = (ac)x
2
+ c
Z
i
(y) = m
2
y + z
0
= Z
2
(y) = (bc)y
2
+ c
(25)
El primer paso a realizar es adaptar las mediciones respecto a la forma en que se encuentra expresada la
funci on. Esto se debe a que los puntos se denen de la forma (X, Y, Z), siendo que en la funci on las variables
se encuentran de la forma (X
2
, Y
2
, Z
2
). Se tiene en la siguiente tabla las mediciones entregadas y la
transformaci on respectiva para hacerlas calzar con el algoritmo a implementar:
Table 9: Puntos entregados y transformaci on de estos
X Y Z X
i
= X
2
Y
i
= Y
2
Z
i
= Z
2
0.1483 0.6120 1.9458 -0.0220 -0.3746 3.7860
0.0398 0.5704 1.9720 -0.0016 -0.3254 3.8887
0.7377 0.2722 1.3609 -0.5441 -0.0741 1.8520
0.1580 0.1066 1.9840 -0.0250 -0.0114 3.9362
0.7123 0.7527 1.3334 -0.5074 -0.5665 1.7779
0.2604 0.3779 1.9256 -0.0678 -0.1428 3.7078
0.9560 0.7608 0.4032 -0.9139 -0.5788 0.1626
0.8726 0.1328 1.0081 -0.7615 -0.0176 1.0163
0.7565 0.9820 1.1591 -0.5723 -0.9644 1.3435
0.1920 0.1617 1.9704 -0.0369 -0.0262 3.8825
14
Considerando ahora que el n umero de inc ognitas por eje es de dos por funci on, la matriz principal M ser a
denida de dimensi on 22 para ambos casos, d andose los siguientes sistemas para cada caso bidimensional:
M
xz
X = B
xz
=
_
X
i
0
X
i
1
X
i
1
X
i
2
_ _
z
o
m
1
_
=
_
X
i
0
Z
i
X
i
1
Z
i
_
(26)
M
yz
Y = B
yz
=
_
Y
i
0
Y
i
1
Y
i
1
Y
i
2
_ _
z
o
m
2
_
=
_
Y
i
0
Z
i
Y
i
1
Z
i
_
(27)
El proceso de sumatoria de las potencias de los valores fue implementado en Matlab mediante un algo-
ritmo iterativo, a modo de simplicar y estandarizar el proceso de c alculo.
Se muestra a continuaci on el algoritmo iterativo que construye las matrices M y B, adem as de entregar
los resultados correspondientes a las inc ognitas m
1
, m
2
y z
0
:
% Data cor r es ponde a l a mat r i z con l os dat os de ent r ada .
da t a = zeros ( 1 0 , 6 ) ;
da t a ( 1 : 1 0 , 1 : 3 ) = [ 0. 148272 , 0. 612006 , 1. 94577; 0. 0398061 , 0. 570397 , 1. 97199;
0. 737656 , 0. 272206 , 1. 36089; 0. 157993 , 0. 10656 , 1. 98398;
0. 712324 , 0. 752691 , 1. 33338; 0. 260438 , 0. 37792 , 1. 92556;
0. 955977 , 0. 760767 , 0. 403179; 0. 872644 , 0. 132806 , 1. 00811;
0. 756504 , 0. 982036 , 1. 15908; 0. 191985 , 0. 161724 , 1. 9704] ;
da t a ( 1 : 1 0 , 4 ) = da t a ( : , 1 ) . 2 ; % X
da t a ( 1 : 1 0 , 5 ) = da t a ( : , 2 ) . 2 ; % Y
da t a ( 1 : 1 0 , 6 ) = da t a ( : , 3 ) . 2 ; % Z
i nc = 2; % numero de i n c o g n i t a s ( a , b , c )
% Mat r i c e s de apr oxi maci on
M = zeros ( i nc ) ;
f or j =1: i nc ,
f or i =1: i nc ,
M( i , j ) = sum( da t a ( : , 5 ) . ( ( i 1)+( j 1) ) ) ;
end
end
B = zeros ( i nc , 1 ) ;
f or i = 1: i nc ,
B( i ) = sum( da t a ( : , 5 ) . ( i 1) . da t a ( : , 6 ) ) ;
end
X = M( 1)B; % v e c t or con l as s o l u c i o n e s X( 1) =c , X( 2) =b , X( 3) =a ,
En base a esto, fueron ingresados los datos ya entregados, por lo que se tienen los siguientes resultados:
M
xz
=
_
10 3.4525
3.4525 2.3032
_
; B
xz
=
_
25.3584
4.1834
_
= X =
_
z
o
m
1
_
=
_
3.9550
4.1121
_
(28)
M
yz
=
_
10 3.0817
3.0817 1.8592
_
; B
yz
=
_
25.3534
5.9112
_
= Y =
_
z
o
m
2
_
=
_
3.1798
2.0912
_
(29)
15
Esto signica que se tienen los siguientes valores de par ametros a, b y c para cada uno de los casos:
Z
2
(x) = (ac)x
2
+ c = a = 1.0397; c
1
= 3.9550
Z
2
(y) = (bc)y
2
+ c = b = 0.6577; c
2
= 3.1798
(30)
N otese que para el an alisis entre los distintos ejes, el valor de la componente c fue distinto. Esto se debe
a que la funci on de aproximaci on, al estar denida en orden 2, no alcanza el nivel de precisi on suciente
como para que en un determinado punto se den valores coincidentes independientemente del eje desde que
se est e referenciando.
Se muestra a continuaci on la gr aca de cada una de las funciones aproximadas, indicando adem as las
posiciones de los puntos de medici on:
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
1.5
2
Eje X
E
j
e

Z
Aproximacion para eje XZ
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
1.5
2
2.5
Eje Y
Aproximacion para eje YZ
E
j
e

Z
Figure 10: Gr aco de las funciones aproximadas por mnimos cuadrados para los los eje XZ e YZ. Se
destacan los puntos de medici on para cada caso.
N otese que para el primer caso se logra una buena aproximaci on hacia una funci on real, ya que los puntos
de medici on permanecen cerca de la trayectoria de la funci on, lo cual es signo de una baja dispersi on de los
resultados.
Ahora bien, para el caso del eje YZ, la calidad de la funci on obtenida no es la misma, considerando que
los puntos de medici on se encuentran m as dispersos. Por ende se volver a m as imprecisa la funci on que se
obtenga. Esto a su vez es tambi en la causa que los valores del par ametro C fueran distintos para cada caso,
como se hizo menci on reci en.
16