Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DE ALVARADO
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
Materia:
MÉTODOS NUMÉRICOS
Semestre-Grupo:
4 SEMESTRE– GRUPO ÚNICO
Producto Académico:
INVESTIGACIÓN
INTERPOLACIÓN Y AJUSTE DE FUNCIONES
Presenta:
ALCEDA ORTIZ JOSE ALEXANDER
166Z0080
Docente:
M.C.C.A MARIA GUADALUPE RAMIREZ GARCIA
1
Contenido
INTRODUCCIÓN .............................................................................................................................. 3
5.1 POLINOMIO DE INTERPOLACIÓN DE NEWTON .............................................................. 4
5.2.- POLINOMIO DE INTERPOLACION DE LAGRANGE ....................................................... 7
5.3 INTERPOLACIÓN SEGMENTADA. ....................................................................................... 9
5.5 MÍNIMOS CUADRADOS ........................................................................................................ 13
5.6 PROBLEMAS DE APLICACIÓN. .......................................................................................... 15
CONCLUSIÓN ................................................................................................................................ 16
Bibliografía ........................................................................................................................................ 17
2
INTRODUCCIÓN
3
5.1 POLINOMIO DE INTERPOLACIÓN DE NEWTON
4
Interpolación lineal
Reordenando
5
Ejemplo
6
5.2.- POLINOMIO DE INTERPOLACION DE LAGRANGE
El matemático francés Joseph Louis Lagrange llegó a este mismo polinomio usando un
método ligeramente distinto. Si escribimos
Entonces cada uno de los sumandos del miembro derecho de esta relación es un término
lineal, por lo que su suma ser· un polinomio de grado menor o igual que uno
Un sencillo cálculo muestra que L1, 0(x0) = 1, L1, 0(x1) = 0, L1, 1(x0) = 0 y L1, 1(x1) = 1; es
decir, el polinomio P1(x) también pasa por los dos puntos dados:
7
Los términos L1, 0(x) y L1, 1(x) definidos anteriormente se llaman polinomios coeficientes
de Lagrange para los nodos x0 y x1. Usando esta notación, podemos escribir P1(x) como
una suma
Cuando las ordenadas yk vienen dadas por yk = f (xk), el proceso de utilizar P1(x) para
aproximar f(x) en el intervalo [x0, x1] se conoce con el nombre de interpolación lineal.
Generalizando el polinomio PN(x) de grado menor o igual que N que pasa por N+1 puntos
(x0, y0), (x1, y1),..., (xN, yN) viene dado por:
Donde LN, k es el polinomio coeficiente de Lagrange para los nodos x0, x1,..., xN definido
por
8
5.3 INTERPOLACIÓN SEGMENTADA.
Este es el caso más sencillo. En él, vamos a interpolar una función f(x) de la que se
nos dan un número N de pares (x, f(x)) por los que tendrá que pasar nuestra función
polinómica P(x). Esta serie de funciones nuestras van a ser lineales, esto es, con
grado 1: de la forma P(x) = ax + b. Definiremos una de estas funciones por cada par
de puntos adyacentes, hasta un total de (N-1) funciones, haciéndolas pasar
obligatoriamente por los puntos que van a determinarlas, es decir, la función P(x)
será el conjunto de segmentos que unen nodos consecutivos; es por ello que
nuestra función será continua en dichos puntos, pero no derivable en general.
9
INTERPOLACIÓN SEGMENTARIA CUADRÁTICA
En este caso, los polinomios P(x) a través de los que construimos el Spline tienen
grado 2. Esto quiere decir, que va a tener la forma P(x) = ax² + bx + c Como en la
interpolación segmentaria lineal, vamos a tener N-1 ecuaciones (donde N son los
puntos sobre los que se define la función). La interpolación cuadrática nos va a
asegurar que la función que nosotros generemos a trozos con los distintos P(x) va
a ser continua, ya que para sacar las condiciones que ajusten el polinomio, vamos
a determinar cómo condiciones: Que las partes de la función a trozos P(x) pasen
por ese punto. Es decir, que las dos Pn(x) que rodean al f(x) que queremos
aproximar, sean igual a f(x) en cada uno de estos puntos. Que la derivada en un
punto siempre coincida para ambos "lados" de la función definida a trozos que pasa
por tal punto común. Esto sin embargo no es suficiente, y necesitamos una
condición más. ¿Por qué? Tenemos 3 incógnitas por cada P(x). En un caso sencillo
con f(x) definida en tres puntos y dos ecuaciones P(x) para aproximarla, vamos a
tener seis incógnitas en total. Para resolver esto necesitaríamos seis ecuaciones,
pero vamos a tener tan sólo cinco: cuatro que igualan el P(x) con el valor de f(x) en
ese punto (dos por cada intervalo), y la quinta al igualar la derivada en el punto
común a las dos P(x). Se necesita una sexta ecuación, ¿de dónde se extrae? Esto
suele hacerse con el valor de la derivada en algún punto, al que se fuerza uno de
los P(x).
10
INTERPOLACIÓN SEGMENTARIA CÚBICA
En este caso, cada polinomio P(x) a través del que construimos los Splines en [m,
n] tiene grado 3. Esto quiere decir, que va a tener la forma P(x) = ax³ + bx² + cx + d
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 P(x) pasen por ese punto.
Es decir, que las dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual
a f(x) en cada uno de estos puntos. Que la derivada en un punto siempre coincida
para ambos "lados" de la función definida a trozos que pasa por tal punto común.
Que la derivada segunda en un punto siempre coincida para ambos "lados" de la
función definida a trozos que pasa por tal punto común.
11
5.4 REGRESIÓN Y CORRELACIÓN
Regresión lineal simple Sólo se maneja una variable independiente, por lo que
sólo cuenta con dos parámetros. Si sabemos que existe una relación entre una
variable denominada dependiente y otras denominadas independientes (como por
ejemplo las existentes entre: la experiencia profesional de los trabajadores y sus
respectivos sueldos, las estaturas y pesos de personas, la producción agraria y la
cantidad de fertilizantes utilizados, etc.
12
5.5 MÍNIMOS CUADRADOS
13
La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas.
Muchos otros problemas de optimización pueden expresarse también en forma de
mínimos cuadrados, minimizando la energía o maximizando la entropía.
14
5.6 PROBLEMAS DE APLICACIÓN.
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.
Sólo cinco: cuatro que igualan el P(x) con el valor de f(x) en ese punto (dos por cada
intervalo), y la quinta al igualar la derivada en el punto común a las dos P(x).
Se necesita una sexta ecuación. Esto suele hacerse con el valor de la derivada en
algún punto, al que se fuerza uno de los P(x).
15
CONCLUSIÓN
Con esto hemos concluido que la interpolación es muy necesaria en los casos que
se presenten así como el ajuste de curvas que podemos llegar a plasmar en una
gráfica con los datos que obtenemos al hacer iteraciones o al estar siguiendo el
proceso específico para llegar obtener los datos que se solicitan. La Unidad nos
sirve de mucho ya que gracias a las Unidades anteriores hemos podido relacionar
como se van conectando cada una de estas, y nos damos cuenta como los métodos
numéricos son muy esenciales para el trabajo como para la vida.
16
Bibliografía
http://metodosnumericositpnim.blogspot.mx/2015/11/unidad-4-ajuste-de-curvas-
e_23.html
https://sites.google.com/site/sistrevolution/home/5-2-polinomio-de-interpolacion-de-
newton
http://webs.ucm.es/info/sevipres/P4/01/ANEXOS01.php
https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
https://www.monografias.com/docs/Regresion-y-correlacion-PKZQUBYZBY
17