CATEDRA 1

0
Facultad de Ingeniera de Minas, Geologa y Civil
Departamento acadmico de ingeniera de minas y civil

METODOS
NUMERICOS
Ingeniera Civil

ING. CRISTIAN CASTRO P.

Capitulo X
AJUSTE DE CURVAS
APROXIMACIN FUNCIONAL

ING. CRISTIAN CASTRO P.

Ajuste
u Polinomios de Taylor
u Mnimos Cuadrados
u Minimizacin de normas
u Aproximacin Racional
u Series de Fourier
u Curvas de Bezier
u B-Splines

Interpolacion
u Interpolacin Polinomial
u Polinomios Osculadores: Interpolacin

de Hermite
u Interpolacin Racional: Aproximaciones

de Pade
u Interpolacin segmentaria: Splines
u Otros

Un problema de Aproximacin
u Evolucin de la temperatura diurna

Grados

Hora
Grados

2
2
01
81
61
41
12
08
6

6
7

8
9

1
0

10
12

12
18

1
1
2 Hor4
a

14
21

16
19

18
15

20
10

1
6

1
8

2
0

2
2

Mtodo de Mnimos
Cuadrados
Mtodos Numricos
Aplicados a la Ingeniera

MTODO DE LOS MNIMOS CUADRADOS

Regresin
Se define Regresin al mtodo de investigacin de
una relacin entre una variable llamada dependiente
y una o varias variables llamadas independientes.
Lo que queremos o
yj
btener con el
mtodo de los
mnimos cuadrados
es que los errores
ei sean mnimos.

.
. .
ei

xi

y = ax + b
a.x, b?

MTODO DE LOS
MNIMOS CUADRADOS
Ecuaciones Normales
(1)
(2)

ER y|x a, b
a

ER y|x a, b
b

2 y j a b . x i f ij 0
k

i 1 j1

2 y j a b . x i x i f j 0
k

i 1 j1

MTODO DE LOS MNIMOS CUADRADOS

Recta de Mnimos Cuadrados de x|y

x a b. y
a y b .x

b
(x x )

Sxy
S

2
y

(y y)

Sxy
S2x

b = Coeficiente de Regresin
y

b0

Relacin de Tipo Inverso

b0

Relacin de Tipo Directo

x

MEDIDAS DE DEPENDENCIA ESTADSTICA

Varianza Residual
Se define la Varianza Residual de Y sobre X, como la
varianza de los errores ei , i = 1,, n (entre valores
yi , yi*)
2
Se(y
| x)

1 n
2
e i e
n i 1

Se define la Varianza Residual de X sobre Y, como la

varianza de los errores ei , i = 1,, n (entre valores
xi , xi*)
n
1
2
Se2(x|y) ei e
n i 1

MEDIDAS DE DEPENDENCIA ESTADSTICA

Ecuaciones Normales de la Recta de

Mnimos Cuadrados y|x
p
k

ER
a,
b

y
|
x
(1)
2 y j a b . x i f ij 0
a

(2)

ER y|x a, b
b
n

(1)

(2)

e x

i 1
n

i 1

0
i

i 1 j1

2 y j a b . x i x i f j 0
k

i 1 j1

MEDIDAS DE DEPENDENCIA ESTADSTICA

Coeficiente de Determinacin
Se define el Coeficiente de Determinacin de Y sobre
X como:

2
Y| X

2
Y*
2
Y

2
Se(Y
|X)

1 2
S
SY

Se define el Coeficiente de Determinacin de X sobre

Y como:

2
X| Y

2
X*
2
X

2
Se(X
|Y)

1 2
S
SX

COEFICIENTE DE CORRELACIN LINEAL

Coeficiente de Correlacin Lineal

El Coeficiente de Correlacin Lineal de X e Y, se defi
ne como:

S XY
r
SX SY

Propiedades:
(1) m Y|X (1 r 2 ).S2Y

m X|Y (1 r 2 ).S2X

(2) r 2 R 2Y|X R 2X|Y

(3)
(4)
(5)
e

r 2 b . b
0 r 2 1 1 r 1
r 1 X e Y dependen linealmenter 0

X e Y estn incorreladas linealment

(6) Si X e Y son independientes --> X e Y estn incorreladas linealmente.

COMPARACIN CON LA CURVA DE REGRESIN

Comparacin

1
1

2
Y| X
2
X| Y

r 0
2
r 0
2

Interpretacin
(1) r Y|X
La Curva de regresin de Y sobre X es la recta de
mnimos cuadrados de Y sobre X.
2

(2) r 2 Y2 |X X2 |Y
Las dos curvas de regresin son las rectas de
mnimos cuadrados.
S 2Y m y | x

(3) 075 r 2
Proporcin que explica la variabilidad de
S 2Y
Y sobre la recta de mnimos cuadrados de Y|X

RELACIN ENTRE VARIABLES ORDINALES

Coeficiente de Correlacin de Spearman, rs

El Coeficiente de Correlacin de Spearman para las
variables X e Y en escala ordinal se define como el
coeficiente de correlacin lineal entre ambas variables.
n

6 d i2

S XY
1 i 12
rs
SXSY
n(n 1)

Interpretacin:
(1) 1 rs 1
(2) rs 1 Relacin exacta directa rs 1 Relacin exacta
inversa rs 0 No existe una relacin clara entre X e Y

MTODO DE MNIMOS CUADRADOS

AJUSTE POR MNIMOS CUADRADOS

(Ajuste lineal)
N

S ( yi b mxi ) 2

(xi,yi)

yi

S
0
m x
-b-m

Si 1
0
b

CRITERIO: Minimizar S

y = b+mx

i 1

i 1

aN b x i yi

i 1

i 1

a xi b

xi2

x i yi
i 1

MNIMOS CUADRADOS (Ajuste lineal de N puntos)

x y N xy
m
x 2 N x 2

x xy y x
b
x 2 N x 2

DESVIACIONES (ERRORES EN LOS DATOS)

x
m

x
N

y
N

N
2
N x 2 x
2

y2 m 2 x2
b

N x 2 x

Coeficiente de correlacin
x y
N
r
1
2 1
2
2
2

x
x
y
y

N
N
xy

2 x2

MNIMOS CUADRADOS (Ejemplo)

x

50

10

21

31

43

54

70

40

60

30

50

40
y

20

30

10

20

y mx b

10

150

10

159

10

20

10

30

xy
x

3670

40

50

x^2

5500

60

y^2

6267

m 1.10 0.09
b 65 3
r 0.99967

xy

x^2

y^2

50

10

500

2500

100

40

21

840

1600

441

30

31

930

900

961

20

43

860

400

1849

10

54

540

100

2916

EJEMPLO 2: ndice de refraccin

Medida del ndice de refraccin

de una lmina de vidrio

sen i = n sen r

i
n
r

ndice de refraccin: medidas (2)

Medidas en grados sexagesimales
i

25

15

30

20

35

21

40

24

45

27

50

29

55

30

60

32

65

33

70

36

sin i n sin r

y mx b
sin i
i cos i i
i
sin r
sin r
r cos r r
r
sin i

sen r

sen r

sen i

sen i

0,2588

0,0169

0,4226

0,0158

m 1.69 0.09

0,3420

0,0164

0,5000

0,0151

0,3584

0,0163

0,5736

0,0143

b 0.04 0.04

0,4067

0,0159

0,6428

0,0134

0,4540

0,0156

0,7071

0,0123

0,4848

0,0153

0,7660

0,0112

0,5000

0,0151

0,8192

0,0100

0,5299

0,0148

0,8660

0,0087

0,5446

0,0146

0,9063

0,0074

10

0,5878

0,0141

0,9397

0,0060

r 0.99301

ndice de refraccin: grfica (3)

1,2

m 1.69 0.09

1,0

ndice de refraccin

b 0.04 0.04
r 0.99301

sen i

0,8
0,6
0,4
0,2
0,0
0,0

0,1

0,2

0,3
sen r

0,4

0,5

0,6

0,7

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

EJEMPLO 3. EXPONENCIALES
Descarga de un condensador

V (volts)
5

V V0 e t /

V0 (5.008 0.004) V

(251.5 0.2) s

V V0 / e

0
0

100

200

300

400

500

600

700

t (s)

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

Las exponenciales se transforman en lineales tomando logaritmos
ln (V/V0)

ln(V / V0 )

0,0

y a0 a1t
-0,5

a1

-1,0

-1,5

-2,0

a0 (0.015 0.002)

a1 (0.003930 0.000004) s -1

-2,5

-3,0
0

100

200

300

400

500

600

700

t (s)

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

EJEMPLO 4. FUNCIONES INVERSAS
Focal de una lente
s

s
f
Ecuacin de las lentes: forma de Gauss
1
1 1

f'
s' s

1
1 1

s'
f' s

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

Focal de una lente: tabla de valores

s (cm)

-1

-1

s (cm) 1/s (cm ) 1/s (cm )

97.50

67.65

0.010256

0.014782

106.00

63.95

0.0094340

0.015637

113.50

61.50

0.0088106

0.016260

120.30

59.70

0.0083126

0.016750

126.80

58.20

0.0078864

0.017182

(distancias s y s medidas con 0.05 cm)

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

DETERMINACIN DE LA ORDENADA EN EL ORIGEN
-2

1.75 10

-2

1.70 10

1
2.510 0.003 10 2 cm 1
f'

b 1.004 0.004

-2

1.65 10

-2

r 0.99998

1
1
a
b

s
'

s

1.60 10

-2

1.55 10

-2

1.50 10

-2

1.45 10

7.50 10

-3

8.00 10

-3

-3

8.50 10

9.00 10

1/s

-3

-3

9.50 10

-2

1.00 10

-2

1.05 10
27

CURVAS QUE PUEDEN REDUCIRSE A FORMA LINEAL

1
1
39.84 cm
f '
2
a 2.510 10
1
0.003 10 2
f ' 2 a
0.05 cm
2
a
2.510 10 2

Ley de Malus
I = m1 + m2 cos2(+m
3)
m2 = (204.91.8) lux
m1 = (5.61.0) lux
m3 = (31.20.3)

r = 0.99924

250
200
150
100
50
0
0

40

80

120

160

()

I (lux)

0
10
20
30
40
45
50
55
60
65
70
75
80
90
100
110
120
130
140
150
160
170
180

161
125
87
54
28
17
10
6
4
7
14
22
33
63
94
130
158
190
207
214
205
179
147
29

Cont.

Se determinan de las ecuaciones

normales

a, b, c

2
y

na

b
x

c
x

xy a x b x

c x 3

Ecuaciones Normales
2
2
3
4
x
y

a
x

b
x

c
x

PROBLEMA DE APLICACIN
(Censo poblacional)
Ao (X)

Poblacin (Y)

Ao (X)

Poblacin (Y)

1790

1900

76

1800

5,3

1910

92

1810

7,2

1920

105,7

1820

9,6

1930

122,8

1830

12,9

1940

131,7

1840

17,1

1950

151,1

1850

23,2

1960

179,3

1860

31,4

1970

203,2

1870

39,8

1980

226,5

1880

50,2

1990

248,7

1890

62,9

PARBOLA DE MNIMOS CUADRADOS (Ajustar los datos de la tabla)

Ao

X2

X3

X4

XY

X2Y

1790

-10

100

-1000

10000

-0,04

0,04

1800

-9

5,3

81

-729

6561

-0,0477

0,0429

1810

-8

7,2

64

-512

4096

-0,0576

0,0461

1820

-7

9,6

49

-343

2401

-0,0672

0,047

1830

-6

12,9

36

-216

1296

-0,0774

0,0464

1840

-5

17,1

25

-125

625

-0,0855

0,0428

1850

-4

23,2

16

-64

256

-0,0928

0,0371

1860

-3

31,4

-27

81

-0,0942

0,0283

1870

-2

39,8

-8

16

-0,0796

0,0159

1880

-1

50,2

-1

-0,0502

0,005

1890

62,9

1900

76

0,076

0,0076

1910

92

16

0,184

0,0368

1920

105,7

27

81

0,3171

0,0951

1930

122,8

16

64

256

0,4912

0,1965

1940

131,7

25

125

625

0,6585

0,3292

1950

151,1

36

216

1296

0,9066

0,544

1960

179,3

49

343

2401

1,2551

0,8786

1970

203,2

64

512

4096

1,6256

1,3005

1980

226,5

81

729

6561

2,0385

1,8346

1990

10

248,7

100

1000

10000

2,487

2,487

X=0

Y=1800,6

X2=770

X3=0

X4=50666

XY=9347,4

X2Y=80615

ECUACIONES NORMALES
Para n=21, las ecuaciones normales se convierten en:

Y 21a 770c 1806

XY 770b 9347.4
X Y 770a 50666c 80615
2

a = 61.8903
Resolviendo

b = 12.1395
c = 0.6505

La parbola de mnimos cuadrados pedida tiene la ecuacin

Y 61.8903 12.1395 X 0.6505 X 2

Interpolacin
Mtodos Numricos
Aplicados a la Ingeniera

Mtodos empleados antes de la era de

las computadoras

El mtodo ms simple para ajustar una curva es ubicar los

puntos y despus dibujar una lnea que visualmente se ajusta
a los datos

Los resultados dependen del punto de vista subjetivo de la

persona

Regresin por mnimos

cuadrados

Interpolacin lineal

Interpolacin curvilnea

Regresin por mnimos cuadrados

Ejemplo:
Regresion por minimos cuadrados
2.6

2.2
2
1.8
f(x)

Ajuste de modelos lineal,

cuadrtico y cbico a
datos de Hermite por
regresin por mnimos
cuadrados

Lineal
Cuadratico
Cubico

2.4

1.6
1.4
1.2
1

Lineal

Cuadrtico

Cbico

MSE

0.2869

0.1390

0.1494

R2

0.0059

0.5719

0.5974

AdjR2

0.0059

0.5184

0.4824

0.8
-4

-3

-2

-1

0
x

Regresin por mnimos cuadrados

Regresion por minimos cuadrados
2.6

2.2
2
1.8
f(x)

Ajustando un modelo
ms complejo se logra
mejor ajuste de los
datos

Lineal
Cuadratico
Cubico
quinto

2.4

1.6
1.4
1.2

Quinto orden
MSE

0.0566

R2

0.8911

AdjR2

0.8040

1
0.8
-4

-3

-2

-1

0
x

Interpolacin polinmica
Interpolamos mediante la combinacin lineal
de funciones conocidas
La suma, resta, multiplicacin, derivada e
integral de polinomios dan como resultado otro
polinomio
El teorema de Weierstrass nos asegura que
siempre se puede aproximar una funcin
continua f(x) con un polinomio de grado n

Mtodo de Newton
Newton propuso el polinomio:

Pn ( x) a0 a1 ( x x0 ) a 2 ( x x0 )( x x1 )
a n ( x x0 )( x x1 ) ( x xn 1 )
que podemos escribir:

Pn ( x) a0 ai
i 1

( x x j )

j 0

i 1

Mtodo de Newton
Cmo podemos encontrar los ai?

Pn ( x0 ) a0 y0
Pn ( x1 ) a0 a1 ( x1 x0 ) y1
Pn ( x2 ) a0 a1 ( x2 x0 ) a 2 ( x2 x0 )( x2 x1 ) y 2

Mtodo de Newton
Si elegimos los intervalos equidistantes:

xn xn 1 x cte
Si elegimos los intervalos equidistantes:

Pn ( x0 ) a0 y0
Pn ( x1 ) a0 a1 ( x1 x0 ) y1

a0 y 0
y1 y0 y
a1

x1 x0 x

Mtodo de Newton
Pn ( x2 ) a0 a1 ( x2 x0 ) a 2 ( x2 x0 )( x2 x1 ) y 2

a2

y1 y0
y 2 y0
( x 2 x0 )
x1 x0
2(x)
y 2 2 y1 y0
2(x)

y0
2(x)

Mtodo de Newton
Para el caso general:
an

n y0
n! ( x ) 2

Lagrange propuso el polinomio:

Pn ( x) a0 ( x x1 )( x x2 )( x x3 ) ( x xn )
a1 ( x x0 )( x x2 )( x x3 ) ( x xn )
a 2 ( x x0 )( x x1 )( x x3 ) ( x xn )

a n ( x x0 )( x x1 )( x x2 ) ( x xn 1 )

Mtodo de Lagrange
Cmo podemos encontrar los ai?

Pn ( x0 ) a0 ( x0 x1 )( x0 x2 )( x0 x3 ) ( x0 xn ) y0

Pn ( x1 ) a1 ( x1 x0 )( x1 x2 )( x1 x3 ) ( x1 xn ) y1
Pn ( x2 ) a 2 ( x2 x0 )( x2 x1 )( x2 x3 ) ( x2 xn ) y 2

Pn ( xn ) a n ( xn x0 )( xn x1 )( xn x2 ) ( xn xn 1 ) y n

Problemas...
Cmo se ve la interpolacin si se realiza con
polinomios de alto orden?
Cmo afecta la acumulacin de errores de
numricos en polinomios de alto orden?

Interpolacin de polinomios

Formula general para un polinomio

f x a0 a1 x a2 x an x
2

Para n+1 puntos, hay uno y slo un polinomio de orden n que pasa a
travs de todos los puntos

Polinomio de primer orden (lnea recta) conecta dos puntos

Polinomio de segundo orden (parbola) conecta tres puntos

La interpolacin polinomial consiste en determinar el nico polinomio

de n-simo orden que ajuste n+1 puntos

Luego este polinomio permite calcular valores intermedios

Existen dos formas matemticas de expresar este polinomio

1. Polinomio de Newton
2. Polinomio de Lagrange

Diferencia finita de Newton para

la interpolacin de polinomios

Interpolacin lineal: realiza la estimacin entre

dos puntos con una lnea recta mediante tringulos
semejantes

f1 x f x0 f x1 f x0

x x0
x1 x0

f x1 f x0
x x0
f1 x f x0
x1 x0

otra forma
f1 x b0 b1 x x0
Si x = x0 b0 f x0

f(x1)
f1(x)
f(x0)
x0

x1

Si x = x1 b f x1 f x0 Aproximacin por diferencias finitas de la

1
x1 x0
primera derivada

Diferencia finita de Newton para la

interpolacin de polinomios

Interpolacin cuadrtica: si tres puntos de los datos estn disp

onibles se puede ajustar un polinomio de 2do grado
f2 x b0 b1 x x0 b2 x x0 x x1
Si x = x0 b0 f x0

f x1 f x0 Aproximacin por diferencias finitas de la

Si x = x1 b1
x1 x0
primera derivada

f x2 f x1 f x1 f x0

x2 x1
x1 x0
Si x = x2 b2
x2 x0

Aproximacin por
diferencias finitas de la
2da derivada

Forma general de la interpolacin

de polinomios de Newton

Para ajustar un polinomio de n-simo orden a n+1 datos

f n x b0 b1 x x0 bn x x0 x x1 x xn 1
los coeficientes son:

b0 f x0

b1 f x1 , x0
b2 f x2 , x1 , x0
bn f xn , xn 1 , , x1 , x0

Donde las evaluaciones de la funcin

entre corchetes son diferencias finitas
divididas

Forma general de la interpolacin

de polinomios de Newton

La primera diferencia finita se representa como

f xi f x j

f xi , x j

xi x j

La segunda diferencia finita, como la diferencia de

las dos primeras

f xi , x j , xk

f xi , x j f x j , xk
xi xk

La n-sima diferencia finita es

f xn , xn 1 , , x1 , x0

f xn , xn 1 , , x1 f xn 1 , , x1 , x0
xn x0

Ntese, que no es necesario que los datos estn

igualmente espaciados, o que los valores de la
abcisa estn en orden ascendente

Forma general de la interpolacin

de polinomios de Newton
Ejemplo: Utilice un polinomio
de Newton de 3er orden para
interpolar el valor en x = 2

y=ln(x)

Y_int

Ea

1.38629

0.46209

0.46209

1.79175

0.56584

0.10374

1.60943

0.62876

0.06292

1.5

0.5
funcion original
puntos de la muestra
Polinomio de Newton

-0.5

-1

3
x

f 3 x 0 0.4621 x x0 0.0519 x x0 x x1 0.0079 x x0 x x1 x x2

f 3 x 0 0.46212 1 0.05192 12 4 0.00792 12 4 2 6 0.62876

Error de la interpolacin con

polinomios de Newton

El polinomio de Newton de orden n es de la forma

f n x f x0 f x1 , x0 x x0 f xn , xn 1 , , x0 x x0 x x1 x xn 1

La estructura del polinomio de Newton es similar a l

a de la serie de Taylor

f n xi
xi 1 xi n Rn
f xi 1 f xi f ' xi xi 1 xi
n!
De manera similar al caso de la serie de Taylor se
puede obtener una formulacin para el error de los
polinomios de Newton
f n 1
Para la serie de Taylor
xi 1 xi n 1
Rn
n 1!
Para polinomio de newton de orden n

f n 1
x x0 x x1 x xn
Rn
n 1!

Error de la interpolacin con

polinomios de Newton

Una formulacin alternativa est disponible y no

requiere el conocimiento de la funcin
Rn f x, xn , xn 1 , , x0 x x0 x x1 x xn

Esta formula no puede resolverse porque contiene

la incgnita f(x), sin embargo, si se dispone de un
dato adicional puede usarse para estimar el error
Rn f xn 1 , xn , xn 1 , , x0 x x0 x x1 x xn

El error estimado para el polinomio de n-simo orde

n es equivalente a la diferencia entre la estimacin
de (n+1)-simo orden y la de
n-simo orden

Rn f n 1 x f n x

Seudo cdigo para el mtodo

de interpolacin por polinomios
de Newton
SUBROUTINE NewtInt (x,y,n,xi,yint,ea)
LOCAL fddn,n
DO i = 0, n
Fddi,0= yi
END DO
DO j = 1, n
DO i = 0, n-j
fddi,j = (fddi+1,j fddi,j-1)/(xi+j xi)
ND DO
END DO
xterm = 1
yint0 = fdd0,0
DO order = 1, n
xterm = xterm*(xi xorder-1)
yint2 = yintorder-1 + fdd0,order*xterm
eaorder-1 = yint2 yintorder-1
yintorder = yint2
END DO
END NewtInt

Interpolacin de polinomios de
Lagrange

Este mtodo es una reformulacin del polinomio de Newton que evita

el clculo por diferencias finitas

Los polinomios de Lagrange se pueden expresar como

n

f n x Li x f xi
i 0

donde,

Li x
j 0
j i

x xj
xi x j

f1 x

x x0
x x1
f x0
f x1
x0 x1
x1 x0

Polinomio de orden n = 1

Polinomio de orden n = 2
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
f 2 x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2

Interpolacin de polinomios de
Lagrange

La estimacin del error en la interpolacin con los polinomios de

Lagrange esta dada por
n

Rn f x, xn , xn 1 , , x0 x xi
i 0

Sin embargo, como este mtodo no usa las diferencias finitas,

no es prctico hacer este clculo

Por eso se prefiere usar polinomios de Lagrange cuando se

conoce a priori el orden del polinomio

Y se usan los polinomios de Newton para clculos exploratorios, ya que

este mtodo proporciona informacin respecto al comportamiento de los
polinomios de diferente orden

Seudo cdigo para el mtodo de interpolaci

n por polinomios de Lagrange
FUNCTION Lagrng(x,y,n,x)
sum = 0
DO i = 0, n
product = yi
DO j = 0, n
IF i ~= j THEN
product = product*(x xj)/(xi xj)
END IF
END DO
sum = sum + product
END DO
Lagrng = sum
END Lagrng

Coeficientes de un polinomio de
interpolacin

Un mtodo directo para calcular los coeficientes de un

polinomio de interpolacin

f x a0 a1 x a2 x 2 an x n
se basa en el hecho de que n+1 puntos se requieren
para determinar los n+1 coeficientes

Se puede usar la solucin de un sistema de ecuaciones

algebraicas simultneas para calcular los coeficientes

Coeficientes de un polinomio de
interpolacin

Por ejemplo, se quiere calcular los coeficientes de

f x a0 a1 x a2 x 2
Se requieren tres puntos (x0,f(x0)), (x1,f(x1)) y (x2,f(x2)), sustituyendo
cada uno en el polinomio para dar

f x0 a0 a1 x0 a2 x0

f x1 a0 a1 x1 a2 x1

f x2 a0 a1 x2 a2 x2

Se debe tener precaucin con el orden

Los sistemas como estos estn notoriamente mal condicionados

Los coeficientes pueden ser altamente inexactos, en particular para

n grandes

Interpolacin segmentaria
(SPLINES)

En la seccin anterior se us polinomios de n-simo orden

para interpolar n+1 puntos

Esta curva podra capturar todas las curvaturas sugeridas por

los puntos

Hay casos en los que estas funciones pueden llevar a

resultados errneos debido a errores de redondeo y puntos
lejanos

Una alternativa es aplicar polinomios de orden inferior a subconjuntos de datos

A estos se les llama funciones segmentarias

Estas se pueden construir de tal forma que las conexiones

entre las ecuaciones cbicas adyacentes resultan visualmente
suaves

Segmentarias cuadrticas

Para asegurar que las derivadas m-simas sean continuas

en los nodos, se debe usar una segmentaria del al menos
m+1 orden

En la prctica se usan con ms frecuencia segmentarias

cbicas para asegurar derivadas continuas de 1ro y 2do orden

El objetivo de las segmentarias cuadrticas es obtener un

polinomio de 2do orden para cada intervalo i entre datos

f i x ai x 2 bi x ci

Segmentarias cuadrticas

Para n+1 datos (i = 0,1,2,n) existen

n intervalos

En consecuencia , 3n constantes
desconocidas (a, b y c)

Se requieren 3n ecuaciones:

1. Los valores de la funcin de

polinomios adyacentes deben ser
iguales a los nodos interiores

a3 x 2 b3 x c3

a1 x 2 b1 x c1

a2 x 2 b2 x c2
f x1

f x0

ai 1 xi 1 bi 1 xi 1 ci 1 f xi 1

f x3

f x2

Intervalo
1

ai xi 1 bi xi 1 ci f xi 1
2

para i = 2 a n
Como solo se usan para puntos
interiores, da un total de 2n-2 ecuac.

Intervalo
2

Intervalo
3

x0

x1

x2

x3

i=0

i=1

i=2

i=3

Segmentarias cuadrticas
2. Las 1ra y ultima funciones deben
pasar por los puntos extremos
a1 x0 b1 x0 c1 f x0
2

an xn bn xn cn f xn
2

a2 x 2 b2 x c2

2 ecuaciones adicionales
3. Las 1ras derivadas en los nodos
interiores deben ser iguales

f x1

f x0

f ' x 2ax b
2ai 1 xi 1 bi 1 2ai xi 1 bi

para i = 2 a n
n-1 ecuaciones
Para un total de 2n-2 + 2 + n-1 = 3n-1

Falta una ecuacin!!

a3 x 2 b3 x c3

a1 x 2 b1 x c1

Intervalo
1

x0
i=0

f x3

f x2

Intervalo
2

Intervalo
3

x1

x2

x3

i=1

i=2

i=3

Segmentarias cuadrticas
A menos que se tenga informacin
adicional acerca de la funcin o sus
derivadas, se debe tomar una
seleccin arbitraria para calcular las
constantes

a3 x 2 b3 x c3

a1 x 2 b1 x c1

a2 x 2 b2 x c2
f x1

4. Suponga que en el 1er punto la

2da derivada es cero

f x0

f ' ' x 2ai a1 0

lo que indica que los dos primer

os puntos se conectan con una
lnea recta

f x3

f x2

Intervalo
1

Intervalo
2

Intervalo
3

x0

x1

x2

x3

i=0

i=1

i=2

i=3

Segmentarias cuadrticas
3

Ejemplo: Ajustar por segmentarias

cuadrticas los datos de la tabla.
Interpole el valor en x = 5

2.5

f(x)

f(x)

2.5

4.5

1.0

2.5

1.5

20.25a1 4.5b1 c1 1.0

20.25a2 4.5b2 c2 1.0

0.5

49a2 7b2 c2 2.5

0

0.5

1. Los valores de la funcin de

polinomios adyacentes deben
ser iguales a los nodos interiores

49a3 7b3 c3 2.5

4

5
x

10

Segmentarias cuadrticas
3

Ejemplo: Ajustar por segmentarias

cuadrticas los datos de la tabla.
Interpole el valor en x = 5

2.5

f(x)

f(x)

2.5

4.5

1.0

2.5

0.5

1.5

9a1 3b1 c1 2.5

0.5

81a3 9b3 c3 0.5

0

2. Las 1ra y ultima funciones deben

pasar por los puntos extremos

5
x

10

Segmentarias cuadrticas
Ejemplo: Ajustar por segmentarias
cuadrticas los datos de la tabla.
Interpole el valor en x = 5

2.5

f(x)

2.5

4.5

1.0

2.5

0.5

0.5

f(x)

1.5

3. Las 1ras derivadas en los nodos

interiores deben ser iguales

9a1 b1 9a2 b2
14a2 b2 14a3 b3

5
x

10

4. Suponga que en el 1er

punto la 2da derivada es cero

a1 0

Segmentarias cuadrticas
Ejemplo: El problema se reduce a
resolver un sistema de ecuaciones
lineales
20.25a1 4.5b1 c1 1.0
20.25a2 4.5b2 c2 1.0
49a2 7b2 c2 2.5
49a3 7b3 c3 2.5
9a1 3b1 c1 2.5
81a3 9b3 c3 0.5
9a1 b1 9a2 b2 0
14a2 b2 14a3 b3 0
a1 0

4.5 1
b1 1

c 1
.
5
1
20
.
25
4

a2 2.5
49
7 1

49 7 1 b2 2.5

3 1
c2 2.5

81 9 1 a3 0.5

b
9
1
0

3
14
1
14 1 c3 0

Segmentarias cuadrticas
Ejemplo: Resolviendo el sistema
de ecuaciones se obtiene
a1 0

b1 1

5
4.5

c1 5.5

4
3.5

a2 0.64 b2 6.76 c2 18.46

b3 24.6

c3 91.3

f(x)

a3 1.6

3
2.5
2

Las cuales pueden sustituirse en las

1.5
ecuaciones cuadrticas originales
1
para determinar la ecuacin para
0.5
cada intervalo
f1 x

x 5. 5

3 x 4.5

f 2 x 0.64 x 2 6.76 x 18.46

f 3 x 1.6 x 2 24.6 x 91.3

4.5 x 7
7 x9

f 2 5 0.645 6.765 18.46 0.66

2

5
x

10

Segmentarias cbicas

El objetivo de las segmentarias cbicas es obtener un

polinomio de 3er orden para cada intervalo entre los puntos

f i x ai x 3 bi x 2 ci x d i

Para n+1 datos (i=0,1,2,,n) existen n intervalos, 4n

incgnitas constantes para evaluar

Se requieren 4n ecuaciones para evaluar las incgnitas

Segmentarias cbicas
1.
2.
3.
4.
5.

Los valores de la funcin deben ser iguales en los puntos interiores

(2n-2) ecuaciones
Las primera y ltima funciones deben pasar por los puntos extremo
s (2 ecuaciones)
Las 1ras derivadas en los puntos interiores deben ser iguales (n-1
ecuaciones)
Las 2das derivadas en los puntos interiores deben ser iguales (n-1
ecuaciones)
Las 2das derivadas en los puntos extremos son cero (2ecuaciones)
2n 2 + 2 + n -1 + n 1 + 2 = 4n

La ltima condicin indica que la funcin se vuelve una lnea recta en los
puntos extremos

Segmentarias cbicas

Existe una tcnica alterna que requiere slo la solucin de n-1

ecuaciones
Se basa en que la 2da derivada dentro de cada intervalo es una
lnea recta y se obtiene la siguiente ecuacin cbica para cada
intervalo
f i x

f ' ' xi 1
xi x 3 f ' ' xi x xi 1 3
6 xi xi 1
6 xi xi 1

f xi 1 f ' ' xi 1 xi xi 1
xi x

6
xi xi 1

f xi
f ' ' xi xi xi 1

x xi 1
x

x
6
i i 1

Esta ecuacin tiene dos incgnitas, las 2das derivadas en los

extremos de cada intervalo
f ' ' xi 1 , f ' ' xi

Segmentarias cbicas

Estas incgnitas se pueden evaluar mediante la

siguiente ecuacin

xi xi 1 f ' ' xi 1 2xi 1 xi 1 f ' ' xi xi 1 xi f ' ' xi 1

6
f xi 1 f xi 6 f xi 1 f xi
xi 1 xi
xi xi 1

Si esta ecuacin es descrita para todos los nodos

interiores, resulta n-1 ecuaciones simultneas con
n-1 incgnitas (porque las 2das derivadas en los
puntos extremos son cero segmentaria natural)

Adems, el sistema de ecuaciones ser tridiagonal

se puede usar el algoritmo de Thomas (TDMA)

Interpolacin Polinmica
Segmentaria
u Limitaciones de la interpolacin polinmica
4 Grado del polinomio
4 Carcter de la funcin a interpolar
u Alternativa propuesta: Splines.
4 Numricamente estable
4 Matrices dispersas
4 Agradable a la vista

Interpolacin Polinomica
Segmentaria: Splines
u Interpolacin Segmentaria
u Interpolacin Segmentaria Lineal
u Interpolacin Segmentaria Cbica
4 Condiciones Naturales
4 Condiciones sobre la derivada

Interpolacin Segmentaria
Lineal: Funcin de Runge
Polinomio grado 4

Spline lineal

1
0.9

0.8

0.8
0.6

0.7
0.6

0.4

0.5
0.2

0.4
0.3

0.2
-0.2
-0.4

0.1
-1

0
-1

1
y
1 25x 2

Perfil para un diseo

Polinomio interpolad
or

Aplicaciones
u Ingeniera y Diseo (CAD/CAM, CNCs)
u Geologa
u Aeronutica y automocin
u Economa
u Procesamiento de seales e imgenes (Reconocimiento

de patrones, recuperacin de imgenes)

u Robtica
u Medicina (Aparatos auditivos, mapas cerebrales)
u Meteorologa (Mapas climticos, deteccin de
inundaciones,...)
u Mundo Virtual Distribuido Multiusuario

Splines Lineales
u Polinomio de Lagrange

x xk
x x k 1
q k (x)
yk
y k 1
x k x k 1
x k 1 x k
u Polinomio de Newton

q k ( x ) f [ x k ] f [ x k , x k 1 ]( x x k )
y k 1 y k
yk
(x xk )
x k 1 x k

Splines Lineales

Interpolacin Segmentar
ia Lineal: Funcin de Ru
nge
Polinomio grado 4

Spline lineal

1
0.9

0.8

0.8
0.6

0.7
0.6

0.4

0.5
0.2

0.4
0.3

0.2
-0.2
-0.4

0.1
-1

0
-1

1
y
1 25x 2
1

Matriz del sistema

h1
0
2(h0 h1)
h
h2
2(h1 h2 )
1

0
h2
2(h2 h3)

0
0
0
0
0
0

0
0
0

hn3
2(hn4 hn3)
0

hn3
hn2
2(hn3 hn2 )

hn2
0
2(hn2 hn1)
0
0
0

0
0
0

0
0
0

Trminos independientes
3
3

(a2 a1 ) (a1 a 0 )

h1
h0

(a n a n1 )
(a n1 a n2 )
h n 2
hn1

Ejemplo de la temperatura
Spline cbico

22

22

20

20

18

18

16

16

Grados

Grados

Polinomio interpolador

14

14

12

12

10

10

8
6

8
5

10

15

Hora

20

10

15

Hora

20

Condiciones sobre la derivada

Teorema 2
Sea f(x) una funcin definida en [x0,xn]. Entonces existe un nico
s(x) spline cbico interpolante para f(x) en [x0,xn].tal que
s(x0) = f(x0)
y
s(xn) = f(xn).
3
2 h 0 c 0 h 0 c1
( a 1 a 0 ) 3f ' ( x 0 )
h0

h n 1c n 1 2 h n 1c n 3 f ' ( x n )

3
h n 1

( a n a n 1 ).

Matriz del sistema

0
0

0
0
0
h0
2h0
h 2(h h )

0
0
0
0
h
0
1
1
0

2(h1 h2 )
0
0
0
h1
h2

(
)

0
0
2
0
0
0
h
h
h
2
2
3

2(hn3 hn2 )
0
0
0
0
hn2
0
0

0
0
0
2(hn2 hn1) hn1
hn2

0
0
0
0
2hn1
hn1
0

Trminos independientes
3
h (a1 a 0 )
0
3 (a a )
1
h1 2
p
3

( a n a n 1 )
h n 1

3f ' ( x n )

3f ' ( x 0 )

3
(a 1 a 0 )

h0

3
( a n 1 a n 2 )
h n2

3
( a n a n 1 )
h n 1

Splines Cbicos

Interpolacin segmentaria con

MATLAB
Interpolacin segmentaria cbica
ps = spline(x,y) % Devuelve el Spline, no los coef.
[x,s] = unmkpp(ps) % Devuelve los coeficientes
ps = mkpp(x,s)
syy = spline(x,y,xx) = ppval(ps,xx)
Interpolacin segmentaria lineal
lyy = interp1(x,y,xx)

Spline de MATLAB

Interpolacin Lineal

0.5
0.5
0
0
-1

Spline Natural

-1

Spline Derivada

0.5

0.5

0
-1

-1

Problemas Propuestos
de IC343
Mtodos Numricos
Aplicados a la Ingeniera

PREGUNTA N 01

[4.0 p]

En cierto experimento de laboratorio se obtuvo los datos que se muestran a continuacin:

Xi
Yi

0.0
5.2

0.5
5.21

1.0
6.49

1.5
9.54

2.0
16.02

2.5
24.53

Haciendo uso de un mtodo numrico apropiado, ajustar los datos de la tabla mostrada a
una curva de la siguiente forma:

f x ae x be x

PREGUNTA N 01
Un polinomio pasa por los siguientes puntos:
(3.0, 2.0)

(4.0, 3.1)

[5.0 p]
(5.0, 4.4)

(6.0, 6.0)

En un sistema de coordenadas (x, y). El polinomio proporciona y en trminos de x por:

y a1 a 2 x a3 x 2 a 4 x 3
Establecer el sistema de ecuaciones y resolverlo para los coeficientes a1 a a4 por
eliminacin de Gauss o por descomposicin LU. La matriz de este problema es una MATRIZ
DE VANDERMONDE (4 x 4). Matrices ms grandes de ste tipo tienden a estar mal
condicionadas.

PREGUNTA N 04
[5.0 p]
Determinar mediante un Mtodo Numrico apropiado las estimaciones de la poblacin de
estudiantes de la UNSCH hasta el ao 2031, teniendo en cuenta los datos proporcionados
por la Oficina de Planificacin y Presupuesto de la UNSCH.

Estudiantes

AO
N Est(1).
ESTUDIANTES: 1981-2004 (con proyeccin al 2010)
1981
5294
1982
6097
9000
1983
5666
1984
5262
8500
1985
5847
y = 112.67x - 217916
1986
6034
2
8000
1987
5887
R = 0.85
1988
5990
1989
6058
7500
1990
5276
1991
0*
7000
1992
6685
1993
6741
6500
1994
7191
1995
7389
6000
1996
7142
1997
7068
1998
6496
5500
1999
6435
2000
7190
5000
2001
7641
1980
1985
1990
1995
2000
2005
2010
2002
8072
Aos
2003
8402
2004
8640
NOTAS: *Desfase del ao acadmico
(1) Los datos de 1990 a 2004 son registros histricos, de 2005 a 2010 corresponden a proyecciones en el estudio de la OPP.

PREGUNTA N 07

[4.0 p]

ANLISIS DE DATOS: AJUSTE DE CURVAS

A) Extienda el mtodo de mnimos cuadrados al caso en que y es funcin lineal de 2
variables, esto es:

y F x1 , x 2 a0 a1 x1 a 2 x 2

Obtener las ecuaciones normales correspondientes, si se sabe que

x1i , x2i , yi 1in

es la muestra de datos, de tamao n.

Determinar el coeficiente de correlacin mltiple R (Coeficiente de determinacin
mltiple)
Un estudio de Mecnica de Fluidos indica que el fluido, a travs de un tubo es funcin
del dimetro del tubo y de su pendiente. En el siguiente cuadro se muestran los
datos experimentales:
Experimento
1

Dimetro
(pies)
1

Pendiente
(pies/pies)
0.001

Flujo
3
(pies /s)
1.4

2
3

2
3

0.001
0.001

8.3
24.2

4
5

1
2

0.01
0.01

4.7
28.9

6
7
8
9

3
1
2
3

0.01
0.05
0.05
0.05

84.0
11.1
69.0
200.0

Se sabe que el flujo (Q) est relacionado con la pendiente (S) y el dimetro (D) a
travs de la siguiente expresin:

Q a0 D a1 S a2
Estimar un valor de Q en un tubo con:

D = 2.5 pies

S = 0.025 pies/pie

A) La realizacin de una batera de 10 tests de esfuerzo-tensin a un determinado objeto

ha proporcionado los siguientes datos:
ESFUERZO

TENSIN

TEST

91.00

0.001

2
3
4
5
6
7
8
9
10

97.00
108.00
111.00
114.00
110.00
112.00
105.00
98.00
91.00

0.002
0.003
0.005
0.006
0.006
0.009
0.011
0.016
0.017

Se desea ajustar un polinomio a este conjunto de datos: El diagrama de dispersin

sugiere que una parbola podra resultar adecuada. Determinar el mejor ajuste
parablico tomando como objetivo la minimizacin de la suma de desviaciones
absolutas entre los valores observados y las predicciones. Compararlo con el
correspondiente ajuste mnimo cuadrtico.

PREGUNTA N 01

[6.0 p]

Los resultados del experimento de un tnel de aire sobre el flujo del aire en la punta del ala de un avin
proporcionan los siguientes datos:

0.730

0.780

0.810

0.860

0.875

0.890

0.950

1.020

1.030

1.055

1.135

1.14

1.245

1.320

1.385

1.430

1.445

1.535

1.570

1.630

1.755

0.0788

0.0788

0.064

0.0788

0.0681

0.0703

0.0703

0.0681

0.0681

0.0790

0.0575

0.0681

0.0575

0.0511

0.0575

0.0490

0.0532

0.0511

0.0490

0.0532

0.0426

Donde R es la distancia del ncleo al vrtice, C es la cuerda del ala del avin, V es la velocidad
tangencial del vrtice y V es la velocidad del avin libre de corrientes.

xR

Sean:
La curva es de la forma:

A
x 2
g x 1 e
x

Determinar los valores de A y , por aproximaciones por mnimos cuadrados.

Graficar

contra

PREGUNTA N 02
[5.0 ptos.]
SISTEMAS DE ECUACIONES NO LINEALES
En la siguiente tabla se refleja los valores obtenidos de forma experimental, de cierta magnitud d en
los distintos instantes t.
t
d(t)

0.0
1.0950

0.5
-0.1569

1.0
-1.0157

1.5
-1.4740

2.0
-1.3616

2.5
-0.8342

3.0
-0.0135

Estamos interesados en ajustar a los datos da la tabla un modelo no lineal de la forma:

t

t e

sin t

Donde y son parmetros desconocidos.

a)
Plantea el sistema no lineal que resulta al intentar determinar el valor de los parmetros y
que nos dan el modelo (t)
b)
Aproxima la solucin del sistema anterior mediante el Mtodo de Newton para sistema de
ecuaciones no lineales, tomando una tolerancia apropiada. Representa los datos de la tabla y el
modelo (t) obtenido.
c)
Determina en qu instantes t la magnitud de d(t) se anula. Utiliza el mtodo, que consideres
oportuno para encontrar las races de esta ecuacin no lineal.

PREGUNTA N 01
FUNCIN POLINMICA DE DOS VARIABLES
Utilizando la interpolacin lineal de dos dimensiones, elaborar un procedimiento numrico para una
herramienta de clculo apropiada que permita interpolar los valores TP (56.4 F, 12.7 psi), (56.4 F,
22.7 psi), (56.4 F, 100 psi), (411.2 F, 12.7 psi), (411.2 F, 30.1 psi), (-200 F, 10 psi) y (0 F, 84.3 psi)
correspondiente a la tabla:
TEMPERATURA
(F)

-200
-100
0
100
200
300
400
500

PRESIN (PSI)

10
17.15
23.97
30.72
37.44
44.13
50.83
57.51
64.20

20
8.47
11.94
15.32
18.70
22.07
25.42
28.76
32.10

30
5.57
7.91
10.19
12.44
14.70
16.94
19.17
21.40

40
4.12
5.91
7.63
9.33
11.03
12.71
14.38
16.05

60
2.678
3.91
5.06
6.21
7.34
8.46
9.58
10.70

80
1.954
2.903
3.78
4.65
5.50
6.35
7.19
8.03

100
1.518
2.301
3.014
3.71
4.40
5.07
5.75
6.42

PREGUNTA N 03
INTERPOLACIN POLINMICA
La siguiente tabla refleja la demanda de energa elctrica en una Ciudad cada dos horas de un da
determinado del ao.
HORA
0
2
4
6
8
10
12
MW
31.250
28.000
26.000
26.000
34.000
37.500
38.000
HORA
14
16
18
20
22
24
MW
35.500
34.500
38.500
39.500
36.500
33.000
a) Hallar el polinomio de grado 12 que interpola los valores dados. Explicar el comportamiento del
polinomio de interpolacin.
b) Se propone mejorar la interpolacin dividiendo el intervalo en dos, de 0 a 12 y de 12 a 24 y
hallando un polinomio para cada intervalo. Representa los polinomios obtenidos y compara el
resultado con el del apartado anterior.
c) Interpola los datos con un paquete de software mediante un polinomio apropiado y compara con
los ajustes anteriores.

PREGUNTA N 02

[5.0 ptos.]

ANLISIS DE DATOS INTERPOLACIM MULTIDIMENSIONAL

Imagine que tiene um conjunto de datos z que depende de dos variables x y y. Considere la siguiente tabla:

y x
y=10
y=20
y=30
y=40
y=50
y=60
y=70
y=80
y=90
y=100
a)
b)
c)
d)

x=15

x=30

23
45
60
82
111
140
167
198
200
20

33
55
70
92
121
150
177
198
210
230

Grafique ambos conjuntos de datos yz en la misma grfica.

Use la interpolacin lineal multidimensional para aproximar el valor de z cuando y=15 y x=20.
Qu otro mtodo de interpolacin se podra emplear para aproximar el valor de z cuando y=15 y x=20.
Use interpolacin lineal para crear una nueva subtabla para x=20 y x=25, para todos los valores de y.

Seccin de Preguntas

Muchas Gracias