Ajuste de curvas e

Interpolacin

Interpolacin
La

interpolacin consiste en hallar un dato dentro

de un intervalo en el que conocemos los valores

de los extremos.

El problema general de la interpolacin se nos

presenta cuando nos dan una funcin de la cual
solo conocemos una serie de puntos de la misma:

Y se pide hallar el valor de un punto x (intermedio

de y ) de esta funcin.

Se
le
llama
polinomio
interpolador
correspondiente a esos puntos. Una vez
obtenida su expresin dando valores en l se
pueden encontrar nuevos puntos de la funcin.

Los
resultados
aproximados.

La interpolacin se dir lineal cuando slo se

tomen dos puntos y cuadrtica cuando se
tomen tres.

obtenidos

son

valores

Interpolacin Lineal

Cuando las variaciones de la funcin son

proporcionales (o casi proporcionales) a los de la
variable independiente se puede admitir que
dicha funcin es lineal y usar para estimar los
valores la interpolacin lineal.

Sean dos puntos (xo, yo), (x1, y1), la interpolacin

lineal consiste en hallar una estimacin del valor
y, para un valor x tal que x0<x<x1.

La forma ms simple de interpolacin

consiste en unir dos puntos con una lnea
recta.

Utilizando tringulos semejantes cuanto

menor sea el intervalo entre los datos,
mejor ser la aproximacin.

Ejemplo:

Estime el logaritmo natural de 2 mediante

interpolacinlineal. Primero, realice el
clculo por interpolacin entre ln 1=0 y ln 6
=1.791759.
Despus,
repita
el
procedimiento, pero use un intervalo menor
de ln 1 a ln 4 (1.386294).Observe que el
valor verdadero de ln 2 es 0.6931472.

Interpolacin Cuadrtica

Cuando el polinomio que conviene es de 2 grado

la interpolacin recibe el nombre de cuadrtica.

El polinomio interpolador es nico, luego como se

encuentre da igual, sin embargo, a veces los
clculos son muy laboriosos y es preferible utilizar
un mtodo que otro.

Tambin podemos utilizar

polinomio interpolador as:

la

expresin

del

Agrupando trminos

Donde:

Ejemplo:

Ajuste un polinomio de segundo grado a los

tres puntos del ejemplo anterior:
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1.386294
x2 = 6 f(x2) = 1.791759

Polinomios de interpolacin de
Newton o diferencias finitas

El anlisis anterior puede generalizarse para

ajustar un polinomio de n-simo grado a
n+1 datos. El polinomio de n-simo grado
es:

Los puntos asociados

evaluar los coeficientes:

se

utilizan

para

Donde estos coeficientes son el resultado

de realizar diferencias dividas finitas.

Por ejemplo, la primera diferencia dividida

finita sera:

La segunda diferencia dividida finita sera:

Ejemplo:

Realizamos el mismo problema de

encontrar el ln 2, con los puntos x0=1,
x1=4, x2=6 y x3=5.

Si graficamos resultados este nos queda de

la siguiente manera:

Polinomio de interpolacin de
LaGrange

Es simplemente una reformulacin del

polinomio de Newton, pero evitando las
diferencias divididas finitas:

Donde:

Donde el polinomio lineal quedara:

El polinomio de segundo grado:

Ejemplo:

Con un polinomio de interpolacin de

LaGrange de primer y segundo orden
evale el ln 2 con los datos:

Ajuste de Curvas

Bsicamente el ajuste de curvas se utiliza cuando se

tiene una serie de datos calculados y se desea
conocer valores intermedios no conocidos, o tambin
en aquellos casos en que se desee una versin
simplificada de una funcin que se ajuste a un
numero de valores concretos, y posteriormente usar
la funcin simplificada para derivar nuevos valores.

Ajustar una curva implica ajustar una funcin g(x) a

un conjunto de datos (xi,yi), i=1,2,...,L. g(x) puede
ser un polinomio, una funcin lineal o combinacin
de funciones conocidas

Tipos

Hay bsicamente dos mtodos para lograr

ajuste de curvas:
1.

2.

Si los datos no son muy exactos o tienen asociado un

error (ruido) entonces la mejor manera es establecer
una sola curva que represente la tendencia general
de los datos observados. Se conoce como
REGRESIN LINEAL, cuyo mtodo mas sencillo es
la REGRESIN POR MNIMOS CUADRADOS.
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
INTERPOLACIN, la cual puede ser lineal o
curvilnea.

Regresin por mnimos

cuadrados

En este mtodo se pretende trazar la recta

que mas se acerque al conjunto de datos
dado, a la cual se le llama lnea (recta) de
regresin, expresada matemticamente
como:

Ejemplo

Encontrar la lnea de regresin que mejor se

ajusta a los siguientes datos:

Para sustituir valores en las formulas

anteriores realizamos una tabla como la
siguiente:

Resultados

Y sustituyendo en la frmula principal:

Regresin polinomial

Regresin cuadrtica

Ejemplo:

Ajustar a un polinomio de segundo

grado los datos dados en las primeras
dos columnas de la siguiente tabla:

Resultados

Nos queda un sistema de ecuaciones como

el siguiente:

Si resolvemos por gauss:

Y sustituyendo en la ecuacin cuadrtica nos

queda:

Ejercicios
Interpolacin Lineal
Calcular el polinomio de grado 1 de los
datos en la siguiente tabla:

Interpolacin cuadrtica

Dada la tabla con los siguientes datos,

obtener la funcin que se ajusta a los datos
por el mtodo de interpolacin cuadrtica:

n
0
1
2

xn
1
3
4.5

f(xn)
4
1
5

Interpolacin de Newton y
Lagrange
1.

Ajuste un polinomio de interpolacin de Newton de

segundo orden para estimar el log 10, en x = 8, 9 y
11.

2.

Repita el problema mediante polinomio de LaGrange.

3.

Dados los datos

Calcule f(2.8) con el uso de polinomios de interpolacin

de Newton de rdenes 1 y 2.
4.

Repita el
LaGrange.

problema

utilizando

polinomios

de

5.

Dados los datos

Calcule f(4) con el uso de polinomios de

interpolacin de Newton de rdenes 1 y 2.
6.

Vuelva a hacer el problema con el uso de

polinomios de LaGrange de rdenes 1 y 2.