Interpolacion

Interpolacin Polinmica
1.- Dada la tabla de valores:

xi
-1
yi
13
a) Encontrar el spline cbico natural que interpola estos datos, imponiendo las
condiciones requeridas y resolviendo el sistema.
b) Misma cuestin resolviendo previamente el sistema tridiagonal para el clculo de
las derivadas segundas del spline en los nodos.
c) Calcular el spline no nodo, hacer una grfica de nodos y del spline.
d) Dibujar el spline completo que interpola los datos, suponiendo que las derivadas
primeras del spline en los nodos inicial y final son -5 y 5, respectivamente.
2.- Se quiere construir la lnea fronteriza entre dos poblaciones a partir de los datos que
figuran en la siguiente tabla:
xi
yi
25
34
72
115
92
71
65
a) Calcular el polinomio de interpolacin que pasa por todos los puntos. Hallar la
ordenada del punto de abscisa 2.5. Representar los datos junto al polinomio que
los interpola, que definira la frontera entre las poblaciones.
b) Utilizar un spline no nodo para perfilar la frontera. Hallar la ordenada del punto
de la misma de abscisa 2.5. Representar los datos junto al spline que los interpola
en la misma ventana de dibujo que el apartado a).
c) Utilizar un spline natural para perfilar la curva de separacin entre las
poblaciones.
3.- Un robot debe tomar un objeto situado en la posicin 1 y dejarlo en la posicin 6 del
recinto esquematizado en la figura. Para ello recorre una trayectoria definida por los
puntos de la tabla, que tratan de evitar los obstculos del recinto.
2
Paso
La trayectoria se obtiene interpolando los

puntos dados x k , y k mediante funciones p y q
tales que (p(t), q(t)) es la posicin del brazo en

el instante t 0,1 y (p(tk), q(tk)) = x k , y k , siendo tk = 0.2 k, k = 0,1,,5. Representar
grficamente la trayectoria obtenida si p y q son:
U. D. de Matemticas de la ETSITGC
Asignatura: Mtodos Matemticos 1
a)
Los polinomios de interpolacin de t k , x k y t k , y k , respectivamente.
b) Splines no nodo.
c) Splines tales que la velocidad inicial y final del robot es 0.
d) Splines tales que la aceleracin inicial y final del robot es 0.
En qu casos la trayectoria no choca contra los obstculos ni las paredes del recinto?
x
f (x)
-17
f (x)
-15
a) Hallar el polinomio de Lagrange que interpola estos datos.

b) Hallar el polinomio de Hermite que interpola estos datos.
c) Representar los dos polinomios anteriores y comentar el resultado.
5.- Se consideran los valores de la funcin y = arc tg x en los nodos x = -3, -2, , 2, 3.
a) Interpolar estos puntos mediante un spline cbico cuya derivada primera en los
extremos coincida con la derivada primera de la funcin.
b) Hallar el spline que pasa por dichos puntos y tiene derivada tercera en los nodos
-2 y 2 (es decir, las dos primeras piezas del spline son el mismo polinomio, al igual
que las dos ltimas).
c) Compara ambas aproximaciones.
6.- La tabla siguiente refleja la demanda de energa elctrica en Espaa cada dos horas
de un da de invierno.
Hora
MW
Hora
MW
10
12
31250 28000 26000 26000 34000 37500 38000

14
16
18
20
22
24
35500 34500 38500 39500 36500 33000
a) Hallar el polinomio de grado 12 que interpola los valores dados. Analizar 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. Representar los polinomios
obtenidos y comparar el resultado con el del apartado anterior.
c) Interpolar los datos con un spline cbico y comparar con los ajustes anteriores.
7.- Dada la tabla de valores (funciones de Bessel):
x
f (x)
x0
1
0.7651977
x1
1.3
0.620086
x2
1.6
0.4554022
x3
1.9
0.2818186
x4
2.2
0.11036
a) Comparar las aproximaciones de f(1.5) utilizando polinomios de interpolacin de

grado 1, 2, 3 y 4. b) Sabiendo que f(1.5) = 0.5118277, con qu polinomio se ha obtenido
la mejor aproximacin?
xi
-1
yi
13
a) Encontrar el spline cbico natural que interpola estos datos, imponiendo las
condiciones requeridas y resolviendo el sistema.
b) Misma cuestin resolviendo previamente el sistema tridiagonal para el clculo de
las derivadas segundas del spline en los nodos.
c) Calcular el spline no nodo, hacer una grfica de nodos y del spline.
d) Dibujar el spline completo que interpola los datos, suponiendo que las derivadas
primeras del spline en los nodos inicial y final son -5 y 5, respectivamente.
Solucin
S 0 x a 0 x x 0 3 b 0 x x 0 2 c 0 x x 0 d 0 x x 0 , x 1
a) S( x )
3
2
x x 1 , x 2
S1 x a 1 x x 1 b1 x x 1 c1 x x 1 d 1
S x a 0 x 1 b 0 x 1 c 0 x 1 d 0
S( x ) 0
3
2
S1 x a 1 x b1 x c1 x d 1
3
S 0 ' x 3a 0 x 12 2b 0 x 1 c 0
S ' (x)
2
S1 ' x 3a 1 x 2b1 x c1
S ' ' x 6a 0 x 1 2b 0
S ' ' (x) 0
S1 ' ' x 6a 1 x 2b1
x 1, 0
x 0, 1
x 1, 0
x 0, 1
x 1, 0
x 0, 1
Imponemos las 4n - 2 = 6 condiciones para que sea un spline cbico:

S 0 1 d 0 13
S 0 a b c d 7
0
0
0
0
0
S1 0 d 1 7
S1 1 a 1 b1 c1 d 1 9
S 0 ' 0 3a 0 2b 0 c 0 S1 ' 0 c1
S 0 ' ' 0 6a 0 2b 0 S1 ' ' 0 2b1
Adems, por tratarse de un spline natural, ha de verificarse:

S 0 ' ' 1 2b 0 0
S1 ' ' 1 6a 1 2b1 0
Los coeficientes del spline son, por tanto, las soluciones del sistema lineal:
0
1
0
0
3
6
0
0
0 0 1 0
1 1 1 0
0 0 0 0
0 0 0 1
2 1 0 0
2 0 0 0
2 0 0 0
0 0 0 6
0 0 0
0 0 1
1 1 1
0 1 0
2 0 0
0 0 0
2 0 0
0
2x 13 8x 1 13
S( x )
2x 3 6x 2 2 x 7
a0

b0
c0

d0
a1

b1
c
1
d
1
13

7
7

9
0

0
0
0

a0

b0
c0

d0
a1

b1
c
1
d
1
2

0
8

13
2

6
2

7
x 1, 0
x 0, 1
r S ' ' 1 0
b) Por ser un spline natural, se verifica: 0
r2 S ' ' 1 0
El sistema tridiagonal tiene n-1 = 1 ecuacin con una incgnita, que es r1 S ' ' 0 :
h 0 h1
h
r1 e1 e 0 0 r0 ,
3
6
y y 0 7 13
y y1 9 7
6 , e 1 2
2 . Sustituyendo:
siendo h i 1 , e 0 1
x1 x 0
0 1
x 2 x1 1 0
2
1
r1 2 6 0 8 r1 12 S ' ' 0
3
6
El spline tiene por ecuacin:
S x a 0 x 1 b 0 x 1 c 0 x 1 d 0
S( x ) 0
3
2
S1 x a 1 x b1 x c1 x d 1
3
siendo: a i
x 1, 0
x 0, 1
ri 1 ri
r
y yi ri 1 ri
h i , d i y i .
, b i i , c i i 1
hi
6h i
2
6 3
a0
r1 r0
r
y y 0 r1 r0
2 , b0 0 0 , c0 1
h 0 8 , d 0 y 0 13 ;
6
2
h0
6 3
a1
r2 r1
r
y y1 r2 r1
2 , b 1 1 6 , c 1 2
h 1 2 , d 1 y1 7 .
6
2
h1
6 3
2 x 13 8 x 1 13
x 1, 0
S(x)
.
3
2
x 0, 1
2x 6x 2x 7
c) Utilizamos la funcin spline de Matlab para calcular el spline no nodo:
>> x=[-1 0 1];
>> y=[13 7 9];
>> spline(x,y)
ans =
form: 'pp'
breaks: [-1 1]
coefs: [4 -10 13]
pieces: 1
order: 3
dim: 1
Como en el spline no nodo los polinomios de los dos primeros intervalos son el mismo,
se trata simplemente del polinomio interpolador de grado 2. Los coeficientes vienen dados
2
por el campo coefs de la respuesta: 4x 1 10x 1 13 .
Representamos el polinomio con
Matlab:
>> xx=-1:0.2:1;
>> yy=spline(x,y,xx);
>> plot(x,y,*,xx,yy)
13
12
11
10
6
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
d) Utilizamos de nuevo la misma funcin de Matlab, spline, aadiendo las dos

condiciones del spline completo:
13
>> x=[-1 0 1];
>> y=[13 7 9];
12
>> xx=-1:0.2:1;
>> zz=spline(x,[-5 y 5],xx);
>> plot(x,y,*,xx,zz)
11
10
6
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
2.- Se quiere construir la lnea fronteriza entre dos poblaciones a partir de los datos que
figuran en la siguiente tabla:
xi
yi
25
34
72
115
92
71
65
a) Calcular el polinomio de interpolacin que pasa por todos los puntos. Hallar la
ordenada del punto de abscisa 2.5. Representar los datos junto al polinomio que
los interpola, que definira la frontera entre las poblaciones.
b) Utilizar un spline no nodo para perfilar la frontera. Hallar la ordenada del punto
de la misma de abscisa 2.5. Representar los datos junto al spline que los interpola
en la misma ventana de dibujo que el apartado a).
c) Utilizar un spline natural para perfilar la curva de separacin entre las
poblaciones.
Solucin
a)
>> x=[0:7];
>> y=[0 25 34 72 115 92 71 65];
>> polyfit(x,y,7)
ans =
Columns 1 through 6
-0.1079 2.4944 -22.1222 93.9861 -195.3722 181.5194
Columns 7 through 8
-35.3976 -0.0000
>> polyval(ans,2.5)
ans = 47.3867
>> % obien:
>> p=polyfit(x,y,7);
>> polyval(p,2.5)
ans = 47.3867
>> % Dibujo:
>> hold on
>> xx=0:0.2:7;
>> yy=polyval(p,xx);
>> plot(x,y,'*',xx,yy)
120
100
80
60
40
20
-20
b)
>> % Spline no nodo
>> x=[0:7];
>> y=[0 25 34 72 115 92 71 65];
>> ppval(spline(x,y),2.5)
ans = 48.8484
>> % o bien:
>> spline(x,y,2.5)
ans = 48.8484
>> % Dibujo:
>> xx=0:0.2:7;
>> zz=spline(x,y,xx);
>> plot(x,y,'*',xx,zz)
120
100
80
60
40
20
-20
>> hold off

c) Utilizar un spline natural para perfilar la curva de separacin entre poblaciones.
n = 7, r0 = S(0) = 0,
r7 = S(7) = 0.
Sistema tridiagonal para calcular ri, = S(xi) , i = 1, , 6:
h0 h1
3
h1
6
h1
6
h1 h2
3
h2
6
0
h2
6
h2 h3
3
h3
6
0
0
h3
6
h3 h4
3
h4
6
0
h0
0 r e1 e0 6 r0
1
r
e2 e1
e3 e2
r3
r
e4 e3
e5 e4
r5
h5 r
h
6
e6 e5 r7
6
6
h5 h6
3
0
0
h4
6
h4 h5
3
h5
6
h i x i 1 x i = 1, i = 0, , 6.
ei
y i 1 y i
, i = 0, , 6
x i 1 x i
xi
yi
25
34
72
115
92
71
65
ei
25
38
43
-23
-21
-6
2
3
1
6
1
6
2
3
1
6
0
1
6
2
3
1
6
1
6
2
3
1
6
0
0
0
0
1
0
1
6
2
3
1
6
r1
r2
r3
r4
r5
r6
6
2
r1
16
r2
29
5
r3

r4
66
2
r5
r6
15
96

174
30

396
12

90
r1 3 5 .6 1 2 5
r 4 6 .4 5 0 0
r3 2 3 .8 1 2 4

r4 1 1 1 .6 9 9 8
r5 2 6 .9 8 6 6
r6 1 5 .7 5 3 3
A partir de las derivadas segundas se calculan los coeficientes del spline:
ai
ri 1 ri
r
y yi ri 1 ri
h i , d i y i , i = 0, , 6
, b i i , ci i 1
hi
6h i
2
6 3
tales que Si x a i x x i b i x x i c i x x i d i , x x i , x i 1 ,
3
i = 0, , 6.
Se obtiene el spline:
S0 x 5.9354 x 3 30.9354 x
S1 x 13.6771 x 1 17.8063 x 1 13.1292 x 1 25

3
S 2 x 3.7729 x 2 23.2250 x 2 18.5479 x 2 34

3
S3 x 22.5854 x 3 11.9062 x 3 53.6791 x 3 72

3
S 4 x 23.1144 x 4 55.8499 x 4 9.7355 x 4 115

3
S5 x 1.8722 x 5 13.4933 x 5 32.6211 x 5 92

3
S6 x 2.6256 x 6 7.8767 x 6 11.2511 x 6 71

3
3.- Un robot debe tomar un objeto situado en la posicin 1 y dejarlo en la posicin 6 del
recinto esquematizado en la figura. Para ello recorre una trayectoria definida por los
puntos de la tabla, que tratan de evitar los obstculos del recinto.
Paso
La trayectoria se obtiene interpolando los

puntos dados x k , y k mediante funciones p y q
tales que (p(t), q(t)) es la posicin del brazo en el instante t 0,1 y (p(tk), q(tk)) =
x k , y k , siendo tk = 0.2 k, k = 0,1,,5. Representar grficamente la trayectoria obtenida
si p y q son:
a) Los polinomios de interpolacin de t k , x k y t k , y k , respectivamente.
b) Splines no nodo.
c) Splines tales que la velocidad inicial y final del robot es 0.
d) Splines tales que la aceleracin inicial y final del robot es 0.
Solucin
a)
>> %Interpolamos las abscisas:
>> t=0:0.2:1;
>> x=[1 1 4 4 7 7];
>> p=polyfit(t,x,5)
p=
1.0e+003 *
-0.6250 1.5625 -1.3750 0.5000 -0.0565 0.0010
>> %Interpolamos las ordenadas:
>> y=[1 4 4 1 1 4];
>> q=polyfit(t,y,5)
q=
-312.5000 781.2500 -625.0000 156.2500 3.0000 1.0000
>> %Representamos conjuntamente la trayectoria:
>> tt=0:0.01:1;
>> xx=polyval(p,tt);
>> yy=polyval(q,tt);
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
-1
b)
>> % Splines no nodo

>> tt=0:0.01:1;
>> xx=spline(t,x,tt);
>> yy=spline(t,y,tt);
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
-1
c)
>> % El interpolante pedido es el spline completo o de frontera sujeta
>> %en el que la derivada primera en los extremos es nula.
>> %Se obtiene con la orden "spline", aadiendo los valores de la
>> %derivada al vector de imgenes".
>> tt=0:0.01:1;
>> xx=spline(t,[0 x 0],tt);
>> yy=spline(t,[0 y 0],tt);
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
d) El spline pedido es el spline natural cuya derivada segunda se anula en los extremos
del intervalo.
Para calcularlo hay que resolver un sistema tridiagonal del tipo al utilizado en el ejercicio
2 apartado c). Saldra una grfica muy similar a la del spline completo.
En el caso a) la trayectoria se sale de los lmites del recinto.
El spline no nodo roza ligeramente las paredes del recinto.

Los splines con condiciones sobre la primera (spline completo) o segunda derivada (spline
natural) en los extremos se comportan mucho mejor, quedando alejados en todo momento de
los bordes y los obstculos del recinto.
x
f (x)
-17
f (x)
-15
a) Hallar el polinomio de Lagrange que interpola estos datos.

b) Hallar el polinomio de Hermite que interpola estos datos.
c) Representar los dos polinomios anteriores y comentar el resultado.
Solucin
a) El polinomio de Lagrange que interpola estos tres datos puede hallarse:
1) Con Matlab:
>> x=[0 1 3];
>> y=[1 5 -17];
>> polyfit(x,y,2)
ans = -5.0000 9.0000 1.0000 ( coeficientes del polinomio)
El polinomio pedido es:

P(x) = 5 x2+ 9 x + 1
2) A mano:
P(x) = L0(x) f(x0)+ L1(x) f(x1)+ L2(x) f(x2) =
( x x 0 )( x x 1 )
( x x 0 )( x x 2 )
( x x 1 )( x x 2 )
y0
y1
y2
( x 0 x 1 )( x 0 x 2 )
( x 1 x 0 )( x 1 x 2 )
( x 2 x 0 )( x 2 x 1 )
( x 0)( x 1)
( x 1)( x 3)
( x 0)( x 3)
1
5
(17)
(0 1)(0 3)
(1 0)(1 3)
(3 0)(3 1)
= 5 x2+ 9 x + 1
b) Polinomio de Hermite:
Su grado es 2 n + 1 = 5
H(x) = a0 + a1 (xz0) + a2 (xz0)(xz1) + a3 (xz0) (xz1) (xz2) + a4 (xz0) (xz1) (xz2) (xz3) +
+ a5 (xz0) (xz1) (xz2) (xz3)(xz4)
f(z)
1 dif. divididas
2 dif. divididas
z0=x0=0
f(z0)=f(x0)=1
z1=x0=0
f(z1)=f(x0)=1
f[z0, z1]=f '(x0)=3
z2=x1=1
f(z2)=f(x1)=5
f[z1, z2]=4
f[z0, z1, z2]=1
z3=x1=1
f(z3)=f(x1)=5
f[z2, z3]=f '(x1)=5
f[z1, z2, z3]=1
f[z0, z1, z2, z3]=0
z4=x2=3
f(z4)=f(x2)=-17
f[z3, z4]=-11
f[z2, z3, z4]=-8
f[z1, z2, z3, z4]=-3
f[z0, z1, z2, z3, z4]= 1
z5=x2=3
f(z5)=f(x2)=-17
f[z4, z5]=f '(x2)=-15
f[z3, z4, z5]=-2
f[z2, z3, z4, z5]=3
f[z1, z2, z3, z4, z5]=2
3 dif. divididas
4 dif. divididas
5 dif. divididas
f[z0, , z5]=1
Obtenindose los coeficientes: a0 = 1, a1 = 3, a2 = 1, a3 = 0, a4 = 1, a5 = 1, de donde:
H(x) = 1 + 3 x + x2 - x2 (x-1)2 + x2 (x-1)2 (x-3) = x5 6x4 + 9x3 3x2 + 3x + 1
c) Grfico de ambos polinomios:
>> x=[0 1 3];

>> y=[1 5 -17];
>> polyfit(x,y,2)
ans =
-5.0000 9.0000 1.0000
10
>> xx=[0:0.1:3];
>> yy=polyval(ans,xx);
>> hold on
-5
-10
>> H=[1 -6 9 -3 3 1];

-15
>> polyval(H,xx);
>> zz=polyval(H,xx);
-20
0.5
1.5
2.5
>> plot(x,y,'*',xx,zz,'- -')
La curva en trazo continuo corresponde a la grfica del polinomio de Lagrange. La de trazo

discontinuo a la del polinomio de Hermite.
Ambas curvas pasan por los puntos (xi, f(xi)) dados; pero, el polinomio de Hermite cumple
adems en cada uno de los tres nodos que H(xi) = f (xi), con lo que tiene en comn con la
funcin la pendiente de la recta tangente en esos puntos y, por tanto, la forma de la grfica es
ms parecida; H(x) es una mejor aproximacin de la funcin.
5.- Se consideran los valores de la funcin y = arc tg x en los nodos x = -3, -2, , 2, 3.
a) Interpolar estos puntos mediante un spline cbico cuya derivada primera en los
extremos coincida con la derivada primera de la funcin.
b) Hallar el spline que pasa por dichos puntos y tiene derivada tercera en los nodos -2 y
2 (es decir, las dos primeras piezas del spline son el mismo polinomio, al igual que las
dos ltimas).
c) Compara ambas aproximaciones.
Solucin
a) El interpolante pedido en este apartado es el spline completo, que se obtiene con la
orden spline de Matlab, aadiendo a las ordenadas los valores de la derivada de la

funcin en los nodos inicial y final.
1
y' ( x )
y' (3) 0.1, y' (3) 0.1
1 x2
x0
x1
-3
-2
>> x=-3:3;
>> y=atan(x);
>> ps=spline(x,[0.1 y 0.1]);
x2
x3
x4
x5
x6
-1
Los coeficientes de cada pieza del spline estn dados en la siguiente matriz:
>> ps.coefs
ans =
-0.0011 0.0430 0.1000 -1.2490
0.0994 0.0397 0.1827 -1.1071
-0.1126 0.3378 0.5602 -0.7854
-0.1126 -0.0000 0.8980
0
0.0994 -0.3378 0.5602 0.7854
-0.0011 -0.0397 0.1827 1.1071
Dibujamos la funcin (trazo continuo rojo) y el polinomio segmentario (trazo discontinuo
verde):
1.5
>> xx=-3:0.1:3;
0.5
>> yy=ppval(ps,xx);
0
>> plot(x,y,'*',xx,atan(xx))
>> hold on
>> plot(x,y,'*',xx,yy,'--')
-0.5
-1
-1.5
-3
-2
-1
b) Se trata de calcular el spline no nodo, con la funcin spline de Matlab:
>> psnn=spline(x,y);
Los coeficientes de cada pieza del spline estn dados en la siguiente matriz:
>> psnn.coefs
ans =
0.0784
0.0784
-0.1084
-0.1084
0.0784
0.0784
-0.1454 0.2089
0.0899 0.1534
0.3253 0.5686
0 0.8938
-0.3253 0.5686
-0.0899 0.1534
-1.2490
-1.1071
-0.7854
0
0.7854
1.1071
Dibujamos la funcin (trazo continuo rojo) y el spline no nodo (trazo discontinuo verde):
>> xx=-3:0.1:3;
>> plot(x,y,'*',xx,atan(xx))
>> hold on
>> yynn=ppval(psnn,xx);
>> plot(x,y,'*',xx,yynn,'--')
1.5
0.5
-0.5
-1
-1.5
-3
-2
-1
c) Diferencia entre la funcin y cada uno de los interpoladores (trazo continuo la
diferencia con el spline no nodo y discontinuo con el completo):

0.04
>> xx=-3:0.1:3;
>> dif1=atan(xx)-ppval(ps,xx);
>> dif2=atan(xx)-ppval(psnn,xx);
>> plot(xx,dif1,':');hold on
0.03
0.02
0.01
0
>> plot(xx,dif2)
-0.01
Se observa en la figura que la
-0.02
diferencia mxima con ambos
-0.03
splines es muy similar. El spline
-0.04
-3
-2
-1
completo se adapta mejor en el

sentido de que en las piezas extremas tiene la misma convexidad que la funcin.
6.- La tabla siguiente refleja la demanda de energa elctrica en Espaa cada dos horas
de un da de invierno.
Hora
MW
Hora
MW
10
12
31250 28000 26000 26000 34000 37500 38000

14
16
18
20
22
24
35500 34500 38500 39500 36500 33000
a) Hallar el polinomio de grado 12 que interpola los valores dados. Analizar 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. Representar los polinomios
obtenidos y comparar el resultado con el del apartado anterior.
c) Interpolar los datos con un spline cbico y comparar con los ajustes anteriores.
Solucin
a) Utilizamos la funcin polyfit de Matlab:
>> h=[0:2:24];
>> MW=[31250 28000 26000 26000 34000 37500 38000 35500 34500 38500 39500 36500
33000];
>> p=polyfit(h,MW,12)
Avisa Matlab:
Warning: Polynomial is badly conditioned. Add points with distinct X values, reduce the
degree of the polynomial, or try centering and scaling as described in HELP POLYFIT. In
polyfit at 80.
Ocurre que los coeficientes del polinomio buscado varan mucho en magnitud unos de otros:
>> format long
>> p=polyfit(h,MW,12)
Warning: Polynomial is badly conditioned. Add points with distinct X
values, reduce the
degree of the polynomial, or try centering and scaling as described in HELP POLYFIT. In
polyfit at 80
p=
1.0e+005 *
Columns 1 through 2
0.000000000003194 -0.000000000491669
Columns 3 through 4
0.000000033422949 -0.000001320675776
Columns 5 through 6
0.000033588279532 -0.000574933611469
Columns 7 through 8
0.006723751451460 -0.053355005873978
Columns 9 through 10
0.278829344344224 -0.901583331723715
Columns 11 through 12
1.596506887689424 -1.162227227277939
Column 13
0.312500000735327
Efectivamente se obtiene un polinomio cuyos coeficientes varan mucho de escala:

p(t) = 3.19446 10 7 x 12 4.91669 10 5 x 11 0.00334229 x 10 0.132068 x 9 3.35883 x 8
57.4934 x 7 672.375 x 6 5335.5 x 5 27882.9 x 4 90158.3 x 3 159651 x 2 116223 x 31250

Lo dibujamos junto con los nodos:
>> hh=0:0.1:24;
>> MMW=polyval(p,hh);
>> plot(h,MW,'*',hh,MMW)
x 10
3.5
3
2.5
2
1.5
1
0.5
0
10
15
20
25
Presenta oscilaciones en los

extremos del intervalo, particularmente en el izquierdo, como se observa en la figura.
b) Interpolamos dos polinomios dividiendo el intervalo por la mitad:
>> p1=polyfit(h(1:7),MW(1:7),6)
p1 =
1.0e+004 *
Columns 1 through 3
0.000122070312500 -0.004280598958333 0.055240885416664
Columns 4 through 6
-0.321158854166649 0.848958333333274 -0.953124999999938
Column 7
3.125000000000038
>> p2=polyfit(h(7:13),MW(7:13),6)
Warning: Polynomial is badly conditioned. Add points with distinct X
values, reduce the degree of the polynomial, or try centering
and scaling as described in HELP POLYFIT.
> In polyfit at 80
p2 =
1.0e+007 *
Columns 1 through 3
-0.000000045572917 0.000005130208333 -0.000237499999996
Columns 4 through 6
0.005780208333237 -0.077911770832061 0.550972083324486
Column 7
-1.592449999974678
Hacemos la grfica con Matlab:
>> hh1=0:0.1:12;
>> MMW1=polyval(p1,hh1);
>> hh2=12:0.1:24;
4
3.8
3.6
>> MMW2=polyval(p2,hh2);
3.4
>>
3.2
plot(h,MW,'*',hh1,MMW1,':',hh2,
x 10
MMW2,'-')
2.8
Los sistemas a resolver en este caso
2.6
no son tan mal condicionados.
2.4
10
15
20
Casualmente la unin de los dos

subintervalos es suave.
c) Ajustemos un polinomio segmentario cbico:
Al tratarse de datos experimentales no tenemos informacin acerca de las derivadas, por lo

que utilizamos un spline no nodo.
>> ps=spline(h,MW);
>> s=ps.coefs
s=
1.0e+004 *
Columns 1 through 3
-0.004723596507750 0.043966579046499 -0.231538772061998
25
-0.004723596507750 0.015625000000000 -0.112355613969001
0.032992982538749 -0.012716579046499 -0.106538772061998
-0.052248333647246 0.185241316185995 0.238510702216994
0.019750352050235 -0.128248685697481 0.352495963194022
-0.008003074553693 -0.009746573396072 0.076505445006917
0.012261946164539 -0.057765020718232 -0.058517743221691
0.015205289895539 0.015806656269000 -0.142434472120155
-0.029333105746693 0.107038395642232 0.103255631702309
0.002127133091235 -0.068960238837929 0.179411945310917
0.008324573381753 -0.056197440290518 -0.070903412945976
0.008324573381753 -0.006250000000000 -0.195798293527012
Column 4
3.125000000000000
2.800000000000000
2.600000000000000
2.600000000000000
3.400000000000000
3.750000000000000
3.800000000000000
3.550000000000000
3.450000000000000
3.850000000000000
3.950000000000000
3.650000000000000
>> MWs=ppval(ps,hh);
x 10
>> plot(h,MW,'*',hh,MWs)
>>
3.5
2.5
0
10
15
20
25
Los coeficientes del spline estn mejor escalados que los del polinomio y la grfica sugiere
una evolucin ms razonable de la demanda elctrica.
7.- Dada la tabla de valores (funciones de Bessel):
x
f (x)
x0
1
0.7651977
x1
1.3
0.620086
x2
1.6
0.4554022
x3
1.9
0.2818186
x4
2.2
0.11036
a) Comparar las aproximaciones de f(1.5) utilizando polinomios de interpolacin de

grado 1, 2, 3 y 4. b) Sabiendo que f(1.5) = 0.5118277, con qu polinomio se ha obtenido
la mejor aproximacin?
Solucin
a) Polinomio de interpolacin de grado1: p1
Como 1.5 se encuentra entre los nodos x1 y x2, utilizamos stos para la interpolacin
lineal:
>> format long
>> x=[1.3 1.6];
>> y=[0.620086 0.4554022];
>> p1=polyfit(x,y,1) p1 = -0.548946000000001 1.333715800000002
>> polyval(p1,1.5)
ans = 0.510296800000000
Polinomio de interpolacin de grado 2.
Con los nodos x0 , x1 y x2: p2a
>> x=[1 1.3 1.6];
>> y=[0.7651977 0.620086 0.4554022];
>> p2a=polyfit(x,y,2)
p2a = -0.108733888888888 -0.233617722222224 1.107549311111114
>> polyval(p2a,1.5)
ans = 0.512471477777778
Con los nodos x1 , x2 y x3: p2b

>> x=[1.3 1.6 1.9];
>> y=[0.620086 0.4554022 0.2818186];
>> p2b=polyfit(x,y,2) P2b = -0.049443333333334 -0.405560333333330
1.230873666666664
>> polyval(p2b,1.5)
ans = 0.511285666666667
Polinomio de interpolacin de grado 3. Con los nodos x0, x1 , x2 y x3: p3a
>> x=[1 1.3 1.6 1.9];
>> y=[0.7651977 0.620086 0.4554022 0.2818186];
>> p3a=polyfit(x,y,3)
P3a = 0.065878395061728 -0.365659629629624
0.094456685185174 0.970522249382723
>> polyval(p3a,1.5)
ans = 0.511812693827161
Polinomio de interpolacin de grado 3. Con los nodos x1 , x2 , x3 y x4: p3b
>> x=[1.3 1.6 1.9 2.2];
>> y=[0.620086 0.4554022 0.2818186 0.11036];
>> p3b=polyfit(x,y,3)
P3b = 0.068054320987657 -0.376104074074088
0.110971962962986 0.961922990123445
>> polyval(p3b,1.5)
ans = 0.511830101234568
Polinomio de interpolacin de grado 4: p4
>> x=[1 1.3 1.6 1.9 2.2];
>> y=[0.7651977 0.620086 0.4554022 0.2818186 0.11036];
>> p4=polyfit(x,y,4)
= 0.001813271604944 0.055361419753045 -0.343193194444342
0.073527904320876 0.977688298765476
>> polyval(p6,1.5)
ans = 0.511819946913580
b)
Sabiendo que f(1.5) = 0.5118277, los errores reales cometidos han sido:
Con p1:
>> abs(0.7848-0.5118277)
ans = 0.272972300000000
Con p2a:
>> abs(0.512471477777778-0.5118277)
ans = 6.437777777780207e-004 = 0.000643777777778
Con p2b:
>> abs(0.511285666666667-0.5118277)
ans = 5.420333333330252e-004 = 0.000542033333333
Con p3a:
>> abs(0.511812693827161-0.5118277)
ans = 1.500617283900496e-005 = 0.000015006172839
Con p3b:
>> abs(0.511830101234568-0.5118277)
ans = 2.401234567961375e-006 = 0.000002401234568
Con p4:
>> abs(0.511819946913580-0.5118277)
ans = 7.753086419981514e-006 = 0.000007753086420
Por tanto, la mejor aproximacin es p3b(1.5) con el polinomio de grado 3. Si no se hubiera

conocido el valor real de f(1.5), se hubiera aceptado p4(1.5) como mejor aproximacin.
Spline
Sean t0 < t1 < . . . < tn, n+1 puntos (denominados nodos) y k un nmero natural. Una
funcin spline de grado k con nodos t0, t1, . . . , tn es una funcin S que satisface las
siguientes condiciones:
a) en cada intervalo [ti-1, ti], S es un polinomio de grado menor o igual a k,
b) S tiene una derivada de orden (k-1) continua en [t0, t1]
Por consiguiente S es un polinomio continuo a trozos de grado a lo sumo k, que tiene
derivadas continuas hasta el orden k-1.
Nodo
Cada valor de la abscisa xi de los puntos usados en interpolacin.
Interpolacin
Obtencin del valor aproximado de una magnitud o una funcin en un intervalo cuando
se conocen algunos de los valores que toma a uno y otro lado de dicho intervalo.
Polinomio interpolador de Lagrange
Dados x0, x1, . . . , xn nmeros reales distintos entre s, y valores arbitrarios y0, y1, . . . ,
yn, existe un nico polinomio P(x) de grado menor o igual que n tal que P(xi) = yi (i =
0, . . . , n).
Interpolacin de Newton
Al Polinomio de Lagrange obtenido por Diferencias divididas se le conoce con el
nombre de frmula de diferencias divididas interpolante de Newton.
n
Pn ( x) f ( x0 ) f [ x0 , x1 ,..., xk ]( x x0 )( x x1 )...( x xk 1 )
k 1
Siendo las Diferencias divididas
f [ x0 , x1 ,..., xk ]
f [ x1 , xk ] f [ x0 , xk 1 ]
xk x0
Interpolacin de Hermite
Sea una funcin, f, con derivada continua en [a, b] y si x0, x1, . . . , xn son valores
distintos del intervalo [a,b] , existe un nico polinomio de grado a lo sumo 2n+1, y se
denota H2n+1(x), tal que:
H2n+1(xi) = f(xi), H2n+1(xi) = f (xi), i = 0, . . . , n.
H2n+1(x) es el polinomio de Hermite de grado 2n+1.
Matricestridiagonales
En diversas aplicaciones nos encontramos con sistemas Ax=z donde A es cuadrada y sus
elementossontodosnulosexceptolosdeladiagonalprincipalyalgunasdelasparalelasadicha
diagonal.Estasmatricessedenominanmatricesbanda.
Uncasoparticulardematricesbandasonlasmatricestridiagonales.
Sellamamatriztridiagonalalasmatricesdelaformasiguiente:
a11
a 21
0
A

0
a12
a 22
a32
0
0
0
a 23
a33
0
0
0
0
0
a n 1,n 1
a n ,n 1
a n 1,n
a n ,n
0
0
0
Para este tipo de matrices hay algoritmos de factorizacin que simplifican el nmero de
operaciones a realizar, aprovechando la gran cantidad de ceros que aparecen siguiendo
patrones regulares. Estos mtodos son preferibles frente a los que no tienen en cuenta la
tridiagonalidaddelamatriz.

Interpolacion

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Interpolacion

Diunggah oleh

Hak Cipta:

Format Tersedia

Interpolacin Polinmica

1.- Dada la tabla de valores:

La trayectoria se obtiene interpolando los

tales que (p(t), q(t)) es la posicin del brazo en

Asignatura: Mtodos Matemticos 1

a) Hallar el polinomio de Lagrange que interpola estos datos.

31250 28000 26000 26000 34000 37500 38000

35500 34500 38500 39500 36500 33000

a) Hallar el polinomio de grado 12 que interpola los valores dados. Analizar el

Asignatura: Mtodos Matemticos 2

a) Comparar las aproximaciones de f(1.5) utilizando polinomios de interpolacin de

Asignatura: Mtodos Matemticos 3

Imponemos las 4n - 2 = 6 condiciones para que sea un spline cbico:

S 0 ' ' 0 6a 0 2b 0 S1 ' ' 0 2b1

Adems, por tratarse de un spline natural, ha de verificarse:

S1 ' ' 1 6a 1 2b1 0

Asignatura: Mtodos Matemticos 4

Asignatura: Mtodos Matemticos 5

d) Utilizamos de nuevo la misma funcin de Matlab, spline, aadiendo las dos

Asignatura: Mtodos Matemticos 6

Asignatura: Mtodos Matemticos 7

>> hold off

Sistema tridiagonal para calcular ri, = S(xi) , i = 1, , 6:

Asignatura: Mtodos Matemticos 8

Asignatura: Mtodos Matemticos 9

S1 x 13.6771 x 1 17.8063 x 1 13.1292 x 1 25

S 2 x 3.7729 x 2 23.2250 x 2 18.5479 x 2 34

S3 x 22.5854 x 3 11.9062 x 3 53.6791 x 3 72

S 4 x 23.1144 x 4 55.8499 x 4 9.7355 x 4 115

S5 x 1.8722 x 5 13.4933 x 5 32.6211 x 5 92

S6 x 2.6256 x 6 7.8767 x 6 11.2511 x 6 71

Asignatura: Mtodos Matemticos 10

La trayectoria se obtiene interpolando los

Asignatura: Mtodos Matemticos 11

>> % Splines no nodo

Asignatura: Mtodos Matemticos 12

El spline no nodo roza ligeramente las paredes del recinto.

Asignatura: Mtodos Matemticos 13

a) Hallar el polinomio de Lagrange que interpola estos datos.

El polinomio pedido es:

P(x) = L0(x) f(x0)+ L1(x) f(x1)+ L2(x) f(x2) =

Asignatura: Mtodos Matemticos 14

f[z0, z1]=f '(x0)=3

f[z0, z1, z2]=1

f[z2, z3]=f '(x1)=5

f[z1, z2, z3]=1

f[z0, z1, z2, z3]=0

f[z2, z3, z4]=-8

f[z1, z2, z3, z4]=-3

f[z0, z1, z2, z3, z4]= 1

f[z4, z5]=f '(x2)=-15

f[z3, z4, z5]=-2

f[z2, z3, z4, z5]=3

f[z1, z2, z3, z4, z5]=2

Asignatura: Mtodos Matemticos 15

c) Grfico de ambos polinomios:

>> x=[0 1 3];

>> H=[1 -6 9 -3 3 1];

>> plot(x,y,'*',xx,zz,'- -')

La curva en trazo continuo corresponde a la grfica del polinomio de Lagrange. La de trazo

Asignatura: Mtodos Matemticos 16

orden spline de Matlab, aadiendo a las ordenadas los valores de la derivada de la

Asignatura: Mtodos Matemticos 17

c) Diferencia entre la funcin y cada uno de los interpoladores (trazo continuo la