1. Introduccin
Una funcin p(x) definida en un intervalo [a, b] aproxima a una funcin
f (x) en el mismo intervalo si
1
1.1. Tipo de aproximacin
En la gran mayora de aplicaciones prcticas, se trabaja con espacios
de funciones de dimensin finita, y se expresa el aproximante p(x) como
combinacin lineal de los trminos de una base. De esta forma, una vez elegido
el espacio de funciones y el criterio de aproximacin, la determinacin del
aproximante p(x) se reduce a la obtencin de los coeficientes de combinacin
lineal.
Los espacios de funciones ms utilizados son los siguientes:
1. Polinomios n
X
p(x) = ai x i (2)
i=0
3. Funciones exponenciales
n
X
p(x) = ai exp(bi x) (4)
i=0
4. Funciones racionales Pn i
i=0 ai x
p(x) = Pm j
(5)
j=0 bj x
2
1.2. Criterios de aproximacin
Una vez definido el tipo de aproximacin, tres mtodos permiten escoger
las constantes que determinan el aproximante.
Interpolacin
Una vez fijados n + 1 puntos base {x0 , x1 , . . . , xn }, se exige que
Aproximacin mini-max
La idea es parecida a la aproximacin por mnimos cuadrados, pero se
trabaja con la norma L (norma del mximo), que se define como
3
en forma continua y como
en forma discreta.
El objetivo es, de nuevo, minimizar la distancia entre la funcin f (x) y el
aproximante p(x):
Teorema 1. Sea f (x) continua en [a, b]. Para cualquier > 0, existe un
entero n que depende de , n(), tal que
2. Interpolacin polinmica
Uno de los mtodos de aproximacin funcional es la interpolacin polin-
mica. Ntese que el nombre indica tanto el tipo de aproximacin (polinomios)
como el criterio de aproximacin (interpolacin).
4
Estructura de espacio vectorial de los polinomios
Sea Pn el conjunto de los polinomios de grado menor o igual a n. Este
conjunto tiene estructura de espacio vectorial. Esto significa que cualquier
polinomio de Pn puede escribirse como combinacin lineal de los elementos
de una base. De hecho, la forma habitual de escribir un polinomio,
n
X
pn (x) = ai x i = a0 + a1 x + a2 x 2 + an x n (14)
i=0
{1, x, x2 , . . . , xn } (15)
5
Desarrollo en serie de Taylor
Una funcin f (x) suficientemente continua puede aproximarse por un
polinomio p(x) en el entorno de un punto mediante un desarrollo en serie de
Taylor.
Si f (x) es de clase C n+1 (continua y con las n + 1 primeras derivadas
continuas) en el entorno de un punto x0 , puede expresarse como
con
0 (x x0 )2 00 (x x0 )n n)
pn (x) = f (x0 ) + (x x0 )f (x0 ) + f (x0 ) + + f (x0 )
2! n!
(18)
n+1
(x x0 )
Rn (x) = f n+1) ((x)) con [x0 , x] (19)
(n + 1)!
6
Demostracin
La demostracin es constructiva: adems de demostrar que el polinomio
existe y es nico, veremos un posible procedimiento para obtenerlo.
Para ello, resulta til expresar el polinomio pn (x) en la base trivial, ecua-
cin (14):
X n
pn (x) = aj x j
j=0
7
2.3. Interpolacin de Lagrange
En la interpolacin de Lagrange, el polinomio pn (x) se expresa como
n
X
pn (x) = ai Li (x) (23)
i=0
donde
{L0 (x), L1 (x), L2 (x), . . . , Ln (x)} (24)
es la base de polinomios de Lagrange, que enseguida definiremos.
Al imponer el criterio de interpolacin, se obtiene el sistema lineal
L0 (x0 ) L1 (x0 ) Ln (x0 ) a
0
f (x )
0
L0 (x1 ) L1 (x1 ) Ln (x0 )
a1 f (x1 )
= (25)
.. .. .. .. .. ..
. . . . .
.
L0 (xn ) L1 (xn ) Ln (xn ) an f (xn )
Li (xj ) = ij (26)
8
El resto de Lagrange
La ecuacin (19) proporciona el resto de Lagrange para el desarrollo en
serie de Taylor, en el que el polinomio aproximante se obtiene a partir del
valor de la funcin y sus n primeras derivadas en un mismo punto x0 .
Cmo es el resto de Lagrange para la interpolacin polinmica a partir
de n + 1 puntos?
Proposicin 1. Sea f (x) una funcin de clase C n+1 y sea pn (x) el polinomio
interpolador puro que verifica pn (xi ) = f (xi ) para i = 0, . . . , n. Sea Rn (x)
el error de pn (x) como aproximante de f (x), f (x) = pn (x) + Rn (x). Dicho
resto de Lagrange Rn (x) puede expresarse como
f n+1) ()
Rn (x) = L(x) (29)
(n + 1)!
con
[x0 , x1 , . . . , xn , x] (30)
Yn
L(x) = (x xi ) = (x x0 )(x x1 ) (x xn ) (31)
i=0
Demostracin
Comprobemos en primer lugar que la expresin (29) es vlida para los
puntos base de la interpolacin xi . Para ello, basta notar que L(xi ) = 0
(L(x) es precisamente un polinomio de grado n + 1 que tiene como ceros
los puntos base xi ) y, en consecuencia, Rn (xi ) = 0, tal como corresponde al
criterio de interpolacin, pn (xi ) = f (xi ).
Pasemos ahora al caso no trivial: x = x 6= xi . Empezaremos definiendo
una funcin auxiliar g(x) como
g(x) = f (x) pn (x) KL(x) (32)
Puesto que L(x) 6= 0, la constante K puede definirse de tal manera que
la funcin g(x) se anule en el punto x que estamos considerando:
f (x) pn (x)
g(x) = 0 K = (33)
L(x)
De esta forma, podemos asegurar que la funcin g(x) tiene, como mnimo,
n+2 ceros en el intervalo [x0 , x1 , . . . , xn , x] (es decir, el intervalo que contiene
a todos estos puntos): los n + 1 puntos base xi y el punto x.
Si aplicamos reiteradamente el teorema de Rolle, podemos asegurar que,
en el intervalo [x0 , x1 , . . . , xn , x], la funcin g 0 (x) tiene, como mnimo, n + 1
ceros; la funcin g 00 (x), n ceros; . . . ; la funcin g n+1) (x), un cero .
9
Recordando que pn (x) y L(x) son polinomios de grado n y n + 1 respec-
tivamente, la derivada n + 1-sima de g(x) es
f n+1) ()
g n+1) () = f n+1) () K(n + 1)! = 0 K = (35)
(n + 1)!
10
3. Aproximacin por mnimos cuadrados
3.1. Motivacin
En algunas aplicaciones, el criterio de interpolacin (polinmica o de otro
tipo) no resultar satisfactorio. Puede ocurrir, por ejemplo, que los datos
f (xi ) sean medidas experimentales afectadas por un cierto error inherente;
en ese caso, no tiene demasiado sentido exigir que la funcin aproximante
p(x) pase exactamente por unos puntos que contienen errores.
Por otra parte, al aumentar el nmero de puntos base xi , el polinomio
interpolador puro presenta muchas oscilaciones ya que aumenta su grado
n, y esto dificulta o impide su utilizacin en muchas aplicaciones: dibujo
por ordenador, clculo de derivadas, integracin numrica, etc. Resultar
preferible utilizar una funcin ms suave (por ejemplo, un polinomio de grado
m < n) y renunciar al criterio de interpolacin.
Comentemos, para terminar, una aplicacin muy habitual de la apro-
ximacin por mnimos cuadrados en la que se combinan estas dos ideas.
Supongamos que disponemos de un cierto modelo terico de un fenmeno f-
sico. Por ejemplo, una relacin cuadrtica entre la abscisa x y la ordenada y,
y = f (x) = ax2 +bx+c. Tenemos tambin medidas experimentales, (xi , f (xi ))
con i = 0, . . . , n. Nuestro objetivo es determinar el polinomio p2 (x) (es decir,
los coeficientes a, b y c) ptimo en el sentido de mnimos cuadrados. No nos
interesa obtener el polinomio interpolador puro pn (x) por tres motivos: (1)
los datos experimentales estn afectados por errores de medida y (2) pn (x)
presenta oscilaciones importantes que no se ajustan a la fsica del problema
que, segn hemos supuesto, (3) se describe mejor por un polinomio de grado
2.
Producto escalar
< , > es un producto escalar si es una forma bilineal simtrica y definida
positiva:
11
1. Linealidad: < f + g, h >= < f, h > + < g, h > para escalares ,
y funciones f , g y h cualesquiera.
2. Simetra: < f, g >=< g, f > para funciones f y g cualesquiera.
3. Definicin positiva: < f, f > 0; < f, f >= 0 f = 0
Norma
|| || es una norma si, para funciones f y g y escalar cualesquiera,
1. ||f || 0; ||f || = 0 f = 0
2. ||f || = ||||f ||
3. ||f + g|| ||f || + ||g||
Es importante observar que disponemos, tanto para el producto escalar
como para la correspondiente norma eucldea inducida, de dos versiones, la
continua y la discreta:
(R b
2 a
f (x)g(x)dx caso continuo
||f || =< f, f > con < f, g >= P n (37)
i=0 f (xi )g(xi ) caso discreto
En ambos casos, puede resultar til incluir una funcin de peso positiva
w(x) > 0 en la definicin del producto escalar:
(R b
a
w(x)f (x)g(x)dx caso continuo
< f, g >= P n (38)
i=0 wi f (xi )g(xi ) caso discreto
E = (||f (x) p(x)||)2 =< f (x) p(x), f (x) p(x) > (39)
es decir,
m
X
p(x) = ci i (x) (41)
i=0
12
As pues, determinar el aproximante p(x) se reduce a determinar los co-
rrespondientes coeficientes ci .
El anlisis de combinaciones no lineales de funciones de aproximacin es
considerablemente ms complejo y menos utilizado que el caso lineal que
tratamos aqu.
mn E(c0 , c1 , . . . , cm )
cRm+1
( m m
)
X X
= mn
m+1
< f (x) ci i (x), f (x) cj j (x) > (42)
cR
i=0 j=0
E =< f (x), f (x) > 2 < p(x), f (x) > + < p(x), p(x) > (44)
E
= 2 < i (x), f (x) > +2 < i (x), p(x) >= 0 para i = 0, . . . , m (45)
ci
Para la obtencin de las ecuaciones (44) y (45) se ha tenido en cuenta la
linealidad y la simetra del producto escalar.
La ecuacin (45) proporciona dos resultados de inters. En primer lugar,
13
proyeccin ortogonal (segn el producto escalar, continuo o discreto, de tra-
bajo) de la funcin f (x) sobre el espacio de aproximacin generado por las
funciones i (x).
En segundo lugar, expresando p(x) como combinacin lineal de las i (x)
llegamos a
m
X
< i (x), j (x) > cj =< (x), f (x) > para i = 0, . . . , m (47)
j=0
o, ms explcitamente, a
< 0 , 0 > < 0 , 1 >
< 0 , m > c 0
< 0 , f >
< 1 , 0 > < 1 , 1 >
< 1 , m > c1 < 1 , f >
=
.. .. .. .. .. ..
. . . . .
.
< m , 0 > < m , 1 > < m , m > cm < m , f >
(48)
Se trata de un sistema lineal de ecuaciones de orden m+1 cuyas incgnitas
son los coeficientes cj denominado ecuaciones normales.
Demostracin
Basta con comprobar que la matriz de las ecuaciones normales es regular
(en otras palabras, que el sistema lineal es compatible determinado). Para
ello, supondremos que la matriz es singular con funciones i (x) linealmente
independientes y llegaremos a una contradiccin.
Si la matriz es singular, el sistema lineal homogneo tiene soluciones dis-
tintas a la trivial,
m
X
< i , j > cj = 0 para i = 0, 1, . . . , m con algn cj 6= 0 (49)
j=0
14
Pm
Calculemos ahora la norma al cuadrado de la funcin j=0 cj j (x):
m
X
|| ci i (x)||2
i=0
m m m
" m #
X X X X
=< ci i (x), cj j (x) >= < i , j > cj ci = 0 (50)
i=0 j=0 i=0 j=0
| {z }
=0
La regresin lineal
Hasta ahora hemos discutido el criterio de aproximacin de mnimos cua-
drados, pero no hemos tratado el tipo de aproximacin, vanse los apartados
1.1 y 1.2.
Veamos un caso concreto de aproximacin por mnimos cuadrados: la
regresin lineal (ajuste de una recta a medidas experimentales). Corresponde
a elegir P1 (el espacio de polinomios de grado menor o igual que uno) como
espacio de aproximacin, la base trivial {0 (x) = 1, 1 (x) = x} y el producto
escalar discreto, ecuacin (37).
Las ecuaciones normales son, en este caso,
< 0 , 0 > < 0 , 1 > c0 < 0 , f >
=
< 1 , 0 > < 1 , 1 > c1 < 1 , f >
Pm Pm
m + 1 i=0 x i c 0 f (x i )
= Pm Pm 2 = Pmi=0 (51)
i=0 xi i=0 xi c1 i=0 xi f (xi )
15
Cuadro 1: Las matrices de Hilbert son muy mal condicionadas
Orden (m + 1) Nmero de condicin
2 1,9 101
3 5,2 102
5 4,8 105
10 1,6 1013
15 6,1 1020
16
que puede resolverse explcitamente, obteniendo los llamados coeficientes de
Fourier ci ,
< i , f >
ci = para i = 0, . . . , m (57)
< i , i >
Para los aproximantes y productos escalares ms habituales, las corres-
pondientes funciones ortogonales pueden encontrarse tabuladas en manuales
de frmulas matemticas o en la biblioteca de funciones de distintos paquetes
de software matemtico.
Si se trabaja con aproximacin polinmica y el producto escalar continuo
en el intervalo [1, 1], por ejemplo, las funciones ortogonales son los llama-
dos polinomios de Legendre; si el producto escalar es discreto con puntos
equiespaciados en el intervalo [1, 1], los polinomios de Gram.
17