MTODOS NUMRICOS

TAREA 1

SEBASTIN CANALES
FRANCO MONTIEL
ALEJANDRA MUOZ














PROFESOR: JOAQUIN MURA
AYUDANTES: HERNAN MELLA FELIPE GALARCE


Fecha: 10 septiembre 2014


1

NDICE






1. INTRODUCCIN 2
2. OBJETIVOS 3
3. CONTENIDO
3.1 EJERCICIO 1
3.1.1a Procedimiento 4
3.1.2a Resultados 5
3.1.1b Procedimiento 6
3.1.2b Resultados 6
3.2 EJERCICIO 2
3.2.1 Procedimiento 7
3.2.2 Resultados 9
3.3 EJERCICIO 3
3.3.1 Procedimiento 10
3.3.2 Resultados 13
4 CONCLUSIONES 15









2

1. INTRODUCCIN

En el presente informe se realizarn tres ejercicios acerca de los tpicos que se han visto en clases
en el curso de mtodos numricos.
En el primer ejercicio se aplica el tema de la aproximacin por mnimos cuadrados. Este mtodo
consiste en que dado un conjunto de datos ordenados y una familia de funciones, se intenta
encontrar una nica funcin continua dentro de dicha familia que mejor se aproxime a los datos,
de acuerdo al criterio de mnimo error cuadrtico. Para esto, se determinan los coeficientes de la
funcin que minimicen el error entre la funcin dada y los puntos entregados. Con programacin
en MATLAB se buscarn los coeficientes de las funciones que se entregan y se graficar cada
funcin para luego compararla con un grfico de los puntos dados.
El segundo problema tiene como base las normas matriciales, las cuales tienen como objetivo
cuantificar la cercana o lejana entre vectores y matrices.
Finalmente en el tercer y ltimo ejercicio se aplica la interpolacin. Interpolar puede tener dos
sentidos, conocer nuevos puntos a partir del conocimiento de un conjunto de nodos o aproximar
una funcin complicada por una ms simple. Existen varios tipos de interpolacin polinomial, uno
de ellos es la interpolacin por tramos con trazadores cbicos, a los polinomios generados se les
llama Spline Natural y Subpline de Akima. En este problema existirn veinte puntos y se trazarn
los polinomios cbicos descritos anteriormente con un algoritmo de desarrollo propio.













3

2. OBJETIVOS
Comprender los conceptos de:
Aproximacin polinomial mediante el mtodo de los mnimos cuadrados.
Normas matriciales.
Interpolacin polinomial con trazadores cbicos (spline natural y subspline de akima)
Analizar los contenidos para luego traspasarlos a algoritmos.
Realizar algoritmos en lenguaje computacional (MATLAB) que se ajusten a los contenidos vistos.
Comparar resultados proporcionados por los grficos obtenidos.
Concluir qu mtodos son ms apropiados para cada caso visto.

















4

3. CONTENIDO
3.1 EJERCICIO 1
Se proporciona un archivo de datos con una serie de puntos ordenados

. Se pide
encontrar los mejores parmetros {

} para las funciones:

(a)

(b)

Definidas en el rectngulo

3.1.1a Procedimiento
Para encontrar los mejores parmetros que se ajusten a la familia de funciones se utiliza el
mtodo de los mnimos cuadrados. Este mtodo consiste en encontrar una funcin que sea la
suma de los cuadrados de las diferencias (error de los mnimos cuadrados) entre los valores

dados y la familia de funciones

Para encontrar los parmetros, se necesita minimizar esta diferencia mediante el criterio de la
primera derivada. Se buscan las derivadas de la funcin con respecto a los coeficientes, ya que se
pretende encontrar el menor error con respecto a los parmetros.
Se obtiene, entonces:

Lo cual, se puede llevar a forma matricial:
(

)(

) = (

)
Este procedimiento se traspasa un algoritmo en el programa MATLAB, con la siguiente notacin:

5

Luego se invierte la matriz A y se multiplica por la matriz C, obtenindose los coeficientes de la
funcin dada.
3.1.2a Resultados
La funcin con los coeficientes encontrados es:

El grfico asociado a esta funcin se puede ver en la figura 1.



3.1.1a Procedimiento
Repitiendo el mismo procedimiento del punto anterior, se encuentra la siguiente funcin a
minimizar:

Siendo

Con la condicin de la primera derivada con respecto a los coeficientes:

Figura 1
6

Y se obtiene la siguiente matriz:

[

Se ingresan los datos al programa, se invierte la matriz A y finalmente se obtienen los coeficientes.

3.1.2a Resultados
La funcin con los coeficientes encontrados es:

El grfico asociado a esta funcin se puede ver en la figura 2.




Figura 2
7

Mientras que en la figura 3 se muestra la grfica asociada a los puntos dados.


Al comparar los grficos se puede inferir que la mejor funcin que aproxima los puntos dados es la
segunda ecuacin ya que al tener mayor grado existen ms coeficientes y ms continuidad, lo que
hace esta funcin flexible, suave y continua y puede ajustarse de mejor forma a los puntos
entregados disminuyendo el error entre ellos.

3.2 EJERCICIO 2
Se pide encontrar un criterio para comprobar grficamente con 100 matrices de tamao n x n, las
siguientes desigualdades matriciales:

3.2.1 Procedimiento
Se sabe que la norma matricial sobre el conjunto de todas las matrices de es una funcin de
valor real, ||||, definida en este conjunto y que satisface a todas las matrices A y B de y
todos los nmeros reales :
( ) 0; i A >
( ) 0 ii A = , si slo si A es 0, la matriz cuyos elementos son todos ceros;
Figura 3
8

( ) ; iii A A o o =
( ) ; iv A B A B + s +
( ) ; v AB A B s

La distancia entre matrices A y B de respecto a esta norma matricial es A B .
Sea || || es una norma vectorial en

, entonces se define como norma matricial a:

1 x
A mx Ax
=
= con
1 2
( , ,..., )
t
n
x x x x =

A las normas matriciales definidas por normas vectoriales se les llama norma matricial natural o
inducida asociada con la norma vectorial y estn definidas de la siguiente forma:

{

}

Existen diferentes normas que comnmente se denominan p-normas y se denotan como

.

En este problema se pide demostrar la desigualdad de dos tipos de normas matriciales, que
cumplen con la siguiente notacin:
1 x
A mx Ax

=
=

2
2 2
1 x
A mx Ax
=
=

Las cuales se pueden calculas de la siguiente manera, si A=

es una matriz de , entonces:

- En el caso de p=2, se le llama norma Frobenius o norma de Hilbert-Schmidt, la cual viene
definida:




- Para p=, es la mxima suma de todas las filas de la matriz:
1
1
n
ij
i n
j
A mx a

s s
=
=


2
1/ 2
1 1
( ( ) )
n n
t
ij
fro
i j
A tr A A a
= =
= =

9

- Para el caso de p=1, es la mxima suma de todas las columnas de la matriz:
1
1
1
n
ij
j n
i
A mx a
s s
=
=


Estos resultados se codificaron en MATLAB, obtenindose los siguientes resultados.

3.2.2 Resultados


Figura 4
Figura 5
10



Se puede observar que la desigualdad se cumple en las tres proposiciones.
En definitiva estas desigualdades indican la distancia que existe entre los vectores columnas y filas
con el conjunto de la matriz completa
3.3 EJERCICIO 3
Usando el script handdraw.m
2
genere 20 puntos y trazar una Spline Natural y una Subspline de
Akima generando un propio cdigo.
3.3.1 Procedimiento
Se carga el archivo en MATLAB obtenindose 20 puntos arbitrarios para luego utilizarlos en los
cdigos que se programaron.
Para encontrar la funcin spline natural con un conjunto de nodos

se define una
funcin

(*)
Siendo

(1)

(2)

(3)
El objetivo de los trazadores cbicos es encontrar una funcin continua (suave) y no oscilatoria en
todo su dominio, para ello se tienen que cumplir las siguientes condiciones en un sub-intervalo
[

] y considerando

tenemos:

Figura 6
11

-

, reemplazando en (1):

(4)
-

, reemplazando en (2):

(5)
-

, reemplazando en (3):

(6)
-

, lo que impica :

(7)

Reuniendo las relaciones (4),(5),(6) y (7) se puede construir un sistema de ecuaciones en forma
matricial de la siguiente forma:
Ax=B

[

Llevamos estos resultados a un algoritmo en lenguaje MATLAB; en el cual podemos invertir la
matriz A para obtener los coeficientes

.Los valores de

estn dados por el

espaciado de los nodos

. Mientras que los valores

se encuentran despejando de la
ecuacin (6) ste coeficiente. Y los valores de

se obtienen de la siguiente ecuacin:

La cual se consigue despejando

de la ecuacin (6) reemplazando en la ecuacin (4) para luego

despejar

12

Finalmente se reemplazan todos los coeficientes en la ecuacin (1) para despus encontrar la
funcin (*) mediante la sumatoria de todas las splines en los puntos provistos.
Existe otro tipo de funcin de trazadores cbicos que se denominan Subsplines, las cuales
consisten en polinomios de menor grado con alguna relajacin en sus restricciones con el objetivo
de disminuir an ms las oscilaciones.
La Subspline de Akima es un mtodo de interpolacin en que no se impone directamente la
segunda derivada. Para una serie de puntos

se tiene:

Donde

Se considera

Y se filtra el valor de

de la siguiente forma:

Cuando
y con un anlisis similar al problema de la Spline natural se encuentran los coeficientes:

Para los extremos se impone lo siguiente:

13

3.3.2 Resultados
Con el programa realizado en MATLAB se obtuvo el siguiente grfico con la funcin Spline natural
y Subspline de Akima:








Figura 7
14

Se grafic tambin con la funcin spline de MATLAB para comparar con los cdigos que se
realizaron. Figura n.



Realizando la comparacin entre los dos grficos se puede notar que la funcin Spline Natural es
la que ms se acerca a la grfica que arroj MATLAB, los puntos coinciden de mejor forma, se
aprecia que existen menos oscilaciones y los cambios de pendientes son menores, siendo sta mas
continua que la funcin Subspline de Akima. En todo caso, Akima tambin se aproxima bastante a
la los datos entregados.






Figura 8
15

4. CONCLUSIONES Y COMENTARIOS
Aproximacin mediante mnimos cuadrados:
La aproximacin mediante mnimos cuadrados tiene la ventaja de conceder mayor valor relativo a
los puntos que estn alejados con respecto a los otros datos pero no permite que dominen
enteramente la situacin. A medida que el polinomio es mayor este error se minimiza
obtenindose as una grfica ms acorde a los puntos dados disminuyendo en definitiva el error
total entre ellos y la funcin que se obtuvo dentro de la familia de funciones que se tena en un
principio.
Norma matricial:
Se pudo entender el concepto de distancia entre vectores con las desigualdades entre las normas
matriciales que indican la distancia entre los vectores columnas y filas con respecto la matriz.
Interpolacin con trazadores cbicos:
Se comprob que los trazadores cbicos son una buena forma de aproximar un conjunto de datos
a una funcin continua. Se pudo analizar que a pesar de que la Subspline de Akima necesita de
menos trabajo porque sus restricciones son menores, sta tiene mayor oscilacin y su curva es
menos suave que su antecesora Spline Natural.













16