MÉTODOS NUMÉRICOS (Octave)

Prof. María Zegarra Garay e -mail: maria_zegarra@hotmail.com

Prof. Elizabeth Puelles Bulnes e -mail: eliza_bulnes@hotmail.com

CONTENIDO:
Interpolación polinómica. Interpolación. Polinomio de Lagrange y Taylor.
Ajuste de Curvas. Interpolación iterada. Diferencias divididas de Newton.
 APROXIMACIÓN POLINOMIAL E INTERPOLACIÓN

 Interpolación y extrapolación.
 Polinomios de aproximación de Lagrange.
 Diferencias divididas.
IDEAS:
Cuando pensamos que dos magnitudes variables x e y, están relacionadas
por una función pero no conocemos su fórmula, es posible partir de los
datos conocidos que las relacionan (x0, y0), (x1, y1), (x2, y2) …. (xn, yn)
para calcular una función polinómica:

y = f (x)

que cumpla:

f(x0) = y0 , f(x1) = y1 , f(x2) = y2 ,…, f(xn) = yn .

2
Esta función f(x), cuya regla de correspondencia define al
Polinomio Interpolador, no es exactamente la función que
buscamos pues podría ser exponencial, logarítmica o de
cualquier otro tipo, pero sirve para calcular
aproximadamente otros valores desconocidos de las
variables, especialmente si se encuentran próximos a los
valores conocidos xi.

Entonces interpolar es utilizar el polinomio interpolador

para calcular valores desconocidos de la función que se
encuentran entre otros conocidos, y extrapolar es usar tal
polinomio para calcular valores fuera del intervalo de los
conocidos (es decir, usarlo con valores mayores que el más
grande de las xi conocidas, o menores que el más pequeño
de éstas). La interpolación es un método fiable para
calcular valores aproximados de la función desconocida,
pero la extrapolación puede dar resultados muy distintos de
los reales.
3
Interpolación de grado 0:
El caso más trivial es cuando solo conocemos un dato (x0,y0).
Podemos decir que la función desconocida es parecida a la función
constante f(x)=y0 (solo cerca de x0 ).
Interpolación Lineal, o de grado 1:
Si se conocen dos parejas de datos (x0,y0) y (x1,y1), se puede
calcular una función lineal (polinomio interpolador de grado 1).
f (x) = y = mx + n
que cumpla f(x0) = y0 , f(x1) = y1 . Su gráfica es una recta que pasa
por los puntos de coordenadas (x0, y0) y (x1, y1). Se deben calcular
los números m y n resolviendo el sistema

4
 y0=mx0+n , y1=mx1+n
por cualquier método, y sustituirlos en la fórmula de f(x). También es posible usar
la fórmula para calcular la pendiente de la recta dados dos puntos: m= y1−y0 /(x1−x0)
y sustituir su valor en la ecuación
y = m (x – x0 ) + y0.
Observación: Primero calculamos f(x) (Polinomio Interpolador) para luego interpolar
o extrapolar.

5
Ejemplo 1.
En un negocio recién abierto, la primera semana hubo 150 clientes que supusieron
unos ingresos de 3600 soles, y la segunda semana 200 clientes que supusieron
ingresos de 5600 soles.
a) Hallar la función de interpolación lineal que relaciona los
ingresos (y) con el número de clientes (x).
b) ¿Cuántos ingresos generarían 190 clientes?
c) ¿Cuántos clientes se necesitarían para generar 7000 soles de
ingresos?

6
Solución:
Tenemos dos parejas de datos clientes-ingresos ,
(x, y): (150, 3600) y (200, 5600).

a) Calculamos f (x) = y = mx + n

3600=150m+n 5600=200m+n
2000= 50m → m= 2000/ 50 =40
sustituyendo este valor,
3600=150⋅40+n → n=−2400
Por lo tanto,
f(x)=40 x−2400

b) Interpolando: f(190) = 40⋅190−2400 = 5200 .

Por lo tanto,
190 clientes supondrían unos ingresos de 5.200 soles.

7
c) f (x)=7000 → 40x − 2400 = 7000
→ x = 7000 + 2400 / 40 = 235

Por lo tanto, extrapolando, harían falta 235 clientes para generar unos ingresos de
7,000 soles.

Interpolación Cuadrática, o de grado 2:

Con tres pares de datos, (x0, y0), (x1, y1) y (x2, y2) es necesario calcular una
función cuadrática (cuya fórmula es un polinomio de segundo grado, con una
parábola por gráfica), esto es,

f (x) = y = ax2 + bx + c

para ello hay que hallar a, b y c resolviendo el sistema:

y0 = ax02 + bx0 + c, y1= ax12 + bx1 + c, y2 = ax22 + bx2 + c

8
y sustituir las soluciones en la fórmula de f(x). Entonces, se usa la función para
interpolar o extrapolar valores desconocidos.

Observación:
El sistema se simplifica mucho si uno de los xi es 0, porque entonces se obtiene
directamente c en la ecuación que corresponde a ese dato. Si los datos xi son años, es
recomendable suponer que el dato menor es el año 0, y el resto calcularlos en la nueva
escala temporal. En otro tipo de datos se debe valorar si conviene o no hacer el cambio
de variable que iguala a 0 uno de los datos (y cambian consecuentemente todos los
demás), porque es posible cometer errores de interpretación.

9
Ejercicio:

Solución:

10
11
12
Observación:

13
Interpolación de grado n :

14
15
Algunas consideraciones:

i)

a.-

b.-

c.-

16
i)

ii)

Nota:

17
Observación:
Por otra parte es evidente que la función interpoladora debe ser
fácil de evaluar, derivar e integrar, dependiendo del tipo de
funciones que se consideren, existen varios tipos de interpolación,
como se señaló anteriormente como pueden ser : polinómica,
trigonométrica, por funciones spline, racionales y exponenciales.
Trataremos en primer lugar la Interpolación de Lagrange que es
de tipo polinomial.
El siguiente resultado implica que existen polinomios que
se aproximan a cualquier función continua.

18
Codificación en Matlab
Sea polinomio 𝑃 𝑥 = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎1 𝑥 + 𝑎0
La sintaxis para P en Matlab es: p=[𝑎𝑛 , 𝑎𝑛−1 , … , 𝑎1 , 𝑎0 ]
Como ejemplo, escriba el polinomio: 5𝑥 4 − 3𝑥 2 + 6𝑥 − 7:
>>p=[5 0 -3 6 -7]

Funciones útiles para manejar polinomio:

polyval(pol,x): esta función permite evaluar x en el polinomio definido en el array pol.

roots(pol): calcula las raíces del polinomio definido en pol.

pol=conv(p1,p2): multiplica los polinomios p1 y p2 y lo asigna a pol.

[polq,polr]=deconv(pol1,pol2): es el proceso contrario a conv, efectúa la división de pol1

entre pol2, además debe cumplirse la relación:
pol1=pol2*pol+polr,
donde polr es el polinomio residuo.

19
p=poly(r): p es un polinomio que se obtiene a partir de sus raíces definidas en el array r.

pol=polyfit(datox,datoy,n): esta función construye un polinomio de grado n, dicho polinomio viene

definido por pol; la construcción de dicho polinomio es llevada a
cabo mediante la técnica de mínimos cuadrados empleando las
coordenadas (𝑥𝑖 , 𝑦𝑖 )

AJUSTE DE CURVAS

La aproximación por ajuste es una técnica diferente a la de interpolación, prevaleciendo en ella la

visualización estética en el sentido de que nuestro polinomio no oscile demasiado como podría
ocurrir con aquellas de características interpolantes, a la par que en el polinomio de aproximación
se emplea menos cálculo que en el ajuste.

Ejercicio: Dados los siguientes puntos: (0,18), (1,20), (2,12), (3,0), (4,-10), (5,-12), (6,0), (7,32),
(8,90), (9,180), (10,308). Efectúe un ajuste lineal y cuadrático mostrando las aproximaciones para
x=3.1 y x=3.75 empleando los polinomios involucrados, luego muestre las respectivas gráficas.
Solución:

20
datox=linspace(0,10,11);
datoy=[18,20,12,0,-10,-12,0,32,90,180,308];
tabla=[datox',datoy']
#polinomio de grado 1
poln1=polyfit(datox,datoy,1);
x=linspace(-4,14,100);
aproxpoln1=polyval(poln1,x);
#polinomio de grado 2
poln2=polyfit(datox,datoy,2);
x=linspace(-4,14,100);
aproxpoln2=polyval(poln2,x);
#GRAFICAS
plot(datox,datoy,'o')
hold on
plot(x,aproxpoln1,'r')
plot(x,aproxpoln2,'b')
#APROXIMACIONES
x1=3.1;
x2=3.75;
disp('Aproximaciones lineales:')
 y1=polyval(poln1,x1);
y2=polyval(poln1,x2);
[x1,y1;x2,y2]
plot(x1,y1,'*g',x2,y2,'*g')
disp('Aproximaciones Cuadraticas:');
y1=polyval(poln2,x1);
y2=polyval(poln2,x2);
[x1,y1;x2,y2]
plot(x1,y1,'*r',x2,y2,'*r')
legend('Coordenadas dato','Ajuste lineal',...
'Ajuste Cuadratico','Ajuste Lineal',...
'Para x1 y x2','Ajuste Cuadratico',...
'Para x2 y x2')
hold off

Los resultados son:

؅>> ajuste_lin_y_cuadrat Aproximaciones lineales:
ans =
tabla =
3.1000 16.5800
0 18 3.7500 30.7500
1 20
2 12 Aproximaciones Cuadraticas:
3 0 ans =
4 -10
5 -12 3.1000 -28.1500
6 0 3.7500 -28.3125
7 32
8 90 >>
9 180
10 308
Polinomio de Interpolación vía la Matriz de Vandermonde:

25
26
27
28
Teorema: (Unicidad del Polinomio Interpolador)

Demostración:

29
30
31
Ejemplo:
Sean los siguientes puntos: (2,5), (4,6), (5,3). Halle el polinomio
interpolador que incluya estos puntos usando la fórmula de
Lagrange.

32
Solución:

33
Verifique que este polinomio incluye a los 3 puntos dados.

Ejemplo:
Sean los siguientes puntos: (2,5), (4,6), (5,3). Usando la fórmula
de Lagrange, evalúe en x=3, el polinomio de interpolación que
incluye a estos 3 puntos dados.

34
35
36
Implementación Computacional

x, f : Puntos dato para la interpolación

v: Valor para interpolar, parámetro opcional

37
function [p] = lagrange(x, f, v)
n=length(x); %número de puntos dato
syms t; %variable simbólica para el polinomio: t
p=0;
for i=1:n
L=1;
for j=1:n
if i~=j
L=L*(t-x(j))/(x(i)-x(j)); %algoritmo Lagrange
end
end
p=p + L*f(i); % polinomio interpolador de Lagrange simbólico
end
p=expand(p); %simplificación algebraica
if nargin==3 %verifica si existe un parámetro adicional
t=v;
p=eval(p); %evaluación del Polinomio en un valor v
end

38
>> x=[2 4 5];
>> f=[5 6 3];
>> p=lagrange(x,f)
p=
(15*t)/2 - (7*t^2)/6 - 16/3
>> r=lagrange(x,f,4)
r=
6.0000
>> r=lagrange(x,f,4.25)
r=
5.4687
>> plot(x,f,'o'), grid on
>> hold on,
>> ezplot(p,[2,5])
>> plot(x,f,'o'), grid on
>> hold on,
>>ezplot(p,[2,5])

39
40
Ejemplo:
Sea la siguiente nube de datos(xdato,ydato):
xdato=[0 0.2 0.5 0.6 0.9 1]
ydato=[0 0.1987 0.4794 0.5646 0.7833 0.8415].

a)Use la interpolación de Lagrange para interpolar los valores x=0.3 y

0.71, analíticamente.

b)Verifique sus resultados implementando el algoritmo respectivo.

c)Las coordenadas (xdato,ydato) corresponden a la función sen(x),grafique

el polinomio interpolante de Lagrange, la función exacta sen(x) en el
intervalo [-π,π] y las coordenadas dato. Use títulos, textos, leyenda,
ejes, color y marcas.
Solución:
a) Se sabe: 𝑓(𝑥) ≈ 𝑝(𝑥)=σ𝑛𝑖=0 𝐿𝑖 (𝑥)𝑦𝑖

𝑥−𝑥𝑗
𝐿𝑖 𝑥 = ς𝑛𝑗≠𝑖,𝑗=0
𝑥𝑖 −𝑥𝑗
41
Calculando analíticamente los 𝐿𝑖 𝑥 : Ejercicio

42
b)
Función base para el Polinomio de Lagrange:
function y=fbaselag(x,i,nodos)
%x:valor en donde se interpolará
%y:valor aproximado según el polinomio interpolante
n=length(nodos)-1;
y=1;
for j=0:n
if i~=j
y=y.*(x-nodos(j+1))./(nodos(i+1)-nodos(j+1));
end
end

43
 Función para el Polinomio de Lagrange:

function y=plagrange(x,xdato,ydato)
n=length(xdato)-1; y=0;
for i=0:n
y= y + fbaselag(x,i,xdato).*ydato(i+1);
end
%disp(y)%evita escribir la funcion en la consola
end

En la consola de comandos:
>> plagrange(0.3) %salida cuando se le ha quitado el nombre: y , en la
0.2955 %primera linea del function.

>> plagrange(0.71)
0.6518

44
x=linspace(-pi,pi,50);
xdato=[0 0.2 0.5 0.6 0.9 1];
ydato=[0 0.1987 0.4794 0.5646 0.7833 0.8415];
y=plagrange(x,xdato,ydato);
plot(x,y,'--');
hold on
yexacta=sin(x);
plot(x,yexacta,'--k')
plot(xdato,ydato,'or')
hold off
legend('Pol. Interpolante: P(x)','Sol. Exacta:
Sen(x)','Coordenadas Dato:')
xlabel('X')
ylabel('Y')
text(-3,0,'Sen(x)')
text(-3.3,-1,'P(x)')
% title('{\color{red}Interpolacion via:}','{\color[rgb]{.3
.6 .1} El Polinomio de Lagrange}')
title({'{\color{red}Interpolacion via:}','{\color[rgb]{.3
.6 .1} El Polinomio de Lagrange}'})
45
c)

46
Ejercicio:
a) Use los nodos 2, 2.75, 4 para obtener analíticamente el segundo polinomio
de interpolación de Lagrange para f(x)=1/x.
b) Aproxime f(3)=1/3, usando la solución analítica del paso anterior.
Implemente la siguiente tabla, para 𝑥 ∈ 0,10 .

47
c) Complemente la parte (b), generando las gráficas de P(x) y f(x). Use las funciones
de implementación de gráficos (text, title, leyenda, etc).

Solución:
1 35 49
a) 𝑃 𝑥 = 𝑥2 − 𝑥+
22 88 44
b) y c)
clc;
x=0:0.2:10;
P=[1/22 -35/88 49/44];
Polx=polyval(P,x);
plot(x,Polx)
hold on
fx=1./x;
plot(x,fx,'r')
x1=3;
Polx1=polyval(P,x1) %Calcula: 𝑃 3 ≈ f(3) = 29/88 .
fprintf('==========================\n')
fprintf(' x P(x) f(x)=1/x\n')
fprintf('==========================\n')
fprintf('%1.1f %1.4f %1.4f \n', [x; Polx ; fx]);

48
fprintf('==========================\n')
axis square
text(0.1,0.8,'P(x)')
text(0.5,2.6,'f(x)')
xa=3;
y=1/xa;
plot(xa,y,'ok')
xe=3;
y=1/xe;
plot(xe,y,'.g')
text(2.7,0.6,'P(3) ~ f(3)')
legend('P(x)=(1/22)x^2-(35/88)x+(49/44)',
'f(x)=1/x','P(3)=0.3295','f(3)=0.3333')
title('{\color{blue}Interpolacion de 2o.grado de
Lagrange:}')

49
50
Verifique.

51
Ejercicio: Grafique ambas funciones en una misma ventana.

Solución:
x=linspace(0,2,100);
p=[1.4762 0.24204 1];
y=polyval(p,x);
plot(x,y);
z=exp(x);
hold on
plot(x,z,'r');
legend('p(x)= 1.4762x^2 + 0.2420x + 1','f(x)= exp(x)');
xlabel=('X');
ylabel=('Y');
grid on;
title('Aprox. de f(x)=exp(x) por un polinomio de 2o.grado')

Ejercicio: Incluya en el gráfico el polinomio Interpolador de

la matriz de Vandermonde .
52
53
54
55
56
57
58
59
60
61
62
63
Diferencias Finitas

64
Definiciones:

65
66
Ejemplo:
Tabule las diferencias finitas correspondientes a los siguientes datos
(1.0, 5), (1.5, 7), (2.0, 10), (2.5, 8).

Solución:

67
68
69
Demostración:

70
71
72
73
74
75
76
77
78
79
80
81