Metodos Numericos

INSTITUTO TECNOLOGICO DE OAXACA
INGENIERIA CIVIL
METODOS NUMERICOS
CATEDRTICO: GARCIA ARECHIGA BENITO TRABAJO DE INVESTIGACION:
INTERPOLACION Y APROXIMACION
FELIPE ULISES AQUINO JIMENEZ
OAXACA, OAX.
2011
INTRODUCCION
En muchas ocasiones se desea ejecutar un proceso, P, sobre una funcin f, para obtener P(f). Procesos comunes pueden ser: evaluar la funcin en un punto, encontrar sus ceros, calcular la integral en un intervalo, etc. Puede ocurrir que la funcin y/o sus derivadas solamente sean conocidas en algunos puntos o nodos o, simplemente, que su expresin analtica sea sucientemente complicada para realizar el mencionado proceso. Este problema se puede resolver sustituyendo la funcin (f) por otra funcin (g) sucientemente sencilla que imite a la anterior en algn sentido; para ello es preciso matizar los dos detalles siguientes: 1) Hay que jar un conjunto C que pertenece a la funcin g. 2) Establecer rigurosamente el criterio de aproximacin a f. Entonces, se habla de un problema de interpolacin en el caso de que se exija que los valores de la funcin f (y posiblemente de sus derivadas) coincidan con los de la funcin buscada g en algunos nodos.
CONTENIDO
INTERPOLACION DE LAGRANGE
En mtodos numricos, el polinomio de Lagrange, llamado as en honor a Joseph-Louis de Lagrange, es el polinomio que interpola un conjunto de puntos dado en la forma de Lagrange. Fue descubierto por Edward Waring en 1779 y redescubierto ms tarde por Leonhard Euler en 1783. Este mtodo de interpolacin consiste en encontrar una funcin que pase a travs de n puntos dados. Un polinomio en series de potencias es g(x) = a0 + a1x + a2x2 + ... + anxn La formula de interpolacin de Lagrange de orden n es
g( x )
( x x 1 )(x x 2 )...(x x n ) f0 ( x 0 x 1 )(x 0 x 2 )...(x 0 x n ) ( x x 0 )(x x 2 )...(x x n ) f1 ( x 1 x 0 )(x 1 x 2 )...(x 1 x n ) ... ( x x 0 )(x x 1 )...(x x n 1 ) fn ( x n x 0 )(x n x 1 )...(x n x n 1 )
Ejemplo: Del siguiente conjunto de datos ajuste un polinomio con n = 3 puntos para el valor de x = 251
x
El valor a interpolar se encuentra entre estos valores
y 929 808 860 f(1) f(2) f(3)
X1 X2 X3
94 205 371
Y x) (
(251 205)( 251 371) 929 (94 205)(94 371) ( 251 94)( 251371 ) 808 (205 94)(205 371) ( 251 94)( 251 205 ) 860 (371 94)(371 205)
Y(251) = 794.443
TRAZADORES CUBICOS Trazadores cbicos sigue una idea diferente al polinomio de interpolacin; en lugar de pasar un polinomio nico por todos los puntos, pasa un polinomio cubico, llamado trazador cubico, por cada dos datos. Este trazador cbico tiene la siguiente forma:
As, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en consecuencia, 4n incgnitas a evaluar. Como con los trazadores cuadrticos, se requieren 4n condiciones para evaluar las incgnitas. stas son:
1. Los valores de la funcin deben ser iguales en los nodos interiores (2n 2 condiciones). 2. La primera y ltima funcin deben pasar a travs de los puntos extremos (2 condiciones) 3. Las primeras derivadas en los nodos interiores deben ser iguales (n 1 condiciones). 4. Las segundas derivadas en los nodos interiores deben ser iguales (n 1 condiciones). 5. Las segundas derivadas en los nodos extremos son cero (2 condiciones).
La interpretacin visual de la condicin 5 es que la funcin se vuelve una lnea recta en los nodos extremos. La especificacin de una condicin tal en los extremos nos lleva a lo que se denomina trazador natural. Se le da tal nombre debido a que los trazadores para el dibujo naturalmente se comportan en esta forma. Si el valor de la segunda derivada en los nodos extremos no es cero (es decir, existe alguna curvatura), es posible utilizar esta informacin de manera alternativa para tener las dos condiciones finales. Los cinco tipos de condiciones anteriores proporcionan el total de las 4n ecuaciones requeridas para encontrar los 4n coeficientes. Mientras es posible desarrollar trazadores cbicos de esta forma, presentaremos una tcnica alternativa que requiere la solucin de slo n 1 ecuaciones. Aunque la obtencin de este mtodo es un poco menos directo que el de los trazadores cuadrticos, la ganancia en eficiencia bien vale la pena. Para cada intervalo se tendr una ecuacin cubica como la siguiente:
Esta ecuacin contiene slo dos incgnitas (las segundas derivadas en los extremos de cada intervalo). Las incgnitas se evalan empleando la siguiente ecuacin:
Si se escribe esta ecuacin para todos los nodos interiores, resultan n 1 ecuaciones simultneas con n 1 incgnitas. (Recuerde que las segundas derivadas en los nodos extremos son cero.) Ejemplo: Deseamos interpolar mediante trazadores cbicos los siguientes datos para x =1.5:
Se plantea el siguiente sistema de ecuaciones:
Resolviendo obtenemos los valores de bi para i=1,2,3,, n+1.
Despus de obtener las bi podemos obtener los dems coeficientes:
Para realizar la interpolacin, encontramos en cul intervalo cae el valor x =1.5: cae en entre x2 y x3, por lo tanto, se aplica el trazador S2:
Evaluando para x =1.5, y tomando en cuenta que 1.5- X2=0.5
REGRESION POLINOMIAL
En estadstica, la regresin no lineal es un problema de inferencia para un modelo tipo: y = f(x,) + basado en datos multidimensionales x,y, donde f es alguna funcin no lineal respecto a algunos parmetros desconocidos . Como mnimo, se pretende obtener los valores de los parmetros asociados con la mejor curva de ajuste (habitualmente, con el mtodo de los mnimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadstica tales como intervalos de confianza para los parmetros as como pruebas de bondad de ajuste. El objetivo de la regresin no lineal se puede clarificar al considerar el caso de la regresin polinomial, la cual es mejor no tratar como un caso de regresin no lineal. Cuando la funcin f toma la forma: f(x) = ax2 + bx + c
la funcin f es no lineal en funcin de x pero lineal en funcin de los parmetros desconocidos a, b, yc
Algunas veces cuando la relacin entre las variables dependientes e independientes es no lineal, es til incluir trminos polinomiales para ayudar a explicar la variacin de nuestra variable dependiente. Las regresiones polinomiales se pueden ajustar la variable independiente con varios trminos
Ejemplo x2 y2 x 2y x3 x4
xy
1.2
3.4 4.08
1.44
11.56
4.896
1.728
2.0736
1.5
7.5
2.25
25
11.25
3.375
5.0625
16
4.1 12.3
16.81
36.9
27
81
3.7
18.5
13.69
25
68.45
50.653
187.4161
28
16
49
112
64
256
4.5
6.5 29.25
20.25
42.25
131.625
91.125
410.0625
20.9 36 106.63 67.63 182.62 376.121 246.881 958.6147
Usando una Matriz para calcular valores de los coeficientes
Usando el mtodo de Eliminacin de Gauss-Jordan
La ecuacin final que modela el sistema es

Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

Metodos Numericos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLOGICO DE OAXACA

CATEDRTICO: GARCIA ARECHIGA BENITO TRABAJO DE INVESTIGACION:

FELIPE ULISES AQUINO JIMENEZ

y 929 808 860 f(1) f(2) f(3)

Se plantea el siguiente sistema de ecuaciones:

Resolviendo obtenemos los valores de bi para i=1,2,3,, n+1.

Despus de obtener las bi podemos obtener los dems coeficientes:

Evaluando para x =1.5, y tomando en cuenta que 1.5- X2=0.5

la funcin f es no lineal en funcin de x pero lineal en funcin de los parmetros desconocidos a, b, yc

20.9 36 106.63 67.63 182.62 376.121 246.881 958.6147

Usando una Matriz para calcular valores de los coeficientes

Usando el mtodo de Eliminacin de Gauss-Jordan

La ecuacin final que modela el sistema es

También podría gustarte