Clase N°3 MNumérico
-
Upload
aguilerita-catalina -
Category
Documents
-
view
215 -
download
0
description
Transcript of Clase N°3 MNumérico
-
Universidad Catolica del Maule Metodos NumericosFacultad de Ciencias Basicas Clase N6, 13 de Noviembre de 2014
Aproximaciones e Interpolacion de funciones
Interpolar una funcion f es encontrar otra funcion g (polinomio, racional, senodal, etc.) conciertas caractersticas que satisfaga:
g(xi) = f(xi), i = 0, ..., n.,
donde el conjunto de puntos S = {x0, x1, ..., xn} soporta la construccion de g y son conocidos(datos de un registro).
1.jpg
La funcion g es conocida como la funcion interpolante o de interpolacion de f y tiene porfinalidad aproximar f(x) para un x / S tal que:
f(x) g(x)
Def: Si x [x0, xn] diremos que estamos Interpolando sino estaremos Extrapolando.Ejemplo: Supongamos que conocemos los valores de f en x = 1, 2, 3, esto es:
i 0 1 2xi 1 2 3f(xi) 1 3 7
1
-
y queremos construir el polinomio de grado dos g(x) = ax2 + bx+ c con a, b, c R. Entoncesf(xi) = g(xi)
f(1) = 1 = a+ b+ cf(2) = 3 = 4a+ 2b+ cf(3) = 7 = 9a+ 3b+ c
, resolviendo el sistema de ecuaciones lineales de solucion unica a = 1, b = 1 y c = 1,obtenemos g(x) = x2 x + 1, el polinomio interpolante. As, podremos interpolar, porejemplo
g(1.5) = 1.75 f(1)o extrapolar
g(3.5) = 9.75 f(3)
Interpolacion PolinomialDada una funcion y = f(x) existe un unico polinomio interpolante de grado menor o iguala n, Pn(x) = anx
n + an1xn1 + ... + a1x + a0 tal que Pn(xi) = f(xi) para todo xi S. Enefecto, se tendra que
anxn0 + an1x
n10 + ...+ a1x0 + a0 = f(x0)
anxn1 + an1x
n11 + ...+ a1x1 + a0 = f(x1)
. .
. .anx
nn1 + an1x
n1n1 + ...+ a1xn1 + a0 = f(xn1)
anxnn + an1x
n1n + ...+ a1xn + a0 = f(xn)
o de forma equivalente el sistema matricial AX = Bxn0 x
n10 ... x0 1
xn1 xn11 ... x1 1
. ... .
. ... .xnn1 x
n1n1 ... xn1 1
xnn xn1n ... xn 1
anan1..a1a0
=
f(x0)f(x1)..f(xn1)f(xn)
donde A es un matriz con det(A) 6= 0 (conocida como matriz de Vandermonde) lo quejustifica que exista unica solucion.
Error de Interpolacion polinomialUna pregunta logica es pensar en el error que se comete al aproximar f por un polinomioPn en algun x R, esto es:
E(x) = |f(x) Pn(x)| ,luego, si f(x) es una funcion n+ 1 veces diferenciable entonces
E(x) = |f(x) Pn(x)| =f (n+1) (c)(n+ 1)!
|x x0| |x x1| ... |x xn|
2
-
donde c es un punto dentro del intervalo definido por x, x0, x1, ..., xn. Es decir, podemosacotar el error E(x) si obtenemos informacion sobre la n + 1 derivada en un intervalo Ideterminado por x, x0, x1, ..., xn y la acotamos por algun K > 0. Entonces sif (n+1) (c) K.
E(x) = |f(x) Pn(x)| = K(n+ 1)!
|x x0| |x x1| ... |x xn| .Ejemplo: Supongamos que queremos aproximar el valor de sen(1) y para ello interpolamos
la funcion f(x) = sen(x) por un polinomio en S ={
0,pi
4,pi
2
}. Luego construiremos un
polinomio de grado dos P2(x) = a2x2 + a1x+ a0 tal que
a2x20 + a1x0 + a0 = f(x0)
a2x21 + a1x1 + a0 = f(x1)
a2x22 + a1x2 + a0 = f(x2)
o de forma equivalente el sistema matricial AX = B x20 x0 1x21 x1 1x22 x2 1
a2a1a0
= f(x0)f(x1)
f(x2)
Luego det
x20 x0 1x21 x1 1x22 x2 1
= (x1 x2) (x0 x2) (x0 x1) 6= 0. Entonces tiene solucion unica
0 0 1(pi4
)2 pi4
1(pi2
)2 pi2
1
a2a1
a0
=
sen(0)
sen(pi
4)
sen(pi
2)
.
Matriz aumentada
0 0 1(pi
4
)2 pi4
1(pi2
)2 pi2
1
sin(0)
sin(pi
4)
sin(pi
2)
y solucion a2 = 0.335 75, a1 = 1. 164 ya0 = 0 entonces
P2(x) = 0.335 75x2 + 1. 164xEntonces sen(1) P2(1) = 0.828 25. Considerando quef (x) = | cos(x)| = 1 = Kel error
E(1) = |f(1) Pn(1)| = 16|1 0|
1 pi4
1 pi2
= 2. 041 6 102 < 101,es decir, hemos obtenido sen(1) con una cifra decimal exacta. Recordar que sen(1) =0.841 47.
3
-
Obs: Hemos visto que se puede plantear un sistema de n+ 1 ecuaciones y n+ 1 incognitaspara determinar Pn(x), pero existen otras formas de buscarlo sin un costo de calculos tanalto.
Interpolacion de Lagrange
Dada una funcion de valores reales f(x) y (n+ 1) valores distintos S = {x0, x1, ..., xn} existeexactamente un unico polinomio P (x) tal que:
1. Gr(P (x)) n2. P (xi) = f(xi), i = 0, 1, ..., n.
En efecto, para garantizar la existencia de P (x), consideremos la funcion:
gk (x) =n
i = 0i 6= k
(x xi) = (x x0) (x x1) (x xk1) (x xk+1) (x xn)
entonces se puede ver que:
i) Gr(gk (x)) = n ii) gk (xi) = 0 iii) gk (xk) 6= 0
por lo tanto podemos definir los polinomios
lk (x) =gk (x)
gk (xk)=
ni = 0i 6= k
(x xi)(xk xi)
y con ellos construir
P (x) =n
k=0
f(xk)lk (x) =n
k=0
f(xk)
n
i = 0i 6= k
(x xi)(xk xi)
que claramente satisface las condiciones pedidas. (Tarea). Para probar la unicidad deP (x),basta considerar el supuesto de la existencia de otro, llamemoslo Q(x) tal que
H(x) = P (x)Q(x)
entonces claramente el Gr(H) n y
H(xj) = P (xj)Q(xj) = f(xj) f(xj) = 0
para todo j = 1, ..., n
4
-
Obs: Polinomio de Lagrange soportado por S :
P (x) =n
k=0
f(xk)lk (x) =n
k=0
f(xk)
n
i = 0i 6= k
(x xi)(xk xi)
Ejercicios:
1. Considere n = 1 y n = 2, construya el polinomio interpolante de lagrange en cadacaso.
2. Construya el polinimio interpolante de la funcion f(x) = sen(pix) para S = {0, 1/6, 1/2}3. Estimar el error al calcular
115 por medio de un polinomio interpolante en los nodos
S = {100, 121, 144}
Intepolacion de NewtonDados n+ 1 datos de un registro
{(x0, f(x0)) , (x1, f(x1)) , ..., (xn, f(xn))}
con xk , k = 0, ..., n distintos para alguna f en I = [a, b] el polinomio N(x) de Gr(N) nque interpola a f, tambien se puede definir por:
N(x) = b0 + b1 (x x0) + b2 (x x0) (x x1) + ...+ bn (x x0) (x x1) ... (x xn1)
donde bk son valores a determinar.Dado que se debe satifacer
N(xk) = f(xk), k = 0, ..., n
podemos deducir
N(x0) = b0 = f(x0)
N(x1) = b0 + b1 (x1 x0) = f(x1) = b1 = f(x1) f(x0)(x1 x0)
N(x2) = b0 + b1 (x2 x0) + b2 (x2 x0) (x2 x1) = f(x2)
= b2 =f(x2) f(x0) f(x1) f(x0)
(x1 x0) (x2 x0)(x2 x0) (x2 x1)
5
-
y as sucesivamente para b3, ..., bn. Pero cabe hacer notar que introduciendo ceros convenientesy sumando, tenemos
b2 =
f(x2) f(x1) + f(x1) f(x0) f(x1) f(x0)(x1 x0) (x2 x0)
(x2 x0) (x2 x1)
b2 =
f(x2) f(x1)(x2 x1) +
f(x1) f(x0)(x2 x1)
f(x1) f(x0)(x1 x0)
(x2 x0)(x2 x1)
(x2 x0)
b2 =
f(x2) f(x1)(x2 x1)
f(x1) f(x0)(x1 x0)
((x2 x0)(x2 x1)
(x1 x0)(x2 x1)
)(x2 x0)
b2 =
f(x2) f(x1)(x2 x1)
f(x1) f(x0)(x1 x0)
(x2 x0)Obs: Lo anterior nos induce a determinar una escrita recursiva de los coeficientes bk esta esla notacion de diferencias divididas progresivas introducida por Newton:
1. D.dividida de orden cero de f con respecto a xk :
f [xk] = f (xk) ,k = 0, ..., n.
2. D.dividida de orden uno de f con respecto a xk, xk+1 :
f [xk, xk+1] =f [xk+1] f [xk]
(xk+1 xk) ,k = 0, ..., n 1.
3. D.dividida de orden dos de f con respecto a xk, xk+1, xk+1 :
f [xk, xk+1, xk+2] =f [xk+1, xk+2] f [xk, xk+1]
(xk+2 xk) ,k = 0, ..., n 2.
4. D.dividida de orden i-esimo de f con respecto a xk, xk+1, ..., xk+i :
f [xk, xk+1, ..., xk+i] =f [xk+1, ..., xk+i] f [xk, ..., xk+i1]
(xk+i xk) ,k = 0, ..., n i.
por lo tanto tenemos que
N(x) = f [x0] + f [x0, x1] (x x0) + f [x0, x1, x2] (x x0) (x x1) +...+ f [x0, .., xn] (x x0) ... (x xn1)
como la formula progresiva de Newton del polinomio interpolante.
6
-
Obs: La formula anterior se usa para interpolar un x mas cercano a x0 que a xn.Sinose puede usar la formula regresiva
N(x) = f [xn] + f [xn1, xn] (x xn) + f [xn2, xn1, xn] (x xn) (x xn1) +...+ f [x0, .., xn] (x xn) (x xn1) ... (x x1) .
Claramente estas dos formulas ofrecen ventajas repecto a Lagrange por su calculonumerico de coeficientes pero se necesita un orden y proligidad en su manejo.
Tarea: Demuestre que la formula progresiva de Newton para n+ 1 nodos satisface:
N(x) = Pi (x) = Pi1 (x) + f [x0, x1, .., xi] (x x0) (x x1) ... (x xi1)
con i = 2, 3, ..., n, donde los Pi (x) son polinomios interpolantes en construccion.
Tabla para calcular los coeficientes bk en N(x) (Prog. o Reg)
k xk d.d.0 d.d.1 d.d.2 . . d.d.n0 x0 f [x0] = b0 f [x0, x1] = b1 f [x0, x1, x2] = b2 . . f [x0, x1, ..., xn] = bn1 x1 f [x1] f [x1, x2] f [x1, x2, x3] . .2 x2 f [x2] f [x2, x3] f [x2, x3, x4] . .3 x3 f [x3] f [x3, x4] . .. . . . . . . .. . . . . . .n 1 xn1 f [xn1] f [xn1, xn]n xn f [xn]
Error de interpolacion de Newton
Como introduccion, sabemos que si f C1 ([x0, x1]) entonces el T.V.M asegura laexistencia de un (x0, x1) tal que
f () =f(x1) f (x0)
x1 x0 = f [x0, x1]
, luego su generalizacion para f Cn ([a, b]) y S = {x0, x1, ..., xn} [a, b] asegura laexistencia de un (a, b) tal que
f (n)() = f [x0, x1, ..., xn] .
Del error de Lagrange
E(x) = |f(x) P (x)| =f (n+1) ( (x))(n+ 1)!
|x x0| |x x1| ... |x xn|pero ahora P (x) = N(x) entonces
f(x) = N(x) +
f (n+1) ( (x))(n+ 1)! |x x0| |x x1| ... |x xn|
7
-
con (x) [a, b] . Ademas si usamos Newton con n+ 2 datos, esto es S {x}, tenemos
f(x) = N(x) + f [x0, x1, ..., xn, x] (x x0) (x x1) ... (x xn)
por lo tanto el error por newton es
E(x) = |f(x) P (x)| = f [x0, x1, ..., xn, x] (x x0) (x x1) ... (x xn)
Ejercicio: Dados los datos
x 2.0 2.2 2.4 2.6 2.8f(x) 0.5103757 0.5207843 0.5104147 0.4813306 0.4359160
aproximar f(2.1) y f(2.7) usando todos los datos por Newton y eligiendo la formulamas conveniente.
SOL:
Tabla para calcular los coeficientes bk en N(x) (Prog. o Reg)
k xk d.d.0 d.d.1 d.d.20 x0 = 2.0 f [x0] = 0.5103757 f [x0, x1] = 5. 204 3 102 f [x0, x1, x2] = 0.259 731 x1 = 2.2 f [x1] = 0.5207843 f [x1, x2] = 5. 184 8 102 f [x1, x2, x3] = 0.233 932 x2 = 2.4 f [x2] = 0.5104147 f [x2, x3] = 0.145 42 f [x2, x3, x4] = 0.204 133 x3 = 2.6 f [x3] = 0.4813306 f [x3, x4] = 0.227 074 x4 = 2.8 f [x4] = 0.4359160
d.d.3 d.d.4f [x0, ., x3] = 0.043 f [x0, ..,x4] = 8. 333 8 103f [x1, ., x4] = 4. 966 7 102
Entonces como x = 2.1 esta mas cerca de x0 usamos la formula progresiva:
N(x) = f [x0] + f [x0, x1] (x x0) + f [x0, x1, x2] (x x0) (x x1)+f [x0, x1, x2, x3] (x x0) (x x1) (x x2) + f [x0, x1, x2, x3, x4] (x x0) (x x1) (x x2) (x x3)
N(x) = (0.5103757) + (5. 204 3 102) (x 2.0) + (0.259 73) (x 2.0) (x 2.2)+ (0.043) (x 2.0) (x 2.2) (x 2.4) + (8. 333 8 103) (x 2.0) (x 2.2) (x 2.4) (x 2.6)
y al evaluar obtenemos N(2.1) = 0.518 29 f(2.1). Para determinar N(2.7) f(2.7)se debe usar la formula regresiva.
Ejercicio: Repita el ejercicio anterior anadiendo el punto (3.0, 0.4212145) .
Ejercicio: Sea
(x) =22pi
x0
et2
dt
y la tabla
8
-
x 1.0 1.1 1.2 1.3 1.4 1.5f(x) 0.8427 0.8802 0.9103 0.9340 0.9523 0.9661
.
Contruya por Newton y determine el valor aproximado de (1.43).
Mnimos Cuadrados
Dado n+ 1 puntosS = {(x0, y0) , (x1, y1) , ..., (xn, yn)}
con xi distintos, para i = 0, ..., n el Ajuste de Minmos Cuadrados o simplemente MinmosCuadrado, consiste en determinar una funcion:
f(x) =mj=0
ajfj (x) ,
que mejor ajuste a S, esto es reducir la suma total de errores cuadraticos, en cada observacion
Ek = f(xk) ykes decir,
nk=0
E2k =n
k=0
(f(xk) yk)2
se minmo. De forma equivalente esto se pude mirar como minimizar una funcion de variasvariables, esto es:
M(a0, a1, ..., am) =n
k=0
(mj=0
ajfj (xk) yk)2
entonces para queM alcance su minmo en un punto, es necesario que cada derivadaM
aj= 0,
para j = 0, ...,m. Lo que equivale a
nk=0
(mj=0
ajfj (xk) yk)fj (xk) = 0, j = 0, ...,m.
Si estamos en el caso que
f(x) = Pm(x) = a0 + a1x+ ...+ amxm,
con m < n, entoncesEk = Pm(xk) yk
es decir,n
k=0
E2k =n
k=0
(Pm(xk) yk)2
9
-
se minmo. De forma equivalente esto se pude mirar como minimizar una funcion de variasvariables, esto es:
M(a0, a1, ..., am) =n
k=0
(a0 + a1xk + ...+ amxmk yk)2 =
nk=0
(mj=0
ajxj yk
)2
entonces para queM alcance su minmo en un punto, es necesario que cada derivadaM
aj= 0,
para j = 0, ...,m. Lo que equivale a
nk=0
(mj=0
ajxjk yk
)xj = 0, j = 0, ..., n.
Ejemplo: Supongamos que tenemos n+ 1 puntosS = {(x0, y0) , (x1, y1) , ..., (xn, yn)}
y queremos determinarf(x) = P2(x) = a0 + a1x+ a2x
2,
que mejor ajuste a S, entonces debemos determinar a0, a1, a2. Formando
M(a0, a1, a2) =n
k=0
(a0 + a1xk + a2x
2k yk
)2=
nk=0
(2
j=0
ajxj yk
)2tenemos el sistema de ecuaciones lineales
M
a0= 2
nk=0
(a0 + a1xk + a2x2k yk) (1) = 0
M
a1= 2
nk=0
(a0 + a1xk + a2x2k yk) (xk) = 0
M
a2= 2
nk=0
(a0 + a1xk + a2x2k yk) (x2k) = 0
esto es, un sistema de 3 3
(n+ 1)a0 + a1n
k=0
xk + a2n
k=0
x2k =n
k=0
yk
a0n
k=0
xk + a1n
k=0
x2k + a2n
k=0
x3k =n
k=0
yk (xk)
a0n
k=0
x2k + a1n
k=0
x3k + a2n
k=0
x4k =n
k=0
yk (x2k)
Ejercicio: Determinar f(x) cuadratico por M.C. para los puntos
S = {(3, 3) , (0, 1) , (2, 1) , (4, 3)}
10
-
Resp:Sistema
353a2 + 45a1 + 29a0 = 7945a2 + 29a1 + 3a0 = 529a2 + 3a1 + 4a0 = 8
353 45 29 7945 29 3 529 3 4 8
, row echelon form:1 0 0 585
3278
0 1 0 6313278
0 0 1 13941639
Obs: Los minmos cuadrados se pueden usar tambien para aproximar S por funciones f(x)exponenciales y alometricas por medio de la linealizacion.
11