Beruflich Dokumente
Kultur Dokumente
Concepto:
Supongamos que hay dos magnitudes x e y de los que se conocen n + 1 valores
relacionados {(x0, y0),(x1, y1), ··· ,(xn, yn)} , por ejemplo, datos obtenidos en una
experimentación. Con la condición xi 6= xj si i 6= j. Nos planteamos si existe una
función p tal que p (xk) = yk k = 0, ··· , n (1) es decir, queremos una función cuya
gráfica "pase" por los puntos del plano dados.
Si p verifica (1) diremos que p interpola los datos dados p es una función de
interpolación para los datos (xk, yk) , k = 0, ··· , n.
Este tipo de problemas suele darse cuando tenemos datos obtenidos por
experimentación y sabemos que hay una función f que rige el proceso pero que
desconocemos y queremos trabajar con una función alternativa p que represente
bien a esos datos de la muestra. Si f rige el proceso entonces f (xk) = yk luego
exigiremos a la función p ese mismo requisito, esto nos proporciona condiciones
que imponer a p con las que trataremos de obtenerla y una vez conseguido nos
permitiría conocer o predecir qué habría pasado en otros x en los que no se ha
experimentado.
Supongamos que existe la función f tal que f (xk) = yk , k = 0, ··· ,m. Caben varias
preguntas:
i) La función p que interpola los datos dados ¿ de qué tipo ha de ser? ¿Polinómica,
trigonométrica, racional,...? La respuesta vendrá dada por los datos yk.
•) Si se observa que los datos presentan periodicidad entonces buscaremos a p
dentro de la funciones trigonométricas.
•) Si los datos presentan asíntotas entonces p debería ser una función racional.
•) Si los yk presentan un comportamiento polinomial, entonces p se escogería de
tipo polinómico. Nos centraremos en cómo resolver este caso.
ii) Una vez escogido el tipo de función habrá que responder dos cuestiones, ¿existe
p del tipo escogido que interpole los datos dados? Y si existe, ¿es única?
iii) ¿Es la función polinómica escogida una buena aproximación de la función original
f en los puntos x que no son de la muestra?
Nota: entenderemos como función original la que rige el experimento y de la cual
sólo sabemos qué pasa en los n+1 puntos de la muestra.
Vamos a hacer el estudio contestando a estas cuestiones suponiendo que la función
p es una función polinómica.
3.1. Interpolación lineal.
Veamos los pasos que tenemos que seguir para hallar la recta de regresión:
1º. Dados los puntos de la función (x1, y1) y (x2, y2), queremos estimar el valor de
la función en un punto x en el intervalo x1<x<x2.
Y despejando y, obtenemos:
Como no conocemos la función mediante la que se han obtenido los datos, vamos
a utilizar la interpolación lineal.
a) Cuando x=4, vamos a utilizar los datos que nos proporciona la tabla x1=3 y x2=5,
cuyos valores respectivos son f(x1)=10 y f(x2)=14.
Utilizando la fórmula de interpolación mencionada, sustituimos los valores que
mencionados obteniendo:
Sustituyendo el valor de x que nos piden: x=4, (recordar que los datos vienen dados
en miles de euros) obtenemos el valor de ingresos esperado:
Por tanto, si hay un gasto de 4000 euros se obtendrán unos ingresos de 12000€.
b) De forma análoga al apartado anterior, en este caso tenemos que repetir la
interpolación, ya que ahora el valor que nos piden es x=6 (no os olvidéis que los
datos están dados en miles de euros), y esta valor está entre 5<x<7. En este caso
sustituiremos en la fórmula x1=5 y y2=7, cuyos valores respectivos son f(x1)=y1=14
y f(x2)=y2=22. Obtenemos por tanto la siguiente fórmula:
Por tanto, si el gasto es de 6000 euros, los ingresos obtenidos serán de 18000
euros.
Donde
for i=1:np1
z=ones(size(xi));
for j=1:np1
end
fi=fi+z*f(i);
end return;
Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un
total de (N-1) funciones, haciéndolas pasar obligatoriamente por los puntos que van
a determinarlas, es decir, la función P(x) será el conjunto de segmentos que unen
nodos consecutivos; es por ello que nuestra función será continua en dichos puntos,
pero no derivable en general.
Ejemplo= Interpolar con splines f(x)=1/x, en los puntos en los que x valen 1 2 y 4.
f(1) = 1
f(2) = 0.5
f(4) = 0.25
El primer segmento P1(x) = ax + b deberá unir los primeros dos puntos de
coordenadas (1,1) y (0.5,2). Surge un sistema lineal de dos ecuaciones en dos
incógnitas:
(1) 1=a+b
(2) 0.5=2a+b
De (1) se obtiene: a=1-b (3)
En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una
nueva condición para cada punto común a dos intervalos, respecto a la derivada
segunda:
Que las partes de la función a trozos P(x) pasen por ese punto. Es decir, que las
dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno
de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la función
definida a trozos que pasa por tal punto común.
Que la derivada segunda en un punto siempre coincida para ambos "lados" de la
función definida a trozos que pasa por tal punto común.
Como puede deducirse al compararlo con el caso de splines cuadráticos, ahora no
nos va a faltar una sino dos ecuaciones (condiciones) para el número de incógnitas
que tenemos.
La forma de solucionar esto, determina el carácter de los splines cúbicos. Así,
podemos usar:
Splines cúbicos naturales: La forma más típica. La derivada segunda de P se hace
0 para el primer y último punto sobre el que está definido el conjunto de Splines,
esto son, los puntos m y n en el intervalo [m,n].
Dar los valores de la derivada segunda de m y n de forma "manual", en el conjunto
de splines definidos en el intervalo [m,n].
Hacer iguales los valores de la derivada segunda de m y n en el conjunto de splines
definidos en el intervalo [m,n]
Splines cúbicos sujetos: La derivada primera de P debe tener el mismo valor que
las derivada primera de la función para el primer y último punto sobre el que está
definido el conjunto de Splines, esto son, los puntos m y n en el intervalo [m,n].
Derive permite al profesor construir ejemplos para ilustrar conceptos y métodos, así
como proponer problemas reales.