METODOS NUMERICOS

UNIDAD 3 INTERPOLACION
En el subcampo matemtico del anlisis numrico, se denomina interpolacin a la
obtencin de nuevos puntos partiendo del conocimiento de un conjunto discreto de
puntos.
En ingeniera y algunas ciencias es frecuente disponer de un cierto nmero de
puntos obtenidos por muestreo o a partir de un experimento y pretender construir
una funcin que los ajuste.
Otro problema estrechamente ligado con el de la interpolacin es la aproximacin
de una funcin complicada por una ms simple. Si tenemos una funcin cuyo
clculo resulta costoso, podemos partir de un cierto nmero de sus valores e
interpolar dichos datos construyendo una funcin ms simple. En general, por
supuesto, no obtendremos los mismos valores evaluando la funcin obtenida que
si evaluamos la funcin original, si bien dependiendo de las caractersticas del
problema y del mtodo de interpolacin usado la ganancia en eficiencia puede
compensar el error cometido.
En todo caso, se trata de, a partir de n parejas de puntos (xk,yk), obtener una
funcin f que verifique

a la que se denomina funcin interpolante de dichos puntos. A los puntos xk se les

llama nodos. Algunas formas de interpolacin que se utilizan con frecuencia son la
interpolacin lineal, la interpolacin polinmica (de la cual la anterior es un caso
particular), la interpolacin por medio de spline o la interpolacin polinmica de
Hermite.

3.1 Interpolacin lineal.

La interpolacin consiste en hallar un dato dentro de un intervalo en el que

conocemos los valores en los extremos.

El problema general de la interpolacin se nos presenta cuando nos dan una

funcin de la cual solo conocemos una serie de puntos de la misma:
(x0, y0), (x1, y1),........., (xn, yn)
Se pide hallar el valor de un punto x (intermedio de x0 y xn) de esta funcin.
La interpolacin se dir lineal cuando slo se tomen dos puntos y cuadrtica
cuando se tomen tres.
Interpolacin lineal: consiste en evaluar el polinomio obtenido para estimar valores
de la funcin entre los dos puntos disponibles.

Para interpolar nmeros por ejemplo el valor de la funcin f(x) cuando y = 6,

necesitaremos una coordenada por encima y otra por debajo de y.
Por ejemplo al ver la imagen utilizamos la coordenada (8,8) y la coordenada (4,4),
para interpolar el valor de x cuando y vale 6 primero:
Nos paramos en la grfica cuando y=6, trazamos desde ese punto cuando y=6,
una lnea totalmente vertical que corte el eje x, el valor de x en el punto que se
corto el eje x, es el resultado de la interpolacin grfica.
Grfico Interpolacin Lineal

En la grfica se observa que la interpolacin lineal da como resultado una recta

que se ajusta a dos puntos dados, donde f(a) y f(b) son valores conocidos de f(x)
en x=a y x=b, estos puntos se aproximan a los resultados de la primera derivada
de la funcin.
Caractersticas:
Es la base para varios modelos numricos fundamentales. Al integrar la
funcin, se deduce el modelo de integracin llamado regla del trapecio.
Por la interpolacin lineal se obtiene una recta que se ajusta a dos datos
dados; es decir, mediante la ecuacin se puede conocer todos los valores
de f(x) que correspondan a los valores de x.
Entre ms pequeo es el intervalo entre los puntos, ms exacto ser la
aproximacin.
Ventajas:
la interpolacin lineal es rpida y fcil, ya que solamente se hace el clculo
de trayectoria de dos puntos.
A pesar que se puede producir errores de clculo entre intervalos, existe la
funcin de error que puede aproximar x a xn, que representara el punto
medio entre los dos puntos.
Entre ms pequeo sea el intervalo entre dos puntos, ms exacta ser la
aproximacin.
Desventajas:
La interpolacin lineal es rpida y sencilla, pero no muy precisa.
Si el comportamiento no corresponde al de una lnea recta los valores
calculados no son correctos.
Por interconectar dos puntos en lnea recta de un polinomio los resultados
no se ajustan con exactitud para calcular el punto medio entre los mismo,
por ello es ms efectivo el mtodo cuadrtico.
En ocasiones te encontrars que tienes una serie de datos tabulados, en los que
se presenta la relacin entre dos variables x, y y para las cuales necesitas
conocer el valor de y, para un determinado valor de x que precisamente no
aparece en la tabla en cuestin, pero que si est dentro del rango de valores de
referencia:

De esta forma, y con relacin a la figura anterior, si deseamos conocer el valor de

y, cuando x es igual a 2.5, tendramos que seleccionar dos pares de datos desde
la tabla, entre los cuales se encuentre el valor de 2.5 referido.
En este caso, los datos disponibles nos indican que tenemos que seleccionar los
pares de valores (x0=2, y0=3) y (x1=4, y1=6).
Con esto, podremos aplicar la frmula de Interpolacin Lineal:
yx y0 = x x0
y1 y0 = x1 x0
Y obtener el valor cuando x = 2.5:

En realidad la frmula de Interpolacin Lineal es la ecuacin de una recta y, por lo

tanto, estaremos suponiendo durante su aplicacin que la relacin entre x y y es
lineal.
Tambin se puede obtener la formula, utilizando tringulos semejantes,

que es una frmula de interpolacin lineal. La notacin f1(x) designa que ste es
un polinomio de interpolacin de primer grado. Adems de representar la
pendiente de la lnea que une los puntos, el trmino [f(x1) f(x0)] / (x1 x0) es una
aproximacin en diferencia dividida finita a la primer derivada.

3.2 Formula de interpolacin de Lagrange.

Vale decir que existen otros mtodos de Interpolacin, como la cuadrtica o la

cbica, pero la ms utilizada es la Interpolacin Lineal, siempre y cuando los
valores utilizados de x0, y x1 estn lo suficientemente cercanos entre s como para
aceptar el comportamiento lineal referido.
Cuando el polinomio que conviene es de 2 grado la interpolacin recibe el
nombre de cuadrtica. El polinomio interpolador es nico, luego como se
encuentre da igual., sin embargo, a veces los clculos son muy laboriosos y es
preferible utilizar un mtodo que otro.
Con frecuencia se tienen que estimar valores intermedios entre valores conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin
polinomial.
Recurdese que la frmula general de un polinomio de n-simo orden es:

Para n + 1 puntos, existe uno y slo un polinomio de n-simo orden o menor que
pasa a travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir
un polinomio de primer orden) que conecta dos puntos. El polinomio de
interpolacin consiste en determinar el nico polinomio de n-simo orden que se
5

ajusta a los n+1 puntos dados. Este polinomio proporciona una frmula para
calcular los valores intermedios.
Aunque existe uno y slo un polinomio de n-simo orden que se ajusta a los n+1
puntos, existen una gran variedad de frmulas matemticas mediante las cuales
se puede expresar este polinomio, entre ellos estn los polinomios de Newton y de
Lagrange.
La interpolacin de polinomios de Lagrange es simplemente una formulacin del
polinomio de Newton que evita el clculo por diferencias divididas.
Caractersticas:
Generalmente los puntos ms cercanos al punto desconocido, ejercen ms
influencia que los ms lejanos.
Se trata de utilizar igual nmero de puntos a un lado y al otro del punto
desconocido.
La distancia entre los diferentes puntos (x) (nodos) no necesariamente debe
ser la misma.
Ventajas:
Es el mtodo que permite resolver interpolacin polinomial sin resolver las
ecuaciones lineales.
Una ventaja de la interpolacin de Lagrange es que el mtodo no necesita
espaciados uniformemente en los valores de x.
El mtodo resulta ptimo para abordar diferentes problemas de
interpolacin.
Desventajas:
No siempre funciona correctamente con una gran cantidad de puntos. A
medida que crece el grado del polinomio interpolador, se percibe una
creciente variacin entre puntos.
La cantidad de clculos necesaria para una interpolacin en grande.
La evaluacin del error no es fcil.
Se puede expresar de manera concisa como:

La ecuacin se puede derivar de manera directa a partir del polinomio de Newton.

Sin embargo, el racional resaltado de la formulacin de Lagrange Li(x) se puede
captar de manera directa al darse cuenta que cada trmino ser 1 en x=xi y 0 en
todos los otros puntos de la muestra. De esa manera, cada producto Li(x)f(xi)
toma el valor de f(xi) en el punto de muestra xi. En consecuencia, la sumatoria de
todos los productos designados para la ecuacin es el nico polinomio de n-simo
orden que pasa de manera exacta a travs de todos los n+1 puntos.
Ejercicio: Use una interpolacin del polinomio de Lagrange de primer y segundo
orden para evaluar ln(2).
f(x0) = 0
x0 = 1
f(x1) = 1.386294
x1 = 4
x2 = 6
f(x2) = 1.701760
Solucin. El polinomio de primer orden se puede usar para obtener la estimacin
en x=2.

El valor de ln(2) = 0.6931472

Al incrementar el grado del polinomio de interpolacin de Lagrange, el valor
calculado se va aproximando al valor verdadero.
7

Ejercicio: Construir el polinomio interpolador por el mtodo de Lagrange, que pase

por los puntos: {(1,1.5), (2, 3.9), (3, 9), (4, 15)}.
Solucin: Sustituyendo se obtiene finalmente el polinomio interpolador:
L0(x)

L1(x)

L2(x)

L3(x)

f3(x) = f(x0) L0(x) + f(x1) L1(x) + f(x2) L2(x) + f(x3) L3(x)

f3(x) = 1.5 L0(x) + 3.9 L1(x) +9 L2(x) + 15 L3(x)
f3(x) = -0.3 x3 + 3.15 x2 4.95 x + 3.6
En resumen, para casos donde el orden del polinomio es desconocido, el mtodo
de Newton tiene ventajas en el conocimiento que proporciona el respecto al
comportamiento de las frmulas de diferente orden.
Cuando se ejecuta solo una interpolacin, las formulaciones de Lagrange y
Newton requieren un notable esfuerzo computacional. Sin embargo, la versin de
Lagrange es un poco ms fcil de programar. Debido a que no requiere de
clculos y almacenaje de diferencias divididas, la forma de Lagrange se usa a
menudo cuando el orden del polinomio es conoce a priori.

3.3 Mtodos de interpolacin hacia adelante y hacia atrs de Newton para

puntos equidistantes.

Grfica de aproximaciones
con
diferencias
finitas
divididas de la primera
derivada:
a) Hacia adelante,
b) hacia atrs y
c) centrales.

a) Formula de Newton o formula hacia adelante de Newton-Gregory..

Diferencias progresivas: Son llamadas diferencias hacia delante y que para toda
i=0,1,2,3...n y k=0,1,2,3...n, se definen como :
primeras diferencias : 1fi = fi+1 - fi
segundas diferencias : 2fi = 1fi+1 1fi
terceras diferencias : 3fi = 2fi+1 - 2fi
k- cimas diferencias kfi = k-1fi+1 - k-1fi
9

donde es el operador de diferencias progresivas

Consideramos la funcin tabular con espaciamiento h constante
x
f(x)
x0
f0
x1=x0+h
x1-x0=h
f1
x2=x0+2h
x2-x0=2h
f2

xk=x0+kh
xk-x0=kh
fk
xn=x0+nh
xn-x0=nh
fn

Como los denominadores de las diferencias dividas siempre van a ser kh,
k=1,2,,n, podemos definir las diferencias dividas:
0f0 = f0 = f(x0)
1f 0 = f 1 - f 0
nf0 = n-1fi+1 n-1fi
Pn(x0+ht)=0f0+1f0 t + 2f0 t(t-1)/2! + 3f0 t(t-1)(t-2)/3!+ nf0 t(t-1)(t-2)(t-n+1)/n!
Donde t = (x x0) / h

x = x0 + h t

h = (x x0) / t

Se puede escribir tambin:

A la frmula anterior se le llama frmula de diferencias divididas progresivas de

Newton y generalmente se utiliza cuando el valor x que se quiere aproximar se
encuentra ms cerca de x0 que de xn.
Ejercicio: En base a la funcin tabular que se muestra:
x
f(x)
0
-5
1
1
2
9
3
25
4
55
5
105
10

1) preparar la tabla de diferencias divididas progresivas de Newton:

2) hallar la funcin, teniendo como condiciones iniciales: x0 =1, f(x0)=1
Solucin:
1) tabla de diferencias divididas progresivas:
x

f(x) 1ras diferencias

0
1
2
3
4
5

-5
1
9
25
55
105

1f0=f1-f0=1-(-5) = 6
1f1=f2-f1=9-1 = 8
1
f2=f3-f2=25-9 = 16
1f3=f4-f3=55-25 = 30
1f4=f5-f4=105-55 = 50

2das diferencias

3ras diferencias

2f0=1f1-1f0=8-6 = 2
2f1=1f2-1f1=16-8 = 8
2
f2=1f3-1f2=30-16 = 14
2f3=1f4-1f3=50-30 = 20

Queda entonces la tabla de resultados:

x
f(x)
1f
0
-5
1
1
6
2
9
8
3
25
16
4
55
30
5
105
50
3
Por ser f constante, corresponde a un
polinomio exacto.

2f

3f0=2f1-2f0=8-2 = 6
3f1=2f2-2f1=14-8 = 6
3f2=2f3-2f2=20-14 = 6

3f

2
8
6
14
6
20
6
polinomio de tercer grado y es un

2) hallar la funcin explicita, teniendo como

f0=1, la tabla de resultado queda como:
2f
x
f(x)
1f
1
1
2
9
8
3
25
16
8
4
55
30
14
5
105
50
20

condiciones iniciales: x0 =1,

3f

6
6

Reemplazando en la ecuacin general :

Pn(x0+ht)=0f0+1f0 t + 2f0 t(t-1)/2! + 3f0 t(t-1)(t-2)/3!
dado que 0f0 = f0 = f(x0), 1f0=8, 2f0=8, 3f0=6:
Pn(x0+h t) = 1+8t+8t(t-1)/2!+6t(t-1)(t-2)/3!
Pn(x0+h t) = 1+8t+4t24t+t33t2+2t = t3+t2+6t+1 = t(t2+t+6)+1

11

x=x0+ht,

h = x1-x0 = 2-1 = 1, por tanto t=(xx0)/h = (x-1)/1 = x-1

Pn(x) = (x-1)((x-1)2+(x-1)+6)+1 = (x-1)(x2-2x+1+x-1+6)+1= (x-1)(x2-x+6)+1

Pn(x) = (x3-x2+6x-x2+x-6)+1
Pn(x) = x3-2x2+7x-5

b) Newton hacia atrs

Hacemos algo parecido al caso anterior, pero ahora resulta que:

0
fi = fi
1
fi = fi fi-1
n
fi = n-1fi n-1fi-1
El polinomio queda:
Pn(xn+ht)= 0fn+ 1fn t+ 2fnt(t+1)/2!+ 3fnt(t+1)(t+2)++ nfnt(t+1)(t+2)(t+n-1)/n!
Donde t = (x xn) / h

x = xn + h t

h = (x xn) / t

Se puede escribir tambin:

Esta frmula se conoce como frmula de diferencias divididas regresivas de
Newton y se utiliza cuando el valor x que se quiere aproximar se encuentra ms
cerca de xn que de x0.
Donde
es el operador de diferencias regresivas, ntese que el caso hacia
adelante usa fuertemente los datos de la primera fila de la tabla, y aqu del ltimo.
Esto puede convenir para reordenarlos si se sabe dnde estn los menos
confiables.
En la tabla de diferencias divididas, los coeficientes para la frmula
progresiva de Newton se encuentran en la diagonal (superior), y para la
frmula regresiva se encuentra en la diagonal (inferior).

12

Relacin entre diferencias hacia adelante y hacia atrs:

n
fj = nfj-1
Ejercicio: Aproximar (1.2) y (2.4) con los siguientes datos de la tabla y las
frmulas apropiadas de diferencias divididas
xi

1 1.5 2

2.5

f(xi) 1 0.8 0.65 0.55

Solucin:
Para aproximar (1.2) se usa la frmula de diferencias divididas progresivas, ya
que x=1.2 est ms cerca de x0=1 que de xn=2.5.
h=x1-x0=1.5-1=0.5
x=x0+ht
1.2 = 1+0.5 t
luego t = 0.4
Se construye la tabla de diferencias divididas progresivas:
x

f(x)

1ras diferencias

2das diferencias

1
1.5
2
2.5

1
0.8
0.65
0.55

1f0=f1-f0=0.8-1=-0.2
1f1=f2-f1=0.65-0.8=-0.15
1f2=f3-f2=0.55-0.65=-0.1

2f0=1f1-1f0=-0.15-(-0.2)=0.05
2f1=1f2-1f1=-0.1-(-0.15)=0.05

Pn(x0+ht) = 0f0 + 1f0 t + 2f0 t (t-1) / 2!

Pn(1.2) = 1+(-0.2)(0.4)+0.05(0.4)(0.4-1)/2! = 0.914
Para aproximar (2.4) se usa la frmula de diferencias divididas regresivas ya que
x=2.4 est ms cerca de xn = x3 = 2.5 que de x0 = 1
h=xn - xn-1=2.5 - 2=0.5
2.4 = 2.5 +0.5 t
luego t = - 0.2.
x=xn+ht
Se construye la tabla de diferencias divididas regresivas:
x

f(x)

1ras diferencias

2das diferencias

1
1.5
2
2.5

1
0.8
0.65
0.55

1f1=f1-f0=0.8-1=-0.2
f2=f2-f1=0.65-0.8=-0.15
1f3=f3-f2=0.55-0.65=-0.1

2f2=1f2-1f1=-0.15-(-0.2)=0.05
2f3=1f3-1f2=-0.1-(-0.15)=0.05

Pn(xn+h t) = 0fn+ 1fn t+ 2fn t(t+1)/2!

Pn(xn+h t) = 0.55+(-0.1)(-0.2)+0.05(-0.2)(-0.2+1)/2! = 0.55+0.02-.004 = 0.566

13

3.4 Aplicaciones de la interpolacin.

Ejercicio: Por un recibo de gas en el que se han consumido 10 m3 se han pagado

$50 y por 16 m3 se han pagado $71 Cunto habr que pagar por un consumo de
$15?
Solucin
Puntos uno (10, 50) y dos (16, 71), la frmula de interpolacin lineal queda:
y = y1 + (y2-y1)(x-x1)/(x2-x1)
y = 50 + (71-50)*(15-10)/(16-10) = 50 + 21*5/6 = $67.50

Ejercicio: Apliquemos esta para resolver un problema qumico clsico.

Las densidades del sodio para tres temperaturas se dan en la tabla siguiente:
Temperatura Ti C Densidad i kg/m3
Observacin i
T
f(T)
0
94
929
1
205
902
2
371
860
Escribir el polinomio de Lagrange que se ajusta a los datos experimentales y
determinar la densidad para T=251C.
Solucin:

f(T)=
Graficando esta expresin.
14

Como se ve, el ajuste del polinomio a los datos experimentales corresponde a una
parbola y se puede determinar ahora un valor de densidad para una temperatura
no reportada.
b) Calclese ahora el valor de la densidad para T=251C sustituyendo en la
expresin, se tiene:
f(251)=
f(251) = 890.5 kg /cm3
Esta aproximacin tiene un error de 5.53%.

3.5 Uso de herramientas computacionales.

Interpolacin lineal.

Conocemos los datos de (x1, y1) y de (x2, y2) y queremos conocer el valor
desconocido de y cuando se proporciona la abscisa x1<x<x2. Si suponemos que
los puntos 1 y 2 estn unidos por una recta.
MATLAB dispone para este propsito de la funcin interp1.
15

Existen otros procedimiento de interpolacin: nearest, cubic, spline, etc.

Creamos el script interpolacion, y seleccionamos el procedimiento por defecto
'linear'
x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
xx=[1.0 2.0 3.5 5.5 8.0];
yy=interp1(x,y,xx,'linear');
disp([xx' yy'])
Corremos el script interpolacion en la ventana de comandos
>> interpolacion
1.0000 2.1500
2.0000 0.2491
3.5000 7.6073
5.5000 6.8489
8.0000 3.1674
Completamos el script interpolacion para incluir la representacin grfica de los
datos (color rojo) y los interpolados linealmente (color verde)
x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
xx=[1.0 2.0 3.5 5.5 8.0];
yy=interp1(x,y,xx,'linear');
disp([xx' yy'])
hold on
plot(x,y,'-o','markersize',4,'markerfacecolor','r')
plot(xx,yy,'o','markersize',5,'markerfacecolor','g')
xlabel('x')
ylabel('y')
title('Interpolacin lineal');
hold off

16

Con la interpolacin lineal hay que ser cuidadoso. En la figura de la izquierda

tenemos la aproximacin lineal (en rojo) de una funcin (en negro) que es muy
pobre ya que los puntos estn muy separados. Aadiendo un punto intermedio,
mejora la aproximacin lineal.

Splines
Es otro modo de interpolacin que produce muy buenos resultados y cuya
explicacin se puede encontrar en textos de clculo numrico.
x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
xx=linspace(x(1),x(end),80);
yy=interp1(x,y,xx,'spline');
plot(xx,yy,x,y,'o','markersize',4,'markerfacecolor','r')
xlabel('x')
ylabel('y')
title('Interpolacin spline');

Como podemos apreciar, esta grfica difiere significativamente, de la primera.

17

Microsoft Excel no cuenta con una Funcin especfica para la realizacin de la

Interpolacin Lineal y, por lo tanto, lo que haremos ser plantear, a travs de otras
funciones disponibles en este programa, la hoja de clculo que te permita obtener
el valor de y, para determinado valor de x, sin necesidad de estar buscando los
valores de x0, y0, x1 y y1.
Cmo implementar la interpolacin Lineal en una Hoja de Microsoft Excel?
Si bien el clculo sin la ayuda de funciones es sencillo utilizando bien sea una
calculadora o al mismo Excel, la ventaja de la implementacin que vamos a
realizar es que no ser necesario ubicar visualmente (o manualmente), entre los
datos (que en alguna ocasin podrn ser unos cuantos), los valores de referencia
para la aplicacin de la frmula de Interpolacin Lineal.
De esta forma debemos realizar las siguientes implementaciones:
1.- Utilizar la Funcin COINCIDIR de Excel para Determinar la Posicin de los
Valores x0 y y0 en la Frmula de Interpolacin Lineal.
La funcin COINCIDIR busca un elemento especificado en un rango de celdas y, a
continuacin, devuelve la posicin relativa de ese elemento en el rango.
De forma opcional, podremos indicar el tipo de coincidencia deseado. En el caso
de la Interpolacin Lineal, colocaremos 1 (valor por defecto) para poder obtener el
valor inmediatamente inferior o igual al valor buscado.

18

2.- Utilizar la funcin NDICE de Microsoft Excel para determinar los valores de x0,
y0, x1 y y1 en la frmula de Interpolacin Lineal.
Con la funcin INDICE podremos obtener el valor de la variable que ocupa
determinada posicin dentro de un rango especificado.
De esta forma, y como veremos en la siguiente figura, logramos obtener los
valores de referencia para la frmula de Interpolacin Lineal:

3.- Implementar la Frmula de Interpolacin Lineal en la Hoja de Clculo.

Conocidos los valores de nuestros datos, lo que queda es realizar la Interpolacin
Lineal en la Hoja de Clculo:

19

Realizar el ejercicio anterior realizando lo siguiente:

1) Graficar usando tipo dispersin
2) Modificar el formato de lneas de tendencias, anotando paloma a los
recuadros, presentacin ecuacin del grfico y presentar el valor de R2
(dispersin debe ser mayor a 0.95).
3) Escribir la ecuacin del punto 2) en una celda para hacer la proyeccin
(extrapolacin) o interpolacin, dado un valor de x.

A continuacin se presenta un programa en MATLAB para la interpolacin de

Lagrange.
clear;
clc;
fprintf('Interpolacion con el Metodo del Polinomio de Lagrange\n\n');
n=input('grado del polinolio: ');
for i=1:n+1
x(1,i)=input('dame los valores de xi:');
end
for i=1:n+1
xi(1,i)=input('dame los valores de f(xi):');
end
xint=input('Numero para el que desea interpolar x: ');
fxint=0;
i=1;
while i<=n+1
L=1;
J=0;
while J<=n
if i~=J+1
L=L*(xint-x(1,J+1))/(x(1,i)-x(1,J+1));
End
J=J+1;
End
fxint=fxint+L*xi(1,i);
i=i+1;
end
fprintf('\nresultado interpolado xi: %d',fxint');
plot(x,xi)
grid
xlabel('x');ylabel('y')
20