Universidad Nacional Autónoma de México

Calderón Candelas Juan Carlos Análisis numérico

Campos Aguilar Alexander
Tobón Cortés Blanca Itzel

Introducción

Una interpolación es un proceso por el cual se define un valor en un punto cualquiera

a partir de los valores conocidos en algunos puntos dados.
Por ejemplo: tenemos temperatura, presión y viento en distintas localidades que
cuentan con estaciones meteorológicas y queremos estimar el clima en un pueblo
cualquiera, en ingeniería y algunas ciencias como termodinámica es frecuente
disponer de un cierto número de puntos obtenidos por muestreo o a partir de un
experimento y pretender construir una función que los ajuste.
El concepto de interpolación es importante porque se puede realizar una
aproximación de una función muy compleja por una más simple, existen varios
métodos para interpolar, pero los que se describirán en este trabajo son los métodos
de:
• Interpolación de Newton
• Interpolación de Lagrange
• Interpolación Richardson
Pues, aunque hay uno y sólo un polinomio de n-ésimo grado que se ajusta a n + 1
puntos, existe una gran variedad de formas matemáticas en las cuales puede
expresarse este polinomio.
 Universidad Nacional Autónoma de México

Desarrollo

1. INTERPOLACIÓN POLINOMIAL DE NEWTON

Existen 3 tipos de interpolación polinomial.
a) Lineal.

Figura 1. Interpolación lineal. Chapra pág 503.

b) De segundo grado (cuadrática o parabólica) que une tres puntos.

Figura 2. Interpolación cuadrática. Chapra pág 503.

c) De tercer grado (cúbico) que une cuatro puntos.

Figura 3. Interpolación cúbica. Chapra pág 503.

 Universidad Nacional Autónoma de México

I. Interpolación lineal

Figura 4. Interpolación lineal por triángulos semejantes. Chapra

pág 504.

Se tienen 2 puntos:
(𝑋𝑜, 𝑓(𝑋𝑛)) 𝑦 (𝑋1, 𝑓(𝑋1))
Con estos dos puntos se puede contruir una recta y por medio de triángulos
semejantes se puede conocer el punto 𝑓(𝑥).
Por la pendiente se tiene que:
𝑦2 − 𝑦1 𝑓(𝑥) − 𝑓(𝑥0) 𝑓(𝑥1) − 𝑓(𝑥0)
𝑚= = =
𝑥2 − 𝑥1 𝑥 − 𝑥0 𝑥2 − 𝑥1
Despejando 𝑓(𝑥) − 𝑓(𝑥0)
𝑓(𝑥1) − 𝑓(𝑥0)
𝑓(𝑥) − 𝑓(𝑥0) = (𝑥 − 𝑥0)
𝑥2 − 𝑥1
A esta expresión se le conoce como interpolación lineal de Newton.
II. Interpolación cuadrática

Figura 5. Interpolación cuadrática de una función logarítmica

natural. Chapra pág 507.
 Universidad Nacional Autónoma de México

Si se tienen tres puntos como datos, éstos pueden ajustarse en un polinomio de

segundo grado (también conocido como polinomio cuadrático o parábola). Una
forma particularmente conveniente para ello es:
𝑓2(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + 𝑏2(𝑥 – 𝑥0)(𝑥 – 𝑥1) . . . A
Agrupando términos:
𝑓2(𝑥) = 𝑎0 + 𝑎1𝑥 + 𝑎2𝑥^2
Donde:
𝑎0 = 𝑏0 – 𝑏1𝑥0 + 𝑏2𝑥0𝑥1
𝑎1 = 𝑏1 – 𝑏2𝑥0 – 𝑏2𝑥1
𝑎2 = 𝑏2

Un procedimiento simple puede usarse para determinar los valores de los

coeficientes. Para encontrar b0, en la ecuación se evalúa con 𝑥 = 𝑥0 para obtener
𝑏0 = 𝑓(𝑥0) . . .B
Sustituyendo B en A y evaluando 𝑥 = 𝑥1 queda:
𝑓(𝑥1)−𝑓(𝑥0)
𝑏1 = …C
𝑥1−𝑥0

Por último, B y C se sustituyen en A y se evalúa 𝑥 = 𝑥2 se obtiene:

(𝑓(𝑥2) − 𝑓(𝑥1)) 𝑓(𝑥1) − 𝑓(𝑥0)

−
𝑏2 = 𝑥2 − 𝑥1 𝑥1 − 𝑥0
𝑥2 − 𝑥0
III. Forma general de polinomios de interpolación de Newton
El análisis anterior puede generalizarse para ajustar un polinomio de n-ésimo grado
a n+ 1 datos. El polinomio de n-ésimo grado es:
𝑓𝑛(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + · · · + 𝑏𝑛(𝑥 – 𝑥0)(𝑥 – 𝑥1) · · · (𝑥 – 𝑥𝑛– 1)

Como se hizo antes con las interpolaciones lineales y cuadráticas, los puntos
asociados con datos se utilizan para evaluar los coeficientes 𝑏0, 𝑏1, . . . , 𝑏𝑛. Para un
polinomio de 𝑛 − é𝑠𝑖𝑚𝑜 grado se requieren 𝑛 + 1
 Universidad Nacional Autónoma de México

puntos: [𝑥0, 𝑓(𝑥0)], [𝑥1, 𝑓(𝑥1)], . . . , [𝑥𝑛, 𝑓(𝑥𝑛)]. Usamos estos datos y las siguientes
ecuaciones para evaluar los coeficientes:
𝑏0 = 𝑓(𝑥0)
𝑏1 = 𝑓[𝑥1, 𝑥0]
𝑏2 = 𝑓[𝑥2, 𝑥1, 𝑥0]
·
·
·
𝑏𝑛 = 𝑓[𝑥𝑛, 𝑥𝑛– 1,· · ·, 𝑥1, 𝑥0]
donde las evaluaciones de la función colocadas entre paréntesis son diferencias
divididas finitas. Por ejemplo, la primera diferencia dividida finita en forma general
se representa como:
𝑓(𝑥𝑖, 𝑥𝑗) − 𝑓(𝑥𝑗, 𝑥𝑘)
𝑓[𝑥𝑖, 𝑥𝑗] =
𝑥𝑖 − 𝑥𝑘
La segunda diferencia dividida finita, que representa la diferencia de las dos
primeras diferencias divididas, se expresa en forma general como:
𝑓[𝑥𝑖, 𝑥𝑗] − 𝑓[𝑥𝑗, 𝑥𝑘]
𝑓[𝑥𝑖, 𝑥𝑗, 𝑥𝑘] =
𝑥𝑖 − 𝑥𝑘

Figura 6. Representación gráfica de la naturaleza recursiva de las diferencias divididas finitas.

Chapra, pág 509.

En forma similar, la n-ésima diferencia dividida finita es:

𝑓𝑛(𝑥) = 𝑓(𝑥0) + (𝑥 – 𝑥0) 𝑓[𝑥1, 𝑥0] + (𝑥 – 𝑥0)(𝑥 – 𝑥1) 𝑓[𝑥2, 𝑥1, 𝑥0] + · ·
· + (𝑥 – 𝑥0)(𝑥 – 𝑥1) · · · (𝑥 – 𝑥𝑛– 1) 𝑓[𝑥𝑛, 𝑥𝑛– 1,· · ·, 𝑥0]
La ecuación se conoce como polinomio de interpolación de Newton en dif. divididas.
 Universidad Nacional Autónoma de México

2. Interpolación de Lagrange
El polinomio de interpolación de Lagrange es simplemente una reformulación del
polinomio de Newton que evita el cálculo de las diferencias divididas, y se
representa de manera concisa como:
𝑛

ƒ𝑛(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖)
𝑖=0

Donde:
𝑛
(𝑥 − 𝑥𝑗)
𝐿𝑖(𝑥) = ∏
𝑥𝑖 − 𝑥𝑗
𝑗=0
𝐽≠1

donde 𝛱 designa el “producto de”. Por ejemplo, la versión lineal (𝑛 = 1) es:

𝑥 − 𝑥1 𝑥 − 𝑥0
𝑓1(𝑥) = 𝑓(𝑥𝑜) + 𝑓(𝑥1)
𝑥0 − 𝑥1 𝑥1 − 𝑥0
Y la versión de segundo grado es:
(𝑥 − 𝑥1)(𝑥 − 𝑥2) (𝑥 − 𝑥0)(𝑥 − 𝑥2) (𝑥 − 𝑥0)(𝑥 − 𝑥1)
𝑓2(𝑥) = 𝑓(𝑥0) + 𝑓(𝑥1) + 𝑓(𝑥2)
(𝑥0 − 𝑥1)(𝑥0 − 𝑥2) (𝑥1 − 𝑥0)(𝑥1 − 𝑥2) (𝑥2 − 𝑥0)(𝑥2 − 𝑥1)

Figura 7. Razonamiento del polinomio de Lagrange.

Chapra, pág 518.
 Universidad Nacional Autónoma de México

Conclusión

• Los métodos son muy sensibles a los errores de datos, sobre todo el de
Lagrange
• El polinomio de interpolación suele usarse para estimar valores de una
función tabulada, en las abscisas que no aparecen en la tabla
• El aumento de grado no siempre mejora la aproximación.
 Universidad Nacional Autónoma de México

Bibliografía

Métodos numéricos para ingenieros / Chapra, Steven C.; Canale, Raymond P.. --
3a.ed -- México : McGraw-Hill, 1999.
982 p.+ 1 Diskette
Universidad Nacional Autónoma de México
 Universidad Nacional Autónoma de México

Ejercicio 1:
Estime el logaritmo natural de 2 mediante interpolación lineal. Primero, realice el
cálculo por interpolación entre ln 1 = 0 y ln 6 = 1.791759. Después, repita el
procedimiento, pero use un intervalo menor de ln 1 a ln 4 (1.386294). Observe que
el valor verdadero de ln 2 es 0.6931472.
Por interpolación lineal de Newton.
1.791759
𝑓1(2) = 0 + (2 − 1) = 0.3583519
6−1
que representa un error = 48.3%. Con el intervalo menor desde x0 = 1 hasta x1 = 4
se obtiene:
1.386294
𝑓1(2) = 0 + (2 − 1) = 0.4620981
4−1
El error ahora es de 33.3%

Ejercicio 2:
Por medio del polinomio de interpolación de Newton, calcular lo siguiente:
Los datos x0 = 1, x1 = 4 y x2 = 6 se utilizaron para estimar ln 2 mediante una
parábola. Ahora, agregando un cuarto punto (x3 = 5; f(x3) = 1.609438], estime ln 2
con un polinomio de interpolación de Newton de tercer grado con n = 3.
𝑓3(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + 𝑏2(𝑥 – 𝑥0)(𝑥 – 𝑥1) + 𝑏3(𝑥 – 𝑥0)(𝑥 – 𝑥1)(𝑥 – 𝑥2)
Las primeras diferencias divididas del problema son:
(1.386294 − 0)
𝑓[𝑥𝑖, 𝑥0] = = 0.4620981
4−0
(1.791759 − 1.386294)
𝑓[𝑥2, 𝑥1] = = 0.2027326
6−4
1.609438 − 1.791759
𝑓[𝑥3, 𝑥2] = = 0.1823216
5−4
Las segundas diferencias divididas son:
0.2027356 − 0.4620981
𝑓[𝑥2, 𝑥1, 𝑥0] = = −0.05187311
6−1
0.1823216 − 0.2027326
𝑓[𝑥3, 𝑥2, 𝑥1] = = −0.02041100
5−4
 Universidad Nacional Autónoma de México

La tercera diferencia dividida es con n=3:

−0.02041100 − (−0.05187311)
𝑓[𝑥3, 𝑥2, 𝑥1, 𝑥0] = = 0.007865579
5−1
Los resultados de 𝑓[𝑥1, 𝑥0], 𝑓[𝑥2, 𝑥1, 𝑥0] y f[x3, x2, x1, x0] representan los
coeficientes 𝑏1, 𝑏2 y 𝑏3 de la ecuación, respectivamente. Junto con 𝑏0 = 𝑓(𝑥0) =
0.0 la ecuación es:
𝑓3(𝑥) = 0 + 0.4620981(𝑥 – 1) – 0.05187311(𝑥 – 1)(𝑥 – 4)
+ 0.007865529(𝑥 – 1)(𝑥 – 4)(𝑥 – 6)
Evaluando x=2
𝑓3(2) = 0.6287686
El error es de 9.3%
Ejercicio 3:
Con un polinomio de interpolación de Lagrange de primero y segundo grado evalúe
𝑙𝑛 2 basándose en los datos del ejemplo.
𝑥0 = 1 𝑓(𝑥0) = 0
𝑥1 = 4 𝑓(𝑥1) = 1.386294
𝑥2 = 6 𝑓(𝑥2) = 1.791760
Solución:
Se utiliza el polinomio de primer grado

2−4 2−1
𝑓1(2) = 0+ (1.386294) = 0.4620981
1−4 4−1
De igual forma se utiliza el polinomio de segundo grado:

(2 − 4)(2 − 6) (2 − 1)(2 − 6) (2 − 1)(2 − 4)

𝑓2(2) = 0+ (1.386294) + (1.79176) = 0.565844
(1 − 4)(1 − 6) (4 − 1)(4 − 6) (6 − 1)(6 − 4)