Documente Academic
Documente Profesional
Documente Cultură
1
Capı́tulo 1
Interpolación y aproximación
polinomial
1.1. Introducción
Un problema que se presenta con frecuencia en las ciencias experimentales y en ingenierı́a
es tratar de construir una función (denominada “función interpolante”) de la que se conoce una
serie de datos (denominados “datos de interpolación”). Estos datos pueden ser fruto de las obser-
vaciones realizadas en un determinado experimento en el que se relacionan dos o más variables e
involucran valores de una función y/o de sus derivadas. El objetivo será determinar una función
que verifique estos datos y que además sea fácil de construir y manipular. Por su sencillez y
operatividad los polinomios se usan frecuentemente como funciones interpolantes.
La interpolación polinomial es la base de muchos tipos de integración numérica y tiene otras apli-
caciones teóricas. En la práctica a menudo tenemos una tabla de datos {(xi , yi ), i = 0, 1, 2, . . . , n},
obtenida por muestreo o experimentación. Suponemos que los datos corresponden a los valores
de una función f desconocida (a veces es conocida, pero queremos cambiarla por una función
más sencilla de calcular). El “ajuste de curvas” trata el problema de construir una función que
aproxime muy bien estos datos (es decir, a f ). Un caso particular de ajuste de curvas es la in-
terpolación polinomial: En este caso se construye un polinomio P (x) que pase por los puntos de
la tabla.
Problema 1: Dados n + 1 puntos o pares ordenados de IR2
pn (xk ) = yk , k = 0, 1, 2, . . . , n
Según el tipo de los datos de interpolación, podemos considerar los siguientes tipos de interpo-
lación:
2
Métodos Numéricos 3
Interpolación de Taylor: Los datos son el valor de la función y sus derivadas sucesivas
en un punto x0 hasta el orden n.
f (i) (x0 ), i = 0, 1, 2, . . . , n
pm (x) = a0 + a1 x + a2 x2 + · · · + am xm
tal que la suma de cuadrados
n
X
(pm (xk ) − yk )2
k=0
sea mı́nima.
El criterio mediante el cual se elige el polinomio pm (x) es conocido como criterio de los mı́nimos
cuadrados. Probaremos que tal polinomio pm (x) existe y es único; se le denomina polinomio
de ajuste según mı́nimos cuadrados para los datos dados. Nótese que esta vez, a diferencia
de lo que ocurre con el polinomio de colocación, pm (xk ) no necesariamente es igual a yk para
todo k = 0, 1, . . . , n. El polinomio pm (x) lo que da es un ajuste razonable a los datos dados.
Este tipo de aproximación mediante el polinomio de ajuste pm (x) se conoce como ajuste poli-
nomial. Aunque el ajuste polinomial según mı́nimos cuadrados es el caso más usado, también
consideraremos el caso de ajuste exponencial, logarı́tmico y de potencia según mı́nimos cuadra-
dos.
J.R. Ticona P.
Métodos Numéricos 4
Problemas planteados
Problema 1. La inversión en la promoción para cierto producto en una cierta región ha
producido los siguientes resultados:
x 5 10 15 20
y 1.2 2.2 4.3 8
en donde:
x: tiempo invertido en la promoción del producto en horas.
y: porcentaje de incremento en las ventas del producto.
La tabla se puede expresar como pares ordenados de la forma siguiente:
Se desea usar los datos para determinar la cantidad óptima de horas que deberı́an invertirse en
regiones similares para maximizar la eficiencia de las ventas.
Ánalisis
Con los datos obtenidos se debe construir alguna función que permita obtener una respuesta y
también estimar el error en el resultado.
Problema 2.
Rendimiento de un proceso productivo en función de la temperatura
En una planta quı́mica se sintetiza un producto que es utilizado posteriormente como conservante
de productos enlatados. El rendimiento del proceso depende de la temperatura.
Se dispone de los siguientes datos
T(◦ C) 150 160 170 180 190 200 210
R( %) 35.5 37.8 43.6 45.7 47.3 50.1 50.2
Se considera un rendimiento óptimo el que va de 38.5 a 45, por lo que la planta trabaja a 175 ◦ C.
Si la temperatura de trabajo cae a 162 ◦ C por una averı́a, ¿será el proceso satisfactorio hasta que
sea reparada?
pn (x) = a0 + a1 x + a2 x2 + · · · + an xn
de grado menor o igual que n, que interpola los puntos dados, es decir, tal que
pn (xk ) = yk , ∀ k = 0, 1, . . . , n
pn (x) = a0 + a1 x + a2 x2 + · · · + an xn
J.R. Ticona P.
Métodos Numéricos 5
tal que
pn (xk ) = yk , k = 0, 1, . . . , n
si y sólo si existen números reales únicos a0 , a1 , a2 , . . . , an tales que
a0 + a1 x0 + a2 x20 + · · · + an xn0 = y0
a0 + a1 x 1 + a2 x 2 + · · · + an x n = y 1
1 1
..
.
a + a x + a x2 + · · · + a xn = y
0 1 n 2 n n n n
Ejemplo 1.1 Construir un polinomio de grado dos p2 (x) = c0 + c1 x + c2 x2 tal que pase por los
puntos (−2, 9), (3, 4), (4, 15), entonces:
Tenemos el siguiente sistema de ecuaciones lineales para los coeficientes c0 , c1 , c2 del polinomio:
c0 − 2c1 + 4c2 = 9,
c0 + 3c1 + 9c2 = 4,
c0 + 4c1 + 16c2 = 15
1 −2 4 9 1 −2 4 9 1 −2 4 9
1 3 9 4 ∼ 0 5 5 −5 ∼ 0 5 5 −5
1 4 16 15 1 4 16 15 0 6 12 6
1 −2 4 9 1 0 6 7
∼ 0 1 1 −1 ∼ 0 1 1 −1
0 6 12 6 0 6 12 6
1 0 6 7 1 0 6 7
∼ 0 1 1 −1 ∼ 0
1 1 −1
0 0 6 12 0 0 1 2
1 0 0 −5 1 0 0 −5
∼ 0 1 1 −1 ∼ 0
1 0 −3
0 0 1 2 0 0 1 2
Nota. Observamos que para interpolar el polinomio del ejemplo anterior, tenemos que resol-
ver un sistema lineal cuadrado, es decir si tenemos 3 pares ordenados, hemos resuelto un sistema
lineal cuadrado de orden 3 × 3. En general si tenemos n pares ordenados, tendremos que resolver
un sistema lineal cuadrado de orden n×n. Sin embargo existe otra forma de construir polinomios
interpolantes sin la necesidad de resolver los sistemas lineales.
La función de interpolación correspondiente a dos puntos (a, f (a)) y (b, f (b)) será:
x−b x−a
P1 (x) = f (a) + f (b)
a−b b−a
Figura 1.2: a) Gráfica de una función y de su polinomio de interpolación lineal entre dos pun-
tos. b) Ejemplo de interpolación lineal para varios puntos.
En efecto. Sea la recta que pasa por los puntos (a, f (a)) y (b, f (b)), a 6= b, a < b, entonces su
f (b) − f (a)
ecuación de la recta punto pendiente, primero determinemos la pendiente y es: m =
b−a
entonces:
f (b) − f (a)
L : y − f (a) = (x − a)
b−a
de esta ecuación tenemos:
f (b) − f (a) f (b) − f (a)
L : y − f (a) = (x − a) ⇐⇒ y = (x − a) + f (a)
b−a b−a
x−a x−a
⇐⇒ y = f (b) − f (a) + f (a)
b−a b−a
x−a x−a
⇐⇒ y = f (b) + f (a) 1 −
b−a b−a
x−a b−a−x+a
⇐⇒ y = f (b) + f (a)
b−a b−a
x−a b−x
⇐⇒ y = f (b) + f (a)
b−a b−a
x−a x−b
⇐⇒ P1 (x) = f (b) + f (a)
b−a a−b
Veamos que el determinante de la matriz de coeficientes de este sistema es, como ya se dijo,
(x1 − x0 )(x2 − x0 )(x2 − x1 ).
En efecto:
1 x0 x20 1 x0 x20
(x − x0 ) (x1 − x0 )(x1 + x0 )
x1 − x0 x1 − x0 = 1
∆ = 1 x1 x21 = 0 2 2
1 x2 x22 0 (x2 − x0 ) (x2 − x0 )(x2 + x0 )
x2 − x0 x22 − x20
1 (x1 + x0 )
∆ = (x1 − x0 )(x2 − x0 )
1 (x2 + x0 )
∆ = (x1 − x0 )(x2 − x0 )(x2 + x0 − x1 − x0 ) = (x1 − x0 )(x2 − x0 )(x2 − x1 ) 6= 0
∆ = (x1 − x0 )(x2 − x0 )(x2 − x1 )
Ası́ que el sistema lineal tiene solución única. De acuerdo con la regla de Cramer
y 0 x0
x20
y 1 x1
x21
y 2 x2 x22 y0 (x1 x22 − x2 x21 ) − y1 (x0 x22 − x2 x20 ) + y2 (x0 x21 − x1 x20 )
a0 = =
∆ ∆
Análogamente,
1 y0 x20
1 y1 x21
1 y2 x22 −y0 (x22 − x21 ) + y1 (x22 − x20 ) − y2 (x21 − x20 )
a1 = =
∆ ∆
y
1 x0 y 0
1 x1 y 1
1 x2 y 2 y0 (x2 − x1 ) − y1 (x2 − x0 ) + y2 (x1 − x0 )
a2 = =
∆ ∆ J.R. Ticona P.
Métodos Numéricos 9
P2 (x) = a0 + a1 x + a2 x2
y0 (x1 x22 − x2 x21 ) − y1 (x0 x22 − x2 x20 ) + y2 (x0 x21 − x1 x20 )
=
∆
−y0 (x2 − x1 ) + y1 (x2 − x20 ) − y2 (x21 − x20 )
2 2 2
+ x
∆
y0 (x2 − x1 ) − y1 (x2 − x0 ) + y2 (x1 − x0 )
+ x2
∆
y0
x1 x22 − x2 x21 + (x21 − x22 )x + (x2 − x1 )x2
=
∆
y1
x0 x22 − x2 x20 − (x22 − x20 )x + (x2 − x0 )x2
−
∆
y2
x0 x21 − x1 x20 − (x21 − x20 )x + (x1 − x0 )x2
+
∆
y0 (x2 − x1 ) y1 (x2 − x0 )
x1 x2 − (x1 + x2 )x + x2 − x0 x2 − (x0 + x2 )x + x2
=
∆ ∆
y2 (x1 − x0 )
x0 x1 − (x0 + x1 )x + x2
+
∆
y0 (x2 − x1 ) y1 (x2 − x0 ) y2 (x1 − x0 )
= (x − x1 )(x − x2 ) − (x − x0 )(x − x2 ) + (x − x0 )(x − x1 )
∆ ∆ ∆
(x2 − x1 )(x − x1 )(x − x2 ) (x2 − x0 )(x − x0 )(x − x2 )
= y0 − y1
(x1 − x0 )(x2 − x0 )(x2 − x1 ) (x1 − x0 )(x2 − x0 )(x2 − x1 )
(x1 − x0 )(x − x0 )(x − x1 )
+ y2
(x1 − x0 )(x2 − x0 )(x2 − x1 )
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
= y0 − y1 + y2
(x1 − x0 )(x2 − x0 ) (x1 − x0 )(x2 − x1 ) (x2 − x0 )(x2 − x1 )
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
= y0 + y1 + y2
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
Si definimos los polinomios de grado dos como los polinomios de Lagrange:
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
L2,0 (x) = , L2,1 (x) = , L2,2 (x) =
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
entonces
P2 (x) = y0 L2,0 (x) + y1 L2,1 (x) + y2 L2,2 (x)
Observe que se cumple:
1, si k = j
L2,j (xk ) = , j = 0, 1, 2, k = 0, 1, 2
0, si k 6= j
Los polinomios L2,0 (x), L2,1 (x) y L2,2 (x) se denominan polinomios fundamentales de
Lagrange y el polinomio P2 (x), obtenido de la manera anterior, se denomina polinomio de
interpolación de Lagrange o forma de Lagrange del polinomio interpolante para los datos
dados.
J.R. Ticona P.
Métodos Numéricos 10
n
X
Pn (x) = y0 Ln,0 (x) + y1 Ln,1 (x) + y2 Ln,2 (x) + · · · + yn Ln,n (x) = yj Ln,j (x)
j=0
donde
(x − x0 )(x − x1 ) . . . (x − xj−1 ) y (x − xj+1 ) . . . (x − xn )
Ln,j (x) =
(xj − x0 )(xj − x1 ) . . . (xj − xj−1 ) y (xj − xj+1 ) . . . (xj − xn )
n
Y (x − xk )
= , j = 0, 1, . . . , n
(x j − xk )
k=0
k6=j
(x − x1 )(x − x2 ) . . . (x − xn )
Ln,0 (x) =
(x0 − x1 )(x0 − x2 ) . . . (x0 − xn )
(x − x0 ) y (x − x2 ) . . . (x − xn )
Ln,1 (x) =
(x1 − x0 ) y (x1 − x2 ) . . . (x1 − xn )
(x − x0 )(x − x1 ) y (x − x3 ) . . . (x − xn )
Ln,2 (x) =
(x2 − x0 )(x2 − x1 ) y (x2 − x3 ) . . . (x2 − xn )
.. ..
. .
(x − x0 )(x − x1 )(x − x2 ) . . . (x − xn−1 )
Ln,n (x) =
(xn − x0 )(xn − x1 )(xn − x2 ) . . . (xn − xn−1 )
Nótese
Pn (xk ) = yk
Pn (x) = f (x0 ) Ln,0 (x) + f (x1 ) Ln,1 (x) + f (x2 ) Ln,2 (x) + · · · + f (xn ) Ln,n (x)
J.R. Ticona P.
Métodos Numéricos 11
Figura 1.3: Polinomio interpolante que pasa por los puntos: A(0, 1), B(1, 3), C(2, 0)
Ejemplo 1.3 De una función f , conocemos la información de la tabla que sigue. Interpolar
f (0.35) usando un polinomio interpolante P3 (x) indicando la subtabla de datos que va a usar.
x 0.2 0.3 0.4 0.5
f (x) 0.32 0.33 0.34 0.45
J.R. Ticona P.
Métodos Numéricos 12
donde:
y
P3 (x) = 16. 6667x3 − 15 x2 + 4. 43333x − 0. 1
entonces
f (0.35) ≈ P3 (0.35) = 0. 3287500000
Paso 2 Hacer i = 0
Paso 4 Hacer L = 1.
J.R. Ticona P.
Métodos Numéricos 13
Paso 5 Hacer j = 0.
Paso 6 Mientras j ≤ n, repetir los pasos 7 y 8
xint − x(j)
Paso 7 Si i 6= j hacer L = L
x(i) − x(j)
Paso 8 Hacer j = j + 1
Paso 9 Hacer f xint = f xint + L ∗ y(i)
Paso 10 Hacer i = i + 1
Ejemplo 1.4 Cada 10 años se levanta un censo de la población en Estados Unidos. En la si-
guiente tabla se incluyen datos de la población, en millones de habitantes, de 1940 a 1990.
Use la interpolación de Lagrange para aproximar la población en los años 1935, 1965 y 2000.
Clear[L, x]
n = 5; (*Grado de polinomio a interpolar*)
x[0] = 1930; f[0] = 123203; x[1] = 1940; f[1] = 131669;
x[2] = 1950; f[2] = 150697; x[3] = 1960; f[3] = 179323;
x[4] = 1970; f[4] = 203212; x[5] = 1980; f[5] = 226505;
xint = 1935; (*Valor a interpolar*)
k−1
! n
!
Y x − x(i) Y x − x(i)
L(n , k , x ):=
i=0
x(k) − x(i) i=k+1
x(k) − x(i)
For[ k = 0, k <= n, Print["L", n, k], "(", x, ") =" Expand[L[n, k, x]]]; k++]
J.R. Ticona P.
Métodos Numéricos 15
xi 0 0.33 0.66 1
yi 1 1.391 1.935 2.718
3. Sea la función f (x) = ex . Supongamos conocido el valor que toma esta función en los
cuatro puntos: x0 = 2, x1 = 2.5, x2 = 3, x3 = 4, es decir
4. Consideremos el plano cuya ecuación viene dada por z = P (x, y) = A + B x + C y que pasa
por los puntos (x0 , y0 , z0 ), (x1 , y1 , z1 ) y (x2 , y2 , z2 ): Entonces los coeficientes A, B y C
J.R. Ticona P.
Métodos Numéricos 16
a) Determine A, B y C de manera que z = P (x, y) pase por los puntos (1, 1, 5), (2, 1, 3)
y (1, 2, 9).
J.R. Ticona P.