Índice general

1. Interpolación y aproximación polinomial 2

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Interpolación polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Interpolación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2. Forma de Lagrange del polinomio interpolante de 3 pares ordenados . . . . 8
1.2.3. Interpolación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.4. Algoritmo Interpolación con polinomios de Lagrange . . . . . . . . . . . . 12
1.2.5. Trabajo encargado Polinomios de Lagrange . . . . . . . . . . . . . . . . . . 15

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

(x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )

en los cuales x0 , x1 , x2 , . . . , xn son números distintos, se quiere determinar un polinomio pn (x)

de grado menor o igual que n tal que cumpla la condición:

pn (xk ) = yk , k = 0, 1, 2, . . . , n

Según el tipo de los datos de interpolación, podemos considerar los siguientes tipos de interpo-
lación:

Interpolación de Lagrange: Conocemos los valores de la función f (xi ) en n + 1 puntos

distintos, xi , i = 0, 1, 2, . . . , n

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

Interpolación de Hermite: Disponemos de los valores de una función y de algunas de

sus derivadas sucesivas en determinados puntos. Por ejemplo, f (xi ) y f 0 (xi ) en n + 1 puntos
distintos, xi , i = 0, 1, 2, . . . , n
Probaremos que un tal polinomio pn (x) siempre existe y además es único. A tal polinomio se le
denomina polinomio de interpolación, polinomio interpolante o polinomio de coloca-
ción para los puntos dados (datos). En este contexto los números x0 , x1 , . . . , xn son llamados
nodos. Cuando n = 1, es decir, sólo tenemos dos puntos, el polinomio de interpolación corres-
pondiente se denomina también polinomio de interpolación lineal.
El caso de mayor interés para nosotros es aquel en el cual yk = f (xk ) siendo f una cierta función
de la que posiblemente no se conoce una fórmula explı́cita, o bien es muy complicada para eva-
luarla, derivarla, integrarla, hallarle ceros, etc. En este caso el polinomio de interpolación pn (x)
puede usarse como aproximación de la función f y, en particular, para aproximar valores de la
función f en puntos intermedios entre los nodos x0 , x1 , x2 , . . . , xn . Nos referiremos a esta manera
de aproximar una función dada, mediante un polinomio de interpolación, como interpolación
polinomial; cuando usemos sólo dos nodos, nos referiremos a la correspondiente interpolación
como una interpolación lineal. En este contexto el polinomio de interpolación pn (x) se dirá el
polinomio que interpola a la función f en los nodos x0 , x1 , x2 , . . . , xn .
El otro problema a tratar es:

Problema 2: Dados n + 1 puntos de IR2

(x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )
en los cuales x0 , x1 , x2 , . . . , xn son números distintos, y dado un entero no−negativo m, con
m < n, se trata de encontrar o determinar un polinomio

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:

(x, y), (5, 1.2), (10, 2.2), (15, 4.3), (20, 8)

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?

1.2. Interpolación polinomial

Teorema 1.1 (Existencia y unicidad del polinomio interpolante) Dados n + 1 puntos
o pares ordenados (x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) de IR2 , con x0 , x1 , x2 , . . . , xn números
distintos, es decir x0 < x1 < x2 < · · · < xn , entonces existe un único polinomio

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

Demostración: Existe un único polinomio

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

El sistema anterior, es un sistema lineal de n + 1 ecuaciones lineales en las n + 1 incógnitas

a0 , a1 , . . . , an , esto escrito en forma matricial es:
    
1 x0 x20 . . . xn0 a0 y0
 1 x1 x2 . . . xn   a1   y1 
 1 1    
 1 x2 x2 . . . xn   a2   y2 
 2 2  =  ⇐⇒ A X = B
 .. .. .. . . ..   ..   .. 
 . . . . .  .   . 
1 xn xn . . . xnn
2
an yn

Ahora bien, como

 

 1 x0 x20 . . . xn0 

 1 x1 x21 . . . xn1 
x22 . . . xn2  =
Y
Det(A) = 
 1 x2 (xi − xj )
 .. .. .. .. ..  0≤j<i≤n
 . . . . . 
x2n . . . xnn 
 
 1 xn

entonces DetA 6= 0 (porque si i 6= j, entonces xi 6= xj ), y por tanto el sistema en consideración

tiene solución única. Esto prueba la existencia de un único polinomio interpolante de grado menor
o igual que n para los n + 1 datos dados. 
Una forma de encontrar el polinomio interpolante para los puntos (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ) es
resolviendo directamente el sistema lineal A X = B que aparece en la prueba del teorema anterior;
pero este procedimiento no se acostumbra porque, por lo general, la matriz de coeficientes de este
sistema resulta mal condicionada, lo que puede ocurrir si dos abscisas están relativamente cerca.
Lo que resta de esta sección lo dedicaremos a otras formas de encontrar el polinomio interpolante.

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:

p2 (−2) = 9, p2 (3) = 4, p2 (4) = 15

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


Escribamos el sistema en forma matricial y resolvamos usando el método de eliminación de

Gauss-Jordan:
J.R. Ticona P.
Métodos Numéricos 6

     
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

entonces, tenemos c0 = −5, c1 = −3, c2 = 2 y el polinomio interpolante es p2 (x) = 2x2 − 3x − 5 .

Figura 1.1: Polinomio interpolante p2 (x) = 2x2 − 3x − 5

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.

El método más simple de interpolar es la Interpolación Lineal.

1.2.1. Interpolación lineal

Consiste en considerar, como función de interpolación, a la recta que une dos puntos dados.
Si el número de datos es superior a dos, se unirán por medio de rectas los puntos consecutivos,
J.R. Ticona P.
Métodos Numéricos 7

(el orden, obviamente lo marcan las abscisas).

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

Lógicamente, P1 (a) = f (a) y P1 (b) = f (b), tal y como se pretendı́a.

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

de está última ecuación se cumple lo siguiente: P1 (a) = f (a) y P1 (b) = f (b)

J.R. Ticona P.
Métodos Numéricos 8

1.2.2. Forma de Lagrange del polinomio interpolante de 3 pares or-

denados
Supongamos, para ilustración del método de Lagrange, que se tienen los puntos (x0 , y0 ), (x1 , y1 ),
(x2 , y2 ) con x0 < x1 < x2 números distintos y queremos encontrar el polinomio interpolante de
grado menor o igual que dos
P2 (x) = a0 + a1 x + a2 x2
para dichos puntos.

Como P2 (xk ) = yk , k = 0, 1, 2, entonces el sistema lineal se forma:


 P2 (x0 ) = a0 + a1 x0 + a2 x20 = y0
P2 (x1 ) = a0 + a1 x1 + a2 x21 = y1
P2 (x2 ) = a0 + a1 x2 + a2 x22 = y2


que es un sistema de tres ecuaciones lineales cuyas incógnitas son a0 , a1 y a2 .

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

El polinomio interpolante es:

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

y que, como era de esperarse, P2 (xk ) = yk , k = 0, 1, 2.

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

Generalizando lo desarrollado ahora si se tiene n + 1 puntos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ) . . . , (xn , yn )

con x0 , x1 , x2 , . . . , xn y x0 < x1 < x2 < · · · < xn números distintos, el polinomio de in-
terpolación de Lagrange o la forma de Lagrange del polinomio interpolante para los
datos dados se obtiene usando la base {Ln,0 (x), Ln,1 (x), Ln,2 (x), . . . , Ln,n (x)}

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

Los polinomios Ln,j (x), anteriores, se denominan polinomios fundamentales de Lagrange.

Por ejemplo.

(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

Que si se trata de n + 1 puntos o pares ordenados, tales polinomios son de grado n.

Además observe que


1, si k = j
Ln,j (xk ) = , j = 0, 1, 2, . . . , n, k = 0, 1, 2, . . . , n
0, si k 6= j

y que para cada k = 0, 1, 2, . . . , n se cumple:

Pn (xk ) = yk

En el caso en que yk = f (xk ), k = 0, 1, 2, . . . , n, la expresión para el polinomio de interpo-

lación de Lagrange se convierte en

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

1.2.3. Interpolación lineal

Caso particular: Calculemos el polinomio de interpolación lineal, correspondiente a los puntos
(x0 , y0 ), (x1 , y1 ) con x0 6= x1 , usando la forma de Lagrange:

En este caso, el polinomio de interpolación de Lagrange es

P1 (x) = y0 L1,0 (x) + y1 L1,1 (x)
siendo
x − x1 x − x0
L1,0 (x) = ∧ L1,1 (x) =
x0 − x1 x1 − x0
es decir,    
x − x1 x − x0
P1 (x) = y0 L1,0 (x) + y1 L1,1 (x) = y0 + y1
x0 − x1 x1 − x0
Ejemplo 1.2 Determine la forma de Lagrange polinomio interpolante de grado 2 que pasa por
tres puntos A(0, 1), B(1, 3), C(2, 0).
Solución.
P2 (x) = y0 L2,0 (x) + y1 L2,1 (x) + y2 L2,2 (x)
= (1) L2,0 (x) + (3) L2,1 (x) + (0) L2,2 (x)
(x − 1)(x − 2) (x − 0)(x − 2) (x − 0)(x − 1)
= (1) + (3) + (0)
(0 − 1)(0 − 2) (1 − 0)(1 − 2) (2 − 0)(2 − 1)
 2   2 
x 3x x x
= − + 1 + 3(2x − x2 ) + 0 −
2 2 2 2
2
5x 9x
= − + +1
2 2

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

Solución. Utilicemos la forma de Lagrange del polinomio interpolante, entonces

P3 (x) = y3,0 L0 (x) + y1 L3,1 (x) + y2 L3,2 (x) + y3 L3,3 (x)

donde:

L3,0 (x) = −166. 667x3 + 200x2 − 78. 3333x + 10

L3,1 (x) = 500x3 − 550x2 + 190x − 20
L3,2 (x) = −500x3 + 500x2 − 155x + 15
L3,3 (x) = 166. 667x3 − 150x2 + 43. 3333x − 4

y
P3 (x) = 16. 6667x3 − 15 x2 + 4. 43333x − 0. 1
entonces
f (0.35) ≈ P3 (0.35) = 0. 3287500000

1.2.4. Algoritmo Interpolación con polinomios de Lagrange

Para interpolar con polinomios de Lagrange de grado n, proporcionar los:

Datos. El grado del polinomio n, los n + 1 pares ordenados (x(i), y(i)), i = 0, 1, 2, . . . , n y

el valor para el que se desea la interpolación xint.
Resultado. La aproximación f xint, el valor de la función en xint

Paso 1 Hacer f xint = 0.

Paso 2 Hacer i = 0

Paso 3 Mientras i ≤ n, repetir los pasos 4 a 10.

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

Paso 11 Imprimir f xint y terminar.

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.

Año 1940 1950 1960 1970 1980 1990

Población en millones de habitantes 132 165 151 326 179 323 203 302 326 542 249 633

Use la interpolación de Lagrange para aproximar la población en los años 1935, 1965 y 2000.

Solución. Trabajando en Mathematica

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++]

x5 49x4 76831x3 3764621x2 614864087x

L5,0 (x) = − + − + − + 2410141734
12000000 60000 24000 600 100
x5 979x4 383369x3 75060749x2 1224670133x
L5,1 (x) = − + − + − 11988591615
2400000 240000 24000 2400 40
x5 163x4 76517x3 1247171x2 1829476351x
L5,2 (x) = − + − + − + 23854223316
1200000 20000 2400 20 30
x5 977x4 381803x3 74600947x2 607335041x
L5,3 (x) = − + − + − 23732518095
1200000 120000 12000 1200 10
x5 61x4 381023x3 18593201x2 604863643x
L5,4 (x) = − + − + − + 11806024230
2400000 15000 24000 600 20
x5 13x4 76049x3 988611x2 3614466377x
L5,5 (x) = − + − + − 2349279569
12000000 16000 24000 160 600
J.R. Ticona P.
Métodos Numéricos 14

entonces el polinomio interpolante es:

n
X
p[x− ] := f (k)L[n, k, x]
k=0
pol = p[x]//Expand
31847x5 129657x4 162155419x3 39608081919x2
= − + − +
12000000 5000 1600 200
58046251825117x
+ − 75613401549451
300
N [p[x]/. x → 1935] = 127449
N [p[x]/. x → 1965] = 192407
N [p[x]/. x → 2000] = 571329

En el Mathematica programando, se tiene:

J.R. Ticona P.
Métodos Numéricos 15

1.2.5. Trabajo encargado Polinomios de Lagrange

1. Calcule el único polinomio de grado menor o igual que tres que interpola a los puntos
(−1, 1), (0, 2), (1, −1) y (2, 2).

2. Calcular el polinomio de interpolación de Lagrange para el siguiente conjunto de puntos:

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

y0 = f (x0 ) = 7.3890, y1 = f (x1 ) = 12.1825, y2 = f (x2 ) = 20.0855, y3 = f (x3 ) = 54.5980

hallar el polinomio de interpolación de Lagrange.

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

son la solución del sistema lineal

A + B x0 + C y0 = z0
A + B x1 + C y1 = z1
A + B x2 + C y2 = z2

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.