INTERPOLACIÓN

   En este capítulo estudiaremos el importantísimo tema de la interpolación de datos.

Veremos dos tipos de interpolación: la interpolación polinomial y la interpolación
segmentaria (splines).
Comencemos dando la definición general.

Definición. Dados n 1 puntos que corresponden a los datos:

y los cuales se representan gráficamente como puntos en el plano cartesiano,

 

     Si existe una función f (x) definida en el intervalo  x0 , xn  (donde suponemos que
x 0  x1    x n ), tal que f ( xi )  yi para i  0,1,2,, n , entonces a f (x) se le
llama una función de interpolación de los datos, cuando es usada para aproximar
x ,x 
valores dentro del intervalo 0 n , y se le llama función de extrapolación de los
datos, cuando está definida y es usada para aproximar valores fuera del intervalo.

   Evidentemente pueden existir varios tipos de funciones que interpolen los mismos
datos; por ejemplo, funciones trigonométricas, funciones exponenciales, funciones
polinomiales, combinaciones de éstas, etc.
El tipo de interpolación que uno elige, depende generalmente de la naturaleza de los
datos que se están manejando, así como de los valores intermedios que se están
esperando.

   Un tipo muy importante es la interpolación por funciones polinomiales. Puesto que

evidentemente pueden existir una infinidad de funciones polinomiales de interpolación
para una misma tabla de datos, se hace una petición extra para que el polinomio de
interpolación , sea único.

Definición. Un polinomio de interpolación es una función polinomial que además de

interpolar los datos, es el de menor grado posible.

Caso n=0

Tenemos los datos:

 

 
f ( x)  y0 (polinomio constante) es el polinomio de
   En este caso, tenemos que
f ( x0 )  y0 , por lo tanto, es el polinomio de interpolación. 
menor grado tal que

Caso n=1

Tenemos los datos:

 

 
   En este caso, el polinomio de interpolación es la función lineal que une a los dos
puntos dados. Por lo tanto, tenemos que
y1  y0
f ( x)  y0  ( x  x0 )
x1  x0
es el polinomio de interpolación.
La siguiente gráfica representa este caso:
 

Observación.

   Vemos que en el polinomio de interpolación del caso n=1 se encuentra como primer
y0 , que es el polinomio de interpolación del caso n=0.
término,

Continuemos:

Caso n=2
Tenemos los datos:
 

 
   Para este caso, el polinomio de interpolación va a ser un polinomio de grado 2.
Tomando en cuenta la observación anterior, intuímos que el polinomio de interpolación
será como sigue:

término cuadrático

 
Por lo tanto, planteamos el polinomio de interpolación como sigue:
 
f ( x)  b0  b1 ( x  x0 )  b2 ( x  x0 )( x  x1 )
 
x  x0 , se anulan los valores de b1 y b2 , quedándonos el resultado:
Si asignamos
 
f ( x0 )  b0
 
f ( x0 )  y0 , entonces:
Como se debe cumplir que
 
y0  b0
 
Si asignamos
x  x1 , el valor de b2 queda anulado, resultando lo siguiente:
 
f ( x1 )  b0  b1 ( x1  x0 )
 
f ( x1 )  y1 y y0  b0 ,
   Como se debe cumplir que ya sabemos que entonces
y1  b0  b1 ( x1  x0 ) , de lo cual obtenemos el valor para b1 :
 
y1  y0
 b1
x1  x0
 
Asignando
x  x2 , vamos a obtener :
 
f ( x2 )  b0  b1 ( x2  x0 )  b2 ( x2  x0 )( x2  x1 )
 

   Como se debe cumplir que

f ( x2 )  y2 , y ya sabemos que
y0  b0 y
y1  y0
 b1
x1  x0 b
, sustituímos estos datos para después despejar el valor de 2 :
 
 y1  y0
y 2  y0  ( x2  x0 )  b2 ( x2  x0 )( x2  x1 )
x1  x0
 
De lo cual podemos hacer un despeje parcial para lograr la siguiente igualdad :
 
y1  y0
y2  y0  ( x2  x0 )
x1  x0
 b2 ( x2  x0 )
x2  x1
 
   Ahora en el numerador del miembro izquierdo de la igualdad, le sumamos un cero
  y1  y1  , de tal manera que no se altere la igualdad:
 

 
   A continuación, aplicamos un poco de álgebra para así obtener los siguientes
resultados:
 

 
b
Y finalmente despejando a 2 vamos a obtener :
 
y2  y1 y1  y0

x2  x1 x1  x0
b2 
x2  x0
 
Por lo tanto, el polinomio de interpolación para este caso es:
 

Observación.
   Vemos que efectivamente el polinomio de interpolación contiene al del caso anterior,
más un término extra que es de un grado mayor, pero además vemos que cada uno de
los coeficientes del polinomio de interpolación, se forman a base de cocientes de
diferencias de cocientes de diferencias, etc. Esto da lugar a la definición de diferencias
divididas finitas de Newton, como sigue:
 

DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON

Las diferencias divididas finitas de Newton, se define de la siguiente manera:

 
f ( xi )  f ( x j )
f [ xi , x j ] 
xi  x j
 
f [ xi , x j ]  f [ x j , xk ]
f [ xi , x j , xk ] 
xi  xk



f [ xn ,, x1 ]  f [ xn 1 ,, x0 ]
f [ xn , xn 1 ,, x1 , x0 ] 
xn  x0
 
 
A manera de ejemplo citemos el siguiente caso específico :
 
f [ x3 , x2 , x1 ]  f [ x2 , x1 , x0 ]
f [ x3 , x2 , x1 , x0 ] 
x3  x0
donde a su vez:
 
f [ x3 , x2 ]  f [ x2 , x1 ]
f [ x3 , x2 , x1 ] 
x3  x1
y
 
f [ x2 , x1 ]  f [ x1 , x0 ]
f [ x2 , x1 , x0 ] 
x2  x01
 
Y donde a su vez:
f ( x3 )  f ( x2 )
f [ x3 , x2 ] 
x3  x2
 
etc.
 
Podemos ahora definir nuestro primer tipo de polinomio de interpolación.
 
 POLINOMIO DE INTERPOLACIÓN DE NEWTON CON
DIFERENCIAS DIVIDIDAS
 
 
Dados n 1 datos:
 

 
- El polinomio de interpolación de Newton se define de la siguiente manera:
 
f  x   b0  b1  x  x0   b2  x  x0  x  x1     bn  x  x0  x  x1   x  xn 1 
 
donde :
 
b0  f  x0 
b1  f [ x1 , x0 ]
b2  f  x2 , x1 , x0 

bn  f  xn ,, x0 
 
b , b ,, bn , es conveniente construir una tabla de
   Para calcular los coeficientes 0 1
diferencias divididas como la siguiente :
 

   Obsérvese que los coeficientes del polinomio de interpolación de Newton, se

encuentran en la parte superior de la tabla de diferencias divididas. 

Ejemplo 1. Calcular la tabla de diferencias divididas finitas con los siguientes datos :

 
   Y utilizar la información de dicha tabla, para construir el polinomio de interpolación
de Newton.
 
Solución.
Procedemos como sigue:
 

 
Por lo tanto el polinomio de interpolación de Newton es :
 
f ( x)  4  2( x  2)  0.25( x  2)( x  1)  0.3( x  2)( x  1)( x  2)
 

Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los siguientes datos :

 
   Y usar la información en la tabla, para construir el polinomio de interpolación de
Newton.

Solución. Procedemos como sigue:

 

 
Por lo tanto el polinomio de interpolación de Newton nos queda :
 
f ( x)  5  3( x  3)  1.66667( x  3)( x  2)  0.20238( x  3)( x  2)( x)
 
   Antes de ver el siguiente tipo de polinomio de interpolación, veamos como el
imponer la restricción del grado mínimo, implica la unicidad del polinomio de
interpolación.
 
 
TEOREMA .
 x0 , x1 ,, xn son números reales distintos, entonces para valores arbitrarios
    Si
y0 , y1 ,, yn existe un polinomio único f n  x  , de a lo más grado n, y tal que:
 
f n  xi   yi i  0,1,2,, n
para toda
 
DEMOSTRACIÓN.
   En realidad, no probaremos formalmente la existencia de un polinomio de
interpolación, aunque informalmente aceptamos que dada cualquier tabla de datos, el
polinomio de Newton siempre existe.
Probemos la unicidad del polinomio de interpolación.

g n  x  es otro polinomio de interpolación de a lo más grado n,

Supongamos que

hn  x   f n  x   g n  x 
Sea
 hn  xi   f n  xi   g n  xi   yi  yi  0 i  0,1,2, n
para todo
 

hn  x  tiene n  1 raíces distintas, y es un polinomio de grado a lo

Por lo tanto,
hn  x   0 .
más n, esto solamente es posible si

 fn  x   gn  x 
 
Que es lo que queríamos probar.
 
   Sin embargo, aunque el polinomio de interpolación es único, pueden existir diversas
formas de encontrarlo. Una, es mediante el polinomio de Newton, otra mediante el
polinomio de Lagrange.
 
 
POLINOMIO DE INTERPOLACIÓN DE LAGRANGE
 
Nuevamente tenemos los datos :
 

 
El polinomio de interpolación de Lagrange se plantea como sigue:
 
P ( x)  y0l0 ( x )  y1l1 ( x)    ynln ( x)
 
li (x) se llaman los polinomios de Lagrange, correspondientes a
Donde los polinomios
la tabla de datos.
 
 P ( x0 )  y0 , esto se cumple si l0 ( x0 )  1 y li ( x0 )  0 para
Como se debe satisfacer que
toda i  0.
Como se debe satisfacer que
P ( x1 )  y1 , esto se cumple si l1 ( x1 )  1 y li ( x1 )  0 para
toda i  1.
Pn  xn   yn
Y así sucesivamente, veremos finalmente que la condición se cumple si
ln  xn   1 y li  xn   0 para toda i  n .
Esto nos sugiere como plantear los polinomios de Lagrange. Para ser más claros,
l0 ( x ) . De acuerdo al análisis anterior vemos
analicemos detenidamente el polinomio
l ( x) :
que deben cumplirse las siguientes condiciones para 0
l0 ( x0 )  1 y l0 ( x j )  0 , para toda j  0
l0 ( x) como sigue:
Por lo tanto, planteamos
lo  x   c x  x1  x  x2   x  xn 
l ( x ) . La constante c se
   Con esto se cumple la segunda condición sobre 0
determinará para hacer que se cumpla la primera condición:
 
l0  x0   1  1  c x0  x1  x0  x2   x0  xn 
1
c
 x0  x1  x0  x2   x0  xn 
 
l0 ( x ) queda definido como:
Por lo tanto el polinomio

l0  x  
 x  x1  x  x2   x  xn 
 x0  x1  x0  x2   x0  xn 
 
Análogamente se puede deducir que:
 
 (x  x ) i

l j  x  i j

 (x
i j
j  xi )
j  1, , n
, para
 
Ejemplo 1
Calcular el polinomio de Lagrange usando los siguientes datos:
 

Solución. Tenemos que: 

 f ( x)  y0l0 ( x )  y1l1 ( x)  y2l ( x)  y3l3 ( x)
f ( x)  2l0 ( x)  l1 ( x)  2l2 ( x)  3l3 ( x)
 
donde:
( x  3)( x  5)( x  7) ( x  3)( x  5)( x  7)
l0 ( x)  
(2)( 4)( 6)  48
 
( x  1)( x  5)( x  7) ( x  1)( x  5)( x  7)
l1 ( x)  
(2)( 2)( 4) 16
 
( x  1)( x  3)( x  7) ( x  1)( x  3)( x  7)
l2 ( x )  
(4)( 2)( 2)  16
 
( x  1)( x  3)( x  5) ( x  1)( x  3)( x  5)
l3 ( x)  
(6)( 4)( 2) 48
 
Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:
 
 ( x  3)( x  5)( x  7)   ( x  1)( x  5)( x  7)   ( x  1)( x  3)( x  7)   ( x  1)( x  3)( x  5) 
f ( x)      
 24   16   8   16 
 
Ejemplo 2.
Calcular el polinomio de Lagrange usando los siguientes datos:
 

Solución. Tenemos que: 

f ( x)  y0l0 ( x )  y1l1 ( x)  y2l ( x)  y3l3 ( x)

f ( x)  l0 ( x)  l1 ( x )  3l2 ( x)  2l3 ( x)
 
donde:
 
( x  0)( x  2)( x  4) x( x  2)( x  4)
l0 ( x)  
(2)( 4)( 6)  48
 
( x  2)( x  2)( x  4) ( x  2)( x  2)( x  4)
l1 ( x )  
(2)( 2)( 4) 16
 
( x  2)( x  0)( x  4) x ( x  2)( x  4)
l2 ( x )  
(4)( 2)( 2)  16
 
( x  2)( x  0)( x  2) x( x  2)( x  2)
l3 ( x)  
(6)( 4)( 2) 48
 
 
Sustituyendo arriba, el polinomio de Lagrange queda como sigue:
 
 x( x  2)( x  4)   ( x  2)( x  2)( x  4)   x( x  2)( x  4)   x ( x  2)( x  2) 
f ( x)      3  
  48   16    16   24 
   En el capítulo de integración numérica, usaremos nuevamente a los polinomios de
Lagrange.
 
 
INTERPOLACIÓN DE SPLINES
 
   Terminamos este capítulo, estudiando un tipo de interpolación que ha demostrado
poseer una gran finura, y que inclusive es usado para el diseño por computadora, por
ejemplo, de tipos de letra.
Esta interpolación se llama interpolación segmentaria o interpolación por splines. La
idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar nuestra
interpolación.
Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más
adecuadas para aplicaciones como la mencionada anteriormente.

   Así pues, podemos decir de manera informal, que una funcion spline está formada
por varios polinomios, cada uno definido en un intervalo y que se unen entre si bajo
ciertas condiciones de continuidad.

Definición. (Splines de grado k)

 
Dada nuestra tabla de datos,
 

 
x  x  x
donde suponemos que 0 1 n , y dado k un número entero positivo,
una función de interpolación spline de grado k, para la tabla de datos, es una función
s(x) tal que :
s( xi )  yi , para toda i  0,1, , n .
i)

ii)
s x  es un polinomio de grado  k en cada subintervalo  xi 1 , xi  .

iii )
s  x  tiene derivada contínua hasta de orden k  1 en  x0 , xn  .
 
 
FUNCIONES SPLINES DE GRADO 1
 
Dados los n 1 puntos
 

 
   Una función spline de grado 1 que interpole los datos es simplemente unir cada uno
de los puntos mediante segmentos de recta, como sigue:

 
   Claramente esta función cumple con las condiciones de la spline de grado 1. Así,
tenemos que para ested caso:

 s1  x  si x   x0 , x1 
s  x  s x   x1 , x2 

s ( x)   2
 
sn  x  si x   xn 1 , xn 
 
donde:
 
s j  x
i) es un polinomio de grado menor o igual que 1
ii)
s x  tiene derivada continua de orden k-1=0.
s x   y
iii) j j
, para j  0,1, , n .
Por lo tanto, la spline de grado 1 queda definida como :
 
 y0  f  x1 , x0   x  x0  si x   x0 , x1 
 y  f  x , x  x  x  si x   x1 , x2 

s x    1 2 1 1

 
 yn 1  f  xn , xn 1   x  xn 1  si x   xn 1 , xn 
 
i jf [x , x ]
donde es la diferencia dividida de Newton.
 
 
FUNCIONES SPLINES DE GRADO 2
 
Para aclarar bien la idea, veamos un ejemplo concreto, consideremos los siguientes
datos :
 

 
Y procedamos a calcular la interpolación por splines de grado 2.
Primero que nada, vemos que se forman tres intervalos :
 
 3,4.5
 4.5,7
 7,9
 
   En cada uno de estos intervalos, debemos definir una función polinomial de grado 2,
como sigue:
 
 a1 x 2  b1 x  c1 si x   3,4.5

s  x   a2 x 2  b2 x  c2 si x   4.5,7
a x2  b x  c
 3 3 3 si x   7,9
 
   Primero, hacemos que la spline pase por los puntos de la tabla de datos. Es decir, se
debe cumplir que:
 
s(3)  2.5, s( 4.5) 1, s(7)  2.5, s (9)  0.5
Así, se forman las siguientes ecuaciones:
 
s (3)  2.5  9a1  3b1  c1  2.5
 ( 4.5) 2 a1  4.5b1  c1  1
s (4.5)  1  
(4.5) a2  4.5b2  c2  1
2

49a  7b2  c2  2.5

s ( 7 )  2 .5   2
 49a3  7b3  c3  2.5
s (9)  0.5  81a3  9b3  c3  0.5
 
Hasta aquí, tenemos un total de 6 ecuaciones vs. 9 incógnitas.
El siguiente paso es manejar la existencia de las derivadas contínuas. En el caso de las
splines de grado 2, necesitamos que la spline tenga derivada contínua de orden k-
1=1, es decir, primera derivada continua.
Calculamos primero la primera derivada:
 
 2a1 x  b1 si x   3,4.5

s x   2a2 x  b2 si x   4.5,7
 2a x  b
 3 3 si x   7,9
 
   Vemos que esta derivada está formada por segmentos de rectas, que pudieran
presentar discontinuidad en los cambios de intervalo. Es decir, las posibles
discontinuidades son x  4. 5 y x  7. Por lo tanto para que
s x  sea contínua, se
debe cumplir que:
 
2a1  4.5  b1  2a2  4.5  b2
o lo que es lo mismo,
9a1  b1  9a2  b2
 
También debe cumplirse que:
 
2a2  7   b2  2a3  7   b3
o lo que es lo mismo,
14a2  b2  14a3  b3
 
   Así, tenemos un total de 8 ecuaciones vs. 9 incognitas; esto nos da un grado de
libertad para elegir alguna de las incógnitas. Elegimos por simple conveniencia 1 .
a 0
   De esta forma, tenemos un total de 8 ecuaciones vs. 8 incógnitas. Estas son las
siguientes:
 
3b1  c1  2.5
4.5b1  c1  1
20.25a2  4.5b2  c2  1
49a2  7b2  c2  2.5
49a3  7b3  c3  2.5
81a3  9b3  c3  0.5
b1  9a2  b2
14a2  b2  14a3  b3
 
Este sistema de ecuaciones tiene la siguiente forma matricial:
 
3 1 0 0 0 0 0 0  b1  2.5
 4 .5
 1 0 0 0 0 0 0  c1   1 
0 0 20.25 4.5 1 0 0 0   a2   1 
    
0 0 49 7 1 0 0 0  b2  2.5

0 0 0 0 0 49 7 1  c2  2.5
    
0 0 0 0 0 81 9 1  a3  0.5
1 0 9 1 0 0 0 0  b3   0 
    
 0 0 14 1 0  14  1 0  c3   0 
 
Usando Mathematica se obtiene la siguiente solución:
 
 b1  1
c1  5.5
a2  0.64
b2   6.76
c2  18.46
a3   1.6
b3  24.6
c3   91.3
 
   Sustituyendo estos valores (junto con
a1  0 ), obtenemos la función spline
cuadrática que interpola la tabla de datos dada:
 
  x  5 .5 si x   3,4.5

s x   0.64 x  6.76 x  18.46 si
2
x   4.5,7
  1.6 x 2  24.6 x  91.3 si
 x   7,9
 
   La gráfica que se muestra a continuación, contiene tanto los puntos iniciales de la
tabla de datos, así como la spline cuadrática. Esta gráfica se generó usando
Mathematica.
 
  5
 
  4
 
  3
 
  2
 
  1
 
 
  3 4.5 7 9
  -1
   El siguiente caso, que es el más importante en las aplicaciones, sigue exactamente
los mismos pasos del ejemplo que acabamos de resolver, solamente que en vez de
trabajar con polinomios cuadráticos, lo hace con polinomios cúbicos.
 
 
FUNCIONES SPLINES CUBICAS
 
   Para hacer más firme el entendimiento, escribimos la definición correspondiente a
este caso (k=3).
 
Dados los n 1 datos:
 
 
   Una spline cúbica que interpola estos datos, es una función s(x) definida como
sigue :
 
 s0  x  si x   x0 , x1 
 s  x si x   x1 , x2 

s x    1
 
sn 1  x  si x   xn 1 , xn 
 
s  x  es un polinomio cúbico; si  xi   yi , para toda i  0,1, , n y tal
donde cada i

que
s  x  tiene primera y segunda derivadas contínuas en  x0 , xn  .
 
Ejemplo 1.
Interpolar los siguientes datos mediante una spline cúbica :
 

 
Solución.
Definimos un polinomio cúbico en cada uno de los intervalos que se forman:
 
 a x 3  b x 2  c x  d1 si x   2,3
s x    1 3 1 2 1
a2 x  b2 x  c2 x  d 2 si x   3,5
 
   A continuación, hacemos que se cumpla la condición de que la spline debe pasar por
los puntos dados en la tabla. Así, tenemos que:
 
s 2   1  8a1  4b1  2c1  d1  1
s 3  2  27 a1  9b1  3c1  d1  2
s 5  7  125a2  25b2  5c2  d 2  7
 
Ahora calculamos la primera derivada de
s x  :
 
 3a x 2  2b1 x  c1 si x   2,3
s  x    1 2
3a 2 x  2b2 x  c 2 si x   3,5
 
   Al igual que en el caso de las splines cuadráticas, se presentan ecuaciones que
pueden presentar discontinuidad en los cambios de intervalo; las posibles
discontinuidades son los puntos donde se cambia de intervalo, en este caso x  3.
Para evitar esta discontinuidad, evaluamos x3 en los dos polinomios e igualamos:
 
3a1  3  2b1  3  c1  3a 2  3  2b2  3  c 2
2 2

 
o lo que es lo mismo:
 
27 a1  6b1  c1  27 a 2  6b2  c 2
 
Análogamenete procedemos con la segunda derivada :
 
 6a x  2b1 si x   2,3
s  x    1
6a 2 x  2b2 si x   3,5
 
Para lograr que
s  x  sea continua :
 
6a1  3  2b1  6a 2  3  2b2
 18a1  2b1  18a2  2b2
 
   En este punto contamos con 6  ecuaciones y 8 incognitas, por lo tanto tenemos 2
grados de libertad; en general, se agregan las siguientes 2 condiciones:
 
s  x0   0
s  x n   0
 
De lo cual vamos a obtener :
 
s 2   0  6a1  2   2b1  0
12a1  2b1  0
s 5  0  6a2  5  2b2  0
 30a2  2b2  0
 
   Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incógnitas, el cual es
el siguiente:
 
8a1  4b1  2c1  d1  1
27 a1  9b1  3c1  d1  2
27 a 2  9b2  3c 2  d 2  2
125a 2  25b2  5c 2  d 2  7
27 a1  6b1  c1  27 a 2  6b2  c 2
18a1  2b1  18a 2  2b2
12a1  2b1  0
30a 2  2b2  0
 
Cuya forma matricial es la siguiente :
 
8 4 2 1 0 0 0 0  a1    1 
27
 9 3 1 0 0 0 0  b1   2 
0 0 0 0 27 9 3 1  c1   2 
    
0 0 0 0 125 25 5 1  d1   7 

27 6 1 0  27 6  1 0   a2   0 
    
18 2 0 0  18 2 0 0  b2   0 
12 2 0 0 0 0 0 0   c2   0 
    
 0 0 0 0 30 2 0 0  d 2   0 
Usando Mathematica, obtenemos la siguiente solución:
 
a1   1.25
b1  7.5
c1   10.75
d1  0.5
a2  0.625
b2   9.375
c2  39.875
d2   50.125
 
   Sustituyendo estos valores en nuestra función inicial, vemos que la spline cúbica
para la tabla de datos dada, queda definida como sigue:
 
 
  1.25 x 3  7.5 x 2  10.75 x  0.5 si x   2,3
s x   
0.625 x  9.375 x  39.875 x  50.125 si
3 2
x   3,5
 
   Mostramos la gráfica correspondiente a este ejercicio, creada tambien en
Mathematica.
 
   Obsérvese la finura con la que se unen los polinomios cúbicos que conforman a la
spline. Prácticamente ni se nota que se trata de dos polinomios diferentes!. Esto es
debido a las condiciones que se impusieron sobre las derivadas de la función. Esta
finura casi artística, es la que permite aplicar las splines cúbicas, para cuestiones como
el diseño de letras por computadoras, o bien a problemas de aplicación donde la
interpolación que se necesita es de un caracter bastante delicado, como podría tratarse
de datos médicos sobre algún tipo de enfermedad. 

Ejemplo 2.
Interpolar los siguientes datos utilizando splines cúbicas:
 

 
Solución.
Nuevamente, definimos un polinomio cúbico en cada uno de los intervalos:
 
 a1 x 3  b1 x 2  c1 x  d1 si x    1,1

s ( x)  a2 x 3  b2 x 2  c2 x  d 2 si x  1,2
 a x3  b x 2  c  d
 3 3 3 3 si x   2,4
 
   Despues, hacemos que la spline pase por los puntos dados en la tabla. Así, tenemos
que:
s(1)  1 implica que,
 a1  b1  c1  d1  1
s (1)  1 implica que,
a1  b1  c1  d1  1
a2  b2  c2  d 2  1
s(2)  5 implica que,
 
8a2  4b2  2c2  d 2  5
8a3  4b3  2c3  d 3  5
 
Y finalmente s (4)  2 implica que,
 
64a3  16b3  4c3  d 3  2
 
Enseguida, calculamos la primera derivada:
 
 3a1 x 2  2b1 x  c1 si1 x    1,1

s( x)  3a2 x 2  2b2 x  c2 si x  1,2
 3a x 2  2b x  c
 3 3 3 si x   2,4
 
   Vemos entonces, que las posibles discontinuidades de s(x) son x  1 y x  2 . Por
lo tanto, para hacer que

s (x ) sea contínua, igualamos las ecuaciones
correspondientes en ambos valores :
 
3a1  2b1  c1  3a2  2b2  c2
12a2  4b2  c2  12a3  4b3  c3
 
Ahora procedemos a calcular la segunda derivada:
 
 6a1 x  2b1 si x    1,1

s( x)  6a2 x  2b2 si x  1,2
6a x  2b
 3 3 si x   2,4
 
   Nuevamente, las posibles discontinuidades son x 1 y x  2 . Por lo tanto, para que
s(x) sea contínua , se igualan las ecuaciones en ambos valores :
 
6a1  2b1  6a2  2b2  3a1  b1  3a2  b2
12a2  2b2  12a3  2b3  6a2  b2  6a3  b3
 
   Finalmente, se agregan las condiciones de que la doble derivada se anule en los
puntos inicial y final de la tabla. En este caso,
 
s(1)  0  6a1  2b1  0  3a1  b1  0
s(4)  0  24a3  2b3  0  12a3  b3  0
 
Con esto tenemos un juego de doce ecuaciones vs. doce incógnitas:
 
 a1  b1  c1  d1  1
a1  b1  c1  d1  1
a2  b2  c2  d 2  1
8a2  4b2  2c2  d 2  5
8a3  4b3  2c3  d 3  5
64a3  16b3  4c3  d3  2
3a1  2b1  c1  3a2  2b2  c2
12a2  4b2  c2  12a3  4b3  c3
3a1  b1  3a2  b2
6a2  b2  6a3  b3
 3a1  b1  0
12a3  b3  0
 
Este sistema tiene la siguiente forma matricial:
 
1 1 1 1 0 0 0 0 0 0 0  a1    1
0
1
 1 1 1 0 0 0 0 0 0 0  b1   1 
0
0 0 0 0 1 1 1 1 0 0 0 0  c1   1 
    
0 0 0 0 8 4 2 1 0 0 0 0  d1   5 
0 0 0 0 0 0 0 0 8 4 2 1  a2   5 
    
0 0 0 0 0 0 0 0 64 16 4 1  b2   2

3 2 1 0  3  2 1 0 0 0 0 0  c2   0 
    
0 0 0 0 12 4 1 0  12  4  1 0 d 2   0 
3 1 0 0  3 1 0 0 0 0 0 0  a3   0 
    
0 0 0 0 6 1 0 0  6  1 0 0  b3   0 
    
 3 1 0 0 0 0 0 0 0 0 0 0  c3   0 
 0 0 0 0 0 0 0 0 12 1 0 0  d3   0 

Usando Mathematica, obtenemos la solución :

 
51 21 24
a1  a2   a3 
140 , 10 , 35
153 297 288
b1  b2  b3  
140 , 35 , 35
 
89 473 1867
c1  c2   c3 
140 , 70 , 70
 
153 48 732
d1   d2  d3  
40 , 35 , 35
 
Por lo tanto, la spline cúbica es:
 

 x  x  x  153
51 3
140
153 2
14040 si x    1,1
89
140

s ( x)   x  x  x  35
21 3
10
297 2
35
48
si x  1,2
473
70
 x  x 

24 3
35 35
288 2
x 732
35 si x   2,4
1867
70
  8
Finalmente, mostramos la gráfica correspondiente (creada en Mathematica):
  6
 
  4
 
 
2

-1 1 2 4

-2
 
 
 
 
 
 
 
 
 
 
 
 
 
EJERCICIOS 

NOTA: CUANDO SEA NECESARIO, REDONDEA A CINCO DECIMALES.

1. 1. Calcula el polinomio de interpolación de Newton para los siguientes datos:

 
x 2 2 1 4
i) i)                    y 0.5  3 2.4 7.8

x 0.3 0.6 0.9 1.2 1.5

ii) y  3 0  6 9  12

Soluciones:

i ) f ( x)  0.5  0.875( x  2)  0.925( x  2)( x  2)  0.4625( x  2)( x  2)( x  1)

ii ) f ( x)  3  10( x  0.3)  50( x  0.3)( x  0.6)  185.18519( x  0.3)( x  0.6)( x  0.9)
 447.53088( x  0.3)( x  0.6)( x  0.9)( x  1.2)
 

2. Calcula el polinomio de Lagrange para los siguientes datos:

 
x 1 2 3 5
i) y 1.56 3.54  2.57  8.9
 
x  1.5  0.5 1  2  4
ii) ii)                  y 9  2 5 33 0
 
Soluciones:
 
 ( x  2)( x  3)( x  5)   ( x  1)( x  3)( x  5)   ( x  1)( x  2)( x  5) 
i ) p ( x)  1.56   3.54    2.57  
  36   45   80 
  ( x  1)( x  2)( x  3) 
 8.9  
  144
 
 
 ( x  0.5)( x  1)( x  2)( x  4)   ( x  1.5)( x  1)( x  2)( x  4) 
ii ) p ( x)  9    2 
 3.125    7.875
 ( x  1.5)( x  0.5)( x  2)( x  4)   ( x  1.5)( x  0.5)( x  1)( x  4) 
 5   33  
 56.25  4.5
 

2. 3. Calcula las splines cúbicas para los siguientes datos:

 
x 2 1 3
i) i)                    y 40  5  20

x 5 2 3 7
ii) ii)                  y 20 4  6 40
 

Soluciones:

 0.25 x 3  1.5 x 2  14.25 x  7.5 si x    2,1

i) s ( x)  
 0.375 x  3.375 x  16.125 x  8.125 si
3 2
x  1,3

  526
5
x 3  526
75 2
x  4703
789
x  5860
789
si x    5,2

ii ) s ( x)   1241
7890 x  2630 x  3945 x  1315
3 2257 2 15619 8012
si x    2,3
 299 x 3  2093 x 2  10511 x  860 si
 1578 526 789 263 x   3,7