U N I D A D I V.

INTERPOLACIN

INTERPOLACIN
Aproximaciones
En el campo de la ingeniera es muy comn encontrar funciones bastantes
complejas por lo que se hace necesario facilitar los clculos a travs de funciones
ms simples, continuas conocidas como polinomios. Existe una gran variedad de
modelos de aproximaciones siendo las principales las siguientes:
*POLINMIO DE TAYLOR
*POLINMIO DE CHEVISHEV
*SERIE DE FURIER
*POLINOMIOS ORTOGONALES DE HERMITE
Existen muchas ventajas para la aproximar funciones o polinomios pero las
principales son:
1.- La aproximacin se realiza a travs de funciones ms simples
2.- Al sumar, restar, multiplicar, dividir, derivar e integrar un polinomio siempre
obtenemos un polinomio.
INTERPOLACIN POLINOMIAL
En ecuaciones se tiene que calcular los valores intermedios entre los valores
conocidos.
El mtodo ms comn empleado para este propsito es la interpolacin polinomial.
La formula general de un polinomio de n-esimo orden es :

f ( x ) = a0 + a1 x + a2 x 2 + a3 x 3 + ... + an 1 x n 1 + an x n
Para n+1 puntos existe uno y solo uno polinomios de n-esimo orden o menor que
pasa a travs de todos los puntos.
Ejemplo.a) Hay una sola lnea recta (polinomios de 1 orden) que conecta dos puntos

b)

Hay una parbola que conecta a tres puntos

El polinomio de interpolacin consiste en determinar el nico polinomio de nesimo orden que se adjunta a los n+1 puntos dados.
Existe una gran variedad de funciones matemticas mediante los cuales se puede
expresar este polinomio.
MTODO DE INTERPOLACIN DE NEWTON
Este mtodo es la forma ms comn y ms til de expresar un polinomio de
interpolacin.
a) INTERPOLACIN LINEAL.
La forma mas simple de interpolacin consiste en unir 2 puntos con una lnea
recta.
Dicha tcnica se llama interpolacin lineal la cual se muestra en la
siguiente figura.

f ( x ) f ( x0 )
f ( x1 ) f ( x 0 )
=
x x0
x1 x 0
Se puede reordenar como:

f ( x) = f ( x0 ) +

f ( x1 ) f ( x 0 )
( x x 0 ) ..( 1 )
x1 x 0

Agrupando trminos:

b0 = f ( x 0 )
f ( x1 ) f ( x 0 )
b1 =
x1 x 0

( 2 )
( 3 )

Sustituyendo la ec. (2) y ( 3 ) en la ecuacin (1) se tiene

f 1 ( x ) = b 0 + b1 ( x x 0 )
Esta es la frmula de interpolacin lineal. La notacin f 1 ( x ) indica que se
trata de un polinomio de interpolacin de primer orden. Ntese que adems de
representar la pendiente de la lnea que conecta los dos puntos, el trmino
f ( x 1 ) f ( x 0 ) ( x 1 x 0 ) es una aproximacin de diferencias divididas finitas
a la primera derivada.
En general, entre ms pequeo sea el intervalo entre los puntos, ms exacta
ser la aproximacin. Esto se debe a que conforme el intervalo disminuye, una
funcin continua estar mejor aproximada por una lnea recta
b) INTERPOLACIN CUADRTICA
Para la interpolacin lineal utilizbamos dos puntos, pues dos puntos
determinan una recta ( polinomios de primer grado ).
Una estrategia para mejorar la estimacin consiste en introducir alguna
curvatura a la lnea que une los puntos. Entonces se tienen 3 puntos como
datos estos pueden ajustarse en un polinomio de segundo grado, tambin
conocido como polinomio cuadrtico o parbola.
Su forma particular es :

f 2 ( x ) = b 0 + b1 ( x x 0 ) + b 2 ( x x 0 )( x x1 ) ( 1 )
Al multiplicar se obtiene :

f 2 ( x ) = b 0 + b1 x b1 x 0 + b 2 x 2 b 2 xx 1 b 2 xx 0 + b 2 x 0 x1
Agrupando trminos
Donde :

a 0 = b 0 b1 x 0 + b 2 x 0 x1
a 1 = b1 b 2 x1 b 2 x 0
a 2 = b2
Razonando como en el caso de interpolacin lineal, la ecuacin general de una
parbola es: y = ax

+ bx + c y por lo tanto la ecuacin es.

f 2 ( x ) = a 0 + a1 x + a 2 x 2
Para determinar los valores de las ecuaciones para encontrar b0 en la ecuacin 1
y teniendo x = x0

b0 = f ( x 0 )

( 2 )

sustituyendo (2) en la ecuacin (1) y teniendo x = x1

b1 =

f ( x1 ) f ( x 0 )
x1 x 0

( 3 )

Las ecuacin 2 y 3 con la ecuaciones 1 y teniendo x = x2 se obtiene

f ( x1 ) f ( x 0 )
f ( x 2 ) f ( x1 )

x 2 x1
x1 x 0
b2 =
x2 x0

( 4 )

La ecuacin nos queda:

f (x2 ) f (x1 ) f ( x1 ) f (x0 )

f (x1 ) f (x0 )
x2 x1
x1 x0
(x x0 ) +
(x x0 )(x x1 )
f 2 (x) = f ( x0 ) +
x1 x0
x2 x0
Ntese que, al igual que en el caso de interpolacin lineal, b1 an representa la
pendiente de la lnea que une los puntos X0 y X1. Por lo tanto, los primeros dos
trminos de la ecuacin (4) son equivalentes a la interpolacin de X0 a X1, como
se especific anteriormente en la ecuacin (3).
El ltimo trmino,
b 2 ( x x 0 )( x x 1 ) , introduce la curvatura de segundo orden en la frmula.
c) FORMA GENERAL DE POLINOMIOS DE INTERPOLACIN DE NEWTON
En el anlisis anterior se puede generalizar en el ajuste de un polinomio de nesimo orden a los n + 1 puntos este polinomio es :

f n ( x) = b0 + b1 (x x0 ) + b2 (x x0 )(x x1 ) + ...+ bn ( x x0 )( x x1 )...(x xn1 ) ( 1 )

Como se hizo en los incisos se usa los puntos anteriores b0, b1, , bn y se
requiere de n+1 puntos para obtener dicho polinomio y usando estos podemos
evaluar coeficiente.

b0 = f ( x 0 )
b1 = f [ x 0 , x 1 ] =

( 2 )

f ( x1 ) f ( x 0 )
x1 x 0

( 3 )

f ( x 2 ) f ( x1 )
f ( x1 ) f ( x 0 )

f [ x1 , x 2 ] f [ x 0 , x1 ]
x 2 x1
x1 x 0
b 2 = f [ x 0 , x1 , x 2 ] =
=
x2 x0
x2 x0
f [ x1 , x 2 , x 3 ] f [ x 0 , x1 , x 2 ]
b 3 = f [ x 0 , x1 , x 2 , x 3 ] =
x3 x0
f [ x1 , x 2 , x 3 , x 4 ] f [ x 0 , x1 , x 2 , x 3 ]
b 4 = f [ x 0 , x1 , x 2 , x 3 , x 4 ] =
x4 x0
M
f [ x1 , x 2 , x 3 , x 4 ,..., x n ] f [ x 0 , x1 , x 2 , x 3 ,..., x n 1 ]
b n = f [ x 0 , x1 , x 2 , x 3 , x 4 ,..., x n ] =
xn x0
Las ecuaciones entre corchetes son diferencias finitas las cuales se sustituyen
en la ec. 1
POLINOMIO DE INTERPOLACIN DE LAGRANGE
n

Li (x ) f (x ) .( 1 )

f n ( x) =

i=0

Donde :

Li ( x ) =

i=0

x xj
xi x j

.(2)

ji

En donde:
denota EL producto de
La versin lineal

f1 ( x ) =

x x0
x x1
f ( x1 )
f ( x0 ) +
x1 x 0
x 0 x1

.(3)

La versin de segundo grado

f2 (x) =

(x x0 )(x x1)
(x x0 )(x x2 )
(x x1)(x x2 )
f (x0 ) +
f (x1) +
f (x2 )
(x1 x0 )(x1 x2 )
(x2 x0 )(x2 x1)
(x0 x1)(x0 x2 )

La versin de tercer grado

f3(x) =

(xx1)(xx2 )(xx3)
(xx0 )(xx2 )(xx3)
(xx0 )(xx1)(xx3)
(xx0 )(xx1)(xx2 )
f (x0 )+
f (x1)+
f (x2 )+
f (x3)
(x0 x1)(x0 x2 )(x0 x3)
(x1 x0 )(x1 x2 )(x1 x3)
(x2 x0 )(x2 x1)(x2 x3)
(x3 x0 )(x3 x1)(x3 x2 )

Y as sucesivamente hasta el n-esimo polinomio.

MATRIZ INVERSA DE LAGRANGE
Recordando en interpolacin de Newton y Lagrange consiste en determinar el valor
de la funcin f ( x ) , conociendo el valor de la variable x en la interpolacin
inversa se trata de resolver el problema al contrario desde una funcin f ( x )
encontrar el valor de x .
El problema se resuelve mediante la formula de Interpolacin de Lagrange
formando una tabla con los valores de la variable dependiente como valores de X y
los de la independiente como Y.
MINIMOS CUADRADOS
Este mtodo consiste en que dado un conjunto de datos, resultado de n
mediciones ( parejas de datos formados por variable independiente x y una
variable dependiente y ) (x1, y1), (x2, y2),, (xn, yn). se quiere emplear una curva
En lenguaje de anlisis
f ( x ) que se ajuste a los datos lo mejor posible.
numricos, consiste en minimizar los errores de aproximacin que resultan al
emplear la curva f ( x ) , como un ajuste a las mediciones, esto es:
En lnea recta: yi=f(xi)+ei yi=a0 + a1 xi + Ei
Recordando ei=yi*f(xi)

Ei=yi a0 a1 xi

El problema numrico consiste en encontrar un mtodo que minimice dichos

errores. Este mtodo consiste en evaluar al cuadrado sus errores, sumarlos y
minimizar la expresin resultante, es decir, minimizar:
n

i =1

i =1

ei2 = ( yi f ( xi )) 2
O bien
n

i =1

i =1

Sr = Ei = ( y i a 0 ai xi ) 2 (1)
donde:
a0 y a1; son coeficientes que representan la interseccin con el eje de las abscisas
y la pendiente
Ei ; es el error entre el modelo y las observaciones

Si derivamos la ecuacin (1) con respecto a a0 y a1 tenemos:

Sr
= 2 ( y i a 0 a1 xi )
a0
Sr
= 2 [( y i a 0 a1 xi )xi ]
a1
Si igualamos a cero las ecuaciones anteriores
0 = y i a 0 a1 xi
0 = xi y i a 0 xi a1 xi2

Considerando que a0=na0, tenemos un conjunto de ecuaciones lineales simultaneas

con dos incgnitas, esto es.
na 0 + a1 xi = y i (2)

xi + a1 xi2 = xi y i (3)

Resolviendo el sistema anterior, obtenemos:

a1 =
a0

n xi y i xi y i
n xi2 ( xi )

( 4)

x y x x y
=
n x ( x )
2
i

2
i

= y a1 x (5)

Donde:

son la media de xi y yi respectivamente

x
Como el mtodo de mnimos cuadrados es un procedimiento esttico, la solucin que
acabamos de hallar tiene un error, el cual puede estimarse usando la expresin de la
desviacin estndar.