UNIVERSIDAD DE CARABOBO

FACULTAD DE CIENCIAS DE LA EDUCACIÓN

ESCUELA DE EDUCACIÓN
DEPARTAMENTO DE MATEMÁTICA
ASIGNATURA: MÉTODOS NUMÉRICOS

Prof. Reina Sequera Bachilleres:

García Lesby V-15.485.836
Pérez Jesús V-15.629.746
Roquez Arturo V-16.425.386
Pérez Desiree V-16.449.360
Serrano Alí V-16.234.378

Sección 11

Valencia, Julio de 2006

 INTRODUCCIÓN

En el subcampo matemático del análisis numérico, se denomina interpolación a la

construcción de nuevos puntos dados partiendo del conocimiento de un conjunto de puntos
dados discretos.

En ingeniería y ciencias es frecuente disponer de un cierto número de puntos

obtenidos por muestreo o a partir de un muestreo o experimento y pretender construir una
función que los ajuste.

Otro problema estrechamente ligado con el de la interpolación es la aproximación

de una función complicada por una más simple. Si tenemos una función cuyo cálculo
resulta costoso, podemos partir de un cierto número de sus valores e interpolar dichos datos
construyendo una función más simple. En general, por supuesto, no obtendremos los
mismos valores evaluando la función obtenida que si evaluásemos la función original, si
bien dependiendo de las características del problema y del método de interpolación usado la
ganancia en eficiencia puede compensar el error cometido.

En todo caso, se trata, a partir de n puntos distintos xk llamados nodos de obtener

una función f que verifique:

A la que se denomina función interpolante de dichos puntos.

Las formas de de interpolación que aquí se estudiarán son la interpolación de

Lagrange, las diferencias divididas de Newton y la interpolación por medio de esplines
cúbicas.
 POLINOMIO DE INTERPOLACIÓN DE LAGRANGE

Sean 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,

Donde los polinomios
correspondientes a la tabla de datos.

Como se debe satisfacer que P ( x0 ) = y0 , esto se cumple si l0 ( x0 ) = 1 y

li ( x0 ) = 0 para 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 .

( )
Y así sucesivamente, veremos finalmente que la condición Pn xn = yn 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

l0 ( x) . De acuerdo al análisis
claros, analicemos detenidamente el polinomio

anterior vemos que deben cumplirse las siguientes condiciones para l0 ( x) :

 l0 ( x0 ) = 1 y l0 ( x j ) = 0 , para toda j ≠ 0

Por lo tanto, planteamos l0 ( x) como sigue:

lo ( x ) = c( x − x1 )( x − x2 ) ( x − xn )

Con esto se cumple la segunda condición sobre l0 ( x) . La constante

c se 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 )

Por lo tanto el polinomio l0 ( x) queda definido como:

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 j − xi )
i≠ j
, para j = 1, , n
 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 
Ejemplo2:
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 
 INTERPOLACIÓN POLINOMIAL DE LAS DIFERENCIAS
DIVIDIDAS DE NEWTON

El análisis anterior se puede generalizar en el ajuste de un polinomio de n-

ésimo orden a los n+1 puntos. El polinomio de n-ésimo orden es:

Se usarán los puntos en la evaluación de los coeficientes b0, b1, ... , bn.

Se requieren n + 1 puntos para obtener un polinomio de n-ésimo orden: X0 , X1, ...

, Xn .

Usando estos datos, con las ecuaciones siguientes se evalúan los coeficientes:

b0 = f (X0)
b1 = f [X1, X1]
b2 = f [X2, X1, X0]
...
bn = f [Xn, Xn-1, ..., X1, X0]

En donde las evaluaciones de la función entre corchetes son diferencias

divididas finitas. Por ejemplo, la primera diferencia dividida finita se representa
generalmente como:

La segunda diferencia dividida finita, que representa la diferencia de dos

primeras diferencias divididas finitas, se expresa generalemte como:
De manera similar, la n-ésima diferencia dividida finita es:

Estas diferencias se usan para evaluar los coeficientes, los cuales al ser
sustituidos, se obtiene el polinomio de interpolación:

f n (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,...,X1, X0]

Al cual se le llama Polinomio de Interpolación con Diferencias Divididas

de Newton.

Se debe notar que no es necesario que los datos usados en la ecuación

anterior estén igualmente espaciados o que los valores de la abscisa
necesariamente se encuentren en orden ascendente, como se ilustrará en el
siguiente ejemplo.

Todas las diferencias pueden arreglarse en una tabla de diferencias

divididas, en donde cada diferencia se indica entre los elementos que la producen:

I Xi f(Xi) Primera Segunda Tercera

0 X0 f(X0) f(X1, f(X2, X1, X0) f(X3, X2, X1, X0)
X0)
 1 X1 f(X1) f(X2, f(X3, X2, X1)
X1)
2 X2 f(X2) f(X3,X2)
3 X3 f(X3)

Ejemplo: Usando la siguiente tabla de datos, calcúlese ln 2 con un polinomio de

interpolación de Newton con diferencias divididas de tercer orden:

X f(X)
1 0.000 0000
4 1.386 2944
6 1.791 7595
5 1.609 4379

Solución: El polinomio de tercer orden con n = 3, es

Las primeras diferencias divididas del problema son:

Las segundas diferencias divididas son:

La tercera diferencia dividida es:

Los resultados para f(X1, X0), f(X2, X1, X0) y f(X3, X2, X1, X0) representan
los coeficientes b1, b2 y b3 Junto con b0 = f (X0) = 0.0, la ecuación da:

F3 (X) = 0 + 0.46209813 (X-1) - 0.0518731 (X-1)(X-4) +

0.0078655415 (X-1)(X-4)(X-6)

Arreglando la tabla de diferencias:

X f [X] Primera Segunda Tercera

1.0 0.0000000 0.4620981 - 0.051873116 0.0078655415
0 3
4.0 1.3862944 0.2027325 - 0.020410950
5
6.0 1.7917595 0.1823216
0
5.0 1.6094379
Con la ecuación anterior se puede evaluar para X = 2
F3 (2) = 0.62876869

SPLINE CÚBICO
 El spline cúbico (k=3) es el spline más empleado, debido a que proporciona
un excelente ajuste a los puntos tabulados y su cálculo no es excesivamente
complejo.

Sobre cada intervalo [t0,t1],[t1,t2],…,[tn-1,tn], S está definido por un polinomio cúbico

diferente. Sea Si el polinomio cúbico que representa a S en el intervalo [ti,ti+1], por
tanto:

Los polinomios Si-1 y Si interpolan el mismo valor en el punto ti, es decir, se

cumple:

Si-1(ti) = yi = Si(ti)

por lo que se garantiza que S es continuo en todo el intervalo. Además, se supone

que S' y S'' son continuas, condición que se emplea en la deducción de una
expresión para la función del spline cúbico.

Aplicando las condiciones de continuidad del spline S y de las derivadas

primera S' y segunda S'', es posible encontrar la expresión analítica del spline. No
vamos a obtener esta expresión, ya que su demostración queda fuera del ámbito
de estos apuntes. Simplemente diremos que la expresión resultante es:
En la expresión anterior, hi=ti+1-ti y z0,z1,…,zn son incógnitas. Para determinar sus
valores, utilizamos las condiciones de continuidad que deben cumplir estas
funciones. El resultado (que tampoco vamos a demostrar) es:

La ecuación anterior, con i=1,2,…,n-1 genera un sistema de n-1ecuaciones

lineales con n+1 incógnitas z0,z1,…,zn . Podemos elegir z0 y z1 de forma arbitraria y
resolver el sistema de ecuaciones resultante para obtener los valores de z0,z1,
…,zn . Una elección especialmente adecuada es hacer z0=z1=0. La función spline
resultante se denomina spline cúbico natural y el sistema de ecuaciones lineal
expresado en forma matricial es:

en donde:
hi = ti+1-ti

ui =

bi =
 =

Este sistema de ecuaciones, que es tridiagonal, se puede resolver mediante

eliminación gaussiana sin pivoteo. El valor del spline S en un punto x cualquiera
interpolado se puede calcular de forma eficiente empleando la siguiente expresión:

en donde

Ai =

Bi =

Ci =

Ejemplo: En la tabla se muestran algunos valores de una serie de valores

tabulados a intervalos regulares de la función f ( x) = x en el intervalo [0,2.25].
También se indican los valores interpolados empleando el correspondiente spline
cúbico así como el error absoluto cometido.

Obsérvese que el error es cero para los nudos. Además, se representarán

gráficamente los valores tabulados

Tabla: Valores interpolados mediante un spline cúbico para la función f ( x) = x

e indicación del error cometido (en valor absoluto).

 x Si(x)

0.0000 0.0000 0.0000 0.0000E+00

0.1875 0.3997 3.3261E-02
0.2500 0.5000 0.5000 0.0000E+00
0.3750 0.6285 1.6155E-02
0.5000 0.7071 0.7071 0.0000E+00

1.7500 1.3228 1.3228 0.0000E+00

1.9375 1.3919 8.7004E-06
2.0000 1.4142 1.4142 0.0000E+00
2.1875 1.4790 4.6215E-05
2.2500 1.5000 1.5000 0.0000E+00

Figure: Representación de la función. Los círculos representan

los valores tabulados de la función y la línea continua los puntos
interpolados mediante una función spline cúbica.
 REFERENCIAS BIBLIOGRÁFICAS

Burden, R.; Faires, D. Análisis Numérico. Ed. Thomson, 6a. ed., 1998.

Chapra, S.; Canale, R. Métodos Numéricos para Ingenieros. Ed. Mc Graw Hill, 4a.
ed., 2002.

Mathews, J; Fink, K.Métodos Numéricos con MATLAB. Prentice Hall, 3a. ed.,
2000.

Press, W.; Teukolsky, S.; Vterling, W.; Flannery, B. Numerical Recipes in C.

Cambridge University Press, 2nd ed., 1992.
 CONCLUSIONES

Con frecuencia se tienen que estimar valores intermedios entre valores

conocidos. El método mas común empleado para este propósito es la
interpolación polinomial.

Para n + 1 puntos, existe uno y sólo un polinomio de n-ésimo orden o

menor que pasa a través de todos los puntos. Por ejemplo, hay sólo una línea
recta (es decir un polinomio de primer orden) que conecta dos puntos. El
polinomio de interpolación consiste en determinar el único polinomio de n-ésimo
orden que se ajusta a los n + 1 puntos dados. Este polinomio proporciona una
fórmula para calcular los valores intermedios.
 Aunque existe uno y sólo un polinomio de n-ésimo orden que se ajusta a
los n + 1 puntos, existen una gran variedad de fórmulas matemáticas mediante las
cuales se puede expresar este polinomio.

El método de las diferencias divididas de Newton tiene ciertas ventajas

sobre el de Lagrange, entre otras de permitir la adición de puntos y de grados al
polinomio de interpolación. Los splines cúbicos permiten también una
aproximación a una función polinomial.

Con el uso de la computadora, la gráfica del polinomio interpolado se

aprecia mejor e incluso, se puede hacer un proceso iterativo aplicando códigos al
programa determinado. Dependiendo del problema que se esté abordando, se
empleará el método conveniente para interpolar una curva.