64 Clase Interpola

Universidad Nacional de Trujillo
Facultad de Ciencias Fsicas y Matemticas

Departamento de Matemticas
Dr. Wilson Maco Vsquez
INTERPOLACIN Y APROXIMACION
POLINOMIAL
En esta sesin
estudiaremos el tema de la interpolacin de datos. Veremos dos tipos de
interpolacin:
la interpolacin polinomial y la interpolacin segmentaria (splines).

Definicin. Dados n+1 puntos que corresponden a los datos:
x
y
xo
yo
x1
y1
. xn
. yn
y los cuales se representan grficamente como puntos en el plano cartesiano,
Si existe una funcin ()
definida en el intervalo [0 , ] ,donde 0 < 1 < 2 < . <
1 < , tal que ( ) =
para i = 0,1,2,,n , entonces a () se le llama una
funcin de interpolacin de los datos, cuando es usada para aproximar valores dentro del
intervalo [0 , ] y se le llama funcin de extrapolacin de los datos, cuando est definida
y es usada para aproximar valores fuera del intervalo.

Y
f(x)
(x1,y1)
(x2,y2)
(x0,y0)
X
Evidentemente pueden existir varios tipos de funciones que interpolen los mismos datos; por
ejemplo, funciones trigonomtricas, funciones exponenciales, funciones polinomiales,
combinaciones de stas, etc.
El tipo de interpolacin que uno elige, depende generalmente de la naturaleza de los datos que se
estn manejando, as como de los valores intermedios que se estn esperando.
Un tipo muy importante es la interpolacin por funciones polinomiales. Puesto que
evidentemente pueden existir una infinidad de funciones polinomiales de interpolacin para una
misma tabla de datos, se hace una peticin extra para que el polinomio de interpolacin, sea
nico.
Definicin. Un polinomio de interpolacin es una funcin polinomial que adems de interpolar
los datos, es el de menor grado posible.
Caso n=0
Tenemos los datos:
x
y
xo
yo
En este caso, tenemos que ( ) = 0 (polinomio constante) es el polinomio de menor grado

tal que (0 ) = 0 , por lo tanto, es el polinomio de interpolacin.
Caso n=1
Tenemos los datos:
xo
x1

yo
y1
En este caso, el polinomio de interpolacin es la funcin lineal que une a los dos puntos dados.
Por lo tanto, tenemos que
( ) = +
1
( )
1
es el polinomio de interpolacin.
La siguiente grfica representa este caso:
(x1, y1)
y1
y0
(x0, y0)
x0
x1
Observacin.
Vemos que en el polinomio de interpolacin del caso = 1 se encuentra como primer trmino,
, que es el polinomio de interpolacin del caso = 0.

Caso n=2
Tenemos los datos:
x
y
xo
yo
x1
y1
x2
y2
Para este caso, el polinomio de interpolacin va a ser un polinomio de grado 2.

Tomando en cuenta la observacin anterior, intuimos que el polinomio de interpolacin ser

como sigue:
( ) = +
1
( ) +
1
Por lo tanto, planteamos el polinomio de interpolacin como sigue:

( ) = + 1 ( ) + 2 ( )( 1 )
* Si asignamos = , se anulan los valores de 1
y 2 , quedndonos el resultado:
(0 ) =
Como se debe cumplir que (0 ) =
, entonces:
* Si asignamos = 1 , el valor de 2
= 0
queda anulado, resultando lo siguiente:
(1 ) = + 1 (1 )
Como se debe cumplir que (1 ) = 1 y ya sabemos que = 0 , entonces
1 = + 1 ( ), de lo cual obtenemos el valor para 1 :

1
= 1
1
* Asignando = 2 , vamos a obtener :
(2 ) = + 1 (2 ) + 2 (2 )(2 1 )
Como se debe cumplir que (2 ) = 2 , y ya sabemos que = 0
1
1
= 1 , sustituimos estos datos para despus despejar el valor de 2 :
2 = 0 +
1
( ) + 2 (2 )(2 1 )
1 2
despejando parcialmente se obtiene la siguiente igualdad:

1
( )
1 2
= 2 (2 0 )
(2 1 )
2 0
En el numerador del miembro izquierdo de la igualdad, se le suma un cero (1 + 1 ) , de tal

manera que no se altere la igualdad:
1
( )
1 2
= 2 (2 0 )
(2 1 )
2 1 + 1 0
A continuacin, aplicamos un poco de lgebra para as obtener los siguientes resultados:
2 1 1 0
1 2
+
[
] = 2 (2 0 )
2 1
2 1
1 2 1
2 1 1 0 2
+
[
1] = 2 (2 0 )
2 1
2 1 1 0
Evaluando en el corchete
2 1 1 0
= 2 (2 0 )
2 1
1 0
Y finalmente despejando a 2
vamos a obtener :
2 1 1 0
2 1
1 0
2 =
(2 0 )
Por lo tanto, el polinomio de interpolacin para este caso es:
2 1 1 0
1
2 1 1 0
( ) +
() = +
( )( 1 )
1
(2 0 )

Observacin.
El polinomio de interpolacin contiene al del caso anterior, ms un trmino extra que es de un
grado mayor, pero adems vemos que cada uno de los coeficientes del polinomio de
interpolacin, se forman a base de cocientes de diferencias de cocientes de diferencias, etc.
Esto da lugar a la definicin de diferencias divididas finitas de Newton.
DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON

Las diferencias divididas finitas de Newton, se define de la siguiente manera:
[ , ] =
[ , , ] =
() ( )
[, ] [ , ]
.
.
.
[ , 1 , , 1 , 0 ] =
[ , 1 , , 1 ] [1 , , 1 , 0 ]
A manera de ejemplo citemos el siguiente caso especfico:

[ 3 , 2 , 1 , 0 ] =
[3 , 2 , 1 ] [2 , 1 , 0 ]
3 0
donde a su vez:
[ 3 , 2 , 1 ] =
[ 3 , 2 ] [ 2 , 1 ]
3 1
y
[ 2 , 1 , 0 ] =
[ 2 , 1 ] [ 1 , 0 ]
[3 , 2 ] =
2 0
( 3 ) ( 2 )
3 2
y donde a su vez:
.etc.
Se definir el primer tipo de polinomio de interpolacin.
POLINOMIO DE INTERPOLACIN DE NEWTON CON

DIFERENCIAS DIVIDIDAS
Dados n+1 datos:
x
x0 x1 x2 xn
Y y0 y1 y2 ..
yn
El polinomio de interpolacin de Newton se define de la siguiente manera:

( ) = + 1 ( ) + 2 ( )( 1 )
+ . . + ( )( 1 )( 2 ) ( 1 )
donde :
= ( )
1 = [1 , 0 ]
2 = [2 , 1 , 0 ]
.
.
= [ , , 0 ]
Para calcular los coeficientes 0 , 1 , , es conveniente construir una tabla de diferencias

divididas como la siguiente:
x0
f(x0)
[1 , 0 ]
[2 , 1 , 0 ]
[3 , 2 , 1 , 0 ]
x1
f(x1)
)
[2 , 1 ]
[3 , 2 , 1 ]
[4 , 3 , 2 , 1 ]
x2
f(x2)
[ 3 , 2 ]
[ 4 , 3 , 2 ]
x3
f(x3)
[ 4 , 3 ]
x4
[4 , 3 , 2 , 1 , 0 ]
f(x4)
Observacin. Los coeficientes del polinomio de interpolacin 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:

x -2 -1 2 3
y 4 6 9 3
y utilizar la informacin de dicha tabla, para construir el polinomio de interpolacin de Newton.
Solucin.
9
3
-2
-1.5
-1
-0.5
0.5
1.5
2.5
Procedemos como sigue:
-2
64
=2
1 (2)
12
= 0.25
2 (2)
-1
96
=1
2 (1)
6 1
= 1.75
3 (1)
39
= 6
32
1.75 (0.25)
= 0.3
3 (2)
Por lo tanto el polinomio de interpolacin de Newton es :

() = + ( + ) . ( + )( + ) . ( + )( + )( )

11
10
9
8
7
6
5
4
3
-2
-1.5
-1
-0.5
0.5
1.5
2.5
Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los siguientes datos:
x -3 -2 0 4
y 5 8 4 2
y usar la informacin en la tabla, para construir el polinomio de interpolacin de Newton.
Solucin. Procedemos como sigue:
-3
85
=
2 (3)
2 3
= .
0 (3)
-2
48
=
0 (2)
0.5 (2)
= .
4 (2)
24
= .
40
. (. )
= .
()
Por lo tanto el polinomio de interpolacin de Newton nos queda:

() = + ( + ) . ( + )( + ) . ( + )( + )()

imponer la restriccin del grado mnimo, implica la unicidad del polinomio de interpolacin.
8
10
0
7
-10
-20
-30
-40
-50
-60
-70
3
-80
2
-3
-2
TEOREMA .
-1
-90
-3
Si , 1 , 2 , . ,
-2
-1
son nmeros reales distintos, entonces para valores
arbitrarios , 1 , 2 , . . , existe un polinomio nico () , de a lo ms grado , y tal

que:
() =
para toda = 0,1,2, , 1,
DEMOSTRACIN.
No se prueba formalmente la existencia de un polinomio de interpolacin, aunque informalmente
se acepta que dada cualquier tabla de datos, el polinomio de Newton siempre existe.
Prueba de la unicidad del polinomio de interpolacin.
Supongamos que () es otro polinomio de interpolacin de a lo ms grado ,
Sea
() = () ()
( ) = () () = = 0
para todo = 0,1,2, ,
Por lo tanto, () tiene + 1 races distintas, y es un polinomio de grado a lo ms ,

esto solamente es posible si () = 0 .
() = ()

que es lo que queramos probar.
Sin embargo, aunque el polinomio de interpolacin es nico, pueden existir diversas formas de
encontrarlo. Una, es mediante el polinomio de Newton, otra mediante el polinomio de
Lagrange.
POLINOMIO DE INTERPOLACIN DE LAGRANGE

Sean los datos :
x x0 x1 x2 xn
y y0 y1 y2 ..
yn
El polinomio de interpolacin de Lagrange se plantea como sigue:

( ) = 0 0 ( ) + 1 1( ) + + ()
( ) = ()
=0
Donde los polinomios li (x) se llaman los polinomios de Lagrange,, correspondientes a la

tabla de datos.
Donde los polinomios ( ) se llaman los polinomios de Lagrange, correspondientes a la

tabla de datos.

Como se debe satisfacer que (0 ) = 0, esto se cumple si 0 ( ) = 1
y ( ) = 0
para
toda 0
Como se debe satisfacer que (1 ) = 1, esto se cumple si 1 (1 ) = 1 y (1 ) = 0
para
toda 1 .
Y as sucesivamente, veremos finalmente que la condicin ( ) = se cumple si ( ) = 1
y ( ) = 0 para toda .
Esto nos sugiere como plantear los polinomios de Lagrange. Para ser ms claros, analicemos
detenidamente el polinomio 0 () . De acuerdo al anlisis anterior vemos que deben cumplirse
las siguientes condiciones para 0 () :
0 ( 0 ) = 1 y 0 ( ) = 0
para toda 0
Por lo tanto, planteamos 0 () como sigue:
() = ( )( )( ) ( )
() = ( )
=
Con esto se cumple la segunda condicin sobre 0 ( ) . La constante c se determinar para hacer
que se cumpla la primera condicin:
0 ( ) = 1 1 = (0 1 )(0 2 )(0 3 ) (0 )
=
1
(0 1 )(0 2 )(0 3 ) (0 )
Por lo tanto el polinomio 0 () queda definido como:
() =
( )( )( ) ( )
( )( )( ) ( )
deben cumplirse las siguientes condiciones para 1 () :

1 (1 ) = 1 y 1 ( ) = 0
para toda 1
Por lo tanto el polinomio 1 () queda definido como:
() =
( )( )( ) ( )
( )( )( ) ( )
Anlogamente se puede deducir que:

( ) = 1 y () = 0
() =
para toda
( )( )( ) ( )( + ) ( )
( )( )( ) ( )( + ) ( )
De manera general
=( )
() =
=( )
= 1, ,
Por tanto el polinomio de interpolacin de Lagrange es:
() = 0 0 () + 1 1 () + + ()
Ejemplo 1

Calcular el polinomio de Lagrange usando los siguientes datos:
x 1 3 5 7
y -2 1 2 -3
Solucin. Tenemos que:
( ) = 0 0 ( ) + 1 1( ) + 2 2 ( ) + 3 3 ( )
( ) = 20 ( ) + 1 ( ) + 22 ( ) 33 ( )
donde:
0 ( ) =
( 3)( 5)( 7)
( 3)( 5)( 7)
=
(2)(4)(6)
48
1 ( ) =
( 1)( 5)( 7)
( 1)( 5)( 7)
=
(2)(2)(4)
16
2 ( ) =
( 1)( 3)( 7)
( 1)( 3)( 7)
=
(4)(2)(2)
16
3 ( ) =
( 1)( 3)( 5)
( 1)( 3)( 5)
=
(6)(4)(2)
48
Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:

( )( )( )
( )( )( )
( )( )( )
( )( )( )
() = [
]+[
][
][
]

-1
-2
-3
-4
0
Ejemplo 2.
Calcular el polinomio de Lagrange usando los siguientes datos:
x -2 0 2 4
y 1 -1 3 -2
Solucin. Tenemos que:
() = 0 0 () + 1 1 () + 2 2 () + 3 3 ()
() = 0 () 1 () + 32 () 23 ()
donde:
0 ( ) =
( 0)( 2)( 4)
( 2)( 4)
=
(2)(4)(6)
48

1 ( ) =
( + 2)( 2)( 4)
( + 2)( 2)( 4)
=
(2)(2)(4)
16
2 ( ) =
( + 2)( 0)( 4)
( + 2)( 4)
=
(4)(2)(2)
16
3 ( ) =
( + 2)( 0)( 2)
( + 2)( 2)
=
(6)(4)(2)
48
Sustituyendo arriba, el polinomio de Lagrange queda como sigue:
() = [
( + 2)( 2)( 4)
( 2)( 4)
( + 2)( 4)
( + 2)( 2)
][
] + 3[
][
]
48
16
16
24
-1
-2
-3
-3
-2
-1
PSEUDOCODIGO PARA IMPLEMENTAR LA INPERPOLACION DE LAGRANGE

Este algoritmo se acondiciona para calcular una sola prediccin de n-simo orden, donde + 1
es el nmero de datos
FUNCTION Lagrng(x,y,n,x)
sum=0
DO i=0,n
product=y1
DO j=0,n
IF ij THEN
product = product*( x-xj )/( xi-xj )
END IF
END DO
sum = sum + product
END DO
Lagrng = sum
END Lagrng
PROGRAMA EN MATLAB
PROPUESTA 1
function fi = Lagran_(x,y,xi)
fi=zeros(size(xi));
np1=length(fi);
for i=1:np1
z=ones(size(xi));
for j=1:np1
if i~=j, z=z.*(xi-x(j))/(x(i)-x(j));
end
end
fi=fi+z.*x(i);
end
return
PROPUESTA 2
function y=lagrangep(x0,y0,x);
x0=x0(:).'; y0=y0(:).'; x=x(:).'; % todos vectores filas
n=length(x0);
if (length(y0)~=n)
disp('ERROR. Long de x0 debe ser igual a Long de y0')
return
end
y=zeros(size(x)); % y es un vector nulo
de igual dimension que x
for j=1:n
p=ones(size(x));
for i=[1:j-1 j+1:n]
p=p.*(x-x0(i))./(x0(j)-x0(i));
end

y=y+p*y0(j);
end
return
EL ERROR EN LA INTERPOLACION POLINOMIAL

Teorema. Sea una funcin () en +1 [, ], y sea p un polinomio de grado n que interpola
a la funcin en n+1 puntos distintos 0 , 1 , 2 , , , en el intervalo [, ]. Para cada x
en [, ] corresponde un punto en (, ) tal que
1
( ) ( ) =
(+1) ( ) ( )
( + 1)!
=0
Ejemplo
Si se aproxima la funcin ( ) = mediante un polinomio de grado nueve que interpola a
en diez puntos del intervalo [0,1] qu tan grande es el error en este intervalo?
Solucin
Por la frmula anterior, tenemos
(+1) ( ) 1 y 9i=0 (x xi ) 1 , de esta manera, para toda x en [0,1], se tiene
| ( )
1
10!
< 2.8 107 |
LA CONVERGENCIA DE LOS POLINOMIOS DE INTERPOLACION

Si se da una funcin continua sobre un intervalo [, ] y si se construye para polinomios de
interpolacin de grado cada vez mayores (con nodos igualmente equiespaciado), lo natural
sera esperar que estos polinomios convergieran uniformemente a sobre el intervalo [, ]. Es
decir
= max |() ()|


Converja a 0 conforme .
TEOREMA (Faber, 1914) Para cualquier sistema de nodos dados
0 0 0 . 0 =
Existe una funcin continua sobre [, ], de manera que los polinomios de interpolacin para
utilizan estos nodos que convergen uniformemente a f.
Como resultado de este teorema, se tiene el siguiente resultado:
TEOREMA Si es una funcin continua sobre [, ], entonces existe un sistema de nodos
como el de la inecuacin del teorema anterior, tal que los polinomios de interpolacin para
en dichos nodos satisfacen la expresin = = 0.
TEOREMA DE APROXIMACION DE WEIERSTRASS

TEOREMA Si es una funcin continua sobre [, ] y si > 0, entonces existe un polinomio
que satisface | ( ) ( ) < | sobre el intervalo [, ].
En el captulo de integracin numrica, usaremos nuevamente a los polinomios de Lagrange.
INTERPOLACIN DE SPLINES
Terminamos este captulo, estudiando un tipo de interpolacin que ha demostrado poseer una
gran finura, y que inclusive es usado para el diseo por computadora, por ejemplo, de tipos de
letra.
Esta interpolacin se llama interpolacin segmentaria o interpolacin 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 interpolacin.
Cabe mencionar que entre todas, las splines cbicas han resultado ser las ms adecuadas para
aplicaciones como la mencionada anteriormente.

As pues, podemos decir de manera informal, que una funcion spline est formada por varios
polinomios, cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones de
continuidad.
Definicin. (Splines de grado k)
Dada nuestra tabla de datos,
donde suponemos que x0 x1 xn , y dado k un nmero entero positivo, una funcin

de interpolacin spline de grado k, para la tabla de datos, es una funcin s(x) tal que :
i)
s( xi ) yi , para toda i 0,1,, n .
ii)
s x es un polinomio de grado k en cada subintervalo
iii )
s x tiene derivada contnua hasta de orden k 1 en
xi 1, xi .
x0 , xn .
FUNCIONES SPLINES DE GRADO 1

Dados los + 1 puntos
x x0 x1 x2 xn
y y0 y1 y2 ..
yn
Una funcin spline de grado 1 que interpole los datos es simplemente unir cada uno de los
puntos mediante segmentos de recta, como sigue:

Claramente esta funcin cumple con las condiciones de la spline de grado 1. As, tenemos que
para ested caso:
s1 x si
s x s
s ( x) 2

sn x si
x x0 , x1
x x1 , x2
x xn 1 , xn
donde:
i)
s j x
es un polinomio de grado menor o igual que 1
ii)
s x
tiene derivada continua de orden k-1=0.
iii)
sx j y j
, para j 0,1,, n .
Por lo tanto, la spline de grado 1 queda definida como :
si
y0 f x1 , x0 x x0
y f x , x x x
si
1
2 1
1
s x
yn 1 f xn , xn 1 x xn 1 si
x x0 , x1
x x1 , x2
x xn 1 , xn
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 interpolacin 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 funcin polinomial de grado 2, como
sigue:
a1 x 2 b1 x c1
s x a2 x 2 b2 x c2
a x2 b x c
3
3
3
si
si
si
x 3,4.5
x 4.5,7
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
As, 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
2
(4.5) a2 4.5b2 c2 1
49a2 7b2 c2 2.5
s(7) 2.5
49a3 7b3 c3 2.5
s(9) 0.5 81a3 9b3 c3 0.5

Hasta aqu, tenemos un total de 6 ecuaciones vs. 9 incgnitas.
El siguiente paso es manejar la existencia de las derivadas contnuas. En el caso de las splines de
grado 2, necesitamos que la spline tenga derivada contnua de orden k-1=1, es decir, primera
derivada continua.

Calculamos primero la primera derivada:
2a1 x b1
s x 2a2 x b2
2a x b
3
3
si x 3,4.5
si x 4.5,7
si x 7,9
Vemos que esta derivada est 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 contnua, se debe cumplir que:
2a1 4.5 b1 2a2 4.5 b2

o lo que es lo mismo,
9a1 b1 9a2 b2
Tambin debe cumplirse que:
2a2 7 b2 2a3 7 b3
o lo que es lo mismo,
14a2 b2 14a3 b3
As, tenemos un total de 8 ecuaciones vs. 9 incognitas; esto nos da un grado de libertad para
elegir alguna de las incgnitas. Elegimos por simple conveniencia a1 0 .
De esta forma, tenemos un total de 8 ecuaciones vs. 8 incgnitas. 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
4.5
0
0
0
1
1
0
0 0 0
0
1
0
0 0 0
0
0 20.25 4.5 1 0
0
0
49
7 1 0
0
0
0
0 0 49
7
0
0
0 0 81
9
0 9
1 0 0
0
0 14
1 0 14 1
0 b1 2.5
0 c1 1
0 a2 1

0 b2 2.5
1 c2 2.5

1 a3 0.5
0 b3 0

0 c3 0
se obtiene la siguiente solucin:
b1
c1
a2
b2
c2
a3
b3
c3
5 .5
0.64
6.76
18.46
1 .6
24.6
91.3
Sustituyendo estos valores (junto con a1 0 ), obtenemos la funcin spline cuadrtica que
interpola la tabla de datos dada:
x 5.5
si x 3,4.5
s x 0.64x 2 6.76x 18.46 si x 4.5,7

1.6 x 2 24.6 x 91.3 si x 7,9
La grfica que se muestra a continuacin, contiene tanto los puntos iniciales de la tabla de
datos, as como la spline cuadrtica. Esta grfica se gener usando Mathematica.
5
4
3
2
1
3
-1
4.5

El siguiente caso, que es el ms importante en las aplicaciones, sigue exactamente los mismos
pasos del ejemplo que acabamos de resolver, solamente que en vez de trabajar con polinomios
cuadrticos, lo hace con polinomios cbicos.
FUNCIONES SPLINES CUBICAS

Para hacer ms firme el entendimiento, escribimos la definicin correspondiente a este caso
(k=3).
Dados los + 1 datos:
x x0 x1 x2 xn
y y0 y1 y2 ..
yn
Una spline cbica que interpola estos datos, es una funcin s(x) definida como sigue :
s0 x si
s x si
s x 1
sn 1 x si
x x0 , x1
x x1 , x2
x xn 1 , xn
donde cada si x es un polinomio cbico;
si xi yi , para toda i 0,1,, n y tal que s x
tiene primera y segunda derivadas contnuas en
x0 , xn .
Ejemplo 1.
Interpolar los siguientes datos mediante una spline cbica :
Solucin.
Definimos un polinomio cbico en cada uno de los intervalos que se forman:

a x3 b x 2 c x d1
s x 1 3 1 2 1
a2 x b2 x c2 x d 2
si
si
x 2,3
x 3,5
A continuacin, hacemos que se cumpla la condicin de que la spline debe pasar por los
puntos dados en la tabla. As, tenemos que:
s2 1 8a1 4b1 2c1 d1 1

s3 2 27 a1 9b1 3c1 d1 2
s5 7 125a2 25b2 5c2 d 2 7
Ahora calculamos la primera derivada de s x :
3a1 x 2 2b1 x c1
s x
2
3a 2 x 2b2 x c2
si
si
x 2,3
x 3,5
Al igual que en el caso de las splines cuadrticas, 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 3a2 3 2b2 3 c2
2
o lo que es lo mismo:
27 a1 6b1 c1 27a 2 6b2 c2
Anlogamenete procedemos con la segunda derivada :

6a x 2b1
s x 1
6a 2 x 2b2
si
si
x 2,3
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 x 0 0
s x n 0
De lo cual vamos a obtener :
s2 0 6a1 2 2b1 0
12a1 2b1 0
s5 0 6a2 5 2b2 0
30a2 2b2 0
Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incgnitas, 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
27
0
27
18
12
4
9
0
0
6
2
2
0
2
3
0
0
1
0
0
0
1
1
0
0
0
0
0
0
0
0
27
125
27
18
0
30
0
0
9
25
6
2
0
2
0
0
3
5
1
0
0
0
0 a1 1
0 b1 2
1 c1 2

1 d1 7
0 a2 0

0 b2 0
0 c2 0

0 d 2 0
obtenemos la siguiente solucin:
a1
b1
c1
d1
a2
b2
c2
d2
1.25
7.5
10.75
0.5
0.625
9.375
39.875
50.125
Sustituyendo estos valores en nuestra funcin inicial, vemos que la spline cbica para la tabla de
datos dada, queda definida como sigue:

1.25 x3 7.5 x 2 10.75 x 0.5

si
s x
3
2
0.625 x 9.375 x 39.875 x 50.125 si
x 2,3
x 3,5
Mostramos la grfica correspondiente a este ejercicio, creada tambien en Mathematica.
Obsrvese la finura con la que se unen los polinomios cbicos que conforman a la spline.
Prcticamente ni se nota que se trata de dos polinomios diferentes!. Esto es debido a las
condiciones que se impusieron sobre las derivadas de la funcin. Esta finura casi artstica, es la
que permite aplicar las splines cbicas, para cuestiones como el diseo de letras por
computadoras, o bien a problemas de aplicacin donde la interpolacin que se necesita es de un
caracter bastante delicado, como podra tratarse de datos mdicos sobre algn tipo de
enfermedad.
Ejemplo 2.
Interpolar los siguientes datos utilizando splines cbicas:
Solucin.
Nuevamente, definimos un polinomio cbico en cada uno de los intervalos:

a1 x 3 b1 x 2 c1 x d1
s ( x) a2 x 3 b2 x 2 c2 x d 2
a x3 b x 2 c d
3
3
3
3
si
si
si
x 1,1
x 1,2
x 2,4
Despues, hacemos que la spline pase por los puntos dados en la tabla. As, 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 d3 5

Y finalmente s(4) 2 implica que,
64a3 16b3 4c3 d3 2
Enseguida, calculamos la primera derivada:

3a1 x 2 2b1 x c1
s( x) 3a2 x 2 2b2 x c2
3a x 2 2b x c
3
3
3
si1
si
si
x 1,1
x 1,2
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 contnua, 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
s( x) 6a2 x 2b2
6a x 2b
3
3
si x 1,1
si x 1,2
si x 2,4
Nuevamente, las posibles discontinuidades son x 1 y x 2 . Por lo tanto, para que s(x)
sea contnua , 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 incgnitas:
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 d3 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
0
0
0
3
0
3
3
0
1 1
1 1
0 0
0 0
0 0
0 0
2 1
0 0
1 0
0 0
1 0
0 0
1 0
0
0
1 0
0
0
0 1
1
1
0 8
4
2
0 0
0
0
0 0
0
0
0 3 2 1
0 12 4
1
0 3 1 0
0 6
1
0
0 0
0
0
0 0
0
0
0 0
0
0
0 0
0
0
1
0
0
0
1
0
0
0
0 8
4
2
0 64 16 4
0 0
0
0
0 12 4 1
0 0
0
0
0 6 1 0
0 0
0
0
0 12
1
0
0 a1 1
0 b1 1
0 c1 1

0 d1 5
1 a2 5

1 b2 2
0 c2 0

0 d 2 0
0 a3 0

0 b3 0

0 c3 0
0 d3 0
obtenemos la solucin :
a1
51
140 ,
a2
21
10 ,
b1
153
140 ,
a3
24
35
b2
297
35 ,
b3
288
35

c1
89
140 ,
d1
153
40 ,
c2
473
70 ,
d2
48
35 ,
c3
1867
70
d3
732
35
Por lo tanto, la spline cbica es:

51 3
153 2
89
140
x 140
x 140
x 153
si x 1,1
40
21 3 297 2 473
48
s( x) 10 x 35 x 70 x 35
si x 1,2
24 x 3 288 x 2 1867 x 732 si x 2,4
35
70
35
35
Finalmente, mostramos la grfica correspondiente (creada en Mathematica):
8
6
4
2
-1
1
-2

EJERCICIOS
NOTA: CUANDO SEA NECESARIO, REDONDEA A CINCO DECIMALES.
1. Calcula el polinomio de interpolacin de Newton para los siguientes datos:

x 2 2 1
4
y 0.5 3 2.4 7.8
i)
ii)
x 0.3 0.6 0.9 1.2 1.5

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:
i)
x
1
2
3
5
y 1.56 3.54 2.57 8.9
ii)
x 1.5 0.5 1 2 4
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
3. Calcula las splines cbicas para los siguientes datos:
i)
x 2 1
3
y 40 5 20
ii)
x 5 2 3
7
y 20 4 6 40
Soluciones:
i)
ii )
0.25 x 3 1.5 x 2 14.25 x 7.5

si
s ( x)
3
2
0.375 x 3.375 x 16.125 x 8.125 si
x 2,1
x 1,3
5
75 2
5860
526
x 3 526
x 4703
si x 5,2
789 x 789
3
2257 2
15619
8012
s ( x) 1241
si x 2,3
7890 x 2630 x 3945 x 1315
299 x 3 2093 x 2 10511 x 860 si
x 3,7
526
789
263
1578

64 Clase Interpola

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

64 Clase Interpola

Uploaded by

Copyright:

Available Formats

Universidad Nacional de Trujillo

Facultad de Ciencias Fsicas y Matemticas

Dr. Wilson Maco Vsquez

estudiaremos el tema de la interpolacin de datos. Veremos dos tipos de

la interpolacin polinomial y la interpolacin segmentaria (splines).

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

Si existe una funcin ()

definida en el intervalo [0 , ] ,donde 0 < 1 < 2 < . <

1 < , tal que ( ) =

para i = 0,1,2,,n , entonces a () se le llama una

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

En este caso, tenemos que ( ) = 0 (polinomio constante) es el polinomio de menor grado

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

, que es el polinomio de interpolacin del caso = 0.

Para este caso, el polinomio de interpolacin va a ser un polinomio de grado 2.

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

Tomando en cuenta la observacin anterior, intuimos que el polinomio de interpolacin ser

Por lo tanto, planteamos el polinomio de interpolacin como sigue:

queda anulado, resultando lo siguiente:

1 = + 1 ( ), de lo cual obtenemos el valor para 1 :

= 1 , sustituimos estos datos para despus despejar el valor de 2 :

despejando parcialmente se obtiene la siguiente igualdad:

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

En el numerador del miembro izquierdo de la igualdad, se le suma un cero (1 + 1 ) , de tal

A continuacin, aplicamos un poco de lgebra para as obtener los siguientes resultados:

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON

A manera de ejemplo citemos el siguiente caso especfico:

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

POLINOMIO DE INTERPOLACIN DE NEWTON CON

El polinomio de interpolacin de Newton se define de la siguiente manera:

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

Para calcular los coeficientes 0 , 1 , , es conveniente construir una tabla de diferencias

Observacin. Los coeficientes del polinomio de interpolacin de Newton, se encuentran en la

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

Procedemos como sigue:

Por lo tanto el polinomio de interpolacin de Newton es :

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

Por lo tanto el polinomio de interpolacin de Newton nos queda:

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

son nmeros reales distintos, entonces para valores

arbitrarios , 1 , 2 , . . , existe un polinomio nico () , de a lo ms grado , y tal

para toda = 0,1,2, , 1,

para todo = 0,1,2, ,

Por lo tanto, () tiene + 1 races distintas, y es un polinomio de grado a lo ms ,

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez

que es lo que queramos probar.

POLINOMIO DE INTERPOLACIN DE LAGRANGE

El polinomio de interpolacin de Lagrange se plantea como sigue:

Donde los polinomios li (x) se llaman los polinomios de Lagrange,, correspondientes a la

Donde los polinomios ( ) se llaman los polinomios de Lagrange, correspondientes a la

Universidad Nacional de Trujillo

Dr. Wilson Maco Vsquez