Métodos Numéricos: Resumen y ejemplos

Tema 2: Aproximación e interpolación

Francisco Palacios
Escuela Politécnica Superior de Ingeniería de Manresa
Universidad Politécnica de Cataluña
Febrero 2008, Version 1.4

Contenido

1. Objetivo de los métodos numéricos

2. Errores

3. Dígitos significativos y decimales exactos

4. Polinomios de Taylor

5. Resto del polinomio de Taylor

6. Polinomio interpolador de Lagrange

7. Forma de Lagrange para el polinomio interpolador

8. Error de interpolación

9. Forma de Newton para el polinomio interpolador

10. Polinomio interpolador de Hermite

1 Objetivo de los métodos numéricos

El objetivo de los métodos numéricos es aproximar el valor numérico de
objetos matemáticos usando un número finito de operaciones aritméticas.
Algunos ejemplos típicos del tipo de problema que abordan los métodos
numéricos son los siguientes:
√ √
1. Evaluar 5, 6 28, sin(0.361), (0.853)0.71 .

2. Aproximar un valor de x que cumpla sin x + ex = 0.

3. Aproximar el valor de Z 1
sin x
dx.
0 x

1
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 2

4. Conocidos los valores de la tabla

x 0 0.1 0.2
f (x) 0.5 1.7 2.3
R 0.2
aproximar el valor de f (0.07), 0 f (x) dx, f 0 (0.07).
5. Si y = y(x) cumple ½
y 0 = x cos y
y(0) = 0
aproximar y(0.1), y(0.2), y(0.3).

1.1 Método iterativo

Una forma bastante habitual de generar aproximaciones xj de un valor α

x0 , x1 , x2 , . . . , xn , . . . → α

consiste en el uso de una fórmula recurrente

½
xn+1 = g(xn ),
x0 = valor inicial.
√
Ejemplo 1.1 Método iterativo para c.

La siguiente fórmula recurrente

µ ¶
1 c
xn+1 = xn + ,
2 xn
√
nos proporciona un método iterativo para aproximar el valor de c. Para
iniciar el método, necesitamos una primera
√ estimación x0 .
Supongamos que deseamos calcular 27, la fórmula de recurrencia, en nues-
tro caso, es µ ¶
1 27
xn+1 = xn + .
2 xn
Podemos tomar como estimación inicial x0 = 5, entonces

x0 = 5,
µ ¶
1 27
x1 = 5+ = 5. 2,
2 5
µ ¶
1 27
x2 = 5.2 + = 5. 19615 3846,
2 5.2
µ ¶
1 27
x3 = 5. 19615 3846 + = 5. 19615 2423,
2 5. 19615 3846
µ ¶
1 27
x4 = 5. 19615 2423 + = 5. 19615 2423.
2 5. 19615 2423
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 3

Observamos que x4 = x3 (con 9 decimales), el método ha convergido al valor

ᾱ = 5. 19615 2423.
El valor obtenido es correcto hasta el noveno decimal
√
27 = 5. 19615 24227 06631.
En el tema dedicado a la resolución numérica de ecuaciones, veremos que
este método se obtiene al aplicar el método de Newton-Raphson a la ecuación
x2 − c = 0. ¤

2 Errores
Sea α un valor exacto y (xj ) una sucesión de aproximaciones de α
x0 , x1 , x2 , . . . , xj , . . . → α,
definimos:
• Error absoluto
ej = α − xj .

• Error relativo
α − xj ej
rj = = .
α α
Error relativo aproximado
α − xj
r̂j = .
xj
Normalmente usamos los valores absolutos de los errores
¯ ¯ ¯ ¯
¯ α − xj ¯ ¯ α − xj ¯
¯
|ej | = |α − xj | , |rj | = ¯ ¯ ¯
, |r̂j | = ¯ ¯.
α ¯ xj ¯
⎧
⎪
⎪ Simplificación del problema.
⎪
⎪
⎧ ⎨ (no rozaminento, etc...)
⎪
⎪ En la determinación
⎪
⎪ ⎪
⎪
⎪
⎪ del modelo. ⎪
⎪ Errores en la medida de datos
⎪
⎪ ⎩
⎪
⎪ y parámetros.
⎨
Fuentes ⎧
de error ⎪
⎪ ⎪
⎪ Errores accidentales.
⎪
⎪ ⎪
⎪
⎪
⎪ ⎪
⎪ (de cálculo, de programación, etc...)
⎪
⎪ ⎨
⎪
⎪ En la resolución
⎩
numérica. ⎪
⎪ Truncamiento de procesoso infinitos.
⎪
⎪
⎪
⎪
⎩
Redondeo.
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 4

Ejemplo 2.1 Ejemplo de error de truncamiento.

Queremos aproximar
∞
X 1 1 1 1
α= 2
=1+ + + + ···
n 4 9 16
n=1

para ello calculamos la suma finita

X6
1 1 1 1 1 1
S6 = 2
=1+ + + + + = 1. 491389.
n=1
n 4 9 16 25 36

Puede demostrarse que el valor exacto de α es

X∞
1 π2
α= 2
= ,
n=1
n 6

por lo tanto, el error absoluto de truncamiento es

π2
e6 = − 1. 491389 = 0. 15354 5.
6
Para el error relativo, obtenemos
e6 0. 15354 5
r6 = = = 0.09 33 = 9.33%.
α (π 2 /6)
Obviamente, al realizar los cálculos, también se han producido errores de re-
dondeo, sin embargo, en este caso, los errores de redondeo son muy inferiores
al error de truncamiento. ¤

3 Dígitos significativos y decimales exactos

• Decimos que x aproxima α con t decimales exactos si

|ex | = |α − x| ≤ 0.5 × 10−t .

• Decimos que x aproxima α con t dígitos significativos si

|α − x|
|rx | = ≤ 5 × 10−t .
|α|

Ejemplo 3.1 Aproximamos α = 49.99 mediante x = 50.00.

(a) ¿Cuántos decimales exactos tiene x?
(b) ¿Cuántos dígitos significativos?
(c) ¿Cuantos decimales son iguales?
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 5

(a) El error absoluto es

|ex | = |α − x| = |49.99 − 50.00| = 0. 01 = 0.1 × 10−1 ,

como |ex | < 0.5 × 10−1 , x aproxima α con un decimal exacto.

(b) El error relativo es

|α − x| 0.01
|rx | = = = 2. 0004 × 10−4 ,
|α| 49.99

como |rx | < 5 × 10−4 , x aproxima α con 4 dígitos significativos.

(c) α y x no tienen dígitos iguales. ¤

4 Polinomio de Taylor
Sea f (x) una función derivable hasta orden n en x = c.

• El polinomio de Taylor de f (x) en x = c es

f 0 (c) f 00 (c) f (n) (c)

Pn (x) = f (c) + (x − c) + (x − c)2 + · · · + (x − c)n .
1! 2! n!

• Cuando c = 0, resulta el polinomio de McLaurin

f 0 (0) f 00 (0) 2 f (n) (0) n

Pn (x) = f (0) + x+ x + ··· + x .
1! 2! n!

Propiedad
Si Pn (x) es el polinomio de Taylor de orden n de f (x) en x = c, entonces
se cumple

Pn (c) = f (c), Pn0 (c) = f 0 (c), Pn00 (c) = f 00 (c), . . . , Pn(n) (c) = f (n) (c).

Aplicación
Los polinomios de Taylor permiten aproximar el valor de una función f (x)
para x próximos a c. Observa que para construir el polinomio de Taylor
usamos únicamente valores de f y sus derivadas (consecutivas) en x = c.

Ejemplo 4.1 Consideramos f (x) = ex .

(a) Determina al polinomio de McLaurin de orden 5 para f.
(b) Aproxima el valor de e0.5 .
(c) ¿Cuántos decimales exactos tiene la aproximación?
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 6

(a) Polinomio de McLaurin. Se cumple

f (x) = ex , f 0 (x) = ex , f 00 (x) = ex , . . . , f (5) (x) = ex .

Sustituyendo en x = 0, resulta

f (0) = f 0 (0) = f 00 (0) = · · · = f (5) (0) = 1,

por lo tanto
x2 x3 x4 x5
+
P5 (x) = 1 + x + + + .
2 6 24 120
(b) Valor aproximado. Sustituyendo x = 0.5 en el polinomio, resulta

P5 (0.5) = 1. 648698.

(c) Error. El valor de e0.5 , calculado con 6 decimales es

e0.5 = 1. 64872 1,

el valor absoluto del error absoluto es

¯ ¯
|e5 | = ¯e0.5 − P5 (0.5)¯ = 0.000023 = 0.2 3 × 10−4 .

Por lo tanto, la aproximación P5 (0.5) tiene 4 decimales exactos. ¤

Ejemplo 4.2 Consideramos f (x) = sin x.

(a) Determina al polinomio de McLaurin de orden 5 para f.
(b) Aproxima el valor1 de sin(0.2).
(c) ¿Cuántos decimales exactos tiene la aproximación?

(a) Polinomio de McLaurin. Se cumple:

f (x) = sin x, f (0) = 0,

f 0 (x) = cos x, f 0 (0) = 1,
f 00 (x) = − sin x, f 00 (0) = 0,
f (3) (x) = − cos x, f (3) (0) = −1,
f (4) (x) = sin x, f (4) (0) = 0,
f (5) (x) = cos x, f (5) (0) = 1,

por lo tanto
x3 x5
P5 (x) = x − + .
6 120
1
El argumento de sin(x) está en radianes. Debes tener en cuenta que las reglas usuales
de derivación de funciones trigonométricas, como
d d
sin (x) = cos (x) , cos (x) = − sin(x),
dx dx
sólo son válidas si el ángulo está en radianes.
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 7

(b) Valor aproximado. Sustituyendo x = 0.2 en el polinomio, resulta

P5 (0.2) = 0.19866 93333.

(c) Error. El valor de sin(0.2), calculado con 10 decimales es

sin(0.2) = 0.19866 93308.

El valor absoluto del error absoluto es

|e5 | = |sin(0.2) − P5 (0.2)| = 0.2 5 × 10−8 .

Por lo tanto, la aproximación P5 (0.2) tiene 8 decimales exactos. ¤

5 Resto del polinomio de Taylor

Sea

• I = [a, b] y c un punto interior, esto es a < c < b.

• f (x) una función de clase2 C n+1 [a, b].

Para cada x ∈ [a, b] se cumple

f (x) = Pn (x) + Rn (x),

donde:
f 0 (c) f 00 (c) f (n) (c)
Pn (x) = f (c) + (x − c) + (x − c)2 + · · · + (x − c)n ,
1! 2! n!

f (n+1) (t)
Rn (x) = (x − c)n+1 , t está entre c y x.
(n + 1)!
Cota de error
Si representamos por Mn+1 una cota superior de f (n+1) (t), esto es
¯ ¯
¯ ¯
max ¯f (n+1) (t)¯ ≤ Mn+1 ,
t∈[a,b]

entonces tenemos la siguiente acotación para el error absoluto que se produce

cuando aproximamos f (x) mediante Pn (x)

Mn+1
|en (x)| = |f (x) − Pn (x)| = |Rn (x)| ≤ |x − c|n+1 .
(n + 1)!
2
Una función es de clase C n+1 [a, b] si tiene derivadas contínuas hasta orden (n + 1) en
[a, b]
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 8

Ejemplo 5.1 Aproxima sin(0.2) usando un polinomio de McLaurin de gra-

do 3. Determina una cota superior de error y verifica los resultados.

(a) Valor de la aproximación. En principio, tomaríamos

x3
P3 (x) = x − ,
6
ahora bien, observamos que en este caso se cumple

f (4) (x) = sin(x) → f (4) (0) = 0,

por lo tanto, el polinomio de orden 4 coincide con el de orden 3.

x3
P4 (x) = x − .
6
Tomamos P4 (x) porque nos proporciona una cota de error más ajustada.
El valor de la aproximación, con 10 decimales es

P4 (0.2) = 0. 19866 66667.

(b) Cota de error. Como

f (5) (x) = cos x,
tenemos ¯ ¯
¯ cos t 5 ¯
|e4 (x)| = ¯¯ x ¯¯ , t entre 0 y x.
5!
Podemos tomar M5 = 1, entonces

(0.2)5
|e4 (0.2)| ≤ = 0.2 6667 × 10−5 . (1)
5!
Por lo tanto, la aproximación P4 (0.2) tiene al menos 5 decimales exactos,
podemos tomar el valor

sin (0.2) = 0.19867.

(c) Verificación de resultados. El valor de sin(0.2) calculado con 10 decimales

es
sin(0.2) = 0.1986693307,
por lo tanto, el error absoluto es

|e4 (0.2)| = |sin (0.2) − P4 (0.2)| = 0.2664 × 10−5 .

Vemos que, en efecto, el error real es inferior a la cota superior de error

calculada en (1). ¤
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 9

6 Polinomio interpolador de Lagrange

6.1 Planteamiento
Dada la tabla de valores
x x0 x1 ··· xn
(2)
y y0 y1 ··· yn

donde

• x0 , x1 , . . . , xn son n + 1 abscisas distintas.

• y0 , y1 , . . . , yn son n + 1 valores arbitrarios.

Queremos determinar un polinomio de grado ≤ n

Pn (x) = a0 + a1 x + · · · + an xn ,

que verifique las n + 1 condiciones

Pn (xj ) = yj , para j = 0, 1, . . . , n. (3)

Propiedad Si las abscisas x0 , x1 , . . . , xn son distintas, existe un único po-

linomio Pn (x) de grado ≤ n que cumple las condiciones

Pn (xj ) = yj , para j = 0, 1, . . . , n.

• Decimos que Pn (x) es el polinomio interpolador de la tabla

x x0 x1 ··· xn
y y0 y1 ··· yn

• Cuando los valores yj se generan empleando una función

yj = f (xj ), para j = 0, 1, . . . , n,

entonces decimos que Pn (x) es el polinomio interpolador de la función

f (x) en las abscisas o nodos xj .

1
Ejemplo 6.1 Calcula el polinomio interpolador de la función f (x) = en
x
los nodos x0 = 1, x1 = 2, x2 = 3.

La tabla de valores es
x 1 2 3
y 1 1/2 1/3
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 10

Como tenemos 3 puntos, debemos determinar un polinomio de grado≤ 2

P2 (x) = a0 + a1 x + a2 x2 . (4)

Las condiciones de interpolación (3) se traducen en

⎧
⎨ P2 (1) = 1,
P (2) = 1/2, (5)
⎩ 2
P2 (3) = 1/3.

Sustituyendo en (4), obtenemos

⎧
⎨ a0 + a1 + a2 = 1
a + 2a1 + 4a2 = 1/2
⎩ 0
a0 + 3a1 + 9a2 = 1/3

Se trata de un sistema de 3 ecuaciones lineales con 3 incógnitas. Resolvemos

por reducción ⎧
⎨ a0 + a1 + a2 = 1
a a
(2 − 1 ) a1 + 3a2 = −1/2
⎩
(3a − 2a ) a1 + 5a2 = −1/6
⎧
⎨ a0 + a1 + a2 = 1
a1 + 3a2 = −1/2
⎩
(3a − 2a ) 2a2 = 1/3
de donde resulta
1 11
a2 = , a1 = −1, a0 = .
6 6
El polinomio interpolador, es por lo tanto

11 x2
P2 (x) = −x+ .
6 6
Es inmediato verificar que, efectivamente, el polinomio obtenido cumple las
condiciones de interpolación (5). ¤

6.2 Intervalo de interpolación

El intervalo de interpolación es el menor intervalo que contiene los nodos
xj , lo representamos por

hx0 , x1 , . . . , xn i = [min xj , max xj ].

Si los nodos están ordenados de forma creciente

x0 < x1 < · · · < xn ,

entonces el intervalo de interpolación es [x0 , xn ].

Resumen y ejemplos Tema 2: Aproximación e Interpolación. 11

El siguiente gráfico muestra la representación conjunta de la función

f (x) = 1/x
y el polinomio interpolador calculado en el Ejemplo 6.1
11 x2
P2 (x) = −x+ .
6 6
4
y f(x)=1/x
f(x)=11/6-x+x^2

interpolador
2
función

x
-1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Intervalo de interpolación
-1

-2

-3

Observamos que:
• El polinomio interpolador coincide con la función en los puntos de
interpolación (xj , f (xj )).
• El polinomio interpolador es un buen aproximante de la función cuan-
do x pertenece al intervalo de interpolación.
• Fuera del intervalo de interpolación, el error |en (x)| = |f (x) − Pn (x)|
aumenta rápidamente.

7 Forma de Lagrange para el polinomio interpola-

dor
Consideremos la tabla
x x0 x1 ··· xn
y y0 y1 ··· yn
donde los nodos xj son distintos. Sabemos que existe un único polinomio
Pn (x) de grado ≤ n que interpola la tabla. Hemos visto que podemos deter-
minar Pn (x) resolviendo un sistema de ecuaciones. Podemos obtener el poli-
nomio interpolador de forma directa (sin resolver un sistema de ecuaciones)
expresándolo en una forma especial, conocida como la forma de Lagrange
Pn (x) = l0 (x) y0 + l1 (x) y1 + · · · + ln (x) yn .
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 12

Los polinomios lj (x) se denominan polinomios componentes y se caracterizan

por las propiedades
⎧
⎨ 1 si j = k,
lj (xk ) = δ jk =
⎩
0 si j 6= k.

Es decir, el polinomio componente lj (x) vale 1 en su nodo xj y se anula en

los restantes.
Como lj (x) se anula para

x0 , x1 , . . . , xj−1 , xj+1 , . . . , xn ,

y es de grado ≤ n, debe ser de la forma

lj (x) = C (x − x0 ) (x − x1 ) · · · (x − xj−1 ) (x − xj+1 ) · · · (x − xn ) .

Para cumplir lj (xj ) = 1, debe ser

1
C= ,
(xj − x0 ) (xj − x1 ) · · · (xj − xj−1 ) (xj − xj+1 ) (xj − xn )

por lo tanto

(x − x0 ) (x − x1 ) · · · (x − xj−1 ) (x − xj+1 ) · · · (x − xn )
lj (x) = .
(xj − x0 ) (xj − x1 ) · · · (xj − xj−1 ) (xj − xj+1 ) (xj − xn )

Ejemplo 7.1 Polinomio interpolador para 3 nodos.

Consideremos la tabla
x x0 x1 x2
y y0 y1 y2
Los polinomios componentes son

∗ (x − x1 ) (x − x2 )
⇒ l0 (x) = .
x0 x1 x2 (x0 − x1 ) (x0 − x2 )

∗ (x − x0 ) (x − x2 )
⇒ l1 (x) = .
x0 x1 x2 (x1 − x0 ) (x1 − x2 )
∗ (x − x0 ) (x − x1 )
⇒ l2 (x) = .
x0 x1 x2 (x2 − x0 ) (x2 − x1 )
Observamos que, efectivamente, los polinomios componentes cumplen
⎧ ⎧ ⎧
⎨ l0 (x0 ) = 1 ⎨ l1 (x0 ) = 0 ⎨ l2 (x0 ) = 0
l (x ) = 0 , l (x ) = 1 , l (x ) = 0 .
⎩ 0 1 ⎩ 1 1 ⎩ 2 1
l0 (x2 ) = 0 l1 (x2 ) = 0 l2 (x2 ) = 1
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 13

El polinomio interpolador es, entonces

P2 (x) = l0 (x) y0 + l1 (x) y1 + l2 (x) y2 .

Vemos que P2 (x) es de grado ≤ 2, además toma los valores adecuados

P2 (x0 ) = l0 (x0 ) y0 + l1 (x0 ) y1 + l2 (x0 ) y2 = y0 ,

P2 (x1 ) = l0 (x1 ) y0 + l1 (x1 ) y1 + l2 (x1 ) y2 = y1 ,

P2 (x2 ) = l0 (x2 ) y0 + l1 (x2 ) y1 + l2 (x2 ) y2 = y2, ¤

Ejemplo 7.2 Determina el polinomio interpolador de la tabla

x 1 2 3
.
y 1 1/2 1/3

Los polinomios componentes son

∗ (x − 2) (x − 3) 1
⇒ l0 (x) = = (x − 2) (x − 3) .
x0 = 1 x1 = 2 x2 = 3 (1 − 2) (1 − 3) 2

∗ (x − 1) (x − 3)
⇒ l1 (x) = = − (x − 1) (x − 3) .
x0 = 1 x1 = 2 x2 = 3 (2 − 1) (2 − 3)
∗ (x − 1) (x − 2) 1
⇒ l2 (x) = = (x − 1) (x − 2) .
x0 = 1 x1 = 2 x2 = 3 (3 − 1) (3 − 2) 2
El polinomio interpolador es
1 1
P2 (x) = l0 (x) · 1 + l1 (x) · + l2 (x) .
2 3
1 1 1
P2 (x) = (x − 2) (x − 3) − (x − 1) (x − 3) + (x − 1) (x − 2) . (6)
2 2 6
La tabla de valores es la misma que la del Ejemplo 6.1, si operamos en (6),
resulta
1 11
P2 (x) = x2 − x + ,
6 6
que coincide con el obtenido mediante la resolución de un sistema de ecua-
ciones. ¤
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 14

8 Error de interpolación
Para el polinomio interpolador de una función, es posible obtener una ex-
presión del error que es muy parecida a la fórmula de error para el polinomio
de Taylor.
Sean

• (n + 1) nodos distintos x0 , x1 , . . . , xn .

• [a, b] = hx0 , x1 , . . . , xn i (el menor intervalo que contiene los nodos)

• f (x) función de clase C n+1 [a, b].

• Pn (x) el polinomio interpolador de f (x) en los nodos x0 , x1 , . . . , xn .

Para cada x ∈ [a, b], el error de interpolación admite la siguiente expresión

f (n+1) (t)
en (x) = f (x) − Pn (x) = (x − x0 ) · · · (x − xn ), t ∈ [a, b].
(n + 1)!
¯ ¯
Si Mn+1 es una cota superior para ¯f (n+1) (t)¯ , esto es
¯ ¯
¯ ¯
max ¯f (n+1) (t)¯ ≤ Mn+1 ,
t∈[a,b]

obtenemos la siguiente cota superior para el error de interpolación

Mn+1
|en (x)| = |f (x) − Pn (x)| ≤ |(x − x0 ) · · · (x − xn )| .
(n + 1)!

Ejemplo 8.1 A partir de los datos

e0 = 1,
e0.1 = 1.105171,
e0.2 = 1.221403.

(a) Aproxima el valor de e0.14 .

(b) Determina una cota superior del error de interpolación.
(c) Compara con el valor de la calculadora.

(a) Cálculo de la aproximación. Los polinomios componentes son

∗ (x − 0.1) (x − 0.2)
⇒ l0 (x) = .
x0 = 0 x1 = 0.1 x2 = 0.2 (0 − 0.1) (0 − 0.2)

1
l0 (x) = (x − 0.1) (x − 0.2) .
0.02
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 15

∗ (x) (x − 0.2)
⇒ l1 (x) =
x0 = 0 x1 = 0.1 x2 = 0.2 (0.1 − 0) (0.1 − 0.2)
−1
l1 (x) = x (x − 0.2)
0.01
∗ (x) (x − 0.1)
⇒ l2 (x) = .
x0 = 0 x1 = 0.1 x2 = 0.2 (0.2 − 0) (0.2 − 0.1)
1
l2 (x) = x (x − 0.1) .
0.02
Polinomio interpolador

P2 (x) = l0 (x) y0 + l1 (x) y1 + l2 (x) y2 .

Para calcular P2 (1.14), sustituimos en los polinomios componentes

1 (0.04) (−0.06)
l0 (0.14) = (0.14 − 0.1) (0.14 − 0.2) = = −0.12,
0.02 0.02
−1 − (0.14) (−0.06)
l1 (0.14) = (0.14) (0.14 − 0.2) = = 0.84,
0.01 0.01
1 (0.14) (0.04)
l2 (0.14) = (0.14) (0.14 − 0.1) = = 0.28,
0.02 0.02
finalmente

P2 (0.14) = l0 (0.14) y0 + l1 (0.14) y1 + l2 (0.14) y2

= (−0.12) · 1 + 0.84 × 1.105171 + 0.28 × 1.221403
= 1. 150336.

(b) Cota superior de error. En nuestro caso, el intervalo de interpolación es

[0, 0.2], tenemos

M3
|e2 (x)| ≤ |(x − x0 ) (x − x1 ) (x − x2 )| ,
3!
con ¯ ¯ ¯ ¯
¯ ¯
M3 ≥ max ¯f (3) (t)¯ = max ¯et ¯ = e0.2 = 1.221403,
t∈[0,0.2] t∈[0,0.2]

por lo tanto
1.221403
e2 (0.14) ≤ |(0.14 − 0) (0.14 − 0.1) (0.14 − 0.2)|
3!
≤ 0.6 83986 × 10−4 = 0.06 83986 × 10−3 .

Vemos que la aproximación tiene al menos 3 decimales exactos, el resultado

es
e0.14 = 1. 150 .
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 16

(c) Comparación con el valor de la calculadora. El error exacto (con 6

decimales) es
¯ ¯
|e2 (0.14)| = ¯e0.14 − P2 (0.14)¯ = |1. 150273 − 1. 150336|
= 0. 63 × 10−4

vemos que, efectivamente, el error real es inferior a la cota de error calculada.

¤

9 Forma de Newton para el polinomio interpola-

dor
En esta sección se presenta otra forma para calcular el polinomio interpola-
dor, conocida como la forma de Newton. Esta forma es especialmente ade-
cuada para realizar los cálculos manualmente. Además, permite incorporar
nuevos puntos de interpolación sin tener que rehacer todos los cálculos.

9.1 Diferencias divididas

Dada la tabla de valores
x x0 x1 x2 x3 x4
y y0 y1 y2 y3 y4

formamos la tabla de diferencias divididas

x0 f [x0 ]
x1 f [x1 ] f [x0 , x1 ]
x2 f [x2 ] f [x1 , x2 ] f [x0 , x1 , x2 ]
x3 f [x3 ] f [x2 , x3 ] f [x1 , x2 , x3 ] f [x0 , x1 , x2 , x3 ]
x4 f [x4 ] f [x3 , x4 ] f [x2 , x3 , x4 ] f [x1 , x2 , x3 , x4 ] f [x0 , x1 , x2 , x3 , x4 ]

Las diferencias divididas se calculan de forma recurrente

f [xj ] = f (xj ) = yj ,

f [xi+1 , · · · , xj−1 , xj ] − f [xi , xi+1 , · · · , xj−1 ]

f [xi , xi+1 , · · · , xj−1 , xj ] = ,
xj − xi

Ejemplo 9.1 Diferencias divididas.

f [x1 ] − f [x0 ]
f [x0 , x1 ] = ,
x1 − x0
f [x2 ] − f [x1 ]
f [x1 , x2 ] = ,
x2 − x1
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 17

f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] = ,
x2 − x0
f [x2 , x3 , x4 ] − f [x1 , x2 , x3 ]
f [x1 , x2 , x3 , x4 ] = . ¤
x4 − x1
Ejemplo 9.2 Diferencias divididas para la tabla

x 0 1 3
.
y 1 3 −1

x0 = 0 f [x0 ]= 1
3−1
x1 = 1 f [x1 ] = 3 f [x0 , x1 ]= 1 =2
−1−3 −2−2 −4
x2 = 3 f [x2 ] = −1 f [x1 , x2 ]= 3−1 = −2 f [x0 , x1 , x2 ]= 3−0 = 3

9.2 Interpolador de Newton

Dada la tabla de valores
x x0 x1 x2 x3 x4
y y0 y1 y2 y3 y4

tenemos los siguientes polinomios interpoladores

• Un nodo
x x0
y y0
P0 (x) = f [x0 ].

• Dos nodos
x x0 x1
y y0 y1
P1 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ).

• Tres nodos
x x0 x1 x2
y y0 y1 y2
P2 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 )(x − x1 ).

• Cuatro nodos
x x0 x1 x2 x3
y y0 y1 y2 y3

P3 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 )(x − x1 )

+f [x0 , x1 , x2 , x3 ] (x − x0 )(x − x1 )(x − x2 ).
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 18

• Cinco nodos
x x0 x1 x2 x3 x4
y y0 y1 y2 y3 y4

P4 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 )(x − x1 )

+f [x0 , x1 , x2 , x3 ] (x − x0 )(x − x1 )(x − x2 )
+f [x0 , x1 , x2 , x3 , x4 ] (x − x0 )(x − x1 )(x − x2 )(x − x3 ).

Ejemplo 9.3 Calcula el polinomio interpolador de la tabla

x 0 1 3
.
y 1 3 −1
Hemos obtenido la tabla de diferencias divididas
x0 = 0 f [x0 ]= 1
x1 = 1 f [x1 ]= 3 f [x0 , x1 ] = 2
−4
x2 = 3 f [x2 ]= −1 f [x1 , x2 ] = −2 f [x0 , x1 , x2 ] = 3
El interpolador es
P2 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 )(x − x1 ).
En nuestro caso
−4
P2 (x) = 1 + 2x + x (x − 1).
3
El polinomio P2 (x) es de grado 2. En los nodos xj toma los valores
P2 (0) = 1,
P2 (1) = 1 + 2 = 3,
4
P2 (3) = 1 + 6 − · 6 = 7 − 8 = −1.
3
Se trata, por lo tanto, del polinomio interpolador. ¤
Ejemplo 9.4 Calcula el polinomio interpolador de la tabla
x 0 1 −1
.
y 0 0 2
Hemos obtenido la tabla de diferencias divididas
x0 = 0 f [x0 ] = 0
x1 = 1 f [x1 ] = 0 f [x0 , x1 ] = 0
x2 = −1 f [x2 ] = 2 f [x1 , x2 ] = −1 f [x0 , x1 , x2 ] = 1
El interpolador es
P2 (x) = f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 )(x − x1 ),
en nuestro caso
P2 (x) = x (x − 1). ¤
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 19

10 Interpolación de Hermite
10.1 Presentación del problema
Dada la tabla de datos
x x0 x1 ··· xn
y y0 y1 ··· yn
y0 y00 y10 ··· yn0

se pretende determinar un polinomio de grado ≤ 2n + 1

H2n+1 (x) = a0 + a1 x + · · · + a2n+1 x2n+1 ,

que cumpla las 2n + 2 condiciones

½
H2n+1 (xj ) = yj
0 para j = 0, 1, . . . , n.
H2n+1 (xj ) = yj0

Propiedad. Si los nodos x0 , x1 , . . . , xn , son distintos, entonces el polinomio

interpolador de Hermite H2n+1 (x) existe y es único, para cualquier elección
de los valores yj y yj0 .

Ejemplo 10.1 Calcula el polinomio interpolador de Hermite para la tabla

x 0 1
y 1 3 .
y0 1 −1

Se trata de un polinomio de grado ≤ 3

H3 (x) = a0 + a1 x + a2 x2 + a3 x3 . (7)

Las condiciones de interpolación son

⎧
⎪
⎪ H3 (0) = 1,
⎨ 0
H3 (0) = 1,
(8)
⎪
⎪ H (1) = 3,
⎩ 30
H3 (1) = −1.

Calculamos H30 (x)

H30 (x) = a1 + 2a2 x + 3a3 x2 , (9)
sustituyendo en (7) y (9), resulta
⎧ ⎧ ⎧
⎪
⎪ a0 = 1 ⎪
⎪ a0 = 1 ⎪
⎪ a0 =1
⎨ ⎨ ⎨
a1 = 1 a1 = 1 a1 =1
⇒ ⇒
⎪ a0 + a1 + a2 + a3 = 3
⎪ ⎪
⎪ a2 + a3 = 1 ⎪ a2
⎪ =5
⎩ ⎩ ⎩
a1 + 2a2 + 3a3 = −1 2a2 + 3a3 = −2 a3 = −4
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 20

El polinomio interpolador es, por lo tanto,

H3 (x) = 1 + x + 5x2 − 4x3 .
Vemos que H3 (x) cumple
H3 (0) = 1, H3 (1) = 3,
si calculamos la derivada
H30 (x) = 1 + 10x − 12x2
y sustituimos en x0 = 0 y x1 = 1, resulta
H30 (0) = 1, H30 (1) = −1.
por lo tanto, H3 (x) cumple las condiciones (8). ¤

10.2 Cálculo del polinomio de Hermite usando diferencias

divididas
Podemos calcular el polinomio de Hermite usando un procedimiento muy
parecido al empleado para construir la forma de Newton del polinomio in-
terpolador de Lagrange.
x0 f [x0 ]
x0 f [x0 ] f [x0 , x0 ]
x1 f [x1 ] f [x0 , x1 ] f [x0 , x0 , x1 ]
x1 f [x1 ] f [x1 , x1 ] f [x0 , x1 , x1 ] f [x0 , x0 , x1 , x1 ]
x2 f [x2 ] f [x1 , x2 ] f [x1 , x1 , x2 ] f [x0 , x1 , x1 , x2 ] f [x0 , x0 , x1 , x1 , x2 ]
x2 f [x2 ] f [x2 , x2 ] f [x1 , x2 , x2 ] f [x1 , x1 , x2 , x2 ] f [x0 , x1 , x1 , x2 , x2 ]
La diferencia es que ahora hay nodos xj repetidos, las diferencias f [xj , xj ]
se definen como
f [xj , xj ] = f 0 (xj ) = yj0 .
Los polinomios de Hermite H1 (x), H2 (x), H2 (x), tienen la siguiente forma:

• Un nodo. Tabla de datos

x x0
y y0
y0 y00
Tabla de diferencias
x0 f [x0 ]
x0 f [x0 ] f [x0 , x0 ]
Interpolador
H1 (x) = f [x0 ] + f [x0 , x0 ] (x − x0 ).
Observa que en este caso, se obtiene la recta tangente en x = x0 .
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 21

• Dos nodos. Tabla de datos

x x0 x1
y y0 y1
y0 y00 y10
Tabla de diferencias
x0 f [x0 ]
x0 f [x0 ] f [x0 , x0 ]
x1 f [x1 ] f [x0 , x1 ] f [x0 , x0 , x1 ]
x1 f [x1 ] f [x1 , x1 ] f [x0 , x1 , x1 ] f [x0 , x0 , x1 , x1 ]
Interpolador
H3 (x) = f [x0 ] + f [x0 , x0 ] (x − x0 ) + f [x0 , x0 , x1 ] (x − x0 )2 +
+f [x0 , x0 , x1 , x1 ] (x − x0 )2 (x − x1 ) .

• Tres nodos. Los datos son

x x0 x1 x2
y y0 y1 y2
y0 y00 y10 y20
y el polinomio interpolador tiene la forma
H5 (x) = f [x0 ] + f [x0 , x0 ] (x − x0 ) + f [x0 , x0 , x1 ] (x − x0 )2 +
+f [x0 , x0 , x1 , x1 ] (x − x0 )2 (x − x1 ) +
+f [x0 , x0 , x1 , x1 , x2 ] (x − x0 )2 (x − x1 )2 +
+f [x0 , x0 , x1 , x1 , x2 , x2 ] (x − x0 )2 (x − x1 )2 (x − x2 ).

Ejemplo 10.2 Calcula el polinomio interpolador de la tabla

x 0 1
y 1 3 .
y0 1 −1
Los datos iniciales en la tabla de diferencias divididas son
x0 =0 f [x0 ] = 1
x0 =0 f [x0 ] = 1 f [x0 , x0 ] = 1
x1 =1 f [x1 ] = 3 f [x0 , x1 ] f [x0 , x0 , x1 ]
x1 =1 f [x1 ] = 3 f [x1 , x1 ] = −1 f [x0 , x1 , x1 ] f [x0 , x0 , x1 , x1 ]
A partir de ahí, obtenemos
x0 =0 f [x0 ] = 1
x0 =0 f [x0 ] = 1 f [x0 , x0 ] = 1
x1 =1 f [x1 ] = 3 f [x0 , x1 ] = 2 f [x0 , x0 , x1 ] = 1
x1 =1 f [x1 ] = 3 f [x1 , x1 ] = −1 f [x0 , x1 , x1 ] = −3 f [x0 , x0 , x1 , x1 ] = −4
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 22

Por lo tanto, el interpolador es

H3 (x) = f [x0 ] + f [x0 , x0 ] (x − x0 ) + f [x0 , x0 , x1 ] (x − x0 )2 +

+f [x0 , x0 , x1 , x1 ] (x − x0 )2 (x − x1 ) .

H3 (x) = 1 + x + x2 − 4x2 (x − 1) .
Si operamos, resulta

H3 (x) = 1 + x + 5x2 − 4x3 .

que coincide con el obtenido en el Ejemplo 10.1 ¤

10.3 Error del polinomio de Hermite

Sean

• (n + 1) nodos distintos x0 , x1 , . . . , xn .

• [a, b] = hx0 , x1 , . . . , xn i (el menor intervalo que contiene los nodos).

• f (x) función de clase C 2n+2 [a, b].

• H2n+1 (x) el polinomio interpolador de Hermite para f (x) en los nodos

x0 , x1 , . . . , xn .

Para cada x ∈ [a, b], el error de interpolación admite la siguiente expresión

¯ ¯
¯ f (2n+2) (t) ¯
¯ 2 2 ¯
|e2n+1 (x)| = |f (x) − H2n+1 (x)| = ¯ (x − x0 ) · · · (x − xn ) ¯ , t ∈ [a, b].
¯ (2n + 2)! ¯

¯ ¯
Si M2n+2 es una cota superior para ¯f (2n+2) (t)¯ , esto es
¯ ¯
¯ ¯
max ¯f (2n+2) (t)¯ ≤ M2n+2 ,
t∈[a,b]

obtenemos la siguiente cota superior para el error de interpolación

M2n+2
|e2n+1 (x)| = |f (x) − H2n+1 (x)| ≤ (x − x0 )2 · · · (x − xn )2 .
(2n + 2)!

Ejemplo 10.3 Calcula el polinomio de Hermite que interpola la función

sin(x) en x0 = 0 y x1 = π/4. Aproxima el valor de sin(0.5), calcula una cota
superior de error.
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 23

Tenemos
f (x) = sin(x), f 0 (x) = cos(x),
f (0) = 0, f 0 (0) = 1,
π 1 π
f ( ) = √ = 0. 70710 678, f 0 ( ) = 0.70710 678.
4 2 4
La tabla de datos es
x x0 = 0 x1 = 0. 78539 816
y 0 0.70710 678
y0 1 0.70710 678

la tabla de diferencias inicial es

x0 =0 f [x0 ] = 0
x0 =0 f [x0 ] = 0 f [x0 , x0 ] = 1.
x1 = 0. 78539 816 f [x1 ] = 0.70710 678 f [x0 , x1 ]
x1 = 0. 78539 816 f [x1 ] = 0.70710 678 f [x1 , x1 ] = 0.70710 678

de donde obtenemos

f [x0 , x0 ] = 1.
f [x0 , x1 ] = 0. 90031 632 f [x0 , x0 , x1 ] = −0. 12692 12
f [x1 , x1 ] = 0.70710 678 f [x0 , x1 , x1 ] = −0. 24600 203 f [x0 , x0 , x1 , x1 ] = −0. 15161 842

El cálculo detallado de algunas diferencias divididas es como sigue

f [x1 ] − f [x0 ] 0.70710 678

f [x0 , x1 ] = = = 0. 90031 632,
x1 − x0 0. 78539 816
f [x0 , x1 ] − f [x0 , x0 ] 0. 90031 632 − 1.
f [x0 , x0 , x1 ] = = = −0. 12692 12,
x1 − x0 0. 78539 816
f [x1 , x1 ] − f [x0 , x1 ] 0.70710 678 − 0. 90031 632
f [x0 , x1 , x1 ] = = = −0. 24600 203.
x1 − x0 0. 78539 816
Los valores relevantes para construir H3 (x) son

f [x0 ] = 0, f [x0 , x0 ] = 1,

f [x0 , x0 , x1 ] = −0. 12692 12, f [x0 , x0 , x1 , x1 ] = −0. 15161 842.

El polinomio interpolador tiene la forma

H3 (x) = f [x0 ] + f [x0 , x0 ] (x − x0 ) + f [x0 , x0 , x1 ] (x − x0 )2 +

+f [x0 , x0 , x1 , x1 ] (x − x0 )2 (x − x1 ) ,
Resumen y ejemplos Tema 2: Aproximación e Interpolación. 24

es, por lo tanto

H3 (x) = x − 0. 12692 12 x2 − 0. 15161 842 x2 (x − 0. 78539 816).

El valor aproximado para x = 0.5 es

H3 (0.5) = 0.47908 76. (10)

Cota de error. Tenemos

M4
|e3 (x)| = |f (x) − H3 (x)| ≤ (x − x0 )2 (x − x1 )2 .
4!
El intervalo de interpolación es [0, π/4]. En nuestro caso f (4) (x) = sin(x)
por lo tanto ¯ ¯
¯ ¯ 1
M4 = max ¯f (4) (t)¯ = sin(π/4) = √ ,
t∈[0,π/4] 2
de donde resulta la cota de error
³ ´
√1
2
|e3 (0.5)| ≤ (0.5)2 (0.5 − π/4)2 = 0.59995 × 10−3 .
24
A la vista de la cota de error, sólo podemos asegurar 2 decimales exactos
en la aproximación, el valor que debemos tomar como resultado se obtiene
redondeando (10) a 2 decimales

sin(0.5) = 0.48.

Error exacto. El valor de sin(0.5) es

sin(0.5) = 0. 47942 554,

el error real es

|e3 (0.5)| = |sin(0.5) − H3 (0.5)| = 0.33794 × 10−3 . ¤