INTRODUCCION

En la ingeniera y en cualquier ciencia, es comn contar con un conjunto de

datos (valores discretos) a lo largo de un comportamiento continuo. Sin embargo, en
muchas ocasiones se requiere tener conocimiento de una estimacin en puntos entre
Los valores discretos.
Ejemplos:
En la termodinmica se utilizan tablas de vapor que relacionan la presin y el
volumen especfico a una temperatura particular.
En los negocios se cuenta con informacin de nmero de piezas vendidas y la
Ganancia obtenida.
La palabra interpolacin significa pasar una curva por un conjunto dado de puntos.
Matemticamente el problema de interpolacin es que dado un conjunto de puntos
en la grfica de una funcin, encontrar una funcin interpolante cuya grfica pase
por Uno o ms puntos seleccionados.
La interpolacin es el clculo de valores para una funcin tabulada en puntos que
no aparecen en la tabla.
Esto es, aproximar informacin discreta o funciones complejas a funciones
analticamente sencillas. Esto es muy necesario en el campo de la ingeniera.
Los nombres de muchos matemticos famosos estn asociados con procedimientos
de interpolacin: Gauss, Newton, Bessel y Stirling por mencionar algunos.
La necesidad de interpolar se inici precisamente con los primeros estudios de
Astronoma cuando el movimiento de cuerpos celestes deba de determinarse a partir
De observaciones peridicas.
Actualmente las calculadoras y las computadoras calculan los valores de las
funciones trigonomtricas y logartmicas por lo que ya no es necesario interpolar
para
conocer valores de senos o cosenos o cualquier otra funcin matemtica como se
haca anteriormente.
Sin embargo los mtodos numricos constituyen la base de procedimientos como
derivacin e integracin numrica y solucin de ecuaciones diferenciales ordinarias
y parciales.
Tambin, estos mtodos demuestran resultados tericos importantes sobre
polinomios y la exactitud de los mtodos numricos.
Interpolar con polinomios sirve como una excelente introduccin a ciertas tcnicas
para trazar curvas suaves.

INTERPOLACION
Dentro de los procesos manipulados en mtodos numricos el manejo de la
interpolacin es muy importante, puesto que permite estimar valores intermedios
entre datos definidos por puntos, Segn [1], el mtodo ms comn que se usa
para este propsito es la interpolacin polinomial. Recuerde que la frmula general
para un polinomio de n-simo grado es
f ( x )=a 0+ a1 x + a2 x 2 ++a n x n
Dados n + 1 puntos, hay uno y slo un polinomio de grado* n que pasa a travs de
todos los puntos. Por ejemplo, hay slo una lnea recta (es decir, un polinomio de
primer grado) que une dos puntos (figura 1.1a). De manera similar, nicamente
una parbola une un conjunto de tres puntos (figura 18.1b). La interpolacin
polinomial consiste en determinar el polinomio nico de n-simo grado que se
ajuste a n + 1 puntos. Este polinomio, entonces, proporciona una frmula para
calcular valores intermedios.
Aunque hay uno y slo un polinomio de n-simo grado que se ajusta a n + 1
puntos,
Existe una gran variedad de formas matemticas en las cuales puede expresarse
este
Polinomio.

(Figura 1.1).Ejemplos de interpolacin polinomial:

a) de primer grado (lineal) que une dos puntos
b) de Segundo grado (cuadrtica o parablica) que une tres puntos
c) de tercer grado (cbica). Tomado de [1].
Primero empezaremos a trabajar con los polinomios de menor grado, entonces
trabajaremos con interpolacin lineal.

INTERPOLACION LINEAL
Es uno de los procesos ms sencillos cuando se requiere estimar valores en
graficas puesto que y utilizamos lneas rectas, la formula que se usa proviene de
un anlisis y definicin de tringulos semejantes.

(Figura 1.2).Esquema grfico de la interpolacin lineal. Las reas sombreadas

indican los tringulos Semejantes usados para obtener la frmula de la
interpolacin lineal [1].
f 1 (x)f ( x 0 ) f ( x 1) f ( x 0)
=
xx 0
x 1x 0

Despejando f(x) se tiene

f 1 ( x )=f ( x 0 ) +

f ( x 1 )f ( x 0 )
( xx 0 )
x1x 0

Que es una frmula de interpolacin lineal. La notacin f(x) designa que ste es
un polinomio de interpolacin de primer grado. Observe que adems de
representar la pendiente de la lnea que une los puntos, el trmino

f ( x 1) f ( x 0 )
x 1x 0

Es una aproximacin en diferencia dividida finita a la primer derivada, cuanto

menor sea el intervalo entre los datos, mejor ser la aproximacin. Esto se debe al
hecho de que, conforme el intervalo disminuye, una funcin continua estar mejor
aproximada por una lnea recta.

EJEMPLO 1:
Estime el logaritmo natural de 2 mediante interpolacin lineal. Primero, realice el
clculo por interpolacin entre ln1=0 y ln6=1.791759.
Despus, repita el procedimiento, pero use un intervalo menor de ln1 a ln4
(1.386294).
Observe que el valor verdadero de ln2 es 0.6931472.
Usamos la ecuacin y una interpolacin lineal para ln (2) desde x =1 hasta x =6
para obtener
1.7917590
f 1 ( 2 )=0+
( 21 )=0.3583519
61

Que representa un error: et=48.3%. Con el intervalo menor desde x =1 hasta x =4

se obtiene
1.3862940
f 1 ( 2 )=0+
( 21 )=0.4620981
41

f(x)real
0,6931471
8
0,6931471
8
0,6931471
8
0,6931471
8

x
x 0
2 1
2 1
2 1
2 1

f(x0
x1 f(x)
)
f(x1)
error verd error abs
error rel
0,3583518
1,7917594 0,3347952 0,3347952
6
9
0
7
9
9 0,4830075
0,4620981
1,3862943 0,2310490 0,2310490 0,3333333
4
2
0
6
6
6
3
0,5493061
1,0986122 0,1438410 0,1438410 0,2075187
3
4
0
9
4
4
5
2, 0,6108604
0,9162907 0,0822866 0,0822866
5
9
0
3
9
9 0,1187146

error rel
porc
48,30075
33,333333
3
20,751875
11,871460
3

0,6931471
8 2 1

0,6931471
2
8

0,6931471
0
8

(Tabla 1). Representacin de valores de acuerdo al intervalo.

As, usando el intervalo ms corto el error relativo porcentual se reduce a
et=33.3%. El ejemplo anterior fue tomado de [1].

Figura (1.3) Dos interpolaciones lineales para estimar ln 2. Observe cmo el

intervalo menor proporciona una mejor estimacin. Tomado de [1].

EJEMPLO 2:
Estime el sen (/4) mediante interpolacin lineal teniendo los valores de sen
(0)=0 y sen (/2)=1
Luego; ejecute de nuevo el procedimiento y use el intervalo menor de sin (/6)=
(1/2) y sin (/2)=1
Usamos la ecuacin y una interpolacin lineal para sin (/4) desde x =0 hasta
x= (/2) para obtener

10
1
f1
=0+
0 =
4

4
2
0
2

()

Que representa un error: et=29.2893%. Con el intervalo menor desde x = (/6)

hasta x= (/2) se obtiene

f1

1
1
2
5
= +
=
4 2 4 6 8

2 6

()

As, usando el intervalo ms corto el error relativo porcentual se reduce a

et=11.611%.
Segn [2] se define que esta interpolacin es la base para varios modelos
numricos fundamentales. Al integrar la interpolacin lineal, se deduce el modelo
de integracin llamado regla del trapecio. El gradiente de la interpolacin lineal es
una aproximacin a la primera derivada de la funcin, la interpolacin lineal da
como resultado una recta que se ajusta a dos puntos dados.
Por [3], podemos ver con ms detalle el desarrollo de la formula mediante
tringulos semejantes; En una tabla se representan algunos valores de la funcin,
pero no todos, en ocasiones nos interesa el valor de la funcin para un valor de la
variable independiente distinto de los que figuran en la tabla, en este caso
podemos tomar el ms prximo al buscado, o aproximarnos un poco ms por
interpolacin, la interpolacin casi siempre nos dar un pequeo error respecto al
valor de la funcin verdadero, pero siempre ser menor que tomar el valor ms
prximo de los que figuran en la tabla, veamos cmo se calcula al valor de la
funcin para un valor de la variable independiente que se encuentre entre dos
valores de la tabla por interpolacin lineal.

(Figura 1.4).Representacin grafica del sistema para el desarrollo de tringulos

semejantes [3].

Por la tabla sabemos que: y1 = f(x1) y2 = f(x2)

Y queremos saber: y = f(x)

Siendo x1 < x < x2

La interpolacin lineal consiste en trazar una recta que pasa por (x1,y1) y (x2,y2),
y = r(x) y calcular los valores intermedios segn esta recta en lugar de la funcin y
= f(x)
Para ello nos basamos en la semejanza de tringulos

Esto es:

Despejando, tenemos:

O lo que es lo mismo:
1
x 2x

( xx1 )
( y y 1 ) =
El valor buscado es:
1
x 2x

( y y 1 ) + y 1 =

( xx 1 )

Si establecemos una relacin entre este sistema de interpolacin es muy similar

al mtodo de la secante que se trabaja en la solucin de sistemas de ecuaciones
no lineales puesto que consiste en formar varias rectas hasta llegar a la raz, solo
que en este caso no llegaremos a una raz sino a un valor requerido.
INTERPOLACION CUADRATICA

De acuerdo con [1], una estrategia para mejorar la estimacin consiste en

introducir alguna curvatura a la lnea que une los puntos. Si se tienen tres puntos
como datos, stos pueden ajustarse en un polinomio de segundo grado (tambin
conocido como polinomio cuadrtico o parbola). Una forma particularmente
conveniente para ello es
f 2 ( x )=b 0+ b1 ( x x0 ) + b2 ( xx 0 )( x x1 )
Observe que aunque la ecuacin parece diferir del polinomio general
(interpolacin lineal), las dos ecuaciones son equivalentes. Lo anterior se
demuestra al multiplicar los trminos de la ecuacin:
f 2 ( x )=b 0+ b1 xb1 x 0 +b 2 x 2+ b2 x0 x 1b2 x x 0b 2 x x1
O, agrupando trminos,
f 2 ( x )=a 0+ a1 x +a 2 x 2
Donde
a0 =b0b1 x 0 +b 2 x 0 x 1
a1=b1b 2 x 0b 2 x 1
a2=b2
As, las ecuaciones (interpolacin lineal) e (interpolacin cuadrtica) son formas
alternativas, equivalentes del nico polinomio de segundo grado que une los tres
puntos. Un procedimiento simple puede usarse para determinar los valores de los
coeficientes. Para encontrar b, en la ecuacin (interpolacin cuadrtica) se evala
con x=x para obtener
b0 =f ( x 0 ) ( 1 )
La ecuacin (1) se sustituye en la (interpolacin cuadrtica), despus se evala en
x=x para tener
f ( x 1 ) f ( x 0 )
b1 =
( 2)
x1 x0
Por ltimo, las ecuaciones (1) y (2) se sustituyen en la (interpolacin cuadrtica),
despus se evala en x =x2 y (luego de algunas manipulaciones algebraicas) se
resuelve para

f ( x 2 )f ( x 1) f ( x 1 )f ( x 0 )

x 2x 1
x 1x 0
b2=
(3 )
x 2x 0

Observe que, como en el caso de la interpolacin lineal, b1 todava representa la

pendiente de la lnea que une los puntos x0 y x1. As, los primeros dos trminos de
la ecuacin (interpolacin cuadrtica) son equivalentes a la interpolacin lineal de
x0 a x1, como se especific antes en la ecuacin (interpolacin lineal). El ltimo
trmino,
b2 ( xx 0 ) ( xx 1)

Determina la curvatura de segundo grado en la frmula. [1]

EJEMPLO 3 :
Ajuste un polinomio de segundo grado a los tres puntos del ejemplo 1
x 0=1 f ( x 0 )=0
x 1=4 f ( x 1) =1.386294
x 2=6 f ( x 2 )=1.791759
Con el polinomio evale ln 2.
SOLUCION
Aplicando la ecuacin (1) se obtiene
b0 =0
La ecuacin (2) da
1.3862940
b1=
=0.4620981
41
Y con la ecuacin (3) se llega a
1.7917591.386294
0.4620981
64
b2 =
=0.0518731
61

Sustituyendo los valores obtenidos en los anteriores procesos tenemos el

polinomio
f 2 ( x )=0+ 0.4620981 ( x1 )0.0518731 ( x1 ) ( x4 )
Que se evala en x = 2 para
f 2 ( 2 )=0.5658444

TABLA INTERPOLACION.xlsx
(Tabla 3). Representacin de valores de acuerdo al intervalo.
Que representa un error relativo de et = 18.4%. As, la curvatura determinada por
la frmula cuadrtica (Figura 1.5) mejora la interpolacin comparndola con el
resultado obtenido antes al usar las lneas rectas del ejemplo 1 y en la (Figura
1.3).El anterior ejemplo fue tomado de [1].

(figura 1.5). El uso de la interpolacin cuadrtica para estimar ln 2. Para

comparacin se presenta tambin la interpolacin lineal desde x = 1 hasta 4. [1].
EJEMPLO 4:
Ajuste un polinomio de segundo grado a los tres puntos del ejemplo 2
x 0=0 f ( x 0 ) =0

3
x 1 = f ( x 1) =
3
2

x 2= f ( x 2 )=1
2

Con el polinomio evale sen (/4).

SOLUCION
Aplicando la ecuacin (1) se obtiene
b0 =0
La ecuacin (2) da
3 0
2
b1=
=0,0144337567297406

0
3
Y con la ecuacin (3) se llega a
3
1
2
0,0144337567297406

2 6
b2=
=0.00011075485

0
2
Sustituyendo los valores obtenidos en los anteriores procesos tenemos el
polinomio

f 2 ( x )=0+ 0,0144337567297406 ( x )0.00011075485 ( x ) x

Que se evala en x =

f2

para

( 4 )=0,873797632095822

Que representa un error relativo de et = 2,69056442964422%.

Este proceso nos permite tener el valor requerido en menos repeticiones con
respecto a la interpolacin lineal.

FORMA GENERAL DE LOS POLINOMIOS DE INTERPOLACION DE NEWTON

Segn [1] tenemos que puede generalizarse para ajustar un polinomio de n-simo
grado a n
+ 1 datos. El polinomio de n-simo grado es
f n ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1) + +b n ( xx 0 ) ( xx n1 ) ( 4 )
Como se hizo antes con las interpolaciones lineales y cuadrticas, los puntos
asociados con datos se utilizan para evaluar los coeficientes b0, b1,..., bn. Para un
polinomio de n-simo grado se requieren n + 1 puntos: [x0, f(x0)], [x1, f(x1)],..., [xn,
f(xn)]. Usamos estos datos y las siguientes ecuaciones para evaluar los
coeficientes:
b0 =f ( x 0 ) (5)
b1=f [ x1 , x 0 ] ( 6 )
b2=f [ x 2 , x 1 , x 0 ] ( 7 )
.
.
.
bn =f [ x n , x n1 , , x 0 ] ( 8 )
Donde las evaluaciones de la funcin colocadas entre parntesis son diferencias
divididas finitas. Por ejemplo, la primera diferencia dividida finita en forma general
se representa como
f [ x i , x j ]=

f ( xi ) f ( x j )
x ix j

( 9)

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

primeras diferencias divididas, se expresa en forma general como
f [ x i , x j ] f [ x j , x k ]
f [ x i , x j , x k ]=
( 10 )
x ix k
En forma similar, la n-sima diferencia dividida finita es

f [ x n , x n1 , , x 1 , x 0 ]=

f [ x n , x n1 , , x 1 ] f [ xn 1 , , x 1 , x0 ]
(11)
x nx 0

Estas diferencias sirven para evaluar los coeficientes en las ecuaciones (5) a (8),
los cuales se sustituirn en la ecuacin (4) para obtener el polinomio de
interpolacin

f n ( x )=f ( x0 ) + ( xx 0 ) f [ x1 , x0 ]+ ( x x0 ) ( xx 1 ) f [ x 2 , x 1 , x 0 ] ++ ( x x0 ) ( xx 1 ) ( xx n1 ) f [ x n , x n1 , , x 0 ] (12

(Figura 1.6) Representacin grfica de la naturaleza recursiva de las diferencias

divididas finitas. Tomado de [1].
De acuerdo con [4] podemos tener este diagrama para calcular los coeficientes
b0 , b1 ,, bn , es conveniente construir una tabla de diferencias divididas como la
siguiente :

Obsrvese que los coeficientes del polinomio de interpolacin de Newton, se

encuentran en la parte superior de la tabla de diferencias divididas. - El polinomio
de interpolacin 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

EJEMPLO 5:

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

Y utilizar la informacin de dicha tabla, para construir el polinomio de

interpolacin de Newton.
SOLUCION:
Procedemos como sigue:

Por lo tanto el polinomio de interpolacin de Newton es :

f ( x) 4 2( x 2) 0.25( x 2)( x 1) 0.3( x 2)( x 1)( x 2)
El anterior ejemplo es tomado de [4].

EJEMPLO 6:
En el ejemplo 3, los datos x0 = 1, x1 = 4 y x2 = 6 se utilizaron para estimar ln 2
mediante una parbola. Ahora, agregando un cuarto punto (x3 = 5; f(x3) =
1.609438], estime ln 2 con un polinomio de interpolacin de Newton de tercer
grado.
SOLUCION:
Utilizando la ecuacin (4), con n = 3, el polinomio de tercer grado es
f n ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1) + b3 ( xx 0 )( xx1 ) ( xx2 )
Las primeras diferencias divididas del problema son [ecuacin(9)]
f [ x 1 , x 0 ]=

1.3862940
=0.4620981
41

f [ x 2 , x 1 ]=

1.7917591.386294
=0.2027326
64

f [ x 3 , x 2 ]=

1.6094381.791759
=0.1823216
56

Las segundas diferencias divididas son [ecuacin (10)]

f [ x 2 , x 1 , x 0 ]=

0.20273260.4620981
=0.05187311
61

f [ x 3 , x 2 , x 1 ]=

0.18232610.2027326
=0.02041100
54

La tercera diferencia dividida es [ecuacin (11) con n = 3]

f [ x 3 , x 2 , x 1 , x 0 ]=

0.02041100(0.05187311)
=0.007865529
51

Los resultados de f[x1, x0], f[x2, x1, x0] y f[x3, x2, x1, x0] representan los
coeficientes b1, b2 y b3 de la ecuacin (4), respectivamente. Junto con b0 = f(x0)
= 0.0, la ecuacin (4) es
f 3 ( x )=0+ 0.4620981 ( x1 )0.05187311 ( x1 )( x4 ) +0.007865529 ( x1 ) ( x 4 )( x6 )

la cual sirve para evaluar f3(2) = 0.6287686, que representa un error relativo: et =
9.3%. Tomado de [1].
EJEMPLO 7:
Construir un polinomio de interpolacin de Newton con los siguientes datos
x 0=0 f ( x 0 ) =0

1
x 1 = f ( x 1) =
6
2

3
x 2 = f ( x 2 )=
3
2

x 3= f ( x 3 )=1
2
SOLUCION:

Utilizando la ecuacin (4), con n = 3, el polinomio de tercer grado es

f n ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1) + b3 ( xx 0 )( xx1 ) ( xx2 )
Las primeras diferencias divididas del problema son [ecuacin(9)]
1
0
2
f [ x 1 , x 0 ]=
=0.01666667

0
6

3 1
f [ x 2 , x 1 ]=

2 2
=0.01220085

3 6

3
1
2
f [ x 3 , x 2 ]=
=0.00446582

2 3
Las segundas diferencias divididas son [ecuacin (10)]
f [ x 2 , x 1 , x 0 ]=

f [ x 3 , x 2 , x 1 ]=

0.012200850.01666667
=7.443 X 105

0
3
0.004465820.01220085
=0.00012892

2 6

La tercera diferencia dividida es [ecuacin (11) con n = 3]

5

f [ x 3 , x 2 , x 1 , x 0 ]=

0.00012892(7.443 X 10 )
=6.05490 X 107

0
2

Los resultados de f[x1, x0], f[x2, x1, x0] y f[x3, x2, x1, x0] representan los
coeficientes b1, b2 y b3 de la ecuacin (4), respectivamente. Junto con b0 = f(x0)
= 0.0, la ecuacin (4) es

f 3 ( x )=0+ 0.01666667 ( x )7.443 X 105 ( x ) x

6.05490 X 107 ( x ) x
6
6

)( x 3 )

La cual sirve para evaluar f3( 4 ) =0.70588929, que representa un error relativo:
et = 0.17%.
Como conclusin de cada ejercicio se puede analizar que entre mas se ejecute la
interpolacin polinomio aumentando el grado del polinomio, el error relativo
porcentual decrece y no hay que hacer tantas iteraciones al momento de declarar
los puntos iniciales de trabajo.

ERRORES DE LA INTERPOLACION POLINOMIAL DE NEWTON

Segn [1] se tiene que la estructura de la ecuacin (12) es similar a la expansin
de la serie de Taylor en el sentido de que se van agregando trminos en forma
secuencial, para mostrar el comportamiento de orden superior de la funcin. Estos
trminos son diferencias divididas finitas y, as, representan aproximaciones de las
derivadas de orden superior. En consecuencia, como ocurri con la serie de
Taylor, si la funcin verdadera es un polinomio de n-simo grado, entonces el
polinomio de interpolacin de n-simo grado basado en n + 1 puntos dar
resultados exactos.
Tambin, como en el caso de la serie de Taylor, es posible obtener una
formulacin
para el error de truncamiento. Recuerde que el error de truncamiento en la serie
de Taylor se expresa en forma general como
Rn=

( n+1 )
( )
f
n+1
( x x ) ( 13 )
( n+1 ) ! i+1 i

Donde x est en alguna parte del intervalo de xi a xi+1. Para un polinomio de

interpolacin de n-simo grado, una expresin anloga para el error es
f (n+1 ) ( )
Rn=
( xx 0 ) ( xx 1 ) ( xx n ) (14)
( n+1 ) !

Donde x est en alguna parte del intervalo que contiene la incgnita y los datos.
Para que esta frmula sea til, la funcin en turno debe ser conocida y
diferenciable. Por lo comn ste no es el caso. Por fortuna, hay una formulacin
alternativa que no requiere del conocimiento previo de la funcin. Utilizndose una
diferencia dividida finita para aproximar la (n + 1)-sima derivada,
Rn=f [ x , x n , x n1 , , x 0 ] ( x x0 ) ( xx 1 ) ( xx n ) ( 15 )
Donde [x, xn, xn1,. . . , x0] es la (n + 1)-sima diferencia dividida finita. Debido a
que la ecuacin (15) contiene la incgnita f(x), no permite obtener el error. Sin
embargo, si se tiene un dato ms, f(xn+1), la ecuacin (15) puede usarse para
estimar el error como sigue:
Rn f [ x n +1 , x n , x n1 , , x 0 ] ( x x0 ) ( xx 1 ) ( xx n ) (16)
EJEMPLO 8:
Con la ecuacin (16) estime el error en la interpolacin polinomial de segundo
grado del ejemplo 3. Use el dato adicional f(x3) =f(5) = 1.609438 para obtener sus
resultados.
SOLUCION
Recuerde que en el ejemplo 3 el polinomio de interpolacin de segundo grado
proporcion una estimacin, f2(2) = 0.5658444, que representa un error de
0.6931472 0.5658444 = 0.1273028. Si no se hubiera conocido el valor
verdadero, como usualmente sucede, la ecuacin (18.18), junto con el valor
adicional en x3, pudo haberse utilizado para estimar el error,
R2=f [ x 3 , x2 , x1 , x0 ] ( x1 ) ( x4 )( x6 )
R2=0.007865529 ( x1 ) ( x4 )( x6 )
Donde el valor de la diferencia dividida finita de tercer orden es como se calcul
antes en el ejemplo 6. Esta expresin se evala en x = 2 para obtener
R2=0.007865529 ( 21 ) ( 24 ) ( 26 )=0.0629242
Que es del mismo orden de magnitud que el error verdadero. Tomado de [1].
EJEMPLO 9:

Con la ecuacin (16) estime el error en la interpolacin polinomial de segundo

grado del ejemplo 4. Use el dato adicional f(x3) =f( 6 ) = 0.8660254 para
obtener sus resultados.
SOLUCION
Recuerde que en el ejemplo 4 el polinomio de interpolacin de segundo grado

proporcion una estimacin, f2( 4 ) = 0,873797632095822 , que representa un

error de 0.70710678 0,873797632095822 =-0.16669085. Si no se hubiera
conocido el valor verdadero, como usualmente sucede, la ecuacin (16), junto con
el valor adicional en x3, pudo haberse utilizado para estimar el error,

R2=f [ x 3 , x2 , x1 , x0 ] ( x ) x

R2=6.05490 X 107 ( x ) x

)( x 2 )

)( x 2 )

Donde el valor de la diferencia dividida finita de tercer orden es como se calcul

antes en el ejemplo 6. Esta expresin se evala en x = 2 para obtener
R2=6.05490 X 107

( 4 )( 4 3 )( 4 2 )=0.01838929

Que es aproximado al valor de magnitud que el error verdadero.

INTERPOLACION DE LAGRANGE
Segn [1] se tiene que El polinomio de interpolacin de Lagrange es simplemente
una reformulacin del polinomio de Newton que evita el clculo de las diferencias
divididas, y se representa de manera concisa como
n

f n ( x )= Li ( x ) f ( x i ) ( 17 )
i=0

Donde
n

Li ( x ) =
j=o
j i

xx j
(18)
x ix j

Donde
f 1 ( x )=

designa el producto de. Por ejemplo, la versin lineal (n = 1) es

xx 1
xx 0
f ( x0 )+
f ( x1 ) (19)
x0 x1
x 1x 0

Y la versin de segundo grado es

f 2 ( x )=

( xx 1 )( x x2 )
( x x0 ) ( xx 2 )
( xx 0 ) ( xx 1 )
f ( x0 )+
f ( x1 ) +
f ( x 2 ) ( 20 )
( x 0x 1 )( x 0 x2 )
( x1 x0 ) ( x 1x 2 )
( x 2x 0 ) ( x 2x 1)

La ecuacin (17) se obtiene de manera directa del polinomio de Newton. Sin

embargo, el razonamiento detrs de la formulacin de Lagrange se comprende
directamente al darse cuenta de que cada trmino Li(x) ser 1 en x = xi y 0 en
todos los otros puntos (figura1.7). De esta forma, cada producto Li(x) f(xi) toma el
valor de f(xi) en el punto xi. En consecuencia, la sumatoria de todos los productos
en la ecuacin (17) es el nico polinomio de n-simo grado que pasa exactamente
a travs de todos los n + 1 puntos, que se tienen como datos.

(Figura 1.7) Descripcin visual del razonamiento detrs del polinomio de

Lagrange. Esta fi gura muestra un caso de segundo grado. Cada uno de los tres
trminos en la ecuacin (20) pasa a travs de uno de los puntos que se tienen
como datos y es cero en los otros dos. La suma de los tres trminos, por lo tanto,
debe ser el nico polinomio de segundo grado f2(x) que pasa exactamente a
travs de los tres puntos.

Observe que, como en el mtodo de Newton, la forma de Lagrange tiene un error

estimado de [ecuacin (15)].
n

Rn=f [ x , x n , x n1 , , x 0 ] ( x xi )
i=0

De este modo, si se tiene un punto adicional en x = xn+1, se puede obtener un

error estimado. Sin embargo, como no se emplean las diferencias divididas finitas
como parte del algoritmo de Lagrange, esto se hace rara vez.
EJEMPLO 10
Con un polinomio de interpolacin de Lagrange de primero y segundo grado
evale ln 2 basndose en los datos del ejemplo 3
x 0=1 f ( x 0 )=0
x 1=4 f ( x 1) =1.386294
x 2=6 f ( x 2 )=1.791759
El polinomio de primer grado [ecuacin (19)] se utiliza para obtener la estimacin
en
x = 2,
24
21
f 1 ( 2 )=
0+
1.386294=0.4620981
14
41
De manera similar, el polinomio de segundo grado se desarrolla as: [ecuacin
(20)]
f 2 ( 2 )=

( 24 ) ( 26 )
( 21 ) ( 26 )
( 21 )( 24 )
0+
1.386294+
1.791760=0.5658444
( 14 ) ( 16 ) ( 41 ) ( 46 )
( 61 )( 64 )

Como se esperaba, ambos resultados concuerdan con los que se obtuvieron antes
al usar el polinomio de interpolacin de Newton. Tomado de [1].
De acuerdo con [4] podemos observar la interpolacin de lagrange de la siguiente
manera:
Tenemos los datos :

El polinomio de interpolacin 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 as sucesivamente, veremos finalmente que la condicin 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 ms claros,
analicemos detenidamente el polinomio l0 ( x) . De acuerdo al anlisis 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 condicin sobre l0 ( x) . La constante c se
determinar para hacer que se cumpla la primera condicin:
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

Anlogamente se puede deducir que:

l j x

(x x )
i

i j

(x
i j

xi )

, para j 1, , n

EJEMPLO 11
Calcular el polinomio de Lagrange usando los siguientes datos:

SOLUCION
Tenemos que:
f ( x) y0l0 ( x) y1l1 ( x) y2l ( x) y3l3 ( x)

f ( x) 2l0 ( x) l1 ( x) 2l2 ( x) 3l3 ( x)

donde:
l0 ( x)

( x 3)( x 5)( x 7) ( x 3)( x 5)( x 7)

( 2)( 4)( 6)
48

l1 ( x )

( x 1)( x 5)( x 7) ( x 1)( x 5)( x 7)

( 2)( 2)( 4)
16

l2 ( x )

l3 ( x )

( x 1)( x 3)( x 7) ( x 1)( x 3)( x 7)

(4)( 2)( 2)
16
( x 1)( x 3)( x 5) ( x 1)( x 3)( x 5)

(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)

24
16
8
16

f ( x)

EJEMPLO 12
Calcular el polinomio de Lagrange usando los siguientes datos:

SOLUCION
Tenemos que:
f ( x) y0l0 ( x) y1l1 ( x) y2l ( x) y3l3 ( x)

f ( x) l0 ( x) l1 ( x) 3l2 ( x) 2l3 ( x)
donde:
l0 ( x)

( x 0)( x 2)( x 4) x( x 2)( x 4)

(2)( 4)( 6)
48

l1 ( x )

( x 2)( x 2)( x 4) ( x 2)( x 2)( x 4)

(2)( 2)( 4)
16

l2 ( x )

( x 2)( x 0)( x 4) x ( x 2)( x 4)

(4)( 2)( 2)
16

l3 ( x )

( x 2)( x 0)( x 2) x( x 2)( x 2)

(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)

48
16
16
24

f ( x)

Los ejemplos 11 y 12 fueron tomados de [4].

Ahora segn [2] existen mejores mtodos para determinar una interpolacin
polinomial sin resolver las ecuaciones lineales. Entre estos estn la formula de
interpolacin de Lagrange; para representar la idea bsica que subyace en la
formula de Lagrange considere el producto de factores dados por
v 0 ( x )=( xx 1 ) ( xx 2 ) ( x xn )

Que se refiere a los n+1 puntos dados. La funcin

n de x, y se anula en

x=x 1 , x 2 , , x n

funcin resultante
v 0 ( x )=

( xx 1 ) ( xx 2 ) . ( xx n )
( x0 x 1) ( x 0x 2 ) ( x 0x n )

v0

. Si dividimos

es un polinomio de orden
v 0 (x )

entre

v 0 ( x 0 ) , la

x=x 0

Toma el valor de uno para

forma anloga, podemos escribir

v i ( x )=

, y de cero para
vi

x=x 1 , x=x 2 , , x=x n

. En

como

( xx 0 ) ( xx 1 ) . ( xx n )
( xi x0 ) ( x ix 1 ) ( x ix n )
(xx i)

Donde el numerador no incluye

La funcin

vi ( x )

y de cero en
f 0, f 1, , f n,

y el denominador no incluye

( x ix) .

es un polinomio de orden n y toma el valor de uno en

x=x j , j i

. Asi, si multiplicamos

v 0 ( x ) , v1 ( x ) , , v n ( x ) ,

x=x i
por

respectivamente y las sumamos, el resultado ser un polinomio de

orden a lo mas n e igual a

fi

para cada

i=0

hasta

i=n .

L formula de interpolacin de Lagrange de orden n asi obtenida se escribe como

sigue [conte/de Boor]:
( xx 1 )( x x2 ) ( xx n)
( x x0 ) ( xx 2 ) (xx n )
( xx 0 ) ( xx 1 ) (xx n1)
g (x )=
f 0+
f 1+
f n( 21)
( x 0x 1 ) ( x 0x 2 ) (x 0x n ) ( x 1x 0 ) ( x 1x2 ) ( x0 x n) ( x n x0 ) ( x nx 1 ) (x nx n1 )

INTERPOLACION POR SPLINES

Segn [1] se define un procedimiento alternativo consiste en colocar polinomios
de grado inferior en subconjuntos de los datos. Tales polinomios conectores se
denominan trazadores o splines. Por ejemplo, las curvas de tercer grado
empleadas para unir cada par de datos se llaman trazadores cbicos. Esas
funciones se pueden construir de tal forma que las conexiones entre ecuaciones
cbicas adyacentes resulten visualmente suaves. Podra parecer que la
aproximacin de tercer grado de los trazadores sera inferior a la expresin de
sptimo grado. Usted se preguntara por qu un trazador an resulta preferible. La
figura (1.8) ilustra una situacin donde un trazador se comporta mejor que un
polinomio de grado superior. ste es el caso donde una funcin en general es
suave, pero presenta un cambio abrupto en algn lugar de la regin de inters. El
tamao de paso representado en la figura (1.8) es un ejemplo extremo de tal
cambio y sirve para ilustrar esta idea.

La figura (1.8a a c) ilustra cmo un polinomio de grado superior tiende a formar

una curva de oscilaciones bruscas en la vecindad de un cambio sbito. En
contraste, el trazador tambin une los puntos; pero como est limitado a cambios
de tercer grado, las
oscilaciones son mnimas. De esta manera, el trazador usualmente proporciona
una mejor aproximacin al comportamiento de las funciones que tienen cambios
locales y abruptos. El concepto de trazador se origin en la tcnica de dibujo que
usa una cinta delgada y flexible (llamada spline, en ingls), para dibujar curvas
suaves a travs de un conjunto de puntos. El proceso se representa en la figura
(1.9) para una serie de cinco alfileres (datos). En esta tcnica, el dibujante coloca
un papel sobre una mesa de madera y coloca alfileres o clavos en el papel (y la
mesa) en la ubicacin de los datos. Una curva cbica suave resulta al entrelazar la
cinta entre los alfileres. De aqu que se haya adoptado el nombre de trazador
cbico (en ingls: cubic spline) para los polinomios de este tipo.

(Figura 1.8) Una representacin visual de una situacin en la que los trazadores
son mejores que los polinomios de interpolacin de grado superior. La funcin que
se ajusta presenta un incremento sbito en x = 0. Los incisos a) a c) indican que el
cambio abrupto induce oscilaciones en los polinomios de interpolacin. En
contraste, como se limitan a curvas de tercer grado con transiciones suaves, un
trazador lineal d) ofrece una aproximacin mucho ms aceptable .

(Figura 1.9) La tcnica de dibujo que usa una cinta delgada y flexible para dibujar
curvas suaves a travs de una serie de puntos. Observe cmo en los puntos
extremos, el trazador tiende a volverse recto. Esto se conoce como un trazador
natural.
Donde mi es la pendiente de la lnea recta que une los puntos :
mi=

f ( x i+1 )f ( x i )
x i+1x i

( 22 )

Estas ecuaciones se pueden usar para evaluar la funcin en cualquier punto entre
x0
y xn localizando primero el intervalo dentro del cual est el punto. Despus se usa
la
ecuacin adecuada para determinar el valor de la funcin dentro del intervalo. El
mtodo es obviamente idntico al de la interpolacin lineal.
EJEMPLO 13:
Ajuste los datos de la tabla con trazadores de primer grado. Evale la funcin en
x = 5.
X

f(x)
3
4,5
7
9

2,5
1
2,5
0,5

(TABLA 2).
Se utilizan los datos para determinar las pendientes entre los puntos. Por ejemplo,
en el intervalo de x = 4.5 a x = 7 la pendiente se calcula con la ecuacin (22):

m=

2.51
=0.60
74.5

Se calculan las pendientes en los otros intervalos y los trazadores de primer grado
obtenidos se grafican en la figura (2.0). El valor en x = 5 es 1.3. Tomado de [1].

(Figura 2.0)
Una inspeccin visual a la figura (2.0) indica que la principal desventaja de los
trazadores de primer grado es que no son suaves. En esencia, en los puntos
donde se encuentran dos trazadores (llamado nodo), la pendiente cambia de
forma abrupta. Formalmente,la primer derivada de la funcin es discontinua en
esos puntos. Esta deficiencia se resuelve usando trazadores polinomiales de
grado superior. Tomado de [1].
De acuerdo con [4] se tiene que dados los n 1 puntos

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 este caso:
s (x )=

s 1 ( x ) si x [ x 0 , x 1 ]
sn ( x ) si x [x n1 , x n ]

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.

s xj yj
iii)
, para j 0,1, , n .
Por lo tanto, la spline de grado 1 queda definida como :

y 0 +f [ x 1 , x 0 ] ( xx 0 ) si x [x 0 , x1 ]
s (x )=
y 1 + f [ x 2 , x 1 ] ( xx 1) si x [x 1 , x 2 ]
y n1 + f [ x n , x n1 ] ( xx n1 ) si x [ x n1 , x n ]

donde

f [ xi , x j ]

es la diferencia dividida de Newton. Tomado de [4].

SPLINES CUADRATICOS
Segn [1] se tiene que tienen primeras derivadas continuas en los nodos. Aunque
los trazadores cuadrticos no aseguran segundas derivadas iguales en los nodos,
sirven muy bien para demostrar el procedimiento general en el desarrollo de
trazadores de grado superior. El objetivo de los trazadores cuadrticos es obtener
un polinomio de segundo grado para cada intervalo entre los datos. De manera
general, el polinomio en cada intervalo se representa como
2

f i ( x )=a i x + bi x+ ci ( 23 )
La figura 2.1 servir para aclarar la notacin. Para n + 1 datos (i = 0, 1, 2,..., n)
existen n intervalos y, en consecuencia, 3n constantes desconocidas (las a, b y c)
por evaluar. Por lo tanto, se requieren 3n ecuaciones o condiciones para evaluar
las incgnitas. stas son:
1. Los valores de la funcin de polinomios adyacentes deben ser iguales en los
nodos
interiores. Esta condicin se representa como

ai1 xi1 +bi 1 x i1 +c i1=f ( xi 1 ) ( 24)

ai x 2i1 +b i x i1+ c i=f ( x i1 ) (25)
para i = 2 a n. Como slo se emplean nodos interiores, las ecuaciones (24) y
(25) proporcionan, cada una, n 1 condiciones; en total, 2n 2 condiciones.
2. La primera y la ltima funcin deben pasar a travs de los puntos extremos.
Esto
agrega dos ecuaciones ms:
2
a1 x 0+ b1 x 0 +c 1=f ( x 0) ( 26 )
an x 2n+ bn x n+ c n=f ( x n ) ( 27 )

en total tenemos 2n 2 + 2 = 2n condiciones.

(Figura 2.1) Notacin utilizada para obtener trazadores cuadrticos. Observe que
hay n intervalos y n + 1 datos. El ejemplo mostrado es para n = 3. Tomado de [1].
3. Las primeras derivadas en los nodos interiores deben ser iguales. La primera
derivada de la ecuacin (23) es
f ' ( x )=2 ax+ b
Por lo tanto, de manera general la condicin se representa como
2 ai1 x i1+ bi1=2 ai x i+ bi (28)
para i = 2 a n. Esto proporciona otras n 1 condiciones, llegando a un total de
2n + n 1 = 3n 1. Como se tienen 3n incgnitas, nos falta una condicin ms. A
menos que tengamos alguna informacin adicional respecto de las funciones o

sus derivadas, tenemos que realizar una eleccin arbitraria para calcular las
constantes. Aunque hay varias opciones, elegimos la siguiente:
4. Suponga que en el primer punto la segunda derivada es cero. Como la segunda
derivada de la ecuacin 18.28 es 2ai, entonces esta condicin se puede expresar
matemticamente como
a1=0(29)
La interpretacin visual de esta condicin es que los dos primeros puntos se
unirn
con una lnea recta.

EJEMPLO 14
Ajuste trazadores cuadrticos a los mismos datos que se utilizaron en el ejemplo
13 (tabla 2). Con los resultados estime el valor en x = 5.
X

f(x)
3
4,5
7
9

2,5
1
2,5
0,5

(TABLA 2).
En este problema, se tienen cuatro datos y n = 3 intervalos. Por lo tanto,
3(3) = 9 incgnitas que deben determinarse. Las ecuaciones (24) y (25) dan 2(3)
2 = 4 condiciones:
20.25 a1 +4.5 b 1+ c1=1.0
20.25 a2 +4.5 b 2+ c2 =1.0
49 a 2+7 b 2+ c 2=2.5
49 a 3+7 b3 +c 3=2.5
Evaluando a la primera y la ltima funcin con los valores inicial y final, se agregan
2
ecuaciones ms [ecuacin (26)]:
9 a1 +3 b1 +c 1=2.5

La continuidad de las derivadas crea adicionalmente de 3 1 = 2 condiciones

[ecuacin
(27)]:
9 a1 +b 1=9 a2 +b 2
14 a2 +b 2=14 a 3+ b3

Por ltimo, la ecuacin (29) determina que a1 = 0. Como esta ecuacin especifica
a1
de manera exacta, el problema se reduce a la solucin de ocho ecuaciones
simultneas.
Estas condiciones se expresan en forma matricial como

Estas ecuaciones se pueden resolver utilizando las tcnicas de la parte tres, con
los resultados:
a1=0 b1=1 c1 =5.5
a2=0.64 b2=6.76 c 2=18.46
a3 =1.6 b 3=24.6 c 3=91.3
que se sustituyen en las ecuaciones cuadrticas originales para obtener la
siguiente relacin para cada intervalo:
f 1 ( x )=x+5.5 3.0 x 4.5
2

f 2 ( x )=0.64 x 6.76 x +18.46 4.5 x 7.0

f 3 ( x )=1.6 x2 +24.6 x91.37.0 x 9.0

Cuando se usa f2, la prediccin para x = 5 es,

2

f 2 ( 5 )=0.64 ( 5 ) 6.76 ( 5 ) +18.46=0.66

El ajuste total por trazadores se ilustra en la figura 18.16b. Observe que hay dos
desventajas que se alejan del ajuste: 1. la lnea recta que une los dos primeros
puntos y
2. el trazador para el ltimo intervalo parece oscilar demasiado. Los trazadores
cbicos
de la siguiente seccin no presentan estas desventajas y, en consecuencia, son
mejores mtodos para la interpolacin mediante trazadores.

(FIGURA 2.2) Representacin grafica de esplines cuadrticos. [1].

El ajuste total por trazadores se ilustra en la figura 2.2. Observe que hay dos
desventajas que se alejan del ajuste: 1. la lnea recta que une los dos primeros
puntos y
2. el trazador para el ltimo intervalo parece oscilar demasiado. El ejemplo es
tomado de [1].
SPLINES CUBICOS
De acuerdo con [1], el objetivo en los trazadores cbicos es obtener un polinomio
de tercer grado para cada intervalo entre los nodos:
f i ( x )=a i x 3+ bi x2 +c i x+ d i ( 30 )

As, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en consecuencia, 4n

incgnitas a evaluar. Como con los trazadores cuadrticos, se requieren 4n
condiciones para evaluar las incgnitas. stas son:
1. Los valores de la funcin deben ser iguales en los nodos interiores (2n 2
condiciones).
2. La primera y ltima funcin deben pasar a travs de los puntos extremos (2
condiciones).

3. Las primeras derivadas en los nodos interiores deben ser iguales (n 1

condiciones).
4. Las segundas derivadas en los nodos interiores deben ser iguales (n 1
condiciones).
5. Las segundas derivadas en los nodos extremos son cero (2 condiciones).
La interpretacin visual de la condicin 5 es que la funcin se vuelve una lnea
recta en
los nodos extremos. La especificacin de una condicin tal en los extremos nos
lleva a
lo que se denomina trazador natural. Se le da tal nombre debido a que los
trazadores
para el dibujo naturalmente se comportan en esta forma (figura 1.9). Si el valor de
la
segunda derivada en los nodos extremos no es cero (es decir, existe alguna
curvatura),
es posible utilizar esta informacin de manera alternativa para tener las dos
condiciones
finales. Los cinco tipos de condiciones anteriores proporcionan el total de las 4n
ecuaciones requeridas para encontrar los 4n coeficientes. Mientras es posible
desarrollar trazadores cbicos de esta forma, presentaremos una tcnica
alternativa que requiere la solucin de slo n 1 ecuaciones.

La formula para utilizar los splines cubicos es la siguiente:

f i ( x i1 )
f i ( xi )
f ( x i1 ) f ( x i1 )( xi xi1 )
f ( xi )
f ( xi ) ( x ix
3
3
f i ( x )=
( x ix ) +
( x xi ) + x x
( x ix ) + x x
6
6
6 ( x ix i1 )
6 ( x ix i1 )
i
i1
i
i1

Esta ecuacin contiene slo dos incgnitas (las segundas derivadas en los
extremos de
cada intervalo). Las incgnitas se evalan empleando la siguiente ecuacin:

( x ix i1) f ( x i1 ) +2 ( xi +1x i1) f ( x i ) + ( x i+1x i ) f ( x i+1 )= x x [ f ( x i+1 )f ( x i) ] + x x [ f ( xi1 ) f ( x i ) ] ( 32

i+1
i
i
i1
Si se escribe esta ecuacin para todos los nodos interiores, resultan n 1
ecuaciones
simultneas con n 1 incgnitas. (Recuerde que las segundas derivadas en los
nodos
extremos son cero.) La aplicacin de estas ecuaciones se ilustra con el siguiente
ejemplo.
EJEMPLO 15:

Ajuste trazadores cbicos a los mismos datos que se usaron en los ejemplos 13 y
14 (tabla 2). Utilice los resultados para estimar el valor en x = 5.

f(x)
3
4,5
7
9

2,5
1
2,5
0,5

(TABLA 2).
El primer paso consiste en usar la ecuacin (32) para generar el conjunto de
ecuaciones simultneas que se utilizarn para determinar las segundas derivadas
en
los nodos. Por ejemplo, para el primer nodo interior se emplean los siguientes
datos:
x 0=3 f ( x 0 )=2.5
x 1=4.5 f ( x 1 ) =1
x 2=7 f ( x 2 )=2.5

Estos valores se sustituyen en la ecuacin (32):

( 4.53 ) f (3 )+ 2 ( 73 ) f ( 4.5 ) + ( 74.5 ) f ( 7 ) =

6
6
[ 2.51 ] +
[ 2.51 ]
74.5
4.53

Debido a la condicin de trazador natural, (3) = 0, y la ecuacin se reduce a

8 f ' ' ( 4.5 ) +2.5 f ' ' ( 7 )=9.6

En una forma similar, la ecuacin (32) se aplica al segundo punto interior con el
siguiente resultado:
2.5 f ' ' ( 4.5 ) +9 f ' ' ( 7 )=9.6

Estas dos ecuaciones se resuelven simultneamente:

''
f ( 4.5 )=1.67909

f ' ' (7 )=1.53308

Estos valores se sustituyen despus en la ecuacin (31), junto con los valores de
las x y las f(x), para dar
f 1 ( x )=

1.67909 ( 4.53 )
1.67909
2.5
1
( x3 )3 +
( 4.5x ) +

( x3 )
4.53
4.53
6
6 ( 4.53 )

O
3
f 1 ( x )=0.186566 ( x3 ) +1.666667 ( 4.5x )+ 0.246894 ( x3 )
Esta ecuacin es el trazador cbico para el primer intervalo. Se realizan
sustituciones
similares para tener las ecuaciones para el segundo y tercer intervalo:
3

f 2 ( x )=0.111939 ( 7x ) 0.102205 ( x4.5 ) 0.299621 ( 7x ) +1.638783 ( x4.5 )

y
f 3 ( x )=0.127757 ( 9x )3 +1.761027 ( 9x )+ 0.25 ( x7 )
Las tres ecuaciones se pueden utilizar para calcular los valores dentro de cada
intervalo. Por ejemplo, el valor en x = 5, que est dentro del segundo intervalo, se
calcula como sigue
3

f 2 ( x )=0.111939 ( 75 ) 0.102205 ( 54.5 ) 0.299621 ( 75 )+1.638783 ( 54.5 ) =1.102886

Se calculan otros valores y los resultados se grafican en la figura 2.3

(Figura 2.3) Resultados de ejemplo 15. El ejemplo y la grafica son tomados de [1].
X

f(x)
3
4,5
7
9

2,5
1
2,5
0,5

1. Los valores de la funcin deben ser iguales en los nodos interiores (2n 2
condiciones).
f i ( x )=a i x 3+ bi x2 +c i x+ d i
2

f i ' ( x )=3 ai x + 2b i x +c i
f i ' ' ( x )=6 a i x +2 bi
3

f 0 ( 3 ) =a0 (3)3 +b0

27 a0 +9 b 0 +3 c 0+ d 0=2.5
4.5

f 0 ( 4.5 )=a 0 (4.5)3 +b0

91.125 a0 +20.25 b0 + 4.5 c 0+ d 0=1

4.5

f 1 ( 4.5 )=a1 (4.5)3 +b 1

91.125 a1 +20.25 b1 +4.5 c1 +d 1=1

f 1 ( 7 ) =a1 (7)3 +b1

343 a1 +49 b 1+7 c1 +d 1=2.5

f 2 ( 7 ) =a2 (7)3 +b2

343 a2 +49 b 2+7 c2 +d 2=2.5
9

f 2 ( 9 ) =a2 (9)3 +b 2
729 a2 +81 b2 +9 c 2 +d 2=0.5
2. La primera y ltima funcin deben pasar a travs de los puntos extremos (2
condiciones).
3. Las primeras derivadas en los nodos interiores deben ser iguales (n 1
condiciones).
2
2
f 1 ' ( 4.5 )=3 a1 ( 4.5 ) +2 b1 ( 4.5 ) +c 1=f 0 ' ( 4.5 ) =3 a0 ( 4.5 ) +2 b0 ( 4.5 ) +c 0
60.75 a1 +9 b1 +c 160.75 a 09 b 0c 0=0
2

f 2 ' ( 7 ) =3 a2 (7 ) + 2b 2 ( 7 ) + c2 =f 0 ' ( 7 ) =3 a1 ( 7 ) +2 b 1 ( 7 ) +c 1
147 a2 +14 b 2+ c 2147 a114 b1c 1=0

4. Las segundas derivadas en los nodos interiores deben ser iguales (n 1

condiciones).
' ' ( 4.5 )
' ' ( 4.5)
f 0 =6 a 0 ( 4.5 ) +2 b0=f 1 =6 a1 ( 4.5 ) +2 b1
27 a0 +2 b0 27 a1 +2 b1=0

f 1 ' ' ( 7 ) =6 a1 (7)+2 b1=f 2 ' ' (7 )=6 a 2 ( 7 )+2 b 2

42 a1 +2 b142 a2 +2 b2=0

5. Las segundas derivadas en los nodos extremos son cero (2 condiciones).

f 0 ' ' ( 3 ) =0
f 2 ' ' ( 9 )=0

INTERPOLACION POLINOMIAL MEDIANTE MATRICES

Este mtodo consiste en formar una matriz con los puntos que se van a empezar a
evaluar, se forma un sistema de variables y se desarrolla dicho sistema, el
resultado va a ser un polinomio de grado n-1 de acuerdo a la cantidad de puntos
con la que se va a trabajar. El polinomio es de la forma
a0 + a1 x +a2 x 2+ +an x n (33)
EJEMPLO 16:
Teniendo las parejas (1,2), (-3,4), (5,7), (2,8) ajuste un polinomio con el mtodo de
matrices
SOLUCION:
.Formamos la matriz de la siguiente manera
x

x^2

x^3

1
1
1
1

1
-3
5
2

1
9
25
4

1
-27
125
8

Puesto que son cuatro puntos, entonces el polinomio que da de grado 3, luego con
las matriz formamos un sistema de n variables, esta n es dada por la cantidad de
puntos con la que se va a trabajar; en este caso es de cuatro variables.
x
1
1
1
1

x^2
1
-3
5
2

x^3
1
9
25
4

1
-27
125
8

A0
A1
A2
A3

2
4
7
8

Desarrollando el sistema se tiene

SOL

-3,5625
4,622916
67
1,3
0,360416
67

A0
A1
A2
A3

Entonces obtenemos el polinomio

3.5625+ 4.62291667 x+1.3 x 2 +0,36041667 x3

25
20
15
POL

10
5
-6

-4

0
-2 -5 0

-10

(Figura 2.4) Polinomio obtenido de acuerdo al ejemplo 16. Tomado de [5].

EJEMPLO 17:

Teniendo las parejas (1,1), (2,4), (3,9) ajuste un polinomio con el mtodo de
matrices
SOLUCION:
.Formamos la matriz de la siguiente manera
X

X^2

1
1
1

1
2
3

1
4
9

Como son tres puntos va a dar un polinomio de grado dos y se forma el sistema
X

X^2

1
1
1

1
2
3

1
4
9

a0
a1
a2

1
4
9

Desarrollando el sistema se tiene:

sol

0 A0
0 A1
1 A2

Entonces obtenemos el polinomio

2
x

40
30
20
10
-8

-6

-4

-2

(Figura 2.5) Polinomio obtenido del ejemplo 17.

BIBLIOGRAFIA
1. Mtodos Numricos para ingenieros tercera edicin, Ed. Mc Graw Hill,
Mxico D.F 1999.
2. SHOICHIRO, NAKAMURA METODOS NUMERICOS APLICADOS CON
SOFWARE
Primera edicin, ed. PRENTICE-HALL HISPANOAMERICANA,
S.A,mexico.
3. http://es.wikipedia.org/wiki/Interpolaci%C3%B3n_lineal
3. http://docentes.uacj.mx/gtapia/AN/Unidad6/Contenido4.htm
5. Notas de clase METODOS NUMERICOS 2008-1