UNIVERSIDAD DEL NORTE

DEPARTAMENTO DE INGENIERA MECNICA

FUNDAMENTOS DE MECNICA COMPUTACIONAL
Ing. Alejandro Pacheco Sanjun

Interpolacin:
polinomios de Newton
polinomios de Lagrange

Joseph Louis, conde de Lagrange

Interpolacin y Extrapolacin
Interpolacin: Los datos a ser encontrados se encuentran
dentro del dominio de los datos observados.

Extrapolacin: Los datos a ser encontrados se encuentran

fuera del dominio de los datos observados (no muy confiables)

Interpolacin
Utilizada para estimar valores en puntos en el
rango de los datos observados.
Es diferente a una regresin (aproximacin)
Una interpolacin pasa exactamente por los
puntos marcados por los datos.
De esta forma, no existe ningn error en los
datos puntuales.
El mtodos ms comn utiliza polinomios de interpolacin

Interpolacin vs. regresin

Los mismos datos, diferente tipo de

aproximacin

Interpolacin polinomial
Dados n datos puntuales, ajustar un nico
polinomio de orden (n-1) a travs de ellos.

f ( x ) = a1 + a2 x + a3 x + ... + an x
2

n 1

Se puede utilizar interpolacin polinomial para

determinar las as
MATLAB utiliza la siguiente designacin para los
polinomios

f ( x ) = p1 x

n 1

+ p2 x

n 2

+ L + pn 1 x + pn

Polinomios de interpolacin

Primer-orden

Segundo-orden

Tercer-orden

Coeficientes de los polinomios de interpolacin

Los polinomios de Newton y Lagrange resultan
adecuados para determinar valores entre los
datos puntuales (interpolacin).
Sin embargo, estos no proporcionan una forma
polinomial de la forma convencional
f ( x ) = p1 x n 1 + p 2 x n 2 + L + p n 1 x + p n

Se utilizan n datos para determinar n coeficientes

f ( x1 ) = p1 x 1n1 + p2 x1n 2 + L + pn1 x 1 + pn

n 1
n 2
=
+
+ L + pn 1 x 2 + pn
f
(
x
)
p
x
p
x

2
1 2
2 2

f ( x ) = p x n 1 + p x n 2 + L + p x + p
n
1 n
2 n
n 1 n
n

Coeficientes de un polinomio de interpolacin

Se pueden obtener con cualquier mtodo matricial de
solucin de sistemas lineales pero el mtodo no resulta
eficiente.
x 1n 1
n 1
x2
x 3n 1

M
x nn 1

1 p1 f ( x 1 )

1 p2 f ( x 2 )

1 p3 = f ( x 3 )

M
M O M M

L x n 1 pn f ( x n )

x1n 2 L x 1
x 2n 2 L x 2
x 3n 2 O x 3
M
x nn 2

Existen mtodos mas eficientes para encontrar las ps.

Los sistemas de ecuaciones en estos casos resultan ser mal
condicionados, especialmente cuando se incrementa n.
Se prefiere utilizar polinomios de bajo orden.

Coeficientes polinomiales
Ejemplo Dadas las siguientes parejas de
puntos: X
250
300
400
500
F(x)

0.675

0.616

0.525

0.457

f ( x ) = p1 x 3 + p2 x 2 + p3 x + p4

( 250 ) 3

3
300
(
)

( 400 ) 3

3
500
(
)

x1 = 250 ;

f ( x1 ) = 0.675 = p1 (250) 3 + p2 (250) 2 + p3 (250) + p4

x1 = 300 ;

f ( x1 ) = 0.616 = p1 (300) 3 + p2 (300) 2 + p3 (300) + p4

x1 = 400 ;

f ( x1 ) = 0.525 = p1 (400) 3 + p2 (400) 2 + p3 (400) + p4

x1 = 500 ;

f ( x1 ) = 0.457 = p1 (500)3 + p2 (500) 2 + p3 (500) + p4

( 250 ) 2
( 300 ) 2
( 400 ) 2
( 500 ) 2

Matrices de

250 1 p1 0.675
Vandermonde

300 1 p2 0.616
=
Vij = ij 1
400 1 p3 0.525

det(V ) = ( j i )
500 1 p4 0.457
1 i < j n

Matrices de Vandermonde
f ( x ) = p1 x 3 + p2 x 2 + p3 x + p4

f ( x ) = 0 .0000000026 x 3 + 0 .0000042700 x 2
0 .0029370000 x + 1 .1830000000
>> cond(A)
9.306535523991324e+009

Matriz mal condicionada !

Polinomios de interpolacin de Newton

Utilizar las diferencias divididas de Newton para
los valores de la funcin.
f n1 ( x ) = b1 + b2 ( x x 1 ) + b3 ( x x 1 )( x x 2 ) + L
+ bn ( x x 1 )( x x 2 ) L ( x x n1 )

Los coeficientes de menor orden bi no cambian

cuando se incrementa el orden de la interpolacin
Es fcil adicionar datos y conseguir un polinomio
de mayor orden.

Interpolacin lineal de Newton

Iniciar con la interpolacin lineal: f1(x) = b1 + b2 (x x1 )

Utilizar tringulos similares

f1 ( x ) f ( x1 ) f ( x 2 ) f ( x1 )
=
x x1
x 2 x1
f1 ( x ) = f ( x1 ) +

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

Interpolacin lineal de Newton

Frmula para la interpolacin lineal de Newton
f (x 2 ) f (x1 )
(x x1 )
f1 (x ) = f (x1 ) +
x 2 x1

Ejemplo 1: interpolar e2 usando e1 y e5

e5 e1
(2 1) = 2.7183 + 148.41 2.7183 (1) = 36.423
f 1 (2 ) = e +
51
4
1

Ejemplo 2: Interpolar e2 usando e1.5 y e2.5

f 1 (2 ) = e

1.5

e 2.5 e 1.5
(2 1.5 ) = 4.4817 + 12.1825 4.4817 (0.5 ) = 8.3321
+
2.5 1.5
1
2

Valor exacto e = 7.3891

Interpolacin lineal de Newton

Interpolacin lineal de Newton

-exactitud de la interpolacinLogartmica funcin

Estimaciones
lineales de ln(2)

Valores pequeos del espaciamiento x proporcionan

un mejor estimado

Interpolacin cuadrtica de Newton

Interpolacin cuadrtica requiere tres
puntos.
Utilizar una parbola:
f 2 ( x ) = b1 + b2 ( x x 1 ) + b3 ( x x 1 )( x x 2 )

Esta expresin es igual a:

donde:

f 2 ( x ) = a1 + a 2 x + a 3 x 2
a1 = b1 b2 x 1 + b3 x 1 x 2

a2 = b2 b3 x 1 b3 x 2
a = b
3
3

Interpolacin cuadrtica de Newton

f 2 ( x ) = b1 + b2 ( x x1 ) + b3 ( x x1 )( x x 2 )

Se deben obtener los coeficientes bs.

1) Reemplazar x = x1, para obtener b1 = f(x1)
f 2 ( x 1 ) = b1 + b2 ( x 1 x 1 ) + b3 ( x1 x1 )( x 1 x 2 ) = b1 = f ( x 1 )

2) Utilizar b1 y reemplazar x = x2 para obtener b2

f 2 ( x 2 ) = f ( x1 ) + b2 ( x 2 x 1 ) + b3 ( x 2 x 1 )( x 2 x 2 ) = f ( x 2 )
f ( x 2 ) f ( x1 )
b2 =
x 2 x1

Interpolacin cuadrtica de Newton

3) Utilizar b1 y b2, y reemplazar x = x3 para obtener b3
f (x 2 ) f ( x1 )
(x 3 x1 ) + b3 ( x 3 x1 )(x 3 x 2 ) = f (x 3 )
f 2 ( x 3 ) = f (x1 ) +
x 2 x1
f (x 3 ) f (x 2 ) f (x 2 ) f (x1 )

x3 x2
x 2 x1
b3 =
x 3 x1

b1 es una constante (orden 0 )

b2 proporciona un estimado de la pendiente (diferencias finitas)
b3 proporciona un estimado de la curvatura (diferencia de
diferencias finitas)

Interpolacin de Newton (ejemplo 1)

Ejemplo: interpolar e2 utilizando e1, e3, y e5
x1 = 1

x2 = 3
x = 5
3

f ( x1 ) = 2.7183
f ( x 2 ) = 20.086
f ( x 3 ) = 148.41

e5 e3 e3 e1

e3 e1
3 1 = 13.870
b1 = 2.7183 ; b2 =
= 8.6836 ; b3 = 5 3
31
51

f 2 (2 ) = 2.7183 + 8.6836 * (2 1) + 13.870 * (2 1)(2 3 ) = 2.4681

Valor _ exacto e 2 = 7.3891

Interpolacin de Newton (ejemplo

utilizando diferentes valores de xi )
Ejemplo: interpolar e2 utilizando e1, e1.5, y e2.5
x1 = 1

x2 = 1.5
x = 2.5
3

f ( x1 ) = 2.7183
f (x2 ) = 4.4817
f ( x3 ) = 12.1825

e 2.5 e 1.5 e 1.5 e 1

e 1.5 e 1
1.5 1 = 2.7827
b1 = 2.7183 ; b2 =
= 3.5268 ; b3 = 2.5 1.5
1.5 1
2.5 1

f 2 (2 ) = 2.7183 + 3.5268 * (2 1) + 2.7827 * (2 1)(2 1.5 ) = 7.6365

2

valor _ exacto e = 7.3891

Interpolacin cuadrtica de Newton (ejemplo)

Interpolacin cuadrtica de Newton (ejemplo)

Interpolacin de Newton
- Orden de interpolacinEstimados Lineal, cuadrtico y cbico de ln(2)
Funcin Logartmica

Interpolaciones de mayor orden mejoran el valor estimado

Polinomios de interpolacin de Newton

Forma general de los polinomios de interpolacin de
Newton
f n 1 ( x ) = b1 + b2 ( x x 1 ) + b3 ( x x 1 )( x x 2 ) + L
+ L + bn ( x x 1 )( x x 2 )( x x 3 )L ( x x n 1 )
b1 = f ( x 1 )
b2 = f [x 2 , x 1 ]
b3 = f [x 3 , x 2 , x 1 ]
M
bn = f [x n , x n 1 , L , x 2 , x 1 ]

Las funciones en parntesis cuadrados son las

diferencias divididas de Newton.

Diferencias divididas de Newton

Primera diferencia
f ( x i ) f (x j )
f [x i , x j ] =

xi x j

Segunda diferencia
f [x i , x j , x k ] =

f [x i , x j ] f [x j , x k ]
xi xk

La diferencia de dos diferencias finitas

Diferencias divididas de Newton

La n-sima diferencia dividida
f [x n , x n 1 , K , x 2 , x 1 ] =

f [x n , x n 1 , K , x 3 , x 2 ] f [x n 1 , x n 2 , K , x 2 , x 1 ]
xn x1

Proceso iterativo :
1. Evaluar todas las diferencias de primer orden; salvar f (x1) para b1
2. Evaluar de segundo orden utilizando las de primer orden; salvar f
[x2, x1] para b2
3. Continuar hasta orden n-simo, salvando los valores en la parte
superior o inferior de las columnas de diferencias.

Polinomios de interpolacin de Newton

f n1 ( x ) = b1 + b2 ( x x1 ) + b3 ( x x1 )( x x 2 ) + L + bn ( x x1 ) L ( x x n1 )
b1 = f ( x1 ) = f [x1 ]
b2 = f [x 2 , x1 ] =

f [x 2 ] f [ x 1 ]
x 2 x1

f [x 3 , x 2 ] f [x 2 , x 1 ]
b3 = f [x 3 , x 2 , x1 ] =
x 3 x1
b4 = f [x 4 , x 3 , x 2 , x1 ] =

f [x 4 , x 3 , x 2 ] f [x 3 , x 2 , x 1 ]
x 4 x1

b5 = f [x5 , x 4 , x 3 , x 2 , x1 ] =

f [ x 5 , x 4 , x 3 , x 2 ] f [x 4 , x 3 , x 2 , x 1 ]
x5 x1

No se requiere resolver un sistema lineal de ecuaciones

El espaciamiento entre los datos no necesariamente es uniforme y xi
puede estar en un orden arbitrario.

Polinomios de interpolacin de Newton

f n1 ( x ) = b1 + b2 ( x x 1 ) + b3 ( x x 1 )( x x 2 ) + L + bn ( x x 1 ) L ( x x n1 )
bn = f [x n , x n1,L , x 2 , x 1 ] =

f [x n , x n1 , L , x 3 , x 1 ] f [x n1 , x n 2 , L , x 2 , x 1 ]
xn x1

xi

yi = f ( x i )

f [x i + 1 , x i ]
1ra

f [x i + 2 , x i + 1 , x i ]
2da

f [x i + 3 , L , x i ]
3ra

f [x i + 4 , L , x i ]
4ta

x1

f ( x1 )

f [x 2 , x 1 ]

f [x 3 , x 2 , x 1 ]

f [x 4 , x 3 , x 2 , x 1 ]

f [x 5 , x 4 , x 3 , x 2 , x 1 ]

x2

f ( x2 )

f [x 3 , x 2 ]

f [x 4 , x 3 , x 2 ]

f [x5 , x 4 , x 3 , x 2 ]

f [x6 , x 5 , x 4 , x 3 , x 2 ]

3
4

x3
x4

f ( x3 )
f ( x4 )

f [x 4 , x 3 ]
f [x 5 , x 4 ]

f [x 5 , x 4 , x 3 ]
f [x6 , x 5 , x 4 ]

f [x6 , x5 , x 4 , x 3 ]

x5

f ( x5 )

f [x 6 , x 5 ]

x6

f ( x6 )

Utilizar los elementos en la parte

superior (= bn) para evaluar la
interpolacin de la funcin f(x)

Polinomios de interpolacin de Newton

- Porcentaje de error relativoEl error relativo en la
mayora de los casos
decrece con el incremento
del orden de la
interpolacin

El error tambin es
sensible a la posicin y a
la secuencia de los datos
originales
(x1 , x2 , x3 , x4 , , xn)

Interpolacin de Newton (ejemplo 2)

Estimar f(x) = e x en x = 2 usando (x 1 , x 2 , x 3 , x 4 ) = (0,1,4,3)
i

xi

f ( xi )

f [x i + 1 , x i ]

f [x i + 2 , x i + 1 , x i ]

f [x i + 3 , x i + 2 , x i + 1 , x i ]

1.000000

1.718282
x = 10

3.893752
x = 4 0

1.571970
x = 30

2.718282

17.29329

8.609662
x = 31

54.59815

x =41
34.51261

x = 34
4

20.08554

f 2 ( 2 ) = 1 + 1.718282 x + 3.893752 x ( x 1) = 12.22407

f 3 ( 2 ) = 1 + 1.718282 x + 3.893752 x ( x 1) + 1.571970 x ( x 1)( x 4 ) = 5.936187

Polinomios de interpolacin de Newton

- Estimados del error El error para los polinomios de interpolacin
de Newton pueden ser estimado como:
Rn f [x n+ 1 , x n , x n1 , K, x1 ]( x x1 )( x x 2 )L ( x x n )

El trmino un orden superior al orden del

polinomio
Muy similar al orden de truncamiento en los
polinomios de Taylor

Polinomios de interpolacin de Newton

>> x = [0 1 4 3 1.5 2.5]
x =
0
1.0000
4.0000
3.0000
1.5000
2.5000
>> y = exp(x)
y =
1.0000
2.7183
54.5982
20.0855
4.4817
12.1825
Coeficientes del
>> xx = 0:0.1:4; yy=exp(xx);
polinomio de Newton
>> [b, yint] = Newtoninterp(x, y, xx)
b =
1.0000
1.7183
3.8938
1.5720
0.3312
0.0697
2.7183
17.2933
8.6097
2.0687
0.5055
0
54.5982
34.5126
9.6440
2.8270
0
0
20.0855
10.4026
5.4035
0
0
0
Tabla
4.4817
7.7008
0
0
0
0
12.1825
0
0
0
0
0
yint =
Columns 1 through 8
1.0000
1.1355
1.2670
1.4000
1.5394
1.6893
1.8536
2.0356
Columns 9 through 16
2.2384
2.4651
2.7183
3.0008
3.3153
3.6649
4.0525
4.4817
Columns 17 through 24
4.9561
5.4801
6.0584
6.6964
7.4003
8.1770
9.0343
9.9809
Columns 25 through 32
11.0266
12.1825
13.4606
14.8744
16.4387
18.1698
20.0855
22.2054
Columns 33 through 40
24.5506
27.1441
30.0107
33.1774
36.6729
40.5284
44.7770
49.4543
Column 41
54.5982
>> H = plot(x,y,'mo',xx,yy,'r',xx,yint,'bx'); set(H,'LineWidth',3);

Polinomios de interpolacin de Newton

f(x) = ex,
Interpolacin en [0 1 4 3 1.5 2.5]

Polinomios de interpolacin de Lagrange

Proporcionan el mismo resultado que los polinomios de
Newton pero por un camino diferente
n

f n 1 ( x ) = L1 ( x ) f ( x 1 ) + L2 ( x ) f ( x 2 ) + L + Ln ( x ) f ( x n ) = Li ( x ) f ( x i )
i =1
n

Li ( x ) =
j =1
j i

x xj
xi x j

Pi ( x )
Pi ( x i )

( x x 1 )( x x 2 ) LL ( x x i 1 )( x x i + 1 ) LL ( x x n )
( x i x 1 )( x i x 2 ) L ( x i x i 1 )( x i x i + 1 ) L ( x k x n )

Pi ( x i )

j
=
i
;
L
(
x
)
=
=1
i
i

Pi ( x i )
Note que :
j i ; L (x ) = 0
i
j

Li ( x j ) = ij

Polinomios de interpolacin de Lagrange

Polinomio de interpolacin de 1er orden
f 1 ( x ) = L1 f ( x 1 ) + L2 ( x ) f ( x 2 ) =

x x2
x x1
f ( x1 ) +
f ( x2 )
x1 x 2
x 2 x1

Polinomio de interpolacin de 2do orden

f2 ( x ) =

( x x 2 )( x x 3 )
( x x 1 )( x x 3 )
( x x1 )( x x 2 )
f ( x1 ) +
f ( x2 ) +
f ( x3 )
( x1 x 2 )( x 1 x 3 )
( x 2 x 1 )( x 2 x 3 )
( x 3 x1 )( x 3 x 2 )

Polinomio de interpolacin de 3er orden

( x x 2 )( x x 3 )( x x 4 )
( x x 1 )( x x 3 )( x x 4 )
f4 ( x ) =
f ( x1 ) +
f ( x2 )
( x 1 x 2 )( x 1 x 3 )( x1 x 4 )
( x 2 x1 )( x 2 x 3 )( x 2 x 4 )
+

( x x 1 )( x x 2 )( x x 3 )
( x x 1 )( x x 2 )( x x 4 )
f ( x3 ) +
f ( x4 )
( x 3 x 1 )( x 3 x 2 )( x 3 x 4 )
( x 4 x1 )( x 4 x 2 )( x 4 x 3 )

Polinomios de interpolacin de Lagrange

-interpolacin de primer orden-

L1(x) y L2(x) son lneas rectas

Polinomios de interpolacin de Lagrange

-interpolacin de segundo ordenL3(x)f(x3)

L1(x)f(x1)

x1

L2(x)f(x2)

x2

x3

Polinomios de interpolacin de Lagrange

-interpolacin de primer orden-

f(x) = ex
Interpolacin en [0 4]

Polinomios de interpolacin de Lagrange

-interpolacin de segundo orden-

f(x) = ex,
Interpolacin en [0 1 4]

Polinomios de interpolacin de Lagrange

-interpolacin de tercer orden-

f(x) = ex,
Interpolacin en [0 1 4 3]

 x=[0 4]
1er-orden
x =
0
4
y=exp(x)
y =
1.0000
54.5982
c=Lagrange_coef(x,y)
c =
-0.2500
13.6495
t=2; p=Lagrange_eval(t,x,c)
p =
27.7991

x=[0 1 4]
2do-orden
x =
0
1
4
y=exp(x)
y =
1.0000
2.7183
54.5982
c=Lagrange_coef(x,y)
c =
0.2500
-0.9061
4.5498
t=2; p=Lagrange_eval(t,x,c)
p =
12.2241

x=[0 1 4 3]
3er-orden
x =
0
1
4
3
y=exp(x)
y =
1.0000
2.7183
54.5982
20.0855
c=Lagrange_coef(x,y)
c =
-0.0833
0.4530
4.5498
-3.3476
t=2; p=Lagrange_eval(t,x,c)
p =
5.9362

Solucin exacta
e 2 = 7.389056

Extrapolacin

La extrapolacin
debe evitarse en
lo posible

La funcin de Runge
-oscilaciones1
1
f(x)=
f(x) = 1 + 25 x22
1 + 25 x

La funcin de Runge
-oscilaciones-

4to-orden

1
f(x) =
1 + 25 x 2

10o-orden

Lnea recta
-oscilaciones-

La campana de Gauss

La Distribucin Normal

x2
1

G(x) =
exp
2
2

La distribucin Normal Estndar fue introducida por

Abraham de Moivre alrededor de 1721 en sus estudios
de teora de la probabilidad. Frecuentemente se
requiere de integrar esta campana de Gauss para
determinar probabilidades en muchas aplicaciones en
fsica e ingeniera, e.g., estado de base de un oscilador
armnico.

La Distribucin Normal
Determinar la integral definida entre (inf, inf) de la
distribucin Normal no representa problemas, pero
resulta mas difcil determinar la integral en una de las
porciones del dominio. De hecho no existe una forma
cerrada para la integral definida en un intervalo.
Halle los coeficientes de un polinomio de
interpolacin de orden 10 para determinar una
aproximacin de la integral definida de la funcin
Normal G(x) en el intervalo de (inf, xa] para xa = -0.1,
-0.5, -1.0, -2.0, -3.0. Compare estos resultados con la
aproximacin de las integrales utilizando un ajuste
polinomial de orden 10 de la campana.
Fecha de entrega: Lunes 15 de Septiembre de 2014