Contenido

Captulo 1. Introduccin......................................................................................................

Captulo 2. Interpolacion lineal.........................................................................................1

Captulo 3. Uso de la plantilla de estilos.........................Error! Marcador no definido.

3.1. Introduccin de nuevo captulo............................Error! Marcador no definido.

3.2. Introduccin de figuras y tablas...........................Error! Marcador no definido.

3.3. Ecuaciones............................................................Error! Marcador no definido.

3.4. Actualizacin del ndice.......................................Error! Marcador no definido.

Captulo 4. Citas y textos de otros autores......................Error! Marcador no definido.

Captulo 5. Captulo en blanco........................................Error! Marcador no definido.

Captulo 6. Conclusiones y trabajo futuro.......................Error! Marcador no definido.

Apndice A. Cdigo del programa..................................Error! Marcador no definido.

A.1. Este texto est escrito en estilo Ttulo 7. Es el equivalente a Ttulo 2 para los
apndices.....................................................................Error! Marcador no definido.

A.1.1. Este texto est escrito en estilo Ttulo 8. Es el equivalente a Ttulo 3 para los
apndices.................................................................Error! Marcador no definido.

Referencias......................................................................Error! Marcador no definido.

 Captulo 1. Introduccin
En este tema se revisan las formas de interpolacin de datos ms comunes,
como son la interpolacin lineal, cuadrtica y la que supone splines cbicos.
Estos mtodos sern de mucha utilidad en la labor del ingeniero al permitir la
construccin de nuevos puntos partiendo del conocimiento de un conjunto
discreto de puntos.
En ingeniera y algunas ciencias es frecuente disponer de un cierto nmero de
puntos obtenidos por muestreo o a partir de un experimento y pretender
construir una funcin que los ajuste.
Otro problema estrechamente ligado con el de la interpolacin es la
aproximacin de una funcin complicada por una ms simple. Si tenemos una
funcin cuyo clculo resulta costoso, podemos partir de un cierto nmero de
sus valores e interpolar dichos datos construyendo una
Funcin ms simple. En general, por supuesto, no obtendremos los mismos
valores evaluando la funcin obtenida que si evalusemos la funcin original, si
bien dependiendo de las caractersticas del problema y del mtodo de
interpolacin usado la ganancia en eficiencia puede compensar el error
cometido. Y Un problema que se presenta con frecuencia en las ciencias
experimentales y en ingeniera es tratar de construir una funcin (denominada
funcin interpolante) de la que se conoce una serie de datos (denominados
datos de interpolacin). Estos datos pueden ser fruto de las observaciones
realizadas en un determinado experimento en el que se relacionan dos o ms
variables e involucran valores de una funcin o de sus derivadas. El objetivo
ser determinar una funcin que verique estos datos y que adems sea fcil
de construir y manipular. Por su sencillez y operatividad los polinomios se usan
frecuentemente como funciones interpolantes.

.
 Interpolacin lineal
La interpolacin consiste en hallar un dato dentro de un intervalo en el que
conocemos los valores en los extremos.
Si se supone que las variaciones son proporcionales se utiliza la interpolacin
lineal.
Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolacin lineal consiste en
hallar una estimacin del valor y 2 , para un valor x 2 tal que x1<x 2 <x3.

Teniendo en cuenta que las variaciones en una relacin lineal son constantes
entonces podemos determinar por ejemplo las siguientes proporciones:

y2 y1 y3 y2

x2 x1 x3 x2

De igual forma podemos determinar por ejemplo que:

y2 y1 y3 y1 x2 x1 y2 y1
O lo que es equivalente
x2 x1 x3 x1 x3 x1 y3 y1

Despejando y 2 obtenemos que:

( y3 y1 )( x2 x1 )
y2 y1
( x3 x1 )

Algunas propiedades bsicas de las proporciones son:

En toda Proporcin se cumple que 1

I) El producto de Medios es igual al producto de Extremos.

II) Alternar Extremos:

III) Alternar Medios:

IV) Permutar:

V) Invertir:

VI) Componer respecto al Antecedente y Consecuente respectivamente:

VII) Descomponer respecto al Antecedente y Consecuente respectivamente:

VIII) Componer y descomponer a la vez:

Ejemplo de interpolacin lineal (Ejercicio 2 prctico 2): Si queremos

aproximadamente determinar la mediana para el tamao de las ordenes, a
travs de interpolacin lineal entonces podemos proceder de la siguiente
manera:

Tamao de las rdenes durante el pasado ao fiscal de la compaa Eliot

Tamao N de Porcentaje Porcentaje

de.. ordenes de ordenes acumulado
0,10 950 23.3 23.3
 10, 25 940 23.1 46.4
25,50 110 2.7 49.1
50,100 680 16.7 65.8
100, 250 260 6.4 72.2
250,500 480 11.8 84
500,1000 650 16 100

Fuente: Ctedra de Estadstica

Observando la tabla de distribucin de frecuencias vemos que el intervalo que

acumula el 50% de los datos es 50,100 , por lo tanto en l est contenida la
mediana.
Ahora suponiendo que las frecuencias estn distribuidas proporcionalmente en
el intervalo:

50____________49,1
Me___________50
100__________65,8

Podemos plantear por ejemplo la siguiente proporcin:

Me 50 50 49,1

100 50 65,8 49,1

Despejando

(100 50)(50 49,1)

Me 50 ; 52,99
(65,8 49.1)

Nota: La interpolacin se puede realizar tanto con las frecuencias acumuladas

absolutas, como con las relativas o relativas porcentuales.
 Interpolacin cuadrtica
Cuando el polinomio que conviene es de 2 grado la interpolacin recibe el
nombre de cuadrtica. El polinomio interpolador es nico, luego como se
encuentre da igual., sin embargo, a veces los clculos son muy laboriosos y es
preferible utilizar un mtodo que otro. 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

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:

O, agrupando trminos,

Donde

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

La ecuacin (1) se sustituye en la (interpolacin cuadrtica), despus se evala

en x=x para tener

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

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,

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

Con el polinomio evale ln 2.

SOLUCION

Aplicando la ecuacin (1) se obtiene

La ecuacin (2) da

Y con la ecuacin (3) se llega a

-
Sustituyendo los valores obtenidos en los anteriores procesos tenemos el
polinomio

Que se evala en x = 2 para

 Interpolacin Lagrange
En anlisis numrico, el polinomio de Lagrange, llamado as en honor
a Joseph-Louis de Lagrange, es una forma de presentar
el polinomio que interpola un conjunto de puntos dado. Lagrange public este
resultado en 1795, pero lo descubri Edward Waring en 1779 y fue
redescubierto ms tarde por Leonhard Euler en 1783.1 Dado que existe un
nicopolinomio interpolador para un determinado conjunto de puntos, resulta
algo engaoso llamar a este polinomio el polinomio interpolador de Lagrange.
Un nombre ms apropiado es interpolacin polinmica en la forma de
Lagrange.

Un polinomio de interpolacin de Lagrange, p, se define en la forma:

(68)

en donde son polinomios que dependen slo de los nodos

tabulados , pero no de las ordenadas . La frmula

general del polinomio es:

(69)

Para el conjunto de nodos , estos polinomios son conocidos

como funciones cardinales. Utilizando estos polinomios en la ecuacin
obtenemos la forma exacta del polinomio de interpolacin de Lagrange.

Ejemplo: Suponga la siguiente tabla de datos:

x 5 -7 -6 0
y 1 -23 -54 -954
Construya las funciones cardinales para el conjunto de nodos dado y el
polinomio de interpolacin de Lagrange correspondiente.

Las funciones cardinales, empleando la expresin, resultan ser:

El polinomio de interpolacin de Lagrange es:

Interpolacin por spline

En el subcampo matemtico del anlisis numrico, un spline es una curva
diferenciable definida en porciones mediante polinomios. En los problemas de
interpolacin, se utiliza a menudo la interpolacin mediante splines porque da
lugar a resultados similares requiriendo solamente el uso de polinomios de bajo
grado, evitando as las oscilaciones, indeseables en la mayora de las
aplicaciones, encontradas al interpolar mediante polinomios de grado elevado.
Para el ajuste de curvas, los splines se utilizan para aproximar formas
complicadas. La simplicidad de la representacin y la facilidad de cmputo de
los splines los hacen populares para la representacin de curvas en
informtica, particularmente en el terreno de los grficos por ordenador. El
trmino "spline" hace referencia a una amplia clase de funciones que son
utilizadas en aplicaciones que requieren la interpolacin de datos, o un
suavizado de curvas. Los splines son utilizados para trabajar tanto en una
como en varias dimensiones. Las funciones para la interpolacin por splines
normalmente se determinan como minimizadores de la aspereza sometidas a
una serie de restricciones.

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 :
s ( xi ) yi , para toda i 0,1, , n .
i)
ii) s x es un polinomio de grado k en cada subintervalo xi 1 , xi .
s x Tiene derivada continua hasta de orden k 1 en x0 , xn .
 FUNCIONES SPLINES DE GRADO 1

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:

s1 x si x x0 , x1
s x s x x1 , x2

s ( x) 2

sn x si x xn 1 , xn

Dnde:

s j x
i) es un polinomio de grado menor o igual que 1
ii) s x tiene derivada continua de orden k-1=0.
s x j y j
iii) , para j 0,1, , n .
Por lo tanto, la spline de grado 1 queda definida como:

y0 f x1 , x0 x x0 si x x0 , x1
y1 f x2 , x1 x x1 si x x1 , x2

s x

yn 1 f xn , xn 1 x xn 1 si x xn 1 , xn

f [ xi , x j ]
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 si x 3,4.5

s x a2 x 2 b2 x c2 si x 4.5,7
a x2 b x c si x 7,9
3 3 3

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
(4.5) a2 4.5b2 c2 1
2

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 continuas. En el
caso de las splines de grado 2, necesitamos que la spline tenga derivada
continua de orden k-1=1, es decir, primera derivada continua.
Calculamos primero la primera derivada:

2a1 x b1 si x 3,4.5

s x 2a2 x b2 si x 4.5,7
2a x b si x 7,9
3 3
 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 continua, 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 incgnitas; 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 1 0 0 0 0 0 0 b1 2.5
4 .5 1 0 0 0 0 0
0 c1 1

0 0 20.25 4 .5 1 0 0 0 a2 1

0 0 49 7 1 0 0 0 b2 2.5

0 0 0 0 0 49 7 1 c2 2.5

0 0 0 0 0 81 9 1 a3 0 .5
1 0 9 1 0 0 0 0 b3 0

0 0 14 1 0 14 1 0 c3 0
Usando Matemtica se obtiene la siguiente solucin:

b1 1
c1 5 .5
a2 0.64
b2 6.76
c2 18.46
a3 1 .6
b3 24.6
c3 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 0.64 x 6.76 x 18.46 si
2
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 Matemtica.
5

3 4.5 7 9
-1

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 n 1 datos:

Una spline cbica que interpola estos datos, es una funcin s (x ) definida
como sigue:

s0 x si x x0 , x1
s x si x x1 , x2
1
s x

sn 1 x si 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 continuas en x0 , xn .

Mtodo de diferencias dividas

Sea una variable discreta de elementos y sea otra variable
discreta de elementos los cuales corresponden, por parejas, a la imagen u
ordenada y abscisa de los datos que se quieran interpolar, respectivamente,
tales que:

Este mtodo es muy algortmico y resulta sumamente cmodo en determinados

casos, sobre todo cuando se quiere calcular un polinomio interpolador de grado
elevado.

La forma general del polinomio interpolante de Newton para n+1 datos (x0,
(x0)), (x1, (x1)),..., (xn, (xn)) es:
 Los coeficientes ai se obtienen calculando un conjunto de cantidades
denominadas diferencias divididas.

La notacin para las diferencias divididas de una funcin (x) estn dadas por:

Las diferencias divididas de orden superior se forman de acuerdo con la

siguiente regla recursiva:

Retomando el polinomio interpolante de Newton:

Pn(x) = a0 + a1(x x0) + a2(x x0)(x x1) + ... +an(x x0)(x x1)(x xn-1)

Observe que Pn(x0) = a0. Como Pn(x) interpola los valores de en xi, i=0,
1,2,...,nentonces P(xi) = (xi), en particular Pn(x0) = (x0) = a0. Si se usa la
notacin de diferencia dividida a0= [x0].

Ahora, Pn(x1)= a0 + a1(x1 x0), como Pn(x1)= (x1) y a0= (x0), entonces
reemplazando se tiene

(x1)=(x0) + a1(x11x0), donde

Si se usa la notacin de diferencia dividida a1= [x0, x1].

De manera similar cuando se evala Pn(x) en x = x2 se obtiene a2 = [x0, x1, x2]
(ver ejercicio 15, de este captulo).
En general ai = [x0 ,x1 ,x2, ..., xi], y el polinomio interpolante de Newton se
escribe como:

(2)

La forma recursiva para calcular los coeficientes del polinomio interpolante de

Newton para 4 pares de valores (x, (x))

Los elementos de la diagonal (superior) son los coeficientes del polinomio

interpolante de Newton para el caso de un polinomio de grado 3.
Halle el polinomio que interpola los datos:

x 1 2 3 5
f(x) 4 3.5 4 5.6

Solucin:
El polinomio interpolante de Newton es de grado 3 ya que se tienen 4 puntos,
usando la frmula (2) el polinomio que resulta es:

En este caso x0=1, x1=2, x2=3

Para determinar el valor de los coeficientes, se construye la tabla de diferencias

divididas

xi f(xi)
1 4
-0.5
2 3.5 0.5
0.5 -0.1
3 4 0.1
0.8
5 5.6

Luego P3(x)=4 0.5(x - 1) + 0.5(x - 1)(x - 2) 0.1(x - 1)(x - 2)(x - 3)

Observe que P3(1) = 4, P3(2) = 3.5, P3(3) = 4, P3(5) = 5

 Conclusin
Se puede decir que la interpolacin es un mtodo cientfico y lgico en la vida
real en donde se determina cada una de las variables en donde se
considera todas las situaciones posibles y en que se puede repercutir
y las interpolamos a la nueva situacin por analoga o induccin. Estos
mtodos matemticos son importantes ya que nos sirven para mediciones,
relevamientos o ensayos de laboratorio, los cuales no siempre entregan el valor
necesitado para el problema que se est tratando de resolver con lo cual se
necesitan mtodos para obtener un valor entre varios puntos dados.

En anlisis numrico, de la interpolacin polinmica es una tcnica de

interpolacin de un conjunto de datos o de una funcin por un polinomio. Es
decir, dado cierto nmero de puntos obtenidos por muestreo los cuales nos
sirven para partir de un experimento y lo cual pretende encontrar un polinomio
que pase por todos los puntos. Y hay que tener en cuenta La interpolacin es
una herramienta matemtica utilizada por las computadoras para estimar y
ajustar valores en medio de 2 puntos, es aplicable para cualquier rubro de la
ciencia y la industria. Sin embargo, como es una herramienta que se utiliza
para estimar valores presenta un error por dicha estimacin.

La interpolacin lineal y la cuadrtica permiten estimar valores en medio de 2

o 3 puntos respectivamente, independientemente de los n+1 que se tengan, sin
embargo el error producido es mayor que cuando se aplica un polinomio de
4to, 5to o n-simo orden para estimarse dicho valor.
 Bibliografa
http://carmesimatematic.webcindario.com/interpolacion%20lineal.htm

*1+ J. Stoer R. Bulirsch, Introduction to Neural Analisys, second edition,

Springer
-Verlag.

[2] Francis Schei

D, Rosa Elena Di Constanzo, Mtodos Numricos, segunda edicin, Mc Graw
Hill.