APROXIMACIÓN DE FUNCIONES

O
AJUSTE DE CURVAS
Es común que los datos experimentales se obtengan como
valores discretos. Si se necesita estimar el valor de un punto
entre valores discretos, se puede realizar mediante un
ajuste de curva, lo cual se puede realizar de varios modos.
Primer modo: Construir una curva que siga la tendencia de
los datos, sin necesidad que la curva pase necesariamente
por todos los datos o por algunos de los datos.
Estos procedimientos se
siguen cuando los datos
obtenidos tienen un grado
significativo de error. Un
método es el ajuste por
mínimos cuadrados (Least
square method).
Segundo modo: Si los datos son precisos, el procedimiento
es colocar una curva que pase por cada uno de los puntos.
Usualmente tales datos provienen de tablas, como
ejemplos se tienen los valores de la densidad del agua o la
capacidad calorífica de los gases en función de la
temperatura. La estimación de valores entre puntos
discretos conocidos se llama interpolación.
También se puede realizar una ajuste de curva, cuando la
relación entre las variables es muy compleja, así en un
determinado rango se puede ajustar a una función más
sencilla como un polinomio. Si se utiliza funciones
complejas en un programa de computación, se requieren de
librerías adicionales, lo cual aumenta el tamaño del archivo
y a veces esto es muy crítico.

1 1
(𝛽 −
𝑅 𝑇 = 𝑅(𝑇0 )𝑒 𝑇 𝑇0
 METODO DE MINIMOS CUADRADOS
Mínimos cuadrados es una técnica de análisis
numérico enmarcada dentro de la optimización
matemática, en la que, dado un conjunto de pares
ordenados: variable independiente, variable
dependiente, y una familia de funciones, se intenta
encontrar la función continua, dentro de dicha familia,
que mejor se aproxime a los datos (un "mejor ajuste"),
de acuerdo con el criterio de mínimo error cuadrático.
Este método busca minimizar la suma de cuadrados de
las diferencias en las ordenadas entre los puntos
generados por la función elegida y los correspondientes
valores en los datos.
Primero se debe elegir una familia de funciones a la
cual se debe aproximar el conjunto de pares
ordenados. Por ejemplo ajustemos los datos a una
recta, la familia de rectas será y = ax + b.

fi

yi

xi
Ejercicio: Utilizando un polinomio de segundo grado
determine la resistencia a la temperatura de 270C

i T(0C) R(Ω)
0 20 354
1 25 346
2 30 340
3 35 332
4 40 320
5 45 307
 INTERPOLACIÓN LINEAL
Sea un conjunto de datos experimentales o pares
ordenados de una función, los cuales se desea interpolar a
una función g(x),
(x0, f(x0)); (x1, f(x1)); (x2, f(x2)); . . . ; (xn, f(xn))
La forma de interpolación más usada es la interpolación
lineal, corresponde al caso de función interpoladora cuya
expresión es de la forma

viniendo referida, pues, a un cierto conjunto de funciones

0(x), . . . , ϕn(x), que llamaremos Base de la interpolación.
Para que cualquiera que sea la función f(x) definida en
el segmento [a, b], y para cualquier conjunto de n+1
nodos x0, x1, . . . , xn, xi ∈ [a, b], xi  xj, si i j , exista un
único polinomio interpolador (ϕ(x)) de la forma dada es
suficiente que el conjunto de funciones {ϕi(x)} sea un
sistema de Chebyshev (es decir linealmente
independientes y generadoras). Pueden adoptarse
como funciones {ϕi(x)}, por ejemplo:
- La sucesión de potencias de x:
ϕi(x) = xi, i = 0, 1, , , , n
Que es el caso de interpolación con polinomios
algebraicos. 1, x, x2, x3, x4. . .
- También puede ser una sucesión de funciones
trigonométricas dadas por:
1, senx , cosx, sen2x, cos2x, . . .
- O funciones exponenciales
1, 𝑒 𝑎1𝑥 , 𝑒 𝑎2𝑥 , . . . , 𝑒 𝑎𝑛 𝑥
Donde los ai son número reales distintos.
Una vez elegida la base {ϕi(x)}, se tendrá entonces que
particularizarla utilizando los nodos:
Matricialmente
Y podemos describir, por simplificar: .A = F, lo que
permitirá obtener la matriz de los coeficientes del
polinomio interpolador: A = -1 F = L F (siendo L = -1)

Ejemplo: Hallar los coeficientes de modo que se pueda

ajustar a una curva, utilizando la base
{1, cos(x), cos(2x), cos(3x)}
x f(x)
0 12.0000
0.4 7.7440
0.8 -0.3812
3 -1.6551
f(x) = 2 + 2cos(x) + 3cos(2x) + 5 cos(3x)
Ejercicio: Hallar el polinomio interpolador utilizando la
siguiente base {1, x, x2, x3, x4}

x f(x)
1 8
2 61
3 252
4 719
5 1648
f(x) = 3 – x + x2 + 3x3 + 2x4
 INTERPOLACION POLINOMICA

Se pueden utilizar técnicas de interpolación polinómica,

para generar un polinomio, utilizando todos los datos o
utilizar un sub conjunto de datos. Este tipo de funciones
se utilizan mucho en: teoría de la aproximación, gráficos
por ordenador, ajuste de datos, como base para integrar
y derivar funciones, derivar e integrar numéricamente.
Se pueden utilizar varias técnicas como:
• Interpolación de Lagrange (1736 – 1813)
• Interpolación de Newton (1643 - 1727)
• Interpolación de Taylor (1685 – 1731)
• Interpolación de Hermite (1822 – 1901)
 INTERPOLACIÓN POLINÓMICA
Se realiza cuando la función puede ser conocida en forma
explícita o mediante un conjunto de valores tabulados para
cada uno de los argumentos por donde pasa la función
(valores funcionales).
xi x0 x1 ... xn
f(xi) f0 f1 ... fn

Normalmente se acepta aproximar a la función tabulada en

puntos coincidentes mediante un polinomio de grado “n”
(condición de aproximación):
f(xi)  Pn(xi) ; para todo xi en [xo,xn]
Donde: Pn(x) = anxn + an-1xn-1+...+a1x+ao, con an0
INTERPOLACIÓN POLINÓMICA
 PROPIEDADES DE APROXIMACIÓN
1) Siempre que se acepte aproximar la función f(x)
mediante un polinomio de grado n: Pn(x) que pase por
(n+1) puntos coincidentes, se puede construir un
polinomio que es único (propiedad de existencia y
unicidad).
2) El error de aproximación viene dado por:

f ( n 1) ( )
En  f ( x)  Pn ( x)  ( x  x0 )( x  x1 )...( x  xn )
(n  1)!
Para a lg ún    x0 , xn  ; x  [ x0 , xn ]
 FORMULA DE INTERPOLACION DE
LAGRANGE (1736 – 1813)
Es el caso de interpolación lineal con polinomios
algebraicos e identificación de los valores de la función en
los nodos de interpolación.
Base de la interpolación: B = [1, x, x2, . . . , xn]
Soporte (nodos) de la interpolación: S = [x0, x1, . . . , xn]
Y el polinomio interpolador será:
 Los polinomios de Lagrange
El producto de las dos primeras matrices tiene como
resultado una matriz fila cuyos elementos son
polinomios

Los polinomios lk(x), k = 0, 1, ,. . . .,n se llaman

Polinomios de Lagrange para la base B y el soporte de
interpolación S dado.
Así, pues, usando los polinomios de Lagrange, la
fórmula de interpolación en la base y soporte indicados
tendría esta expresión para la función f(x):

En definitiva
 POLINOMIOS DE LAGRANGE
Para intervalos iguales o no.
n
Pn ( x)   Lk ( x) f ( xk )  L0 ( x) f ( x0 )  L1 ( x) f ( x1 )  ...  Ln ( x) f ( xn )
k 0

n  x  xj 
Lk ( x)    

j  0  xk  x j

jk

f ( n 1) ( )
En  f ( x)  Pn ( x)  ( x  x0 )( x  x1 )...( x  xn )
(n  1)!
para algún:    x0 , xn  ; x [ x0 , xn ]
 Ejemplo
Obtener el Polinomio de interpolación utilizando los
polinomios de Lagrange de la siguiente data:
x f(x)
1 3
2 6
3 13

P2 x  
x  x1 x  x2  f x   x  x0 x  x2  f x   x  x0 x  x1  f x 
x0  x1 x0  x2  0 x1  x0 x1  x2  1 x2  x0 x2  x1  2

x  2x  3 3  x  1x  3 6  x  1x  2 13
1  21  3 2  12  3 3  13  2
P2 x   2 x 2  3x  4
 POLINOMIO DE INTERPOLACIÓN DE
NEWTON (1643 - 1727)
Sea la función f(x) tabulada para (n+1) puntos, siempre es
posible construir un polinomio de grado “n” (o menor) que
pase por dichos puntos y se le puede dar la forma:
f ( x )  Pn ( x )  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )  ....
 an ( x  x0 )( x  x1 )...( x  xn 1 )
Se trata ahora de determinar los coeficientes ak.
Si x = x0,
Pn(x0) = a0  f(x0)
Si x = x1,
Pn(x1) = f(x0) + a1(x1-x0)  f(x1)
a1 = (f(x1) - f(x0)) / (x1 - x0) = f[x0, x1]
Si x = x2,
Pn(x2) = f(x0) + a1(x2 - x0) + a2(x2 - x0)(x2 - x1)  f(x2)
a2=(
Se puede demostrar que en general se cumple:

ak  f x0 , x1 ,..., xk 
Por lo tanto:

Pn ( x )  f ( x0 )  f [ x0 x1 ]( x  x0 )  f [ x0 x1 x2 ]( x  x0 )( x  x1 )
 f [ x0 x1... xn ]( x  x0 )( x  x1 )...( x  xn 1 )
n
Pn ( x )  f ( x0 )   f [ x0 ... xk ]( x  x0 )...( x  xk 1 )
k 1
n i 1
 f ( x0 )   f [ x0 ... xi ] ( x  x j )
i 0 j 0
Error de Interpolación

f ( n 1) ( )
en ( x )  ( x  x0 )( x  x1 )...( x  xn )
( n  1)!
f ( ) n
( n 1)
 
( n  1)! i 0
( x  xi )   [ x0 , xn ]
n
en ( x )  f [ x0 x1... xn x ] ( x  xi )
i 0

Se suele aproximar el error considerando x = xn+1,

es decir, se requiere un punto adicional.
 DIFERENCIA FINITA HACIA ADELANTE O
PROGRESIVA
• Diferencia finita de primer orden:
f k  f k 1  f k
• Diferencia finita de segundo orden:
2 f k  f k 1  f k

• Diferencia Finita de orden n:

n f k  n1 f k 1  n1 f k
TABLA DE DIFERENCIAS FINITAS HACIA
ADELANTE (H=CONSTANTE)
Ejercicio: Hallar la diferencia finita hacia delante de los
siguientes datos, hasta el quinto orden.
x f(x)
0 -5
1 -11
2 -19
3 -23
4 -17
5 5
k x f(x) Dfk D2fk D3fk D4fk D5fk
1 0 -5
-6
2 1 -11 -2
-8 6
3 2 -19 4 0
-4 6 0
4 3 -23 10 0
6 6
5 4 -17 16
22
6 5 5
 DIFERENCIAS DIVIDIDAS
Se define para puntos o argumentos desigualmente
espaciados:
• Diferencia dividida de Primer orden:
f ( xi 1 )  f ( xi )
f [ xi , xi 1 ] 
xi 1  xi
• Diferencia dividida de segundo orden:
f [ xi 1, xi  2 ]  f [ xi , xi 1 ]
f [ xi , xi 1, xi  2 ] 
xi  2  xi
• Diferencia dividida de orden “n”:
f [ xi1 ,..., xin ]  f [ xi ,..., xin1 ]
f [ xi , xi1 ,..., xin1 , xin ] 
xin  xi
Ejercicio: Hallar la diferencia dividida hacia delante de los
siguientes datos, hasta el quinto orden.

x f(x)
0 -5
1 -11
2 -19
3 -23
4 -17
5 5
k x f(x) f[xi,xi+1] f[xi,xi+1,xi+2] f[xi,xi+1,xi+2,xi+3] f[xi,xi+1,xi+2,xi+3,xi+4] f[xi,xi+1,xi+2,xi+3,xi+4,xi+5]
1 0 -5
-6
2 1 -11 -1
-8 1
3 2 -19 2 0
-4 1 0
4 3 -23 5 0
6 1
5 4 -17 8
22
6 5 5
Ejemplo.- Obtener el polinomio interpolante
x 0 1 2 4 5
y 2 3 8 66 127
Estime y(2.5)
Tabla de diferencias divididas
x y y[ , ] y[ , , ] y[ , , ,] y[ , , , ,]
0 º2
º1
º
1 3
º
2 8

4 66

5 127
De la tabla anterior, obtenemos los coeficientes del
polinomio interpolante:
Px   y0  yx0 , x1 x  x0   yx0 , x1 , x2 x  x0 x  x1  
 yx0 , x1 , x2 , x3 x  x0 x  x1 x  x2  
 yx0 , x1 , x2 , x3 , x4 x  x0 x  x1 x  x2 x  x3 
Px   2  1x  0  4x  0x  1 
 1x  0x  1x  2  0x  0x  1x  2x  4
P x   x  2
3

y2.5  P2.5  2.53  2

y2.5  17.625
Ejemplo
a) Aproximar la siguiente data usando un polinomio basado
en diferencias finitas:

X 2 3 4
Y 0 -1 0

b) Estime Y(2.5):
c) Calcule el error cometido, si esta data se
obtuvo de la función Y=sen(pi*X/2)
Solución
Tabla de diferencias finitas:
X Y ΔY Δ2Y
2 0
-1
3 -1 2
1
4 0
X  2.5
X  X0 X  2
s 
ss  1 2 h 1
Ps   Y0  sY0   Y0 2.5  2
2! s  0.5
ss  1 1
Ps   0  s 1  2 Ps  0.5  0.5  20.5  0.75
2
2!
Ps   s 2  2s  2.5  
y 2.5  sen   0.7071
 2 
Error  0.0429
Queda para el estudiante demostrar que el polinomio
anterior puede representarse en la forma siguiente:
s s  s  1 3  s  1 4  s  n  1 2 n 1  s  n  1 2 n
P2 n ( s)  f 0   1 / 2    02   1 / 2    0  ...   1 / 2    0
1  2  3   4   2n  1   2n 
n
 s  i  1 2i 1  s  i  1 2i x  x0
P2 n ( s)  f 0    1 / 2    0 s
i 1  2i  1   2i  h
 APROXIMACION DE FUNCIONES
Es posible aproximar un conjunto de puntos discretos o
parte de estos puntos a una función analítica sencilla,
específicamente por polinomios.
En los conductores, la
resistividad aumenta con
la temperatura, para
pequeños intervalos de
temperatura se puede
aproximar a una
dependencia lineal:
r = r20(1 + (t - 20)),
Otra actividad es interpolar un valor dentro de n valor
de datos conocidos utilizando una función, que por lo
común es un polinomio.
Por ejemplo de esta colección de datos, se desea hallar
el valor de la resistencia a la temperatura de 32 0C, en
el intervalo de 20 0
T( C) R()
20 350
25 346
30 342
35 337
40 332
45 326
 INTERPOLACIÓN RECTA
La forma más simple de interpolación consiste en unir dos
puntos con una línea recta. Dicha técnica, llamada
interpolación lineal, se ilustra de manera gráfica en la
figura. Utilizando triángulos semejantes,
 INTERPOLACIÓN CUADRÁTICA

En la interpolación lineal el error resulta de nuestra

aproximación a una curva mediante una línea recta. En
consecuencia, una estrategia para mejorar la estimación
consiste en introducir alguna curvatura a la línea que une
los puntos. Si se tienen tres puntos como datos, éstos
pueden ajustarse en un polinomio de segundo grado.
f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) . . . . (1)
La ecuación (1) parece diferir del polinomio general.
f2(x) = a0 + a1x + a2x2 . . . . . (2)
pero las dos ecuaciones son equivalentes.
f2(x) = b0 + b1x – b1x0 + b2x2 + b2x0x1 – b2xx0 – b2xx1
o, agrupando términos, f2(x) = a0 + a1x + a2x2 donde
a0 = b0 – b1x0 + b2x0x1
a1 = b1 – b2x0 – b2x1 . . . . . . (3)
a2 = b 2
Así, las ecuaciones (1) y (2) son formas alternativas,
equivalentes del único polinomio de segundo grado que
une los tres puntos. Un procedimiento simple puede
usarse para determinar los valores de los coeficientes.
Para encontrar b0, en la ecuación (1) se evalúa con x = x0
para obtener b0 = f(x0) . . . . . . (4)
La ecuación (4) se sustituye en la (1), después se evalúa
en x = x1 para tener
. . . . . . (5)

Por último, las ecuaciones (4) y (5) se sustituyen en la (1),

después se evalúa en x = x2 y (luego de algunas
manipulaciones algebraicas) se resuelve para
Ejercicio: Hallar el valor de f(x) en x =2.3, utilizando
a) Interpolación lineal
b) Interpolación cuadrática

x 0 1 2 3 4 5
f(x) -5 -11 -19 -23 -17 5

𝑓 𝑥 = 𝑥 3 − 4𝑥 2 − 3𝑥 − 5