Interpolación

Integrantes
Danithza Quispe Sanchez
Alexander Gonales Pari
Alexis Quispe Vargas
Junior Laurel Callo
Angela Vera Cuno
Claudia Arias Nina
 1.-INTERPOLACION Y
APROXIMACION POLINOMIAL

Danithza Quispe Sanchez

¿PARA QUÉ USAMOS LA
INTERPOLACIÓN?

La interpolación nos permite

hallar un polinomio, el cual nos
acondiciona un siguiente
resultado.
Una predicción
Una de las funciones más
utilizadas son los polinomios
algebraicos que son de la
forma:
𝑝𝑛 (𝑥) = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 +. . . 𝑎1 𝑥 + 𝑎0
Ejemplo:
Se busca un polinomio P de grado mínimo posible que tome los
valores dados en los puntos dados para x= 17

1 2 3
x 10 20 30
F(x) 0.1763 0.0364 0.5774
Polinomio de grado 2
𝑃 𝑥 = 𝑎0 + 𝑎1 𝑥 1 + 𝑎2 𝑥 2

1 𝑥0 𝑥02 … 𝑥0𝑛 𝑎0 𝑦0
1 𝑥1 𝑥12 … 𝑥1𝑛 𝑎1 𝑦1
1 𝑥2 𝑥22 … 𝑥2𝑛 𝑎2 = 𝑦2
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
1 𝑥𝑛 𝑥𝑛2 … 𝑥𝑛𝑛 𝑎𝑛 𝑦𝑛

1 10 100 𝑎1 0.1763
1 20 400 𝑎2 = 0.0364
1 30 900 𝑎3 0.5774
 0.0143
𝑎 = 0.014915
0.0001285
Reemplazando en P

𝑝 𝑥 = 0.0143 + 0.0149 𝑥 + 0.0001285𝑥 2

Calculando para
x=17

𝑝(17) = 0.0143 + 0.0149 ∗ 17 + 0.0001285 ∗ 172

= 0.3047365
2.-INTERPOLACIÓN DE
LAGRANGE
El método desarrollado anteriormente
requiere de la solución de sistema algebraicos
lineales, si el grado de la ecuación es alto,
requiere de una mayor dificultad . Es por eso
que usamos lagrange

El polinomio de interpolación de Lagrange

es simplemente una reformulación del
polinomio de Newton que evita el cálculo
de las diferencias divididas
 se representa de manera concisa como:

𝑃 𝑥 = 𝑓(𝑥0 )𝐿0 𝑥 + 𝑓(𝑥1) 𝐿1 𝑥 + ⋯ + 𝑓(𝑥𝑛 )𝐿𝑛 𝑥

𝑛
dónde: 𝑥 − 𝑥𝑗
𝐿𝑖 (𝑥) = ි
𝑥𝑖 − 𝑥𝑗
𝑗=0
𝑗≠𝑖

para n=1

𝑥 − 𝑥1 𝑥 − 𝑥0
𝑓1 (𝑥) = 𝑓(𝑥0 ) + 𝑓(𝑥1 ቇ
𝑥0 − 𝑥1 𝑥1 − 𝑥0
Ejemplo:
Calcular el valor para o.5 por el polinomio de gauss en base a los
siguientes datos:

x 0 0.33 0.66 1
y 1 1.391 1.935 2.718
 Solución:

𝐿0 𝑥 𝐿1 𝑥 𝐿2 𝑥
𝑃 𝑥 = 𝑓(𝑥0 ) + 𝑓(𝑥1) + 𝑓(𝑥2)
𝐿0 𝑥0 𝐿1 𝑥1 𝐿2 𝑥2
𝑥 − 0.33 𝑥 − 0.66 𝑥 − 1 𝑥 − 0.33 𝑥 − 0.66 𝑥 − 1
𝑃 𝑥 =1 + 1.391
0 − 0.33 0. −0.66 0 − 1 0.33 − 0 0.33 − 0.66 0.33 − 1
𝑥 − 0 𝑥 − 0.33 𝑥 − 1 𝑥 − 0 𝑥 − 0.33 𝑥 − 1
+ 1.935 + 2.718
0.66 − 0 0.66 − 0.33 0.66 − 1 1 − 0 1 − 0.33 1 − 0.66
𝑃 𝑥 = −4.59137 𝑥 − 0.33 𝑥 − 0.66 𝑥 − 1 + 19.06446𝑥 𝑥 − 0.66 𝑥 − 1
− 26.13029𝑥 𝑥 − 0.33 𝑥 − 1 + 11.93152𝑥 𝑥 − 0.33 𝑥 − 0.66

𝑃 𝑥 = 0.27432𝑥 3 + 0.43090𝑥 2 + 1.01278𝑥 + 1

entonces

𝑃 𝑥 = 0.27432𝑥 3 + 0.43090𝑥 2 + 1.01278𝑥 + 1

𝑃 𝑥 = 0.27432𝑥 3 + 0.43090𝑥 2 + 1.01278𝑥 + 1

Por lo tanto

3 2
𝑃 0.5 = 0.27432 0.5 + 0.43090 0.5 + 1.01278(0.5) + 1

𝑃 0.5 = 1.6470789
 p(x)
3

2.5

1.5

0.5

0
0 0.2 0.4 0.6 0.8 1 1.2
 p(x)
3

2.5

1.5

0.5

0
0 0.2 0.4 0.6 0.8 1 1.2
CLAUDIA
5.-POLINOMIO DE
INTERPOLACION DE
DIFERENCIAS DIVIDIDAS
Angela Vera Cuno
a0  f 0  f ( x0 )
f1  f 0
a1   f ( x0:1 )
x1  x0
p1 ( x)  f ( x0 )  f ( x0:1 )( x  x0 )
1i3042xf130i42 x11:4
042:i1342 
i2:4
33:4
1:2
0:2
0:4
2:3
1:3
0:1
0:3
 Error en la interpolacion de diferencias
dividas
pn ( x)  f  x0   f  x0:1  ( x  x0 )  f ( x0:2 )( x  x0 )( x  x1 )  f ( x0:3 )( x  x0 )( x  x1 )( x  x2 ) 
...  f ( xn )( x  x0 )( x  x1 )( x  x2 )...( x  xn1 )

f ( n 1) ( z )
En ( x)  g ( x) , z   x0 , xn 
 n  1!

Siendo

g ( x)  ( x  x0 )( x  x1 )...( x  xn )
 EJEMPLO
 Dado los siguientes puntos (2,5), (4, 6), (5,3), (7, 2)

encuentre y grafique el polinomio de interpolación

que incluye a los cuatro datos usando el método de
diferencias divididas
pn  F  x0   F  x0:1  ( x  x0 )  F  x0:2  ( x  x0 )( x  x1 )  F  x0:3  ( x  x0 )( x  x1 )( x  x2 )

p3  5  (1/ 2)( x  2)  (7 / 6)( x  2)( x  4)  (2 / 5)( x  2)( x  4)( x  5)

2 3 167 2 227 64
 x  x  x
5 30 10 3
6.-DIFERENCIAS FINITAS
 Para comprender el tema
supondremos que los puntos
( xi , fi ), i  1, 2,..., n

considerando que las abscisas

estén espaciadas de forma
regular en una distancia h
Teorema del valor medio
Para una variable
dada cualquier función f
continua en el intervalo a, b
y derivable en el intervalo abierto ( a, b)
entonces existe al menos algún punto
en el cintervalo (a, b) tal que la
tangente a la curva en c
es paralela
a la recta secante que une los puntos
(b, f (b)) (a, f (a ))

f (b)  f (a )
 f '(c)
ba
,

teorema de Rolle
que dice que si una función es
definida y continua  a, b
diferenciable en el intervalo abierto
( a, b)

y toma valores iguales en los extremos

del intervalo – en otras palabras
f ( a )  f (b)

entonces existe al menos algún punto 𝑐

en el intervalo (a, b) tal que la
tangente a la curva en 𝑐 es
horizontal, es decir f '(c)  0
EJEMPLO DE DIFERENCIAS FINITAS

 Tabular las diferencias finitas de (1.0,5), (1.5, 7), (2.0,10), (2.5,8)

7.-Polinomio de
interpolación de diferencias
finitas de Newton
Formulas de Newton progresiva y regresiva

Junior Laurel Callo

 Supongamos que los nodos son de la forma: 𝑎 = 𝑥0 < 𝑥1 <. . . < 𝑥𝑛 = 𝑏

𝑏−𝑎
 Con 𝑥𝑖 = 𝑎 + 𝑖ℎ, 𝑖 = 0, . . . , 𝑛 𝑦 ℎ =
𝑛

 entonces, podemos relacionar las diferencias divididas de 𝑓(𝑥 ) con las llamadas Diferencias
Finitas (D.F.) de 𝑓(𝑥 )

 Se define Diferencia Progresiva de orden 1 en 𝑦𝑖 y se denota por 𝛥𝑦𝑖

𝛥𝑦𝑖 = 𝑓 𝑥𝑖 + ℎ − 𝑓 𝑥𝑖 = 𝑦𝑖+1 − 𝑦𝑖 = 𝛥1 𝑦𝑘

 Y Diferencia Regresiva de orden 1 en 𝑦𝑖 y se denota por 𝛻𝑦𝑖

𝛻𝑦𝑖 = 𝑓 𝑥𝑖 − 𝑓 𝑥𝑖 − ℎ = 𝑦𝑖 − 𝑦𝑖−1 = 𝛻 1 𝑦𝑘
 Proposición 1

Dada f evaluada en nodos igualmente espaciados 𝑥𝑖 = 𝑎 + 𝑖ℎ, 𝑖 = 0, . . . , 𝑛

entonces:
1. (D.D. ascendentes mediante D.F. progresiva)
𝛥𝑘 𝑦0
𝑓 𝑥0 , 𝑥1 , . . . , 𝑥𝑘 = , 𝑘 = 0, . . . , 𝑛
𝑘! ℎ𝑘

2. (D.D. descendentes mediante D.F. regresivas)

𝛻𝑘 𝑦𝑛
𝑓 𝑥𝑛 , 𝑥𝑛−1 , . . . , 𝑥𝑛−𝑘 = , 𝑘 = 0, . . . , 𝑛
𝑘! ℎ𝑘
 Fórmula de Newton Progresiva.
 Esta la obtenemos usando la fórmula de Newton clásica para el interpolante de
Lagrange; es decir,
𝑃𝑛 𝑥 = 𝑓 𝑥0 + 𝑓 𝑥0 , 𝑥1 𝑥 − 𝑥0 +··· +𝑓 𝑥0 , 𝑥1 , . . . , 𝑥𝑛 𝑥 − 𝑥0 𝑥 − 𝑥1 ··· 𝑥 − 𝑥𝑛−1

 Esta expresión quedaría reducida a la siguiente:

𝑛𝑦
𝛥𝑦 0 𝛥 0
𝑃𝑛 𝑥 = 𝛥0 𝑦0 + 𝑥 − 𝑥0 +··· + 𝑥 − 𝑥0 𝑥 − 𝑥1 ··· 𝑥 − 𝑥𝑛−1
ℎ 𝑛! ℎ𝑛
 Pero si realizamos el cambio de variable:
𝑥 − 𝑥0 𝑥 − 𝑥𝑖 𝑥 − (𝑥0 + 𝑖ℎ)
𝑠= ⇒ = =𝑠−𝑖
ℎ ℎ ℎ
𝑠(𝑠 − 1) 𝑠 𝑠 − 1 ··· 𝑠 − 𝑛 + 1
 Entonces, 0 2
𝑃𝑛 𝑠 = 𝛥 𝑦0 + 𝛥𝑦0 𝑠 + 𝛥 𝑦0 𝑛
+··· +𝛥 𝑦𝑛
2! 𝑛!
𝑛

= ෍ .𝑘𝑠 𝛥𝑘 𝑦0
𝑘=0
 Fórmula de Newton Regresiva
 Si, en el método de interpolación de Newton, usamos un proceso descendente; es decir,
desde el nodo 𝑥𝑛 hasta el nodo𝑥0 tendríamos la fórmula de Newton siguiente:
𝑃𝑛 𝑥 = 𝑓 𝑥𝑛 + 𝑓 𝑥𝑛 , 𝑥𝑛−1 𝑥 − 𝑥𝑛 +··· +𝑓 𝑥𝑛 , 𝑥𝑛−1 , . . . , 𝑥0 𝑥 − 𝑥𝑛 𝑥 − 𝑥𝑛−1 ··· 𝑥 − 𝑥1

 Y, desde aquí, de forma similar pero con las diferencias regresivas llegamos a la
𝑛
expresión: 𝑃𝑛 𝑥 = 𝛻 𝑦𝑛 +
0
𝛻𝑦𝑛 𝛻 𝑦𝑛
𝑥 − 𝑥𝑛 +··· + 𝑛 𝑥 − 𝑥𝑛 𝑥 − 𝑥𝑛−1 ··· 𝑥 − 𝑥1
ℎ 𝑛! ℎ

𝑥𝑛 − 𝑥 𝑥𝑛−𝑖 − 𝑥 𝑥𝑛 − 𝑖ℎ − 𝑥
 Como antes, si hacemos el cambio: 𝑡= ⇒ = =𝑡−𝑖
ℎ ℎ ℎ

𝑃 𝑡
 Tenemos la expresión: 𝑡 𝑡−1 𝑡 𝑡 − 1 ··· 𝑡 − 𝑛 + 1
= 𝛻 0 𝑦𝑛 − 𝛻𝑦𝑛𝑡 + 𝛻 2 𝑦𝑛 +··· + −1 𝑛 𝛻 𝑛 𝑦𝑛
2! 𝑛!
𝑛
𝑘 𝑡
= ෍ −1 𝑘 𝛻 𝑘 y𝑛
𝑘=0
Ejercicio Propuesto
Calculamos la tabla respectiva de diferencias finitas progresivas y regresivas para los datos:
{(−1, 4), (0, −2), (1, 6), (2, 4)} y damos las respectivas expresiones del interpolante.

 Solución
x 𝒚𝒊 = 𝜟𝟎 𝒚𝒊 𝜟𝒚𝒊 𝜟𝟐 𝒚𝒊 𝜟𝟑 𝒚𝒊
↓ ↓ ↓ ↓
-1 4
-6
0 -2 14
𝑏−𝑎 2 − (−1)
8 24 ℎ= ⇒ℎ= =1
1 6 -10 𝑛 3
-2
2 4

↑ ↑ ↑ ↑
𝒚𝒊 = 𝛁 𝟎 𝒚𝒊 𝜵𝒚𝒊 𝜵𝟐 𝒚𝒊 𝜵𝟑 𝒚𝒊
 Por lo tanto, los respectivos polinomios de interpolación son:
FORMA PROGRESIVA (coeficientes en azul-morado):
𝑠 𝑠−1 𝑠 𝑠−1 𝑠−2
𝑝 𝑠 = 4 − 6𝑠 + 14 + 24
2 6

𝑥 + 𝑥0 𝑥−1
Donde 𝑠=
ℎ
⇒𝑠=
1 (pues h = 1, y 𝑥0 =-2)
FORMA REGRESIVA (coeficientes en rojo-morado):
𝑡 𝑡−1 𝑡 𝑡−1 𝑡−2
𝑝 𝑡 = 4 + 2𝑡 − 10 + 24
2 6
𝑥𝑛 − 𝑥 2−𝑥
Donde 𝑡=
ℎ
⇒𝑡=
1
(pues h=1 y 𝑥3 =2)
8.-Aproximacion Polinomial
de funciones
Método de Newton
 Familias Triangulares De Polinomios.
 Existen muchas maneras de especificar polinomios. Una manera intuitiva de especificar
polinomios es proporcionar los coeficientes de un polinomio en una expansión de la forma
𝑛

𝑃 𝑥 = 𝑎0 𝑥 0 + 𝑎1 𝑥 1 + 𝑎2 𝑥 2 +. . . +𝑎𝑛 𝑥 𝑛 = ෍ 𝑎𝑗 𝑥 𝑗
𝑗=0 …(1)
 Sin embargo, esta es una de muchas otras posibilidades. Por ejemplo, es posible
especificar los coeficientes en una expansión de la forma 𝑛
0 1
𝑃 𝑥 = 𝑏0 𝑥 − 𝑐 + 𝑏1 𝑥 − 𝑐 + 𝑏2 𝑥 − 𝑐 2 +. . . +𝑏𝑛 𝑥 − 𝑐 𝑛
= ෍ 𝑏𝑗 𝑥 − 𝑐 𝑗

𝑗=0
Donde 𝑐≠0 …(2)
 Si se desea aproximar una función, digamos 𝑓(𝑥) en el intervalo cerrado 𝑎, 𝑏 y 𝑐 está
dada por
𝑎+𝑏
𝑐=
2
 Suponga que 𝑥0 , 𝑥1, . . . , 𝑥𝑚 son 𝑚 + 1 valores de una variable independiente tal que𝑥𝑖 ≠ 𝑥𝑗
; 𝑖 ≠ 𝑗 Entonces las ecuaciones:
𝜑0 𝑥 = 1,
𝜑1 𝑥 = 𝑥 − 𝑥0 ,
𝜑2 𝑥 = 𝑥 − 𝑥0 𝑥 − 𝑥1 ,
··· = ···
𝜑𝑚 𝑥 = 𝑥 − 𝑥0 𝑥 − 𝑥1 ··· 𝑥 − 𝑥𝑚
…(3)
 Definen una familia triangular de polinomios.
Entonces un polinomio puede representarse como:
𝑃(𝑥) = 𝑐0 + 𝑐1 (𝑥 − 𝑥0 ) + 𝑐2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑐3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+. . . +𝑐𝑚 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ). . . (𝑥 − 𝑥𝑚−1 )
…(4)

 De hecho, el conjunto 𝜑0 (𝑥), 𝜑1 (𝑥), 𝜑2 (𝑥), . . . , 𝜑𝑚 (𝑥) constituye una base para el espacio
vectorial de polinomios de grado menor o igual que m.
Teorema
Considere el problema de determinar un polinomio 𝑝 𝑥 de grado m que satisfaga la
condición 𝑓(𝑥𝑖 ) = 𝑃(𝑥𝑖 ) ∀ 𝑥𝑖 𝑚𝑖=0
…(5)
donde los puntos 𝐺 = 𝑥𝑖 𝑚 𝑖=0
forman una red tal que 𝑥𝑖 ≠ 𝑥𝑗 siempre tiene una solución
única que puede expresarse de manera muy simple empleando la ecuación (4).
Prueba:
Mostraremos que los coeficientes 𝑐0 , 𝑐1 , . . . , 𝑐𝑚 de la ecuación (4) pueden determinarse de
manera única y de manera tal que el polinomio puede tomar valores arbitrarios 𝑓(𝑥𝑖 ) = 𝑃(𝑥𝑖 )
sobre los puntos de la red 𝐺 = 𝑥𝑖 𝑚 𝑖=0 Considere:

𝑝 𝑥1 = 𝑐0 + 𝑐1 𝑥1 − 𝑥0
𝑝 𝑥2 = 𝑐0 + 𝑐1 𝑥2 − 𝑥0 + 𝑐2 𝑥2 − 𝑥0 𝑥2 − 𝑥1
··· = ···
𝑝 𝑥𝑚 = 𝑐0 + 𝑐1 𝑥𝑚 − 𝑥0 + 𝑐2 𝑥𝑚 − 𝑥0 𝑥𝑚 − 𝑥1 + 𝑐3 𝑥𝑚 − 𝑥0 𝑥𝑚 − 𝑥1 𝑥𝑚 − 𝑥2

El sistema de ecuaciones dado por la ecuación (6) representa un sistema triangular inferior
en las incógnitas 𝑐0 , 𝑐1 , 𝑐2 , . . . , 𝑐𝑚 cuya solución es inmediata.
Ejercicio Propuesto
Considere una función 𝑓(𝑥 ) y una red o conjunto de puntos 𝑥0 = 1, 𝑥1 = 3, 𝑥2 = 7, 𝑥3 = 9 tal
que 𝑓 𝑥0 = 𝑓 1 = 0, 𝑓 𝑥1 = 𝑓 3 = −15, 𝑓 𝑥2 = 𝑓 7 = −40, 𝑓 𝑥3 = 𝑓 9 = −20

 Solución

Se tiene 𝑝 𝑥 = 𝑐0 + 𝑐1 𝑥 − 1 + 𝑐2 𝑥 − 1 𝑥 − 3 + 𝑐3 𝑥 − 1 𝑥 − 3 𝑥 − 7
Las condiciones que debe satisfacer el polinomio para que pueda interpolar la función, f(x),
están dadas por: 0=𝑓 𝑥 =𝑝 𝑥 =𝑐
0 0 0
−15 = 𝑓 𝑥1 = 𝑝 𝑥1 = 𝑐0 + 𝑐1 𝑥1 − 𝑥0 = 𝑐0 + 2 𝑐1
−40 = 𝑓 𝑥2 = 𝑝 𝑥2 = 𝑐0 + 𝑐1 𝑥2 − 𝑥0 + 𝑐2 𝑥2 − 𝑥0 𝑥2 − 𝑥1 = 𝑐0 + 6𝑐1 + 24𝑐2
−20 = 𝑓 𝑥3 = 𝑝 𝑥3 = 𝑐0 + 𝑐1 𝑥3 − 𝑥0 + 𝑐2 𝑥3 − 𝑥0 𝑥3 − 𝑥1 + 𝑐3 𝑥3 − 𝑥0 𝑥3 − 𝑥1 𝑥3 − 𝑥2
= 𝑐0 + 8𝑐1 + 48𝑐2 + 96𝑐3

Finalmente, el polinomio P(x) satisface las condiciones de interpolación indicadas por la

ecuación (a), está dado por: 𝑃 𝑥 = 15 − 15 𝑥 + 5 𝑥 − 1 𝑥 − 3 + 5 𝑥 − 1 𝑥 − 3 𝑥 − 7
2 2 24 16
Y simplificado, el polinomio está dado por 15 3 155 2 65 25
𝑃 𝑥 = 𝑥 + 𝑥 + 𝑥+
16 48 48 16
9.-APROXIMACION
POLINOMIAL SEGMENTARIA
Alexander Gonzales Pari
 INTERPOLACIÓN SEGMENTARIA LINEAL
 La unión mas simple entre dos puntos es una recta, las segmentarias de primer grado
para un grupo de datos ordenados se define como un conjunto de funciones lineales
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑚0 (𝑥 − 𝑥0 ), 𝑐𝑜𝑛 𝑥0 ≤ 𝑥 ≤ 𝑥1
𝑓(𝑥) = 𝑓(𝑥1 ) + 𝑚1 (𝑥 − 𝑥1 ), 𝑐𝑜𝑛 𝑥1 ≤ 𝑥 ≤ 𝑥2
⋮
𝑓(𝑥) = 𝑓(𝑥𝑛−1 ) + 𝑚𝑛−1 (𝑥 − 𝑥𝑛−1 ), 𝑐𝑜𝑛 𝑥𝑛−1 ≤ 𝑥 ≤ 𝑥𝑛

 De donde la pendiente mi de la línea recta que une los puntos.

 Esta relación se usa para evaluar la función de cualquier punto entre x0 y x1,

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 )
𝑚𝑖 =
𝑥𝑖+1 − 𝑥𝑖
INTERPOLACIÓN SEGMENTARIA
CUADRÁTICA
 En esta oportunidad el objetivo de las segmentarias cuadrática es obtener
un polinomio de segundo grado para cada intervalo en el conjunto de
datos, en
 General el polinomio en cada intervalo se representa así,

𝑓𝑖 (𝑥) = 𝑎𝑖 𝑥 2 + 𝑏𝑖 𝑥 + 𝑐𝑖

 En donde a, b y c son tres constantes desconocidas y se requieren tres

ecuaciones, en el caso que se tengan n+1 datos existen n intervalos y por
cada intervalo se requieren tres ecuaciones es decir 3n, se deben tener en
consideración los siguientes criterios.

 Los valores de la función de polinomios adyacentes deben de ser iguales en los nodos
interiores esta condición lo representamos de la siguiente manera.
2
𝑓(𝑥𝑖−1 ) = 𝑎𝑖−1 𝑥𝑖−1 + 𝑏𝑖−1 𝑥𝑖−1 + 𝑐𝑖−1
2
𝑓(𝑥𝑖−1 ) = 𝑎𝑖 𝑥𝑖−1 + 𝑏𝑖 𝑥𝑖−1 + 𝑐𝑖
 Para i=2 a n como solo se emplean dos nodos interiores cada ecuación proporciona n-1
condiciones en total 2n-2
 La primera y la ultima función deben de pasar a través de los puntos extremos esto
agrega dos ecuaciones mas,
Ejemplo:
 Considerando el conjunto de datos
x 3 4.5 7 9
f(x) 2. 1 2.5 0.5

 Ajuste usando segmentarias de segundo grado y estime el valor de x=5

Solución:
 En este problema tenemos cuatro datos y n=3 intervalos por lo tanto 3(3)=9 incógnitas
que deben de determinarse, consideran las dos condiciones del primer criterio es decir
2(3)-2=4 condiciones
1.0 = 20.25𝑎1 + 4.5𝑏1 + 𝑐1
1.0 = 20.25𝑎2 + 4.5𝑏2 + 𝑐2
2.5 = 47𝑎2 + 7𝑏2 + 𝑐2
2.5 = 47𝑎3 + 7𝑏3 + 𝑐3

 Evaluando las dos condiciones del segundo criterio se tienen 2 ecuaciones

2.5 = 9𝑎1 + 3𝑏1 + 𝑐1

0.5 = 81𝑎3 + 9𝑏3 + 𝑐3
 A seguir consideramos la continuidad de las derivadas la cual crea 3-1=2 ecuaciones
esto del tercer criterio.

9𝑎1 + 𝑏1 = 9𝑎2 + 𝑏2
14𝑎2 + 𝑏2 = 14𝑎3 + 𝑏3

 Por ultimo consideramos el cuarto criterio que determina que a1=0, como esta relación
nos dice de manera exacta que a1 tiene como valor cero entonces se reduce a
determinar ocho ecuaciones simultaneas
 4,5 1 0 0 0 0 0 0 𝑏1 1
0 0 20.25 4.5 1 0 0 0 𝑐1 1
0 0 49 7 1 0 0 0 𝑎2 2.5
0 0 0 0 0 49 7 1 𝑏2 2.5
=
3 1 0 0 0 0 0 0 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

• Este sistema se puede resolver usando cualquier técnica analizado y

tenemos:
a=0 b1=-1 c1=5.5
a2=0.64 b2=-6.76 c2=18.465
a3=-1.6 b3=24.6 c3=-91.3
 Consecuentemente tenemos las siguientes relaciones para cada intervalo.

𝑓1 (𝑥) = −𝑥 + 5.5 𝑝𝑎𝑟𝑎 3.0 ≤ 𝑥 ≤ 4.5

𝑓2 (𝑥) = 0.64𝑥 2 − 6.76𝑥 + 18.46 𝑝𝑎𝑟𝑎 4.5 ≤ 𝑥 ≤ 7
𝑓3 (𝑥) = −1.6𝑥 2 + 24.6𝑥 − 9.13 𝑝𝑎𝑟𝑎 7 ≤ 𝑥 ≤ 9

 Como x=5 usamos f2 para determinar su aproximación

𝑓2 (5) = 0.64 5 2 − 6.76(5) + 18.46 = 0.66

INTERPOLACIÓN POR SEGMENTARÍAS
CUBICAS
 Para asegurar que las derivadas m-ésimas sean continuas en los nodos, se
debe emplear un trazador de un grado de, al menos, m + 1.
 En la práctica se usan con más frecuencia polinomios de tercer grado o
trazadores cúbicos que aseguran primera y segunda derivadas continuas.
 Son n polinomios de grado menor o igual que tres y cada uno con cuatro
coeficientes incógnitas, así que tenemos un total de 4 n incógnitas por
determinar ( ak,bk,ck,dk).
 Las condiciones que deben satisfacer tales polinomios son:

Condiciones de interpolación. ( n +1 ecuaciones)

𝑃𝐾 𝑋𝐾 = 𝐹(𝑋𝐾 ), 𝐾 = 0,1,2. . . . . . 𝑛 − 1
𝑃𝑛−1 (𝑋𝑛 ) = 𝐹(𝑋𝑛 )

Condiciones de continuidad en los nodos interiores. ( n -1 ecuaciones)

𝑃𝐾 𝑋𝐾+1 = 𝑃𝐾+1 (𝑋𝐾+1 ), 𝐾 = 0,1,2. . . . . . 𝑛 − 2

Condiciones de derivabilidad en los nodos interiores. ( n -1 ecuaciones)

𝑃𝐾′ 𝑋𝐾+1 = 𝑃′ 𝐾+1 (𝑋𝐾+1 ), 𝐾 = 0,1,2. . . . . . 𝑛 − 2

𝑃𝐾′′ 𝑋𝐾+1 = 𝑃′′ 𝐾+1 (𝑋𝐾+1 ), 𝐾 = 0,1,2. . . . . . 𝑛 − 2

 Se satisface uno de los siguientes pares de condiciones de frontera:

𝑎) 𝑃0′′ (𝑋0 ) = 0
′′
𝑃𝑘+1 (𝑋𝐾+1 ) = 0
𝑏) 𝑃0′′ 𝑋0 = 𝐹 ′ (𝑋0 )
′′
𝑃𝑛−1 𝑋𝑛 = 𝐹 ′ (𝑋𝑛 )
 Remplazando en cada punto se determina un sistema de ecuaciones

𝐴𝑋 = 𝐵

1 0 0 0 ⋯ 0 𝑐0
ℎ0 2 ℎ0 + ℎ1 ℎ1 0 0 𝑐1
𝐴= 0 ⋱ 𝑋= ⋮
⋮ ℎ𝑛−2 2 ℎ𝑛−2 + ℎ𝑛−1 ℎ𝑛−1 𝑐𝑛−1
0 ⋯ ⋯ 0 0 1 𝑐𝑛

0
3 3
(𝑎 − 𝑎1 ) − 𝑎 − 𝑎0
ℎ1 2 ℎ0 1
𝐵= ⋮
3 3
(𝑎𝑛 − 𝑎𝑛−1 ) − 𝑎 − 𝑎𝑛−2
ℎ𝑛−1 ℎ𝑛−2 𝑛−1
0
Ejemplo:
Interpolar los siguientes datos mediante una spline cúbica:

x 2 3 5

y -1 2 -7
Solución.
 Definimos un polinomio cúbico en cada uno de los intervalos que se forman:

𝑎1 𝑥 3 + 𝑏1 𝑥 2 +𝑐1 𝑥 + 𝑑1 𝑠𝑖 𝑥 ∈ 2,3
𝑠(𝑥) =
𝑎2 𝑥 3 + 𝑏2 𝑥 2 +𝑐2 𝑥 + 𝑑2 𝑠𝑖 𝑥 ∈ 3,5
 hacemos que se cumpla la condición de que la spline debe pasar por los puntos dados
en la tabla. Así, tenemos que:

𝑠 2 = −1 ⇒ 8𝑎1 + 4𝑏1 + 2𝑐1 + 𝑑1 = −1

𝑠 3 = 2 ⇒ 27𝑎1 + 9𝑏1 + 3𝑐1 + 𝑑1 = 2
𝑠 5 = −7 ⇒ 125𝑎2 + 25𝑏2 + 5𝑐2 + 𝑑2 = −7
 Ahora calculamos la primera derivada de s(x) :

3𝑎1 𝑥 2 + 2𝑏1 𝑥 + 𝑐1 𝑠𝑖 𝑥 ∈ 2,3

𝑠′(𝑥) =
3𝑎2 𝑥 2 + 2𝑏2 𝑥 + 𝑐2 𝑠𝑖 𝑥 ∈ 3,5

 las posibles discontinuidades son los puntos donde se cambia de intervalo, en este caso x
= 3. Para evitar esta discontinuidad, evaluamos x = 3 en los dos polinomios e igualamos:

3𝑎1 (3)2 +2𝑏1 3 + 𝑐1 = 3𝑎2 3 2 + 2𝑏2 3 + 𝑐2

⇒ 27𝑎1 + 6𝑏1 + 𝑐1 = 27𝑎2 + 6𝑏2 + 𝑐2
 Ahora calculamos la segunda derivada:

6𝑎1 + 2𝑏1 𝑠𝑖 𝑥 ∈ 2,3

𝑠′′(𝑥) =
6𝑎2 + 2𝑏2 𝑠𝑖 𝑥 ∈ 3,5
 Para lograr que s′′(x) sea continua:

6𝑎1 (3) + 2𝑏1 = 6𝑎2 (3) + 2𝑏2 ⇒ 18𝑎1 + 2𝑏1 = 18𝑎2 + 2𝑏2

 En este punto contamos con 6 ecuaciones y 8 incógnitas, por lo tanto tenemos 2 grados
de libertad; en general, se agregan las siguientes 2 condiciones:
𝑠′′(𝑥0 ) = 0
𝑠′′(𝑥𝑛 ) = 0
 De lo cual vamos a obtener:
𝑠′′(2) = 0 ⇒ 6𝑎1 (2) + 2𝑏1 = 0 12𝑎1 + 2𝑏1 = 0
𝑠′′(5) = 0 ⇒ 6𝑎2 (5) + 2𝑏2 = 0 30𝑎2 + 2𝑏2 = 0

 Con lo cual, hemos completado un juego de 8 ecuaciones con 8 incógnitas, el cual es

el siguiente:

8𝑎1 + 4𝑏1 + 2𝑐1 + 𝑑1 = −1

27𝑎1 + 9𝑏1 + 3𝑐1 + 𝑑1 = 2
27𝑎2 + 9𝑏2 + 3𝑐2 + 𝑑2 = 2
125𝑎2 + 25𝑏2 + 5𝑐2 + 𝑑2 = −7
27𝑎1 + 6𝑏1 + 𝑐1 = 27𝑎2 + 6𝑏2 + 𝑐2
18𝑎1 + 2𝑏1 = 18𝑎2 + 2𝑏2
12𝑎1 + 2𝑏1 = 0
30𝑎2 + 2𝑏2 = 0
 Cuya forma matricial es la siguiente:

8 4 2 1 0 0 0 0 𝑎1 −1
27 9 3 1 0 0 0 0 𝑏1 2
0 0 0 0 27 9 3 1 𝑐1 2
0 0 0 0 125 25 5 1 𝑑1 −7
𝑎2 =
27 6 1 0 −27 −6 −1 0 0
18 2 0 0 −18 −2 0 0 𝑏2 0
12 2 0 0 0 0 0 0 𝑐2 0
0 0 0 0 30 2 0 0 𝑑2 0
 Obtenemos la siguiente solución:

𝑎1 = −125 𝑎2 = 0.625
𝑏1 = 7.5 𝑏2 = −9.375
𝑐1 = −10.75 𝑐2 = 39.875
𝑑1 = 0.5 𝑑2 = −50.125

−1.25𝑥 3 + 7.5𝑥 2 − 10.75𝑥 + 0.5 𝑠𝑖 𝑥 ∈ 2,3

𝑠 𝑥 =
0.625𝑥 3 − 9.375𝑥 2 + 39.875𝑥 − 50.125 𝑠𝑖 𝑥 ∈ 3,5
 Sustituyendo estos valores en nuestra función inicial, vemos que la spline cúbica para la
tabla de datos dada, queda definida como sigue:

−1.25𝑥 3 + 7.5𝑥 2 − 10.75𝑥 + 0.5 𝑠𝑖 𝑥 ∈ 2,3

𝑠 𝑥 =
0.625𝑥 3 − 9.375𝑥 2 + 39.875𝑥 − 50.125 𝑠𝑖 𝑥 ∈ 3,5
10.-APROXIMACIÓN POR
MÍNIMOS CUADRADOS
Polinomial
Alexis Quispe Vargas
 En la práctica habitualmente se usan funciones polinómicas de grado bajo
o bien de tipo exponencial, potencial. En cuanto al criterio a considerar
para obtener el modelo concreto consiste en pedir que la suma de las
distancias calculadas entre el valor de la función que aproxima 𝑝(𝑥𝑖 ) y el
valor de la función 𝑓(𝑥𝑖 ) dada, sea mínima; es decir
𝑚 𝑚

෍ |𝑝(𝑥𝑖 ) − 𝑓(𝑥𝑖 )| = ෍ 𝑑𝑖 = 𝑚𝑖𝑛𝑖𝑚𝑜 …. (i)

𝑖=1 𝑖=1
 Para evitar problemas de derivación más adelante, se acostumbra utilizar
las distancias 𝑑𝑖 elevadas al cuadrado elevadas al cuadrado
𝑚 2 𝑚
2
෍ 𝑝(𝑥𝑖 ) − 𝑓(𝑥𝑖 ) = ෍ 𝑑𝑖 = 𝑚𝑖𝑛𝑖𝑚𝑜
 …… (ii)
𝑖=1 𝑖=1
 En la figura se observan los puntos tabulados, la aproximación polinomial 𝑝(𝑥𝑖 )
y las distancias 𝑑𝑖 entre los puntos correspondientes, cuya suma hay que
minimizar.
 𝑝(𝑥) = 𝑎𝑜 + 𝑎1 𝑥+. . . ……(iii)
 Para aproximar la función dada por la tabla, el problema queda como el
de minimizar

𝑚 2
 ෍ 𝑎0 + 𝑎𝑖 𝑥𝑖 − 𝑓(𝑥𝑖 ) . . . …… (iv)
𝑖=1

 Hay que observar que del número infinito de polinomios que pasan entre
los puntos, se selecciona aquél cuyos coeficientes 𝑎0 y 𝑎1 minimicen la
ecuación (iv).
 El sistema se resuelve por la regla de Cramer y se tiene

𝑚
𝑚 2 𝑚
෌𝑖=1𝑓(𝑥𝑖 ) ෍ 𝑥𝑖 − σ𝑚
𝑖=1 𝑥𝑖 ෌𝑖=1 𝑓(𝑥𝑖 )𝑥𝑖
𝑖=1
𝑎0 = 𝑚
2 2
𝑚෍ 𝑥𝑖 − σ𝑚
𝑖=1 𝑥𝑖
𝑖=1
𝑚 𝑚
𝑚 ෌𝑖=1 𝑓(𝑥𝑖 )𝑥𝑖 − σ𝑚
𝑖=1 𝑥𝑖 ෌𝑖=1𝑓(𝑥𝑖 )
𝑎1 = 𝑚
2 2
𝑚෍ 𝑥𝑖 − σ𝑚
𝑖=1 𝑥𝑖
𝑖=1
 Que sustituidos en la ecuación (iii) dan la aproximación polinomial de
primer grado que mejor ajusta la información tabulada. Este polinomio
puede usarse a fin de aproximar valores de la función para argumentos no
conocidos.
 EJERCICIO
 En el estudio de la constante de velocidad k de una reacción química a
diferentes temperaturas, se obtuvieron los datos
T(K) 293 300 320 340 360 380 400

K 0.0000853 0.000191 0.0000156 0.01 0.0522 0.2284 0.8631

 Calcule el factor de frecuencia z y la energía de activación E, asumiendo

que los datos experimentales siguen la ley de Arrhenius

𝑘 = 𝑧𝑒 −𝐸Τ198.𝑇
 SOLUCIÓN
𝑘 = 𝑧𝑒 −𝐸Τ198.𝑇

 Este problema puede resolverse mediante el método de mínimos

cuadrados de la siguiente manera. Se aplican logaritmos a la ecuación (i)
y se tiene

𝐸 1
𝐿𝑛(𝑘) = 𝐿𝑛(𝑧) −
1.98 𝑇
 Donde, 1 𝐸
𝑥= 𝑎1 = − =𝑚
𝑦 = 𝐿𝑛(𝑘) 𝑎0 = 𝐿𝑛(𝑧) = 𝑏 𝑇 1.98

 Para hallar

𝑛
𝑛
𝑛෍ 𝑥𝑖 𝑦𝑖 − ෌𝑖=0 𝑥𝑖 σ𝑛𝑖=0 𝑦𝑖
𝑖=0
𝑎1 = 𝑛
2 2
𝑛෍ 𝑥𝑖 − σ𝑛𝑖=0 𝑥𝑖
𝑖=0
7(−0.12111012) − (002072184)(−38.1825379
𝑎1 = = −10101.612
7(0.0000620669) − 0.02072184 2
𝑛
2 𝑛
σ𝑛𝑖=0 𝑦𝑖 ෍ 𝑥𝑖 − ෌𝑖=0 𝑥𝑖 σ𝑛𝑖=0 𝑥𝑖 𝑦𝑖
𝑖=0
𝑎1 = 𝑛 = 25.107
2 2
𝑛෍ 𝑥𝑖 − σ𝑛𝑖=0 𝑥𝑖
𝑖=0
 Por lo que tenemos
T(k) K x=1/T y=ln k x*y x^2

293 0.0000853 0.00341297 -9.3693361 - 1.16484E-05

0.03197726
300 0.000191 0.00333333 - - 1.11111E-05
8.56323713 0.02854412
320 0.0000156 0.003125 - - 9.76563E-06
11.0682396 0.03458825
340 0.01 0.00294118 - - 8.65052E-06
4.60517019 0.01354462
360 0.0522 0.00277778 - - 7.71605E-06
2.95267278 0.00820187
380 0.2284 0.00263158 -1.4766568 - 6.92521E-06
0.00388594
400 0.8631 0.0025 - - 0.00000625
0.14722472 0.00036806
2393 1.1539919 0.02072184 - - 6.20669E-05
38.1825374 0.12111012
 Al sustituir los valores en la ecuación, obtenemos:
𝑦 = −10101.612𝑥 + 25.107
𝑧 = 8.01223 ∗ 1010
𝐸 = 20001.19
11.-APROXIMACION
MULTILINEAL POR MÍNIMOS
CUADRADOS
  APROXIMACION MULTILINEAL POR MINIMOS CUADRADOS
 Con frecuencia se tienen funciones de más de una variable; esto es
𝑓(𝑢, 𝑣, 𝑧) 
 Si se sospecha una funcionalidad lineal en las distintas variables; es decir, si
se piensa que la función

𝑦 = 𝑎𝑧 + 𝑎1 𝑢 + 𝑎2 𝑣 + 𝑎3 𝑧
 Estos datos se podrían ajustar a esta tabla
PUNTOS 𝒖 𝒗 𝒛𝒊 y

1 𝑢1 𝑣1 𝑧1 𝑓(𝑢1 , 𝑣1 , 𝑧1 )

2 𝑢2 𝑣2 𝑧2 𝑓(𝑢2 , 𝑣2 , 𝑧2 )

3 𝑢3 𝑣3 𝑧3 𝑓(𝑢3 , 𝑣3 , 𝑧3 )

. . . . .

. . . . .

. . . . .

m 𝑢𝑚 𝑣𝑚 𝑧𝑚 𝑓(𝑢𝑚 , 𝑣𝑚 , 𝑧𝑚 )
  Aplicando mínimos cuadrados determinamos los coeficientes
𝑎0 , 𝑎1 , 𝑎2 𝑎3
 que mejor aproximen la función de varias variables tabuladas. El
procedimiento consiste en minimizar la función:
𝑚
2
෍ 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖
𝑖=1
 Que derivada parcialmente con respecto de cada coeficiente por
determinar:
 e igualada a cero cada una, queda

𝑎0 , 𝑎1 , 𝑎2 𝑎3
 𝑚 2 𝑚
𝜕𝑦
෍ 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 = 2 ෍( 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 )1 = 0
𝜕𝑎0
𝑖=1 𝑖=1
𝑚 2 𝑚
𝜕𝑦
෍ 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 = 2 ෍( 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 )𝑢𝑖 = 0
𝜕𝑎1
𝑖=1 𝑖=1
𝑚 2 𝑚
𝜕𝑦
෍ 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 = 2 ෍( 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 )1𝑣𝑖 = 0
𝜕𝑎2
𝑖=1 𝑖=1
𝑚 2 𝑚
𝜕𝑦
෍ 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 = 2 ෍( 𝑎0 + 𝑎1 𝑢𝑖 + 𝑎2 𝑣𝑖 + 𝑎3 𝑧𝑖 − 𝑦𝑖 )𝑧3 = 0
𝜕𝑎3
𝑖=1 𝑖=1
 Y ya arregladas genera el sistema algebraico lineal siguiente
𝑚𝑎0 + 𝑎1 ෍ 𝑢 + 𝑎2 ෍ 𝑣 + 𝑎3 ෍ 𝑧 = ෍ 𝑦

𝑎0 ෍ 𝑢 + 𝑎1 ෍ 𝑢2 + 𝑎2 ෍ 𝑢𝑣 + 𝑎3 ෎ 𝑢𝑧 = ෍ 𝑢𝑦

𝑎0 ෍ 𝑣 + 𝑎1 ෍ 𝑣𝑢 + 𝑎2 ෍ 𝑣 2 + 𝑎3 ෍ 𝑣𝑧 = ෍ 𝑣𝑦

𝑎0 ෍ 𝑧 + 𝑎1 ෍ 𝑧𝑢 + 𝑎2 ෍ 𝑧𝑣 + 𝑎3 ෍ 𝑧 2 = ෍ 𝑧𝑦
 EJERCICIO
 Se sabe que el número de pulgadas de una estructura recién construida
que se hunde en el suelo está dada por:
𝑦 = 3 − 3𝑒 −𝑎𝑥
 Donde x es el número de meses que lleva construida la estructura. Con los
valores
𝒙 𝒚

2 1.07

4 1.88

6 2.26

12 2.78

18 2.97

24 2.99

66 13.95
  Aproxime a, usando el criterio de los mínimos cuadrados.
 SOLUCION

y  3  3e  ax
Ln(3  y )  Ln3  ax
y  Ln(3  y )
a0  Ln3
a1  a
 Para hallar
n n n
n xi yi   xi  yi
a1  i 0 i 0 i 0
2
n
 n
n xi 2    xi 
i 0  i 0 
a0  y  a1 x
 Donde
n

y i
y i 1

n
n

x i
x i 1

n
Construimos la tabla
 𝒙 𝒀 𝒚 = 𝒍𝒏(𝟑 − 𝒚) 𝒙∗𝒚 𝒙𝟐

1 2 1.07 0.65752 1.3504001 4

2 4 1.88 0.11332869 0.45331474 16

3 6 2.26 -0.30110509 -1.80663056 36

4 12 2.78 -1.51412773 -18.1695328 144

5 18 2.97 -3.5065579 -63.1180422 324

6 24 2.99 -4.60517019 -110.524084 576

∑ 66 13.95 -9.15611222 -191.849935 1100

 Y obtenemos

a1  0.2436703224
a0  1.154354843
a  0.243670
y  3  3e( 0.24367 x )
PROBLEMAS DE
APLICACION
Problema de aplicación:
Se sospecha que las elevadas concentraciones de
tanina en las hojas de los robles maduros inhiben el
crecimiento de las larvas de la polilla invernal que
dañan a los árboles en algunos años. La tabla anexa
contiene el peso promedio de dos muestras de larva
tomadas en los primeros 28 días después del
nacimiento. La primera muestra se crio en hojas de
robles jóvenes, mientras que la segunda en hojas
maduras del mismo árbol.
Use la interpolación de LaGrange para aproximar la
curva del peso promedio de las muestras
Para calcular un peso promedio máximo aproximado
de cada muestra , determine el máximo del polinomio
interpolante
 Día 0 6 10 13 17 20 28

Peso promedio de la muestra 1(mg) 6.67 17.33 42.67 37.33 30.10 29.31 28.74
Peso promedio de la muestra 2 (mg) 6.67 16.11 18.89 15.00 10.56 9.44 8.89

Hallamos:𝐿𝑖 (𝑥 )
𝑥 − 6)(𝑥 − 10)(𝑥 − 13)(𝑥 − 17)(𝑥 − 20)(𝑥 − 28
𝐿0 (𝑥) =
0 − 6)(0 − 10)(0 − 13)(0 − 17)(0 − 20)(0 − 28
𝑥 − 0)(𝑥 − 10)(𝑥 − 13)(𝑥 − 17)(𝑥 − 20)(𝑥 − 28
𝐿1 (𝑥) =
6 − 0)(6 − 10)(6 − 13)(6 − 17)(6 − 20)(6 − 28
𝑥 − 0)(𝑥 − 6)(𝑥 − 13)(𝑥 − 17)(𝑥 − 20)(𝑥 − 28
𝐿2 (𝑥) =
10 − 0)(10 − 6)(10 − 13)(10 − 17)(10 − 20)(10 − 28
𝑥 − 0)(𝑥 − 6)(𝑥 − 10)(𝑥 − 17)(𝑥 − 20)(𝑥 − 28
𝐿3 (𝑥) =
13 − 0)(13 − 6)(13 − 10)(13 − 17)(13 − 20)(13 − 28
𝑥 − 0)(𝑥 − 6)(𝑥 − 10)(𝑥 − 13)(𝑥 − 20)(𝑥 − 28
𝐿4 (𝑥) =
17 − 0)(17 − 6)(17 − 10)(17 − 13)(17 − 20)(17 − 28
𝑥 − 0)(𝑥 − 6)(𝑥 − 10)(𝑥 − 13)(𝑥 − 17(𝑥 − 28
𝐿5 (𝑥) =
20 − 0)(20 − 6)(20 − 10)(20 − 13)(20 − 17)(20 − 28
𝑥 − 0)(𝑥 − 6)(𝑥 − 10)(𝑥 − 13)(𝑥 − 17)(𝑥 − 20
𝐿6 (𝑥) =
28 − 0)(28 − 6)(28 − 10)(28 − 13)(28 − 17)(28 − 20
 1 47 3529 8453 3 24841 2 11327
𝐿0 (𝑥) = 𝑥6 − 𝑥5 + 𝑥4 − 𝑥 + 𝑥 − 𝑥+1
7425600 3712800 7425600 928200 265200 23205
1 1 3001 4 24809 3 24865 2 5525
𝐿1 (𝑥) = − 𝑥6 + 𝑥5 − 𝑥 + 𝑥 − 𝑥 + 𝑥
569184 6468 569184 284592 35574 2541
1 1 2689 4 2263 3 18013 2 221
𝐿2 (𝑥) = 𝑥6 − 𝑥5 + 𝑥 − 𝑥 + 𝑥 − 𝑥
15120 1800 151200 8400 9450 45
1 9 619 4 2953 3 11744 2 1360
𝐿3 (𝑥) = − 𝑥6 + 𝑥5 − 𝑥 + 𝑥 − 𝑥 + 𝑥
114660 12740 28665 9555 5733 273
1 1 185 4 7471 3 46880 2 5200
𝐿4 (𝑥) = 𝑥6 − 𝑥5 + 𝑥 − 𝑥 + 𝑥 − 𝑥
172788 2244 14399 43197 43197 2057
1 37 683 6661 3 4066 2 221
𝐿5 (𝑥) = − 𝑥6 + 𝑥5 − 𝑥4 + 𝑥 − 𝑥 + 𝑥
470400 235200 156800 117600 117600 280
1 1 1681 571 857 1105
𝐿6 (𝑥) = 𝑥6 − 𝑥5 + 𝑥4 − 𝑥3 + 𝑥2 −
14636160 221760 14636160 406560 104544 60984
 Hallando el polinomio 𝐿0 𝑥 𝐿1 𝑥 𝐿2 𝑥
𝑃 𝑥 = 𝑓(𝑥0 ) + 𝑓(𝑥1) + 𝑓(𝑥2)
𝐿0 𝑥0 𝐿1 𝑥1 𝐿2 𝑥2
Muestra 1:
1 47 3529 8453 3 24841 2 11327
𝑃1 𝑥 = 6.67 𝑥6 − 𝑥5 + 𝑥4 − 𝑥 + 𝑥 − 𝑥+1 +
7425600 3712800 7425600 928200 265200 23205
1 1 3001 4 24809 3 24865 2 5525
17.33 − 𝑥6 + 𝑥5 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
569184 6468 569184 284592 35574 2541
1 6
1 5
2689 4 2263 3 18013 2 221
42.67 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 +
15120 1800 151200 8400 9450 45
1 6
9 5
619 4 2953 3 11744 2 1360
37.33 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
114660 12740 28665 9555 5733 273
1 6
1 5
185 4 7471 3 46880 2 5200
30.10 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 +
172788 2244 14399 43197 43197 2057
1 6
37 5
683 4
6661 3 4066 2 221
29.31 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
470400 235200 156800 117600 117600 280
1 6
1 5
1681 4
571 3
857 2
1105
28.74 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 −
14636160 221760 14636160 406560 104544 60984
2 6 3 5 25 4 664 3 2956 2 4904
𝑃1 𝑥 = 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 + 6.67
775 817 197 317 117 115
Muestra 2:
1 47 3529 8453 3 24841 2 11327
𝑃2 𝑥 = 6.67 𝑥6 − 𝑥5 + 𝑥4 − 𝑥 + 𝑥 − 𝑥+1 +
7425600 3712800 7425600 928200 265200 23205
1 1 3001 4 24809 3 24865 2 5525
16.11 − 𝑥6 + 𝑥5 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
569184 6468 569184 284592 35574 2541
1 1 2689 4 2263 3 18013 2 221
18.89 𝑥6 − 𝑥5 + 𝑥 − 𝑥 + 𝑥 − 𝑥 +
15120 1800 151200 8400 9450 45
1 9 619 4 2953 3 11744 2 1360
15 − 𝑥6 + 𝑥5 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
114660 12740 28665 9555 5733 273
1 6
1 5
185 4 7471 3 46880 2 5200
10.56 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 +
172788 2244 14399 43197 43197 2057
1 6
37 5
683 4
6661 3 4066 2 221
9.44 − 𝑥 + 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 +
470400 235200 156800 117600 117600 280
1 6
1 5
1681 4
571 3
857 2
1105
8.89 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 −
14636160 221760 14636160 406560 104544 60984

1 6 10 4 12 3 1726 2 2788
𝑃2 𝑥 = 𝑥 − 7.525 ∗ 10−4 𝑥 5 + 𝑥 − 𝑥 + 𝑥 − 𝑥 + 6.67
883 387 29 295 491
 i  xi:i132 
1i301 6.11
2x18.89
0.110
0.728
0.031
f15.0 18.89
16.11
0.110
0.022
0.886
6.67
17.3342.676.67
37.33
42.67
37.33 17.33
42.67
6.67
 0.728
0.031
0.002
0.110
0.886
0.022

Para el polinomio de diferencias divididas se

calcula
 Se remplaza en la ecuación del polinomio

pn ( x)  f  x0   f  x0:1  ( x  x0 )  f ( x0:2 )( x  x0 )( x  x1 )  f ( x0:3 )( x  x0 )( x  x1 )( x  x2 ) 

...  f ( xn )( x  x0 )( x  x1 )( x  x2 )...( x  xn1 )

Donde

f ( x1:n )  f ( x0:n 1 )
f ( x0:n ) 
xn  x0

Se obtiene

p3  6.67  0.886  x  6.67   0.022  x  6.67  x  17.33

0.002  x  6.67  x  17.33 x  42.67 
Al resolver el polinomio

p3  0.002 x3  0.113x2  2.6373x  6.5619