Introduccin:

Interpolar es buscar datos entre otros dato, cuando nosotros utilizamos

en mtodos numricos la interpolacin generalmente lo hacemos a
travs de unos mtodos numricos muy amplios, en esta unidad
veremos algunos de los mtodos ms importantes por ejemplo el
polinomio de interpolacin de Newton y polinomio de interpolacin de
Lagrange que sern de gran utilidad para nosotros en nuestro
aprendizaje.

Unidad 5: Interpolacin
Con frecuencia se encontrar con que tiene que estimar valores intermedios entre
datos definidos por puntos. 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) = a0 + a1x + a2x2 + + anxn
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 como se muestra en la siguiente figura a. De
manera similar, nicamente una parbola une un conjunto de tres puntos com se
ve en la figura b. 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. En este captulo describiremos dos alternativas que
son muy adecuadas para implementarse en computadora: los polinomios de
Newton y de Lagrange.
Ejemplos de interpolacin polinomial: a) de primer grado (lineal) que une dos
puntos, b) de segundo grado (cuadrtica o parablica) que une tres puntos y c) de
tercer grado (cbica) que une cuatro puntos.

5.1 Polinomio de interpolacin de Newton

Como se dijo antes, existe una gran variedad de formas alternativas para expresar
una interpolacin polinomial. El polinomio de interpolacin de Newton en
diferencias divididas es una de las formas ms populares y tiles. Antes de
presentar la ecuacin general, estudiaremos las versiones de primero y segundo
grados por su sencilla interpretacin visual.

5.1.1 Interpolacin lineal

La forma ms simple de interpolacin consiste en unir dos puntos con una lnea
recta. Dicha tcnica, llamada interpolacin lineal, se ilustra de manera grfica de la
siguiente figura.

Utilizando tringulos semejantes,

Reordenndose se tiene

que es una frmula de interpolacin lineal. La notacin f1(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(x1)
f(x0)]/(x1 x0) es una aproximacin en diferencia dividida finita a la primer
derivada. En general 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.

5.1.2 Interpolacin cuadrticas

En el ejemplo anterior el error resulta de nuestra aproximacin a una curva
mediante una lnea recta. En consecuencia, 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
3

f2(x) = b0 + b1(x x0) + b2(x x0)(x x1)

Observe que aunque la ecuacin parece diferir del polinomio general f(x) = a0 +
a1x + a2x2 + + anxn , las dos ecuaciones son equivalentes. Lo anterior se
demuestra al multiplicar los trminos de la ecuacin anterior:
f2(x) = b0 + b1x b1x0 + b2x2 + b2x0x1 b2xx0 b2xx1
o, agrupando trminos,
f2(x) = a0 + a1x + a2x2
donde
a0 = b0 blx0 + b2x0x1
a1 = b1 b2x0 b2x1
a2 = b2
As, las ecuaciones f(x) = a0 + a1x + a2x2 + + anxn y f2(x) = b0 + b1(x x0) +
b2(x 0)(x-x1) 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 b0, en la ecuacin f2(x) = b0 + b1(x x0) + b2(x x0)(x x1) se
evala con x = x0 para obtener
b0 = f(x0)
La ecuacin b0 = f(x0) se sustituye en la ecuacin y f2(x) = b0 + b1(x x0) + b2(x
0)(x-x1), despus se evala en x = x1 para tener

Por ltimo, las ecuaciones b0 = f(x0) y

se sustituyen en la f2(x) =
b0 + b1(x x0) + b2(x x0)(x x1), 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 (f2(x) = b0 + b1(x x0) + b2(x x0)(x x1)) son equivalentes a la
interpolacin lineal de x0 a x1, como se especific antes en la ecuacin (
). El ltimo trmino, b2(x x0)(x x1), determina la
curvatura de segundo grado en la frmula.
Antes de ilustrar cmo utilizar la ecuacin (f2(x) = b0 + b1(x x0) + b2(x x0)(x
x1)), debemos examinar la forma del coeficiente b2. Es muy similar a la
aproximacin en diferencias divididas finitas de la segunda derivada. As, la
ecuacin (f2(x) = b0 + b1(x x0) + b2(x x0)(x x1)) comienza a manifestar una
estructura semejante a la expansin de la serie de Taylor. Esta observacin ser
objeto de una mayor exploracin cuando relacionemos los polinomios de
interpolacin de Newton con la serie de Taylor.

5.1.3 Forma general de los polinomios de interpolacin de Newton

El anlisis anterior puede generalizarse para ajustar un polinomio de n-simo
grado a n+1 datos. El polinomio de n-simo grado es
fn(x) = b0 + b1(x x0) + + bn(x x0)(x x1) (x xn1) (18.7)
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(x0) (18.8)
b1 = f[x1, x0] (18.9)
b2 = f[x2, x1, x0] (18.10)

bn = f[xn, xn1, , x1, x0] (18.11)

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
5

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

primeras diferencias divididas, se expresa en forma general como

5.2 Polinomios de interpolacin de Lagrange

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:

Donde:

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

y la versin de segundo grado es:

La ecuacin 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. 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 es el nico
polinomio de n-simo grado que pasa exactamente a travs de todos los n+1
puntos, que se tienen como datos.
6

5.3 Interpolacin segmentada.

Esta interpolacin se llama interpolacin segmentaria o interpolacin por splines.
La idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar
nuestra interpolacin.
Cabe mencionar que entre todas, las splines cbicas han resultado ser las ms
adecuadas para aplicaciones como la mencionada anteriormente.
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.

5.3.1 Interpolacin Segmentaria Lineal

Este es el caso ms sencillo. En l, vamos a interpolar una funcin f(x) de la que
se nos dan un nmero N de pares (x,f(x)) por los que tendr que pasar nuestra
funcin polinmica P(x). Esta serie de funciones nuestras van a ser lineales, esto
es, con grado 1: de la forma P(x) = ax + b.
Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un
total de (N-1) funciones, hacindolas pasar obligatoriamente por los puntos que
van a determinarlas, es decir, la funcin P(x) ser el conjunto de segmentos que
unen nodos consecutivos; es por ello que nuestra funcin ser continua en dichos
puntos, pero no derivable en general.
Interpolacin Segmentaria lineal
Ejemplo: Interpolar con splines f(x) = 1 / x , en los puntos en los que x vale 1, 2 y 4
f(1) = 1
f(2) = 0.5
f(4) = 0.25
El primer segmento P1(x) = ax + b deber unir los primeros dos puntos de
coordenadas (1,1) y (0.5,2). Surge un sistema lineal de dos ecuaciones en dos
incgnitas:
(1) 1=a+b
(2) 0.5=2a+b
De (1) se obtiene:
7

a=1-b (3)
Reemplazando (3) en (2) se obtiene:
0.5=2(1-b)+b
luego
b=1.5
Reemplazando el valor de (b) en (1), se obtiene:
a = - 0.5
Por lo tanto, se concluye que: P1(x) = - 0.5x + 1.5 El segundo segmento
P2(x)=ax+b deber unir el segundo punto (0.5,2) con el tercer punto (0.25,4).
Anlogamente a lo hecho para P1(x), en el caso de P2(x) se obtiene:
(1) 0.5 = 2a + b
(2) 0.25 = 4a + b
a = - 0.125, b = 0.75
Luego P2(x) = - 0.125x + 0.75

5.3.2 Interpolacin Segmentaria Cuadrtica

En este caso, los polinomios P(x) a travs de los que construimos el Spline tienen
grado 2. Esto quiere decir, que va a tener la forma P(x) = ax + bx + c
Como en la interpolacin segmentaria lineal, vamos a tener N-1 ecuaciones
(donde N son los puntos sobre los que se define la funcin). La interpolacin
cuadrtica nos va a asegurar que la funcin que nosotros generemos a trozos con
los distintos P(x) va a ser continua, ya que para sacar las condiciones que ajusten
el polinomio, vamos a determinar cmo condiciones:
Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las
dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada
uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la funcin
definida a trozos que pasa por tal punto comn.
Esto sin embargo no es suficiente, y necesitamos una condicin ms. Por qu?.
Tenemos 3 incgnitas por cada P(x). En un caso sencillo con f(x) definida en tres
puntos y dos ecuaciones P(x) para aproximarla, vamos a tener seis incgnitas en
8

total. Para resolver esto necesitaramos seis ecuaciones, pero vamos a tener tan
slo cinco: cuatro que igualan el P(x) con el valor de f(x) en ese punto (dos por
cada intervalo), y la quinta al igualar la derivada en el punto comn a las dos P(x).
Se necesita una sexta ecuacin, de dnde se extrae? Esto suele hacerse con el
valor de la derivada en algn punto, al que se fuerza uno de los P(x).

5.4 Problemas de aplicacin interpolacin

Interpolacin Lineal
Planteamiento del problema.
Estime el logaritmo natural de 2 mediante interpolacin lineal. Primero, realice el
clculo por interpolacin entre ln 1 = 0 y ln 6 = 1.791759.
Despus, repita el procedimiento, pero use un intervalo menor de ln 1 a ln 4
(1.386294).
Observe que el valor verdadero de ln 2 es 0.6931472.
Solucin. Usamos la ecuacin (18.2) y una interpolacin lineal para ln(2) desde
x0=1 hasta x1=6 para obtener

que representa un error: et = 48.3%. Con el intervalo menor desde x0 =1 hasta

x1=4 se obtiene

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

33.3%.
Ambas interpolaciones se muestran en la figura, junto con la funcin verdadera.

Dos interpolaciones lineales para estimar ln 2. Observe cmo el intervalo menor

proporciona una mejor estimacin.

Interpolacin Cuadrtica
Planteamiento del problema.
Ajuste un polinomio de segundo grado a los tres puntos del primer ejemplo:
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1.386294
x2 = 6 f(x2) = 1.791759
Con el polinomio evale ln 2.
Solucin.
Aplicando la ecuacin (b0 = f(x0)) se obtiene
b0 = 0
La ecuacin da

10

El uso de la interpolacin cuadrtica para estimar ln 2. Para comparacin se presenta

tambin la interpolacin lineal desde x = 1 hasta 4.

y con la ecuacin (18.6) se obtiene

Sustituyendo estos valores en la ecuacin (f2(x) = b0 + b1(x x0) + b2(x x0)(x

x1)) se obtiene la frmula cuadrtica
f2(x) = 0 + 0.4620981(x 1) 0.0518731(x 1)(x 4)
que se evala en x = 2 para f2(2)=0.5658444 que representa un error relativo de
et=18.4%. As, la curvatura determinada por la frmula cuadrtica mejora la
interpolacin comparndola con el resultado obtenido antes al usar las lneas
rectas.

Polinomio de interpretacin de Lagrange

Planteamiento del problema. Con un polinomio de interpolacin de Lagrange de
primero y segundo grado evale ln 2 basndose en los datos del ejemplo 18.2:
x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1.386294
x2 = 6 f(x2) = 1.791760
Solucin.
El polinomio de primer grado [ecuacin (18.22)] se utiliza para obtener la
estimacin en x = 2,

11

De manera similar, el polinomio de segundo grado se desarrolla as

Como se esperaba, ambos resultados concuerdan con los que se obtuvieron antes
al usar el polinomio de interpolacin de Newton.

12

Conclusin:
Analizando los ejemplos de los mtodos de interpolacin podremos observar que
el mtodo de interpolacin de Newton tiene las siguientes ventajas: Nos da el
grado del polinomio, los clculos de un grado sirven para el siguiente clculo y es
fcil para clculos manuales. Y el mtodo de interpolacin de Lagrange es fcil de
realizar

13