Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Interpolacion Polinomial
Introduccion
En este tema se da una posible respuesta a una situaci on bastante natural en el ambito
cientco. Investigamos un fen omeno que se est a desarrollando ante nuestros ojos, queremos
estudiarlo, y junto con los modelos previos con que contemos, podemos tomar muestras exper-
imentales. Tenemos una serie de datos a partir de mediciones sobre el mismo. [Naturalmente
hemos hecho una cantidad nita de mediciones.] Queremos extraer informaci on de esos datos.
Esencialmente podemos tratarlo con
1/ tecnicas estadsticas (que continuar an observando el fen omeno de un modo discreto,
es decir, sobre ese conjunto nito de mediciones)
2/ o bien intentandorecrear/reconstruir el fen omeno en su totalidad (en un dominio
continuo de espacio, tiempo o cualquier otra magnitud), con la funci on que represente lo
mejor posible esos datos.
Observese que no se habla necesariamente de ajuste perfecto a los datos obtenidos (de
hecho, es posible que por los aparatos de medici on y sus usuarios haya errores de medici on,
redondeo, truncamiento... que no controlemos siquiera con exactitud la escala de tiempo o
cualquier otra magnitud que haya sido usada como variable independiente...)
Las tecnicas que utilizan funciones continuas y se consideran en este curso son de dos tipos:
a) Curvas de ajuste: c alculo de funciones aproximadas a los datos que tenemos (en alg un
sentido, para cierta distancia), e
b) Interpolacion: c alculo de funciones que pasan (interpolanes el termino matem atico)
exactamente por los puntos se nalados.
La opcion a) ser a tratada en un contexto lineal en la parte de
Algebra (Tema 2), y por
las cuestiones de errores comentadas antes, ser a, en general, m as deseable que la segunda
(de hecho esta va se usa tambien en estadstica cuando se calcula la recta de regresi on, otro
modo de hablar de la recta de mnimos cuadrados).
1
TEMA 3. INTERPOLACI
ON POLINOMIAL
No obstante, la opcion b) tambien tiene utilidad, como veremos por ejemplo al tratar la
integraci on numerica (Tema 4 de C alculo), aunque con ciertos matices tecnicos que precis-
aremos al nal del presente tema.
Interpolar una funci on f : I R R en un conjunto abierto D y en un conjunto
de n + 1 puntos {x
0,
x
1,
. . . , x
n
} I es encontrar otra funci on de manera que sobre estos
puntos, la nueva funci on tome los mismos valores que la funci on original. Es decir, vericando
(x
i
) = f(x
i
) = f
i
, i = 1, . . . , n.
En concreto el problema que planteamos es el siguiente. Consideremos una familia de
funciones reales de variable real x que dependa de n + 1 par ametros, a
0
, a
1
, . . . , a
n
. La
describimos de la forma = (x; a
0
, . . . , a
n
).
El problema de interpolar consiste en determinar estos n + 1 parametros de
manera que para los n + 1 pares ordenados (x
i
, f
i
) con i = 0, . . . , n se verique
= (x
i
; a
0
, . . . , a
n
) = f
i
, i = 1, . . . , n.
Existen motivos tecnicos (fuera del objetivo de este curso), modelado que usamos en el
problema, tipo de soluciones que se quieren buscar con un mejor ajuste, desarrollo por ejemplo
en series de Fourier, o economa de c alculo, entre otros, que nos llevan a usar diferentes tipos
de interpolacion, dependiendo del tipo de funci on que queramos utilizar:
Interpolacion polin omica: es una funci on polin omica de x, es decir
(x; a
0
, . . . , a
n
) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
.
Interpolacion racional: es una funci on racional (cociente de polinomios) de x, es decir
(x; a
0
, . . . , a
n
, b
0
, . . . , b
m
) =
a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
b
0
+ b
1
x + b
2
x
2
+ + b
m
x
m
.
Interpolacion exponencial: es una combinaci on lineal de exponenciales reales, es decir
(x; a
0
, . . . , a
n
, b
0
, . . . , b
n
) = a
0
e
b
0
x
+ a
1
e
b
1
x
+ a
2
e
b
2
x
+ + a
n
e
bnx
.
con b
i
= b
j
si i = j con i, j = 1, . . . , n.
Interpolacion trigonometrica: es una combinaci on lineal de exponenciales imaginarias,
es decir
(x; a
0
, . . . , a
n
) = a
0
+ a
1
e
ix
+ a
2
e
2ix
+ + a
n
e
nix
.
con i =
ON
3.1. Existencia de polinomio de interpolacion
El problema de la interpolacion tiene propiamente tres cuestiones:
Saber si tiene solucion o no.
En caso de tenerla, dicha soluci on es unica o existen varias?
Y nalmente metodos de c alculo lo m as ecientes posibles.
A este respecto en interpolacion polin omica tenemos el siguiente resultado:
Teorema 1. Supongamos conocido el valor de una funci on f(x) en un conjunto de puntos
distintos dos a dos x
0
, x
1
, . . . , x
n
. Entonces, existe un unico polinomio P(x)
n
[x] (esto es,
polinomios de grado menor o igual que n) que interpola a la funci on en esos puntos, es decir,
P(x
i
) = f(x
i
) con i = 0, . . . , n.
La prueba mas directa (con el coste de unos leves conocimientos de algebra) consiste en
plantear el sistema lineal de ecuaciones (ahora las inc ognitas son los coecientes del polinomio
P buscado) y darse cuenta de que es un sistema compatible determinado al tener matriz de
coecientes de tipo Van der Monde (con los x
i
distintos dos a dos) y por tanto invertible.
Otra forma inmediata de ver la unicidad de soluci on al problema consiste en imaginar la
existencia de dos polinomios P y Q de grado n satisfaciendo la tesis del teorema. Entonces
P Q es otro polinomio de grado n con n + 1 ceros, y eso conduce inevitablemente a que
P Q 0.
Completamos este razonamiento con dos respuestas (en las siguientes secciones) de exis-
tencia de solucion, ambas constructivas.
3.2. Interpolacion de Lagrange.
Este metodo es el mas explcito para probar existencia de soluci on ya que la construye.
Sin embargo su utilidad se reduce a eso: a dar una respuesta formal y razonada, pues no es
eciente en terminos de c alculo (requiere muchas operaciones y tiene limitaciones tecnicas
que despues nombraremos).
Para calcular el polin omio interpolador P(x) asociado a una tabla de datos (x
i
, f
i
) con i =
0, . . . , n podemos plantearnos una simplicaci on previa: que ocurre si construimos polinomios
l
i
(x) de grado n que valgan 1 en el nodo x
i
y 0 en el resto?
l
i
(x
k
) =
ik
=
1 si i = k,
0 si i = k.
Es inmediato que con esto se resuelve el problema original, tomando la suma de esos n + 1
polinomios de grado n (con coecientes adecuados): P(x) =
n
k=0
f
k
l
k
(x).
Es posible encontrar tales l
i
(x)? Si damos el polinomio factorizado para que tenga en
cada nodo x
j
(con j = i) una raz, el candidato es
(x x
0
)(x x
1
) . . . (x x
i1
)(x x
i+1
) . . . (x x
n
) =
n
j=0
j=i
(x x
j
).
Ingeniera Tecnica
Forestal
3 Fundamentos Matem aticos
Curso 2004/05
TEMA 3. INTERPOLACI
ON POLINOMIAL
Lo unico que no conseguimos es que en x
i
valga 1, para ello hay que normalizar la funci on
anterior.
As, nalmente la formula de interpolaci on de Lagrange es
P(x) =
n
k=0
f
k
l
k
(x), l
k
(x) =
n
j=0
j=k
x x
j
x
k
x
j
, k = 0, . . . , n.
Los polinomios l
k
(x) reciben el nombre de polinomios de Lagrange.
Ejemplo 2. Hallar el polinomio de grado menor o igual que 3 que interpola los siguientes
datos:
x
i
1 3 5 6
f
i
2
3
1 1 0
La ventaja de este metodo es que es directo:
P(x) =
2
3
(x 3)(x 5)(x 6)
(1 3)(1 5)(1 6)
+
(x 1)(x 5)(x 6)
(3 1)(3 5)(3 6)
(x 1)(x 3)(x 6)
(5 1)(5 3)(5 6)
+ 0
(x 1)(x 3)(x 5)
(6 1)(6 3)(6 5)
= (x 6)
2
3
(x 3)(x 5)
40
+
(x 1)(x 5)
12
+
(x 1)(x 3)
8
.
Por contra, tiene un inconveniente y es que la forma obtenida es mala para operar: para
sumarlo con otra funci on, para derivar, integrar, etc. Por lo que la respuesta es s olo formal y
hay que realizar mucho c alculo para obtener la expresi on nal en la forma a
0
+a
1
x +a
2
x
2
+
. . . + a
n
x
n
(aqu, hasta n = 3).
De hecho hay otro inconveniente, m as sutil que el anterior.
Es natural que en el contexto de mediciones y experimentos que nombr abamos en la
introduccion del tema se incorporen nuevos datos. Que ocurre si nos dan otro dato m as
(x
n+1
, f
n+1
)? A traves de esta va hay que construir todos los polinomios de Lagrange de
nuevo! (lo realizado antes es trabajo in util).
Ambos motivos nos conducen a replantear el problema por otra va m as eciente.
3.3. Polinomios de interpolacion con diferencias divididas de
Newton
Cualquier polinomio de
n
[x] se puede expresar en forma unica como una combinaci on
lineal de los monomios {1, x, x
2
, . . . , x
n
}, pues son evidentemente sistema generador y adem as
linealmente independientes (luego forman una base del espacio vectorial), la m as simple de
hecho, la base can onica.
Esta base, que es adecuada para algunas manipulaciones inmediatas de polinomios como
nombr abamos en la secci on anterior (derivaci on e integraci on por ejemplo), no es, sin embar-
go, la mas adecuada para construir en principio el polinomio interpolador.
Ingeniera Tecnica
Forestal
4 Fundamentos Matem aticos
Curso 2004/05
3.3. POLINOMIOS DE INTERPOLACI
0
(x) = 1,
1
(x) = (x x
0
),
2
(x) = (x x
0
)(x x
1
),
3
(x) = (x x
0
)(x x
1
)(x x
2
),
.
.
.
n
(x) = (x x
0
)(x x
1
)(x x
2
) (x x
n1
),
Este conjunto es otra base del espacio de
n
[x] por tener n + 1 elementos linealmente in-
dependientes (observese que con este metodo cada problema requiere una base distinta, en
funci on de los nodos x
i
que nos dan, y que el c alculo de cada
j
sirve para el siguiente.)
Antes de desarrollar el metodo en abstracto, recuperamos el ejemplo anterior a modo
introductorio:
Ejemplo 3. Dados los pares
x
i
1 3 5 6
f
i
2
3
1 1 0
usamos en
3
[x] la siguiente
1
base {1, x 1, (x 1)(x 3), (x 1)(x 3)(x 5)}.
Buscamos un polinomio P(x) = c
0
+c
1
(x1) +c
2
(x1)(x3) +c
3
(x1)(x3)(x5)
tal que P(x
i
) = f
i
para x
0
, . . . , x
3
. La elecci on de esta base nos permite hallar los coecientes
c
i
directamente ya que en cada paso conocemos todos los coecientes que aparecen menos el
ultimo:
P(1) =
2
3
c
0
=
2
3
,
P(3) = 1 c
0
+ c
1
(3 1) = 1 c
1
=
1
6
,
P(5) = 1 c
0
+ 4c
1
+ 8c
2
= 1 c
2
=
7
24
,
P(6) = 0 c
0
+ 5c
1
+ 15c
2
+ 15c
3
= 0 c
3
=
23
120
.
Por tanto P(x) =
2
3
+
x 1
6
7
24
(x 1)(x 3) +
23
120
(x 1)(x 3)(x 5).
No podemos evitar tener que operar un poco para llegar a expresar el polinomio en la base
can onica:
P(x) =
23
120
x
3
121
60
x
2
+
689
120
x
13
7
.
Pero los c alculos son menos que los realizados con los interpoladores de Lagrange.
Es m as, si tuvieramos un nodo m as en la lista, no resulta inconveniente para el metodo
empleado, se ampliara la base con el elemento (x 1)(x 3)(x 5)(x 6) y se escribira la
siguiente igualdad P(x
4
) = f
4
para despejar c
4
.
1
Observese que es indiferente que los nodos esten ordenados o no por sus valores.
Ingeniera Tecnica
Forestal
5 Fundamentos Matem aticos
Curso 2004/05
TEMA 3. INTERPOLACI
ON POLINOMIAL
Damos a continuacion un algoritmo (que da ttulo a la secci on) que permite calcular direc-
tamente los c
j
sin necesidad de plantear las igualdades P(x
j
) = f
j
. El polinomio interpolador
(para el problema general) se expresa de la forma
P(x) =
n
j=0
c
j
j
(x).
Imponiendo ahora las condiciones de interpolaci on P(x
i
) = f
i
para i = 0, 1, . . . , n llegamos a
un sistema lineal de ecuaciones para los coecientes c
j
, es decir
n
j=0
c
j
j
(x
i
) = f
i
, i = 0, 1, . . . , n.
En dicho sistema lineal la matriz del sistema A = (a
ij
) = (
j
(x
i
)) es triangular inferior,
puesto que
j
(x) =
j1
k=0
(x x
k
) =
j
(x
i
) =
j1
k=0
(x
i
x
k
) = 0 si i j 1.
Como hemos visto en el ejemplo, es directo resolver el sistema lineal por sustituci on hacia
adelante. Obtenemos los coecientes c
j
y comprobamos trivialmente que c
0
s olo depende de
f
0
, c
1
s olo de f
0
y f
1
, c
2
s olo de f
0
, f
1
y f
2
, y as sucesivamente. Una forma de indicar esta
dependencia es mediante la siguiente notaci on: denimos
c
j
:= f[x
0
, x
1
, . . . , x
j
], para j = 0, 1, . . . , n
que se conocen como diferencias divididas de f. En concreto, el polinomio interpolador
adopta la forma
P(x) = f[x
0
] + f[x
0
, x
1
](x x
0
) + f[x
0
, x
1
, x
2
](x x
0
)(x x
1
) + +
+f[x
0
, x
1
, . . . , x
n
](x x
0
)(x x
1
) (x x
n1
).
Veamos un ejemplo para el caso de interpolaci on de Newton con dos abscisas x
0
y x
1
. El
polinomio interpolador de grado uno se puede escribir de la forma
P(x) = c
0
0
(x) + c
1
1
(x) = c
0
+ c
1
(x x
0
),
de manera que interponiendo las condiciones de interpolaci on P(x
i
) = f
i
para i = 0, 1,
obtenemos el sistema triangular inferior siguiente
1 0
1 (x
1
x
0
)
c
0
c
1
f
0
f
1
ON POLINOMIAL
En la pr actica se trata de dar una estimaci on a priori sobre el parecido del polinomio
interpolador obtenido a partir de las mediciones hechas, y el fen omeno real (representado
aqu por f, aunque propiamente no la conozcamos).
A este respecto se tiene el siguiente resultado, que nos dice que si tomando cierto n umero
de puntos de interpolacion el factorial vence a la funci on (y sus derivadas, es decir, que
tengamos una cota) y al producto de los nodos indicado, entonces la aproximaci on ser a buena
[recprocamente, para funciones poco regulares, o que oscilen mucho y no haya buenas cotas
de sus derivadas, la funci on f y el polinomio interpolador no ser an parecidos].
Teorema 4. Sea f una funci on de clase C
n+1
([a, b]), y sea P un polinomio de grado menor
o igual que n que interpola a la funci on f en los siguientes n + 1 puntos distintos dos a
dos x
0
, x
1
, . . . , x
n
en el intervalo [a, b]. Entonces, para cualquier x [a, b], existe un punto
x
(a, b) tal que
f(x) P(x) =
f
(n+1)
(
x
)
(n + 1)!
n
i=0
(x x
i
).
La prueba es simple, y merece ser comentada aunque s olo sea para ver una aplicaci on del
Teorema de Rolle visto en el Tema 1 (una funci on derivable que toma los mismos valores en
los extremos de un intervalo tiene un cero de la derivada en su interior).
Tomamos la funci on
q() = (f() P())
n
i=0
(x x
i
) + (P(x) f(x))
n
i=0
( x
i
),
que tiene n + 2 ceros, los nodos de interpolaci on, y el punto de abscisa x. Por tanto posee
n+1 intervalos donde aplicar el resultado anterior, y as mismo la derivada tendr a n interva-
los donde repetir el razonamiento... los puntos concretos no los conocemos ni los necesitamos
para establecer el resultado. Simplemente repetimos n + 1 derivadas (recuerdese que la vari-
able es ) llegando con q
(n+1)
(
x
) = 0 [la derivada n + 1 de un polinomio de grado n es cero,
y la de un polinomio de grado n + 1 de coeciente lder 1 es (n + 1)!] a la tesis anunciada.
En general, no es aconsejable efectuar interpolaci on polin omica con muchas abscisas de
interpolacion x
0
, x
1
, . . . , x
n
(el resultado previo nos exigira un gran control sobre la funci on y
muchas de sus derivadas). Una de las razones de esta armacion es la siguiente. Supongamos
que la funci on f(x) es continua en el intervalo [a, b] y que P
n
(x) es su polinomio interpolador
en las abscisas a = x
0
, x
1
, . . . , x
n
= b. Entonces, en general no es cierto que se verique la
convergencia puntual siguiente
lm
n
P
n
(x) = f(x) x [a, b].
C. Runge propuso en 1901 el siguiente ejemplo: Sea P
n
(x) el polinomio interpolador sobre
n + 1 abscisas equiespaciadas de la funci on f(x) =
1
1 + x
2
en el intervalo [5, 5]. Entonces
P
n
(x) converge puntualmente cuando n hacia f(x) si |x| < 3,63 . . . y diverge en caso
contrario.
Una conclusi on interesante (y pr actica en el an alisis numerico) es por tanto la contraria:
en vez de tomar muchos nodos sobre un unico intervalo en el que generar un unico polinomio
Ingeniera Tecnica
Forestal
8 Fundamentos Matem aticos
Curso 2004/05
3.4. AN