Interpolacin

El concepto surge, por ejemplo, cuando disponemos de datos que

provienen de mediciones experimentales o estadsticos, puesto que
queremos determinar la evolucin general de estos datos con el
objetivo de estimar/predecir los valores que no conocemos.
Por ejemplo, esto ocurre si tenemos partes de una imagen fotogrfica
y queremos reconstruir la imagen completa.
Buscamos una funcin (llamada funcin interpolante) que toma
valores predeterminados en algunos puntos. Notemos que otra
aplicacin de la interpolacin es la aproximacin de funciones dadas.
Normalmente se utilizan funciones de un tipo predeterminado
(polinomios, funciones trigonomtricas, etc) dando lugar a diferentes
mtodos de interpolacin.
Estudiaremos la interpolacin polinmica.

Objetivo de los mtodos numricos

Es aproximar el valor numrico de objetos matemticos usando un nmero

finito de operaciones aritmticas.
Algunos ejemplos tpicos del tipo de problema que abordan los mtodos
numricos son los siguientes:
1. Evaluar 5, 6 28, sin(0.361),(0.853)0.71 .
2. Aproximar un valor de x que cumpla sin x + ex = 0.

3. Aproximar el valor de

1 sin

4. Conocidos los valores de la tabla

f(0.07),

0.2

0.1

0.2

F(x)

0.5

1,7

2.3

aproximar el valor de

. , f (0.07).

5. Si y = y(x) cumple

=
(0) = 0

aproximar y(0.1), y(0.2), y(0.3)

INTERPOLACIN POLINOMIAL
Una de las mas conocidas clases de funciones reales de variable real es la
clase de los polinomios algebraicos, o sea, el conjunto de funciones de la
forma f(x) = a0 + a1x + a2x2 + a3x3 + ... + anxn
donde n es un entero no negativo y a0, a1, a2,..., an son constantes reales.
Una razn primordial de su importancia es que aproximan uniformemente
funciones continuas; esto es,
Dada una funcin definida y continua en un intervalo cerrado, existe un
polinomio que est tan cerca de la funcin dada como se desee.
Teorema de Aproximacin de Weierstrass:
Si f est definida y es continua en [a,b], dado > 0, existe un polinomio P,
definido en [a, b], con la propiedad que| f(x)-P(x) | < para toda x [a; b].
Ver Figura.

Porque considerar a los polinomios en la aproximacin de funciones?:

- Porque es sencillo determinar la derivada y la integral indefinida de cualquier
polinomio y el resultado es otra vez un polinomio.
Los polinomios se usan con frecuencia para aproximar otras funciones que se conoce
o se supone son continuas.

POLINOMIO DE LAGRANGE
Planteo del problema
Sea f(x) la funcin que se quiere interpolar y se supone conocida en un conjunto de
puntos x0,x1,x2,, xn:
y0 = f(x0)
y1 = f(x1)
y2 = f(x2)

yn = f(xn)

La interpolacin de Lagrange consiste en encontrar un polinomio de grado n, P(x)

(polinomio de interpolacin de Lagrange), que pase por los puntos dados. Dicho
polinomio cumple las condiciones:
P(x0) = y0
P(x1) = y1
P(x2) = y2
.
P(xn) = yn

Caso Lineal
Vamos a comenzar por plantearnos el caso de interpolar mediante una
lnea recta que une 2 puntos cualesquiera.
La ecuacin de la recta que pasa por los puntos (x0, y0) y (x1,y1) es la que
presentamos a continuacin:
0
= = 0 + 1 0
1 0
Vamos a tratar de reescribir la misma expresin tal cual lo hizo Lagrange:
( 1 )
( 1 )
1 = 0
+ 1
= 0 0 + 1 1
(0 1 )
(1 0 )
(1 )
0 1 )

Con 0 = (

(0 )
,
1 0 )

Con 1 = (

, :

Cuando = 0 , 0 0 = 1 1 0 = 0 1 0 = 0
Cuando = 1 , 0 1 = 0 1 1 = 1 1 1 = 1

Caso General: Polinomio de grado n

Teorema 1: Si x0, x1, x2,..., xn son (n+1) nmeros diferentes y f es una
funcin cuyos valores estn dados en estos puntos, entonces existe un
nico polinomio P de grado n con la propiedad de que :
f(xk) = P(xk) para cada k = 0,1, 2,....,n
Este polinomio est dado por:

P(x) = f(x0)L0(x) + f(x1)L1(x) + f(x2)L2(x) +.+ f(xn)Ln(x) = =0 f(xi)Li(x)

Demostracin
Por una serie de n+1 puntos pasa un polinomio de grado n que, lo podemos expresar
en funcin de sus races y tiene la siguiente forma:
= 0 ( 1 ) ( 2 ) ( )+1 ( 0 ) ( 2 ) ( )++ ( 0 ) ( 1) (
1 ) ( +1 )...( )+ + 1 ( 0 )( 1 ) ( 2) ( )
+1 )...( ) + ( 0 )( 1 ) ( 2 ) ( 1 )

Los coeficientes del polinomio se determinan haciendo cumplir las condiciones:

P(x0) = y0
P(x1) = y1
P(x2) = y2
.

P(xn) = yn

Obtenemos que
0 =

0 1

(1 )
(0 )
1 =
1 0 1 2 (1 )
0 2 (0 1 )

2 =

2 0

(2 )
2 1 (2 )

En general:
=

( )
0 1 1 +1 ( )

( )

=0 ( )

Luego se debe calcular un trmino residual o cota para el error involucrado en la aproximacin de una funcin
mediante un polinomio interpolante. Esto se hace en el teorema siguiente:

Teorema 2:
Si x0, x1, x2,..., xn son puntos distintos en [a, b] y si f es derivable hasta
el orden (n+1) en [a,b], entonces, para cada x en [a, b], existe un
nmero (x) en (a,b) tal que:
= +

+1
+1 !

( 0 ) 1 ( )

donde P(x) es el polinomio interpolante. El segundo trmino

corresponde a la frmula del error. Esta frmula es un resultado
terico importante, su uso prctico est restringido a funciones cuyas
derivadas tengan cotas conocidas.

Ejemplo 1:

La tabla muestra los valores de una funcin en diversos puntos. Compararemos las
aproximaciones a f(1,5) obtenidas con varios polinomios de Lagrange.

Aproximacin por Interpolacin lineal:

Como x = 1; 5 se
1 encuentra entre 1,3 y 1,6, el polinomio lineal utilizar x0 = 1,3 y x1 = 1,6
1 =

= 0 0 + 1 1
=0

:
1 1,5 = 0,6200860

(1,5 1,6)
(1,5 1,3)
+ 0,4554022
= 0,5102968
(1,3 1,6)
(1,6 1,3)

Aproximacin por polinomio de segundo grado

Suponemos que x0 = 1,3 ; x1 = 1,6 y x2 = 1,9
2

2 =

= 0 0 + 1 1 + 2 2
=0
(1,51,6) (1,51,9)

(1,51,3) (1,51,9)

(1,51,6) (1,51,3)

2 1,5 = 0,6200860 (1,31,6) (1,31,9) + 0,4554022 (1,61,3) (1,61,9)+0,2818186(1,91,6) (1,91,3) = 0,5112857

Aproximacin por polinomio de grado 3:

Suponemos que x0 = 1,3; x1 = 1,6; x2 = 1,9 y x3 = 2,2
3

3 =

= 0 0 + 1 1 + 2 2 + 3 3
=0

3 1,5 = 0,6200860

(1,51,6) (1,51,9) (1,52,2)

+
(1,31,6) (1,31,9) (1,32,2)

(1,51,3) (1,51,6) (1,52,2)

0,4554022

(1,51,3) (1,51,9) 1,52,2

(1,61,3) (1,61,9) (1,62,2)

(1,51,3) (1,51,6) (1,51,9)

0,2818186(1,91,3) (1,91,6) (1,92,2) +0,1103623(2,21,3) (2,21,6) (2,21,9) = 0,5118302

 4 :
0 = 1,0, 1 = 1,3, 2 = 1,6, 3 = 1,9 4 =2,2

4 =

3
=0

= 0 0 + 1 1 + 2 2 ()+ 3 3 ()+ 4 4 ()
(1,51,3)(1,51,6)(1,51,9)(1,52,2)

(1,51,0)(1,51,6)(1,51,9)(1,52,2)

1,5 = 0,7651977 (1,01,3)(1,01,6)(1,01,9))(1,02,2) 0,6200860 (1,31,30(1,31,6)(1,31,9))(1,32,2)+

(1,51,0)(1,51,3)(1,51,9)(1,52,2)

(1,51,0)(1,51,3)(1,51,6)(1,52,2)

0,4554022 (1,61,0)(1,61,3)(1,61,9))(1,62,2) 0,2818186 (1,91,0)(1,91,3)(1,91,6))(1,92,2)

Desventajas del mtodo

La cantidad de clculos necesaria para una interpolacin es grande.
La interpolacin para otro valor de x necesita la misma cantidad de
clculos adicionales, ya que no se pueden utilizar partes de la
aplicacin previa.
Cuando el nmero de datos tiene que aumentar o disminuir, no se
pueden utilizar los resultados de los clculos previos.
Aumentar el nmero de datos en el intervalo no implica mejora en los
resultados.
La evaluacin del error no es fcil.

Problemas con interpolacin Fenmeno de Runge

Supongamos que dado un intervalo [a; b] lo vamos subdividiendo en ms
y ms puntos, ms concretamente tomemos:
( )
= + = 0,1,2,3, . . , =

y supongamos que construimos con estos puntos el polinomio de

interpolacin Pn(x) para una funcin dada f, esto es, que Pn(xi) = f(xi),
para estos n puntos.

lim = ?

 La respuesta es negativa. En realidad, al aumentar el nmero de

puntos se mejora la aproximacin en la parte central del intervalo,
pero la diferencia entre la funcin y el polinomio interpolador puede
aumentar rpidamente en los extremos. No es bueno hacer
demasiado extenso el intervalo de interpolacin, ya que adems de
aumentar el nmero de operaciones con la consecuente acumulacin
de errores, podemos aumentar la prdida de precisin en los
extremos. Este fenmeno es conocido como fenmeno de Runge.

 : =

1
[5,5]
1 + 2

Si construimos el polinomio de interpolacin Pn(x) en este intervalo, entonces seguro que

no hay convergencia en los puntos donde |x| > 3,63. El problema parece que se tuerce,
pero por otro lado se vuelve ms interesante. Resulta que para ciertas funciones, por
ejemplo para f(x) = ex, si hay convergencia. Pero para otras no. El problema con estas
ltimas es que sus derivadas van creciendo demasiado en el intervalo considerado, esto
es lo que sucede con esta funcin de Runge, que pareca al principio bastante inofensiva.
En las figuras siguiente se demuestra este comportamiento.

Demostracin del fenmeno de Runge en interpolacin por

Lagrange
Caso1: Polinomio de Grado 2

Caso 2: polinomio de grado 4

Caso 3: Polinomio de grado 10

Caso 4: Polinomio de grado 20

Caso 5: Polinomio de grado 50

Interpolacin de Newton en puntos con separacin no uniforme:

Esta forma es especialmente adecuada para realizar los clculos
manualmente. Adems, permite incorporar nuevos puntos de
interpolacin sin tener que rehacer todos los clculos.
Los mtodos para determinar la representacin explcita de un polinomio
interpolante a partir de datos tabulados se conocen como Diferencias
Divididas.

Tambin pueden usarse para derivar tcnicas para aproximar las soluciones
de ecuaciones diferenciables.

 Supongamos que Pn es el polinomio de Lagrange de grado n que

coincide con la funcin f en los nmeros distintos x0,x1,,xn se pueden
derivar demostrando que Pn tiene la representacin:
= 0 +1 ( 0 ) ( 1 ) +.+ ( 0 ) ( 1 ) ( 1 )

Con constantes apropiadas a0,a1,,an

Evaluando en 0 :
0 = (0 )=f(0 )

Evaluando x1:

(0 ) + 1 (1 0 ) = (1 )=(1 )

 As que:

1 (0 )
1 =
1 0
Introducimos lo que se conoce como notacin de diferencia dividida.
La diferencia dividida cero de la funcin f, con respecto a , se
denota por f[ ] que es la evaluacin de f en .
f[ ]= f( )
La primera diferencia dividida de f con respecto a y +1 es:

f[ , +1 ] =

[+1 ][ ]
+1

Cuando las (k-1) diferencias divididas

f[ , +1 , +2 , , +1 ] =

[+1,+2 ,,+ ][,+1 ,..,+1 ]

+

 Con esta ecuacin:

1 =

1 0
1 0

= [0 , 1 ]

Y el polinomio interpolante
= 0 +1 ( 0 )+.+ ( 0 ) ( 1 ) ( 1 )
= [0 ]+[0 , 1 ]( 0 ) +[0, 1 , 2 ]( 0 )( 1 )+ + [0 , 1 , , ]( 0 )( 1 )...( 1 )

O como:

= [0 ] +

[0 , 1,, ]( 0 ) ( 1 )
=1

Que es la formula de diferencias divididas de Newton

La determinacin de las diferencias divididas para puntos de datos
tabulados se bosqueja en la tabla siguiente. Se podran encontrar dos
cuartas diferencias y una quinta a partir de estos datos

F(x)

X0

F[X0]

Primeras diferencias

f[X0, X1]=
X1

f[X0,X1, X2]=

X3

f[X1, X2,X3]=

f[X2,X3,X4,]=

X4

f[X3, X4,X5]=
f[X5, X4]=

X5

F[X5]

f[X5]f[X4]
5 4

f[X1X2,X3]f[X0X1,X2]
3 0

f[X1,X2,X3, X4]=

f[X2,X3,X4]f[X1,X2,X3]
4 1

f[X2,X3, X4,X5]=

f[X3,X4,X5]f[X2,X3,X4]
5 2

f[X3,X4]f[X2,X3]
4 2

f[X4]f[X3]
4 3

F[X4]

f[X0X1,X2,X3]=
f[X2,X3]f[X1,X2]
3 1

f[X3]f[X2]
3 2

F[X3]
f[X4, X3]=

f[X1,X2]f[X0,X1]
2 0

f[X2]f[X1]
2 1

F[X2]

f[X2, X3]=

Terceras diferencias divididas

f[X1]f[X0]
1 0

F[X1]

f[X1, X2]=
X2

Segundas diferencias
divididas

f[X4,X5]f[X3,X4]
5 3

 Los coeficientes de la frmula de las diferencias divididas progresivas

del polinomio interpolante de Newton se encuentran a lo largo de la
diagonal de la tabla.
4 = 0 +

=1 [ 0 , 1 ,,

]( 0 )( 1 )

Ejemplo: Calcular el polinomio interpolador de la tabla

X

y
1
3
-1
Hemos obtenido la tabla de diferencias divididas
X0=0

F[x0]=1

X1=1

F[x1]=3

F[x0,x1]=2

X2=3

F[x2]=-1

F[x1,x2]=-2

F[x0,x1,x2]=-4/3

El interpolador es: P2(x) = f[x0] + f [x0, x1] (x x0) + f [x0, x1, x2] (x x0)(x x1), en nuestro caso:
4

2 = 1 + 2 0 3 ( 0 )( 1 ) 2 = 1 + 2 3 ( 1)
El polinomio 2 es de grado 2. En los toma los valores:
2 0 = 1,

2 1 = 1 + 2 = 3,
4
2 3 = 1 + 6 . 6 = 7 8 = 1,
3
Se trata, por lo tanto del polinomio interpolador