ANALISIS NÚMERICOS

Interpolación

24 DE JUNIO DE 2019
INSTITUTO TECNOLÓGICO DE ORIZABA
 ANALISIS NÚMERICOS

Indice
3.1 Interpolación lineal ................................................................................................................. 4
3.2 Fórmula de interpolación de Lagrange ................................................................................... 6
3.3 Método de interpolación hacia adelante y hacia atrás de Newton para puntos equidistantes
8
3.5 Uso de herramientas computacionales ................................................................................ 11
Índice de imágenes............................................................................................................................ 14
Conclusión ......................................................................................................................................... 14
Bibliografía ........................................................................................................................................ 14

P á g i n a 1 | 14
 ANALISIS NÚMERICOS

Introducción
Un problema que se presenta con frecuencia en las ciencias
experimentales y en ingeniería es tratar de construir una
función (denominada “función interpolante”) de la que se conoce
una serie de datos (denominados “datos de interpolación”).
Estos datos pueden ser fruto de las observaciones realizadas
en un determinado experimento en el que se relacionan dos o
más variables e involucran valores de una función y/o de sus
derivadas. El objetivo sería determinar una función que
verifique estos datos y que además sea fácil de construir y
manipular. Por su sencillez y operatividad los polinomios se
usan frecuentemente como funciones interpolantes

P á g i n a 2 | 14
ANALISIS NÚMERICOS

P á g i n a 3 | 14
 ANALISIS NÚMERICOS

3.1 Interpolación lineal

La interpolación lineal es un procedimiento muy utilizado para
estimar los valores que toma una función en un intervalo del
cual conocemos sus valores en los extremos:

(x1, f(x1)) y (x2,f(x2))

Para estimar este valor utilizamos la aproximación a la función

f(x) por medio de una recta r(x) (de ahí el nombre de
interpolación lineal, ya que también existe la interpolación
cuadrática). La expresión de la interpolación lineal se obtiene
del polinomio interpolador de Newton de grado uno:

Pasos para hallar la recta de regresión:

1º. Dados los puntos de la función (x1, y1) y (x2, y2), estimar
el valor de la función en un punto x en el intervalo x1<x<x2.
2º. Para hallar la recta de interpolación utilizar la siguiente
imagen.

Ilustración 1. Interpolación lineal

Se utiliza la semejanza de los triángulos ABD y CAE, obteniendo

la siguiente proporcionalidad de segmentos: AB/AC=BD/CE.

3º. Despejar el segmento BD (ya que el punto D es el que

desconocemos) obtenemos:

BD=(AB/AC)∙CE.

P á g i n a 4 | 14
 ANALISIS NÚMERICOS

Traduciendo al lenguaje algebraico obtenemos que:

Y despejando y, obtenemos:

La misma expresión que se obtiene al utilizar el polinomio

interpolador de Newton. Recordando que y1=f(x1) y análogamente
y2=f(x2).

Ejemplo:

En una determinada empresa de conservas se hace un estudio de

los ingresos que se obtienen a partir de los gastos. Estos
datos se recogen en la siguiente tabla (en miles de euros).

A partir de los datos recogidos en la tabla, calcular:

a) Los ingresos que se pueden esperar si hemos realizado un
gasto de 4000 euros.

Cuando x=4, utilizar los datos de la tabla x1=3 y x2=5, cuyos

valores respectivos son f(x1)=10 y f(x2)=14.
Utilizar la fórmula de interpolación mencionada, sustituir los
valores:

Sustituyendo el valor de x=4, se obtiene el valor de ingresos

esperado:
P á g i n a 5 | 14
 ANALISIS NÚMERICOS

Por tanto, si hay un gasto de 4000 euros se obtendrán unos

ingresos de 12000 €.

3.2 Fórmula de interpolación de Lagrange

Ilustración 2. Función de valores específicos

En algunas ocasiones, no se tiene una función continua, sino

valores de la función específicos y(x) para una x dada. A estas
funciones se les conoce como funciones tabulares, y son de la
siguiente forma:

En la práctica tenemos como ejemplo los resultados de

experimentos en un laboratorio, o el censo de la población cada
5 años.

La interpolación requiere el cálculo de los valores de una

función y(x) para argumentos entre en los cuales

se conocen los valores , en otras palabras,

interpolar es recuperar los valores de una función en puntos

P á g i n a 6 | 14
 ANALISIS NÚMERICOS

intermedios dada una tabla de valores de esta función.

Por ejemplo, a veces es imposible o muy costoso hacer

experimentos de laboratorio para valores intermedios de x.
También sería muy costoso hacer un censo de la población cada
año, sin embargo, si tenemos el tamaño de la población en 1980,
1985 y 1990, podemos interpolar para obtener el tamaño de la
población en 1983.

Para poder realizar una interpolación de Newton es necesario

que los valores de las x dadas en la función tabular tengan un
espaciamiento constante mientras que una interpolación de
Lagrange se puede llevar a cabo sin importar si el
espaciamiento es constante o variable.

La interpolación de polinomios de Lagrange es una reformulación

del polinomio de Newton que evita el cálculo de la tabla de
diferencias, el polinomio de Lagrange se expresa como:

Donde:

P es el símbolo de “multiplicatoria” y significa el producto.

Por ejemplo, el polinomio de Lagrange de primer grado es:

Mientras que el polinomio de Lagrange de segundo grado es:

P á g i n a 7 | 14
 ANALISIS NÚMERICOS

En este caso es la y la x es la .
Mientras mas datos se tengan en la tabla, se podrá usar un
polinomio de mayor grado, lo que dará mejores resultados..

3.3 Método de interpolación hacia adelante y hacia atrás de

Newton para puntos equidistantes
Uso de las fórmulas de interpolación de Newton en diferencias
hacia adelante (progresivas) y hacia atrás (regresivas), cuando
los datos están tabulados de forma que la diferencia entre dos
valores consecutivos del vector de abscisas es constante, o
sea, sus valores son equidistantes. Igual que con la fórmula
de Newton en diferencias divididas, la última columna no nula
decide el grado del polinomio de interpolación. oncreto,
utilizando una de las fórmulas, según corresponda.

La fórmula en diferencias progresivas se usa para interpolar

en valores próximos al punto inicial (x0). Es posible si en
los puntos de interpolación las abcisas son equidistantes,o
sea:

siendo h la diferencia constante entre dos abcisas

consecutivas.
Tenemos entonces los puntos de interpolación
(x0,y0),(x1,y1),...,(xn,yn), donde yi=f(xi) y además
xi+1=xi+h, ∀i= 0,1,...,n−1 y podemos escribir:
x1=x0+h⇒x2=x1+h=x0+2h ⇒x3=x0+3h ⇒...xi=x0+ih, i= 0,1,2,...,n.
La expresión del polinomio de interpolación en diferencias
divididas es

Aplicando el lema anterior a e

́sta fórmula obtenemos:

P á g i n a 8 | 14
 ANALISIS NÚMERICOS

Por otra parte haciendo el cambio:

Y sustituyendo en la segunda fórmula:

Con lo cual obtenemos la f

́ormula de Newton en diferencias
finitas progresivas:

Mientras que la fórmula en diferencias regresivas es

conveniente cuando se quiere interpolar en valores próximos al
último de los que aparecen en la tabla (xn). Tambi e
́n en éste
caso las abcisas son equidistantes:

siendo h la diferencia constante entre dos abcisas

consecutivas.

P á g i n a 9 | 14
 ANALISIS NÚMERICOS

Tenemos entonces los puntos de interpolación

(x0,y0),(x1,y1),...,(xn,yn), donde yi=f(xi) y además
xi+1=xi+h, ∀i=0,1,...,n−1 y podemos escribir x1=x0+h
⇒x2=x1+h=x0+2h ⇒x3=x0+3h ⇒...xi=x0+ih, i= 0,1,2,...,n.
Consideramos ahora los puntos de interpolación en el orde
(xn,yn),(xn−1,yn−1),...,(x0,yo) y para e
́ste orden la
expresión del polinomio de interpolación en diferencias
divididas es:

considerando la relación entre diferencias progresivas y

regresivas obtenemos:

Considerando ademas que la diferencia dividida es una función

simétrica de sus argumentos, o sea, que:

Sustituyendo:

Y haciendo el cambio:

P á g i n a 10 | 14
 ANALISIS NÚMERICOS

Tenemos la fórmula de Newton en diferencias regresiva:

3.5 Uso de herramientas computacionales

Se puede tratar de resolver, mediante el uso y utilización
adecuados de programas (software) relativos a los procesos de
aprendizaje de las mismas, preparándonos así para llegar a
procesar e interpretar la información mediante dichos métodos
analíticos y numéricos, lo cual seguramente, nos permitirá
cumplir con calidad y eficacia cualquier trabajo o proyecto
que nos propongamos realizar; así pues, el aprendizaje de
dichas herramientas, constituyen un instrumento apropiado,
para poder adquirir las competencias necesarias en el manejo
de programas computacionales, que nos servirán para realizar
nuestras actividades con mayor facilidad ,eficiencia, rapidez
y profesionalismo.

El uso de las nuevas tecnologías computacionales nos permite

explorar, justificar e ir construyendo nuestro propio
conocimiento y la evolución que ha experimentado el software
matemáticos en los últimos años, nos conduce de manera urgente,

P á g i n a 11 | 14
 ANALISIS NÚMERICOS

a ir aprendiendo las nuevas formas de hacer matemáticas.

Aunque existen numerosos asistentes o paquetes matemáticos,

para facilitar la realización de operaciones y procesos
matemáticos (cálculos gráficos, de funciones de dos o tres
dimensiones, análisis estadístico análisis de sensibilidad en
programación lineal, simulación de problemas, etc.) a
continuación se resumen los más conocidos y utilizados en
matemática:

 MATHEMATICA: incluye un amplio rango de funciones

matemáticas, soporta operaciones de álgebra lineal,
realiza todo tipo de operaciones algebraicas, opera con
funciones, derivadas e integrales y, entre otras muchas
cosas, incorpora un módulo gráfico que tiene salida en
formato. Mathematica es el primer programa para la
computación y visualización numérica, simbólica y
gráfica. Mathematica ofrece a sus usuarios una herramienta
interactiva de cálculo y un versátil lenguaje de
programación para una rápida y precisa solución a
problemas técnicos.

 MATLAB: potente lenguaje de programación de cuarta

generación. Es un programa interactivo que ayuda a
realizar cálculos numéricos, analizando y visualizando
los datos, para resolver problemas matemáticos, físicos,
etc. Matlab trabaja con escalares, vectores y matrices.
MATLAB es un medio computacional técnico, con un gran
desempeño para el cálculo numérico computacional y de
visualización. MATLAB integra análisis numérico,
matrices, procesamiento de señales y gráficas, todo esto
en un ambiente donde los problemas y soluciones son
expresados tal como se escriben matemáticamente.

 DERIVE: El Derive se utiliza para mejorar los resultados

obtenidos con la metodología tradicional. Puede ser
utilizado en la enseñanza de Álgebra Lineal y en el
Cálculo Diferencial e Integral. En algunos casos,
Geometría y Matemática Discreta. El Derive es una potente
calculadora, que puede ser aprovechada para motivar la
introducción de nuevos métodos y conceptos; también para
prevenir la fe ciega en el ordenador. (Ejemplos: discusión

P á g i n a 12 | 14
 ANALISIS NÚMERICOS

de sistemas con parámetros, diagonalización de matrices

de orden superior a cinco para introducir métodos
numéricos.) Derive permite al profesor construir ejemplos
para ilustrar conceptos y métodos, así como proponer
problemas reales.

 MAPLE: permite un ambiente para resolución de problemas

matemáticos complejos que involucran expresiones
algebraicas, simbólicas, cálculos numéricos de alta
precisión e visualización matemática.

 MathCAD: incluye funciones de cálculo y gráficas en dos y

tres dimensiones; puede producir documentos con texto y
gráficas; puede usar un coprocesador matemático en las
máquinas que lo tengan incorporado.

 EXCEL: Microsoft Excel es una potente y a la vez sencilla

hoja de cálculo, en la cual haremos operaciones
matemáticas, científicas y operaciones con datos.

P á g i n a 13 | 14
 ANALISIS NÚMERICOS

Índice de imágenes
Ilustración 1. Interpolación lineal
Ilustración 1. Función de valores específicos

Conclusión
Ingenieros y científicos suponen habitualmente que las
relaciones entre las variables de un problema físico pueden
ser reproducidas de manera aproximada a partir de los datos
extraídos del mismo. La interpolación es el proceso de
determinar una función que represente exactamente una colección
de datos. El tipo más elemental de interpolación, consiste en
ajustar un polinomio a una colección de puntos dados.

Bibliografía
http://bdigital.unal.edu.co/57930/1/TrabajoFinal.pdf
https://matematica.laguia2000.com/general/interpolacion-lineal
http://mna.wikidot.com/interppolin
https://mariellalimn.wordpress.com/2014/05/08/herramientas-
computacionales-para-que-nos-sirven-en-matematicas/
http://test.cua.uam.mx/MN/Methods/Interpolacion/Lagrange/Lagrange.
php

P á g i n a 14 | 14