ii

Notas de Métodos Numéricos.

Versión 1.0 – 23 de octubre de 2019.

Carlos Reales M.
creales@correo.unicordoba.edu.co
Departamento de de Matemáticas y Estadística
Universidad de Córdoba

Paquete de Prueba
iii
Esta página fue dejada intencionalmente blanca
 Índice general

1 Interpolación Polinomial Página 3

1.1 Polinomios de Lagrange 5

1.2 Polinomio de Newton 9

1.3 Interpolación por funciónes spline cúbicas 19

1.4 Derivación Numérica 24

1.5 Ejercicios 28
Esta página fue dejada intencionalmente blanca
 1 Interpolación Polinomial

El concepto de interpolación está basado en la idea de obtener una función p, que

aproxime una función desconocida f de la cual conocemos su valor sólo en un con-
junto finito de números distintos x0 , x1 , . . . , xn . Intuitivamente para que p esté cerca
de f , es natural pedirle que coincida con f en los puntos x0 , x1 , . . . , xn .

Sean px0 , y0q, px1 , y1q, . . . , pxn , yn q, n ` 1 puntos en el plano, tales que xi ‰ xj si
i ‰ j. Diremos que el polinomio ppxq “ a0 ` a1 x ` ¨ ¨ ¨ ` am xm , interpola al conjunto
de datos, si
ppxi q “ yi , i “ 0, . . . , n.
Dado que se tienen m ` 1 parámetros independientes a0 , . . . , am y n ` 1 condiciones
sobre p, es razonable considerar m “ n. El sistema de ecuaciones que resuelve este
problema de interpolación está dado por
$
2 n
& a0 ` a1 x0 ` a2 x0 ` ¨ ¨ ¨ ` an x0 “ y0
’
..
’ .
a0 ` a1 xn ` a2 x2n ` ¨ ¨ ¨ ` an xnn “ yn
%

Teorema 1.0.1. Dados n ` 1 puntos px0 , y0q, . . . , pxn , yn q tales que xi ‰ xj , i ‰ j,

entonces existe un único polinomio p, de grado menor o igual a n, tal que

ppxi q “ yi , i “ 0, . . . , n.
4 Interpolación Polinomial

El teorema anterior garantiza la existencia y unuicidad del polinomio interpolante.

La demostración del teorema se fundamenta en el hecho de que el determinante de la
matriz asociada al sistema de ecuaciones que resuelve el problema de interpolación
está dado por ź
pxi ´ xj q,
0ďjăiďn

que es evidentemente distinto de cero. Del mismo modo, encontrar el polinomio

interpolante pasa por resolver un sistema de ecuaciones, como se muestra en el
siguiente ejemplo.

Ejemplo 1.0.1. Supongamos que queremos calcular f p1,5q y solo se conocen los
valores de la función f en algunos los puntos como se muestra en la siguiente tabla

x 0 1 2
f pxq 1 3 7

El Teorema 1.0.1 nos garantiza la existencia y unicidad del polinomio de segundo

grado p2 pxq “ ax2 ` bx ` c que interpiola a f pxq en dichos nodos. Para obtener este
polinomio debemos resolver el siguiente el sistema
$
& c“1
a`b`c “ 3
4a ` 2b ` c “ 7
%

cuya solución es a “ b “ c “ 1 por lo que P pxq “ x2 ` x ` 1. Podemos ahora

interpolar el valor de f p1,5q “ P p1,5q “ 4,75.

El ejemplo anterior fue sencillo ya que el sistema a resolver era pequeño. Esto habi-
tualmente no pasa y se deben resolver sistemas de ecuaciones mas grandes con todas
las complicaciones que esto trae. En las secciones siguientes explicaremos tres formas
de calcular el polinomio interpolante sin tener que resolver sistemas de ecuaciones

1.1 Polinomios de Lagrange

Interpolación Polinomial 5

Una manera de calcular el polinomio de interpolación p, sin tener que resolver un

sistema de ecuaciones, es a través de los polinomios de Lagrange ℓi , con i “ 0, . . . , n
asociados a los puntos x0 , . . . , xn . Estos polinomios de grado n estń definidos por
n ˆ ˙
ź x ´ xj
ℓi pxq :“ , i “ 0, . . . , n.
j“0
xi ´ xj
j­“i

Notar que ellos satisfacen la relación :

"
1, si i “ j,
ℓi pxj q “ i, j “ 0, . . . , n.
0, si i ­“ j,

El conjunto tℓ0 , ℓ1 , . . . , ℓn u es una base del espacio de polinomios de grado menor o

igual a n. Gracias a esto existen escalares α0 , α1 , . . . , αn P R tales que el polinomio
de interpolación p se puede escribir de la siguiente manera:

ppxq “ α0 ℓ0 pxq ` α1 ℓ1 pxq ` ¨ ¨ ¨ ` αn ℓn pxq .

Debido a las propiedades de los polinomios de Lagrange es inmediato ver que αo “ y0 ,

α1 “ y1 , . . . , αn “ yn , es decir

ppxq “ y0 ℓ0 pxq ` y1 ℓ1 pxq ` ¨ ¨ ¨ ` yn ℓn pxq .

Sea f : R Ñ R una función tal que yi “ f pxi q, i “ 0, 1, . . . , n. Una manera

de aproximar la función f es a través del polinomio de interpolación, respecto a
x0 , . . . , xn , el que en este caso está dado por
n
ÿ
pn pxq “ f pxi qℓi pxq, n “ 0, 1, . . .
i“0

Ejemplo 1.1.1. Considere la siguiente tabla de valores de una función f

x 1 2 3 4
f pxq 0 -1 2 -5
6 Interpolación Polinomial

Los polinomios de Lagrange para dicho soporte vienen dados por

px ´ 2qpx ´ 3qpx ´ 4q 1
ℓ0 pxq “ “ ´ px3 ´ 9x2 ` 26x ´ 24q
p1 ´ 2qp1 ´ 3qp1 ´ 4q 6

px ´ 1qpx ´ 3qpx ´ 4q 1
ℓ1 pxq “ “ px3 ´ 8x2 ` 19x ´ 12q
p2 ´ 1qp2 ´ 3qp2 ´ 4q 2
px ´ 1qpx ´ 2qpx ´ 4q 1
ℓ2 pxq “ “ ´ px3 ´ 7x2 ` 14x ´ 8q
p3 ´ 1qp3 ´ 2qp3 ´ 4q 2
px ´ 1qpx ´ 2qpx ´ 3q 1
ℓ3 pxq “ “ px3 ´ 6x2 ` 11x ´ 6q
p4 ´ 1qp4 ´ 2qp4 ´ 3q 6
Por lo que

7 98
P pxq “ f px0 qℓ0 pxq ` f px1 qℓ1 pxq ` f px2 qℓ2 pxq ` f px3 qℓ3 pxq “ ´ x3 ` 16x2 ´ x` 19.
3 3

Teorema 1.1.1. Sean x0 , . . . , xn nmeros reales distintos y f una función real n ` 1

veces continuamente diferenciable en el intervalo I “ pa, bq, donde a “ mı́ntx0 , . . . , xn u
y b “ máxtx0 , . . . , xn u. Entonces, para cada x P ra, bs, existe ξx P I tal que
n
ÿ px ´ x0 q ¨ ¨ ¨ px ´ xn q pn`1q
Epxq :“ f pxq ´ f pxi qℓi pxq “ f pξx q.
i“0
pn ` 1q!

Ejemplo 1.1.2. Supongamos que x0 ď x ď x1 , es decir ra, bs “ rx0 , x1 s. Sea h :“

x1 ´ x0 , entonces

px ´ x1 q px ´ x0 q
ppxq “ f px0 q ` f px1 q .
px0 ´ x1 q px1 ´ x0 q

Luego
f 2 pξx q
f pxq ´ ppxq “ px ´ x0 qpx ´ x1 q x0 ă ξx ă x1 ,
2
h2
así, como px ´ x0 qpx ´ x1 q ď @x P rx0 , x1 s ejercicio, entonces
4
M 2
máx |f pxq ´ ppxq| ď h, M :“ máx |f 2 pxq| .
xPra,bs 8 xPra,bs
Interpolación Polinomial 7

1.2 1.2

1 1

0.8
0.8

0.6
0.6
0.4
0.4
0.2

0.2
0

0 −0.2

−0.2 −0.4
1 1.5 2 2.5 3 3.5 4 1 1.5 2 2.5 3 3.5 4

(a) Polinomio ℓ0 (b) Polinomio ℓ1

1.2 1.2

1 1

0.8
0.8

0.6
0.6
0.4
0.4
0.2

0.2
0

−0.2 0

−0.4 −0.2
1 1.5 2 2.5 3 3.5 4 1 1.5 2 2.5 3 3.5 4

(c) Polinomio ℓ2 (d) Polinomio ℓ3

2

−1

−2

−3

−4

−5
1 1.5 2 2.5 3 3.5 4

(e) Polinomio P3 pxq

Figura 1.1: Polinomios de Lagrange

8 Interpolación Polinomial

Obsérvese que los polinomios de Lagrange dependen unicamente de los nodos y no

de los valores de la función. Así pues, si queremos interpolar cualquier función en
los nodos t1, 2, 3, 4u los polinomios de Lagrange son los mismos del ejemplo anterior
debiendo modificar unicamente los valores de f pxi q, i “ 0, 1, 2, 3 en la expresión

P3 pxq “ f px0 qℓ0 pxq ` f px1 qℓ1 pxq ` f px2 qℓ2 pxq ` f px3 qℓ3 pxq

Sin embargo, el cálculo de los polinomios de Lagrange no es un proceso dinámico en

el sentido de que si añadieramos un nuevo punto al soporte, habrá que comenzar de
nuevo todo el proceso. Por esta razón, existen otras formas de calcular el polinomio
interpolante que tienen en cuenta esta situacioón (agregar o quitar nodos) como lo
veremos en la siguiente sección.

Ejemplo 1.1.3. Escriba un programa en Matlab que evalue en un número real x el

polinomio de Lagrange de grado n que interpola los puntos px0 , y0 q, px1 , y1 q, ¨ ¨ ¨ , pxn , yn q.
Testee el programa con el ejemplo 1.0.1.

El programa requerido es el siguiente:

function y=lagrange(x,puntosx,puntosy)
n=size(puntosx,2);
L=ones(n,size(x,2));
for i=1:n
for j=1:n
if (i~=j)
L(i,:)=L(i,:).*(x-puntosx(j))/(puntosx(i)-puntosx(j));
end
end
y=0;
for i=1:n
y=y+puntosy(i)*L(i,:);
end
end
Interpolación Polinomial 9

>> xpuntos=[0 1 2];

>> ypuntos=[1 3 7];

>> lagrange(1.5,xpuntos,ypuntos)

ans =

4.7500

1.2 Polinomio de Newton

Teorema 1.2.1. El polinomio de interpolación de una función f pxq en los nodos

x0 , x1 , . . . , xn es de la forma
P pxq “ c0 ` c1 px ´ x0 q
` c2 px ´ x0 qpx ´ x1 q
` c3 px ´ x0 qpx ´ x1 qpx ´ x2 q
..
.
` cn px ´ x0 qpx ´ x1 qpx ´ x2 q ¨ ¨ ¨ px ´ xn´1 q
donde los coeficientes c0 , c1 , . . . , cn dependen de x0 , x1 , . . . , xn y los valores que toma
la función en dichos puntos f0 “ f px0 q, . . . , fn “ f pxn q.
Demostración 1.2.1. Como el polinomio P pxq interpola la función en los nodos,
se tiene que
P px0 q “ f0 , entonces c0 “ f0
f1 ´ f0
P px1 q “ f1 , entonces f1 “ f0 ` c1 px1 ´ x0 q y así c1 “
x1 ´ x0
f1 ´ f0
P px2 q “ f2 , entonces f2 “ f0 ` px2 ´ x0 q ` c2 px2 ´ x0 qpx2 ´ x1 q
x1 ´ x0
10 Interpolación Polinomial

luego, c2 puede determinarse de manera única y depende de x0 , x1 , x2 , f0 , f1 y f2 . Si

suponemos que ck´1 depende de x0 , . . . , xk´1 , f0 , . . . , fk´1 y dado que

P pxk q “ fk “ c0 ` c1 pxk ´ x0 q ` ¨ ¨ ¨ ` ck pxk ´ x0 q ¨ ¨ ¨ pxk ´ xk´1 q,

entonces
1
ck “ rfk ´ c0 ´ ¨ ¨ ¨ ck´1 pxk ´ x0 q ¨ ¨ ¨ pxk ´ xk´2 qs,
pxk ´ x0 q ¨ ¨ ¨ pxk ´ xk´1 q
por lo que ck puede determinarse de manera única y depende de x0 , x1 , . . . , xk y
f0 , f1 , . . . , fk .

En lo que sigue utilizaremos la notación ck “ f rx0 , x1 , . . . , xk s, con lo que el polino-

mio quedará de la forma

P pxq “ f rx0 s ` f rx0, x1 spx ´ x0 q ` ¨ ¨ ¨` f rx0, x1 , . . . , xn spx ´ x0 qpx ´ x1 q ¨ ¨ ¨ px ´ xn´1 q

(1.1)
y quedará determinado una vez que se determinen los valores de los coeficientes
f rx0 , x1 , . . . , xk s con k “ 0, 1, . . . , n.
Vamos a estudiar, a continuación, dos métodos para calcular dichos coeficientes, que
son conocidos como el de las diferencias divididas y el de las diferencias finitas.
Teorema 1.2.2. Para cualquiera sea k “ 0, 1, . . . , n se verifica que
f rx1 , . . . , xk s ´ f rx0 , . . . , xk´1 s
f rx0 , x1 , . . . , xk s “
xk ´ x0
siendo f rxi s “ fi para 0 ď i ď n.
Demostración 1.2.2. Obsérvese que f rx0 , x1 , . . . , xk s es el coeficiente ck del tér-
mino de mayor grado del polinomio de interpolación de la función f pxq en los nodos
tx0 , x1 , . . . , xk u. Basta ir haciendo tomar a k los valores de 0 a n para que la Pro-
posición 3.3 nos justifique el resultado.
Ejemplo 1.2.1. Calculemos, por el método de las diferencias divididas de Newton,
el polinimio de interpolación de la función f pxq que toma los valores {0,1,-1,2} en
los nodos {1,3,4,5}. Teniendo en cuenta que

f rxi s “ fi
f rx1 , . . . , xk s ´ f rx0 , x1 , . . . , xk´1 s
f rx0 , x1 , . . . , xk s “
xk ´ x0
Interpolación Polinomial 11

obtenemos:
f rx1 s ´ f rx0 s f1 ´ f0 1´0 1
f rx0 , x1 s “ “ “ “
x1 ´ x0 x1 ´ x0 3´1 2
f rx2 s ´ f rx1 s f2 ´ f1 ´1 ´ 1 2
f rx1 , x2 s “ “ “ “´
x2 ´ x1 x2 ´ x1 4´3 1
f rx3 s ´ f rx2 s f3 ´ f2 2 ´ p´1q 3
f rx2 , x3 s “ “ “ “
x3 ´ x2 x3 ´ x2 5´4 1
f rx1 , x2 s ´ f rx0 , x1 s ´2 ´ 1{2 5
f rx0 , x1 , x2 s “ “ “´
x2 ´ x0 4´1 6
f rx2 , x3 s ´ f rx1 , x2 s 3 ´ p´2q 5
f rx1 , x2 , x3 s “ “ “
x3 ´ x1 5´3 2
f rx1 , x2 , x3 s ´ f rx0 , x1 , x2 s 5{2 ´ p´5{6q 5
f rx0 , x1 , x2 , x3 s “ “ “
x3 ´ x0 5´1 6
Que podemos disponer en la siguiente tabla:

xi f rxi s f rxi , xi`1 s f rxi , xi`1 , xi`2 s f rxi , xi`1 , xi`2 , xi`3 s
1 0
1{2
3 1 ´5{6
´2{1 5{6
4 ´1 5{2
3{1
5 2

Por lo que el polinomio de interpolación es

1 5 5 1
P pxq “ px´1q´ px´1qpx´3q` px´1qpx´3qpx´4q “ p5x3 ´45x2 `118x´78q
2 6 6 6

La ventaja de este método es que si ahora añadimos un nuevo punto en los nodos,
sólo habrá que añadir una nueva fila en la tabla que teniamos elaborada para calcular
el coeficiente f rx0 , x1 , x2 , x3 , x4 s y determinar el polinomio

Qpxq “ P pxq ` f rx0 , x1 , x2 , x3 , x4 spx ´ 1qpx ´ 3qpx ´ 4qpx ´ 5q

12 Interpolación Polinomial

Ejemplo 1.2.2. Supongamos que añadimos el punto x4 “ 7 con f4 “ f px4 q “ 3 en

los nodos del Ejemplo 1.2.1. Para obtener el nuevo polinomio bastará con completar
la tabla

xi f rxi s f rxi , xi`1 s f rxi , xi`1 , xi`2 s f rxi , xi`1 , xi`2 , xi`3 s f rxi , xi`1 , xi`2 , xi`3 , xi`4 s
1 0
1{2
3 1 ´5{6
´2{1 5{6
4 ´1 5{2 ´5{18
3{1 ´5{6
5 2 ´5{6
1{2
7 3

Resultando que el polinomio de interpolación es ahora

5 1
Qpxq “ P pxq´ px´1qpx´3qpx´4qpx´5q “ ´ p5x4 ´80x3 `430x2 ´889x`534q
18 18
Teorema 1.2.3. Dado el conjunto de nodos x0 , x1 , . . . , xn , existe un punto c del
intervalo rx0 , xn s tal que el coeficiente f rx0 , . . . , xn s para una función f pxq n veces
derivable y con derivada n-ésima continua, viene dado por
f pnq pcq
f rx0 , x1 , . . . , xn s “
n!
Demostración 1.2.3. Sean Pn pxq y Pn´1 pxq los polinomios de interpolación de la
función f pxq en los nodos x0 , x1 , . . . , xn y x0 , x1 , . . . , xn respectivamente. Sabemos
que
Pn pxq “ Pn´1 pxq ` f rx0 , x1 , . . . , xn spx ´ x0 q ¨ ¨ ¨ px ´ xn´1 q
y además (veáse el Teorema 3.2)
f pnq pξq
f pxq “ Pn´1 pxq “ px ´ x0 q ¨ ¨ ¨ px ´ xn´1 q.
n!
Sustituyendo x por xn tenemos :
f pnq pξq
f pxn q “ Pn´1 pxn q “ pxn ´ x0 q ¨ ¨ ¨ pxn ´ xn´1 q
n!
Interpolación Polinomial 13

y dado que f pxn q “ fn “ Pn pxn q, se tiene que:

f pnq pξq
Pn pxn q ´ Pn´1 pxn q “ pxn ´ x0 q ¨ ¨ ¨ pxn ´ xn´1 q
n!
Definición 1.2.1 (Diferencias Finitas). Dados y0 , y1, . . . , yn se definen las diferen-
cias finitas ∆k yi como

∆yi “ yi`1 ´ yi ∆k yi “ ∆p∆k´1 yi q

Así por ejemplo, para y0 , y1 , y2, y3 se tendrían:

∆y0 “ y1 ´ y0
∆2 y0 “ ∆y1 ´ ∆y0
∆y1 “ y2 ´ y1 ∆3 y0 “ ∆2 y1 ´ ∆2 y0
∆2 y1 “ ∆y2 ´ ∆y1
∆y2 “ y3 ´ y2
Cuando de trabaja con un soporte regular los coeficientes f rx0 , . . . , xk s pueden cal-
cularse de forma más rápida utilizando el "método de las diferencias finitas"
Teorema 1.2.4 (Método de Diferencias Finitas). Sea x0 , x1 , . . . , xn un conjunto de
nodos en el que xi`1 ´ xi “ h cualquiera sea i “ 0, 2, . . . , n ´ 1 y sea fi “ f pxi q
los valores que toma una función f pxq en dicho soporte. Para cualquier valor de
k “ 1, 2, . . . , n, es:
∆k f0
f rx0 , . . . , xk s “ k
h ¨ k!
Demostración 1.2.4. Haremos inducción en k. Para k “ 1 sabemos que f rx0 , x1 s “
f1 ´f0
x1 ´x0
“ ∆f
h¨1!
0
, lo que prueba que el Teorema se cumple para k “ 1. Supongamos que
el Teorema es valido para k y probemos que tambien lo es para k ` 1.
f rx1 , . . . , xk`1 ´ f rx0 , . . . , xk ss
f rx0 , . . . , xk s “
xk`1 ´ x0
k
∆ f1 ∆k f0
´
“ h ¨ k! h ¨ k!
k k

k¨h
∆ f1 ´ ∆k f0
k
“ k
h ¨ k! ¨ k ¨ h
∆k`1 f0
“ k`1
h ¨ pk ` 1q!
14 Interpolación Polinomial

El polinomio de interpolación de f pxq en un conjunto de nodos x0 , x1 , . . . , xn es, por

tanto:
´ x ´ x ¯ ∆2 f ´ x ´ x ¯ ´ x ´ x ¯
0 0 0 1
Pn pxq “ f0 ` ∆f0 ` ` ¨¨¨
h 2! h h
∆n f0 ´ x ´ x0 ¯ ´ x ´ xn´1 ¯
` ¨¨¨
n! h h
Teniendo en cuenta que x ´ xk “ x ´ px0 ` k ¨ hq “ px ´ x0 q ´ k ¨ h, podemos poner
´ x ´ x ¯ ∆2 f ´ x ´ x ¯ ´ x ´ x ¯
0 0 0 1
Pn pxq “ f0 ` ∆f0 ` ` ¨¨¨
h 2! h h
∆n f0 ´ x ´ x0 ¯ ´ x ´ x0 ¯
` ¨¨¨ ´ pn ´ 1q
n! h h
por lo que, si denotamos por t “ x´xh
0
, se tiene que

∆f0 ∆2 f0 ∆n f0
Pn pxq “ f0 ` t` tpt ´ 1q ` ¨ ¨ ¨ ` tpt ´ 1q ¨ ¨ ¨ pt ´ pn ´ 1qq
1! 2! n!
Es decir: ˆ ˙ ˆ ˙ ˆ ˙
t t 2 t
Pn pxq “ f0 ` ∆f0 ` ∆ f0 ` ¨ ¨ ¨ ` ∆n f0
1 2 n
Ejemplo 1.2.3. Sea f pxq una función que toma los valores t3, 45, 175, 441u en los
nodos t2, 4, 6, 8u.
Las diferencias finitas vienen dadas por

fi ∆fi ∆2 fi ∆3 fi
3 42 88 48
45 130 136
175 266
441

por lo que
ˆ ˙ ˆ ˙ ˆ ˙
t t t
P3 pxq “ 3 ` 42 ` 88 ` 48
1 2 3
“ 3 ` 42t ` 44tpt ´ 1q ` 8tpt ´ 1qpt ´ 2q
con t “ px´2q{2, de donde se obtiene que el polinomio de interpolación de la función
f pxq en dichos nodos es P3 pxq “ x3 ´ x2 ´ x ` 1.
Interpolación Polinomial 15

Obsérvese que si aumentamos el soporte en un número bastará, al igual que ocurría

con el método de las diferencias divididas, con completar la tabla que ya tenemos
realizada para obtener la diferencia finita del orden siguiente y añadir un sumando
a la expresión del polinomio interpolador.

Ejemplo 1.2.4. Si añadimos el punto 10 al soporte del Ejemplo 3.6 con f p10q “ 915
completamos la tabla

fi ∆fi ∆2 fi ∆3 fi ∆4 fi
3 42 88 48 24
45 130 136 72
175 266 208
441 474
915

ˆ ˙
t
y obtenemos que P4 pxq “ P3 pxq ` ∆4 f0 “ P3 pxq ` tpt ´ 1qpt ´ 2qpt ´ 3q, entonces
4
1
P4 pxq “ x3 ´ x2 ´ x ` 1 ` px ´ 2qpx ´ 4qpx ´ 6qpx ´ 8q,
16
luego,
1 4 1 3 31 2
P4 pxq “ x ´ x ` x ´ 26x ` 25
16 4 4

En este momento cabe la pregunta: Cuándo debemos realizar la interpolación de

Lagrange y cuándo la de Newton?. La respuesta es facil: Si queremos calcular el
polinomio de interpolación de varias funciónes en un mismo conjunto de puntos
tx0 , x1 , . . . , xn u, utilizaremos los polinomios de Lagrange, ya que no dependen de la
función a interpolar sino sólo del conjunto de puntos. Ahora, si lo que queremos es
interpolar una función en un determinado soporte e ir añadiendo puntos a éste úl-
timo, ovbiamente utilizaremos la interpolación de Newton. Pero aqui es importante
distinguir dos casos: si los tx0 , x1 , . . . , xn u, no son equiespaciados utilizaremos el mé-
todo de las diferencias divididas y si lo son, utilizaremos el método de las diferencias
finitas.

Ejemplo 1.2.5. Deseamos encontrar el polinomio interpolante de los puntos

16 Interpolación Polinomial

x 1 1.3 1.6 1.9 2.2

f pxq 0.1411 -0.6878 0.9962 -0.5507 0.3115

donde f pxq “ sinp3xq, y estimar f p1,5q. Los polinomios de Lagrange para dicho
soporte vienen dados por

px ´ 1,3qpx ´ 1,6qpx ´ 1,9qpx ´ 2,2q

ℓ0 pxq “
p1 ´ 1,3qp1 ´ 1,6qp1 ´ 1,9qp1 ´ 2,2q

px ´ 1qpx ´ 1,6qpx ´ 1,9qpx ´ 2,2q

ℓ1 pxq “
p1,3 ´ 1qp1,3 ´ 1,6qp1,3 ´ 1,9qp1,3 ´ 2,2q
px ´ 1qpx ´ 1,3qpx ´ 1,9qpx ´ 2,2q
ℓ2 pxq “
p1,6 ´ 1qp1,6 ´ 1,3qp1,6 ´ 1,9qp1,6 ´ 2,2q
px ´ 1qpx ´ 1,3qpx ´ 1,6qpx ´ 2,2q
ℓ3 pxq “
p1,9 ´ 1qp1,9 ´ 1,3qp1,9 ´ 1,6qp1,9 ´ 2,2q
px ´ 1qpx ´ 1,3qpx ´ 1,6qpx ´ 1,9q
ℓ4 pxq “
p2,2 ´ 1qp2,2 ´ 1,3qp2,2 ´ 1,6qp2,2 ´ 1,9q
El polinomio interpolante estara dado por

P4 pxq “ 0,1411ℓ0 pxq ´ 0,6878ℓ1pxq ` 0,9962ℓ2pxq ´ 0,5507ℓ3 pxq ` 0,3115ℓ4 pxq

y P4 p1,5q “ ´0,977381481481481 « ´0,977530117665097 “ f p1,5q

Interpolación Inversa

Como la nomenclatura implica, los valores de f pxq y x en la mayoría de los problemas

de interpolación son las variables dependiente e independiente, respectivamente. En
consecuencia, los valores de las x con frecuencia están espaciados uniformemente.
Un ejemplo simple es una tabla de valores obtenida para la función f pxq “ 1{x.

x 1 2 3 5 6 7
f pxq 1 0.5 0.3333 0.25 0.1667 0.1429
Interpolación Polinomial 17

1.5

p4 (x)
1
sin(3x)
0.5

−0.5

−1

−1.5
0 0.5 1 1.5 2 2.5 3

Ahora suponga que usted debe usar los mismos datos, pero que se le ha dado un
valor de f pxq y debe determinar el valor correspondiente de x. Por ejemplo, para los
datos anteriores, suponga que se le pide determinar el valor de x que corresponda
af pxq “ 0,3. En tal caso, como se tiene la función y es fácil de manipular, la respuesta
correcta se determina directamente,x “ 1{0,3 “ 3,3333.

A ese problema se le conoce como interpolación inversa. En un caso más compli-

cado, usted puede sentirse tentado a intercambiar los valores f pxq y x [es decir,
tan sólo graficar x contra f pxq] y usar un procedimiento como la interpolación de
Lagrange para determinar el resultado. Por desgracia, cuando usted invierte las va-
riables no hay garantía de que los valores junto con la nueva abscisa [las f pxq] estén
espaciados de una manera uniforme. Es más, en muchos casos, los valores estarán
"condensados". Es decir, tendrán la apariencia de una escala logarítmica, con algu-
nos puntos adyacentes muy amontonados y otros muy dispersos. Por ejemplo, para
f pxq “ 1{x el resultado es

f pxq 0.1429 0.1667 0.2 0.25 0.3333 0.5 1

X 7 6 5 4 3 2 1

Tal espaciamiento no uniforme en las abscisas a menudo lleva a oscilaciones en el

18 Interpolación Polinomial

resultado del polinomio de interpolación. Esto puede ocurrir aun para polinomios
de grado inferior.

Una estrategia alterna es ajustar un polinomio de interpolación de orden n-ésimo,fn pxq,

a los datos originales [es decir, con f pxq contra x]. En la mayorá de los casos, como
las x están espaciadas de manera uniforme, este polinomio no estará mal condicio-
nado. La respuesta a su problema, entonces, consiste en encontrar el valor de x que
haga este polinomio igual al dado por f pxq. Así, el problema de interpolación se
reduce a un problema de raíces!
Por ejemplo, para el problema antes descrito, un procedimiento simple sería ajustar
los tres puntos a un polinomio cuadrático: (2, 0.5), (3, 0.3333) y (4, 0.25), cuyo
resultado será
f2 pxq “ 1,08333 ´ 0,375x ` 0,041667x2
En este caso simple, la fórmula cuadrática se utiliza para calcular
a
0,375 ˘ p´0,375q2 ´ 4p0,041667q0,78333 5.704158
x“ “
2p0,041667q 3 295842
Así, la segunda raíz, 3.296, es una buena aproximación al valor verdadero: 3.333. Si
se desea una exactitud adicional, entonces podría emplear un polinomio de tercer o
cuarto grado junto con uno de los métodos para la localización de raíces analizado
en la parte dos.

Fenómeno de Runge

Se podria pensar que si aumentamos el numero de nodos la aproximación (y por

ende, si aumentamos el grado del polinomio) a la función original obtenemos un
mejor resultado ya que se podria reducir la distancia de la función al polinomio
interpolante, esto es:
lı́m |f pxq ´ Pn pxq| “ 0.
nÝÑ8
Lo anterior no es cierto. Lo que si es cierto es que cuando aumenta el numero de
nodos se mejora al aproximacion en la parte central del intervalo, pero la diferencia
entre la función y el polinomio interpolador puede aumentar. En efecto, al realizar
una interpolación polinomial para un valor de n grande con puntos xi equiespa-
ciados, se puede comprobar que se producen grandes oscilaciones del polinomio de
Interpolación Polinomial 19

interpolación p entre dos puntos consecutivos, especialmente cerca de los extremos

del intervalo de interpolación ra, bs.
1
Ejemplo 1.2.6. Dada la función f pxq “ , ´5 ď x ď 5, consideremos el
1 ` x2
polinomio de grado 10 que interpola f en los puntos xi “ ´5, ´4, ´3, . . . , 5.

2
p5 (x)
1.5
p10 (x)
f (x)
1

0.5

−0.5
−5 −4 −3 −2 −1 0 1 2 3 4 5

Una estrategia efectiva que evita esta situación consiste en construir funciónes de
interpolación polinomial por tramos (pedazos), en particular las interpolantes spline
cúbicas.

1.3 Interpolación por funciónes spline cúbicas

El objetivo de la interpolación spline cúbica es obtener una fórmula de interpolación

que es continua tanto en la primera como en la segunda derivada, dentro de los
intervalos y en los puntos de interpolacion. Esto nos dará una función suave de
interpolación. En general, si la función que desea aproximar es suave los splines
20 Interpolación Polinomial

cúbicos hacen un mejor trabajo que la interpolación lineal a trozos. Dados n ` 1

puntos px0 , y0q, . . . , pxn , yn q tales que x0 ă x1 ă . . . ă xn . Una función Spxq es
una interpolante spline cúbica en rx0 , xn s, si existen polinomios S0 , S1 , . . . , Sn´1, de
grado a lo más 3, tales que:

Spxq “ Sk pxq, en rxk , xk`1 s, k “ 0, 1, ¨ ¨ ¨ , n ´ 1,

Sk pxk q “ yk , Sk pxk`1 q “ yk`1,

1
Sk´1 pxk q “ Sk1 pxk q “ S 1 pxk q, k “ 1, ¨ ¨ ¨ , n ´ 1,
2
Sk´1 pxk q “ Sk2 pxk q “ S 2 pxk q, k “ 1, ¨ ¨ ¨ , n ´ 1.

Las dos últimas propiedades quieren decir que los polinomios Sk tienen la misma
pendiente y concavidad en los nodos de acoplamiento. Esto garantiza la suavidad
de s en rx0 , xn s.

En particular, cada Sk2 es lineal e interpola a pxk , σk q y pxk`1 , σk`1 q en rxk , xk`1 s,
donde σk :“ S 2 pxk q. En consecuencia:
x ´ xk`1 x ´ xk
Sk2 pxq “ σk ` σk`1 ,
xk ´ xk`1 xk`1 ´ xk
con k “ 0, 1, ¨ ¨ ¨ , n ´ 1.

Si hk :“ xk`1 ´xk , con k “ 0, 1, ¨ ¨ ¨ , n´1, entonces integrando dos veces Sk2 , tenemos
σk pxk`1 ´ xq3 ` σk`1 px ´ xk q3
Sk pxq “ ` λk pxq,
6hk
donde λk , con k “ 0, 1, ¨ ¨ ¨ , n ´ 1, son polinomios de grado 1, que se pueden escribir
de la forma
λk pxq :“ Ak px ´ xk q ` Bk pxk`1 ´ xq,
donde Ak y Bk son constantes determinadas por las relaciones Sk pxk q “ yk y
Sk pxk`1 q “ yk`1, es decir ellas se determinan despejando su valor de las ecuaciones
σk 2
yk “ h ` Bk hk ,
6 k
σk`1 2
yk`1 “ h ` Ak hk .
6 k
Interpolación Polinomial 21

Despejando Ak y Bk , y reemplazando dichos valores en el polinomio de Sk , obtenemos

σk pxk`1 ´ xq3
„ 
Sk pxq “ ´ hk pxk`1 ´ xq
6 hk
σk`1 px ´ xk q3
„ 
` ´ hk px ´ xk q
6 hk
„  „ 
xk`1 ´ x x ´ xk
`yk ` yk`1 ,
hk hk
k “ 0, 1, ¨ ¨ ¨ , n ´ 1.

Los valores σk están determinados por el último conjunto de condiciones que falta
por verificar y que caracterizan a la spline cúbica, a saber que la derivada es continua.
Es decir, se debe verificar que S 1 resulte continua en cada xk . Para ello derivamos el
polinomio Sk obteniendo
3pxk`1 ´ xq2 σk`1 3px ´ xk q2
„  „ 
1 σk
Sk pxq “ ´ ` hk ` ´ hk
6 hk 6 hk

yk`1 ´ yk
` , k “ 0, 1, ¨ ¨ ¨ , n ´ 1.
hk

1
Luego, como Sk´1 pxk q “ Sk1 pxk q, k “ 1, ¨ ¨ ¨ , n ´ 1 (continuidad de S 1 ), se tiene que

σk´1 2σk yk ´ yk´1 2σk σk`1 yk`1 ´ yk

hk´1 ` hk´1 ` “´ hk ´ hk ` ,
6 6 hk´1 6 6 hk

para k “ 1, . . . , n ´ 1. Es decir, tenemos un sistema de ecuaciones lineales:

" *
yk`1 ´ yk yk ´ yk´1
hk´1 σk´1 ` 2phk´1 ` hk qσk ` hk σk`1 “6 ´
hk hk´1

con k “ 1, . . . , n ´ 1, constituido por n ´ 1 ecuaciones y n ` 1 incógnitas : σ0 , . . . , σn .

Para resolver este sistema, por ejemplo podemos asignar valores arbitrarios a las
incógnitas σ0 y σn , reduciendo así el número de incógnitas a n ´ 1. Cuando se toma
22 Interpolación Polinomial

σ0 “ σn “ 0, la interpolante que se obtiene se denomina spline cúbica natural.

Escribiendo las ecuaciones de manera matricial para la spline cúbica natural, se
obtiene el siguiente sistema tridiagonal, con matriz simétrica y definida positiva.

» fi» fi » fi
a1 b1 σ1 d1
— b1 a2 b2 ffi — σ2 ffi — d2 ffi
ffi — .. ffi — .. ffi
— ffi— ffi — ffi
. . . . . . ffi— . ffi “ 6— . ffi
. . .
—
—
— ffi— ffi — ffi
– bn´3 an´2 bn´2 fl –σn´2 fl –dn´2 fl
bn´2 an´1 σn´1 dn´1

donde
ak “ 2phk´1 ` hk q,

yk`1 ´ yk yk ´ yk´1
dk “ ´ , k “ 1, . . . , n ´ 1,
hk hk´1
bk “ hk , k “ 1, . . . , n ´ 2,

Ejemplo 1.3.1. Consideremos nuevamente la función f del fenómeno de Runge.

Si calculamos la spline cúbica natural S que interpola a f en los puntos xi “
´5, ´4, ´3, . . . , 5 , obtenemos

1./(1+x2)
2
Puntos
Exacta
Lagrange
1.5
Spline

0.5

−0.5
−5 −4 −3 −2 −1 0 1 2 3 4 5
Interpolación Polinomial 23

Ejemplo 1.3.2. Obtenga la ecuación del spline cúbico natural que interpola la
siguiente tabla
x -1 0 1
y 1 2 -1

Solución. Nuestro objetivo es determinar los parametros a, b, c, d, e, f , g, y h de

manera Spxq sea un spline cúbico natural, donde

S0 psq “ ax3 ` bx2 ` cx ` d x P r´1, 0s

"
Spxq “
S1 psq “ ex3 ` f x2 ` gx ` h x P r0, 1s

donde los dos polinomios cúbicos son S0 pxq y S1 pxq. Por estas condiciones de inter-
polación, tenemos las siguientes condiciones Sp´1q “ S0 p´1q “ ´a ` b ´ c ` d “ 1,
Sp0q “ S0 p0q “ d “ 2, Sp0q “ S1 p0q “ h “ 2, y Sp1q “ S1 p1q “ e ` f ` g ` h “ ´1.
Tomando la primera derivada, obtenemos
" 1
1 S0 psq “ 3ax2 ` 2bx ` c
S pxq “
S11 psq “ 3ex2 ` 2f x ` g

De la condición de continuidad de S 1 , tenemos S01 p0q “ S11 p0q, y hacemos c “ g.

Despues, tomamos segunda derivada para obtener
" 2
2 S0 psq “ 6ax ` 2b
S pxq “
S12 psq “ 6ex ` 2f

De la condición de continuidad de S 2 , tenemos S02 p0q “ S12 p0q, y hacemos b “ f .

Para que S sea un spline cúbico natural, debemos tener S02 p´1q “ 0 y S12 p1q “ 0,
y obtenemos 3a “ b y 3e “ ´f . De todas estas ecuaciones, obtenemos a “ ´1,
b “ ´3, c “ ´1, d “ 2, e “ 1, f “ ´3, g “ ´1 y h “ 2.

Teorema 1.3.1 (Suavidad del spline). Si S es una función spline cubica natural
que interpola una función f dos veces continuamente diferenciable en los nodos
a “ t0 ă ¨ ¨ ¨ ă tn “ b, entonces
żb żb
2
rS pxqs dx ő rf 2 pxqs2 dx
2
a a

Demostración 1.3.1. Para verificar el acotamiento de la integral de rS 2 pXqs2, sea

gpxq “ f pxq ´ Spxq

24 Interpolación Polinomial

tal que gpti q “ 0 para 0 ő i ő n, y

f 2 “ S 2 ` g2

Ahora żb żb żb żb
2 2 2 2 2 2
pf q dx “ pS q dx ` pg q dx ` 2 S 2 g 2 dx
a a a a

Si la ultima integral fuera 0, habriamos terminado porque

żb żb żb żb
2 2 2 2 2 2
pf q dx “ pS q dx ` pg q dx ő pS 2 q2 dx
a a a a

Aplicamos integración por partes en la integral en cuestión para demostra que es 0.

Tenemos żb żb żb
2 1 b
2 2 3 1
S g dx “ S g |a ´ S g dx “ ´ S 3 g 1 dx
a a a
ż ż
udv “ uv ´ vdu

Aqui, hemos usado el hecho de que S es un spline cúbico natural, esto es S 2 paq “ 0
y S 2 pbq “ 0. Continuando, tenemos
żb n´1
ÿ ż ti`1
3 1
S g dx “ ci S 3 g 1dx
a i“0 ti

Como S es un polinomio cúbico en cada intervalo rti , ti`1 s, su tercera derivada debe
ser una constante, digamos ci . Entonces
żb n´1
ÿ ż ti`1 n´1
ÿ
3 1 1
S g dx “ ci g dx “ ci rgpti`1q ´ gpti qs “ 0
a i“0 ti i“0

porque g se anula en cada nodo.

1.4 Derivación Numérica

Interpolación Polinomial 25

En esta seccion estudiaremos como aproximar numericamente la derivada de una

función.Aunque sabemos calcular la derivada de función, en muchas ocasiones no
conocemos la forma analitica de dicha función y solo disponemos de un conjunto
de datos discretos (valores de la función en unos puntos preestablecidos). Incluso,
existen casos donde se conoce analiticamente la derivada de una función pero su
forma hace que los calculos exactos requieren una gran catidad de evaluaciones por
lo que una aproximación numérica sea mas aconsejable.

En la solución numérica de ecuaciones diferenciales ordinarias o parciales la solución

suele representarse como una aproximación discreta que se define en una partición
del dominio. Tenemos que ser capaces de evaluar la derivada de la solución en esa
particion por lo que se debe disponer de aproximaciones de la derivada.

Primeras derivadas usando series de Taylor

En ocasiones anteriores ya hemos considerado aproximaciones de la derivada de una

función, como cuando pasamos del método de Newton al método de la secante. En
ese caso aproximabamos la derivada así

f pxk q ´ f pxk´1 q
f 1 pxk q « .
xk ´ xk´1

Cuando h es pequenõ se suele escribir

f px ` hq ´ f pxq
f 1 pxq « . (1.2)
h
Veamos que tan precisa es esta aproximación de la derivada. El Teorema de Taylor
nos permite escribir
1
f px ` hq “ f pxq ` hf 1 pxq ` h2 f 2 pξq
2
para ξ entre x y x ` h. Reescribiendo esta relación obtenemos

f px ` hq ´ f pxq 1 2
f 1 pxq “ ´ hf pξq. (1.3)
h 2
26 Interpolación Polinomial

La ecuación (1.3) muestra que el error de truncamiento de la formula (1.2) es

hf 2 pξq{2 o Ophq. En casos como este, donde el error de truncamiento es del or-
den de Ophq se dice que es un método de primer orden. En general, decimos que un
método es de orden p si el error de truncamiento es Ophp q.

Es posible escribir fórmulas más precisas que (1.2) para aproximar la primera deri-
vada de una función f . Por ejemplo, una aproximación más exacta para la primera
derivada se basa en usar valores de f px´hq y f px`hq como veremos a continuación.
Del Teorema de Taylor se tiene
1 1
f px ` hq “ f pxq ` hf 1 pxq ` h2 f 2 pxq ` h3 f 3 pξ1 q
2 6

1 1
f px ´ hq “ f pxq ´ hf 1 pxq ` h2 f 2 pxq ´ h3 f 3 pξ2 q.
2 6
Al restar estas dos expresiones nos queda:
„ 
1 f px ` hq ´ f px ´ hq 1 2 3 1 2 3
f pxq “ ´ h f pξ1 q ` h f pξ2 q
2h 3! 3!
Si asumimos que f 3 pxq es continua, podemos asumir que el promedio pf 3 pξ1q `
f 3 pξ2 qq{2 se tiene en algun punto ξ, es decir
f px ` hq ´ f px ´ hq 1 2 3
f 1 pxq “ ´ h f pξq.
2h 6

Primeras derivadas usando interpolacion polinomial

Una forma de aproximar la derivada es usar el polinomio interponlante P de dicha

función. Como consideramos f « P , podemos considerar que f 1 “ P 1 . Pero debemos
ser muy cuidadosos por que el polinomio P puede ser oscilante. De la ecuacion (1.1)
con n “ 1 tenemos que

P1 pxq “ f px0 q ` f rx0 , x1 spx ´ x0 q.

De esta forma
f px1 q ´ f px0 q
f 1 pxq « P11 pxq “ f rx0 , x1 s “ . (1.4)
x1 ´ x0
Interpolación Polinomial 27

Si hacemos x0 “ x y x1 “ x ` h obtenemos otravez la formula (1.2)

f pxq ´ f px ` hq
f 1 pxq « . (1.5)
h
Pero si hacemos x0 “ x ´ h y x1 “ x ` h
f px ´ hq ´ f px ` hq
f 1 pxq « . (1.6)
2h
Consideremos ahora que tenemos tres puntos de interpolacion x0 , x1 , x2 . El polinomio
interpolante es:

P2 pxq “ f px0 q ` f rx0 , x1 spx ´ x0 q ` f rx0 , x1 , x2 spx ´ x0 qpx ´ x1 q

y su derivada es

P21 pxq “ f rx0 , x1 s ` f rx0 , x1 , x2 sp2x ´ x0 ´ x1 q. (1.7)

En esta ecuacion tenemos un termino mas que en la ecuacion (1.4) y podemos con-
siderar el segundo termino como una correcion o un refinamiento. Si en la ecuacion
(1.7) evaluamos f 1 pxq en x “ 21 px0 ` x1 q como hicimos en (1.6) el termino de correc-
cion es cero.Esto quiere decir que el primer termino debe ser mas preciso que los de
otros casos debido a que el termino de correccion no agrega nada. Esta es la razon
por la que la ecuacion (1.6) es mas precisa que la ecuacion (1.5).

Segundas derivadas usando series de Taylor

Usando Taylor nuevamente

1 1 1
f px ` hq “ f pxq ` hf 1 pxq ` h2 f 2 pxq ` h3 f 3 pxq ` h4 f p4q pξ1 q
2 3! 4!
1 1 1
f px ´ hq “ f pxq ´ hf 1 pxq ` h2 f 2 pxq ´ h3 f 3 pxq ` h4 f p4q pξ1 q
2 3! 4!
Sumando se obtiene
f px ` hq ´ 2f pxq ` f px ´ hq 1
f 2 pxq “ 2
´ h2 f p4q pξq
h 12
looooomooooon
Oph2 q
28 Interpolación Polinomial

La velocidad v (en m{s) de un cohete se mi por intervalos de la siguiente manera:

t 0.0 0.5 1.0 1.5 2.0

v 0.000 11.860 26.335 41.075 59.051

Ejemplo 1.4.1. Utilice diferences centrales para aproximar la Aceleración del cohete
en t “ 1,0 and t “ 1,75s. Your solution: Using data with t “ 1,0s at its centre we
obtain
vp1,5q ´ vp0,5q
v 1 p1,0q « “ 29,215 m{s2
1,0
. Data central at t “ 1,75s gives us the de approximation
vp2,0q ´ vp1,5q
v 1 p1,75q « “ 35,952m{s2 .
0,5

1.5 Ejercicios

1. Dada la siguiente tabla de valores de un experimento:

x 120 122 124 126 128 130

y 234.56 240.50 243.25 246.45 253.20 255.46

Construya la tabla de diferencias divididas y calcule un valor para x “ 125.

2. Repetir el problema 1. usando el método de coeficientes indeterminados.

3. Repetir el problema 1. calculando el interpolante de Lagrange.

3 `bx2 `cx`d
4. Encontrar una función del tipo 2ax que interpole la siguiente tabla
de datos:

x -1 0 1 2
y 1 1 0.5 4
Interpolación Polinomial 29

5. Utilizar el método de coeficientes indeterminados para hallar un polinomio p

de grado 2 que satisfaga:
pp1q “ 0, p1 p1q “ 7, pp2q “ 10.

6. Para ilustrar qué pasa cuando se desea interpolar no sólo una función sino
también sus derivadas, consideramos el problema de hallar p de grado a lo
sumo 3 que verifique:
(a) pp0q “ 1, p1 p0q “ 1, p1 p1q “ 2, pp2q “ 1;
(b) pp´1q “ 1, p1 p´1q “ 1, p1 p1q “ 2, pp2q “ 1;
(c) pp´1q “ 1, p1 p´1q “ ´6, p1 p1q “ 2, pp2q “ 1.
Usando el método de coeficientes indeterminados, demostrar que el problema
(a) tiene solución única, el problema (b) no tiene solución, y el problema (c)
tiene infinitas soluciones.

7. Analizar para qué valores de x0 , x1 , x2 , y α0 , α1 , α2 existe un polinomio de

grado 2 que satisface:
ppx0 q “ α0 , ppx1 q “ α1 , p1 px2 q “ α2 .
y cuándo este polinomio es único.

8. Calcular el polinomio ppxq interpolador de grado menor o igual que 3, en la

forma de Lagrange para la siguiente tabla

x -1 0 1 2 3
y -1 3 11 8 27

9. Repetir el problema 8., usando el método de coeficientes indeterminados.

10. a) Sea f pxq “ cospπxq, hallar un polinomio de grado menor o igual que 3
que verifique
pp´1q “ f p´1q, pp0q “ f p0q, pp1q “ f p1q, p1 p1q “ f 1 p1q.

b) Hallar un polinomio de grado menor o igual que 4 que verifique las con-
diciones del item anterior, más la condición
p2 p1q “ f 2 p1q.
30 Interpolación Polinomial

11. Sea P3 pxq el polinomio interpolante de los datos p0, 0q, p0,5, zq, p1, 3q y p2, 2q.
El coeficiente de x3 en P3 pxq es 6. Encuentre el valor de z.
?
12. Sea f pxq “ x ´ x2 y P2 pxqel polinomio interpolante en x0 “ 0, x1 y x2 “ 1.
Encuentre el valor mas grande de x1 que pertenece al intervalo p0, 1q para el
cual f p0,5q ´ P2 p0,5q “ ´0,25.

13. Los polinomios de Lagrange ℓi , con i “ 0, . . . , n asociados a los puntos x0 , . . . , xn

estń definidos por
n ˆ ˙
ź x ´ xj
ℓi pxq :“ , i “ 0, . . . , n.
j“0
xi ´ xj
j­“i

Demostrar que
n
ÿ
xi ℓi pxq “ x
i“0

14. Construir las tablas de diferencias divididas para los datos del Ejercicio 8., y
emplearlas para construir los polinomios interpoladores.

15. Agregar a las tablas de datos del Ejercicio 8. el punto x “ 4, y “ 1. Aumentar

las tablas de diferencias divididas y calcular los polinomios interpoladores.

16. Muestre que el interpolante de la siguiente tabla es de grado 3:

x -2 -1 0 1 2 3
f pxq 1 4 11 16 13 -4

17. Existen a, b, c y d tales que la función

ax3 ` x2 ` cx
"
p´1 ď x ď 0q
Spxq “
bx3 ` x2 ` dx p0 ď x ď 1q

es un spline cúbico natural que coincide con la función valor absoluto |x| en
los nodos ´1, 0, 1?
Interpolación Polinomial 31

18. Existen a, b, c y d tales que la función

$
& ´x p´10 ď x ď ´1q
Spxq “ ax3 ` bx2 ` cx ` d p´1 ď x ď 1q
p1 ď x ď 10q
%
x

es un spline cúbico natural?

19. Determine el spline cúbico natural que interpola función f pxq “ x6 sobre el
intervalo r0, 2s usando los nodos 0, 1 y 2.

20. Determine los parametros a, b, c, d y e tales que S es un spline cúbico natural:

a ` bpx ´ 1q ` cpx ´ 1q2 ` dpx ´ 1q3 px P r0, 1sq

"
Spxq “
px ´ 1q3 ` ex2 ´ 1 px P r1, 2sq

21. Determine a, b, c y d tales que la función f es un spline cúbico natural y tales

ş2 2
0
rf pxqs2 dx is a minimum:

3 ` x ´ 9x3
"
p0 ď x ď 1q
f pxq “
a ` bpx ´ 1q ` cpx ´ 1q2 ` dpx ´ 1q3 p1 ď x ď 2q

22. Determine si f es un splien cúbico natural en los nodos 1, 0, 1 y 2:

2
$
& 1 ` 2px ` 1q ` px ` 1q p´1 ď x ď 0q
f pxq “ 3 ` 5x ` 3x2 p0 ď x ď 1q
11 ` px ´ 1q ` 3px ´ 1q ` px ´ 1q2 p1 ď x ď 2q
%

23. Liste todas las formas en que la siguiente función puede ser un spline cúbico
natural

a)
$
& x`1 p´2 ď x ď ´1q
Spxq “ x3 ´ 2x ` 1 p´1 ď x ď 1q
x´1 p1 ď x ď 2q
%

b)
x3 ` x ´ 1
"
p´1 ď x ď 0q
f pxq “
x3 ´ x ´ 1 p0 ď x ď 1q
32 Interpolación Polinomial

24. Suponga Spxq es una función spline de grado m sobre el intervalo ra, bs con
n ` 1 nodos a “ t0 ă t1 ă t ¨ ¨ ¨ ă tn “ b.

a) Cuantas condiciones se necesitan para definir Spxq de manera unica sobre

ra, bs?
b) Cuantas condiciones son definidas por las condiciones de interpolacion en
los nodos?
c) Cuantas condiciones son definidas por la continuidad de las derivadas?
d ) Cuantas condiciones adicionales se necesitan are needed so that the total
equals the number in part a?

25. Muestre que

$
’
’ 28 ` 25x ` 9x2 ` x3 p´3 ď x ď ´1q
’
26 ` 19x ` 3x2 ´ x3 p´1 ď x ď 0q
&
Spxq “
’
’ 26 ` 19x ` 3x2 ´ 2x2 p0 ď x ď 3q
% ´163 ` 200x ´ 60x2 ` 5x3
’
p3 ď x ď 4q

es un spline cúbico natural.

26. De un ejemplo de spline cúbicos con los nodos 0, 1, 2 y 3 que es cuadratica en

r0, 1s, cubica en r1, 2s y cuadratica en r2, 3s

27. Determine a, b y c tal que S es una función spline cúbico:

" 3
x p0 ď x ď 1q
Spxq “ 1 3 2
2
px ´ 1q ` apx ´ 1q ` bpx ´ 1q ` c p1 ď x ď 3q

28. Se puede elegir un coeficiente f tal que la siguiente función sea un spline cúbico
natural? $
& x`1 p´2 ď x ď 1q
2 2
f pxq “ ax ` bx ` cx ` d p´1 ď x ď 1q
x´1 p1 ď x ď 2q
%

29. Determine los coeficientes tales que la función

" 2
x ` x3 p0 ď x ď 1q
Spxq “ 2 3
a ` bx ` cx ` dx p1 ď x ď 2q

es un spline cúbico con la propiedad S13 pxq “ 12

Interpolación Polinomial 33

30. Defin una función f por

x3 ` x ´ 1
"
p´1 ď x ď 0q
f pxq “
x3 ´ x ´ 1 p0 ď x ď 1q

Muestre que lı́mxÑ0´ f pxq “ lı́mxÑ0` f pxq y que lı́mxÑ0` f 2 pxq “ lı́mxÑ0´ f 2 pxq.
Son continuas f y f 2 ? Se puede seguir que f es un spline cúbico? Explique.

31. Determine el spline cubico s que interpola los datos f p0q “ 0, f p1q “ 1, f p2q “
2 y que satisface s1 p0q “ s1 p2q “ 1.

32. Construya un spline cubico natural para aproximar f pxq “ e´x usando los
valores de f pxq en x “ 0, 0,25, 0,75, y 1,0. Integre el spline sobre r0, 1s, y
ş1
compare con el resultado de 0 e´x dx “ 1 ´ 1{e.

33. Sea f : r0, 5s Ñ R, f pxq “ 2x . Sea Pn un polinomio de grado n que interpola

a f en n ` 1 puntos distintos cualesquiera de dicho intervalo. Demostrar que
para todo x P r0, 5s,
32 ¨ 5n`1
|Pn pxq ´ f pxq| ď
pn ` 1q!

1 2 `bx`c
34. Sean f pxq “ 1`x
y gpxq “ 2ax .
1
a) Hallar a, b y c para que g interpole a f en los puntos: x0 “ 0, x1 “ 2
y
x2 “ 1.
b) Probar que con los valores del item anterior se tiene que:

1 f pxq 1
2´ 24 lnp2q ď ď 2 24 lnp2q
gpxq

35. Sea f una función C 8 tal que para todo k P N y para todo x P ra, bs se tiene:

|f k pxq| ď C k k!

1
Mostrar que, si 0 ă C ă y Pn en un polinomio de grado n que interpola
b´a
a f en n ` 1 puntos distintos, entonces Pn converge a f uniformemente, es
decir, }f ´ Pn }8 Ñ 0 cuando n tiende a 8.
34 Interpolación Polinomial

36. Dado el intervalo ra, bs, sea m el punto medio entre a y b y sea 0 ă h ď
pb ´ aq{2. Sea p “ m ´ h y q “ m ` h. Demostrar que para todo x en
ra, bs,
pb ´ aq2
|px ´ pqpx ´ qq| ď .
4
Sean x0 “ a, . . . , xi “ x0 ` b´a
n
, . . . , xn “ b, n ` 1 puntos equiespaciados
en el intervalo ra, bs. Demostrar que para todo x en ra, bs,
pb ´ aqn`1
|px ´ x0 q . . . px ´ xn q| ď .
2n`1

37. Sea f : r´π, πs Ñ R, f pxq “ sinpxq. Sea Pn un polinomio de grado n que

interpola a f en n ` 1 puntos equiespaciados en dicho intervalo. Demostrar
que para todo x P r´π, πs
π n`1
|Pn pxq ´ f pxq| ď ,
pn ` 1q!
y concluir que Pn converge uniformemente a f .

38. Sea f : r0, 1s Ñ R, f pxq “ sinpπxq ` ex . Sea Pn el polinomio de grado n que

interpola a f en n ` 1 puntos equiespaciados.

Usando el ejercicio 36., acotar el error }f ´Pn }8 . que se comete al utilizar

Pn en lugar de f .
Sea Cn la cota hallada en a). Para n “ 1, 3, 5, graficar simultáneamente
f , f ` C n , f ´ C n y Pn .

39. Dado un intervalo ra, bs, mostrar cómo tienen que estar distribuidos n ` 1
nodos x0 ă x1 ă ¨ ¨ ¨ ă xn en ra, bs de modo que exista x P ra, bs tal que
|px ´ x0 q . . . px ´ xn q| sea del orden de pb ´ aqn`1 .
1
40. Considerar la función f pxq “ en el intervalo [-1,1]. Graficar f junto
1 ` 25x2
con los polinomios que resultan de interpolar a f en los n ` 1 puntos equies-
2i
paciados x0 “ ´1, . . . , xi “ x0 ` , . . . , xn “ 1; para n “ 5, 10, 15.
n
41. Repetir el Ejercicio 40. para la función f1 : r´1, 1s Ñ R, definida por f1 pxq “
|x| y para la función f2 : r´1, 1s Ñ R, definida por f2 pxq “ sinpπxq.