CAPÍTULO 18 Interpolación

Con frecuencia se encontrará con que tiene que estimar valores intermedios entre datos definidos por puntos. El método más común que se usa para este propósito es la interpolación polinomial. Recuerde que la fórmula general para un polinomio de n-ésimo grado es f(x) = a0 + a1x + a2x2 + · · · + anxn
(18.1)

Dados n + 1 puntos, hay uno y sólo un polinomio de grado* n que pasa a través de todos los puntos. Por ejemplo, hay sólo una línea recta (es decir, un polinomio de primer grado) que une dos puntos (figura 18.1a). De manera similar, únicamente una parábola une un conjunto de tres puntos (figura 18.1b). La interpolación polinomial consiste en determinar el polinomio único de n-ésimo grado que se ajuste a n + 1 puntos. Este polinomio, entonces, proporciona una fórmula para calcular valores intermedios. Aunque hay uno y sólo un polinomio de n-ésimo grado que se ajusta a n + 1 puntos, existe una gran variedad de formas matemáticas en las cuales puede expresarse este polinomio. En este capítulo describiremos dos alternativas que son muy adecuadas para implementarse en computadora: los polinomios de Newton y de Lagrange.

18.1

INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS
Como se dijo antes, existe una gran variedad de formas alternativas para expresar una interpolación polinomial. El polinomio de interpolación de Newton en diferencias diFIGURA 18.1 Ejemplos de interpolación polinomial: a) de primer grado (lineal) que une dos puntos, b) de segundo grado (cuadrática o parabólica) que une tres puntos y c) de tercer grado (cúbica) que une cuatro puntos.

a)

b)

c)

* De hecho se puede probar que dados n + 1 puntos, con abscisas distintas entre sí, existe uno y sólo un polinomio de grado a lo más n que pasa por estos puntos.

Chapra-18.indd 503

6/12/06 13:57:47

504

INTERPOLACIÓN

vididas es una de las formas más populares y útiles. Antes de presentar la ecuación general, estudiaremos las versiones de primero y segundo grados por su sencilla interpretación visual. 18.1.1 Interpolación lineal La forma más simple de interpolación consiste en unir dos puntos con una línea recta. Dicha técnica, llamada interpolación lineal, se ilustra de manera gráfica en la figura 18.2. Utilizando triángulos semejantes, ƒ1 ( x ) – ƒ( x 0 ) ƒ( x1 ) – ƒ( x 0 ) = x – x0 x1 – x 0 reordenándose se tiene ƒ1 ( x ) = ƒ( x 0 ) + ƒ( x1 ) – ƒ( x 0 ) ( x – x0 ) x1 – x 0

(18.2)

que es una fórmula de interpolación lineal. La notación f1(x) designa que éste es un polinomio de interpolación de primer grado. Observe que además de representar la pendiente de la línea que une los puntos, el término [f(x1) – f(x0)]/(x1 – x0) es una aproximación en diferencia dividida finita a la primer derivada [ecuación (4.17)]. En general,

FIGURA 18.2 Esquema gráfico de la interpolación lineal. Las áreas sombreadas indican los triángulos semejantes usados para obtener la fórmula de la interpolación lineal [ecuación(18.2)].

f (x)

f (x1) f1(x)

f (x0)

x0

x

x1

x

Chapra-18.indd 504

6/12/06 13:57:47

18.1

INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

505

cuanto menor sea el intervalo entre los datos, mejor será la aproximación. Esto se debe al hecho de que, conforme el intervalo disminuye, una función continua estará mejor aproximada por una línea recta. Esta característica se demuestra en el siguiente ejemplo. EJEMPLO 18.1 Interpolación lineal Planteamiento del problema. Estime el logaritmo natural de 2 mediante interpolación lineal. Primero, realice el cálculo por interpolación entre ln 1 = 0 y ln 6 = 1.791759. Después, 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. Solución. Usamos la ecuación (18.2) y una interpolación lineal para ln(2) desde x0 = 1 hasta x1 = 6 para obtener ƒ 1 (2) = 0 + 1.791759 − 0 (2 – 1) = 0.3583519 6 −1

que representa un error: et = 48.3%. Con el intervalo menor desde x0 = 1 hasta x1 = 4 se obtiene ƒ 1 (2) = 0 + 1.386294 − 0 (2 – 1) = 0.4620981 4 −1

Así, usando el intervalo más corto el error relativo porcentual se reduce a et = 33.3%. Ambas interpolaciones se muestran en la figura 18.3, junto con la función verdadera.

FIGURA 18.3 Dos interpolaciones lineales para estimar ln 2. Observe cómo el intervalo menor proporciona una mejor estimación.

f (x) 2 f (x) = ln x

1

Valor verdadero

f1(x)

Estimaciones lineales

0

0

5

x

Chapra-18.indd 505

6/12/06 13:57:47

3) se evalúa con x = x0 para obtener b0 = f(x0) La ecuación (18. b2 (x – x0)(x – x1).3) parece diferir del polinomio general [ecuación (18. las ecuaciones (18. El último término. Para encontrar b 0.2). En consecuencia.2 Interpolación cuadrática En el ejemplo 18. Así.4) se sustituye en la (18.1) y (18.506 INTERPOLACIÓN 18. como en el caso de la interpolación lineal. éstos pueden ajustarse en un polinomio de segundo grado (también conocido como polinomio cuadrático o parábola).6) Observe que. los primeros dos términos de la ecuación (18. agrupando términos.3). las dos ecuaciones son equivalentes.5) se sustituyen en la (18.1)]. Lo anterior se demuestra al multiplicar los términos de la ecuación (18.1 el error resulta de nuestra aproximación a una curva mediante una línea recta. Un procedimiento simple puede usarse para determinar los valores de los coeficientes. Chapra-18. después se evalúa en x = x2 y (luego de algunas manipulaciones algebraicas) se resuelve para ƒ( x 2 ) – ƒ( x1 ) ƒ( x1 ) – ƒ( x 0 ) − x 2 – x1 x1 – x 0 b2 = x2 – x0 (18. en la ecuación (18. b1 todavía representa la pendiente de la línea que une los puntos x0 y x1. las ecuaciones (18.3).3) Observe que aunque la ecuación (18. una estrategia para mejorar la estimación consiste en introducir alguna curvatura a la línea que une los puntos. Una forma particularmente conveniente para ello es f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) (18. después se evalúa en x = x1 para tener b1 = ƒ( x1 ) – ƒ( x 0 ) x1 – x 0 (18.3): f2(x) = b0 + b1x – b1x0 + b2x2 + b2x0x1 – b2xx0 – b2xx1 o. determina la curvatura de segundo grado en la fórmula.5) (18.3) son formas alternativas. como se especificó antes en la ecuación (18. equivalentes del único polinomio de segundo grado que une los tres puntos.4) y (18.indd 506 6/12/06 13:57:48 .3) son equivalentes a la interpolación lineal de x0 a x1.4) Por último.1. f2(x) = a0 + a1x + a2x2 donde a0 = b0 – blx0 + b2x0x1 a1 = b1 – b2x0 – b2x1 a2 = b2 Así. Si se tienen tres puntos como datos.

386294 − 0 = 0.4620981 4 −1 Aplicando la ecuación (18. Solución.3).1.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS 507 Antes de ilustrar cómo utilizar la ecuación (18. debemos examinar la forma del coeficiente b2.24).18.4) se obtiene FIGURA 18. tos del ejemplo 18.4 El uso de la interpolación cuadrática para estimar ln 2.2 Interpolación cuadrática Planteamiento del problema.3) para interpolar entre tres puntos. la ecuación (18. EJEMPLO 18. Esta observación será objeto de una mayor exploración cuando relacionemos los polinomios de interpolación de Newton con la serie de Taylor en la sección 18. Aunque. primero.386294 f(x2) = 1. f (x) 2 f (x) = ln x f2(x) Valor verdadero 1 Estimación cuadrática Estimación lineal 0 0 5 x Chapra-18.5) da b1 = 1.4. Para comparación se presenta también la interpolación lineal desde x = 1 hasta 4. que se presentó antes en la ecuación (4.3) comienza a manifestar una estructura semejante a la expansión de la serie de Taylor.791759 Ajuste un polinomio de segundo grado a los tres pun- Con el polinomio evalúe ln 2. Así. Es muy similar a la aproximación en diferencias divididas finitas de la segunda derivada.indd 507 6/12/06 13:57:48 .1: x0 = 1 x1 = 4 x2 = 6 f(x0) = 0 f(x1) = 1. mostraremos un ejemplo que indique cómo se utiliza la ecuación (18. b0 = 0 La ecuación (18.

El polinomio de n-ésimo grado es fn(x) = b0 + b1(x – x0) + · · · + bn(x – x0)(x – x1)· · ·(x – xn–1) (18.8) (18.4620981 6−4 = −0.1.13) Chapra-18.. f(x1)]. se expresa en forma general como ƒ[ xi . bn.6) se obtiene 1. la primera diferencia dividida finita en forma general se representa como ƒ[ xi .10) bn = f[xn. los puntos asociados con datos se utilizan para evaluar los coeficientes b 0. Así. b1. que representa la diferencia de las dos primeras diferencias divididas..3) se obtiene la fórmula cuadrática f2(x) = 0 + 0. x j ] − ƒ[ x j . xn–1. x0] b2 = f[x2.0518731(x – 1)(x – 4) que se evalúa en x = 2 para f2(2) = 0. f(x0)]..11) donde las evaluaciones de la función colocadas entre paréntesis son diferencias divididas finitas. x0] (18. x1.1 y en la figura 18. x j ] = ƒ( xi ) – ƒ( x j ) xi – x j (18.. [xn.4) mejora la interpolación comparándola con el resultado obtenido antes al usar las líneas rectas del ejemplo 18... x k ] = ƒ[ xi .4620981(x – 1) – 0.. Usamos estos datos y las siguientes ecuaciones para evaluar los coeficientes: b0 = f(x0) b1 = f[x1. x0] · · · (18. Para un polinomio de n-ésimo grado se requieren n + 1 puntos: [x0.791759 − 1.4%. f(xn)]. la curvatura determinada por la fórmula cuadrática (figura 18. 18. Por ejemplo.indd 508 6/12/06 13:57:48 . x1.3 Forma general de los polinomios de interpolación de Newton El análisis anterior puede generalizarse para ajustar un polinomio de n-ésimo grado a n + 1 datos.508 INTERPOLACIÓN y con la ecuación (18. [x1.5658444 que representa un error relativo de et = 18.386294 − 0.12) La segunda diferencia dividida finita. · · ·.3. x k ] xi – x k (18. x j ..7) Como se hizo antes con las interpolaciones lineales y cuadráticas.0518731 b2 = 6 −1 Sustituyendo estos valores en la ecuación (18.9) (18.

x1] ƒ[x3. x0] ƒ[x3. También.8) a (18. Debe observarse que no se requiere que los datos utilizados en la ecuación (18.2. agregando un cuarto punto (x3 = 5.· · ·. x1. ….14) Estas diferencias sirven para evaluar los coeficientes en las ecuaciones (18.5 para implementar el método. los datos x0 = 1. x1 . estime ln 2 con un polinomio de interpolación de Newton de tercer grado. EJEMPLO 18. los cuales se sustituirán en la ecuación (18.3 Polinomios de interpolación de Newton en diferencias divididas Planteamiento del problema.12)] 1. x2. advierta cómo las ecuaciones (18.12) a (18. f(x3) = 1.386294 ƒ[ x 2 .4620981 4−0 1. x1 ] = = 0.11). x 0 ] = = 0.791759 − 1.609438]. x 0 ] = ƒ[ x n . x 0 ] xn − x0 (18.1.5 Representación gráfica de la naturaleza recursiva de las diferencias divididas finitas.indd 509 6/12/06 13:57:49 . x1] Tercero ƒ[x3. x n –1 . xn–1.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS 509 i 0 1 2 3 xi x0 x1 x2 x3 f(xi) ƒ(x0) ƒ(x1) ƒ(x2) ƒ(x3) Primero ƒ[x1. Utilizando la ecuación (18. x n−2 . las diferencias de orden superior se calculan tomando diferencias de orden inferior (figura 18. como se ilustra en el siguiente ejemplo. x0] + (x – x0)(x – x1) f[x2.18. x1 ] − ƒ[ x n –1 .15) que se conoce como polinomio de interpolación de Newton en diferencias divididas.15) estén igualmente espaciados o que los valores de la abscisa estén en orden ascendente. el polinomio de tercer grado es f3(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) + b3(x – x0)(x – x1)(x – x2) Las primeras diferencias divididas del problema son [ecuación (18.14) son recursivas (es decir. x1. x1 = 4 y x2 = 6 se utilizaron para estimar ln 2 mediante una parábola.2027326 6−4 Chapra-18.7). x0] + · · · + (x – x0)(x – x1)· · ·(x – xn–1) f[xn. con n = 3.386294 − 0 ƒ[ x1 . x0] FIGURA 18. x2. x n –1 . En forma similar.5). x1. x0] ƒ[x2.7) para obtener el polinomio de interpolación fn(x) = f(x0) + (x – x0) f[x1. x0] (18. Tal propiedad se aprovechará cuando desarrollemos un programa computacional eficiente en la sección 18. En el ejemplo 18. x2] Segundo ƒ[x2. la n-ésima diferencia dividida finita es ƒ[ x n . …. Solución. …. Ahora.

b2 y b3 de la ecuación (18. La gráfica del polinomio cúbico se muestra en la figura 18. que representa un error relativo: et = 9.7) es f3(x) = 0 + 0. x1 ] = = −0.1823216 − 0.7). x0]. x1.indd 510 6/12/06 13:57:49 . f[x2 . la ecuación (18. x 2 ] = 1.2027326 − 0.007865529(x – 1)(x – 4)(x – 6) la cual sirve para evaluar f 3 (2) = 0. x2. respectivamente. ƒ[ x3 .2027326 ƒ[ x3 . x1 .609438 − 1.14) con n = 3] ƒ[ x3 .4620981 = −0.05187311(x – 1)(x – 4) + 0. x 2 . x0] y f[x3.6 Uso de la interpolación cúbica para estimar ln 2. x0] representan los coeficientes b1.6.0. Junto con b0 = f(x0) = 0.1823216 5−6 Las segundas diferencias divididas son [ecuación (18. x 2 .007865529 5 −1 Los resultados de f[x1. x1. x1 .791759 = 0.3%. x 0 ] = La tercera diferencia dividida es [ecuación (18.4620981(x – 1) – 0.02041100 − ( −0.02041100 5−4 ƒ[ x 2 .6287686.05187311) = 0. Chapra-18.510 INTERPOLACIÓN f (x) 2 f3(x) f (x) = ln x 1 Valor real Estimación cúbica 0 0 5 x FIGURA 18.13)] 0.05187311 6 −1 0. x 0 ] = −0.

. que representa un error de 0.18) Estimación del error para el polinomio de Newton Planteamiento del problema. . x2. xn–1. no permite obtener el error. También. f 2 (2) = 0.17) contiene la incógnita f(x). Use el dato adicional f(x3) = f(5) = 1. la función en turno debe ser conocida y diferenciable.609438 para obtener sus resultados. para mostrar el comportamiento de orden superior de la función. . xn.5658444. la ecuación (18. entonces el polinomio de interpolación de n-ésimo grado basado en n + 1 puntos dará resultados exactos. Por lo común éste no es el caso.2. si la función verdadera es un polinomio de n-ésimo grado. . x1. hay una formulación alternativa que no requiere del conocimiento previo de la función. Por fortuna. como en el caso de la serie de Taylor. pudo haberse utilizado para estimar el error. Recuerde que en el ejemplo 18. xn.4 Errores de la interpolación polinomial de Newton Observe que la estructura de la ecuación (18. Sin embargo. junto con el valor adicional en x3. como ocurrió con la serie de Taylor. Utilizándose una diferencia dividida finita para aproximar la (n + 1)-ésima derivada. Estos términos son diferencias divididas finitas y.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS 511 18.6931472 – 0.18) estime el error en la interpolación polinomial de segundo grado del ejemplo 18. xn–1. f(xn+1). . así. x0] es la (n + 1)-ésima diferencia dividida finita. xn.15) es similar a la expansión de la serie de Taylor en el sentido de que se van agregando términos en forma secuencial.16) donde x está en alguna parte del intervalo que contiene la incógnita y los datos. representan aproximaciones de las derivadas de orden superior.2 el polinomio de interpolación de segundo grado proporcionó una estimación. . De la ecuación (4. . . es posible obtener una formulación para el error de truncamiento.. x0](x – x0)(x – x1)· · · (x – xn) (18. Para que esta fórmula sea útil. Si no se hubiera conocido el valor verdadero. x0](x – x0)(x – x1)(x – x2) Chapra-18.17) donde ƒ[x.4 ƒ[xn+1.18). Rn = ƒ[x.x0](x – x0)(x – x1)· · ·(x – xn) (18.1. Con la ecuación (18. si se tiene un dato más. Para un polinomio de interpolación de n-ésimo grado. Solución.18. . xn–1. una expresión análoga para el error es Rn = ƒ ( n+1) (ξ ) ( x – x 0 )( x – x1 ) (n + 1)! ( x – xn ) (18.indd 511 6/12/06 13:57:50 .6) recuerde que el error de truncamiento en la serie de Taylor se expresa en forma general como Rn = ƒ ( n+1 (ξ ) ( xi +1 − xi ) n+1 (n + 1)! (4. .1273028. . En consecuencia. como usualmente sucede. la ecuación (18. Debido a que la ecuación (18.6) donde x está en alguna parte del intervalo de xi a xi+1. R2 = ƒ[x3.5658444 = 0.17) puede usarse para estimar el error como sigue: Rn EJEMPLO 18.

debe resultar claro que el error estimado para el polinomio de n-ésimo grado es equivalente a la diferencia entre las predicciones de orden (n + 1) y de orden n. es posible desarrollar de manera secuencial versiones de grado superior con la adición de un solo término a la ecuación de grado inferior.3.19) podría ser menor que el error verdadero. como se expondrá en la siguiente sección. a menudo dan predicciones que divergen en forma significativa del valor verdadero. los polinomios de interpolación de grado superior son muy sensibles a errores en los datos (es decir. En tal situación.512 INTERPOLACIÓN o R2 = 0.007865529(x – 1)(x – 4)(x – 6) donde el valor de la diferencia dividida finita de tercer orden es como se calculó antes en el ejemplo 18. Chapra-18. es más valiosa con la clase de análisis de datos exploratorios para los que el polinomio de Newton es el más adecuado.7). Esta expresión se evalúa en x = 2 para obtener R2 = 0.18).19) En otras palabras. Como en la ecuación (18.indd 512 6/12/06 13:57:50 . Esto se percibe con claridad al reordenar la ecuación (18.0629242 que es del mismo orden de magnitud que el error verdadero.5 Algoritmo computacional para el polinomio de interpolación de Newton Tres propiedades hacen a los polinomios de interpolación de Newton muy atractivos para aplicaciones en computadora: 1. el incremento que se agrega al caso de orden n para crear el caso de orden (n + 1) [es decir. Cuando se emplean para interpolación.19): fn+1(x) = fn(x) + Rn La validez de tal procedimiento se refuerza por el hecho de que la serie es altamente convergente.19) constituye una predicción futura menos una presente. En consecuencia. Esto representaría una calidad muy poco atractiva si el error estimado fuera a emplearse como un criterio de terminación. Con el ejemplo anterior y la ecuación (18. la ecuación (18. la ecuación (18. No obstante. están mal condicionados). al representar la diferencia entre la verdad y una aproximación.18)] se interpreta como un estimado del error de orden n. 18. Rn = fn+1(x) – fn(x) (18. el error estimado de la ecuación (18.1. la ecuación (18. Sin embargo. Lo anterior significa que para una serie que es de convergencia rápida. Es decir.19) concuerda con nuestra definición estándar de error.19) es más sensible a tal divergencia. observe que mientras todos los otros errores estimados para los procedimientos iterativos presentados hasta ahora se encontraron como una predicción presente menos una previa. la ecuación (18. la predicción del orden (n + 1) debería ser mucho más cercana al valor verdadero que la predicción de orden n. Si se trata de detectar errores. De esta manera.007865529(2 – 1)(2 – 4)(2 – 6) = 0.

j = (fddi+1.0 = yi END DO DOFOR j = 1.18)] se incorpora con facilidad en un algoritmo computacional debido a la manera secuencial en la cual se construye la predicción. Al agregar nuevos términos en forma secuencial. cuando la adición de términos de grado superior ya no mejora de manera significativa la estimación. xi. Las ecuaciones para estimar el error.7 Un algoritmo para el polinomio de interpolación de Newton escrito en seudocódigo. como en la ecuación (18.18.11)] se pueden calcular eficientemente. los coeficientes se calculan de manera eficiente. ea) LOCAL fddn.n DOFOR i = 0. o en ciertas situaciones incluso la aleja). Utilizando esta información previamente determinada. yint.7). n. La utilidad de dicho algoritmo se demuestra en el siguiente ejemplo. n – j fddi. podemos determinar cuándo se alcanza un punto de regreso disminuido (es decir. El error estimado [ecuación (18. Esto facilita la evaluación de algunas versiones de diferente grado en el mismo programa. En especial tal capacidad es valiosa cuando el orden del polinomio no se conoce a priori. Las diferencias divididas finitas que constituyen los coeficientes del polinomio [ecuaciones (18. que se analizan en el punto 3.7 incluye un esquema así.order * xterm Eaorder–1 = yint2 – yintorder–1 yintorder = yint2 END order END NewtInt Chapra-18. n xterm = xterm * (xi – xorder–1) yint2 = yintorder–1 + fdd0. n fddi.8) hasta (18.14) y la figura 18.indd 513 6/12/06 13:57:50 .5.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS 513 2. y.j–1 – fddi. FIGURA 18.7). El algoritmo en la figura 18. SUBROUTINE NewtInt (x. Todas las características anteriores pueden aprovecharse e incorporarse en un algoritmo general para implementar el polinomio de Newton (figura 18. la segunda establece las predicciones y sus errores correspondientes. n DOFOR i = 0. Es decir.0 DOFOR order = 1. Observe que el algoritmo consiste de dos partes: la primera determina los coeficientes a partir de la ecuación (18. las diferencias de orden inferior sirven para calcular las diferencias de orden mayor. 3. resultan útiles para visualizar un criterio objetivo para identificar este punto de términos disminuidos.j–1)/(xi+j – xi) END DO END DO xterm = 1 yint0 = fdd0.

9162907 1.0986123 0. NUMERO DE PUNTOS? 8 X( 0 ).462098 0.693898 –0.000459 7 0.5.1. Chapra-18.675722 0.003616 6 0.7917595 X( 3 ).7 y la información siguiente para evaluar f(x) = ln x en x = 2: x 0 4 6 5 3 1.062924 3 0.5 3.indd 514 6/12/06 13:57:50 .7. junto con el error verdadero (basándose en el hecho de que ln 2 = 0.1.514 INTERPOLACIÓN EJEMPLO 18.5.628769 0. para evaluar ln 2.1.6094379 X( 4 ).000000 0. y( 1 ) = ? 4. y( 5 ) = ? 1.046953 4 0.0.40546411 X( 6 ).18)].6931472). y( 6 ) = ? 2.021792 5 0.5 Estimaciones del error para determinar el grado de interpolación adecuado Planteamiento del problema.1. Los resultados de emplear el algoritmo de la figura 18. El error estimado.565844 0. Observe que el error estimado y el error verdadero son similares y que su concordancia mejora conforme aumenta el grado.2527630 INTERPOLACION EN X = 2 GRADO F(X) ERROR 0 0.3862944 X( 2 ).5. y( 3 ) = ? 5.4054641 0. y( 7 ) = ? 3.697514 –0.6094379 1.0 X( 1 ). y( 2 ) = ? 6. Después de incorporar el error [ecuación (18.693439 FIGURA 18.0986123 X( 5 ).7917595 1.462098 1 0.3862944 1. se ilustran en la figura 18.1.7 para obtener una solución se muestran en la figura 18.5 ƒ(x) = ln x 1 1.8.5 2.91629073 X( 7 ). utilice el algoritmo computacional que se muestra en la figura 18.0.9.8 Resultados de un programa.103746 2 0.2527630 Solución. y( 4 ) = ? 3. y( 0 ) = ? 1. basado en el algoritmo de la figura 18. A partir de estos resultados se concluye que la versión de quinto grado da una buena estimación y que los términos de grado superior no mejoran significativamente la predicción.

9 Errores relativos porcentuales para la predicción de ln 2 como función del orden del polinomio de interpolación. y así sucesivamente.5. x1 = 2. ya que el nuevo punto en x = 3 está más cerca de la incógnita.5 Error estimado (original) 0 5 Grado Error estimado (invertido) – 0. FIGURA 18. la mejoría es lenta debido a que los puntos que se agregaron (en x = 4. la disminución más dramática en el error corresponde a la inclusión del término de quinto grado usando el dato en x = 1. el error se redujo a menos de et = 2%. el error disminuye mucho más rápidamente que en la situación original.9 muestra los resultados en el caso de invertir el orden de los datos originales. En consecuencia. En el término de segundo grado. Aunque. x3 = 1. La importancia de la posición y el orden de los datos también se demuestra al usar los mismos datos para obtener una estimación para ln 2. x0 = 3. Dicho punto está cerca de la incógnita y también se halla al lado opuesto de la mayoría de los otros puntos. La estimación de cuarto grado muestra una mejoría un poco mayor. Error Error verdadero (original) 0. La figura 18. 6 y 5) están distantes y a un lado del punto de análisis en x = 2.5. hasta la estimación de tercer grado.5 Chapra-18.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS 515 Este ejercicio también ilustra la importancia de la posición y el orden de los puntos. el error se reduce a casi un orden de magnitud. Como los puntos iniciales en este caso se hallan más cercanos y espaciados a ambos lados de ln 2. pero considerando los puntos en un orden diferente. Por ejemplo.5.indd 515 6/12/06 13:57:51 .18.5. es decir. Se podrían emplear otras combinaciones para obtener diferentes velocidades de convergencia.

Si suponemos que la diferencia dividida finita no varía mucho a través de los datos. Por ejemplo. cuanto más cercanos a x estén los puntos. y tan cerca como sea posible.1). el error es proporcional al producto: (x – x0)(x – x1)···(x – xn).10).20) se obtiene de manera directa del polinomio de Newton (cuadro 18. 18. Como es intuitivamente lógico. los puntos deberían estar centrados alrededor. y se representa de manera concisa como ƒ n ( x) = ∑ L ( x )ƒ( x ) i i i=0 n (18. la sumatoria de todos los productos en la ecuación (18. la versión lineal (n = 1) es ƒ1 ( x ) = x – x0 x – x1 ƒ( x 0 ) + ƒ( x1 ) x1 – x 0 x 0 – x1 (18.20) donde Li ( x ) = Πx –x n j =0 j ≠i x – xj i j (18. Esta observación también se sustenta por un análisis directo de la ecuación para estimar el error [ecuación (18.516 INTERPOLACIÓN El ejemplo anterior ilustra la importancia de la selección de los puntos. que se tienen como datos.indd 516 6/12/06 13:57:51 . Sin embargo. Obviamente. En consecuencia.23) La ecuación (18. menor será la magnitud de este producto. el razonamiento detrás de la formulación de Lagrange se comprende directamente al darse cuenta de que cada término Li (x) será 1 en x = xi y 0 en todos los otros puntos (figura 18.17)]. Chapra-18.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE El polinomio de interpolación de Lagrange es simplemente una reformulación del polinomio de Newton que evita el cálculo de las diferencias divididas. de las incógnitas. cada producto Li (x) f(xi) toma el valor de f(xi) en el punto xi.20) es el único polinomio de n-ésimo grado que pasa exactamente a través de todos los n + 1 puntos.21) donde Π designa el “producto de”. De esta forma.22) y la versión de segundo grado es ƒ 2 ( x) = ( x – x 0 )( x – x 2 ) ( x – x1 )( x – x 2 ) ƒ( x 0 ) + ƒ( x1 ) ( x1 – x 0 )( x1 – x 2 ) ( x 0 – x1 )( x 0 – x 2 ) + ( x – x 0 )( x – x1 ) ƒ( x 2 ) ( x 2 – x 0 )( x 2 – x1 ) (18.

6 Polinomios de interpolación de Lagrange Planteamiento del problema.1. El polinomio de primer grado [ecuación (18.23)] ƒ 2 (2) = (2 − 4)(2 − 6) (2 − 1)(2 − 6) 0+ 1.2: x0 = 1 x1 = 4 x2 = 6 f(x0) = 0 f(x1) = 1.386294 (1 − 4)(1 − 6) ( 4 − 1)( 4 − 6) (2 − 1)(2 − 4) 1.2) se obtiene f1 ( x ) = f ( x 0 ) + x − x0 x − x0 f ( x1 ) + f ( x0 ) x1 − x 0 x 0 − x1 El polinomio de interpolación de Lagrange se obtiene de manera directa a partir de la formulación del polinomio de Newton.22)] se utiliza para obtener la estimación en x = 2. el polinomio de segundo grado se desarrolla así: [ecuación (18. Por ejemplo. f1 ( x ) = x − x0 x − x1 f ( x0 ) + f ( x1 ) x 0 − x1 x1 − x 0 se reformula como ƒ[ x1 .1) Por último.1. Haremos esto únicamente en el caso del polinomio de primer grado [ecuación (18. ƒ 1 (2) = 2 −1 2−4 0+ 1.2) en la (18. ambos resultados concuerdan con los que se obtuvieron antes al usar el polinomio de interpolación de Newton.386294 f(x2) = 1. Con un polinomio de interpolación de Lagrange de primero y segundo grado evalúe ln 2 basándose en los datos del ejemplo 18.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE 517 EJEMPLO 18.2)].5658444 + (6 − 1)(6 − 4) Como se esperaba.386294 = 0. f [ x1 . la primera diferencia dividida. reformulamos las diferencias divididas.4620981 4 −1 1− 4 De manera similar.indd 517 6/12/06 13:57:51 . Al sustituir la ecuación (B18.18.791760 Solución.1 Obtención del polinomio de Lagrange directamente a partir del polinomio de interpolación de Newton conocida como la forma simétrica. Cuadro 18. al agrupar términos semejantes y simplificar se obtiene la forma del polinomio de Lagrange.1. x 0 ] = f ( x1 ) – f ( x 0 ) x1 – x 0 (B18.2) Chapra-18.791760 = 0. x 0 ] = f ( x0 ) f ( x1 ) + x1 – x 0 x 0 – x1 (B18. Para obtener la forma de Lagrange.

23) pasa a través de uno de los puntos que se tienen como datos y es cero en los otros dos. Esta figura muestra un caso de segundo grado. n product = yi DOFOR j = 0. y.10 Descripción visual del razonamiento detrás del polinomio de Lagrange. La suma de los tres términos. debe ser el único polinomio de segundo grado f2(x) que pasa exactamente a través de los tres puntos. n. FUNCTION Lagrng(x.518 INTERPOLACIÓN 150 Tercer término 100 Sumatoria de los tres términos = f2(x) Primer término 50 0 15 20 25 30 – 50 – 100 Segundo término – 150 FIGURA 18. Cada uno de los tres términos en la ecuación (18. Este algoritmo se establece para calcular una sola predicción de grado n-ésimo. donde n + 1 es el número de datos.11 Seudocódigo para la interpolación de Lagrange. n IF i ≠ j THEN product = product*(x – xj)/(xi – xj) ENDIF END DO sum = sum + product END DO Lagrng = sum END Lagrng Chapra-18. por lo tanto. FIGURA 18.indd 518 6/12/06 13:57:51 . x) sum = 0 DOFOR i = 0.

17)] Rn = ƒ[ x. Además. s 1 3 5 7 13 Velocidad medida v.indd 519 6/12/06 13:57:52 . …. Solución. construiremos polinomios de grados 4.11 para estudiar un problema de análisis de tendencia que se relaciona con nuestro conocido caso de la caída del paracaidista. Es posible usar el algoritmo de la figura 18. Suponga que se tiene un instrumento para medir la velocidad del paracaidista. Los datos obtenidos en una prueba particular son Tiempo. como en el método de Newton. 3. 2 y 1. si se tiene un punto adicional en x = xn+1.7 Interpolación de Lagrange empleando la computadora Planteamiento del problema.21) se programan de manera muy simple para implementarse en una computadora. No obstante. Cuando se va a ejecutar sólo una interpolación.18) se agrega usualmente en el cálculo del polinomio de Newton debido a que el estimado emplea una diferencia finita (ejemplo 18. el método de Newton tiene ventajas debido a la comprensión que proporciona respecto al comportamiento de las fórmulas de diferente grado. x 0 ] Π (x − x ) n i=0 i De este modo.5). Por lo tanto. cm/s 800 2 310 3 090 3 940 4 755 Nuestro problema consiste en estimar la velocidad del paracaidista en t = 10 s para tener las mediciones faltantes entre t = 7 y t = 13 s.20) y (18. tercer. para cálculos exploratorios. la forma de Lagrange a menudo se utiliza cuando el grado del polinomio se conoce a priori. segundo y primer grado. EJEMPLO 18. se puede obtener un error estimado. la versión de Lagrange es un poco más fácil de programar. en los casos donde se desconoce el grado del polinomio. De esta manera. esto se hace rara vez. El algoritmo de Lagrange se utiliza para construir polinomios de interpolación de cuarto. Estamos conscientes de que el comportamiento de los polinomios de interpolación tal vez resulte inesperado. Las ecuaciones (18. a menudo se prefiere el método de Newton. el estimado del error representado por la ecuación (18. x n .18. Sin embargo. La figura 18. En resumen. Chapra-18.11 muestra el seudocódigo que sirve para tal propósito.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE 519 Observe que. las formulaciones de Lagrange y de Newton requieren un trabajo computacional semejante. como no se emplean las diferencias divididas finitas como parte del algoritmo de Lagrange. la forma de Lagrange tiene un error estimado de [ecuación (18. y compararemos los resultados. Debido a que no requiere del cálculo ni del almacenaje de diferencias divididas. x n−1 .

12a.24) Chapra-18. no ofrecen un polinomio adecuado de la forma convencional f(x) = a0 + a1x + a2x2 + · · · + anxn (18. El polinomio de cuarto grado y los datos de entrada se grafican como se muestra en la figura 18. la regresión. debe recordarse que debido a que tratamos con datos inciertos.12d muestran las gráficas de los resultados de los cálculos con las interpolaciones de los polinomios de tercer. tienden a ser altamente susceptibles a los errores de redondeo. conforme el grado aumente. La aritmética de doble precisión ayuda algunas veces a disminuir el problema. No obstante. Las gráficas de los polinomios de interpolación indican que los polinomios de grado superior tienden a sobrepasar la tendencia de los datos. menor será el valor estimado de la velocidad en t = 10 s. respectivamente. lo cual sugiere que las versiones de primer o segundo grado son las más adecuadas para este análisis de tendencia en particular.12b a 18.12 Gráficas que muestran interpolaciones de a) cuarto grado. cm/s 3 000 0 0 5 t(s) 10 15 0 5 t(s) 10 15 FIGURA 18. Se observa que cuanto más bajo sea el grado. segundo y primer grado. al observar la gráfica. 18. es decir. Es evidente. Sin embargo. Las figuras 18. cm/s a) 6 000 3 000 0 6 000 3 000 0 b) 3 000 0 6 000 0 5 10 15 0 5 10 15 c) d) v. que el valor estimado de y en x = 10 es mayor que la tendencia global de los datos.indd 520 6/12/06 13:57:52 . El ejemplo anterior ilustró que los polinomios de grado superior tienden a estar mal condicionados. c) segundo grado y d) primer grado. b) tercer grado.520 INTERPOLACIÓN 6 000 v. El mismo problema se presenta en la regresión con polinomios de grado superior. será la más adecuada. de hecho.3 COEFICIENTES DE UN POLINOMIO DE INTERPOLACIÓN Aunque el polinomio de Newton y el de Lagrange son adecuados para determinar valores intermedios entre puntos. habrá un punto donde el error de redondeo interferirá con la habilidad para interpolar usando los procedimientos simples estudiados hasta ahora.

5 3 0. los valores de f(x) y x en la mayoría de los problemas de interpolación son las variables dependiente e independiente.26) se podría resolver con uno de los métodos de eliminación de la parte tres. la ecuación (18. Debe observarse que el procedimiento anterior no es el método de interpolación más eficiente para determinar los coeficientes de un polinomio. suponga que usted desea calcular los coeficientes de la parábola f(x) = a0 + a1x + a2x2 (18.25 5 0. Si se usan para una interpolación subsecuente. f(x1)] y [x2.25) Se requiere de tres puntos: [x0. si usted se interesa en determinar un punto intermedio. [x1. la respuesta correcta se determina directamente.2 6 0. se utiliza un sistema de ecuaciones algebraicas lineales simultáneas para calcular las a. tan sólo Chapra-18. los coeficientes resultantes pueden ser bastante inexactos. A ese problema se le conoce como interpolación inversa. y las a las incógnitas. En resumen.26) están notoriamente mal condicionados. Si tiene que determinar una ecuación de la forma de la (18. usted puede sentirse tentado a intercambiar los valores f(x) y x [es decir.26) De esta manera. Como hay el mismo número de ecuaciones que de incógnitas. Sistemas como los de la ecuación (18. las x son los puntos conocidos. a menudo dan resultados erróneos. f(x0)].25): 2 f(x0) = a0 + a1x0 + a2x0 f(x1) = a0 + a1x1 + a2x2 1 f(x2) = a0 + a1x2 + a2x2 2 (18. x ƒ(x) 1 1 2 0. En un caso más complicado. limítese a polinomios de grado menor y verifique cuidadosamente sus resultados. respectivamente. Por ejemplo. Ya sea que se resuelvan con un método de eliminación o con un algoritmo más eficiente. 18. Así. Cada uno se sustituye en la ecuación (18.3 = 3. Un ejemplo simple es una tabla de valores obtenida para la función f(x) = 1/x. Cualquiera que sea la técnica empleada. como se tiene la función y es fácil de manipular.1667 7 0. f(x2)]. x = 1/0.18. En tal caso. emplee la interpolación de Newton o de Lagrange. pero que se le ha dado un valor de f(x) y debe determinar el valor correspondiente de x.4 INTERPOLACIÓN INVERSA Como la nomenclatura implica. suponga que se le pide determinar el valor de x que corresponda a f(x) = 0.indd 521 6/12/06 13:57:52 . para los datos anteriores. Por ejemplo.3333.24). en particular para n grandes. En consecuencia.1429 Ahora suponga que usted debe usar los mismos datos.3. (1992) ofrecen un análisis y códigos para computadora de los procedimientos más eficientes.3333 4 0. se debe hacer una advertencia. Press et al. los valores de las x con frecuencia están espaciados uniformemente.4 INTERPOLACIÓN INVERSA 521 Un método directo para calcular los coeficientes de este polinomio se basa en el hecho de que se requieren n + 1 puntos para determinar los n + 1 coeficientes.

5 COMENTARIOS ADICIONALES Antes de proceder con la siguiente sección.041667x2 La respuesta al problema de interpolación inversa para determinar la x correspondiente a f(x) = 0. como las x están espaciadas de manera uniforme. usted se preguntará por qué nos ocupamos del caso especial de datos igualmente espaciados (cuadro 18. con algunos puntos adyacentes muy amontonados y otros muy dispersos.704158 = 3.3 = 1. Como ambos polinomios. para el problema antes descrito. 3. Una estrategia alterna es ajustar un polinomio de interpolación de orden n-ésimo. ¡el problema de interpolación se reduce a un problema de raíces! Por ejemplo. (3.333. 0.041667x2 En este caso simple. en muchos casos. Es más.3 será equivalente a la determinación de las raíces de 0.375 ± (–0. En la mayoría de los casos.041667) Así.indd 522 6/12/06 13:57:52 . son compatibles con datos espaciados en forma arbitraria.08333 – 0.3333 3 0. Es decir. el de Newton y el de Lagrange. 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.041667)0.25 4 0. la fórmula cuadrática se utiliza para calcular x= 0. 0. La respuesta a su problema. la segunda raíz.375x + 0. cuyo resultado será f2(x) = 1.08333 – 0. los valores estarán “condensados”. para f(x) = 1/x el resultado es f (x) x 0.1667 6 0.1429 7 0.296. Si se desea una exactitud adicional.2). un procedimiento simple sería ajustar los tres puntos a un polinomio cuadrático: (2. Así. tendrán la apariencia de una escala logarítmica.25).3333) y (4. Antes de la llegada de las Chapra-18. entonces.5 2 1 1 Tal espaciamiento no uniforme en las abscisas a menudo lleva a oscilaciones en el resultado del polinomio de interpolación. Por desgracia.375x + 0. con f(x) contra x].78333 5. a los datos originales [es decir. cuando usted invierte las variables no hay garantía de que los valores junto con la nueva abscisa [las f(x)] estén espaciados de una manera uniforme. se deben mencionar dos temas adicionales: la interpolación y extrapolación con datos igualmente espaciados. 0. este polinomio no estará mal condicionado.5). Por ejemplo.375) 2 − 4(0.2 5 0. 18. Esto puede ocurrir aun para polinomios de grado inferior.295842 2(0. f n (x). consiste en encontrar el valor de x que haga este polinomio igual al dado por f(x). es una buena aproximación al valor verdadero: 3.522 INTERPOLACIÓN graficar x contra f(x)] y usar un procedimiento como la interpolación de Lagrange para determinar el resultado.

indd 523 6/12/06 13:57:53 .13. la naturaleza de la extrapolación de extremos abiertos representa un paso a lo desconocido. La extrapolación se basa en ajustar una parábola con los primeros tres puntos conocidos. el error en la extrapolación puede ser muy grande. Por lo tanto. De hecho. En una sección anterior. ha disminuido la necesidad de tener versiones para datos igualmente espaciados. se desarrolló una estructura computacional.5 COMENTARIOS ADICIONALES 523 computadoras digitales. la curva real podrá fácilmente diverger de la predicción. mencionamos que la interpolación más exacta se obtiene cuando las incógnitas están cerca de los puntos. A pesar de ello. En efecto.. las hemos incluido en este tema por su relevancia en las últimas partes de este libro. (La figura 18. x0.. el análisis del cuadro 18.2 adquiere también significado para la parte siete.18.13 Ilustración de la posible divergencia de una predicción extrapolada. f (x) Interpolación Extrapolación Curva real Extrapolación del polinomio de interpolación x0 x1 x2 x Chapra-18. x1. Como se ilustra en la figura 18. dichas técnicas tenían gran utilidad para interpolación a partir de tablas con datos igualmente espaciados. éste no es el caso cuando la incógnita se encuentra fuera del intervalo y. Como las fórmulas de integración numérica son importantes en la solución de ecuaciones diferenciales ordinarias.. como subrutinas de bibliotecas. para facilitar la implementación de dichas técnicas.5 es un ejemplo de esa tabla.. ya que el proceso extiende la curva más allá de la región conocida. Extrapolación es el proceso de estimar un valor de f(x) que se encuentra fuera del dominio de los valores conocidos. Como tal. En especial. conocida como tabla de diferencias divididas. FIGURA 18. se debe tener mucho cuidado cuando aparezca un problema donde se deba extrapolar. xn (figura 18. son necesarias para obtener fórmulas de integración numérica que por lo común utilizan datos igualmente espaciados (capítulo 21). en consecuencia. como las fórmulas dadas son subconjuntos de los esquemas de Newton y Lagrange compatibles con una computadora y debido a las muchas funciones tabulares existentes.13).) Sin embargo.

que se puede simplificar más al definir una nueva cantidad.2.….15)] como ƒ n ( x ) = ƒ( x 0 ) + ∆ ƒ( x 0 ) ( x − x0 ) h ∆2 ƒ( x 0 ) + ( x − x 0 )( x − x 0 − h) 2! h 2 ∆n ƒ( x 0 ) + + ( x − x 0 )( x − x 0 − h) n! h n [ x − x 0 − (n − 1)h] + Rn (C18. entonces la variable independiente tiene los valores de x1 = x0 + h x2 = x0 + 2h · · · xn = x0 + nh donde h es el intervalo.2.2.2. la ecuación (B18.3): x – x0 = ah x – x0 – h = ah – h = h(a – 1) · · · x – x0 – (n – 1)h = ah – (n – 1)h = h(a – n + 1) que se sustituye en la ecuación (C18.1) ∆2 ƒ( x 0 ) α (α − 1) 2! (α − n + 1) + Rn (C18. x 2 ] = ƒ( x 2 ) – 2ƒ( x1 ) + ƒ( x 0 ) 2h 2 α= x − x0 h Esta definición se utiliza para desarrollar las siguientes expresiones simplificadas de los términos en la ecuación (C18. la segunda diferencia dividida hacia adelante es ƒ ( x 2 ) – ƒ ( x1 ) ƒ ( x1 ) – ƒ ( x 0 ) − x 2 – x1 x1 – x 0 ƒ[ x 0 . entre los datos.3) Chapra-18. las diferencias divididas finitas se pueden expresar en forma concisa.1) se representa como ƒ[ x 0 .2. Además de la fórmula hacia adelante.2 Interpolación con datos igualmente espaciados donde el residuo es el mismo que en la ecuación (18. x1 . expresamos el polinomio de interpolación de Newton [ecuación (18. Por ejemplo. en general ƒ[ x0 . x1 . x1 . o tamaño de paso. x1 .2. x 2 ] = o.3) para tener ƒ n ( x ) = ƒ( x 0 ) + ∆ ƒ( x 0 )α + (C18.524 INTERPOLACIÓN Cuadro 18. Usando la ecuación (C18. xn ] = ∆n ƒ( x0 ) n! h n (C18.2. Luther y Wilkes (1969). en el caso de datos igualmente espaciados. a: Si los datos están igualmente espaciados y en orden ascendente. Basándose en esto.16).2).4) + + ya que x1 – x0 = x2 – x1 = (x2 – x0)/2 = h.24)] ∆2f(x0) = f(x2) – 2f(x1) + f(x0) Por lo tanto. Para más información respecto de la interpolación para datos igualmente espaciados véase Carnahan.2.2) ∆n ƒ( x 0 ) α (α − 1) n! donde Rn = ƒ ( n +1) (ξ ) n +1 h α (α − 1)(α − 2) (n + 1)! (α − n) ∆2 ƒ( x 0 ) 2! h 2 En el capítulo 21 esta notación concisa tendrá utilidad en la deducción y análisis del error de las fórmulas de integración. Ahora recuerde que la segunda diferencia hacia adelante es igual a [numerador de la ecuación (4.indd 524 6/12/06 13:57:53 . también existen las fórmulas hacia atrás y central de Newton-Gregory. x 2 ] = x2 – x0 que se expresa como ƒ[ x 0 . Esta ecuación se conoce como fórmula de Newton o la fórmula hacia adelante de Newton-Gregory.

Por último. el dibujante coloca un papel sobre una mesa de madera y coloca alfileres o clavos en el papel (y la mesa) en la ubicación de los datos. La figura 18. Por ejemplo. Por ejemplo.14 ilustra una situación donde un trazador se comporta mejor que un polinomio de grado superior.15 para una serie de cinco alfileres (datos). Usted se preguntaría por qué un trazador aún resulta preferible. se usarán primero funciones lineales simples para presentar algunos conceptos y problemas básicos relacionados con la interpolación mediante splines.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 525 18. A continuación obtendremos un algoritmo para el ajuste de trazadores cuadráticos a los datos. presentamos material sobre el trazador cúbico. La figura 18. Tales polinomios conectores se denominan trazadores o splines. 18. la séptima derivada) sugeridas por los puntos.14a a c ilustra cómo un polinomio de grado superior tiende a formar una curva de oscilaciones bruscas en la vecindad de un cambio súbito. De aquí que se haya adoptado el nombre de “trazador cúbico” (en inglés: “cubic spline”) para los polinomios de este tipo. pero como está limitado a cambios de tercer grado. Podría parecer que la aproximación de tercer grado de los trazadores sería inferior a la expresión de séptimo grado. el trazador usualmente proporciona una mejor aproximación al comportamiento de las funciones que tienen cambios locales y abruptos. En contraste. De esta manera. Esas funciones se pueden construir de tal forma que las conexiones entre ecuaciones cúbicas adyacentes resulten visualmente suaves. En esta sección.6. el trazador también une los puntos. se usaron polinomios de n-ésimo grado para interpolar entre n + 1 puntos que se tenían como datos. El concepto de trazador se originó en la técnica de dibujo que usa una cinta delgada y flexible (llamada spline. para dibujar curvas suaves a través de un conjunto de puntos. El proceso se representa en la figura 18. Chapra-18.18. No obstante. Esta curva podría agrupar todas las curvas (al menos hasta. las curvas de tercer grado empleadas para unir cada par de datos se llaman trazadores cúbicos. El tamaño de paso representado en la figura 18. que es la versión más común y útil en la práctica de la ingeniería. e incluso. las oscilaciones son mínimas. Éste es el caso donde una función en general es suave. Un procedimiento alternativo consiste en colocar polinomios de grado inferior en subconjuntos de los datos. en inglés).14 es un ejemplo extremo de tal cambio y sirve para ilustrar esta idea. para ocho puntos se puede obtener un perfecto polinomio de séptimo grado. Los trazadores de primer grado para un grupo de datos ordenados pueden definirse como un conjunto de funciones lineales.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) En la sección anterior. hay casos donde estas funciones llevarían a resultados erróneos a causa de los errores de redondeo y los puntos lejanos. Una curva cúbica suave resulta al entrelazar la cinta entre los alfileres. En esta técnica.indd 525 6/12/06 13:57:53 .1 Trazadores lineales La unión más simple entre dos puntos es una línea recta. pero presenta un cambio abrupto en algún lugar de la región de interés.

14 Una representación visual de una situación en la que los trazadores son mejores que los polinomios de interpolación de grado superior. Los incisos a) a c) indican que el cambio abrupto induce oscilaciones en los polinomios de interpolación. La función que se ajusta presenta un incremento súbito en x = 0. f (x) 0 x a) f (x) 0 x b) f (x) 0 x c) f (x) 0 x d) Chapra-18. En contraste. como se limitan a curvas de tercer grado con transiciones suaves. un trazador lineal d) ofrece una aproximación mucho más aceptable.526 INTERPOLACIÓN f(x) = f(x0) + m0(x – x0) f(x) = f(x1) + m1(x – x1) · · · f(x) = f(xn–1) + mn–1(x – xn–1) x 0 < x < x1 x 1 < x < x2 xn–1 < x < xn FIGURA 18.indd 526 6/12/06 13:57:54 .

15 La técnica de dibujo que usa una cinta delgada y flexible para dibujar curvas suaves a través de una serie de puntos. el trazador tiende a volverse recto. Ajuste los datos de la tabla 18.8 Trazadores de primer grado Planteamiento del problema. Chapra-18. Evalúe la función en x = 5. en el intervalo de x = 4. Observe cómo en los puntos extremos. Esto se conoce como un trazador “natural”.5 Se calculan las pendientes en los otros intervalos y los trazadores de primer grado obtenidos se grafican en la figura 18.5 − 1 = 0. El método es obviamente idéntico al de la interpolación lineal.27) Estas ecuaciones se pueden usar para evaluar la función en cualquier punto entre x0 y xn localizando primero el intervalo dentro del cual está el punto.3. Después se usa la ecuación adecuada para determinar el valor de la función dentro del intervalo.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 527 FIGURA 18. Solución. EJEMPLO 18.18. donde mi es la pendiente de la línea recta que une los puntos: mi = ƒ( xi +1 ) – ƒ( xi ) xi +1 – xi (18.indd 527 6/12/06 13:57:54 . Se utilizan los datos para determinar las pendientes entre los puntos.5 a x = 7 la pendiente se calcula con la ecuación (18. El valor en x = 5 es 1. Por ejemplo.27): m= 2.60 7 − 4.16a.1 con trazadores de primer grado.

Formalmente. n) existen n intervalos y.5 7.28) La figura 18. x 3.. como se analiza en la siguiente sección. sirven muy bien para demostrar el procedimiento general en el desarrollo de trazadores de grado superior.1 Datos para ajustarse con trazadores. En la práctica se usan con más frecuencia polinomios de tercer grado o trazadores cúbicos que aseguran primera y segunda derivadas continuas. Aunque las derivadas de tercer orden y mayores podrían ser discontinuas cuando se usan trazadores cúbicos..2 Trazadores (splines) cuadráticos Para asegurar que las derivadas m-ésimas sean continuas en los nodos. Esta condición se representa como Chapra-18.. que aseguren suavidad en los nodos al igualar las derivadas en esos puntos.0 2. 1. en consecuencia. al menos. m + 1.. se debe emplear un trazador de un grado de.5 1. 18. se ignoran.5 Una inspección visual a la figura 18. Los valores de la función de polinomios adyacentes deben ser iguales en los nodos interiores. la primer derivada de la función es discontinua en esos puntos. Esta deficiencia se resuelve usando trazadores polinomiales de grado superior. Para n + 1 datos (i = 0. en consecuencia. Por lo tanto. b y c) por evaluar. Decidimos ilustrar primero el concepto de interpolación mediante trazadores usando polinomios de segundo grado.0 4. por lo común no pueden detectarse en forma visual y. El objetivo de los trazadores cuadráticos es obtener un polinomio de segundo grado para cada intervalo entre los datos.5 0.0 f (x) 2.16a indica que la principal desventaja de los trazadores de primer grado es que no son suaves. 2. en los puntos donde se encuentran dos trazadores (llamado nodo). Aunque los trazadores cuadráticos no aseguran segundas derivadas iguales en los nodos. la hemos incluido en una sección subsecuente. Debido a que la deducción de trazadores cúbicos es algo complicada.0 9. se requieren 3n ecuaciones o condiciones para evaluar las incógnitas. De manera general. la pendiente cambia de forma abrupta. Éstas son: 1. Esos “trazadores cuadráticos” tienen primeras derivadas continuas en los nodos.6. el polinomio en cada intervalo se representa como fi(x) = ai x2 + bi x + ci (18. En esencia. 3n constantes desconocidas (las a.528 INTERPOLACIÓN TABLA 18.indd 528 6/12/06 13:57:54 .17 servirá para aclarar la notación.

6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 529 f (x) Trazador de primer orden 2 0 2 4 6 8 10 x a) f (x) Trazador de segundo orden 2 0 x b) f (x) Trazador cúbico 2 Interpolación cúbica 0 x c) FIGURA 18.16 Ajuste mediante trazadores de un conjunto de cuatro puntos.29) (18. Esto agrega dos ecuaciones más: a1x2 + b1x0 + c1 = f(x0) 0 anx2 n + bnxn + cn = f(xn) (18. 2n – 2 condiciones. La primera y la última función deben pasar a través de los puntos extremos. Chapra-18. en total. cada una. a) Trazador lineal. las ecuaciones (18. para i = 2 a n.30) proporcionan.30) 2.29) y (18. b) Trazador cuadrático y c) trazador cúbico.31) (18. Como sólo se emplean nodos interiores. ai–1x2 + bi–1xi–1 + ci–1 = f(xi–1) i–1 aix2 i–1 + bixi–1 + ci = f(xi–1) (18.18.indd 529 6/12/06 13:57:54 . se grafica también un polinomio de interpolación cúbico. n – 1 condiciones.32) en total tenemos 2n – 2 + 2 = 2n condiciones.

28 es 2ai. entonces esta condición se puede expresar matemáticamente como a1 = 0 (18.34) La interpretación visual de esta condición es que los dos primeros puntos se unirán con una línea recta. Las primeras derivadas en los nodos interiores deben ser iguales. A menos que tengamos alguna información adicional respecto de las funciones o sus derivadas. llegando a un total de 2n + n – 1 = 3n – 1. tenemos que realizar una elección arbitraria para calcular las constantes. Esto proporciona otras n – 1 condiciones. nos falta una condición más.33) 4. Como la segunda derivada de la ecuación 18. Aunque hay varias opciones. Ajuste trazadores cuadráticos a los mismos datos que se utilizaron en el ejemplo 18. Como se tienen 3n incógnitas. Observe que hay n intervalos y n + 1 datos. de manera general la condición se representa como 2ai–1xi–1 + bi–1 = 2aixi–1 + bi (18.indd 530 6/12/06 13:57:55 .17 Notación utilizada para obtener trazadores cuadráticos.530 INTERPOLACIÓN f (x) a2x + b2x + c2 a1x2 + b1x + c1 f (x1) f (x0) 2 a3x2 + b3x + c3 f (x3) f (x2) Intervalo 1 Intervalo 2 Intervalo 3 x0 i=0 x1 i=1 x2 i=2 x3 i=3 x FIGURA 18. 3. para i = 2 a n.9 Trazadores cuadráticos Planteamiento del problema. Con los resultados estime el valor en x = 5. Chapra-18. La primera derivada de la ecuación 18. EJEMPLO 18.28 es ƒ′(x) = 2ax + b Por lo tanto. elegimos la siguiente: Suponga que en el primer punto la segunda derivada es cero.8 (tabla 18.1). El ejemplo mostrado es para n = 3.

Las ecuaciones (18.25a1 + 4.25a2 + 4. En este problema.5 ⎢0 ⎢ ⎢0 ⎢ ⎢0 ⎢3 ⎢ ⎢0 ⎢1 ⎢ ⎢ ⎣0 1 0 0 0 0 0 0 20.5b2 + c2 = 1. se agregan 2 ecuaciones más [ecuación (10. la ecuación (18.32)] 81a3 + 9b3 + c3 = 0.5 c2 = 18.30) dan 2(3) – 2 = 4 condiciones: 20.0 49a2 + 7b2 + c2 = 2.18. 3(3) = 9 incógnitas que deben determinarse.5 La continuidad de las derivadas crea adicionalmente de 3 – 1 = 2 condiciones [ecuación (18.5 Evaluando a la primera y la última función con los valores inicial y final.34) determina que a1 = 0.5b1 + c1 = 1.29) y (18.64 a3 = –1.0 20.33)]: 9a1 + b1 = 9a2 + b2 14a2 + b2 = 14a3 + b3 Por último.5⎪ ⎥⎪ ⎪ ⎪ ⎪ 1 ⎥ ⎪b2 ⎪ ⎪2.indd 531 6/12/06 13:57:55 .5⎪ ⎪ ⎪ ⎪ ⎪ 0 ⎥ ⎪ b3 ⎪ ⎪ 0 ⎪ ⎥ 0 ⎦ ⎪ c3 ⎪ ⎪ 0 ⎪ ⎥⎩ ⎭ ⎩ ⎭ Estas ecuaciones se pueden resolver utilizando las técnicas de la parte tres.5 y [ecuación (18.31)]: 9a1 + 3b1 + c1 = 2.5 1 0 0 0 49 7 1 0 0 0 0 0 0 49 7 1 0 0 0 0 0 0 0 0 0 81 9 0 −9 −1 0 0 0 0 14 1 0 −14 −1 0 ⎤ ⎧ b1 ⎫ ⎧ 1 ⎫ 0 ⎥ ⎪ c1 ⎪ ⎪ 1 ⎪ ⎥⎪ ⎪ ⎪ ⎪ 0 ⎥ ⎪a2 ⎪ ⎪2.5⎪ ⎥ 1 ⎥ ⎪a3 ⎪ ⎪0.3 que se sustituyen en las ecuaciones cuadráticas originales para obtener la siguiente relación para cada intervalo: Chapra-18.6 b1 = –1 b2 = –6.5 49a3 + 7b3 + c3 = 2.5⎪ ⎨ ⎬=⎨ ⎬ 0 ⎥ ⎪c2 ⎪ ⎪2. Como esta ecuación especifica a1 de manera exacta.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 531 Solución. con los resultados: a1 = 0 a2 = 0. se tienen cuatro datos y n = 3 intervalos. el problema se reduce a la solución de ocho ecuaciones simultáneas.76 b3 = 24.46 c3 = –91. Por lo tanto.25 4. Estas condiciones se expresan en forma matricial como ⎡4.6 c1 = 5.

f2(5) = 0.64(5)2 – 6. 18. La primera y última función deben pasar a través de los puntos extremos (2 condiciones). Los trazadores cúbicos de la siguiente sección no presentan estas desventajas y. Los valores de la función deben ser iguales en los nodos interiores (2n – 2 condiciones). la predicción para x = 5 es. se requieren 4n condiciones para evaluar las incógnitas. la ganancia en eficiencia bien vale la pena. para n + 1 datos (i = 0.3 2 2 3.0 < x < 9. presentaremos una técnica alternativa que requiere la solución de sólo n – 1 ecuaciones.64x – 6.indd 532 6/12/06 13:57:55 . Chapra-18.5 < x < 7. existen n intervalos y. el trazador para el último intervalo parece oscilar demasiado. La especificación de una condición tal en los extremos nos lleva a lo que se denomina trazador “natural”. Los cinco tipos de condiciones anteriores proporcionan el total de las 4n ecuaciones requeridas para encontrar los 4n coeficientes. Éstas son: 1.5 4.532 INTERPOLACIÓN f1(x) = –x + 5. 4.3) es un poco menos directo que el de los trazadores cuadráticos.6x + 24. Si el valor de la segunda derivada en los nodos extremos no es cero (es decir. Como con los trazadores cuadráticos.46 = 0. Mientras es posible desarrollar trazadores cúbicos de esta forma. Las segundas derivadas en los nodos extremos son cero (2 condiciones). Las segundas derivadas en los nodos interiores deben ser iguales (n – 1 condiciones). 2.. 1.. 3. existe alguna curvatura).35) Así.0 7. La interpretación visual de la condición 5 es que la función se vuelve una línea recta en los nodos extremos. en consecuencia. en consecuencia.5 f2(x) = 0. 5. son mejores métodos para la interpolación mediante trazadores. Se le da tal nombre debido a que los trazadores para el dibujo naturalmente se comportan en esta forma (figura 18.. Las primeras derivadas en los nodos interiores deben ser iguales (n – 1 condiciones). 4n incógnitas a evaluar.66 El ajuste total por trazadores se ilustra en la figura 18. es posible utilizar esta información de manera alternativa para tener las dos condiciones finales.15).6x – 91.3 Trazadores cúbicos El objetivo en los trazadores cúbicos es obtener un polinomio de tercer grado para cada intervalo entre los nodos: fi(x) = aix3 + bix2 + cix + di (18.76x + 18.0 < x < 4.6.46 f3(x) = –1. Aunque la obtención de este método (cuadro 18. 2..0 Cuando se usa f 2.16b. la línea recta que une los dos primeros puntos y 2.76(5) + 18. n). Observe que hay dos desventajas que se alejan del ajuste: 1.

las segundas derivadas en los nodos extremos son cero y el problema se reduce a n – 1 ecuaciones con n – 1 incógnitas. esta ecuación es una línea recta.3. observe que contiene sólo dos “coeficientes” desconocidos.2) es un polinomio de tercer grado que se utiliza para interpolar dentro del intervalo.4) se escribe para todos los nodos interiores. La ecuación (18.2) La ecuación (C18. como ésta es un trazador cúbico natural.3.3. la ecuación (C18.18. Las segundas derivadas se evalúan tomando la condición de que las primeras derivadas deben ser continuas en los nodos: El primer paso en la obtención (Cheney y Kincaid.36) Chapra-18.4) Ahora.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 533 Cuadro 18. Así. De esta forma. Sin embargo. se llega a la siguiente relación: ( xi − xi −1 )ƒ ′′( xi −1 ) + 2( xi +1 − xi −1 )ƒ ′′( xi ) +( xi +1 − xi )ƒ ′′( xi +1 ) = 6 [ ƒ( xi +1 ) − ƒ( xi )] xi +1 − xi + 6 [ ƒ( xi −1 ) − ƒ( xi )] xi − xi −1 (C18.3. es claro que esta relación es una expresión mucho más compleja para un trazador cúbico para el i-ésimo intervalo que.3.3 da como resultado la siguiente ecuación cúbica en cada intervalo: ƒi ( x) = ƒ i′′( xi −1 ) ƒ i′′( xi ) ( xi − x )3 + ( x − xi −1 )3 6( xi − xi −1 ) 6( xi − xi −1 ) ⎡ ƒ( xi −1 ) ƒ ′′( xi −1 )( xi − xi −1 ) ⎤ − +⎢ ⎥ ( xi − x ) 6 ⎣ xi − xi −1 ⎦ ⎡ ƒ( xi ) ƒ ′′( xi )( xi − xi −1 ) ⎤ +⎢ − ⎥ ( x − xi −1 ) 6 ⎣ xi − xi −1 ⎦ (18.35) se puede derivar dos veces para verificar esta observación.1.indd 533 6/12/06 13:57:55 .3. y los dos resultados se igualan de acuerdo con la ecuación (B18. que une la segunda derivada en el primer nodo ƒ″(xi–1) con la segunda derivada en el segundo nodo ƒ″(xi). se obtienen n – 1 ecuaciones simultáneas con n + 1 segundas derivadas desconocidas. Sin embargo.3.3.1) se integra dos veces para obtener una expresión para fi(x).3).3.22)]: ƒ ′′( x ) = ƒ ′′( x i −1 ) i i x – xi x − x i −1 + ƒ ′′( x i ) i x i −1 – x i x i – x i −1 (C18. La deducción del cuadro 18. la ecuación (C18. Después.1) f ′ (xi) = f ′(xi) i–1 i (C18.1). Al realizar estas evaluaciones. sino que las organizamos en una forma extremadamente fácil de resolver (recuerde la sección 11. es decir. no sólo se redujo el número de ecuaciones. Con esta base. 1985) se considera la observación de cómo cada par de nodos está unida por una cúbica. Además. Si se hace esto tanto para el (i – 1)-ésimo. la segunda derivada se representa mediante un polinomio de interpolación de Lagrange de primer grado [ecuación (18. Sin embargo. esta expresión contendrá dos constantes de integración desconocidas. la ecuación (18. las segundas derivadas al inicio y al final del intervalo: ƒ″(xi–1) y ƒ″(xi). se tiene la siguiente ecuación cúbica: ƒ i ( x) = ƒ ′′( x i −1 ) ƒ ′′( x ) i i ( xi − x )3 + ( x − x i −1 ) 3 6( x i − x i −1 ) 6( x i − x i −1 ) ⎡ ƒ( x i −1 ) ƒ ′′( x i −1 )( x i − x i −1 ) ⎤ +⎢ − ⎥ ( xi − x ) 6 ⎣ x i − x i −1 ⎦ ⎡ ƒ( x i ) ƒ ′′( x i )( x i − x i −1 ) ⎤ − +⎢ ⎥ ( x − x i −1 ) 6 x i − x i −1 ⎣ ⎦ (C18. observe que el sistema de ecuaciones será tridiagonal. Si la ecuación (C18.3 Obtención de trazadores cúbicos digamos.2) se deriva para ofrecer una expresión de la primera derivada. la segunda derivada dentro de cada intervalo es una línea recta. si podemos determinar la segunda derivada en cada nodo. como para i-ésimo intervalos.3) donde fi″(x) es el valor de la segunda derivada en cualquier punto x dentro del i-ésimo intervalo. Dichas constantes se evalúan tomando las condiciones de igualdad de las funciones [f(x) debe ser igual a f(xi–1) en xi–1 y f(x) debe ser igual a f(xi) en xi)]. Así.35).

5 − 1) 7 − 4.5 − 1) + (2.5 − 3 Debido a la condición de trazador natural. EJEMPLO 18.indd 534 6/12/06 13:57:56 . la ecuación (18.5f ′′(4.5)ƒ ′′( 7) 6 6 = (2.5ƒ″(7) = 9. junto con los valores de las x y las f(x).5) + 9f′′(7) = –9.5 x2 = 7 f(x0) = 2.5 Estos valores se sustituyen en la ecuación (18.67909 f ′′(7) = –1. resultan n – 1 ecuaciones simultáneas con n – 1 incógnitas. El primer paso consiste en usar la ecuación (18.5) + ( 7 − 4. Por ejemplo.9 (tabla 18.5) = 1.37) para generar el conjunto de ecuaciones simultáneas que se utilizarán para determinar las segundas derivadas en los nodos. para el primer nodo interior se emplean los siguientes datos: x0 = 3 x1 = 4.6 En una forma similar.36).534 INTERPOLACIÓN Esta ecuación contiene sólo dos incógnitas (las segundas derivadas en los extremos de cada intervalo). Las incógnitas se evalúan empleando la siguiente ecuación: ( xi − xi −1 )ƒ ′′( xi −1 ) + 2( xi +1 − xi −1 )ƒ ′′( xi ) + ( xi +1 − xi )ƒ ′′( xi +1 ) = 6 6 [ ƒ( xi +1 ) − ƒ( xi )] + [ ƒ( xi −1 ) − ƒ( xi )] xi +1 − xi xi − xi −1 (18.10 Trazadores cúbicos Planteamiento del problema. Utilice los resultados para estimar el valor en x = 5. Solución.37) se aplica al segundo punto interior con el siguiente resultado: 2. Ajuste trazadores cúbicos a los mismos datos que se usaron en los ejemplos 18. y la ecuación se reduce a 8ƒ″(4. (Recuerde que las segundas derivadas en los nodos extremos son cero.5 f(x1) = 1 f(x2) = 2.37): ( 4.5 4.8 y 18. para dar Chapra-18.5 − 3)ƒ ′′(3) + 2( 7 − 3)ƒ ′′( 4.37) Si se escribe esta ecuación para todos los nodos interiores. ƒ″(3) = 0.6 Estas dos ecuaciones se resuelven simultáneamente: f ′′(4.) La aplicación de estas ecuaciones se ilustra con el siguiente ejemplo.1).5) + 2.53308 Estos valores se sustituyen después en la ecuación (18.

299621(7 – 5) + 1.6 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES) 535 ƒ1 ( x ) = 1. mientras que el polinomio cúbico no tiene tal restricción. Observe cómo mejora progresivamente el ajuste conforme pasamos de trazadores lineales. Como se describió en la sección 11.5)3 – 0. como lo especifica la ecuación (18.5 − x ) 6( 4. que está dentro del segundo intervalo.127757(9 – x)3 + 1.8 a 18. Se realizan sustituciones similares para tener las ecuaciones para el segundo y tercer intervalo: f2(x) = 0.638783(5 – 4.16c.16c. el valor en x = 5.5 − 3 1 1.10 se resumen en la figura 18. Aunque el trazador cúbico consiste de una serie de curvas de tercer grado.638783(x – 4. descrito en la sección anterior.indd 535 6/12/06 13:57:56 .18.5 – x) + 0. es ideal para implementarse en una computadora.246894(x – 3) Esta ecuación es el trazador cúbico para el primer intervalo. se calcula como sigue f2(5) = 0. el método se reduce a la solución de n – 1 ecuaciones simultáneas.186566(x – 3)3 + 1.5) = 1.111939(7 – x)3 – 0. Recuerde que.67909( 4. Chapra-18.6. También hemos sobrepuesto un polinomio de interpolación cúbica en la figura 18.4 Algoritmo computacional para trazadores cúbicos El método para calcular trazadores cúbicos.25(x – 7) Las tres ecuaciones se pueden utilizar para calcular los valores dentro de cada intervalo.761027(9 – x) + 0.102886 Se calculan otros valores y los resultados se grafican en la figura 18. Un beneficio más de la derivación es que.5 ( x – 3)3 + ( 4.1. existen algoritmos para resolver tales sistemas de una manera extremadamente eficiente.5 − 3 − ⎥ ( x − 3) 6 ⎣ ⎦ o f1(x) = 0.37). el ajuste resultante difiere del obtenido al usar un polinomio de tercer grado.102205(x – 4.666667(4. a cuadráticos y cúbicos. La figura 18. Los resultados de los ejemplos 18. con algunas manipulaciones inteligentes. Esto se debe al hecho de que el trazador natural requiere segundas derivadas iguales a cero en los nodos extremos. el sistema de ecuaciones es tridiagonal.5) y f3(x) = –0. Por ejemplo.5 − 3) ⎤ +⎡ ⎢ 4.299621(7 – x) + 1.5)3 – 0.102205(5 – 4.67909 2.18 muestra una estructura computacional que incorpora esas características.16. 18.5 − 3) 4.111939(7 – 5)3 – 0.

Además. SUBROUTINE Spline (x.y.r) f1 – 2 * (x2–x0) g1 – (x2–x1) r1 – 6/(x2–x1) * (y2–y1) r1 – r1+6/(x1–x0) * (y0–y1) DOFOR i – 2.n.d2x) CALL Interpol(x. Ésta es sólo una forma en la cual se puede implementar la interpolación mediante trazadores.e.n.yu. FIGURA 18. d2xn CALL Tridiag(x.f.xu.g. la rutina da tanto la primera (dy) como la segunda derivadas (dy2) en xu.n.f. n–2 ei – (xi–xi–1) fi – 2 * (xi+1 – xi–1) gi – (xi+1 – xi) ri – 6/(xi+1 – xi) * (yi+1 – yi) ri – ri+6/(xi – xi–1) * (yi–1 – yi) END DO en–1 = (xn–1 – xn–2) fn–1 = 2 * (xn – xn–2) rn–1 = 6/(xn – xn–1) * (yn – yn–1) rn–1 = rn–1 + 6/(xn–1 – xn–2) * (yn–2 – yn–1) END Tridiag SUBROUTINE Interpol (x.xu.18 Algoritmo para la interpolación mediante trazadores cúbicos.dy.r.d2y) flag = 0 i = 1 DOFOR IF xu ≥ xi–1 AND xu ≤ xi THEN c1 = d2xi–1/6/(xi – xi–1) c2 = d2xi/6/(xi – xi–1) c3 = (yi–1/(xi – xi–1) – d2xi–1 * (xi–xi–1)/6 c4 = (yi/(xi – xi–1) – d2xi * (xi–xi–1)/6 t1 = c1 * (xi – xu)3 t2 = c2 * (xu – xi–1)3 t3 = c3 * (xi – xu) t4 = c4 * (xu – xi–1) yu = t1 + t2 + t3 + t4 t1 = —3 * c1 * (xi – xu)2 t2 = 3 * c2 * (xu – xi–1)2 t3 = –c3 t4 = c4 dy = t1 + t2 + t3 + t4 t1 = 6 * c1 * (xi – xu) t2 = 6 * c2 * (xu – xi–1) d2y = t1 + t2 flag = 1 ELSE i = i + 1 END IF IF i = n + 1 OR flag = 1 EXIT END DO IF flag = 0 THEN PRINT “outside range” pause END IF END Interpol Chapra-18.y.f.g.d2y) END Spline SUBROUTINE Tridiag (x.d2x. yu.18 da sólo un valor interpolado.d2y) LOCAL en.d2x. realizar muchas interpolaciones. rn.dy.g.n.g.yu.n. gn.e.xu. para un valor dado de la variable dependiente.indd 536 6/12/06 13:57:56 . después. xu.y.r) CALL Decomp(e.536 INTERPOLACIÓN Observe que la subrutina de la figura 18. a usted deseará determinar los coeficientes una sola vez y.n–1.f. son útiles en muchas aplicaciones de la interpolación mediante trazadores.n–1) CALL Subst(e. Por ejemplo.y. fn.y.yu.dy. Aunque no es necesario calcular esas cantidades.

Para intervalos intermedios ésta es una buena elección porque la incógnita se localiza en e intervalo a la mitad Chapra-18. Haga que se base en el seudocódigo de la figura 18. con los datos del problema 18. con base en la figura 18. b) Interpole entre log 9 = 0.3.4 Dados los datos x f (x) 1.1667 1.941176 5 0.2 6 7 0. Para desarrollar dicho algoritmo.2 Ajuste un polinomio de interpolación de Newton de segundo orden para estimar el log 10. En el problema 18. b) Utilice la ecuación (18. para determinar el valor de x que corresponde a f(x) = 0.4 y 18. para implantar la interpolación de polinomios de Newton. 18.85.8) con el uso de polinomios de interpolación de Newton de órdenes 1 a 3.5 con el uso de polinomios de Lagrange de órdenes 1 a 3.11 Obtenga trazadores cúbicos para los datos del problema 18. a) Determine en forma analítica el valor correcto. 18.7 Utilice el programa que desarrolló en el problema 18. Calcule el error relativo porcentual verdadero. 18.14 para solucionar los problemas 18.15 Pruebe el programa que desarrolló en el problema 18. con el empleo del polinomio de Lagrange. dichos valores se pasan a una función junto con el valor de x que se desea evaluar. c) Utilice interpolación inversa con interpolación cuadrática y la fórmula cuadrática.4. 18.2 15 4 8 4. a) Interpole entre log 8 = 0. para los datos tabulados que siguen: x f (x) 2 0.14 para resolver los problemas 18. Para ambos problemas.4. La función hace luego dos tareas.16 Use el programa que desarrolló en el problema 18. para los datos tabulados siguientes: x f (x) 0 0 1 0.13 Determine los coeficientes de la ecuación cúbica que pasa por los primeros cuatro puntos del problema 18. para implantar la interpolación de Lagrange.0791812. Elija los puntos base para obtener una buena exactitud.5.1.1429 18. y b) verifique que f2(3) y f3(3) = 19. 18. Para cada una de las interpolaciones calcule el error relativo porcentual con base en el valor verdadero.4 utilice todos los datos para desarrollar polinomios de primero a quinto grado.10 Desarrolle trazadores cuadráticos para los cinco primeros datos del problema 18.961538 Observe que los valores de la tabla se generaron con la función f(x) = x2/(1 + x2).14 con la duplicación del cálculo del ejemplo 18.2).9030900 y log 12 = 1.9 Utilice interpolación inversa para determinar el valor de x que corresponde a f(x) = 0. Elija la secuencia de puntos más apropiada para alcanzar la mayor exactitud posible para sus estimaciones. Desarrolle una función así con el uso de un polinomio cúbico de Lagrange para ejecutar la interpolación.5 14 3.5. Después aplica una técnica como la interpolación de Lagrange para determinar el valor apropiado de f(x).5.5 3 0. d) Emplee interpolación inversa con interpolación cúbica y bisección. 18.1 en x = 8.5 Dados los datos x f (x) 1 3 2 6 3 19 5 99 7 291 8 444 Calcule f(4) con el uso de polinomios de interpolación de Newton de órdenes 1 a 4. 18. haga la gráfica del error estimado versus el orden.5 2 0.23.7.1 Estime Estime el logaritmo natural de 10 por medio de interpolación lineal.PROBLEMAS 537 PROBLEMAS 18. y pronostique f(3. 18.6 Repita los problemas 18.5 2 a) Calcule f(2.5.5). 18. En primer lugar.18) para estimar el error de cada predicción.3333 4 0. depure y pruebe un programa en el lenguaje de alto nivel o macros que elija.8 Emplee interpolación inversa con el uso de un polinomio de interpolación cúbico y de bisección.0413927.11.4) y f(2. 18. y a) pronostique f(4) y f(2.1 a 18.12 Determine los coeficientes de la parábola que pasa por los últimos tres puntos del problema 18.8 3 0. Como el nombre lo indica.14 Desarrolle. Para los incisos b) a d) calcule el error relativo porcentual verdadero. depure y pruebe un programa en cualquier lenguaje de alto nivel o de macros que elija.9542425 y log 11 = 1. involucra “buscar” un valor intermedio en una tabla.7. hace un ciclo hacia abajo de la tabla hasta que encuentra el intervalo en el que se localiza la incógnita. 18.18 Desarrolle. 18. Después.3.indd 537 6/12/06 13:57:57 .1 a 18. 18. en primer lugar se almacena la tabla de los valores de x y f(x) en un par de arreglos unidimensionales. Pruébelo con la duplicación del ejemplo 18. 9 y 11. 18.3 Ajuste un polinomio de interpolación de Newton de tercer orden para estimar log 10 con los datos del problema 18. 18.7 Vuelva a hacer el problema 18.25 5 0.9 4 0.19 Una aplicación útil de la interpolación de Lagrange se denomina búsqueda en la tabla.6 2 2 8 2. ¿Qué indican los resultados en relación con el orden del polinomio que se emplea para generar los datos de la tabla? 18. b) Use interpolación cúbica de x versus y. 18.

18.6 con el empleo de interpolación inversa. v (m3/kg) s (kJ/kg · K) 0.20 para ajustar trazadores cúbicos para los datos de los problemas 18. Asimismo. 2. Pruebe el programa con la repetición del ejemplo 18. y c) hallar el volumen correspondiente a una entropía de 6.108 m3/kg con interpolación lineal.4 y 18. 18. para implantar la interpolación con segmentaria cúbica con base en la figura 18. …. la función debe desplegar un mensaje de error. 10. Para ambos casos. Pruebe su programa para f(x) = ln x con los datos x = 1.25). Para esos casos.1254 6.10.11144 6.indd 538 6/12/06 13:57:57 . pronostique f(2. 18.5. Para los intervalos primero y último. depure y pruebe un programa en cualquier lenguaje de alto nivel o de macros de su elección.7664 Chapra-18.5453 0.20 Desarrolle.22 Emplee la porción de la tabla de vapor que se da para el H2O supercalentada a 200 MPa.10377 6. haga que el código detecte cuando el usuario pida un valor fuera del rango de las x. use un polinomio cuadrático de Lagrange. b) encontrar la misma entropía correspondiente con el uso de interpolación cuadrática.21 Emplee el software desarrollado en el problema 18.18.4147 0.538 INTERPOLACIÓN de los cuatro puntos necesarios para generar la expresión cúbica. para a) encontrar la entropía correspondiente s para un volumen específico v de 0.

Sign up to vote on this title
UsefulNot useful