You are on page 1of 21

1

INTERPOLACIN

El proceso de interpolacin consiste en determinar un valor desconocido para una funcin, la cual no
se conoce o no es posible despejarla, pero si se conocen otros valores entre los que queda comprendido el
valor desconocido.
La interpolacin resulta muy prctica cuando se tiene una tabla de valores, y se requiere uno que
aunque est comprendido entre los valores tabulados, no se tiene. Puede ocurrir que se desea conocer la
abscisa conociendo la ordenada, y que la funcin no pueda despejarse, entonces se intercambian abscisas por
ordenadas y se aplica la interpolacin.
Este proceso puede llevarse a cabo de dos formas: grfica y numrica.

Interpolacin Grfica: Para interpolar grficamente se deben colocar puntos que representan a los
valores conocidos en un sistema coordenado cartesiano, luego con un curvgrafo trazar la curva que
representa a la funcin, ubicar el valor desconocido en el eje que le corresponde (usualmente el de abscisas,
aunque igual funciona a partir del otro eje), trazar una lnea perpendicular al eje hasta tocar la curva, a partir
de ese punto trazar una lnea perpendicular al otro eje hasta tocarlo y por ltimo leer en la escala de este
segundo eje el valor que se desea conocer.
Todos estos pasos adems de ser muy laboriosos deben realizarse con mucho cuidado a fin de que el
valor obtenido tenga la mayor precisin, la cual de cualquier manera nunca alcanzar ms de tres cifras
significativas de la diferencia del rango de los valores conocidos.

Interpolacin Numrica: Sin tener una precisin absoluta, esta normalmente es mucho mayor que
la obtenida grficamente y suficiente para la gran mayora de los problemas prcticos, para llevarlo a cabo se
deben seguir estos pasos: .

1. Suponer una funcin para representar a los datos, casi siempre un polinomio.
2. Se seleccionan un conjunto de entre los puntos conocidos, los ms cercanos al valor desconocido, el
grado del polinomio es el nmero de puntos menos uno, esto es: si se emplean dos puntos, se est
suponiendo una recta, con tres puntos resulta una parbola, cuatro puntos producen una cbica y as
sucesivamente, lo ms usual es emplear entre tres y cinco puntos, un nmero excesivo de puntos
pueden producir una curva muy sinuosa, y con ello un resultado errneo.
3. Se sustituyen los datos seleccionados en la funcin obteniendo un sistema de ecuaciones, las cuales
se resuelven como simultneas a fin de conocer el valor de las constantes.
4. Finalmente se sustituyen en la ecuacin supuesta, los valores de las constantes, as como el valor
desconocido para calcular el resultado.

Algunos matemticos destacados como Lagrange, Gauss, Newton y otros desarrollaron mtodos
simplificados para seguir el proceso antes descrito, en algunos casos se reducen a la aplicacin de una
frmula, lo cual es prctico, pero no siempre suficiente.

Ejemplo: Una persona debe resolver un problema de fsica, para lo cual requiere conocer la densidad
del agua a 43.7 c con la mayor precisin posible, para lo cual recurre a una tabla de datos de un texto:

2
Si bien los datos de la tabla son muy precisos, el valor buscado no se encuentra, por lo cual se
recurrir a hacer una interpolacin, primero se ensayar el mtodo grfico, para lo cual se elabora la siguiente
grfica





Una vez hecha la grfica se trazan las lneas de interpolacin, y se encuentra que para una
temperatura de 43.7 c se lee un valor de la densidad de aproximadamente 0.991 gr/cm
3
.

Ahora procederemos al procedimiento numrico; supondremos un polinomio de segundo grado del
tipo:

y = a
0
+ a
1
x + a
2
x
2
[1]

Como la ecuacin tiene tres constantes que deben de calcularse, se sustituyen en la ecuacin [1] los
datos de los tres datos conocidos ms cercanos al valor de 43.7 c que son. :

(20, 0.99823) 0.99823 = a
0
+ a
1
20 + a
2
20
2


(50, 0.98807) 0.98807 = a
0
+ a
1
50 + a
2
50
2


(75, 0.97489) 0.97489 = a
0
+ a
1
75 + a
2
75
2





Densidad del Agua
0.955
0.96
0.965
0.97
0.975
0.98
0.985
0.99
0.995
1
1.005
0 20 40 60 80 100
temperatura,t, c
D
e
n
s
i
d
a
d
,

,

g
r
/
c
m

d
3
3
[
=
= =

=
i j
n
j
j i
j
n
i
i
x x
x x
y y
1
0
1
0
Desarrollando los cuadrados, se obtienen las ecuaciones:

0.99823 = a
0
+ a
1
20 + a
2
400

0.98807 = a
0
+ a
1
50 + a
2
2500

0.97489 = a
0
+ a
1
75 + a
2
5625



Este sistema de ecuaciones se resuelve por cualquiera de los mtodos estudiados, obteniendo la
solucin:
a
0
= 1.00164
a
1
= - 1.0330 10
-4

a
2
= - 3.36242 10
-6


Sustituyendo estos coeficientes en la ecuacin polinomial [1] obtendremos el polinomio interpolador:

y = 1.00164 - 1.033 10
-4
x - 3.36242 10
-6
x
2
[2]

Para terminar el proceso, solo resta sustituir el valor desconocido en el polinomio interpolador [2]:

y = 1.00164 - 1.033 10
-4
(43.7) - 3.36242 10
-6
(43.7)
2
= 0.99074

Ntese que si este valor obtenido se redondea a tres cifras significativas, se obtiene el valor que se
obtuvo por interpolacin grfica que fue 0.991.

Frmula de Interpolacin de Lagrange


Al igual que en el ejemplo anterior, se emplea un polinomio, que satisface los puntos conocidos, y
sustituye el valor a interpolar, obteniendo el valor desconocido; La diferencia estriba en que todo el trabajo se
reduce a aplicar la siguiente frmula:



[ 3 ]








Para quien no conoce la simbologa de las matemticas, puede parecer muy compleja, sin embargo,
una vez que identificamos sus componentes y el significado de cada uno de ellos, se hace ms sencilla su
comprensin; demos un vistazo a sus partes:

( x
0
, y
0
) Coordenadas del punto interpolado, al plantear el problema, se conoce x
0

mientras que y
0
se obtiene como resultado del proceso.

n Nmero de puntos empleados en el proceso, el grado del polinomio es n 1, lo
ms usual es emplear entre tres y cinco puntos.

4
[
=
=
i
1
j
n
j
i, j Estas constantes enteras se emplean para enumerar los puntos conocidos y los
trminos en la sumatoria y en el producto.

Sumatoria, representa la suma de los trminos colocados a su derecha, el subndice
i = 1 indica que los sumandos se enumerarn con la literal i y que para el
primer sumando el valor de i es uno; el superndice n nos dice que el valor de i
para el ltimo sumando es n, es decir el nmero de puntos empleados.

Producto, es menos conocido que la sumatoria, aunque su uso es muy similar con la
diferencia de que se multiplica en vez de sumar, algunos autores le llaman
productoria multiplicatoria. El subndice j = 1 indica que se emplea la literal
j para enumerar los factores, y que al primer factor el valor de j es uno; el
enunciado j i implica se omitir aquel factor para el cual i y j fueran iguales;
el superndice n implica que el valor de j para el ltimo factor es n, el nmero
de puntos empleados.

Desarrollemos la frmula para el caso ms sencillo, es decir para dos puntos:

1 2
1 0
2
2 1
2 0
1 0
x x
x x
y
x x
x x
y y

=

En el primer sumando, i vale uno y por lo tanto solo puede tener un factor al cual corresponde el
valor de j igual a dos; en forma similar en el segundo sumando el valor de i es dos, y al nico factor que
puede tener le corresponde el valor de j igual a uno.

El caso de tres puntos se desarrolla as:


2 3
2 0
1 3
1 0
3
3 2
3 0
1 2
1 0
2
3 1
3 0
2 1
2 0
1 0
x x
x x
x x
x x
y
x x
x x
x x
x x
y
x x
x x
x x
x x
y y

=


Por ltimo desarrollaremos el caso de cuatro puntos:


3 4
3 0
2 4
2 0
1 4
1 0
4
4 3
4 0
2 3
2 0
1 3
1 0
3
4 2
4 0
3 2
3 0
1 2
1 0
2
4 1
4 0
3 1
3 0
2 1
2 0
1 0
x x
x x
x x
x x
x x
x x
y
x x
x x
x x
x x
x x
x x
y
x x
x x
x x
x x
x x
x x
y
x x
x x
x x
x x
x x
x x
y y

+
+

=


Sustituiremos los datos del ejemplo anterior para mostrar la aplicacin y confirmar el resultado:

x
1
= 20 y
1
= 0.99823 x
0
= 43.7
x
2
= 50 y
2
= 0.98807
x
3
= 75 y
3
= 0.97489



50 75
50 7 . 43
20 75
20 7 . 43
97489 . 0
75 50
75 7 . 43
20 50
20 7 . 43
98807 . 0
75 20
75 7 . 43
50 20
50 7 . 43
99823 . 0
0

= y

y
0
= 0.99074 El resultado es idntico!

=
n
i 1
5

ALGORITMO DE INTERPOLACIN, FRMULA DE LAGRANGE

VARIABLES n Nmero de puntos
i, j Contadores
Suma
Producto
x, y Arreglo de las coordenadas de los puntos conocidos
x
0
, y
0
Coordenadas del punto interpolado

INICIO
Captura n, (x
1
, y
1
).. (x
n
, y
n
), x
0

suma = 0
Para i = 1 Hasta n Ejecuta
INICIO
p = y
i

Para j = 1 Hasta n Ejecuta
Si j i Entonces
producto = producto * (x
0
-x
j
)/(x
i
-x
j
);
suma = suma + producto
FIN
y
0
= suma
FIN



DIFERENCIAS DIVIDIDAS

La definicin de derivada es:
x
x f x x f
Lim x f
dx
d
x
A
A +
=
A
) ( ) (
) (
0


Sin embargo si la funcin no se conoce, y si se conocen algunos puntos, la derivada puede
aproximarse:
i i
i i
x x
x f x f
x f
dx
d

~
+
+
1
1
) ( ) (
) (

De acuerdo con el teorema del valor medio la derivada obtenida con esta expresin es exacta para un
punto comprendido entre x
i
y x
i+1
. Pero adems esta expresin se define como la primera diferencia
dividida respecto a los argumentos x
i
y x
i+1
:

| |
i i
i i
i i
x x
x f x f
x x f

=
+
+
+
1
1
1
) ( ) (
,

As como existen las derivadas de orden superior tambin las diferencias divididas de orden superior,
la segunda diferencia dividida se define:

| |
| | | |
i i
i i i i
i i i
x x
x x f x x f
x x x f

=
+
+ + +
+ +
2
1 2 1
2 1
, ,
, ,
6
En forma similar, la ensima diferencia dividida se define:

| |
| | | |
i n i
n i i i n i i i
n i i i
x x
x x x f x x f
x x x f

=
+
+ + + + +
+ +
1 1 2 1
1
,..., , ,..., ,
,... ,

A partir de la tabulacin del polinomio: f(x) = x
3
2x
2
+ 3x 1, construiremos una tabla de
diferencias divididas:

x f(x) f[xi,xi+1] f[xi,xi+1,xi+2] f[xi,xi+1,xi+2,xi+3] f[xi,xi+1,xi+2,xi+3,xi+4]
0 -1 2 1 1 0
1 1 4 4 1 0
2 5 12 7 1 0
3 17 26 10 1 0
4 43 46 13 1 0
5 89 72 16 1
6 161 104 19
7 265 142
8 407

Como puede observarse las terceras diferencias divididas son una constante y las cuartas diferencias
divididas son cero, lo mismo ocurrira si se evaluaran las terceras y cuartas derivadas a cualquier polinomio
de tercer grado como el que se empleo de ejemplo. Si elaborramos una tabla de diferencias divididas para
una funcin no polinomial observaramos que no ocurre lo mismo. Para la funcin y = e
x
seno x 2 la tabla
queda:

x f(x) f[xi,xi+1] f[xi,xi+1,xi+2] f[xi,xi+1,xi+2,xi+3] f[xi,xi+1,xi+2,xi+3,xi+4]
0 -2 2.28735529 1.07206956 -1.74333535 -0.895592653
1 0.28735529 4.43149441 -4.15793649 -5.32570596 0.640911129
2 4.7188497 -3.88437856 -20.1350544 -2.76206145 8.500188938
3 0.83447113 -44.1544873 -28.4212387 31.2386943 20.23262368
4 -43.3200162 -100.996965 65.2948442 112.169189 -3.377309342
5 -144.316981 29.5927236 401.802411 98.6599517
6 -114.724257 833.197546 697.782266
7 718.473289 2228.76208
8 2947.23537




ALGORITMO DE ELABORACIN DE UNA TABLA DE DIFERENCIAS DIVIDIDAS


VARIABLES n valor entero, nmero de puntos conocidos
m valor entero, orden de la mxima diferencia dividida
i, j valores enteros, contadores
tabla arreglo bidimensional [1..n,1..m + 2] de enteros,
puntos y diferencias divididas

INICIO
Captura de n y m
Capturar valores de las abscisas en la columna 1 de la tabla,
y las ordenadas en la columna 2
Para j = 1 hasta m Ejecuta
Para i = 1 hasta n-j Ejecuta
tabla[i,j+2] = (tabla[i+1,j+1] - tabla[i,j+1])/(tabla[i+j,1]-tabla[i,1])
Mostrar resultados
FIN

7
i i
i i
x x
x f x f
m

=
+
+
1
1
) ( ) (
MTODO DE INTERPOLACIN DE NEWTON

Este mtodo arroja resultados idnticos a los del anterior y puede resultar ms laborioso, si es que
solo se desea interpolar una valor, ya que requiere elaborar una tabla de diferencias divididas, sin embargo es
sencillo y ahorra trabajo si se requiere interpolar ms valores, ya que la tabla se elabora solo una vez, tal sera
el caso de crear la grfica en una computadora a partir de los datos conocidos.

Para toda recta, al seleccionar un par de puntos diferentes, se cumple la definicin de la pendiente:





Si comparamos esta definicin con la primera diferencia dividida, encontramos que son iguales, por
lo que la ecuacin de la recta en forma de punto y pendiente puede escribirse:




De manera similar puede escribirse la ecuacin para un polinomio de segundo grado:



Para generalizar, se definimos:

a
0
= f[x
i
]
a
1
= f[x
i
,x
i+1
]
a
2
= f[x
i
,x
i+1
,x
i+2
]
a
3
= f[x
i
,x
i+1
,x
i+2
,x
i+3
]
: :
a
n
= f[x
i
,x
i+1
,x
i+2
,x
i+3,
...,x
i+n
]

La ecuacin del polinomio de grado n queda:




Una frmula general sera:

[
=

=
+ (

=
n
k
k
j
j i k
x x a x f
0
1
0
) ( ) (

Ejemplo: Los siguientes datos corresponden al punto de fusin u en grados Celsius de una aleacin
de dos metales la cual contiene x porcentaje de uno de ellos.


x 30.1 38.2 50.7 64.3 70.0 77.2
u 143.8 153.2 170.1 192.2 202.6 216.3

Se desea conocer la temperatura de fusin para una aleacin que contenga 58.7% del metal x para
lo cual suponemos un polinomio de grado dos y seleccionamos tres puntos (50.7,170.1), (64.3,192.2) y
(70.0,202.6), por ser los ms cercanos al valor 58.7. Procedemos a crear la tabla de diferencias divididas.


) ( ] , [ ) ( ) (
1 1 1 i i i i i i
x x x x f x f x f + =
+ + +
) ( ) ( ] , , [ ) ( ] , [ ) ( ) (
1 2 1 1 + + + +
+ + =
i i i i i i i i i
x x x x x x x f x x x x f x f x f
) )...( ( ) ( ... ) ( ) ( ) ( ) (
1 1 2 1 0 n i i i n i i i
x x x x x x a x x x x a x x a a x f
+ + +
+ + + + =
8
x f(x) f[x
i
,x
i+1
] f[x
i
,x
i+1
,x
i+2
] f[x
i
,x
i+1
,x
i+2
,x
i+3
] f[x
i
,x
i+1
,x
i+2
,x
i+3
,x
i+4
]
30.1 143.8 1.160493827 0.009296416 3.40162E-05 -9.46956E-07
38.2 153.2 1.352 0.01045977 -3.76733E-06 -4.04146E-06
50.7 170.1 1.625 0.010339969 -0.000161384
64.3 192.2 1.824561404 0.006063285
70.0 202.6 1.902777778
77.2 216.3

Se construy la tabla completa, aunque pudo limitarse a los valores sombreados que son los
requeridos para realizar la interpolacin, la cual se plantea as:

f(58.7) = 170.1 + 1.625(58.7-50.7) + 0.01033969(58.7-50.7)(58.7-64.3) = 182.63677

Redondeando de acuerdo a las cifras significativas de los datos, tenemos f(58.7) = 182.6



ALGORITMO DE INTERPOLACIN DE NEWTON
POR DIFERENCIAS DIVIDIDAS

Nota: Para el empleo de este algoritmo, se requiere haber elaborado la tabla de diferencias
divididas de acuerdo con el algoritmo correspondiente, ya desarrollado.

VARIABLES i valor entero, primer punto empleado en la interpolacin
Gr_p valor entero, grado del polinomio
j, k valores enteros, contadores
tabla arreglo bidimensional [1..n,1..m + 2] de enteros,
puntos y diferencias divididas
suma,
producto valores reales, resultados intermedios
x,Fx coordenadas del punto interpolado.

INICIO
captura: i, Gr_p, x
suma = 0
Para k = 0 hasta Gr_p Ejecuta
INICIO
Producto = tabla[i, k+2]
SI k > 0 Entonces
Para j = 0 hasta k-1 Ejecuta
Producto = producto * (x tabla[i+j,])
Suma = suma + producto
FIN
Fx = suma
Muestra resultado
FIN


9
DIFERENCIAS FINITAS

Cuando la diferencia de las abscisas de los datos Ax es constante para todos los puntos(es decir
estn uniformemente espaciados), el algoritmo de interpolacin de Newton puede simplificarse, y reducir el
nmero de divisiones, lo cual disminuye el error de redondeo.
Las diferencias finitas consisten en la simple resta de valores consecutivos de la funcin. La primera
diferencia finita hacia delante se define como:

A f(x
j
) = f(x
j
+ Ax) f(x
j
) = f(x
j+1
) + f(x
j
)

Tambin est definida la segunda diferencia finita hacia delante:

A
2
f(x
j
) = A (A f(x
j
)) = A f(x
j+1
) A f(x
j
)

De la misma manera se define la i-sima diferencia finita hacia delante:

A
i
f(x
j
) = A (A
i-1
f(x
j
)) = A
i-1
f(x
j+1
) A
i-1
f(x
j
)

Para ilustrar estas definiciones, tomaremos un ejemplo y elaboraremos la tabla de diferencias finitas
hacia delante. Se tiene vapor de agua condensado a 77f el cual contiene bixido de carbono disuelto con una
concentracin de x partes por milln (ppm), al cual se le mide la conductividad elctrica y en mohs/cm
10
6
, se desea conocer la conductividad cuando la concentracin es de 2.9 ppm.

x f(x) A f(x) A
2
f(x) A
3
f(x) A
4
f(x) A
5
f(x)
1.50 2.280 0.394 -0.028 0.016 0.005 -0.065
2.25 2.674 0.366 -0.012 0.021 -0.060
3.00 3.040 0.354 0.009 -0.039
3.75 3.394 0.363 -0.030
4.50 3.757 0.333
5.25 4.090

Si los valores de la tabla se tomaran desde abajo hacia arriba, obtendramos las diferencias finitas
hacia atrs que se definen as:
V f(x
j
) = f(x
j
) f(x
j
Ax) = f(x
j
) f(x
j-1
)

En forma similar, la segunda diferencia finita hacia atrs se define:

V
2
f(x
j
) = V (V f(x
j
)) = V f(x
j
) - V f(x
j-1
)

Y tambin se puede generalizar para obtener la i-sima diferencia finita hacia atrs:

V
i
f(xj) = V (V
i-1
f(x
j
)) = V
i-1
f(x
j
) - V
i-1
f(x
j-1
)

Para el mismo problema elaboramos la tabla de diferencias finitas hacia atrs:

x f(x) V f(x) V
2
f(x) V
3
f(x) V
4
f(x) V
5
f(x)
1.50 2.280
2.25 2.674 0.394
3.00 3.040 0.366 -0.028
3.75 3.394 0.354 -0.012 0.016
4.50 3.757 0.363 0.009 0.021 0.005
5.25 4.090 0.333 -0.030 -0.039 -0.060 -0.065
10
A fin de desarrollar la frmula de interpolacin de Newton en funcin de diferencias finitas, se hace
necesario definir un nuevo trmino
x
x x
s
A

=
0


Donde x es el valor a interpolar, x
0
es el valor menor de las abscisas conocidas, y x como ya
se haba definido, es la diferencia entre dos abscisas consecutivas, que para este mtodo es constante.

Despejando la definicin anterior obtenemos: x = x
0
+ s Ax

De tal manera que podemos obtener: x x
i
= x
0
+ s Ax x
i
= x
0
x
i
+ s Ax

Considerando que: x
0
x
i
= - i Ax

Entonces: x x
i
= Ax (s i)

Y el producto (x-x
0
)(x-x
1
)(x-x
2
)... (x-x
i
) = Ax
i
s(s-1)(s-2)... (s-i)

Las diferencias divididas pueden expresarse en funcin de las diferencias finitas:

| |
x
x f
x x f
j
j j
A
A
=
+
) (
,
1

La segunda diferencia dividida:
| |
2
2
2
1
1
2 1
2
) (
2
) ( ) (
2
) ( ) (
, ,
x
x f
x
x f x f
x
x
x f
x
x f
x x x f
j j j
j j
j j j
A
A
=
A
A A
=
A
A
A

A
A
=
+
+
+ +


La i-sima diferencia dividida:
| |
i
j
i
i j j j j
x i
x f
x x x x f
A
A
=
+ + +
!
) (
,..., , ,
2 1


Tambin pueden expresarse en diferencias finitas hacia atrs:

| |
i
j
i
j j j i j
x i
x f
x x x x f
A
V
=
+ + +
!
) (
, , ,...,
1 2


La ecuacin de interpolacin de Newton:

f(x) = f[x
j
] + f[x
j
,x
j+1
](x-x
j
) + f[x
j
,x
j+1
,x
j+2
](x-x
j
)(x-x
j+1
) +... + f[x
j
,x
j+1
,x
j+2
,... x
j+i
] (x-x
j
)(x-x
j+1
)... (x-x
j+i
)

Expresada en diferencias finitas hacia delante queda:

) f(x
i!
1) i 2)...(s 1)(s s(s
... ) f(x
3!
2) 1)(s s(s
) f(x
2!
1) s(s
) f(x s ) f(x f(x)
j
i
j
3
j
2
j j
A
+
+ + A

+ A

+ A + =

Ahora resolveremos el problema que ya se haba planteado; supondremos un polinomio de tercer
grado lo que implica trabajar con cuatro puntos, que sern los cuatro primeros, calcularemos los factores, y
tomaremos las diferencias finitas de la tabla para sustituir en la frmula:

Ax = 2.25 1.50 = 0.75 s = (2.90 1.50) / 0.75 = 1.867
Sustituyendo en la frmula obtenemos:
11

f(2.90) = 2.280 + 1.867 0.394 + 1.867(1.867-1)(-0.028) / 2 + 1.867(1.867-1)(1.867-2)(0.016) / 6

F(2.90) = 2.992


ALGORITMO DE CLCULO DE UNA TABLA DE DIFERENCIAS FINITAS HACIA DELANTE

Nota: La diferencia de las abscisas de los datos Ax debe ser constante para todos los puntos

VARIABLES n valor entero, nmero de puntos conocidos
m valor entero, orden de la mxima diferencia finita
i,j valores enteros, contadores
tabla arreglo bidimensional [1..n,1..m+2] de valores reales, puntos y diferencias finitas

INICIO
Captura de n y m
Captura de los valores conocidos abscisas en columna1 y ordenadas en columna 2
Para j = 1 hasta m ejecuta
Para i = 1 hasta n - j ejecuta
Tabla[i,j+2] = tabla[i+1,j+1] tabla[i,j+1]
Mostrar resultados
FIN

ALGORITMO DE INTERPOLACIN DE NEWTON POR DIFERENCIAS FINITAS

Nota: Antes de ejecutar este algoritmo debe elaborarse la tabla de diferencias finitas hacia delante.
VARIABLES n valor entero, nmero de puntos conocidos
m valor entero, orden de la mxima diferencia finita
i,j valores enteros, contadores
tabla arreglo bidimensional [1..n,1..m+2] de valores reales, puntos y diferencias finitas
x valor real, punto a interpolar
y valor real, resultado de la interpolacin
ni valor entero, nmero de puntos a considerar en la interpolacin
nj valor entero, punto inicial a considerar en la interpolacin
s valor real, variable intermedia
denom valor real, denominador de los trminos
term-ant valore real, cociente del termino anterior
INICIO
Captura x, ni, nj
s = (x tabla[nj,1]) / (tabla[nj+1,1] tabla[nj,1])
y = tabla[nj,2] + s * tabla[nj,3]
Si ni > 2 entonces
INICIO
den = 2
term_ant = s * (s 1) / den
Para i = 2 hasta ni 2 ejecuta
INICIO
y = y + term_ant * tabla[nj,i+2]
den = den + 1
term_ant = term_ant * (s 1) / den
FIN
FIN
Muestra el valor y
FIN
12
REGRESIN LINEAL

La obtencin de ecuaciones polinomiales por medio de los diferentes algoritmos de interpolacin,
suele ser sencilla y eficiente, sin embargo, ya que el grado del polinomio est determinado por el nmero de
puntos empleados, si se tienen mas puntos de los necesarios, deben de ignorarse y solo considera los puntos
empleados, lo cual desde un punto de vista estadstico es incorrecto.

En la gran mayora de los experimentos, se hacen mas observaciones de las estrictamente necesarias
para obtener un modelo predeterminado; si previamente se propuso un modelo, este debe de confirmarse, o
rechazarse a fin de buscar otro que satisfaga mejor al fenmeno observado, estos mtodos que permite
considerar todos los puntos son llamados de regresin. Si las ecuaciones son lineales (p. Ej. Polinomios) o
linearizables, entonces se trata de una regresin lineal.

En muchos casos la grfica de los datos permite sugerir una ecuacin, de otra manera se trabaja a
ciegas, probando por ensayo y error hasta obtener un modelo satisfactorio.

Cuando se realiza un experimento, invariablemente se producen errores de observacin, de tal
manera que ningn valor obtenido representa con toda exactitud al fenmeno en estudio. Las ventajas de los
mtodos de regresin son que tienden a eliminar errores no uniformes para todas las observaciones, y le dan
mayor validez estadstica la modelo obtenido.

MTODO DE LOS PROMEDIOS

Este mtodo plantea una ecuacin para cada punto conocido para luego obtener una ecuacin
promedio; Para aplicarlo siga estos pasos:
.
1. Suponga una ecuacin lineal o linearizada.
2. Sustituya las coordenadas de cada punto observado en la ecuacin, obteniendo tantas ecuaciones
como puntos tiene la curva.
3. Haga tantos grupos de ecuaciones como constantes tenga la ecuacin de la curva. Por ejemplo, la
ecuacin de la recta tiene dos constantes, por lo tanto se harn dos grupos de ecuaciones, uno con la
primera mitad y el otro con la segunda, nunca en forma alternada, si el nmero de ecuaciones en
impar, el grupo ms pequeo debe corresponder a los puntos ms bajos de la curva (o ms bien a los
valores absolutos ms pequeos).
4. Sume las ecuaciones en cada grupo obteniendo una ecuacin por cada grupo y as tendr tantas
ecuaciones como constantes tenga la curva.
5. Resuelva las ecuaciones como simultneas (puede emplear cualquier mtodo), obteniendo los
valores de las constantes.
6. Sustituya los valores de las constantes, en la ecuacin general de la curva, resultando la ecuacin
emprica particular del problema.

Ejemplo: Los siguientes puntos fueron obtenidos en un experimento

Y 10.8 18.2 26.1 33.4 41.6 50.7 58.7 64.2 73.6 82.0
X 1.10 1.71 2.08 2.68 3.30 3.70 4.03 4.72 5.28 5.77

Al elaborarse la grfica se observa que los puntos caen sobre una recta, por lo cual
suponemos la ecuacin y = m * x + b la cual tiene dos constantes (m y b), entonces se precede a
sustituir los datos y a hacer dos grupos:

10.8 = 1.10 m + b 50.7 = 3.70 m + b
18.2 = 1.71 m + b 58.7 = 4.03 m + b
26.1 = 2.08 m + b 130.1 = 10.87 m + 5b 64.2 = 4.72 m + b 329.2 = 23.5 m + 5b
33.4 = 2.68 m + b 73.6 = 5.28 m + b
41.6 = 3.30 m + b 82.0 = 5.77 m + b

13
Al resolver como simultaneas las dos ecuaciones obtenidas de
sumar el grupo obtenemos los valores :

m = 15.76 b = -8.24

Quedando la ecuacin :

y = 15.76 x 8.24










MTODO DE LOS MNIMOS CUADRADOS

Este mtodo tiene como planteamiento encontrar la ecuacin que proporcione la desviacin
promedio mas cercana a cero, para ello emplea la tcnica de mximos y mnimos del clculo diferencial.
Aunque es el mtodo ms elaborado, tambin es el ms exacto. El caso ms comn es el de la recta que se
desarrolla a continuacin:

La ecuacin emprica de una recta es: y
calc
= m * x + b

La desviacin se define como: Desv = y - ycalc

Sustituyendo la 1 en la 2
a
obtenemos: Desv = y - m * x - b

Cualquier nmero negativo es menor a cero, si aplicramos la tcnica de mximos y mnimos a la
ecuacin de la desviacin obtendramos un valor de desviacin tendiente a infinito positivo o negativo; por
esto, se debe buscar una expresin siempre positiva a fin de que el valor mnimo sea lo mas cercano posible
a cero. La funcin valor absoluto no es continua, por lo tanto no se puede derivar y no nos sirve, sin embargo
dado que cualquier nmero elevado al cuadrado siempre es positivo, elevamos al cuadrado la desviacin

Desv = y + mx + b - 2mxy - 2 b y + 2mbx
sumamos para todos los puntos



= = = = = =
+ + + =
n
1 i
n
1 i
n
1 i
2
n
1 i
2 2
n
1 i
2
n
1 i
2
x 2 y 2 xy 2 x y Desv mb b m nb m

Al graficar esta ecuacin en un sistema de tres dimensiones,
asignando como variables a los ejes coordenados m, b y E Desv
se obtiene un paraboloide elptico, el vrtice del paraboloide
corresponde al valor mnimo de la desviacin, por lo tanto el problema
se resolver al encontrar los valores de m y b que corresponden al
vrtice.
El mtodo de mximos y mnimos consiste en obtener las
derivadas parciales, de la variable que se pretende maximizar o
minimizar (que es este caso), con respecto a las dems variables. Una
vez obtenidas estas derivadas, se igualan a cero y se resuelven como
ecuaciones simultneas, encontrando as la solucin.

y
x
14
Las derivadas parciales de E Desv con respecto a m y b son:

0 2 2 2
0 2 2 2
1 1 1
2
1 1 1
2
1
2
= + =
c
c
= + =
c
c


= = =
= = = =
n
i
n
i
n
i
n
i
n
i
n
i
n
i
y nb x m Desv
b
xy x b x m Desv
m


Dividiendo las ecuaciones anteriores entre dos y despejando en cada una el trmino independiente se obtiene:

Este par de ecuaciones se aplica para cualquier recta; una vez calculadas las
sumatorias, se sustituyen en las ecuaciones, y estas se resuelven como
simultneas (no importa el mtodo que se emplee), obteniendo como resultado
los valores de m y b que sustituir en la ecuacin general de la recta, para
as obtener la ecuacin emprica particular.

EJEMPLO: A fin de poder comparar los mtodos, resolveremos el
mismo problema que ya se resolvi por el mtodo de promedios :

y 10.8 18.2 26.1 33.4 41.6 50.7 58.7 64.2 73.6 82.0
x 1.10 1.71 2.08 2.68 3.30 3.70 4.03 4.72 5.28 5.77

Ya se ha graficado la curva, comprobando que es una recta, se conoce su ecuacin y el sistema de
ecuaciones a resolver, por lo cual se procede a calcular las sumatorias necesarias para el proceso de ajuste:

















En la elaboracin de la tabla anterior, las dos primeras columnas corresponden a los datos
observados, abscisas y ordenadas respectivamente, cada valor de la primera columna (abscisas) se eleva al
cuadrado, colocando el resultado sobre la misma fila en la tercera columna; la abscisa y la ordenada de una
misma fila se multiplican, colocando el resultado en la cuarta columna. En la ltima fila se anotan las sumas
correspondientes a cada columna, estas sumas y el valor de n = 10 (son diez puntos) se sustituyen en el
sistema de ecuaciones de los mnimos cuadrados:

459.3 = 34.37 m + 10 b Al resolver este sistema se obtuvieron los valores.

1913.005 = 139.9135 m + 34.37 b m = 15.35 b = - 6.83

La ecuacin de la recta es :

y = 15.35 x 6.83
x y x
2
xy
1.1 10.8 1.21 11.88
1.71 18.2 2.9241 31.122
2.08 26.1 4.3264 54.288
2.68 33.4 7.1824 89.512
3.3 41.6 10.89 137.28
3.7 50.7 13.69 187.59
4.03 58.7 16.2409 236.561
4.72 64.2 22.2784 303.024
5.28 73.6 27.8784 388.608
5.77 82.0 33.2929 473.14
E x = 34.37 E y = 459.3 E x
2
= 139.9135 E xy = 1913.005
bn x m y
x b x m xy
n
i
n
i
n
i
n
i
n
i
+ =
+ =


= =
= = =
1 1
1 1
2
1
y
x
15
ECUACIONES POLINOMIALES

La recta es un polinomio de primer grado, el mismo proceso de deduccin que se sigui
anteriormente pude emplearse para una ecuacin polinomial del tipo:

y = a
0
+ a
1
x + a
2
x
2
+... + a
n
x
n


Obteniendo el siguiente sistema de ecuaciones a resolver:





= =
+
=
+
= =
=
+
= = = =
=
+
= = = =
= = = =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
n
i
n
n
n
i
n
n
i
n
n
i
n
n
i
n
n
i
n
n
n
i
n
i
n
i
n
i
n
i
n
n
n
i
n
i
n
i
n
i
n
i
n
n
n
i
n
i
n
i
n a x a x a x a y x
n a x a x a x a y x
n a x a x a x a xy
n a x a x a a n y
1
2
1
2
2
1
1
1
1
0
1
1
2
1
4
2
1
3
1
1
2
0
1
2
1
1
1
3
2
1
2
1
1
0
1
1 1
2
2
1
1 0
1
...
...
...
...
...



Observe el sistema anterior, la primera ecuacin es la suma de las ecuaciones obtenidas al sustituir
todos los puntos conocidos en el polinomio. Si la primera ecuacin la multiplicamos por x obtenemos la
segunda ecuacin; en forma general cada ecuacin es el resultado de multiplicar la ecuacin anterior por
x.Teniendo esto en consideracin es muy sencillo desarrollar el sistema para cualquier polinomio.

EJEMPLO:
La velocidad de un barco v en nudos, est en
funcin de la potencia desarrollada por su motor P en
caballos de fuerza, los siguientes datos se observaron con
el fin de obtener una ecuacin que permitiera predecir la
potencia necesaria para alcanzar cierta velocidad.
La potencia pues depende
de la velocidad, asignaremos a la
velocidad el eje de abscisas y a la
potencia el eje de ordenadas, no es
posible determinar el grado del
polinomio, el error que se obtenga al
sustituir los datos en el polinomio
obtenido nos ayudara a seleccionar
el grado del polinomio que mas
convenga. Para este caso
probaremos un polinomio de tercer
grado

Elaboramos ahora la tabla que nos ayudar a
calcular la sumatorias requeridas por el mtodo; se
requieren desde Ex hasta Ex
6
, y desde Ey hasta Ex
3
y. La
ltima fila corresponde a la suma de las columnas.



V P
11 1950
12 2030
13 2300
14 2750
15 3500
16 4600
17 5900
18 7800
Potencia vs Velocidad
1000
2000
3000
4000
5000
6000
7000
8000
11 12 13 14 15 16 17 18
Velocidad, v, nudos
P
o
t
e
n
c
i a
,
P
,
H
p
16
x y x
2
x
3
x
4
x
5
x
6
xy x
2
y x
3
y
11 1950 121 1331 14641 161051 1771561 21450 235950 2595450
12 2030 144 1728 20736 248832 2985984 24360 292320 3507840
13 2300 169 2197 28561 371293 4826809 29900 388700 5053100
14 2750 196 2744 38416 537824 7529536 38500 539000 7546000
15 3500 225 3375 50625 759375 11390625 52500 787500 11812500
16 4600 256 4096 65536 1048576 16777216 73600 1177600 18841600
17 5900 289 4913 83521 1419857 24137569 100300 1705100 28986700
18 7800 324 5832 104976 1889568 34012224 140400 2527200 45489600
116 30830 1724 26216 407012 6436376 103431524 481010 7653370 123832790

Los datos para el sistema de ecuaciones son : n = 8 Ex = 116 Ey = 30830

Ex
2
= 1724 Ex
3
= 26216

Ex
4
= 407012 Ex
5
= 6436376 Ex
6
= 103431524

Exy = 481010 Ex
2
y = 7653370 Ex
3
y = 123832790

Sustituyendo en el sistema de ecuaciones obtenemos:

30830 = 8 a
0
+ 116 a
1
+ 1724 a
2
+ 26216 a
3

481010 = 116 a
0
+ 1724 a
1
+ 26216 a
2
+ 407012 a
3

7653370 = 1724 a
0
+ 26216 a
1
+ 407012 a
2
+ 7653370 a
3

123832790 = 26216 a
0
+ 407012 a
1
+ 7653370 a
2
+ 123832790 a
3


Resolviendo este sistema obtenemos los siguientes resultados:

a
0
= -2351 a
1
= 1753 a
2
= -214.6 a
3
= 8.250

La ecuacin emprica queda:


y = -2351 + 1753 x 214.6 x
2
+ 8.250 x
3




CURVAS NO POLINOMIALES

En ocasiones se ajustan bien algunas curvas que contienen funciones tales como logaritmos,
potencias negativas fraccionarias, por ejemplo:
x
e b ax y + =

Desarrollaremos el mtodo de mnimos cuadrados, y haremos algunas observaciones a fin de que el
alumno pueda desarrollarlo para ecuaciones similares aunque contengan otras funciones, as como diferente
nmero de constantes.

Definimos la desviacin: y e b ax desv
x
+ =

Elevamos la desviacin al cuadrado y be axy abxe y e b x a desv
x x x
2 2 2
2 2 2 2 2 2
+ + + =



17
Sumamos


= = = = = = =
+ + + =
n
i
x
n
i
n
i
x
n
i
n
i
x
n
i
n
i
y e b xy a xe ab y e b x a desv
1 1 1 1
2
1
2 2
1
2 2
1
2
2 2 2

Obtenemos las derivadas parciales con respecto a cada una de las constantes:


= = = =
+ =
c
c
n
i
n
i
x
n
i
n
i
xy xe b x a desv
a
1 1 1
2
1
2
2 2 2

= = = =
+ =
c
c
n
i
x
n
i
x
n
i
x
n
i
y e xe a e b desv
b
1 1 1
2
1
2
2 2 2


Dividimos entre dos e igualamos a cero obteniendo el sistema de ecuaciones simultaneas a resolver:


= = =
= +
n
i
n
i
x
n
i
xy xe b x a
1 1 1
2


= = =
= +
n
i
x
n
i
x
n
i
x
y e e b xe a
1 1
2
1


Observe este sistema con detenimiento, la primera ecuacin es la suma de las ecuaciones obtenidas al
sustituir todos los puntos en la ecuacin que se desea ajustar multiplicada por la primera funcin de la
ecuacin que se desea ajustar (x sin la constante a), de manera similar, la segunda ecuacin es la misma
suma de las ecuaciones ahora multiplicada por la segunda funcin (e
x
sin la constante b).
El siguiente paso es calcular las sumatorias, a fin de sustituirlas en el sistema para luego resolverlo.

x y x
2
x y x e
x
e
2x
y e
x

1.200 1.334 1.440 1.601 3.984 11.023 4.429
1.400 1.561 1.960 2.185 5.677 16.445 6.330
1.600 1.793 2.560 2.869 7.925 24.533 8.881
1.800 2.031 3.240 3.656 10.889 36.598 12.287
2.000 2.275 4.000 4.550 14.778 54.598 16.810
2.300 2.790 5.290 6.417 22.941 99.484 27.828
Sumas 18.490 21.278 66.194 242.681 76.565

El sistema de ecuaciones a resolver es:

18.49 a + 66.194 b = 21.278

66.194 a + 242.681 b = 76.575

La solucin del sistema es :

a = 0.8999 b = 0.07009

La ecuacin es:

y = 0.8999 x + 0.07009 e
x



18
LINEARIZACIN

Algunas ecuaciones no lineales pueden convertirse en lineales al aplicarles una funcin tal como
logaritmo, recproca u otras. Una lista de las ms comunes es la siguiente:

Curva Linearizacin Datos extras
b
ax y = Log x vs Log y
bx a
y
+
=10 x vs Log y
bx a
x
y
+
= x vs x/y
c ax y
b
+ = Log x vs Log (y-c)
3 2 1
2
3 2 1
2 1 3
2y y y
y y y
c
x x x
+

=
=
*
c y
bx a
+ =
+
10 x vs Log (y-c)
3 2 1
2
3 2 1
2 1
3
2
2
y y y
y y y
c
x x
x
+

=
+
=
*
2
cx bx a y + + =
|
|
.
|

\
|
1
1
x - x
y - y
x vs
c
bx a
x
y +
+
=
|
|
.
|

\
|
1
1
y - y
x - x
x vs
Nota: (x
1
,y
1
) son las coordenadas
del punto inicial, que solo se usa
para modificar los datos.
2
10
cx bx a
y
+ +
=
( ) ( )
|
|
.
|

\
|
1
1
x - x
y Log - y Log
x vs
* Nota: Una vez calculada x
3
, se debe obtener y
3
por interpolacin.

Dado que son muchas ecuaciones, el proceso empieza por identificar si alguna de ellas se ajustara
correctamente, esto se hace de la siguiente manera:
Se grafican los datos observados en un coordenado cartesiano, lo cual permite identificar si se trata
de una recta o no, su fuera una recta, se ajusta como tal, si no, deben graficarse los datos modificados de
acuerdo a la columna central de la tabla anterior. Si al graficar los datos as modificados, se obtiene un lnea
recta, entonces se tiene la certeza de que la ecuacin que se encuentra en la misma fila de la tabla ajustar
bien a los datos.
Los datos ya modificados se ajustan como cualquier recta, obteniendo la ecuacin de la curva
linearizada, la cual se despeja para la variable dependiente.
A continuacin mostraremos el proceso para la primera de las curvas:

LINEARIZACIN Y AJUSTE DE CURVAS GEOMTRICAS y = a x
b


Las curvas de este tipo (tambin llamadas curvas de potencias) linearizan cuando se les grafica en un
sistema coordenado logartmico total (Log x vs. Log y) . La figura muestra dos grficas de curvas de este tipo,
para todas ellas la constante a vale 2, mientras que la constante b toma diferentes valores (2,1,0.5,0.25,-
0.5,-1 y -2); el valor de la constante a solo afecta el tamao de la curva, pero la constante b determina su
forma geomtrica. A simple vista resulta imposible reconocer estas curvas, sin embargo al graficarlas en un
sistema logartmico total se vuelven rectas (linearizan), dado que ningn otro tipo de curva lineariza en este
sistema coordenado, resulta un sistema infalible para identificarlas.
19


Lo anterior puede demostrarse empleando logaritmos (y sus leyes) a la ecuacin de las curvas
geomtricas :

Aplicando logaritmos obtenemos Log (y) = Log ( a xb )

Como Log (u v) = Log (u) + Log (v) entonces Log (y) = Log (a) + Log ( xb )

Considerando que: Log (uv ) = v Log (u) tendremos Log (y) = Log (a) + b Log (x)

Si observamos la ecuacin anterior considerando que las variables no son x y y sino log(x) y
log(y) y la comparamos con la ecuacin de la recta ( y = m x + b ), veremos que son similares, siendo en
la ecuacin geomtrica b la pendiente de la recta y log(a) el intercepto.
Cuando tenemos una curva, si al graficar los datos en un sistema coordenado logartmico total
obtenemos una recta, con certeza es una curva geomtrica. Para obtener su ecuacin obtenemos los logaritmos
de ambas variables y los ajustamos como cualquier recta. Considerando que en la ecuacin de la recta las
variables son log(x) y log(y) se aplican antilogaritmos para obtener la ecuacin de la curva.

EJEMPLO : Los siguientes datos corresponden al flujo de agua a travs de una tubera de pared rugosa
de dos pulgadas de dimetro, s la variable independiente es la cada hidrulica, en pies de agua por pie de
longitud de la tubera; V es la velocidad del agua en pies/seg.

s V
0.013 1.68
0.027 3.08
0.042 4.97
0.073 7.39
0.108 2.45
0.151 4.09
0.233 5.95
0.341 9.00
20


Procedimiento de Ajuste: Se aplicar el mtodo de mnimos cuadrados para una lnea recta a los logaritmos
de los datos originales, asumiendo x = Log(s) y y = Log(V) de tal manera que se llena la siguiente
tabla:

s V
Log (s) Log(v) Log
2
(s) Log(s)*Log(v)
0.013 1.68 -1.886 0.225 3.557 -0.425
0.027 2.45 -1.569 0.389 2.461 -0.610
0.042 3.08 -1.377 0.489 1.895 -0.673
0.073 4.09 -1.137 0.612 1.292 -0.695
0.108 4.97 -0.967 0.696 0.934 -0.673
0.151 5.95 -0.821 0.775 0.674 -0.636
0.233 7.39 -0.633 0.869 0.400 -0.550
0.341 9 -0.467 0.954 0.218 -0.446
Sumas -8.856 5.009 11.432 -4.708


E x = E Log (s) = - 8.856 E y = E Log(V) = 5.0085 E x = E Log(s) = 11.4322

E xy = E Log(s) Log(V) = -4.7077 n = 8 (son ocho puntos)

El sistema de ecuaciones simultaneas del mtodo de los mnimos cuadrados es:

E y = m E x + n b

E xy = m E x + b E x

Considerando que la pendiente de la recta logartmica no se llama m sino b as como el
intercepto no es b sino Log(a) , cambiamos estas constantes y las variables como ya se haba establecido
obteniendo:

E Log(V) = b E Log(s) + n Log(a) 5.0085 = -8.8556 b + 8 Log(a)

E Log(s) Log(V) = b ELog(s) + Log(a) E Log(s) -4.7077 = 11.4322 b + -8.8556 Log(a)

Este sistema puede resolverse por cualquiera de los mtodos conocidos,

Log(a) = 1.1943 a = 101.1943 = 15.64 b = 0.5133

La Ecuacin de la recta logartmica (linearizada) es : Log(V) = 0.5133 Log(s) + 1.1943

Aplicando las leyes de los logaritmos y luego antilogaritmos se obtiene la ecuacin de la Curva:



V = 15.64 s
0.5133







21
EVALUACIN DE ERRORES

En captulos previos ya se estudiaron el error absoluto y el error relativo, la forma ms comn por su
sencillez, y veracidad de evaluar el error en el ajuste de una curva (o recta), consiste en obtener la media
aritmtica del error relativo entre el valor observado cada ordenada con su correspondiente valor calculado
por medio de la ecuacin obtenida.
Como ejemplo emplearemos el ejemplo inmediato anterior:

La ecuacin es: V = 15.64 s
0.5133


El error absoluto es error abs = V - 15.64 s
0.5133


El error relativo :
V
abs err
0.5133
s 15.64 - V
=

Elaboraremos una tabla para obtener el error relativo promedio:

S V
V calc Err Abs Err Rel
0.013 1.68 1.683 -0.003 0.002
0.027 2.45 2.449 0.001 0.000
0.042 3.08 3.073 0.007 0.002
0.073 4.09 4.081 0.009 0.002
0.108 4.97 4.990 -0.020 0.004
0.151 5.95 5.927 0.023 0.004
0.233 7.39 7.405 -0.015 0.002
0.341 9 9.003 -0.003 0.000
Suma = 0.017

El error relativo promedio es : 0.0021 8 / 0.017 err = =