You are on page 1of 13

MÉTODOS

NUMÉRICOS
UNIDAD 5
INTERPOLACIÓN

INTRODUCCIÓN
Siguiendo la investigación realizada pude encontrar y apreciar que en numerosos
fenómenos de la naturaleza, podemos observar cierta regularidad en la forma de
producirse, esto nos permite sacar conclusiones de la marcha de un fenómeno en
situaciones que no hemos medido directamente.
Así mismo encontré que esto se podría usarse para estimar razonablemente, algunas
predicciones de este tipo pueden obtenerse usando una función que ajuste los datos. Este
es un tema llamado Interpolación.
El método de interpolación es un método científico lógico que consiste en suponer que el
curso de los acontecimientos continuará en el futuro, convirtiéndose en las reglas que
utilizamos para llegar a una nueva conclusión.
Consiste en hallar un dato dentro de un intervalo en el que conocemos los valores en los
extremos.
Utilizado para buscar la solución a un problema (lógica) o de enseñar la misma
(pedagogía), lo que lo convierte en una herramienta muy utilizadas en el marco
profesional y de enseñanza.
INTERPOLACIÓN
La interpolación consiste en encontrar el valor de la función F(x), de la cual sólo se
conocen algunos puntos, para un valor de x que se encuentre entre dos valores
consecutivos conocidos. En pocas palabras podríamos decir que:
"La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos los
valores en los extremos".
El problema general de la interpolación se nos presenta cuando nos dan una función de la
cual solo conocemos una serie de puntos de la misma:
(x
o
, y
o
), (x
1
, y
1
),........., (x
n
, y
n
)
Y se pide hallar el valor de un punto x (intermedio de x
0
y x
n
) de esta función.
Interpolación. Elección de la interpolación más adecuada.
Consideremos una función de la cual solo conocemos una serie de puntos de la misma:
(xo, yo), (x1, y1), .............., (xn, yn)
EJEMPLO
Deseamos encontrar la expresión analítica de dicha función para poder estudiarla en otros
puntos.
Ahora bien, por n+1 puntos pasan infinitas funciones, ¿con cuál de ellas nos quedamos?
Lo más lógico es recurrir a la más sencilla. La cual es la de los polinomios, por tanto
buscaremos el polinomio de menor grado que pase por los n+1 puntos dados.
La función polinómica de menor grado que pasa por los puntos es en principio de grado
n: y= a
n
x
n
+...+a
1
x+a
o

Y se obtiene resolviendo el sistema de n+1 ecuaciones con n+1 incógnitas (sistema que
tiene solución única ya que el determinante de la matriz de los coeficientes es de
Vandermonde y por lo tanto distinto de cero)




POLINOMIO DE INTERPOLACIÓN DE NEWTON
Uno de estas formas trabaja directamente en la tabla obtenida mediante el proceso de
Diferencias Divididas; En el desarrollo de estas diferencias finitas, se obtuvo en primer
lugar las diferencias finitas ordinarias y luego las diferencias finitas divididas.
INTERPOLACIÓN POLINOMIAL DE NEWTON
Algunos casos: lineal, de segundo grado y de tercer grado.





Interpolación lineal
Utilizando triángulos semejantes


Reordenando


El número de puntos considerados oscila entre dos y seis, y grados del polinomio entre
uno y cinco.
Si los datos proceden de un polinomio que tiene grado tres, el hecho queda claro en los
cálculos, ya que la tercera columna de la tabla de diferencias divididas será constante, con
todos sus elementos iguales, y por tanto, las columnas que siguen son todas nulas. La
última columna no nula decide por tanto el grado del polinomio de interpolación.
EJEMPLO 01
Estimar ln 2 mediante interpolación lineal si ln1 = 0 y ln 6 = 1.791759 y ln 4 = 1.386294



Valor real ln 2 = 0.6931472
Error relativo porcentual = 33.3%

EJEMPLO 02
Obtener el polinomio de interpolación usando la fórmula de interpolación de Newton en
diferencias divididas con los datos de la tabla que aparece a continuación, e interpolar en
el punto x = −5.


Sabemos que si tenemos los n+1 puntos (xi,yi), i=0... n, y queremos calcular el polinomio
que interpola en dichos puntos utilizando la fórmula de interpolación de Newton en
diferencias divididas.
O también:
pn(x)= f[x0] + f[x0,x1](x−x0)+ f[x0,x1,x2](x−x0)(x−x1)+…+f[x0,x1,…,xn]
(x−x0)(x−x1)...(x−xn−1)
En las que aparecen las diferencias divididas f[x0,...,xi], obtenidas a partir de los valores
proporcionados por la tabla inicial.
Calculamos entonces la tabla de diferencias divididas:
Donde se ha expresado por brevedad la diferencia dividida
f[xk,xk+1,...,xk+p] como f[xk || xk+p].
La diagonal de la tabla de diferencias divididas, en color rojo, es
entonces: [15,5], que se corresponde exactamente con el conjunto de valores que aparece
en la fórmula y por tanto, los polinomios de Newton son los siguientes:
p0(x) = 15 (interpola en el primer punto)
p1(x) = 5 (x-4) + p0(x) = −5+5 x (interpola en todos los puntos)
O también:
p(x) = 15 +5 (x−4) = −5+5 x
La grafica de polinomio de interpolación: p(x) = -5+5x y de los puntos (xi, yi), i=0…1 es la
que viene a continuación.

Si se quiere interpolar en un punto
concreto, lo mejor es tomar el polinomio
de interpolación en su forma de Newton
y reordenarlo al estilo Ruffini-Horner
expresando el polinomio como:
p(x) = 15 +(x−4) (5)
Lo que supone realizar a lo sumo 2
sumas/restas y 1 multiplicaciones para
interpolar en un punto x.
Para interpolar entonces en x= −5, basta
sustituir la x de la expresión reordenada
anterior por su valor −5 para obtener p(−5) = −30.
Si se tuviera el polinomio en su forma normal, como combinación lineal de {1,x,x2,...,xn},
deberíamos usar el algoritmo clásico de Ruffini Horner, ya que supondría 1 sumas y 1
multiplicaciones, como se ve a continuación. En este caso, para obtener el valor en
x = −5 del polinomio de interpolación p(x) = −5+5 x colocamos los coeficientes de mayor a
menor exponente y operamos de la forma usual:


O bien
p(−5) = 5 . (−5) −5 = −30
Obteniendo el mismo resultado que antes, p(−5) = −30, con el mismo número de
multiplicaciones y la mitad de sumas/restas.
POLINOMIO DE INTERPOLACION DE LAGRANGE

En análisis numérico, el polinomio de Lagrange, llamado así en honor a Joseph-Louis de
Lagrange, es el polinomio que interpola un conjunto de puntos dado en la forma de
Lagrange. Fue descubierto por Edward Waring en 1779 y redescubierto más tarde por
Leonhard Euler en 1783.
La fórmula clásica de interpolación de Lagrange. En los ejercicios se consideran de dos a
cinco puntos, y los grados resultantes van desde grado cero a grado cuatro en el
polinomio de interpolación. A lo largo de los ejercicios se puede comprobar que la
obtención del polinomio con Lagrange se vuelve una operación más laboriosa a medida
que aumenta el número de puntos considerados, aunque los puntos correspondan a un
polinomio de pequeño grado.
INTERPOLACIÓN Y POLINOMIO DE INTERPOLACIÓN DE LAGRANGE

Se trata de encontrar un polinomio de grado n que pase por los puntos (x0, f(x0)),
(x1, f(x1)), ... (xn, f(xn)), se construye un cociente Ln,k(xk) con la propiedad de que
Ln,k(xi) = 0 cuando i ¹ k y Ln,k(xk) = 1
Se requiere entonces que el numerador contenga
(x – x0) (x – x1)... (x – xk–1)(x – xk+1)... (x – xn)
El denominador debe coincidir con el numerador cuando x = xk.




EJEMPLO 01
Obtener el polinomio de interpolación usando la fórmula de interpolación de Lagrange
con la siguiente tabla de valores, e interpolar en el punto:

x = −4



Sabemos que la fórmula de interpolación de Lagrange para los n+1 puntos (xi,yi), i=0,…,n,
viene dada por:



Dados los puntos (x0,y0) = (7,30), (x1,y1) = (-6,-22), tenemos entonces que los polinomios
de Lagrange son los siguientes:
El polinomio solución es por tanto:



Y la gráfica del polinomio de interpolación y
de los puntos (xi,yi), i=0,...,1 es la siguiente:


Si en lugar de obtener el polinomio de interpolación se quiere interpolar en un punto, o
sea, se quiere calcular el valor del polinomio de interpolación en un punto concreto, basta
sustituir la variable "x" de la fórmula por ese valor y realizar las operaciones
correspondientes. En nuestro caso, si se quiere interpolar en el punto x=−4, usando alguna
de las expresiones ya vistas para Lk(x), obtenemos:
L0(−4) = 2/13, L1(−4) = 11/13 y por tanto:
Si ya se tuviera el polinomio explícitamente tal como se ha calculado aquí, en potencias de
x multiplicadas por sus coeficientes, es preferible utilizar el algoritmo de Ruffini-Horner
para evaluar el polinomio en los puntos deseados, ya que entonces el coste es lineal (ver
apuntes asignatura).
En este caso, para obtener el valor en x = −4 del polinomio de interpolación p(x) = 2+4 x
colocamos los coeficientes de mayor a menor exponente y operamos de la forma usual:



O bien
p(−4) = 4 . (−4) +2 = −14
Obteniendo el mismo resultado que antes, p(−4) = −14, con muchas menos operaciones.
Sabemos que con Ruffini-Horner a lo sumo son necesarios n productos y n sumas para
obtener el valor de un polinomio de grado n. Claro que para llegar a este punto se han
debido realizar antes todas las operaciones necesarias para obtener el polinomio en
potencias de x.






INTERPOLACIÓN SEGMENTADA
La idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar nuestra
interpolación.
Una función spline está formada por varios polinomios, cada uno definido en un intervalo
y que se unen entre sí bajo ciertas condiciones de continuidad.
INTERPOLACIÓN SEGMENTARIA LINEAL
En él, vamos a interpolar una función f(x) de la que se nos dan un número N de pares
(x,f(x)) por los que tendrá que pasar nuestra función polinómica P(x). Esta serie de
funciones nuestras van a ser lineales, esto es, con grado 1: de la forma P(x) = ax + b.
Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un total de
(N-1) funciones, haciéndolas pasar obligatoriamente por los puntos que van a
determinarlas, es decir, la función P(x) será el conjunto de segmentos que unen nodos
consecutivos; es por ello que nuestra función será continua en dichos puntos, pero no
derivable en general.
INTERPOLACIÓN SEGMENTARIA CUADRÁTICA
En este caso, los polinomios P(x) a través de los que construimos el Spline tienen grado 2.
Esto quiere decir, que va a tener la forma P(x) = ax² + bx + c
Como en la interpolación segmentaria lineal, vamos a tener N-1 ecuaciones (donde N son
los puntos sobre los que se define la función). La interpolación cuadrática nos va a
asegurar que la función que nosotros generemos a trozos con los distintos P(x) va a ser
continua, ya que para sacar las condiciones que ajusten el polinomio, vamos a determinar
como condiciones:
Que las partes de la función a trozos P(x) pasen por ese punto. Es decir, que las dos Pn(x)
que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la función definida a
trozos que pasa por tal punto común.
Esto sin embargo no es suficiente, y necesitamos una condición más. Ya que tenemos 3
incógnitas por cada P(x). En un caso sencillo con f(x) definida en tres puntos y dos
ecuaciones P(x) para aproximarla, vamos a tener seis incógnitas en total. Para resolver
esto necesitaríamos seis ecuaciones, pero vamos a tener tan sólo cinco: cuatro que
igualan el P(x) con el valor de f(x) en ese punto (dos por cada intervalo), y la quinta al
igualar la derivada en el punto común a las dos P(x).
Se necesita una sexta ecuación, ¿de dónde se extrae? Esto suele hacerse con el valor de la
derivada en algún punto, al que se fuerza uno de los P(x).
INTERPOLACIÓN SEGMENTARIA CÚBICA
Cada polinomio P(x) a través del que construimos los Splines en [m,n] tiene grado 3. Esto
quiere decir, que va a tener la forma P(x) = ax³ + bx² + cx + d
En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una nueva
condición para cada punto común a dos intervalos, respecto a la derivada segunda:
Que las partes de la función a trozos P(x) pasen por ese punto. Es decir, que las dos Pn(x)
que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la función definida a
trozos que pasa por tal punto común.
Que la derivada segunda en un punto siempre coincida para ambos "lados" de la función
definida a trozos que pasa por tal punto común.
Como puede deducirse al compararlo con el caso de splines cuadráticos, ahora no nos va a
faltar una sino dos ecuaciones (condiciones) para el número de incógnitas que tenemos.
La forma de solucionar esto, determina el carácter de los splines cúbicos. Así, podemos
usar:
Splines cúbicos naturales: La forma más típica. La derivada segunda de P se hace 0 para el
primer y último punto sobre el que está definido el conjunto de Splines, esto son, los
puntos m y n en el intervalo [m,n].
Dar los valores de la derivada segunda de m y n de forma "manual", en el conjunto de
splines definidos en el intervalo [m,n].
Hacer iguales los valores de la derivada segunda de m y n en el conjunto de splines
definidos en el intervalo [m,n]








CONCLUSIONES
Se puede decir que la interpolación es un método científico y lógico en la vida real en
donde se determina cada una de las variables e considerando todas las situaciones
posibles y en que se puede repercutir y las interpolamos a la nueva situación por analogía
o inducción.
BIBLIOGRAFÍA
https://sites.google.com/site/metalnumericos/home/unidad-4/4-1-interpolacion-lineal-y-
cuadratica
https://sites.google.com/site/metalnumericos/home/unidad-4/4-2-polinomios-de-
interpolacion-diferencias-divididas-de-newton-y-de-lagrange
https://sites.google.com/site/metalnumericos/home/unidad-4/4-4-aplicaciones
https://mx.answers.yahoo.com/question/index?qid=20080922181943AA4nW9u
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r93882.PDF
http://wwwprof.uniandes.edu.co/~gprieto/classes/compufis/interpolacion.pdf
http://zapallalmicaela.blogspot.mx/
http://www.slideshare.net/mylingp/interpolacion-de-polinomio
https://mx.answers.yahoo.com/question/index?qid=20111002152123AAsqj4o
https://www.youtube.com/watch?v=RR9QmVJdugY
http://users.dsic.upv.es/asignaturas/eui/cnu/libro/tema7/tema79.htm
http://numat.net/ejerc/interp/