You are on page 1of 12

Interpolacin de Curvas

Interpolacin
En el subcampo matemtico del anlisis numrico, se denomina interpolacin a
la obtencin de nuevos puntos partiendo del conocimiento de un conjunto
discreto de puntos.
En ingeniera y algunas ciencias es frecuente disponer de un cierto nmero de
puntos obtenidos por muestreo o a partir de un experimento y pretender
construir una funcin que los ajuste.
Otro problema estrechamente ligado con el de la interpolacin es la
aproximacin de una funcin complicada por una ms simple. Si tenemos una
funcin cuyo clculo resulta costoso, podemos partir de un cierto nmero de
sus valores e interpolar dichos datos construyendo una funcin ms simple. En
general, por supuesto, no obtendremos los mismos valores evaluando la
funcin obtenida que si evaluamos la funcin original, si bien dependiendo de
las caractersticas del problema y del mtodo de interpolacin usado la
ganancia en eficiencia puede compensar el error cometido.
Con frecuencia se encontrar con que tiene que estimar valores intermedios
entre datos definidos por puntos. El mtodo ms comn que se usa para este
propsito es la interpolacin polinomial. Recuerde que la frmula general para
un polinomio de n-simo grado es:
f(x) = a0 + a1x + a2x2 + + anxn (18.1)
Dados n + 1 puntos, hay uno y slo un polinomio de grado* n que pasa a
travs de todos los puntos. Por ejemplo, hay slo una lnea recta (es decir, un
polinomio de primer grado) que une dos puntos (figura 18.1a). De manera
similar, nicamente una parbola une un conjunto de tres puntos (figura
18.1b). La interpolacin polinomial consiste en determinar el polinomio nico
de n-simo grado que se ajuste a n + 1 puntos. Este polinomio, entonces,
proporciona una frmula para calcular valores intermedios.
Aunque hay uno y slo un polinomio de n-simo grado que se ajusta a n + 1
puntos, existe una gran variedad de formas matemticas en las cuales puede
expresarse este polinomio. En este captulo describiremos dos alternativas que
son muy adecuadas para implementarse en computadora: los polinomios de
Newton y de LaGrange.
La interpolacin es de gran importancia en el campo de la ingeniera, ya que
consultar fuente de informacin presentadas en forma tabular, es frecuente no
encontrar el Valor buscado como un punto en la tabla. Por ejemplo, las tablas
presentan la temperatura de ebullicin de la acetona a diferentes presiones.

Supngase que slo se dispusiera de la segunda y se desea ser calcular la


temperatura de ebullicin de la acetona a dos atm de presin.
Una forma muy comn de resolver ese problema de sustituir los puntos cero y
uno en ecuacin de la lnea recta: p(x) = a0 + a1x, de tal modo que resultan
dos ecuaciones con dos incgnitas que son a0 + a1x. Con la solucin del
sistema se consigue una aproximacin polinominal de primer grado, lo que
permite efectuar interpolaciones lineales; es decir, se sustituyen el punto (0)
en la ecuacin de la lnea recta y se obtiene:
56.5 = a0 + 1 a1
Y al sustituir el punto (1)
113 = a0 + 5 a1
Sistema que al resolverse da a0= 42. 375 y a1= 14.125
Por tanto, estos valores generan la ecuacin:
P(x) = 42.385+14. 125 x
La ecuacin resultante puede emplearse para aproximar la temperatura
cuando la presin es conocida. Al sustituir la presin X=2 atm se obtiene una
temperatura de 70.6 C. A este proceso se le conoce como interpolacin.
18.1 INTERPOLACIN POLINOMIAL
DIVIDIDAS

DE

NEWTON EN

DIFERENCIAS

Como se dijo antes, existe una gran variedad de formas alternativas para
expresar una interpolacin polinomial. El polinomio de interpolacin de Newton
en diferencias divididas es una de las formas ms populares y tiles. Antes de
presentar la ecuacin general, estudiaremos las versiones de primero y
segundo grados por su sencilla interpretacin visual.
FIGURA 18.1
Ejemplos de interpolacin polinomial: a) de primer grado (lineal) que une dos
puntos, b) de segundo grado (cuadrtica o parablica) que une tres puntos y c)
de tercer grado (cbica) que une cuatro puntos.

Interpolacin lineal
La forma ms simple de interpolacin consiste en unir dos puntos con una lnea
recta. Dicha tcnica, llamada interpolacin lineal, se ilustra de manera grfica
en la figura 18.2. Utilizando tringulos semejantes,

reordenndose se tiene

que es una frmula de interpolacin lineal. La notacin f1(x) designa que ste
es un polinomio de interpolacin de primer grado. Observe que adems de
representar la pendiente de la lnea que une los puntos, el trmino [f(x1)
f(x0)]/(x1 x0) es una aproximacin en diferencia dividida finita a la primer
derivada [ecuacin (4.17)]. En general, cuanto menor sea el intervalo entre los
datos, mejor ser la aproximacin. Esto se debe al hecho de que, conforme el
intervalo disminuye, una funcin continua estar mejor aproximada por una
lnea recta.

Interpolacin cuadrtica
Una estrategia para mejorar la estimacin consiste en introducir alguna
curvatura a la lnea que une los puntos. Si se tienen tres puntos como datos,
stos pueden ajustarse en un polinomio de segundo grado (tambin conocido
como polinomio cuadrtico o parbola). Una forma particularmente
conveniente para ello es
f2(x)
(18.3)

b0

b1(x

x0)

b2(x

x0)(x

x1)

Observe que aunque la ecuacin (18.3) parece diferir del polinomio general
[ecuacin (18.1)], las dos ecuaciones son equivalentes. Lo anterior se
demuestra al multiplicar los trminos de la ecuacin (18.3):
f2(x) = b0 + b1x b1x0 + b2x2 + b2x0x1 b2xx0 b2xx1
o, agrupando trminos,

f2(x) = a0 + a1x + a2x2


donde
a0 = b0 blx0 + b2x0x1
a1 = b1 b2x0 b2x1
a2 = b2
As, las ecuaciones (18.1) y (18.3) son formas alternativas, equivalentes del
nico polinomio de segundo grado que une los tres puntos.
Un procedimiento simple puede usarse para determinar los valores de los
coeficientes. Para encontrar b0, en la ecuacin (18.3) se evala con x = x0
para obtener
b0 = f(x0) (18.4)
La ecuacin (18.4) se sustituye en la (18.3), despus se evala en x = x1 para
tener

(18.5)
Por ltimo, las ecuaciones (18.4) y (18.5) se sustituyen en la (18.3), despus se
evala en x = x2 y (luego de algunas manipulaciones algebraicas) se resuelve
para

(18.6)
Observe que, como en el caso de la interpolacin lineal, b1 todava representa
la pendiente de la lnea que une los puntos x0 y x1. As, los primeros dos
trminos de la ecuacin (18.3) son equivalentes a la interpolacin lineal de x0
a x1, como se especific antes en la ecuacin (18.2). El ltimo trmino, b2(x
x0)(x x1), determina la curvatura de segundo grado en la frmula.

POLINOMIOS DE INTERPOLACION DE LAGRANGE


El polinomio de interpolacin de LaGrange es simplemente una reformulacin
del polinomio de Newton que evita el clculo de las diferencias divididas, y se
representa de manera concisa como

(18.20)

donde

(18.21)
donde designa el producto de . Por
ejemplo, la versin lineal (n = 1) es

(18.22)
y la versin de segundo grado es

(18.23)
La ecuacin (18.20) se obtiene de manera directa del polinomio de Newton
(cuadro 18.1). Sin embargo, el razonamiento detrs de la formulacin de
LaGrange se comprende directamente al darse cuenta de que cada termino
Li(x) ser 1 en x = xi y 0 en todos los otros puntos (figura 18.10). De esta
forma, cada producto Li(x) f(xi) toma el valor de f(xi) en el punto xi. En
consecuencia, la sumatoria de todos los productos en la ecuacin (18.20) es el
nico polinomio de n-esimo grado que pasa exactamente a travs de todos los
n + 1 puntos, que se tienen como datos.

COEFICIENTES DE UN POLINOMIO DE INTERPOLACIN


Aunque el polinomio de Newton y el de Lagrange son adecuados para
determinar valores intermedios entre puntos, no ofrecen un polinomio
adecuado de la forma convencional
f(x) = a0 + a1x + a2x2 + + anxn
Un mtodo 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. As, se utiliza un sistema de ecuaciones algebraicas lineales
simultneas para calcular las a. Por ejemplo, suponga que usted desea calcular
los coeficientes de la parbola

Se requiere de tres puntos: [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Cada uno se
sustituye en la ecuacin (18.25):

De esta manera, las x son los puntos conocidos, y las a las incgnitas. Como
hay el mismo nmero de ecuaciones que de incgnitas, la ecuacin (18.26) se
podra resolver con uno de los mtodos de eliminacin de la parte tres.
Debe observarse que el procedimiento anterior no es el mtodo de
interpolacin ms eficiente para determinar los coeficientes de un polinomio.
Press et al. (1992) ofrecen un anlisis y cdigos para computadora de los
procedimientos ms eficientes.
Cualquiera que sea la tcnica empleada, se debe hacer una advertencia.
Sistemas como los de la ecuacin (18.26) estn notoriamente mal
condicionados. Ya sea que se resuelvan con un mtodo de eliminacin o con un
algoritmo ms eficiente, los coeficientes resultantes pueden ser bastante
inexactos, en particular para n grandes. Si se usan para una interpolacin
subsecuente, a menudo dan resultados errneos.
En resumen, si usted se interesa en determinar un punto intermedio, emplee la
interpolacin de Newton o de Lagrange. Si tiene que determinar una ecuacin
de la forma de la (18.24), limtese a polinomios de grado menor y verifique
cuidadosamente sus resultados.

INTERPOLACIN INVERSA
Como la nomenclatura implica, los valores de f(x) y x en la mayora de los
problemas de interpolacin son las variables dependiente e independiente,
respectivamente. En consecuencia, los valores de las x con frecuencia estn
espaciados uniformemente. Un ejemplo simple es una tabla de valores
obtenida para la funcin f(x) = 1/x,

Ahora suponga que usted debe usar los mismos datos, pero que se le ha dado
un valor de f(x) y debe determinar el valor correspondiente de x. Por ejemplo,
para los datos anteriores, suponga que se le pide determinar el valor de x que
corresponda a f(x) = 0.3.
En tal caso, como se tiene la funcin y es fcil de manipular, la respuesta
correcta se determina directamente, x = 1/0.3 = 3.3333.
A ese problema se le conoce como interpolacin inversa. En un caso ms
complicado, usted puede sentirse tentado a intercambiar los valores f(x) y x [es
decir, tan slo graficar x contra f(x)] y usar un procedimiento como la
interpolacin de Lagrange para determinar el resultado. Por desgracia, cuando
usted invierte las variables no hay garanta de que los valores junto con la
nueva abscisa [las f(x)] estn espaciados de una manera uniforme. Es ms, en
muchos casos, los valores estarn condensados. Es decir, tendrn la
apariencia de una escala logartmica, con algunos puntos adyacentes muy
amontonados y otros muy dispersos. Por ejemplo, para f(x) = 1/x el resultado
es

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


el resultado del polinomio de interpolacin. Esto puede ocurrir aun para
polinomios de grado inferior.
Una estrategia alterna es ajustar un polinomio de interpolacin de orden nsimo, fn(x), a los datos originales [es decir, con f(x) contra x]. En la mayora
de los casos, como las x estn espaciadas de manera uniforme, este polinomio
no estar mal condicionado.
La respuesta a su problema, entonces, consiste en encontrar el valor de x que
haga este polinomio igual al dado por f(x). As, el problema de interpolacin se
reduce a un problema de races!
Por ejemplo, para el problema antes descrito, un procedimiento simple sera
ajustar los tres puntos a un polinomio cuadrtico: (2, 0.5), (3, 0.3333) y (4,
0.25), cuyo resultado ser

La respuesta al problema de interpolacin inversa para determinar la x


correspondiente a f(x) = 0.3 ser equivalente a la determinacin de las races
de

En este caso simple, la frmula cuadrtica se utiliza para calcular

As, la segunda raz, 3.296, es una buena aproximacin al valor verdadero:


3.333. Si se desea una exactitud adicional, entonces podra emplear un
polinomio de tercer o cuarto grado junto con uno de los mtodos para la
localizacin de races analizado en la parte dos.

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)


En la seccin anterior, se usaron polinomios de n-simo grado para interpolar
entre n + 1 puntos que se tenan como datos. Por ejemplo, para ocho puntos se
puede obtener un perfecto polinomio de sptimo grado. Esta curva podra
agrupar todas las curvas (al menos hasta, e incluso, la sptima derivada)
sugeridas por los puntos. No obstante, hay casos donde estas funciones
llevaran a resultados errneos a causa de los errores de redondeo y los puntos
lejanos. Un procedimiento alternativo consiste en colocar polino- mios de grado
inferior en subconjuntos de los datos. Tales
polinomios conectores se denominan trazadores o
splines.
Por ejemplo, las curvas de tercer grado
empleadas para unir cada par de datos se llaman
trazadores cbicos. Esas funciones se pueden
construir de tal forma que las conexiones entre
ecuaciones
cbicas
adyacentes
resulten
visualmente suaves.
La figura 18.14 ilustra una situacin donde un
trazador se comporta mejor que un polinomio de
grado superior.

Una representacin visual de una situacin en la que los trazadores son


mejores que los polinomios de interpolacin de grado superior. La funcin que
se ajusta presenta un incremento sbito en x = 0. Los incisos a) a c) indican
que el cambio abrupto induce oscilaciones en los polinomios de interpolacin.
En contraste, como se limitan a curvas de tercer grado con transiciones
suaves, un trazador lineal d) ofrece una aproximacin mucho ms aceptable.

El concepto de trazador se origin en la tcnica de dibujo que usa una cinta


delgada y flexible (llamada splines, en ingls), para dibujar curvas suaves a
travs de un conjunto de puntos.

El proceso se representa en la figura 18.15 para una serie de cinco alfileres


(datos).

En esta tcnica, el dibujante coloca un papel sobre una mesa de madera y


coloca alfileres o clavos en el papel (y la mesa) en la ubicacin de los datos.
Una curva cbica suave resulta al entrelazar la cinta entre los alfileres. De aqu
que se haya adoptado el nombre de trazador cbico (en ingls: cubic
splines) para los polinomios de este tipo.

Trazadores lineales
La unin ms simple entre dos puntos es una lnea recta. Los trazadores de
primer gra- do para un grupo de datos ordenados pueden definirse como un
conjunto de funciones lineales,

donde mi es la pendiente de la lnea recta que une los puntos:

Estas ecuaciones se pueden usar para evaluar la funcin


entre x0 y xn localizando primero el intervalo dentro del
Despus se usa la ecuacin adecuada para determinar el
dentro del intervalo. El mtodo es obviamente idntico al
lineal.

en cualquier punto
cual est el punto.
valor de la funcin
de la interpolacin

Trazadores (splines) cuadrticos


Para asegurar que las derivadas m-simas sean continuas en los nodos, se
debe emplear un trazador de un grado de, al menos, m + 1. En la prctica se
usan con ms frecuencia polinomios de tercer grado o trazadores cbicos que
aseguran primera y segunda derivadas continuas.
Debido a que la deduccin de trazadores cbicos es algo complicada, la hemos
incluido en una seccin subsecuente. Decidimos ilustrar primero el concepto de
interpolacin mediante trazadores usando polinomios de segundo grado. Esos
trazadores cuadrticos tienen primeras derivadas continuas en los nodos.
El objetivo de los trazadores cuadrticos es obtener un polinomio de segundo
grado para cada intervalo entre los datos. De manera general, el polinomio en
cada intervalo se representa como

Para n + 1 datos (i = 0, 1, 2,..., n) existen n


intervalos y, en consecuencia, 3n constantes desconocidas (las a, b y c) por
evaluar. Por lo tanto, se requieren 3n ecuaciones o condiciones para evaluar las
incgnitas.

Notacin utilizada para obtener trazadores cuadrticos. Observe que hay n


intervalos y n + 1 datos. El ejemplo mostrado es para n = 3.

Por lo tanto, se requieren 3n ecuaciones o condiciones para evaluar las


incgnitas. stas son:
1. Los valores de la funcin de polinomios adyacentes deben ser iguales en
los nodos interiores. Esta condicin se representa como:

2. La primera y la ltima funcin deben pasar a travs de los puntos


extremos. Esto agrega dos ecuaciones ms:

En total

tenemos 2n 2 + 2 = 2n

condiciones.
3. Las primeras derivadas en los nodos interiores deben ser iguales. La
primera derivada de la ecuacin 18.28 es:
(x) = 2ax + b
Por lo tanto, de manera general la condicin se representa como:

Para i = 2 a n.
Esto proporciona otras n
1 condiciones, llegando a un total de 2n + n 1 = 3n 1. Como se
tienen 3n incgnitas.
4.

Suponga que en el primer punto la segunda derivada es cero. Como la


segunda derivada de la ecuacin 18.28 es 2ai, entonces esta condicin
se puede expresar matemticamente como
a1 = 0

Bibliografa
C.
Chapra,
Steven,
P.
Canele, Raymond, Mtodos Numricos 5ta Edicin,
2007, Editorial Mc Graw Hill, 503-535 pp.
Nieves, Antonio, C. Domnguez, Federico, Mtodos
Numricos aplicados a la ingeniera 2da Edicin, 2003,
Editorial CECSA, 325-372 pp.

Referencias
https://sites.google.com/site/mecanalisis/home/unidad-ivajuste-de-curvas-e-interpolacion
http://arantxa.ii.uam.es/~pedro/graficos/teoria/CurvasIntr
o/CurvasIntro.htm