CAPITULO 3 Interpolacion y aproximacion polinomial Casa ro ates teranta un conse de poblacién en Estadoa Unidos. Eni li siguiente tabla se Incluyen datos de la poblaciin, en miles de habitantes, de 1940 a 1990, Ano 1940 | 1950 | 1960 | 1970 | 1980 | 1990 Poblacién | 132,165 |151,326 |179,325 |203,302 |226,842 |249,633 en miles de 2K Poblacin Ix it 1] 1980 Yow 1990 Tou jO0 3000 Ata 104105 Al revisar los datos anteriores, podrfamos preguntamos si es posible utilizarlos para obtener una estimacién razonable de la po- blacién que habria en —digamor— 1965 e incluso en el nila 2010. Este tipo de predicciones puede obtenerse por medio de una funcién que corresponds a los datos disponibles. Este proceso recibe el nom- bre de interpolacién y es el tema que ahora nos ocupa, Este proble- ma demogrifico se estudia a to largo del capitulo y en los ejerciclos 24 de la seccién 3.1, 14 de la secciém 3.2 y 24 de La seecién 3.4, ‘Una de las clases de funciones més tiles y mejor conocidas que “manda” al conjun- to de los nimeros reales sobre s{ mismo es la de los polinomios algebraicos, 0 sea, el con- Junto de funciones de la forma PQ) = ast +a, wtb eet art ay donde n es un enlera no negativo y ao,.... d, son constantes reales. Su importancia se de- bbe a que aproximan de manera uniforme a as funciones continuas. Dada una funcién cual- ‘quiera, definida y continua en un intervalo cerrado, existe un polinomio que esté tan “cer- ca” de la funcién como se desee. Este resultado se expresa con precisién en el siguiente teorema. (Véase Fig. 3.1.) Figura 3.1 yesa) re y= Pur yore) Teorema 3.1 (Teorema de aproximacién de Weierstrass) Suponga que festd definida y es continua en (a, ). Para cada € > 0, existe un polinomio P(x), con la propiedad de que Ife) - Pix)l fla) io ix + 24) 3 ets = OS(s —6.5)x + 10) +04 = (0.0Sx ~ 0.425)x + 1.18. ‘Una aproximacién a /(3) = 1. (Véase Fig. 3.6) es 4) ~ P(B) = 0325, ‘Compare esto con Ia tabla (desarrollado alrededor de x, = donde no se podia usar ningdn polinomio de Taylor ) para aproximar razonablemente (3) = }. .Teorema 3.3 Podemos usar un programa de eémputo para construir un polinomio interpolante. Por ejemplo, en Maple usamos ainterpi, ¥, donde X esta Hista [2 ..., x,], Yes la lista (f(x), -.-. /(ig)] y xe la variable a ser usado, En este cjemplb podemas gencrar un polinomio interpolante p = OOSx! — 0.425x + 1.15 on el comando ‘ [2,2:5.41, 10.5,0.4,0.25] 2h Para calcula p™ como una apronimacién a f(3) = 4, escriba lo cual 44 0325 Et siguiente paso consiste en calcular un residuo 0 cota del error incurrids al pro- ximar una funcién mediante un polinomio interpolante. Esto se hace en el siguiente teorema, Supongamos que 1,2,.---, 4, $00 niimeras distintos en el intervalo [a,b] yquefe C**4 {a,.b). Entonces, para cada x en [a, b] existe un mimero £ (x) en (a, b) con LGN) dy ciee Sia) = Peay + IRD (am gh 4) em a, 63) donde P(x) es el polinomio interpolante de la ecuacisn (3.1). . Demostrocién Observe primero que, six =x, pata k = 0, 1,...4 my enlonces f(x) = ‘P(r,).¥ al Seleccionar &(,) arbitrariamente en (a, 6) se obtiene la ecuaci6n (2.3). Six # 4, para cualguicr k= 0, 1,..., a, defina ta funicin g para ¢ en fa, 6] por medio de te ~ ¥ x) =f) ~ PO ~ Va) - Pa i) =P) = 2) - Pond TT Pucuio que fe Cy*I{a, b). y Pe Cfa, b], se deduce que g © C*"!{a, 6]. Cuando ¢ = 4 lendremos ’ = fix) — Pog) - Yar + Fenn TT SD — ay TT aay OU ~ PURO = 0. Ademés, fy tna) ata) = fle) — Pex) — es) — Pin TT = sea) ~ Pea) — tad — PCa] = 0. Por tam, g.€ Cla, bl, y 2 sephnutaen tos m 4 2 mimerosdistinto xX soe Ae (Conforme al ieorema generalizado de Rolle. existe £en (7, b) tal que gi**""(€) = 0.112 EJEMPLO2 CAPLTULO 3 © Interpolecién y apraxdmacién polinormiat Por tanto, O = gr WE) = frre) — PANE) — [F) — POT G4) Por set P(x) un polinomio de grado a lo mas n, su (n + L)-¢sima derivada, P*"(x), see& jgual a cero, Asimismo, [Tp [(¢ — x,¥lx —)] ¢s un polinomio de grade (n + 1) y, por tanto, 1 = leas #*1 + (igrmino de menor grado en 1) (ntl Tig 1La ecuaciéa (3.4) ahora se convierte en (cea If, @ = 4)" O = fUr(E) — 0 Lf(s) — Plo) y luego de despejar f(x), tendremos a f= Pa) + Fa ap. (Fl ep La férmula de error obtenida en ef teovema 3.3 ¢s un resultado teGrico muy importans te, porque los polinomios de Lagrange se emplcan frecuentemente para deducir la diferen- numérica y los métodos de integracién, Las cotas de error de estas técnicas se obtienen aplicando la férmula del error de Lagrange. Nétese que la forma del error del polinomio de Lagrange se parece mucho a la del po- linomio de Taylor, El polinomie de Taylor de grado alrededor de x concentra en xy Soda la informacién conocida y tiene un término de error de la forma POMEOD eat ry FO. El polinomio de Lagrange de grado m utiliza informecién en los niimeros distintos xy Hye soor Sy Yoen lugar de (x = 4,)", su fOrmula de error utiiza un producto den + 1 ténmi nos (c= 39). = 4) (=a): POtnEoo) t (n+ Dt (n= tr = 4) Or). El uso especitico de esta formula de error se limita a las funciones cuyas derivadas tienen cotas conocidas. Suponga que debe preparar una tabla de la funcién fx) = et, para x en {0, 1}. Suponga, ademis, que el ndmero-de cifras decimales de cada entrada o valor es d= 8 y que hel ta- mano del paso, es la diferencia entre 10s valores adyocentes de x, ;Cudl debe ser el valor de h para que Ia interpolacién lineal (¢s decir, el polinomio de grado I de Lagrange) arro- je un error absoluto a bo maximo de 10-6?EJEMPLO3 Sean ty.1;-, los mimeros en los que se evalia f Jen x en {0.1}, y suponga que j sa tisface x, = 44. La ecuacién (3.3) significa que el error de la interpolacién lineal es Ket [peey [revel 1 z lye) — Po | yee aplie= asa Por ser fel tamafio del paso, se deduce que x, = jh.3;,,= G+ Dh.y que Lyon ~ yt = ROY 6 aye y+ ww. Por tants, Ire) — Pin)! Fait amt ; lear = G+ yl Saye mix [te she — G+ dil. Al considerar g(x) = (x — jh) ~ (f + Ih) para jh Sx = (j + Iyhry all aplicar los mé&- todos de cAlculo (véase Ejercicio 28), encontramos que sats Leese 4 + Dol = mix Ieeal = |o(()++)4)) ==. PP cot 2h 4 En consecuencia, él eeror de la intespolacién lineal estd acotado por (ra) reo] =, 8 yes suficiente clegir h de modo que en J = 10°% to cual implica que h < 1,72 % 10-7 Puesto que n= (1 — Oh debe ser un entero, una eleccién logica del tamafio del paso es = 0.001 . En el siguicme cjemplo se explica la interpolacion cuando no es posible emplear la parte de Is ecusci6n (3.3) comespondicnte al crrar La tabla 3,2 muestra los valores de una funciéa en diversos puntos. Compararemas las ‘aproximacioncs a f(.5) obtenidas con varios potinomios de Lagrange z Tey 10 a7ssi977 13 o.g200860. 16 O.4ssaar2. 19 OeINiE6. 1103673116 CAPITULO 3. © Interpolecién y aproximacién potinomiat Como 1.5 se halla entre 1.3y 1.6, el polinomio lincal uilizard xy = 1.3 y.x) = 1.6. EL valor del potinornio interpolante en 1.5 es 5 = 1.3) (1.6 = 1.3) Es razonable emplear dos polinemios de grado 2: uno suponiendo que a) = 1.3.4 = 1.6 y que x, = 1.9, 0 cual nos da PAS) = (0.6200860) + (0.455402) = 0.5102968. (3 = 1.6) (1.5 = L6XLS ~ 1.9) U5 = 13X15 - 19) cosz00s60) + £ PAS = CFT e319) (16 ~ 13x16 = 19) 4884022) 5 = 1315-16 + TST aa 1 OREN) = 05112857, yel otro suponiendo que ry = 1.0.x, = 1.3,y que x, = 1.6, lo cual nos da P,.5) = 05124715. En el caso del terver grado hay dos formas de elegir el polinomio. Una consiste en su- poner que ty = 1.3, a, = 1.6, = L.9 y que.t, = 2.2, lo cual nos da Py(L5) = 0.518302, ‘La otra consiste en suponer que. = 1.0, x, = 1.3, © 1.6, y que.x, = 1.9, 0 cual nos da PS) = 05118127. EI polinomio de Lagrange de cuarto grado utiliza todas las entradas 0 valores de Ia tabla, Cuando ty = 1.0.x, = 1.3.4, = 1.6,.15 = 1.9 y cuando x, = 2.2, la aproximacién es P15) = 0.518200, Esperamos obtener este grado de exactitud con las aproxitnaciones anteriores, ya que (1.5), Py(1.5) y P,(1.5) coinciden con una exactitud de 2 * 10-5 unidades. También es- Peramos que P,(1.5) sea la aproximacién més exacta, porque emplea una mayor cantidad de los datos proporcionados. La funcién que estamos aproximando es la funcién de Bessel de primer tipo de orden ero, cuyo valor en 15 ¢s dé 0.518277; por tanto, éstas son las verdadecas exactitudes de Jas aproaimaciones [P,1.5) ~ f0.5) |= 1.53 % 10-3, [P,0.5) =f.) |= 3.42 x 10-4, lPy0.5) - fas) l= 6.44 x 10-4, [P,.5) - f(1.5) |— 2.5 10-4 lAa.s) — fa.) 1.50 x 10-5, 1P(1.5) - 0.5) | 7.7 «10°,Defiricién 3.4 EJEMPLO 4 Teorema 3.5 3.1 Imtempolacién y polinomio de Logange 115 Adviértase que P,(1.5) es la aproximacién mds exacts; pero si no conocemos el valor real de f(1.5) sceptariamos P,(1.5) como la mejor aproximacién., ya que utiliza una ma- ‘yor cantidad de los datos proporcionadas, En este easo no podemos servienos del término ‘del error o térmmino residual derivado en el teorema 3.3, ya que no conocemos la cuarta de- srivada de f, Desafortunadamente, casi siempre ocurre esto. . Una dificultad practica que ocurre con la interpolacién de Lagrange consiste en que el término det error es dificil de aplicar, generalmente el grado del polinomio necesario para lograr ta exactitud deseada no se conoce antes de determinar los célculos. Se acostum- bra obtener fos resultados a partir de varios potinomios, hasta que s¢ logra una conespon= -dencia apropioda como en e! ejemplo anterior. Ademés, ef trabajo realizado al calcular la aproximacién mediante el segundo polinomio no reduce el que s€ requiere para calcular ed tercero:; tampoco cs ms fécil obtener la cuarta aproximacién, una ¥ez conocida la tercera yaasi sucesivamente. A continuacién derivaremos estos potinomios de aproximacién de tal forma que s¢ aprovechen mejor los célculos anteriores, Sea f una funcidn definida en xy Xo tp, ---y Xye ¥ SUPONGAMOS GUE Mm, Ags «24 my son enteros distintos con 0) <5 mi =3 # para cada i, El polinomio de Lagrange que concucrda con FEN 10s k PUINIOS Xs ys oon Mg, 8€ denola por P., m8 a Siay = Hay ® 2g = 3.) 4.ng © Gy Sif) =e, entonces P, 44 (2) serd el patina rio que coneuerda con f(x) en x, = 2.x, = Jy con x, = 6, es decir, = 2-6), = D-H Pras) G= 23-6)" * 6=216-3 Encl siguiente resuludo se describe un método con el que se gencrun recursivamen- te aproximaciones al polinomio de Lagrange Si festd definida en 2y.X,. .... 4+¥ 4, ¥.%, Sondas ndimeros distintos de este conjunto, cn tonces (AVP yet jor) ~~ Po to w Pay Blot ot OL ni ya) describe el polinomio de grado & de Lagrange que interpola f en los. k + 1 puntos %,, Sri aay Ae . Demostracién Para facilitar la notacién, sean Q& Poy pases... 2 ¥ OF Poy, 1... Puesto que OCs) y Ot) son polinomios de grado k 1'o menos, Pla) sera’ de ‘gra ‘oa'ia mis k. SiO r ky sir # i,j, entonces Otx) = Ocx, = fx), asf que ts, — 3) Oba,) = (4, = 2) c Sees ae. = Rot ane = fix). Pu) ' Ademdas, como Qx,) = f(x), tenemos: (x, = 4) 0) = G, = x)0G) =) pen L gexy = fs). a xm Gna116 Tabla 3.3 EJEMPLO 5 CAPLTULO 3 © Interpotaciéa y opraximacién potinonial ‘De modo andlogo, como Q(x.) =f), obtenemos P(x) = (4). Pero, por definicisn, Po,,...« 65 el polinomio tinico de grato a lo mas k que concuerda con fen ty, 2, Por consiguiente, P= Py) ar ‘De acuerdo con é! teorema 3.5, los polinomios interpolantes pueden generarse de ma era recuniva, Por ejemplo, podemos generaslos como se indica en la tabla 3.3, donde ca- dda hilera se termina antes de iniciar las siguientes. Xo Po = Ooo A P= Qip Poy = On % Fr Org Pig = Ory Faia = O22 4 P= Or Pay = Qi Pis= Or Pars = Ory x Fee Oeg Pu = Our Prya= Oar Pras = Gea Porasa = Gua A este procedimicato se le sonoce con el nombre de métedo de Neville, La notacign P que se usa en Is tabla 3.3 es dificil de manejar por in cantidad de subindices con que st representan las entradas 0 datos. Pero obsérvese que, al construir un arreglo, sla se nece- sitan dos subindices. Descender por la tabla equivale a utilizar puntos consecutivos 2, con 4imés grande: desplazarse hacia Ia derecha equivale a aumentar el grado del polinomio interpolante, Dado que los puntos apurecen consecutivamente en cada entrada, debemos escribir Gnicamente un punto inicial y la cantidad de puntos adicionales con que se cons- Iniird la apeoximacién, Para evitar los subindices méltiples, sea Q, (x), 0 = el polinomio interpolante dde grado j en los (j + 1) mimeros x,y, p.yy---4 LX) €8 decir, Oe Paina te ‘Al aplicar esta notacién en el método de Neville se obtiene el arreglo de la notacién @ de la ubla 3.3, En el ejemplo 3, los valores de diversos polinomios interpolantes en x = 1.5 se obtuvieron por medio de los datos incluidos en Tas dos primeras columnas de la bla 3,4. En este ejemplo, aproximamos /(1.5) usando el resultado del teorema 3.5 Six) = 1.0, x, = 13. y= 1.6, x= 1.9 y Si xy= 22, entonces Qo =O yy =fU-3s Oog = {U8 Oxy = fC), ¥ @xy = f(2.2). Estos son los cinco polinomios de grado cero (constante) que aproximan f(1.5). Al calcular las aproximaciones de primer grado Q, , (1.5), obtendremos. (© = H)Q,o— (© — x on 2,15) = # aah _ US =1.0015 2Qr0 ~ 13 (0.620860) — 0.240.7651977) a = 05283449. De manera aniloga, (1.5 = 1.3(0.4554022) ~ (1.5 ~ 1.6)(0.600860) Q2(1.5) = 16-13 Q,,(1.5) = 05192634 -y — Q4y(15)= 05104270. = 0.5102968,Tabla 3.4 EJEMPLO 6 ‘Tabla 3.5 Tabla 3.6 3.1. Interpolacién y potinomio de Lagrange 117 Se espera que Ia mejor aproximacién lineal sea Q,,, ya que 1.S se encuentra entre aye l3yn 16. En foctna parscida, las apfoximiacloses usando toe polladeilos da’ grade ‘suptilor'oe: t6n dadas por 1.5 ~ 10)(0.5102968) — (1.5 ~ 1.640.5233449) 18) =§ Oe aa 16-10 0,(15) = 05112857 -y —Q,,(1.5) = 05137361. = OS124715, Las aproximaciones de grado superior se generan de modo semejante y se incluyen en Ia tabla 3.4. . 10 07681977 13 046200860 05233449 16 0.453402 0.5102968, 05124715, 19 02818186 05132634 OS112887 = OS118127 22 0.103623 0.510270 05137361 05118302 0.811820 Si la Gitima aproximacion, Q,4, no offece la exactitud deseada, podemos seleccionar otro nodo, ts y agregar otra hilcra o renglon a la tabla: Xs Oso Qsr Osa Oss Ose Ose Entonces podemos comparar Q,... Qs. ¥ Qs.s pasa tener alin mis exactitud. Enel ejemplo, nesta funcién se le conoce como cle Bessel de primer tipo de orden ce- ro, cuyo valor cn 2.5 ¢s ~0,0483838, Con esto podernos construir una nucva hilera 0 rea gl6n de aproximaciones a f(1.5) 2.5 -0.0483838 0.4807699 05301984 0.519070 0.518430 0.518277. La Ghima entrada o valor, 0.511827, es correcta a siete cifras decimales, La tabla 3.5 contiene los valores de f(2) = In x con una precisi6n de cifras decimales dada. 0 20 0699 1.22 Oraes 2 23 0.8220 Nos serviremos del método de Neville para aproximar (2,1) = In 2,1, Al eompletar la abla, da los valores. f x Qo 6 20 OL 0.6931 1 22 -01 0.7885 0.7410 2 23 02 0.8329 O74 0.7420118 ALGORITMO. 34 CAPETULO 3 © Interpolecién y eprerimacion polinamiat Por tanto, P5(2.1) = Qs, = 0.7420. Puesio que f(21) = In 2.1 = 0,7419 con cuatro lugares decimales de exactitud, el error absoluto serd lo.7419 - 0.7420| Wey - Py2ayt on: Sin embargo, f¢3) = Li fd = 12, y (U0) = 2, ast que la (Germula (3.3) da una cola de error lea — yanl= (AP apie ae x =| pon ouiy-02)] = 83x 105, Nétese que el error real, LO”, rebasa la cata de error 8.3 [O~S, Esta contradiccién aparente es comsecuencia de lox eélelos con un niimemn finito de digitos. Hemos usado las aproximaciones de cuatro digitas, y la formula del error (3.3) supone una aritmética de digitos infinitos. A ello se debe que nuestros crrores reales sean mayores que la éstimacién leérica. . En ef algoritmo 3.1 se construyen por renglones las entradas o datos del métoda de Neville. Interpotacion Iterada de Neville Para evaluar el potinamia interpolante Pen los n+ 1 némeros distintox x, nGmero x para la funcion f enel ENTRADA los mimeros x, x, tumnd Qn Gio + SALIDA Ia tabla @ con P(x) xq valores fry) f(xy); «<+4 fl) como la primera co Qn de Q. Posod Parad = 1,2, para = 1,2, tome Q,, = Paso 2 SALIDA (Q); PARAR, 7 ‘Se puede modificar et algoritmo pura agregar nuevos nodos interpolantes. Por ejem- plo, podemos hacer uso de Ia desipualdad 1Qu- i, como eriteria de paro, donde © e& una toleraneia preserita del errot. Si la desigualdad es verdadera, @,, seri una aproximacidn razonable a(x), Sies falsa, se agrega un nuevo pune toe interpolacidn £,..3a Interpolacién y polinomio de Lagrange 119 CONJUNTO DE EJERCICIOS 3.1 Para las funciones dodas f(x), sean x, = 0, x; = 0.69 x; = 0.9. Construye polinomios de inter- polacién de grads uno y dos a fo maxima para uproximarf(0.43), y caleule et erzor real. & (0) = cos me for= Vise fl) = Ine +) a sO) = ane Apliqne el teorema 3.3 para calcular fa cota de ertor en tay aproximaciones del ejervicio 1 Use los polinomios interpolantes de Lagrange apropiados de grados uno, dos y tes para spo imar fo siguieate: a. Ba) si fil) = 1694410, f83) = 17.56992, 718.6) = 18.50515, 78.7) = 18.82091 be s{-5) 1 (0.95) = ~0.0718 1250, f(-0.5) = -0.02475000, f(-0.25) = 0334993750, {fo)'= 1. 10100000 6 O25) si f(0.1) ~ 0162049958, fe0.2 fioay = 024842430 4. 018) si (0.6) = ~0.17694860, 0.7) = 0.01375227, 10.8) = 0.22363362, f1.0) = 065809197 Aplique el método de Nevile para obtener las aproxi Aplique el método de Neville para aproximar V3 con Ia fiancion fix) = ¥ y tos valores ty = yy = 2. ‘Aplique el método de Neville para aproximar V3 con In facia fx) = V3 y los valores 40.5, = Lexy 2,4) = 49 34 © $. Compare la exactitud con Ta del ejercict 5. Lon datos del ejrsicio 3 s¢ generazon usando la siguicates funciones, Use Ta formula cortes- Pondiente para encontrar una:cota de error y compare la cota com el error real cuando m = 1 y SQ) = xine b fo = + 4.001 + 4.002¢-+ 1.101 © f(y = ceoss = 20 430-1 4, fx) = seniet = 2) Sean ft) = Vir ay Pala) el polinomio interpolante en ry = 0, x, 9.4, = 4. Cateule ef valor 1s grande de x, em (0, 1) para el cual f(0.5) — P05) = 025, Sea P,) el polinomia intempolante para los datos (0,0), (0.5, y). (e319 (2,2). Encuenire y si el coeficiente de.x' en Py(r) es 6. ‘Use el polinomio interpolate de Lagrange de grado tes 0 menos y Ia aritmética de corte w eua- tuo digitos para aproximar 0,750 por medio de fos siguientes valores. Calcule una cota de ervor para ta aproximacion, ~0.28398668, (0.3) = 0.00660095, aciones del ejercicio 3. 2,3, = — 1.x) = 0.4, = £08 0.698 = 0.7661 050.733 = 0.7432 c080.768 = 0.7193 cas 0803 = 0.6946 El valor real de cos 0:750 es 0.7317 (con una exactitud de cuatro cifras decimales). Explique la discrepancia existente entre el error real y la ota de error Use los siguientes valores y la aritmética de redonden a cuatro digitos paca consinir una apro= ximaciGn del tereer polinomio de Lagrange a f(1 09). La funci6a que va a ser aproximada es _J¢8) = logygtan »). Conosicado lo amerios, calcule una cota del enor en Ja aproximacidn, HL) = 0.1924 FU = O24 — f{1109= 0.2933 f(1,15) = 0.3492120 CAPITULO 3 © Jntematacion y oprasimacién polinomial 12, Repita cl ejercicio 11 usundo Maple y Ia aritmética de redondco a diez dighios. 13, El metodo de Neville sirve para aproximar 10.5), cuando se dispone de ta siguiente tabla, %=0 =o Od PP etk Py aks oT P; Pr Determine P, = (0:7) 1M. El metodo de Neville sirve para aproximar f(.4), xe cuenta oon la siguiente tabla, moo al x=025 Py=2 Py =26 os; 2, Poa Pat Py=2da 7296 Py = L016 Determine P= /(0.5), 15, Constreya los polinomios interpolantes de Lagrange para las siguientes fonciones y oblenga laa cot de error abachin én el interval (xp) a fla) = A cons, ay Ojx, 03,4, 2 Ohne D hf sen(in., y= 20.4, = 24. y= 26,02 efpeing thay shy thysiansd fled = cota + sea y= D4, 0254, = 05, 0)= L003 16, Sea fla) = of, pass 22, ‘& Aproxime (0.25) mediante la inverpalsci6n lineal con x, = 09-1, =O. bk Aprosime f(0-75) mediante ta imerpolacién lineal con xy = 0.5 y 4) = be 4 Apronime (0.25) y 10.75) mediante el segundo polinomie imerpolante ea x5 = 0, x yank 4d. {Colles sproximaciones son mejowes y por qua? 17, Supongn que necesita constuirtblus de oxho lugares decimals pura Wa funciin Jopurtimica co: min, o de base 10, de x= 1 a= 10, de modo que la interpolaciéo lineal tenga una exactitud de 10° Determine ua cola de rtd del paso para Ext bla. j Qué tammefiode paso escge> ‘nk porn nsepurarve de que In tabla inclaya x= 10 3B, Sopongn que x, = j para = 0, 1,2, 3 ¥ que se sabe que A Wath Py@aiem1 oy Aysdsr=4, “Obtenge Pas 1-5). 19, Suponga que x, = j paca j= 0, 1,2y 4 que se sabe que Pal) Bet}, Pye x+! y Pias2S)=3. Obtengs Pas s23)- 20, EL algoritma de Neville sive parn aproximar /(0) por redo de f(~23,4~ 1), FUL) y (2). Sue ponga que f(—1} se sobreexpreié por 2 y que f(1) se subeaprené cn 3. Detcrmive el enor de} <élculo original del valor del potinoio ineepotante a) yoximar /10), 21, Conseruya una sucesién de valores interpolantes y, 2 /(1 + V10) donde fox) = (1 + x)=! pa- aS 53x55, como sigue: para cada a= 1.2...,, 10.s0ah = Wn yp, = PAL + VIO),3.1. Interolacin y poinomio de Loorange 12a donde F(x) es el polinomio iniezpolaane de f(x) en los nodos x24"... xy xf he para cada j = 0, 1,2, ..« m.{Parece que la sucesi6n (,} converge en f(1 + V/10)? Interpolaci6n hnversa Supomga que /'€ Cla, bl. f12) # On a. by que / iene un cero p cn fa, Bl. Scan ty... X.0-+ 1 mimeros distitos en (a, 6] con fix) = y, para cada k = 0, 1,2. m Si quiere aproximar p, consiruya el polinomio interpolante de grado n en los nodos Yor vse Yg Para J, Puesto que », = fry) y 0 = Sip), se deduce que f°) = 5,9 p= FN). ‘Se dal nombre de iterpotacién irenada inversa al uso de ta interpolacién iternda para xproxi- mars-XO), 22, Use la interpolacién iterada inversa para obtener una apeoximacién a la solucién de x ~ £7* = 0, por medio de Ios datos 03 04 0: 06 = | arsosis | 0670320 | ososss: | osssai2 23, Construya un algoritmo que sirva para obtener Ia interpolacién inversa, 24, Ea la introduccin de este capitulo se ineluys usta tbla cod ls poblacia dé Estos Unidos, entre los afios 1940 y 1990, Use La iterpohacién de Lagrange para aproximar la poblaciGa 1 Jos aos, 1930, 1965 y 2010. 1b La poblacidn de 1930 fue aproximadamente de 123 203 000 habitanies. ;Qué exactinud, « su juicio, ienen sus cifras comespondientes a los aos 1965 y 2010? 25, Se sospecia que las elevadas concentraciones de tanina en Las hojas de tos robles madiros in- bien el crecimiento de las larvas de la poillainvemal (Operuphiera bromata L., Geometridie) gue tanto dafian alos érboles en algunos aflos La tabla anexa contione el peso promedio de dos Toesimus de larva, vonadas en los primeros 28 dias despats del macimicnto, La primera mucs- tna se cri en fojas de robes jovenes, mientras que la segunda lo hizo en bojas madras det mismo fsbo! ‘& Use Ia interpolacién de Lagrange para aproxinvar la curva del peso promedio de las muea- 1 Pana calcvlar un peso promedio maximo aproximado de cada muestra, determine el maximo {e! potinomio interpolate, Dia Few promedia de la muestra 1 (ing) Peso promedio de La muestra 2 (mg) 26, Enel ejercicio 24 de la sescivn 1.1 se integré una serie de Maclanrin para aproximar erf(1), donde erf(x) es In disribocién normal de la funciGn de error definida por erty = = [eat vet 1, Use Ia serie de Maclaurin para coastruir una tabla de erf (x3 con wna exactitud de 10+ para erf(e) donde x, = 0.2%, para d= 0,1... 5. Use la imtezpolacién lineal y la cuudrisica para obtencr una aproximacién de erf(4) .Qué rmécodo le parece mis adecuado? 27. Demuesiree! teoren gerencia: sea 1.14 aplicando el procedimiento de la demosteacion del teorema 3.3. [Su- a0) =) = POD = ay = Peay), 80 a donde P es el potinomio de Taylor de n-ésimo prada y use el teorema 1.12]