1

INTERPOLACION
En el subcampo matemtico del anlisis numrico, se denomina interpolacin a la
construccin de nuevos puntos partiendo del conocimiento de un conjunto discreto de
puntos.
En ingeniera y otras ciencias es frecuente disponer de un cierto nmero de puntos
obtenidos por muestreo o a partir de un muestreo o 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 evalusemos 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.
En todo caso, se trata, a partir de n puntos distintos xk llamados nodos de obtener una
funcin f que verifique

a la que se denomina funcin interpolante de dichos puntos. Algunas formas de

interpolacin que se utilizan con frecuencia son la interpolacin lineal, la interpolacin
polinmica, de la cual la anterior es un caso particular, o la interpolacin por medio de
splines.

Dentro de las aplicaciones tenemos casos particulares

como:
Fotografa [editar]
En el campo de la fotografa y mundo de la imagen digital, la interpolacin aplica este
mismo patrn para conseguir un tamao mayor de la imagen inicial, rellenando la
informacin que falta con datos inventados a partir de un algoritmo especfico.
Existen varios algoritmos, los ms famosos:

Interpolacin por aproximacin: Es uno de los mtodos ms antiguos que se basa en

obtener el promedio de valores de los 2 pixeles ms prximos. La interpolacin
bilineal es una mejora de la anterior, promediando en este caso 4 pixeles adyacentes.
Interpolacin bicbica: Usada por programas como Adobe Photoshop o Paint Shop
Pro es el mtodo de interpolacin considerado estndar (promedia 16 pixeles
adyacentes). Photoshop adems usa algunas variaciones como Interpolacin

bicbica enfocada o Interpolacin bicbica suavizada que se basa en aplicar algunos

cambios a la imagen final.
Interpolacin en escalera (Stair Interpolation): Se basa en la interpolacin bicbica
con la diferencia que se va interpolando en incrementos de un 10% en cada paso
con respecto al anterior.
Interpolacin S-Spline: Este mtodo de interpolacin determina el color de un pixel
desconocido basndose en la totalidad de colores de la imagen, a diferencia que
los mtodos anteriores.
Interpolacin Lanczos: Disponible de forma gratuita en el excelente visualizadoreditor IrfanView, y GIMP 2.3 y posteriores versiones, se basa en la calidad de la
imagen y ofrece resultados muy similares al mtodo Mitchell.
Interpolacin Genuine Fractals: Por ltimo, el sistema de interpolacin de Genuine
Fractals que parece tener tambin unos resultados bastante aceptables.

Enlaces externos

Algoritmo de interpolacin por aproximacin

Algoritmo de interpolacin bilineal
Algoritmo de interpolacin bicbica
Ejemplos de interpolacin en escalera (Stair Interpolation)
Algoritmo de interpolacin S-Spline usada por programas como PhotoZoom o SSpline.
Algoritmo de interpolacin de Lanczos usada por programas como IrfanView
Ejemplos de interpolacin por GF con Genuine Fractals
Interpolacin de imgenes, en ingls

Antes de intoducirnos en el tema de interpolacion daremo un teorema el cual garantiza la

unicidad del polinomio que interpola los puntos sim importar el metodo que se aplique.
Teorema: Sea x 0 , x1 ,..., x m una lista de puntos en la cual ningn elemento se repite mas
de k veces. Se f una funcin cuyos valores estn dados en estos nmeros sobre un intervalo
que contiene estos puntos. Existe entonces un polinomio nico de grado a lo mas n, con la
propiedad de que Pn ( xi ) y i ...(0 i n) (Ver demostracin libro 6 pag. 286)
Estos apuntes trataran nicamente los polinomios de interpolacin de NEWTON,
LAGRANGRE y AITKEN.
POLINOMIOS DE INTERPOLACION DE NEWTON
Uno de estas formas de interpolacin se denomina Polinomios de Interpolacin de
Newton, que 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, para lo cual haremos una introduccin rpida a dichas diferencias:

DIFERENCIAS FINITAS ORDINARIAS

Estas se definan para funciones evaluadas sobre valores discretos equidistantes, es decir,
sea F definida sobre X 0 , X 1 , X 2 ,......, X n
Se define Fk Fk 1 Fk
1.1.

Diferencia finita hacia adelante

Propiedades
1.1.1. (cFk ) cFk 1 cFk
c( Fk 1 Fk ) cFk

1.1.2. ( Fk G k ) Fk 1 G k 1 ( Fk G k ) Fk 1 G k 1 Fk G k
Fk 1 Fk G k 1 G k Fk G k

1.1.3. n ( m Fk ) n m Fk
EJEMPLO:
2 Fk (Fk ) ( Fk 1 Fk ) ( Fk 1 ) ( Fk )
Fk 2 Fk 1 Fk 1 Fk
Fk 2 2 Fk 1 Fk

3 Fk (2 Fk ) ( Fk 2 2 Fk 1 Fk ) Fk 2 (2 Fk 1 ) Fk
Fk 3 Fk 2 2 Fk 2 2 Fk 1 Fk 1 Fk
Fk 3 3Fk 2 3Fk 1 Fk
n

n Fk Fk n Fk ( n 1) Fk ( n 2 ) ...... (1) n
0
1
2
m
m

m
Fk ( n i )
i

n Fk ( 1) i
i 0

EJEMPLO
X

K+1

K+2

27

K+3

64

K+4

125

1 Fi

7
19
37
61

2 Fi

12
18
24

3 Fi

6
6

4 Fi

4
La anterior, es una tabla perfecta

EJERCICIOS PROPUESTOS
1) Verificar si dados los puntos (1,1), (1.4, 1.1832), (2.2, 1.4832), (2.6, 1.6125), (3,

1.7321). Es una tabla perfecta? De lo contrario explicar porque no lo es.

2) Verificar si FK = FK -2 FK+1, cumple la propiedad 2.
3) Verificar si FK = F2K - F2K+1, cumple la propiedad 2. Qu condicin se debe cumplir

para que se de la igualdad.

Una vez vistas las diferencias finitas ordinarias abordaremos lo que es la columna vertebral
del algoritmo de Newton:

DIFERENCIAS FINITAS DIVIDIDAS

Sea F una funcin de valor real definida sobre xk , xk 1 , ..... xk n no necesariamente
equidistante. Se define:

F x k , x k 1

F ( x k ) F ( x k 1 )
x k x k 1

F x k , x k 1 , x k 2

Primer grado

F ( x k , x k 1 ) F ( x k 2 )
xk xk 2

F x k , x k 1 ,......., x k n

2 grado

F ( x k , x k 1 ,.......x k n 1 ) F ( x k n )
xn xk n

Sin perder generalidad k = 0 tenemos

F ( x 0 , x1 )

FX 0 F X 1
x 0 x1

F ( x 0 , x1 , x 2 )

FX 1 FX 0
x1 x 0

F ( x 0 , x1 ) F ( x1 , x 2 ) F ( x1 , x 2 ) F ( x 0 , x1 )

x0 x2
x2 x0

F ( x 0 , x1 ,.......x n )

F ( x 0 , x1 .......x n 1 ) F ( x1 , x 2 .......x n )
x0 x n

Hallar F ( x3 , x2 , x1 ); F ( x2 , x3 ); F ( x5 , x4 , x3 ); F ( x1 , x5 )

n grado

EJERCICIO PROPUESTO

1) Para F ( x) 25 x 3 6 x 2 7 x 88 hallar hasta el 4 grado con x = 1, 1.3, 1.6, 1.9, 2.2

Observamos que tanto las diferencias finitas ordinarias como en las divididas se cumple
que dichas diferencias son constantes, en el orden n correspondiente a una funcin
polinmica de grado n. Esta propiedad es muy importante para la produccin del
polinomio que ajusta la tabla.
La siguiente propiedad relaciona las diferencias finitas divididas con las ordinarias.
TEOREMA
Sea f una funcin definida sobre X0, X1,Xn; tal que h = XK XK-1; entonces se cumple:

f X 0 , X 1 ,..., X n

n f 0
n!h n

EJERCICIOS PROPUESTOS

1. Demostrar

f X 0 , X 1 ,..., X n

f0

f1

f2

X 0 X1 X 0 X 2 X1 X 0 X1 X 2 X 2 X 0 X 2 X1

2. Ejercicios 1, 2, 6, 10, 13; pgina 131.

Para hallar dicho polinomio, tendremos en cuenta cada una de las constantes
obtenidas en cada columna de dicha tabla.
Sea f una funcin definida en X 0 , X 1 , X 2 ,..., X n Definimos y denotamos el
polinomio de interpolacin de Newton como:
I.

Lineal
P1 ( x ) F ( x 0 ) F ( x 0 , x1 )( x x 0 );

II.

donde F( x 0 , x1 ) es la primer diferencia finita dividida

Cuadrtico
P2 ( x ) P1 ( x ) F ( x 0 , x1 , x 2 )( x x 0 )( x x1 )
P2 ( x) F ( x 0 ) F ( x 0 , x1 )( x x 0 ) F ( x 0 , x1 , x 2 )( x x 0 )( x x1 )

Observamos que el an se vuelve cero a partir del momento en que las diferencias finitas
son constantes, esta es una aplicacin del teorema.

6
n

III.

Pn ( x) f ( x0 ) f [ x 0 ,..., x k ]( x x0 )( x x1 )...( x x k 1 )

donde

k 1

f [ x0 ,...x k ]

f [ xi 1 ,..., xi k ] f [ xi ,..., xi k 1 ]
se obtiene en la tabla de diferencias
x i k xi

divididas.
3. Demostracin Lineal P1 ( x)

x1 x 0 F ( x1 ) F ( x 0 )
x x 0 P1 ( x) F ( x 0 )
F ( x1 ) F ( x 0 )( x x0 )
P1 ( x) F ( x 0 )
x1 x 0
P1 ( x) F ( x 0 , x1 )( x x 0 ) F ( x 0 )

Aclaremos estas ideas con un ejemplo bastante sencillo.

:
Ejemplo 1:
Con los siguientes datos, halle los polinomios de interpolacin de Newton de
grado: a)uno b) dos c) tres;
(-2; 21), (0;-1),

(1; 12),

(4; 147):

Solucion:
i
Xi
F(xi)
0 Xo =-2 F(x0)=21

PDD
F X1, X 0 =
-11
F X 2 , X1 =

SDD

F
1 X1=0 F(x1)=-1
X 2 , X1, X 0
=8
13
F
2 X2=1 F(x2)=12
F X3, X 2 4 X , X , X
3
2
1
5
=8
3 X3=4 F(x3)=147

TDD

F
X 3 , X 2 , X1, X 0
=0

Donde las iniciales, PDD= Primera Diferencia Dividida, SDD= Segunda Diferencia
Dividida y TDD= Tercera Diferencia Dividida, respectivamente.
Nota: Vemos que la ltima diferencia dividida de la tabla es cero, por lo tanto la
tabla es llamada Tabla Perfecta. Ahora, como observamos que la columna de SDD

7
(segunda diferencia dividida), tiene valores iguales; el polinomio interpolante es de
grado 2.
a) El polinomio de grado uno de Newton es:
P1 ( x) F ( x 0 ) F ( x 0 , x1 )( x x0 ) 21 ( 11)( x (2)) 21 11( x 2) 21 11x 22
luego..P1 ( x) 11x 1

b) El polinomio de grado dos de Newton es:

P2 ( x) F ( x0 ) F [ x 0 , x1 ]( x x0 ) F [ x0 , x1 , x 2 ]( x x0 )( x x1 ) 21 11( x 2) 8( x 2)( x 0)
.......... 21 11x 22 8 x 2 16 x
luego..P2 ( x) 8 x 2 5 x 1

c) El polinomio de grado tres de Newton es: No existe.

Nota: Notemos que el polinomio de grado 2 de Newton tiene la forma
P2 ( x) F ( x 0 ) F [ x 0 , x1 ]( x x 0 ) F [ x 0 , x1 , x 2 ]( x x 0 )( x x1 )

As tenemos, de una forma mas general, que

Pn ( x ) Pn 1 ( x ) F [ x 0 , x1 ,...x n ]( x x 0 )( x x1 )...( x x n 1 )

Ejemplo 2:
Sea f ( x) x con los nodos 1; 4; 9; 16. Encuentre los polinomios de interpolacin
de Newton de grado a) uno b) dos c) tres; calcule el valor de 5 en cada uno de
estos polinomios y halle el error relativo.
Solucion:
i
Xi
F(xi)
PDD
0 Xo =1 F(x0)=1 F X 1 , X 0
=1/3
1 X1=4 F(x1)=2 F X 2 , X 1
=1/5
2 X2=9 F(x2)=3 F X 3 , X 2
=1/7
3 X3=16 F(x3)=4

SDD

TDD

F X 2 , X 1 , X 0 =1/60
F X 3 , X 2 , X 1 =1/210

F X 3 , X 2 , X1, X 0 =
1/1260

a-) El polinomio de Newton grado uno es

P1 (x) = 1 + 1/3 * (x 1 )
Reemplazando por x=5 tenemos:
P1 (5) = 1 + 1/3 * (5 1 )=1+4/3=7/3=2,333333
b-) El polinomio de Newton de grado dos es:

8
P2 (x) = 1 + 1/3 * ( x 1 ) -1/60 ( x - 1) (x - 4)
Reemplazando obtenemos
P2 (5) = 1 + 1/3 * ( 5 1 ) -1/60 ( 5 - 1) (5 - 4)=2,266666
c-) El polinomio de Newton de grado tres es:
P3 (x) = 1 + 1/3 * ( x 1 ) -1/60 ( x - 1) (x - 4)+1/1260( x - 1 )( x - 4 )( x - 9 )
Reemplazando tenemos:
P3 (5) = 1 + 1/3 * (51) -1/60 (5-1) (5-4)+1/1260(5-1)(5-4 )(5-9) = 2,253968
Ahora realizamos una tabla que me resuma lo hecho anteriormente; incluyendo el
error relativo, para lo cual el valor real de 5 es 2,236067

F(x)

POLINOMIO DE NEWTON
Primer grado
Segundo grado
Aproximacin
ER
Aproximacin
ER
1,368%
2,333333 4,349% 2,266666

Tercer grado
Aproximacin
ER
0,8%
2,253968

Nota: Es claro que la aproximacin de 5 va mejorando a medida que

consideramos un polinomio de grado mayor de Newton. Aunque, no lo
suficientemente rpido ya que los puntos tomados son bastante alejados.
Teorema 1.1 Sea () el polinomio de aproximacin de Newton de
grado ,
y sea la funcin a la cual nos queremos aproximar. Entonces, el error
de grado n en el polinomio de Newton, denotado por , esta dado por:
Rn

f n 1( )
( x x 0 )( x x1 )...( x x n )
( n 1)!

Donde x0 < < x y f C n 1 (Ver demostracin ene. Libro 3)

Ejemplo 3:
Tomemos la funcin del ejemplo anterior, f ( x) x , donde claramente f C .
Supongamos que queremos calcular 1,5 y consideramos los nodos 1; 2; 3; 4.
Solucion:

i
Xi
0 Xo =1

F(xi)
F(x0)=1

PDD

F X 1 , X 0 =0,414213
1 X1=2 F(x1)= 1,414213 F X 2 , X 1 =0,3178
245
2 X2=3 F(x2)=1,732050 F X 3 , X 2 =0,2679
49
3 X3=4
F(x3)=2

SDD
F X 2 , X 1 , X 0 =0,04819425
F X 3 , X 2 , X 1 =0,02493775

TDD

F X 3 , X 2 , X 1 , X 0 =0,007
75216

9
El polinomio de Newton de grado tres es:
P3 ( x) 1 0,4142139( x 1) 0,04819425( x 1)( x 2) 0,007752166( x 1)( x 2)( x 3)

Luego tenemos que:

P3 (1,55) 1 0,4142139(1,55 1) 0,04819425(1,55 1)(1,55 2) 0,007752166(1,55 1)(1,55 2)(1,

P3 (1,55) 1,222062

Calculando el error se obtiene:

Rn

f n 1( )
15 / 16 x 7 / 2
( x x 0 )( x x1 )...( x x n )
( x 1)( x 2)( x 3)( x 4)
(n 1)!
24

Como f ( x) x entonces f (iv ) ( x) 15 / 16 x 7 / 2

Ahora, para algn (1,1,5) se debe satisfacer la igualdad. Vamos a
tomar un muy arbitrario (corriendo el riesgo de que no sea una
eleccin conveniente) hacemos:
x x 1 1,5
0

1,25
2
2
Es decir trabajamos con el punto medio entre el valor inicial de los datos
y el valor a aproximar; por lo tanto
R4

15 / 16(1,25) 7 / 2
(1,25 1)(1,25 2)(1,25 3)(1,25 4) 0,016141615
24

Podemos tambin ver estos coeficientes de la siguiente forma:

Teorema: Si f C n 1 en [a,b] y x 0 ,..., x n son nodos en [a,b], entonces
existe en (a,b) tal que
f n ( )
f [ x0 ,..., x n ]

n!

POLINOMIOS DE INTERPOLACION DE LAGRANGE

Presentamos ahora una forma alternativa del polinomio de interpolacin P(x) asociado con
una tabla de datos (xi , yi) con 0 i n. Es importante entender que existe uno y solo un
polinomio de interpolacin de grado n asociado con los datos (suponiendo, claro esta, que
las n+1 abscisas xi son distintas). Sin embargo, existe ciertamente la posibilidad de expresar
este polinomio de maneras distintas y de llegar a el a travs de distintos algoritmos.
El problema al utilizar Polinomio de Newton para aproximar es que se debe tener la
derivada y muchas veces este lado no se tiene; una forma de evitar esto es trabajar con una
interpolacin de Lagrange, que es una reformulacin del Polinomio de Newton que evita
las diferencias divididas y se representa como:

10
n

Fn ( x) Li ( x) F ( x i ) R n
i 0

Donde

Li (x)

j 0
i i

x xj
xi x j

(3.3.1.2)

; es productoria y Rn es el error.

Para obtener el polinomio de grado uno (lineal) reemplazamos n=1

1

F1 ( x ) Li ( x) F ( x i )
i 0

L0 ( x) F ( x 0 ) L1 ( x) F ( x1 )
n 1

L0 ( x )
j 0
i j

L1 ( x)
F1 ( x)

x xj
xi x j

x x1
x 0 x1

x x0
x1 x 0

x x0
x x1
f ( x0 )
f ( x1 )
x 0 x1
x1 x 0

Ahora calcularemos el polinomio de interpolacin de grado dos (Cuadrtico), haciendo

n=2:
2

F2 ( x ) Li ( x ) F ( x i )
i 0

L0 ( x) F ( x 0 ) L1 ( x) F ( x1 ) L2 ( x) F ( x 2 )
F2 ( x)

x x0 x x2
x x 0 x x1
x x1 x x 2
f ( x0 )
f ( x1 )
f (x2 )
x 0 x1 x 0 x 2
x1 x 0 x1 x 2
x 2 x 0 x 2 x1

La aproximacin del polinomio cbico es:

3

F3 ( x ) Li ( x ) F ( x i )
i 0

L0 ( x ) F ( x 0 ) L1 ( x) F ( x1 ) L2 ( x) F ( x 2 ) L3 ( x) F ( x 3 )
F3 ( x)

x x 0 x x 2 x x3
x x1 x x 2 x x3
f ( x0 )
f ( x1 )
x 0 x1 x 0 x 2 x 0 x3
x1 x 0 x1 x 2 x1 x3

x x 0 x x1 x x3
x x 0 x x1 x x 2
f ( x2 )
f ( x3 )
x 2 x 0 x 2 x1 x 2 x 3
x3 x 0 x3 x1 x 3 x 2

11

La ecuacin (3.3.3.2) se obtiene de manera directa del polinomio de Newton, sin

embargo, el razonamiento detrs de la formulacin de lagrange se comprende
directamente al darse cuenta que cada termino Li(x) ser 1 en x=xi y 0 en todos los otros
puntos(Ver figura). 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 (3.3.2) es el
nico polinomio de n-simo grado que pasa exactamente a travs de todos los n+1
puntos, que se tienen como datos.
GRAFICA
Descripcin visual del razonamiento detrs del polinomio de Lagrange. Esta figura
muestra un caso de segundo grado. Cada uno de los tres trminos de la ecuacin (3.3.2)
pasa a travs de uno de los puntos que se tienen como datos y es cero en los otros dos.
La suma de los tres trminos, por lo tanto, debe ser el nico polinomio de segundo grado
f2(x) que pasa exactamente a travs de os tres puntos.
EJEMPLO
Con un polinomio de interpolacin de Lagrange de primero, segundo y tercer grado
evalu

1,5

; basndose en los datos dados a continuacin:

x0 =

f(x0)= 1

x1 =

f(x1)= 1,414213

x2 =

f(x2)= 1,732050

x3 =

f(x3)= 2

Solucin:
Primero hallamos el polinomio lineal:
F1 ( x )

x2
x 1
(1)
(1,414213) 0.414213 x 0.585787 F1 (1.5) 1.2071065
1 2
2 1

Ahora hallamos el polinomio cuadrtico:

F2 ( x)

x2 x3
x 1 x 3
x 1 x 2
(1)
(1.414213)
(1.732050) F2 (1.5) 1.219153825
1 2 1 3
2 1 2 3
3 1 3 2

Finalmente el polinomio cbico es:

F3 ( x)

x2 x3 x4
x 1 x 3 x 4
x 1 x 2 x 4
x 1 x 2 x 3
(1)
(1.414213)
(1.732050)
(2
1 2 1 3 1 4
2 1 2 3 2 4
3 1 3 2 3 4
4 1 4 2 4 3

F3 ( x ) 1.22205934

12
Como se esperaba, ambos resultados concuerdan con los que se obtuvieron antes al usar
el polinomio de interpolacin de Newton.
EJERCICIO PROPUESTO
Hallar el valor de

2 utilizando 3 funciones diferentes y llenar la siguiente tabla

Primer grado
Aproximacin EN

Segundo grado
Tercer grado
ER Aproximacin EN ER Aproximacin EN

ER

F(x)
G(x)
H(x)
1) Obtenga el Polinomio de Lagrange de grado dos a partir del Polinomio de
Newton.
2) Estime el log 5 usando interpolacin lineal, cuadrtica y cbica; y compare
los errores. Cul es el mejor mtodo? Porqu?.
3) Del libro de Burden resolver los ejercicios 3 y 10 de la pgina 119.

POLINOMIOS DE INTERPOLACION DE AITKEN

Una de las dificultades de la interpolacin de Lagrange, es que el error es difcil (o
imposible) de calcular. La forma habitual de trabajar es ir incrementando el orden de los
polinomios, hasta que se obtiene un valor deseado. Sin embargo, cada clculo es
independiente del previo, perdindose contacto entre uno y otro. Los polinomios de
Legendre tambin se pueden generar aprovechando los clculos previos, en forma iterativa.
El polinomio de interpolacin de Aitken nos permite generar los polinomios de grados ms
altos partiendo de polinomios de grados ms bajos.
Se genera un dispositivo triangulas de polinomios Pk,d mediante un determinante de orden
2. Aqu Pk,d es cierto polinomio de grado d que se interpola sobre un conjunto de d+1
puntos que dependen de k.
El esquema de Aitken es el que sigue:
Para d = 0, 1, 2,..., n genrese el polinomio Pk,d como sigue:
Pk,0(x) = Fk(x)
Pk , d 1 ( x)
Pk , d 1 ( x )

k = 0, 1, 2, ........, n

( xk x) Pd , d ( x ) ( xd x) Pk , d ( x)

Pd , d
1
xk xd Pk , d

xk xd
xd x
xk x

k d 1, d 2, ........., n

k d 1, d 2, ........., n

La disposicin de los polinomios Pk,d se muestra en la siguiente tabla:

13

.............

X0

P0,0

X1

P1,0

P1,1

X2

P2,0

P2,1

P2,2

Xk

Pk,0

Pk,1

Pk,2

Xn

Pn,0

Pn,1

Pk,2

Pn,n

Xn X

X0 X
X1 X
X2 X

Xk X

EJEMPLO

Hallar una aproximacin de 1,5 utilizando el polinomio de interpolacin de Aitken

de grado 3; para los siguientes valores:
x0 =

f(x0)= 1

x1 =

f(x1)= 1,414213

x2 =

f(x2)= 1,732050

x3 =

f(x3)= 2

Solucin:

Utilizando las formulas descritas anteriormente; tenemos:

P1,1 ( x )

P0, 0
1
x1 x 0 P1, 0

x0 x
1
1 1.5
1

1.20710678
x1 x
2 1 1.414213 2 1.5

P0, 0
1
x 2 x 0 P2, 0

x0 x
1
1 1.5
1

1.1830127
x2 x
3 1 1.73205081 3 1.5

P0,0
1
x3 x0 P3,0

x0 x

k 1
d0
P2,1 ( x)
k2
d0
P3,1 ( x)
k3
d0

x3 x

1 1 1 1.5
1.1666667
4 1 2 4 1.5

14
P2, 2 ( x )

x1 x

P1,1
1
x 2 x1 P2,1

x2 x

1 1.20710678
3 2 1.1830127

2 1.5
1.22205934
3 1.5

P1,1
1
x3 x1 P3,1

x1 x
1,20719678
1

x3 x
4 2 1.16666667

23
1.21721681
4 1.5

P2, 2
1
x3 x 2 P3, 2

x2 x
3 1 .5
03
1

24
x3 x
4 3 1.21721681 4 1.5

k2
d 1
P3, 2 ( x)
k3
d 1
P3,3 ( x )
k 3
d2

k
0
1
2
3
4

Xk
-4
-2
0
2
4

Pk,0
256
16
0
16
256

Pk,1

Pk,2

Pk,3

Pk,4

-584
-192
-24
256

396
116
116

-24
186

81

Ejercicios propuestos
1. Dado el ejemplo anterior; realizar la aproximacin de
x
a. f ( x) 2

3
b. g ( x) x

1,5

utilizando:

x
c. h( x) 4

Realizar una tabla con los polinomios de grado uno, dos y tres, donde se relacione l error
relativo. Hallar los puntos de tabulacin de forma tal que el mximo intervalo que los
contenga sea de longitud 2

EJERCICIOS PROPUESTOS
1. El nmero de turistas que visitaron Espaa en el periodo 1975-1990 est reflejado
en la siguiente tabla:

Aos
Millones de turistas

1975

1980

1985

1990

24,1

30,1

38,1

43,2

Calcular, utilizando un polinomio de interpolacin adecuado (cuadrtico, al menos),

el nmero de turistas que visitarn Espaa en 1995.

15
2. En la tabla siguiente se indica el tiempo (en das) y el peso (en gramos) de tres
embriones de cierta especie animal:

Tiempo

Peso
8 22 73
a) Obtener el polinomio de interpolacin de 2 grado correspondiente.
b) Determinar, a partir de dicho polinomio, el peso que correspondera a un embrin
de 6,5 das.
3. Dada la siguiente tabla, obtener por interpolacin lineal el valor de
x

0
1

1
1,4142

2
1,7321

(Sol. 0,7514)
4. De una funcin f(x) se conocen los valores f(1)=0, f(2)=4, f(5)=52. Hallar el
correspondiente polinomio cuadrtico de interpolacin. Estimar el valor de la funcin en
x=3 y en x=6. (Sol. P(x) = 3x2 5x +2, P(3)=14 y P(6)=80)
5. Obtener la ecuacin de la interpolacin cuadrtica que pasa por los puntos A(0,4),
B(1,3) y C(-1, 9). (Sol. P(x)= 2x2 3x + 4)
6. El aumento de lneas telefnicas instaladas en Espaa durante los tres ltimos
aos fue:
1995 1996 1997

Aos

Millones de lneas

8,457 8,882 9,640

a) Es lineal el aumento producido?

b) Calcular el valor esperado en 1998 mediante una extrapolacin cuadrtica. (Sol.
10,731)
7. Dada la tabla de la funcin y = f(x)
x
1
f(x) 2

2
-1

3
6

4
0

Calcular el error cometido cuando se calcula f(4) mediante la interpolacin

cuadrtica, obtenida usando los otros valores de la tabla. (Sol. 23)

Polinomios de Hermite
Los polinomios osculadores son una generalizacin de los polinomios de Taylor y de
Lagrange. Estos interpolan la funcin dada, coincidiendo con ella en n+1 puntos y en sus m

16
derivadas.
Un caso particular son los polinomios de Hermite, que interpola la funcin dada, y
coincide con ella en n+1, y en n puntos de la derivada primera. El polinomio de Hermite
est dado por
H2n+1(x) = Sumj=0n f(xj)Hn,j(x) + Sumj=0n f'(xj)HHn,j(x)
donde
Hn,j(x) = [1 - 2(x-xj)L'n,j(xj)]L2n,j(x)
y
HHn,j(x) = (x-xj)L2n,j(x)
y los Ln,j son los polinomios de Lagrange.

Ejercicios:
Dibujar esquemticamente los polinomios de Hermite (los H y los HH)

Si bien la descripcin anterior es completa, el hecho de tener que evaluar los polinomios de
Lagrange y sus derivadas, lo hace un poco tedioso.
Una forma simple de encontrar los coeficientes es utilizando diferencias finitas, pero
definiendo nuevos puntos zi en la forma:
z1 = z2 = x1
z3 = z4 = x2
y en general:
z2i = z2i-1 = xi

Se hace el clculo de diferencias finitas explicado anteriormente, pero como f[z2i,z2i1]=f[xi,xi] y este no est definido, entonces se usa la expresin del lmite
f[z2i,z2i-1]=f'(xi)

Ejercicios:
Modificar el programa divideddiff.for para calcular los polinomios de Hermite.
Plotear la funcin y su derivada para nuestro viejo conocido caso de J0

Splines
Las interpolaciones con polinomios sufren de un problema bsico, y es la aparicin de
grandes oscilaciones espreas, especialmente si el grado del polinomio es alto.
Una forma alternativa de obtener funciones interpoladoras, es dividiendo el intervalo en

17
sucesivos intervalos, y generar polinomios de bajo grado en cada uno de estos intervalos.
Esto se llama aproximacin polinomial por piezas.
Para que el resultado quede "bien", estos polinomios deben mantener continuidad en la
funcin, la derivada primera y la derivada segunda, en cada uno de estos puntos lmites.
Dada una funcin f definida en [a,b], y un grupo de nodos a = x0 < x1 < ... < x n = b , se
llama cubic spline interpolant S, a la funcin que satisface las siguientes condiciones para
j<(n+1):
(a) S es un polinomio cbico, que en cada subintervalo [xj,xj+1] se
denomina Sj
(b) S(xj) = f(xj) (para todo j)
(c) Sj+1(xj+1) = Sj(xj+1)
(d) S'j+1(xj+1) = S'j(xj+1)
(e) S''j+1(xj+1) = S''j(xj+1)
(f) S''(x0) = S''(xn) = 0 ("free boundary")
o
S'(x0) = f'(x0) y S'(xn) = f'(xn) ("Clamped boundary")

El procedimiento para encontrar S es el siguiente:

denominamos
Sj(x) = aj + bj(x - xj)

+ cj(x - xj)2

+ dj(x - xj)3

y aplicamos las condiciones pedidas anteriormente. Por ejemplo, para que se cumpla (b):
Sj(xj) = fj(xj) = aj

para que se cumpla (c):

aj+1 = Sj+1(xj+1) = Sj(xj+1) = aj + bj(x - xj+1)

+ cj(x - xj+1)2

que para simplificar, haciendo hj = (xj+1 - xj) es:

aj+1 =

aj + bjhj

+ cjhj2

+ djhj3

Respecto a la derivada, que se escribe

S'j(x) = bj + 2cj(x - xj) + 3dj(x - xj)2

y aplicando la condicin (d) obtenemos:

bj+1(x) = bj + 2cjhj + 3djhj2

la condicin (e) se cumple si

cj+1(x) = cj + 3djhj

+ dj(x - xj+1)3

18
(para que se cumpla tambin en el ltimo punto n se define cn = S''(xj)/2).
Subsituyendo todas estas condiciones, nos queda un sistema de ecuaciones (matriz
tridiagonal):
hj-1cj-1 +

2(hj-1 + hj)cj + hjcj+1 =

= 3(aj+1 - aj)/hj - 3(aj - aj-1)/hj-1

donde j=2,3, ... ,n-2. En las filas j=0 y j=n, se escriben las condiciones de contorno en la
diagonal.

Ejercicios:
Utilizar el programa splines.for para interpolar la siguiente figura.

Debido a que las derivadas no son contnuas en algunos puntos, se interpolan 3 funciones
diferentes, cuyos valores estan dados en curva1.dat, curva2.dat y curva3.dat.
Dibujar la figura junto con el polinomio interpolador.
Cambiar las condiciones de contorno a clamped boundary conditions, modificando el
programa dado, y comparar los resultados.

19
Daro Mitnik