CAPTULO 4.

INTERPOLACIN POLINOMIAL Y AJUSTE

POLINOMIAL
INTRODUCCIN
En este captulo trataremos bsicamente dos problemas, el primero de los cuales es el
siguiente:
Problema 1: Dados n + 1 puntos de

R2

(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n )
en los cuales x 0 , x 1 ,..., x n son nmeros distintos, se quiere encontrar un polinomio pn (x) de
grado menor o igual que n tal que

pn (xk ) = yk , k = 0,1,...,n
Probaremos que un tal polinomio pn (x) siempre existe y adems es nico. A tal polinomio
se le denomina polinomio de interpolacin, polinomio interpolante o polinomio de
colocacin para los puntos (datos) dados. En este contexto los nmeros x 0 , x 1 ,..., x n son
llamados nodos. Cuando n = 1, es decir, slo tenemos dos puntos, el polinomio de
interpolacin correspondiente se denomina tambin polinomio de interpolacin lineal.
El caso de mayor inters para nosotros es aquel en el cual yk = f (xk ) siendo f una cierta
funcin de la que posiblemente no se conoce una frmula explcita, o bien es muy
complicada para evaluarla, derivarla, integrarla, hallarle ceros, etc. En este caso el polinomio
de interpolacin pn (x) puede usarse como aproximacin de la funcin f y, en particular, para
aproximar valores de la funcin f en puntos intermedios entre los nodos x 0 , x 1 ,..., x n . Nos
referiremos a esta manera de aproximar una funcin dada, mediante un polinomio de
interpolacin, como interpolacin polinomial; cuando usemos slo dos nodos, nos
referiremos a la correspondiente interpolacin como interpolacin lineal. En este contexto
el polinomio de interpolacin pn (x) se dir el polinomio que interpola a la funcin f en los
nodos x 0 , x 1 ,..., x n .
El otro problema a tratar es:
Problema 2: Dados n + 1 puntos de

R2

(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n )
en los cuales x 0 , x 1 ,..., x n son nmeros distintos, y dado un entero no-negativo m, con
m < n , se trata de encontrar un polinomio
pm (x) = a 0 + a1x+...+ am xm

184 MTODOS NUMRICOS

__________________________________________________________________________________
tal que la suma de cuadrados
n

(p (x ) y )

k =0

sea mnima.
El criterio mediante el cual se elige el polinomio pm (x) es conocido como criterio de los
mnimos cuadrados.

Probaremos que tal polinomio pm (x) existe y es nico; se le

denomina polinomio de ajuste segn mnimos cuadrados para los datos dados. Ntese
que esta vez, a diferencia de lo que ocurre con el polinomio de colocacin, pm (xk ) no

necesariamente es igual a y k para todo k = 0,1,..., n . El polinomio pm (x) lo que da es un

ajuste razonable a los datos dados.
Este tipo de aproximacin mediante el polinomio de ajuste pm (x) se conoce como ajuste
polinomial. Aunque el ajuste polinomial segn mnimos cuadrados es el caso ms usado,
tambin consideraremos el caso de ajuste exponencial, logartmico y de potencia segn
mnimos cuadrados.

4.1 INTERPOLACIN POLINOMIAL

Teorema 4.1 (existencia y unicidad del polinomio interpolante) Dados los n + 1 puntos
(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n ) de R 2 , con x 0 , x 1 ,..., x n nmeros distintos, existe un nico
polinomio

pn (x) = a0 + a1x + a2 x2 +...+ an xn

de grado menor o igual que n, que interpola los puntos dados, es decir, tal que

pn (xk ) = y k , k = 0,1,...,n
Demostracin: Existe un nico polinomio
pn (x) = a 0 + a1x + a 2 x 2 +...+ an xn
tal que

pn (xk ) = y k , k = 0,1,...,n

si y slo si existen nmeros reales nicos a0 , a1, a 2 ,..., an tales que

a 0 + a1x 0 + a 2 x 02 +...+ an xn0 = y 0

a 0 + a1x1 + a 2 x12 +...+ an x1n = y1

2
n
a 0 + a1xn + a 2 xn +...+ an xn = y n

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 185

__________________________________________________________________________________

El sistema anterior, de n + 1 ecuaciones lineales en las n + 1 incgnitas a 0 , a1, a 2 ,..., an ,

escrito en forma matricial es
1 x 0 x 02
"
xn0

2
"
x1n
1 x1 x1

! !
!
!

2
"
xnn
1 xn xn
#%%%%%
%$%%%%%%
&
A

a0
y0

a
1
y1

!
!

an
yn
#$
% %
&
#$
% %
&
X
b

Ahora bien, como

det A =

1 x0

x 02

1 x1

x12

1 xn

xn2

"
"

xn0
x1n
!

"

xi
0 j<in

xj

xnn

entonces det A 0 (porque si i j , entonces xi x j ), y por tanto el sistema en consideracin

tiene solucin nica. Esto prueba la existencia de un nico polinomio interpolante de grado
menor o igual que n para los n + 1 datos dados.
Una forma de encontrar el polinomio interpolante para los puntos (x 0 , y 0 ), (x 1, y 1 ),..., (x n , y n )
es resolviendo directamente el sistema AX = b que aparece en la prueba del teorema
anterior; pero este procedimiento no se acostumbra porque, por lo general, la matriz de
coeficientes de este sistema resulta mal condicionada, lo que puede ocurrir si dos abscisas
estn relativamente cerca. Lo que resta de esta seccin lo dedicaremos a otras formas de
encontrar el polinomio interpolante.
4.1.1 Forma de Lagrange del polinomio interpolante: Supongamos, para ilustracin del
mtodo de Lagrange, que se tienen los puntos (x 0 , y 0 ), (x 1, y 1 ), (x 2 , y 2 ) con x0 , x1 y x2
nmeros distintos y queremos encontrar el polinomio interpolante de grado menor o igual que
dos

p2 (x) = a0 + a1x + a2 x2
para dichos puntos.

, , entonces
Como p 2 (xk ) = yk , k = 0,12

186 MTODOS NUMRICOS

__________________________________________________________________________________
p 2 (x 0 ) = a 0 + a1x 0 + a 2 x 02 = y 0

2
p 2 (x1 ) = a 0 + a1x1 + a 2 x1 = y1

p (x ) = a + a x + a x 2 = y
0
1 2
2 2
2
2 2
que es un sistema de tres ecuaciones lineales cuyas incgnitas son a0 , a1 y a2 .
Veamos que el determinante de la matriz de coeficientes de este sistema es, como ya se
dijo, (x1 x0 )(x2 x 0 )(x2 x1 ) . En efecto:
1 x0
= 1 x1
1 x2

x 02

x12 = 0
x 22

x0

x 02

x1 x 0

x12 x 20

0 x2 x0

x 22

1 x0

x 20

x 02

1 x0

= (x1 x 0 )(x2 x0 ) 0

x1 + x 0

x 2 x1

x 02

= (x1 x 0 )(x 2 x0 ) 0

x1 + x 0

x2 + x0

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

(As que el sistema tiene solucin nica).

De acuerdo con la regla de Cramer

a0 =

y0

x0

x02

y1

x1

x12

y2

x2

x 22

de donde
y0

x0

a 0 = y1

x1

y2

x2

x02

x12 = y 0 x1x22 x 2 x12 y1 x0 x22 x2 x02 + y 2 x0 x12 x1x02

x22

(Desarrollando el determinante por los cofactores de la primera columna)

Anlogamente,
1 y0
a1 = 1 y1
1 y2

x 02

x12 = y 0 x 22 x12 + y1 x 22 x 20 y 2 x12 x 20

x 22

(Desarrollando el determinante por los cofactores de la segunda columna)

y

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 187

__________________________________________________________________________________

1 x0

y0

a 2 = 1 x1

y1

1 x2

y2

= y 0 (x2 x1 ) y1 ( x2 x0 ) + y 2 ( x1 x0 )

(Desarrollando el determinante por los cofactores de la tercera columna)

Por tanto
p 2 (x) = a 0 + a1x + a 2 x 2

= y 0 x1x2 (x2 x1 ) y1x0 x2 (x2 x0 ) + y 2 x0 x1(x1 x0 )

[
+[y 0 (x 2 x1 ) y1(x2 x0 ) + y 2 (x1 x0 )]x 2

+ y 0 (x2 x1 )(x2 + x1 ) + y1(x2 x0 )(x2 + x0 ) y 2 (x1 x0 )(x1 + x0 ) x

= (x 2 x1 )y 0 x1x2 (x2 + x1 )x + x 2 (x 2 x0 )y1 x0 x2 (x2 + x0 )x + x2

+(x1 x 0 )y 2 (x2 x1 ) x 0 x1 (x1 + x0 )x + x

Total que

p 2 (x) = y 0 (x 2 x1 )(x x1 )(x x2 ) + y1(x0 x2 )(x x0 )(x x2 )

+ y 2 (x1 x 0 )(x x0 )(x x1 )

y entonces
p 2 (x) = y 0

(x x1 )(x x2 ) + y (x x0 )(x x2 ) + y (x x0 )(x x1 )

(x0 x1 )(x0 x2 ) 1 (x1 x0 )(x1 x2 ) 2 (x2 x0 )(x2 x1 )

Si definimos los polinomios de grado dos

L 0 (x) =

(x x1 )(x x2 )
(x0 x1 )(x0 x2 )

L1(x) =

(x x0 )(x x2 )
(x1 x0 )(x1 x2 )

L 2 (x) =

(x x0 )(x x1)
(x2 x0 )(x2 x1)

entonces
p 2 (x ) = y 0 L 0 (x ) + y1 L1 (x ) + y 2 L 2 (x )
Observe que
1

L j ( xk ) =
0

si k = j
, j = 0,1,2,
si k j

, .
y que, como era de esperarse, p 2 (xk ) = yk , k = 0,12

k = 0,1,2

188 MTODOS NUMRICOS

__________________________________________________________________________________
Los polinomios L 0 (x ), L 1 (x ) y L 2 (x ) , se denominan polinomios fundamentales de

Lagrange y el polinomio p 2 (x) , obtenido de la manera anterior, se denomina polinomio de

interpolacin de Lagrange o forma de Lagrange del polinomio interpolante para los
datos dados.
En general se tiene que:
Dados n + 1 puntos

(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n )

con x 0 , x 1 ,..., x n nmeros distintos, el

polinomio de interpolacin de Lagrange o la forma de Lagrange del polinomio

interpolante para los datos dados es el polinomio
p n (x ) = y 0 L 0 (x ) + y 1 L1 (x ) + ... + y j L j (x ) + ... + y n L n (x ) =

L j (x )

j= 0

donde
L j (x) =

(x x0 )(x x1 )... (x x j1)(x x j+1)... (x xn )

(x j x0 )(x j x1)...(x j x j1)(x j x j+1

( x xk )

)...(x x ) (x
j

k =0
kj

xk

, j = 0,1,...,n

Los polinomios L j (x) , anteriores, se denominan polinomios fundamentales de Lagrange.

Ntese que si se trata de n + 1 puntos, tales polinomios son de grado n.
Observe que
1 si k = j

L j ( xk ) =
0 si k j

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

y que para cada k = 0,1,...,n,

pn (xk ) = y 0 L 0 (xk ) + y1L 1(xk )+...+ y k L k (xk )+...+ y n L n (xk )
#$&
#$&
#$&
#$&
0
0
1
0
= yk
En el caso en que yk = f (xk ), k = 0,1,..., n , la expresin para el polinomio de interpolacin de
Lagrange se convierte en

( )

pn (x) = f (x 0 )L 0 (x) + f (x1 )L1(x)+...+ f x j L j (x)+...+ f (xn )L n (x)

Caso particular: Calculemos el polinomio de interpolacin lineal, correspondiente a los
puntos (x0 ,y 0 ), (x1,y1 ) con x0 x1 , usando la forma de Lagrange:
En este caso, el polinomio de interpolacin de Lagrange es

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 189

__________________________________________________________________________________

p1 (x ) = y 0 L 0 (x ) + y 1 L1 (x )
siendo
L 0 (x) =

x x1
x 0 x1

L 1(x) =

x x0
x1 x0

es decir,
p1(x) = y 0L 0 (x) + y1L1(x) = y 0
=
=
=

y 0 (x1 x) + y1(x x0 )
x1 x0

x1 x0

(x 0 , y 0 )

y 0 x1 y 0 x + y1x y1x0
x1 x0

y 0 (x1 x0 ) + (y1 y 0 )(x x0 )

p (x) = y 0 +

y = p1(x)

y 0 x1 y 0 x0 + y 0 x0 y 0 x + y1x y1x0
x1 x0

Luego

Ntese que

x x1
x x0
+ y1
x 0 x1
x1 x0

( y1 y 0 ) x x
( 0)
(x1 x0 )

es la ecuacin de la recta determinada por los puntos

y (x1, y1 ) .

Ejemplo 4.1 Supongamos que queremos aproximar la funcin f (x) = cosx sobre el intervalo

2 , 2 mediante un polinomio de interpolacin. Una forma razonable de hacerlo es

mediante un polinomio de interpolacin de Lagrange de grado menor o igual que dos, p 2 (x) ,

usando como nodos los nmeros x 0 = , x1 = 0 y x2 = .

2
2
Como

p 2 (x ) = f (x 0 )L 0 (x ) + f (x 1 )L1 (x ) + f (x 2 )L 2 (x )

y


f (x 0 ) = cos = 0, f (x1 ) = cos 0 = 1 y f (x2 ) = cos = 0
2
2
entonces p 2 (x) = L1(x) , donde

2
x + x x2
(x x0 )(x x2 ) = 2 2 =
4 = 1 4 x2
L1(x) =
2

(x1 x0)(x1 x2 )

2 2
4
Total que el polinomio de interpolacin de Lagrange para la funcin f (x) = cos x en los nodos

x 0 = , x1 = 0 y x2 = , es
2
2

190 MTODOS NUMRICOS

__________________________________________________________________________________
p 2 (x) = 1

x2

Observe que p 2 = 0 = p2 y p2 (0) = 1 , como era de esperarse
2
2
La FIGURA 4.1 siguiente, muestra las grficas de y = cos x y del polinomio interpolante
4
obtenido y = p 2 (x) = 1 2 x2 .

FIGURA 4.1
Si

usamos

el

polinomio

interpolante

de

Lagrange,

p 2 (x) ,

para

aproximar

2


f = cos =
.71 , obtenemos
4
4
2
2

4
1 3


cos p 2 = 1 2 = 1 = = .75
4
4
4 4
4

Instruccin en DERIVE: Dados los n + 1 datos M:=

[ [x0 , y 0 ],[x1, y1],...,[xn , yn ] ] :

POLY_INTERPOLATE( M , x ): Simplifica o aproXima en el polinomio interpolante de grado

menor o igual que n, pn (x) , para los n + 1 datos dados en la matriz M. Para el ejemplo

anterior, Simplifique la expresin POLY_INTERPOLATE( ,0 , [0,1], ,0 , x ).

2
2

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 191

__________________________________________________________________________________

Nota: Con el propsito de comparar el polinomio p 2 (x) , obtenido en el ejemplo anterior, con

el polinomio de Taylor de grado dos para f (x) = cos x , alrededor de cero (polinomio de
Maclaurin), calculamos este ltimo a continuacin:
Como
f (x) = cos x, f (0) = cos 0 = 1

f (x) = sen x, f (0) = sen 0 = 0

f (x) = cos x, f (0) = cos 0 = 1

entonces el polinomio de Maclaurin, ya mencionado, es p(x) = 1

x2
.
2

Si usamos el polinomio de Maclaurin p(x) para aproximar el valor f = cos ,
4
4
obtenemos


4


cos p = 1
4
4
2

.69

Ntese que, en este caso, la aproximacin que da el polinomio de Maclaurin para cos es
4
mejor que la que da el polinomio de interpolacin. Como ejercicio compare los valores



p 2 y p con el valor exacto cos .
2
2
2

En relacin con el ejemplo anterior, tenemos que los otros dos polinomios fundamentales de

Lagrange de grado dos para f usando los nodos x 0 = , x1 = 0 y x2 = , son

2
2

x x
x
x x1 )(x x2 )

(
2
=
L 0 (x) =
=
(x0 x1)(x0 x2 ) ( )

x
2 = 2 x2 1 x

2
2
2

x + x x
x x 0 )(x x1 )

(
2
=
L 2 (x) =
=
(x2 x0 )(x2 x1)
2

x
2 = 2 x2 + 1 x

2
2
2
+

Observe que
L 0 (x) + L 1(x) + L 2 (x) =

x2

1
4
2
1
x + 1 2 x2 + 2 x2 + x = 1

192 MTODOS NUMRICOS

__________________________________________________________________________________
Instruccin en DERIVE: Dados los n + 1 datos M:=

[ [x0 , y 0 ],[x1, y1],...,[xn , yn ] ] :

LAGRANGE_POLY(M): Simplifica o aproXima en el polinomio de interpolacin de Lagrange

para los datos dados en la matriz M.
LAGRANGE_POLYS( M ): Simplifica o aproXima en los n + 1 polinomios fundamentales de
Lagrange de grado n, L j (x), j = 0,1,..., n , para los datos dados en la matriz M, y vienen en la
expresin

[ [L (x)],[L (x)],...,[L (x)] ] .

0

Para el ejemplo anterior, Simplifique la expresin

LAGRANGE_POLYS( , 0 , [0 ,1] , , 0 ).
2
2
En general, los polinomios fundamentales de Lagrange L j (x), j = 0,1,..., n , correspondientes a
n + 1 puntos dados, tienen la propiedad
n

L (x) = 1 para todo

j

j= 0

A continuacin nos referiremos al error involucrado en la interpolacin polinomial.

Si pn (x) es el polinomio que interpola a una funcin f en los nmeros distintos x0 , x1,..., xn , y
si x es un punto intermedio entre dichos nmeros, entonces el error al aproximar f (x)

mediante pn (x) es

E(x) = f (x) pn (x)

En relacin con este error se tiene el siguiente resultado cuya demostracin puede ser
consultada en Burden, 1985, pginas 103 y 104:
Teorema 4.2 Sea f una funcin definida en un intervalo [a, b] y sea pn (x) el polinomio que
interpola a f en los nmeros distintos x0 , x1,..., xn de dicho intervalo. Si f tiene sus primeras
n + 1 derivadas continuas en [a, b] , entonces para cada x [a, b] , el error E(x) = f (x) pn (x)

puede expresarse en la forma

E(x) =

(x x0 )(x x1)... (x xn ) f (n+1) x

( ( ))
(n + 1)!

donde (x) es un nmero que depende de x y (x) (a, b) .

Esta frmula para el error es un resultado terico importante, pues los polinomios de
interpolacin se usan por ejemplo, para deducir frmulas de integracin numrica y a partir
de dicha frmula de error se pueden obtener cotas para el error en la integracin; sin
embargo, en la prctica la frmula del error en la interpolacin es de uso muy restringido
pues slo se puede aplicar a funciones que tengan derivadas fcilmente acotables.

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 193

__________________________________________________________________________________

En relacin con el ejemplo 4.1 tenemos que, si x , , entonces el error al aproximar
2 2
4
f (x) = cos x mediante el polinomio de interpolacin p 2 (x) = 1 2 x2 , obtenido usando los

nodos x 0 = , x1 = 0 y x2 = , es
2
2
E(x) =

(x x0 )(x x1)(x x2 ) f x
( ( ))
3!

con (x) ,
2 2

es decir,
E(x)
Como

x + (x 0) x

2
2
=
f (x)
6

con (x) ,
2 2

f (x) = cos x , f (x) = sen x , f (x) = cos x y f (x) = sen x

entonces

f (x)

= sen (x)

1 para toda (x) ,
2 2

y por tanto
E(x)
En particular, para x =

1 2 2

x x
6
4

para todo x ,
2 2

, se tiene que
4

3 2
3
1 2 2

=

.24

E
4
6 4 16
4
24 16 128
Observe que el error real es



E = cos p 2 =
4
4
4

1
2

3
.043
4

que est por debajo de la cota terica de error, ya calculada.

Ejercicio 4.1 Use el polinomio interpolante de Lagrange para la funcin f (x) = cos x con

nodos x 0 = , x1 = 0 y x2 = , para estimar

2
2

i)

cos xdx
0

ii) f
4

194 MTODOS NUMRICOS

__________________________________________________________________________________

Ejemplo 4.2 Use los polinomios interpolantes de Lagrange de grados uno, dos y tres, ms
apropiados, para aproximar
f (2.5) , si
f (2.0) = .5103757 ,
f (2.2) = .5207843 ,

f (2.4) = .5104147 , f (2.6) = .4813306 y f (2.8) = .4359160 .

Solucin: Como 2.5 [2.4,2.6] , entonces el polinomio de interpolacin de Lagrange de

grado uno, ms apropiado, es el que se obtiene tomando los nodos x 0 = 2.4 y x1 = 2.6 , ya
que stos son los dos nodos ms cercanos a 2.5.
As que

p1(x) = f (x0 )L 0 (x) + f (x1 )L1(x)

= f (x0 )

y entonces

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

2.5 2.6
2.5 2.4
+ .4813306
2.4 2.6
2.6 2.4
= .2552074 + .2406653

p1(2.5 ) = .5104147

= .4958727 f (2.5 )

Para el caso de grado dos, hay dos polinomios interpolantes igualmente apropiados:
Un primer polinomio se obtiene tomando los nodos x 0 = 2.2, x1 = 2.4 y x 2 = 2.6 , lo que nos
da
p 2 (x) = f (x0 )L 0 (x) + f (x1 )L1(x) + f (x2 )L 2 (x)
= f (x0 )

(x x1)(x x2 ) + f x (x x0 )(x x2 ) + f x (x x0 )(x x1)

( 1) x x x x
( 2) x x x x
( 1 0 )( 1 2 )
( 2 0 )( 2 1)
(x0 x1)(x0 x2 )

y entonces

(2.5 2.4)(2.5 2.6) +.5104147 (2.5 2.2)(2.5 2.6)

(2.4 2.2)(2.4 2.6)
(2.2 2.4)(2.2 2.6)
(2.5 2.2)(2.5 2.4)
+.4813306
(2.6 2.2)(2.6 2.4)

p 2 (2.5 ) =.5207843

= .06509804 + .3828110 + .1804990

= .06509804 + .5633100
= .4982120 f (2.5 )

El otro polinomio interpolante se obtiene tomando x0 = 2.4, x1 = 2.6 y x 2 = 2.8 , y se tiene

que

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 195

__________________________________________________________________________________

(2.5 2.6)(2.5 2.8) +.4813306 (2.5 2.4)(2.5 2.8)

(2.6 2.4)(2.6 2.8)
(2.4 2.6)(2.4 2.8)
(2.5 2.4)(2.5 2.6)
+.4359160
(2.8 2.4)(2.8 2.6)

p2 (2.5 ) =.5104147

= .1914055 + .3609980 .05448950

= .5524035 .05448950
= .4979140 f (2.5)

Para grado tres el polinomio interpolante, ms apropiado, se obtiene tomando los nodos
x 0 = 2.2 , x1 = 2.4 , x2 = 2.6 y x3 = 2.8 , ya que 2.5 [2.2,2.8] y 2.2, 2.4, 2.6 y 2.8 son los
nodos ms cercanos a 2.5. As que

(x x1)(x x2 )(x x3 ) + f x (x x0 )(x x2 )(x x3 )

( 1) x x x x x x
(x0 x1)(x0 x2 )(x0 x3 )
( 1 0 )( 1 2 )( 1 3 )
(x x0 )(x x1 )(x x3 ) + f x (x x0 )(x x1)(x x2 )
+ f (x2 )
( 3) x x x x x x
(x2 x0 )(x2 x1 )(x2 x3 )
( 3 0 )( 3 1)( 3 2 )

p 3 (x) = f (x0 )

y entonces

(2.5 2.4)(2.5 2.6)(2.5 2.8) +

(2.2 2.4)(2.2 2.6)(2.2 2.8)
(2.5 2.2)(2.5 2.4)(2.5 2.8) +
+ .4813306
(2.6 2.2)(2.6 2.4)(2.6 2.8)

p 3 (2.5) = .5207843

(2.5 2.2)(2.5 2.6)(2.5 2.8)

(2.4 2.2)(2.4 2.6)(2.4 2.8)
(2.5 2.2)(2.5 2.4)(2.5 2.6)
.4359160
(2.8 2.2)(2.8 2.4)(2.8 2.6)

.5104147

= .03254902 + .2871083 + .2707485 .02724475

= .5578568 .0597977
= .4980630 f (2.5 )

Cul es la aproximacin obtenida, mediante el polinomio de interpolacin, usando los nodos

x 0 = 2.0 , x1 = 2.2 , x 2 = 2.4 y x 3 = 2.6 ? (ejercicio)
Cul de todas las aproximaciones calculadas es la mejor ?
Como la cota para el error en la interpolacin requiere conocer hasta la cuarta derivada de la
funcin f (la funcin de donde provienen los datos), y no disponemos de esa informacin,
pues no conocemos una frmula explcita para f, no podemos decidir cul de las
aproximaciones calculadas es la mejor. Sin embargo, de dos aproximaciones calculadas que
utilicen el mismo nmero de nodos, se espera que sea mejor la que use los nodos ms
cercanos al dato a interpolar.
Ejemplo 4.3 Suponga que se quiere construir una tabla para la funcin logaritmo natural,
desde x = 1 hasta x = 10 , de tal manera que la interpolacin lineal usando dos nodos
consecutivos de la tabla, tenga una precisin de seis cifras decimales exactas. Determine el
tamao de paso h ms grande posible para dicha tabla.
Solucin: Podemos suponer, sin prdida de generalidad, que los nodos x0 ,x1,..., xn en el
intervalo [1,10] estn igualmente espaciados. Entonces el tamao de paso es

196 MTODOS NUMRICOS

__________________________________________________________________________________
h = xk +1 xk , k = 0,1,...,n 1 con x0 = 1 y xn = 10
Por lo tanto

x0 = 1, x1 = 1 + h, x2 = 1 + 2h,..., xk = 1 + kh,..., xn = 1 + nh = 10

y entonces para x con xk x xk +1 , se tiene que el error en la interpolacin lineal, usando

los nodos xk y xk +1 , es
E(x) = f (x) p(x) =

E(x )
=
Si

(x xk )(x xk +1 )

2!

para algn (x) (xk , xk +1 ) .

Como f (x) = lnx , entonces f (x) =

f (x)

1
1
, f (x) = 2 , y entonces para x [xk , xk +1 ] , se tiene
x
x

1
Mx
f (x )
2 x[xk ,xk +1]

Mx

x x k ,x k 1
+

(x x k )(x x k +1 )

1
1
(x x k )(x x k +1 )
Mx
Mx
2 x[xk ,xk +1] x 2 x[xk ,xk +1]

g(x) = (x xk )(x xk +1 ) = x 2 (xk + xk +1 )x + xk xk +1

entonces
g(x) = 2x (xk + xk +1 ) = 0 x =

x k + x k +1
2

Como g(xk ) = 0 = g(xk +1 ) , y

h2
x + x k +1
x x k x k x k +1 h h
x + x k +1 x k + x k +1
0
xk k
x k +1 = k +1
g k

= =
=

2 2

2
2
2
2
2
4
entonces
Mx

x xk ,x k 1
+

(x x k )(x x k +1 ) = h

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

Por otro lado, como

Mx

] x2

x xk ,x k +1

(x k )2

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

entonces para x [xk , xk +1 ] , se tiene que

E(x)

1 1 h2
, k = 0,1,..., n 1
2 ( x k )2 4

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 197

__________________________________________________________________________________

, ] , k = 0,1,..., n, entonces
Finalmente, como xk [110
E(x)

1 1 h2 h2
=
para todo x [110
, ]
2 12 4
8

Para encontrar el tamao de paso h ms grande para la tabla, basta entonces resolver la
desigualdad
h2
5 10 7 (porque se quieren 6 cifras decimales exactas)
8
lo que nos da h 2 10 3 = .002 .
De acuerdo con este resultado, el tamao de paso ms grande para construir la tabla es
h = .002 . As que si se toma, por ejemplo, el tamao de paso h = .001 para construir la
tabla, la interpolacin lineal correspondiente (para dos nodos consecutivos), ser exacta en
por lo menos seis cifras decimales. Es claro que una tabla con estas caractersticas debe ser
escrita con por lo menos siete cifras decimales.
Otra forma de obtener el polinomio interpolante de grado menor o igual que n para una
funcin f, a partir de n + 1 datos conocidos, (x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n )) , es la siguiente:
4.1.2 Forma de Newton del polinomio interpolante: Dados n + 1 puntos
(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n ) con x 0 , x 1,..., x n nmeros distintos y yk = f (xk ) , k = 0,1,...,n para
alguna funcin f definida en algn intervalo [a,b] que contiene a los nodos distintos
x 0 , x 1,..., x n . El polinomio pn (x) de grado menor o igual que n que interpola a f en los datos
dados, puede expresarse en la forma
pn (x) = b 0 + b1(x x 0 ) + b 2 (x x0 )(x x1 ) + ... + bn (x x0 )(x x1 )... (x xn1 )
para ciertas constantes b 0 , b1,..., b n .
Cmo determinar los coeficientes b 0 , b1,..., bn ?
Puesto que p n (x k ) = y k = f (x k ), k = 0, 1,..., n , entonces

pn (x0 ) = b0 = f (x0 ) , as que

b 0 = f (x 0 )

pn (x1 ) = b0 + b1(x1 x0 ) = f (x1 ) , as que

b1 =

f (x1 ) f (x0 )
x1 x 0

pn (x2 ) = b 0 + b1(x2 x0 ) + b 2 (x2 x0 )(x2 x1 ) = f (x2 ) , as que

198 MTODOS NUMRICOS

__________________________________________________________________________________

b2 =

f ( x 2 ) f (x 0 )

f (x1 ) f (x0 )

x1 x0
(x2 x0 )(x2 x1 )

(x 2 x 0 )

y despus de realizar algunas manipulaciones algebraicas se tiene que

f (x2 ) f (x1 )
b2 =

x 2 x1

f (x1 ) f (x0 )
x1 x 0

x2 x0

Los otros coeficientes b 3 , b 4 ,..., b n se pueden obtener consecutivamente, siguiendo el

mtodo anterior.
Para facilitar la escritura de los coeficientes b 0 , b1,..., b n , del polinomio interpolante obtenido
de esta manera, se introduce la siguiente notacin de diferencia dividida hacia adelante
(progresiva) de Newton.
Definicin 4.1 Dados n + 1 puntos

(x0 ,f (x0 )), (x1,f (x1)),...,(xn ,f (xn ))

con

x 0 , x 1,..., x n

nmeros distintos y f alguna funcin, definimos:

a) La diferencia dividida cero de f con respecto a xk es
f [ xk ] = f ( xk ) ,

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

(As que, con respecto al polinomio interpolante pn (x) , se tiene que b 0 = f [x0 ] )
b) La diferencia dividida uno de f con respecto a xk y x k +1 es
f[xk ,xk +1 ] =

f [xk +1 ] f[xk ]
x k +1 x k

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

Observe que las diferencias divididas uno dependen de las diferencias divididas cero y
que, mientras hay n + 1 diferencias divididas cero, hay n diferencias divididas uno.
f[x1 ] f [x0 ]
)
(Tambin observe que b1 = f [x 0 , x1 ] =
x1 x0
c) La diferencia dividida dos de f con respecto a xk , xk +1 y xk + 2 es
f[xk ,xk +1, xk + 2 ] =

f[xk +1,xk + 2 ] f [xk ,xk +1 ]

xk + 2 xk

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

Observe que las diferencias divididas dos dependen de las diferencias divididas uno y
que, mientras hay n diferencias divididas uno, hay n 1 diferencias divididas dos.

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 199

__________________________________________________________________________________

(Tambin observe que b 2 = f [x0 , x1,x2 ] =

f [x1, x2 ] f [x0 , x1 ]
x2 x0

d) En general, conocidas las n (i 1) + 1 = n i + 2 diferencias divididas i 1 de f con

respecto a

x k , x k +1 ,..., x k +i1 , f [x k , x k +1,..., x k +i1 ], k = 0, 1,..., n (i 1) , se definen las

n i + 1 diferencias divididas i de f con respecto a x k , x k +1,..., x k +i , as

f[xk ,xk +1,...,xk +i ] =

f[xk +1,xk + 2 ,...,xk +i ] f [xk ,xk +1,...,xk +i1 ]

xk + i xk

, k = 0,1,...,n i

Con esta notacin de diferencia dividida se tiene que bi = f[x0 ,x1,...,xi ], i = 0,1,...,n y as el
polinomio interpolante toma la forma
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 xn1 )

Esta forma del polinomio interpolante se conoce como frmula de diferencia dividida
(progresiva) interpolante de Newton o forma progresiva de Newton del polinomio
interpolante, y se usa en los clculos numricos cuando se interpola en un punto x que est
ms cerca de x0 que de xn (suponemos ordenados los nodos x 0 , x 1,..., x n ) . Si el punto x
en el cual vamos a interpolar est ms cerca de xn que de x0 se usa la frmula de
diferencia dividida (regresiva) interpolante de Newton:
pn (x) = f [xn ] + f [xn 1,xn ](x xn ) + f[xn 2 , xn 1, xn ](x xn )(x xn 1 )+...
+ f[x0 ,x1,...,xn ](x xn )(x xn 1 )... (x x1 )

Es muy importante tener en cuenta que el polinomio progresivo y el polinomio regresivo de

Newton son el mismo polinomio (siempre y cuando se usen los mismos datos); lo que ocurre
es que en la frmula progresiva el dato que ms "pesa" es f [x0 ] , mientras que en la

regresiva el que ms "pesa" es f [xn ] .

En el caso en que el dato a interpolar est ms cerca del nodo central (o los nodos
centrales), se recomiendan otras diferencias divididas llamadas centradas, que no
estudiaremos aqu.
La forma de Newton del polinomio interpolante es ms ventajosa que la forma de Lagrange,
pues el clculo de los coeficientes en la forma de Newton va usando la informacin anterior,
lo que no sucede con la forma de Lagrange.
Observe que dados n + 1 datos

(x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n )) ,

Newton del polinomio interpolante tiene la propiedad

la forma progresiva de

200 MTODOS NUMRICOS

__________________________________________________________________________________

pi (x) = pi1(x) + f [x0 , x1,..., xi ](x x0 )(x x1 )... (x xi1 ), i = 2,3,...,n

Una propiedad anloga se tiene para la forma regresiva del polinomio interpolante de
Newton.
La TABLA 4.1 siguiente, muestra las diferencias divididas que hay que calcular para
determinar los coeficientes del polinomio interpolante de Newton.

Diferencias
divididas 0

Diferencias
divididas 1

f (xk ) = f [xk ]

f [xk ,xk +1]

f [x0 ,x1 ] = b1

xk

x0

f [x0 ] = b 0

x1

f[x1]

f[x1,x2 ]

x2

f [x2 ]

f[x2 ,x3 ]

x3

f [x3 ]

n1

xn1

f [xn1]

xn

f [xn ]

Diferencias divididas
n

f [x0 ,...,xn ]

f[x0 ,...,xn ] = bn

f [xn1,xn ]

TABLA 4.1
Observe que en la misma tabla pueden leerse los coeficientes para la forma progresiva y
para la forma regresiva de Newton del polinomio interpolante.
En el caso particular n = 1, la forma de Newton del polinomio interpolante es
p1(x) = f [x0 ] + f[x0 ,x1 ](x x0 ) = f (x0 ) +

f (x1 ) f (x0 )
x1 x0

(x x0 )

que coincide con la frmula deducida para p1(x) en el caso de la forma de Lagrange del
polinomio interpolante. Recuerde que el polinomio de interpolacin es nico.
Con respecto al error en la interpolacin al usar la forma de Newton, tenemos:

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 201

__________________________________________________________________________________

Dada una funcin f definida en [x0 ,x1 ] . Si f es continua en [x0 ,x1 ] y f existe en (x0 ,x1 ) ,

entonces el teorema del valor medio implica que existe x (x0 ,x1 ) tal que f (x) = f[x0 ,x1 ] .

En general, se tiene el siguiente resultado cuya demostracin puede ser consultada en

Burden, 1985, pginas 117 y 118:
Teorema 4.3 Si f es una funcin de valor real definida sobre el intervalo [a,b] , n veces
continuamente diferenciable en
entonces existe [a, b] tal que

[a,b]

y x 0 , x1,..., xn son nmeros distintos en

f[x 0 , x1,..., xn ] =

n
f ( ) ( )

[a,b] ,

n!

Usando esta frmula se puede llegar a una expresin para estimar el error al aproximar una
funcin f mediante el polinomio interpolante de Newton, pn (x) , a partir de los puntos
x 0 , x1,..., xn , x , como se indica a continuacin:
De la frmula del error E(x) , dada al estudiar la forma de Lagrange del polinomio
interpolante, tenemos que
f (x) = pn (x) +

(x x0 )(x x1 )... (x xn ) f (n+1) x

( ( ))
!
(n + 1)%
#%%%%%%
$%%%%%%%
&

(4.1)

()

Ex

donde (x) es un nmero que depende de x y (x) (a, b) .

De otro lado, usando la forma de Newton del polinomio interpolante de grado menor o igual
que n + 1 para f en los nodos x0 , x1,..., xn , x , tenemos que

f (x) = pn+1(x) = pn (x) + f [x0 , x1,..., xn , x](x x0 )(x x1)... (x xn )

(4.2)

Igualando las ecuaciones (4.1) y (4.2), concluimos que

E(x) = f (x) pn (x) = f[x0 , x1,..., xn , x](x x0 )(x x1 )... (x xn )

(4.3)

donde para calcular f [x0 , x1,..., xn , x] usamos pn (x) f (x) .

La ecuacin (4.3) nos da una frmula alternativa para estimar el error al usar un polinomio
interpolante.
Ejemplo 4.4 Considere la siguiente tabla de datos

202 MTODOS NUMRICOS

__________________________________________________________________________________

f (x)

x
2.0
2.2
2.4
2.6
2.8

.5103757
.5207843
.5104147
.4813306
.4359160
TABLA 4.2

Si queremos obtener una aproximacin de f (2.1) usando todos los datos dados, debemos
elegir la forma progresiva del polinomio interpolante de Newton con todos los datos dados, y
una escogencia adecuada para los nodos es x 0 = 2.0 , x1 = 2.2 , x2 = 2.4 , x3 = 2.6 y
x 4 = 2.8 , ya que x = 2.1 est ms cerca de x0 que de x4 .
Veamos qu resultados obtenemos si usamos los polinomios interpolantes de Newton ms
apropiados de grados uno, dos, tres y cuatro, para aproximar f (2.1) .
Empezamos calculando las diferencias divididas que se muestran en la TABLA 4.3 siguiente,
3
donde el valor correspondiente a la diferencia dividida cuatro es 8.34125 10 = b 4 (que no
aparece en la tabla).
k

xk

f (xk ) = f[xk ]

2.0

.5103757 = b0

1
2
3
4

2.2
2.4
2.6
2.8

.5207843
.5104147
.4813306
.4359160

Diferencias
divididas 1
.052043 = b1

.051848
.1454205
.227073

Diferencias
divididas 2
.2597275

= b2

Diferencias
divididas 3
.04299367 = b 3

.2339313
.2041313

.04966667

TABLA 4.3
Instruccin en DERIVE: Dados los n + 1 puntos M:=

[ [x , f(x )],[x ,f (x )],...,[x ,f (x )] ] :

0

DIFERENCIAS_DIV( M ): aproXima o Simplifica en las n + 1 diferencias divididas progresivas

de Newton, f[x0 ], f[x0 , x1 ],..., f[x0 , x1,..., xn ] , correspondientes a los n + 1 puntos dados en la

matriz
M.
Para
este
ejemplo,
tome
la
matriz
M: = [2.0 , 0.5103757],[2.2 , 0.5207843],[2.4 , 0.5104147],[2.6 , 0.4813306],[2.8 , 0.4359160]
y

aproXime la expresin DIFERENCIAS_DIV(M).

Entonces

p1(x) = f[x0 ] + f [x0 , x1 ](x x0 )

= .5103757 + .052043(x 2.0)

as que

p1(2.1) = .5103757 + .052043(2.1 2.0)

= .5155800 f (2.1)

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 203

__________________________________________________________________________________

Si usamos el polinomio ms apropiado de grado dos

p 2 (x) = f[x0 ] + f [x0 ,x1 ](x x0 ) + f [x0 , x1,x2 ](x x0 )(x x1 )
= p1(x) + f [x 0 , x1,x2 ](x x 0 )(x x1 )

obtenemos
p 2 (2.1) = p1(2.1) .2597275(2.1 2.0)(2.1 2.2)
= .5155800 +.002597275
= .5181773 f (2.1)
Si usamos el polinomio ms apropiado de grado tres
p 3 (x) = f[x0 ] + f [x0 , x1 ](x x0 ) + f[x0 ,x1, x2 ](x x0 )(x x1 )
+ f[x0 , x1,x2 , x3 ](x x0 )(x x1 )(x x2 )

= p 2 (x) + f[x0 ,x1,x2 , x3 ](x x0 )(x x1 )(x x2 )

entonces

p 3 (2.1) = p 2 (2.1) + .04299367(2.1 2.0)(2.1 2.2)(2.1 2.4 )

.
= .5181773 + 1289810
10 4
= .5183063 f (2.1)

Finalmente, si usamos el polinomio de grado cuatro

p 4 (x) = f [x0 ] + f[x0 , x1 ](x x0 ) + f [x0 ,x1, x2 ](x x0 )(x x1 )
+ f[x0 ,x1,x2 ,x3 ](x x0 )(x x1 )(x x2 )

+ f[x0 ,x1,x2 ,x3 ,x4 ](x x0 )(x x1 )(x x2 )(x x3 )

= p 3 (x) + f[x0 , x1,x2 ,x3 ,x4 ](x x0 )(x x1 )(x x2 )(x x3 )

obtenemos
p 4 (2.1) = p 3 (2.1) + 8.341125 10 3 (2.1 2.0)(2.1 2.2)(2.1 2.4 )(2.1 2.6)
.
= .5183063 1251169
10 3
= .5182938 f (2.1)

Si estamos interesados en aproximar f (2.7) mediante el polinomio interpolante ms

apropiado de grado menor o igual que tres, a partir de los datos dados en la TABLA 4.3,
debemos usar la forma regresiva de Newton del polinomio interpolante con los nodos
x4 = 2.8 , x 3 = 2.6 , x 2 = 2.4 y x1 = 2.2 , lo que nos da en este caso

p3 (x) =.4359160 .227073(x 2.8).2041313(x 2.8)(x 2.6 )

+.04966667(x 2.8)(x 2.6)(x 2.4)

as que

204 MTODOS NUMRICOS

__________________________________________________________________________________
p3 (2.7 ) =.4359160 .227073(2.7 2.8).2041313(2.7 2.8)(2.7 2.6 )
+.04966667(2.7 2.8)(2.7 2.6)(2.7 2.4 )

.
=.4359160 +.0227073 + 2.041313 10 3 1490000
10 4
.
=.4606646 1490000
10 4
=.4605156

Como un ejercicio encuentre el polinomio interpolante regresivo de grado menor o igual que
cuatro para los datos dados, p4 (x) , y selo para estimar f (2.7) . Tambin estime f (2.7)
usando el polinomio p 4 (x) y compare los valores p 4 (2.7) y p4 (2.7) .

f (2.5) usando p 4 (2.5 ) y p4 (2.5 ) .

Aproxime tambin

Un algoritmo para encontrar los coeficientes b 0 , b1,..., b n de la forma de Newton del polinomio
interpolante es el siguiente.
Algoritmo 4.1 (Diferencias divididas progresivas) Para obtener los coeficientes
b 0 , b1,..., b n de la forma de Newton del polinomio interpolante usando diferencias divididas
progresivas, conocidos n + 1 puntos (x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n )) con x 0 , x 1,..., x n
nmeros distintos:
Entrada: Los nmeros x 0 , x 1,..., x n , los valores

f (x 0 ), f (x 1 ),..., f (x n ) .

Salida: Los coeficientes b 0 , b1,..., bn de la forma progresiva de Newton del polinomio

interpolante

pn (x) = b 0 + b1(x x0 ) + b2 (x x0 )(x x1 )+...+bn (x x0 )(x x1)... (x xn1)

Paso 1: Tomar b 0 = f (x0 ) .
Paso 2: Para i = 12
, ,..., n , hacer:
Para k = 0,1,..., n i, tomar
f ( xk ) =

f ( x k +1 ) f ( x k )
xk + i xk

bi = f (x 0 )
Paso 3: Salida: "Los coeficientes del polinomio interpolante progresivo de Newton son
b 0 , b1,..., bn ". Terminar.
Ejercicio 4.2 La siguiente tabla corresponde a la funcin f (x) = e x :

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 205

__________________________________________________________________________________

x
f (x)

0
1.00000

.5
1.64872

1.0
2.71828

2.0
7.38906

a) Aproxime f (.25) usando interpolacin lineal con x0 = 0 y x1 = .5 .

. .
b) Aproxime f (.75) usando interpolacin lineal con x0 = .5 y x1 = 10
c) Aproxime f (.25) y f (.75) usando interpolacin de grado menor o igual que dos con

. y x 2 = 2.0 .
x0 = 0, x1 = 10
d) Cul de las aproximaciones calculadas es la mejor? Por qu?
e) Aproxime f (.25) usando el polinomio de interpolacin de Newton de grado menor o igual
que tres para los datos dados.
Ejercicio 4.3 La siguiente tabla corresponde a la funcin f (x) = sen x :
x
f (x)

.30
.29552

.32
.31457

.33
.32404

.35
.34290

a) Encuentre una aproximacin de sen(.34) , usando el polinomio de interpolacin de

Lagrange de grado menor o igual que tres para los datos dados.
b) Encuentre una aproximacin de sen(.34) , usando el polinomio de interpolacin de
Newton ms apropiado de grado menor o igual que tres.
c) Encuentre una cota para el error en cada aproximacin. Cul de las aproximaciones
calculadas en a) y b) es mejor?
Hasta aqu se han construido polinomios de grado menor o igual n para interpolar entre n + 1
puntos dados. Como cuando n aumenta el polinomio interpolante pn (x) tiene ms
oscilaciones y ocurre a menudo que no aproxima bien a la funcin f, esto sugiere que se
intente la interpolacin pero localmente, es decir, por subintervalos.
La idea es que el intervalo que se tiene para interpolar los datos se descompone en una serie
de subintervalos y se usan aproximaciones separadas para cada subintervalo, sujetas a que
las aproximaciones deben coincidir, en algn sentido, en los extremos de los subintervalos.
Este proceso de aproximacin sobre subintervalos se conoce como interpolacin
segmentaria o por segmentos.

206 MTODOS NUMRICOS

__________________________________________________________________________________
4.2 INTERPOLACIN SEGMENTARIA CBICA (CUBIC SPLINES)
Dados n + 1 puntos (x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n )) con x 0 , x 1,..., x n nmeros distintos y f
alguna funcin de valor real definida en un intervalo [a,b] que contiene a los nodos
x 0 , x 1,..., x n , se trata de aproximar la funcin f por segmentos o tramos, como se indica a
continuacin. Aqu se supone que

x0 < x1 < ... < xn

Una primera forma es aproximar la funcin f en cada subintervalo [x k , x k +1 ], k = 0, 1,..., n 1 ,
mediante un polinomio lineal, lo que se conoce como interpolacin segmentaria lineal.
Una segunda posibilidad es aproximar la funcin f en cada subintervalo
[x k , x k +1 ], k = 0, 1,..., n 1 , mediante un polinomio cuadrtico, lo que se conoce como
interpolacin segmentaria cuadrtica, esta vez imponiendo algunas condiciones sobre el
comportamiento de los polinomios aproximantes en cada segmento.
Finalmente tenemos la interpolacin segmentaria cbica, que es la ms usada, la cual
consiste en lo siguiente:
Se aproxima la funcin f en cada subintervalo [xk , xk +1 ] mediante un polinomio de grado
menor o igual que tres, el cual suponemos de la forma
2
3
(k )
p3 (x) pk (x) = ak + bk (x xk ) + c k (x xk ) + dk (x xk ) , k = 0,1,...,n 1

FIGURA 4.2
Son n polinomios de grado menor o igual que tres y cada uno con cuatro coeficientes
incgnitas, as que tenemos un total de 4n incgnitas por determinar.
Las condiciones que deben satisfacer tales polinomios son:
p (x ) = f (xk ) , k = 0,1,..., n 1
i) k k
pn 1(xn ) = f (xn )
(Condiciones de interpolacin. Estas condiciones producen n + 1 ecuaciones)

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 207

__________________________________________________________________________________

ii) pk (xk +1 ) = pk +1(xk +1 ) , k = 0,1,..., n 2

(Condiciones de continuidad en los nodos interiores. Estas condiciones producen n 1
ecuaciones)
iii) pk (xk +1 ) = pk +1(xk +1) , k = 0,1,..., n 2
(Condiciones de derivabilidad en los nodos interiores. Estas condiciones producen n 1
ecuaciones)
iv) pk(xk +1 ) = pk+1(xk +1) , k = 0,1,..., n 2
(Condiciones de continuidad de la primera derivada en los nodos interiores: se conserva
la concavidad en la vecindad del nodo interior, a no ser que la segunda derivada sea cero
en el nodo interior. Estas condiciones dan lugar a n 1 ecuaciones)
Hasta aqu tenemos n + 1 + 3(n 1) = 4n 2 condiciones.
v) Se satisface uno de los siguientes pares de condiciones de frontera:
a)

p0 (x0 ) = 0 y pn1(xn ) = 0

b) p0 (x0 ) = f (x0 ) y pn 1(xn ) = f (xn )

Las condiciones dadas en a) se llaman de frontera libre (no dependen de condiciones

adicionales sobre la funcin f ).
Observe que en el caso a), basta tener una lista de datos (xk , yk ) con x 0 , x 1,..., x n nmeros
distintos para poder realizar la interpolacin segmentaria cbica.
Las condiciones dadas en b) se llaman de frontera sujeta, requieren que se conozca
f (x0 ) y f (xn ) , y fijan al polinomio p 0 (x), x [x0 , x1 ] , en el punto extremo x0 , y al polinomio

pn 1(x), x [xn 1, xn ] , en el punto extremo xn ; como en este caso se usa ms informacin

acerca de la funcin f las aproximaciones obtenidas suelen ser mas exactas. Si no se

dispone de esta informacin sobre f se usarn las condiciones de frontera libre o unas
buenas aproximaciones para f (x0 ) y f (xn ) .
Si definimos
T:[x 0 , xn ]
x

T(x) = pk (x) , si x [xk , xk +1 ]

208 MTODOS NUMRICOS

__________________________________________________________________________________
y p k (x ), k = 0, 1,..., n 1 , satisfaciendo las condiciones i)-v), entonces T se dice un Trazador

o adaptador cbico para f en [x 0 , x n ] . Si el Trazador cbico satisface las condiciones v),

a), se llama natural, y si satisface las condiciones v), b) se llama de frontera sujeta.
Nota: Si no se da una tabla de datos correspondiente a una cierta funcin f, ni condiciones
de frontera, se entiende que un Trazador cbico es una funcin como se defini antes, pero
satisfaciendo las condiciones ii), iii) y iv).
Una forma de construir un Trazador cbico para una funcin f en [x0 , xn ] es la siguiente:
De acuerdo con la condicin i)

pk (xk ) = ak = f (xk ) , k = 0,1,..., n 1 y

pn1(xn ) = f (xn )

y si aplicamos la condicin ii), tenemos para k = 0,1,..., n 2 ,

a k +1 = p k +1 ( x k +1 ) = p k ( x k +1 )
= ak + bk (xk +1 xk ) + c k (xk +1 xk ) + dk (xk +1 xk )
2

Si notamos hk = x k +1 x k , k = 0, 1,..., n 1 , usamos que ak = f (xk ) , para k = 0,1,..., n 1 y

definimos an = f (xn ) , entonces

ak +1 = ak + bk hk + c k hk2 + dk hk3 , k = 0,1,..., n 1

(4.4)

2
3
(ya que an = f (xn ) = pn1(xn ) = an1 + bn1hn1 + c n1hn1 + dn1hn1 )

De otro lado pk (xk ) = bk para k = 0,1,...,n 1, y si aplicamos la condicin iii), obtenemos

bk +1 = pk +1(xk +1) = pk (xk +1 ) = bk + 2c k hk + 3dk hk2 , k = 0,1,...,n 2

Si definimos bn = pn 1(xn ) , entonces
bk +1 = bk + 2c k hk + 3dk hk2 , k = 0,1,..., n 1
2
( ya que pn 1(xn ) = bn1 + 2c n1hn1 + 3dn1hn1 )

Ahora,
entonces

pk (x) = 2c k + 6 dk (x xk ) , k = 0,1,..., n 1

pk(xk ) = 2c k , k = 0,1,..., n 1

(4.5)

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 209

__________________________________________________________________________________

y si aplicamos la condicin iv), obtenemos

2c k +1 = pk+1(xk +1) = pk(xk +1) = 2c k + 6dk hk
o sea

c k +1 = c k + 3 dk hk , k = 0,1,..., n 2

Si definimos pn1(xn ) = 2c n , entonces

c k +1 = c k + 3dk hk , k = 0,1,...,n 1

(4.6)

( ya que pn1(xn ) = 2c n1 + 6dn1hn1 = 2c n o sea c n = c n1 + 3dn1hn1 )

Despejando dk de la ecuacin (4.6), obtenemos
dk =

c k +1 c k
,
3hk

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

(4.7)

y sustituyendo en las ecuaciones (4.4) y (4.5), obtenemos

ak +1 = ak + bk hk + c k hk2 +

c k +1 c k 3
hk
3hk

o sea
a k +1 = a k + b k h k +

hk2
(2ck + ck +1 ) , k = 0,1,...,n 1
3

(4.8)

y
bk +1 = bk + 2c k hk + 3

c k +1 c k 2
hk
3hk

es decir,

bk +1 = bk + hk (c k + c k +1) , k = 0,1,..., n 1

(4.9)

Despejando bk en (4.8), obtenemos

bk =

a k +1 a k h k

(2ck + ck +1) ,
3
hk

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

y aumentando el ndice en uno en la ecuacin (4.10), se tiene que

b k +1 =

a k + 2 a k +1 h k +1

(2ck +1 + ck + 2 )
3
h k +1

y sustituyendo en (4.9), se tiene que

(4.10)

210 MTODOS NUMRICOS

__________________________________________________________________________________

a k + 2 a k +1 h k +1
a ak hk
2c k +1 + c k + 2 ) = k +1

(
(2ck + ck +1 ) + hk (ck + ck +1)
h k +1
hk
3
3
o sea
a k + 2 a k +1 a k +1 a k h k
h
c k + 2c k +1 ) + k +1 (2c k +1 + c k + 2 )

=
(
h k +1
hk
3
3
lo que nos lleva finalmente a que
hk c k + 2(hk + hk +1 )c k +1 + hk +1c k + 2 =

3
3
(ak + 2 ak +1) h (ak +1 ak )
h k +1
k

(4.11)

para k = 0,1,..., n 2
En este sistema final las incgnitas son c k , k = 0,1,..., n , ya que a k = f (x k ), k = 0, 1,..., n , y
hk = xk +1 xk , k = 0, 1,..., n 1 , son conocidos.
Este sistema es de n 1 ecuaciones con n + 1 incgnitas, pero si usamos las condiciones
de frontera se introducen dos nuevas ecuaciones, con lo cual obtenemos un sistema de
n + 1 ecuaciones con n + 1 incgnitas. La pregunta que surge es si este sistema tiene
solucin y si la tiene saber si es nica. La respuesta la d el siguiente teorema.
Teorema 4.4 Si f es una funcin de valor real definida en un intervalo [a,b], entonces f tiene
un nico Trazador cbico natural T en [a,b], o sea un trazador cbico T que satisface las
condiciones T (a) = 0 y T (b) = 0 .
Demostracin: Haciendo a = x 0 < x1 < ... < xn = b y usando las condiciones de frontera
libre
2c 0 = p0 (a) = T (a) y 2cn = pn1(b) = T (b)
obtenemos c 0 = 0 y c n = 0 .
Estas dos ecuaciones junto con las ecuaciones en (4.11) nos producen un sistema lineal
AX = b de n + 1 ecuaciones con n + 1 incgnitas, donde
1

h0
0

A= !

0
2(h 0 + h1 )
h1

"

h1
0
2(h1 + h 2 ) h 2

"
"

"

hn 2

2(hn 2 + hn 1 )

0
0

! ,
0

h n 1

c0

c1
c
2

X=
!
c
n 1

cn

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 211

__________________________________________________________________________________

3
3
a 2 a1 )
a1 a 0 )
(
(

h1
h0

3
3

a
a
a
a
(
)
(
)
3
2
2
1

b=
h2
h1

3
3

a n a n 1 )
an 1 an 2 )
(
(
h n 1

hn 2

Como se ve la matriz A de coeficientes de este sistema es tridiagonal estrictamente

dominante diagonalmente por filas, en consecuencia el sistema dado tiene solucin nica
para c 0 , c 1,..., c n .
Conocidos los valores de c 0 , c 1,..., c n , podemos obtener los valores b 0 , b1,... bn1 usando las
ecuaciones (4.10) y los valores de d0 , d1,... dn1 usando las ecuaciones (4.7), con lo cual se

obtiene el nico Trazador cbico T(x) .

Tambin se tiene el siguiente resultado:

Teorema 4.5 Si f est definida en [a,b], entonces f tiene un nico Trazador cbico T en [a,b],
que satisface T (a) = f (a) y T (b) = f (b) .
En este caso los valores de c 0 , c 1,..., c n se determinan encontrando la nica solucin del
sistema tridiagonal AX = b , donde
2h 0

h0
0

A= !

h0

2(h 0 + h1 )
h1

h1

"

2(h1 + h 2 ) h 2

"
"

"

hn 2

2(hn 2 + hn 1 )

h n 1

(a1 a0 ) 3f (a)

h
0

3
3

(a2 a1) h (a1 a0 )

h1
0

b=
!

3
3
(an1 an2 )
h (an an 1 ) h
n2
n 1

f
b
a
a
( ) h ( n n1 )

n 1

0
0

! ,
0

h n 1

2hn 1

c0

c1
c
2

X=
!
c
n 1

cn

212 MTODOS NUMRICOS

__________________________________________________________________________________
que tiene, como en el teorema anterior, matriz de coeficientes estrictamente dominante
diagonalmente por filas.
Conocidos los puntos

(x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n )) ,

Trazador cbico para f en

[x0 , xn ] ,

un algoritmo para encontrar un

debe empezar por hacer: a k = f (x k ), k = 0, 1,..., n ,

calcular hk = x k +1 x k , k = 0, 1,..., n 1 , resolver el sistema AX = b correspondiente y obtener

a k , b k , c k y dk , k = 0 , 1,..., n 1 .
Recuerde que para cada k = 0, 1,..., n 1 ,

pk (x) = ak + bk (x xk ) + c k (x xk ) + dk (x xk )
2

es el polinomio interpolante para f en [xk , xk +1] .

Ejemplo 4.5 Dada la funcin f definida por f (x) = 3 xe x 2e x y la tabla siguiente:
k

xk
1.00
1.05
1.07
1.10
TABLA 4.4

0
1
2
3

f (xk )
2.718282
3.286299
3.527609
3.905416

. ).
Encontrar el Trazador cbico natural T para f en [1.0,1.10] y usarlo para estimar f (103
Solucin: Como los nodos x 0 , x 1, x 2 y x 3 no estn igualmente espaciados, debemos
empezar encontrando h 0 , h1 y h 2 :
De acuerdo con los datos de la tabla, se tiene que

h0 = x1 x0 = .05, h1 = x2 x1 = .02, h 2 = x3 x2 = .03

Ahora, como p0 (x0 ) = 2c 0 = 0 y p2 (x3 ) = 2c 3 = 0 , entonces c 0 = 0 y c 3 = 0 , as que
debemos resolver el siguiente sistema:
c0

.05c 0 + 2(.07 )c1 + .02c 2

.02c 1 + 2(.05)c 2 + .03c 3

c3

La solucin de este sistema es

=0
3
(3.527609 3.286299) 3 (3.286299 2.718282)
.02
.05
3
=
(3.905416 3.527609) 3 (3.527609 3.286299)
.03
.02
=0
=

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 213

__________________________________________________________________________________

c 0 = 0 , c1 = 13.22529 , c 2 = 13.19694 , c 3 = 0
Usando las ecuaciones (4.10), obtenemos

.
.
b0 = 1113992
, b1 = 1180118
, b 2 = 12.32963
y usando las ecuaciones (4.7), obtenemos

d0 = 88.16863 , d1 = .4725490 , d2 = 146.6327

y como
a 0 = 2.718282 , a1 = 3.286299 , a2 = 3.527609
(ya que a k = f (x k ), k = 0, 1,..., n ), entonces el Trazador cbico natural T para f en [x0 , x3 ] es
T:[x0 ,x3 ] R
x

T(x) = pk (x) = ak + bk (x xk ) + c k (x xk ) + dk (x xk ) ,
2

si x [xk ,xk +1 ] , k = 0,1,2

siendo

.
. ) + 0(x 100
. ) + 88.16863(x 100
. ) ,
p 0 (x) = 2.718282 + 1113992
(x 100
2

.
. ) + 13.22529(x 105
. ) .4725490(x 105
. ) ,
p1(x) = 3.286299 + 1180118
(x 105
2

p 2 (x) = 3.527609 + 12.32963(x 107

. ) + 13.19694(x 107
. ) 146.6327(x 107
. )
2

. [10
. ,105
. ] , entonces
Como x = 103
f (103
. ) T(103
. ) = p 0 (103
. )
.
. 100
. ) + 88.16863(103
. 100
. )
= 2.718282 + 1113992
(103

= 3.054860.
Instruccin en DERIVE: Dados los n + 1 puntos M:=

[ [x0 , y 0 ],[x1, y1],...,[xn , yn ] ] :

TRAZADOR( M ): Simplifica o aproXima en el Trazador cbico natural correspondiente a los

datos dados en la matriz M. El resultado es la matriz x , p 0 (x) , x , p1(x) ,..., x , pn 1(x) .

[[

][

] [

]]

Despus de aproximar el TRAZADOR( M ), se puede graficar el resultado, entrando los

nmeros xk y xk +1 , correspondientes a los extremos del dominio del polinomio pk (x) , para
cada k, cuando DERIVE le solicite los valores Min y Max. Para el ejemplo anterior, tome la
. , 2.718282],[105
. , 3.286299],[107
. , 3.527609 ],[110
. , 3.905416] y aproXime la
matriz M:= [10

expresin TRAZADOR ( M ).

214 MTODOS NUMRICOS

__________________________________________________________________________________
Como ejercicio use el polinomio interpolante de Newton para f en los datos dados en el
. ) y compare el resultado con el obtenido usando el Trazador
ejemplo 4.5, para estimar f (103
cbico natural.
Dados cuatro o menos puntos, sabemos que existe un nico polinomio de grado tres o
menor que interpola a los datos dados, as que usaremos Trazadores cbicos cuando
tengamos cinco o ms puntos.
Ejemplo 4.6 Determine todos los valores de a, b, c, d y e para los cuales la siguiente funcin
es un Trazador cbico
a (x 2)2 + b (x 1)3 , x ( ,1]

2
T (x ) = c (x 2) ,
x [1,3]

2
3
d (x 2) + e (x 3 ) , x [3,+ )
Adems, determine los valores de los parmetros de modo que el trazador interpole la
siguiente tabla
x
y

1.0
7.0

0
26.0

4.0
25.0

Solucin: Para que T(x) sea un trazador cbico en (,+) , debe satisfacer:
i) T(x) debe ser continua en todo punto de (,+) , y como lo es en (,1) , (1,3) y (3,+) ,
por ser polinmica en cada uno de estos intervalos, debemos imponer condiciones para
que sea continua en los nmeros 1 y 3. Debe tenerse que
lim T(x) = T(1) = lim T(x) y

x1

x1+

lim T(x) = T(1) = lim T(x)

x3

x 3 +

es decir,
a(1 2) + b(1 1) = T(1) = c(1 2)
2

y c(3 2) = T(3) = d(3 2) + e(3 3 )

2

o sea que debe tenerse a = c y c = d .

ii) T(x) debe ser derivable en todo punto de

(3,+) ,

(,+) ,

y como lo es en

(,1) ,

(1,3) y

por ser polinmica en cada uno de estos intervalos, debemos imponer

condiciones para que sea derivable en los nmeros 1 y 3, lo cual se tiene si

T (1) = T+ (1) y T (3) = T+ (3)

es decir, si
2a(1 2) + 3b(1 1) = 2c(1 2) y 2c(3 2) = 2d(3 2) + 3e(3 3 )
2

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 215

__________________________________________________________________________________

o sea, si 2a = 2c y 2c = 2d , o equivalentemente si a = c y c = d , que como vemos

son las mismas condiciones obtenidas en i).
iii) T(x) debe tener primera derivada continua en todo punto de (,+) , y como la derivada
es continua en (,1) , (1,3) y (3,+) , por ser polinmica en cada uno de estos intervalos,
slo hay que considerar los casos x = 1 y x = 3 , es decir, debe tenerse
T (1) = 2a + 6b(1 1) = 2c y T (3) = 2d + 6e(3 3) = 2c , o sea a = c y c = d .
Hasta aqu, sin condiciones de interpolar una tabla de datos dada, los coeficientes a, b, c, d y
e del Trazador cbico T(x) , deben satisfacer a = c = d y b, e arbitrarios.
Para que el Trazador cbico interpole la tabla de datos dada, los parmetros a, b, c, d y e
deben satisfacer las siguientes ecuaciones
T(0 ) = a(0 2) + b(0 1) = 26
2

T(1) = a(1 2) + b(1 1) = c(1 2) = 7

2

T(4 ) = d(4 2) + e(4 3) = 25

2

lo que nos conduce al siguiente sistema lineal

4a b = 26

a = c = 7
4d + e = 25

cuya solucin es
a = c = 7, b = 2 y e = 3
Pero de las condiciones obtenidas antes, se tiene que a = c = d , as que en definitiva el
Trazador cbico que interpola la tabla de datos dada es
7(x 2)2 + 2(x 1)3 , x (,1]

T(x) = 7(x 2) ,
x [13
, ]

2
3
7(x 2) 3(x 3) , x [3,+)

Es el Trazador cbico obtenido un Trazador cbico natural?

Como T (1) = 14 0 , entonces el Trazador cbico obtenido no es natural.

216 MTODOS NUMRICOS

__________________________________________________________________________________
4.3

AJUSTE DE UN
POLINOMIAL)

POLINOMIO

POR

MNIMOS

CUADRADOS

(REGRESIN

Hasta ahora hemos estudiado el problema de aproximar una funcin y = f (x) por un
polinomio
interpolante
a
partir
.
(x 0 , f (x 0 )), (x 1, f (x 1 )),..., (x n , f (x n ))

de

una

serie

de

datos

conocidos

En esta parte se estudiar el siguiente problema:

Supongamos que existe una relacin funcional y = f (x) entre dos cantidades x e y, con f

desconocida y se conocen valores y k que aproximan a f (xk ) , es decir,

f (x k ) = y k + k , k = 0, 1,..., n
con k desconocido.

Se trata de recuperar la funcin f a partir de los datos aproximados y k , k = 0, 1,..., n .

Este problema se conoce como un problema de "ajuste de datos" o "ajuste de curvas"
(caso discreto). Trabajaremos bsicamente el caso en el que f es una funcin polinmica.
Si f es una funcin polinmica, digamos f (x) = pm (x) , entonces el problema se convierte en:

Dados n + 1 puntos (x 0 , y 0 ), (x 1, y 1 ),..., (x n , y n ) con x 0 , x 1,..., x n nmeros reales distintos, se

trata de encontrar un polinomio

p m (x ) = a 0 + a1x + ... + a m x m ,

con m < n

que "mejor se ajuste" a los datos. Lo de "mejor ajuste" se entender en el sentido de que
n
p m (x k ) y k

k = 0

22

sea mnimo, es decir, que

n

(p (x ) y )

k =0

sea mnimo.
Este criterio de mejor ajuste, como ya se mencion antes, se conoce como mnimos
cuadrados, y el mtodo para obtener los polinomios que mejor se ajustan segn mnimos
cuadrados se llama Regresin polinomial.
4.3.1
Regresin
polinomial:
Supongamos
que
se
conocen
los
datos
(x 0 , y 0 ), (x 1, y1 ),..., (x n , y n ) , con x 0 , x 1,..., x n nmeros distintos y se desea encontrar un
polinomio

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 217

__________________________________________________________________________________

pm (x) = a 0 + a1x+...+ am xm ,

con m < n

tal que
S(a 0 , a1,..., am ) =

p m ( xk ) y k

k =0

) (a0 + a1xk + a2 xk2 +...+am xk m yk )

2

k =0

sea mnima.
El grado m del polinomio pm (x) se puede escoger previamente con base en algn resultado
terico, alguna expectativa o por la aplicacin que se le pretenda dar al polinomio. En
cualquier caso estamos "libres" de elegir el grado que parezca mejor. En muchos casos el
grado ser uno y el polinomio obtenido se llamar la recta que mejor se ajusta o la recta de
mnimos cuadrados para la tabla de datos.
Volviendo a la funcin S (a 0 , a 1,..., a m ) , una condicin necesaria para la existencia de un
mnimo relativo de esta funcin es que las derivadas parciales de S (a 0 , a 1,..., a m ) con
respecto a a j , j = 0,1,..., m sean cero.
Resultan entonces las siguientes m + 1 ecuaciones lineales en las incgnitas a0 , a1,..., am :
n

S
=
2 a 0 + a1xk + a 2 xk2 +...+am xkm y k = 0
a0 k =0
n

S
m
=
2 a 0 + a1xk + a 2 xk2 +...+ am xk y k (xk ) = 0
a1 k = 0
n

)( )

S
=
2 a 0 + a1xk + a 2 xk2 +...+am xkm y k xk2 = 0
a2 k =0
!

!
n

)( )

S
=
2 a 0 + a1xk + a 2 xk2 +...+am xkm y k xkj = 0
a j k =0
!

!
n

)( )

S
=
2 a 0 + a1xk + a 2 xk2 +...+am xkm y k xm
k =0
am k = 0
Si en las ecuaciones anteriores cancelamos el 2, desarrollamos los parntesis y usamos que
n

a = (n + 1)a
0

k =0

, obtenemos

218 MTODOS NUMRICOS

__________________________________________________________________________________

n
n m
xk am =
yk
... +
k=0
k =0

(n + 1)a0 + xk a1 +
k =0

n
n

n 2
n m +1

x
a
x
a
x
a
xk y k
+
+
+
=
...
k 0
k 1
k

m
k =0
k =0
k =0

k =0

!
n

j
1+ j
m+ j

x
a
x
a
...
x
a
xkj y k
+
+
+
=
k 1
k 0
k m

k =0
k =0

k =0

k =0
n

!
n
n 1+m
n 2m
n m

x
a
x
a
...
x
a
xm
+
+
+
=
k 0
k
k m
k yk

k =0
k =0

k =0

k =0

Este es un sistema de m + 1 ecuaciones lineales en las m + 1 incgnitas a 0 , a1,..., a m , que

se llama sistema de ECUACIONES NORMALES. Este sistema de ecuaciones normales se
puede escribir en forma simplificada como sigue:
n

a x
i

i= 0

k =0

i+ j
k

x y

j
k k

j = 0,1,..., m

k =0

Estas ecuaciones se pueden reproducir a partir de

pm (xk ) = a0 + a1xk +...+ am xm

k = yk
j
multiplicando a ambos lados por xk , j = 0,1,..., m ,
+j
= xkj y k
a 0 xkj + a1x1k+ j +...+ am xm
k

y luego sumando sobre k

n

a0

k =0

xkj + a1

k =0

x1k+ j +...+ am

k =0

+j
=
xm
k

x y

j
k k

j = 0,1,..., m

k =0

La matriz de coeficientes del sistema de ecuaciones normales es simtrica y no singular,

siempre que las xk , k = 0,1,..., n , sean distintas, por lo tanto el sistema tiene solucin nica.
Aunque la matriz puede estar mal condicionada cuando m es grande.

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 219

__________________________________________________________________________________

Para ver que la matriz A de coeficientes del

mostraremos que la matriz
1 x0

1 x1
B = ! !

1 xn

sistema de ecuaciones normales es no-singular,

xm
0

m
x1
!

m
xn

x 02 "
x12 "
!
xn2 "

es tal que B TB = A y B tiene todas sus columnas linealmente independientes.

En efecto:
1

x0
B TB = x 20

!
m
x0

1
x1
x12
!

x1m

n+1

xk

k
0
=

B TB = n
xk2

k =0
!
n

xm
k

k =0

1
1 x0

" xn
1 x1
" xn2
! !

1 xn
m
" xn ( m +1) ( n +1)
"

k =0
n

xk2

k =0
n

3
k

k =0

k =0
n

2
k

3
k

4
k

k =0
n

k =0

m +1
k

k =0

k =0

m+ 2
k

x 02 " xm
0

m
2
x1 " x1
!
!

xn2 " xnm ( n +1) ( m +1)

k =0

n
+1
"
xm
k

k=0

n
=A
m+2
"
xk
k =0

"
xk2m
( m +1) ( m +1)
k=0
n

"

m
k

Ahora, las columnas de B son

x20
xm

x0
1
0
2
m

x1
1
x1
x1

X0 =
, X 1 = , X 2 = ,..., X m = con x0 , x1,..., xn distintos y m < n
!
!
!
!


2
m
1
xn
x
n
xn
Sean

c 0 , c 1,..., c m R

c 0 = c1 =... = c m = 0 .
Como

tales

que

c 0 X 0 + c1X 1 +...+ c m X m = 0

veamos

que

220 MTODOS NUMRICOS

__________________________________________________________________________________

c 0 X 0 + c 1X 1 + c 2 X 2 + ... + c m X m

x 02
xm

x0
1

0


2
m
x
x
x
1
= c 0 + c 1 1 + c 2 1 + ... + c m 1
!
!
!
!


x
x2
xm
1

n
n
n
c 0 + c 1x 0 + c 2 x 02 + ... + c m x m
0
0

2
m
c 0 + c 1x 1 + c 2 x 1 + ... + c m x 1 0
=
= !
!

c + c x + c x 2 + ... + c x m 0

1 n
2 n
m n
0

entonces
c 0 + c1x0 + c 2 x02 +...+ c m xm
0 =0

2
m
c 0 + c1x1 + c 2 x1 +...+ c m x1 = 0

2
m
c 0 + c1xn + c 2 xn +...+c m xn = 0
y si qm (x) = c 0 + c1x + c 2 x 2 +...+ c m xm con m < n

(4.12)

y no todos los coeficientes nulos,

entonces el sistema (4.12) dice que la ecuacin polinmica qm (x) = 0 tiene por lo menos n

races distintas x0 , x1,...., xn (m < n) , lo cual es imposible.

As que c 0 = c1 =... = c m = 0 y entonces las columnas de la matriz B son linealmente

independientes, y usando el hecho de que rango de BT B = rango de B, entonces la matriz
A = B TB es invertible, lo que implica que el sistema de ecuaciones normales tiene solucin
nica. De este modo se garantiza la existencia de un nico polinomio de ajuste segn
mnimos cuadrados, si x 0 , x1,..., xn son todos distintos.
En el caso particular en que m = 1, p1(x) = a0 + a1x es la recta de mnimos cuadrados
donde a 0 y a1 se obtienen resolviendo el sistema lineal de dos ecuaciones con dos
incgnitas

n
n 0
n 1

a0 +
a1 =
x
x
yk
k
k

k =0
k =0
k =0
#
%$%
&
n+1

n
n 1
n 2

a0 +
a1 =
x
x
xk y k
k
k

k =0
k =0
k =0

(No se recomienda usar la regla de Cramer para resolver el sistema anterior, porque la regla
de Cramer es fuertemente inestable)

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 221

__________________________________________________________________________________

Una manera de medir el error para estimar la bondad del ajuste segn mnimos cuadrados,
es a travs de:
n

i) El error E =

(p (x ) y )

,o

k=0

ii) El error cuadrtico medio E R M S

(p (x ) y k )2
k =0 m k
=
n+1

Ejemplo 4.7 Dada la tabla siguiente

k

xk

yk

0
1
2
3

0
2
3
5
TABLA 4.5

1
0
2
1

1) Encuentre:
a) La recta de mnimos cuadrados para la tabla y su error E y E R M S .
b) La parbola de mnimos cuadrados para la misma tabla y su error E y E R M S .
2) Cul ser el polinomio cbico de mnimos cuadrados para dicha tabla? Cul es su error E
y ER MS ?
Solucin: Para dar respuesta a la pregunta 1) debemos resolver dos sistemas de
ecuaciones lineales:
Para la parte a) la recta es p1(x) = a0 + a1x donde a 0 y a1 se obtienen resolviendo el
sistema
3
3

3 1
0

a1 =

+
x
a
x
yk
0
k
k

k = 0
k =0
k =0

3
3

3 2

a1 =
+
x
a
x
xk y k
0
k
k

k=0
k =0
k = 0

(4.13)

Para la parte b) la parbola es p 2 (x) = b 0 + b1x + b 2 x 2 donde b 0 , b1 y b 2 se determinan

resolviendo el sistema

222 MTODOS NUMRICOS

__________________________________________________________________________________

3 0
3 1

x
b
xk b1 +
+
k 0

k =0
k =0

3 2

xk b 2

k =0

3 1
3 2

x
b
xk b1 +
+
k 0

k =0
k =0

3 3

xk b 2

k =0

3 3
3 2

xk b 0 +
xk b1 +

k =0
k=0

3 4

xk b 2

k =0

k =0
3

x y

(4.14)

k k

k =0
3

x y

2
k k

k =0

Una manera conveniente de disponer todas las sumatorias necesarias para los dos sistemas
es como se muestra en la siguiente tabla
k

xk

xk2

xk3

xk4

yk

xk y k

xk2 y k

0
1
2
3

0
2
3
5

0
4
9
25

0
8
27
125

0
16
81
625

-1
0
2
1

0
0
6
5

0
0
18
25

10

38

160

722

11

43

k =0

TABLA 4.6
De modo que los sistemas (4.13) y (4.14) son
4a 0 + 10a1 = 2

10a 0 + 38a1 = 11
4b 0 + 10b1 + 38b 2 = 2

10b 0 + 38b1 + 160b 2 = 11

38b + 160b + 722b = 43
0
1
2

La solucin del sistema (4.13') es a 0 =

(4.13')

(4.14')

17
6
, a1 =
, y la solucin del sistema (4.14') es
26
13

15
101
1
, b1 =
y b 2 = . Luego la recta de mnimos cuadrados para los datos dados
13
78
6
6
x , y el polinomio cuadrtico de mnimos cuadrados para los datos dados
es p1(x) = 17 +
26 13
15 101
1
es p 2 (x) =
+
x x2 .
13 78
6
b0 =

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 223

__________________________________________________________________________________

, ,3 , llamados datos
La TABLA 4.7 siguiente, muestra los valores de p1(xk ) y p 2 (xk ) , k = 0,12

suavizados, y las diferencias yk p1(xk ) , yk p2 (xk ) .

xk

yk

.654

.269

.731

1.65

.346

.269

1.27

.65

.
115

.769

1.23

1.15

.15

.769

.77

.15

p1(xk )

yk p1(xk )
p 2 ( xk )

y k p 2 ( xk )

TABLA 4.7
El error para la recta de mnimos cuadrados es
3

E=

. ) + (.65)
(p (x ) y ) = (.346) + (.269) + (127
2

2.23

k=0

y el error cuadrtico medio es

ER M S
.

(p (x ) y k )2
k =0 1 k
=
4

2.23 2

.747
4

Anlogamente, para la parbola de mnimos cuadrados se obtiene que

E=

(p 2 (x k ) y k )2 1.23

y ER M S

k =0

(p (x ) y k )2
k =0 2 k
=
4

.555

Para la respuesta a la pregunta 2), recordemos que hay un nico polinomio de grado menor
o igual que tres que pasa por los cuatro puntos dados y es el polinomio de interpolacin, as
que el polinomio cbico de mnimos cuadrados debe ser este polinomio. El polinomio de
interpolacin para los datos dados es
. 2.1x +
p 3 (x) = 10

11 2 4 3
x
x
6
15

que se puede obtener usando, por ejemplo, diferencias divididas. Es claro que el error
E = 0 y el error ERMS = 0 .

224 MTODOS NUMRICOS

__________________________________________________________________________________
Un dibujo de los puntos dados, la recta, la parbola y el polinomio cbico segn mnimos
cuadrados, se muestra en la FIGURA 4.3 siguiente.

FIGURA 4.3
4.3.2 Regresin exponencial, logartmica y de potencia: Aunque la regresin polinomial
es la ms usada, tambin hay casos de inters en los cuales la relacin funcional entre las
variables x y y es de alguno de los tipos siguientes:
y = a + b ln x
y = aebx

y = ax

( Regresin logartmica )
( Regresin exponencial )

(Regresin de potencia)

(4.15)
(4.16)
(4.17)

Estos problemas se tratan como un problema de ajuste lineal, as: En el caso (4.15), lineal
entre las variables ln x e y; en el caso (4.16), como y = aebx ln y = ln a + bx , se trata como
un caso lineal entre las variables x y ln y ; en el caso (4.17), como y = axb ln y = ln a + b ln x ,
se trata como un caso lineal entre las variables ln x y ln y .
Las soluciones para a y b en el caso (4.15), para lna y b en los casos (4.16) y (4.17),
pueden encontrarse modificando apropiadamente las ecuaciones obtenidas en el caso de
regresin lineal. Debe tenerse en cuenta que la aproximacin obtenida de esta manera no
es la aproximacin de mnimos cuadrados del problema inicial y que, incluso, esta
aproximacin puede, en algunos casos, diferir significativamente de la aproximacin de
mnimos cuadrados del problema original.
Ejemplo 4.8 Encuentre la recta logartmica y = a + b ln x para la siguiente tabla

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 225

__________________________________________________________________________________

xk

0
1
2
3
4

yk
1.6
23.5
38.0
46.4
48.9

29
50
74
103
118
TABLA 4.8

y sela para estimar el valor de y cuando x = 80 .

Solucin: Para encontrar los valores de a y b , hacemos zk = ln xk , k = 0,12
, ,3,4 , y
resolvemos el siguiente sistema
4

zk b =
yk
5a +

k =0
k =0

4
4

4 2

+
=
z
a
z
b
zk y k
k
k

k =0
k=0
k = 0

Para calcular los coeficientes a y b , modificamos los datos dados como se indica en la
TABLA 4.9. Los datos suavizados, que aparecen en la ltima columna de la TABLA 4.9, se
obtienen una vez que se conoce la recta logartmica, que en este caso es
.
y = 111123688
+ 34.019025lnx
k

xk

zk = ln xk

zk2

yk

zk y k

Datos suavizados

0
1
2
3
4

29
50
74
103
118

3.367296
3.912023
4.304065
4.634729
4.770685

11.338682
15.303924
18.524976
21.480713
22.759435

1.6
23.5
38.0
46.4
48.9

5.387674
91.932541
163.55447
215.051426
233.286497

3.428433
21.959520
35.29641
46.545273
51.170352

374

20.988798

89.40773

158.4

709.212608

k =0

TABLA 4.9
De acuerdo con la TABLA 4.9 el sistema a resolver es
5 a + 20.988798b = 158.4

20.988798 a + 89.40773b = 709.212608

La solucin del sistema es

.
a = 111123688
b = 34.019025

.
ERMS 1907944

226 MTODOS NUMRICOS

__________________________________________________________________________________
.
as que la recta logartmica es y = 111123688
+ 34.019025lnx .

Si x = 80 , entonces

.
y = 111123688
+ 34.019025ln80 = 37.835394 .
Ejercicio 4.4 Encuentre la curva y = aebx usando mnimos cuadrados para la TABLA 4.10
siguiente. sela para calcular el valor de y cuando x = 16 . Cul es el error E?

xk

6.9

12.9

19.8

26.7

35.1

yk

21.4

15.7

12.1

8.5

5.2

TABLA 4.10
Ejercicio 4.5 Encuentre la curva y = axb usando mnimos cuadrados para la TABLA 4.11
siguiente y sela para calcular el valor de y cuando x = 36 . Cul es el error ?

xk

28

30

33

35

38

yk

2410

3033

3895

4491

5717

TABLA 4.11

TALLER 4.

1. Use la forma de Lagrange del polinomio interpolante para encontrar los polinomios
interpolantes ms apropiados de grados uno, dos y tres para aproximar f (.2) , a partir de
los siguientes datos
x
f (x)

.2
.163746

.1
.110517

.3
.404958

.7
1.40963

2. Use la forma de Lagrange del polinomio interpolante y todos los datos de la tabla siguiente,

. ) . La funcin que se est aproximando es f (x) = e x

para aproximar f (125

. Use esta

informacin para encontrar una cota terica para el error en esta aproximacin.
x
f (x)

1.0
1.00000

1.1
1.23368

1.2
1.55271

1.3
1.99372

1.4
2.61170

3. Suponga que se desea construir una tabla de valores para la funcin f (x) = senx , en el

dominio 0, , con tamao de paso h. Si se usa interpolacin lineal con cada dos datos
2
consecutivos de la tabla, y suponemos que el error total, incluyendo el efecto de los
6
errores de redondeo en las entradas de la tabla, es a lo ms de 10 . Cul es el valor

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 227

__________________________________________________________________________________

ms grande posible para h, y cuntas cifras decimales se deben usar para los datos de la
tabla?
4. Demuestre que
n

L (x) = 1

para toda x

j= 0

donde cada L j (x) es el polinomio fundamental de Lagrange de grado n, correspondiente

a n + 1 nmeros x 0 , x 1,..., x n .
Sugerencia: Considere la forma de Lagrange del polinomio interpolante de grado menor
o igual que n para la funcin f (x) 1 .

5. Sea w(x) =

(x x ) .

Demuestre que el polinomio interpolante de grado menor o igual

k =0

que n para una funcin f en los nodos x 0 , x 1,..., x n , puede escribirse como
f (x k )

( x x )w ( x )

pn (x) = w(x)

k =0

1
, 5 x 5 , genere el polinomio interpolante pn (x) usando
1 + x2
n + 1 nodos igualmente espaciados en el intervalo [5,5] . Calcule pn (x) para distintos

6. Para la funcin f (x) =

valores de n y grafquelos junto con

Max f (x) pn (x) 0 cuando n ?

la

funcin

f.

Es

cierto

que

x[5,5 ]

7. Encuentre un polinomio que tome los siguientes valores

x
y

1
3

2
2

0
4

3
5

8. Encuentre las formas de Lagrange y de Newton del polinomio interpolante para los
siguientes datos
x
0
1
2
0
1
1
f (x)
Escriba ambos polinomios en la forma a + bx + cx2

para verificar que llos son idnticos.

228 MTODOS NUMRICOS

__________________________________________________________________________________
9. Use la forma deLagrange y la forma de Newton del polinomio interpolante para encontrar
los polinomios interpolantes ms apropiados de grado dos, para aproximar f (.4) y f (.6) a
partir de los siguientes datos, y calcule la aproximacin en cada caso
x
f (x)

.1
11.052

10. Demuestre que si

.3
4.4995

(z 0 , z1,..., zn )

.5
3.2974

1.0
2.7183

.7
2.8768

es una permutacin de

f [z0 ,z1,...,zn ] = f [x0 ,x1,..., xn ].

(x 0 , x 1,..., x n ) ,

entonces

Sugerencia: Use la unicidad del polinomio interpolante.

11. Los siguientes datos son tomados de un polinomio de grado menor o igual que cinco.
Cul es dicho polinomio y cul es su grado?

2
5

x
y

1
1

12. Verifique que el polinomio

0
1

1
1

2
7

3
25

p(x) = 2 (x + 1) + x(x + 1) 2x(x + 1)(x 1)

interpola los

primeros cuatro puntos de la tabla siguiente:

x
y

1
2

0
1

1
2

2
7

3
10

Adicionando nicamente un trmino al polinomio p(x) , encuentre un polinomio que

interpole la tabla completa.
13. Encuentre el polinomio de menor grado que pasa por los puntos (12
, ) , (21
, ) , (3,12) y

(7,146) .

14. Un vehculo que viaja en una carretera recta es cronometrado en algunos puntos. Los
datos de las observaciones se dan en la siguiente tabla donde el tiempo est dado en
segundos y la distancia en metros
Tiempo
Distancia

0
0

3
225

5
383

8
623

Encuentre el polinomio que interpola estos datos y selo para aproximar la distancia, la
velocidad y la aceleracin del vehculo a los seis segundos.

Captulo 4. INTERPOLACIN POLINOMIAL Y AJUSTE POLINOMIAL 229

__________________________________________________________________________________

15. Determine todos los valores de a, b y c tales que

3 + x 9x 3 ,
T (x ) =
a + b (x 1) + c (x 1)2 + d (x 1)3 ,

x [0,1]

x [1,2]

es un Trazador cbico con nodos 0, 1, 2.

Ahora, determine el valor de d tal que
2

[T (x)] dx
2

sea mnima. Finalmente, encuentre el valor de d que haga de T un Trazador cbico

natural en [0,2] , y explique por qu este valor es distinto del obtenido previamente.

16. Determine si el Trazador cbico natural que interpola la siguiente tabla

xk

yk

10

es o no la funcin
1 + x x3 ,

2
3

T(x) = 1 2(x 1) 3(x 1) + 4(x 1) ,

2
3
4(x 2) + 9(x 2) 3(x 2) ,

x [0,1]
x [1,2]
x [2,3]

17. Determine si la siguiente funcin es un Trazador cbico natural

2(x + 1) + (x + 1)3 ,

T(x) = 3 + 5 x + 3 x 2 ,

2
3
11 + 11(x 1) + 3(x 1) (x 1) ,

x [10
, ]
x [0,1]

x [12
, ]

18. Cules propiedades de un Trazador cbico natural posee la siguiente funcin y cules
no?
(x + 1) + (x + 1)3 ,

T(x) =
3
4 + (x 1) + (x 1) ,

x [10
, ]
x [0,1]

230 MTODOS NUMRICOS

__________________________________________________________________________________
19. Determine los coeficientes a, b, c y d tales que la funcin
1 2 x,

S(x) = a + bx + cx2 + dx 3 ,

157 32x,

x (,3]
x [3,4]

x [4,+)

es un Trazador cbico natural para el intervalo [3,4] .

20. Se pueden definir a y b de modo que la funcin

(x 2)3 + a(x 1)2 , x (,2]

3
2

T(x) = (x 2) (x 3 ) ,
x [2,3 ]

3
2
(x 3) + b(x 2) , x [3,+)

sea un Trazador cbico natural en (,+) ? Por qu s o por qu no?

21. Qu valores de a, b, c y d hacen de la siguiente funcin un Trazador cbico?

x3 ,
, ]
x [10
T(x) =
2
3
a + bx + cx + dx , x [0,1]

b
22. Construya la aproximacin de mnimos cuadrados de la forma y = ax para la siguiente
tabla, y calcule su error E.

xk

4.0

4.2

4.5

4.7

yk

102.56

113.18

130.11

142.05

bx
23. Encuentre la curva y = ae que mejor se ajusta segn mnimos cuadrados a la siguiente

tabla de datos y calcule su error ERMS .

xk

1.0

2.0

2.5

3.0

yk

.
1108

.
8190

222.6

605.1