Tema 3. Interpolacion.

Polinomios interpoladores; diferencias divididas y operadores de diferencias sucesivas.

Aproximacion de derivadas con diferencias.
Interpolar a trozos y otras formas de aproximar una funcion.
Notaciones y sobreentendidos:
Pol
n
= {polinomios de grado n} .
Llamaremos p
n
al polinomio de Taylor de grado n de f en x
0
(que puede tener grado < n).
En cada momento supondremos que f tiene derivadas continuas hasta el orden que requieran
los argumentos usados, si no se especica otra cosa.
Venimos usando la notacion a(x) b(x) como abreviatura de a(x)/b(x) 1 .
Para abreviar la armacion a(x)/b(x) 0 usaremos la notaci on a(x) = o( b(x) ) .
Naturalmente, ambas se arman para x . . . , pero eso queda a veces sobreentendido;
por ejemplo si decimos: n
k
= o(e
n
) , k , esta claro que queremos decir cuando n ;
y cuando sucede, como en ii) a continuacion, que b(x) 0 cuando x x
0
, cabe poca duda
de que nos referimos a eso: estamos diciendo que a(x) 0 a un m as deprisa.
El polinomio de Taylor.
PROPOSICION:
Dada f con derivadas continuas hasta orden n , y un punto x
0
IR , hay un unico polinomio p Pol
n
que cumple
i) p
k)
(x
0
) = f
k)
(x
0
) , para k = 0, . . . , n
ii) f(x) p(x) = o(|x x
0
|
n
) , cuando x x
0
Probemos primero:
LEMA 1: Todo p Pol
n
se puede escribir en la forma p(x) =

n
k=0
a
k
(x x
0
)
k
, con ciertos a
k
.
Prueba del LEMA 1:
Si n = 0 , p(x) = a
0
.
Si n > 0 , usamos la idea clave de este Tema: la division con resto del polinomio p(x) por (x x
0
) :
p(x) = p(x
0
) + q(x)(x x
0
) , con q Pol
n1
;
por recurrencia sobre n , q se puede escribir en la forma del enunciado, luego p tambien.
Prueba de la PROPOSICION:
La igualdad del LEMA 1 p
k)
(x
0
) = a
k
k! , luego los coecientes a
k
= f
k)
(x
0
)/k! , y solo ellos, dan
el polinomio que cumple i), y al que llamamos el polinomio de Taylor de f en x
0
:
p
n
(x) =
n

k=0
f
k)
(x
0
)
(x x
0
)
k
k!
Si hubiese dos polinomios p, p + d Pol
n
que cumplen ii), su diferencia sera d(x) = o(|x x
0
|
n
) , por
ser d = (p + d f) (p f) ; pero tambien
d(x) =

n
k=0
a
k
(x x
0
)
k
a
m
(x x
0
)
m
si m es el primer coeciente no nulo de esa suma, lo que contradice lo anterior, e implica que d(x) 0 .
S olo falta probar que el p
n
(x) dado arriba cumple ii), pero eso es lo que arma el siguiente Lema.
LEMA 2 (Resto integral de Taylor): El polinomio p
n
dado arriba cumple
f(x) p
n
(x) =
_
x
x
0
f
n+1)
(s)
(x s)
n
n!
ds = o(|x x
0
|
n
)
Prueba del LEMA 2:
n = 0 : Como p
0
(x) es la constante f(x
0
) , la armaci on es: f(x) f(x
0
) =
_
x
x
0
f

(s) ds .
n > 0 : Integrando por partes la integral I
n
del enunciado, y usando recurrencia para I
n1
,
I
n
= f
n)
(x
0
)
(x x
0
)
n
n!
+ I
n1
= f(x) p
n1
(x) f
n)
(x
0
)
(x x
0
)
n
n!
= f(x) p
n
(x)
1
Por otro lado,

_
x
x
0
n(x s)
n1
ds = (x x
0
)
n
I
n
=
_
x
x
0
f
n)
(s) f
n)
(x
0
)
n!
n(x s)
n1
ds
y dado > 0 , por ser f
n)
continua, hay alg un tal que
|x x
0
| <

f
n)
(s) f
n)
(x
0
)
n!

< ,
luego acotando por ese factor en la integral, |I
n
| < |x x
0
|
n
. Es decir, I
n
= o(|x x
0
|
n
) .
Un detalle tecnico: Si solo suponemos, como en el enunciado de la PROPOSICION, que f es
C
n
, no podemos llegar con el LEMA hasta la I
n
, que utiliza la siguiente derivada.
Pero si usamos en ese caso I
n
simplemente como el nombre de la expresi on
I
n
= f
n)
(x
0
)(x x
0
)
n
/n! + I
n1
con I
n1
denido como antes, todo el argumento que acabamos de hacer sigue en pie.
Usar el algoritmo de Horner para dividir reiteradamente f(x) = 1 x x
2
+x
3
por x 1 .
Hallar de ese modo el desarrollo de f en potencias de x 1 , y observar lo siguiente:
Para cada k > 0 , el polinomio p
k
(x) de f en x
0
= 1 es el resto de dividir f(x) por (xx
0
)
k+1
.
Probar que eso se cumple para cada polinomio f y cada punto x
0
.
El siguiente es un ejemplo de como la caracterizacion f(x) p
n
(x) = o(|x x
0
|
n
) de los
polinomios de Taylor ayuda a calcularlos:
Si p
n
, q
n
son los polinomios de Taylor en x
0
= 0 de dos funciones f, g , probar
1
que
fg p
n
q
n
= o(|x|
n
)
En consecuencia, el polinomio r
n
que queda al suprimir en p
n
q
n
los terminos de grado mayor
que n es el de Taylor (de grado n) de fg . Aplicar la idea por ejemplo a f(x) = sen(x) cos(x)
con n = 4 , y vericar el resultado
2
. Probar tambien que
F(x) F(0)
_
x
0
p
n
(s) ds = o(|x|
n+1
) , si F

(x) = f(x)
Deducir la relacion que hay entre los desarrollos de Taylor de f y de F , y usarla para calcular
el de F(x) = log(1 + x) , partiendo de f(x) = 1/ (1 + x) = 1 + x + x
2
+ . . . .
E 3.1
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
[

] Para otras funciones derivables, probar el siguiente analogo de lo dicho arriba para los polinomios:
La igualdad
f(x) = q(x) (x x
0
)
k+1
+ r(x) , con r Pol
k
= {polinomios de grado k} y q(x) continua,
se cumple para r = al polinomio de Taylor p
k
de f en x
0
, y solo para el.
1
Indicaci on: fg p
n
q
n
= (f p
n
)g + (g q
n
)p
n
.
2
El mismo tipo de argumento permite componer desarrollos para hallar el de g f , etc. Ver Sanz-Serna, Cap.2, en
particular los Problemas 2.1.1, .3, .7, .8.
2
Polinomios interpoladores.
PROPOSICION: +DEFINICION:
Dados puntos x
0
, . . . , x
n
distintos, y valores f
i
, hay un unico p Pol
n
que cumple i, p(x
i
) = f
i
.
Si f
i
= f(x
i
) , llamamos a p el polinomio interpolador P
n
= P
[x
0
,...,x
n
]
de f en esos puntos.
Prueba:
Si llamamos p(x) = a
0
+ a
1
x + . . . + a
n
x
n
al polinomio buscado, las ecuaciones p(x
i
) = f
i
son un SEL
en los coecientes a
j
; dicho de otro modo, buscamos p Pol
n
que la funcion
: p Pol
n
(p) = ( p(x
i
) ) IR
n+1
aplique en el (f
i
) dado. Como el SEL tiene matriz cuadrada (los espacios dominio e imagen de tienen
igual dimensi on), la existencia de soluci on equivale a la unicidad, y a que solo el 0 Pol
n
resuelva el
problema para (f
i
) = 0 ; pero eso es cierto, por el LEMA que sigue:
LEMA 3:
Un polinomio p Pol
n
s olo puede anularse en n + 1 puntos distintos x
0
< x
1
< . . . < x
n
si es 0 .
Dos Pruebas
3
:
1. Por el TVM hay entre cada dos x
i
un donde p

() = 0 , luego p

Pol
n1
se anula en n puntos
distintos. Por recurrencia, p

0 , lo que junto con p(x

0
) = 0 implica p 0 .
2. La igualdad p(x) = p(x
0
) + (x x
0
)q(x) , junto con p(x
i
) = 0 implica que el cociente q Pol
n1
se
anula en los n puntos x
i
, i > 0 . Por recurrencia, q 0 , luego p 0 .
Pero que signicara hallar ese polinomio? Varias respuestas son posibles, por ejemplo:
Dados valores f
i
= f(x
i
) , calcular los valores a
i
de los coecientes; o sea, resolver el SEL.
La matriz de este SEL, con entradas v
ij
= x
j1
i
, se llama de Vandermonde, y lo que hemos probado
implica que es regular.
Dar una expresi on de P
n
(x) , con los x
i
, f
i
como parametros.
Por ejemplo la de Lagrange, que se obtiene as: el polinomio
W(x) = (x x
0
) (x x
n
)
tiene en cada x
k
desarrollo de Taylor W(x) = W

(x
k
)(x x
k
) + o(|x x
k
|), luego el polinomio
W
k
(x) = W(x)/(x x
k
) toma en x
k
el valor W

(x
k
) y se anula en los dem as x
i
. En consecuencia,
el polinomio de Lagrange
L
k
(x) = W
k
(x)/W

(x
k
)
toma valores L
k
(x
i
) =
ik
, y la suma
P
n
(x) =

i
f
i
L
i
(x)
resuelve el problema para los datos f
i
. Resulta inmediatamente de su denicion, y de la igualdad
(L
k
) = e
k
(el vector unidad de IR
n+1
) , que los L
k
son de grado = n y forman una base de Pol
n
.
Dar un algoritmo que use los valores x, x
i
, f
i
= f(x
i
) para producir P
n
(x) .
Las dos versiones anteriores se pueden traducir en algoritmos, pero veamos otro mejor:
De la igualdad p(x) = f(x
0
) + (x x
0
)q(x) , junto con las otras p(x
i
) = f(x
i
) , se deduce que
f(x
i
) = f(x
0
) + (x
i
x
0
)q(x
i
) , es decir
q(x
i
) = (f(x
i
) f(x
0
) )/(x
i
x
0
) , para i = 1, . . . , n
que es un problema como el inicial, para q Pol
n1
. Esto se traduce en el siguiente algoritmo
recursivo, que usa los valores x
i
, f
i
= f(x
i
) :
Para k = 0, . . . , n: b
k
= f
k
, f
i
:= (f
i
b
k
)/(x
i
x
k
) para i > k
y produce los coecientes b
k
del polinomio P
n
en su forma de Newton:
P
n
(x) = b
0
+ (x x
0
)b
1
+ (x x
0
)(x x
1
)b
2
+ . . .
en la que cada suma parcial
b
0
+ (x x
0
)b
1
+ . . . + (x x
0
) (x x
k1
)b
k
resuelve el mismo problema para los puntos x
0
, . . . , x
k
, y coincide por lo tanto con el P
k
= P
[x
0
,...,x
k
]
.
Llamamos a b
k
, que es el coeciente de x
k
en P
k
, la diferencia dividida f
[x
0
,...,x
k
]
.
3
La Prueba 2. vale tambien si los n+1 ceros son complejos z
i
; es la mitad facil del Teorema Fundamental del Algebra.
3
Observaciones:
La denici on de la Diferencia Dividida f
[x
0
,...,x
k
]
implica que ser a la misma si cambiamos el orden
de los puntos x
0
, . . . , x
k
en la formulaci on del problema.
Todos los f
i
:= (f
i
b
k
)/(x
i
x
k
) , i > k producidos en la etapa k del algoritmo son tambien
Diferencias Divididas, porque cualquiera de ellos sera b
k+1
si el punto x
i
hubiese aparecido tras el
x
k
en la lista. Es decir, su valor es f
[x
0
,...,x
k
,x
i
]
.
En vez de seguir la recursion de fuera hacia dentro con la que hemos llegado a el, el algoritmo
se puede reordenar de modo que reeje el caracter de desarrollo de la forma de Newton; basta con
introducir los datos x
k
, f
k
en el esquema tras haber completado el calculo de los b
i
anteriores:
Para cada k , b
k
= f
k
, y para i = 0, . . . , k 1 , b
k
:= (b
k
b
i
)/(x
k
x
i
) . Es decir:
b
0
= f
0
; b
1
=
f
1
b
0
x
1
x
0
; b
2
=
f
2
b
0
x
2
x
0
b
1
x
2
x
1
; b
3
=
f
3
b
0
x
3
x
0
b
1
x
3
x
1
b
2
x
3
x
2
; . . .
lo que da b
k
como una division anidada por los factores x
k
x
i
, con coecientes b
i
, i < k .
PROPOSICION: Se tienen las identidades
(1) P
k
(x) P
k1
(x) = f[x
0
, . . . , x
k
] (x x
0
) (x x
k1
)
(2) (x
k
x
0
)P
k
(x) = (x
k
x)P
k1
(x) + (x x
0
)P
[x
1
,...,x
k
]
Prueba:
(1) es la observacion ya hecha sobre la forma de Newton, pero puede probarse directamente as: ambos
lados son de grado k , nulos en x
0
, . . . , x
k1
, y con igual coeciente de x
k
.
(2) es cierto porque ambos lados son de grado k , y con iguales valores en x
0
, . . . , x
k
.
De (2) sale una nueva recurrencia para las diferencias divididas f[x
0
, . . . , x
k
] , que sera muy util en
el caso de puntos equiespaciados x
k
= x
0
+ kh , y que es la que se encuentra normalmente en los libros:
(DD) (x
k
x
0
) f[x
0
, . . . , x
k
] = f[x
1
, . . . , x
k
] f[x
0
, . . . , x
k1
]
El determinante de Vandermonde con entradas v
ij
= x
j1
i
vale d
n
=

i<kn
(x
k
x
i
) .
Probarlo de este modo: desarrollando por la ultima columna y mirando x
n
como variable, d
n
es un polinomio en x
n
, nulo si x
n
= x
0
, . . . , x
n1
, y con termino principal d
n1
x
n
n
; razonar
todo eso y reducir por recurrencia la armaci on al caso d
1
= x
1
x
0
.
Para los puntos x
0,1,2
= 0, 1, 1 , y cada una de las funciones
f(x) = x, x
2
, x
3
, 1/(2x + 1), 1/(1 + 9x
2
)
hallar
4
polinomios interpoladores P
[0,1]
, P
[0,1,1]
, y comparar sus gracas con la de f .
Razonar por que P
n
no depende del orden en que se dan los puntos x
i
, y por que P
n
f si
f es un polinomio de grado n .
Para esos mismos puntos, hallar los polinomios de Lagrange L
i
. Hacerlo primero a ojo, con
las condiciones L
i
(x
j
) =
ij
; luego, utilizando la funcion W(x) = (x x
0
) (x x
2
) .
E 3.2
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
[

] Adaptar al siguiente problema el argumento usado para probar la existencia y unicidad de P

n
: se
trata de probar que cada ecuacion de recurrencia
f(n) f(n 1) = q(n) , f(0) = c , con q Pol
d
tiene un polinomio p Pol
d+1
como solucion.
Idea: la funci on lineal p (q, c) , con q(x) = p(x) p(x 1) , c = p(0) .
Deducir de lo anterior que S(n) =

n
1
k
d
es un polinomio, explicar que problema de interpolacion
resuelve, y usar la idea para hallar, en la forma de Newton, la suma
S
2
(n) =
n

1
k
2
Se puede simplicar este calculo, porque sabemos cual debe ser el termino principal de S
2
. Cual es y
como probarlo?
4
Preferiblemente a ojo; cuando no sea facil, con el algoritmo de las Diferencias Divididas.
4
Igual que el polinomio de Taylor, los polinomios interpoladores P
n
pretenden aproximar la
funcion f de la que toman sus datos. Procede por lo tanto estudiar el resto f(x) P
n
(x) .
Esa diferencia se anula en los puntos x
i
, luego su graca ser a como una onda, . . . y eso
explica que se llame nodos
5
de la interpolacion a los puntos x
i
.
Relacion con las derivadas de f .
PROPOSICION:
(1) f(x) P
n
(x) = f[x
0
, . . . , x
n
, x] W(x) , con W(x) = (x x
0
) (x x
n
) .
(2) En el menor intervalo J que contenga a x
0
, . . . , x
n
, hay alg un para el que se tiene
f
n)
() = n! f[x
0
, . . . , x
n
] .
Prueba:
(1) Coincide con el (1) de la PROPOSICION anterior, si tomamos ese punto x como siguiente nodo.
(2) Como f P
n
se anula n + 1 veces en J , el TVM implica por inducci on sobre k que (f P
n
)
k)
se
anula al menos n + 1 k veces en J ; pero P
n)
n
es la constante n! f[x
0
, . . . , x
n
] .
La armacion (2) es la que hace que (1) sea algo m as que una tautologa:
si tenemos informacion sobre f
n+1)
: cotas, valor aproximado en J, signo, . . . , la igualdad
(1)+(2): f(x) P
n
(x) = f
n+1)
() W(x)/(n + 1)! , para alg un J
traslada esa informacion al resto f(x) P
n
(x) .
Pero tambien podemos ver (2) como una estimaci on de f
n)
en J , util si esa derivada no
cambia mucho en ese intervalo (veremos mas sobre esto m as adelante).
El caso de nodos equiespaciados x
k
= x
0
+ kh , y los operadores de diferencias sucesivas.
Si en ese caso redenimos el operador diferencia que ya usamos anteriormente como
f(x) = f(x + h) f(x) , y sus potencias:
k
f = (
k1
f) ,
tenemos la identidad siguiente:
f[x
0
, . . . , x
k
] =

k
f(x
0
)
k! h
k
que resulta por recurrencia de la igualdad (DD), si observamos que x
k
x
0
= kh:
kh f[x
0
, . . . , x
k
] = f[x
1
, . . . , x
k
] f[x
0
, . . . , x
k1
] =

k1
f(x
1
)
k1
f(x
0
)
(k 1)! h
k1
Si tomamos adem as la nueva variable s dada por x = x
0
+ sh , y observamos que
(x x
0
) (x x
k1
) = h
k
s(s 1) (s k + 1) ,
la forma de Newton de P
n
se convierte en:
P
n
(x
0
+ sh) =
n

k=0

k
f(x
0
)
k!
s(s 1) (s k + 1) =
n

k=0
_
s
k
_

k
f(x
0
)
donde hemos usado adem as esta notaci on, que extiende s IR la del coeciente binomial:
_
s
k
_
=
s(s 1) (s k + 1)
k!
Comentarios:
Esta formula para P
n
(x
0
+sh) , en la que no aparecen explcitamente h ni los x
i
, i > 0 , reeja el hecho
de que el cambio de variable x = x
0
+sh reduce el problema de interpolacion con nodos equiespaciados
al caso x
i
= 0, . . . , n .
Cuando s = n , la formula parece decir (1 + )
n
f(x
0
) . Para entender por que, denir (con h
jado) el siguiente operador E , que traslada una funci on:
Ef(x) = f(x + h) = f(x) +f(x) , de modo que E = Id + , con Id f = f ,
5
Recordar que son vientres y nodos de una oscilacion.
5
y observar que la identidad algebraica que da por recurrencia el desarrollo binomial:
(1 + X)
m1

k=0
_
m1
k
_
X
k
=
m

k=0
_
m
k
_
X
k
s olo usa las propiedades del producto: asociativa y distributiva respecto de la suma, que tambien tienen
nuestros operadores de diferencias sucesivas, luego produce el mismo desarrollo en este caso:
E
m
= (Id +)
m
= (Id +)
m1

k=0
_
m1
k
_

k
=
m

k=0
_
m
k
_

k
es decir,
f(x + mh) = E
m
f(x) = (Id +)
m
f(x) =
m

k=0
_
m
k
_

k
f(x)
que coincide con la expresion anterior si s = m n , x = x
0
; es decir, con la armacion de que
para m = 0, . . . , n , se tiene f(x
0
+ mh) = P
n
(x
0
+ mh) .
En una tabla de la distribucion Normal, que dara los valores
6
de la
F(x) = c
_
x
0
exp(s
2
/2) ds , con c = 1/

2 = 0.4 ,
encontraremos los valores siguientes:
_
para x = 0 0.1 0.2 0.3
F(x) = 0 0.0398 0.0793 0.1179
Suponer que la tabla no diese m as valores intermedios, y que necesitamos F(0.17) .
Se trata de comparar los errores de estas tres opciones: 1) usar el valor x m as cercano; 2)
interpolacion lineal sobre los 2 valores cercanos; 3) interpolacion c ubica sobre esos 4 valores.
Escribir las f ormulas de P
[0.2, 0.1]
(x) , P
[0.2, 0.1, 0, 0.3]
(x) , y del error f(x)P
n
(x) en x = 0.17.
Estudiar el tama no de las derivadas relevantes en el intervalo en cuestion, y deducir el tama no
aproximado del error en cada caso; usarlo para juzgar lo siguiente: en vista de la precision de
los datos, merece la pena el esfuerzo extra de la interpolacion c ubica?
E 3.3
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
[

] Generalizar el estudio anterior para responder esta pregunta:

cu al sera la relacion entre el paso h de la tabla y el n umero de dgitos de precision de sus datos que
puede hacer razonable el usar
7
interpolaci on c ubica en lugar de lineal.
La respuesta depender a naturalmente de la zona de valores x , tratar de darla en esa forma.
6
F(x) es el valor de la P(0 < X < x) si X es una variable aleatoria Normal(0,1).
7
Estas tablas no estan pensadas en general para eso, sino para usar directamente los valores que ofrecen.
6
Interpolando con grado creciente.
Si vemos P
n
como un intento de reconstruir f a partir de n valores suyos, es natural esperar
que en alg un sentido los errores |f P
n
| 0 al crecer n , al menos en el intervalo J que
ocupan los nodos. Para ver si es as, examinemos la funcion W(x) que entra en la f ormula del
error, empezando por el caso de los nodos x
k
= x
0
+ kh con un h jado.
Va a ser m as simple hablar del caso |f(x) P
n1
(x)| , con n nodos.
Para un x (x
k1
, x
k
) , y mirando cada vez la peor posicion posible
8
de x en ese intervalo,
|W(x)| < h
n
k!(n k)! ,
y ese valor es lo peor posible (es decir, m aximo) cuando k = 1 , luego
|W(x)| < h
n
(n 1)! para x J = [x
0
, x
n1
] .
Eso da la siguiente cota para el resto, si |f
n)
(x)| M
n
en J :
|f(x) P
n1
(x)| <
M
n
n!
h
n
(n 1)! =
M
n
n
h
n
y la pregunta es: para que funciones tender a a 0 esa expresi on, garantizando la convergencia de los P
n
.
Parece que va bien:
Por supuesto, para f = un polinomio, el error es =0 al llegar a su grado.
Para los siguientes ejemplos del C alculo, como sen(cx) , exp(cx) , las cotas M
n
sobre el intervalo
J = [x
0
, x
0
+ h(n 1)] no crecen mas que geometricamente: M
n
a
n
, con lo que basta tomar
paso h = 1/a para compensarlas.
Mejor a un: hemos tomado un intervalo J creciente con h constante, pero la pregunta natural sera:
si habra convergencia en un J = [a, a+c] jado, al tomar en el nodos x
k
= a+c k/n , con n .
En ese caso, el factor h
n
se convierte en (c/n)
n
, dando convergencia para cualquier c .
Pero puede ir mal:
La inocente funci on f(x) = 1/(1 +x
2
) = 1 x
2
+x
4
. . . tiene derivadas f
2m)
(0) = (2m)! , luego
M
n
crece al menos como n! si 0 J . Eso obliga a los h
n
= (c/n)
n
a compensar el n! , lo que solo
se consigue
9
si la longitud c del intervalo J es < e .
Claro que s olo estamos hablando de cotas: |f
n)
(x)| M
n
, y a su vez M
n
podra ser mucho mayor
que f
n
(0) , de modo que habra que renar mucho este argumento, o si no, experimentar.
En realidad, tiene que ir mal:
Los experimentos
10
conrman el problema, que en realidad debera ser general, por el motivo
siguiente: si comparamos las cotas halladas para W(x) en los subintervalos (x
k1
, x
k
) ,
entre la peor (k = 1) y las mejores (k n/2) , hay un factor aproximado
_
n
n/2
_
= O(2
n
/

n) .
Eso da una indicacion del valor aproximado, si k n/2 , del polinomio de Lagrange
L
k
(x) = W(x)/W

(x
k
)(x x
k
)
en los subintervalos extremos
11
(ver gura a la vuelta), y de esos sumandos esta hecho P
n
!
El problema es por lo tanto explicar por que funciones como sen(x) o exp(x) funcionan tan bien;
la respuesta es que sus valores f
k
= f(x
k
) realizan un prodigioso equilibrio de cancelaciones para
que la suma

k
f
k
L
k
no oscile como sus sumandos.
Y por que los valores de f(x) = 1/(1 + x
2
) no consiguen lo mismo?
La respuesta es mas profunda, y tiene que ver con lo siguiente: mientras que las otras dos son
analticas en todo el plano complejo, esta funcion tiene singularidades en i , y eso se reeja en el
crecimiento de sus cotas M
n
.
Pero la mala noticia es que todo esto ocurrira calculando exactamente; en la practica, los redondeos
de los datos f
k
= f(x
k
) rompen el equilibrio incluso en los casos buenos, dando cada vez m as
oscilaciones
12
cuando n crece.
8
Es f acil razonar con mas cuidado para ganar un factor 4, pero eso va a ser irrelevante en lo que sigue.
9
Esto sale con facilidad de la formula de Stirling: n!

2n(n/e)
n
10
Que haremos en el Laboratorio.
11
Un calculo mas ajustado da O(2
n
/n
2
) para el m aximo en esos intervalos.
12
Para valores peque nos de n , los redondeos del tama no de nuestro
M
no producen ning un problema pr actico.
7
!2 !1 0 1 2
!0.03
!0.02
!0.01
0
0.01
W(x) , 8 nodos
!2 !1 0 1 2
!1.5
!1
!0.5
0
0.5
1
1.5
2
L
3
(x)
!2 !1 0 1 2
!1.5
!1
!0.5
0
0.5
1
1.5
x 10
!3
W(x) , 16 nodos
!2 !1 0 1 2
!100
!50
0
50
100
L
7
(x)
Estudiemos el caso de n nodos x
k
= x
0
+ kh , k = 0, . . . , n .
Razonar por que (y como) depende de h el tama no de W(x) =

k
(x x
k
) , pero no el
tama no
13
de los polinomios de Lagrange L
k
(x) .
Tomando, en vista de lo anterior, x
0
= 0 , h = 1 , escribir una formula exacta para el valor
de |L
m
(1/2)| si n = 2m .
Luego simplicarla usando la f ormula de Stirling: n!

2n (n/e)
n
.
Habra que empezar por deducir de esta una aproximacion para el semifactorial, denido por
(2n)!! = 2 4 2n ,
y de ambas, otra para el semifactorial (2n 1)!! = 1 3 (2n 1) = (2n)!/(2n)!! .
Vericar tambien lo dicho antes: que el producto n! (c/n)
n
tiende a 0 si c < e .
E 3.4
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
13
El que vemos en las guras de arriba.
8
Soluciones al problema.
Hay varias posibilidades para evitar o reducir el mal comportamiento de los P
n
, y cual elegir depende
en buena parte de para que queramos ese polinomio interpolador.
En vez de aumentar el grado, subdividir.
Por ejemplo, duplicar el n umero de subintervalos [ x
i1
, x
i
] y mantener el grado n , usando para
ello dos polinomios diferentes para los nodos k = 0, . . . , n y k = n, . . . , 2n .
La forma mas simple de esta idea es usar la interpolacion lineal en cada J
i
= [ x
i1
, x
i
] , como hace
por defecto la funci on plot de Matlab .
Seg un para que, puede interesarnos evitar los picos (saltos de la derivada p

) que van a quedar de

este modo en cada extremo com un de intervalos contiguos; para ello basta aumentar el grado de
las piezas, y usar los grados de libertad conseguidos as. Si por ejemplo interpolamos f en cada
intervalo J
i
con un p
i
Pol
2
en vez de un p
i
lineal, podemos pedir que cumplan adem as
p

i
(x
i
) = p

i+1
(x
i
) , para 0 < i < n
y nos sobra en total 1 grado de libertad (que no est a claro c omo usar mejor). A este tipo de
aproximacion se le llama spline, el nombre ingles de una regla exible que uno puede doblar para
que pase por los puntos deseados.
La regla se resiste a doblarse (por eso no forma esquinas), y algo parecido a la energa potencial
que acumula si le damos la forma y = g(x) es la integral
E =
_
I
|g

(x)|
2
dx .
Se puede probar que la funcion g que minimiza E bajo las condiciones siguientes
_
g

existe y es continua en cada J

i
y tanto g como g

son continuas en cada x

i
, con g(x
i
) = f(x
i
)
es en cada J
i
un polinomio p
i
Pol
3
, y los p
i
cumplen:
para 0 < i < n , p

i
(x
i
) p

i+1
(x
i
) = 0 = p

1
(x
0
) = p

n
(x
n
)
Por lo tanto tambien g

es continua en cada punto. A esto se le llama el spline c ubico natural.

Reducir el grado sin quitar datos f
k
, convirtiendo el problema en sobredeterminado.
Esta era una de las ideas clave del Algebra Lineal vistas en el Tema 2, y aplicada a nuestro caso
da resultados sorprendentes
14
.
Usar mejores nodos para evitar que los L
i
se comporten tan mal.
Para eso hay que juntar mas los nodos en los extremos que en el centro
15
. Por razones que trataremos
de ver m as adelante, una opcion muy buena en el intervalo [1, 1] son los puntos
x
k
= cos(k/n)
(o sus imagenes por transformaci on afn y = a + cx , si interesa otro intervalo), que son los ceros
del polinomio de Chebychev denido por la igualdad
T
n
(cos()) = cos(n)
y que dan por lo tanto una funcion W(x) igual a ese polinomio.
El graco muestra los primeros de ellos, y
permite observar la clave de su ventaja sobre
nuestros nodos x
k
= x
0
+ hk : las enormes
diferencias entre los maximos de |W(x)| han
desaparecido por completo, sea cual sea n .


Relation to trigonometric functions.
The signal property of Chebyshev polynomials is the trigonometric representation on [-1,1].
Consider the following expansion using the Mathematica command "FunctionExpand."
Exploration 2.


These celebrated Chebyshev polynomials are readily available in Mathematica and called under the reserved name
"ChebyshevT[n,x]."
Roots of the Chebyshev polynomials
The roots of are . These will be the nodes for polynomial approximation
of degree n.
Exploration 3.


The Minimax Problem
14
Como se puede ver con el codigo usado en el LAB esta semana, ver link de LAB, materiales Tema 3. Por ejemplo, las
oscilaciones del polinomio P
23
que interpola f(x) = 1/(1 +x
2
) en 24 nodos entre 3 y 3 , casi desaparecen al bajar a grado
13, y los errores f(x
k
) P
13
(x
k
) son apenas visibles en el graco.
15
Esta idea, que tiene muchas ramicaciones, reaparecera en otra forma en el Tema 4.
9
Sea f(x) = 1/(1 +x
2
) . En cu antos intervalos de igual longitud hay que dividir I = [3, 3]
para que la interpolacion lineal en cada uno tenga errores menores que 5 10
4
?
Para dar la respuesta debemos hallar el m aximo de |f

| en I .
Cu al sera el maximo relevante si queremos que los errores relativos tengan ese tama no?
Como varan las respuestas si se trata de de f(x) = 1/(1 + 9 x
2
) en I = [1, 1] ?
Dados los valores f
i
de una funcion f(x) en n +1 puntos a = x
0
< . . . < x
n
= b , su spline
c ubico natural es la funci on g que interpola f en esos puntos y cumple adem as:
i) en cada J
i
= [x
i1
, x
i
] , g coincide con un polinomio p
i
Pol
3
;
ii) para 0 < i < n se tiene p

i+1
(x
i
) = p

i
(x
i
) , p

i+1
(x
i
) = p

i
(x
i
) ;
iii) p

1
(a) = p

n
(b) = 0 .
Escribir el S.E.L. 4n 4n a resolver para hallar esos polinomios, dados los x
i
, f
i
.
E 3.5
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
El lmite para puntos repetidos: interpolaci on osculatoria.
Primero un ejemplo:
Si tomamos nodos x
0
, . . . , x
3
= a, a + h, b, b h y dejamos h 0 , al obligar al polinomio P
3
a coincidir con f en esos cuatro puntos estamos haciendo que sean
P

3
(a) f

(a) , P

3
(b) f

(b)
En el lmite, los datos f
1
, f
2
coinciden con los f
0
, f
3
, pero tenemos a cambio las dos condi-
ciones: P

3
(a) = f

(a) , P

3
(b) = f

(b) .
Y en que se convierte la forma de Newton
a
0
+ a
1
(x a) + a
2
(x a)(x a h) + a
3
(x a)(x a h)(x b) ?
Los 3 ultimos coecientes son f[a, a + h], f[a, a + h, b], f[a, a + h, b, b h]
y tienden repectivamente a: f

(a), f[a, b]/a,

2
f[a, b]/a b .
La siguiente PROPOSICION generalizara esta respuesta; pero en este caso es mucho mejor
plantear el problema del modo siguiente:
Los polinomios de Lagrange para este problema en el lmite h 0 , ser an los dos que cumplan:
_
L
(0)
(a) = 1 , L

(0)
(a) = 0 = L
(0)
(b) = L

(0)
(b)
L

(1)
(a) = 1 , L
(1)
(a) = 0 = L
(1)
(b) = L

(1)
(b)
que tendran por lo tanto el factor (x b)
2
, y otros dos con a, b intercambiados.
El polinomio P
3
sera la combinacion lineal de estos con los coecientes adecuados.
Miremos las diferencias divididas f[x
0
, . . . , x
n
] como una funcion f
[x]
: IR
n+1
IR , pero denida de
momento s olo en el subconjunto G = {x IR
n+1
tales que todos los x
i
son distintos} .
PROPOSICION:
Si f
n)
es continua, la funcion f
[x]
tiene una extension continua a todo IR
n+1
, en la que
f[a, . . . , a] = f
n)
(a)/n! .
Nota: Como G es denso, s olo puede haber una tal extension, y debe cumplir la ultima armacion, porque
f
n)
(a)/n! = lim
h0
f[a, a + h, . . . , a + nh]
Prueba: La igualdad
f[x
0
, . . . , x
n
] =
f[x
1
, . . . , x
n
] f[x
0
, . . . , x
n1
]
x
n
x
0
es cierta para x G , pero su lado derecho es continuo (por induccion sobre n) en cada punto donde
x
0
< x
n
, y dene por simetra (cambio de orden de los x
i
) una funcion continua salvo en
D = {x
a
= (a, . . . , a), a IR} .
Pero como G es denso, el hecho de que f
[x]
f
n)
(a)/n! cuando x G tiende a x
a
, implica lo mismo
para cada x / D , y la continuidad de f
n)
(a) esta dada por hipotesis.
Corolario:
Para cada a que este k + 1 veces en la lista de nodos, el polinomio P
n
tiene contacto de orden k con f .
Prueba: Si ponemos los k + 1 puntos x
i
= a al comienzo de la lista, la forma de Newton de P
n
es el
polinomio de Taylor de grado k en a , seguido de un m ultiplo de (x a)
k+1
.
Si k = n , tanto el Corolario como su prueba nos dicen que P
n
es el polinomio de Taylor; y la f ormula
que obtuvimos para el resto f P
n
coincide con el resto de Lagrange para Taylor.
10
Usar la idea dada arriba para escribir el p Pol
3
tal que los valores de p, p

en dos puntos
dados x
0
= a, x
1
= b coinciden con los valores de f, f

; basta escribir los cuatro polinomios

de Lagrange del problema.
Consejo: empezar suponiendo a = 0 , b = 1, para tener expresiones m as simples.
Hallar tambien una expresi on para el resto f(x) p(x) .
Puede deducirse el caso general del caso 0, 1, usando la variable s = (x a)/(b a) .
Pero ojo a los valores de las derivadas al hacer ese cambio de variable.
Usar la expresion hallada de P
3
para dar una formula que aproxime
log(a + hs) para s (0, 1)
usando valores en los puntos a, a + h ; estudiar que precisi on tendra, como funcion de a, h .
E 3.6
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
Aproximar derivadas con diferencias: derivacion numerica.
La denicion de f

(x) da un modo obvio de aproximarla: f

(x)
f(x + h) f(x)
h
= f[x, x + h]
Observemos:
es una formula lineal en los valores f
i
usados; cualquier otra que usemos debe serlo tambien;
es f[x, x + h] = P

[x,x+h]
(x) , luego en particular es exacta para polinomios f Pol
1
;
usando el desarrollo de Taylor en x , vemos que su error es f[x, x + h] f

(x) f

(x) h/2 .
Generalicemos:
Un operador Df(x) que utilice n + 1 puntos x
i
para dar una aproximacion de f

(x) como funcion

lineal de los n + 1 valores f(x
i
) , y que sea exacto para cada f Pol
n
, tiene que coincidir con
Df(x) = P

n
(x) , donde P
n
es el que interpola f en esos m + 1 puntos.
Para operadores que aproximen f
k)
vale lo mismo: jados un punto x y n + 1 nodos x
i
,
la unica funcion lineal de esos n + 1 valores
16
de f que da exactamente p
k)
(x) si p Pol
n
, es
D
k
f(x) = P
k)
n
(x)
Naturalmente, el operador no es simplemente esa funcion lineal : IR
n+1
IR , sino una manera de
escoger los nodos x
i
como funciones del punto x y del parametro h del que depende la precision.
Ejemplos:
Df(x) = P

[xh,x,x+h]
(x) = f[x h, x + h] .
(!!) Aunque es exacto en Pol
2
, solo usa 2 valores f
i
; y su error resulta ser f

(x) h
2
/6 .
D
2
f(x) = P

[xh,x,x+h]
(x) = 2 f[x h, x, x + h] .
Su error es f
4)
(x) h
2
/12 ; n otese que P

[xh,x,x+h]
(x) es constante, como cualquier P
m)
m
.
(!!) No solo es exacto en Pol
2
, tambien en Pol
3
; por que?
Porque si a nadimos un punto x
3
, la diferencia
P
[xh,x,x+h,x
3
]
P
[xh,x,x+h]
= cte W tiene W

(x) = 0 .
Lo mismo ocurra en el ejemplo anterior: a P

[xh,x+h]
(x) le corresponde
W() = ( x + h)( x h)
que tiene W

(x) = 0 ; esa es la forma de ganar un grado.

Atenci on !!
Cuando decimos por ejemplo f[x h, x +h] f

(x) f

(x) h
2
/6 , se sobreentiende cuando
h 0. Pero topamos con el problema de restar cantidades parecidas: el error absoluto
O(f(x)
M
) que acompa na a la diferencia f(x+h) f(xh) , produce un error O(f(x)
M
)/h
en f[x h, x + h] , que sera mayor que f

(x) h
2
/6 a partir de cierto h 0 : es in util seguir
bajando. Esta barrera hace a un m as importantes las ganancias en el exponente de h , que
permiten llegar a mayor precision antes de tropezar con ella.
16
N otese que debe ser k n para que no sea D
k
0 .
11
Fijados a IR , h > 0 , sean P
2
(s) , P
4
(s) , los polinomios que interpolan f(a + hs)
respectivamente en los puntos [0, 1] , [0, 1, 2] . Considerar los siguientes operadores
de derivaci on aproximada, los primeros para aproximar f

(a) , el otro para f

(a) , y las
expresiones que se dan para ellos:
D
2
f(a) =
P

2
(0)
h
= f[ah, a+h] , D
4
f(a) =
P

4
(0)
h
=
4
3
f[ah, a+h]
1
3
f[a2h, a+2h]
D
2
f(a) =
P

4
(0)
h
2
= (
2
f(a h)
1
12

4
f(a 2h) ) /h
2
El cambio de escala x = a + hs reduce el operador al caso h = 1 , dejando en su expresion
los denominadores h, h
2
. Por que desaparece luego el denominador h en las de D
2
, D
4
, pero
no el h
2
en la de D
2
?
Usando el desarrollo de Taylor de f en a , hallar la expresion aproximada del error
Df(a) f
k)
(a)
para cada uno de estos operadores. En los que usan P
4
, esas expresiones saldran de los
terminos de grado > 4 del desarrollo de Taylor. Por que sabemos que ser a as?
Suponiendo un
m
= 10
16
, hallar el tama no del error que se producir a en el calculo de
D
2
f(a) y en el de D
4
f(a) , y deducir el lmite de precision alcanzable con cada metodo: para
aproximadamente que valores de h el error de redondeo llega a superar el error de aproximacion
del operador.
E 3.7
E
J
E
M
P
L
O
P
A
R
A
T
R
A
B
A
J
A
R
H
A
S
T
A
L
A
C
L
A
S
E
S
I
G
U
I
E
N
T
E
1
[

] Si se calcula la expresion de P
4
(s) con cualquiera de los metodos generales vistos en este Tema, se
puede llegar a las expresiones dadas para sus derivadas, tras largo camino. Pero considerar lo siguiente:
las tres funciones p

(0), p[1, 1], p[2, 2] : Pol

4
IR son formas lineales que se anulan para p = 1, s
2
, s
4
,
luego no pueden ser independientes, y se tendra:
p

(0) = c
1
p[1, 1] + c
2
p[2, 2]
Basta ahora evaluarlas en p = s, s
3
para deducir los valores de c
1
, c
2
, luego usar el cambio x = a+hs
para traducir las diferencias de p en diferencias de f y tener D
4
f(a) .
Probar a imitar esa idea para D
2
f(a); ahora las tres formas se anulan para p = 1, s, s
3
, y hay que
trabajar un poco m as: producir las diferencias sucesivas de s
2
, s
4
para poder hallar los coecientes; a
cambio, la traducci on es esta vez m as simple.
12
Apendice II: Spline C ubico Natural.
Dados puntos x
0
< x
1
< . . . < x
n
y valores f
k
IR , sea F el conjunto de las funciones
f : I = [x
0
, x
n
] IR que cumplen las condiciones:
f(x
k
) = f
k
para cada k ; f

continua en I ; f

continua en cada J
k
= [x
k1
, x
k
] .
Las dos primeras condiciones son las que caracterizan a un spline para esos datos.
La tercera (que puede debilitarse, usando lenguaje mas tecnico) permite que f

tenga saltos
en los puntos x
k
, pero basta para que este denida la integral del enunciado siguiente, que
arma la existencia y unicidad del Spline C ubico Natural:
PROPOSICION:
Hay una unica f F que minimiza la integral E(f) =
_
I
|f

(x)|
2
dx . Adem as, esa f cumple
las condiciones adicionales siguientes:
Coincide en cada J
k
con un p
k
Pol
3
; f

es continua en I y nula en x
0
, x
n
.
LEMA 1:
La expresion < f, g >=
_
I
f

dene un producto escalar en el espacio vectorial F

0
formado
por las diferencias de dos funciones de F .
Una f F minimiza la integral E(f) =< f, f > , si y solo si < f, g >= 0 para cada g F
0
.
Prueba:
17
Las funciones de F
0
son las que cumplen lo mismo que las de F , pero con datos f
k
0 ;
es facil ver que forman un espacio vectorial, que la expresion < f, g > es bilineal simetrica,
y que es no negativa si f = g ; pero como g F
0
, < g, g >= 0 g

0 , luego g es un
polinomio de grado 1 , nulo en cada x
k
, luego g 0 .
Si f, f + g F , y llamamos f
t
= f + tg , se tiene
E(f
t
) =
_
I
|f

+ tg

|
2
= E(f) + t
2
E(g) + 2t < f, g > ,
luego ser a E(f
t
) > E(f) para cada t = 0 , si y s olo si se tiene < f, g >= 0 ; y si esto se
cumple para cada g F
0
, entonces cada E(f + g) > E(f) es decir, f minimiza E(f).
LEMA 2:
Si f F coincide en cada J
k
con un p
k
Pol
3
, f minimiza la integral E(f) si y s olo si f

cumple lo que arma la PROPOSICION: continua en cada x

k
y nula en x
0
, x
n
.
Prueba:
_
p

k
= cte
g = 0 en cada x
k

_
J
k
f

= 0 para cada k , luego integrando por partes,

_
J
k
f

= f

]
x
k
x
k1
, y por lo tanto
_
I
f

k
_
J
k
f

= p

n
(x
n
)g

(x
n
) p

1
(x
0
)g

(x
0
) +

0<k<n
g

(x
k
)( p

k
(x
k
) p

k+1
(x
k
) )
Como en F
0
hay funciones con valores arbitrarios de los g

(x
k
) , esa expresi on es = 0 para
cada g F
0
si y s olo si se anulan p

n
(x
n
) , p

1
(x
0
) , y cada diferencia p

k
(x
k
) p

k+1
(x
k
) .
Prueba de la PROPOSICION:
De la Prueba del LEMA 1 ya se deduce que no puede haber mas de una f que minimice E(f),
porque la diferencia g F
0
de dos de ellas cumplira < g, g >= 0 y sera = 0.
Basta ahora probar que hay polinomios p
k
Pol
3
que forman una f F , y cuyas derivadas
p

k
cumplen las n + 1 condiciones que arma la PROPOSICION, porque en vista del LEMA
2, esa f minimizara E(f) .
Pero esas n + 1 condiciones, junto con las 3n 1 igualdades que arman f F , forman
un sistema de 4n ecuaciones lineales para los 4n coecientes de los p
k
, y probar que tiene
soluci on equivale a probar que s olo tiene la solucion f 0 si los datos f
k
son todos = 0 .
Ahora bien, la funcion solucion f pertenece en ese caso a F
0
, y de la Prueba del LEMA 2
se deduce inmediatamente que las condiciones sobre las p

k
implican < f, g >= 0 para cada
g F
0
, en particular < f, f >= 0 , luego f = 0 .
17
Este Lema es el coraz on del asunto, y su Prueba, un ejemplo tpico del llamado Calculo de Variaciones; la expresion
que juega el papel de la integral E(f) suele denominarse energa.
13