Interpolación y aproximación

polinomial
Programación Numérica
Definición
Un polinomio de grado n es una expresión de
la forma:
P(x) = anxn + an-1xn-1 + ... +a1x + a0
Donde an <> 0
Teorema (teorema de aproximación de
Weierstrass)
Suponga que f está definida y es continua en
[a, b]. Para  > 0 existe un
polinomio P definido en [a, b], con la
propiedad de que
|f(x) – P(x)| < , para toda x en [a, b]

Desarrollo en series de Taylor

Sea f(x) = ex
Desarrollando en serie de Taylor alrededor
de x = 0
P0(x) = 1 P1(x) = 1 + x P2(x) = 1 + x + x2/2
P3(x) = 1 + x + x2/2 + x3/6 P4(x) = 1
+ x + x2/2 + x3/6 + x4/24
P5(x) = 1 + x + x2/2 + x3/6 + x4/24 + x5/120

Valores de ex
Valores de las aproximaciones de ex con
polinomios de Taylor

Expansión de Taylor para 1/x

Interpolación polinomial de
Newton
Revisaremos solo algunos casos: lineal, de
segundo grado y de tercer grado.
 Interpolación lineal
x0
x
x1
f(x0)
f1(x)
f(x1)
f(x)

Utilizando triángulos semejantes

Reordenando

Ejemplo
Estimar ln 2 mediante interpolación lineal si ln1 = 0 y ln 6 =
1.791759 y ln 4 = 1.386294
Valor real ln 2 = 0.6931472
Error relativo porcentual = 33.3%
f(x) = ln x
f1(x)
Estimaciones lineales
Valor verdadero

Interpolación cuadrática
Polinomio cuadrático
f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) (1)
simplificado
f2(x) = b0 + b1x – b1x0 + b2x2 + b2x0 x1 – b2xx0 – b2xx1
Podemos escribirlo como
f2(x) = a0 + a1x + a2x2
Donde
a0 = b0 – b1x0 + b2x0 x1, a1 = b1 – b2x0 – b2x1, a2=b2
Podemos evaluar b0, b1 y b2 sustituyendo x0, x1 y x2 en la
ecuación (1), se obtiene
b0 = f(x0)

ejemplo 2
Calculemos ln 2 con ln 4 y ln 6, los punto que se conocen
son:
x0 = 1 f(x0) = 0
x1 = 4 f(x0) = 1.386294
x0 = 6 f(x0) = 1.791759
Aplicando las ecs. anteriores
b0 = 0
b1 = (1.386294 – 0)/(4 – 1) = 0.4620981
b2 = ((1.791759 – 1.386294)
/(6 – 4) – 0.4620981)/(6 – 1)
= – 0.0518731
El polinomio es
f2(x) = 0.4620981(x – 1) – 0.0518731(x – 1)(x – 4)
f2(2) = 0.5658444
f(x) = ln x
Estimación cuadrática
Valor verdadero
Estimación lineal
Valor real ln 2 = 0.6931472
Error relativo porcentual = 18.4%

Forma general
Polinomio general
fn(x) = b0 + b1(x – x0) +...+ bn(x – x0)(x – x1)... (x – xn–1)
Los coeficientes se calculan con
b0 = f(x0)
b1 = f [x1, x0]
b2 = f [x2, x1, x0]
bn = f [,xn, xn–1, ..., x1, x0]
Donde los paréntesis cuadrados se denominan diferencias
divididas finitas.
La n-ésima diferencia dividida finita es:

Se conoce como polinomio de interpolación de Newton en

diferencias divididas.

ejemplo 3
Calculemos ln 2 con ln 0, ln 4, ln 5 y ln 6, los punto que se conocen son:

x0 = 1 f(x0) = 0

x1 = 4 f(x1) = 1.386294

x2 = 6 f(x3) = 1.791759

x3 = 5 f(x2) = 1.609438

primeras diferencias
 f [x1, x0] = (1.386294 – 0)/(4 – 1) = 0.4602981

f [x2, x1] = (1.791759 – 1.386294)/(6 – 4) = 0.2027326

f [x3, x2] = (1.609438 – 1.791759)/(5 – 6) = 0.1823216

Segundas diferencias

f [x2, x1, x0] = (0.2027326 – 0.4602981)/(6 – 1) = –0.05187311

f [x3, x2, x1] = (0.1823216 – 0.2027326)/(5 – 4) = –0.02041100

tercera diferencia

f [x3, x2, x1 , x0] = (–0.02041100–(–0.05187311))/(5 – 1) = 0.007865529

Polinomio

f3(x) = 0 + 0.4602981(x – 1) –0.05187311(x – 1) (x – 4) + 0.007865529(x – 1)

(x – 4) (x – 6)

Valor calculado con el polinomio

f3(2) = 0.6287686

Ejemplo 3 (cont.)
f(x) = ln x
Valor verdadero
Estimación cúbica
f3(x)

Estimación del error

Rn = f [,xn+1, xn, ..., x1, x0](x – x0) (x – x1)...
(x – xn)
Para estimar el error requerimos de un datos
más (xn+1). La siguiente fórmula puede
utilizarse para estimar el error.

Interpolación y polinomio de
Lagrange
Se trata de encontrar un polinomio de
grado n que pase por los puntos (x0, f(x0)),
(x1, f(x1)), ... (xn, f(xn)), se construye un
cociente Ln,k(xk) con la propiedad de que
Ln,k(xi) = 0 cuando i  k y Ln,k(xk) = 1
Se requiere entonces que el numerador
contenga
(x – x0) (x – x1)... (x – xk–1)(x – xk+1)... (x – xn)
El denominador debe coincidir con el
numerador cuando x = xk.
 N-ésimo polinomio
interpolante de Lagrange
Teorema
Si x0, x1, x2, ... xn, son n+1 números distintos
y si f es una función cuyos valores están
dados en esos números, entonces existe un
polinomio de grado a lo más n, con la
propiedad de que
f(xk) = P(xk) para cada k = 0, 1, 2, ...n
Este polinomio está dado por

donde

Aproximación a 1/x con

interpolantes de Lagrange
P(x) = 0.5*((x–6.5)x+10)+0.4*((–4x+24)x–32)/3+ 0.25*((x +
4.5)x+5)/3
P(x) = (0.05x – 0.425)x + 1.15 = 0.05x2 – 0.425x + 1.15
f(3) = P(3) = 0.325
Usaremos x0 = 2, x1 = 2.5 y x2 = 4, para
obtener un polinomio de grado 2 para 1/x.
f(x0) = 0.5, f(x1)= 0.4 y f(x2) = 0.25.
Los polinomios de Lagrange son:

Aproximación a 1/x con

interpolantes de Lagrange
P(x) = (0.05x – 0.425)x + 1.15
f(3) = P(3) = 0.325

El error en la interpolación de
Lagrange
El error en la interpolación de Lagrange
puede calcularse con

Algoritmo en Matlab
function fi = Lagran_(x, f, xi)
fi=zeros(size(xi));
np1=length(f);
for i=1:np1
z=ones(size(xi));
for j=1:np1
if i~=j, z = z.*(xi -
x(j))/(x(i)-x(j));end
end
fi=fi+z*f(i);
end
return

Calcula coeficientes de P2(x)

%Calcula el polinomio
interpolante de Lagrange de
grado 2
function [a,b,c] =
Lagrange(x0,x1,x2,fx0,fx1,fx2)
t0 = (x0 - x1)*(x0 - x2);
t1 = (x1 - x0)*(x1 - x2);
t2 = (x2 - x0)*(x2 - x1);
a = fx0/t0 +fx1/t1 +fx2/t2;
b = -fx0*(x1 + x2)/t0 -
fx1*(x0 + x2)/t1 - fx2*(x0 +
x1)/t2;
c = fx0*x1*x2/t0 +
fx1*x0*x2/t1 + fx2*x0*x1/t2;

Interpolación Inversa
Tabla de valores de f (x) = 1/x.
1 0.5 0.3333 0.25 0.2 0.1667
0.1429
f (x)

1 2 3 4 5 6
7
x
Se desea conocer el valor de x tal que f (x) =
0.3.
El problema se resuelve definiendo un
polinomio de interpolación de grado 2 con
los puntos (2, 0.5), (3, 0.3333) y (4, 0.25) y
resolviendo la ecuación:
f (x) = 0.3 = 1.08333 – 0.375x + 0.041667x2
Lo que da x = 5.704158 y x = 3.295842, el
valor real es 3.333.

Trazadores (Splines)
Dados n +1 puntos podemos construir un
polinomio de grado n para interpolar valores
dentro del intervalo.
También se pueden usar líneas rectas entre
cada par de puntos para hacer interpolación
lineal entre ellos o polinomios cuadráticos o
cúbicos.
Tales interpoladores se llaman trazadores
lineales, cuadráticos y cúbicos,
respectivamente.
La ventaja de los trazadores es que no
presentan el efecto de oscilación de los
polinomios de alto grado.
f (x)
x
f (x)
f (x)
f (x)

Trazadores lineales
Para los trazadores lineales se definen rectas
entre cada intervalo para calcular los valores
intermedios.
f (x) = f (x0) + m0(x – x0) x0 <= x <= x1
f (x) = f (x1) + m1(x – x0) x1 <= x <= x2
f (x) = f (x0) + mn–1 (x – x0) xn–1 <= x <= xn
Los valores de mi se calculan con:

ejemplo
0.5
9.0
2.5
7.0
1.0
4.5
2.5
3.0
f (x)
x
2
4
6
8
10
2
0

Trazadores cuadráticos
El polinomio en cada intervalo es de la
forma:
fi(x) = ai x2 + bi x + ci
Para encontrar los ai , bi , ci se deben cumplir
las siguientes condiciones:
1. Los valores de la función deben ser iguales
en los nodos interiores, 2n – 2 ecuaciones.
2. La primera y última función debe pasar por
los extremos, 2 ecuaciones.

3. Las primeras derivadas en los nodos

interiores deben ser iguales, n – 1 ecuaciones.
O sea: 2ai –1 xi–1 + bi –1 = 2ai xi–1 + bi
4. Suponer derivada 0 en el primer
punto. a1 = 0

ejemplo
0.5
9.0
2.5
7.0
1.0
4.5
2.5
3.0
f (x)
x
Encontrar f (5)
La condición 1 genera las siguientes
ecuaciones:
20.25a1 + 4.5b1 + c1 = 1.0
20.25a2 + 4.5b2 + c2 = 1.0
49a2 + 7b2 + c2 = 2.5
49a3 + 7b3 + c3 = 2.5
La condición 2 da las siguientes ecuaciones
9a1 + 3b1 + c1 = 2.5
81a3 + 9b3 + c3 = 0.5
La condición 3 genera:
9a1 + b1 = 9a2 + b2
14a2 + b2 = 14a3 + b3
El sistema resultante es:
La solución es:
a1 = 0 b1 = –1 c1 = 5.5
a2 = 0.64 b2 = –6.67 c2 = 18.46
a3 = –1.6 b3 = –24.6 c3 = 91.3
f(5) = 0.64(5)2 – 6.67(5) +18.46 = 1.11
yi = ppval (pp, xi) - Evalúa polinomio a
trozos pp en los puntos xi. Si pp.d es un
escalar mayor que 1, o un arreglo, entonces el
valor regresado yi será un arreglo que es d1,
d1, ..., dk, length (xi).
pp = spline (x, y) yi = spline (x, y, xi)
Regresa los interpolantes cúbicos de y en los
puntos x. Si se llama con dos argumentos,
regresa los trozos polinomicos pp que ueden
ser evaluados con ppval.
Si se llama con tres parámetros, evalúa el los
puntos xi.

Splines cúbicos
Aplicando las condiciones de continuidad del
spline S y de las derivadas primera S' y
segundaS'', es posible encontrar la expresión
analítica del spline.
Donde hi = xi+1 – xi y z0, z1, … ,zn son
incognitas.
Aplicando las condiciones de continuidad se
llega a

La ecuación anterior, genera un sistema de n–

1 ecuaciones lineales con n+1 incógnitas.
donde
Los valores del spline S se calculan
eficientemente con
Donde
Los coeficientes de los polinomios se pueden
calcular con:
c1 = yi – xi D
c2 = D – xi E
c3 = E – xi A
c4 = A
Para obtener: fi (x) = c1 + c2 x + c3 x2 + c4 x3
Donde

Guión en MatLab
%encuentra los trazadores
cúbicos para un conjunto de
puntos x,y
% x - vector con los n valores
de x
% y - vector con los n valores
de y
% w - matriz de n-1 por 4 con
los coeficientes de los
polinomios cúbicos
function w = spline3(x,y)
[dummy n] = size(x);
for i = 1:n-1
h(i) = x(i+1)-x(i);
b(i) = 6*(y(i+1)-
y(i))/h(i);
end
u(2) = 2*(h(1)+h(2));
v(2) = b(2)-b(1);
for i = 3:n-1
u(i) = 2*(h(i)+h(i-1))-
h(i-1)^2/u(i-1);
 v(i) = b(i)-b(i-1)-h(i-
1)*v(i-1)/u(i-1);
end

z(n) = 0;
for i = n-1:-1:2;
z(i) = (v(i)-
h(i)*z(i+1))/u(i);
end
z(1) = 0;
for i = 1:n-1
A = (z(i+1)-z(i))/6/h(i);
B = z(i)/2;
C = -h(i)*z(i+1)/6-
h(i)*z(i)/3+(y(i+1)-
y(i))/h(i);
D = C-x(i)*B+A*x(i)^2;
 E = B-2*x(i)*A;
w(i,4) = y(i)-x(i)*D;
w(i,3) = D-x(i)*E;
w(i,2) = E-x(i)*A;
w(i,1) = A;
end
end

Ejemplo