Lagrange

En ingeniería es frecuente la interpolación de datos a través de la experimentación por lo que la

interpolación y/o extrapolación facilitan dicha tarea. Para ello existen diferencias técnicas siendo
la más usada para este propósito la de La Grange

Interpolación de LaGrange

El análisis numérico es el que interpola un conjunto de puntos dado en el que existe un único
polinomio interpolador para dichos puntos y donde se tiene un conjunto 𝐾 + 1 es decir
(𝑥0 , 𝑦0 ) … (𝑥𝑘 , 𝑦𝑘 ) 𝑦 𝑙𝑜𝑠 𝑥𝑗 se asumen distintos y el polinomio interpolada en la forma de LaGrange
es la combinación lineal

𝐿(𝐾) = ∑ 𝑦𝑖 𝑙𝑖 (𝑘)
𝑦=0

de bases polinómicas de LaGrange

𝑥 − 𝑥0 𝑥 − 𝑥𝑗−1 𝑥 − 𝑥𝑗+1 𝑥 − 𝑥𝑘
𝑙𝑗 (𝑥) = … ∗ …
𝑥𝑗 − 𝑥0 𝑥𝑗 − 𝑥𝑗−1 𝑥𝑗 − 𝑥𝑗+1 𝑥𝑗 − 𝑥𝑘

Obtenga el polinomio de interpolación usando la fórmula de interpolación de Lagrange con la

siguiente tabla de valores e interpole en el punto 𝑥 = −3

𝑋𝐾 𝑌𝐾
1 10
-4 10
-7 34

Solución

Dados los puntos

(𝑥0 , 𝑦0 ) = (1,10)

(𝑥1 , 𝑦1 ) = (−4,10)

(𝑥2 , 𝑦2 ) = (−7,34)
 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 + 4)(𝑥 + 7) 𝑥 2 + 11𝑥 + 28
𝐿0 (𝑥) = = =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (1 + 4)(1 + 7) 40

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 − 1)(𝑥 + 7) 𝑥 2 + 6𝑥 − 7
𝐿1 (𝑥) = = =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (−4 − 1)(−4 + 7) +15

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 − 1)(𝑥 + 4) 𝑥 2 + 3𝑥 − 4
𝐿2 (𝑥) = = =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (−7 − 1)(−7 + 4) 24

polinomio resultante

𝑃(𝑥) = 𝐿0 (𝑥)𝑦0 + 𝐿1 (𝑥)𝑦1 + 𝐿2 (𝑥)𝑦2

evaluamos en 𝑥 = −3

(−3)2 + 11(−3) + 28 (−3)2 + 6(−3) − 7 (−3)2 + 3(−3) − 4

𝑃(𝑥) = (10) + (10) + (34)
40 15 24

𝑃(𝑥) = 6

Derivación numérica mediante polinomio de Newton

se establece en forma general que para un polinomio de grado n escrito en la forma:

𝑃𝑛 (𝑋) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )

Que pasa por los puntos 0,1,2…n los coeficientes 𝑎0 , 𝑎1 , 𝑎2 , … , 𝑎𝑛

𝑎0 = 𝑓[𝑥0 ]

𝑎1 = 𝑓[𝑥0, 𝑥1 ]

𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]

𝑎𝑛 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 ]

el polinomio de segundo grado a diferencias divididas queda

𝑃𝑛 (𝑋) = 𝑓[𝑥0 ] + 𝑓[𝑥0, 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )

Al derivar se queda

𝑑𝑃(𝑋)
= 𝑓[𝑥0, 𝑥1 ] + (2𝑥 − 𝑥0 − 𝑥1 ) + (𝑥0 , 𝑥1 , 𝑥2 )
𝑑𝑥

𝑑2 𝑃(𝑋)
= 2𝑓[𝑥0 , 𝑥1 , 𝑥2 ]
𝑑𝑥

obtenga la primera y segunda derivada evaluada en 𝑥 = 1 para la siguiente función tabulada

Puntos 0 1 2 3 4
X -1 0 2 5 10
f(x) 11 3 23 143 583
𝑓(𝑥1 ) − 𝑓(𝑥0 ) 3 − 11
𝑓´ = = =8
𝑥1 − 𝑥0 0+1

𝑓(𝑥2 ) − 𝑓(𝑥1 ) 23 − 3
𝑓´ = = = 10
𝑥2 − 𝑥1 2−0

siguiendo el mismo algoritmo se llenó la siguiente tabla

Puntos X f(x) Diferencias Diferencias

primeras segundas
0 -1 11 -8 6
1 0 3 10 6
2 2 23 40 6
3 5 143 88
4 10 583

𝑃2 (𝑋) = 11 + (1 + 1)(8) + (1 + 1)(1)(6) = 39

𝑑𝑃(𝑋)
= −8 + 2(1) + 1 + 0)(6) = 10
𝑑𝑥

𝑑2 𝑃(𝑋)
= 2(6) = 12
𝑑𝑥
Ajuste los datos que se muestran en la tabla con segmentarias cubicas y calcule el valor de la
función en X=5

puntos x f(x)
0 3 2.5
1 4.5 1
2 7 2.5
3 9 0.5

Solución:

i=1 i=2

X0=3.0 f(x0)=2.5 X1=4.5 f(x1)=1.0

X1=4.5 f(x1)=1.0 X2=7.0 f(x2)=2.5
X2=7.0 f(x2)=2.5 X3=9.0 f(x3)=0.5

(8f´´(4.5)+f´´(7)=9.6)9

(2.5f´´(4.5)+9f´´(7)=-9.5)2.5

72f´´(4.5)+22.5f´´(7)=86.4

-6.25f´´(4.5)-22.5f´´(7)=24

f´´=110/65.75=1.6791

1.6791 −1.5331 1.6791 1.6791(7 − 4.5)

7.53 + ( ) (5 − 4.5)3 + ( − ) (5 − 4.5) = 1.06
6(7 − 4.5) 6(7 − 4.5) 7 − 4.5 6

Ajuste por mínimos cuadrados

Ajustar a una recta por minimos cuadrados y estimar el valor de la función en X=1

X -1 0 3 7
f(x) 2 0 4 7

n Xi f(xi) Xi2 Xif(xi)

4 -1 2 1 -2
0 0 0 0
3 4 9 12
7 7 49 49
𝞢 9 13 59 59
 𝑛 𝑛

𝑎 ∙ 𝑛 + 𝑏 ∙ ∑ 𝑥𝑖 ∑ 𝑓𝑖
𝑖=1 𝑖=1

𝑎 ∙ 4 + 𝑏 ∙ 9 = 13
𝑎 ∙ 9 + 𝑏 ∙ 59 = 59
a=1.5225

b=0.7677

y=1.5225(1)+0.7677

y=2.2902

ajuste los siguientes datos por minimos cuadrados a una población y estime el valor de la final
x=0y x=2

X -3 -1 1 3 5 7
f(x) 14 4 2 8 22 44

n xi f(xi) Xi2 f(xi)xi Xi3 Xi4 Xi2 f(xi)

6 -3 14 9 -24 -27 81 126
-1 4 1 -4 -1 1 4
1 2 1 2 1 1 2
3 8 9 24 27 81 72
5 22 25 110 125 625 550
7 44 49 308 343 2401 2156
12 94 94 398 468 3190 2910

6𝑎0 + 12𝑎1 + 94𝑎2 = 94

12𝑎0 + 94𝑎1 + 468𝑎2 = 398

94𝑎0 + 468𝑎1 + 3190𝑎2 = 2910

𝑃(0) = 2 + (−1)(0) + 1(0)2 = 2

𝑃(2) = 2 + (−1)(2) + 1(2)2 = 4

EJERCICIO:

Los valores siguientes representan la cantidad S en gr de 𝑘2 𝐶𝑟2 𝑂7 disueltos en 10 partes de agua a

la temperatura t indicada en grados centígrados, la relación entre estas variables es :

T 0.0 10.0 27.4 42.1 𝑙𝑜𝑔10 5 = 𝑎 + 𝑏𝑡 + 𝑐𝑡 2

S 61.5 62.1 63.3 70.3

Calcule los parámetros a, b y c por el método de minimos cuadrados utilizando los datos de la
tabla

n Xi f(xi) Xi2 Xi3 Xi4 Xif(xi) Xi2f(xi)

4 0.0 61.5 0 0 0 0 0
10.0 62.1 100.0 1000 10000 621 6210
27.4 63.3 750.76 20570.8 563640.5 1734.4 47523.1
42.1 70.3 1772.41 74618.4 3141437.2 2959.6 124600.4
79.5 257.2 2623.17 96189.2 3715077.7 5315.05 138335.5

4𝑎0 + 79.5𝑎1 + 2623.1𝑎2 = 257.2

79.5𝑎0 + 2623.1𝑎1 + 96189.2𝑎2 = 5315.05
2623.1𝑎0 + 96189.2𝑎1 + 3715077.7𝑎2 = 178.335.531
𝑎0 = 61.31
𝑎1 = 0.086
𝑎2 = 3.078 ∗ 10−3

𝑙𝑜𝑔10 5 = 61.32 + 0.086𝑡 + 3.078 ∗ 10−3 𝑡 2

En el análisis de actividad α de la encima polifenoloxilaza de muestras de aguacate se obtuvieron

los siguientes datos los cuales están el función del tiempo de tratamiento 𝜭 y del tiempo de
𝑑𝛼
reacción 𝝆 en minutos. Calcule con un polinomio de lagrange para 𝝆=30 y𝜭=180
𝑑𝜌

Tiempo de 15 30 45 60
tratamiento
30 0.166 0.166 0.152 0.155
60 0.162 0.140 0.154 0.149
120 0.100 0.080 0.142 0.162
180 0.057 0.067 0.057 0.104
240 0.052 0.056 0.058 0.080
 𝑑𝛼 (2(30 − 30 − 45))0.057 (2(30 − 15 − 45))0.067 2(30 − 15 − 30)0.057
= + +
𝑑𝜌 (15 − 30)(15 − 45) (30 − 15)(30 − 45) (45 − 15)(45 − 30)

𝑑𝛼
=0
𝑑𝜌
Ejercicio

t(min) 40 45 50 55 60
0 0.7 0.7 0.7 0.7 0.7
2 0.578 0.5 0.427 0.382 0.360
4 0.447 0.357 0.261 0.208 0.184
6 0.394 0.255 0.184 0.113 0.096
8 0.325 0.182 0.097 0.073 0.049
10 0.209 0.130 0.054 0.034 0.026

X1 f(x) f´
45 0.2185
50 0.1405 9.5 ∗ 10−3
55 0.093 6.1 ∗ 10−4

𝑑𝑦
= 𝑓[−0.0156, −0.0095] + 2(53 − 45 − 55)( 6.1 ∗ 10−4 ) = −0.082
𝑑𝑥