METODOS NÚMERICOS

APROXIMACIONES
-INTERPOLACION DE NEWTON
-INTERPOLACION DE LAGRANGE
-INTERPOLACION DE HERMITE
-INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES)
-INTERPOLACION BILINEAL
 APLICACIÓN DE LA INTERPOLACIÓN BILINEAL EN
IMÁGENES

Interpolación de Newton Bilineal

Interpolación Lineal  Tiene en cuenta los valores en los pixeles conocidos que
La forma más simple de interpolación consiste en unir dos puntos con una rodean a uno dado en una vecindad de los 2x2 pixeles más
línea recta. Dicha técnica, llamada interpolación lineal, se ilustra de
cercanos.
manera gráfica en la figura
 Se toma el promedio ponderado de estos 4 pixeles y se
𝑓 𝑥1 − 𝑓 𝑥0 calcula el valor interpolado.
𝑓1 𝑥 = 𝑓 𝑥0 + 𝑥 − 𝑥0  El resultado está más suavizado que las imágenes obtenidas
𝑥1 − 𝑥0
utilizando el método del pixel más cercano.

Sabiendo que log200=2.301030 y log202=2.305351,calcular log201 por

intepolacion lineal (log designa el logaritmo en base10)

Ordenando datos:
𝑥0 = 200 , 𝑓(𝑥0 ) = 2.301030 ; 𝑥1 = 202 , 𝑓(𝑥1 ) = 2.305351

2.305351 − 2.301030 Imagen original Después de la interpolación

𝑓1 (𝑥) = 2.301030 + (𝑥 − 200)
202 − 200
= 2.301030 + 0.0021605(x − 200)

𝑅𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝑒𝑛 𝑓1 (201) 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑚𝑜𝑠 log(201) 𝑎 ∶ 𝟐. 𝟑𝟎𝟑𝟏𝟗𝟏

Ejemplo: Interpolación Cuadrática
1) Se tiene por función 𝑓(𝑥, 𝑦) que es desconocida, se pide Se denomina interpolación cuadrática a la que se realiza cuando tres puntos
reconstruir la función a partir de los siguientes cuatro puntos conocidos, y no alineados P (𝑥0 , 𝑦0 ), P (𝑥1 , 𝑦1 ) y P (𝑥2 , 𝑥2 ) se ajustan
que se le ha aplicado la función 𝒇(𝒙, 𝒚): mediante la parábola que pasa por ellos.
𝑓2 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
P(3,2)=35, 𝑓2 (𝑥) = 𝑏0 + 𝑏1 𝑥 − 𝑏1 𝑥0 + 𝑏2 𝑥 2 + 𝑏2 𝑥0 𝑥1 − 𝑏2 𝑥𝑥0 − 𝑏2 𝑥𝑥1
𝑓2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎1 𝑥 2
P(9,2)=101, 𝑎0 = 𝑏0 − 𝑏1 𝑥0 + 𝑏2 𝑥0 𝑥1 𝑎1 = 𝑏1 − 𝑏2 𝑥0 − 𝑏2 𝑥1 𝑎2 = 𝑏2
P(3,7)=100,
P(9,7)=286

Para la construcción de este

problema se sabía
previamente que la función
Hallar la funcion cuadratica de interpolacion correspondiente a los valores
𝒇(𝒙, 𝒚) es: 3X+Y+4XY. Con el problema propuesto se logrará a
obtener la misma función a partir de 4 puntos. X 1 3 4 5
35(9−𝑋)+101(𝑋−3) Y 4 9 ? 18
𝑓(𝑅1 )= = 2 + 11𝑥
6
Ordenando los datos
100(9−𝑋)+286(𝑋−3) 𝑥0 = 1 , 𝑓(𝑥0 ) = 4 ; 𝑥1 = 3 , 𝑓(𝑥1 ) = 9 ; 𝑥2 = 5 , 𝑓(𝑥2 ) = 18
𝑓(𝑅2 )= = 7+31X
6
(2+11𝑥)(7−𝑌)+(7+31𝑌)(𝑌−2) 15𝑋+5𝑌+20𝑋𝑌
18 − 9 9 − 4
− 9−4
𝑓(𝑃)= = 𝑏2 = 5 − 3 3 − 1 = 0.5 𝑏1 = = 2.5 𝑏0 = 4
5 5 5−1 3−1

𝑓(𝑃) = 3X+Y+4XY  Reemplazando en la primera ecuacion tenemos

f2(x) = 4 +2.5 (x – x0) +0.5 (x – x0) (x – x1)

El valor interpolado reemplazando en 𝑓2 (4)𝑒𝑠: 𝟏𝟑

Forma general de los polinomios de interpolación
de Newton
Cuadrado unidad
La resolución de un sistema de n ecuaciones con n incógnitas es un proceso largo y Si se escoge un sistema de coordenadas en los cuales los cuatro
pesado, a poco grande que sea n, tanto más cuando algunos coeficientes, como suele puntos donde f es conocido sean (0, 0), (0, 1), (1, 0) y (1, 1),
ocurrir en estos casos, son números muy grandes o decimales. Por eso no es de
entonces la fórmula de interpolación se simplifica notablemente a:
extrañar que los matemáticos se hayan esmerado en inventar otros métodos con los
que el polinomio interpolador se encuentre más rápidamente.
f(x,y)= f(0,0)(1-x)(1-y)+ f(1,0)(x)(1-y)+f(0,1)(1-x)(y)+f(1,1)(x)(y)

O equivalentemente, en forma matricial:

𝑓(0,0) 𝑓(0,1) 1 − 𝑦
f(x,y)= [1 − 𝑥 𝑥][ ][
𝑦
]
𝑓(1,0) 𝑓(1,1)
 Calcular ln3 con ln1, ln4, ln5 y ln6, los puntos que se conocen son:
x0 = 1 x1 = 4 x2 = 6 x3 = 5
f(x0) = 0 f(x1) =1.386294 f(x2) = 1.791759 f(x3) = 1.609438
donde, Resolviendo por diferencias divididas
𝑹𝟏 = (X, 𝒀𝟏 ) 𝒇(𝒙𝒊 ) Primero Segundo Tercero
0.20273−0.46029
𝒇(𝒙𝟎 ) 𝑓[𝑥1 , 𝑥0 ]=1.386294−0
4−1
= 𝟎. 𝟒𝟔𝟐𝟗𝟖 𝑓[𝑥1 , 𝑥0 , 𝑥0 ]=
4−1
= − 𝟎. 𝟎𝟓𝟏𝟖𝟕 𝑓[𝑥3 , 𝑥2 , 𝑥1, 𝑥0 ]=
−0.2041 − (−0.5187)
4−1
= 𝟎. 𝟎𝟎𝟕𝟖𝟔
1.79175−1.3863 0.18232−0.20273
𝑿𝟐 −𝑿 𝑿−𝑿𝟏 𝒇(𝒙𝟏 ) 𝑓[𝑥2 , 𝑥1 ]=
6−4
= 0.20273 𝑓[𝑥3 , 𝑥2 , 𝑥1]=
5−4
= − 0.02041

f(𝑹𝟐 )= 𝑿 f(𝑸𝟏𝟐 ) + f(𝑸𝟐𝟐 ) 𝒇(𝒙𝟐 ) 1.38629−1.79175

𝑓[𝑥3 , 𝑥1 ]= = 0.18232
𝟐 −𝑿𝟏 𝑿𝟐 −𝑿𝟏 5−6

𝒇(𝒙𝟑 )
𝑃𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 ∶
donde, 𝑓3 (𝑥) = 0 + 0.460298(3 − 1) − 0.05187(3 − 1)(3 − 4) + 0.00786(3 − 1)(3 − 4)(3 − 6)
Reemplazando en el polinomio tenemos: 𝑓3 (3) = 1.06916
𝑹𝟐 = (X, 𝒀𝟐 )
Errores de la interpolación polinomial de Newton
El error de interpolación es la diferencia, en valor absoluto, entre el valor de
Después se hace una interpolación en la dirección y: la función dada F y el que toma la función interpoladora P.
Error de Interpolación: 𝑬(𝒙) = | 𝑭(𝒙) − 𝑷(𝒙) |
𝑛

𝒀𝟐 −𝒀 𝒀−𝒀𝟏 𝑓(𝑥) = 𝑃(𝑥) + 𝑓[𝑥0 , 𝑥1 , . . . , 𝑥𝑛 , 𝑥] ∏(𝑥 − 𝑥𝑖 )

f(P)= 𝒀 f(𝑹𝟏 ) + f(𝑹𝟐 ) 𝑖=0
𝟐 −𝒀𝟏 𝒀𝟐 −𝒀𝟏 Se obtiene 𝐸(𝑥) = 𝑓[𝑥0 , . . . , 𝑥𝑛 , 𝑥] ∏𝑛𝑖=0(𝑥 − 𝑥𝑖 )

La estimación de este error se puede calcular empleando un punto adicional

→ Esto proporciona una estimación de f(x, y). (xn+1,fn+1).

Hay que tener en cuenta que se obtienen los mismos resultados si

la interpolación se hace primero en la dirección Y después en la
dirección X. Calcular la estimación del error del problema anterior y el error
porcentual si el valor verdadero de ln3 es 1.098612

El error porcentual cometido seria:

1.098612 − 1.06916
𝜀𝑡 = = 𝟐. 𝟔𝟖𝟎𝟖𝟑𝟕 %
1.098612

La estimación del error seria

𝑅𝑛 ≅ 0.00786(3 − 1)(3 − 4)(3 − 6) =0.04716
Obtención del polinomio de Lagrange a
partir del polinomio de interpolación de
Newton
Únicamente en el caso del polinomio de primer grado. Para
obtener la forma de Lagrange, reformulamos las diferencias
divididas.

De la primera diferencia dividida:

Se reformula y se obtiene:

Ordenando resulta en el Polinomio de Lagrange.

Los cuatro puntos Q muestran los datos conocidos y el punto P representa el
punto que queremos interpolar.

Supóngase que se quiere encontrar el valor para la

Polinomios de Interpolación de Lagrange función f desconocida en el punto P = (x, y). Conocemos el valor
de f en los cuatro puntos
Teorema Q11 = (x1, y1), Q12 = (x1, y2), Q21 = (x2, y1) y Q22 = (x2, y2).
Primero se hace una interpolación lineal en la dirección x. Esto
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 único genera:
polinomio P(x) de grado a lo más n, con la propiedad de que:
𝑿 −𝑿 𝑿−𝑿𝟏
f(xk) = P(xk), para cada k = 0, 1, 2, ...n f(𝑹𝟏 )= 𝑿 𝟐−𝑿 f(𝑸𝟏𝟏 ) + f(𝑸𝟏𝟏 )
𝟐 𝟏 𝑿𝟐 −𝑿𝟏
 N-ésimo polinomio de interpolación de
Lagrange
Interpolación Bilineal Este polinomio está determinado por:

n
La interpolación bilineal es una extensión de la interpolación lineal P x    f  x k Ln ,k  x   f x0 Ln , 0  x     f x n Ln ,n x 
para interpolar funciones de dos variables (por ejemplo, X e Y) en k 0

una malla regular de dos dimensiones.

Donde, para cada k = 0, 1, 2,…, n

La idea principal es realizar una interpolación lineal en una n

Ln ,k x   
x  xi   x  x0 x  x1 x  xk 1 x  xk 1 x  xn 
dirección, y después en la otra. Aunque cada uno de estos pasos es
lineal, la interpolación en su conjunto no es lineal sino cuadrática. i 0 xk  xi  xk  x0 xk  x1 xk  xk 1 xk  xk 1 xk  xn 
ik

Donde el π se lee como “producto de”. Desarrollándose por

Antes de iniciar debemos recordar: ejemplo para el caso de la versión lineal (n=1):

A P B Ejemplo:
-----b------- ----------------a----------------- Con un polinomio de interpolación de Lagrange de primero y
segundo grado evalúe ln 2 basándose en los siguientes datos:
-
x0 = 1 f(x0) = 0
𝐴(𝑎)+𝐵(𝑏) x 1= 4 f(x1) = 1.39
P= x2 = 6 f(x2) = 1.8
𝑎+𝑏
El polinomio de primer grado se utiliza para obtener la estimación
en x = 2

f1 2 
2  4 0  2  11.39  0.463
1  4 4  1
 De manera similar, el polinomio de segundo grado se desarrolla así:
f 2 2 
2  4(2  6) 0  2  1(2  6) 1.39  2  1(2  4) 1.8  0.566
1  4(1  6) 4  1(4  6) 6  1(6  4)
Razonamiento detrás del polinomio de Lagrange
El razonamiento detrás de la formulación de Lagrange se
comprende directamente al darse cuenta de que cada término
Ln,k(x) será 1 en x = xk y 0 en todos los otros puntos
n
Ln ,k  x   
x  xi 
i 0 xk  xi 
ik
De esta forma, cada producto Ln,k(x) f(xk) toma el valor de f(xk) en el
punto xk.
Ejemplo:
En la figura, cada uno de los
tres términos en la ecuación
pasa a través de uno de los
puntos que se tienen como
datos y es cero en los otros
dos. La suma de los tres
términos, por lo tanto, debe
ser el único polinomio de
segundo grado f2(x) que
pasa exactamente a través
de los tres puntos.
Así, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en
consecuencia, 4n incógnitas
a evaluar. Como con los trazadores cuadráticos, se requieren 4n
condiciones para
evaluar las incógnitas. Éstas son:
1. Los valores de la función deben ser iguales en los nodos interiores
(2n – 2 condiciones).
2. La primera y última
función deben pasar a
través de los puntos
extremos (2 condiciones).
3. Las primeras derivadas
en los nodos interiores
deben ser iguales (n – 1
condiciones).
4. Las segundas derivadas
en los nodos interiores
deben ser iguales (n – 1
condiciones).
5. Las segundas derivadas
en los nodos extremos son
cero (2 condiciones).

3. Las primeras derivadas en los nodos interiores deben ser
iguales. La primera derivada de la ecuación cuadrática es:
𝑓(𝑥) = 𝑎𝑖 𝑥 2 + 𝑏𝑖 𝑥 + 𝑐𝑖
𝑓′(𝑥) = 2𝑎𝑖 𝑥 + 𝑏𝑖
Por lo tanto, de manera general la condición se representa
como
El error en la interpolación de Lagrange
Sea f: I → R, {xi}ni=0 ⊆ I, xi ≠ xj para i ≠ j y supongamos que f es derivable
n+ 1 veces en I con derivada continua =⇒ ∀x ∈ I, ∃ξx ∈ menor de los
intervalos que contiene a los puntos x, x0, x1, . . . , xn tal que :
f ( n1)   n
E ( x )  f ( x )  P x  
n  1! 
( x  xi )
i 0
Donde p(x) es el polinomio que interpola a f en {xi}ni=0

2𝑎𝑖−1 𝑥𝑖−1 + 𝑏𝑖−1 = 2𝑎𝑖 𝑥𝑖−1 + 𝑏𝑖 Método de Neville

Sea f definida en x, x0, x1,. . ., xk y sean xj y xi dos números distintos en

4. Suponga que en el primer punto la segunda derivada es cero. este conjunto. Entonces:

Como la segunda derivada de la ecuación cuadrática es 2𝑎𝑖 ,

entonces esta condición se puede expresar matemáticamente
como:
𝑓′(𝑥) = 2𝑎𝑖 𝑥 + 𝑏𝑖 → 𝑓′′(𝑥) = 2𝑎𝑖 → 2𝑎𝑖 = 0 → 𝑎𝑖 = 0
Es el k-ésimo polinomio de Lagrange que interpola f en los puntos
k+1 x, x0, x1,. . ., xk.

Ejemplo:

El método de Neville para n = 2.

TRAZADORES CÚBICOS
El objetivo en los trazadores cúbicos es obtener un polinomio de
tercer grado para cada
intervalo entre los nodos:

𝑓𝑖 (𝑥) = 𝑎𝑖 𝑥 3 + 𝑏𝑖 𝑥 2 + 𝑐𝑖 𝑥 + 𝑑𝑖
Interpolación de Hermite Para n + 1 datos (i = 0, 1, 2,..., n) existen n intervalos y, en
consecuencia, 3n constantes
¿Qué es la interpolación de Hermite? desconocidas(a, b y c) por evaluar. Por lo tanto, se requieren 3n
• La interpolación de Hermite es un método que nos permite ecuaciones o
hallar una función que cumpla con los datos brindados. condiciones para evaluar las incógnitas. Éstas son:
• Se debe tener “n” puntos en un intervalo especifico
• La función debe ser derivable y continua
• La idea es crear un polinomio que satisfaga las siguientes
condiciones: 1. Los valores de la función de polinomios adyacentes deben
1.- Que pase por los mismos puntos : ser iguales en los nodos
f(xi)=h(xi) , ∀ i ∈ {0,1,2….,n} interiores. Esta condición se representa como:

2.- Que las derivadas coincidan 𝑓(𝑥𝑖−1 ) = 𝑎𝑖−1 𝑥 2 𝑖−1 + 𝑏𝑖−1 𝑥𝑖−1 + 𝑐𝑖−1
𝑓(𝑥𝑖−1 ) = 𝑎𝑖 𝑥 2 𝑖−1 + 𝑏𝑖 𝑥𝑖−1 + 𝑐𝑖

Si f es continua ∈ [a,b] y los puntos {xi} ∈ [a,b] son distintos , entonces

existe un único polinomio de menor grado que satisface las
condiciones (1) y (2) , este polinomio de hermite de grado “2n+1”
(como máximo) que esta dado por :

2. La primera y la última función deben pasar a través de los

𝑛 𝑛

ℎ(𝑥) = ∑ 𝑓(𝑥𝑖 ) 𝐻𝑛,𝑗 (𝑥) + ∑ 𝑓′(𝑥𝑖 ) + Ĥ𝑛,𝑗 (𝑥) puntos extremos.

𝑗=0 𝑗=0

𝑓(𝑥0 ) = 𝑎1 𝑥 2 0 + 𝑏1 𝑥0 + 𝑐1
2
𝐻𝑛,𝑗 (𝑥) = [1 − 2(𝑥 − 𝑥𝑗 )𝐿′ 𝑛,𝑗 (𝑥𝑗 )]𝐿 𝑛,𝑗 (𝑥) 𝑓(𝑥𝑛 ) = 𝑎𝑛 𝑥 2 𝑛 + 𝑏𝑛 𝑥𝑛 + 𝑐𝑛

Ĥ𝑛,𝑗 (𝑥) = (𝑥 − 𝑥𝑗 )𝐿2 𝑛,𝑗 (𝑥)

𝑛
(𝑥 − 𝑥𝑗 ) También
𝐿𝑛,𝑗 (𝑥) = ∏ conocido como la
(𝑥 − 𝑥𝑗 )
𝑖=0 ,𝑖≠j base de Lagrange
 • Ejemplo
• Use el polinomio de Hermite que concuerda con los datos
listados en la siguiente tabla para encontrar una
3 aproximación de f(1.5).
f(x)
2.5
k Xk F(Xk) F’(Xk)

2 0 1.3 0.6200860 -0.5220232

1.5 1 1.6 0.4554022 -0.5698959

2 1.9 0.2818186 -0.5811571

1

0.5 Primero calculamos los polinomios de Lagrange y sus derivadas

0 (𝑥−𝑥1 )(𝑥−𝑥2 ) 50𝑥2 175𝑥 152

𝐿2,0 (𝑥) = (𝑥 = − +
3 4.5 7 9 0 −𝑥1 )(𝑥0 −𝑥2 ) 9 9 9

100𝑥 175
𝐿′2,0 (𝑥) = −
9 9
f(x)
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) 100𝑥2 320𝑥 247
𝐿2,1 (𝑥) = =− − +
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) 9 9 9

TRAZADORES CUADRÁTICOS
200𝑥 320
𝐿′2,1 (𝑥) = − −
El objetivo de los trazadores cuadráticos es obtener un polinomio de 9 9

segundo grado
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) 50𝑥2 145𝑥 104
para cada intervalo entre los datos. De manera general, el polinomio 𝐿2,2 (𝑥) = = − +
(𝑥2 − 𝑥1 )(𝑥2 − 𝑥0 ) 9 9 9
en cada intervalo se representa como:
100𝑥 145
𝑓(𝑥) = 𝑎𝑖 𝑥 2 + 𝑏𝑖 𝑥 + 𝑐𝑖 : 𝐿′2,2 (𝑥) =
9
−
9
 • Los polinomios 𝐻2,𝑗 (𝑥)y Ĥ2,𝑗 (𝑥)
Ejemplo:
2
100(1,3) 175 50𝑥 175𝑥 152 2
𝐻2,0 (𝑥) = [1 − 2(𝑥 − 1,3)( − )]( − + ) Ajuste los datos de la tabla con trazadores de primer grado. Evalúe la
9 9 9 9 9
función en x = 5.
50𝑥 2 175𝑥 152 2
𝐻2,0 (𝑥) = [1 − 2(𝑥 − 1,3)(5)]( − + ) Datos para ajustarse con trazadores.
9 9 9

50𝑥 2 175𝑥 152 2

X f (x)
𝐻2,0 (𝑥) = (10𝑥 − 12)( − + )
9 9 9 𝑥0 3.0 2.5
−100𝑥 2 320𝑥 247 2 𝑥1 4.5 1.0
𝐻2,1 (𝑥) = (1)( − + )
9 9 9
𝑥2 7.0 2.5
50𝑥 2 145𝑥 104 2
𝐻2,2 (𝑥) = (10)(2 − 𝑥)( − + ) 𝑥3 9.0 0.5
9 9 9

50𝑥 2 175𝑥 152 2 Solución: Se utilizan los datos para determinar las pendientes entre
Ĥ2,0 (𝑥) = (𝑥 − 1,3)( − + ) los puntos.
9 9 9
Por ejemplo, en el intervalo de x = 4.5 a x = 7 la pendiente se calcula
−100𝑥 2 320𝑥 247 2
Ĥ2,1 (𝑥) = (𝑥 − 1,6)( − + ) con la ecuación 𝒎𝒊
9 9 9

50𝑥 2 145𝑥 104 2

Ĥ2,2 (𝑥) = (𝑥 − 1,9)( − + ) f(x2 )−f(x1 ) 2.5−1 1.5
9 9 9
Finalmente: m1 = = = = 0.6
x2 −x1 7−4.5 2.5
𝐻5 (𝑥) = 0,6200860𝐻2,0 (𝑥) + 0.4554022𝐻2,1 (𝑥)
+ 0,2818186𝐻2,2 (𝑥) − 0,5220232Ĥ2,0 (𝑥)
f(5) = f(x1 ) + m1 (x − x1 )
− 0,5698959Ĥ2,1 (𝑥) − 0,5811571Ĥ2,2 (𝑥)
f(5) = f(4.5) + 0.6(5 − 4.5)
4 64
𝐻5 (1,5) = 0,6200860𝐻2,0 ( ) + 0.4554022𝐻2,1 ( ) f(5) = 1 + 0.6(0.5)
27 81
5 4
+ 0,2818186𝐻2,2 ( ) − 0,5220232Ĥ2,0 ( ) f(5) = 1 + 0.3f(5) = 1.3
81 405
32
− 0,5698959Ĥ2,1 (− )
405
2
− 0,5811571Ĥ2,2 (− ) = 0.5118277
405
 INTERPOLACIÓN MEDIANTE TRAZADORES (SPLINES)
Esto se vuelve muy complicado para resolver , por la cantidad de
- Interpolación: estimar valores intermedios entre datos definidos por cálculos ; entonces podemos volverlo mas amigable :
se generan nuevos puntos
puntos Ahora definimos
- Trazadores: Polinomios conectores de grado inferior en {𝑍𝑖 } 𝑑𝑜𝑛𝑑𝑒 𝑍2𝑖 = 𝑍2𝑖+1 = 𝑥1
subconjuntos de los datos.
𝐹[𝑧𝑖 ] = 𝑓(𝑧𝑖 )
TRAZADORES LINEALES:
𝐹[𝑧2𝑖, 𝑧2𝑖+1 ] = 𝑓′(𝑧2𝑖 )
Conjunto de funciones lineales
𝐹[𝑧𝑘+1 ] − 𝐹[𝑧𝑘 ]
𝑓(𝑥) = 𝑓(𝑥𝑛−1 ) + 𝑚𝑛−1 (𝑥 − 𝑥𝑛−1 ) 𝑥𝑛−1 ≤ 𝑥 ≤ 𝑥𝑛 𝐹[𝑧𝑘, 𝑧𝑘+1 ] =
𝑧𝑘+1 − 𝑧𝑘
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) Podemos usar la siguiente formula
𝑚𝑖 =
𝑥𝑖+1 − 𝑥𝑖 2𝑛+1

ℎ2𝑛+1 (𝑥) = 𝑓 [𝑧0 ] + ∑ 𝑓[𝑧0 … . 𝑧𝑘 ] (𝑥 − 𝑧0 )(𝑥 − 𝑧 ) … . (𝑥 − 𝑧𝑘−1 )

𝑚𝑖 , Es la pendiente de la línea recta que une los puntos 𝑘=0
1

Se pueden usar para evaluar la función en cualquier punto entre 𝑥0 y

𝑥𝑛 localizando primero el intervalo dentro del cual está el punto.
Después se usa la ecuación adecuada para determinar el
valor de la función dentro del intervalo.
 • Usando los datos del problema anterior y el método de
diferentes divisas para determinar la aproximación de
H(X) en x=1,5

𝑓(𝑥2 ) − 𝑓(𝑥0 ) 𝑓(1,6) − 𝑓(1,3)

(1) … . ….
𝑥2 − 𝑥0 1,6 − 1,3
0,4554022 − 0,6200860
= −0.5489460
1,6 − 1,3
−0.5489460 − (−0,5220232)
= −0.0897427
1,6 − 1,3
• El valor del polinomio de Hermite en 1,5 es:

𝐻5 (1,5) = 𝑓[1,3] + 𝑓 ′ (1,3)(1,5 − 1,3)

− 𝑓[1,3; 1,3; 1,6](1,5 − 1,3)2
+ 𝑓[1,3; 1,3; 1,6; 1,6](1,5 − 1,3)2 (1,5 − 1,6)
+ 𝑓[1,3; 1,3; 1,6; 1,6; 1,9](1,5 − 1,3)2 (1,5
− 1,6)2 + 𝑓[1,3; 1,3; 1,6; 1,6; 1,9; 1,9](1,5
− 1,3)2 (1,5 − 1,6)2 (1,5 − 1,9)

= 0,6200860 + (−0,5220232)(0,2)
+ (−0,0897427)(0,2)2
+ 0,0663657(0,2)2 (−0,1)
+ 0,0026663(0,2)2 (−0,1)2
+ (−0.0027738)(0,2)2 (−0,1)2 (−0,4)

= 0,5118277