LECCIÓN 1

Aproximación e Interpolación

1.1. Introducción

Un problema que se presenta con frecuencia en las ciencias experimentales

y la ingenierı́a es tratar de construir una función de la que conocemos una
serie de datos. Estos datos pueden ser fruto de las observaciones realizadas en
un determinado experimento en el que se relacionan dos o más variables. El
objetivo será determinar una función que verifique o aproxime estos datos y
que además sea fácil de construir y de evaluar.

EJEMPLO 1.1

• Sometemos un resorte mecánico a la acción de diferentes fuerzas y medimos su

longitud. Los resultados se recogen en la siguiente tabla.
Fuerza Longitud Fuerza Longitud
(Newton) (cm) (Newton) (cm)
2 7.0 6 12.3
3 8.3 8 14.4
5 11.3 10 15.9
La ley Hooke establece que el alargamiento del resorte es proporcional a la
fuerza aplicada aplicada,

L = L0 + k F . (1.1.1)

La fórmula (1.1.1) define una dependencia lineal entre las variables L y F . Sin
embargo, la representación gráfica de los datos de la tabla anterior nos muestra
que éstos no están sobre una lı́nea recta. Estas pequeñas variaciones pueden
deberse a errores efectuados en las medidas. La siguiente gráfica nos muestra
la recta que “mejor” se aproxima a estos datos en el sentido de los mı́nimos
cuadrados.

1
2 1. APROXIMACIÓN E INTERPOLACIÓN

15

12.5

10

7.5

2.5

2 4 6 8 10

Fig. 1.1. Recta que aproxima a los datos

En ocasiones, aún conociendo la función f , puede interesarnos sustituirla por

otra que se aproxime “bien” a ella y que sea mucho más fácil de evaluar. Esta
es la forma en que las calculadores cientı́ficas, por ejemplo, obtienen el valor
de una función como sen x, log x, ex , etc.

EJEMPLO 1.2
• La función f (x) = sen x puede aproximarse por el polinomio
x3 x5
p(x) = x − +
6 120
en el intervalo [−1, 1].
En la siguiente tabla se aprecia que se trata de una “buena” aproximación
x f (x) p(x) E(x) = |f (x) − p(x)|
0 0 0 0
0.1 0.09983341665 0.09983341667 2.0 × 10−11
0.2 0.1986693308 0.1986693333 2.5 × 10−9
0.3 0.2955202067 0.2955202500 4.3 × 10−8
0.4 0.3894183423 0.3894186667 3.2 × 10−7
0.5 0.4794255386 0.4794270833 1.5 × 10−6
0.6 0.5646424734 0.5646480000 5.5 × 10−6
0.7 0.6442176872 0.6442339167 1.6 × 10−5
0.8 0.7173560909 0.7173973333 4.1 × 10−5
0.9 0.7833269096 0.7834207500 9.3 × 10−5
1. 0.8414709848 0.8416666667 2.0 × 10−4
Los pequeños errores que aparecen están sobradamente recompensados por la
ventaja que supone manejar una función polinómica.
 1.1. INTRODUCCIÓN 3

Por su sencillez y operatividad los polinomios constituyen un tipo de funciones

usadas frecuentemente en teorı́a de aproximación. Sin embargo, no siempre
dan una respuesta satisfactoria, especialmente si la solución del problema re-
quiere el uso de polinomios de alto grado. Esto justifica la necesidad de utilizar
otro tipo de funciones: racionales, trigonométricas, splines, etc.

EJEMPLO 1.3
• En muchas aplicaciones de la ingenierı́a industrial (diseño de coches, aviones,
etc..) se plantea la necesidad de trazar curvas “suaves” que han de pasar por
unos puntos dados. Como muestra la siguiente gráfica, la solución del problema
mediante una función polinómica (en este caso de grado 9) no es satisfactoria.
Una solución óptima se obtiene utilizando funciones splines.

2 4 6 8 10 12 14

-2.5

-5

-7.5

-10

-12.5

-15

Fig. 1.2. Función polinómica ( ) ; Función spline ( )

• En diseño asistido por ordenador se utilizan las curvas Bézier generadas por
n + 1 puntos, Pi , i = 0, 1, · · · , n. La poligonal que une los puntos Pi , i =
0, 1, · · · , n, se denomina polı́gono de control de la curva. La curva Bézier
sólo interpola en los puntos P0 y Pn ; el resto de los puntos determinan la forma
de la curva.
4 1. APROXIMACIÓN E INTERPOLACIÓN

P0
2

1.5

P3 1 P1
0.5

-3 -2 -1 1 2 3
-0.5

-1 P2

Fig. 1.3. Curva Bézier y polı́gono de control

En su planteamiento más general, la aproximación de funciones consiste en

sustituir una función dada (definida en un intervalo [a, b] o de la que sólo
conocemos algunos datos en un conjunto finito de puntos) por otra que sea
más sencilla y fácil de manejar. Aunque hemos utilizado el término de aproxi-
mación para referirnos a los problemas descritos en los ejemplos anteriores,
generalmente se distingue entre:
• problemas de interpolación cuando la función que buscamos debe co-
incidir con la función dada en una serie de datos (datos de interpo-
lación)
• problemas de aproximación cuando lo que se pretende es encontrar
una función que se aproxime a la función dada, pero que no coincida
necesariamente con ella en un conjunto de datos.
Se trata de dos problemas que persiguen un mismo objetivo (y que en al-
gunos casos confluyen) pero conceptualmente muy distintos y que se abordan
mediante técnicas de cálculo muy diferentes.