Está en la página 1de 9

Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.

Checa

INTERPOLACIÓN : POLINOMIOS DE INTERPOLACIÓN EN LA FORMA


DE LAGRANGE Y DE NEWTON

1. CONCEPTOS PRELIMINARES SOBRE INTERPOLACIÓN.


2. EJERCICIOS SOBRE INTERPOLACIÓN DE LAGRANGE Y DE
NEWTON EN DIMENSIÓN UNO. INTERPOLACIÓN A TROZOS.
3. EJERCICIO SOBRE INTERPOLACIÓN EN DOS DIMENSIONES
4. EJERCICIOS PROPUESTOS.

El siguiente material teórico se estructura para la posterior realización de una práctica


que trata algunos aspectos de la interpolación polinomial en una dimensión (interpolación de
Lagrange y de Newton) introduciéndonos en interpolación en dos dimensiones abordando el
problema también mediante comandos propios del programa. La manera de llevar a cabo las
prácticas es por medio del planteamiento, discusión y resolución de una serie de ejercicios tipo
que ayudan a clarificar por otro lado la teoría que previamente se expone y desarrolla en clase.
Para ampliar las demostraciones y discusión de algunos resultados teóricos, el lector puede
acudir a los textos que se citan en la bibliografía de la asignatura.

INTERPOLACIÓN POLINOMIAL. INTERPOLACIÓN EN DIMENSIÓN 1

El problema de la interpolación polinomial en dimensión 1 reside básicamente en lo siguiente:

Problema de la Interpolación polinomial:

Dados n + 1 puntos del plano A0 , A1 ,..., An de coordenadas (x 0 , y 0 ), (x1 , y1 ),..., (x n , y n ) se trata


de buscar un polinomio de grado a lo sumo n , Pn (x ) tal que Pn ( x i ) = y i para todo
i = 0,1,..., n (es decir deberá pasar por todos los puntos)

El siguiente resultado responde a la pregunta de la existencia y unicidad del polinomio


de interpolación.

Teorema. Si x 0 , x1 ,..., x n son números reales distintos, entonces para valores


cualesquiera y 0 , y1 , y 2 ,..., y n existe un único polinomio Pn (x ) , de a lo sumo
grado n, de manera que Pn ( xi ) = yi (i = 0,1,..., n) .

Observación. Por ejemplo dados dos puntos del plano, existe un polinomio de grado a
lo sumo uno(es una recta) que pasa por los puntos o dados tres puntos existe un
polinomio de grado a lo sumo dos que pasa por esos tres puntos, etc.

1.- Obtención del polinomio interpolador mediante la resolución de un


sistema de ecuaciones

Ejemplo. a) Dados los puntos del plano de coordenadas (1, 2), (2,3) encontrar el
polinomio de grado uno(recta) que interpola estos datos
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

b) Dados los puntos del plano (1, 2), (2,3) y (3,1) obtener el polinomio de
interpolación de grado ≤ 2(recta o parábola según proceda) que interpola estos datos.

Para el caso general supongamos dados n + 1 puntos del plano A0 , A1 ,..., An de


coordenadas (x 0 , y 0 ), (x1 , y1 ),..., (x n , y n ) . Se trata de buscar un polinomio de grado a lo
sumo n , Pn ( x) = a0 + a1 x + a2 x 2 + .... + an x n tal que Pn ( x i ) = y i para todo i = 0,1,..., n
(es decir deberá pasar por todos los puntos). Si obligamos a que el polinomio pase por
todos los puntos se obtiene el sistema de ecuaciones

a0 + a1 x0 + a2 x0 2 + .... + an x0 n =
y0
a0 + a1 x1 + a2 x12 + .... + an x1n =y1
a0 + a1 x2 + a2 x2 2 + .... + an x2 n =
y2


a0 + a1 xn + a2 xn 2 + .... + an xn n =
yn

cuya matriz coeficientes es la matriz de Vandermonde y cuya solución nos ofrece los
coeficientes(incógnitas) ai del polinomio interpolador buscado.
1 x0 x0 2  x0 n 
 
1 x1 x12  x1n 
1 x2 x2 2  x2 n 
 
     
1 xn 2  xn n 
 xn

2.- Obtención del polinomio interpolador mediante la forma de Lagrange

Ejercicio. Construír el polinomio de interpolación en la forma de Lagrange para el caso


lineal con dos puntos del plano y para el caso parabólico de tres puntos no alineados.
Representar gráficamente las funciones li ( x) destacando sus propiedades básicas.
Ejercicio. Igual que el ejercicio anterior pero para los datos concretos (0,1) y (1,3)
para la recta y (0,1) , (1,3), y (2, 2) para la parábola.
Sugerencia. La sugerencia para resolver los dos ejercicios anteriores es empezar
planteando y 0 l 0 ( x ) + y1l1( x ) para el primero y y 0 l 0 ( x ) + y1l1( x ) + y 2 l 2 ( x ) para el segundo
aplicando la fórmula que viene a continuación para el cálculo de cada elemento.

La generalización para la expresión del polinomio de interpolación para n+1 puntos es

Forma de Lagrange del polinomio interpolador:

i =n j =n x − xj
P( x) = ∑ yi li ( x) siendo li ( x) = ∏ , (0 ≤ i ≤ n ) (0 ≤ i ≤ n)
i =0 j =0 xi − x j
j ≠i
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

Si importante es disponer de la expresión para el cálculo del polinomio de interpolación,


no es menos el disponer de fórmulas que establezcan cotas de error, como es el resultado que
enunciamos a continuación:

Teorema. Sea f una función con derivadas continuas hasta la de orden n+1, es
decir f ∈ C n +1 [a , b] , y supongamos que P es un polinomio de grado ≤ n que
interpola a la función f en n+1 puntos distintos x0 , x1 ,..., xn del intervalo [a, b] .
Para cada x ∈ [a, b] existe un punto x x ∈ (a, b ) tal que
i =n

∏ (x − x )
1 ( n +1)
f ( x ) − P( x ) = f (x x ) i (error puntual)
( n + 1)! i =0

Ejemplo. Aplicar la fórmula de acotación anterior si se aproxima la función f ( x) = sen x


mediante un polinomio de grado 9 que interpola a la función en 10 puntos del intervalo [ 0,1]

Ejercicio. Utilizar el polinomio de interpolación de Lagrange de grado tres o menor y aritmética


de cuatro dígitos truncando, para aproximar cos 0.75 utilizando los siguientes valores
= =
cos 0.698 0.7661, =
cos 0.733 0.7432, =
cos 0.768 0.7193, cos 0.803 0.6946 .
Determinar una cota de error para la aproximación.

Ejercicio.(P) Calcular los polinomios de interpolación de Lagrange para las siguientes


funciones obteniendo cota del error absoluto en el intervalo [ x0 , xn ]
a) f=
( x) e 2 x cos 3 x, =
x0 0,=x1 0.3,=
x2 0.6
f=
( x) ln x, =
x0 0,=x1 0.25,=
x2 0.5,=
x3 1.4

Ejercicio. Construír el polinomio de interpolación de Lagrange para los datos


(1, 2) , (2,5), (3.5,5) y (5, 4)

Ejercicio. Construír el polinomio de interpolación de Lagrange para los datos


(−2, −3) , (0, −2), (2, −4) , (3, 2) y (4,3)

Observación. Contrariamente a lo que se pueda pensar sobre la aproximación a una función


por polinomios, no es cierto que a medida que aumenta el número de puntos igualmente
n
espaciados disminuya el error. En la fórmula del error figura el factor ∏ (x − x ) .
i =0
i Una

pregunta importante sobre este término es

Cuestión. ¿Es posible elegir los nodos xi tal que se minimice el término general del error
i =n

∏ (x − x )
1 ( n +1)
f ( x ) − P( x ) = f (x x ) i ?. La respuesta es afirmativa y deben elegirse de
( n + 1)! i =0
una forma concreta que está relacionada con la elección de los nodos como las raíces de
ciertos polinomios denominados polinomios de Tchebyshev.
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

Definición. Se definen recursivamente los polinomios de Tchebyshev como

T0 ( x) = 1 

T1 ( x) = x 
Tn +1 ( x) = 2 xTn ( x) − Tn −1 ( x), n ≥ 1

Se prueba que para x ∈ [− 1,1] , el sistema polinomial anterior se puede poner


como Tn ( x) = cos(n.ar cos x) para n ≥ 0 .

Ejercicio. Obtener la expresión del polinomio de Tchebyshev de grado dos y de grado tres.

Destaquemos algunas propiedades de estos polinomios, que son consecuencia inmediata de la


definición anterior

Propiedades.

1. Tn ( x) ≤ 1 , (−1 ≤ x ≤ 1)

2. Tn (cos( )) = (−1) j (0 ≤ j ≤ n )
n
2j −1
3. Tn (cos( )π=
) 0 (1 ≤ j ≤ n ) (raíces de Tn)
2n

Tenemos el siguiente resultado:

Teorema. Si se eligen como nodos xi las raíces de los polinomios de Tchebyshev


Tn (x) , se cumple que para x ≤ 1

1
f ( x) − P( x) ≤ max f ( n +1) (t )
2 (n + 1)! t ≤1
n

Obsérvese que si la derivada n-ésima estuviera acotada se tendría la


convergencia cuando el número de nodos aumenta.

Ejercicio. (Verlo de forma práctica mediante el fichero de fenómeno Runge) Interpretar los
resultados del siguiente experimento numérico y extraer algunas conclusiones:
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

a) Defina p como el polinomio de grado 20 que interpola a la función f ( x) = (1 + 6 x 2 ) −1 en 21


nodos igualmente espaciados en el intervalo [ −1, 1] . Incluir como nodos a los extremos del
intervalo. Imprimir una tabla con los valores de la función, del polinomio de interpolación y
de la función error respectivamente f ( x), p( x), y f ( x) − p( x) en 41 puntos igualmente
espaciados en el intervalo.
b) Repetir el experimento usando los nodos de Chebyshev dado por
 (i − 1)π 
x i = cos   , (1 ≤ i ≤ 21) .
 20 

Nota: Como señalábamos con anterioridad, si se da una función continua f sobre un intervalo
[a, b] y si se construyen para f polinomios de interpolación Pn (x) de grados cada vez mayores
con nodos igualmente espaciados, cabría esperar que esta sucesión de polinomios convergiera
uniformemente a la función f en el intervalo [a, b] . Es decir se podría esperar que la cantidad
f − Pn = max f ( x) − Pn ( x) convergiera a cero cuando n → ∞ . Sorprendentemente para la
a ≤ x ≤b
mayoría de funciones continuas la cantidad anterior no converge a cero. Es decir los polinomios
de grado cada vez mayor, aumentando el número de nodos igualmente espaciados, no converge
a la función.

3.- Obtención del polinomio interpolador en la forma de Newton(opción


diferencias divididas)

Supongamos que Pn ( x) es el polinomio de interpolación para los datos


( x0 , y0 ), ( x1 , y1 ),...., ( xn , yn ) que disponemos por comodidad en forma de tabla

x0 x1 x2 … xn
y0 y1 y2 … yn

Es frecuente tomar algún dato adicional ( xn +1 , yn +1 ) en un momento concreto de la


experimentación y querer aprovechar los cálculos realizados del polinomio anterior Pn ( x) para
la construcción del polinomio interpolador Pn +1 ( x) que interpole todos los datos
( x0 , y0 ), ( x1 , y1 ),...., ( xn , yn ), ( xn +1 , yn +1 ) . En la forma de Lagrange deben realizarse todos los
cálculos de nuevo. En cambio con el planteamiento de Newton sí es posible aprovechar los
cálculos anteriores. Veamos cómo realizarlo.
Deseamos por tanto construír un nuevo polinomio Pn +1 ( x) que interpole ( x0 , y0 ) , ( x1 , y1 ) ,….,
( xn +1 , yn +1 )

La idea de esta forma de Newton se basa en poner

Pn +1 ( x) = Pn ( x) + A( x − x0 )( x − x1 )...( x − xn )
((((((((
polinomio grado n +1

que es un polinomio de grado n+1 que cumple


Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

Pn +1 ( =
x0 ) Pn ( x0 ) + = 0 y0  
 
Pn +1 ( =
x1 ) Pn ( x1 ) += 0 y1  
 
........................................ 
Pn +1 ( =
xn ) Pn ( xn ) = + 0 yn  

Pn +1 ( xn=+1 ) P n ( xn +1 ) + A ( xn +1 − x0 )( xn +1 − x1 )....( xn +1 − =
xn ) y 
n +1 

De la última igualdad se despeja A obteniendo

Pn +1 ( xn +1 ) − Pn ( xn +1 )
A=
( xn +1 − x0 )( xn +1 − x1 )........( xn +1 − xn )

Es evidente que esta idea se utiliza para el cálculo de la secuencia de polinomios Pn ( x) ,


Pn −1 ( x) ,etc de menos grado a mayor grado. Es decir si se tiene calculado P1 ( x) para dos puntos
calculamos P2 ( x) para tres, y así sucesivamente.

Ejemplo. a) Dados los puntos del plano de coordenadas (1, 2), (2,3) encontrar el polinomio de
grado uno(recta) que interpola estos datos.
b)Apoyándose en a) construír el polinomio de interpolación de grado ≤ 2(recta o parábola según
proceda) que interpola los puntos del plano (1, 2), (2,3) y (3,1) .
c) Construír el polinomio para los datos (1, 2), (2,3) , (3,1) y (5, 0)

Siguiendo la idea comentada podemos construír las denominadas diferencias divididas, para lo
que ponemos

Pn ( x) =A0 + A1 ( x − x0 ) + A2 ( x − x0 )( x − x1 ) + ... + An ( x − x0 )( x − x1 ).....( x − xn −1 )

y las definimos de la forma siguiente

Definición(Diferencias divididas)

a) Llamamos diferencia dividida de orden cero de una función f(x) y lo denotamos por
f [ xi ] a yi
b) Llamamos diferencia dividida de orden uno de una función f(x) y lo denotamos por
f [ xi +1 ] − f [ xi ] yi +1 − yi
f [ xi , xi +1=
] a f [ xi , xi +1 ] =
xi +1 − xi xi +1 − xi
c) Llamamos diferencia dividida de orden dos de una función f(x) y lo denotamos por
f [ xi +1 , xi + 2 ] − f [ xi +1 , xi ]
f [ xi , xi +1 , xi + 2 ] =
xi + 2 − xi
d) Llamamos diferencia dividida de orden superior de una función f(x) a la que se obtiene
de la siguiente ley de recurrencia
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

 f [ x1 , x2 ,..., xk ] − f [ x0 , x1 ,..., xk −1 ]
 f [ x0 , x1 ,..., xk ] =
 xk − x0
 f=
 [ xi ] y= i, i 0,1,..., n

Esta formulación anterior permite formar las diferencias divididas de orden superior a partir de
las de un orden menor

Propiedad. Se cumple que Ai = f [ x0 , x1 ,..., xi ]

Con todo lo anterior podemos resumir en lo siguiente

Forma de Newton del polinomio interpolador:

Pn ( x) =A0 + A1 ( x − x0 ) + A2 ( x − x0 )( x − x1 ) + .... + An ( x − x0 )( x − x1 )....( x − xn −1 )


siendo Ai = f [ x0 , x1 ,..., xi ] la diferencia de orden i en x0 , x1 ,..., xn cuya expresión
 Para k ≥ 1

 f [ x1 , x2 ,..., xk ] − f [ x0 , x1 ,..., xk −1 ]
es  f [ x0 , x1 ,..., xk ] =
 xk − x0
 f [=
xi ] y= i, i 0,1, 2,..., n

Es conveniente y muy práctico para el cálculo de las diferencias formar una tabla de la forma
siguiente

xi yi f [ xi ] f [ xi , xi +1 ] f [ xi , xi +1 , xi + 2 ]   f [ x0 , x1 , , xn ]

x0 y0 f [ x0 ]
x1 y1 f [ x1 ] f [ x0 , x1 ]
x2 y2 f [ x2 ] f [ x1 , x2 ] f [ x0 , x1 , x2 ]
x3 y3 f [ x3 ] f [ x2 , x3 ] f [ x1 , x2 , x3 ]
    
xn yn f [ xn ] f [ xn −1 , xn ] f [ xn − 2 , xn −1 , xn ] f [ x0 , x1 , , xn ]

Los términos coloreados son los que se necesitan para la construcción de la forma de Newton
del polinomio interpolador de grado n+1, conociendo el de grado n

En definitiva queda el polinomio de Newton así

Pn ( x) = f [ x0 ] + f [ x0 , x1 ]( x − x0 ) + f [ x0 , x1 , x2 ]( x − x0 )( x − x1 ) + ..... + f [ x0 , x1 ,..., xn ]( x − x0 )( x − x1 )...( x − xn−1 )

Ejemplo. Dada la tabla de valores

x 1 1.3 1.6 1.9 2.2


f(x) 0.7651 0.62 0.4554 0.2818 0.1103

a) Construír la tabla de diferencias divididas hasta orden tres


b) Obtener el valor aproximado en la abcisa x=1.5
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

Ejemplo. Dada la tabla de valores para la función f ( x) = ln x

x 1 1.25 1.5 1.75


f(x) 0 0.22314 0.40547 0.55962

a) Obtener el polinomio de interpolación de Newton de tercer grado


b) Obtener una aproximación de ln1.4 y calcular el error relativo.

Ejemplo. Dada la tabla de valores

x 8 8.1 8.3 8.6 8.7


f(x) 0.7651 0.62 0.4554 0.2818 0.1103

Obtener el polinomio de interpolación de Newton de grado uno, dos, tres y cuatro y aproximar
f(8.4)

Ejemplo. Dada la tabla de valores

x 2.9 3.0 3.1 3.2 3.4


f(x) -4.827866 -4.240058 -3.496909 -2.5998792 -0.3330587

Obtener el polinomio de interpolación de Newton de grado uno, dos, tres y cuatro y aproximar
f(3.17)

Interpolación lineal a trozos.

Interpolación lineal a trozos: Dada una función continua, dos veces derivable en
un conjunto que contiene a un intervalo [a, b] y dados n+1 valores ordenados
x0 , x1 , x 2 ,..., x n podemos aproximar a la función f (x) en cada intervalo
[xi , xi +1 ] por la recta que une los puntos (xi , f ( xi ) ) y (xi +1 , f ( xi +1 ) ) . En este
caso la poligonal v(x) que se forma es una función continua que aproxima a f(x)
y se puede probar que el error cometido se puede acotar por
f ' ' ( x)
f ( x) − v( x) ≤ max . max xi +1 − xi .
2

a ≤ x ≤b 8 0≤i ≤ n

Ejemplo. Dada la tabla siguiente , aproximar los valores de una función f(x) correspondientes a
= =
x 0.12, y x 0.43 mediante interpolación lineal a trozos y mediante interpolación
cuadrática a trozos. Comparar con los resultados que se obtendrían con una interpolación de
grado ≤ 6.

x 0 0.1 0.2 0.3 0.4 0.5 0.6


y 1 0.90574 0.82531 0.76109 0.71462 0.68729 0.73951
Interpolación de Lagrange y de Newton Asignatura: Métodos Matemáticos. Prof: E.Checa

Consideraciones generales sobre interpolación polinomial en dimensión 2

El problema de la interpolación en dos dimensiones es bastante más complejo que el


problema en una dimensión, y se sale del cometido de esta exposición teórica de resultados.
Expondremos, eso sí, el concepto que nos permitará luego en los ejercicios trabajar con un
programa informático en dos dimensiones.

Definición. Supongamos que están dados dados el producto cartesiano de


nodos {x0 , x1 ,..., x p }× {y 0 , y1 ,..., y q } y valores de una función f ( xi , y j ) = cij , con
i = 0,1,..., p y j = 0,1,..., q
Definimos el polinomio de interpolación producto tensorial del caso
unidimensional como

p q
(P ⊗ Q ) f ( x, y ) = ∑∑ f ( xi , y j )li ( x)l j ( y )
i =1 j =1

donde los l h ( x), l k ( y ) son los interpolantes lagrangianos del caso real.

Nota: Es interesante relacionar la interpolación bidimensional mediante graficas. Esto se puede


llevar a cabo con el software matemático de que se dispone.

Ejercicio. Dar una formulación para la obtención de un polinomio en 2 variables que tome los
siguientes valores

(x,y) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1) (1,1)
F(x,y) 1.7 -4.1 -3.2 4.9 6.1 -4.2 2.3 7.5 -5.9 3.8 -1.7 2.5

También podría gustarte