Facultad de Facultad de Ingeniería Electrónica y Eléctrica

• Profesora: Victoria Ysabel Rojas Rojas

• Semestre: 2020 II
∙ Interpolación y extrapolación.
∙ Ajuste lineal, cuadrático, cúbico.
El problema de interpolación consiste en determinar una curva que pase por una colección
de puntos dados. En muchas ocasiones, el objetivo es estimar el valor de la función en
un punto y a partir de valores en puntos próximos. Tradicionalmente por interpolación, se
obtenían los valores de las funciones trigonométricas y logarítmicas en puntos que no
figuraban en las tablas. Las calculadoras han arrinconado las tablas, pero los procedimientos
siguen siendo válidos en otras aplicaciones, como el diseño gráfico, los métodos de
integración aproximada entre otros.
 Cuando pensamos que dos magnitudes variables 𝑥 e 𝑦, que están relacionadas por una supuesta
función 𝑓(𝑥), pero que no conocemos su regla de correspondencia, es posible partir de los datos
conocidos que las relacionan 𝑥0 , 𝑦0 , 𝑥1 , 𝑦1 , 𝑥2 , 𝑦2 …. 𝑥𝑛 , 𝑦𝑛 para determinar una función polinómica
𝑝(𝑥):

𝑦 = 𝑝(𝑥)
que cumpla:

p(x0) = y0 ,
p(x1) = y1 ,
p(x2) = y2
…
p(xn) = yn .

Conjunto de datos
conocidos que definen
a 𝑝(𝑥) y que
posiblemente
pertenezcan a una
función 𝑓(𝑥):
4
Nube de datos dentro de los
cuales los puntos rojos definirán
a la función interpolante 𝑝(𝑥);
estos puntos no necesariamente
provienen de una función que los
define, son solo resultado de
mediciones.

Esta función 𝑝(𝑥), cuya regla de correspondencia define al Polinomio Interpolador, no es exactamente la
función que buscamos pues podría ser exponencial, logarítmica o de cualquier otro tipo, pero sirve para
calcular aproximadamente otros valores desconocidos de las variables, especialmente si se encuentran
próximos a los valores conocidos 𝑥𝑖 .

5
Entonces interpolar es utilizar el polinomio interpolador para calcular valores desconocidos de
la función que se encuentran entre otros conocidos, y extrapolar es usar tal polinomio para
calcular valores fuera del intervalo de los conocidos (es decir, usarlo con valores mayores que
el más grande de las 𝑥𝑖 conocidas, o menores que el más pequeño de éstas). La interpolación es un
método fiable para calcular valores aproximados de la función desconocida, pero la extrapolación
puede dar resultados muy distintos de los reales.

 Interpolación de grado 0:
El caso más trivial es cuando solo conocemos un dato 𝑥0 , 𝑦0 . Podemos decir que la
función desconocida es parecida a la función constante 𝑝 𝑥 = 𝑦0 (solo cerca de 𝑥0 ).
 Interpolación Lineal, o de grado 1:
Si se conocen dos parejas de datos 𝑥0 , 𝑦0 y 𝑥1 , 𝑦1 , se puede calcular una función lineal
(polinomio interpolador de grado 1).

𝑷 𝒙 = 𝒚 = 𝒎𝒙 + 𝒏
6
que cumpla 𝑝 𝑥0 = 𝑦0 , 𝑝 𝑥1 = 𝑦1 . Su gráfica es una recta que pasa por 𝑥0 , 𝑦0 y 𝑥1 , 𝑦1 . Se
deben calcular los números 𝑚 y 𝑛 resolviendo el sistema
𝑦 = 𝑚𝑥 + 𝑛
ቊ𝑦0 = 𝑚𝑥0 + 𝑛
1 1

por cualquier método, y sustituirlos en la fórmula de 𝑝(𝑥). También es posible usar la fórmula para calcular la
pendiente de la recta dados dos puntos: 𝑚 = 𝑦1 − 𝑦0 Τ 𝑥1 − 𝑥0 y sustituir su valor en la ecuación.

𝑦 = 𝑚 𝑥 − 𝑥0 + 𝑦0

Primero calculamos 𝑝(𝑥) (Polinomio Interpolador) para luego interpolar o extrapolar.

7
En un negocio recién abierto, la primera semana hubo 150 clientes que supusieron unos ingresos de
3600 soles, y la segunda semana 200 clientes que supusieron ingresos de 5600 soles.
a) Hallar la función de interpolación lineal que relaciona los ingresos 𝑦 con el número de clientes 𝑥.
b) ¿Cuántos ingresos generarían 190 clientes?
c) ¿Cuántos clientes se necesitarían para generar 7000 soles de ingresos?

Solución:

Dominio de 𝐷𝑜𝑚𝑓 = [150,200] (función

interpolante), datos a ser interpolados
fuera de este dominio se considera una
extrapolación.

8
 Tenemos dos parejas de datos clientes-ingresos, 𝑥, 𝑦 : 150,3600 𝑦 (200,5600)
a) Calculamos 𝑷 𝒙 = 𝒚 = 𝒎𝒙 + 𝒏
𝑦 = 𝑚𝑥 + 𝑛 3600 = 150𝑚 + 𝑛 𝑚 = 40
ቊ𝑦0 = 𝑚𝑥0 + 𝑛 ቊ ቊ
1 1 5600 = 200𝑚 + 𝑛 𝑛 = −2400

Por lo tanto,
𝑷 𝒙 = 𝒚 = 𝟒𝟎𝒙 − 𝟐𝟒𝟎𝟎

b) Interpolando: 𝑃 190 = 40 190 − 2400 = 5200.

Por lo tanto,
190 clientes supondrían unos ingresos de 5.200 soles.

c) 𝑃 𝑥 = 7000 ⇒ 40𝑥 − 2400 = 7000 ⇒ 𝑥 = 235

Por lo tanto, extrapolando, harían falta 235 clientes para generar unos ingresos de 7,000
soles.
9
 Interpolación Cuadrático, o de grado 2:
Con tres pares de datos, 𝑥0 , 𝑦0 , 𝑥1 , 𝑦1 y 𝑥2 , 𝑦2 , es necesario calcular una función cuadrática
(cuya fórmula es un polinomio de segundo grado, con una parábola por gráfica), esto es:

𝑷 𝒙 = 𝒚 = 𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄

para ello hay que hallar 𝑎, 𝑏 y 𝑐 resolviendo el sistema:

𝑦0 = 𝑎𝑥0 2 + 𝑏𝑥0 + 𝑐
൞ 𝑦1 = 𝑎𝑥1 2 + 𝑏𝑥1 + 𝑐
𝑦2 = 𝑎𝑥2 2 + 𝑏𝑥2 + 𝑐

y sustituir las soluciones en la fórmula de 𝑝(𝑥). Entonces, se usa la función polinómica para interpolar o
extrapolar valores desconocidos.

10
El sistema se simplifica mucho si uno de los 𝑥𝑖 es 0, porque entonces se obtiene directamente
c en la ecuación que corresponde a ese dato. Si los datos 𝑥𝑖 son años, es recomendable
suponer que el dato menor es el año 0, y el resto calcularlos en la nueva escala temporal. En
otro tipo de datos se debe valorar si conviene o no hacer el cambio de variable que iguala a 0
uno de los datos (y cambian consecuentemente todos los demás), porque es posible cometer
errores de interpretación.

11
Solución:
Sustituimos 𝑥, 𝑦 meses- peso en la función 𝑓 𝑥 = 𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 y obtenemos:

3.2 = 𝑎.02 +𝑏. 0 + 𝑐 3.2 = 𝑐

൞ 7.3 = 𝑎(6) 2 +𝑏 (6) + 𝑐 ቐ−0.0042 ≈ 𝑎 𝑓 𝑥 = −0.0042𝑥 2 + 0.7083𝑥 + 3.2
11.1 = 𝑎(12)2 +𝑏(12) + 𝑐 0.7083 = 𝑏

12
 18 2 17𝑥18
a) 𝑓 18 = − 240
+ 24
+ 3,2 = 14,6

Al año y medio pesará 14,6 kg. La extrapolación se aleja algo de los datos medios la OMS (13 Kg para el
percentil 97)

60 2 17𝑥60
b) 𝑓(60) = − + + 3,2 = 30,7
240 24

Sea aleja muchísimo del peso de niñas de 5 años la OMS (24,4 Kg el percentil 97). Esta extrapolación no sirve
para valores tan distanciados de datos conocidos.

13
El sistema habría salido más fácil usando el tiempo en años los datos quedarían 0, 3.2 0.5,7.3 y 1,11.1 con lo
cual la función de interpolación sera:

𝑓 𝑥 = −0.6𝑥 2 + 8.5𝑥 + 3.2

14
 Interpolación de grado 𝒏:
Supongamos que hay dos magnitudes 𝑥 e 𝑦 de los que se conocen 𝑛 + 1 valores relacionados
𝑥0 , 𝑦0 , 𝑥1 , 𝑦1 , … , 𝑥𝑛 , 𝑦𝑛
Por ejemplo, datos obtenidos en una experimentación. Con la condición 𝑥𝑖 ≠ 𝑥𝑗 si 𝑖 ≠ 𝑗
Nos planteamos si existe una función 𝑝 tal que
𝒑 𝒙 𝒌 = 𝒚𝒌 , 𝒌 = 𝟎, 𝟏 … 𝒏 (1)

Es decir, queremos una función cuya grafica “pase” por los puntos del plano dados. Si 𝑝 verifica (1) diremos que 𝒑
interpola los datos, 𝑝 es una función de interpolación para los datos 𝑥𝑘 , 𝑦𝑘 , 𝑘 = 0,1 … 𝑛

Con este tipo de datos y sabiendo que existe una función 𝑓 que rige el proceso pero que desconocemos y queremos
trabajar con una función alternativa 𝑝 que represente bien a estos datos de la muestra. Si 𝑓 rige el proceso entonces
𝑓 𝑥𝑘 = 𝑦𝑘 luego exigiremos a la función 𝑝 ese mismo requisite, esto nos proporciona condiciones que imponen a 𝑝
con la que trataremos de obtenela y una vez conseguido nos permitira conocer o predecir que habria pasado en otros 𝑥
en los que no se ha experimentado

15
 Supongamos que existe la función 𝑓 tal que 𝑓 𝑥𝑘 = 𝑦𝑘 , 𝑘 = 0, … , 𝑚. Caben varias preguntas:
La función 𝑝 que interpola los datos ¿de qué tipo ha de ser? ¿polinómica, trigonométrica, racional,…?
La respuesta vendrá dada por los datos 𝑦𝑘 .
a) Si se observa que los datos presentan periodicidad entonces buscaremos a 𝑝 dentro de las funciones
trigonométricas.
b) Si los datos presentan asintotas entonces 𝑝 deberia ser una función racional.
c) Si los 𝑦𝑘 presentan un comportamiento polinomial, entonces 𝑝 se escogeria de tipo polinómico

Nos centraremos en cómo resolver este caso

 Una vez escogido el tipo de función habrá que responder dos preguntas ¿existe 𝑝 del tipo escogido que interpole
los datos? Y si existe, ¿es única?

 Es la función polinómica escogida una buena aproximación de la función original 𝑓 en los puntos 𝑥 que no son
de la muestra.

Nota
Entendemos como función original la que rige el experimento y de la cual sabemos uq pasa en los 𝑛 + 1 puntos
de la muestra
16
Por otra parte es evidente que la función interpoladora debe ser fácil de evaluar,
derivar e integrar, dependiendo del tipo de funciones que se consideren, existen
varios tipos de interpolación, como se señaló anteriormente como pueden ser :
polinómica, trigonométrica, racionales y exponenciales.
Trataremos en primer lugar la Interpolación de Lagrange que es de tipo polinomial.

El siguiente resultado implica que existen polinomios que se aproximan a cualquier

función continua.
 De la aproximación de Weierstrass

Si 𝑓 𝑥 es una función continua en un intervalo 𝑎, 𝑏 y 𝜖 > 0, existe un polonomio 𝑃(𝑥) tal que para todo 𝑥 ∈ 𝑎, 𝑏

𝑓 𝑥 − 𝑃(𝑥) <∈

Esto, es: 𝑓 𝑥 ≈ 𝑃 𝑥 , ∀𝑥 ∈ 𝑎, 𝑏

a
b

18
La aproximación por ajuste es una técnica diferente a la de interpolación, se busca una función polinomial que pase por
los puntos dados en la tabla, prevaleciendo en ella la visualización estética en el sentido de que nuestro polinomio no
oscile demasiado como podría ocurrir con aquellas de características interpolantes.

El método por mínimos cuadrados por su parte consiste en hallar un polinomio que pase por entre los puntos y que
satisfaga la condición de minimizar la suma de las desviaciones 𝑑𝑖 elevadas al cuadrados es decir; se cumpla:

෍ 𝑑𝑖 2 = 𝑚í𝑛𝑖𝑚𝑜
𝑖=0

19
Cuando la información tabular de que se dispone es aproximada hasta cierto número de cifras
significativas, por ejemplo, la tabla de logaritmos o función de Bessel, se recomienda usar
aproximación por ajuste. En cambio, si la información tiene errores considerables, como en el caso
de datos experimentales, no tiene sentido encontrar un polinomio que pase por esos puntos, sino
mas bien que pase entre ellos; entonces es aplicable el método de mínimos cuadrados.
El método de aproximación polinomial requiere la solución de una sistema de ecuaciones lineales que, cuando el grado
del polinomio es alto, puede presentar inconvenientes.
Dada una tabla de 𝑛 + 1 puntos 𝑥𝑘 , 𝑦𝑘 con 𝑘 = 0, … , 𝑛 tales que 𝑥𝑖 ≠ 𝑥𝑗 si 𝑖 ≠ 𝑗.

Llamaremos interpolación polinómica a la determinación de un polinomio 𝑝 de grado menor o igual que 𝑛 tal que

𝑝 𝑥𝑘 = 𝑦𝑘 , 𝑘 = 0, … 𝑛.

Si 𝑝 es de grado menor o igual a 𝑛 entonces se podrá expresar

𝑝 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛

Donde los 𝑎𝑖 se obtendrán a partir de las condiciones de interpolación, esto es,

𝑝 𝑥0 = 𝑎0 + 𝑎1 𝑥0 + 𝑎2 𝑥0 2 + ⋯ + 𝑎𝑛 𝑥0 𝑛 = 𝑦0
𝑝 𝑥1 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥1 2 + ⋯ + 𝑎𝑛 𝑥1 𝑛 = 𝑦1
𝑝 𝑥2 = 𝑎0 + 𝑎1 𝑥2 + 𝑎2 𝑥2 2 + ⋯ + 𝑎𝑛 𝑥2 𝑛 = 𝑦2
…….
𝑝 𝑥𝑚 = 𝑎0 + 𝑎1 𝑥𝑚 + 𝑎2 𝑥𝑚 2 + ⋯ + 𝑎𝑛 𝑥𝑚 𝑛 = 𝑦𝑚
21
Aparece un sistema para
las variables 𝑎1 𝑎2 , … . 𝑎𝑛
que se puede expresar
de manera matricial

La matriz del sistema es

cuadrada 𝑛 + 1 𝑥 (𝑛 +

Es decir, la solución es única si y sólo si todos los puntos de la muestra son distintos
La tabla adjunta proporciona el número de viajeros que suben en una estación a determinada hora de la
mañana.
Hora 8 9 10 11 12 13 14
viajeros 41 35 21 9 11 17 32

a) Obtén el número de viajeros que suben en esta estación a las 10:30, mediante interpolación lineal
b) Realiza la estimación del apartado anterior mediante interpolación cuadrática.
c) Utiliza el comando polyfit para hallar el polinomio de interpolación de grado 3 y polival para obtener la estimación
deseada.
Solución:
a) Hallar el polinomio de primer grado 𝑝1 𝑥 = 𝑎𝑥 + 𝑏

𝑝1 10 = 10𝑎 + 𝑏 = 21 𝑎 = −12
ቊ ቊ
𝑝1 11 = 11𝑎 + 𝑏 = 9 𝑏 = 141

Luego el numero estimado de viajeros a las 10:30 es de: 𝑝1 10: 30 = −12 10.5 + 141 = 15
b) Hallaremos el polinomio de interpolación cuadrática 𝑝2 𝑥 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐, a partir de los puntos 10,21 , 11,9 y
12,11 . El Sistema de ecuaciones lineales resulta

1 10 100 𝑎 21
1 11 121 𝑏 = 9
Resolviendo mediante Matlab 1 12 141 𝑐 11

La parábola que interpola los puntos es:

𝑝2 𝑥 = 7𝑥 2 − 159𝑥 + 911

Obteniendo la estimación requerida mediante polyval

resulta 13,25 pasajeros.
c) Utiliza el comando polyfit para hallar el polinomio de interpolación de grado 3 y polival para obtener la estimación
deseada.

Para determinar el polinomio de interpolación de mayor grado, vamos incorporando los puntos por su proximidad a
10.5, donde se requiere la estimación. Podríamos seguir el proceso anterior, construir la matriz de Vandermonde y
resolver el sistema asociado. Otra alternativa es usar el comando polyfit

La cúbica que interpola los puntos es:

𝑝3 𝑥 = 2𝑥 3 − 59𝑥 2 + 565𝑥 − 1729

Obteniendo la estimación requerida por polyval,

resulta 14 pasajeros.
Conclusiones

 El determinante de esta matriz será diferente de cero si los valores de 𝑥 dados no están
repetidos. Por tanto, una condición necesaria para la existencia del polinomio de
interpolación es que las abscisas de los datos dados sean diferentes entre si.
 En general, la matriz de Vandermonde es una matriz mal condicionada, por lo tanto la
solución obtenida es muy sencible a errores en los datos y los calculos involucran el uso
de algoritmos de tercer orden: 𝑇 𝑛 = 0 𝑛3 .
 El mal condicionamiento de la matriz de Vandermonde empleada para determinar el
polinomio de interpolación puede mejorarse mediante un desplazamiento del origen, es
decir, eligiendo otra base para expresar este polinomio.
𝑝 𝑥 = 𝑏0 + 𝑏1 (𝑥 − 𝑐) + 𝑏2 (𝑥 − 𝑐)2 + ⋯ + 𝑏𝑛 (𝑥 − 𝑐)𝑛

El sistema resultante al imponer las condiciones de interpolación resulta ligeramente

mejor condicionado que el anterior, pero la matriz sigue teniendo la misma estructura y,
al aumentar el grado del polinomio, reaparece el mal condicionamiento

28