Interpolación polinómica de Lagrange

Ir a la navegaciónIr a la búsqueda

En esta imagen se muestra, para cuatro puntos ((−9, 5), (−4, 2), (−1, −2), (7, 9)),
la interpolación polinómica (cúbica) L(x), que es la suma de las cuatro bases
polinómicas l1(x), l2(x), l3(x) y l4(x),
escaladas respectivamente por los factores:
y1⁄l1(x1), y2⁄l2(x2), y3⁄l3(x3) e y4⁄l4(x4).
La interpolación polinómica L(x) pasa exactamente por los cuatro puntos (llamados
puntos de control) y cada base polinómica escalada pasa por su respectivo punto de
control y se anula cuando x corresponde a los otros puntos de control
En análisis numérico, el polinomio de Lagrange, llamado así en honor a Joseph-Louis
de Lagrange, es una forma de presentar el polinomio que interpola un conjunto de
puntos dado. Lagrange publicó este resultado en 1795, pero lo descubrió Edward
Waring en 1779 y fue redescubierto más tarde por Leonhard Euler en 1783.1 Dado que
existe un único polinomio interpolador para un determinado conjunto de puntos,
resulta algo engañoso llamar a este polinomio el polinomio interpolador de
Lagrange. Un nombre más apropiado es interpolación polinómica en la forma de
Lagrange.

Índice
1 Definición
2 Demostración
3 Concepto
4 Uso
4.1 Ejemplo
5 Desventajas de su uso
6 Otras aplicaciones
7 Véase también
8 Referencias
9 Enlaces externos
Definición
Dado un conjunto de k + 1 puntos

{\displaystyle (x_{0},y_{0}),\ldots ,(x_{k},y_{k})}{\displaystyle (x_{0},y_{0}),\

ldots ,(x_{k},y_{k})}
donde todos los xj se asumen distintos, el polinomio interpolador en la forma de
Lagrange es la combinación lineal

{\displaystyle L(x)=\sum _{j=0}^{k}y_{j}\ell _{j}(x)}{\displaystyle L(x)=\sum

_{j=0}^{k}y_{j}\ell _{j}(x)}
de bases polinómicas de Lagrange

{\displaystyle \ell _{j}(x)=\prod _{i=0,\,i\neq j}^{k}{\frac {x-x_{i}}{x_{j}-

x_{i}}}={\frac {x-x_{0}}{x_{j}-x_{0}}}\cdots {\frac {x-x_{j-1}}{x_{j}-x_{j-1}}}{\
frac {x-x_{j+1}}{x_{j}-x_{j+1}}}\cdots {\frac {x-x_{k}}{x_{j}-x_{k}}}}{\
displaystyle \ell _{j}(x)=\prod _{i=0,\,i\neq j}^{k}{\frac {x-x_{i}}{x_{j}-
x_{i}}}={\frac {x-x_{0}}{x_{j}-x_{0}}}\cdots {\frac {x-x_{j-1}}{x_{j}-x_{j-1}}}{\
frac {x-x_{j+1}}{x_{j}-x_{j+1}}}\cdots {\frac {x-x_{k}}{x_{j}-x_{k}}}}
Para todo {\displaystyle i\neq j}{\displaystyle i\neq j}, {\displaystyle \ell _{j}
(x)}{\displaystyle \ell _{j}(x)} incluye en el numerador el término {\displaystyle
(x-x_{i})}{\displaystyle (x-x_{i})}, de modo que el producto completo valdrá cero
en {\displaystyle x=x_{i}}{\displaystyle x=x_{i}}:

{\displaystyle \forall ({j\neq i}):\ell _{j}(x_{i})=\prod _{m\neq j}{\frac {x_{i}-

x_{m}}{x_{j}-x_{m}}}={\frac {(x_{i}-x_{0})}{(x_{j}-x_{0})}}\cdots {\frac {(x_{i}-
x_{i})}{(x_{j}-x_{i})}}\cdots {\frac {(x_{i}-x_{k})}{(x_{j}-x_{k})}}=0.}{\
displaystyle \forall ({j\neq i}):\ell _{j}(x_{i})=\prod _{m\neq j}{\frac {x_{i}-
x_{m}}{x_{j}-x_{m}}}={\frac {(x_{i}-x_{0})}{(x_{j}-x_{0})}}\cdots {\frac {(x_{i}-
x_{i})}{(x_{j}-x_{i})}}\cdots {\frac {(x_{i}-x_{k})}{(x_{j}-x_{k})}}=0.}
Por otro lado,

{\displaystyle \ell _{j}(x_{j}):=\prod _{m\neq j}{\frac {x_{j}-x_{m}}{x_{j}-

x_{m}}}=1}{\displaystyle \ell _{j}(x_{j}):=\prod _{m\neq j}{\frac {x_{j}-x_{m}}
{x_{j}-x_{m}}}=1}
En otras palabras, todas las bases polinómicas de Lagrange valen cero en {\
displaystyle x=x_{i}}{\displaystyle x=x_{i}}, excepto {\displaystyle \ell _{j}(x)}
{\displaystyle \ell _{j}(x)}, para el que aplica {\displaystyle \ell _{j}(x_{j})=1}
{\displaystyle \ell _{j}(x_{j})=1}, puesto que carece del término {\displaystyle
(x-x_{j})}{\displaystyle (x-x_{j})} en el numerador.

Por tanto se deriva que {\displaystyle y_{j}\ell _{j}(x_{j})=y_{j}}{\displaystyle

y_{j}\ell _{j}(x_{j})=y_{j}}, en cada punto {\displaystyle x_{j}}x_{j}, {\
displaystyle L(x_{j})=y_{j}+0+0+\dots +0=y_{j}}{\displaystyle L(x_{j})=y_{j}+0+0+\
dots +0=y_{j}}, demostrando que {\displaystyle L}L interpola la función de forma
exacta.

Demostración
La función que estamos buscando es una función polinómica L(x) de grado, a lo sumo,
k con el problema de interpolación puede tener tan solo una solución, pues la
diferencia entre dos tales soluciones, sería otro polinomio de grado k a lo sumo,
con k+1 ceros.

Por lo tanto, L(x) es el único polinomio interpolador

Concepto
La resolución de un problema de interpolación lleva a un problema de álgebra lineal
en el cual se debe resolver un sistema de ecuaciones. Usando una base monómica
estándar para nuestro polinomio interpolador, llegamos a la matriz de Vandermonde.
Eligiendo una base distinta, la base de Lagrange, llegamos a la forma más simple de
matriz identidad = δi,j, que puede resolverse inmediatamente.

Uso
Ejemplo

La función tangente y su interpolador

Se desea interpolar {\displaystyle f(x)=\tan(x)}{\displaystyle f(x)=\tan(x)} en los
puntos

{\displaystyle x_{0}=-1,5}{\displaystyle x_{0}=-1,5} {\displaystyle f(x_{0})=-

14,1014}{\displaystyle f(x_{0})=-14,1014}
{\displaystyle x_{1}=-0,75}{\displaystyle x_{1}=-0,75} {\displaystyle
f(x_{1})=-0,931596}{\displaystyle f(x_{1})=-0,931596}
{\displaystyle x_{2}=0}x_{2}=0 {\displaystyle f(x_{2})=0}{\displaystyle
f(x_{2})=0}
{\displaystyle x_{3}=0,75}{\displaystyle x_{3}=0,75} {\displaystyle
f(x_{3})=0,931596}{\displaystyle f(x_{3})=0,931596}
{\displaystyle x_{4}=1,5}{\displaystyle x_{4}=1,5} {\displaystyle
f(x_{4})=14,1014}{\displaystyle f(x_{4})=14,1014}
Con cinco puntos, el polinomio interpolador tendrá, como máximo, grado cuatro (es
decir, la máxima potencia será cuatro), al igual que cada componente de la base
polinómica.

La base polinómica es:

{\displaystyle \ell _{0}(x)={x-x_{1} \over x_{0}-x_{1}}\cdot {x-x_{2} \over x_{0}-

x_{2}}\cdot {x-x_{3} \over x_{0}-x_{3}}\cdot {x-x_{4} \over x_{0}-x_{4}}={1 \over
243}x(2x-3)(4x-3)(4x+3)}{\displaystyle \ell _{0}(x)={x-x_{1} \over x_{0}-x_{1}}\
cdot {x-x_{2} \over x_{0}-x_{2}}\cdot {x-x_{3} \over x_{0}-x_{3}}\cdot {x-x_{4} \
over x_{0}-x_{4}}={1 \over 243}x(2x-3)(4x-3)(4x+3)}
{\displaystyle \ell _{1}(x)={x-x_{0} \over x_{1}-x_{0}}\cdot {x-x_{2} \over x_{1}-
x_{2}}\cdot {x-x_{3} \over x_{1}-x_{3}}\cdot {x-x_{4} \over x_{1}-x_{4}}=-{8 \over
243}x(2x-3)(2x+3)(4x-3)}{\displaystyle \ell _{1}(x)={x-x_{0} \over x_{1}-x_{0}}\
cdot {x-x_{2} \over x_{1}-x_{2}}\cdot {x-x_{3} \over x_{1}-x_{3}}\cdot {x-x_{4} \
over x_{1}-x_{4}}=-{8 \over 243}x(2x-3)(2x+3)(4x-3)}
{\displaystyle \ell _{2}(x)={x-x_{0} \over x_{2}-x_{0}}\cdot {x-x_{1} \over x_{2}-
x_{1}}\cdot {x-x_{3} \over x_{2}-x_{3}}\cdot {x-x_{4} \over x_{2}-x_{4}}={1 \over
243}(243-540x^{2}+192x^{4})}{\displaystyle \ell _{2}(x)={x-x_{0} \over x_{2}-
x_{0}}\cdot {x-x_{1} \over x_{2}-x_{1}}\cdot {x-x_{3} \over x_{2}-x_{3}}\cdot {x-
x_{4} \over x_{2}-x_{4}}={1 \over 243}(243-540x^{2}+192x^{4})}
{\displaystyle \ell _{3}(x)={x-x_{0} \over x_{3}-x_{0}}\cdot {x-x_{1} \over x_{3}-
x_{1}}\cdot {x-x_{2} \over x_{3}-x_{2}}\cdot {x-x_{4} \over x_{3}-x_{4}}=-{8 \over
243}x(2x-3)(2x+3)(4x+3)}{\displaystyle \ell _{3}(x)={x-x_{0} \over x_{3}-x_{0}}\
cdot {x-x_{1} \over x_{3}-x_{1}}\cdot {x-x_{2} \over x_{3}-x_{2}}\cdot {x-x_{4} \
over x_{3}-x_{4}}=-{8 \over 243}x(2x-3)(2x+3)(4x+3)}
{\displaystyle \ell _{4}(x)={x-x_{0} \over x_{4}-x_{0}}\cdot {x-x_{1} \over x_{4}-
x_{1}}\cdot {x-x_{2} \over x_{4}-x_{2}}\cdot {x-x_{3} \over x_{4}-x_{3}}={1 \over
243}x(2x+3)(4x-3)(4x+3)}{\displaystyle \ell _{4}(x)={x-x_{0} \over x_{4}-x_{0}}\
cdot {x-x_{1} \over x_{4}-x_{1}}\cdot {x-x_{2} \over x_{4}-x_{2}}\cdot {x-x_{3} \
over x_{4}-x_{3}}={1 \over 243}x(2x+3)(4x-3)(4x+3)}
Así, el polinomio interpolador se obtiene simplemente como la combinación lineal
entre los {\displaystyle \ell _{i}(x)}{\displaystyle \ell _{i}(x)} y los valores de
las abscisas:

{\displaystyle {1 \over 243}{\Big (}f(x_{0})x(2x-3)(4x-3)(4x+3)-8f(x_{1})x(2x-3)

(2x+3)(4x-3)}{\displaystyle {1 \over 243}{\Big (}f(x_{0})x(2x-3)(4x-3)(4x+3)-
8f(x_{1})x(2x-3)(2x+3)(4x-3)}
{\displaystyle +f(x_{2})(243-540x^{2}+192x^{4})-8f(x_{3})x(2x-3)(2x+3)(4x+3)}{\
displaystyle +f(x_{2})(243-540x^{2}+192x^{4})-8f(x_{3})x(2x-3)(2x+3)(4x+3)}
{\displaystyle +f(x_{4})x(2x+3)(4x-3)(4x+3){\Big )}}{\displaystyle +f(x_{4})x(2x+3)
(4x-3)(4x+3){\Big )}}
{\displaystyle =-1,47748x+4,83456x^{3}}{\displaystyle =-1,47748x+4,83456x^{3}}.
Desventajas de su uso
Si se aumenta el número de puntos a interpolar (o nodos) con la intención de
mejorar la aproximación a una función, también lo hace el grado del polinomio
interpolador así obtenido, por norma general. De este modo, aumenta la dificultad
en el cálculo, haciéndolo poco operativo manualmente a partir del grado 4, dado que
no existen métodos directos de resolución de ecuaciones de grado 4, salvo que se
puedan tratar como ecuaciones bicuadradas, situación extremadamente rara.

La tecnología actual permite manejar polinomios de grados superiores sin grandes

problemas, a costa de un elevado consumo de tiempo de computación. Pero, a medida
que crece el grado, mayores son las oscilaciones entre puntos consecutivos o nodos.
Se podría decir que a partir del grado 6 las oscilaciones son tales que el método
deja de ser válido, aunque no para todos los casos.

Sin embargo, pocos estudios requieren la interpolación de tan solo 6 puntos. Se

suelen contar por decenas e incluso centenas. En estos casos, el grado de este
polinomio sería tan alto que resultaría inoperable. Por lo tanto, en estos casos,
se recurre a otra técnica de interpolación, como por ejemplo a la Interpolación
polinómica de Hermite o a los splines cúbicos

Otra gran desventaja, respecto a otros métodos de interpolación, es la necesidad de

recalcular todo el polinomio si se varía el número de nodos.

Otras aplicaciones
Aunque el polinomio interpolador de Lagrange se emplea para interpolar funciones
fácilmente en una computadora, también tiene otras aplicaciones en el campo del
álgebra exacta, lo que ha hecho célebre a este polinomio, por ejemplo en el campo
de los proyectores ortogonales:

Sea un espacio vectorial complejo de dimensión finita E en el que se definine un

producto escalar (no necesariamente el usual). Sea F un operador normal, tal que
gracias al teorema de la descomposición espectral es igual a {\displaystyle \sum
_{i=1}^{n}\lambda _{i}P_{i}}{\displaystyle \sum _{i=1}^{n}\lambda _{i}P_{i}}, donde
{\displaystyle P_{i}}P_{i} son los proyectores ortogonales y {\displaystyle \lambda
_{i}}{\displaystyle \lambda _{i}} los autovectores de F asociados a cada proyector.
Entonces:

{\displaystyle P_{i}=\prod _{i\neq j}{\frac {F-\lambda _{j}I}{\lambda _{i}-\lambda

_{j}}}=l_{i}(F)}{\displaystyle P_{i}=\prod _{i\neq j}{\frac {F-\lambda _{j}I}{\
lambda _{i}-\lambda _{j}}}=l_{i}(F)}

siendo {\displaystyle I}I la matriz identidad.

Demostración:

Haciendo uso de la descomposición espectral y aplicando las propiedades de los

proyectores:

{\displaystyle l_{i}(F)=l_{i}(\sum _{j=1}^{n}\lambda _{j}P_{j})=\sum

_{j=1}^{n}l_{i}(\lambda _{j})P_{j}=\sum _{j=1}^{n}\delta _{ij}P_{j}=P_{i}}{\
displaystyle l_{i}(F)=l_{i}(\sum _{j=1}^{n}\lambda _{j}P_{j})=\sum _{j=1}^{n}l_{i}
(\lambda _{j})P_{j}=\sum _{j=1}^{n}\delta _{ij}P_{j}=P_{i}}

Véase también
Interpolación polinómica
Forma de Newton del polinomio interpolador
Forma de Bernstein del polinomio interpolador
Fórmulas de Newton-Cotes
Referencias
Meijering, Erik (2002), «A chronology of interpolation: from ancient astronomy to
modern signal and image processing», Proceedings of the IEEE 90 (3): 319-342,
doi:10.1109/5.993400..
Enlaces externos
Módulo para polinomios de Lagrange por John H. Mathews
Método de interpolación de Lagrange - Notes, PPT, Mathcad, Mathematica, Matlab,
Maple del Holistic Numerical Methods Institute
(en portugués) [1] Quocientes de determinantes - Cocientes de determinantes