Interpolación

De curvas y supercies

César Menéndez Fernández

10 de mayo de 2021

Contenidos de la presentación

Índice

1. Introducción 1

2. Prob.Lagrange 5
2.1. Polinómica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.2. Pol.Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.3. Dif.Divididas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.4. Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.5. Chebyshev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3. Pb.Hermite 17
3.1. Pol.Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2. DD Gener. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.3. Error. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4. Segmentaria 19
4.1. Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.2. Cuadrática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.3. Cúbica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

5. Paramétrica 26

6. Bidimensional 27
6.1. Malla regular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

6.2. Malla irregular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

6.3. Datos escasos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

7. Bibliografía 30

8. Demostraciones 30
8.1. Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

8.1.1. D.D.Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

8.1.2. Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

8.1.3. Chebishev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

8.2. Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

8.3. Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

1. Introducción

Introducción
Se realizan ensayos para determinar la relación entre esfuerzo (fuerza aplicada al material por unidad de área) y
deformación (deexión por unidad de longitud) en el mástil de un velero construido con una nueva aleación de aluminio.

1
 σ (Kg/cm2 ) 126 365 506 527 562 703

δ (mm) 0,5 1,3 2 4,5 6 8,5

Estimar la deformación de un mástil con 5.65 cm2 de área transversal de debida a la fuerza del viento, evaluada en
2900Kg.

Planteamiento
1. Se plantea la sustitución de una función f (x) por otra ψ (x) próxima más sencilla de evaluar, porque:

a) La función muy compleja (y costosa en términos computacionales).

b) No se conoce la función sino sólo sus valores en algunos puntos.

c) ...

2. La función próxima ψ (x) se denomina función de interpolación o interpolante.

3. Los puntos S donde se imponen condiciones al interpolante se denominan soporte o puntos de interpolación.

4. El interpolante se obtiene como como combinación de la base B = {ϕ0 (x) , ϕ1 (x) , · · · , ϕm (x)} de un espacio
vectorial de funciones.

m
X
ψ (x) = ak ϕk (x)
k=0

Objetivos
1. Plantear las condiciones de existencia y unicidad de solución del problema general de interpolación.

2. Diferenciar los distintos tipos de problemas.

3. Calcular el único polinomio de interpolación de grado mínimo que resuelve el problema de Lagrange.

4. Conocer las diferentes formas de representar dicho polinomio (Lagrange, Newton), con sus ventajas e inconve-
nientes.

5. Comprender la relación entre diferencias divididas y la expansión en serie de Taylor, así como su uso para acotar
el error.

6. Comprender las limitaciones e incertidumbres de la extrapolación.

7. Valorar las ventajas e inconvenientes de la interpolación segmentaria.

Tipos de problemas
Se tienen diferentes problemas dependiendo de las condiciones que debe vericar el interpolante ψ (x) en el soporte
S.

ˆ Taylor: soporte de un punto y el interpolante y sus derivadas deben tomar valores jados en él.

ψ (i) (x0 ) = f (i) (x0 ) , i = 0, 1, · · · , n

ˆ Lagrange: soporte de varios puntos y el interpolante debe tomar valores jados en cada uno.

ψ (xi ) = f (xi ) , i = 0, 1, · · · , n
ˆ Hermite: soporte de varios puntos y el interpolante y su derivada deben tomar valores jados en cada uno.

ψ (xi ) = f (xi ) ∧ ψ 0 (xi ) = f 0 (xi ) , i = 0, 1, · · · , n

ˆ Otros: combinaciones de los casos anteriores

2
 ¾Existe solución? ¾Es única?

ˆ La existencia y unicidad de solución vienen asociados al sistema lineal que se plantea al imponer las condi-
ciones al interpolante.

¾Cómo se elige la base?

ˆ Funciones que permitan simplicar los cálculos: polinomios.

¾Qué condiciones debe cumplir el soporte?

ˆ Las exigibles para tener un sistema compatible determinado.

Problema de Taylor
Especicaciones:

ˆ Soporte: S = {x0 }
ˆ B = {ϕ0 (x) , ϕ1 (x) , · · · , ϕm (x)}
Base:

Xm
ˆ Interpolante: ψ (x) = ak ϕk (x)
k=0

Condiciones: ψ (k) (x0 ) = f (k) (x0 ) , k = 0, 1, · · · , n

Sistema Ax = b donde

···
 
ϕ0 (x0 ) ϕ1 (x0 ) ϕ2 (x0 ) ϕm (x0 )
 ϕ00 (x0 ) ϕ01 (x0 ) ϕ02 (x0 ) ··· ϕ0m (x0 ) 
ϕ000 (x0 ) ϕ001 (x0 ) ϕ002 (x0 ) ··· ϕ00m (x0 )
 
A=
 
. . . .

 . . . .. .

 . . . . . 
(m) (m) (m) (m)
ϕ0 (xo ) ϕ1 (xo ) ϕ2 (xo ) · · · ϕm (xo )

xt = , bt = f (x0 ) f 0 (x0 ) · · ·



a0 a1 ··· am f (m) (x0 )

Se obtiene un desarrollo en serie de funciones, ¾bajo qué condiciones el interpolante converge a la función?
∞
X ¾converge?
ak ϕk (x) −−−−−−−→ f (x)
¾donde?
k=0

Si B es una base polinómica, se tienen los desarrollos en series de potencias, y hay criterios para determinar si
hay convergencia y su radio de convergencia.

ˆ Convergencia de la serie: los criterios más habituales son el criterio de d'Alembert o del cociente y el criterio
Cauchy o de la raíz
 
 ak+1  p
lı́m  =L lı́m k |ak | = L
k→∞ ak  k→∞
 
 x0 = 0 si L=∞ 
ˆ

Radio de convergencia ∀x si L=0 

|x| < L1 si L ∈ (0, ∞)
 

Problema de Lagrange
Especicaciones:

ˆ Soporte: S = {x0 , x1 , · · · , xn }
ˆ B = {ϕ0 (x) , ϕ1 (x) , · · · , ϕm (x)}
Base:

Xm
ˆ Interpolante: ψ (x) = ak ϕk (x)
k=0

Condiciones: ψ (xi ) = f (xi ) , i = 0, 1, · · · , n

3
 Sistema: Ax = b donde

 
ϕ0 (x0 ) ϕ1 (x0 ) ϕ2 (x0 ) · · · ϕm (x0 )
 ϕ0 (x1 ) ϕ1 (x1 ) ϕ2 (x1 ) · · · ϕm (x1 ) 
A= .
 
. . .. .
 .. . . .

. . . . 
ϕ0 (xn ) ϕ1 (xn ) ϕ2 (xn ) · · · ϕm (xm )

xt = , bt =



a0 a1 ··· am f (x0 ) f (x1 ) · · · f (xm )

Si m = n ∧ |A| =
6 0 ⇒SCD: sol. única

ˆ Base polinónica: soporte sin puntos repetidos

ˆ Base trigonométrica: soporte sin puntos repetidos y comprendidos en [−π, π]

Problema de Hermite
Especicaciones:

ˆ Soporte: S = {x0 , x1 , · · · , xn }
ˆ B = {ϕ0 (x) , ϕ1 (x) , · · · , ϕm (x)}
Base:

Xm
ˆ Interpolante: ψ (x) = ak ϕk (x)
k=0

Condiciones: ψ (xi ) = f (xi ) ∧ ψ 0 (xi ) = f 0 (xi ) , i = 0, 1, · · · , n

Sistema Ax = b donde

 
ϕ0 (x0 ) ϕ1 (x0 ) ϕ2 (x0 ) ··· ϕm (x0 )

 ϕ00 (x0 ) ϕ01 (x0 ) ϕ02 (x0 ) ··· ϕ0m (x0 ) 

 ϕ0 (x1 ) ϕ1 (x1 ) ϕ2 (x1 ) ··· ϕm (x1 ) 
A= .
 
. . .. .
 .. . . .

. . . . 
 
 ϕ0 (xn ) ϕ1 (xn ) ϕ2 (xn ) · · · ϕm (xm ) 
ϕ00 (xn ) ϕ01 (xn ) ϕ02 (xn ) · · · ϕ0m (xm )

xt =


a0 a1 ··· am

bt = f (x0 ) f 0 (x0 ) f (x1 ) f 0 (x1 ) · · · f 0 (xm )

f (xm )

Ejemplos: existencia y unicidad de solución

Ejemplo 1. Determinar el interpolante de la función f (x) tal que f (−π) = 1, f (0) = 0 y f (π) = 1 en las siguientes
bases:

B = 1, x, x2
ˆ Sistema:
 2    
1 −π (−π) a0 1
 1 0 2   a1  =  0 
(0)
2 a2 1
1 π π
ˆ rango (A) = rango (A|b) = 3 → S.C.D.
x 2


solución única: ψ (x) = 0 + 0x + π

B = {1, sin x, sin (2x)}

ˆ Sistema:
   
1 sin (−π) sin (−2π) 1 1 0 0 1
 1 sin (0) sin (20) 0 ∼ 1 0 0 0 
1 sin (π) sin (2π) 1 1 0 0 1

4
 ˆ rango (A) = 1 < rango (A|b) = 2 → S.I.

sin solución

B = {1, cos x, cos (2x)}

ˆ Sistema:
   
1 cos (−π) cos (−2π) 1 1 −1 1 1
 1 cos (0) cos (20) 0 ∼ 1 1 1 0 
1 cos (π) cos (2π) 1 1 −1 1 1
ˆ rango (A) = 2 = rango (A|b) < 3 → S.C.I.
1 1

múltiples soluciones: ψ (x) =
2 (1 − cos x) , 2 (cos (2x) − cos x)

Ejemplo 2. Determinar las condiciones para que el interpolante de la función f (x) tal que f (x0 ) = y0 , f (x1 ) =
y1 , f 0 (x2 ) = y2

sea único en la base 1, x, x2 :

Sistema

x20
 
1 x0 y0
 1 x1 x21 y1 
0 1 2x2 y2
Aplicando Gauss

x20 x20
   
1 x0 y0 1 x0 y0
 0 x1 − x0 x21 − x20 y1 − y0  ∼  0 x1 − x0 x21 − x20 y1 − y0 
0 1 2x2 y2 0 0 2x2 − x0 − x1 y2 − xy11 −y0
−x0

Imponiendo |A| =
6 0
1
x0 6= x1 ∧ x2 6= 2 (x0 + x1 )

2. Prob.Lagrange

2.1. Polinómica

Interpolación polinómica (1)

Especicaciones:

Soporte: S = {x0 , x1 , · · · , xn }

Base: B = 1, x, x2 · · · , xn
m
X
Interpolante: ψ (x) = Pm (x) = a0 + a1 x1 + · · · + am xm = ak xk
k=0

Condiciones: ψ (xi ) = f (xi ) , i = 0, 1, · · · , n

Teorema 3. Existe un único interpolante Pm (x) con m ≤ n que resuelve el problema de interpolación de Lagrange si
y solo si todos los puntos del soporte S son diferentes. (demostración 3)
Corolario 4. Existen innitos polinomio de interpolación Pm (x) con m > n para el problema de interpolación de
Lagrange.
Es suciente añadir cualquier otro punto, obteniéndole un polinomio de grado superior que interpola los datos
iniciales.

5
Interpolación polinómica (3)
Hecho 5. No interesa la resolución directa o frontal del sistema porque está muy mal condicionado.
Hecho 6. El polinomio de interpolación se puede expresar de varias formas, pero sigue siendo único.
Datos: (xk , f (xk )) = {(−1, 5) , (0, 1) , (1, −1)}
1. Forma canónica

P2 (x) = x2 − 3x + 1
2. Forma de Lagrange

P2 (x) = 52 x (x − 1) − (x + 1) (x − 1) − 12 x (x + 1)
3. Forma de Newton

P2 (x) = 5 − 4 (x + 1) + x (x + 1)

Soluciones con polinomios de grado superior (3)

P3 (x) = 5 − 4 (x + 1) + x (x + 1) + x (x + 1) (x − 1)
P3 (x) = 5 − 4 (x + 1) + x (x + 1) + 2x (x + 1) (x − 1)

2.2. Pol.Lagrange

Polinomios de Lagrange (1)


Datos: S = {x0 , x1 , · · · , xn } , B = 1, x, x2 · · · , xn
n
X
ψ (x) = Pn (x) = a0 + a1 x1 + · · · + an xn = ak xk
k=0

Prob. simplicado: f (x0 ) = 1, f (xi ) = 0 , i = 1, · · · , n

Representación

Obtención:

ˆ {x1 , · · · , xn } son raíces de ψ (x)

n
Y
ψ (x) = α (x − x1 ) (x − x2 ) · · · (x − xn ) = α (x − xk )
k=1
ˆ f (x0 ) = ψ (x0 ) = 1
1
α=
(x0 − x1 ) (x0 − x2 ) · · · (x0 − xn )
n
Y (x − xk ) (x − x1 ) (x − x2 ) · · · (x − xn )
Interpolante (ψ (x)): L0n (x) = =
(x0 − xk ) (x0 − x1 ) (x0 − x2 ) · · · (x0 − xn )
k=1

De forma similar se construye el interpolante para f (xk ) = δik , k = 0, 1, · · · , n

n
Y (x − xj ) (x − x0 ) · · · (x − xk−1 ) (x − xk+1 ) · · · (x − xn )
ˆ Interpolante: Lkn (x) = =
j=0
(xk − xj ) (xk − x0 ) · · · (xk − xk−1 ) (xk − xk+1 ) · · · (xk − xn )
j6=k

6
 ˆ Representación

 0
Los polinomios Ln (x) , L1n (x) , L2n (x) · · · , Lnn (x) se denominan polinomios de Lagrange asociados al soporte
S = {x0 , x1 , · · · , xn }.
El problema de Lagrange se resuelve combinando los polinomios de Lagrange
n
X
ψ (x) = f (x0 ) L0n (x) + f (x1 ) L1n (x) + · · · + f (xn ) Lnn (x) = f (xk ) Lkn (x)
k=0

Polinomios de Lagrange (2)

Ejemplo 7. Calcular, utilizando los polinomios de Lagrange, el polinomio de interpolación de:
−2, − 13 3



5 , (−1, −3) , (1, −2) , 2, 5

Soporte: S = {−2, −1, 1, 2}

n
Y (x − xk )
Expresión: Lin (x) =
(xi − xk )
k=0
k6=i

(x − (−1)) (x − 1) (x − 2)
L03 (x) =
(−2 − (−1)) (−2 − 1) (−2 − 2)
x3 − 2x2 − x + 2
L03 (x) =
−12
(x − (−2)) (x − 1) (x − 2)
L13 (x) =
(−1 − (−2)) (−1 − 1) (−1 − 2)
x3 − x2 − 4x + 4
L13 (x) =
6
(x − (−2)) (x − (−1)) (x − 2)
L23 (x) =
(1 − (−2)) (1 − (−1)) (1 − 2)
x3 + x2 − 4x − 4
L23 (x) =
−6
(x − (−2)) (x − (−1)) (x − 1)
L33 (x) =
(2 − (−2)) (2 − (−1)) (2 − 1)
x3 + 2x2 − x − 2
L33 (x) =
12
ψ (x) = − 13 0 1 2 3 3
5 L3 (x) − 3L3 (x) − 2L3 (x) + 5 L3 (x) =
1 3
10 x + 21 x2 + 25 x − 3
Representación

7
Polinomios de Lagrange (3)
Ventajas:

ˆ Fáciles de calcular

ˆ Dependen de S = {x0 , x1 , · · · , xn }, pero no de f (x)

Inconvenientes

ˆ Si se añade, elimina o modica algún punto del soporte, cambian todos los polinomios de Lagrange y es
necesario repetir los cálculos.

ˆ ψ (x) = Pn (x)

puede ser mucho más simple que L0n (x) , L1n (x) , L2n (x) · · · , Lnn (x)
◦ Datos: (xk , f (xk )) = {(−2, −5) , (−1, −3) , (1, 1) , (2, 3)}
◦ Soporte: S = {−2, −1, 1, 2} (conocido)
◦ ψ (x) = −5L03 (x) − 3L13 (x) + L23 (x) + 3L33 (x) = 2x − 1

Propiedades:

n
X
ˆ Suma: Lkn (x) = 1
k=0
◦ El polinomio único de menor grado que vale uno en todos los puntos del soporte es la función constante
unidad.

ˆ Expresión alternativa:
 n
Y
n  πn+1 (x) = (x − xj )

Y (x − xj ) πn+1 (x)
◦ Lkn (x) = = 0 donde j=0
j=0
(xk − xj ) (x − xj ) πn+1 (xj )  π 0 (x ) = d Π


j dx n+1 (x) x=x
n+1

j6=k j

ˆ Derivación:
     
n n n n n
d k Y 1  d Y Y 1 X Y
dx Ln (x) =  (x − xj ) =  (x − xj )
   
x − x dx x − x
  
j=0 k j j=0 j=0 k j i=0 j=0
j6=k j6=k j6=k i6=k j6=k,i

n
d k
 X 1
◦ x = xk → dx Ln (x)x=x =
k
i=0
xk − xi
i6=k
n
d k
 1 Y xi − xj
◦ x = xi → dx Ln (x)x=xi =
xk − xi j=0 xk − xj
j6=k,i

2.3. Dif.Divididas

Diferencias divididas de Newton (1)

Motivación: se busca un método que aproveche los cálculos cuando se añade un punto al soporte.

8
 ˆ Sn−1 = {x0 , x1 , · · · , xn−1 } → ψ (x) = Pn−1 (x).
ˆ Sn = {x0 , x1 , · · · , xn−1 , xn } → ψ (x) = Pn (x).
ˆ Sea Qn (x) = Pn (x) − Pn−1 (x) (grado ≤ n)

ˆ En Sn−1 : Pn−1 (xk ) = Pn (xk ) ⇒ raíces de Qn (x)

Qn (x) = an (x − x0 ) (x − x1 ) (x − x2 ) · · · (x − xn−1 )
n−1
Y
Pn (x) = Pn−1 (x) + an πn (x) donde πn (x) = (x − xk )
k=0

Generación del polinomio de interpolación

ˆ S0 = {x0 } → P0 (x) = f (x0 ) = a0 π0 (x)

−1
Y
tomando π0 (x) = (x − xk ) = 1
k=0
ˆ S1 = {x0 , x1 } → P1 (x) = P0 (x) + a1 π1 (x)
ˆ S2 = {x0 , x1 , x2 } → P2 (x) = P1 (x) + a2 π2 (x)
ˆ ···
n
X
ˆ Sn = {x0 , x1 , · · · , xn } → Pn (x) = aj πj (x).
j=0

Se necesita determinar los valores de los coecientes {a1 , a2 , · · · , an−1 , an }, denominados diferencias divididas y
representados por ak = f [x0 , x1 , · · · , xk ]

Diferencias divididas de Newton (2)

Expresión

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 )
n
X i−1
Y
Pn (x) = f [x0 , · · · , xi ] (x − xk )
i=0 k=0

Propiedad 1
k
X f (xi )
Los coecientes de las D.D. se obtienen como f [x0 , x1 , · · · , xk ] = k
i=0
Y
(xi − xj )
j=0
j6=i

(demostración 67 en la página 31)

Simetría: independientes del orden del soporte

f [x0 , x1 , · · · , xk ] = f [xk , xk−1 , · · · , x0 ]

No tiene sentido calcular los Polinomios de Lagrange.

9
Propiedad 2
f (n) (ξ)
Sea f (x) ∈ C n ([a, b]) y S = {x0 , x1 , · · · , xn } ∈ [a, b], entonces f [x0 , x1 , · · · , xn ] = , mı́n (xk ) ≤ ξ ≤ máx (xk )
n! k k
(demostración 69 en la página 31)

Relaciones de los coecientes de un polinomio y sus raíces (ver 69 en la página 31).

Diferencias divididas de Newton (3)

Cálculo recursivo de los coecientes (ver 70 en la página 32)


 f [x0 ] = f (x0 )
f [x0 , · · · , xn−1 ] − f [x1 , · · · , xn ]
 f [x0 , x1 , · · · , xn ] =
x0 − xn

Tabla de diferencias divididas

x f [◦] f [◦, ◦] f [◦, ◦, ◦] f [◦, ◦, ◦, ◦]

x0 f (x0 )
x1 f (x1 ) f [x0 , x1 ]
x2 f (x2 ) f [x1 , x2 ] f [x0 , x1 , x2 ]
x3 f (x3 ) f [x2 , x3 ] f [x1 , x2 , x3 ] f [x0 , x1 , x2 , x3 ]
. . . . . ..
. . . . . .
. . . . .

f (x0 )−f (x1 ) f [x0 ,x1 ]−f [x1 ,x2 ] f [x0 ,x1 ,x2 ]−f [x1 ,x2 ,x3 ]
ˆ f [x0 , x1 ] = x0 −x1 , f [x0 , x1 , x2 ] = x0 −x2 , f [x0 , x1 , x2 , x3 ] = x0 −x3

ˆ Expresión de P3 (x) con el soporte {x0 , x1 , x2 , x3 }

f [x0 ] + f [x0 , x1 ] (x − x0 ) + f [x0 , x1 , x2 ] (x − x0 ) (x − x1 ) + f [x0 , x1 , x2 , x3 ] (x − x0 ) (x − x1 ) (x − x2 )

ˆ Expresión de P3 (x) con el soporte {x3 , x2 , x1 , x0 }

f [x3 ] + f [x3 , x2 ] (x − x3 ) + f [x3 , x2 , x1 ] (x − x3 ) (x − x2 ) + f [x3 , x2 , x1 , x0 ] (x − x3 ) (x − x2 ) (x − x1 ) =
f [x3 ] + f [x2 , x3 ] (x − x3 ) + f [x1 , x2 , x3 ] (x − x2 ) (x − x3 ) + f [x0 , x1 , x2 , x3 ] (x − x1 ) (x − x2 ) (x − x3 )

ˆ Expresión de P3 (x) con el soporte {x2 , x1 , x3 , x0 }

f [x2 ] + f [x2 , x1 ] (x − x2 ) + f [x2 , x1 , x3 ] (x − x2 ) (x − x1 ) + f [x2 , x1 , x3 , x0 ] (x − x2 ) (x − x1 ) (x − x3 ) =
f [x2 ] + f [x1 , x2 ] (x − x2 ) + f [x1 , x2 , x3 ] (x − x1 ) (x − x2 ) + f [x0 , x1 , x2 , x3 ] (x − x1 ) (x − x2 ) (x − x3 )

Diferencias divididas de Newton (3)

Ejemplo 8. −2, − 13 3



Calcular, utilizando diferencias divididas, el polinomio de interpolación de:
5 , (−1, −3) , (1, −2) , 2, 5
Tabla




x o x0 o x1 o x2 o x3
x0 = −2 f [x0 ] = − 13 5
x1 = −1 f [x1 ] = −3 f [x0 , x1 ] = − 25
x2 =1 f [x2 ] = −2 f [x1 , x2 ] = 12 f [x0 , x1 , x2 ] = 3
10
3
x3 =2 f [x3 ] = 5 f [x2 , x3 ] = 13
5 f [x1 , x2 , x3 ] = 7
10 f [x0 , x1 , x2 , x3 ] = 1
10
−3−(− 5 )13
f [x0 , x1 ] = −1−(−2) = − 25
1
−(− 52 ) 3
f [x0 , x1 , x2 ] = 21−(−2) = 10
7 3
10 − 10 1
f [x0 , x1 , x2 , x3 ] = 2−(−2) = 10

Expresiones de P3 (x)
= − 13 2 1 3



5 + (x + 2) − 5 + (x + 1) + (x − 1) 10 10
= 35 + (x − 2) 13 7 1



5 + (x − 1) 10 + (x + 1) 10
= −2 + (x − 1) 12 + (x + 1) 103 1



+ (x + 2) 10
···
1 3
= 10 x + 21 x2 + 25 x − 3

10
Diferencias divididas de Newton (4)
Forma de Newton para S = {x0 , x1 , · · · , xn−1 , xn }
n
X Yn
Pn (x) = f [x0 , · · · , xj ] πj (x) con πn+1 (x) = (x − xk )
j=0 k=0

Ventajas

ˆ Cálculos muy simples (−, ÷)

ˆ Tabla reutilizable al añadir o quitar puntos

ˆ Coecientes se anulan si el interpolante es de menor grado

◦ {(−2,
−5) , (−1,
Datos:

−3) , (1,

1) , (2,33)}


x o x0 o x1 o x2 o x
−2 −5
−1 −3 2
1 1 2 0
2 3 2 0 0
◦ Expresión: P3 (x) = −5 + 2 (x + 2) = 2x − 1
Inconvenientes

ˆ La tabla depende de la función.

Diferencias nitas
Considerando puntos equiespaciados xk = x0 + k · h de denen:

ˆ Progresivas: 4fk = f (xk+1 ) − f (xk ) y 4n+1 fk = 4n fk+1 − 4n fk .

ˆ Regresivas: ∇fk = f (xk ) − f (xk−1 ) y ∇ n+1 n n

fk = ∇ fk − ∇ fk−1 .

Relaciones (demostración 71):

ˆ 4fk = ∇fk+1 y 4n fk = ∇n fk+n

ˆ 4n fk = n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n ]
n  
X n−i n
ˆ 4 fk =
n
(−1) fk+i
i
i=0
ˆ ∇n fk = n! · hn · f [xk−n , . . . , xk−2 , xk−1 , xk ]
n  
X n−i n
ˆ ∇ fk =
n
(−1) fk−n+i
i
i=0

2.4. Error

Error en la interpolación de Lagrange

Teorema
Sean f ∈ C n+1 ([a, b]) , S = {x0 , x1 , · · · , xn } ∈ [a, b] y Pn (x) el polinomio de interpolación de f (x) en S , entonces para
n
f (n+1) (ξx ) Y
cualquier x ∈ [a, b] existe ξx ∈ [a, b] tal que f (x) − Pn (x) = πn+1 (x) con πn+1 (x) = (x − xk )
(n + 1)!
k=0

Sea πn+1 (x) = (x − x0 ) (x − x1 ) · · · (x − xn )

ˆ Acotación del error en un punto z ∈ [a, b]
 (n+1) 
f (ξ) 
|f (z) − Pn (z)| ≤ máx    · |πn+1 (z)|
ξ∈[a,b] (n + 1)! 

ˆ Acotación del error en un intervalo [a, b]

 (n+1) 
f (x) 
máx |f (x) − Pn (x)| ≤ máx   · máx |πn+1 (x)|
x∈[a,b] x∈[a,b] (n + 1)!  x∈[a,b]

11
 Condiciones para seleccionar el orden de los puntos de interpolación

ˆ El punto de interpolación z debe pertenecer al intervalo.

ˆ Los puntos deben hacer mínima la cota de error; habitualmente se seleccionan dependiendo de su distancia
a z.
Nota: aumentar los puntos de interpolación no siempre disminuye el error.

Error de interpolación
Interpolación mediante diferencias divididas

Se realizan ensayos para determinar la relación entre esfuerzo (fuerza aplicada al material por unidad de área) y
deformación (deexión por unidad de longitud) en el mástil de un velero construido con una nueva aleación de aluminio.

σ (Kg/cm2 ) 126 365 506 527 562 703

δ (mm) 0,5 1,3 2 4,5 6 8,5

Estimar la deformación de un mástil con 5.65 cm2 de área transversal de debida a la fuerza del viento, evaluada en
2900Kg.

2900Kg
Punto de interpolación: z= 5.65cm2 ' 513.27Kg/cm2
Tabla:
σ δ (σ)
506 2.0
527 4.5 1.190 · 10−1
562 6.0 4.286 · 10−2 −1.361 · 10−3
365 1.3 2.386 · 10−2 1.173 · 10−4 −1.048 · 10−5
703 8.5 2.130 · 10−2 −1.813 · 10−5 −7.694 · 10−7 4.930 · 10−8
126 0.5 1.386 · 10−2 3.112 · 10−5 −1.129 · 10−7 −1.637 · 10−9 1.340 · 10−10
Cálculos
Soporte Pn (σ) Pn (z)
{506, 527} P1 (σ) = 2.0 + 1.190 · 10−1 Π1 (σ) 2.86599241
{· · · , 562} P2 (σ) = P1 (σ) − 1.361 · 10−3 Π2 (σ) 3.00183608
{· · · , 365} P3 (σ) = P2 (σ) − 1.048 · 10−5 Π3 (σ) 2.95084573
{· · · , 703} P4 (σ) = P3 (σ) + 4.930 · 10−8 Π4 (σ) 2.98640702
{· · · , 126} P5 (σ) = P4 (σ) + 1.340 · 10−10 Π5 (σ) 2.96806249

12
 Representación

Diferencias divididas de Newton (2)

x3 − 5
Ejemplo 9. −2, − 13 3



Sabiendo que los datos
5 , (−1, −3) , (1, −2) , 2, 5 provienen de f (x) =
x2 + 1
 
1. Acotar el error cometido al estimar f (0.5), sabiendo que máx f (4) (x) < 122
x∈[−2,2]
 
(z + 2) (z + 1) (z − 1) (z − 2) 
a ) Cota: |f (z) − Pn (z)| ≤ sup f
 (n+1)
(ξ) ≤

ξ∈(−2,2) 4!
 
 (n+1)   21 + 2 12 + 1 21 − 1 21 − 2  45






16
≤ sup f  (ξ) 
  ≤ 122 ' 14.4
ξ∈(−2,2)  4!  24
1 3

2
b ) Error real: f (0.5) = −3.9, P3 (0.5) = 101
+ 12 12 + 25 12 − 3 = −2.6



2
|f (z) − Pn (z)| = 1.3 < 14.4

2. Acotar el error cometido en todo el intervalo

|(x + 2) (x + 1) (x − 1) (x − xn )|
 
a) Cota: máx |f (x) − Pn (x)| ≤ máx f (n+1) (x) · máx
 
x∈[a,b] x∈[a,b] x∈[a,b] 4!
4
≤ 122 · ' 20.33
4!
Representación: (cotas muy conservadoras)

Error de interpolación (2)  

Sea soporte ordenado de puntos con equiespaciado h: xk = x0 + k · h y Mk = máx f (k) (x), se tiene
x∈I

13
 Interpolación lineal:
 (2)  2
 · máx |π1 (x)| = M2 h
 f (x) 
máx |f (x) − P1 (x)| ≤ máx 
x∈[x0 ,x1 ] x∈[x0 ,x1 ] (2)!  x∈[x0 ,x1 ] 2! 4
Interpolación cuadrática:
 (3)  3
 · máx |π2 (x)| = M3 2h
 f (x) 
máx |f (x) − P2 (x)| ≤ máx  √
x∈[x0 ,x2 ] x∈[x0 ,x2 ] (3)!  x∈[x0 ,x2 ] 3! 3 3

Interpolación cúbica:
 (4) 
 f (x)  M
máx |f (x) − P3 (x)| ≤ máx    · máx |π3 (x)| = 4 h4
x∈[x0 ,x3 ] x∈[x0 ,x3 ] (4)!  x∈[x0 ,x3 ] 4!
Interpolación con polinomio de cuarto grado:
 (5) √ √
p√
5 − 10 + 5 58

 f (x)  M 145 + 15 5 3.63
máx |f (x) − P4 (x)| ≤ máx   · máx |π4 (x)| = h ' M5 h5
x∈[x0 ,x4 ] x∈[x0 ,x4 ] (5)!  x∈[x0 ,x4 ] 5! 50 5!

Interpolación con polinomio de quinto grado:

 (6)  √
 f (x)  M 6 160 + 112 7 6 16.9
máx |f (x) − P5 (x)| ≤ máx   · máx |π5 (x)| = h ' M6 h 6
x∈[x0 ,x5 ] x∈[x0 ,x5 ] (6)!  x∈[x0 ,x5 ] 6! 27 6!
Interpolación con polinomios de mayor grado:
sh=x−x0
πn+1 (x) = (x − x0 ) (x − x1 ) · · · (x − xn ) −→ s (s − 1) · · · (s − n) hn+1
n 6 7 8 9 10 11 12
πn (s) 95.8 640.6 4.93 · 103 4.29 · 104 4.17 · 105 4.47 · 106 5.24 · 107

Diferencias divididas de Newton (3)

Ejemplo .
10 Se desea tabular la función f (x) = ex cos x denida en el intervalo[−π, π] mediante puntos equiespaciados.

1. ¾Cuántos puntos son necesarios para que al interpolar linealmente entre dos valores consecutivos el error entre la
función y el interpolante no supere la media unidad?

a) Expresión del error

 2
 h

máx |f (x) − P1 (x)| ≤ máx f (2) (x) ·

x∈[x0 ,x1 ] x∈[−π,π] 8
b) Acotación de la derivada

f 00 (x) = −2ex sin x. Extremos cuandof 000 (x) = 2ex (sin x + cos x) = 0
 √
f (x) = 2e 34 π
3  (2)
Puntos extremales:
4 π, −π, π ⇒ máx x∈[−π,π]

c) Número de puntos
  h2 √ 3 h2 2π
máx f (2) (x) · = 2e 4 π < 0.5 → h < 0.5178 → N > h + 1 = 14
x∈[x0 ,x1 ] 8 8
2. ¾Y si se utiliza una interpolación con tres puntos consecutivos?

a) Expresión del error

3
 h
 
máx |f (x) − P2 (x)| ≤ máx f (3) (x) · √

x∈[x0 ,x2 ] x∈[−π,π] 9 3
b) Acotación de la derivada

f 000 (x) = 2ex (sin x + cos x). Extremos cuando f iv (x) = −4ex cos x = 0
 π π  (3) 
Puntos extremales: − , , −π, π ⇒ máx f (x) = 2eπ
2 2 x∈[−π,π]

c) Número de puntos
  h3 h3 2π
máx f (3) (x) · √ = 2eπ √ < 0.5 → h < 0.5522 → N > h + 1 = 13
x∈[x0 ,x1 ] 9 3 9 3
3. ¾Cual es el máximo error cometido al utilizar 5 puntos equiespaciados?

14
 a) Expresión del error
5
 3.6314h
 
máx |f (x) − P4 (x)| ≤ máx f (5) (x) ·

x∈[x0 ,x4 ] x∈[−π,π] 5!
1) Acotación de la derivada
f (5) (x) = 4ex (sin x − cos x). Extremos cuando (6)
 (5) f  = 8e
x
sin x = 0
π
Puntos extremales: {0, −π, π} ⇒ máx  f (x) = 4e

x∈[−π,π]
2) Error
2π 5


3.6314 4
máx |f (x) − P4 (x)| ≤ 4 · < 26.7873
x∈[−π,π] 5!

4. ¾Y si se toman 9?

a) Expresión del error

4 5
 4.2901 · 10 h
 
máx |f (x) − P8 (x)| ≤ máx f (9) (x) ·

x∈[x0 ,x4 ] x∈[−π,π] 9!
1) Acotación de la derivada
f (9) (x) = 16ex (sin x − cos x). Extremos cuando
 (9) f
(10)
= 32ex sin x = 0
Puntos extremales: {0, −π, π} ⇒ máx  f (x) = 16eπ

x∈[−π,π]
2) Error
2π 9
4.2901 · 104


π 8
máx |f (x) − P8 (x)| ≤ 16e · < 0.5719
x∈[−π,π] 9!

Las cotas son muy conservadoras

Representación: lineal y cuadrática

Representación: 5 y 9 puntos

15
2.5. Chebyshev

Minoración del error

 (n+1) 
f (ξx ) 
El error en un intervalo viene acotado por
 (n + 1)!  · x∈[a,b]
máx |πn+1 (x)|. ¾Se pueden elegir los puntos del soporte


S = {x0 , x1 , · · · , xn } para minorar el error?

 (n+1)   (n+1) 
f (x)  f (x) 
1. El término
 (n + 1)!  es difícil de minorar ya que se desconoce ξx , y x∈[a,b]
máx  es independiente
 
(n + 1)! 
de los puntos.

2. Un estudio de πn+1 (x) (ver 73 en la página 34) muestra que con un soporte equiespaciado, los máximos
decrecen cuando se interpola cerca del centro del intervalo.

Se seleccionan los puntos del soporte para minorar

 
Yn 
máx |Πn+1 (x)| = máx  (x − xk )
 
x∈[a,b] x∈[a,b]  
k=0
de forma que máx |f (x) − Pn (x)| −−−−→ 0
x∈[a,b] n→∞

La elección óptima son las raíces ξk de los polinomios de Chebishev, denidos en el intervalo [−1, 1].

polinomios de Chebishev (1)

Los polinomios de Chebyshev {T0 (x) , T1 (x) , · · · } se denen como Tn (x) = cos (n arc cos x)
Propiedades

1. Se obtienen de forma recursiva (ver 74 en la página 34)

T0 (x) = 1, T1 (x) = x, Tn+1 (x) = 2xTn (x) − Tn−1 (x)

ˆ Base: 1, x, 2x2 − 1, 4x3 − 3x, 8x4 − 8x2 + 1, 16x5 − 20x3 + 5x, · · ·


2. Los n + 1 valores extremos de Tn (x) son ±1 y se alcanzan en (ver 74 en la página 34)

ςk = cos 2k π


n 2 , k = 0, 1, 2, · · · n ςk ∈ [−1, 1]
3. Las n raíces de Tn (x) son (ver 74 en la página 34)

ξk = cos 2k−1 π


n 2 , k = 1, 2, · · · n ξk ∈ [−1, 1]
4. El coeciente de mayor grado de Tn (x) , n > 0 es 2n−1 (ver 74 en la página 34)

ˆ Los polinomios de mónicos son aquellos en que el coeciente de mayor grado es uno.

ˆ Los polinomios de Chebishev mónicos se denen como T̄n (x) = 21−n Tn (x)

polinomios de Chebishev (2)

Deniciones 11. Sea f (x) ∈ C ([a, b]), se dene kf (x)k∞ = máx |f (x)|. (Norma uniforme o innito)
x∈[a,b]

Teorema
12. El polinomio mónico de Chebishev T̄n (x) es el polinomio mónico de grado n de menor norma uniforme
y T̄n (x) ∞ = 21−n . (ver 74 en la página 34)

Corolario 13. Seaf (x) ∈ C ([a, b]), Pn (x) el polinomio de interpolación en {xk } y ξk las raíces de T̄n+1 (x), entonces

16
 Mn+1
1. Si [a, b] = [1, 1] y xk = ξk , kf (x) − Pn (x)k∞ ≤ con Mn+1 = máx f (n+1) (x) (ver 74 en la
 
2n (n + 1)! x∈[−1,1]
página 34)
!n+1
Mn+1 b−a
2. Si xk = , kf (x) − Pn (x)k∞ con Mn+1 = máx f (n+1) (x) (ver 74 en la
a+b b−a
 
2 + 2 ξk ≤ n
2 (n + 1)! 2 x∈[a,b]

página 34)
Otras propiedades:

1
1. Forman una familia de polinomios ortogonales en [−1, 1] con ω (x) = √ .
 1 − x2
R1  0 n 6= m
−1
ω (x) Tn (x) Tm (x) dx = π n=0
 1
2π n 6= 0
2. Se relacionan con la fórmula de De Moivre.

3. Son soluciones de las ecuaciones diferenciales de Chebyshev

1 − x2 y 00 − xy 0 + n2 y = 0

1 − x2 y 00 − 3xy 0 + n (n + 2) y = 0

polinomios de Chebishev (3)

a+b b−a 2k−1 π


Nota: xk = 2 + 2 ξk con ξk = cos n 2 , k = 1, 2, · · · n

ˆ Ejemplo con 5 puntos:

π 3π 5π 7π 9π






ξk = cos 10 , cos 10 , cos 10 , cos 10 , cos 10 ' {0.9511, 0.5878, 0.0, −0.5878, −0.9511}
−5+5 5−(−5)
xk = 2 + 2 ξk = 5ξk ' {4.7553, 2.9389, 0.0, −2.9389, −4.7558}

3. Pb.Hermite

Interpolación polinómica
Soporte: X = {x0 , x1 , · · · , xn }

Base: B = 1, x, x2 · · ·

Condiciones: ψ (xi ) = f (xi ) ∧ ψ 0 (xi ) = f 0 (xi ) , i = 0, 1, · · · , n

Interpolante
2n+1
X
ψ (x) = P2n+1 (x) = a0 + a1 x1 + · · · + am xm = a k xk
k=0

Teorema 14. Existe un único interpolante Pm (x) con m ≤ 2n+1 que resuelve el problema de interpolación de Hermite
si y solo si todos los puntos del soporte son diferentes.

17
3.1. Pol.Hermite

Polinomios de Hermite
Se obtienen a partir de los polinomios de Lagrange

2
φi (x) = (α + βx) Lin (x)
Son de dos clases

ˆ Hm
i
(x) interpola la función
Hm (xj ) = δij y dx
i d i

Hm (x)x=xj = 0
 
 
n
i
 X 1 
 i
2
Hm (x) = 1 − 2 (x − xi )  L (x)

 xi − xk  n
 k=0 
k 6= i
ˆ H̃m
i
(x) interpola la derivada.

i
H̃m (xj ) = 0 y
d i
dx H̃m (x) = δij

x=xj
i

2
H̃m (x) = (x − xi ) Lin (x)

Interpolación polinómica (II)

El interpolante se obtiene combinando ambas clases
n n
f 0 (xk ) H˜m
X X
i i (x)
P2n+1 (x) = f (xk ) Hm (x) +
k=0 k=0

Ventajas
n o
ˆ i
Hm i
(x) , H̃m (x) fáciles de calcular
n o
ˆ Hm
i i
(x) , H̃m (x) independientes de f (x)

Inconvenientes
n o
ˆ i
Hm i
(x) , H̃m (x) cambian si varía S
n o
ˆ P2n+1 (x) puede ser más simple que
i
Hm i
(x) , H̃m (x)

3.2. DD Gener.

Diferencias divididas generalizadas

Se obtienen a partir de las diferencias divididas de Newton.

Cada punto del soporte se repite consecutivamente tantas veces como condiciones deba vericar .

Propiedad
Los coecientes de las D.D. generalizadas se obtienen como

f [xk , xk+1 , · · · , xk+n ] =


f [xk , · · · , xk+n−1 ] − f [xk+1 , · · · , xk+n ]
xk 6= xk+n


xk − xk+n

= (n)
f (x k )
xk = xk+n



(n)!

18
Diferencias divididas generalizadas
Ejemplo
Un vehículo recorre un circuito de 6.5 Km. Se le toma el tiempo y la velocidad cada vez que pasa por meta:
Vuelta 0 1 2

Tiempo (s) 0 125 240

Velocidad (Km/h) 0 234 252
Obtener el polinomio que interpole el espacio recorrido y la velocidad para un tiempo dado.

Tabla con homogeneidad de medidas

Tiempo (s) 0 125 240

Espacio (m) 0 6500 13000

Velocidad (m/s) 0 65 70

Diferencias divididas generalizadas

Tabla

x f [◦]
z0 = 0 f (z0 ) = 0
z1 = 0 f (z1 ) = 0 f [z0 , z1 ] = f 0 (z0 )
z2 = 125 f (z2 ) = 6500 f [z1 , z2 ] f [z0 , . . . , z2 ]
z3 = 125 f (z3 ) = 6500 f [z2 , z3 ] = f 0 (z2 ) f [z1 , . . . , z3 ] f [z0 , . . . , z3 ]
z4 = 240 f (z4 ) = 13000 f [z3 , z4 ] f [z2 , . . . , z4 ] f [z1 , . . . , z4 ] f [z0 , . . . , z4 ]
z5 = 240 f (z5 ) = 13000 f [z4 , z5 ] = f 0 (z4 ) f [z3 , . . . , z5 ] f [z2 , . . . , z5 ] f [z1 , . . . , z5 ] f [z0 , . . . , z5 ]
x f [◦]
0 0
0 0 0.000
125 6500 52.000 0.4160
125 6500 65.000 0.1040 −2.493 · 10−3
240 13000 56.581 −0.0737 −0.741 · 10−3 7.315 · 10−6
240 13000 70.000 0.1172 1.660 · 10−3 −10.003 · 10−6 11.202 · 10−9

Interpolante
2 2
P5 (x) = 0+0x+0.4160x2 −2.493·10−3 x2 (x − 125)+7.3145·10−6 x2 (x − 125) +11.202·10−9 x2 (x − 125) (x − 240)

3.3. Error.

Error de interpolación de Hermite

Teorema
Sean f ∈ C 2n+1 ([a, b]) , S = {x0 , x1 , · · · , xn } ∈ [a, b] y Pn (x) el polinomio de interpolación para el problema de Hermite
f (n+1) (ξx ) 2
de f (x) en S , entonces para cualquier x ∈ [a, b] existe ξx ∈ [a, b] tal que f (x) − P2n+1 (x) = (Πn+1 (x))
(n + 1)!
Yn
con Πn+1 (x) = (x − xk ) (demostración 72 en la página 33)
k=0

4. Segmentaria

Interpolación segmentaria o spline (1)

X = {a = x0 < x1 < xn−1 < b = xn } (ordenado)

Denición  k−1
El interpolante segmentario de grado m es una función S (x) = Pm (x) ∀x ∈ (xk−1 , xk ] donde

k
1. Pm (x) es un polinomio de grado menor o igual que m
k−1 k
2. S (xk ) = Pm (xk ) = Pm (xk ) = f (xk ) k = 0, 1, . . . , n
3. S (x) ∈ C m−1 ([a, b]) (derivadas continuas)

19
Interpolación segmentaria (2)
Incógnitas Condiciones

n intervalos f (xi ) en n + 1 puntos

k
coecientes de Pm (x) S (x) ∈ C m−1 ([a, b])
n · (m + 1) (n + 1) + m · (n − 1) m−1
Si m>1 S.C.I. 7→ hay que añadir condiciones

1. Natural: S (m−1) (a) = S (m−1) (b) = 0

0
2. Sujeta: S (a) = ma , S 0 (b) = mb
3. Aproximación polinomial en los extremos

a)
00 00 00 00
Parabólica: S (x0 ) = S (x1 ) y/o S (xn−1 ) = S (xn )
b)
000 000 000 000
Cúbica: S (x0 ) = S (x1 ) y/o S (xn−1 ) = S (xn )
4. Periódica: S (j) (a) = S (j) (b) , j = 0, 1, . . . , m − 1
5. Otras

Interpolación segmentaria (3)

Datos de partida {(x0 , f (x0 )) , (x1 , f (x1 )) , . . . , (xn , f (xn ))}

1. Selección de la condición a añadir (cuando sea necesario)

2. Planteamiento y resolución del sistema lineal.

3. Recuperación de los coecientes de los polinomios para cada intervalo

4. Selección del intervalo al que pertenece el punto a interpolar y uso del polinomio correspondiente.

4.1. Lineal

Interpolación segmentaria lineal


Expresión: S (x) = P1k (x) = ak (x − xk ) + bk : ∀x ∈ (xk−1 , xk ]

Condiciones: S (x) es continua y S (xk ) = f (xk ) k = 0, · · · , n

1. Valor en el extremo izquierdo:

P1k (xk ) = f (xk ) k = 1, 2, · · · , n

2. Valor en el extremo derecho:

P1k (xk+1 ) = f (xk+1 ) k = 1, 2, · · · , n

Hay tantas incógnitas como ecuaciones

Da lugar a una poligonal que pasa por los puntos.

Procedimiento: se utiliza diferencias divididas, pero calculando sólo hasta la segunda columna (polinomios de
primer grado).

20
Interpolación segmentaria lineal

(2)
−2, − 13 3


Datos: (xk , f (xk )) = 5 , (−1, −3) , (1, −2) , 2, 5

Tabla de diferencias divididas

x f [◦] f [◦, ◦]
13
−2 5
( 13
5 )−(−3) 2
−1 −3 −2−(−1) = − 5
(−3)−(−2) 1
1 −2 −1−(1) = 2
3 (−2)−( 35 )
2 5 1−(2) = 13
5

Intervalos e interpolantes

[xi , xi+1 ] P1k (x)

13 2
[−2, −1] 5 − 5 (x + 2)
[−1, 1] −3 + 12 (x + 1)
[1, 2] −2 + 135 (x − 1)

Representación

4.2. Cuadrática

Interpolación segmentaria cuadrática

n o
2
Expresión: S (x) = P2k (x) = ak (x − xk ) + bk (x − xk ) + ck

Condiciones: S (x) y S 0 (x) son continuas y S (xk ) = f (xk ) k = 0, · · · , n

1. Valor en el extremo izquierdo:

P2k (xk ) = f (xk ) k = 0, 1, 2, · · · , n − 1

2. Valor en el extremo derecho:

P2k (xk+1 ) = f (xk ) k = 0, 1, 2, · · · , n − 1

3. Continuidad de la derivada en los puntos interiores:
k+1
d k
 d

dx P2 (x)x=x = dx P2 (x)x=x k = 0, 1, 2, · · · , n − 1
k+1 k+1

Hay una incógnita más que ecuaciones: se debe añadir una condición

Su uso es escaso.

Interpolación segmentaria cuadrática (2)

Despejando de las relaciones, se obtienen relaciones entre los coecientes (ver 77 en la página 35)

bk+1 − bk
ak = k = 0, 1, 2, · · · , n − 1 con hk = xk+1 − xk
2hk

ck = f (xk−1 ) k = 0, 1, 2, · · · , n − 1

21
 El sistema de ecuaciones se reduce a

bk + bk+1 = 2f [xk , xk−1 ] k = 0, 1, 2, · · · , n − 1

Matricialmente: Ax = B

    
1 1 0 0 ··· 0 0 b0 f [x1 , x0 ]
 0 1 1 0 ··· 0 0   b1   f [x2 , x1 ] 
.  .  = 2
    
 .. .. .. .. .. .
. .  . 
.
.

 . . . . . . . .  . 
0 0 0 ··· 0 1 1 bn f [xn , xn−1 ]

Interpolación segmentaria cuadrática (3)

Condiciones: (la natural es igual que la sujeta con m = 0) (ver 77 en la página 36)

1. Sujeta en el extremo izquierdo: S 0 (a) = ma

Ecuaciones:

b1 = ma
Sistema:

1
   
1 0 0 ··· 0 0  
2 ma
b 0
 1 1 0 ··· 0 0 
  f [x 1 , x0 ]

 b1 
   
 0 1 1 ··· 0 0   f [x2 , x1 ]
 .  = 2

.   .. 
 
. . . .. . .
. . . . .  .
  
 . . . . . .  . 
bn
0 0 0 ··· 1 1 f [xn , xn−1 ]

2. Sujeta en el extremo derecho: S 0 (b) = mb

Ecuaciones:

bn = m b
Sistema:

   
1 1 0 ··· 0 0   f [x1 , x0 ]
b 0
 0 1 1 ··· 0 0 
 b 
 f [x2 , x1 ] 
.  1 
  
 .. .. .. .. . .
. .  .  = 2 .
 
 . . . . . .  .
 .. 

  
 0 0 0 ··· 1 1   f [xn , xn−1 ] 
bn 1
0 0 0 ··· 0 1 2 mb

3. Aproximación polinomial en los extremos:

a) Lineal

Extremo izquierdo
d 0
 d 1

Condición:
dx P2 (x) x=x0 = dx P2 (x)x=x1

Ecuación: b0 − b1 = 0

Extremo derecho
n−1 n−1
d
 d

Condición:
dx P2 (x)x=xn−1 = dx P2 (x)x=xn
Ecuación: −bn−1 + bn = 0
b) Cuadrática

Extremo izquierdo  
d2 0 d2 1
Condición:
dx2 P2 (x) = dx2 P2 (x)
 
x=x0 x=x1
Ecuación: −h1 b0 + (h0 + h1 ) b1 − h0 b2 = 0

22
 Extremo derecho  
d2 n−2 d2 n−1
Condición:
dx2 P2 (x) = dx2 P2 (x)
 
x=xn−1 x=xn
Ecuación: −hn−1 bn−2 + (hn−2 + hn−1 ) bn−1 − hn−2 bn = 0
n−1
d 0
 d

4. Comportamiento periódico:
dx P2 (x) x=x = dx P2 (x)x=x

0 n

Ecuaciones:

−b0 + bn = 0

5. etc.

Interpolación segmentaria cuadrática (4)

−2, − 13 3



Datos: (xk , f (xk )) = 5 , (−1, −3) , (1, −2) , 2, 5

Interpolantes segmentarios cuadráticos (según condiciones)

x [−2, −1] [−1, 1] [1, 2]

a b c a b c a b c
ÀN -0.4 0.0 -2.6 0.65 -0.8 -3 0.8 1.8 -2
ÀS -0.72 0.32 -2.6 0.81 -1.12 -3 0.48 2.12 -2
ÁN -3.8 3.4 -2.6 2.35 -4,2 -3 -2.6 5.2 -2
ÁS -1.88 1.48 -2.6 1.39 -2.28 -3 -0.68 3.28 -2
Âa 0 -0.4 -2.6 0.45 -0.4 -3 1.2 1.4 -2
Âb -1.2 0.8 -2.6 1.05 -1.6 -3 0 2.6 -2
Âc 0.3 -0.7 -2.6 0.3 -0.1 -3 1.5 1.1 -2
Âd -0.5 0.1 -2.6 0.7 -0.9 -3 0.7 1.9 -2
à - - - - - - - - -

Representación

4.3. Cúbica

Interpolación segmentaria cúbica

n o
3 2
Expresión: S (x) = ∪P3k (x) == ak (x − xk ) + bk (x − xk ) + ck (x − xk ) + dk con P3k (x) denido en [xk , xk+1 ]

Condiciones: S (x) , S 0 (x) y S 00 (x) son continuas y S (xk ) = f (xk ) k = 0, · · · , n

1. Valor en el extremo izquierdo de los n intervalos:

P3k (xk ) = f (xk ) k = 0, 1, 2, · · · , n − 1

2. Valor en el extremo derecho de los n intervalos:
P3k (xk+1 ) = f (xk+1 ) k = 0, 1, 2, · · · , n − 1
3. Continuidad de S 0 en los n − 1 puntos interiores:
P3k+1 (x)x=x
d k
 d

dx P3 (x) x=xk+1
= dx k = 0, 1, · · · , n − 2
k+1

23
 00
4. Continuidad
 S en los n−1 puntos interiores:

2
d k d2 k+1
dx2 P3 (x) = dx2 P3 (x) k = 0, 1, · · · , n − 2
 
x=xk+1 x=xk+1

Hay dos incógnitas más que ecuaciones: se deben añadir dos condiciones

1. Natural: S 00 (a) = S 00 (b) = 0

0
2. Sujeta: S (a) = ma , S 0 (b) = mb
3. ...

Su uso es el más generalizado.

Interpolación segmentaria cúbica (2)

Operando las condiciones, se obtienen relaciones entre los coecientes (ver 78 en la página 36)

bk+1 − bk
ak = , k = 0, 1, · · · , n − 1
3hk
1
ck = f [xk+1 , xk ] − 3 (bk+1 + 2bk ) hk , k = 0, 1, · · · , n − 1

dk = f (xk ) , k = 1, 2, · · · , n
y el sistema de ecuaciones se reduce a

hk bk + 2 (hk + hk+1 ) bk+1 + hk+1 bk+2 = 3 (f [xk+2 , xk+1 ] − f [xk+1 , xk ])

k = 0, 1, 2, · · · , n − 2

Interpolación segmentaria cúbica (3)

Se llega al sistema Ax = B
 
h0 2 (h0 + h1 ) h1 0 ··· 0 0 0
 0 h1 2 (h1 + h2 ) h2 ··· 0 0 0 
A= .
 
. . . .. . . .
. . . . . . .

 . . . . . . . . 
0 0 0 0 ··· hn−22 (hn−2 + hn−1 ) hn−1
   
b1 f [x1 , x2 ] − f [x0 , x1 ]
 b2   f [x2 , x3 ] − f [x1 , x2 ] 
x= . B = 3
   
.
 .. .
 
  . 
bn+1 f [xn−1 , xn ] − f [xn−2 , xn−1 ]

Interpolación segmentaria cúbica (4)

Se requiere añadir dos condiciones (ver 78 en la página 37)

1. Natural: S 00 (a) = α, S 00 (b) = β con α=β=0

Ecuaciones:

b1 = 21 α
bn+1 = 12 β
Sistema:

 
1 0 0 0 ··· 0 0 0

 h0 2 (h0 + h1 ) h1 

 0 h1 2 (h1 + h2 ) h2 ··· 0 0 0 
A= .
 
. . . .. . . .
 .. . . . . . .

. . . . . . . 
 
 0 0 0 0 ··· hn−2 2 (hn−2 + hn−1 ) hn−1 
0 0 0 0 ··· 0 0 1

24
 1
 
6α

 f [x1 , x2 ] − f [x0 , x1 ] 

 f [x2 , x3 ] − f [x1 , x2 ] 
B = 3
 
.
.


 . 

 f [xn−1 , xn ] − f [xn−2 , xn−1 ] 
1
6β

2. Sujeta: S 0 (a) = ma , S 0 (b) = mb

Ecuaciones:

2h0 b0 + h0 b1 = 3 (f [x1 , x0 ] − ma )
hn−1 bn−1 + 2hn−1 bn = 3 (mb − f [xn−1 , xn ])
Sistema:
 
2h0 h0 0 0 ··· 0 0 0

 h0 2 (h0 + h1 ) h1 

 0 h1 2 (h1 + h2 ) h2 ··· 0 0 0 
A=
 
. . . . .. . . .
. . . . . . .

 . . . . . . . . 
 
 0 0 0 0 ··· hn−2 2 (hn−2 + hn−1 ) hn−1 
0 0 0 0 ··· 0 hn−1 2hn−1
 
f [x0 , x1 ] − ma
f [x 1 , x2 ] − f [x0 , x1 ]
 
 
.
B = 3 .
 
 . 

 f [xn−1 , xn ] − f [xn−2 , xn−1 ] 
mb − f [xn−1 , xn ]
3. Aproximación polinomial en los extremos:

a) Lineal: S 0 (x0 ) = S 0 (x1 ) =, S 0 (xn−1 ) = S 0 (xn )

Ecuaciones:
−2h0 b0 + (−h0 + 2h1 ) b1 + h1 b2 = 3 (f [x2 , x1 ] − f [x1 , x0 ])
hn−2 bn−2 + (2hn−2 − hn−1 ) bn−1 − 2hn−1 bn = 3 (f [xn , xn−1 ] − f [xn−1 , xn−2 ])
b) Cuadrática: S 00 (x0 ) = S 00 (x1 ) =, S 00 (xn−1 ) = S 00 (xn )
Ecuaciones:

b1 − b2 = 0
−bn−1 + bn = 0
c) Cúbica: S 000 (x0 ) = S 000 (x1 ) =, S 000 (xn−1 ) = S 000 (xn )
Ecuaciones:
−h1 b0 + (h0 + h1 ) b1 − h0 b2 = 0
−hn−1 bn−2 + (hn−2 + hn−1 ) bn−1 − hn−2 bn = 0
4. Comportamiento periódico: S 0 (x0 ) = S 0 (xn ) =, S 00 (x0 ) = S 00 (xn )
Ecuaciones:

2h0 b0 + h0 b1 + hn−1 bn−1 + 2hn−1 bn = 3 (f [x1 , x0 ] − f [xn , xn−1 ])

−b0 + bn = 0
5. etc.

Interpolación segmentaria
 cúbica
 (5)
Sean M= máx f (4) (x) y h = máx (hk ), el error de la interpolación cúbica segmentaria está acotado por (ver
x∈[x0 ,xn ] k
79 en la página 38)

1. Natural: S (k−1) (a) = S (k−1) (b) = 0

 
máx f (k) (x) − S (k) (x) ≤ βk M h4−k , k = 0, 1, 2
x∈[x1 ,xn−1 ]

máx |f (x) − S (x)| ≤ βM h2

x∈[x0 ,x1 ]∪[xn−1 ,xn ]

25
 2. Sujeta: S (k−1) (a) = ma , S (k−1) (b) = mb
 
máx f (k) (x) − S (k) (x) ≤ αk M h4−k , k = 0, 1, 2
x∈[x0 ,xn ]
5 1 3
con α0 = 384 α1 = 24 α2 = 8

Interpolación segmentaria cúbica

(6)
−2, − 13 3


Datos: (xk , f (xk )) = 5 , (−1, −3) , (1, −2) , 2, 5

Interpolantes segmentarios cúbicos (según condiciones)

x a b c d
À [−2, −1] 0.0375 0 -0.4375 -2.6
[−1, 1] 0.15 0.1125 -0.325 -3
[1, 2] -0.3375 1.0125 1.925 -2
Á [−2, −1] 0.47714286 -1.19714286 0.32 -2.6
[−1, 1] 0.16857143 0.23428571 -0.64285714 -3
[1, 2] -0.96285714 1.24571429 2.31714286 -2
Âb [−2, −1] 0 0.14 -0.54 -2.6
[−1, 1] 0.12 0.14 -0.26 -3
[1, 2] 0 0.86 1.74 -2
Âc [−2, −1] 0.1 -0.1 -0.4 -2.6
[−1, 1] 0.1 0.2 -0.3 -3
[1, 2] 0.1 0.8 1.7 -2

Representación

5. Paramétrica

Interpolación paramétrica
En ocasiones debemos interpolar puntos de la forma {(xi, yi ) , i = 0, 1, . . . , n} en que no podemos obtener una
función que exprese y en función de x.
(puntos sobre una curva cerrada, se repiten puntos del soporte, etc)

La solución está en buscar una curva en el plano mediante una expresión paramétrica

(x (t) , y (t)) : {(x (ti ) , y (ti )) = (xi, yi ) , i = 0, 1, . . . , n}.

Si no hay más información, se plantean dos problemas de interpolación, tomando t como el orden de recorrido
de los puntos, escalados en [0, 1].

Así se relaciona con el problema del viajante (TSP), que indica el orden de recorrido.

26
Interpolación paramétrica
Ejemplo 9 puntos equiespaciados sobre una circunferencia .

Ejemplo 9 puntos no equiespaciados sobre una circunferencia .

6. Bidimensional

Interpolación n-dimensional
Al aumentar la dimensión del espacio, se produce la maldición de la dimensionalidad

En la siguiente tabla se muestra, a modo de ejemplo, como el número de datos necesarios al interpolar con un
polinomio de grado n en un espacio de dimensión m
m=2 m=3 m=4 m=5 m=6 m=7 ···
n=1 2 3 4 5 6 7 ···
n=2 3 6 10 15 21 28 ···
n=3 4 10 20 35 56 84 ···
..
n=4 5 15 35 70 126 210 .

n=5 6 21 56 126 252 462

. . . . . .. ..
. . . . . . .
. . . . .

Interpolación de supercies
Datos sobre una cuadrícula o mallado regular (Generalización de 1 dim.)

Bilineal

Bicúbica

Bisplines

27
 Datos sin una cuadrícula o con mallado irregular

ˆ Muchos datos

Triangularización de Delaunay

ˆ Pocos datos

Krigeaje

Inverso de la distancia

6.1. Malla regular

Interpolación bilineal
Denición
Dada una malla, y sea el cuadrilátero denido por los puntos [xi−1 , xi ] × [yj−1 , yj ], se dene en ella la función bilineal
mediante

 
f (xi−1 , yj−1 ) (xi − x) (yj − y) +
1  f (xi , yj−1 ) (x − xi−1 ) (yj − y) + 
φ (x, y) ≈  
(xi − xi−1 ) (yj − yj−1 )  f (xi−1 , yj ) (xi − x) (y − yj−1 ) + 
f (xi , yi ) (x − xi−1 ) (y − yj−1 )

La interpolación bilineal es lineal en cada variable, por tanto no es lineal.

Se generaliza a tres dimensiones obteniendose la interpolación trilineal

Programación

Interpolación bicúbica
Calcula un polinomio de tercer grado en cada variables para cada cuadrilátero

[xi−1 , xi ] ×
[yj−1 , yj ] de la malla.

2 2 3 2 2 3 3 2 2 3
φ (x, y) ≈ a00 +(a

10 x + a01 y)+ a20 x + a11 xy + a02 y + a30 x + a21 x y + a12 xy + a 03 y + a31 x y + a 22 x y + a13 xy +
3 2 2 3 3 3
a32 x y + a23 x y + a33 x y
Incógnitas (coecientes): 16

Condiciones:

ˆ valores de la función en los 4 nodos (4)

 
ˆ derivadas direccionales
∂ ∂
∂x , ∂y en los 4 nodos (8)
 
ˆ derivadas segundas mixtas
∂
∂x∂y en los cuatro nodos (4)

Conduce a un sistema lineal que permite determinar los coecientes

28
Programación

6.2. Malla irregular

Triangulación de Delaunay
Una triangulación de Delaunay es una red de triángulos conexa y convexa que cumple la condición de Delaunay.

La condición establece que la circunferencia circunscrita de cada triángulo de la red no debe contener ningún
vértice de otro triángulo.

Se le denomina así por el matemático ruso Borís Nikolaevich Delone quien lo ideó en 1934.

La triangulación se usa como soporte para denir funciones de interpolación sobre los triángulos.

Programación

6.3. Datos escasos

Krigeaje
Desarrollada inicialmente por Danie G. Krige a partir del análisis de regresión entre muestras y bloques de mena.

Puede ser entendido como una predicción lineal o una forma de inferencia bayesiana.

Parte del principio que puntos próximos en el espacio tienden a tener valores más parecidos que los puntos más
distantes.

Es lineal porque sus estimaciones son combinaciones lineales ponderadas de los datos existentes.

29
 Es insesgado porque procura que la media de los errores sea nula.

Es el mejor (óptimo) porque los errores de estimación tienen una variancia (variancia de estimación) mínima.

Inversa de la distancia
El interpolante se obtiene ponderando los valores en los puntos conocidos de forma inversa a la distancia.

Un caso particular se obtiene cuando la ponderación se realiza mediante funciones gausianas denidas en el
soporte.

Considera en cada nodo Pk una distribución normal bidimensional centrada de varianza {σx , σy }k .
n q
(x−xk )2 (y−yk )2
X
ψ (x, y) = αk e−dk . siendo dk (x, y) = σx − σy
k=0
La varianza se presuponen, para obtener una supercie suave.

Los coecientes se calculan exigiendo que la supercie pase por los puntos conocidos:ψ (Pk ) = zk .

Programación

7. Bibliografía

8. Demostraciones

8.1. Lagrange

Problema de Lagrange
Unicidad del polinomio de interpolación de Lagrange (volver 3 en la página 5)

Existe un único interpolante Pm (x) con m ≤ n que resuelve el problema de interpolación de Lagrange de f (x)
si y solo si todos los puntos del soporte S son diferentes.
Dado el soporte S = {x0 , x1 , · · · , xn−1 , xn }, se considera que existen dos polinomios de interpolación diferentes
Pn (x) y Qn (x) tales quePn (xk ) = Qn (xk ) = f (xk ) , k = 0, 1, . . . , n.
Deniendo Rn (x) = Pn (x) − Qn (x), Rn (xk ) = 0, k = 0, 1, . . . , n, luego S = {x0 , x1 , · · · , xn } son raíces de
Rn (x).
Rn (x) = γ (x − x0 ) (x − x1 ) · · · (x − xn ) que es un polinomio de grado n + 1.
Pero la diferencia de dos polinomios de grado n no puede ser de grado superior, luego γ = 0 → Rn (x) = 0 ⇒
Pn (x) = Qn (x).
c.q.d.

30
8.1.1. D.D.Newton
Diferencias divididas
(volver 17 en la página 9)

k
X f (xi )
f [x0 , x1 , · · · , xk ] = k
i=0
Y
(xi − xj )
j=0
j6=i

El polinomio de interpolación de grado mínimo de una función f (x) en el soporte S = {x0 , x1 , · · · , xn−1 , xn } es
único, aunque se pueda expresar de diferentes formas.

n
X n
Y
(F.Newton): Pn (x) = f [x0 , · · · , xj ] πj (x) donde πn+1 (x) = (x − xk )
j=0 k=0

ˆ Coeciente de xn : f [x0 , · · · , xn ]
n n
X Y (x − xk )
(F.Lagrange): Pn (x) = f (xi ) Lni (x) con Lni (x) =
i=0
(xi − xk )
k=0
k6=i

n
X
ˆ Coeciente de xn : f (xi ) coefn (Lni (x)) donde coefn (Lni (x)) representa el coeciente en xn de Lni (x).
i=0
n
Y 1
ˆ coefn (Lni (x)) =
(xi − xk )
k=0
k6=i

n n
X Y 1
ˆ Coeciente de xn : f (xi )
j=0
(xi − xk )
k=0
k6=i

n n
X Y 1
f [x0 , · · · , xn ] = f (xi )
i=0
(xi − xk )
k=0
k6=i

Diferencias divididas
f (n) (ξ)
f [x0 , x1 , · · · , xn ] = (volver 17 en la página 10)
n!
ˆ Pn (x) el polinomio de interpolación de f (x) ∈ C n ([a, b]) en el soporte S = {x0 , x1 , · · · , xn−1 , xn } ∈ [a, b].
Sea

ˆ Se dene R (x) = Pn (x) − f (x)

ˆ Puesto que R (xk ) = 0, k = 0, 1, . . . , n, aplicando el T.V.M generalizado ∃ξ ∈ [a, b] : R

(n)
=0
n
Y
ˆ Como Pn (x) = Pn−1 (x) + f [x0 , x1 , · · · , xn ] (x − xk ), se tiene que 0 = f [x0 , x1 , · · · , xn ] n! − f (n) (ξ)
k=0

Diferencias divididas
Dado S = {x0 , x1 , · · · , xn−1 , xn } y P (x) = α (x − x0 ) (x − x1 ) · · · (x − xn ) (volver 17)
Coef Términos

xn+1 α
1
xn α (−1) (x0 + x1 + · · · + xn−1 + xn )
2
xn−1 α (−1) (x0 x1 + x0 x2 + · · · + x0 xn + x1 x2 + · · · + xn−1 xn )
. .
. .
. .
k
xn+1−k α (−1) (x0 . . . xk−1 + x1 . . . xk + · · · + xn−k+1 . . . xn )
. .
. .
. .
n
x1 α (−1) (x1 x2 · · · xn−1 xn + x0 x2 · · · xn−1 xn + · · · + x0 x1 x2 · · · xn−1 )
n+1
x0 α (−1) (x0 · x1 · x2 · · · xn−1 · xn )
n+1−k kP Q k

Genérico: x → α (−1) Cn+1

31
 Ejemplo: P4 (x) = (x − 1) (x − 2) (x − 3) (x − 4) = x4 − 10x3 + 35x2 − 50x + 24
Gr It. Términos

4 C40 1
1
3 C41 = 4 (−1) (1 + 2 + 3 + 4)
2
2 C42 = 6 (−1) (1 · (2 + 3 + 4) + 2 · (3 + 4) + 3 · 4)
3
1 C43 = 4 (−1) (1 · 2 · 3 + 1 · 2 · 4 + 1 · 3 · 4 + 2 · 3 · 4)
4
0 C44 = 1 (−1) (1 · 2 · 3 · 4)

Diferencias divididas de Newton (4)

(volver 18 en la página 10)

El polinomio de interpolación de grado mínimo de una función f (x) en el soporte S = {x0 , x1 , · · · , xn−1 , xn } es
único, aunque se pueda expresar de diferentes formas

ˆ Forma de Newton en el soporte S = {x0 , x1 , · · · , xn−1 , xn }

n
X
Pn (x) = f [x0 , x1 , · · · , xj ] Πj (x)
j=0

ˆ Idem en S̃ = {xn , xn−1 , · · · , x1 , x0 }

Xn
P̃n (x) = f [xn , xn−1 , · · · , xn−j ] Π̃j (x)
j=0
n
Y n
Y
ˆ con Πn+1 (x) = (x − xk ) y Π̃n+1 (x) = (x − xn−k )
k=0 k=0

ˆ El coeciente de grado n en Pn (x) y P̃n (x) es el mismo

f [x0 , · · · , xn−1 , xn ] = f [xn , · · · , x1 , x0 ]

ˆ El coeciente de xn−1 en Pn (x) proviene de Πn−1 (x) y también del desarrollo de Πn (x)
f [x0 , x1 , · · · , xn−1 ] + f [x0 , · · · , xn ](−x0 − x1 − . . . xn−1 )
ˆ El coeciente de xn−1 en P̃n (x) proviene de Π̃n−1 (x) y también del desarrollo de Π̃n (x)
f [xn , xn−1 , · · · , x1 ] + f [x0 , · · · , xn ](−xn − xn−1 − . . . x1 )
ˆ Igualando coecientes

◦ f [x0 , x1 , · · · , xn−1 ]+f [x0 , · · · , xn ](−x0 − x1 − . . . xn−1 ) = f [xn , xn−1 , · · · , x1 ]+f [x0 , · · · , xn ] (−xn − xn−1 − . . .
◦ f [x0 , · · · , xn ] ((xn + xn−1 + . . . x1 ) − (x0 + x1 + . . . xn−1 )) = f [xn , xn−1 , · · · , x1 ] − f [x0 , x1 , · · · , xn−1 ]
f [xn ,xn−1 ,··· ,x1 ]−f [x0 ,x1 ,··· ,xn−1 ]
◦ f [x0 , · · · , xn ] = xn −x01

Diferencias divididas de Newton (4)

(volver 21 en la página 11)

4fk = ∇fk+1 y 4n fk = ∇n fk+n

ˆ 4fk = f (xk+1 ) − f (xk ) = ∇fk+1
ˆ Inducción: supuesto4n fk = ∇n fk+n−1
4n fk = 4n−1 fk+1 − 4n−1 fk = ∇n−1 fk+n − ∇n−1 fk+n−1 = ∇n fk+n c.q.d.

4n fk = n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n ]

ˆ 4fk = f (xk+1 ) − f (xk ) = 1! · h1 · f [xk , xk+1 ] = h f (xk+1h)−f (xk )

ˆ Inducción: supuesto 4n fk = n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n ]
4n+1 fk = 4n fk+1 − 4n fk = n! · hn · f [xk+1 , xk+2 , . . . , xk+n , xk+n+1 ] − n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n ]
= n! · hn · (f [xk+1 , xk+2 , . . . , xk+n , xk+n+1 ] − f [xk , xk+1 , xk+2 , . . . , xk+n ])
= n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n , xk+n+1 ] (xk+n+1 − xk )
= n! · hn · f [xk , xk+1 , xk+2 , . . . , xk+n , xk+n+1 ] (n + 1) h
= (n + 1)! · hn+1 · f [xk , xk+1 , xk+2 , . . . , xk+n , xk+n+1 ] c.q.d.

32
 n  
X n−i n
4n fk = (−1) fk+i
i
i=0

1      
X 1−i 1 1 1 1−i 1
ˆ (−1) fk+i = (−1) fk+i + (−1) fk+i = f (xk+1 ) − f (xk ) = 4fk
i 0 i
i=0
n  
X n−i n
ˆ Inducción: supuesto
n
4 fk = (−1) fk+i
i
i=0
n n   
n+1 n n nX X
n−i n−i n
4 fk = 4 fk+1 − 4 fk = (−1) fk+1+i − (−1) fk+i
i i
i=0 i=0
  n−1   n    
n−n n X n−i n X n−i+1 n n n
= (−1) fk+1+n + (−1) fk+1+i + (−1) fk+i − (−1) fk
n i i 0
i=0 i=1
n        
X n−i−1 n n−i+1 n n+1 n+1
= fk+1+n + (−1) fk+i + (−1) fk+i + (−1) fk
i−1 i 0
i=1
n    
X n−i+1 n+1 n+1 n+1
= fk+1+n + (−1) fk+i + (−1) fk
i 0
i=1
n+1  
X n+1−i n+1
= (−1) fk+i c.q.d.
i
i=0

∇ fk = n! · hn · f [xk−n , . . . , xk−2 , xk−1 , xk ]

n

ˆ ∇n fk = 4n fk−n = n! · hn · f [xk−n , . . . , xk−2 , xk−1 , xk ] c.q.d.

n  
n
X n−i n
∇ fk = (−1) fk−n+i
i
i=0

n  
X n−i n−k
ˆ ∇n fk = 4n fk−n = (−1) fk−n+i c.q.d.
i
i=0

8.1.2. Error
Problema de Lagrange
Sean f ∈ C n+1 ([a, b]) , S = {x0 , x1 , · · · , xn } ∈ [a, b] y Pn (x) el polinomio de interpolación de f (x) en S , entonces

(n+1) (x − x0 ) (x − x1 ) · · · (x − xn )
para cualquier x ∈ [a, b] existe ξx ∈ [a, b] tal que f (x) − Pn (x) = f (ξx )
(n + 1)!

Sea Pn (x) el polinomio de interpolación de f (x) en S = {x0 , x1 , · · · , xn } ∈ [a, b] y x ∈ [a, b], se dene
n
Y (t − xk )
g (t) = (f (t) − Pn (t)) − (f (x) − Pn (x))
(x − xk )
k=0

(volver 22 en la página 11)

En los puntos de interpolación xj ∈ S

n
Y (xj − xk )
g (xj ) = (f (xj ) − Pn (xj )) − (f (x) − Pn (x)) =0
(x − xk )
k=0

En el punto genérico x ∈ [a, b]

n
Y (x − xk )
g (x) = (f (x) − Pn (x)) − (f (x) − Pn (x)) =0
(x − xk )
k=0

g (t) se anula en n+2 puntos, y aplicando el T.V.M. generalizado ∃ξ ∈ [a, b] se tiene que
" n
#
d(n+1) Y (x − xk )
g (n+1) (ξ) = 0 = (f (x) − Pn (x)) − (f (x) − Pn (x))
dt(n+1) k=0
(x − xk )
x=ξ

33
 n
Y 1
0 = f (n+1) (ξ) − (f (x) − Pn (x)) (n + 1)!
(x − xk )
k=0
n
f (n+1) (ξ) Y
f (x) − Pn (x) = (x − xk ) c.q.d.
(n + 1)!
k=0

8.1.3. Chebishev
Polinomio producto πn+1 (x)
Recursividad: Tn+1 (x) = 2xTn (x) − Tn−1 (x) (volver 2 en la página 16)

polinomios de Chebishev (1)

Recursividad: Tn+1 (x) = 2xTn (x) − Tn−1 (x) (volver 1 en la página 16)

ˆ Partiendo de Tn (x) = cos (nθ) con θ = arc cos x ↔ x = cos θ, se tiene

ˆ T0 (x) = cos (0 arc cos x) = 1, T1 (x) = cos (1 arc cos x) = x

ˆ Tn−1 (x) = cos ((n − 1) θ) = cos (nθ − θ) = cos (nθ) cos (θ) + sin (nθ) sin (θ)
Tn+1 (x) = cos ((n + 1) θ) = cos (nθ + θ) = cos (nθ) cos (θ) − sin (nθ) sin (θ)
ˆ Sumando las dos expresiones anteriores:

Tn+1 (x) + Tn−1 (x) = 2 cos (nθ) cos (θ) = 2xTn (x) c.q.d.

2k π


Extremos: ςk = cos
n 2 , k = 0, 1, 2, · · · n ςk ∈ [−1, 1] (volver 2 en la página 16)

ˆ Por un lado, se tiene que −1 ≤ Tn (θ) = cos (nθ) ≤ 1.

ˆ Los extremos se obtienen calculando Tn0 (θ) = −n sin (nθ) = 0 → nθ = kπ, k = 0, 1, 2, . . . , n
Nota: los extremos se alcanzan en n + 1puntos.

1 k par
ˆ Evaluando Tn (x) = Tn (θ) = cos (kπ) =
−1 k impar
!
2k π
ˆ x = cos θ = cos , k = 0, 1, 2, . . . , n c.q.d.
n2

2k−1 π


Raíces: ςk = cos n 2 , k = 1, 2, · · · n ςk ∈ [−1, 1] (volver 3 en la página 16)

ˆ Las raíces de Tn (x) verican Tn (θ) = cos (nθ) = 0 → nθ = kπ + π2 , k = 0, 1, 2, . . . , n − 1

!
2k + 1 π
ˆ x = cos θ = cos , k = 0, 1, 2, . . . , n − 1 c.q.d.
n 2

Chebishev mónicos: 21−n Tn (x) (volver 4 en la página 16)

ˆ Se demuestra por inducción: coeff 1 (T1 (x)) = coeff (x) = 1 = 21−1

ˆ Supuesto que coeff n (Tn (x)) = 2n−1
Tn+1 (x) = 2xTn (x) − Tn−1 (x) → coeff n+1 (Tn+1 (x)) = 2 · coeff n (Tn (x)) = 2n c.q.d.

polinomios de Chebishev (2)

mı́n kPn (x)k∞ = T̄n (x) y T̄n (x) = 21−n (volver 12 en la página 16)
Pn (x)∈P̄n (x) ∞

1 1
ˆ 2k π


En los ςk = cos n 2 , k = 0, 1, 2, · · · n, extremos de T̄n (x) se tiene que T̄n (ςk ) = Tn (ςk ) = ±
2n−1 2n−1
ˆ
Se demuestra
por reducción al absurdo, suponiendo que existe Pn (x) ∈ P̄n (x) tal que kPn (x)k∞ <
T̄n (x)
∞
1
◦ |Pn (ςk )| < |Pn (ςk )| = T̄n (x) ∞ =
2n−1

34
 1
◦ Pn (ςk ) < T̄n (ςk ) = , k = 0, 2, 4, · · ·
2n−1
1
Pn (ςk ) > T̄n (ςk ) = − , k = 1, 3, 5, · · ·
2n−1 
>0 k = 0, 2, 4, · · ·
◦ Deniendo ϕ (x) = T̄n (x)−Pn (x), se tiene que ϕ (ςk ) = es una función continua
<0 k = 1, 3, 5, · · ·
y grado (ϕ (x)) es n − 1.
◦ Aplicando Bolzano a los n intervalos donde cambia de signo, ϕ (x) tiene n raíces, luego es un polinomio
tal que grado (ϕ (x)) es n.
c.q.d.

polinomios de Chebishev (3)

Mn+1 b−a n+1

 
1. kf (x) − Pn (x)k∞ ≤ 2 con Mn+1 = máx f (n+1) (x) (volver 1 en la página 17)
2n (n + 1)! x∈[−1,1]

 (n+1) 
f (x) 
La cota del error de interpolación viene dada por máx |f (x) − Pn (x)| ≤ máx  · máx |Πn+1 (x)|
x∈[a,b] x∈[a,b] (n + 1)!  x∈[a,b]
Si xk = ξk y [a, b] = [−1, 1] se tiene que Πn+1 (x) = T̄n+1 (x), y el teorema 12 ha demostrado que
 
máx T̄n+1 (x) = T̄n+1 (x) ∞ = 2−n c.q.d.
x∈[−1,1]

!n+1
Mn+1 b−a  
2. kf (x) − Pn (x)k∞ ≤ n con Mn+1 = máx f (n+1) (x) (volver 1 en la página 17)
2 (n + 1)! 2 x∈[a,b]

n
Y
a+b b−a
En este caso Πn+1 (x) = (x − xk ) donde xk = 2 + 2 ξk .
k=0
a+b
Haciendo el cambio de variable x= + b−a
22 y se tiene que (x − xk ) = b−a
2 (y − ξk ), luego
n
b−a n+1 n+1
Y
(y − ξk ) = b−a



Πn+1 (x) = 2 2 T̄n+1 (x) c.q.d.
k=0

8.2. Hermite

8.3. Splines

Interpolación segmentaria cuadrática

 n
Sea S (x) = ∪P2k (x) con P2k (x) denido en [xk , xk+1 ] y {xk }k=0 (volver 44 en la página 21)

2
ˆ P2k (x) = ak (x − xk ) + bk (x − xk ) + ck
ˆ d k
dx P2 (x) = 2ak (x − xk ) + bk
2
ˆ d k
dx2 P2 (x) = 2ak

1. Continuidad de S 0 (x) en los n−1 puntos interiores:

k+1
d
 d

dx P2k (x) x=xk+1
= dx P2 (x)x=x k = 0, 1, · · · , n − 2
k+1
( 
d
dx P2k (x)x=x
= 2ak (xk+1 − xk ) + bk = 2ak hk + bk
d k+1
 k+1 →
dx P2 (x) x=xk
= bk+1

bk+1 − bk
ak = , k = 0, 1, · · · , n − 1
2hk

2. Valor de S (x) en el extremo izquierdo (en n intervalos):

P2k (xk ) = f (xk−1 ) , k = 1, 2, · · · , n

2
ak (xk − xk ) + bk (xk − xk ) + ck = f (xk ) →

35
 ck = f (xk ) , k = 0, 1, · · · , n − 1

3. Valor de S (x) en el extremo derecho (en n intervalos):

P2k (xk+1 ) = f (xk ) , k = 1, 2, · · · , n

2
ak (xk+1 − xk ) + bk (xk+1 − xk ) + ck = f (xk+1 )
Sustituyendo ak , ck por las relaciones de las condiciones À y Á,
bk+1 − bk 2
hk + bk hk + f (xk ) = f (xk+1 )
2hk
4. Despejando se llega al sistema lineal

bk + bk+1 = 2f [xk , xk−1 ] , k = 0, 1, · · · , n − 2

Condiciones en los extremos (volver 45 en la página 22)

1. Sujeta/Natural si α = β = 0:
Extremo izquierdo Extremo derecho
n−1
d 0
 d

dx P2 (x) x=x0
=α dx P2
(x)x=xn = β
2an−1 hn−1 + bn−1 = β
bn − bn−1
2 hn−1 + bn−1 = β
2hn−1
b0 = α bn = β
2. Lineal:

Extremo izquierdo Extremo derecho

n−1
P2n−1 (x)x=x
d 0
 d 1
 d
 d

dx P2 (x) x=x0
= dx P2 (x) x=x1 dx P2 (x)x=x
n−1
= dx
n
b0 = b1 bn−1 = 2an−1 hn−1 + bn−1
bn − bn−1
0=2 hn−1
2hk
b0 − b1 = 0 −bn−1 + bn = 0
3. Cuadrática:

Extremo izquierdo Extremo derecho

2
 2
 2
 
d 0 d 1 d n−2 d2 n−1
P (x) = dx 2 P2 (x) dx2 P2 (x) = dx2 P2 (x)
   
dx 2 2 
x=x0 x=x1 x=xn−1 x=xn
2a0 = 2a1 2an−2 = 2an
b1 − b0 b2 − b1 bn−1 − bn−2 bn − bn−1
2 =2 2 =2
2h0 2h1 2hn−2 2hn−1
−h1 b0 + (h0 + h1 ) b1 − h0 b2 = 0 −hn−1 bn−2 + (hn−2 + hn−1 ) bn−1 − hn−2 bn = 0

4. Periódica: ( P20 (x0 ) = P2n−1 (xn ) )

= d P n−1 (x)
d
 
dx P20 (x) x=x0 dx 2 x=xn → b0 = 2an−1 hn−1 + bn−1 →
bn − bn−1
b0 = 2 hn−1 + bn−1 → −b0 + bn = 0
2hn−1

Interpolación segmentaria cúbica

 n
S (x) = ∪P3k (x) con P3k (x) denido en [xk , xk+1 ] y {xk }k=0 (volver 48 en la página 24)

3 2
ˆ P3k (x) = ak (x − xk ) + bk (x − xk ) + ck (x − xk ) + dk
2
ˆ d k
dx P3 (x) = 3ak (x − xk ) + 2bk (x − xk ) + ck
d2
ˆ k
dx2 P3 (x) = 6ak (x − xk ) + 2bk
3
ˆ d k
dx3 P3 (x) = 6ak

1. Continuidad de S 00 (x) en los n−1 puntos interiores:

36
  
d2 k d2 k+1
dx2 P3 (x) = dx2 P3 (x) k = 0, 1, · · · , n − 2
 
x=xk+1 x=xk+1
 
d2 k
P (x) = 6ak (xk+1 − xk ) + 2bk = 6ak hk + 2bk
 
dx2 3
 
x=x
 k+1 →
d2 k+1
dx2 P3 (x) = 2bk+1
 

x=xk+1

bk+1 − bk
ak = , k = 0, 1, · · · , n − 1
3hk

2. Valor de S (x) en el extremo izquierdo (en n intervalos):

Pk (xk ) = f (xk ) , k = 0, 1, · · · , n − 1
3 2
ak (xk − xk ) + bk (xk − xk ) + ck (xk − xk ) + dk = f (xk ) →

dk = f (xk ) , k = 0, 1, · · · , n − 1

3. Valor de S (x) en el extremo derecho (en n intervalos):

Pk (xk+1 ) = f (xk+1 ) , k = 0, 1, · · · , n − 1
3 2
ak (xk+1 − xk ) + bk (xk+1 − xk ) + ck (xk+1 − xk ) + dk = f (xk+1 )
ck hk = f (xk+1 ) − dk − ak h3k − bk h2k
Sustituyendo ak , dk por las relaciones de las condiciones À y Á,
f (xk+1 ) − f (xk ) bk+1 − bk 2
ck = − hk − bk hk →
hk 3hk
1
ck = f [xk+1 , xk ] − 3 (bk+1 + 2bk ) hk , k = 0, 1, · · · , n − 1

4. Continuidad de S 0 (x) en los n−1 puntos interiores:

k+1
d
 d

dx P3k (x) x=xk+1
= dx P3 (x)x=x k = 0, 1, · · · , n − 2
k+1
( d

dxP3k (x) x=x
= 3ak h2k + 2bk hk + ck
d k+1
 k+1 →
dx P3 (x)x=x
k+1
= ck+1
3ak h2k + 2bk hk + ck = ck+1
Sustituyendo ak , ck por las relaciones de las condiciones À y Â
bk+1 − bk 2
3 hk + 2bk hk + f [xk+1 , xk ] − 13 (bk+1 + 2bk ) hk = f [xk+2 , xk+1 ] − 1
3 (bk+2 + 2bk+1 ) hk+1
3hk
5. Despejando se llega al sistema lineal

hk bk + 2 (hk + hk+1 ) bk+1 + hk+1 bk+2 = 3 (f [xk+2 , xk+1 ] − f [xk+1 , xk ]) , k = 0, 1, · · · , n − 2

Condiciones en los extremos (volver 50 en la página 24)

1. Sujeta:
( 
d 0 
dx P3 (x) x=x = α c0 = α

n−1
 0 → →
d
dx P3 (x) x=x
 =β 3an−1 h2n−1 + 2bn−1 hn−1 + cn−1 = β
n
(
f [x1 , x0 ] − 13 (b1 + 2b0 ) h0 = α
−bn−1 2 →
3 bn3h n−1
hn−1 + 2bn−1 hn−1 + f [xn , xn−1 ] − 1
3 (bn + 2bn−1 ) hn−1 = β

2h0 b0 + h0 b1 = 3 (f [x1 , x0 ] − α)
hn−1 bn−1 + 2hn−1 bn = 3 (β − f [xn , xn−1 ])

2. Natural:
 
d2 0
dx2 P3 (x) =α
 

x=x
2
 0 bn+1 − bn →
d n−1
dx2 P3 (x) = β → 6an hn + 2bn = 6 hn + 2bn = β
 

x=xn 3hn

37
 
2b0 = α
2bn+1 = β

3. Lineal:
(  
d 0 d
dx P3 (x) x=x
 = dx P31 (x)x=x1
n−2
 0 →
P3n−1 (x)x=xn
d d

dx P3 (x)x=xn−1 = dx

c0 = c1
→
3an−2 h2n−2 + 2bn−2 hn−2 + cn−2 = 3an−1 h2n−1 + 2bn−1 hn−1 + cn−1
f [x1 , x0 ] − 13 (b1 + 2b0 ) h0 = f [x2 , x1 ] − 13 (b2 + 2b1 ) h1


 bn−1 − bn−2 2


3 hn−2 + 2bn−2 hn−2 + f [xn−1 , xn−2 ] − 31 (bn−1 + 2bn−2 ) hn−2 =
3hn−2 →

 bn − bn−1 2 1
 =3
 hn−1 + 2bn−1 hn−1 + f [x2 , x1 ] − 3 (bn−1 + 2bn−2 ) hn−1
3hn−1

−2h0 b0 + (−h0 + 2h1 ) b1 + h1 b2 = 3 (f [x2 , x1 ] − f [x1 , x0 ])
hn−2 bn−2 + (2hn−2 − hn−1 ) bn−1 − 2hn−1 bn = 3 (f [xn , xn−1 ] − f [xn−1 , xn−2 ])

4. Cuadrática:
 
d2 d2

0 1
dx2 P3 (x) = dx2 P3 (x)
  
2b0 = 2b1

x=x x=x1 
d2
 0
d2
→ →
n−2 n−1 6an−2 hn−2 + 2bn−2 = 6an−1 hn−1 + 2bn−1
dx2 P3 (x) = P (x)
  
dx 2 3
x=xn−1 x=xn

 2b0 = 2b1
bn−1 − bn−2 bn − bn−1 →
 6 hn−2 + 2bn−2 = 6 hn−1 + 2bn−1
3hn−2 3hn−1

b0 − b1 = 0
−bn−1 + bn = 0

5. Cúbica:
b1 − b0 b2 − b1
  
d3 d3

0 1 =
dx3 P3 (x) = dx3 P3 (x)
   
6a0 = 6a1
 
x=x
 0 x=x1 
→ → 3h0 3h1 →
d3 n−2 d3 n−1 6an−2 = 6an−1 b − bn−2 bn − bn−1
dx3 P3 (x) = P (x)  n−1
 

dx 3 3
 =
x=xn−1 x=xn 3hn−2 3hn−1

−h1 b0 + (h0 + h1 ) b1 − h0 b2 = 0
−hn−1 bn−2 + (hn−2 + hn−1 ) bn−1 − hn−2 bn = 0

6. Periódica:

P3n−1 (x)x=x

( d 0
 d

dx P3 (x) x=x = dx c0 = 3an−1 h2n−1 + 2bn−1 hn−1 + cn−1
 
0  n
→ →

d2 0 d2 1
dx2 P3 (x) = dx 2 Pn−1 (x) 2b0 = 6an−1 hn−1 + 2bn−1
 
x=x0 x=xn
bn − bn−1 2

1 1
 f [x1 , x0 ] −

3 (b1 + 2b0 ) h0 = 3 hn−1 + 2bn−1 hn−1 + f [xn , xn−1 ] − 3 (bn + 2bn−1 ) hn−1
3hn−1 →
b − bn−1
 2b0 = 6 n
 hn−1 + 2bn−1
3hn−1

2h0 b0 + h0 b1 + hn−1 bn−1 + 2hn−1 bn = 3 (f [x1 , x0 ] − f [xn , xn−1 ])
−b0 + bn = 0

Error en la interpolación cúbica segmentaria

Bibliografía (volver 51 en la página 25)

De Boor, C. (1978) A practical guide to splines. Springer Verlag pp.-55,

Prenter,P.M. (1975) Splines and variational methods. John Wiley. pp.112

c.q.d.

38