INTERPOLACIÓN NUMÉRICA

El problema de la interpolación consiste en estimar el valor de una función en un punto a partir de valores conocidos en
puntos cercanos. Para obtener esta estimación se aproxima la función con polinomios ya que son fáciles de evaluar y por el
hecho fundamental de que dados n+1 puntos de abscisa distinta, (x0, y0), (x1, y1),..., (xn, yn), existe exactamente un polinomio
Pn(x) de grado no superior a n, que pasa por dichos puntos, es decir Pn(xi) = yi para i = 0, …, n .

Así, el problema de interpolación consiste en la obtención de un polinomio, llamado polinomio de interpolación, de grado
menor o igual que n que pasa por n+1 puntos (xi,yi), i=0,1,...,n, también llamados nodos de interpolación. Plantearemos tres
formulaciones diferentes para este problema que nos llevan al mismo polinomio interpolador:

1) Planteando directamente las condiciones anteriores se obtiene un sistema de ecuaciones lineales con solución única,
pero generalmente mal condicionado o de difícil solución si el número de puntos es elevado.

2) Los polinomios de Lagrange permiten obtener una expresión explícita del polinomio de interpolación cuyo interés es más
bien teórico, pues es difícil de evaluar en puntos concretos.

3) Numéricamente es mucho más útil la forma de Newton del polinomio de interpolación. Aunque no tiene expresión
explícita, su obtención es más estable que por los métodos anteriores, su evaluación no presenta los inconvenientes de los
polinomios de Lagrange, y sobre todo, se puede actualizar fácilmente si se añaden nuevos nodos de interpolación.

Interpolación Cuadrática
Si en vez de utilizar rectas (polinomios de primer grado) utilizamos polinomios de segundo grado para interpolar, estaremos
realizando interpolación cuadrática. Para la interpolación lineal utilizábamos dos puntos, pues dos puntos determinan una
recta; ahora necesitaremos tres puntos para determinar la correspondiente parábola. Empezaremos con un ejemplo con
números más pequeños para ilustrar como realizar la interpolación cuadrática, y observar los problemas que se nos
plantean.

Características
Una mejor estimación de la función desconocida puede obtenerse mediante un polinomio de segundo grado, en lugar de
una recta.

Para esto, se requieren tres puntos (x1; y1), (x2; y2), y (x3; y3). Podemos Entonces escribir la función f(x) como:

Evaluando en x = x1 obtenemos que b0 = y1.

Evaluando en x = x2 llegamos a que

Finalmente, sustituyendo b0 y b1 en la ecuación del polinomio, encontramos que

Procedimiento
Supongamos que de una determinada función conocemos los puntos dados por la siguiente tabla:

xi -1 2 3

yi 6 3 10

Y queremos calcular un valor aproximado para x=1,5 utilizando interpolación cuadrática.

Razonando como en el caso de interpolación lineal, la ecuación general de una parábola es: y=ax 2+bx+c. Si determinamos
los valores de a, b y c, habremos calculado la ecuación. Como la parábola pasa por los puntos (-1, 6), (2, 3) y (3, 10), se tiene,
sustituyendo cada punto en la ecuación general de la parábola, el siguiente sistema de ecuaciones lineales:

a-b+c=6 4a+2b+c=3 9a+3b+c=10

Resolviéndolo se obtienen los valores de a=2, b=-3 y c=1 e y(1,5)=2·1,52-3·1,5+1=1 será el valor aproximado para x=1,5
calculado mediante interpolación cuadrática.

Observación: Si los tres puntos están alineados, a valdrá 0 y tendremos un polinomio de primer grado. Incluso podría pasar
que también b fuera 0, y en tal caso el polinomio sería de grado 0. En general, dados n+1 puntos con abscisas distintas, se
puede probar que siempre hay un polinomio de grado menor o igual que n que pasa por ellos.

Como los números del ejemplo son enteros, y está preparado para que salgan soluciones enteras, no habrá habido muchas
dificultades para resolverlo bien. Sin embargo, si la tabla de datos hubiera sido la siguiente:
 xi 2,305000 3,474000 4,643000

yi 0,346520 0,624742 0,942710

Los cálculos necesarios para encontrar el polinomio de segundo grado que nos sirva como polinomio interpolador serán
muy laboriosos. Los datos de esta tabla corresponden a tres puntos de la tabla de la renta, pero expresadas las cantidades
en millones de pesetas. Es fácil comprender que si intentamos hacer interpolación mediante un polinomio de 3º, 4º ... el
sistema de ecuaciones correspondiente se hará cada vez más tedioso de resolver.

Para soslayar este problema se han ideado varios métodos que permiten calcular el polinomio interpolador de forma más
sencilla que resolviendo un sistema de ecuaciones análogo al anterior.

Ejercicios

1) Ajustar una recta a la nube de puntos que deberá dibujar a partir de la siguiente tabla por el método de mínimos
cuadrados:
x 1 2 3 4

y 12 25 30 48

En primer lugar dibujamos la nube de punto a partir de la tabla:

Ahora, sustituimos estos valores en la ecuación de mínimos cuadrados: y = ax + b

115 = 4b + 10a

344 = 10b + 30a

Una vez sustituido, resolvemos el sistema para sacar los valores de a y de b, para ello despejamos una de las dos
incógnitas y sustituimos en la otra ecuación de esta forma obtenemos a y b:

a = 1.03

b = 31.3

Una vez obtenido a y b sustituimos en la ecuación estos dos valores

y = 1.03x + 31.3

Esta línea obtenida no pasa por todos los puntos de la nube de puntos que hemos dibujado anteriormente, sino que es la
recta que más se aproxima a todos estos puntos.

2) Ajustar una recta a la nube de puntos que deberá dibujar a partir de la siguiente tabla por el método de mínimos
cuadrados:

(x) peso 255 279 243 212

(y) minutos 7 9 6.5 4

Ahora, sustituimos estos valores en la ecuación de mínimos cuadrados:

26.5 = 4b + 989a

6723.5 = 989b + 246859a

Ahora se resuelve el sistema obteniendo el siguiente resultado:

a = 0.0736

b = -11.57

Finalmente sustituimos dichos valores en la ecuación de la recta:

y = 0.0736x – 11.57

Interpolación de newton
Interpolación es, a partir de una serie de puntos, obtener una ecuación cuya curva pase por todos ellos o lo más cerca
posible.
El método de interpolación de Newton es un poco más complicado que el de LaGrange, pero como todo lo de Newton, es
más preciso.
Por supuesto que este método tiene todo un desarrollo teórico para llegar a la ecuación general, pero es demasiado largo
y para fines prácticos lo que sirve al final es solo la forma de realizar el método y como aplicarlo.
La ecuación general para este método es la siguiente:

Características
a) Se dice que los datos estén uniformemente espaciados si xi+1 − xi = Δx es constante para i =1, 2, 3, . ... Para el caso
particular de datos uniformemente espaciados, es posible encontrar una forma más sencilla del polinomio de
Newton. Esta forma más sencilla se basa en diferencias que se definen de la siguiente manera:
b) Diferencia de orden 0: Δ0fi = fi
c) Cuando la función ha sido tabulada, se comporta como un polinomio, se le puede aproximar al polinomio que se le
parece. Una forma sencilla de escribir un polinomio que pasa por un conjunto de puntos equidistantes, es la fórmula
del Polinomio Interpolante de Newton-Gregory (en avance y retroceso).
d) La fórmula usa la notación, que es el número de combinaciones de s cosas tomadas de n a la vez, lo que lleva a
razones factoriales. Donde s viene dada por: x es el valor a interpolar el polinomio obtenido; Xo viene a ser el punto
de partida para seleccionar los valores , que serán seleccionados de la tabla de diferencias, formando una fila
 diagonal hacia abajo en el caso de la fórmula de avance; en caso de la fórmula de retroceso los valores forman una
fila diagonal hacia arriba y a la derecha. Y ha viene a ser la longitud o distancia entre los valores de xi
Procedimiento
Primero se ponen en 2 columnas acomodados de tal modo que se correspondan todas las x y las f(x) que se desean
interpolar.
Después se hacen a su lado tantas columnas como puntos son -1, así si son 5 puntos se hacen 4 columnas. Así para el caso
de tener 5 puntos el acomodo quedaría mas o menos así:

X f(x) f(xi,xi) f(xi,xi,xk) ... ...

x0 f(x0) f(x1,x0) f(x2,x1,x0)

x1 f(x1) f(x2,x1) f(x3,x2,x1,x0)

x2 f(x2) f(x3,x2) f(x3,x2,x1) f(x4,x3,x2,x1,x0)

x3 f(x3) f(x4,x3,x2,x1)

x4 f(x4) f(x4,x3) f(x4,x3,x2)

Interpolación de lagrange

Definición.
Es una de las interpolaciones más útiles en integración numérica, consiste en una representación de polinomios de la
función, el objetivo es encontrar una función polinómica que pase por esa n+1 puntos y que tengan el menor grado posible.
Un polinomio que pase por varios puntos determinados se llama un polinomio de interpolación. Interpolar significa estimar
el valor desconocido de una función en un punto, tomando una media ponderada de sus valores conocidos en puntos
cercanos al dado.

Características:
Utilizado para calcular independientemente los números y denominadores de la expresión general.

Se acostumbra a utilizar para interpolar puntos centrados en tablas no esquiespaciadas. No obstante la aplicación de este
método no facilita la estimación del error del resultado, ya que no permite aprovechar los cálculos para evaluar los
polinomios del siguiente grado.
- Se debe satisfacer que P(x0) = Y0, esto se cumple si l0(X0) = 1 y li(X0) = 0 para toda i≠0.
- Se debe satisfacer que P(X1) = Y1, esto se cumple si l1(X1) = 1 y li(X1) = 0 para toda i≠1.

El método de lagrange se utiliza para interpolar cuando los valores de x se encuentran espaciados o desigualmente
espaciados.
Procedimiento
1.- Obtener la serie de datos en base a la serie de Lagrange
2.- Realizar operaciones para obtener el valor correspondiente
Ejemplo

X valor dado para interpolar

Y valor a obtener por la interpolación

Interpolar x=5

Determine el polinomio de interpolación de Lagrange para f(x) =1/x en los puntos x0 = 2 ; x1 = 2.5 ; x2 = 4 y utilícelo para
aproximar f(3).
2 Consideremos y = f(x) = sen x en el intervalo [0.2,1]

a) Usando los nodos x0 = 0.2, x1 = 0.5, x2 = 1, construir el polinomio interpolador P2(x).

b) Usando los nodos x0 = 0.2, x1 = 0.4, x2 = 0.8, x3 = 1, construir el polinomio interpolador P3(x) y calcular f(0.6)