MÉTODOS NÚMERICOS.

"POLINOMIOS DE
INTERPOLACIÓN DE
LANGRAGE".
Cárdenas Trejo Harol Gael.
Gómez Gonzáles Rícardo Bruno.
León Carmona Francisco Japhet.
Revilla Noriega Carlos.
Santana Hernández María Fernanda.
 Introducción a la
Interpolación.

Con frecuencia se encontrará con que tiene que

estimar valores intermedios entre puntos asociados
con datos. El método más común que se usa para
este propósito es la interpolación polinomial.
Recuerde que la fórmula general para un polinomio
de n-ésimo grado es f(x) = a0 + a1x + a2x2 + · · · + anxn.

Dados n + 1 puntos asociados con datos, hay uno y

sólo un polinomio de grado n que pasa a través de
todos los puntos.
INTERPOLACIÓN DE NEWTON.
 La interpolación polinomial consiste en determinar el polinomio único de n-ésimo grado que se
ajuste a n + 1 puntos asociados con datos. Este polinomio, entonces, proporciona una fórmula para
calcular valores intermedios.

INTERPOLACIÓN LINEAL.

Interpolación lineal La forma más simple de interpolación consiste en unir dos puntos
asociados con datos con una línea recta. Dicha técnica, llamada interpolación lineal.
En general, cuanto menor sea el intervalo entre los puntos asociados con datos, mejor será la
aproximación. Esto se debe al hecho de que, conforme el intervalo disminuye, una función
continua estará mejor aproximada por una línea recta.

INTERPOLACIÓN CUADRÁTICA.
FORMA GENERAL DE LOS POLINOMIOS
DE INTERPOLACIÓN DE NEWTON.
El polinomio de n-ésimo grado es:

La primera diferencia dividida finita en forma general se representa como:

La segunda diferencia dividida finita, que representa la diferencia de las dos

primeras diferencias divididas, se expresa en forma general como:
En forma similar, la n-ésima diferencia dividida finita es:

Estas diferencias sirven para evaluar los coeficientes en las ecuaciones, los cuales se sustituirán en la ecuación para obtener el polinomio
de interpolación.

También, advierta cómo las ecuaciones para obtener los coeficientes son recursivas, es decir, las diferencias de grado
superior se calculan tomando diferencias de grado inferior.

Representación gráfica de la naturaleza recursiva de las diferencias divididas finitas.

 ERRORES DE LA INTERPOLACIÓN POLINOMIAL DE NEWTON.

Observe que la estructura de la ecuación (18.15) es similar a la expansión de la serie de Taylor en el sentido de que se van
agregando términos en forma secuencial, para mostrar el comportamiento de grado superior de la función. Estos términos
son diferencias divididas finitas y, así, representan aproximaciones de las derivadas de grado superior. En consecuencia,
como ocurrió con la serie de Taylor, si la función verdadera es un polinomio de n-ésimo grado, entonces el polinomio de
interpolación de n-ésimo grado basado en n + 1 puntos asociados con datos dará resultados exactos.

Hay una formulación alternativa que no requiere del conocimiento previo de la función. Utilizándose una diferencia
dividida finita para aproximar la (n + 1)-ésima derivada.

donde ƒ[x, xn, xn – 1,. . . , x0] es la (n + 1)-ésima diferencia dividida finita. Debido a que la ecuación (18.17) contiene la incógnita f(x), no
permite obtener el error. Sin embargo, si se tiene un punto asociado con un dato más, f(xn + 1), la ecuación (18.17) puede usarse para
estimar el error como sigue:
Interpolación de
Lagrange.


El polinomio de interpolación de Langrage es

simplemente una reformulación del polinomio de
Newton que evita el cálculo de las diferencias
divididas y se presenta de manera concisa como:

Donde designa el “producto de”.

Por ejemplo, la versión lineal (n = 1) es:

y la versión de segundo grado es:

Obtención del polinomio de lagrange directamente a partir
del polinomio de interpolación de Newton.

El polinomio de interpolación de Lagrange se obtiene de manera directa a partir de

la formulación del polinomio de Newton. Haremos esto únicamente en el caso del
polinomio de primer grado. Para obtener la forma de Lagrange, reformulamos las
diferencias divididas. Por ejemplo, la primera diferencia divida...

Se reformula comoconocida como la forma

simétrica....

Al sustituir la ecuación anterior en el polinomio de Newton de

primer grado se obtiene....
Por último, al agrupar términos semejantes y simplificar se obtiene la forma del polinomio de
Lagrange...

Sin embargo, el razonamiento detrás de la formulación de Lagrange se comprende directamente al

darse cuenta de que cada término Li(x) será 1 en x = xi y 0 en todos los otros puntos (figura 18.10). De
esta forma, cada producto Li(x)*f(xi) toma el valor de f(xi) en el punto xi . En consecuencia, la
sumatoria de todos los productos en la ecuación (18.20) es el único polinomio de n-ésimo grado que
pasa exactamente a través de todos los n + 1 puntos asociados con datos.
 INTERPOLACIÓN.

"EJEMPLO".
POLINOMIOS DE
LANGRAGE.
 Planteamiento del problema: Con un
polinomio de interpolación de Lagrange de
primero y segundo grado evalúe ln 2.

--------------- Solución ---------------

El polinomio de primer grado se utiliza para obtener la estimación en x = 2:

De manera similar, el polinomio de segundo grado se desarrolla así:

Observe que, como en el método de Newton, la
forma de Lagrange tiene un error estimado...

De este modo, si se tiene un punto adicional en x = xn + 1, se puede obtener un error estimado. Sin
embargo, como no se emplean las diferencias divididas finitas como parte del algoritmo de
Lagrange, esto se hace rara vez. En resumen, en los casos donde se desconoce el grado del
polinomio, el método de Newton tiene ventajas debido a la comprensión que proporciona respecto
al comportamiento de las fórmulas de diferente grados. De esta manera, para cálculos
exploratorios, a menudo se prefiere el método de Newton.

La versión de Lagrange es un poco más fácil de programar. Debido a que no requiere del cálculo ni del
almacenaje de diferencias divididas, la forma de Lagrange a menudo se utiliza cuando el grado del
polinomio se conoce a priori.
"PROBLEMA DE LOS
POLINOMIOS DE
LAGRANGE".
DEFICIENCIA.
Interpolación de Lagrange empleando la computadora.

Suponga que se tiene un instrumento para medir la velocidad del

paracaidista. Los datos obtenidos en una prueba particular se encuentran
en la tabla de la derecha. Nuestro problema consiste en estimar la
velocidad del paracaidista en t = 10 s para tener las mediciones faltantes
entre t = 7 y t = 13 s. Estamos conscientes de que el comportamiento de
los polinomios de interpolación tal vez resulte inesperado. Por lo tanto,
construiremos polinomios de grados 4, 3, 2 y 1, y compararemos los
resultados.

--------------- Solución ---------------

El algoritmo de Lagrange se utiliza para construir polinomios de interpolación de cuarto, tercer, segundo y
primer grados...
El polinomio de cuarto grado y los datos de entrada se grafican como se muestra en la figura 18.12a. Es
evidente, al observar la gráfica, que el valor estimado de y en x = 10 es mayor que la tendencia global de
los datos.

Las figuras 18.12b a 18.12d muestran las gráficas de los resultados de los cálculos con las interpolaciones
de los polinomios de tercer, segundo y primer grados, respectivamente. Se observa que cuanto más bajo
sea el grado, menor será el valor estimado de la velocidad en t = 10 s. Las gráficas de los polinomios de
interpolación indican que los polinomios de grado superior tienden a sobrepasar la tendencia de los
datos, lo cual sugiere que las versiones de primer o segundo grado son las más adecuadas para este
análisis de tendencia en particular. No obstante, debe recordarse que debido a que tratamos con datos
inciertos, la regresión, de hecho, será la más adecuada.
El ejemplo anterior ilustró que los polinomios de grado superior tienden a
estar mal condicionados; es decir, tienden a ser altamente susceptibles a los
errores de redondeo. El mismo problema se presenta en la regresión con
polinomios de grado superior. La aritmética de doble precisión ayuda
algunas veces a disminuir el problema. Sin embargo, conforme el grado
aumente, habrá un punto donde el error de redondeo interferirá con la
habilidad para interpolar usando los procedimientos simples estudiados
hasta ahora.
 "¿CÓMO GENERAR UN
POLINOMIO N-ESIMO PARA
UNA SERIE DE DATOS?".
EXPLICACIÓN CON EJEMPLO PRÁCTICO.
 COMPROBACIÓN.

Para que un polinomio se considere correcto, tiene que interpolar, o pasar

exactamente por los puntos relacionados con datos tenidos desde un principio, si
alguno de estos no coincide al momento de evaluar dicho valor de Xi en el polinomio,
dicho polinomio se considerara erróneo, este obligatoriamente debe interpolar o
relacionar todos los puntos relacionados con datos pasando exactamente por ellos
mismos.
  "INTERPOLACIÓN INVERSA".
 Como la nomenclatura implica, los valores de f(x) y x en la mayoría de los problemas de
interpolación son las variables dependiente e independiente, respectivamente. En consecuencia,
los valores de las x con frecuencia están espaciados uniformemente. Un ejemplo simple es una
tabla de valores obtenida para la función f(x) = 1/x.

Ahora suponga que usted debe usar los mismos datos, pero que se le ha dado un valor de f(x) y debe determinar el valor
correspondiente de x. Por ejemplo, para los datos anteriores, suponga que se le pide determinar el valor de x que
corresponda a f(x) = 0.3. En tal caso, como se tiene la función y es fácil de manipular, la respuesta correcta se determina
directamente, x = 1/0.3 = 3.3333.

A ese problema se le conoce como interpolación inversa. En un caso más complicado, usted puede sentirse tentado a
intercambiar los valores f(x) y x [es decir, tan sólo graficar x contra f(x)] y usar un procedimiento como la interpolación de
Lagrange para determinar el resultado. Por desgracia, cuando usted invierte las variables no hay garantía de que los valores
junto con la nueva abscisa [las f(x)] estén espaciados de una manera uniforme. Es más, en muchos casos, los valores estarán
“condensados”. Es decir, tendrán la apariencia de una escala logarítmica, con algunos puntos adyacentes muy amontonados y
otros muy dispersos. Por ejemplo, para f(x) = 1/x el resultado es...
 Tal espaciamiento no uniforme en las abscisas a menudo lleva a oscilaciones en el resultado del
polinomio de interpolación. Esto puede ocurrir aun para polinomios de grado inferior.

Una estrategia alterna es ajustar un polinomio de interpolación de grado n-ésimo, fn(x), a los datos originales [es decir, con f(x) contra x]. En la
mayoría de los casos, como las x están espaciadas de manera uniforme, este polinomio no estará mal condicionado. La respuesta a su
problema, entonces, consiste en encontrar el valor de x que haga este polinomio igual al dado por f(x). Así, ¡el problema de interpolación se
reduce a un problema de raíces.

Por ejemplo, para el problema antes descrito, un procedimiento simple sería ajustar los tres
puntos a un polinomio cuadrático: (2, 0.5), (3, 0.3333) y (4, 0.25), cuyo resultado será...

En este caso simple, la fórmula cuadrática se utiliza para calcular...

Así, la segunda raíz, 3.296, es una buena aproximación al valor verdadero: 3.333. Si se desea una
exactitud adicional, entonces podría emplear un polinomio de tercero o cuarto grados junto con
uno de los métodos para la localización de raíces.

X1 = 5.704084593 X2 = 3.295843407
 REFERENCÍAS BIBLIOGRÁFICAS.

Bibliografía.

[1] R. P. C. Steven C. Chapra, «Métodos numéricos para ingenieros,» de Métodos

numéricos para ingenieros, Ciudad de México, McGrawHill, 2015, p. 777.

[2] M. c. Carito, «YOUTUBE,» 24 ABRIL 2020. [En línea]. Available:

https://www.youtube.com/watch?v=CeYKhxfmneI.