Capítulo 8

Interpolación
Polinómica
Los Métodos Numéricos

Ajuste de Curvas

Métodos mas utilizados

REGRESION INTERPOLACION
 INTRODUCCIÓN
 La finalidad del cálculo de las funciones de
interpolación se centra en la necesidad de obtener
valores intermedios (INTERPOLACIÓN) o de
valores fuera del intervalo para el que se dispone
de datos (EXTRAPOLACIÓN).
 Como es difícil encontrar la función representativa
de un conjunto de datos, es mejor aproximarlo a
una forma polinómica.
 Interpolación polinómica
 En análisis numérico, la interpolación polinomial es una técnica de interpolación de
un conjunto de datos o de una función por un polinomio. Es decir, dado cierto número
de puntos obtenidos por muestreo o a partir de un experimento se pretende encontrar
un polinomio que pase por todos los puntos.
 X Y
 -----------------------
 X1 Y1
 X2 Y2
 X3 Y3
 X 4 Y4
 …… ……
 Xn Yn
Interpolación lineal
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Interpolación
 Sustitución de una función (conocida o
tabulada) por otra más simple
 Interpolante como combinación de la base de
un espacio funcional:
n
  x     ii  x 
i 0

Funciones base: polinómicas, trigonométricas, …
 Función interpolante “coincide” con la inicial

Lagrange: valor de la función en algunos puntos

Taylor: valor de las derivadas en un punto

Hermite: valor de la función y la derivada

…
Interpolación Numérica
Interpolación
 Plantear las condiciones de existencia y unicidad de solución
del problema general de interpolación
 Saber que el problema de Lagrange tiene un único polinomio
de interpolación de grado mínimo
 Conocer las diferentes formas de representar dicho polinomio
 Conocer las ventajas e inconvenientes de las formas de
Lagrange y de Newton
 Comprender la relación entre diferencias divididas y expansión
en serie de Taylor y su uso para acotar el error
 Comprender las limitaciones e incertidumbres de la
extrapolación
 Valorar las ventajas e inconvenientes de los diferentes
interpolantes segmentarios

Interpolación Numérica
 Introducción:
Se trata de obtener un polinomio (polinomio de interpolación) que
cumpla:

f(x )≈ p(x).
en una serie de n puntos x0, x1, …, xn .
Interpolación con polinomios MUESTRAS
PEQUEÑAS

 se utiliza una función interpoladora de tipo polinómico

de grado no mayor que n, siendo n el número de
puntos conocidos menos uno


 Interpolación lineal

Recta por los puntos 25

(x0,y0)=(12,18),
(x1,y1)=(14,21)
20
P1( x )  a0  a1x
15

Grados
a0  a1x 0  y 0 

a0  a1x1  y1  10

a0  12a1  18  5

a0  14a1  21 5 10 15 20
Hora
El cálculo de ao , a1
A=[1 12 18;1 14 21];
Sol=rref(A)
Ejecutando
Sol =[1.00 0.00 0.00
0.00 1.00 1.50]
Equivale ao =0, a1=1.5
Y=0 +1.5x
Interpolación lineal

Utilizando triángulos semejantes

f1  x   f  x0  f  x1   f  x0 
 f(x)
x  x0 x1  x0

Reordenando f(x1)

f  x1   f  x0 
f1(x)

f1  x   f  x0    x  x0  f(x0)
x1  x0
x0 x x1
 Interpolación cuadrática
Expresión del polinomio
P2 ( x )  a0  a1x  a2 x 2 Polinomio de grado2
25
Condiciones de interpol
a0  a1x0  a2 x 02  y 0  20


a0  a1x1  a2 x12  y1 

Grados
2  15
a0  a1x 2  a2 x 2  y 2 

El polinomio puede ser 10

P(x)=a+bx + cx2, ntonces

5
5 10 15 20
Hora
 Ej1.- Dados (1,1), (3,6), (4,3.5). Hallar el valor de y si x=4

X=[1, 3, 5]; Y=[1, 6, 5];plot(X,Y);grid;

a +b + c = 1
a +3b+9c=6
a+5b+25c=1
A=[1 1 1 1;1 3 9 6;1 5 25 1];abc=rref(A)
Ejecutando en octave, se obtiene
abc = 1.00 0.00 0.00 -5.25
0.00 1.00 0.00 7.50
0.00 0.00 1.00 -1.25
Es decir: a=-5.25; b=7.5; c=-1.25;
Y(4) = y4=a+b*4+c*16
y4 = 4.75
Forma normal del polinomio
de interpolación
 Expresión
Pn ( x )  a0  a1x  a2 x 2    an xn
 Determinación
2
a0  a1x 0  a2 x 0    an xn0  y0 

2 n  y 
a0  a1x1  a2 x1    an x1 1

2 n  y 
a0  a1x 2  a2 x 2    an x 2 2

     

a0  a1xn  a2 xn 2
   an xn 
n  yn 
Ej2. Interpolación polinomial

Dados x=[0 1 2 3 4 5 6];

Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
x1=1.5
Encontrar y(1.5)
Podemos utilizar diferentes
Alternativas: segmentario lineal entre (1,0.9)y (2,1), y(1.5)=0.95
Segmentario parabólico entre (1,0.9),(2,1),(3,0.2):P(x)=a+bx+cx
P(x)=a+bx+c 2
a+b+c =0.9
a+2b+4c=1
a+3b+9c=0.2
Contin. Ej.2. Forma cuadrática
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
a=0
a+b+c =0.9
a+2b+4c=1
a+3b+9c=0.2
b+c =0.9
b+2c =0.5 -- > c=-0.4
bc=[1 1 0.9;1 2 0.5];bc=rref(bc)
b+c =0.9
b+3c =0.2/3=0.066 -- > 2c=-0.83 -- > c=-0.415
c =-0.41, b=1.31
x=1.5;P=1.31*x-0.41*x^2
y(1.5)=1.04; y(0.5)=0.55
Ej3.Interpolación forma cúbica
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Encontrar y(4.5), y(5.5)
P(x) =a+bx
= + cx2 + dx3
Escogemos
x=[1 2 5 6];
Y=[0.9 1 -1 -0.3];
a+b+c+d=0.9
a+2b+4c+8d=1
a+5b+25c+125d=-1
a+6b+36c+216d=-0.3
 Cont Ej3.Interpolación polinomial
a+b+c+d=0.9
a+2b+4c+8d=1
a+5b+25c+125d=-1
a+6b+36c+216d=-0.3

A=[1 1 1 1 0.9; 1 2 4 8 1;1 5 25 125 -1;1 6 36 216 -0.3];

A=rref(A)
A=
1.00 0.00 0.00 0.00 -0.65
0.00 1.00 0.00 0.00 2.49
0.00 0.00 1.00 0.00 -1.04
0.00 0.00 0.00 1.00 0.11
>> x=4.5;y=-0.65+2.49*x-1.04*x*x+0.11*x^3
y = -0.48
Forma de Lagrange del
polinomio de interpolación
 Polinomios de Lagrange
( x  x 0 )  ( x  xi1)( x  xi1) ( x  xn )
Lin ( x ) 
( xi  x 0 )  ( xi  xi1)( xi  xi1) ( xi  xn )

para i  0, 1, 2,  , n

 Polinomio de interpolación
Pn (x)  y0 L0 (x)  y1 L1(x)  y 2 L2 (x)  ··· yn Ln (x)
 G1. Polinomio de interpolación de Lagrange
Sea una función f(x), de tal manera que conozcamos su valor en cada uno de
n+1 puntos: f(x0), f(x1), …, f(xn).

1º. Obtenemos los “multiplicadores o coeficientes de Lagrange”):

( x  x0 )  ( x  x1 )  ...  ( x  xk 1 )  ( x  xk 1 )  ...  ( x  xn )
Lk ( x ) 
( xk  x0 )  ( xk  x1 )  ...  ( xk  xk 1 )  ( xk  xk 1 )  ...  ( x k  x n )

Son n+1 coeficientes: con k=0, 1, 2, …, n .

n
( x  xi ) i = 0, 1, 2, …, n
Lk ( x )  
i 0 ( xk  xi )
ik

k = 0, 1, 2, …, n
 Propiedad de los coeficientes Lk(x):

El coeficiente Lk(x) se anula en cada punto xi, excepto en el xk que tiene el

valor 1 (valor máximo).

Ejemplo: Supongamos como soporte los seis puntos siguientes,

x0 = 1, x1 = 3, x2 = 4, x3 = 6, x4 = 8, x5 = 9.
( x  1)  ( x  3)  ( x  4)  ( x  8)  ( x  9)
L3 ( x ) 
(6  1)  (6  3)  (6  4)  (6  8)  (6  9)
El polinomio de interpolación deLagrange se
obtiene:
n
p ( x )   f ( xk ) Lk ( x )
k 0
 EJEMPLO: Sea la función f(x)=ex. Supongamos conocido el
valor que toma esta función en los cuatro puntos:
x0=2, x1=2.5, x2=3, x3=4,
es decir:
f(x0) = 7.3890, f(x1) = 12.1825, f(x2) = 20.0855, f(x3) = 54.5980

Hallemos el polinomio de interpolación de Lagrange:

( x  2.5) ( x  3) ( x  4)
L0 ( x )    x 3  9.5 x 2  29.5 x  30
(2  2.5) (2  3) (2  4)
( x  2) ( x  3) ( x  4)
L1 ( x )   2.66667 x 3  24 x 2  69.3333 x  64
(2.5  2) (2.5  3) (2.5  4)
( x  2) ( x  2.5) ( x  4)
L2 ( x )   2 x 3  17 x 2  46 x  40
(3  2) (3  2.5) (3  4)
( x  2) ( x  2.5) ( x  3)
L3 ( x )   0.3333 x 3  3.5 x 2  6.16667 x  5
(4  2) (4  2.5) (4  3)
 El polinomio de interpolación de Lagrange es:

p(x) = f(x0) L0(x) + f(x1) L1(x) + f(x2) L2(x) + f(x3) L3(x)

p(x) = 3.12601 x3 – 17.2259 x2 + 39.432 x – 27.5792

Ej. Dados x=[-3 0 1 4 6 ];y=[-8 5 -1 7 -3 ];xi=5 encontrar y(5) con el
Algoritmo de Lagrange y Octave
 clc;clear;
 x=[-3 0 1 4 6 ];y=[-8 5 -1 7 -3 ];LS=0;xi=5;n=5;
 plot(x,y);grid;
 for i=1:n
 L=1;
 for j=1:n
 if i~=j
 L=L*(xi-x(j))/(x(i)-x(j));
 end
 end
 LS=LS+L*y(i);
 end
 sol=LS
Los resultados se verifican con los datos originales
como y(4)=7, y se corrigen y ajustan con la Gráfica

.
6

-2

-4

-6

Y(5)= 8.8783,
-8
según Lagrange
-3 -2 -1 0 1 2 3 4 5 6
Y(5)=3, valor corregido, suavisado y ajustado con la gráfica
Ej. Encontrar y(5.5) mediante el algoritmo de Lagrange y
ayuda del Octave

x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Encontrar y(4.5), y(5.5)
P(x) =a+bx
= + cx2 + dx3
Escogemos
x=[1 2 5 6];y=[0.9 1 -1 -0.3];
Luego se ingresan estos datos en el Programa de Octave
Y obtenemos y(5.5)= -0.83
 Forma de Lagrange (I)
x  xk n
Grado n y además L  x    : Lni  xk    ik
n
i
k  0 xi  xk
Ejemplo k i

x F(x) L  x 
3  x  1  x  1  x  2 

x3  2 x 2  x  2
X0=-2 -13/5
0
 2  1  2  1  2  2  12

L1  x  
3  x  2   x  1  x  2 

x3  x 2  4 x  4
X1=-1 -3
 1  2   1  1  1  2  6
X2=1 -2
L  x 
3  x  2   x  1  x  2  
x3  x 2  4 x  4
X3=2 3/5
2
 1  2   1  1  1  2  6

L33  x  
 x  2   x  1  x  1 
x3  2 x2  x  2
 2  2   2  1  2  1 12
n
Pn  x    f  xi  L3i  x    13 5 L30  x   3L13  x   2L32  x   3 5 L33  x  
i 0

x 3
 2 x 2
 x  2 x 3
 x 2
 4 x  4 x 3
 x 2
 4 x  4 x 3
 2 x 2
x2
  13 5 3 2  35
12 6 6 12
 101 x  12 x  52 x  3 Interpolación Numérica
3 2
Forma de Lagrange (II)
 Ventajas

Fácil de calcular
Independientes de la Inconvenientes


función a interpolar 
El interpolante puede ser
mucho más simple que
 Polinomio:y=2x-1 los polinomios de
– {(-2,-5),(-1,-3),(1,1),(2,3)} Lagrange
n
Pn  x    f  xi  L3i  x   
Si cambia el soporte los
i 0
polinomios obtenidos son
 5L0  x   3L1  x   1L2  x   3L3  x  
3 3 3 3
inútiles, es necesario
x3  2 x 2  x  2 x3  x 2  4 x  4 repetir todo el proceso
 5 3 
12 6
x3  x 2  4 x  4 x3  2 x 2  x  2
1 3
6 12
 0 x3  0 x 2  2 x  1
Interpolación Numérica
Ejemplos
 Existencia y unicidad de

F(-)=1,F(0)=0,F()=1
– Base polinómica: solución única
P2  x   0  0 x   1  x 2
2

– {1,sen(x),sen(2x)}: sin solución

– {1,cos(x),cos(2x)}: solución múltiple
  x   12 1  21 cos  x   0cos  2 x 
  x   01  21 cos  x   12 cos  2 x 
 F(x0)=y0,F(x1)=y1,F’(x2)=y2
– Base polinómica:
– Solución única si

x0  x1  x2  1
2  x0  x1 
Interpolación Numérica
Forma de Newton – Diferencias Divididas (I)
n i 1 n i 1
Pn  x     i   x  xk    f  x0 , x1 , xi    x  xk 
i 0 k 0 i 0 k 0
n 1

 Origen: Qn  x   Pn  x   Pn1  x    n   x  xk 
k 0
n 1
Pn  x   Pn 1  x    n   x  xk 
k 0

 Propiedades

Simetría k
f  xi  k
f  xi 
f  x0 , x1 , xk    
i  0  xi  x0    xi  xi 1   xi  xi 1    xi  x n 
k
i 0
 x  x 
j 0
i j

j i Demo

Cálculo
f  x0   f  x0 
f  x0 , x1 , xk 1   f  x1 , xk 1, xk 
f  x0 , x1 , xk 1 , xk   Demo
x0  xk
Interpolación Numérica
Polinomio de Newton
.
Interpolación polinomial de Newton

Revisaremos solo algunos casos: lineal, de segundo grado y

de tercer grado.
Interpolación cuadrática y cúbico
Polinomio cuadrático

f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) (1)

f3(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1)+ b3(x – x0)(x – x1)(x – x1)

f2(x) = b0 + b1x – b1x0 + b2x2 + b2x0 x1 – b2xx0 – b2xx1

Podemos escribirlo como
f2(x) = a0 + a1x + a2x2
Donde
a0 = b0 – b1x0 + b2x0 x1, a1 = b1 – b2x0 – b2x1, a2=b2
Podemos evaluar b0, b1 y b2 sustituyendo x0, x1 y x2 en la ecuación (1), se obtiene
f  x2   f  x1  f  x1   f  x0 

b0 = f(xf 0) x1   f  x0  x2  x1 x1  x0
b1  b2 
x1  x0 x2  x0
 ejemplo 2 Calculemos ln 2 con ln 4 y ln 6, los punto que se conocen son:
f(x) = ln x
x0 = 1 f(x0) = 0
x1 = 4 f(x0) = 1.386294
2.5

x0 = 6 f(x0) = 1.791759
2
Valor verdadero
Aplicando las ecs. anteriores
1.5
b0 = 0
1
b1 = (1.386294 – 0)/(4 – 1) = 0.4620981
0.5
b2 = ((1.791759 – 1.386294)
0 Estimación cuadrática
/(6 – 4) – 0.4620981)/(6 – 1)
-0.5 Estimación lineal
= – 0.0518731
-1
0 1 2 3 4 5 6 7 8 El polinomio es
f2(x) = 0.4620981(x – 1) – 0.0518731(x – 1)(x – 4)

Valor real ln 2 = 0.6931472

f (2) = 0.5658444
Error relativo
2
porcentual = 18.4%
Interp. Diferencias divididas

Pn(x0) = ƒ(x0) = a0. Pn(x1)= a0 + a1(x1 – x0),

como Pn(x1)= ƒ(x1) y a0= ƒ(x0), entonces
reemplazando se tiene
ƒ(x1)=ƒ(x0) + a1(x11–x0), donde
Ejemplo : Halle el polinomio que interpola los datos:

X 1 2 3 5

f(x) 4 3.5 4 5.6

.
xi f(xi)      

1 4      

    -0.5    

2 3.5   0.5  

    0.5   -0.1
3 4   0.1  

    0.8    

5 5.6      

Luego P3(x)=4 – 0.5(x - 1) + 0.5(x - 1)(x - 2) – 0.1(x - 1)(x - 2)(x - 3) 

Ej. Si x=[-3,0,1,4,6];y=[-8,5,-1, 7,-3]; encontrar y(3)
 clc;clear;x=[-3,0,1,4,6];y=[-8,5,-1, 7,-3];plot(x,y);grid;
 D(:,1)=y';xi=3;n=5;
 for j=2:n
 for k=j:n
 D(k,j)=(D(k,j-1)-D(k-1,j-1))/(x(k)-x(k-j+1));
 end;
 end;
 P=D(1,1);
 for k=1:n-1
 F=1;
 for j=1:k
 F=F*(xi-x(j));
 end;
 P=P+F*D(k+1,k+1);
 end;
 fprintf('Pd=');disp(P);
Las diferencias finitas son:
-3 -8.00 0 0 0 0
0 5.00 4.33 0 0 0
1 -1.00 -6.00 -2.58 0 0
4 -7.00 -2.00 1.00 0.51 0
6 -3.00 2.00 0.80 -0.03 -0.06
La matriz de las diferencias divididas y el polinomio de Newton son como
sigue:

 -8.00 0 0 0 0
 4.00 12.00 0 0 0
 -1.00 -2.50 -4.83 0 0
 -5.00 -2.00 0.13 0.99 0
 2.00 3.50 1.38 0.21 -0.11

P(x)=-8+12(x+1)-4.83(x+1)x+0.99(x+1)x(x-2)-0.11(x+1)x(x-2)(x-4)
P(3)=-4.7571
Forma de Newton – Diferencias Divididas (II)
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 

Cálculo de la tabla de Diferencias divididas

x F(x)

x0=-2 f  x0   13
5

f  x0   f  x1  513    3   2
x1=-1 f  x1   3 f  x0 , x1  
x0  x1

 2    1 5
f  x1   f  x2   3   2  1 f  x0 , x1   f  x1 , x2  3
x2=1 f  x2   2 f  x1 , x2  
x1  x2

 1   1 2
 f  x0 , x1 , x2  
x0  x2

10
f  x2   f  x3   2    53  13 f x , x , x  f  x1 , x2   f  x2 , x3   7
x3=2 f  x3   3
f  x2 , x3      1 2 3
x1  x3
5
x2  x3  2    1 5 10

f  x0 , x1 , x2   f  x1 , x2 , x3  1
f  x0 , x1 , x2 , x3   
x0  x3 10

Pn  x   13
5  52  x  2   103  x  2   x  1  101  x  2   x  1  x  1
 53  135  x  2   107  x  2   x  1  101  x  2   x  1  x  1
P3  x   101 x 3  1 2
x 
Interpolación
2
2
x3
5Numérica
 Forma de Newton del
polinomio de interpolación
 Expresión
Pn(x) = c0 + c1(xx0) + c2(xx0)(xx1) +   
+ cn(xx0)(xx1)    (xxn1)

 Determinación algebraica
Pn(x0) = y0 = c0
Pn(x1) = y1 = c0+ c1(x1x0)
Pn(x2) = y2 = c0+ c1(x2x0) + c2(x2x0)(x2x1)
 Problema de Hermite
2 n 1    xk   f  xk 
  x     ii  x  :  , k  0,1, n
i 0    xk   f   xk 

Existencia y unicidad asociadas al sistema
 0  x0  1  x0    n  x0   n1  x0    2n 1  x0     0   f  x0  
   
 0  x1  1  x1    n  x1   n1  x1    2n 1  x1     1   f  x1  
             
    
 0  xn  1  xn    n  xn   n1  xn    2 n1  xn     n    f  xn  
  x  1  x0    n  x0   n 1  x0    2 n 1  x0     n1   f   x0  
 0 0    
             
  x  1  xn    n  xn   n 1  xn    2 n1  xn    2 n1  
  f   xn  
 0 n


Base polinónica: soporte sin puntos repetidos
 1, x, x , x , x 
2 3 2 n 1


Base trigonométrica: soporte sin puntos repetidos y
comprendidos en [-  ,  ]
 1,sin  x  , cos  x  , sin  kx  , cos  kx  ,
Interpolación Numérica
 Problema de Taylor
n
  x     ii  x  :  k   a   f  k   a  , k  0,1, n
i 0

Existencia y unicidad asociados al sistema

 0  a  1  a   n  a 
 0   f  a  
    
 0  a  1  a    n  a 
  1      
f  a
         
  n      n 
   a    n  a    n  a     n   f 0  a  
 n  
 0 1



Series de potencias 
k 0
k x k

¿ converge ?
  x 
– Criterios del cociente y de la raíz
 k 1
lim  L  lim k  k  L
k   k 
k
– Si L=, converge en x=0, si L=0, converge x
– Sino converge para |x|<1/L
Interpolación Numérica
Forma de Newton – Diferencias Divididas (III)
 Ventajas

Los cálculos son muy simples

La tabla de diferencias divididas se
 Inconvenientes
simplifica cuando el interpolante es de
menor grado

Las operaciones se pueden reutilizar al 
El cálculo depende de la
añadir o eliminar puntos
función

 Polinomio:y=2x-1
– {(-2,-5),(-1,-3),(1,1),(2,3)}

x F(x)
x0=-2 -5
x1=-1 -3 2
x2=1 1 2 0
x3=2 3 2 0 0

Interpolación Numérica
 Diferencias divididas
 c 0 = f [ x0 ]  y0

f [ x1]  f [ x0 ]

c1 = f [ x 0 , x1] 
x1  x0

f [ x1, x 2 ]  f [ x0 , x1]
 c 2  f [ x 0 , x1, x 2 ] 
x 2  x0

f[x1, x 2, xk ]  f[x 0 , x1, xk 1]


c k  f[x 0 , x1, xk ] 
xk  x 0
 Tabla de diferencias divididas
y0  f [ x0 ]
y1  f [ x1] f [ x 0 , x1]

y2  f [x2 ] f [ x1, x 2 ] f [ x 0 , x1, x 2 ]

y3  f [ x3 ] f [ x 2, x 3 ] f [ x1, x 2, x 3 ] f [ x 0 , x1, x 2, x3 ]

Ejemplo de las temperaturas

12 18
14 21 1.5000
10 12 2.2500 -0.3750
16 19 1.1667 -0.5417 -0.0417
Evaluación de los polinomios

Grados 0 a 3
30

25

20

15

10
5

-5

-10
6 8 10 12 14 16 18 20
Forma de Newton – Diferencias Finitas
 Puntos equiespaciados xk=x0+k h
Progresivas f k  f  xk 1   f  xk  y  n f k   n 1 f k 1   n 1 f k
Regresivas f k  f  xk   f  xk 1  y  n f k   n1 f k   n1 f k 1
 Relaciones
 f k  f k 1 y  n f k   n f k  n
  n f k  n !h n f  xk , xk 1 , , xk  n 
n
n
 f k    1
n n i

  f k i
i 0 i
  n f k  n !h n f  xk  n , , xk 1 , xk 

n
n
 f k    1
n n i

  f k  ni
i 0 i
Interpolación Numérica
Evaluación anidada del
polinomio de interpolación

Pn(x) = = (((cn(x–x n–1)

c0+ + cn-1)(x–x n–2)
c1(x–x0) + + cn-2)(x–x n–3)
c2(x–x0)(x–x1) + 
 + c1)(x–x0)
+ cn(x–x0)(x–x1)  (x–xn–1) = + c0
Error de interpolación
 Expresión del error

f (n1) ()
f(x)  Pn (x)  (x  x 0 )(x  x1)  (x  xn )
(n  1)!

 Estimación de la derivada
f (n1) ( )
f  x0 , x1, , xn, xn+1 
(n  1)!
Función de Runge

Grado 8
1
Función de Runge
0.5

-0.5 Nodos de Chebyshef

-1 Nodos equiespaciados

-1.5
-1 -0.5 0 0.5 1
Error en la interpolación de Lagrange (I)
f   
n 1 n
f  x  Pn  x  
 n  1 !  x  x 
k 0
k   I   xmin , xmax 
Demo

f
n

 f  x0 , x1 , xn     I   xmin , xmax 
 n !
Demo

max f  n 1  x  n
 f  z   Pn  z   xI

 n  1 !  z  x 
k 0
k

max f  n 1  x  n
 max f  x   Pn  x   xI
max   x  xk 
xI  n  1 ! xI
k 0

Interpolación Numérica
Error en la interpolación de Lagrange (II)
f(x)-P n (x)
0.5

 Datos provienen de 0

x3  5
f  x  2 f  0.5   3.9
-0.5

x 1

error
-1


Valor del interpolante en x=0.5 -1.5

Pn  0.5  101 0.53  12 0.52  52 0.5  3  80

213
 2.6625 -2


Error máximo cometido en x=0.5 -2.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

x 5  25 x 4  10 x3  50 x 2  5 x  5
max f  4
 x  max 24  122
 x2  1
x 2,2 x 2,2 5

122 915
f  0.5   Pn  0.5    0.5  2   0.5  1  0.5  1  0.5  2    7.1484
4! 128


Error máximo cometido en todo el intervalo
3 3
max
x 2,2
 x  x    x  x 
k 0
k
k 0
k 4
x 0

122 61
max f  x   Pn  x   4  20.3333
x 2,2 Interpolación
4! Numérica
3
Error en la interpolación de Lagrange (III)
 Datos equiespaciados xk=x0+k h

Interpolación lineal
max f 
2
 x 1 max f 
2
 x
max f  x   P1  x   xI
max   x  xk   xI 1
4 h2
x x0 , x0h  2! xI 2!
k 0


Interpolación parabólica
max f 
3
 x 2 max f 
3
 x
max
x x0 , x02 h 
f  x   P2  x   xI

3!
max
xI
  x  xk  
k 0
xI

3!
2
3 3
h3

Interpolación cúbica
max f 
4
 x 3 max f 
4
 x
max f  x   P3  x   xI
max   x  xk   xI
h4
x x0 , x03 h  4! xI 4!
k 0

n n

n
max
s 0, n 
 s  k  n
max
s 0, n
 s  k 
k 0
k 0

4 3.6314 7 640.6010
5 16.9009 8 4.9292 103
6 95.8419 9 4.2901 104
Interpolación Numérica
Ejemplo 1 de Interpolación de Lagrange (I)
 El mástil de un barco construido con Esfuerzo Deforma.
(Kg/cm2) (m)
una nueva aleación de aluminio tiene
126 0.0005
un área transversal de 5.65 cm2. Se
desarrollan pruebas para definir la 365 0.0013

relación entre esfuerzo (fuerza 506 0.002

aplicada al material por unidad de 527 0.0045
área) y deformación (deflexión por 562 0.006
unidad de longitud), cuyos resultados 703 0.0085
se muestran en la tabla.

 Utilice polinomios de varios grados

para obtener la deformación del mástil
debida a la fuerza del viento, evaluada
en 2900Kg. . ¿Cual parece ser el más
adecuado?.

Interpolación Numérica
Ejemplo 1 de Interpolación de Lagrange (II)
 Punto de interpolación: z= 2900/5.65= 513.2743
 Condiciones para seleccionar el orden de los puntos de interpolación
 El punto de interpolación z debe pertenecer al intervalo
 Los puntos deben hacer mínima la cota de error; habitualmente
significa que se seleccionan dependiendo de su distancia a z

x F(x)
506 0.002
527 0.0045 0.1190 10-3
562 0.006 0.0429 10-3 -0.1361 10-5
365 0.0013 0.0239 10-3 0.0117 10-5 -0.1048 10-7
703 0.0085 0.0213 10-3 -0.0018 10-5 -0.0077 10-7 0.4930 10-10
126 0.0005 0.0139 10-3 0.0031 10-5 -0.0011 10-7 -0.0164 10-10 0.1340 10-12

Interpolante P(z)
P1(x)=0.002+ 0.1190 10-3 (x-506) 2.865992 10-3
P2(x)= P1(x) - 0.1361 10-5 (x-506)(x-527) 3.001836 10-3
P3(x)= P2(x)- 0.1048 10-7 (x-506)(x-527)(x-562) 2.950845 10-3
P4(x)= P3(x) + 0.4930 10-10 (x-506)(x-527)(x-562)(x-365)
Interpolación Numérica 2.986407 10-3
P5(x)= P4(x) + 0.1340 10 (x-506)(x-527)(x-562)(x-365)(x-703)
-12
2.968062 10-3
Ejemplo 1 de Interpolación de Lagrange (III)
Interpolante P(z)
P1(x)=0.002+ 0.1190 10-3 (x-506) 2.865992 10-3
P2(x)= P1(x) - 0.1361 10-5 (x-506)(x-527) 3.001836 10-3
P3(x)= P2(x)- 0.1048 10-7 (x-506)(x-527)(x-562) 2.950845 10-3
P4(x)= P3(x) + 0.4930 10-10 (x-506)(x-527)(x-562)(x-365) 2.986407 10-3
P5(x)= P4(x) + 0.1340 10-12 (x-506)(x-527)(x-562)(x-365)(x-703) 2.968062 10-3
-3
x 10
5

4.5

3.5

P 1 (x)
3
P 2 (x)
P 3 (x)
2.5 P 4 (x)
P 5 (x)

2 Interpolación Numérica
505 510 515 520 525 530
Ejemplo 1 de Interpolación de Lagrange (IV)
-3 P 1 (x)
x 10
9 -3 P 2 (x)
x 10
9 -3 P 3 (x)
x 10
8 10
8
7 8
7
6 6
6
5 4
5
4 2
4
3 0
3
2 -2
2
1 -4
1
0 -6
100 200 300 400 500 600 700 0 800
100 200 300 400 500 600 700 800
P4 (x) -8
P 5 (x) 100 200 300 400 500 600 700 800
0.01
0.12

0.1
0.005

0.08

0
0.06

-0.005 0.04

0.02
-0.01

-0.015
100 200 300 400 500 600 700 800 -0.02
100 200 300 400 500 600 700 800

¡ Sólo tienen sentido físico los interpolantes

Interpolación Numérica
de primer y segundo grado !
Ejemplo 2 de Interpolación de Lagrange (I)
 Se desea tabular la función f(x)=cos(x)*exp(x) definida
en el intervalo [-,] mediante puntos equiespaciados.
 ¿Cuántos 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?. ¿Y si se utiliza una interpolación con tres
puntos consecutivos?.
 ¿Cual es el máximo error cometido al utilizar 5 puntos
equiespaciados? ¿ Y si se toman 9?

Interpolación Numérica
Ejemplo 2 de Interpolación de Lagrange (II)
 Error menor que 0.5

Interpolación lineal
max f 
2
 x
max f  x   P1  x   x I 1
4
h2
x x0 , x0 h  2!
f  x   cos  x  e x  f   x   2sin  x  e x  M  max f   x
2
x   , 

Nota : f 
3
 x   0  2e x  cos  x   sin  x    x  34     ,    M 
3
 2e 4
3

2e 4 2
max f  x   P1  x   1
4
h 2  0.5  h  0.5178  N   1  14 puntos
x xk , xk 1  2! h


Interpolación cuadrática
max f   x 
max f  x   P2  x   x I 2
h3 f   x   2e x  cos  x   sin  x  
x x0 , x0 2 h  3! 3 3

f    x   0  4cos  x  e x  x   2 , 2     ,    M  max f   x   2e 

4
x   , 

2e 2
2
max f  x   P2  x   2
h 3  0.5  h  0.5522  N   1  13 puntos
x xk , xk 1  3! 3 3
h

Interpolación Numérica
Ejemplo 2 de Interpolación de Lagrange (II)

Cota del error de interpolación
– con 5 puntos
max f 
5
 x
max f  x   P4  x   xI
3.6314h5
x  ,  5!
f    x   0  8sin  x  e x  x   0,  
6

 M  max f  5  x   4e  sin     cos      4e

x  , 
5
4e  2 
max f  x   P4  x   3.6314    26.7873
x  ,  5!  4 
– con 9 puntos
max f  9  x 
max f  x   P8  x   x I
4.9292  103h9
x  ,  9!
f    x   0  32sin  x  e x  x   0,  
10

 M  max f  9  x   16e  sin     cos      16e

x   , 
9
16e  2 
max f  xInterpolación
  P8  x   Numérica
4.9292  103    0.5719
x  ,  9!  8 
Ejemplo 2 de Interpolación de Lagrange (III)
exp(x) cos(x)
5
0
-5 funcion
-10 P 1 (x)

-15 P 2 (x)

-20
-25
-3 -2 -1 0 1 2 3
x
exp(x) cos(x)
5
0
funcion
-5
P 4 (x)
-10
P 8 (x)
-15
Data
-20
-25
-3 -2 -1 0 1 2 3
x
Máximo error real: Lineal : 0.4234
Interpolación Numérica
Cuadrática: 0.1393
5 puntos: 0.9028 9 puntos: 0.0160
Interpolación de Hermite (I)
n
   P  x   f  xk 
P2 n 1  x     ii  x    ii  x  :  2 n 1 k , k  0,1, n
i 0  P2 n 1  xk   f  xk 
 

Polinomios de Hermite
i  xk    ik  i  xk   0  i  x    a  bx   Li  x   
 n 2

  k
 2

 i  k  i k  i  x    a  bx   Li  x   
 x  0    x     
i 
n
 
   
  n
1  n 
i   
2

 i  x    1  2  x  x   i L  x  
 k  0 xi  xk
  
  k i  
 

 
2

  i  x    x  x i  Ln
i  x  

Diferencias divididas generalizadas
– Soporte donde cada punto se repite consecutivamente
tantas veces como datos haya en el mismo
 f  x0 , x1 , xk 1   f  x1, xk 1, xk 
 x0  xk
 x0  xk
f  x0 , x1 , xk   
f  n   x0 
 Interpolación Numérica
 x0  xk
n!
Ejemplo de Interpolación de Hermite (I)
 A un vehículo que recorre un circuito de 6Km se le toma el tiempo y la
velocidad cada vez que pasa por meta, obteniéndose la tabla anexa.
 Obtenga el polinomio que indica los Km recorridos en función del
tiempo. ¿Cuánto habría recorrido en 120”’?.

Vuelta Tiempo (s) Velocidad (km/h)

0 0 0
2 250 234
5 640 252

Se debe comenzar por homogeneizar unidades

Tiempo (s) Espacio (m) Velocidad (m/s)

0 0 0
250 12000 65
640 30000 70

Interpolación Numérica
Ejemplo de Interpolación de Hermite (II)
 Forma de Hermite
  
P5  x   00  x   120001  x   300002  x   00  x   651  x   702  x 
4
Funciones
x 10 Espacio
de Hermite Velocidad
Derivadas de Hermite

 x    1   02502 x 00 640   L20  x  

1.5 3 200 70 2

h0 (x)
0
1 h1 (x)
 x    1   25020x  250  640    1   
2.5 100 60 250  2

0.5 h2 
(x)1 L2 x

0 2
0 50

2  x   1   6400  640 250
2 x  640
  L  x 
2
2
2

i  x    x  0   L20  x  
-0.5 -100
40  2

0 1.5 200 400 600 0 200 400 600

i  x    x  250   L12  x  
30Derivadas de Hermite
 2
Funciones de Hermite
200 2
i  x    x  640   L22  x  
1 H0 (x)  2
20
1 H1 (x)
100
0.5 H2 (x)
0 10
0
-1
0 0
0 200 400 600 0 200 400 600
-100 -2
0 200 400 600 0 200 400 600
  
P5  x   00  120   120001  120   30000 2  120   0 0  120   651  120   70 2  120  =
 3.618 1010 x 5  7.855 10 8 x 4  6.03110 4 x 3  3.322 10 1 x 2
Interpolación Numérica
Ejemplo de Interpolación de Hermite
(III)
 Diferencias Divididas Generalizadas

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 
Tabla de Diferencias
x F(x) x 10-3 x 10-6 x 10-9
x0= 0 0
f   x0 
x1= 0 0 f  x0 , x1    0
1!
x2=250 12000 f  x1   f  x2  48 0.1920
f  x1 , x2   
x1  x2
x3=250 12000 f   x2  65 0.0680 -0.4960
f  x2 , x3   
1!
x4=640 30000 f  x3   f  x4  46.153 -0.0483 -0.1817 0.4910
f  x3 , x4   
x3  x4
x5=640 30000 f   x4  70 0.0611 0.2807 0.7226 0.3618
f  x4 , x5   
1!

P5  x   0  0  x  0   0.1920 x 2  0.4960 103 x 2  x  250  

0.4910 106 x 2  x  250   0.3618 109 x 2  x  250   x  640 
2 2

Interpolación Numérica
Definición
 Sea X={a=x0,x1,x2,…xn=b} un soporte ordenado
donde se conoce f(x), se define el interpolante
segmentario de grado n (spline de grado n)
mediante n n
S  x    Pk  x  con x  I k  con  a, b   I k   xk 1 , xk 
k 1 k 1

donde a  x0  x1  x2    xn 1  xn  b
S  xk   Pk  xk   Pk 1  xk   f  xk 
y S  x   C k 1  a, b 
 Incógnitas: n (k+1) Ecuaciones: (n+1)- k(n-
1)
 Condiciones
 Naturales: S(k-1)(a)=: S(k-1)(b)=: 0
 Sujetas: S’(a)=Sa y S’ (b)=: 0
Interpolación Numérica
 Otras
Interpolación Segmentaria Lineal

 Definición
– Los polinomios en cada uno de los n intervalos de la
partición son lineales, esto es, de grado 1 (dos
coeficientes cada polinomio)
Pk  x   ak  x  xk   bk – .
 Condiciones (Ecuaciones): 2n
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos.
 Coeficientes (Incógnitas): 2n
– Hay n polinomios lineales
 Sistema compatible determinado. Se obtiene
una poligonal
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (I)
 Aproximar la función f(x)=cos(x)*exp(x) definida en [-,]
mediante una poligonal utilizando 5 y 9 puntos
equiespaciados. Acotar el error cometido en cada caso.
 Interpolación con 5 puntos y polinomios
x F[.] F[.,.] Intervalo Polinomio
- -0.0432 [-, -/2] -0.0432+ 0.0275(x+)
-/2 0 0.0275 [-/2 ,0] 0+ 0.6366(x+/2)
0 1 0.6366 [0 , /2] 1 -0.6366(x-0)
/2 0 -0.6366 [/2, ] 0 -14.7318(x-/2)
 -23.1407 -14.7318


Error de interpolación
max f  2  x  1
max f  x   S1  x   max f  x   Pk  x  
x  ,  xI k
xI

2!
max
x I k
 x  x 
i0
k i 
k 1,n k 1,n

max f  2  x  2e 4
3
 2
 2 
 xI
h 
1 2
4
1
4    4.602
2! 2!  4 
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (II)

Interpolacion
5
0
-5
-10
f(x)
-15
S 1 (x)
-20
Datos
-25
-3 -2 -1 0 1 2 3

Error
5
Maximo:4.1056
4

0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Lineal: Ejemplo (III)
 Interpolación con 9 puntos y polinomios
x F[.] F[.,.] Intervalo Polinomio
- -0.0432 [-, -3/4] -0.0432-0.0303(x+)
-3/4 -0.0670 -0.0303 [-3/4, -/2] -0.0670+0.0853(x+3/4)
-/2 0 0.0853 [-/2 ,-/4] 0+ 0.4105(x+/2)
-/4 0.3224 0.4105 [-/4, 0] 0.3224+ 0.8628(x+/4)
0 1 0.8628 [0 , /4] 1 +0.7014(x-0)
/4 1.5509 0.7014 [/4, /2] 1.5509-1.9746(x-/4)
/2 0 -1.9746 [/2, 3/4] 0 -9.4990(x-/2)
3/4 -7.4605 -9.4990 [-, -3/4] -7.4605-19.9647(x-3/4)
 -23.1407 -19.9647

Error de interpolación
max f  2  x  1
max f  x   S1  x   max f  x   Pk  x   xI
max   x  xk  i  
x  ,  xI k 2! xI k
k 1,n k 1,n i 0

Interpolación
 x 1 2
max f 
2
Numérica 2e 4
3
 2
 2 
 xI
4
h  1
4    1.1505
2! 2!  8 
Interpolación Segmentaria Lineal: Ejemplo (IV)
Interpolacion
5
0
-5
-10
f(x)
-15
S 1 (x)
-20
Datos
-25
-3 -2 -1 0 1 2 3

Error
1.5
Maximo:1.0023

0.5

0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Definición

 Definición
– Los polinomios en cada uno de los n intervalos de la
partición son cuadráticos (tres coeficientes cada
polinomio).
Pk  x   ak  x  xk   bk  x  xk –  ck
2

 Condiciones (3n-1)
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos
– La derivada es continua en (n-1) puntos internos
 Incógnitas (3n)
– n intervalos con polinomios cuadráticos en cada
uno
 Sistema indeterminado (hay 3n incógnitas y
3n-1 ecuaciones)
Interpolación Numérica
Interpolación Segmentaria Cuadrática:
Planteamiento (I)
Definición
Pk  x   ak  x  xk 1   bk  x  xk 1   ck
2

con x  I k   xk 1 , xk 
Condiciones
Pk  xk 1   f  xk 1   Pk  xk   f  xk  k  1, 2, n
Pk  xk   Pk1  xk  k  1, 2, n  1
– Sustituyendo las condiciones, se obtiene
bk 1  bk b b
ak   k 1 k k  1, 2,  n
2  xk  xk 1  2hk
ck  f  xk 1  k  1, 2,  n
2 f  xk , xk 1   bk  bk 1 k  1, 2,3,  n
Demo
Interpolación Numérica
Interpolación Segmentaria Cuadrática : Planteamiento (II)
 Sistema
1 1 0 0 0   b1   f  x0 , x1  
     
0 1 1  0 0   b2   f  1 2 
x , x
0 0 1 0 0     2  
     
      bn   f  xn  2 , xn 1  
0 0 0 1 1  bn 1   f  x ,x  
  n 1 n 

Se necesita 1 condición más para que el sistema sea
compatible determinado.
1) Aproximación lineal en el primer intervalo (a 1=0b1=b2)
2) Aproximación lineal en el último intervalo (a n=0bn=bn+1)
3) Derivada conocida en a (b1 conocido)
4) Derivada conocida en b. (bn+1 conocido)

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Planteamiento (III)

Caso 1 Caso 2
2 0 0 0 0   b2   f  x0 , x1   1 1 0 0 0   b1   f  x0 , x1  
   b      b   
1 1 0  0 0  3   f  x1 , x2   0 1 1  0 0  2   f  x1 , x2  
0 1 1 0 0   b4   f  x2 , x3   0 0 1 0 0   b3   f  x2 , x3  
 
    2    
    2  
                     
0 0 0  1 0   bn   f  xn  2 , xn 1   0  
0 0  1 1 bn 1   f  xn  2 , xn 1  
           
0 0  1 1  bn 1   f  x ,x   0 0  0 2   bn   f  xn 1 , xn  
0  n 1 n  0 

Caso 3 Caso 4
1 0 0 0 0   b1   f   x0   1 1 0 0 0   b1   f  x0 , x1  
  b      b   
1 1 0  0 0  2   f  x0 , x1   0 1 1  0 0  2   f  x1 , x2  
0 1 1 0 0   b3   f  x1 , x2   0 0 1 0 0   b3   f  x2 , x3  
     2      2 
                     
0 0 0  1 0   bn   f  xn  2 , xn 1   0 0 0  1 1   bn   f  xn 1 , xn  
           
0 0  1 1  bn 1   f  x ,x   0 0  0 1  bn 1   f   xn  
0  n 1 n  0 

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Procedimiento
 Datos de partida {(x0, f(x0)), (x1, f(x1)),…(xn, f(xn))}
 Selección de la condición a añadir
 Planteamiento y resolución del sistema
 Recuperación de los coeficientes de los polinomios
para cada intervalo
 Selección del intervalo al que pertenece el punto a
interpolar y uso del polinomio correspondiente

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (I)

 Aproximar la función f(x)=cos(x)*exp(x) definida en [-,]

mediante una Interpolación Segmentaria Cuadrática
utilizando 5 y 9 puntos equiespaciados.
x F(x)
2 0 0 0   b2   0.0275 
- -0.0432      
1 1 0 0   b3  0.6366
-/2 0   2 
0 1 0 1 1 0   b4   0.6366 
     
/2 0
0 0 0 1  b5   14.7318 
 -23.1407

Intervalo Polinomio
[-,-/2] 0(x+)2-0.0275(x+)-0.0432
[-/2,0] 0.3878(x+/2)2+0.0275(x+/2)+0
[0,/2] -1.1983x2+1.2457x+1.0000
[/2,] -7.7749(x-/2)2-2.5190(x-/2)+0
Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (II)
Interpolacion
10

-10
f(x)
-20 SpNat2 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.8
Maximo:0.70936
0.6

0.4

0.2

0
-4 -3 -2 -1 0 1 2 3 4

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
 NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
 Primer intervalo a1  0
P1  x   a1  x     b1  x     c1 
2

 P1      0.0432  c1  0.0432
P1  x   2a1  x     b1
  P      0
 1 2  b1  0.0275
 Segundo intervalo
 P2   2   P1  2   b2  0.0275
P2  x   a2  x   2   b2  x   2   c2  
2

 P2  2    0  c2  0
P2  x   2a2  x  2   b2
 
 P  0  1 
 2  a2  0.3878
 Tercer intervalo
 P3 0   P2  0   b3  1.2457
P3  x   a3  x  0   b3  x  0   c3 
2

 P3  0  1   c3  1
P3  x   2a3  x  0   b3
  P      0
 3 2  a3  1.1983
 Cuarto intervalo
 P4   2   P3  2   b4  2.5190
P4  x   a4  x  2   b4  x  2   c4  
2
 
 P4  2    0  c4  0
P4  x   2a4  x  2   b4

 P      23.1407  a  7.7749
 4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (IV)
 9 puntos 2   b2   0.0303 
  b   
x F(x)  1 1    3  0.0853 
- -0.0432
 1 1   b4   0.4105 
     
-3/4 -0.0670  1 1    b5   2  0.8628 
 1 1   b6   0.7014 
-/2 0      
-/4 0.3224  1 1   b7   1.9746 
 1 1   b8   9.4990 
0 1      
1 1 b  19.9647
/4 1.5509
   9  

/2 0 Intervalo Polinomio

3/4 -7.4605 [-,-3/4] 0(x+)2-0.0303(x+)-0.0432

[-3/4,-/2] 0.1472(x+3/4)2-0.0303(x+3/4)-0.0670
 -23.1407
[-/2,-/4] 0.2668(x+/2)2+0.2010(x+/2)+0
[-/4,0] 0.3091(x+/4)2+0.6200(x+/4)+0.3224
[0,/4] -0.5145(x-0)2+1.1055(x-0)+1.0000
[/4,/2] -2.8927(x+/4)2+0.2973(x+/4)+1.5509
[/2,3/4] -6.6875(x+/2)2-4.2466(x+/2)+0
Interpolación
[/2,] Numérica
-6.6378(x-/2)2-14.7514(x-/2)-7.4605
Interpolación Segmentaria Cuadrática: Ejem. (V)
Interpolacion
10

-10
f(x)
-20 SpNat 2 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.4
Maximo:0.20039
0.3

0.2

0.1

0
-4 -3 -2 -1 0 1 2 3 4

Interpolación Numérica
Splines cúbicos: Definición
 Definición
– Los polinomios en cada uno de los n intervalos de la
partición son cubicos (cuatro coeficientes cada
polinomio).
 Condiciones (4n-2)
– La spline coincide con la función en (n+1) puntos
– La función es continua en (n-1) puntos internos
– La derivada es continua en (n-1) puntos internos
– La derivada segunda es continua en (n-1) puntos
internos
 Incógnitas (4n)
– n intervalos con polinomios cúbicos en cada uno
 Sistema indeterminado (hay 4n incógnitas y
4n-2 ecuaciones)
Interpolación Numérica
Splines cúbicos: Planteamiento (I)
 Definición
Pk  x   ak  x  xk 1   bk  x  xk 1   ck  x  xk 1   dk
3 2

con x  I k   xk 1 , xk 
 Condiciones
Pk  xk 1   f  xk 1   Pk  xk   f  xk  k  1, 2, n
Pk  xk   Pk1  xk  k  1, 2, n  1
Pk xk   Pk1  xk  k  1, 2, n  1
– Sustituyendo las condiciones, se obtiene
bk 1  bk b b
ak   k 1 k k  1, 2, n
3  xk  xk 1  3hk
bk 1  2bk
ck  f  xk , xk 1   hk k  1, 2, n
3 Demo
d k  f  xk 1  k  1, 2, n
3  f  xk 1 , xk   f  xk , xkInterpolación
1    bk hk  2bk 1  hk  hk 1   bk  2 hk 1 k  1, 2,3, n  1
Numérica
Splines cúbicos: Planteamiento (II)
 Sistema
 h1 2  h1  h2  h2 0  0 0 0   b1 
   
0 h2 2  h2  h3  h3 0 0 0   b2 
 
     
   
0 0 0 0  hn 1 2  hn 1  hn  hn   bn 1 
 f  x1 , x2   f  x0 , x1  
 
 3
f  x 2 , x 3   f  x1 , x 2  
  
 
 f  x n 1 , x n   f  x n2 , x 
n 1 

– Se necesitan 2 condiciones más para que el sistema sea

compatible determinado

Interpolación Numérica
Splines cúbicos: Planteamiento (III)
 Condiciones
– Spline Sujeta (pendiente conocida en los extremos)

– Spline Natural (S”(a)=S”(b)=0)

– Aproximación parabólica en los extremos
S   x0   S   x1  ; S   xn 1   S   xn 
– Aproximación cúbica en los extremos
– Comportamiento periódico
– …

 2h1 h1  0 0   b1   f  x0 , x1   A 
     
 h1 2  h1  h2   0 0   b2   f  x 1 , x2   f  x0 , x1  
           3   
     
 0 0  2  hn 1  hn  hn   bn   f  xn 1 , xn   f  xn  2 , xn 1  
 0 0 hn 2hn   bn 1   B  f  xn 1 , xn  
   
 2  h1  h2  h2  0 0   b2   f  x1 , x2   f  x0 , x1  
     
 h2 2  h2  h3   0 0   b3   f  x2 , x3   f  x1 , x0  
            3  
     
 0 0  2  hn  2  hn 1  hn 1   bn 1   f  xn  2 , xn 1   f  xn  3 , xn  2  
Interpolación Numérica

 0 0  hn 1 2  hn 1  hn    bn   f  x ,x   f  x ,x  
 n 1 n n2 n 1 
Spline Cúbicos: Procedimiento y Cota de error
 Procedimiento

Datos de partida {(x0, f(x0)), (x1, f(x1)),…(xn, f(xn))} (derivadas en los
extremos cuando se desea una spline sujeta)

Selección de las 2 condiciones a añadir

Planteamiento y resolución del sistema

Recuperación de los coeficientes de los polinomios para cada intervalo

Selección del intervalo al que pertenece el punto a interpolar y uso del
polinomio correspondiente

 Acotación del error

– Spline sujeta
max f
x0  x  xn
 k
 x  S  x  k
 ck Mh 4 k , k  0,1, 2

con M  max f  4  x  , c0  5
384 , c1  1
24 , c2  83
x0  x  xn
– Spline natural
max f 
x1  x  xn1
k
 x  S k  x  ck Mh 4 k , k  0,1, 2

max f  x   S  x   cMh 2
x x0 , x1   xn1 , xn 
Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (I)
 Aproximar la función f(x)=cos(x)*exp(x) definida en [- ,] mediante una spline cúbica sujeta utilizando 5 y 9 puntos equiespaciados.
 Spline Sujeta con 5 puntos

 Error

x F(x),F’(x)  2   b1   0.0275  0.0432 

  b   
 2 2 
- -0.0432  0.6366 0.0432
2    2  
- -0.0432  
2 2 
2    b3   3  0.6366  0.6366 
-/2 0      


2 2 
2   b4   14.7318  0.6366 
0 1   
2   b5    
 
2  23.1407  14.7318 
/2 0
Intervalo Polinomio
 -23.1407
[-,-/2] 0.0150(x+)3-0.0215(x+)2-0.0432(x+)-0.0432
 -23.1407
[-/2,0] 0.1446(x+/2)3+0.0920(x+/2)2+0.1352(x+/2)+0
[0,/2] -1.3564x3+0.7736x2+1.4949x+1.0000
[/2,] 0.0843(x-/2)3-5.6182(x-/2)2-6.1149(x-/2)+0

max f  x   S  x   5
384 Mh 4
x0  x  xn
Interpolación Numérica
 24 
 4
 5
384 4e  7.3376
Spline Cúbico Sujeto: Ejemplo (II)
Interpolacion
10

-10
f(x)
-20 SpSuj3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.8
Maximo:0.76909
0.6

0.4

0.2

0
-4 -3 -2 -1 0 1 2 3 4
Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (III)
 Spline Sujeta con 9 puntos
x F(x),F’(x) Intervalo Polinomio

- -0.0432 [-,-3/4] 0.0277(x+)3-0.0054(x+)2-0.0432(x+)-0.0432

[-3/4,-/2] 0.0624(x+3/4)3+0.0600(x+3/4)2-0.0003(x+3/4)-0.0670
- -0.0432
[-/2,-/4] 0.0622(x+/2)3+0.2071(x+/2)2+0.2095(x+/2)+0
-3/4 -0.0670
[-/4,0] -0.1052(x+/4)3+0.3536(x+/4)2+0.6499(x+/4)+0.3224
-/2 0
[0,/4] -0.6363(x-0)3+0.1058(x-0)2+1.0108(x-0)+1.0000
-/4 0.3224
[/4,/2] -1.4265(x+/4)3-1.3933(x+/4)2-0.0004(x+/4)+1.5509
0 1 [/2,3/4] -1.5177(x+/2)3-4.7543(x+/2)2-4.8288(x+/2)+0
/4 1.5509 [/2,] 2.7288(x-/2)3-8.3302(x-/2)2-15.1054(x-/2)-7.4605
/2 0
3/4 -7.4605 max f  x   S  x   5
384 Mh 4
x0  x  xn
 -23.1407
4e  
4
 -23.1407  5
384
2
8  0.4586

Interpolación Numérica
Spline Cúbico Sujeto: Ejemplo (IV)
Interpolacion
10

-10
f(x)
-20 SpSuj3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.08
Maximo:0.075319
0.06

0.04

0.02

0
-4 -3 -2 -1 0 1 2 3 4

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
 NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
 Primer intervalo a1  0
P1  x   a1  x     b1  x     c1 
2

 P1      0.0432  c1  0.0432
P1  x   2a1  x     b1
  P      0
 1 2  b1  0.0275
 Segundo intervalo
 P2   2   P1  2   b2  0.0275
P2  x   a2  x   2   b2  x   2   c2  
2

 P2  2    0  c2  0
P2  x   2a2  x  2   b2
 
 P  0  1 
 2  a2  0.3878
 Tercer intervalo
 P3 0   P2  0   b3  1.2457
P3  x   a3  x  0   b3  x  0   c3 
2

 P3  0  1   c3  1
P3  x   2a3  x  0   b3
  P      0
 3 2  a3  1.1983
 Cuarto intervalo
 P4   2   P3  2   b4  2.5190
P4  x   a4  x  2   b4  x  2   c4  
2
 
 P4  2    0  c4  0
P4  x   2a4  x  2   b4

 P      23.1407  a  7.7749
 4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (III)
 NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
 Primer intervalo a1  0
P1  x   a1  x     b1  x     c1 
2

 P1      0.0432  c1  0.0432
P1  x   2a1  x     b1
  P      0
 1 2  b1  0.0275
 Segundo intervalo
 P2   2   P1  2   b2  0.0275
P2  x   a2  x   2   b2  x   2   c2  
2

 P2  2    0  c2  0
P2  x   2a2  x  2   b2
 
 P  0  1 
 2  a2  0.3878
 Tercer intervalo
 P3 0   P2  0   b3  1.2457
P3  x   a3  x  0   b3  x  0   c3 
2

 P3  0  1   c3  1
P3  x   2a3  x  0   b3
  P      0
 3 2  a3  1.1983
 Cuarto intervalo
 P4   2   P3  2   b4  2.5190
P4  x   a4  x  2   b4  x  2   c4  
2
 
 P4  2    0  c4  0
P4  x   2a4  x  2   b4

 P      23.1407  a  7.7749
 4
Interpolación Numérica 4
Spline Cúbico Natural: Ejemplo (I)
 Aproximar la función f(x)=cos(x)*exp(x) definida en [-,]
mediante una spline cúbica natural utilizando 5 y 9 puntos
equiespaciados.
 Spline Natural con 5 puntos
x F[.] Intervalo Polinomio
- -0.0432 [-, -/2] 0.0576(x+)3-0.0775(x+)2+0.0071(x+)-0.0432
-/2 0 [-/2 ,0] 0.0576(x+/2)3+0.1939(x+/2)2+0.1900(x+/2)+0
0 1 [0 , /2] -1.0508x3+0.4653x2+1.2254x+1.0000
/2 0 [/2, ] -1.0508(x-/2)3 -4.4866(x-/2)2 -5.0914 (x-/2)+0
 -23.1407

Interpolación Numérica
Spline Cúbico Natural: Ejemplo (I)
Interpolacion
10

-10
f(x)
-20 SpNat3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.8
Maximo:0.50656
0.6

0.4

0.2

0
-4 -3 -2 -1 0 1 2 3 4

Interpolación Numérica
Spline Cúbico Natural: Ejemplo (III)
 Spline Natural con 9 puntos
x F[.] Intervalo Polinomio

- -0.0432 [-,-3/4] 0.0542(x+)3-0.0541 (x+)2-0.0213 (x+)-0.0432

[-3/4,-/2] 0.0542(x+3/4)3- 0.0736(x+3/4)2 -0.0059(x+3/4) -0.0670
-3/4 -0.0670
[-/2,-/4] 0.0687(x+/2)3+ 0.2013(x+/2)2+ 0.2100(x+/2)+0
-/2 0
[-/4,0] -0.1229(x+/4)3+ 0.3632(x+/4)2+ 0.6533(x+/4)+ 0.3224
-/4 0.3224
[0,/4] -0.5717 (x-0)3+0.0735 (x-0)2+0.9963 (x-0)+1.0000
0 1 [/4,/2] -1.6669(x+/4)3-1.2735 (x+/4)2+ 0.0538(x+/4)+ 1.5509
/4 1.5509 [/2,3/4] -0.6203(x+/2)3 -5.2012 (x+/2)2 -5.0314 (x+/2)+0
/2 0 [/2,] -0.6203(x-/2)3 -6.6627(x-/2)2-14.3492 (x-/2)+ -7.4605
3/4 -7.4605
 -23.1407

Interpolación Numérica
Spline Cúbico Natural: Ejemplo (IV)
Interpolacion
10

-10
f(x)
-20 SpNat3 (x)
Datos
-30
-4 -3 -2 -1 0 1 2 3 4

Error
0.4
Maximo:0.31398
0.3

0.2

0.1

0
-4 -3 -2 -1 0 1 2 3 4

Interpolación Numérica
Interpolación Segmentaria Cuadrática: Ejem. (III)
 NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
 Primer intervalo a1  0
P1  x   a1  x     b1  x     c1 
2

 P1      0.0432  c1  0.0432
P1  x   2a1  x     b1
  P      0
 1 2  b1  0.0275
 Segundo intervalo
 P2   2   P1  2   b2  0.0275
P2  x   a2  x   2   b2  x   2   c2  
2

 P2  2    0  c2  0
P2  x   2a2  x  2   b2
 
 P  0  1 
 2  a2  0.3878
 Tercer intervalo
 P3 0   P2  0   b3  1.2457
P3  x   a3  x  0   b3  x  0   c3 
2

 P3  0  1   c3  1
P3  x   2a3  x  0   b3
  P      0
 3 2  a3  1.1983
 Cuarto intervalo
 P4   2   P3  2   b4  2.5190
P4  x   a4  x  2   b4  x  2   c4  
2
 
 P4  2    0  c4  0
P4  x   2a4  x  2   b4

 P      23.1407  a  7.7749
 4
Interpolación Numérica 4
Interpolación Segmentaria Cuadrática: Ejem. (III)
 NOTA: en el caso cuadrático no es necesario llegar a plantear el
sistema total, ya que se puede resolver iterativamente para cada
intervalo.
 Primer intervalo a1  0
P1  x   a1  x     b1  x     c1 
2

 P1      0.0432  c1  0.0432
P1  x   2a1  x     b1
  P      0
 1 2  b1  0.0275
 Segundo intervalo
 P2   2   P1  2   b2  0.0275
P2  x   a2  x   2   b2  x   2   c2  
2

 P2  2    0  c2  0
P2  x   2a2  x  2   b2
 
 P  0  1 
 2  a2  0.3878
 Tercer intervalo
 P3 0   P2  0   b3  1.2457
P3  x   a3  x  0   b3  x  0   c3 
2

 P3  0  1   c3  1
P3  x   2a3  x  0   b3
  P      0
 3 2  a3  1.1983
 Cuarto intervalo
 P4   2   P3  2   b4  2.5190
P4  x   a4  x  2   b4  x  2   c4  
2
 
 P4  2    0  c4  0
P4  x   2a4  x  2   b4

 P      23.1407  a  7.7749
 4
Interpolación Numérica 4
Resumen
 El problema de Lagrange tiene un único polinomio de interpolación de
grado mínimo que se puede obtener mediante

Planteamiento directo del sistema lineal

Usando los polinomios de Lagrange

Usando diferencias divididas de Newton
 Los polinomios de Lagrange permiten sólo dependen de los puntos del
soporte y son independientes de la función pero pueden ser más
complejos que la función de partida
 Las diferencias divididas de Newton dependen tanto de los puntos
como de la función y permiten añadir o eliminar puntos del soporte
aprovechando los cálculos realizados
 La fórmula de error del polinomio de interpolación es independiente de
la forma en que se de éste y no siempre el error disminuye con el
aumento del número de puntos del soporte
 Los polinomios de interpolación de grado elevado tienden a tener
oscilaciones muy fuertes, lo que limita su aplicabilidad
 La interpolación segmentaria permite disminuir el error con el aumento
del número de puntos a consta de calcular interpolantes simples en
cada subintervalo
 Los mejores resultados se suelen obtener con los splines cúbicos
sujetos, si bien se utilizan las naturales porque los sujetos exigen
conocer el valor de la derivada en los extremos
Interpolación Numérica
Resumen (Ejemplo)
Tipo Puntos Cota Error
Lineal 14 0.5 0.4234
Cuadrática 13 0.5 0.1393
Polinomial 5 26.7073 0.9028
9 0.5719 0.0160
Poligonal 5 14.2743 4.1046
9 3.5886 1.0023
I.S.Cuadrática 5 0.7094
9 0.2004
Sp. Sujeta 5 7.3376 0.76909
9 0.4586 0.075319
Sp. Natural 5 0.50656
9 0.31398

Interpolación Numérica