METODO GRAFICO:

Un mtodo simple para obtener una aproximacin de la raz de la ecuacin f(x)=0

consiste en graficar la funcin y observar donde cruza el eje x. Este punto, que
representa el valor de x para el cual f(x)=0, ofrece una aproximacin inicial de a
raz.
Las tcnicas graficas tienen un valor prctico limitado, ya que no son precisas. Sin
embargo, los mtodos grficos se utilizan para obtener aproximaciones de la raz.
Dichas aproximaciones se pueden usar como valores iniciales en los mtodos
numricos.
Las interpretaciones grficas, adems de proporcionar estimaciones de la raz,
son herramientas importantes en la comprensin de las propiedades de las
funciones y en la prevencin de las fallas de los mtodos numricos.

Emplense grficas para obtener una raz aproximada de la funcin f (x) = e-x - x.
Solucin: Se calculan los siguientes valores.
x

f (x)

0.0

1.00

0.2

0.619

0.4

0.270

0.6

- 0.051

0.8

- 0.351

1.0

- 0.632

f (x)
1.00

raz = 0.57

1.00

- 1.00

La curva cruza entre 0.5 y 0.6, la grfica proporciona una aproximacin de 0.57 que se
acerca a la raz exacta de 0.567143.
f (0.57) = e-0.57 - 0.57 = -0.0045, la cual se acerca a cero.

Una raz es un valor de la variable independiente que hace que la variable dependiente
valga cero.

Mtodo de tanteo o grfico.

Y=x5
X

100

95

500

45

-50

-55

-100

- 105

Y = ex x
X=0

y = e0 0 = 1

Y=0

xex x = 0

0 = ex x
ex = x
ln ex = ln x
x in e = in x
x = in x
lnv in (x9 = lnv in (in x), por lo tanto no se puede despejar a x.

METODOS DE INTERPOLACIN.
interpolacin consiste en encontrar el valor de la funcin F(x), de la cual slo se
conocen algunos puntos, para un valor de x que se encuentre entre dos valores
consecutivos conocidos. En pocas palabras podriamos decir que:
"La interpolacin consiste en hallar un dato dentro de un intervalo en el que
conocemos los valores en los extremos".
La interpolacin lineal es un caso particular de la Interpolacin general de Newton.
Con el polinomio de interpolacin de Newton se logra aproximar un valor de
la funcin f(x) en un valor desconocido de x. El caso particular, para que una
interpolacin sea lineal es en el que se utiliza un polinomio de interpolacin de
grado 1.
la interpolacin lineal consiste en hallar una estimacin del valor y, para un valor x
tal que x0<x<x1.
Ejemplo.
INTERPOLACION LINEAL.
La forma mas simple de interpolacin consiste en unir dos puntos con una lnea
recta.
Dicha tcnica, es llamada interpolacin lineal.
Formula:
f 1 ( x )f (

x 0)

xx 0

f ( x 1 )f (x 0)
x 1x
0

Reordenndose
f 1 (x)=f ( x 0 ) +

f ( x 1) f ( x 0)
x 1x

( xx 0 )

La notacion
grado.

f 1 (x) designa que este es un polinomio de interpolacion de primer

PLANTEAMIENTO DEL PROBLEMA:

Estime el logaritmo natural de 2 mediante interpolacin lineal.
Primero, realice el calculo por interpolacin entre ln 1=0 y ln 6=1.791759.
Despus, repita el procedimiento, pero use un intervalo menor de ln 1 a ln
4(1.386294).
Observe que el valor verdadero de ln 2 es 0.6931472.

SOLUCION.
Interplacion lineal para ln(2) desde
x 1 x
f 1 (x)=f ( x 0 ) + f ( x 1) f ( x 0)

x 0 =1 hasta

x 1 =6.

( xx 0 )

1.7917590
(2-1)=0.3583518
61

f 1 (2)=0+
Ev%=48.3%.

Con el interval menor desde

f 1 (2) =0

x 0 =1 hasta

x 1 =4 se obtiene.

+1.3862940
(2-1)=0.462098
41

Ev%=33.3%

POLINOMIO DE INTERPOLACIN DE
NEWTON CON DIFERENCIAS DIVIDIDAS
FORMULA

FORMULAS:
f 2 ( x )=bo+b 1 ( xx 0 ) +b 2 ( x x 0 ) ( xx 1 )

bo=f ( x 0 )
b 1=

f ( x 1 )f ( x 0)
x 1x 0

f ( x 2 )f (x 1) f ( x 1 ) f (x 0)

x 2x 1
x 1x 0
b 2=
x 2x 0
Ejemplo 1. Calcular la tabla de diferencias divididas finitas con los siguientes datos

X= -4, -2, 3, 5

Y= 2, 3, 5, 1

Y utilizar la informacin de dicha tabla, para construir el polinomio de interpolacin de

Newton.
Por lo tanto el polinomio de interpolacin de Newton es definida de la siguiente manera:

f(x)= b0 + b1 (x-x0) + b2 (x-x0)(x-x1)+ +bn (x-x0) (x-x1) )(x-xn-1)

Donde:
b0 = f(x0)
b1= f [x1, x0]
b2=f[x2, x1, x0]
bn=f[xn,,x0]

Para calcular los coeficientes b0 ,b1, , bn , es conveniente construir una

tabla de diferencias divididas como la siguiente :

-4 2

32
=.5
2(4)

0.4(.5)
=0.128571428
3(4 )

-2 3

53
=0.4
3(2)
0.2666666660.128571428
=.04391
(2)
20.4
=0.266666666
5(4)

3 5

15
=2
53
5 1

f(x)= b0 + b1 (x-x0) + b2 (x-x0)(x-x1)+ +bn (x-x0) (x-x1) )(x-xn-1)

Sustituimos en la frmula de interpolacin de newton:

F(x)= -4+ -.5(x-(2)) +( 0.128571428 )(x-(-2))(x-(-1)) +( .04391 )(x-(-2))(x-(-1))(x2)
F(x)= -4+ -.5 (x+2) -

0.128571428

(x+2) (x+1) .04391

(x+2) (x+1) (x-2)

MTODO DE BISECCIN
Utilice el mtodo de biseccin para determinar el coeficiente de
arrastre c necesario para que un paracaidista de masa m = 68.1 kg
tenga una velocidad de 40 m/s despus de una cada libre de t = 10
s. Nota: La aceleracin de la gravedad es 9.8 m/s2.
Este problema se resuelve determinando la raz de la ecuacin:

( ) .t
g.m
f ( c )=
1e m v
c

Usando los parmetros t = 10, g = 9.8, v = 40 y m = 68.1:

(
( 9.8)(68.1)
).10
f ( c )=
1e 68.1 40
c

(
).10
667.38
f ( c )=
1e 68.1 40
c

Como C es la variable que deseamos encontrar le asignamos

valores iniciales y se realizan en este caso fue de 1-17 como se
encuentra en la siguiente grafica

En
este procedimiento encontramos que en
x=14 y x=15
Se encuentra el cruce porque en X=14 da
resultado positivo y
X=15 da negativo y por lo tanto debemos
evaluar estos dos valores.

Realizamos la primera iteracin con la frmula:

Xr=

Xi+Xu
2

Xr=

14+15
=14.5
2

A continuacin calculamos el producto de los valores en la funcin

en un lmite inferior y en el punto medio: f (14) f (14.5) = (1.5687)
(0.5523) = 0.8663

Realice las siguientes evaluaciones para determinar en qu

subintervalo est la raz:
Si f (xl) f (xr) < 0, entonces la raz se encuentra dentro del
subintervalo inferior o izquierdo.
Por lo tanto, haga xu = xr y vuelva al paso 2. b) Si f (xl) f (xr) > 0,
entonces la raz se encuentra dentro del subintervalo superior o
derecho.
c) Por lo tanto, haga xl = xr y vuelva al paso 2. c) Si f (xl) f (xr) = 0,
la raz es igual a xr; termina el clculo.
Ahora el valor de Xr que encontramos ser nuestro nuevo valor
inicial y volvemos hacer la iteracin.
Xr=

14.5+15
=14.75
2

A continuacin calculamos el producto de los valores en la funcin

en un lmite inferior y en el punto medio: f (14.5) f (14.75) =
(0.5523) (0.059) = 0.0325
Ahora el valor de Xr que encontramos ser nuestro nuevo valor
inicial y volvemos hacer la iteracin.
Xr=

14.5+14.75
= 14.625
2

A continuacin calculamos el producto de los valores en la funcin

en un lmite inferior y en el punto medio: f (14.5) f (14.625) =
(0.5523) (0.3044) = 0.1681
Ahora el valor de Xr que encontramos ser nuestro nuevo valor
inicial y volvemos hacer la iteracin
Xr=

14.5+14.625
=14.5625
2

A continuacin calculamos el producto de los valores en la funcin

en un lmite inferior y en el punto medio: f (14.5) f (14.5625) =
(0.5523) (0.4281) = 0.2364
Ahora el valor de Xr que encontramos ser nuestro nuevo valor
inicial y volvemos a ser la iteracin.
Xr=

14.5+14.5625
= 14.53125
2

A continuacin calculamos el producto de los valores en la funcin

en un lmite inferior y en el punto medio: f (14.5) f (14.625) =
(0.5523) (0.4901) = 0.270681

Ahora el valor de Xr que encontramos ser nuestro nuevo valor

inicial y volvemos hacer la interaccin, hasta que el producto de
alores iniciales y punto medio este cerca de 0.
En este caso en la iteracin 8 fue donde ms se cercano.
APLICACIONES MEDIANTE EL METODO DE LAGRANGE

La densidad
de la mermelada vara con su
temperatura y la concentracin de la fruta de acuerdo
con la siguiente tabla
TEMPERATURA ( )

CONCENTRACION %

10

30

60

100

1.03

1.02

1.01

0.98

20

1.14

1.13

1.11

1.08

40

1.31

1.29

1.27

1.24

70

1.69

1.60

1.57

1.54

Deseamos encontrar la densidad

concentracin

de la mermelada a 50C y 60% de

Observando la tabla, encontramos que la densidad de la mermelada no se

encuentra ni a esa temperatura, ni a esa concentracin
Primero se calcula la densidad de 50C y 40% de concentracin
utilizando los valores de la densidad conocido entre 30 C y 60C

Primeramente vemos que, podemos usar la interpolacin de LaGrange

f 1 (x)

( xx 1 )
( x 0x 1 )

F(

x0

(xx 0 )
) + (x 1x 0)

f(

x1

Primero vamos a calcular la densidad a 50C y 60% de concentracin utilizando

los valores de la densidad conocidos 30C y 60C

f 1 (50 C)=

(5060)
(5030)
*(1.29)+
(3060)
(6030) *(1.27)

f 1 (50 C)=

(10)
(20)
(30) *(1.29)+ (30) *(1.27) = 0.43 + (0.846)

f 1 (50 C) =1.276 (densidad a 50C y 40% de concentracin)

Ahora vamos a calcular la densidad de 50C y 70% de

concentracin, utilizando los valores de la densidad conocida
entre 30C y 60C
f 1 (50 C)=

(5060)
(5030)
*(1.6)+
(3060)
(6030) *(1.57)

f 1 (50 C)=

(10)
(20)
(30) *(1.6)+ (30) *(1.57) = 0.533 + 1.046

f 1 (50 C) =1.579 (densidad a 50C y 70% de concentracin)

La nueva tabla que ahora tendramos seria:

Concentracin %

40

Temperatura

1.276

50C

70

f 1 (x)

( xx 1 )
x0
( x 0x 1 ) F (

f 1 (60%)=

1.579

)+

( xx 0 )
( x 1x 0)

f(

x1

(60 70 )
(60 40 )
*(1.276)+
(40 70 )
(70 40 ) *(1.579)

f 1 ( 60% )=

(10)
(20)
*(1.276)+
(30)
(30) *(1.579) = 0.425 + 1.052

f 1 ( 60% ) =1.477 (densidad a 50C y 60% de concentracin)

INTERPOLACIN DE LA GRANGE

La temperatura del carbonato neutro de potasio en solucin acuosa vara con la

temperatura y la concentracin de acuerdo con los siguientes datos:
Formula de interpolacin de lagrange:
f 1 ( x) =

xx 1
xx 0
f ( x 0)+
f ( x 1)
x 0x 1
x 1x 0

a) Calcular la densidad a 50C y 28% de concentracin

Concentraci
n
%

Temperatura
0 C

40 C

4%

1.0381

12%

1.1160

15%

80 C

100 C

1.0276

1.0063

0.9931

1.1013

1.0786

1.0663

1.1570

1.1451

1.2418

1.2301

1.1308

20%

1.1977

1.1801

28%

1.2846

1.2652

X = 60
X0 = 40
X1 = 80

f 1 ( 50 )=

60 C

1.2535

F(x0) = 1.2652
F(x1)= 1.2418

6080
6040
( 1.2652 ) +
( 1.2418 ) =
4080
8040

1
1
f 1 ( 50 )= ( 1.2652 ) + ( 1.2418 )=
2
2
f 1 ( 50 )=0.6326+ 0.6209=
f 1 ( 50 )=1.2535

INSTITUTO TECNOLOGICO DE
POCHUTLA
SAN PEDRO POCHUTLA, OAXACA A 5 DE marzo DEL
2015
SEMESTRE: IV

GRUPO: B
DOCENTE

Mario Vargas Lpez

ALUMNO

JUAN CESAR RUIZ ESPINO

MATERIA

METODOS NUMERICOS

APUNTE METODOS DE INTERPOLACION

CARRERA:
INGENIERA EN SISTEMAS COMPUTACIONALES

INSTITUTO TECNOLOGICO DE
POCHUTLA
SAN PEDRO POCHUTLA, OAXACA A 5 DE marzo DEL
2015
SEMESTRE: IV

GRUPO: B
DOCENTE

Mario Vargas Lpez

ALUMNO

JUAN CESAR RUIZ ESPINO

MATERIA

METODOS NUMERICOS

CARPETA DE EVIDENCIAS

CARRERA:
INGENIERA EN SISTEMAS COMPUTACIONALES

METODOS DE INTERPOLACION
Con frecuencia se encontrar con que tiene que estimar
valores intermedios entre datos definidos por puntos. El
mtodo ms comn que se usa para este propsito es la
interpolacin polinomial. Recuerde que la frmula general
para un polinomio de n-simo grado es.
f(x) = a0 + a1 x + a2 x2 + + anxn (18.1)
Dados n + 1 puntos, hay uno y slo un polinomio de grado* n
que pasa a travs de todos los puntos. Por ejemplo, hay slo
una lnea recta (es decir, un polinomio de primer grado) que
une dos puntos (figura 18.1a). De manera similar, nicamente
una parbola une un conjunto de tres puntos (figura 18.1b).
La interpolacin polinomial consiste en determinar el
polinomio nico de n-simo grado que se ajuste a n + 1
puntos. Este polinomio, entonces, proporciona una frmula
para calcular valores intermedios. Aunque hay uno y slo un
polinomio de n-simo grado que se ajusta a n + 1 puntos,
existe una gran variedad de formas matemticas en las cuales
puede expresarse este polinomio. En este captulo
describiremos dos alternativas que son muy adecuadas para
implementarse en computadora: los polinomios de Newton y
de Lagrange.
18.1
INTERPOLACIN
POLINOMIAL
DE
NEWTON
EN
DIFERENCIAS DIVIDIDAS
FIGURA 18.1
Ejemplos de interpolacin polinomial:
a) de primer grado (lineal) que une dos puntos.
b) de segundo grado (cuadrtica o parablica) que une tres puntos.
c) de tercer grado (cbica)
Que une cuatro puntos.

* De hecho se puede probar que dados n + 1 puntos, con abscisas

distintas entre s, existe uno y slo un polinomio de grado a lo ms n que
pasa por estos puntos.

Como se dijo antes, existe una gran variedad de formas

alternativas para expresar una Interpolacin polinomial. El
polinomio de interpolacin de Newton en diferencias divididas
es una de las formas ms populares y tiles. Antes de
presentar la ecuacin general, estudiaremos las versiones de
primero y segundo grados por su sencilla interpretacin
visual.
18.1.1 Interpolacin lineal
La forma ms simple de interpolacin consiste en unir dos
puntos con una lnea recta. Dicha tcnica, llamada
interpolacin lineal, se ilustra de manera grfica en la figura
18.2. Utilizando tringulos semejantes,

Reordenndose se tiene

Que es una frmula de interpolacin lineal. La notacin f1(x)

designa que ste es un polinomio de interpolacin de primer
grado. Observe que adems de representar la pendiente de la
lnea que une los puntos, el trmino [f (X1) f(X0)]/(X1 X0) es
una aproximacin en diferencia dividida finita a la primer
derivada [ecuacin (4.17)]. En general,
FIGURA 18.2
Esquema grfico de la interpolacin lineal. Las reas
sombreadas indican los tringulos semejantes usados para
obtener la frmula de la interpolacin lineal [ecuacin (18.2)].

cuanto menor sea el intervalo entre los datos, mejor ser la

aproximacin. Esto se debe al hecho de que, conforme el
intervalo disminuye, una funcin continua estar mejor
aproximada por una lnea recta. Esta caracterstica se
demuestra en el siguiente ejemplo.
EJEMPLO 18.1 Interpolacin lineal
Planteamiento del problema. Estime el logaritmo natural de 2
mediante interpolacin lineal. Primero, realice el clculo por
interpolacin entre ln1 =0 y ln6 = 1.791759. Despus, repita
el procedimiento, pero use un intervalo menor de ln1 a ln4
(1.386294). Observe que el valor verdadero de ln2 es
0.6931472.
Solucin. Usamos la ecuacin (18.2) y una interpolacin lineal
para ln(2) desde X0 =1 hasta X1 = 6 para obtener:
Que representa un error: et = 48.3%. Con el intervalo menor
desde x0 = 1 hasta x1 = 4 se obtiene
As, usando el intervalo ms corto el error relativo porcentual
se reduce a et = 33.3%. Ambas interpolaciones se muestran
en la figura 18.3, junto con la funcin verdadera.
FIGURA 18.3

Dos interpolaciones lineales para estimar ln 2. Observe cmo

el intervalo menor proporcin a una mejor estimacin.

18.1.2 Interpolacin cuadrtica

En el ejemplo 18.1 el error resulta de nuestra aproximacin a
una curva mediante una lnea recta. En consecuencia, una
estrategia para mejorar la estimacin consiste en introducir
alguna curvatura a la lnea que une los puntos. Si se tienen
tres puntos como datos, stos pueden ajustarse en un
polinomio de segundo grado (tambin conocido como
polinomio cuadrtico o parbola). Una forma particularmente
conveniente para ello es
Observe que aunque la ecuacin (18.3) parece diferir del
polinomio general [ecuacin (18.1)], las dos ecuaciones son
equivalentes. Lo anterior se demuestra al multiplicar los
trminos de la ecuacin (18.3):
O, agrupando trminos,
Donde
As, las ecuaciones (18.1) y (18.3) son formas alternativas,
equivalentes del nico polinomio de segundo grado que une
los tres puntos. Un procedimiento simple puede usarse para
determinar los valores de los coeficientes. Para encontrar b0,
en la ecuacin (18.3) se evala con x = x0 para obtener:
B0 = f(x0)
(18.4)

La ecuacin (18.4) se sustituye en la (18.3), despus se

evala en x = x1 para tener

Por ltimo, las ecuaciones (18.4) y (18.5) se sustituyen en la

(18.3), despus se evala en x = x2 y (luego de algunas
manipulaciones algebraicas) se resuelve para

Observe que, como en el caso de la interpolacin lineal, b1

todava representa la pendiente de la lnea que une los puntos
x0 y x1. As, los primeros dos trminos de la ecuacin (18.3)
son equivalentes a la interpolacin lineal de Xo a X1, como se
especific antes en la ecuacin (18.2). El ltimo trmino, b2(X
X0) (X X1), determina la curvatura de segundo grado en la
frmula.
Antes de ilustrar cmo utilizar la ecuacin (18.3), debemos
examinar la forma del coeficiente b2. Es muy similar a la
aproximacin en diferencias divididas finitas de la segunda
derivada, que se present antes en la ecuacin (4.24). As, la
ecuacin (18.3) comienza a manifestar una estructura
semejante a la expansin de la serie de Taylor. Esta
observacin ser objeto de una mayor exploracin cuando
relacionemos los polinomios de interpolacin de Newton con
la serie de Taylor en la seccin 18.1.4. Aunque, primero,
mostraremos un ejemplo que indique cmo se utiliza la
ecuacin (18.3) para interpolar entre tres puntos.
EJEMPLO 18.2 Interpolacin cuadrtica
Planteamiento del problema. Ajuste un polinomio de segundo
grado a los tres puntos
Del ejemplo 18.1:
X0 = 1 f(X0) = 0
X1 = 4 f(X1) = 1.386294
X2 = 6 f(X2) = 1.791759
Con el polinomio evale ln2.
Solucin. Aplicando la ecuacin (18.4) se obtiene
B0= 0
La ecuacin (18.5) da

FIGURA 18.4
El uso de la interpolacin cuadrtica para estimar ln2. Para
comparacin se presenta tambin la interpolacin lineal desde
x = 1 hasta 4.

Y con la ecuacin (18.6) se obtiene

Sustituyendo estos valores en la ecuacin (18.3) se obtiene la

frmula cuadrtica
que se evala en x = 2 para
f2(2) = 0.5658444
que representa un error relativo de et = 18.4%. As, la
curvatura determinada por la frmula cuadrtica (figura 18.4)
mejora la interpolacin comparndola con el resultado
obtenido antes al usar las lneas rectas del ejemplo 18.1 y en
la figura 18.3.
18.1.3 Forma general de los polinomios de interpolacin de
Newton
El anlisis anterior puede generalizarse para ajustar un
polinomio de n-simo grado a n + 1 datos. El polinomio de nsimo grado es:

Fn(x) = b0 + b1(x x0) + + bn(x x0)(x x1) (x xn-1)

(18.7)
Como se hizo antes con las interpolaciones lineales y
cuadrticas, los puntos asociados con datos se utilizan para
evaluar los coeficientes bo, b1,..., bn. Para un polinomio de nsimo grado se requieren n + 1 puntos: [x0, f(x0)], [x1, f(x1)],...,
[xn, f(xn)]. Usamos estos datos y las siguientes ecuaciones
para evaluar los coeficientes:

Donde las evaluaciones de la funcin colocadas entre

parntesis son diferencias divididas finitas. Por ejemplo, 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

FIGURA 18.5

Representacin grfica de la naturaleza recursiva de las

diferencias divididas finitas.
En forma similar, la n-sima diferencia dividida finita es

Estas diferencias sirven para evaluar los coeficientes en las

ecuaciones (18.8) a (18.11), los cuales se sustituirn en la
ecuacin (18.7) para obtener el polinomio de interpolacin
que se conoce como polinomio de interpolacin de Newton en
diferencias divididas.
Debe observarse que no se requiere que los datos utilizados
en la ecuacin (18.15) estn igualmente espaciados o que los
valores de la abscisa estn en orden ascendente, como se
ilustra en el siguiente ejemplo. Tambin, advierta cmo las
ecuaciones (18.12) a (18.14) son recursivas (es decir, las
diferencias de orden superior se calculan tomando diferencias
de orden inferior (figura 18.5). Tal propiedad se aprovechar
cuando desarrollemos un programa computacional eficiente
en la seccin 18.1.5 para implementar el mtodo.
EJEMPLO 18.3 Polinomios de interpolacin de Newton en
diferencias divididas Planteamiento del problema. En el
ejemplo 18.2, los datos x0 = 1, x1 = 4 y x2 = 6 se utilizaron
para estimar ln 2 mediante una parbola. Ahora, agregando
un cuarto punto (x3 = 5; f(x3) = 1.609438], estime ln2 con un
polinomio de interpolacin de Newton de tercer grado.
Solucin. Utilizando la ecuacin (18.7), con n = 3, el polinomio
de tercer grado es
Las primeras diferencias divididas del problema son [ecuacin
(18.12)] 1

FIGURA 18.6
Uso de la interpolacin cbica para estimar ln 2

.
La tercera diferencia dividida es [ecuacin (18.14) con n = 3]

Los resultados de f[x1, x0], f[x2, x1, x0] y f[x3, x2, x1, x0]
representan los coeficientes b1, b2 y b3 de la ecuacin (18.7),
respectivamente. Junto con b0 = f(x0) = 0.0, la ecuacin
(18.7) es

la cual sirve para evaluar f3(2) = 0.6287686, que representa

un error relativo: et = 9.3%. La grfica del polinomio cbico se
muestra en la figura 18.6

18.1.4 Errores de la interpolacin polinomial de Newton

Observe que la estructura de la ecuacin (18.15) es similar a la
expansin de la serie de
Taylor en el sentido de que se van agregando trminos en forma
secuencial, para mostrar el comportamiento de orden superior de la
funcin. Estos trminos son diferencias divididas finitas y, as,
representan aproximaciones de las derivadas de orden superior. En
consecuencia, como ocurri con la serie de Taylor, si la funcin
verdadera es un polinomio de n-simo grado, entonces el polinomio de
interpolacin de n-simo grado basado en n + 1 puntos dar resultados
exactos.
Tambin, como en el caso de la serie de Taylor, es posible obtener una
formulacin para el error de truncamiento. De la ecuacin (4.6) recuerde
que el error de truncamiento en la serie de Taylor se expresa en forma
general como

Donde x est en alguna parte del intervalo de xi a xi+1. Para un

polinomio de interpolacin de n-simo grado, una expresin anloga
para el error es

Donde x est en alguna parte del intervalo que contiene la incgnita y

los datos. Para que esta frmula sea til, la funcin en turno debe ser
conocida y diferenciable. Por lo comn ste no es el caso. Por fortuna,
hay una formulacin alternativa que no requiere del conocimiento previo
de la funcin. Utilizndose una diferencia dividida finita para aproximar
la (n + 1)-sima derivada,

Donde [x, xn, xn1,. . ., x0] es la (n + 1)-sima diferencia dividida

finita. Debido a que la ecuacin contiene la incgnita f(x), no permite
obtener el error. Sin embargo, si se tiene un dato ms, f (xn+1), la
ecuacin (18.17) puede usarse para estimar el error como sigue:
Rn _ [xn+1, xn, xn1,. . ., x0] (x x0) (x x1) (x xn)
Estimacin del error para el polinomio de Newton

Planteamiento del problema. Con la ecuacin estime el error en la

interpolacin
Polinomial de segundo grado del ejemplo 18.2. Use el dato adicional
f(x3) =
F (5) = 1.609438 para obtener sus resultados.
Solucin. Recuerde que en el ejemplo 18.2 el polinomio de interpolacin
de segundo grado proporcion una estimacin, f2 (2) = 0.5658444, que
representa un error de 0.6931472 0.5658444 = 0.1273028. Si no se
hubiera conocido el valor verdadero, como usualmente sucede, la
ecuacin (18.18), junto con el valor adicional en x3, pudo haberse
utilizado para estimar el error,
R2 = [x3, x2, x1, x0] (x x0) (x x1) (x x2)
R2 = 0.007865529(x 1) (x 4) (x 6) donde el valor de la diferencia
dividida finita de tercer orden es como se calcul antes en el ejemplo
18.3. Esta expresin se evala en x = 2 para obtener
R2 = 0.007865529 (2 1) (2 4) (2 6) = 0.0629242 que es del mismo
orden de magnitud que el error verdadero. Con el ejemplo anterior y la
ecuacin (18.18), debe resultar claro que el error estimado para el
polinomio de n-simo grado es equivalente a la diferencia entre las
predicciones de orden (n + 1) y de orden n. Es decir, Rn = fn+1(x)
fn(x) (18.19) En otras palabras, el incremento que se agrega al caso de
orden n para crear el caso de orden (n + 1) [es decir, la ecuacin
(18.18)] se interpreta como un estimado del error de orden n. Esto se
percibe con claridad al reordenar la ecuacin (18.19): fn+1(x) = fn(x) +
Rn
La validez de tal procedimiento se refuerza por el hecho de que la serie
es altamente convergente. En tal situacin, la prediccin del orden (n +
1) debera ser mucho ms cercana al valor verdadero que la prediccin
de orden n. En consecuencia, la ecuacin (18.19) concuerda con nuestra
definicin estndar de error, al representar la diferencia entre la verdad
y una aproximacin. No obstante, observe que mientras todos los otros
errores estimados para los procedimientos iterativos presentados hasta
ahora se encontraron como una prediccin presente menos una previa,
la ecuacin (18.19) constituye una prediccin futura menos una
presente. Lo anterior significa que para una serie que es de
convergencia rpida, el error estimado de la ecuacin (18.19) podra ser
menor que el error verdadero. Esto representara una calidad muy poco
atractiva si el error estimado fuera a emplearse como un criterio de
terminacin. Sin embargo, como se expondr en la siguiente seccin, los
polinomios de interpolacin de grado superior son muy sensibles a
errores en los datos (es decir, estn mal condicionados). Cuando se
emplean para interpolacin, a menudo dan predicciones que divergen en
forma significativa del valor verdadero. Si se trata de detectar errores, la
ecuacin (18.19) es ms sensible a tal divergencia. De esta manera, es

ms valiosa con la clase de anlisis de datos exploratorios para los que

el polinomio de Newton es el ms adecuado.
18.1.5 Algoritmo computacional para el polinomio de interpolacin de
Newton
Tres propiedades hacen a los polinomios de interpolacin de Newton
muy atractivos para aplicaciones en computadora:
1. Como en la ecuacin (18.7), es posible desarrollar de manera
secuencial versiones de grado superior con la adicin de un solo
trmino a la ecuacin de grado inferior.
Esto facilita la evaluacin de algunas versiones de diferente grado en el
mismo programa. En especial tal capacidad es valiosa cuando el orden
del polinomio no se conoce a priori. Al agregar nuevos trminos en
forma secuencial, podemos determinar cundo se alcanza un punto de
regreso disminuido (es decir, cuando la adicin de trminos de grado
superior ya no mejora de manera significativa la estimacin, o en ciertas
situaciones incluso la aleja). Las ecuaciones para estimar el error, que se
analizan en el punto 3, resultan tiles para visualizar un criterio objetivo
para identificar este punto de trminos disminuidos.
2. Las diferencias divididas finitas que constituyen los coeficientes del
polinomio [ecuaciones (18.8) hasta (18.11)] se pueden calcular
eficientemente. Es decir, como en la ecuacin (18.14) y la figura 18.5,
las diferencias de orden inferior sirven para calcular las diferencias de
orden mayor. Utilizando esta informacin previamente determinada, los
coeficientes se calculan de manera eficiente. El algoritmo en la figura
18.7 incluye un esquema as.
3. El error estimado [ecuacin (18.18)] se incorpora con facilidad en un
algoritmo computacional debido a la manera secuencial en la cual se
construye la prediccin. Todas las caractersticas anteriores pueden
aprovecharse e incorporarse en un algoritmo general para implementar
el polinomio de Newton (figura 18.7). Observe que el algoritmo consiste
de dos partes: la primera determina los coeficientes a partir de la
ecuacin (18.7); la segunda establece las predicciones y sus errores
correspondientes.
Estimaciones del error para determinar el grado de interpolacin
adecuado Planteamiento del problema. Despus de incorporar el error
[ecuacin (18.18)], utilice el algoritmo computacional que se muestra en
la figura 18.7 y la informacin siguiente para evaluar f(x) = ln x en x =
2:
X
(x) = ln x
0
1
4
1.3862944
6
1.7917595
5
1.6094379
3
1.0986123
1.5
0.4054641
2.5
0.9162907

3.5

1.2527630

Solucin. Los resultados de emplear el algoritmo de la figura 18.7 para

obtener una solucin se muestran en la figura 18.8. El error estimado,
junto con el error verdadero (basndose en el hecho de que ln 2 =
0.6931472), se ilustran en la figura 18.9. Observe que el error estimado
y el error verdadero son similares y que su concordancia mejora
conforme aumenta el grado. A partir de estos resultados se concluye
que la versin de quinto grado da una buena estimacin y que los
trminos de grado superior no mejoran significativamente la prediccin.
NUMERO DE PUNTOS? 8
X (0), y (0) =? 1,0
X (1), y (1) =? 4,1.3862944
X (2), y (2) =? 6,1.7917595
X (3), y (3) =? 5,1.6094379
X (4), y (4) =? 3,1.0986123
X (5), y (5) =? 1.5, 0.40546411
X (6), y (6) =? 2.5, 0.91629073
X (7), y (7) =? 3.5, 1.2527630
INTERPOLACION EN X = 2
GRADO
F(X)
ERROR
0
0.000000 0.462098
1
0.462098 0.103746
2
0.565844 0.062924
3
0.628769 0.046953
4
0.675722 0.021792
5
0.697514 0.003616
6
0.693898 0.000459
7
0.693439
FIGURA 18.8
Resultados de un programa, basado en el algoritmo de la fi gura 18.7,
para evaluar ln 2.
Este ejercicio tambin ilustra la importancia de la posicin y el orden de
los puntos.
Por ejemplo, hasta la estimacin de tercer grado, la mejora es lenta
debido a que los puntos que se agregaron (en x = 4, 6 y 5) estn
distantes y a un lado del punto de anlisis en x
= 2. La estimacin de cuarto grado muestra una mejora un poco mayor,
ya que el nuevo punto en x = 3 est ms cerca de la incgnita. Aunque,
la disminucin ms dramtica en el error corresponde a la inclusin del
trmino de quinto grado usando el dato en x = 1.5.
Dicho punto est cerca de la incgnita y tambin se halla al lado
opuesto de la mayora de los otros puntos. En consecuencia, el error se
reduce a casi un orden de magnitud.

La importancia de la posicin y el orden de los datos tambin se

demuestra al usar los mismos datos para obtener una estimacin para ln
2, pero considerando los puntos en un orden diferente. La figura 18.9
muestra los resultados en el caso de invertir el orden de los datos
originales; es decir, x0 = 3.5, x1 = 2.5, x3 = 1.5, y as sucesivamente.
Como los puntos iniciales en este caso se hallan ms cercanos y
espaciados a ambos lados de ln 2, el error disminuye mucho ms
rpidamente que en la situacin original. En el trmino de segundo
grado, el error se redujo a menos de et = 2%. Se podran emplear otras
combinaciones para obtener diferentes velocidades de convergencia.
FIGURA 18.9
Errores relativos porcentuales para la prediccin de ln 2 como funcin
del orden del polinomio de interpolacin.

El ejemplo anterior ilustra la importancia de la seleccin de los puntos.

Como es intuitivamente lgico, los puntos deberan estar centrados
alrededor, y tan cerca como sea posible, de las incgnitas. Esta
observacin tambin se sustenta por un anlisis directo de la ecuacin
para estimar el error [ecuacin (18.17)]. Si suponemos que la diferencia
dividida finita no vara mucho a travs de los datos, el error es
proporcional al producto: (x x0) (x x1) (x xn). Obviamente, cuanto
ms cercanos a x estn los puntos, menor ser la magnitud de este
producto.
18.2 POLINOMIOS DE INTERPOLACIN DE LAGRANGE
El polinomio de interpolacin de Lagrange es simplemente una
reformulacin del polinomio de Newton que evita el clculo de las
diferencias divididas, y se representa de manera concisa como

Donde designa el producto de. Por ejemplo, la versin lineal (n =

1) es

Y la versin de segundo grado es

La ecuacin (18.20) se obtiene de manera directa del polinomio de

Newton (cuadro 18.1). Sin embargo, el razonamiento detrs de la
formulacin de Lagrange se comprende directamente al darse cuenta de
que cada trmino Li(x) ser 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 ecuacin (18.20) es el nico polinomio de n-simo grado
que pasa exactamente a travs de todos los n + 1 puntos, que se tienen
como datos.
EJEMPLO 18.6 Polinomios de interpolacin de Lagrange

Planteamiento del problema. Con un polinomio de interpolacin de

Lagrange de primero y segundo grado evale ln 2 basndose en los
datos del ejemplo 18.2:
X0 = 1 f(x0) = 0
X1 = 4 f(x1) = 1.386294
X2 = 6 f(x2) = 1.791760
Solucin. El polinomio de primer grado [ecuacin (18.22)] se utiliza para
obtener la estimacin en x = 2,

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

[ecuacin (18.23)]

Como se esperaba, ambos resultados concuerdan con los que se

obtuvieron antes al usar el polinomio de interpolacin de Newton.
Cuadro 18.1 Obtencin del polinomio de Lagrange directamente a partir
del polinomio de interpolacin de Newton
El polinomio de interpolacin de Lagrange se obtiene de manera directa
a partir de la formulacin del polinomio de Newton. Haremos esto
nicamente en el caso del polinomio de primer grado [ecuacin (18.2)].
Para obtener la forma de Lagrange, reformulamos las diferencias
divididas. Por ejemplo, la primera diferencia dividida,

Se reformula como

Conocida como la forma simtrica. Al sustituir la ecuacin (B18.1.2) en

la (18.2) se obtiene

Por ltimo, al agrupar trminos semejantes y simplificar se obtiene la

forma del polinomio de Lagrange,

FIGURA 18.10
Descripcin visual del razonamiento detrs del polinomio de Lagrange.
Esta fi gura muestra un caso de segundo grado. Cada uno de los tres
trminos en la ecuacin (18.23) pasa a travs de uno de los puntos que
se tienen como datos y es cero en los otros dos. La suma de los tres
trminos, por lo tanto, debe ser el nico polinomio de segundo grado
f2(x) que pasa exactamente a travs de los tres puntos.
Ejemplos de interpolacin polinomial

interpolacin lineal la forma ms simple de interpolacin consiste en

unir dos puntos con una lnea recta

reordenando se tiene que es una frmula de interpolacin lineal

grafica de la interpolacin lineal

ejemplo de un problema

interpolacin cuadrtica

un problema

Interpolacin inversa
1
la funcin es f(x)= x

1
f(x) 1 =1,

1
f(x) 2 =0.5

1
1
f(x) 3 =0.33333 f(x) 4 =0.25

1
1
f(x) 6 =0,1667 f(x) 7 =0.1429

1
1
1
f(x) 0.1429 =7, f(x) 0.1667 =6 , f(x) 0.2 =5,
1
1
f(x) 0.3333 =3, f(x) 0.5 =2,

1
f(x) 0.25 =4,