1. CAPITULO IV
Interpolación Lineal y Ajuste Polinomial.
IV.1. Introducción.
En algunas ocasiones, encontrar el valor de y asociado a una x determinada no significa
problema alguno, si se conoce la función de la cual provienen los datos; pero en las
aplicaciones es frecuente encontrarse con funciones que no son de tipo elemental o con
tablas de valores obtenidos experimentalmente. En casos como este, los métodos de
interpolación lineal y ajuste polinomial resultan de gran interés. Para el problema de
interpolación se tiene una tabla de valores, así:
xi yi
x0 y0
x1 y1
x2 y2
. . . . . .
xn yn
El problema consiste en encontrar el valor de y asociado a una x contenida entre dos valores
xi y xi+1 de la tabla.
IV.2. Tabla de Diferencias Finitas.
Dada una tabla de valores, las diferencias entre dos valores consecutivos de y, se conocen
como primeras diferencias hacia delante; se denotan por:
2. Métodos Numéricos
∆ yi = ai
Donde:
a0 = y1 – y0
a1 = y2 – y1
a2 = y3 – y2
. . . . . . . . .
an-1 = yn – yn-1
Las segundas diferencias hacia adelante, se calculan a partir de las primeras diferencias:
∆2
yi = bi
Donde:
b0 = a1 – a0
b1 = a2 – a1
b2 = a3 – a2
. . . . . . . . .
bn-2 = an-1 – an-2
Continuando con las terceras diferencias, las cuartas, etc., y tabulando estos valores, se
construye la Tabla de Diferencias Finitas Hacia Adelante, así:
xi yi ∆ yi ∆2
yi . . . ∆n-2
yi ∆n-1
yi ∆n
yi
x0 y0 a0 b0 . . . k0 w0 z0
x1 y1 a1 b1 . . . k1 w1
x2 y2 a2 b2 . . . k2
. . . . . . . . . . . .
xn-2 yn-2 an-2 bn-2
xn-1 yn-1 an-1
xn yn
Así, la tabla incluye hasta la n – ésima diferencia o hasta la i – ésima diferencia, si ésta es
constante. Se puede demostrar (aunque esto no se hará aquí) que para valores provenientes
de un polinomio de grado k, las k – ésimas diferencias son constantes. Obsérvese el
siguiente ejemplo:
Ejemplo: Dada la siguiente tabla de valores, determina el polinomio del cual provienen:
x -2 -1 0 1 2 3 4
y 3 2 3 6 35 138 387
La tabla de diferencias finitas es:
54
3. Métodos Numéricos
xi yi ∆ yi ∆2
yi ∆3
yi ∆4
yi
- 2 3 - 1 2 0 24
- 1 2 1 2 24 24
0 3 3 26 48 24
1 6 29 74 72
2 35 103 146
3 138 249
4 387
El polinomio es: P(x) = a x4
+ b x3
+ c x2
+ d x + e
3 = 16 a – 8 b + 4 c – 2 d + e
2 = a – b + c – d + e
3 = e
6 = a + b + c + d + e
35 = 16 a + 8 b + 4 c + 2 d + e
del sistema anterior: a = 1; b = 2; c = 0; d = 0; e = 3
Así: P(x) = x4
+ 2 x3
+ 3
IV.3. Los Métodos de Interpolación.
Se presenta a continuación el método de Newton para la interpolación en tablas de valores
dadas. También se presenta el método de Lagrange como un camino alterno en la
interpolación, el cual también es un camino para la interpolación inversa.
IV.3.1. Método de Newton.
Este método es aplicable sólo cuando el incremento h = xi+1 – xi es constante para todos
los valores de i. Para poder derivar el método, despéjese de las diferencias lo siguiente:
∆ yi ∆2
yi . . . ∆n-2
yi ∆n-1
yi ∆n
yi
y1 = y0 + a0 a1 = a0 + b0 . . . j1 = j0 + k0 k1 = k0 + w0 w1 = w0 + z0
y2 = y1 + a1 a2 = a1 + b1 . . . j2 = j1 + k1 k2 = k1 + w1
y3 = y2 + a2 a3 = a2 + b2 . . . j3 = j2 + k2
. . . . . . . . .
yn-2 = yn-3 + an-3 an-2 = an-3 + bn-3
yn-1 = yn-2 + an-2 an-1 = an-2 + bn-2
yn = yn-1 + an-1
Para cada valor de yi se obtienen las siguientes fórmulas:
y0 = y0
y1 = y0 + a0
55
4. Métodos Numéricos
y2 = y1 + a1 = (y0 + a0) + (b0 + a0) = y0 + 2 a0 + b0
y3 = y2 + a2 = (y0 + 2 a0 + b0) + b1 + a1 = y0 + 2 a0 + b0 + (c0 + b0) + (b0 + a0) =
y0 + 3 a0 + 3 b0 + c0
y4 = y3 + a3 = (y0 + 3 a0 + 3 b0 + c0) + b2 + a2 = (y0 + 3 a0 + 3 b0 + c0) + (a0 + 2
b0 + c0) + (b0 + 2 c0 + d0) = y0 + 4 a0 + 6 b0 + 4 c0 + d0
y5 = . . . = y0 + 5 a0 + 10 b0 + 10 c0 + 5 d0 + e0
. . . = . . .
Extrayendo los coeficientes se obtiene:
1615201561
15101051
14641
1331
121
11
1
De aquí, los coeficientes de las fórmulas anteriores provienen del binomio de Newton; por
lo tanto, el término k – ésimo sería:
...
!4
)3)(2)(1(
!3
)2)(1(
!2
)1(
00000 +
−−−
+
−−
+
−
++= d
kkkk
c
kkk
b
kk
kayyk
pero a0 = ∆y0; b0 = ∆2
y0; c0 = ∆3
y0; . . .
y por lo tanto:
...
!4
)3)(2)(1(
!3
)2)(1(
!2
)1(
0
4
0
3
0
2
00 +∆
−−−
+∆
−−
+∆
−
+∆+= y
kkkk
y
kkk
y
kk
ykyyk
Esta es conocida como la fórmula de Interpolación de Newton y su algoritmo estructurado
es el siguiente:
Algoritmo Newton:
Leer n
Para i = 1 hasta n
Leer xi, ∆i,0
fin_para
Para j = 1 hasta n-1
Para i = 1 hasta n - j
∆ij = ∆i+1,j-1 – ∆i,j-1
fin_para
fin_para
56
5. Métodos Numéricos
Leer x
k = (x – x1)/(x2 – x1)
y = 0
Para i = 1 hasta n
num = 1
j = 0
Mientras j ≤ i -2 hacer
num = num * (k – j)
j = j + 1
fin_mientras
y = y + num/(i – 1)! * ∆1,i-1
fin_para
Imprimir y
Terminar
Ejemplo: Calcular el valor de y para x = 3.2, según la tabla siguiente:
x 1 2 3 4 5 6
y - 4 - 3 10 41 96 181
La tabla de diferencias finitas es:
xi yi ∆ yi ∆2
yi ∆3
yi
1 - 4 1 12 6
2 - 3 13 18 6
3 10 31 24 6
4 41 55 30
5 96 85
6 181
xk = x0 + k h
3.2 = 1 + k (1)
k = 2.2
)6(
!3
)22.2)(12.2(2.2
)12(
!2
)12.2(2.2
1*2.242.2
−−
+
−
++−=y
y2.2 = 14.568
IV.3.2. Método de Lagrange.
Este método de interpolación tiene como base la idea de que el incremento h = xi+1 – xi, es
variable, como la muestra la Figura IV.1.
Un polinomio Pn(x) que pase por todos los puntos, cumple con:
57
6. Métodos Numéricos
y = A1 (x – x2) (x – x3) (x – x4) . . . (x – xn) +
A2 (x – x1) (x – x3) (x – x4) . . . (x – xn) +
A3 (x – x1) (x – x2) (x – x4) . . . (x – xn) +
. . . +
An (x – x1) (x – x2) (x – x3) . . . (x – xn-1)
Por la naturaleza del polinomio, todos los puntos (x, y) lo satisfacen; por lo tanto,
sustituyéndolos y despejando las incógnitas Ai:
Figura IV.1. Método de Lagrange.
y = A (x – x )(x – x – x ) . . . (x – x );1 1 1 2 1 3)(x1 4 1 n
))...()()(( 1413121
1
1
nxxxxxxxx
y
A
−−−−
=
2 = A2(x2 – x1)(x2 – x3)(x2 – x4). . .(x2 – xn);
))...()()(( 2423212
2
2
nxxxxxxxx
y
A
−−−−
=y
3 = A3(x3 – x1)(x3 – x2)(x3 – x4). . .(x3 – xn);
))...()()(( 3432313
3
3
nxxxxxxxx
y
A
−−−−
=y
. ..
58
7. Métodos Numéricos
))...()()(( 1321 −−−−−
=
nnnnn
n
n
xxxxxxxx
y
Ayn = An(xn – x1)(xn – x2)(xn – x3)...(xn – xn-1);
ustituyendo las incógnitas despejadas en el polinomio, se obtiene la siguiente fórmula:S
+
−−−−
−−−−
+
−−−−
−−−−
= 2
2423212
431
1
1413121
432
))...()()((
))...()()((
))...()()((
))...()()((
y
xxxxxxxx
xxxxxxxx
y
xxxxxxxx
xxxxxxxx
y
n
n
n
n
n
nnnnn
n
n
n
y
xxxxxxxx
xxxxxxxx
y
xxxxxxxx
xxxxxxxx
))...()()((
))...()()((
...
))...()()((
))...()()((
1321
321
3
3432313
421
−−−−−
−−−−
++
−−−−
−−−−
sta es conocida como Fórmula de Lagrange para Interpolación, cuya forma abreviadaE
sería:
∑
∏
∏
=
=
=
−
−
=
n
i
in
j
ji
n
j
j
y
xx
xx
y
1
1
1
)(
)(
con i ≠ j
onde ∏ representa una serie de productos, así como ∑ representa una serie de sumas.
inalmente, de igual manera que en los métodos anteriores, se da a continuación el
lgoritmo Lagrange:
Leer n
a n
= 1 hasta n
a n
m * (x - xj)
* yi
n_pa
Terminar
d
F
algoritmo estructurado para trabajar con este método:
A
Para i = 1 hast
Leer xi, yi
fin_para
Leer x
y = 0
Para i
num = 1
den = 1
Para j = 1 hast
Si i ≠ j entonces
num = nu
den = den * (xi – xj)
fin_si
fin_para
y = y + num/den
fi ra
Imprimir x, y
59
8. Métodos Numéricos
Ejemplo: Considerar a I como la intensidad de la corriente y a V como el voltaje, calcular
1 2 4 8
V, cuando I = 5, para:
I
V 120 94 75 62
fórmula queda:la
+
−−−
−−−
+
−−−
−−−
= )94(
)82)(42)(12(
)85)(45)(15(
)120(
)81)(41)(21(
)85)(45)(25(
5V
36.74)62(
)48)(28)(18(
)45)(25)(15(
)75(
)84)(24)(14(
)85)(25)(15(
=
−−−
−−−
+
−−−
−−−
.4. Ajuste Polinomial.
uando no se requiere de gran exactitud, o cuando los valores a interpolar son muchos, un
.4.1. Método de Mínimos Cuadrados.
os métodos de interpolación anteriormente estudiados se basan en que dada una serie de
IV
C
camino alterno resulta ser el Ajuste Polinomial.
IV
L
puntos (x, y), se encuentra una curva que pasa por todos y cada uno de los puntos dados. El
método de los Mínimos Cuadrados intenta encontrar una “curva suave” que se aproxime a
los puntos dados. Observe la Figura IV.2.
Figura IV.2. Método de s Mínimos Cuadrados.lo
60
9. Métodos Numéricos
a curva suave y = f(x) = a0 + a1 x + a2 x + . . . + am x representa una ecuación que se
a diferencia de ordenadas de la curva para un punto x = xi y la del punto (xi, f(xi)), es
2 m
L
aproxima a todos los puntos dados. El problema consiste en hallar los coeficientes a0, a1,
a2, . . ., am que satisfagan la ecuación.
L
conocida como residuo; esto se muestra en la Figura IV.3.
Figura IV.3. Residuo
sí: Ri = f(xi) – yi
+ a2 xi
2
+ . . . + am xi
m
– yi
l método conocido como Mínimos Cuadrados intenta determinar los coeficientes ai de
ara lograr lo anterior, se utilizan las primeras derivadas parciales, con respecto a todos los
A
O también: Ri = a0 + a1 xi
E
tal manera que se haga mínima la sumatoria de los cuadrados de los residuos; así:
∑ ∑= =
−++++=
n
i
n
i
i
m
imiii yxaxaxaaR
1 1
22
210
2
)...(
P
parámetros e igualando a cero. Así, derivando con respecto a aj:
∑ ∑= =
−++++
∂
∂
=
∂
∂ n
i
n
i
i
m
imii
j
i
j
yxaxaxaa
a
R
a 1 1
22
210
2
)...(
61
10. Métodos Numéricos
∑=
−++++
∂
∂
=
n
i
i
m
imii
j
yxaxaxaa
a1
22
210 )...(
Igualando con cero, se obtiene:
==
+
=
+
=
+
=
−+++
n
i
i
j
i
n
i
mj
im
n
i
j
i
i
j
i
i
yxxaxaxa
111
2
2
1
1
1
1
...
Dando a j los valores de: j = 0, 1, 2, . . ., m, se tienen las siguientes ecuaciones:
iiii 1111
Para j = 1:
i
m
im
n
i
i
n
i
i
n
i
i
n
i
ii xaxaxaxayx
1
1
1
3
2
1
2
1
1
0
1
...
Para j = 2:
. . .
j = :
=
+
=
+
=
+
==
++++
n
i
mm
im
n
i
m
i
n
i
m
i
n
i
m
i
n
i
m
i xaxaxaxyx
11
2
2
1
1
1
1
0
1
...
re lta ser un sistema de m+1 ecuaciones con m+1 incógnitas, el cual puede
lucionarse con cualquier método conocido. Para los Mínimos Cuadrados, se tiene el
asta n
eer xi, yi
asta m * 2
∑=
−++++=
n
i
j
ii
m
imii xyxaxaxaa
1
2
210 )...(2
∑∑ +=
nn
j
ixa00 ∑∑∑
∑∑∑∑∑ =
+
=
+
=
+
==
++++=
n
i
mj
im
n
i
j
i
n
i
j
i
n
i
j
i
n
i
i
j
i xaxaxaxayx
11
2
2
1
1
1
1
0
1
...
Para j = 0: ∑∑∑∑ ++++=
n
m
im
n
i
n
i
n
i xaxaxanay 2
210 ...
====
n
∑∑∑∑∑ =
+
====
++++=
∑∑∑∑∑ =
+
====
++++=
n
i
m
im
n
i
i
n
i
i
n
i
i
n
i
ii xaxaxaxayx
1
2
1
4
2
1
3
1
1
2
0
1
2
...
. . . . . .
para m ∑ =i a ∑∑∑∑
Lo anterior su
so
siguiente algoritmo:
Algoritmo Mínimos_Cuadrados:
Leer n, m
a0 = n
b0 = 0
1 hPara i =
L
b0 = b0 + yi
Para j = 1 h
62
11. Métodos Numéricos
aj = aj + xi
j
* xi
m+1
= a
+1
primir ci,m+2
ular la ecuación de la curva que más se aproxime a los puntos
fin_para
Para j = 1 hasta m
j
bj = bj + yi
fin_para
fin_para
Para i = 1 hasta m+1
Para j = 1 hasta
cij i+j-2
fin_para
ci,m+2 = bi-1
fin_para
Llamar Gauss (cij)
Para i = 1 hasta m
Im
fin_para
Terminar
Así, por ejemplo: Calc
siguientes:
X 1 2 3 4 5 6 7
Y 1 1.5 2.5 4 6 9 15
Primero, se debe determinar el grado de la curva. Para esto, grafíquense los puntos y
determínese m; de la Figura IV.4, se tiene que m = 2.
Figura IV.4. Determinación de m.
63
12. Métodos Numéricos
x y x2
x3
x4
x y x2
y
1 1 1 1 1 1 1
2 1.5 4 8 16 3 6
3 2.5 9 27 81 7.5 22.5
4 4 16 64 256 16 64
5 6 25 125 625 30 150
6 9 36 216 1296 54 324
7 15 49 343 2401 105 735
∑ 28 39 140 784 4676 216.5 1302.5
El sistema de ecuaciones es: La solución es:
7 a0 + 28 a1 + 140 a2 = 39 a0 = 2.42857
28 a0 + 140 a1 + 784 a2 = 216.5 a1 = - 1.50595
140 a0 + 784 a1 + 467 a2 = 1302.5 a2 = 0.45833
sí: y = 2.42857 – 1.50595 x + 0.45833 x
IV.4.2. Transformaciones.
En muchas ocasiones, los puntos no se aproximan a una recta; pero si se mapean (esto es,
transforma ) estos p tos a o sistema de ejes coordenados, estos pueden aproximarse a
una recta. Las transformaciones más co es son
X, Log
Log ( , Y
Log og (
en ba 10.
rm to para el caso (log x, y),
y = 10a+bx
= 10ª (10b
)x
Sea α = 10ª y β = 10b
y = α βx
2
A
n un tro
mun :
(Y)
X)
(X), L Y)
Siendo los logaritmos siempre se
La función debe transformarse de nuevo a los té inos x, y; excep
de la siguiente manera:
1 ) Para el caso (x, log y), se tiene:(
log y = a + b x
64
13. Métodos Numéricos
( 2 ) Para el caso (log x, log y), se tiene:
log y = a + b * log x
y = 10ª (xb
)
y β = b
xβ
2 4 8 12
=
b
xa log
10 +
Sea α = 10ª
y = α
Ejemplo: Determinar la recta que más se aproxime a los puntos siguientes:
X 0.5 1
Y 160 120 94 75 62 56
P r nsforma n querimero, se debe determina la tra ció aproxima a una recta. Para esto,
transformación adecuada; degrafíquense los puntos y las transformaciones y determínese la
la Figura IV.5, se tiene que (log x, log y).
Figura IV.5. Transformaciones.
65