Capítulo 2. INTERPOLACION

Captulo 2 Interpolacin Polinomial
Lic. Elizabeth Vargas
INTERPOLACIN POLINOMIAL
38
2.1
39
INTRODUCCIN.
La aproximacin de funciones es un tema de uso frecuente en el
Anlisis Numrico, y consiste en aproximar una funcin f por otra que sea
ms fcil de manipular. Entre las razones que justifican la aproximacin
estn:
i)
Dificultades que se presentan al evaluar u operar con funciones: por

ejemplo se sabe que
b x2
a e
ii)
f (x ) = e x
es integrable en
[a, b] ,
pero
dx no se puede calcular por los mtodos analticos ya conocidos.
Frecuentemente sucede que la informacin respecto a una funcin f

se da mediante una tabla de valores y no se conoce la ley de
asignacin que define a f , por lo que no se puede operar con f.
La tcnica ms frecuente empleada para encontrar la funcin

aproximante g es expresarla
como una combinacin lineal de funciones
pertenecientes a una clase de funciones elementales:

g ( x ) = a 0 g 0 ( x ) + a1 g 1 ( x ) + ... + a n g n ( x ) =
donde
a i g i (x )
(2.1)
i =0
ai son constantes reales por determinar
{gi (x )}in=0
es una familia de funciones.
S la familia de funciones {g i ( x )} es:
i)
{x }
k n
k =0 :
polinomial )
entonces
g ( x ) = a0 x 0 + a1 x1 + ... + an x n
(Aproximacin
ii)
{1 , sen (kx ) , cos (kx ) }nk =0 :
40
entonces
n
g ( x ) = a 0 1 + ( a k sen (kx ) + bk cos (kx ) )

k =1
iii)
{e }
kx n
k =0 :
entonces
g ( x ) = a 0 .1 + a1e x + a 2 e 2 x + ... + a n e nx
iv) Aproximacin Racional.
Existen criterios muy diversos para aproximar funciones:
a)
Unas veces se exige que la funcin
aproximante g coincida con la
funcin f en un determinado conjunto de puntos ( lo cual se conoce como

interpolacin).
b)
Otros mtodos exigen que la diferencia entre g ( x ) y f ( x ) sea lo ms
pequeo posible. ( Mnimos cuadrados ).
2.2 INTERPOLACIN.
Sea f definida en un intervalo cerrado tal que:
xi
x0
x1
...
xn 1
xn
f i = f ( xi )
f ( x0 )
f ( x1 )
...
f ( xn1 )
f ( xn )
Se quiere hallar una funcin g tal que:
g ( xi ) = f ( xi ) , i = 0,1,..., n :
a la funcin g se le llama funcin interpolante, la

siguientes condiciones:
f (xi ) = g (x i )
41
cual
satisface las
, i = 0,1,..., n . Geomtricamente esto
significa: se debe encontrar una funcin g que pase por los puntos
( xi , f i ) , i = 0,1,..., n .
Una vez hallada la funcin interpolante sta se usa para:
i)
Aproximar los valores de f en algn punto no tabulado x* entre x0 y xn .

(Interpolacin directa o simplemente interpolacin).
( )
f (x ) = a , para x* .
ii) Conociendo el valor de f x* , hallar x* (interpolacin inversa), es decir

resolver la ecuacin
iii) Aproximar f fuera del intervalo de interpolacin (extrapolar): no es

recomendable usar una funcin interpolante para extrapolar ya que no se
conoce el comportamiento de f
fuera del intervalo de interpolacin.
Las frmulas de interpolacin se pueden usar para extrapolar, pero hay

que tener cuidado ya que el error de truncamiento puede ser grande si nos
alejamos de los puntos tabulados. As, si se usa interpolacin para extrapolar
se puede garantizar solamente para valores de x muy prximos a los valores
tabulados. Existen mtodos para extrapolar llamados extrapolacin de
Richardson y extrapolacin 2 de Aitken.
Los datos obtenidos mediante medicin pueden interpolarse, pero en

la mayora de los casos no es recomendable una interpolacin directa debido
42
a los errores aleatorios implicados en la medicin. En estos casos se

recomienda usar el mtodo de los mnimos cuadrados.
2.3
APROXIMACIN POLINOMIAL.
La tcnica ms usada para interpolar son los polinomios, por su
facilidad de manejo y adems porque aproximan uniformemente funciones

continuas. Este hecho lo garantiza el siguiente teorema:
Teorema 2.1 Teorema de Weirstrass.

Sea f una funcin continua en un intervalo cerrado I y sea > 0 , entonces
existe un polinomio P definido en I tal que f ( x ) P ( x ) < para todo x I .
Este teorema garantiza la existencia del polinomio, pero no es til en la

prctica. Supongamos que se conocen los valores de f en (n + 1) puntos
distintos:
{ x0 , x1 , ..., xn }
sean
f ( x0 ) , f ( x1 ), ... , f ( xn )
sus
respectivas
imgenes; nos preguntamos existe un polinomio que coincida con f en

estos puntos?; si existe es nico?. La
respuesta a estas preguntas es
afirmativa, y se demuestra en el siguiente teorema.
Teorema 2.2. Sean
( xi , f (xi ) ) ,
i = 0,1,2..., n,
(n + 1)
puntos distintos. Existe
un nico polinomio de grado menor o igual que n que pasa por estos puntos.
Demostracin.
Sea Pn (x ) = ai x i
(2.2)
i =0
el polinomio interpolante, el cual satisface:

cual equivale a:
P (x i ) = f (x i ) , i = 0,1,2,..., n ; lo
a 0 + a1 xi + a 2 xi2 + ... + a n 1 xin 1 + a n xin = f ( xi )
(2.3)
para i = 0,1,2,3..., n . Esto representa un sistema de
(n + 1) incgnitas:
43
(n + 1)
ecuaciones con
ai , i = 0,1,2,..., n . La matriz asociada a este sistema es:

1 x0
1 x1
A=
... ...
1 x
n
x02 . . . x0n
x12 . . . x1n
... . . . ...
xn2 . . . xnn
Se debe probar que det A 0 : el determinante de la matriz A es el tipo

Vandermonde y su valor es:
det A =
(xi x j )
n
(2.4)
0 i < j n
Es decir, es el producto de todos los factores que se pueden construir de

la forma xi x j
i < j , y como xi x j entonces ( xi-xj) es distinto de cero, por
lo que det A 0 , por lo tanto la matriz A es invertible. As, el sistema (2.3) tiene
solucin nica, y se pueden obtener nicos valores para las ai , i = 0,1,2,..., n
dando lugar a un polinomio nico.
Al polinomio P que pasa por lo puntos
( xi , f ( x i ) ) , i = 0,1,2,..., n se le
llama polinomio interpolante. Emplear el proceso anterior para hallar el

polinomio interpolante es algo complicado, ya que hay que resolver un
sistema lineal de orden (n + 1) , y generalmente se requiere del uso de un
software, por lo que los resultados estn sujetos a errores de redondeo. Por
fortuna existen mejores mtodos para determinar una interpolacin polinomial,
entre ellas tenemos:
polinomio de Lagrange, polinomios
de Newton,
polinomios de Hermite, interpolacin iterada de Neville, interpolacin Spline ,

cada uno tiene sus ventajas y sus desventajas.
Notas:
a) A los xi se les llama nodos o puntos de interpolacin: xi x j , i j .
44
b) Los nodos no necesariamente estn ordenados ni igualmente espaciados.

c) Los polinomios de Taylor no sirven para interpolar.
d) Los mtodos mencionados anteriormente generan el mismo polinomio, solo
que estn expresados en distintas formas.
2.4 POLINOMIOS DE LAGRANGE.

a) Interpolacin lineal: el polinomio de grado 1 que pasa por los puntos
A ( x0 , f ( x0 ) ) , B ( x1 , f ( x1 ) ) , pueden escribirse as:
P ( x ) = a0 ( x x0 ) + a1 ( x x1 )
(2.5)
donde a0 , a1 son constantes por determinar. Para hallar el valor de las

constantes se evala P en x = x0 y x = x1 obtenindose:
a0 =
f ( x1 )
,
x1 x0
a1 =
f ( x0 )
x0 x1
lo cual se sustituye en (5) obtenindose:

P (x ) =
Sean
L0 ( x ) =
L1 (x ) =
x x1
,
x0 x1
x x0
,
x1 x0
x x0
x x1
f ( x0 ) +
f ( x1 )
x0 x1
x1 x0
L0 ( x0 ) = 1 ,
L1 ( x0 ) = 0
L0 ( x1 ) = 0
L1 ( x1 ) = 1
Note que L0 (x) y L1(x) son polinomios de grado 1.
c) El polinomio de grado 2 que pasa por los puntos
( x0 , f (x0 ) ) , ( x1 , f (x1 ) ) ,
( x2 , f (x2 ) ) se puede expresar as:

P2 ( x ) = a0 ( x x0 )( x x1 ) + a1 ( x x1 )( x x2 ) + a2 ( x x0 )( x x2 )
(2.6)
donde a0 , a1 , a2 .
45
Para hallar a0 , a1 , a2 se evala P2 en x0 , x1 , x2 :
P2 ( x0 ) = a1 ( x0 x1 )( x 0 x 2 ) = f ( x 0 ) , de donde
a1 =
P2 ( x1 ) = a2 ( x1 x0 )( x1 x2 ) = f ( x1 )
a2 =
P2 ( x2 ) = a0 ( x2 x0 )( x2 x1 ) = f ( x2 ) ;
de donde
a0 =
f ( x0 )
(x0 x1 ) (x0 x2 )
f (x1)
(x1 x 0 ) (x1 x 2 )
f ( x2 )
(x2 x0 ) (x2 x1 )
Sustituyendo a0 , a1 , a2 en (2.6) y reordenando los trminos se obtiene:
P2 ( x ) =
(x x0 )(x x 2 )
(x x0 )(x x1 )
(x x1 )(x x 2 )
f (x0 ) +
f ( x1 ) +
f (x )
(x0 x1 ) (x0 x 2 )
(x1 x0 ) (x1 x 2 )
(x 2 x0 ) (x 2 x1 ) 2
Sean :
L0 ( x ) =
(x x1 )(x x2 ) :
(x0 x1 ) (x0 x2 )
L0 ( x0 ) = 1 , L0 ( x1 ) = 0 , L0 ( x2 ) = 0
L1 ( x ) =
(x x0 )(x x2 ) :
(x1 x0 ) (x1 x2 )
L1 ( x1 ) = 1 , L1 ( xi ) = 0 , i = 0,2
L2 ( x ) =
(x x0 )(x x1) : L (x ) = 1 , L (x ) = 0 , i = 0,1

2
i
(x2 x0 ) (x2 x1) 2 2
Luego:
En general,
P2 ( x ) = L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
el polinomio que interpola los puntos
( xi , f (xi ) ) ,
i = 0,1,2,..., n es de grado menor que n, viene dado por:

n
Pn ( x ) = L k ( x ) f ( xk )
k =0
Donde:
(2.7)
Lk ( x ) =
(x x0 )(x x1 ) . . . (x x k 1 ) . (x x k +1 )...(x x n )
(x k x0 ) (x k x1 ) . . . (x k x k 1 )(x k x k +1 ) . . . (x k x n )
n
Lk ( x ) =
i =0
ik
x xi
, k = 0,1,..., n
xk xi
46
(2.8)
(2.9)
Los Lk (x ) se llaman polinomios de Lagrange, son de grado n y tienen la

propiedad:
1
Lk ( xi ) =
0
s i = k
s i k
Al polinomio Pn ( x ) dado por (2.7) se le llama frmula de interpolacin de

Lagrange, y es de grado menor o igual que n (por ser la suma de polinomios
de grado n). Observe que Pn ( x ) es una combinacin lineal de los f ( xi ) , y
Li ( x ) para i=0,1,2,..,n.
Notas:
a) En el numerador de Lk (x ) va el producto de n factores de la forma x xi ,
i = 0,1,..., n excepto el factor ( x xk ) , y en el denominador va dicho producto
evaluado en xk .
b) Los nodos pueden estar ordenados en cualquier forma.
Ejemplo 2.1 Halle el polinomio de Lagrange que interpola los puntos

(1,1) , (2,2)
y (3,3).
Solucin. Sea P este polinomio y es de la forma:

P2 ( x ) = L0 ( x ) f ( x 0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
donde:
L0 ( x ) =
(x 2)(x 3)
(1 2) (1 3)
L 0 (x ) =
L1 ( x ) =
(x 1)(x 3)
(2 1) (2 3)
L1 ( x ) =
L2 ( x ) =
(x 1)(x 2)
(3 1) (3 2)
L2 ( x ) =
47
(x
2 )( x 3 )
2
(x 1)(x 3)
1
(x 1)(x 2)
2
Sustituyendo se obtiene: P2(x)=x que es un polinomio de grado 1.

Suponga que una relacin funcional y = y ( x ) est dada por:
Ejemplo 2.2
0.25
0.5
0.75
1.00
0.9162
0.8109
0.6931
0.5596
0.4055
Encuentre
los
valores
de
que
satisfagan
la
relacin
y = 0.9 , 0.7 , 0.6 , 0.5 respectivamente usando interpolacin lineal.

Solucin: Para encontrar x tal que y = 0.9 se usara interpolacin lineal con
los nodods: x0 = 0 y x1 = 0.25 , as el polinomio correspondiente es:

P1 ( x ) =
De all:
(x 0.25) 0.9162 + (x 0) 0.8109

(0 0.25)
(0.25 0)
P1 ( x ) = 0.4212 x + 0.9162 . Se quiere hallar x tal que P1 ( x ) = 0.9 , as
0.4212 x + 0.9162 = 0.9 , de all que:
De igual manera para y = 0.7 ,
x = 0.0385
se obtiene
x = 0.4854
y = 0.6 , x = 0.6743
y = 0.5 , x = 0.8467
En este ejemplo se realizo una interpolacin inversa y fue fcil resolver la

ecuacin pues es de grado 1 . Si la ecuacin es de grado mayor o igual que
3 se requiere usar mtodos numricos para resolver ecuaciones , sin embargo
48
los mtodos de interpolacin se pueden adaptar adecuadamente para resolver

ecuaciones ( mas adelante se explica el mtodo )
Ejemplo 2.3
Determinar el polinomio de Lagrange que ajusta los puntos:
xi
f ( xi )
Solucin:
El polinomio es de grado 3:
P 3 ( x ) = L i ( x ) f ( xi ) ,
donde:
i =0
L0 ( x ) f ( x0 ) =
(x 1)(x 2)(x 3 ) 1 = 1 (x3 6 x 2 + 11x 6 )

(0 1)(0 2)(0 3)
6
L1 ( x ) f ( x1) =
(x 2)(x 3)(x 0) 1 = 1 (x3 5 x2 + 6 x )

(1 2)(1 3)(1 0)
2
L2 ( x ) f ( x2 ) =
(x 1)(x 3 )(x 0 ) 2 = (x3 4 x2 + 3 x )

(2 1)(2 3 )(2 0)
L3 ( x ) f ( x3 ) =
(x 1)(x 2)(x 0 ) 3 = 1 (x3 3 x2 + 2 x )

(3 1)(3 2)(3 0 )
2
Luego:
1
5
P3 ( x ) = x 3 + x 2 x + 1
6
6
Se deja al lector que reordene los puntos en otra forma y halle P3 ( x ) , luego
compare con el resultado anterior anterior .
NOTA : Si los nodos estn igualmente espaciados, la frmula de
interpolacin de Lagrange se simplifica. Veamos:

Sean x0 < x1 < ... < xn tal que xi = x 0 + ih ,
i = 1,2,3,..., n ,
h=
x n x0
;
n
49
Sea x xi , i = 1,2,3,..., n un punto no tabulado, entonces x = x0 + sh , s > 0 .

Los
xk que aparecen en la frmula de Lagrange son nodos,
xk = x0 + kh . Luego:
entonces
xk xi = x0 + kh ( x0 + ih )
xk xi = h (k i )
(2.10)
x xi = h (s i )
(2.11)
Sustituyendo (2.10) y (2.11) en (2.9) se obtiene:

n
L k (s ) =
i =0
si
k i
, k = 0,1,2,..., n
KI
s=
donde
x x0
h
, x punto a evaluar.
Lk (s ) =
s (s 1)(s 2 ). . . (s k + 1)(s k 1). . . (s n )

k (k 1)(k 2 ). . . (1)( 1). . . (k n )
Desarrollando est frmula se
obtiene:
(2.12 )
Ejemplo 2.4 Considere la tabla:
xi
1.20
1.40
1.60
1.80
2.00
f ( x ) = ln ( x ) 0.182322 0.336472 0.470004 0.587787 0.693147
Aproxime f (1.642) usando la frmula (2.12 )
Solucin. El polinomio buscado es: P4 (s ) = Li (s ) f ( xi )

i =0
L0 (s ) =
(s 1)(s 2)(s 3)(s 4) = 1 (s 1)(s 2)(s 3)(s 4)

( 1)( 2)( 3)( 4)
24
L1 (s ) =
s (s 2 )(s 3)(s 4 )
1
= s (s 2)(s 3)(s 4)
1( 1)( 2 )( 3)
6
L2 (s ) =
s (s 1)(s 3)(s 4) 1
= s (s 1)(s 3)(s 4 )
2 (1)( 1)( 2 )
4
L3 (s ) =
s (s 1)(s 2 )(s 4 )
1
= s (s 1)(s 2 )(s 4)
3 2 1 ( 1)
6
L4 (s ) =
s (s 1)(s 2 )(s 3) 1
=
s (s 1)(s 2)(s 3)
4 (3)(2 ) (1)
24
50
Como x = 1.642 y x 0 = 1.2 entonces s = 2.21 ,

luego se calculan los Li( s ).f( xi ) :
L0 (2.21) f (1.2) = 0.0027296789 ,
L1 (2.21) f (1.4) = 0.0368035469
L2 (2.21) f (1.6 ) = 0.4443231961 ,
L3 (2.21) f (1.8) = 0.04346027887
L4 (2.21) f (2.0) = 0.01281262895 ,

Luego
f (1.642) P (2.21) = 0.440896978 y el valor exacto es :

f (1.642) = ln (1.642) = 0.495915011
Repetir el ejercicio usando la frmula (2.8).
El error de truncamiento que se comete al usar el polinomio de Lagrange

viene dado por:
f (n+1) ( )
Rn ( x ) =
(x x0 )(x x1 ). . . (x xn )
(n + 1) !
donde esta entre x0 y xn . As:

polinomio de Lagrange.
(2.13)
f (x ) = Pn ( x ) + Rn ( x ) , donde Pn ( x ) es el
Esta frmula (13) permite hallar una cota superior
para el error:
Rn ( x )
f (n +1) ( )
x xi
(n + 1) !
i =0
51
S existe M > 0 tal que f (n +1) ( ) M , para todo , entonces:
Rn ( x )
n
M
x xi
(n + 1) !
i =0
(2.14)
La desigualdad (2.14) permite hallar una cota para el error, solo si se

conoce f y si
f (n+1) existe y es continua en el intervalo de interpolacin. En
caso contrario no se puede estimar el error.
Lo expuesto anteriormente se resume en los siguientes teoremas:
Teorema 2.3 Polinomios de Lagrange.

S x0 , x1 , . . . , xn son (n + 1) nmeros distintos ( nodos ) y , f es una
funcin cuyos valores estn dados en los xk , k = 0 , 1 , . . . , n , entonces existe
un nico polinomio P de grado menor o igual que n tal que f ( xk ) = P ( xk ) para
todo k . Dicho polinomio est definido por:
P (x ) =
donde: Lk ( x ) =
f (x k ) Lk (x )
k =0
(x x0 )(x x1 ) . . . (x x k 1 )(x x k +1 ) . . (x x n )
(x k x0 )(x k x1 ) . . . (x k x k 1 )(x k x k +1 ) . . . (x k x n )
(x xi )
i =0 (x k xi )
n
Lk (x ) =
k = 0 ,1, . . . , n ,
ik
adems
0 s
Lk ( x i ) =
1 s
ik
i=k
52
El siguiente teorema nos da una cota para el error involucrado al utilizar

los polinomios de Lagrange:
Teorema 2.4
S x0 , x1 , . . . , xn son (n + 1) nmeros distintos ( nodos) en el
intervalo cerrado [a , b ] y si f tiene derivadas continuas hasta el orden
(n + 1)
en [a , b ] , entonces para cada x [a , b ] existe x en (a , b ) tal que:
f (x) P (x) =
( x x 0 )( x x1 ) . . . ( x x k )... ( x x n )
f
(n + 1) !
(n +1) (
donde P es el polinomio interpolante de Lagrange.
NOTA: S los nodos son equidistantes entonces la frmula (2.14) se

transforma en:
Rn (x )
1
h n +1M , de donde f (n+1) ( x ) M .
4 (n + 1)
ERROR EN LA INTERPOLACIN LINEAL

Sea P1 ( x ) el polinomio de Lagrange de grado 1 que pasa por los puntos
(x0 , f (x0 ) )
y ( x1 , f ( x1 ) ) , el error asociado a esta aproximacin viene dada por:

R1 ( x ) =
Luego:
f (2 ) ( )
( x x 0 )( x x1 )
2!
R1 ( x ) =
f (2 ) ( )
2!
x , entre x 0 y x1
( x x 0 )( x x1 )
Sea g ( x ) = ( x x0 )( x x1 ) : su mximo ocurre en el vrtice, as x =

2x + h
como x1 = x0 + h , entonces x = 0
, y
2
2
2x0 + h h
g
=
2 2
x0 + x1
, y
2
(mximo )
53
S existe M > 0 tal que f (2 ) ( x ) M para toda x [x0 , x1 ] , entonces:

R1 ( x ) =
M h 2 Mh 2
=
2 4
8
Observe que el mximo error ocurre en el punto medio del intervalo [x0 , x1 ] ,
por lo que f puede aproximarse por f ( xM ) , donde xM =
x1 + x0
.
2
Ejemplo 2.5 Evaluar sen (2018) usando el polinomio de Lagrange de grado

1, sabiendo que: sen (20) = 0.34202 , sen (21) = 0.335837 . Halle una cota para
el error.
Solucin. Recuerde que 2018= (20.3) , 20 =
, 21 =
7
.
60
El polinomio de Lagrange de grado 1 viene dado por:
P1 ( x ) =
x 21
x 20
sen (20) +
sen (21)
20 21
21 20
Evaluando en x = (20.3) se obtiene: sen (20.3) P1 (20.3 ) = 0.346925

El valor exacto es sen (20.3) = 0.3469356516 .
La frmula del error viene dada por:

R2 ( x ) =
donde
f (2 ) ( )

7
7
y
x x
, entre
2!
9
60
9 60
f ( 2 ) ( x ) = sen ( x ) luego se tiene que:
( 9 ) f ( 2 ) () sen (7 60) = 0.358368
0.34202 = sen
De all:
f ( 2 ) ( ) 0.358368 . Luego:
54
R2 (20.3)
0.358368 20.3 20.3 7

2!
9 180
60
180
R2 (20.3)
0.358368 0.3 0.7
= 1.146 10 5
2!
180 180
20.3
5
R2
1.146 10
180
EJERCICIOS RESUELTOS
( cota superior del error)
2.1
1. Sea la tabla de valores
a)
xi
0.25
0.5
0.75
1.0
f ( xi )
0.9162
0.8109
0.6931
0.5596
0.4055
Escriba la frmula de interpolacin de Lagrange ajustada a los datos 2, 3,
y 4 de la tabla anterior.
Sea P2 ( x ) = L2 ( x ) f ( x 2 ) + L3 ( x ) f (x 3 ) + L4 ( x ) f ( x 4 )
L2 (x ) =
(x x 3 )(x x 4 )
(x 2 x 3 )(x 2 x 4 )
L3 ( x ) =
(x x 2 )(x x 4 )
L2 ( x ) = 16 ( x 0.25)( x 0.75)
(x 3 x 2 )(x3 x 4 )
L4 ( x ) =
(x x2 )(x x3 )
L4 ( x ) = 8 ( x 0.25)( x 0.75) .
(x 4 x 2 )(x3 x3 )
donde
L2 ( x ) = 8 ( x 0.5)( x 0.75)
Luego:
55
P2 ( x ) = 6.4872 ( x 0.5)( x 0.75) 11.0896 ( x 0.25)( x 0.75) + 4.4768 ( x 0.25)( x 0.5)
b) Aproxime f(0.6) usando P2(x) :
P2 (0.6) = 0.641584
c) Si la tercera derivada para el nodo 3 es f ( 3 )(0.5 ) = 0.26 , estime el error
de interpolacin que se obtiene al realizar la aproximacin en la parte (b) :

f (0.5)
(x 0.25)(x 0.5)(x 0.75) ,
3!
R2 ( x ) =
R 2 (0.6 ) 0.00023
as
2. Considere la tabla
xi
0.25
0.50
0.75
1.00
f ( xi )
0.9162
0.8109
0.6931
0.5596
0.4055
a) Aproxime f (0.60) mediante un polinomio de Lagrange de grado 2.
Solucin.
En este caso se deben elegir tres puntos, para ello se tienen las
siguientes opciones:
i)
Elegir los nodos i = 2,3,4
ii)
Elegir los nodos i = 1,2,3 ( Ver ejercicio anterior )
iii)
Elegir los nodos i = 0,1,2
Para la opcin (i) se tiene:
P2 ( x ) =
+
56
(x 0.75)(x 1)
(x 0.5)(x 1)
f (0.5) +
f (0.75)
(0.50 0.75)(0.50 1)
(0.75 0.5)(0.75 1)
(x 0.50)(x 0.75) ( )
f 1.00
(1 0.50)(1 0.75)
P2 ( x ) = 5.5448 ( x 0.75 )( x 1) 8.9536 ( x 0.5 )( x 1) + 3.244 ( x 0.50 )( x 0.7 )

P2 (0.60) = 0.642172
De all que:
No se puede estimar el error. Se deja al lector que realice los clculos para la
opcin (iii) . Compare los resultados.
b) Repita la parte (a) usando la frmula (2.12): Sea
P2 (s ) =
xi
0.50
0.75
1.00
f ( xi )
0.6931
0.5596
0.4055
(s 1)(s 2) 0.6931 + s (s 2 ) 0.5596 + s (s 1) 0.4055

(0 1)(0 2)
1 (1 2 )
2 (2 1)
P2 (s ) = 0.34655 (s 1)(s 2) 0.5596 s (s 2) + 0.20275 s (s 1) .
Se quiere aproximar f en x=0.6,
as:
s=
0.60 0.50
= 0.4 ,
0.25
f (0.6 ) P2 (0.4 ) = 0.642766
2.5 DIFERENCIAS DIVIDIDAS.

Las diferencias divididas se usan para obtener los polinomios de
Newton . Sean
( xi , f (xi ) ) ,
i = 0,1,2,..., n (n+1) puntos distintos; las
diferencias divididas se definen as:
luego:
Las diferencias divididas de orden cero de f respecto a xi , se denotan
i)
f [xi ] , y se definen:
as:
f [xi ] = f ( xi )
ii)
57
i = 0,1,2,..., n
Las diferencias divididas de orden uno de f respecto a xi y xi +1 , se
denotan por f [xi , xi +1 ] y se definen as:
f [x i , x i +1 ] =
iii)
f [x i +1 ] f [xi ]
x i +1 xi
i = 0,1,2 ,..., n 1
Las diferencias divididas de orden 2 de f respecto a xi , xi +1 , xi + 2 se
definen por:
f [xi , xi +1 , xi + 2 ] =
f [xi +1 , xi + 2 ] f [xi , xi +1 ]
xi + 2 xi
En general, las diferencias divididas de orden k respecto a los nodos xi ,

xi +1 , xi + 2 , ..., xi + k se definen por:
f [xi , xi +1 , . . . , xi + k 1 , xi + k ] =
f [xi +1 , . . . xi + k ] f [xi , . . . , xi + k 1 ]
xi + k xi
El valor de las diferencias divididas es independiente del orden en que

se fijan los xi . Para calcular las diferencias divididas de orden k se necesitan
(k + 1)
nodos, y para cada una se requieren dos diferencias divididas de
orden (k 1) .
58
Para calcular las diferencias divididas de f es mejor construir una tabla

llamada tabla de diferencias divididas: en la primera columna van los xi ,en la
segunda columna van las diferencias de orden cero, y as sucesivamente:
Orden 0
Orden 1
Orden 2
x0
F[x0]
x1
F[x1]
F[x0,x1]
x2
F[x2]
F[x1,x2]
F[x0,x1 ,x2]
x3
F[x3]
F[x2,x3]
F[x2,x3 ,x4]
Orden 3
F[x0,x1 ,x2 ,x3]
TABLA 1
Si se aade un nodo al final o al principio de la tabla se pueden usar las
diferencias calculadas anteriormente.
Ejemplo 2.5.
Para la
siguiente tabla de datos construya la tabla de
diferencias divididas:
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
F(x)
1.6081
1.4016
1.2001
1.0000
0.8001
0.6016
0.4081
Solucin.
xi
F[xi]
Orden
1
Orden Orden Orden Orden Orden

2
-0.3
1.6081
-0.2
1.4016
-2.065
-0.1
1.2001
-2.015
0.25
0.0
1.0000
-2.001
0.07
-0.6
0.1
0.8001
-1.999
0.01
-0.2
1.0
0.2
0.6016
-1.985
0.07
0.2
1.0
0.3
0.4081
-1.935
0.25
0.6
1.0
59
Note que las diferencias divididas de orden 4 tienen el mismo valor, y las
diferencias de orden superior a 4 son nulas, lo cual concuerda con que la
derivada de orden 4 de un polinomio de cuarto grado es constante y su quinta
derivada es cero.
Si al construir una tabla de diferencias divididas en alguna columna k

todos los elementos tienen el mismo valor y en las siguientes columnas los
elementos son ceros, entonces la tabla corresponde a un polinomio de grado
k.
2.6 POLINOMIOS DE NEWTON

El
interpolante
Pn ( x )
los
puntos
Pn ( x ) = a0 + a1 ( x x0 ) + a2 ( x x0 )( x x1 ) + ... + an ( x x0 )( x x1 ) ... ( x xn 1 )
(2.15)
(xi , f (xi ) )
polinomio
que
pasa
por
, i = 0,1,2,..., n se puede escribir as.
Para constante adecuadas a0 , . . . , an , las cuales se calculan evaluando (15)

en x = x i ,
i = 1,2,..., n :
P (x0 ) = a0 = f ( x0 ) a0 = f [x0 ]
P ( x1 ) = a 0 + a1 ( x1 x 0 ) = f ( x1 ) de donde a1 =
f ( x1 ) f ( x 0 )
x1 x 0
as
a1 = f [x0 , x1]
P ( x2 ) = a0 + a1 ( x1 x0 ) + a2 ( x2 x0 )( x2 x1 ) = f ( x2 ) ,
de all que:
f [x 2 ] f [x1 ] f [x1 ] f [x 0 ]
x 2 x1
x1 x 0
f [x1 , x 2 ] f [x 0 , x1 ]
, a2 =
,
a2 =
x2 x0
x2 x2
a 2 = f [x 0 , x1 , x 2 ]
60
a k = f [x 0 , x1 , . . . , x k ] .
En general
Sustituyendo a0 , . . . , an en
(2.15)
se obtiene:
Pn ( x ) = f [x 0 ] + f [x 0 , x1 ] ( x x 0 ) + f [x 0 , x1 , x 2 ] ( x x 0 )( x x1 ) + ...
+ f [x0 , x1 ,..., x n ] ( x x 0 )( x x1 )... ( x x n 1 )
n
k 1
k =1
i =0
Pn ( x ) = f [x0 ] + f [x0 , x1 ,..., xk ] ( x xi )
(2.16)
(2.17)
Este polinomio se conoce con el nombre de aproximacin Polinomial de

Newton o frmula de diferencias divididas interpolante de Newton.
NOTA: Para construir el polinomio de Newton que interpola los nodos

(xi , f(xi)) , para i=0,..,n se construye la tabla de diferencias divididas : note que
las diferencias que se usan para construir este polinomio quedan en la
diagonal superior de la tabla.
2.7 ESTIMACIN DEL ERROR USANDO POLINOMIOS DE

NEWTON.
Si se conoce la ley de asignacin que define a f , el error se puede
estimar usando la frmula (2.13). Si no se conoce f, entonces el error se
estima as: el polinomio de Newton de grado n que interpola los puntos.
xi
x0
...
xn
f ( xi )
f0
...
fn
viene dado por la expresin (2.16), y supongamos que se le aade el punto
(t , f t ) a la tabla, entonces el error
Rn (x ) es igual al trmino que se le aadira
a Pn ( x ) si furamos a construir un polinomio de grado (n + 1) , es decir:
61
Rn ( x ) = f [x0 , . . . , xn , t ]( x x0 ) . . . ( x xn )
(2.18)
Otra forma de deducir la frmula (2.18):

Sea Pn ( x ) el polinomio de Lagrange de grado n que interpola los puntos
(xi , f (xi ) ) ,
i = 0,1,2,.., n , entonces:
f ( x ) = Pn ( x ) +
f (n +1) ( )
(x x0 )...(x xn )
(n + 1) !
(2.19)
y Qn ( x ) el polinomio de Newton correspondiente:

f ( x ) = Qn ( x ) + f [x0 ,..., xn+1 ]( x x0 )...( x xn )
(2.20)
Pero Qn ( x ) = Pn ( x ) (ya que el polinomio interpolador es nico), de all que de

(2.19) y (2.20) se tiene que:
f (n +1) ( )
= f [x 0 , . . . , x n +1 ]
(n + 1) !
, entre
{x 0 ,..., x n+1 }
(2.21)
La igualdad (2.21) nos da la relacin entre las diferencias de orden
(n + 1) y la derivada de orden (n + 1) .
La frmula (2.21) es equivalente a:
f ( k ) ( ) = k ! f [x 0 ,..., x k ]
2.8 POLINOMIOS INTERPOLANTES DE NEWTON CON NODOS

IGUALMENTE ESPACIADOS.
2.8.1. S los nodos xi , i = 0,1,2,3,..., n se ordenan en forma creciente y estn
igualmente espaciados, entonces la frmula (2.16) se puede expresar de otra
forma: sea h el tamao de paso entonces: los nodos se pueden expresar as
xi = x0 + h.i , y cualquier punto no tabulado x es igual a x = x 0 + h.s , s > 0 ;
por lo que: x x i = h.(s i ) ,
62
i = 0,1,2,..., n 1 lo cual se sustituye en (2.16) y
se obtiene:
Pn (s ) = f [x 0 ] + f [x 0 , x1 ] h s + f [x 0 , x1 , x 2 ] h 2 s (s 1) + ...
+ f [x 0 , x1 ,..., x n ] h n s (s 1) ... (s n + 1)
Pn (s ) =
f [x0 , x1 ,..., xk ]hk s (s 1)...(s k + 1)
(2.22)
k =0
La cual se conoce como la frmula de diferencias divididas progresivas de

Newton (tambin se conoce como frmula hacia adelante) y el error viene
dado por:
Rn ( s ) = f [x0 , x1 ,..., xn +1]h n +1 s (s 1)...(s n )
Nota:
a) El valor de f [x0 , x1 ,..., xk ] se calcula usando la tabla de diferencia dividida.
b) Como x = x0 + h.s , s > 0 , entonces
s=
x x0
,
h
donde x
punto
evaluar, x0 el primer nodo.

c) La frmula (2.22) se puede expresar de otra forma usando el siguiente
proceso:
equivale a
recuerde que:
(sk ) = k!(ss! k ) ! = s (s 1)(ks!(s 2)k...) (!s k ) !
(ks ) = s (s 1)(s 2k)!...(s k + 1)
lo cual
, esto se sustituye en (2.22) y se
obtiene :
Pn (s ) =
f [x0 , x1 ,..., xk ]k ! (ks )hk

n
k =0
()
, Rn ( s ) = f [x0 , x1 ,..., xn ] n ! ns h n +1
(2.23)
d) La frmula (2.22) tambin se puede expresar usando la notacin de las

diferencias progresivas :
f [x0 , x1 ] =
63
f [x1 ] f [x0 ] f ( x0 )
=
x1 x0
h
f [x 0 , x1 , x 2 ] =
f [x1 , x 2 ] f [x 0 , x1 ] f ( x1 ) f ( x 0 ) ( f ( x 0 ))
=
=
x2 x0
2h 2
2h 2
f [x0 , x1 , x2 ] =
1
2h
2 f ( x0 )
En general: f [x0 , x1 , ... , xk ] =
1 1 k
f ( x0 )
k ! hk
, lo cual se sustituye en (2.23)
obtenindose lo que se conoce con el nombre de Diferencias Progresivas de

Newton :
Pn (s ) =
( ks ) k f (x0 )
n
(2.24)
k =0
2.8.2. Si los nodos se ordena as xn , xn 1 , ... , x0 (en forma decreciente), el

polinomio de Newton es igual a:
Pn ( x ) = f [xn ] + f [xn , xn 1 ] ( x xn ) + f [xn , xn 1 , xn 2 ] ( x xn )( x xn 1 ) + ...
+ f [xn , ... , x0 ] ( x xn )( x xn 1 )...( x x1 )
(2.25)
S los nodos son equidistantes con el tamao de paso h entonces :

xi = x0 + h i , xn = x0 + n h , x = xn + h s ,
x xi = h (s + n i ) , i = 0,1,2,..., n
los cuales se sustituyen en (2.25) obtenindose:

Pn (s ) = f [x n ] + f [x n , x n 1 ] s h + f [x n , x n 1 , x n 2 ] h 2 s (s + 1) + ...
+ f [x n , ... , x 0 ] h s (s + 1) ... (s + n 1)
n
Rn ( s ) = f [xn +1,..., x0 ]h n +1 s (s + 1)...(s + n )
( Error asociado )
(2.26)
64
que se conoce como la frmula de diferencias divididas regresivas ( o hacia

atrs ) de Newton.
NOTAS:
a) las diferencias que aparecen en la frmula (2.26 ) quedan en la diagonal
inferior de la tabla de diferencias divididas.
b) Si ya has construido la tabla de diferencia dividida hacia delante no es

necesario construir la tabla de diferencia dividida hacia atrs. Se trabaja con la
primera y se toman los elementos de la diagonal inferior (trazadas de abajo
hacia arriba).
ALGORITMO : Frmula de diferencia dividida interpolante de Newton.
ENTRADA:
El valor de cada nodo: xi , i = 0,1,2,..., n .
El valor donde se requiere evaluar el polinomio: a.
El valor de cada f ( xi ) , i = 0,1,2,..., n . (El valor de estas

imgenes se almacenan en la primera columna de una
matriz Q de orden (n + 1) : Qi ,0 = f ( xi ) i = 0,1,2,..., n
SALIDA:
Los nmeros Qi ,i i = 0,1,2,..., n
( elementos de la
diagonal ) representan las diferencias divididas del

polinomio interpolante en los (n + 1) nodos.
-
Paso 1:
El valor del polinomio interpolante en x = a .
Para i = 1,2,..., n hacer:
Paso 2: Para j = 1,2,..., i calcule: Qi , j =
Qi , j 1 Qi 1, j 1
xi xi j
Paso 3:
Escribir Qi ,i , i = 0,1,2,..., n
Paso 4:
Evaluacin del polinomio interpolante en x = a :
P (a ) = Qi,i .Pi + Q0,0
i =1
65
i 1
donde: Pi = (a x j )
j =0
Escribir el valor de P (a )
Paso 5:
FIN
Detalles del paso 4: Para realizar el programa.

s0 = Q0,0 , P0 = 1 , Z 0 = 1
Para j = 1,2,..., n calcule:
Pj = Pj i a x j i ,
Z j = Pj
Escribir Z j , j = 0,1,2,..., n
Para k = 1,2,..., n
calcule: s k = s k 1 + Q k , k Zk
Escribir El valor del polinomio interpolante de Newton en x = ; es; sn

FIN.
Veamos una prueba del algoritmo:

s0 = Q0,0 , P0 = 1 , Z 0 = 1
j = 1 : P1 = P0 (a x0 ) P1 = 1(a x0 ) , Z1 = P1
j = 2 P2 = P1 (a x1 ) P2 = (a x0 )(a x1 ) , Z 2 = P2
En general:
j = n:
Pn = (a x 0 )(a x1)... (a x n 1) ,
k = 1:
S1 = S 0 + Q1,1Z1 S1 = Q0,0 + Q1,1 (a x0 )
Zn = Pn
k = 2:
S 2 = S1 + Q2, 2 Z 2 S 2 = Q0,0 + Q1,1 (a x0 ) + Q2, 2 (a x0 )( x x1 )
k = 3:
S3 = S 2 + Q3,3 Z 3
S3 = Q0,0 + Q1,1 (a x0 ) + Q2, 2 (a x0 )( x x1 ) + Q3,3 (a x0 )(a x1 )(a x2 )
En general: k = n : S n = Q0, 0 + Q1,1 (a x0 ) + ... + Qn,n (a x0 )( x x1 )... ( x xn 1 )
66
Ejemplo 2.6 Considere la siguiente tabla.

i
xi
2.0
2.2
2.4
2.6
2.8
f ( xi )
0.5103757
0.5207843
0.5104143 0.4813306 0.4359160
a) Construya la tabla de diferencias divididas:

xi
f( xi )
2.0
0.5103757
2.2
0.5207843
0.052043
2.4
0.5104143
-0.051850
-0.2597325
2.6
0.4813306
-0.145419
-0.2339225
2.8
0.4359160
-0.227073
-0.2041350
0.0430167
0.0496458
0.00828637
b) Halle el polinomio de Newton que ajuste los nodos de la tabla; luego selo
para aproximar f (2.5) :
P4 ( x ) = 0.5103757 + 0.052043 ( x 2 ) 0.2597325 ( x 2)( x 2.2 ) +
0.0430167 ( x 2)( x 2.2)( x 2.4) + 0.00828637 ( x 2)( x 2.2)( x 2.4)( x 2.6)
Luego: f( 2.5) P4 (2.5) = 0.4980011414

c) Repita usando la frmula de diferencias divididas progresivas con h = 0.2
P4 (S ) = 0.5103757 + 0.0104086 S 0.01038913 S (S 1)
+ 3.441336 10 4 S (S 1)(S 2) + 1.325826 10 5 S (S 1)(S 2)(S 3 )
Como x = 2.5 y h = 0.2 entonces S =
2.5 2
, de all que S = 2.5 , luego
0.2
P4 (2.5 ) = 0.4980702
d) Repita usando frmula regresiva : h = 0.2
67
P4 (S ) = 0.4359160 0.227073 S h 0.2041350 S (S + 1)h2

+ 0.0496458 S (S + 1)(S + 2)h3 + 0.00828637 S (S + 1)(S + 2)(S + 3 ) h 4
Como
x = x n + Sh S =
x xn
2.5 2.8
S=
= 1.5 ,
h
0.2
luego:
P4 ( 1.5 ) = 0.4980587 f (2.5 )
EJERCICIOS RESUELTOS 2.2

1. La siguiente tabla se obtuvo de f ( x ) = ln ( x ) :
f (x )
4/3
5/3
0.28768 0.51083 0.96315
a) Aproxime f (1.5) usando un polinomio de Newton de grado 3. Se deja al

lector que construya la tabla de diferencias divididas y luego compruebe que:
P3 ( x ) = 0 + 0.86304 ( x 1) 0.29039 ( x 1)( x 4 / 3 ) + 0.106660 ( x 1)( x 4 / 3 )( x 5 / 3 )
P3 (1.5) = 0.4058394 f (1.5)
f (1.5) = ln (1.5) = 0.4054651
Error relativo = 3.742919 10 4
Estimacin del error de truncamiento:

Como se conoce f se usa la frmula:
Rn ( x ) =
f (n +1) ( )
(x x0 )...( x xn ) entre x0 y xn
(n + 1) !
As: n = 3 , x = 1.5 , f (4 ) (x ) =
Rn (1.5) =
R n (1.5) =
6
,
x4
68
luego:
6
(1.5 1)(1.5 4 / 3)(1.5 5 / 3)(1.5 2)
4!
4
1.736111 10 3
Como 1 2 entonces
entre 1 y 2
1
1
4 1
16
Rn (1.5) 1.736111 10 3
Por lo que:
2. Sea la tabla de datos:
xi
0.1
0.2
0.4
0.7
1.0
1.2
1.3
f ( xi )
0.99750 0.99002 0.96040 0.88120 0.76520 0.67113 0.62009
a) Construya la tabla de diferencias divididas:
0.1
0.99750
0.2
0.99002 -0.07480
0.4
0.96040 -0.14810 -0.24433
0.7
0.88120 -0.26400 -0.23180 0.02088
1.0
0.76520 -0.38667 -0.20445 0.03418
0.01478
1.2
0.67113 -0.47035 -0.16736
0.04636
0.01218 -0.00236
1.3
0.62009 -0.51040 -0.13350
0.05643
0.01119 -0.00090 0.00122
69
b) Halle el polinomio interpolante de Newton que pasa por los nodos i = 0

hasta i = 5 . Estime el error.
Este polinomio es de grado 5 y los coeficientes del mismo son los que
aparecen subrayados en la tabla:
P5 ( x ) = 0.99750 0.07480( x 0.1) 0.24433 ( x 0.1)( x 0.2)
+ 0.02088( x 0.1)( x 0.2)( x 0.4) + 0.01478( x 0.1)( x 0.2)( x 0.4)( x 0.7 )
0.00236( x 0.1)( x 0.2 )( x 0.4)( x 0.7 )( x 1.0 )
El trmino error es:

R5 ( x ) = 0.00122 ( x 0.1)( x 0.2)( x 0.4 )( x 0.7 )( x 1)( x 1.2 )
El trmino 0.00122 es la diferencia de orden 6
(ltima columna de la tabla)
c) Aproxime f (0.3) usando P5 ( x ) , y estime el error : se sustituye x = 0.3 en P5

y en R5 obtenindose:
f (0.3) P5 (0.3) = 0.97762
y R5 (0.3) = 6.1488 107
d) Halle el polinomio de Newton que ajuste los nodos i = 2, 3 , 4 : este

polinomio es de orden 2:
P2 ( x ) = f [x2 ] + f [x2 , x3 ]( x x2 ) + f [x2 , x3 , x4 ]( x x2 )( x x3 )
Las diferencias f [x2 ] , f [x2 , x3 ] , f [x2 , x3 , x4 ] aparecen en negrillas en la

tabla de diferencias divididas :
P2 ( x ) = 0.96040 0.26400 ( x 0.4 ) 0.20445 ( x 0.4 )( x 0.7 )
(A)
Para el error de puede usar el nodo i = 5 o el i = 1 . S se usa el nodo

i = 5 se tiene:
R2 ( x ) = f [x2 , x3 , x4 , x5 ] ( x x2 )( x x3 )( x x4 ) , luego
R2 ( x ) = 0.04636 ( x 0.4 )( x 0.7 )( x 1)
70
donde 0.04636 es el
nmero
que aparece en la tabla , encerrado en el circulo.

e) Aproxime f (0.3) : f (0.3 ) P2 (0.3 ) = 0.978622 , R2 (0.3 ) = 1.29808 10 3
Si se usa el nodo i = 1 para estimar el error se tiene que:
R2 ( x ) = 0.03418 ( x 0.4 )( x 0.7 )( x 1)
(C)
f) Ordene los nodos x1 , x2 , x3 , x4 en forma decreciente y construya la tabla de

diferencias: observe que construir la tabla de esta manera equivale a leer la
tabla (2) de abajo hacia arriba. Luego P2(x )
es :
P2 ( x ) = 0.76520 0.38667 ( x 1) 0.20445 ( x 1)( x 0.7 )
(B)
R2 ( x ) = 0.03418 ( x 1)( x 0.7 )( x 0.4 )
Igual al (C)
( Desarrolle los polinomios (A) y (B) y compare ).
3. Dada la tabla:
i
xi
1.00
1.35
1.70
1.90
3.00
f ( xi )
0.00000
0.30010
0.53063
0.64185
1.09861
a) Construya la tabla de diferencia dividida : Se deja al lector

b) Aproxime f (1.5) mediante el polinomio de Newton de segundo grado.
Solucin ( b ) .
i)
Se pueden escoger los nodos as::
i = 0,1,2 :
P2 ( x ) = 0 + 0.85743 ( x 1) 0.28396 x 1( x 1.35)

P2 (1.5) = 0.40742
ii)
i = 1,2,3 :
P2 ( x ) = 0.30010 + 0.65866 ( x 1.35) 0.18647 ( x 1.35)( x 1.70)

f (1.5) P2 (1.5) = 0.40449
71
c) Estime el error en ambos casos :

i) R2 (1.5) = 0.10832 (1.5 1)(1.5 1.35)(1.5 1.70) o
R 2 (1.5 ) = 1.6248 10 3
ii) R2 ( x ) = 0.04735 ( x 1.35)( x 1.70)( x 1.90) o
R2 (1.5) = 5.682 10 3
d) Agregar el punto ( 3.2 , 1.73451) y complete la tabla.
4. Sea la tabla:
i
xi
0.25
0.50
0.75
1.00
fi
0.9162
0.8109
0.6931
0.5596
0.4055
a) Construya la tabla de diferencias divididas hacia adelante:

i
xi
f [xi ]
0.9162
0.25
0.8109
-0.4212
0.50
0.6931
-0.4712
-0.1
0.75
0.5596
-0.5340
-0.1256
-0.0341
1.00
-0.6164
-0.1648
-0.0523
0.4055
Orden 1
Orden 2
Orden 3
Orden 4
-0.0182
b) Escriba el polinomio de Newton que ajusta los datos i = 1,2,3 :

P2 ( x ) = 0.8109 0.4712 ( x 0.25) 0.1256 ( x 0.25) ( x 0.50) y
P2 (0.6) = 0.641584 . El error :

R2 (0.6) = 0.0523 (0.6 0.25)(0.6 0.50)(0.6 0.75) = 2.74575 10 4
c) Halle el polinomio de Newton usando diferencia progresiva: con los nodos

i = 1,2,3 se tiene que :
P2 (S ) = 0.8109 0.4712 h S 0.1256 h2 S (S 1) .
Para evaluar P2 en x = 0.6 se toma
S=
72
0.6 0.25
= 1.4 , luego
0.25
y R2 (1.4 ) = 0.0523 h3 S (S 1)(S 2) ,
P2 (1.4 ) = 0.641584
R2 (1.4 ) = 2.7457 10 4
d) Aproxime f en x = 0.6 usando diferencia regresiva con i = 2,3,4
xi
f [xi ]
1.00
0.4055
-0.6164
-0.1648
-0.0523
0.75
0.5596
-0.5340
-0.1256
-0.0341
0.50
0.6931
-0.4712
-0.1000
0.25
0.8109
-0.4212
0.9162
P (S ) = 0.4055 0.6164 h S 0.1648h 2 S (S + 1) ,
S=
-0.0182
0.6 1
= 1.6 ,
0.25
P(-1.6)=0.642172
5. La siguiente tabla proporciona las presiones P de vapor en lb / p lg 2 a

diferentes temperaturas para el 1 3 Butadieno.
I
T (F)
P
50
60
70
80
90
100
24.94
30.11
36.05
42.84
50.57
59.30
Se pide
a) Construir la tabla de diferencia dividida:
Orden 1
Orden 2
Orden 3
73
Orden 0
Orden 4
50
24.94
60
30.11
0.517
70
36.05
0.594
3.85x10-3
80
42.84
0.679
4.25x10-3
1.33x10-5
90
50.57
0.773
4.75x10-3
1.50x10-5
4.25x10-8
100
59.30
0.873
5.00x10-3
1.00x10-5
-1.25x10-7
Orden 5
-1.675x10-7
b) Usando el polinomio de Newton de grado 1 aproxime la presin a la

temperatura de 64F.
i) Usando los puntos i=0 y i=1:

P1 (T ) = 24.94 + 0.517 (T 50 ) P1 (64 ) = 32.178 ( Extrapolacin )
ii) Usando los puntos i=1 y i=2 :

P1 (T ) = 30.11 + 0.594 (T 60) P1 (64) = 32.486
c) Usando el polinomio de Newton de segundo grado aproxime la presin a la

temperatura 64F.
i) Usando los puntos i=0, 1, 2:
P2 (T ) = 24.94 + 0.517 (T 50) + 3.85 103 (T 50)(T 60) .
As
P2 (64) = 32.3936
ii) Repita el ejercicio, pero con los puntos i = 1, 2, 3. Cul de los dos
resultados es mejor? Por qu?
d) Estime el error en la aproximacin realizada en (c-i):

R2 (64) = 1.33 105 (64 50)(64 60)(64 70) ,
R2 (64) = 4.4688 103
e) Aproxime
P (64)
74
usando un polinomio de Newton de grado 5:
P5 (T ) = 24.94 + 0.517 (T 50 ) + 3.85 103 (T 50 )(T 60 )

+ 1.33 105 (T 50 )(T 60 )(T 70 ) + 4.25 108 (T 50 )(T 60 )
(T 70)(T 80) 1.675 107 (T 50)(T 60)(T 70)(T 80)(T 90)

P5 (64 ) = 32.391032
Luego:
6. Repita el ejercicio (5) usando diferencia progresiva.

i)
La tabla construida en el ejercicio (5) es la que se utiliza aqu.
ii)
Usando el polinomio de Newton de grado 1 con diferencia hacia

delante, aproxime la presin a la temperatura de 64F.
a) Usando los puntos i=0 y i=1:
P (S ) = 24.94 + 0.517 hS ,
S=
64 T0 64 50
=
S = 1.4 .
h
10
P (1.4 ) = 32.178
Luego:
b) Usando los puntos i=1 y i=2:

P (S ) = 30.11 + 0.594 hS ,
64 T1 64 60
=
S = 0.4 .
10
h
P (0.4 ) = 32.486
Luego:
c) Estime el error en (a):
iii)
S=
R (1.4 ) = 3.85 103 h 2 S (S 1) R (1.4) = 0.0924
Aproxime la presin cuando T=64F mediante un polinomio de
Newton de grado 2 con diferencia hacia delante. Estime el error:

Pn (S ) = f [x0 ] + f [x0 , x1 ] S h + f [x0 , x1 , x2 ] h 2 S (S 1)
P2 (S ) = 24.94 + 0.517 h S + 3.85 10 3 h 2 S (S 1)
Pero
S=
64 50
= 1.4 , luego
10
P2 (1.4) = 32.385 .
Estimacin del error:
75
R (1.4 ) = 1.33 105 h3 S (S 1)(S 2) ,

R (1.4 ) = 4.4688 10 3
7. Interpole el valor de la presin a una temperatura de 98F utilizando la

tabla de presiones del ejemplo (5), y polinomio de Newton con diferencia
regresiva.
i) Usando un polinomio de grado 1 con los puntos 4 y 5 se obtuvo :
P (S ) = 59.30 + 0.873 h S
, S=
98 100
= 0 . 2 ,
10
P ( 0.2) = 57.55
ii) Usando un polinomio de grado 2 se obtuvo :

P (S ) = 59.30 + 0.873 h S + 5 10 3 h2 S (S + 1) , S =
98 100
= 0.2
10
P ( 0.2) = 57.674
8. Determine
la calidad (si es saturado ) o la temperatura (si es
sobrecalentado) de la siguiente sustancia con las condiciones dadas :
a) Agua:
P: 6.8 MPa.
b) Agua:
V: 0.025 m3/Kg.
P: 8 MPa.
V: 0.040 m3/Kg.
donde P es la presin , V volumen , MPa significa Mega Pascal.
Solucin.
En del desarrollo de este
problema
se usan las siguientes
variables:
V:
Volumen especfico.
Vf : Volumen especfico del lquido saturado.

Vfg : Incremento del volumen especfico cuando el estado cambia de lquido
saturado a vapor saturado.
Vg : Volumen especifico del vapor saturado.
76
Se debe hacer uso de las tablas de vapor de agua, herramienta importante

para la resolucin de problemas termodinmicos. Igualmente se cumplen las
siguientes reglas:
A)
S V > Vg : la sustancia se encuentra como vapor sobre calentado, por
tanto se debe obtener el valor de temperatura, para las condiciones dadas en

el enunciado del problema.
B)
S V < Vg : la sustancia se encuentra en la zona de saturacin o de
mezcla, por lo que se debe hallar la calidad

X=
PARTE a:
Agua:
X con la frmula siguiente:
V Vf
Vfg
V: 0.025 m3/Kg.
P: 6.8 MPa.
Se debe usar la tabla de vapor de agua 2 : buscar a la presin P= 6.8 MPa

el Vg, cuyo valor es 28.27 x 10-3 m3/Kg. ; luego se compara con el volumen
V dado, y
se busca temperatura o calidad segn el caso. Como V < Vg se
halla calidad, para ello se necesitan los valores de las Vf y Vfg ( las cuales se
obtienen con la presin dada en la misma tabla ):
Vf = 0.0013448 m3/Kg.
Vfg = 0.0269252 m3/Kg.
Con estos valores se calcula la calidad:

X =
0.025m3 / kg 0.0013448m3 / kg
=0.878552434151
0.0269252m 3 / kg
As la calidad de la sustancia es X = 0.87858434151 es decir la calidad es

87.85%.
PARTE b:
Agua:
P: 8 MPa.
V: 0.840 m3/Kg.
Ir a la tabla de vapor de agua y buscar a la presin dada P=8 MPa el

valor de Vg el cual es Vg = 23.52 x 10-3 m3/Kg. Como V > Vg debemos hallar
77
la temperatura. Vamos a la tabla de vapor de agua, como vapor

sobrecalentado y se busca al volumen dado el valor de la temperatura. En la
tabla se observa lo siguiente:
T
450
0.03817
0.040
500
0.04175
Para hallar T usaremos interpolacin lineal de Lagrange:
V =
T 500
T 450
x 0.03817 +
x 0.04175
450 500
500 450
Se sustituye V=0.040 despejamos el valor de T:
T = 475.5 C
( Este ejercicio fue proporcionado por los Bres.
Zahyra Balza y Murua
Lautaro, estudiantes de Ingeniera Electrnica, UNEXPO-Puerto Ordaz )
9. Determinar la presin de saturacin y volumen especfico para una mezcla

de agua y vapor en estado saturado a una temperatura de 381F y una
calidad de 67%.
Solucin. Es necesario interpolar ya que la tabla de vapor no muestra la

presin a 381 F sino a 380 F y a 382 F. Hay
unidades : usando las siguientes relaciones :
1 Lb = 0.4535927 Kg
1 psi = 14.22 Kg/cm3
1 m3 = 35.31466672 ft3
Se obtiene que :
T1 = 380 F P1 = 195.6 psi = 13.752041Kgf / cm 2
que hacer conversin de
78
T2 = 382 F P2 = 200.33 psi = 14.084593Kgf / cm 2

V f1 = 0.018363 ft 3 / lbm
V f1 = 0.001146 m 3 / Kg
Vg1 = 2.339 ft 3 / lbm
Vg 2 = 2.286 ft 3 / lbm
V f 2 = 0.018389 ft 3 / lbm
V f 2 = 0.001148 m 3 / Kg
Vg1 = 0.146019 m 3 / Kg
Vg 2 = 0.14271 m 3 / Kg
Lo anterior se resume en la siguiente tabla:
T(F)
P(Kgf/cm2)
Vg ( m3kg)
Vf ( m3kg)
380
13.752041
0.146019
0.001146
382
14.084593
0.14271
0.001148
Se quiere hallar P para
T = 381 , para ello usaremos interpolacin
lineal de Lagrange con los datos
T(F)
P(Kgf/cm2)
380
13.752041
382
14.084593
Obtenindose
P = 13.91832 Kgf / cm2 ( Presin de saturacin, es
decir, presin a la temperatura de saturacin 381F ).
Para hallar el volumen especfico:

T=381F es necesario calcular
v = XV g + (1 X )V f
Vg ( volumen especfico a vapor saturado) y
V f ( volumen especfico a lquido saturado ). Recuerde que
calidad.
X representa la
Para calcular Vg y V f
79
se usa interpolacin lineal de Lagrange con
los datos:
T(F)
Vg ( m3kg)
Vf ( m3kg)
380
0.146019
0.001146
382
0.14271
0.001148
Obtenindose :
Vg = 0.144364 m3 / Kg ,
V f = 0.001147 m3 / Kg
v = 0.67 0.144364 m3 / Kg + (1 0.67 ) 0.001147 m3 / Kg de donde
Luego
v = 0.097102 m3 / Kg
10. Determinar la presin de saturacin y volumen especifico para una

mezcla de agua y vapor en estado saturado, a una temperatura de 211 F y
una calidad de 72%.
Solucin:
T = 211 F = 99.44 C
T1 = 95C V f = 0.001040 m 3 / Kg ; Vg = 1.982 m 3 / Kg

T2 = 100C V f = 0.001044 m 3 / Kg ; Vg = 1.6729 m 3 / Kg ,
P95C = 84.55 kPa
P100C = 0.10135 MPa = 101.35 kPa
Interpolando para obtener P99.44C
P99.44C =
P100 P95
(T99.44 T95 ) + P95
T100 T95
P99.44C =
80
101.35 kPa 84.55 KPa

(99.44 C 95 C ) + 84.55 kPa ,
100 C 95 C
P99.44C = 99.4684 kPa
Interpolando para obtener V f

Vf =
0.001044 m3 / Kg 0.001040m3 / Kg
(99.44C 95C ) + 0.00104o m3 / Kg
100C 95C
V f = 0.001043 m 3 / Kg
Interpolando para obtener Vg

1.6729 m 3 / Kg 1.982 m 3 / Kg
Vg =
(99.44C 95C ) + 1.982 m3 / Kg ,
100C 95C
Vg = 1.7075 m 3 / Kg
Ahora
v = 0.72 1.7075 m 3 / Kg + (1 0.72) 0.001043 m3 / Kg ,
v = 1.2297 m3 / Kg
EJERCICIOS PROPUESTOS 2.1

1)
a)
Escriba la interpolacin de Lagrange que pasa por los puntos
dados:
X
0.4
0.8
1.2
f(x)
1.0
1.491
2.225
3.320
81
Luego aproxime f en x = 0.2 , 0.6, 1.0.
Conociendo que f ( 4 )( 0.6 ) = 1.822 estime el error en x= 0.2, 0.6, 1.0.
b) Dado el hecho de que la tabla de datos se obtuvo de f(x) = e x , evale

el error de la frmula de interpolacin en x = 0.2, 0.6, 1.0
mediante
E(x) = e x - g (x) , donde g (x) es el polinomio de Lagrange.
2.
Aproxime y =
1+ x
1 + 2 x + 3x 2
para x [0,5] mediante la interpolacin de
Lagrange de orden 4, luego evale el error segn E(x) = y g(x), donde g (x)
es el polinomio de Lagrange. Aproxime y(2) y compare con el valor exacto.
3. Se mide la cada de voltaje V a travs de una resistencia para cierto

nmero de valores de la corriente i. Los resultados obtenidos son:
0.25
0.75
1.25
1.50
2.00
-0.23
-0.33
0.70
1.88
6.00
Estime la cada de voltaje para i= 0.9 y i= 2.1 usando:

a) El polinomio de Lagrange de grado 4
b) El polinomio de Newton de grado 4
c) Compare ambos resultados.
4. Sean los siguientes datos:
Xi
0.0
0.1
0.3
0.6
1.0
f(Xi)
-7.00000
-5.89483
-5.65014
-5.17788
-4.28172
82
a) Eligiendo adecuadamente los nodos, estime el valor de f(0.7) usando

polinomios de Lagrange y polinomios de Newton de grado 1, 2, 3.
b) Compare los resultados obtenidos con ambos polinomios.
5. Encuentre el polinomio de Lagrange y el polinomio de Newton que se

ajustan a los puntos 2, 3, 4 y 5 de la siguiente tabla:
XK
0.25
0.50
0.75
1.00
f(X K )
0.9162
0.8109
0.6931
0.5596
0.4055
6. Escriba una frmula de interpolacin lineal que aproxime
f(x)= sen (x),
con X 0, utilizando los valores en x = 0 y x =

. Grafique f(x) y el
4
4
polinomio interpolante, halle el error mximo de interpolacin y en que x se
produce .
7. Use los polinomios interpolantes de Lagrange de grados 1, 2, 3 , 4 para

aproximar:
a) f(2.5) sabiendo que:
Xi
2.2
2.4
2.6
2.8
f(Xi)
0.5103757
0.5207843
0.5104147
0.4813306
0.4359160
b) f(0) sabiendo que:
83
Xi
-0.3
-0.1
0.1
0.3
f(Xi)
-0.20431
-0.08993
0.11007
0.39569
8. Las densidades del sodio para tres temperaturas estn dadas por:
i (densidad) Kg/m 3
Ti
94c
929
205c
902
371c
860
Escriba una frmula de interpolacin de Lagrange que se ajuste a los

tres datos dados.
Despus halle si T = 251c.
9. La siguiente tabla muestra la poblacin de los Estados Unidos de Amrica

desde 1930 hasta 1980.
Ao
1930
Pobl. En 123,203
1940
1950
1960
1970
1980
131,669
150,697
179,323
203,212
226,505
Milla.
Encuentre el polinomio de Lagrange de grado 5 que ajusta estos datos,

y use este polinomio para estimar la poblacin en los aos 1920, 1965 y 2000.
10. Dados los datos:
Xi
0.5
1.0
1.5
2.0
2.5
f(Xi)
2.119
2.910
3.945
5.720
8.695
84
a) Calcule f(1.6) usando polinomios interpolantes de Newton de grado 1, 2 y

3. Escoja la secuencia de puntos adecuadas para lograr exactitud. Calcule el
error en cada caso.
b) Repita la parte (a) usando la frmula de diferencia dividida progresiva de
Newton.
11. Sea
F( x ) =
1
x
y sean
{ x0 , x1 ,...., xn } ( n + 1 )
puntos distintos.
Calcule:
i)
Las diferencias de orden cero, es decir : F [xi ] para i = 0,,n
ii) Las diferencias de orden uno, es decir : F [xi , xi +1] para i = 0,1,, n-1
iii) Las diferencias de orden dos, es decir: F [xi , xi +1 , xi + 2 ] para i = 0,1,, n-2
iv) En general : halle una frmula para la diferencia : F [x0 , x1 ,..., xn ]
2.9 INTERPOLACIN ITERADA DE NEVILLE.

Una desventaja de los polinomios de Lagrange es que no son muy
cmodos de usar, y si se aade un punto ms a la tabla, despus de haber
calculado un polinomio de Lagrange hay que rehacer los clculos. Este
inconveniente se subsana usando el mtodo de Neville: que es un proceso
iterativo de mucha utilidad para evaluar polinomios de Lagrange P(x ) en un
valor x = a .
Sea la tabla de valores:
85
n-2
n-1
xi
x0
x1
x2
x3
xn 2
xn 1
xn
f ( xi )
f ( x0 )
f ( x1 )
f ( x2 )
f ( x3 )
f ( xn 2 )
f ( xn 1 )
f ( xn )
Se quiere evaluar en x = a el polinomio de Lagrange de grado n que

interpola los datos de la tabla, usando el mtodo de Neville. Para ello se
construye la tabla siguiente:
xi
xi a
Pi = f ( xi )
x0
x0 a
P0 = f ( x0 )
x1
x1 a
P1 = f ( x1 )
P0,1
P2 = f ( x2 )
P1, 2
x2
x2 a
Pi , i + 1
x3
x3 a
P3 = f ( x3 )
P2,3
xn 2
xn 2 a
Pn 2 = f ( xn 2 )
xn 1
xn 1 a
Pn 1 = f ( xn 1 )
Pn 2, n 1
Pn = f ( xn )
Pn 1, n
n-2
n-1
n
xn
xn a
Pi ,i +1,i + 2
P0,1, 2
P1, 2,3
P0,1, 2,L,n =P(a)

M
Pn 2,n 1,n
Esquema 1
donde los polinomios evaluados en x=a se calculan as:

a) Polinomios de grado 1: Pi ,i +1 (usan los nodos x i , x i +1 , i = 0 ,1,2,3 L , n 1 )
Pi ,i +1 =
Pi
xi a
Pi +1
xi +1 a
xi +1 xi
b) Polinomios de grado 2:
Pi ( xi +1 a ) Pi +1 ( xi a )
xi +1 xi
86
Pi ,i +1,i + 2 (usan los nodos xi , xi +1 , xi + 2 , i = 0 , 1, 2 , 3 L , n 2 )
Pi ,i +1,i + 2 =
Pi ,i +1
xi a
Pi +1,i + 2
xi + 2 a
donde Pi ,i +1, se obtiene como se indica en (a).
xi + 2 x i
c) Polinomios de grado 3:
Pi ,i +1,i + 2 ,i + 3 (usan los nodos x i , x i +1 , x i + 2 , x i +3 , i = 0,1,2,3 L , n 3 )
Pi ,i +1,i + 2.i + 3 =
Finalmente:
P0 ,1,L,n 1n ,n =
Pi +1,i + 2
xi a
Pi +1,i + 2.i + 3
xi + 3 a
P0 ,1,L,n 1
P1,2 ,L,n
xi + 3 xi
x0 a
xn a
x n x0
= P(a ) f ( a )
La forma ms cmoda de trabajar es construyendo una tabla. Se ilustra el

proceso con 4 nodos:
xi
xi a
Pi = f ( xi )
x0
x0 a
P0 = f0
x1
x1 a
P1 = f1
P1 = f1
x2
x2 a
P2 = f2
P2 = f2
x3
x3 a
P3 = f3
Pi ,i +1,i + 2
Pi ,i+1
P0,1 =
P0 ( x1 a) P1( x0 a)
x1 x0
P1,2 =
P1( x2 a) P2 ( x1 a)
x2 x1
P2,3 =
P2 ( x3 a) P3( x2 a)
x3 x2
P0,1,2 =
P1,2,3 =
P0,1( x2 a) P1,2( x0 a)
x2 x0
P1,2( x3 a) P2,3( x1 a)
x3 x1
P0 ,1,2 ,3 =
Finalmente:
87
P0 ,1,2 ( x3 a ) P1,2 ,3 ( x0 a )
= f (a )
x3 x0
El polinomio de orden K se calcula usando dos polinomios de orden (k-1).
Ejemplo 2.7. Considere la siguiente tabla de valores:

xi
2.2
2.4
2.6
2.8
f ( xi )
0.5103757
0.5207843
0.5104147
0.4813306
0.4359160
Aproxime f (2.5) usando el mtodo de Neville.
Solucin:
Construir la tabla:
xi
xi 2.5
f (x i )
2.0
-0.5
0.5103757
2.2
-0.3
0.5207843
0.5363972
2.4
-0.1
0.5104147
0.5052299
0.497438075
2.6
0.1
0.4813306
0.49587265
0.4982119625
0.49806829831
2.8
0.3
0.4359160
0.5040379
0.4979139625
0.4980629625
0.4980704685
f (2.5 ) 0.498070468
De all que
Compare este resultado con el obtenido en el ejemplo 2.6
Ejemplo 2.9 Aplique el mtodo de Neville para aproximar
3 con la funcin
f ( x ) = 3 x considerando los nodos que a continuacin se dan :

x0 = 2,
x1 = 1,
x 2 = 0,
x3 = 1,
x4 = 2 .
Solucin:
Se quiere aproximar
88
3 usando f ( x ) = 3 x , es decir, hay que
aproximar f (0.5) . A continuacin se presentan las aproximaciones obtenidas

usando el esquema 1.
xi
xi 2.5
f ( xi )
-2
-2.5
0.111111
-1
-1.5
0.333333
0.666666
-0.5
1.333333
1.500000
0.5
1.833333
1.777777
1.5
1.500000
1.666666
As, el valor aproximado de

exacto de
3 es:
1.708338
3 es 1.7083338, mientras que el valor
1.732050808.
Ejemplo 2.10. Use el mtodo de Neville para aproximar f (0.78) donde la

funcin f se define mediante f ( x ) = x 2 e x cos( x ) , tomando los nodos siguientes:
x0 = 1, x1 = 0.9, x2 = 0.8 , x3 = 0.7, x 4 = 0.6 .
Solucin: Aplicando el esquema 1:
xi
xi -0.78
f (xi ) = Pi
-1
-1.78
0.19876611
-0.9
-1.68
0.2047094
0.3045580945
-0.8
-1.58
0.20035232
0.1315092325
-1.2355765
-0.7
-1.48
0.18610660
-0.0247300786
-1.1809009
-.911168224
-0.6
-1.38
0-16306336
-0.1543333051
1.053335
-.466534663
1.06745112
89
De all que: f (0.78) = 1.06745112 . El valor que arroja la calculadora es:

0.9435299404.
ALGORITMO DE INTERPOLACIN ITERADA DE NEVILLE.

Para evaluar en el punto x el polinomio interpolante P en los (n + 1) nodos
x0 , L , xn .
x0 , L , xn ; los valores
ENTRADA: Nodos
f ( x0 ), f ( x1 ) ,L, f ( xn )
( se
almacenan como la primera columna Q0,0 , Q1,0 , L, Qn ,0 de una

matriz Q.
SALIDA:
La tabla Q con P( x ) = Qn,n ( valor buscado )
Paso 1:
Para i = 1,2,L , n
Para j = 1,2,L , i
Paso 2:
calcular
Qi , j =
(x x )Q
i j
i , j 1
( x xi )Qi 1, j 1
xi xi j
SALIDA (Q)
FIN
Este algoritmo se puede modificar de la siguiente manera : introducir

el criterio de paro
Qi ,i Qi 1, i 1 < donde es la tolerancia del error : si la
desigualdad es cierta, entonces Qi ,i es una aproximacin de f ( x ) y fn ; si la

desigualdad es falsa, entonces se aade un nuevo
continuar.
nodo
xi +1 a la tabla y
90
EJERCICIOS PROPUESTOS
1. a) Use el mtodo de Neville para aproximar f (1.03) con P0,1, 2 para la
funcin f (x ) = 3xe x e 2 x usando x0 = 1, x1 = 1.05 y x2 = 1.07 .
b) Suponga que la aproximacin de (a) no es lo suficientemente exacta y
calcule P0,1, 2,3 donde x4 = 1.04 .
2. Repita el ejercicio anterior usando aritmtica de cuatro dgitos. Compare.
3. Considere los siguientes datos:
i
Xi
0.25
0.50
0.75
1.0
F(Xi)
.9162
0.8109
0.6931
.5596
.4055
Aproxime F(0.38) usando Interpolacin iterada de Neville.
2.10 INTERPOLACIN INVERSA.

Considere la tabla de valores:
xi
f ( xi )
x0
f ( x0 )
x1
f ( x1 )
L
L
xn
f ( xn )
Se quiere hallar x tal que f ( x ) = a , con a dado: para ello se puede hallar el
polinomio Pn ( x ) que interpola los datos de la tabla, y luego se resuelve la
ecuacin Pn ( x ) = a . Pero este trabajo resulta un poco complicado ya que
algunas veces se requieren de mtodos numricos para resolver la ecuacin
resultante. Afortunadamente, el mtodo de Neville se puede adaptar para
realizar interpolacin iterada inversa, para ello se requiere que f 1 exista,
f, f`
existan, f ( x ) 0 en el intervalo de interpolacin. Para aplicar el
91
mtodo de Neville se intercambian los papeles de los xi y los f ( xi ) , el

esquema 1 se transforma en:
yi
yi y
f ( yi )
y0
y0 y
f ( y0 )
y1
y1 y
f ( y1 )
P0,1
y2
y2 y
f ( y2 )
P1, 2
yn 1
yn 1 y
f ( yn 1 )
yn
yn y
f ( yn )
Pn 1,n
P012...n ( valor de x)
Esquema 2
Ejemplo 2.11 Use interpolacin inversa para encontrar una aproximacin a la
solucin de x e x = 0 , usando:
0.3
x
e x
Solucin:
0.4
0.5
0.740818 0.670320 0.606531
0.6
0.548812
Sea y = f ( x ) = x e x = 0 .
se quiere hallar x tal que f ( x ) = 0 , para ello se aplica el mtodo de Neville con
el esquema 2:
xi
yi = f ( xi )
y yi
xi = f 1 ( yi )
0.3
-0.440818
0.440818
0.3
0.4
-0.27032
0.27032
0.4
0.5585473143
0.5
-0.106531
0.106231
0.5
0.5650416048
0.567111217
0.6
0.051188
0.051188
0.6
0.56754481
0.567146269
EL valor 0.567142622 es la solucin de la ecuacin x e x = 0 .
0.567142622
92
Ejemplo 2.12 Considere la tabla:
f (x )
0.5
0.8
0.9
La cual se obtuvo de f ( x ) =
0.941176 0.961538
x2
. Resuelva la ecuacin f ( x ) = 0.93 , en
1+ x2
forma:
a) Exacta.
b) Usando interpolacin inversa.
Solucin:
a) Para calcular el valor exacto se resuelve la ecuacin
que
x = 3.6449573 . (Se toma el valor positivo)
b) Usando interpolacin iterada inversa:
xi
yi=f(xi)
y yi
f -1(yi)
x2
= 0.93 de all
1+ x2

Capítulo 2. INTERPOLACION

Cargado por

Copyright:

Formatos disponibles

Capítulo 2. INTERPOLACION

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capítulo 2. INTERPOLACION

Cargado por

Copyright:

Formatos disponibles

Captulo 2 Interpolacin Polinomial

Lic. Elizabeth Vargas

Captulo 2 Interpolacin Polinomial

Lic. Elizabeth Vargas

Dificultades que se presentan al evaluar u operar con funciones: por

dx no se puede calcular por los mtodos analticos ya conocidos.

Frecuentemente sucede que la informacin respecto a una funcin f

La tcnica ms frecuente empleada para encontrar la funcin

como una combinacin lineal de funciones

pertenecientes a una clase de funciones elementales:

ai son constantes reales por determinar

es una familia de funciones.

S la familia de funciones {g i ( x )} es:

Captulo 2 Interpolacin Polinomial

{1 , sen (kx ) , cos (kx ) }nk =0 :

Lic. Elizabeth Vargas

g ( x ) = a 0 1 + ( a k sen (kx ) + bk cos (kx ) )

iv) Aproximacin Racional.

Existen criterios muy diversos para aproximar funciones:

Unas veces se exige que la funcin

aproximante g coincida con la

funcin f en un determinado conjunto de puntos ( lo cual se conoce como

Otros mtodos exigen que la diferencia entre g ( x ) y f ( x ) sea lo ms

pequeo posible. ( Mnimos cuadrados ).

Se quiere hallar una funcin g tal que:

Captulo 2 Interpolacin Polinomial

Lic. Elizabeth Vargas

a la funcin g se le llama funcin interpolante, la

, i = 0,1,..., n . Geomtricamente esto

Aproximar los valores de f en algn punto no tabulado x* entre x0 y xn .

ii) Conociendo el valor de f x* , hallar x* (interpolacin inversa), es decir

iii) Aproximar f fuera del intervalo de interpolacin (extrapolar): no es

fuera del intervalo de interpolacin.

Las frmulas de interpolacin se pueden usar para extrapolar, pero hay

Los datos obtenidos mediante medicin pueden interpolarse, pero en

Captulo 2 Interpolacin Polinomial

Lic. Elizabeth Vargas

a los errores aleatorios implicados en la medicin. En estos casos se

facilidad de manejo y adems porque aproximan uniformemente funciones

Teorema 2.1 Teorema de Weirstrass.

Este teorema garantiza la existencia del polinomio, pero no es til en la

imgenes; nos preguntamos existe un polinomio que coincida con f en

respuesta a estas preguntas es

afirmativa, y se demuestra en el siguiente teorema.

Teorema 2.2. Sean

puntos distintos. Existe

el polinomio interpolante, el cual satisface:

a 0 + a1 xi + a 2 xi2 + ... + a n 1 xin 1 + a n xin = f ( xi )

Captulo 2 Interpolacin Polinomial

Lic. Elizabeth Vargas

para i = 0,1,2,3..., n . Esto representa un sistema de

ai , i = 0,1,2,..., n . La matriz asociada a este sistema es:

Se debe probar que det A 0 : el determinante de la matriz A es el tipo

Es decir, es el producto de todos los factores que se pueden construir de

i < j , y como xi x j entonces ( xi-xj) es distinto de cero, por

llama polinomio interpolante. Emplear el proceso anterior para hallar el

polinomio de Lagrange, polinomios

polinomios de Hermite, interpolacin iterada de Neville, interpolacin Spline ,

Captulo 2 Interpolacin Polinomial