Semestral Métodos

Universidad Tecnológica de Panamá
Centro Regional de Azuero

Facultad de Ingeniería Industrial
Licenciatura en Ingeniería Industrial
Proyecto
Tema:
Interpolación Numérica
Asignatura:
Métodos Numéricos
Facilitadora:
Mariluz Centella
Elaborador por:
Daniela Barrera 8-946-1271
Lía Gómez 6-723-130
Guadalupe Gutiérrez 7-714-1326
Markelys Vargas 7-712-426
Melvin Moreno 6-721-2418
Fecha
5-12-2019
Introducción
Un problema que se presenta con frecuencia en las ciencias experimentales y en ingeniería es
tratar de construir una función (denominada “función interpolante”) de la que se conoce una
serie de datos (denominados “datos de interpolación”). Estos datos pueden ser fruto de las
observaciones realizadas en un determinado experimento en el que se relacionan dos o más
variables e involucran valores de una función y/o de sus derivadas. El objetivo será
determinar una función que verifique estos datos y que además sea fácil de construir y
manipular. Por su sencillez y operatividad los polinomios se usan frecuentemente como
funciones interpolantes.
“Dados n + 1 puntos en el plano:
(x0, y0),(x1, y1), . . .(xn+1, yn+1)
con xi 6= xj si i 6= j; existe un único polinomio de grado n, pn(x) tal
que pn(xi) = yi para i = 1, . . . , n + 1”
Muchas veces, una función viene dada por una tabla de valores
(obtenidos experimentalmente) aunque se pueda conocer de antemano que se trata de una
función con buenas propiedades de derivabilidad, etc. En estos casos se pueden usar los
polinomios interpoladores
para tener aproximaciones de los valores de la función en puntos no recogidos en esas tablas.
Interpolación Numérica
 Lagrange
El método de Lagrange consiste en que, conociendo una cierta cantidad de datos tabulados, se
pueda encontrar una función que verifique todos esos datos y permita predecir la existencia
de otros valores aproximados; a esta función se le conoce como polinomio interpolador de
Lagrange.
El polinomio de interpolación de Lagrange, es una reformulación del polinomio de Newton
que evita los cálculos de las diferencias divididas.
Para construir los polinomios de Lagrange se empieza con un conjunto de n + 1 puntos
conocidos en el plano que tengan diferentes coordenadas x.
El objetivo de este método es encontrar una función polinómica que pase por esos n + 1
puntos y que permite determinar valores intermedios entre esos puntos o la aproximación de
nuevos puntos.
 Un polinomio de interpolación de Lagrange, P, se define en la forma:
(1)
f x y l l ,l
En este caso ( i ) representa a las n y la i representa a las 0 1 , … ,l n los cuales son
polinomios que dependen de 0 1x , x ,… , x n .
 La fórmula general del polinomio l i (multiplicadores o coeficientes de Lagrange) es:
(2)
La forma de Lagrange es sencilla y se comprueba con facilidad que es un polinomio de

interpolación y su grado. Pero para conocer los coeficientes del polinomio hay que
simplificar los términos. Otra característica de esta forma de encontrar el polinomio es que si
añadimos o quitamos puntos hay que recalcularlo nuevamente.
Procedimiento para resolver por el método de Lagrange:
 Pasos:
1. Definir de que grado es el polinomio restando n-1, en donde n es la cantidad de datos

que se tengan.
2. Determinar los multiplicadores o coeficientes de Lagrange mediante la ecuación (2).
3. Calcular el polinomio interpolador de Lagrange multiplicando los coeficientes con sus

respectivas y n y sumarlos. Se utiliza la ecuación (1).
Problema propuesto
En un almacén de venta de calzados, en el año 2018, durante los primeros 3 meses se anotó
la cantidad de personas que entraban a la tienda para tener un chequeo de cuantas compraban
y cuantas no; por motivos ajenos se dejó de llevar el control y ahora el gerente quiere saber el
aproximado de cuantas personas entraron a la tienda los meses siguientes. El registro de los 3
primeros meses es el siguiente:
X (meses) Y (cantidad de personas por

x0 mes) y0
x1 1 y1
200
x2 2 305 y2
a) 3 420 Determine la
ecuación
polinómica
necesaria para calcular la cantidad aproximada de personas que entraron al almacén
en los siguientes meses.
b) ¿Qué cantidad de personas entraron en el cuarto mes?
 SOLUCIÓN:
( x−x 1)(x−x 2 )
l0 ( x ) =
(x ¿ ¿ 0−x 1)( x ¿ ¿ 0−x2 )¿¿
(x−2)( x−3)
l0 ( x ) =
(1−2)(1−3)
(x−2)( x−3)
l0 ( x ) =
2
( x−x 0 )(x−x 2)
l 1 ( x )=
( x ¿ ¿ 1−x 0 )( x ¿ ¿1−x 2) ¿ ¿
( x −1)(x−3)
l 1 ( x )=
(2−1)(2−3)
( x −1)(x−3)
l 1 ( x )=
−1
( x−x 0 )(x−x 1)
l 2 ( x )=
( x ¿ ¿ 2−x0 )( x ¿ ¿ 2−x 1) ¿ ¿
( x−1)(x−2)
l 2 ( x )=
(3−1)(3−2)
( x−1)(x−2)
l 2 ( x )=
2
a ¿Calcule el Polinomio interpolador:
P ( x ) = y 0 l 0 (x )+ y 1 l 1 ( x)+ y 2 l 2(x )
( x−2 )( x−3 ) ( x−1 ) ( x−3 ) ( x−1 ) ( x−2 )

P ( x) = ( 200 )+ ( 305 )+ ( 420)
2 −1 2
P ( x) = ( 12 x − 52 x +3)( 200 )+(−x + 4 x−3) ( 305 ) +( 12 x − 32 x+1) ( 420)

2 2 2
P ( x ) =100 x 2−500 x +600−305 x 2 +1220 x−915+210 x 2−630 x+ 420
a ¿ P ( x ) =5 x 2 +90 x +105
b ¿ Calcule la cantidad de personas que entraron a la tienda en el mes 4:
P ( 4 )=5( 4)2 +90 ( 4 ) +105

P ( 4 )=¿ 545 personas
Este formulario presenta el método de Lagrange, en el cual se ingresan los valores iniciales
de X y Y, con estos se calcula el Polinomio interpolador de Lagrange; y para calcular un dato
exacto, se ingresa el número del mes que se quiera obtener la respuesta y este lo imprime.
Además, se presenta la gráfica de los datos en Excel directamente.
Código de fuente
 Código de Fuente:
Private Sub CommandButton2_Click()
Dim x0, xi, xj, l0, l1, l2, y0, yi, yj, pi, pj, p1, M, px As Double
x0 = Val(txtx0.Text)
xi = Val(txtxi.Text)
xj = Val(txtxj.Text)
y0 = Val(txty0.Text)
yi = Val(txtyi.Text)
yj = Val(txtyj.Text)
M = Val(txtm.Text)
px = (1 / ((x0 - xi) * (x0 - xj))) * y0 + (1 / ((xi - x0) * (xi - xj))) *
yi + (1 / ((xj - x0) * (xj - xi))) * yj
pi = ((-xj - xi) / ((x0 - xi) * (x0 - xj))) * y0 + ((-xj - x0) / ((xi -
x0) * (xi - xj))) * yi + ((-xi - x0) / ((xj - x0) * (xj - xi))) * yj
pj = ((xi * xj) / ((x0 - xi) * (x0 - xj))) * y0 + ((x0 * xj) / ((xi - x0)
* (xi - xj))) * yi + ((x0 * xi) / ((xj - x0) * (xj - xi))) * yj
p1 = px * M ^ 2 + pi * M + pj
txtpx = px
txtpi = pi
txtpj = pj
txtp1 = p1
Range("A3") = x0
Range("A4") = xi
Range("A5") = xj
Range("B3") = y0
Range("B4") = yi
Range("B5") = yj
End Sub
 Método de Newton por diferencias Divididas
La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos los
valores en los extremos.
El problema general de la interpolación se nos presenta cuando nos dan una función de la
cual solo conocemos una serie de puntos de la misma:
(xo, yo), (x1, y1),........., (xn, yn)
Se pide hallar el valor de un punto x (intermedio de x0 y xn) de esta función.
La interpolación se dirá lineal cuando sólo se tomen dos puntos y cuadrática cuando se tomen
tres.
La manera más conocida para calcular la representación de Newton del polinomio

interpolante, está basada en el método de diferencias divididas. Una gran ventaja sobre la
forma clásica del método de Lagrange es que podemos agregar más nodos a la tabla de datos
y obtener el polinomio interpolante sin tener que recalcular todo. Comparado con la forma
modificada de Lagrange, no hay ganancia y más bien esta última forma es más estable. Aun
así, el método de diferencias divididas tiene aplicaciones adicionales en otros contextos.
Podemos calcular las usando el hecho de que P (xi) = y
Si yk= f (xk), la fórmula anterior nos muestra que cada ak depende de x0, x1,… xk. Desde
muchos años atrás se usa la notación ak= f [ x0, x1,…, xk] para significar esta dependencia.
Al símbolo f [ x0, x1,…, xn] se le llama diferencia divida de f . Usando esta nueva notación
tendríamos que la forma de Newton del polinomio interpolante es
donde f [ x0 ] = y0 y f [ x0,…, xi] es el coeficiente principal de la forma de Newton del

polinomio que interpola la función f en los nodos x0, x1,…, xi.
Si consideramos al coeficiente f [ x0,…, xn] como una función de n + 1 variables, entonces
esta función es simétrica, es decir, permutar las variables de cualquier manera no afecta el
valor de la función. Esto es así porque el polinomio que interpola los puntos {(xi, yi)}i=0,…,n
es único, por lo tanto sin importar el orden en que vengan los puntos, el
coeficiente principal siempre es an = f [ x0,…, xn].
¿Qué es f [ xk,xk+1,…, xk+j]? . Es el coeficiente principal de la forma de Newton del polinomio
que interpola una función f en los nodos xk, xk+1,…, xk+j. Por ejemplo, si tenemos n + 1 datos
(x0, y0), (x1, y1), …, (xn, yn), el polinomio que interpola (x3, y3), (x4, y4) sería
El nombre “diferencia divida” viene del hecho de que cada f [xk,xk+1,…, xk+j] se puede
expresar como un cociente de diferencias.
Interpolación Lineal
La interpolación lineal es un caso particular de la interpolación general de Newton.
Con el polinomio de interpolación de Newton se logra aproximar un valor de la función f(x)
en un valor desconocido de x. El caso particular, para que una interpolación sea lineal es en el
que se utiliza un polinomio de interpolación de grado 1, que se ajusta a los valores en los
puntos X1 y X0. Se denota de la siguiente manera:
f ( x 2 )−f ( x 1)
f ( x 1; x 2 )=f ( x 1 )+
(x 2−x 1)
Pasos para resolver una interpolación:

1°. Dados los puntos de la función (x1, y1) y (x2, y2), queremos estimar el valor de la
función en un punto x en el intervalo x1<x<x2.
2º. Para hallar la recta de interpolación nos fijaremos en la siguiente imagen.
Para ello utilizamos la semejanza de los triángulos ABD y CAE, obteniendo la siguiente
proporcionalidad de segmentos: AB/AC=BD/CE.
3º. Despejando el segmento BD (ya que el punto D es el que desconocemos) obtenemos:
BD=(AB/AC)∙CE. Traduciendo al lenguaje algebraico obtenemos que:
Y despejando y, obtenemos:
A misma expresión que se obtiene al utilizar el polinomio interpolador de Newton que ya

habíamos comentado. Recordar que y1=f(x1) y análogamente y2=f(x2).
Problema Propuesto
En la empresa Varela Hrns. S.A. tienen tanques industriales con capacidad de 120 galones; en
uno de los tanques que tienen a su disposición se encuentra lleno de guarapo de caña para la
elaboración de su producto premium el Seco.
Se dan cuenta que se está vaciando rápidamente viendo que a una hora tienen 94 galones, a
las dos horas, 75 galones; y a las tres horas, 62 galones;
Desean saber cuántos galones tenían a las dos horas y media (3.5) para al siguiente día
detenerlo a dicho tiempo y lo que queda guardarlo.
X F(X)
1 120
2 94
3 75
4 62
Al ser una ecuación lineal, para resolver este problema nos enfocamos en los puntos que se
encuentran al límite mayor y el menor del punto que queremos buscar. En este caso el 3.5
X F(x)
3 75
3.5 ?
4 62
Aplicando la ecuación matemática para encontrar la interpolación lineal:
Reemplazando las “y” por los valores de f(x)

Obtenemos que:
3.5−3
f ( x )=75+ ( 62−75 )
4−3
f ( x )=68.5
Luego si queremos saber el error que proporciona esta ecuación debemos utilizar la fórmula
de la recta y=mx+b
y 2− y 1 62−75
m= = =−13
x 2−x 1 4−3
y=−13 x +b
Reemplazamos X y Y con cualquiera de los puntos que tiene la recta

62=−13 ( 4 ) +b
b=114
y=−13 x +114
Con encontrada la ecuación de la recta ya podemos calcular el error de una forma eficiente
ε =b−a=4−3=1
f ( x )=−13 x +114
f ( ε )=−13 ( 1 ) +114
f ( ε )=101
Ex= |−1
12 |
( f ( ε ) ) ( ε )3
Ex= |−1
12
(101)(1) ³ |
Ex=8,42 %
Observación: Para calcular el error en este tipo de problemas se utiliza la ecuación de

Taylor, más sin embargo para el problema en cuestión que estamos resolviendo no se pudo
utilizar puesto que la ecuación no tenía valores exponenciales o trigonométricos de Sen y
Cos; por ende, se utilizó la ecuación de error trapezoidal que se asemeja más para la
resolución de problemas lineales.
En este formulario de Interpolación lineal copiamos los valores de los galones y de las horas
para así poniendo un valor medio en la recta encontrar el valor correspondiente en galones.
Código de Fuente:
Dim H1, H2, G1, G2, X, GA, Ex, M, B, FX As Double
H1 = Val(txtH1.Text)
H2 = Val(txtH2.Text)
G1 = Val(txtG1.Text)
G2 = Val(txtG2.Text)
X = Val(txtX.Text)
GA = Val(txtGA.Text)
Ex = Val(txtEx.Text)
GA = (G1) + ((G2 - G1) * ((X - H1) / (H2 - H1)))

M = (G2 - G1) / (H2 - H1)
B = G2 - (M * H2)
E = H2 - H1
FX = (M * E) + B
Ex = (1 / 12) * (FX) * (E) * (E) * (E)
txtH1.Text = H1
txtH2.Text = H2
txtG1.Text = G1
txtG2.Text = G2
txtX.Text = X
txtGA.Text = GA
txtEx.Text = Ex
End Sub
Interpolación Cuadrática
La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos los

valores en los extremos. El problema general de la interpolación se nos presenta cuando nos
dan una función de la cual solo conocemos una serie de puntos de la misma: (xo, yo), (x1, y1),
………, (xn, yn) Se pide hallar el valor de un punto x (intermedio de x0 y xn) de esta función.
La interpolación se dirá cuadrática cuando se tomen tres puntos. Fórmulas de la interpolación
cuadrática:
f ( x )=b0 +b1 ( x−x 0 ) +b2 (x −x0 )( x−x 1) (1)
Un procedimiento simple puede usarse para determinar los valores de los coeficientes. Para
encontrar b0, en la ecuación se evalúa con x = x0 para obtener
b 0=f ( x 0) (2)
La ecuación b 0se sustituye en f 2 ( x ) (1), después se evalúa en x=x 1 para tener
f ( x1 ) −f ( x 0)
b 1= (3)
x 1−x 0
Por último, las ecuaciones (2) y (3) se sustituye en la (1), después se evalúa en x=x 2 y se
resuelve para
f ( x 2 )−f (x 1 ) f ( x 1 ) −f (x 0 )
−
x 2−x 1 x 1−x 0 (4)
b 2=
x 2−x 0
Observe que, como en el caso de la interpolación lineal, b 1 todavía representa la pendiente de

la línea que une los puntos x 0 y x 1. El último término, b 2( x −x0 )( x−x 1), determina la
curvatura de segundo grado en la fórmula.
Errores de la Interpolación Polinomial Cuadrática de Newton:
Para calcular el error en la Interpolación Polinomial Cuadrática de Newton se presenta la
Serie de Taylor la cual es:
n +1
f (ξ )
Rn = ¿
( n+1 ) !
Donde ξ está en alguna parte del intervalo de x i a xi+1. Para un polinomio de interpolación de
n-ésimo grado, una expresión análoga para el error es:
f n +1 ( ξ )
Rn = ( x−x 0 )( x−x 1) … ( x−x n)
( n+1 ) !
Donde ξ está en alguna parte del intervalo que contiene la incógnita y los datos. Para que está
fórmula sea útil, la función en turno debe ser conocida y diferenciable. Por lo común éste no
es el caso. Por fortuna, hay una formulación alternativa que no requiere del conocimiento
previo de la función. Utilizándose una diferencia dividida finita para aproximar la (n+1)-
ésima derivada,
Rn =f [ x n+1 , x n , xn−1 , … x0 ] ( x−x 0 ) ( x−x 1 ) …( x−x n)
Donde f [ x n+ 1 , x n , x n−1 , … x 0 ] es la (n+1)-ésima diferencia dividida finita. Debido a que esta

ecuación contiene la incógnita f (x), no permite calcular el error. Sin embargo, si se tiene un
dato más f ( x n +1 ), la ecuación anterior puede usarse para estimar el error como sigue:
Rn ≅ f [ x n +1 , x n , x n−1 , … x 0 ] ( x−x 0 )( x −x1 ) …( x −xn )
Algoritmo del método:

 Se sustituyen los valores dados en la tabla en las siguientes incógnitas b 0, b1 y b2, y se
llega al resultado de estas:
b 0=f ( x 0)
f ( x1 ) −f ( x 0)
b 1=
x 1−x 0
f ( x 2 )−f (x 1 ) f ( x 1 ) −f (x 0 )
−
x 2−x 1 x 1−x 0
b 2=
x 2−x 0
 Teniendo el resultado de las incógnitas podemos establecer la fórmula de manera que

pueda estar lista para conocer el valor en cualquier punto.
f ( x )=b0 +b1 ( x−x 0 ) +b2 (x −x0 )( x−x 1)
 Luego se reemplaza la x, la cual es nuestra cantidad de horas en el problema y se

encontrará f ( x ).
 Se buscará el error de dicho problema, el cual lleva un procedimiento bastante extenso
al momento de hacer las operaciones matemáticas.
 Rn ≅ f [ x n +1 , x n , x n−1 , … x 0 ] ( x−x 0 )( x −x1 ) …( x −xn )
Situación Problema
En un laboratorio se está realizando un experimento para elaborar un nuevo medicamento que

controle la gastritis, debido a esto se producirá un cultivo de bacterias para encontrar una
molécula apta para que dicho medicamento sea efectivo. El experimento dice que, a la hora
del cultivo ha aumentado su volumen a 10 bacterias por unidad, a las 4 horas de estar el
cultivo se encuentra un volumen de 25 bacterias por unidad y a las 6 horas hay un volumen
de 70 bacterias por unidad. Se desea saber cuál es el volumen de bacterias para el tiempo
estimado de 5 horas:
Horas (X) 1 4 6
Volumen de bacterias 10 25 70
f(x)
Dados los puntos (1,10), (4,25) y (6,70) y calcular para x = 5

Los puntos dados en la tabla se van a reemplazar en las ecuaciones 2, 3 y 4, para encontrar la
ecuación 1:
b 0=f ( x 0)
b 0=10
f ( x1 ) −f ( x 0)
b 1=
x 1−x 0
25−10
b 1=
4−1
b 1=5
f ( x 2 )−f (x 1 ) f ( x 1 ) −f (x 0 )
−
x 2−x 1 x 1−x 0
b 2=
x 2−x 0
70−25 25−10
−
6−4 4−1
b 2=
6−1
b 2=3.5
Se sustituye b0, b1 y b2 en la ecuación f2(x):
f ( x )=b0 +b1 ( x−x 0 ) +b2 (x −x0 )( x−x 1)
f ( x )=10+ 5 ( x−1 ) +3.5 ( x−1)( x −4)
f ( x )=10+ 5 x−5+ 3.5 x 2−17.5 x +14
f ( x )=3.5 x 2−12.5 x+ 19
Luego si x = 5
f ( 5 )=3.5(5)2−12.5 ( 5 ) +19
f ( 5 )=87.5−62.5+19
f ( 5 )=44
Cómo calcular el error aproximado del método:
Para calcular el error se tendrá que añadir un dato extra, el cual se identificará como
x 3 y f (x3 ) el cual será, x 3=7 y f ( x 3 ) =85; además de esta se tienen que hacer tres diferencias
divididas.
En la primera diferencia dividida finita del problema se utilizará la siguiente fórmula:
f ( x i )−f (x j )
f [ x i , x j ]=
x i−x j
25−10
 f ( x1 , x0)= =5
4−1
70−25
 f ( x2 , x1)= =22.5
6−4
85−70
 f ( x 3 , x2 ) = =15
7−6
En la segunda diferencia dividida finita se utilizará esta fórmula:
f ( x i , x j) −f ( x j , x k )
f [ x i , x j , x k ]=
x i−x k
22.5−5
 f [ x 2 , x 1 , x 0 ]= =3.7
6−1
15−22.5
 f [ x 3 , x 2 , x 1 ]= =−2.5
7−4
En la n-ésima diferencia dividida finita utilizaremos la siguiente fórmula:
f [ x n , x n−1 , … x1 ]−f [ x n−1 , x n−2 , … x 0 ]
f [ x n , x n−1 , … x 1 , x0 ] =
x n−x 0
−2.5−3.7
 f [ x3 , x2 , x1 , x0 ] = =−1.0333333333
7−1
Encontradas ya todas las diferencias divididas finitas, se procede a calcular el error:
Rn ≅−1.0333333333 ( x−1 )( x−4 ) ( x−6)
Rn ≅−1.0333333333 (5−1 ) (5−4 ) (5−6)
Rn ≅ 4.1333333333
El Método de Interpolación de Newton en Diferencias Divididas, se hara referencia al método
de interpolación cuadrática en el cual se trabaja con los puntos suministrados por una tabla o
por estadísticas que se hacen en empresas o en otros sectores de recepción para saber cual es
el número de personas, artículos vendidos o comprados que llegan a un lugar determinado, y
asi porder llevar un recuento del volumen de circulación de artículos o perosnas.
Código fuente
Dim x0, f0, x1, f1, x2, f2, x, r, e, rn, fx, b0, b1, b2, fx0(0, 1), fx1(1, 2), fx2(2, 3), fx3(0, 1, 2),
fx4(1, 2, 3), fx5(0, 1, 2, 3) As Double
x = Val(txtx.Text)
e = Val(txte.Text)
r = Val(txtr.Text)
f0 = Val(txtf0.Text)
b0 = f0
b1 = (f1 - f0) / (x1 - x0)
b2 = ((f2 - f1) / (x2 - x1) - (f1 - f0) / (x1 - x0)) / (x2 - x0)
fx = b0 + b1 * (x - x0) + b2 * (x - x0) * (x - x1)
fx0(0, 1) = (f1 - f0) / (x1 - x0)
fx1(1, 2) = (f2 - f1) / (x2 - x1)
fx2(2, 3) = (f3 - f2) / (x3 - x2)
fx3(0, 1, 2) = (fx1(1, 2) - fx0(0, 1)) / (x2 - x0)
fx4(1, 2, 3) = (fx2(2, 3) - fx1(1, 2)) / (x3 - x1)
fx5(0, 1, 2, 3) = (fx4(1, 2, 3) - fx3(0, 1, 2)) / (x3 - x0)
rn = fx5(0, 1, 2, 3) * (x - xo) * (x - x1) * (x - x2)
txte.Text = rn
txtr.Text = fx
Range("A2") = x0
Range("A3") = x1
Range("A4") = x2
Range("B2") = f0
Range("B3") = f1
Range("B4") = f2
End Sub
Método de Regresión Lineal por Mínimos Cuadrados
La dependencia entre dos (o más) variables puede ser tal que se base en una relación
funcional (matemática) exacta, como la existente entre la velocidad y la distancia recorrida
por un móvil; o puede ser estadística. La dependencia estadística es un tipo de relación entre
variables tal que conocidos los valores de la (las) variable (variables) independiente(s) no
puede determinarse con exactitud el valor de la variable dependiente, aunque si se puede
llegar a determinar un cierto comportamiento (global) de la misma. (Ej. la relación existente
entre el peso y la estatura de los individuos de una población es una relación estadística).
Pues bien, el análisis de la dependencia estadística admite dos planteamientos (aunque
íntimamente relacionados):
El estudio del grado de dependencia existente entre las variables que queda recogido en la
teoría de la correlación.
La determinación de la estructura de dependencia que mejor exprese la relación, lo que es
analizado a través de la regresión.
Una vez determinada la estructura de esta dependencia la finalidad última de la regresión es
llegar a poder asignar el valor que toma la variable Y en un individuo del que conocemos que
toma un determinado valor para la variable X (para las variablesX1, X2..., Xn).
En el caso bidimensional, dadas dos variables X e Y con una distribución conjunta de
frecuencias ( xi, yj ,nij ), llamaremos regresión de Y sobre X ( Y/X) a una función que
explique la variable Y para cada valor de X, y llamaremos regresión de X sobre Y (X/Y) a
una función que nos explique la variable X para cada valor de Y.(Hay que llamar la atención,
como se verá más adelante, que estas dos funciones, en general, no tienen por qué coincidir).
Hemos enfatizado sobre la importancia de las representaciones gráficas y hemos visto la
utilidad de las versiones linealizadas de los gráficos (X, Y) junto a las distintas maneras de
llevar a cabo la linealización. A menudo nos confrontamos con situaciones en las que existe o
suponemos que existe una relación lineal entre las variables X e Y.
El objetivo de los mínimos cuadrados es hallar una recta y=mx+b
Este método permite calcular la recta que mejor se aproxima a los puntos de un plano,
permitiendo así predecir puntos en el problema que se esté estudiando.
Las ecuaciones que se usan para realizar este método son:

(1) y=mx+b
(2) m=∑ xy −( ∑ x ) ¿ ¿ ¿
(3) b=
∑ y −m ∑ x
n n
Pasos para resolver el método de regresión lineal:

1. Hacer la sumatoria de las x y y.
2. Multiplicar cada x por cada y.
3. Hacer sumatoria de xy.
4. Elevar cada x al cuadrado.
5. Hacer la sumatoria de las x 2.
6. Reemplazar en la fórmula 2 para buscar el valor de la m.
7. Reemplazar en la fórmula 3 para buscar el valor de la b.
8. Reemplazar en la fórmula 1.
9. Por último, sustituir el valor de la x para determinar el valor de y.
Problema Propuesto
Un vendedor de una tienda escolar conoce sus ganancias semanales promedio durante 5 años.
Con estos datos y el número inscrito de niños en la escuela él planea estimar sus ganancias
para el próximo año.
X (Niños inscritos) Y (Ganancia)
1500 4000
1700 5200
1400 4300
1600 5000
1750 5400
¿Si el próximo año los niños inscritos en la escuela serán 1850… Cuáles serán las ganancias
promedio por semana del vendedor?
Resolución del problema
X (Niños inscritos) Y (Ganancias) XY X2
1500 4000 6 000 000 2 250 000
1700 5200 8 840 000 2 890 000
1400 4300 6 020 000 1 960 000
1600 5000 8 000 000 2 560 000
1750 5400 9 450 000 3 062 500
2
∑X= 7950 ∑Y= 23900 ∑XY= 38 310 000 ∑ X =¿12 722 500
Reemplazando en la ecuación (2)
m=∑ xy −( ∑ x ) ¿ ¿ ¿
Luego, se reemplaza en la ecuación (3) con el valor de la m
∑ y −m ∑ x = 23900 −( 30768292683 )
b=
n n 5 ( 7950
5 )
=−1211.585366
Por último, sustituimos en la ecuación (1) los valores de la m y la b, y se responde a la

pregunta reemplazando la X (niños inscritos) que es 1850
y=mx+b=3.768292683 (1850 )+ (−1211.585366 )=5759.756098
Para el próximo año las ganancias promedio por semana del vendedor serán
aproximadamente de 5759.756098
En la siguiente captura de pantalla se ingresan los datos de los cinco años en las X y las Y,
también se ingresan los niños inscritos para el próximo año, le damos al botón CALCULAR
y nos darán las ganancias del vendedor por semana para el próximo año y también nos darán
el error estándar de aproximación, el error estándar estimado, el coeficiente de determinación
y el coeficiente de correlación.
Código de fuente:
Dim x1, x2, x3, X4, X5, y1, y2, Y3, Y4, Y5, V1, R1, A, B, C, D, e, F, G, H, I, J, K, L, M, n, O, P, Q, r, S, T, U,
V, W, x, Y, Z, a1, a2, a3, a4, a5, at, b1, b2, b3, b4, b5, bt, syx, sy, r2, rcorre As Double
X4 = Val(txtx4.Text)
X5 = Val(txtx5.Text)
Y3 = Val(txty3.Text)
V1 = Val(txtv.Text)
R1 = Val(txtr.Text)
n=5
A = x1 + x2 + x3 + X4 + X5
B = y1 + y2 + Y3 + Y4 + Y5
C = x1 * y1
D = x2 * y2
e = x3 * Y3
F = X4 * Y4
G = X5 * Y5
H=C+D+e+F+G
I = x1 ^ 2
J = x2 ^ 2
K = x3 ^ 2
L = X4 ^ 2
M = X5 ^ 2
O=I+J+K+L+M
P = (H - (A * B) / n) / (O - (A ^ 2) / n)
Q = (B / n) - P * (A / n)
r = P * V1 + Q
a1 = -(y1 - (B / n))
a2 = y2 - (B / n)
a3 = -(Y3 - (B / n))
a4 = Y4 - (B / n)
a5 = Y5 - (B / n)
at = a1 + a2 + a3a + a4 + a5
b1 = -(y1 - Q - P * x1)
b2 = y2 - Q - P * x2
b3 = Y3 - Q - P * x3
b4 = Y4 - Q - P * X4
b5 = Y5 - Q - P * X5
bt = b1 + b2 + b3 + b4 + b5
syx = (bt / (n - 2)) ^ (1 / 2)
sy = (at / (n - 1)) ^ (1 / 2)
r2 = (at - bt) / (at)
rcorre = (r2) ^ (1 / 2)
txtsyx.Text = syx
txtsy.Text = sy
txtr2.Text = r2
txtcorre.Text = rcorre
txtr = r
Range("A40") = x1
Range("A41") = x2
Range("A42") = x3
Range("A43") = X4
Range("A44") = X5
Range("B40") = y1
Range("B41") = y2
Range("B42") = Y3
Range("B43") = Y4
Range("B44") = Y
End Sub
 Método de Regresión Polinomial
El primer diseño de un experimento de regresión polinómica apareció en un documento en

1815 de Georgone. En estadística, la regresión polinomial es una forma de regresión lineal en
la que la relación entre la variable independiente x y la variable dependiente y es modelada
como un polinomio de grado n en x.
Aunque la regresión polinómica se ajusta a un modelo no lineal a los datos, como un

problema de estimación estadística, es lineal, en el sentido de que la función de regresión E (y
| x) es lineal en los parámetros desconocidos que se calculan a partir de los datos, cuando se
ajustan mejor a una curva que a una línea recta.
La regresión polinómica se expresa de la siguiente manera
La regresión polinomial se ha utilizado para describir los fenómenos no lineales tales como la
tasa de crecimiento de los tejidos, la distribución de los isótopos de carbono en los
sedimentos del lago, y la progresión de epidemias de enfermedades.
 Formulas usadas
Para desarrollar la matriz
, ,
El error standard (Sr), coeficiente de determinación (r^2) y coeficiente de correlación (r)
Pasos de algoritmo:
1. Determinar el grado del polinomio.
2. Determinar la cantidad de datos.
3. Encontrar Ʃxi, Ʃyi, Ʃ xi 2, Ʃ xi 3, Ʃ xi 4 , Ʃxiyi, Ʃ xi 2 yi .
4. Unificar el sistema de ecuaciones.
5. Resolver el sistema de ecuaciones por medio de Gauss para encontrar a 0 , a1 , a2 .
6. Evidenciar la ecuación encontrada de la forma y= a 0+ a1 x +a 2 x 2+ e.
7. Encontrar x́ , ȳ.
n
2
8. Buscar el valor de St por medio de la fórmula ∑ ( yi− ȳ ) para cada dato.
n =1
n
9. Encontrar el valor de Sr por medio de la fórmula ∑ ( yi−a0−a 1 xi−a2 xi2 )2 para cada
n =1
dato.
Sr
y
10. Determinar el error estándar de aproximación S x =
n−(m+1) √
St
11. Encontrar la desviación estándar Sy=
√ n−1
St−Sr
12. Calcular el coeficiente de determinación r 2=
St
13. Encontrar el coeficiente de correlación r= √ r 2
14. Verificar que la incertidumbre original sea explicada mediante el modelo por r 2.
15. Graficar los datos Xi, Yi y la ecuación Y.
Problema Propuesto
En el año 2014 La Industria ASM Logistic abrió sus puertas ofreciendo a los clientes un buen
servicio en el área de logística al igual que asesoramiento en el área de bodegas y venta de
archivadores. Durante estos 5 años ha presentado las ganancias siguientes
Xi(t)Año 0 1 2 3 4 5
Yi 22 50 88 150 210 300
Ganancias
(miles)
 Determinar la ecuación y mostrar la curva que representa sus ganancias durante estos
5 años.
Problema Propuesto
Xi Yi Xi2 Xi3 Xi4 XiYi Xi2Yi St Sr
(Yi-ytrazo)^2 (Yi-a0-a1xi a2xi^2)^2
0 22 0 0 0 0 0 13149.2 0.1275
1 50 1 1 1 50 50 7511.7 0.7593
2 88 4 8 16 176 352 2368.8 4.4702
3 150 9 27 81 450 1350 177.7 21.955
4 210 16 64 256 840 3360 5377.3 22.359
5 300 25 125 625 1500 7500 26676.7 2.6989
15 820 55 225 979 3016 12612 55261.3 52.7314
6 a0 + 15 a1 + 55 a2 = 820
15 a0 + 55 a1 + 225 a2 =3016
55 a0 +225 a1 + 979 a2 = 12612
Ecuación Polinomial: 22,36 x2 + 19,66 x + 7,11
xTrazo= Xi/n=15/6 = 2.5

yTrazo= Yi/n=820/6=136.67
Sr 52.7314
√ √
y
S =
x
n−(m+1)
=
6−(2+1)
=4.178
St 55261.3
Sy=
n−1√ =
6−1 √=105.13
St−Sr 55261.3−52. 7314
r 2= = =0.999
St 55261.3
r=99.9%
Este caso del método de Regresión, anotamos los valores iniciales del problema y al dar en el
botón calcular nos imprime los valores de la matriz con su respectiva ecuación, mientras que
los valores de X y de Y se van hacia la hoja de Excel para que así nos imprima una gráfica
con dichos valores, la cual nos indica cómo es que será ganancia en los próximos 5 años
 Código de fuente del botón calcular:

Private Sub UserForm_Activate()
TextBox14.Text = txtxi0.Text ^ 2
TextBox31.Text = txtxi0 * txtyi0

TextBox37.Text = txtxi0 ^ 2 * txtyi0

TextBox43.Text = Val(txtxi0) + Val(txtxi1) + Val(txtxi2) + Val(txtxi3) + Val(txtxi4) + Val(txtxi5)

TextBox44.Text = Val(txtyi0) + Val(txtyi1) + Val(txtyi2) + Val(txtyi3) + Val(txtyi4) + Val(txtyi5)
TextBox45.Text = Val(TextBox14) + Val(TextBox13) + Val(TextBox15) + Val(TextBox16) +
Val(TextBox17) + Val(TextBox18)
End Sub
Private Sub CMatriz_Click()

TextBox1 = txtn
TextBox2 = TextBox43
Private Sub CALCULAR_Click()

Dim paso1, paso2, paso3, paso4, paso5, paso6, paso7, paso8, paso9, paso10, paso11, paso12, paso13,
paso14, paso15, paso16 As Double
Dim paso17, paso18, paso19, paso20, paso21, paso22, paso23, paso24, paso25, paso26, paso32,
paso27, paso28, paso29, paso30, paso31 As Double
paso44, paso45, paso46, paso47, paso48, paso49 As Double
paso61, paso62, y0 As Double
paso1 = Val(TextBox1) / Val(TextBox1)
'MsgBox paso1 & Space(2) & paso2 & Space(2) & paso3 & Space(2) & paso4
paso6 = -Val(TextBox5) * (paso1)

paso10 = Val(TextBox5) + paso6

paso14 = paso10 / paso11

paso18 = -paso2 * paso14
paso22 = paso1 + paso18

' MsgBox paso22 & Space(2) & paso23 & Space(2) & paso24 & Space(2) & paso25






paso50 = paso22 - paso46

paso51 = paso23 - paso47


' Imprimir a0,a1,a2

txta0 = paso53
txta1 = paso61
txta2 = paso45
'Ganancias en los 5 años
'a0= 22.36
'a1= 19.66
'a2 = 7.11
Ganancias = (22.36 * 25) + ((19.66) * (5)) + (7.11)
TextBox64.Text = Ganancias
' Trazos
xtrazo = TextBox43.Text / 6 'n= 2.5
ytrazo = TextBox44.Text / 6 'n=136.67
TextBox51.Text = (txtyi0 - (136.67)) ^ 2

TextBox50.Text = (txtyi0 - paso53 - paso61 * txtxi0 - paso45 * TextBox14) ^ 2
'sy/x
txtsxy.Text = (TextBox63 / 3) ^ (1 / 2) '3= n-(m+1)= 6-3= 3
txtsy.Text = (TextBox62 / 5) ^ (1 / 2) '5= n-1= 6-1= 5
txtrr.Text = (TextBox62 - TextBox63) / TextBox62
txtr.Text = txtrr * 100 '%
End Sub
Infografía
https://www.um.es/docencia/apall/quimica/integranum1.pdf
http://www.dma.uvigo.es/~lino/Tema5.pdf
https://es.wikipedia.org/wiki/Interpolaci%C3%B3n_lineal
https://matematica.laguia2000.com/general/interpolacion-lineal
https://sites.google.com/site/sistrevolution/5-1-interpolacion
http://www.matematicasvisuales.com/html/analisis/interpolacion/lagrange.html
Bibliografía
Metodos Numéricos, Steben Chapra, 5ta. Edición

J. A. Infante y J. M. Rey, Métodos Numéricos: Teoría, problemas y prácticas con MATLAB ,
Ediciones Pir´amide, Madrid, 1999.
Conclusión
La interpolación es un tema amplio en donde existen distintos métodos, los cuales nos ayudan
con diferentes polinomios ya sea de primer grado o segundo en cuanto más grande la función
mayor precisión en la interpolación ya que este se va formando de una línea a una curva.
Esta es una herramienta útil y práctica, ya que nos ofrece diversos métodos para encontrar
puntos dentro de un conjunto de puntos ya dados.
Pero la diversidad de métodos que existen puede confundir al usuario al momento de
utilizarlos, puesto que algunos son muy sencillos pero su resultado no es aproximado al
verdadero, y otros que al contrario su resultado es muy certero pero el camino para llegar a él
es bastante complicado. Por lo tanto, se debe de manejar con mucho cuidado y se tiene que
tener un conocimiento amplio del tema para usarlos correctamente.
Anexos
UNIVERSIDAD TECNOLÓGICA DE PANAMÁ
CENTRO REGIONAL DE AZUERO
FACULTAD DE INDUSTRIAL
INGENIERÍA INDUSTRIAL
Métodos Numéricos
TRABAJO SEMESTRAL
PROFA. Mariluz Centella C. Valor: (100 puntos)
Objetivo de aprendizaje: Sustentar los diferentes métodos con el propósito de demostrar los
conocimientos adquiridos en las investigaciones de los diferentes proyectos de aproximación
para llegar a la solución de un problema, valorando el error.
Indicaciones Generales:
 Sustentar en grupos los diferentes métodos investigados.
 Orientar los métodos al área de su carrera.
 Demostrar el código fuente y la ejecución correcta de los diferentes métodos en visual
basic tomando en consideración la presencia de Excel para la observación del
comportamiento de las gráficas.
 Estimar el error.
 Responder las preguntas.
 Apoyar la sustentación bajo el uso de power point.
 Entregar un escrito. (Un impreso donde explique el uso del método, se observa el
código fuente de la programación, capturaciones de pantalla, hoja de presentación,
índice, introducción, conclusiones, anexos, bibliografía o infografía. El impreso
representa el 40% de la nota final.
Observaciones: En el anexo… puede incluir fotografías de las sesiones teóricas y prácticas
que el grupo en conjunto ha participado a lo largo de la confección del proyecto semestral.
Escala de Valoración Estimativa (Valor: 60 puntos)

CRITERIOS 5 4 3 2 1 0
1. Puntualidad en la entrega.
2. Creatividad en el diseño.
3. Presentación personal.
4. Conoce el método y la programación en Visual Basic.
5. Demuestra el error en la programación.
6. Se visualiza la presencia de Excel definiendo el comportamiento de

las gráficas.
7. Expresa claramente sus respuestas.
8. Se observa trabajo en equipo.
9. Demuestra dominio en responder las preguntas.
10. Hace entrega del portafolio digital y del proyecto en CD.
11. Se ejecutan los métodos sin errores
12. Se observa relación del área de la carrera con el método y la

aplicación en Visual Basic.
Total
OBSERVACIONES:__________________________________________________________
___________________________________________________________________________
________________________________________________

Semestral Métodos

Cargado por

Copyright:

Formatos disponibles

Semestral Métodos

Cargado por

Información del documento

Título 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

Semestral Métodos

Cargado por

Copyright:

Formatos disponibles

Universidad Tecnológica de Panamá

Centro Regional de Azuero

La forma de Lagrange es sencilla y se comprueba con facilidad que es un polinomio de

1. Definir de que grado es el polinomio restando n-1, en donde n es la cantidad de datos

2. Determinar los multiplicadores o coeficientes de Lagrange mediante la ecuación (2).

3. Calcular el polinomio interpolador de Lagrange multiplicando los coeficientes con sus

X (meses) Y (cantidad de personas por

a ¿Calcule el Polinomio interpolador:

( x−2 )( x−3 ) ( x−1 ) ( x−3 ) ( x−1 ) ( x−2 )

P ( x) = ( 12 x − 52 x +3)( 200 )+(−x + 4 x−3) ( 305 ) +( 12 x − 32 x+1) ( 420)

P ( x ) =100 x 2−500 x +600−305 x 2 +1220 x−915+210 x 2−630 x+ 420

b ¿ Calcule la cantidad de personas que entraron a la tienda en el mes 4:

P ( 4 )=5( 4)2 +90 ( 4 ) +105

La manera más conocida para calcular la representación de Newton del polinomio

donde f [ x0 ] = y0 y f [ x0,…, xi] es el coeficiente principal de la forma de Newton del

Pasos para resolver una interpolación:

A misma expresión que se obtiene al utilizar el polinomio interpolador de Newton que ya

Reemplazando las “y” por los valores de f(x)

Reemplazamos X y Y con cualquiera de los puntos que tiene la recta

Observación: Para calcular el error en este tipo de problemas se utiliza la ecuación de

GA = (G1) + ((G2 - G1) * ((X - H1) / (H2 - H1)))

La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos los

f ( x )=b0 +b1 ( x−x 0 ) +b2 (x −x0 )( x−x 1) (1)

La ecuación b 0se sustituye en f 2 ( x ) (1), después se evalúa en x=x 1 para tener

Observe que, como en el caso de la interpolación lineal, b 1 todavía representa la pendiente de

Donde f [ x n+ 1 , x n , x n−1 , … x 0 ] es la (n+1)-ésima diferencia dividida finita. Debido a que esta

Rn ≅ f [ x n +1 , x n , x n−1 , … x 0 ] ( x−x 0 )( x −x1 ) …( x −xn )

Algoritmo del método:

 Teniendo el resultado de las incógnitas podemos establecer la fórmula de manera que

f ( x )=b0 +b1 ( x−x 0 ) +b2 (x −x0 )( x−x 1)

 Luego se reemplaza la x, la cual es nuestra cantidad de horas en el problema y se

En un laboratorio se está realizando un experimento para elaborar un nuevo medicamento que

Dados los puntos (1,10), (4,25) y (6,70) y calcular para x = 5

f ( x )=10+ 5 ( x−1 ) +3.5 ( x−1)( x −4)

f ( x )=10+ 5 x−5+ 3.5 x 2−17.5 x +14

Rn ≅−1.0333333333 ( x−1 )( x−4 ) ( x−6)

Rn ≅−1.0333333333 (5−1 ) (5−4 ) (5−6)

Las ecuaciones que se usan para realizar este método son:

Pasos para resolver el método de regresión lineal:

Reemplazando en la ecuación (2)

Luego, se reemplaza en la ecuación (3) con el valor de la m

Por último, sustituimos en la ecuación (1) los valores de la m y la b, y se responde a la

y=mx+b=3.768292683 (1850 )+ (−1211.585366 )=5759.756098

syx = (bt / (n - 2)) ^ (1 / 2)

r2 = (at - bt) / (at)

El primer diseño de un experimento de regresión polinómica apareció en un documento en

Aunque la regresión polinómica se ajusta a un modelo no lineal a los datos, como un

Para desarrollar la matriz

6. Evidenciar la ecuación encontrada de la forma y= a 0+ a1 x +a 2 x 2+ e.

13. Encontrar el coeficiente de correlación r= √ r 2

Ecuación Polinomial: 22,36 x2 + 19,66 x + 7,11

xTrazo= Xi/n=15/6 = 2.5

 Código de fuente del botón calcular:

TextBox31.Text = txtxi0 * txtyi0

TextBox37.Text = txtxi0 ^ 2 * txtyi0

TextBox43.Text = Val(txtxi0) + Val(txtxi1) + Val(txtxi2) + Val(txtxi3) + Val(txtxi4) + Val(txtxi5)

Private Sub CMatriz_Click()

Private Sub CALCULAR_Click()

paso6 = -Val(TextBox5) * (paso1)