Interpolacion

Universidad Autonoma de Queretaro

Ingeniera fsica
Isaac Guillen Castellanos

5 de mayo de 2017
 Resumen

La interpolacion es, en ciencias e ingeniera, el encontrar una funcion apropiada a partir de

datos que proceden de una poblacion en la que se ha realizado un registro de informacio-
nes o estudio estadstico, para que cumplan determinadas condiciones que nos interesen,
como que sean continuas, derivables, etc.

Basandose en lo anterior dicho, en el presente reporte se enunciara algo de teora y se

resolveran algunos ejercicios resueltos con algoritmos programados.
Indice general

1. Metodos Numericos para la interpoalcion 3

1.1. Interpolacion Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Interpolacion por Trazadores . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1. Problema de Interpolacion de Newton . . . . . . . . . . . . . . . . . 5
1.4.2. Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.3. Interpolacion por Trazadores . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1
Indice de figuras

1.1. Graficas para el problema 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.2. Grafica de Splines Cuadraticos para el problema 6 . . . . . . . . . . . . . . 10
1.3. Interpolacion por trazadores cubicos del problema 7 . . . . . . . . . . . . . 11
1.4. Ilustracion de un patito para interpolar . . . . . . . . . . . . . . . . . . . . 13
1.5. Ajuste para obtener el patito . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6. Tiempo contra velocidad para problema de aplicacion en cinematica . . . . 15

2
Captulo 1

Metodos Numericos para la

interpoalcion

1.1. Interpolacion Polinomial

Con frecuencia se encontrara con que tiene que estimar valores intermedios entre datos
definidos por puntos. El metodo mas comun que se usa para este proposito es la interpo-
lacion polinomial.

Dados n + 1 puntos, hay uno y solo un polinomio de grado n que pasa a traves de
todos los puntos. Por ejemplo, hay solo una lnea recta (es decir, un polinomio de primer
grado) que une dos puntos. De manera similar, unicamente una parabola une un conjunto
de tres puntos. La interpolacion polinomial consiste en determinar el polinomio unico de
n-esimo grado que se ajuste a n + 1 puntos.

Con el ejemplo del polinomio de primer grado (la recta), la ecuacion que aproxima un
punto en la recta unida por puntos (x, y) es:

f (x1 ) f (x0 )
f1 (x) = f (x0 ) + (x x0 ) (1.1)
x1 x0
que es una formula de interpolacion lineal. En el caso de una parabola:

f2 (x) = b0 + b1 (x x0 ) + b2 (x x0 )(x x1 ) (1.2)

Donde los coeficientes se pueden determinar por:
f (x2 )f (x1 ) f (x )f (x )
x1 x 0
b0 = f (x0 ) b1 = f (x1 )f (x0 )
b2 = x2 x1 1 0 (1.3)
x1 x0 x2 x1
La forma general de los polinomios de inteporlacion de Newton es

fn (x) = b0 + b1 (x x0 ) + + bn (x x0 )(x x1 ) (x xn1 ) (1.4)

1.2. Interpolacion de Lagrange

El polinomio de interpolacion de Lagrange es simplemente una reformulacion del po-
linomio de Newton que evita el calculo de las diferencias divididas, y se representa de
manera concisa como:

3
 n
X
fn (x) = Li (x)f (xi ) (1.5)
i=0

donde
n
Y x xj
Li (x) = (1.6)
x xk
j=0 i
j6=i

la sumatoria de todos los productos en la ecuacion 1.5 es el unico polinomio de n-esimo

grado que pasa exactamente a traves de todos los n + 1 puntos, que se tienen como datos.

1.3. Interpolacion por Trazadores

Los metodos anteriores utilizan polinomios de n-esimo grado para interpolar entre
n + 1 puntos que se tenan como datos. Por ejemplo, para ocho puntos se puede obtener
un perfecto polinomio de septimo grado. Esta curva podra agrupar todas las curvas (al
menos hasta, e incluso, la septima derivada) sugeridas por los puntos. No obstante, hay
casos donde estas funciones llevaran a resultados erroneos a causa de los errores de re-
dondeo y los puntos lejanos. Un procedimiento alternativo consiste en colocar polinomios
de grado inferior en subconjuntos de los datos. Tales polinomios conectores se denominan
trazadores o splines.

Los trazadores de Primer grado son los mas sencillos de calcular, porque se tiene que
encontrar la ecuacion de la recta que une a 2 nodos, pero el problema es que no es una
curva suave y las derivadas son discontinuas en los nodos. Entonces se utilizan trazadores
cuadrados, que son polinomios de segundo orden que unen a 2 nodos, y deben obedecer
las condiciones:

Los valores de la funcion de polinomios adyacentes deben ser iguales en los nodos
interiores. Esta condicion se representa como[1]

ai1 x2i1 + bi1 xi1 + ci1 = f (xi1 ) (1.7)

ai x2i1 + bi xi1 + ci = f (xi1 ) (1.8)

La primera y la ultima funcion deben pasar a traves de los puntos extremos. Esto
agrega dos ecuaciones mas:

a1 x20 + b1 x0 + c1 =f (x0 ) (1.9)

an x2n + bn xn + cn =f (xn ) (1.10)

y Las primeras derivadas en los nodos interiores deben ser iguales.

f 0 (x) = 2ax + b (1.11)

2ai1 xi1 + bi1 = 2ai xi1 + bi (1.12)
(1.13)

4
 y como nos falta si o hay mas informacion que nos pueda ayudar a encontrar el valor de
los coeficientes, se da por hecho que en el primer punto la segunda derivada es 0, a1 = 0.
Debe quedar claro que en las ecuaciones anteriores, i = 2...n

Trazadores Cubicos
Si bien encontrar los coeficientes de los trazadores cuadraticos para algunos puntos es
difcil y tedioso, se encontrar los cubicos lo es aun mas, por eso se utilizan algoritmos pro-
gramados para encontrarlos, pero tienen una ventaja, y es que en los trazadores cubicos,
las derivadas en los nodos son continuas hasta en el tercer orden (f 000 (x)) y deben seguir
las siguientes codiciones:
1. Los valores de la funcion deben ser iguales en los nodos interiores (2n 2 condicio-
nes).
2. La primera y ultima funcion deben pasar a traves de los puntos extremos (2 condi-
ciones).
3. Las primeras derivadas en los nodos interiores deben ser iguales (n 1 condiciones).
4. Las segundas derivadas en los nodos interiores deben ser iguales (n 1 condiciones).
5. Las segundas derivadas en los nodos extremos son cero (2 condiciones).

1.4. Problemas
1.4.1. Problema de Interpolacion de Newton
Problema 1
Estime Estime el logaritmo natural de 10 por medio de interpolacion lineal.

a) Interpole entre log 8 = 0.9030900 y log 12 = 1.0791812.

b) Interpole entre log 9 = 0.9542425 y log 11 = 1.0413927.
Para cada una de las interpolaciones calcule el error relativo porcentual con base en
el valor verdadero

Solucion
Utilizando las ecuacion 1.1

a) log(10) = 0,991136 r = 0,88644 %

(1.14)
b) log(10) = 0,997818 r = 0,21824 %

Problema 2
Ajuste un polinomio de interpolacion de Newton de segundo orden para estimar el log
10, con los datos del problema 1 en x = 8, 9 y 11. Calcule el error relativo porcentual
verdadero.

5
solucion
El polinomio queda de la forma:

f (x) = (x 11)(0,0461009 0,0025258(x 8)) + 1,04139

(1.15)
f (x) = 0,0025258x2 + 0,0940911x + 0,312012
y el punto a interpolar es

log(10) = 1,00034 r = 0,03434 (1.16)

Donde podemos apreciar que el error absoluto es menor que en los casos de interpo-
lacion lineal, se puede ver el la grafica que dentro del intervalo de los valores dados, las
aproximaciones son bastante cercanas.

Problema 3
Ajuste un polinomio de interpolacion de Newton de tercer orden para estimar log 10
con los datos del problema 1.

Solucion
El polinomio de tercer orden, utilizando 4 puntos, es:

f (x) = 0,000149233x3 0,00670433x2 + 0,132743x + 0,19382 (1.17)

Y podemos comparar su exactitud con el que utilizaba 3 puntos:

Aproximacin al Logaritmo

1.2

0.8

0.6
f(x)

0.4

0.2
Real
Aproximacin de segundo grado
0
Aproximacin de tercer grado

-0.2
0 5 10 15
x

Figura 1.1: Comparacion de utilizar polinomios de mayor orden para una mejor proxima-
cion

6
Problema 4
Dados los datos
x 1.6 2 2.5 3.2 4 4.5
y 2 8 14 15 8 2

Calcule f(2.8) con el uso de polinomios de interpolacion de Newton de ordenes 1 a 3.

Elija la secuencia de puntos mas apropiada para alcanzar la mayor exactitud posible para
sus estimaciones.

Solucion
Usando primero un polinomio de orden 1, necesitamos 2 puntos, lo mas adecuado es
escoger los 2 puntos mas cercanos a por la derecha y por la izquierda a 2.8, los cuales son
(2.5,14) y (3.2,15). Obtenemos el siguiente polinomio:

f (x) = 10,4286 + 1,42857x (1.18)

f (2,8) = 14,42857 (1.19)

Ajustando polinomio de segundo orden, utilizando los puntos (2,8), (2.5,14) y (3.2 15),
se obtiene el siguiente polinomio:

f (x) = 8,80952x2 + 51,6429x 60,0476 (1.20)

f (2,8) = 15,48571 (1.21)

Y finalmente ajustando un polinomio de orden 3 con los 4 puntos (2,8), (2.5,14),
(3.2,15) y (4,8) se obtiene el polinomio:

f (x) = 1,0119x3 16,6012x2 + 71,2738x 76,2381 (1.22)

f (2,8) = 15,38857 (1.23)

1.4.2. Interpolacion de Lagrange

Problema 5
Repita los problemas 1 a 3 empleando el polinomio de Lagrange.

Solucion
Solucionando el problema 1 con Lagrange

Con los puntos (8, log(8)) y (12, log(12)) se obtiene:

x
L0 (x) =3
4
x
L1 (x) = 2
4

7
 f (x) = 0,550907 + 0,0440228x
(1.24)
f (10) = 0,99113
Con los puntos (9, log(9)) y (11, log(11)) se obtiene:

11 x
L0 (x) =
2
x9
L1 (x) =
4

f (x) = 0,562067 + 0,0435751x

(1.25)
f (10) = 0,99781
Solucionando el problema 2 con Lagrange

Se obtiene un polinomio:

f (x) = 0,00252581x2 + 0,0940913x + 0,312011

(1.26)
f (10) = 1,00034
Solucionando el problema 3 con Lagrange

Se obtiene el siguiente polinomio:

f (x) = 0,000149242x3 0,0067046x2 + 0,132745x + 0,193811

(1.27)
f (10) = 1,00004

1.4.3. Interpolacion por Trazadores

Problema 6
Desarrolle trazadores cuadraticos para los cinco datos y pronostique f(3.4) y f(2.2).

x 1.6 2 2.5 3.2 4

f(x) 2 8 14 15 8

Solucion
Utilizando las ecuaciones de condiciones 1.7, 1.9, 1.11.

8
 4a1 + 2b1 + c1 = 8
4a2 + 2b2 + c2 = 8
6,25a2 + 2,5b2 + c2 = 14
6,25a3 + 2,25b3 + c3 = 14
10,24a3 + 3,2b3 + c3 = 15
10,24a4 + 3,2b4 + c4 = 15
2,56a1 + 1,6b1 + c1 = 2
16a4 + 4b4 + c4 = 8
4a1 + b1 4a2 b1 = 0
5a2 + b2 5a3 b3 = 0
6,4a3 + b3 6,5a4 b4 = 0

y como suponemos que a1 = 0 tenemos 11 incognitas y 11 ecuaciones entonces podemos

resolver el siguiente sistema:

2 1 0 0 0 0 0 0 0 0 0 b1 8
0 0 4 2 1 0 0 0 0 0 0 c1 8


0 0 6,25 2,5 1 0 0 0 0 0 0 a2 14


0 0 0 0 0 6,25 2,5 1 0 0 0 b2 14


0 0 0 0 0 10,24 3,2 1 0 0 0 c2 15


0 0 0 0 0 0 0 0 10,24 3,2 1 a3 = 15 (1.28)


1,6 1 0 0 0 0 0 0 0 0 0 b3 2


0 0 0 0 0 0 0 0 16 4 1 c3 8


1
0 4 4 1 0 0 0 0 0 0 a4 0

0 0 5 1 0 5 1 0 0 0 0 b4 0
0 0 0 0 0 6,4 1 0 6,4 1 0 c4 0

Utilizando el metodo de Gauss-Jordan, se obtiene que los coeficientes son:

b1 15
c1 22

a2 1

b2 7

c2 11

a3 = 15,813 (1.29)

b3 91,5816

c3 116,1020

a4 1,1161

b4 16,7857
c4 57,28
Obteniendo las ecuaciones

9
 y1 =15x 22 1,6 x 2
y2 =x2 + 7x 11 2 x 2,5
y3 = 15,813x2 + 91,5816x 116,1020 2,5 x 3,2
y4 =1,1161x2 16,7857x + 57,28 3,2 x 4

Entonces, evaluando las funciones:

f (3,4) y4 y4 (3,4) = 13,1107

f (2,2) y2 y2 (2,2) = 9,24

Se muestra una figura del ajuste por Splines o Trazadores

Aproximacin por Splines cuadraticos

18
Intervalo 1
16 Intervalo 2
Intervalo 3
Intervalo 4
14

12

10
f(x)

0
1.5 2 2.5 3 3.5 4
x

Figura 1.2: Los intervalos 1, 2 y 4 al tener coeficientes tan grandes, no se aprecia que sean
una curva, pero en el intervalo 3, se ve claramente que es una cuadratica

Problema 7
Obtenga trazadores cubicos para los datos y a) pronostique f (4) y f (2,5) y b)Verifique
que f (3) = 19

x 1 2 3 5 7 8
f(x) 3 6 19 99 291 444

Solucion
Usando Interpolacion cubica de Splines de XMGrace, se genera la siguiente grafica

10
 Interpolacin por Trazadores cubicos
450

Datos
400
Trazador

350

300

250

200

150

100

50

0
1 2 3 4 5 6 7 8

Figura 1.3: Interpolacion de Trazadores Cubicos

Y obteniendo:

f (4) = 48
f (2,5) = 10,8750
f (3) = 19

Problema sencillo
Encuentre el trazador cubico para la funcion que pasa por los puntos (0,0), (1,1), (2,2):

En este ejercicio no se tiene que utilizar ningun metodo de trazadores, incluso si se

utiliza, arrojara que es una ecuacion lineal con centro en el origen y pendiente 1,(a =
0, b = 0, c = 1, d = 0).

Comprobando con XMGrace:

f (x) = x (1.30)

Problema 8
Construye un Spline cubico para las siguientes funciones:
x f(x)
x f(x) x f(x)
0.1 -0.29004996
a) 0 1 b) -0.25 1.33203 c)
0.2 -0.56079734
0.5 2.71828 0.25 0.800781
0.3 -0.81401972

11
solucion
a) Dado que solo tenemos 2 puntos, tenemos solo un intervalo, y el resultado polinomio
que lo define es:

f (x) = 3,43656x + 1,0 (1.31)

b) Aqu aun tenemos 2 datos solamente, por lo que solo hay un intervalo.

f (x) = 1,06640 1,062498x (1.32)

c) Aqu tenemos 3 puntos por lo tanto tenemos 2 intervalos pero una unica funcion
toca los 3.

f (x) = 82,27822x2 27,39094x + 1,62626 (1.33)

Problema 9
Determine los coeficientes de la ecuacion cubica que pasa por los primeros cuatro
puntos del problema anterior.

Solucion
Si tenemos 4 puntos y nos pide una ecuacion cubica, podemos utilizar el metodo de
Lagranga, que nos da:

f (x) = x3 x2 x + 4 (1.34)
Entonces nuestros coeficientes son:

a=1
b = 1
c = 1
d=4

Ejemplo de Aplicacion
En la figura se muestra un patito volando, para aproximarnos a la forma superior de
patito, se han escogido puntos mostrados en la tabla.[2]

12
Figura 1.4: Puntos para interpolar la figura de un pato, notese que se han usado mas
puntos cuando las curvas se vuelven mas bruscas.

x 0.9 1.3 1.9 2.1 2.6 3.0 3.9 4.4 4.7 5.0 6.0
f(x) 1.3 1.5 1.85 2.1 2.6 2.7 2.4 2.15 2.05 2.1 2.25

x 7.0 8.0 9.2 10.5 11.3 11.6 12.0 12.6 13.0 13.3
f(x) 2.3 2.25 1.95 1.4 0.9 0.7 0.6 0.5 0.4 0.25

Ajustando los Splines Cubicos obtenemos;

Interpolacin de trazadores cubicos para el pato

3
Datos
Ajuste de Trazadores
2.5

1.5

0.5

0
0 2 4 6 8 10 12 14

Figura 1.5: El ajuste de los trazadores resulto bastante efectivo

Problema de coefientes
Un Spline cubico en [0, 2] esta dado por:

S0 (x) = 1 + 2x + x3 0x1
S1 (x) = 2 + b(x 1) + c(x 1)2 + d(x 1)3 1x2

13
Solucion
Tenemos las condiciones de que en el segundo nodo x = 1, las derivadas deben ser
iguales, entonces

2 3x2 = b + 2c(x 1) + 3d(x 1)2 x=1

1 = b

Y tambien tenemos la condicion para la segunda derivada

6x = 2c + 6d(x 1) x=1
6 = 2c c = 3

Y por ultimo tenemos la condicion de que S100 (2) = 0

2c + 6d = 0
6 + 6d = 0
d=1

Problema de Cinematica
Un automovil viajando en por el camino fue cronometrado a los en los siguientes
instantes:

t(s) 0 3 5 8 13
d(f) 0 225 283 623 993
v(f/s) 75 77 80 74 72

a) Prediga la posicion y velocidad al instante t = 10

b) Use la derivada del Trazador para determinar si el automovil excede alguna vez la
velocidad de v = 80,66f /s

c) Cual es la velocidad maxima predicha para el automovil

Solucion
a) Prediciendo la velocidad y la posicion al tiempo t = 10:

d(10) = 778,4191f
v(10) = 68,6151f /s

Mientras que la posicion avanza de manera casi lineal, la velocidad si tiene un com-
portamiento oscilatorio:

14
 Interpolacin de la Velocidad Por trazadores
82
Datos
80 Aproximacin por trazaodres

78

76
Velocidad (f/s)

74

72

70

68

66
0 2 4 6 8 10 12 14
segundos (s)

Figura 1.6: Aunque la posicion incrementa de una manera casi lineal, la velocidad oscila

b) y c) Para construir los trazadores de la velocidad se utilizaron los siguientes poli-

nomios:

v(t) = 0,172541t3 + 1,54700t2 2,42146t + 75,0 0t3

v(t) = 0,17254t3 + 1,54700t2 2,42146t + 74,99999 3t5
v(t) = 0,11282t3 2,73357t2 + 18,98141t + 39,32853 5t8
v(t) = 0,11282t3 2,73357t2 + 18,98141t + 39,32853 8 t 13

Guiandonos por la grafica podemos observar que el maximo de la funcion se encuentra

en el final del segundo intervalo, o bien, al principio del tercero. escogiendo el tercer
intervalo tenemos que

v(t) = 0,11282t3 2,73357t2 + 18,98141t + 39,32853

v 0 (t) = 0,33846t2 5,46714t + 18,9814

y Utilizando el metodo de Newton-Raphson para encontrar raices, tenemos que el

cuando la derivada toca el 0, o bien el maximo de la funcion es:

tmax =5,05192
v(tmax ) =80,0016f /s

La velocidad maxima alcanzada por el automovil es de 80,0016f /s (c) y por lo tanto,

nunca alcanza una velocidad de 80,66f /s

15
1.5. Conclusiones
Los metodos de interpolacion son realmente utiles para saber como se comporta un
fenomeno del que se tomaron datos experimentales, y as conocer como se comportara el
ese fenomeno o experimento en algun punto que este en medio de los datos tomados.

En este reporte se vieron muchos ejemplos de metodos cada vez mas complejos de
entender y tambien de programar pero de la misma forma mas eficientes y confiables,
como por ejemplo los trazadores, aunque es mas complicado encontrar una funcion para
cada intervalo, es mas suave en las curvas. se podra decir que cuando son muchos puntos
que se quieren interpolar, la mejor opcion son los trazadores cubicos, pero si se tienen
menos, y el polinomio no sera de un orden exagerado, podemos conformarnos con un
polinomio de Newton o de Lagrange.
Esta claro que los metodos de interpolacion son una herramienta clave para todo
fsico, ingeniero y profesionista de cualquier ciencia, ya que tambien tienen aplicaciones en
campos como la medicina y biologa (crecimiento de tumores y poblaciones de bacterias),
la qumica, la demografa (comportamiento de un censo), etc.

16
Bibliografa

[1] Chapra, S. C. C., Chapra, R. P. S. C., y Canale, R. P. (2007). Metodos numericos

para ingenieros. McGraw-Hill,.

[2] Richard, L., and Burden, J. (1988). Douglas Faires, Numerical Analysis.

17