Teoría de la Interpolación

En el subcampo matemático en lo que a análisis numérico se refiere, se denomina interpolación a la

obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos.

El ingeniero en ciertos casos conoce el valor de una función f(x) en una serie de puntos X 1 , X 2 , … , X N ,
pero no se conoce una expresión analítica de f(x) que permita calcular el valor de la función para un
punto arbitrario. Un ejemplo claro son las mediciones de laboratorio, donde se mide cada minuto un
valor, pero se requiere el valor en otro punto que no ha sido medido. Otra ejemplificación son las
mediciones de temperatura en la superficie de la Tierra, que se realizan en estaciones meteorológicas y
se necesita calcular la temperatura en un punto cercano, pero distinto al punto medido.

La idea general de la interpolación es poder estimar f(x) para un valor de X arbitrario, a partir de la
construcción de una curva o superficie que une los puntos donde se han realizado las mediciones y cuyo
valor si se conoce. Asumiéndose que, el punto arbitrario X se encuentra dentro de los límites de los
puntos de medición, en caso contrario se llamaría extrapolación.

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:

( X 0 , Y 0 ) , ( X 1 , Y 1 ) ,… … … …..( X n ,Y n)
Y se pide hallar el valor de un punto X intermedio de X 0 y Yn

Interpolación Polinómica en la forma de Lagrange

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.

Actualmente las calculadoras y las computadoras calculan los valores de las funciones trigonométricas y
logarítmicas por lo que ya no es necesario interpolar para conocer valores de senos o cosenos o
cualquier otra función matemática como se hacía anteriormente. Sin embargo los métodos numéricos
constituyen la base de procedimientos como derivación e integración numérica y solución de ecuaciones
diferenciales ordinarias y parciales.

La resolución de un problema de interpolación lleva a cabo un problema de álgebra lineal en el cual se

debe resolver un sistema de ecuaciones. Usando una base monómica estándar para el polinomio
interpolador, se llega entonces a la matriz de Vandermonde. Eligiendo una base distinta, la base de
Lagrange, llegando a la forma más simple de la matriz identidad que puede resolverse buscando una
función polinómica L(x) de grado k con el problema de interpolación que puede tener tan solo una
solución. Dado que existe un único polinomio interpolador para un determinado conjunto de puntos,
resulta algo engañoso llamar a este polinomio el polinomio interpolador de Lagrange. Un nombre más
apropiado es interpolación polinómica en la forma de Lagrange, es una de las interpolaciones más útiles
en integración numérica, ésta consiste en una representación de polinomios  de la función.
Simplemente es una reformulación del polinomio de Newton que evita los cálculos de las diferencias
divididas.

Definición

En análisis numérico, el polinomio de Lagrange, llamado así en honor a Joseph-Louis de Lagrange, es

una forma de presentar el polinomio que interpola un conjunto de puntos dado. Lagrange publicó este
resultado en 1795, pero lo descubrió Edward Waring en 1779 y fue redescubierto más tarde por
Leonhard Euler en 1783. Dado que existe un único polinomio interpolador para un determinado
conjunto de puntos, resulta algo engañoso llamar a este polinomio el polinomio interpolador de
Lagrange. Un nombre más apropiado es interpolación polinómica en la forma de Lagrange.

La interpolación de Lagrange es una de las interpolaciones más útiles en integración numérica, ésta
consiste en una representación de polinomios  de la función.

El polinomio de interpolación de Lagrange, simplemente es una reformulación del polinomio de Newton

que evita los cálculos de las diferencias divididas. Este se puede representar concretamente como:

donde:

En donde:        

denota el «producto de».

Por ejemplo, la versión lineal (n = 1) es:

y la versión de segundo orden es:

al igual que en el método de Newton, la versión de Lagrange tiene un error aproximado dado por:

Lagrange3 calculó el único polinomio interpolante de manera explícita: El polinomio Pn(x) de grado ≤ n
que pasa por los n + 1 puntos (x0,y0),(x1,y1),...,(xn,yn) (con xi 6= xj para todo i, j) es

Características de los polinomios de Lagrange

1.- Los polinomios de Lagrange  son exactamente iguales a la unidad cuando se les
evalúa en la abscisa correspondiente a su índice, es decir:

Li(xi) = 1

2.- Se anulan en las abscisas de los puntos de interpolación con índice diferente al del
mismo polinomio:

Li(xj) = 0, con i≠j.

3.- Tomando otros valores de abscisas diferentes a los puntos de interpolación, los
polinomios de Lagrange adquieren valores comprendidos entre –1 y +1.

4.- Para obtener los polinomios de Lagrange solo se requiere conocer las abscisas de
los puntos a interpolar.

Ventajas

Es fácil de entender e implementar

Su programación es sencilla
No requiere de puntos equidistantes

Es ideal su uso, si se conoce de antemano el grado del polinomio

Desventajas

Laborioso de hacer a mano

Si se cambia, agrega o quita un punto de los datos, se tiene que volver a hacer todo el
polinomio desde el inicio

Cuándo es conveniente usar la interpolación de Newton y cuándo la de Lagrange?

Se utiliza mediciones realizadas sobre algún fenómeno como precipitación, temperatura o

elevación en determinados ligares, para hacer una predicción sobre un fenómeno en otros
lugares donde no se han realizado mediciones. Lagrange se debe utilizar cuando debemos
estimar valores intermedios entre datos precisos.

Cuáles son las ventajas de usar la interpolación de Lagrange, con respecto a la de Newton?

Lagrange reformula el de interpolación de Newton, esto hace que se evite el cálculo de las diferencias
divididas.

Conclusión

La interpolación es una herramienta útil y práctica, ya que 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 deben manejar con mucho cuidado y se tiene que
tener un conocimiento amplio del tema para usarlos correctamente. La interpolación en la forma de
Lagrange se debe utilizar cuando debamos estimar valores intermedios entre datos precisos, puesto que
reformula el de interpolación de Newton, esto hace que se evite el cálculo de las diferencias divididas.

El objetivo de Hermite es minimizar el error producido en la interpolación de Lagrange de la función f(x)

del intervalo [a,b] sin aumentar el grado del polinomio interpolador.

En lugar de interpolar sobre un soporte de puntos (Tchebycheff) donde en general se conoce el valor de
la función, se hace de otra manera, imponiendo unas condiciones al polinomio:

Igualar el valor de la función en los puntos de soporte, P(xi)=F(xi)

 

Igualar el valor de algunas derivadas de la función también en los puntos de soporte P(j)( xi)=F(j)(xi)

EL PROBLEMA

Un barco transporta Gas Natural Licuado (GNL) desde Halifax hasta Mumbai, tiene una
capacidad de 200000 m3. El gas debe enfriarse y mantenerse a una temperatura de -160° para
tener un volumen establecido. El barco usa una ruta que cubre el océano Atlántico e índico, y
afronta problemas para mantener refrigerado el gas, el cual no debe exceder de una presión de
20 psi para disminuir problemas operacionales, se desea relacionar el aumento de temperatura
con el aumento en la presión medida. Se zarpa con el gas a -162° para afrontar el aumento de
temperatura con el aumento no deseado de temperatura, y se toman medidas al rodear Ciudad
del Cabo y una última al llegar a destino. El equipo a bordo lleva un control a medida que la
temperatura varía teniéndose lo siguiente: (-162°; 14,7 psi), (-160,1°; 15,1°), (-156,3°; 17,3 psi).

Internamente la tripulación estipula un máximo de -155° para viajar. Se desea calcular si esta
valor concuerda con el máximo de presión operacional permitido, para ello se usará el método
de Lagrange.

Dados {( xi , y i ) }i=1 ,n +1 n+1 pares ordenados, construir un polinomio de grado ≤ n , P n ( x ) tal que
Pn ( x i) = y i (condición de interpolación)
INTERPOLACIÓN POLINOMIAL

La interpolación polinomial es la base de muchos tipos de integración numérica y tiene otras

aplicaciones teóricas. En la práctica a menudo tenemos una tabla de datos {(xi ,yi), i = 0, 1, 2,...,n},
obtenida por muestreo o experimentación. Suponemos que los datos corresponden a los valores de una
función f desconocida (a veces es conocida, pero queremos cambiarla por una función más sencilla de
calcular). El “ajuste de curvas” trata el problema de construir una función que aproxime muy bien estos
datos (es decir, a f). Un caso particular de ajuste de curvas es la interpolación polinomial: En este caso se
construye un polinomio P(x) que pase por los puntos de la tabla. La interpolación polinomial consiste en
estimar f(x ∗ ) con P(x ∗ ) si x ∗ no está en la tabla pero se puede ubicar entre estos valores.

Un problema de interpolación polinomial se especifica como sigue: dados n + 1 pares (x0,y0),(x1,y1),...,

(xn,yn), siendo todos los xi ’s distintos, y yi = f(xi) para alguna función f ; encontrar un polinomio Pn(x) de
grado ≤ n tal que

Teorema 2.1 (Polinomio interpolante).

A Pn(x) se le llama polinomio interpolante, a cada xi le decimos nodo de interpolación y a cada yi valor
interpolado.

- El problema tiene solución única, es decir hay un único polinomio que satisface (2.1).
- No se requiere que los datos estén igualmente espaciados ni en algún orden en particular
- Si f es un polinomio de grado k ≤ n, el polinomio interpolante de f en n + 1 puntos coincide con f
- El grado de Pn es ≤ n pues podría pasar, por ejemplo, que tres puntos estén sobre una recta y así
el polinomio tendría grado cero o grado uno
El polinomio interpolante es único, es decir, solo hay un polinomio que pasa por estos n + 1
puntos. Aquí vamos a ver cuatro maneras de calcular este polinomio interpolante: La forma de
Lagrange del polinomio interpolante, la fórmula baricéntrica de Lagrange, la modificada de
Lagrange y la forma de Newton del polinomio interpolante (método de diferencias divididas de
Newton). Los cuatro métodos dan el mismo polinomio (aunque con diferente aspecto), y los
cuatro métodos son importantes porque de ellos se hacen otras derivaciones teóricas.

Forma de Lagrange del polinomio interpolante.

Joseph Louis Lagrange (1736-1813) fue uno de los más grandes matemáticos de su tiempo. Nació en
Italia pero se nacionalizó Francés. Hizo grandes contribuciones en todos los campos de la matemática y
también en mecánica. Su obra principal es la “Mécanique analytique”(1788). En esta obra de cuatro
volúmenes, se ofrece el tratamiento más completo de la mecánica clásica desde Newton y sirvió de base
para el desarrollo de la física matemática en el siglo XIX.

Forma de Lagrange vs Forma de Newton.

Usualmente se reserva la forma de Lagrange del polinomio interpolante para trabajo teórico y
diferencias divididas de Newton para cálculos. La realidad es que la forma modificada de
Lagrange es tan eficiente como diferencias divididas de Newton en cuanto a costo
computacional y además es numéricamente mucho más estable. Hay varias ventajas que hacen
de esta forma modificada de Lagrange, el método a escoger cuando de interpolación polinomial
se trata.
Interpolación de Hermite

El objetivo de Hermite es minimizar el erros producido en la interpolación de Lagrange

de la función f(x) sobre el intervalo [a, b] sin aumentar el grado de polinomio anterior.

Dados un entero no negativo N, N + 1 puntos (x ¿ ¿ 0 , … , x N )¿ de la recta distintos dos a

0
dos y los valores f ( x i ) , 0<i< N , 0< j< k i−1 de una función f y de sus derivadas, encontrar
( j) (j)
un polinomio de grado m=( k 0 +k 1 +∙ ∙∙+ k n−1 , ) tal que: P ( x i) =f ( x i ) , 0<i< N , 0< j< k i− j

n+1
Pn ( x ) =∑ Y k Ln ,k ( x )
k=1

{
Ln , k ( x i )=δ ik = 1 , sii=k
0 , si i≠ k

n +1
( x−x j)
Ln , k ( x ) = ∏
j=1 ( x k −x j )
j≠k
∀ k : 1 ,n+1
Referencias

C. Chapra Steven, P. Raymond Canele; Métodos

numéricos para Ingenieros, séptima edición en español
por McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE
CV. Año de edición: 2011, Ciudad de México, D.F

Métodos Numéricos Retrieved February 2020, Avalaible:

[Link]
nge/[Link]