Interpolación de Ecuaciones

Diferenciales

Autores:
Rodrigo Benjamin Yashoc Quispe Chino
Alessandro Piero Huanca Villegas

Curso:
Matemática IV: Ecuaciones Diferenciales

Docente:
Javier Antonio Hilasaca Condori

Instituto de Educación Superior:

Universidad Privada de Tacna

Fecha:
06 de Diciembre de 2024

Tacna, Perú
Índice general

1. Introducción 2
1.1. Interpolación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Una Herramienta de Aproximación . . . . . . . . . . . . . . . . . . . . . 3

2. Métodos de de Interpolación Aplicados a Ecuaciones Diferenciales 4

2.1. Método de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2. Método de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3. Splines Cúbicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.1. Construcción de un spline cúbico natural . . . . . . . . . . . . . . 7
2.3.2. Evaluación de un spline cúbico . . . . . . . . . . . . . . . . . . . . 8
2.4. Método de Interpolación Lineal . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.1. Aproximación Sencilla . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.2. Ejemplo con Valores Negativos . . . . . . . . . . . . . . . . . . . 10

1
Capı́tulo 1

Introducción

1.1. Interpolación
El problema de interpolar aparece con mucha frecuencia en el trabajo en ciencias e
ingenierı́a, donde los experimentos arrojan datos numéricos y a su vez estos datos se
pueden representar en tablas o en forma gráfica. Para analizar el comportamiento del
sistema, no basta con observar los datos obtenidos en el experimento (figura 1.1), y en
cambio se debe intentar ajustar o aproximar una curva (función) que permita predecir
valores en puntos para los cuales no se dispone de información, y a su vez sirva como
modelo del comportamiento del sistema.

Figura 1.1: Problema de Interpolación.

Se pueden ajustar funciones de interpolación a una lista de datos siguiendo dos criterios:
ajuste exacto y ajuste por mı́nimos cuadrados (figura 1.2 y figura 1.3). Decidir el tipo de
ajuste a utilizar, depende de las necesidades de la investigación u origen de los datos.

2
Figura 1.2: tipos de interpolación: ajuste Figura 1.3: tipos de interpolación: ajuste
exacto. por mı́nimos cuadrados

1.2. Una Herramienta de Aproximación

Los métodos numéricos son esenciales cuando los problemas no pueden resolverse de
manera analı́tica, es decir, cuando no se puede encontrar una solución exacta con fórmulas
o ecuaciones. Muchos problemas, como los que involucran ecuaciones no lineales o grandes
sistemas de ecuaciones, requieren aproximaciones. Estos métodos nos permiten obtener
respuestas cercanas a la solución real, pero de manera más práctica y rápida.
Uno de los métodos más utilizados es este, la interpolación, que nos ayuda a estimar
valores intermedios entre datos conocidos. Por ejemplo, si tenemos varias mediciones en
diferentes puntos, la interpolación nos permite predecir el valor entre esos puntos sin
tener que conocer la función exacta que los genera. Esto es muy útil en áreas como la
ingenierı́a o la ciencia, donde los datos experimentales son comunes y no siempre siguen
una fórmula simple.

3
Capı́tulo 2

Métodos de de Interpolación
Aplicados a Ecuaciones Diferenciales

2.1. Método de Lagrange

Este método consiste en encontrar los máximos y mı́nimos de funciones de múlti-
ples variables sujetas a restricciones. Este método reduce el problema restringido con (n)
variables a uno sin restricciones de (n + k) variables, donde (k) es igual al número de
restricciones, cuyas ecuaciones pueden ser resueltas más fácilmente.

Ahora la interpolación en el método de Lagrange es una técnica matemática utilizada

para encontrar un polinomio que pase exactamente por un conjunto dado de puntos
(xi ; yi ). Este método es ampliamente utilizado en diversos campos de la ingenierı́a, ya
que permite aproximar funciones a partir de datos discretos.

- Dado un conjunto de (n + 1) puntos (x0 ; y0 ), (x1 ; y1 ),..., (xn ; yn ) el polinomio de in-

terpolación de Lagrange se define como:
n
X
P (x) = yi · Li (x) (2.1)
i=0

- Donde Li (x) son los polinomios base de Lagrange, dados por:

n
Y x − xj
Li (x) = (2.2)
x − xj
j=0 i
j̸=i

Ejemplo: Interpolar los puntos (1; 2);(3; 4) y (4; 3).

1. Identificar los puntos.

(x0 ; y0 ) = (1; 2), (x1 ; y1 ) = (3; 4), (x2 ; y2 ) = (4; 3) (2.3)

2. Calcular los polinomios base.

4
- Para los polinomios base:

(x − 3)(x − 4) (x − 3)(x − 4)
L0 (x) = = (2.4)
(1 − 3)(1 − 4) 6

(x − 1)(x − 4) −(x − 1)(x − 4)

L1 (x) = = (2.5)
(3 − 1)(3 − 4) 2
(x − 1)(x − 3) (x − 1)(x − 3)
L2 (x) = = (2.6)
(4 − 1)(4 − 3) 3

3. Construimos el Polinomio.
(x − 3)(x − 4) −(x − 1)(x − 4) (x − 1)(x − 3)
P (x) = 2 +4 +3 (2.7)
6 2 3

4. Simplificamos y obtenemos el polinomio.

2 11
P (x) = − x2 + x − 1 (2.8)
3 3

2.2. Método de Newton

El método de Newton-Raphson, conocido por su simplicidad y rapidez de convergen-
cia para calcular los ceros de una función real de una variable real. Es frecuentemente el
primer algoritmo considerado debido a estas propiedades, aunque no siempre sea el más
adecuado dependiendo del problema.

Ejemplo:

Un ingeniero está monitoreando la temperatura de un horno en ciertos intervalos de

tiempo para asegurarse de que no supere el lı́mite establecido. Se registraron las siguien-
tes temperaturas en función del tiempo:

tiempo (min) t Temperatura (T (t))

0 100°C
5 120°C
10 150°C

El ingeniero necesita encontrar un modelo matemático que aproxime la temperatura

del horno entre los tiempos registrados utilizando Interpolación con el Método de Newton.

1. encuentre el polinomio interpolador que modele los datos

2. Usa el modelo obtenido para estimar la temperatura en t = 7 min.

Construimos la tabla de diferencias divididas para calcular el polinomio de Newton.

5
1. Puntos dados:

(t0 ; T0 ) = (0; 100), (t1 ; T1 ) = (5; 120), (t2 ; T2 ) = (10; 150) (2.9)

2. Diferencias divididas:

Primera diferencia dividida:

T1 − T0 120 − 100
f (t0 ; t1 ) = = =4 (2.10)
t1 − t0 5−0
T2 − T1 150 − 120
f (t1 ; t2 ) = = =6 (2.11)
t2 − t1 10 − 5

Segunda diferencia dividida

f (t1 ; t2 ) − f (t0 ; t1 ) 6−4

f (t0 ; t1 ; t2 ) = = = 0,2 (2.12)
t2 − t0 10 − 0

El polinomio se construye con la fórmula general.

P (t) = f (to ) + f (t0 ; t1 )(t − t0 ) + f (t0 ; t1 ; t2 )(t − t0 )(t − t1 ) (2.13)

Sustituimos los valores:

P (t) = 100 + 4(t − 0) + 0,2(t − 0)(t − 5) (2.14)

Simplificamos:
P (t) = 100 + 4t + 0,2(t2 − 5t) (2.15)
P (t) = 0,2t2 + 3t + 100 (2.16)
Sustituimos t = 7 en el polinomio:

P (7) = 0,2(7)2 + 3(7) + 100 (2.17)

P (7) = 0,2(49) + 21 + 100 = 9,8 + 21 + 100 = 130,8 (2.18)

1. El modelo obtenido para la temperatura es:

P (t) = 0,2t2 + 3t + 100 (2.19)

2. La temperatura estimada a los 7 minutos es:

T (7) = 130,8 (2.20)

6
2.3. Splines Cúbicos
Cuando un número grande de datos tiene que ajustarse a una curva suave, la inter-
polación de Lagrange no es adecuada. Las condiciones para un ajuste con este método,
son que se pase un conjunto de polinomios cúbicos a través de los puntos, utilizando un
nuevo polinomio cúbico en cada intervalo.

La aproximación polinomial por tramos más común usa polinomios cúbicos entre cada
par sucesivo de nodos y recibe el nombre de interpolación de spline cúbico. Un polinomio
cúbico general implica cuatro constantes, por lo que existe suficiente flexibilidad en el
procesdimiento de spline cúbico para garantizar que el interpolante no sólo es continua-
mente diferencialbe en el intervalo, sino también tiene una segunda derivada continua. Sin
embargo, la construcción del spline cúbico no supone que las derivadas del interpolante
concuerdan con las de la función en su aproximación, incluso en los nodos.

Un spline cúbico es una función compuesta por polinomios de grado 3 (cúbicos), que
se utiliza para interpolar un conjunto de puntos dados. La caracterı́stica principal de los
splines cúbicos es que garantizan suavidad en las transiciones entre los segmentos, al im-
poner que las funciones y sus primeras y segundas derivadas sean continuas en los puntos
de unión.
Matemáticamente, un spline cúbico para n + 1 puntos (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ) se
define como un conjunto de polinomios cúbicos Si (x) para cada intervalo [xi , xi+1 ], donde:

Si (x) = ai + bi (x − xi ) + ci (x − xi )2 + di (x − xi )3

Se resuelven imponiendo las siguientes condiciones: 1. Si (xi ) = yi y Si (xi+1 ) = yi+1 (in-

terpolación en los puntos). 2. Continuidad de la primera derivada: Si′ (xi+1 ) = Si+1 ′
(xi+1 ).
′′ ′′
3. Continuidad de la segunda derivada: Si (xi+1 ) = Si+1 (xi+1 ). 4. Condiciones adicionales
para los extremos, como derivadas nulas en los bordes (splines naturales).

2.3.1. Construcción de un spline cúbico natural

Dado el conjunto de puntos (0, 1), (1, 3), (2, 2), construye el spline cúbico natural que
interpola estos puntos.

Forma general del spline cúbico Cada spline tiene la forma general:

Si (x) = ai + bi (x − xi ) + ci (x − xi )2 + di (x − xi )3 .

Condiciones de interpolación

S0 (0) = 1 =⇒ a0 = 1.

S0 (1) = 3 =⇒ 1 + b0 + c0 + d0 = 3 =⇒ b0 + c0 + d0 = 2.

S1 (1) = 3 =⇒ a1 = 3.

S1 (2) = 2 =⇒ 3 + b1 + c1 + d1 = 2 =⇒ b1 + c1 + d1 = −1.

7
Condiciones de continuidad
Derivada primera: S0′ (1) = S1′ (1) =⇒ b0 + 2c0 + 3d0 = b1 + 2c1 + 3d1 .
Derivada segunda: S0′′ (1) = S1′′ (1) =⇒ 2c0 + 6d0 = 2c1 + 6d1 .
Extremos: S0′′ (0) = 0 =⇒ c0 = 0 y S1′′ (2) = 0 =⇒ 2c1 + 6d1 = 0 =⇒ c1 = −3d1 .

Resolución del sistema

c0 = 0, d0 = 0, b0 = 2.
c1 = −3d1 , b1 − 2d1 = −1, b1 = 1, d1 = 1.

Resultado final:
S0 (x) = 1 + 2x, S1 (x) = 3 + (x − 1) − 3(x − 1)2 + (x − 1)3 .

Figura 2.1: Representación gráfica de un spline cúbico natural.

2.3.2. Evaluación de un spline cúbico

Para el spline cúbico definido por los polinomios:
S0 (x) = 1 + 2x − x2 en el intervalo [0, 1],
S1 (x) = 4 − 3(x − 1) + 2(x − 1)2 − (x − 1)3 en el intervalo [1, 2],
evalúa el valor de S(x) en x = 0,5 y x = 1,5.

Dado el spline cúbico:

S0 (x) = 1 + 2x − x2 en el intervalo [0, 1],
S1 (x) = 4 − 3(x − 1) + 2(x − 1)2 − (x − 1)3 en el intervalo [1, 2],

8
Evaluación en x = 0,5: Como x = 0,5 ∈ [0, 1], usamos S0 (x):

S0 (0,5) = 1 + 2(0,5) − (0,5)2 = 1 + 1 − 0,25 = 1,75

Evaluación en x = 1,5: Como x = 1,5 ∈ [1, 2], usamos S1 (x):

S1 (1,5) = 4 − 3(1,5 − 1) + 2(1,5 − 1)2 − (1,5 − 1)3

S1 (1,5) = 4 − 3(0,5) + 2(0,5)2 − (0,5)3

S1 (1,5) = 4 − 1,5 + 0,5 − 0,125 = 2,875

Figura 2.2: Representación gráfica de la función spline cúbica evaluada en los puntos
dados.

2.4. Método de Interpolación Lineal

La interpolación lineal es un método numérico simple que se utiliza para aproximar
valores intermedios de una función entre dos puntos conocidos. Este método supone que
la función entre los puntos se comporta de forma lineal. La fórmula general para calcular
la aproximación es:

f (x1 ) − f (x0 )
f (x) ≈ f (x0 ) + (x − x0 )
x1 − x0
Donde:

x0 y x1 son los valores conocidos de la variable independiente x,

f (x0 ) y f (x1 ) son los valores correspondientes de la función,

x es el punto donde se desea calcular la aproximación.

9
2.4.1. Aproximación Sencilla
Dado los puntos (2, 4) y (5, 10), aproxima el valor de f (x) cuando x = 3.
Sustituyendo en la fórmula:
10 − 4
f (3) ≈ 4 + (3 − 2)
5−2
6
f (3) ≈ 4 + (1)
3
f (3) ≈ 4 + 2 = 6
Por lo tanto, f (3) ≈ 6.

2.4.2. Ejemplo con Valores Negativos

Dado los puntos (−1, −3) y (2, 3), aproxima el valor de f (x) cuando x = 0.
Sustituyendo en la fórmula:

3 − (−3)
f (0) ≈ −3 + (0 − (−1))
2 − (−1)
6
f (0) ≈ −3 + (1)
3
f (0) ≈ −3 + 2 = −1
Por lo tanto, f (0) ≈ −1.

10
Bibliografı́a

[1] Arévalo Ovalle, D., Bernal Yermanos, M. Á., & Posada Restrepo, J. A. (2021).
Métodos numéricos con Python. Bogotá.

[2] OpenStax. (2021). Cálculo volumen 3: Multiplicadores de Lagrange. Recuperado

el 6 de diciembre de 2024, de [Link]
pages/4-8-multiplicadores-de-lagrange

[3] Universidad de Las Palmas de Gran Canaria. (s. f.). Raı́ces de ecuaciones (2). Re-
cuperado el 6 de diciembre de 2024, de [Link]
[Link]

[4] Centro de Investigación en Matemáticas (CIMAT). (s. f.). Método de Newton-

Raphson. Recuperado el 6 de diciembre de 2024, de [Link]
8181/~julio/courses/progra01/clase18/[Link]

[5] Universidad Pablo de Olavide (UPO). (s. f.). Dar formato a párrafos en La-
TeX. Recuperado el 6 de diciembre de 2024, de [Link]
dar-formato-parrafos

[6] Universitat de València. (s. f.). Métodos numéricos. Recuperado el 6 de diciembre de

2024, de [Link]

[7] Universidad Nacional Autónoma de México (UNAM). (s. f.). Raı́ces de

ecuaciones no lineales: Tema 3. Recuperado el 6 de diciembre de 2024,
de [Link]
Asignaturas/1457/[Link]

11