CAPTULO 18

Interpolacin
Con frecuencia se encontrar con que tiene que estimar valores intermedios entre datos
definidos por puntos. El mtodo ms comn que se usa para este propsito es la interpolacin polinomial. Recuerde que la frmula general para un polinomio de n-simo grado es
f(x) = a0 + a1x + a2x2 + + anxn

(18.1)

Dados n + 1 puntos, hay uno y slo un polinomio de grado* n que pasa a travs de todos
los puntos. Por ejemplo, hay slo una lnea recta (es decir, un polinomio de primer grado) que une dos puntos (figura 18.1a). De manera similar, nicamente una parbola une
un conjunto de tres puntos (figura 18.1b). La interpolacin polinomial consiste en determinar el polinomio nico de n-simo grado que se ajuste a n + 1 puntos. Este polinomio, entonces, proporciona una frmula para calcular valores intermedios.
Aunque hay uno y slo un polinomio de n-simo grado que se ajusta a n + 1 puntos,
existe una gran variedad de formas matemticas en las cuales puede expresarse este
polinomio. En este captulo describiremos dos alternativas que son muy adecuadas para
implementarse en computadora: los polinomios de Newton y de Lagrange.

18.1

INTERPOLACIN POLINOMIAL DE NEWTON

EN DIFERENCIAS DIVIDIDAS
Como se dijo antes, existe una gran variedad de formas alternativas para expresar una
interpolacin polinomial. El polinomio de interpolacin de Newton en diferencias diFIGURA 18.1
Ejemplos de interpolacin polinomial: a) de primer grado (lineal) que une dos puntos, b) de
segundo grado (cuadrtica o parablica) que une tres puntos y c) de tercer grado (cbica)
que une cuatro puntos.

a)

b)

c)

* De hecho se puede probar que dados n + 1 puntos, con abscisas distintas entre s, existe uno y slo un polinomio de grado a lo ms n que pasa por estos puntos.

Chapra-18.indd 503

6/12/06 13:57:47

504

INTERPOLACIN

vididas es una de las formas ms populares y tiles. Antes de presentar la ecuacin

general, estudiaremos las versiones de primero y segundo grados por su sencilla interpretacin visual.
18.1.1 Interpolacin lineal
La forma ms simple de interpolacin consiste en unir dos puntos con una lnea recta.
Dicha tcnica, llamada interpolacin lineal, se ilustra de manera grfica en la figura
18.2. Utilizando tringulos semejantes,
1 ( x ) ( x 0 ) ( x1 ) ( x 0 )
=
x x0
x1 x 0
reordenndose se tiene
1 ( x ) = ( x 0 ) +

( x1 ) ( x 0 )
( x x0 )
x1 x 0

(18.2)

que es una frmula de interpolacin lineal. La notacin f1(x) designa que ste es un
polinomio de interpolacin de primer grado. Observe que adems de representar la
pendiente de la lnea que une los puntos, el trmino [f(x1) f(x0)]/(x1 x0) es una aproximacin en diferencia dividida finita a la primer derivada [ecuacin (4.17)]. En general,

FIGURA 18.2
Esquema grfico de la interpolacin lineal. Las reas sombreadas indican los tringulos
semejantes usados para obtener la frmula de la interpolacin lineal [ecuacin(18.2)].

f (x)

f (x1)
f1(x)

f (x0)

x0

Chapra-18.indd 504

x1

6/12/06 13:57:47

18.1

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

505

cuanto menor sea el intervalo entre los datos, mejor ser la aproximacin. Esto se debe al
hecho de que, conforme el intervalo disminuye, una funcin continua estar mejor aproximada por una lnea recta. Esta caracterstica se demuestra en el siguiente ejemplo.
EJEMPLO 18.1

Interpolacin lineal
Planteamiento del problema. Estime el logaritmo natural de 2 mediante interpolacin
lineal. Primero, realice el clculo por interpolacin entre ln 1 = 0 y ln 6 = 1.791759.
Despus, repita el procedimiento, pero use un intervalo menor de ln 1 a ln 4 (1.386294).
Observe que el valor verdadero de ln 2 es 0.6931472.
Solucin. Usamos la ecuacin (18.2) y una interpolacin lineal para ln(2) desde x0 =
1 hasta x1 = 6 para obtener
1 (2) = 0 +

1.791759 0
(2 1) = 0.3583519
6 1

que representa un error: et = 48.3%. Con el intervalo menor desde x0 = 1 hasta x1 = 4 se

obtiene
1 (2) = 0 +

1.386294 0
(2 1) = 0.4620981
4 1

As, usando el intervalo ms corto el error relativo porcentual se reduce a et = 33.3%.

Ambas interpolaciones se muestran en la figura 18.3, junto con la funcin verdadera.

FIGURA 18.3
Dos interpolaciones lineales para estimar ln 2. Observe cmo el intervalo menor
proporciona una mejor estimacin.

f (x)
f (x) = ln x

Valor
verdadero

f1(x)

Estimaciones lineales

Chapra-18.indd 505

6/12/06 13:57:47

506

INTERPOLACIN

18.1.2 Interpolacin cuadrtica

En el ejemplo 18.1 el error resulta de nuestra aproximacin a una curva mediante una
lnea recta. En consecuencia, una estrategia para mejorar la estimacin consiste en introducir alguna curvatura a la lnea que une los puntos. Si se tienen tres puntos como datos,
stos pueden ajustarse en un polinomio de segundo grado (tambin conocido como polinomio cuadrtico o parbola). Una forma particularmente conveniente para ello es
f2(x) = b0 + b1(x x0) + b2(x x0)(x x1)

(18.3)

Observe que aunque la ecuacin (18.3) parece diferir del polinomio general [ecuacin
(18.1)], las dos ecuaciones son equivalentes. Lo anterior se demuestra al multiplicar los
trminos de la ecuacin (18.3):
f2(x) = b0 + b1x b1x0 + b2x2 + b2x0x1 b2xx0 b2xx1
o, agrupando trminos,
f2(x) = a0 + a1x + a2x2
donde
a0 = b0 blx0 + b2x0x1
a1 = b1 b2x0 b2x1
a2 = b2
As, las ecuaciones (18.1) y (18.3) son formas alternativas, equivalentes del nico polinomio de segundo grado que une los tres puntos.
Un procedimiento simple puede usarse para determinar los valores de los coeficientes. Para encontrar b 0, en la ecuacin (18.3) se evala con x = x0 para obtener
b0 = f(x0)

(18.4)

La ecuacin (18.4) se sustituye en la (18.3), despus se evala en x = x1 para tener

b1 =

( x1 ) ( x 0 )
x1 x 0

(18.5)

Por ltimo, las ecuaciones (18.4) y (18.5) se sustituyen en la (18.3), despus se evala en
x = x2 y (luego de algunas manipulaciones algebraicas) se resuelve para
( x 2 ) ( x1 ) ( x1 ) ( x 0 )

x 2 x1
x1 x 0
b2 =
x2 x0

(18.6)

Observe que, como en el caso de la interpolacin lineal, b1 todava representa la

pendiente de la lnea que une los puntos x0 y x1. As, los primeros dos trminos de
la ecuacin (18.3) son equivalentes a la interpolacin lineal de x0 a x1, como se especific antes en la ecuacin (18.2). El ltimo trmino, b2 (x x0)(x x1), determina la curvatura de segundo grado en la frmula.

Chapra-18.indd 506

6/12/06 13:57:48

18.1

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

507

Antes de ilustrar cmo utilizar la ecuacin (18.3), debemos examinar la forma del coeficiente b2. Es muy similar a la aproximacin en diferencias divididas finitas de la segunda
derivada, que se present antes en la ecuacin (4.24). As, la ecuacin (18.3) comienza a
manifestar una estructura semejante a la expansin de la serie de Taylor. Esta observacin
ser objeto de una mayor exploracin cuando relacionemos los polinomios de interpolacin
de Newton con la serie de Taylor en la seccin 18.1.4. Aunque, primero, mostraremos un
ejemplo que indique cmo se utiliza la ecuacin (18.3) para interpolar entre tres puntos.
EJEMPLO 18.2

Interpolacin cuadrtica
Planteamiento del problema.
tos del ejemplo 18.1:
x0 = 1

f(x0) = 0

x1 = 4

f(x1) = 1.386294

x2 = 6

f(x2) = 1.791759

Ajuste un polinomio de segundo grado a los tres pun-

Con el polinomio evale ln 2.

Solucin.

Aplicando la ecuacin (18.4) se obtiene

b0 = 0
La ecuacin (18.5) da
b1 =

1.386294 0
= 0.4620981
4 1

FIGURA 18.4
El uso de la interpolacin cuadrtica para estimar ln 2. Para comparacin se presenta
tambin la interpolacin lineal desde x = 1 hasta 4.

f (x)
f (x) = ln x

f2(x)
Valor
verdadero

Estimacin cuadrtica
Estimacin lineal
0

Chapra-18.indd 507

6/12/06 13:57:48

508

INTERPOLACIN

y con la ecuacin (18.6) se obtiene

1.791759 1.386294
0.4620981
64
= 0.0518731
b2 =
6 1
Sustituyendo estos valores en la ecuacin (18.3) se obtiene la frmula cuadrtica
f2(x) = 0 + 0.4620981(x 1) 0.0518731(x 1)(x 4)
que se evala en x = 2 para
f2(2) = 0.5658444
que representa un error relativo de et = 18.4%. As, la curvatura determinada por la
frmula cuadrtica (figura 18.4) mejora la interpolacin comparndola con el resultado
obtenido antes al usar las lneas rectas del ejemplo 18.1 y en la figura 18.3.

18.1.3 Forma general de los polinomios de interpolacin

de Newton
El anlisis anterior puede generalizarse para ajustar un polinomio de n-simo grado a n
+ 1 datos. El polinomio de n-simo grado es
fn(x) = b0 + b1(x x0) + + bn(x x0)(x x1) (x xn1)

(18.7)

Como se hizo antes con las interpolaciones lineales y cuadrticas, los puntos asociados
con datos se utilizan para evaluar los coeficientes b 0, b1,..., bn. Para un polinomio de
n-simo grado se requieren n + 1 puntos: [x0, f(x0)], [x1, f(x1)],..., [xn, f(xn)]. Usamos
estos datos y las siguientes ecuaciones para evaluar los coeficientes:
b0 = f(x0)
b1 = f[x1, x0]
b2 = f[x2, x1, x0]

(18.8)
(18.9)
(18.10)

bn = f[xn, xn1, , x1, x0]

(18.11)

donde las evaluaciones de la funcin colocadas entre parntesis son diferencias divididas
finitas. Por ejemplo, la primera diferencia dividida finita en forma general se representa
como
[ xi , x j ] =

( xi ) ( x j )
xi x j

(18.12)

La segunda diferencia dividida finita, que representa la diferencia de las dos primeras
diferencias divididas, se expresa en forma general como
[ xi , x j , x k ] =

Chapra-18.indd 508

[ xi , x j ] [ x j , x k ]
xi x k

(18.13)

6/12/06 13:57:48

18.1

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

xi

f(xi)

Primero

0
1

x0
x1

(x0)
(x1)

x2
x3

(x2)
(x3)

[x3, x2]

509

Segundo

Tercero

[x1, x0]

[x2, x1, x0]

[x3, x2, x1, x0]

[x2, x1]

[x3, x2, x1]

FIGURA 18.5
Representacin grfica de la naturaleza recursiva de las diferencias divididas finitas.

En forma similar, la n-sima diferencia dividida finita es

[ x n , x n 1 , , x1 , x 0 ] =

[ x n , x n 1 , , x1 ] [ x n 1 , x n2 , , x 0 ]
xn x0

(18.14)

Estas diferencias sirven para evaluar los coeficientes en las ecuaciones (18.8) a
(18.11), los cuales se sustituirn en la ecuacin (18.7) para obtener el polinomio de interpolacin
fn(x) = f(x0) + (x x0) f[x1, x0] + (x x0)(x x1) f[x2, x1, x0]
+ + (x x0)(x x1) (x xn1) f[xn, xn1, , x0]

(18.15)

que se conoce como polinomio de interpolacin de Newton en diferencias divididas.

Debe observarse que no se requiere que los datos utilizados en la ecuacin (18.15) estn
igualmente espaciados o que los valores de la abscisa estn en orden ascendente, como
se ilustra en el siguiente ejemplo. Tambin, advierta cmo las ecuaciones (18.12) a (18.14)
son recursivas (es decir, las diferencias de orden superior se calculan tomando diferencias
de orden inferior (figura 18.5). Tal propiedad se aprovechar cuando desarrollemos un
programa computacional eficiente en la seccin 18.1.5 para implementar el mtodo.
EJEMPLO 18.3

Polinomios de interpolacin de Newton en diferencias divididas

Planteamiento del problema. En el ejemplo 18.2, los datos x0 = 1, x1 = 4 y x2 = 6 se
utilizaron para estimar ln 2 mediante una parbola. Ahora, agregando un cuarto punto
(x3 = 5; f(x3) = 1.609438], estime ln 2 con un polinomio de interpolacin de Newton de
tercer grado.
Solucin.

Utilizando la ecuacin (18.7), con n = 3, el polinomio de tercer grado es

f3(x) = b0 + b1(x x0) + b2(x x0)(x x1) + b3(x x0)(x x1)(x x2)
Las primeras diferencias divididas del problema son [ecuacin (18.12)]
1.386294 0
[ x1 , x 0 ] =
= 0.4620981
40
1.791759 1.386294
[ x 2 , x1 ] =
= 0.2027326
64

Chapra-18.indd 509

6/12/06 13:57:49

510

INTERPOLACIN

f (x)
f3(x)

f (x) = ln x

Valor
real

Estimacin
cbica

FIGURA 18.6
Uso de la interpolacin cbica para estimar ln 2.

[ x3 , x 2 ] =

1.609438 1.791759
= 0.1823216
56

Las segundas diferencias divididas son [ecuacin (18.13)]

0.2027326 0.4620981
= 0.05187311
6 1
0.1823216 0.2027326
[ x3 , x 2 , x1 ] =
= 0.02041100
54
[ x 2 , x1 , x 0 ] =

La tercera diferencia dividida es [ecuacin (18.14) con n = 3]

[ x3 , x 2 , x1 , x 0 ] =

0.02041100 ( 0.05187311)
= 0.007865529
5 1

Los resultados de f[x1, x0], f[x2 , x1, x0] y f[x3, x2, x1, x0] representan los coeficientes b1, b2 y
b3 de la ecuacin (18.7), respectivamente. Junto con b0 = f(x0) = 0.0, la ecuacin (18.7) es
f3(x) = 0 + 0.4620981(x 1) 0.05187311(x 1)(x 4)
+ 0.007865529(x 1)(x 4)(x 6)
la cual sirve para evaluar f 3 (2) = 0.6287686, que representa un error relativo: et = 9.3%.
La grfica del polinomio cbico se muestra en la figura 18.6.

Chapra-18.indd 510

6/12/06 13:57:49

18.1

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

511

18.1.4 Errores de la interpolacin polinomial de Newton

Observe que la estructura de la ecuacin (18.15) es similar a la expansin de la serie de
Taylor en el sentido de que se van agregando trminos en forma secuencial, para mostrar
el comportamiento de orden superior de la funcin. Estos trminos son diferencias divididas finitas y, as, representan aproximaciones de las derivadas de orden superior. En
consecuencia, como ocurri con la serie de Taylor, si la funcin verdadera es un polinomio de n-simo grado, entonces el polinomio de interpolacin de n-simo grado basado
en n + 1 puntos dar resultados exactos.
Tambin, como en el caso de la serie de Taylor, es posible obtener una formulacin
para el error de truncamiento. De la ecuacin (4.6) recuerde que el error de truncamiento en la serie de Taylor se expresa en forma general como
Rn =

( n+1 ( )
( xi +1 xi ) n+1
(n + 1)!

(4.6)

donde x est en alguna parte del intervalo de xi a xi+1. Para un polinomio de interpolacin
de n-simo grado, una expresin anloga para el error es
Rn =

( n+1) ( )
( x x 0 )( x x1 )
( x x n )
(n + 1)!

(18.16)

donde x est en alguna parte del intervalo que contiene la incgnita y los datos. Para que
esta frmula sea til, la funcin en turno debe ser conocida y diferenciable. Por lo comn
ste no es el caso. Por fortuna, hay una formulacin alternativa que no requiere del conocimiento previo de la funcin. Utilizndose una diferencia dividida finita para aproximar la (n + 1)-sima derivada,
Rn = [x, xn, xn1, . . . , x0](x x0)(x x1) (x xn)

(18.17)

donde [x, xn, xn1,. . . , x0] es la (n + 1)-sima diferencia dividida finita. Debido a que
la ecuacin (18.17) contiene la incgnita f(x), no permite obtener el error. Sin embargo,
si se tiene un dato ms, f(xn+1), la ecuacin (18.17) puede usarse para estimar el error
como sigue:
Rn [xn+1, xn, xn1, . . . ,x0](x x0)(x x1) (x xn)
EJEMPLO 18.4

(18.18)

Estimacin del error para el polinomio de Newton

Planteamiento del problema. Con la ecuacin (18.18) estime el error en la interpolacin polinomial de segundo grado del ejemplo 18.2. Use el dato adicional f(x3) =
f(5) = 1.609438 para obtener sus resultados.
Solucin. Recuerde que en el ejemplo 18.2 el polinomio de interpolacin de segundo
grado proporcion una estimacin, f 2 (2) = 0.5658444, que representa un error de
0.6931472 0.5658444 = 0.1273028. Si no se hubiera conocido el valor verdadero, como
usualmente sucede, la ecuacin (18.18), junto con el valor adicional en x3, pudo haberse
utilizado para estimar el error,
R2 = [x3, x2, x1, x0](x x0)(x x1)(x x2)

Chapra-18.indd 511

6/12/06 13:57:50

512

INTERPOLACIN

o
R2 = 0.007865529(x 1)(x 4)(x 6)
donde el valor de la diferencia dividida finita de tercer orden es como se calcul antes
en el ejemplo 18.3. Esta expresin se evala en x = 2 para obtener
R2 = 0.007865529(2 1)(2 4)(2 6) = 0.0629242
que es del mismo orden de magnitud que el error verdadero.

Con el ejemplo anterior y la ecuacin (18.18), debe resultar claro que el error estimado para el polinomio de n-simo grado es equivalente a la diferencia entre las predicciones de orden (n + 1) y de orden n. Es decir,
Rn = fn+1(x) fn(x)

(18.19)

En otras palabras, el incremento que se agrega al caso de orden n para crear el caso de
orden (n + 1) [es decir, la ecuacin (18.18)] se interpreta como un estimado del error
de orden n. Esto se percibe con claridad al reordenar la ecuacin (18.19):
fn+1(x) = fn(x) + Rn
La validez de tal procedimiento se refuerza por el hecho de que la serie es altamente
convergente. En tal situacin, la prediccin del orden (n + 1) debera ser mucho ms
cercana al valor verdadero que la prediccin de orden n. En consecuencia, la ecuacin
(18.19) concuerda con nuestra definicin estndar de error, al representar la diferencia
entre la verdad y una aproximacin. No obstante, observe que mientras todos los otros
errores estimados para los procedimientos iterativos presentados hasta ahora se encontraron como una prediccin presente menos una previa, la ecuacin (18.19) constituye
una prediccin futura menos una presente. Lo anterior significa que para una serie que
es de convergencia rpida, el error estimado de la ecuacin (18.19) podra ser menor
que el error verdadero. Esto representara una calidad muy poco atractiva si el error
estimado fuera a emplearse como un criterio de terminacin. Sin embargo, como se
expondr en la siguiente seccin, los polinomios de interpolacin de grado superior son
muy sensibles a errores en los datos (es decir, estn mal condicionados). Cuando se
emplean para interpolacin, a menudo dan predicciones que divergen en forma significativa del valor verdadero. Si se trata de detectar errores, la ecuacin (18.19) es ms
sensible a tal divergencia. De esta manera, es ms valiosa con la clase de anlisis de
datos exploratorios para los que el polinomio de Newton es el ms adecuado.
18.1.5 Algoritmo computacional para el polinomio
de interpolacin de Newton
Tres propiedades hacen a los polinomios de interpolacin de Newton muy atractivos
para aplicaciones en computadora:
1.

Chapra-18.indd 512

Como en la ecuacin (18.7), es posible desarrollar de manera secuencial versiones

de grado superior con la adicin de un solo trmino a la ecuacin de grado inferior.

6/12/06 13:57:50

18.1

2.

3.

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

513

Esto facilita la evaluacin de algunas versiones de diferente grado en el mismo

programa. En especial tal capacidad es valiosa cuando el orden del polinomio no se
conoce a priori. Al agregar nuevos trminos en forma secuencial, podemos determinar cundo se alcanza un punto de regreso disminuido (es decir, cuando la adicin
de trminos de grado superior ya no mejora de manera significativa la estimacin,
o en ciertas situaciones incluso la aleja). Las ecuaciones para estimar el error, que
se analizan en el punto 3, resultan tiles para visualizar un criterio objetivo para
identificar este punto de trminos disminuidos.
Las diferencias divididas finitas que constituyen los coeficientes del polinomio
[ecuaciones (18.8) hasta (18.11)] se pueden calcular eficientemente. Es decir, como
en la ecuacin (18.14) y la figura 18.5, las diferencias de orden inferior sirven para
calcular las diferencias de orden mayor. Utilizando esta informacin previamente
determinada, los coeficientes se calculan de manera eficiente. El algoritmo en la
figura 18.7 incluye un esquema as.
El error estimado [ecuacin (18.18)] se incorpora con facilidad en un algoritmo
computacional debido a la manera secuencial en la cual se construye la prediccin.

Todas las caractersticas anteriores pueden aprovecharse e incorporarse en un algoritmo general para implementar el polinomio de Newton (figura 18.7). Observe que el
algoritmo consiste de dos partes: la primera determina los coeficientes a partir de la
ecuacin (18.7); la segunda establece las predicciones y sus errores correspondientes. La
utilidad de dicho algoritmo se demuestra en el siguiente ejemplo.

FIGURA 18.7
Un algoritmo para el polinomio de interpolacin de Newton escrito en seudocdigo.
SUBROUTINE NewtInt (x, y, n, xi, yint, ea)
LOCAL fddn,n
DOFOR i = 0, n
fddi,0 = yi
END DO
DOFOR j = 1, n
DOFOR i = 0, n j
fddi,j = (fddi+1,j1 fddi,j1)/(xi+j xi)
END DO
END DO
xterm = 1
yint0 = fdd0,0
DOFOR order = 1, n
xterm = xterm * (xi xorder1)
yint2 = yintorder1 + fdd0,order * xterm
Eaorder1 = yint2 yintorder1
yintorder = yint2
END order
END NewtInt

Chapra-18.indd 513

6/12/06 13:57:50

INTERPOLACIN

514

EJEMPLO 18.5

Estimaciones del error para determinar el grado de interpolacin adecuado

Planteamiento del problema. Despus de incorporar el error [ecuacin (18.18)],
utilice el algoritmo computacional que se muestra en la figura 18.7 y la informacin
siguiente para evaluar f(x) = ln x en x = 2:
x

(x) = ln x

0
4
6
5
3
1.5
2.5
3.5

1
1.3862944
1.7917595
1.6094379
1.0986123
0.4054641
0.9162907
1.2527630

Solucin. Los resultados de emplear el algoritmo de la figura 18.7 para obtener una
solucin se muestran en la figura 18.8. El error estimado, junto con el error verdadero
(basndose en el hecho de que ln 2 = 0.6931472), se ilustran en la figura 18.9. Observe
que el error estimado y el error verdadero son similares y que su concordancia mejora
conforme aumenta el grado. A partir de estos resultados se concluye que la versin de
quinto grado da una buena estimacin y que los trminos de grado superior no mejoran
significativamente la prediccin.

NUMERO DE PUNTOS? 8
X( 0 ), y( 0 ) = ? 1,0
X( 1 ), y( 1 ) = ? 4,1.3862944
X( 2 ), y( 2 ) = ? 6,1.7917595
X( 3 ), y( 3 ) = ? 5,1.6094379
X( 4 ), y( 4 ) = ? 3,1.0986123
X( 5 ), y( 5 ) = ? 1.5,0.40546411
X( 6 ), y( 6 ) = ? 2.5,0.91629073
X( 7 ), y( 7 ) = ? 3.5,1.2527630
INTERPOLACION EN X = 2
GRADO
F(X)
ERROR
0
0.000000
0.462098
1
0.462098
0.103746
2
0.565844
0.062924
3
0.628769
0.046953
4
0.675722
0.021792
5
0.697514
0.003616
6
0.693898
0.000459
7
0.693439

FIGURA 18.8
Resultados de un programa, basado en el algoritmo de la figura 18.7, para evaluar ln 2.

Chapra-18.indd 514

6/12/06 13:57:50

18.1

INTERPOLACIN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

515

Este ejercicio tambin ilustra la importancia de la posicin y el orden de los puntos.

Por ejemplo, hasta la estimacin de tercer grado, la mejora es lenta debido a que los puntos que se agregaron (en x = 4, 6 y 5) estn distantes y a un lado del punto de anlisis en x
= 2. La estimacin de cuarto grado muestra una mejora un poco mayor, ya que el nuevo
punto en x = 3 est ms cerca de la incgnita. Aunque, la disminucin ms dramtica en
el error corresponde a la inclusin del trmino de quinto grado usando el dato en x = 1.5.
Dicho punto est cerca de la incgnita y tambin se halla al lado opuesto de la mayora de
los otros puntos. En consecuencia, el error se reduce a casi un orden de magnitud.
La importancia de la posicin y el orden de los datos tambin se demuestra al usar
los mismos datos para obtener una estimacin para ln 2, pero considerando los puntos
en un orden diferente. La figura 18.9 muestra los resultados en el caso de invertir el
orden de los datos originales; es decir, x0 = 3.5, x1 = 2.5, x3 = 1.5, y as sucesivamente.
Como los puntos iniciales en este caso se hallan ms cercanos y espaciados a ambos
lados de ln 2, el error disminuye mucho ms rpidamente que en la situacin original.
En el trmino de segundo grado, el error se redujo a menos de et = 2%. Se podran emplear otras combinaciones para obtener diferentes velocidades de convergencia.

FIGURA 18.9
Errores relativos porcentuales para la prediccin de ln 2 como funcin del orden del
polinomio de interpolacin.

Error

Error verdadero (original)

0.5

Error estimado (original)

Grado

Error estimado (invertido)

0.5

Chapra-18.indd 515

6/12/06 13:57:51

INTERPOLACIN

516

El ejemplo anterior ilustra la importancia de la seleccin de los puntos. Como es

intuitivamente lgico, los puntos deberan estar centrados alrededor, y tan cerca como
sea posible, de las incgnitas. Esta observacin tambin se sustenta por un anlisis directo de la ecuacin para estimar el error [ecuacin (18.17)]. Si suponemos que la diferencia dividida finita no vara mucho a travs de los datos, el error es proporcional al
producto: (x x0)(x x1)(x xn). Obviamente, cuanto ms cercanos a x estn los puntos, menor ser la magnitud de este producto.

18.2

POLINOMIOS DE INTERPOLACIN DE LAGRANGE

El polinomio de interpolacin de Lagrange es simplemente una reformulacin del polinomio de Newton que evita el clculo de las diferencias divididas, y se representa de
manera concisa como
n

L ( x )( x )

(18.20)

x x

(18.21)

n ( x) =

i=0

donde
Li ( x ) =

j =0
j i

x xj
i

donde designa el producto de. Por ejemplo, la versin lineal (n = 1) es

1 ( x ) =

x x0
x x1
( x 0 ) +
( x1 )
x1 x 0
x 0 x1

(18.22)

y la versin de segundo grado es

2 ( x) =

( x x 0 )( x x 2 )
( x x1 )( x x 2 )
( x 0 ) +
( x1 )
( x1 x 0 )( x1 x 2 )
( x 0 x1 )( x 0 x 2 )
+

( x x 0 )( x x1 )
( x 2 )
( x 2 x 0 )( x 2 x1 )

(18.23)

La ecuacin (18.20) se obtiene de manera directa del polinomio de Newton (cuadro

18.1). Sin embargo, el razonamiento detrs de la formulacin de Lagrange se comprende directamente al darse cuenta de que cada trmino Li (x) ser 1 en x = xi y 0 en todos
los otros puntos (figura 18.10). De esta forma, cada producto Li (x) f(xi) toma el valor de
f(xi) en el punto xi. En consecuencia, la sumatoria de todos los productos en la ecuacin
(18.20) es el nico polinomio de n-simo grado que pasa exactamente a travs de todos
los n + 1 puntos, que se tienen como datos.

Chapra-18.indd 516

6/12/06 13:57:51

18.2

EJEMPLO 18.6

POLINOMIOS DE INTERPOLACIN DE LAGRANGE

517

Polinomios de interpolacin de Lagrange

Planteamiento del problema. Con un polinomio de interpolacin de Lagrange de
primero y segundo grado evale ln 2 basndose en los datos del ejemplo 18.2:
x0 = 1

f(x0) = 0

x1 = 4

f(x1) = 1.386294

x2 = 6

f(x2) = 1.791760

Solucin. El polinomio de primer grado [ecuacin (18.22)] se utiliza para obtener la

estimacin en x = 2,
1 (2) =

2 1
24
0+
1.386294 = 0.4620981
4 1
1 4

De manera similar, el polinomio de segundo grado se desarrolla as: [ecuacin (18.23)]

2 (2) =

(2 4)(2 6)
(2 1)(2 6)
0+
1.386294
(1 4)(1 6)
( 4 1)( 4 6)
(2 1)(2 4)
1.791760 = 0.5658444
+
(6 1)(6 4)

Como se esperaba, ambos resultados concuerdan con los que se obtuvieron antes al usar
el polinomio de interpolacin de Newton.

Cuadro 18.1

Obtencin del polinomio de Lagrange directamente a partir

del polinomio de interpolacin de Newton

El polinomio de interpolacin de Lagrange se obtiene de manera directa a partir de la formulacin del polinomio de Newton.
Haremos esto nicamente en el caso del polinomio de primer
grado [ecuacin (18.2)]. Para obtener la forma de Lagrange,
reformulamos las diferencias divididas. Por ejemplo, la primera
diferencia dividida,
f [ x1 , x 0 ] =

f ( x1 ) f ( x 0 )
x1 x 0

(B18.1.1)

Chapra-18.indd 517

f ( x0 )
f ( x1 )
+
x1 x 0 x 0 x1

f1 ( x ) = f ( x 0 ) +

x x0
x x0
f ( x1 ) +
f ( x0 )
x1 x 0
x 0 x1

Por ltimo, al agrupar trminos semejantes y simplificar se obtiene la forma del polinomio de Lagrange,
f1 ( x ) =

se reformula como
[ x1 , x 0 ] =

conocida como la forma simtrica. Al sustituir la ecuacin

(B18.1.2) en la (18.2) se obtiene

x x0
x x1
f ( x0 ) +
f ( x1 )
x 0 x1
x1 x 0

(B18.1.2)

6/12/06 13:57:51

518

INTERPOLACIN

150

Tercer trmino

Sumatoria
de los tres
trminos = f2(x)

100

50

Primer trmino

15

20

25

30

50

100

Segundo trmino

150

FIGURA 18.10
Descripcin visual del razonamiento detrs del polinomio de Lagrange. Esta figura muestra
un caso de segundo grado. Cada uno de los tres trminos en la ecuacin (18.23) pasa a
travs de uno de los puntos que se tienen como datos y es cero en los otros dos. La suma de
los tres trminos, por lo tanto, debe ser el nico polinomio de segundo grado f2(x) que pasa
exactamente a travs de los tres puntos.

FIGURA 18.11
Seudocdigo para la interpolacin de Lagrange. Este algoritmo se establece para calcular
una sola prediccin de grado n-simo, donde n + 1 es el nmero de datos.
FUNCTION Lagrng(x, y, n, x)
sum = 0
DOFOR i = 0, n
product = yi
DOFOR j = 0, n
IF i j THEN
product = product*(x xj)/(xi xj)
ENDIF
END DO
sum = sum + product
END DO
Lagrng = sum
END Lagrng

Chapra-18.indd 518

6/12/06 13:57:51

18.2

POLINOMIOS DE INTERPOLACIN DE LAGRANGE

519

Observe que, como en el mtodo de Newton, la forma de Lagrange tiene un error

estimado de [ecuacin (18.17)]
Rn = [ x, x n , x n1 , , x 0 ]

(x x )
n

i=0

De este modo, si se tiene un punto adicional en x = xn+1, se puede obtener un error estimado. Sin embargo, como no se emplean las diferencias divididas finitas como parte del
algoritmo de Lagrange, esto se hace rara vez.
Las ecuaciones (18.20) y (18.21) se programan de manera muy simple para implementarse en una computadora. La figura 18.11 muestra el seudocdigo que sirve para
tal propsito.
En resumen, en los casos donde se desconoce el grado del polinomio, el mtodo de
Newton tiene ventajas debido a la comprensin que proporciona respecto al comportamiento de las frmulas de diferente grado. Adems, el estimado del error representado
por la ecuacin (18.18) se agrega usualmente en el clculo del polinomio de Newton
debido a que el estimado emplea una diferencia finita (ejemplo 18.5). De esta manera,
para clculos exploratorios, a menudo se prefiere el mtodo de Newton.
Cuando se va a ejecutar slo una interpolacin, las formulaciones de Lagrange y de
Newton requieren un trabajo computacional semejante. No obstante, la versin de Lagrange es un poco ms fcil de programar. Debido a que no requiere del clculo ni del
almacenaje de diferencias divididas, la forma de Lagrange a menudo se utiliza cuando
el grado del polinomio se conoce a priori.
EJEMPLO 18.7

Interpolacin de Lagrange empleando la computadora

Planteamiento del problema. Es posible usar el algoritmo de la figura 18.11 para
estudiar un problema de anlisis de tendencia que se relaciona con nuestro conocido caso
de la cada del paracaidista. Suponga que se tiene un instrumento para medir la velocidad
del paracaidista. Los datos obtenidos en una prueba particular son

Tiempo,
s

Velocidad medida v,
cm/s

1
3
5
7
13

800
2 310
3 090
3 940
4 755

Nuestro problema consiste en estimar la velocidad del paracaidista en t = 10 s para tener

las mediciones faltantes entre t = 7 y t = 13 s. Estamos conscientes de que el comportamiento de los polinomios de interpolacin tal vez resulte inesperado. Por lo tanto, construiremos polinomios de grados 4, 3, 2 y 1, y compararemos los resultados.
Solucin. El algoritmo de Lagrange se utiliza para construir polinomios de interpolacin de cuarto, tercer, segundo y primer grado.

Chapra-18.indd 519

6/12/06 13:57:52

INTERPOLACIN

520

v, cm/s

6 000
3 000
0

10

15

6 000

c)

3 000
0

b)

3 000

6 000
v, cm/s

6 000

a)

10

15

10

15

d)

3 000

10
t(s)

15

5
t(s)

FIGURA 18.12
Grficas que muestran interpolaciones de a) cuarto grado, b) tercer grado, c) segundo
grado y d) primer grado.

El polinomio de cuarto grado y los datos de entrada se grafican como se muestra

en la figura 18.12a. Es evidente, al observar la grfica, que el valor estimado de y en x
= 10 es mayor que la tendencia global de los datos.
Las figuras 18.12b a 18.12d muestran las grficas de los resultados de los clculos
con las interpolaciones de los polinomios de tercer, segundo y primer grado, respectivamente. Se observa que cuanto ms bajo sea el grado, menor ser el valor estimado de
la velocidad en t = 10 s. Las grficas de los polinomios de interpolacin indican que los
polinomios de grado superior tienden a sobrepasar la tendencia de los datos, lo cual
sugiere que las versiones de primer o segundo grado son las ms adecuadas para este
anlisis de tendencia en particular. No obstante, debe recordarse que debido a que tratamos con datos inciertos, la regresin, de hecho, ser la ms adecuada.

El ejemplo anterior ilustr que los polinomios de grado superior tienden a estar mal
condicionados; es decir, tienden a ser altamente susceptibles a los errores de redondeo.
El mismo problema se presenta en la regresin con polinomios de grado superior. La
aritmtica de doble precisin ayuda algunas veces a disminuir el problema. Sin embargo,
conforme el grado aumente, habr un punto donde el error de redondeo interferir con la
habilidad para interpolar usando los procedimientos simples estudiados hasta ahora.

18.3

COEFICIENTES DE UN POLINOMIO DE INTERPOLACIN

Aunque el polinomio de Newton y el de Lagrange son adecuados para determinar valores
intermedios entre puntos, no ofrecen un polinomio adecuado de la forma convencional
f(x) = a0 + a1x + a2x2 + + anxn

Chapra-18.indd 520

(18.24)

6/12/06 13:57:52

18.4

INTERPOLACIN INVERSA

521

Un mtodo directo para calcular los coeficientes de este polinomio se basa en el

hecho de que se requieren n + 1 puntos para determinar los n + 1 coeficientes. As, se
utiliza un sistema de ecuaciones algebraicas lineales simultneas para calcular las a. Por
ejemplo, suponga que usted desea calcular los coeficientes de la parbola
f(x) = a0 + a1x + a2x2

(18.25)

Se requiere de tres puntos: [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Cada uno se sustituye en la
ecuacin (18.25):
f(x0) = a0 + a1x0 + a2x02
f(x1) = a0 + a1x1 + a2x21

(18.26)

f(x2) = a0 + a1x2 + a2x22

De esta manera, las x son los puntos conocidos, y las a las incgnitas. Como hay el
mismo nmero de ecuaciones que de incgnitas, la ecuacin (18.26) se podra resolver
con uno de los mtodos de eliminacin de la parte tres.
Debe observarse que el procedimiento anterior no es el mtodo de interpolacin
ms eficiente para determinar los coeficientes de un polinomio. Press et al. (1992) ofrecen un anlisis y cdigos para computadora de los procedimientos ms eficientes.
Cualquiera que sea la tcnica empleada, se debe hacer una advertencia. Sistemas como
los de la ecuacin (18.26) estn notoriamente mal condicionados. Ya sea que se resuelvan
con un mtodo de eliminacin o con un algoritmo ms eficiente, los coeficientes resultantes pueden ser bastante inexactos, en particular para n grandes. Si se usan para una
interpolacin subsecuente, a menudo dan resultados errneos.
En resumen, si usted se interesa en determinar un punto intermedio, emplee la interpolacin de Newton o de Lagrange. Si tiene que determinar una ecuacin de la forma
de la (18.24), limtese a polinomios de grado menor y verifique cuidadosamente sus
resultados.

18.4

INTERPOLACIN INVERSA
Como la nomenclatura implica, los valores de f(x) y x en la mayora de los problemas de
interpolacin son las variables dependiente e independiente, respectivamente. En consecuencia, los valores de las x con frecuencia estn espaciados uniformemente. Un
ejemplo simple es una tabla de valores obtenida para la funcin f(x) = 1/x,
x

(x)

0.5

0.3333

0.25

0.2

0.1667

0.1429

Ahora suponga que usted debe usar los mismos datos, pero que se le ha dado un
valor de f(x) y debe determinar el valor correspondiente de x. Por ejemplo, para los datos
anteriores, suponga que se le pide determinar el valor de x que corresponda a f(x) = 0.3.
En tal caso, como se tiene la funcin y es fcil de manipular, la respuesta correcta se
determina directamente, x = 1/0.3 = 3.3333.
A ese problema se le conoce como interpolacin inversa. En un caso ms complicado, usted puede sentirse tentado a intercambiar los valores f(x) y x [es decir, tan slo

Chapra-18.indd 521

6/12/06 13:57:52

INTERPOLACIN

522

graficar x contra f(x)] y usar un procedimiento como la interpolacin de Lagrange para

determinar el resultado. Por desgracia, cuando usted invierte las variables no hay garanta de que los valores junto con la nueva abscisa [las f(x)] estn espaciados de una manera uniforme. Es ms, en muchos casos, los valores estarn condensados. Es decir,
tendrn la apariencia de una escala logartmica, con algunos puntos adyacentes muy
amontonados y otros muy dispersos. Por ejemplo, para f(x) = 1/x el resultado es
f (x)

0.1429

0.1667

0.2

0.25

0.3333

0.5

Tal espaciamiento no uniforme en las abscisas a menudo lleva a oscilaciones en el

resultado del polinomio de interpolacin. Esto puede ocurrir aun para polinomios de
grado inferior.
Una estrategia alterna es ajustar un polinomio de interpolacin de orden n-simo,
f n (x), a los datos originales [es decir, con f(x) contra x]. En la mayora de los casos, como
las x estn espaciadas de manera uniforme, este polinomio no estar mal condicionado.
La respuesta a su problema, entonces, consiste en encontrar el valor de x que haga este
polinomio igual al dado por f(x). As, el problema de interpolacin se reduce a un problema de races!
Por ejemplo, para el problema antes descrito, un procedimiento simple sera ajustar
los tres puntos a un polinomio cuadrtico: (2, 0.5), (3, 0.3333) y (4, 0.25), cuyo resultado ser
f2(x) = 1.08333 0.375x + 0.041667x2
La respuesta al problema de interpolacin inversa para determinar la x correspondiente
a f(x) = 0.3 ser equivalente a la determinacin de las races de
0.3 = 1.08333 0.375x + 0.041667x2
En este caso simple, la frmula cuadrtica se utiliza para calcular
x=

0.375 (0.375) 2 4(0.041667)0.78333 5.704158

=
3.295842
2(0.041667)

As, la segunda raz, 3.296, es una buena aproximacin al valor verdadero: 3.333. Si se
desea una exactitud adicional, entonces podra emplear un polinomio de tercer o cuarto grado junto con uno de los mtodos para la localizacin de races analizado en la
parte dos.

18.5

COMENTARIOS ADICIONALES
Antes de proceder con la siguiente seccin, se deben mencionar dos temas adicionales:
la interpolacin y extrapolacin con datos igualmente espaciados.
Como ambos polinomios, el de Newton y el de Lagrange, son compatibles con
datos espaciados en forma arbitraria, usted se preguntar por qu nos ocupamos del caso
especial de datos igualmente espaciados (cuadro 18.2). Antes de la llegada de las

Chapra-18.indd 522

6/12/06 13:57:52

18.5

COMENTARIOS ADICIONALES

523

computadoras digitales, dichas tcnicas tenan gran utilidad para interpolacin a partir
de tablas con datos igualmente espaciados. De hecho, se desarroll una estructura computacional, conocida como tabla de diferencias divididas, para facilitar la implementacin
de dichas tcnicas. (La figura 18.5 es un ejemplo de esa tabla.)
Sin embargo, como las frmulas dadas son subconjuntos de los esquemas de Newton
y Lagrange compatibles con una computadora y debido a las muchas funciones tabulares
existentes, como subrutinas de bibliotecas, ha disminuido la necesidad de tener versiones
para datos igualmente espaciados. A pesar de ello, las hemos incluido en este tema por
su relevancia en las ltimas partes de este libro. En especial, son necesarias para obtener
frmulas de integracin numrica que por lo comn utilizan datos igualmente espaciados
(captulo 21). Como las frmulas de integracin numrica son importantes en la solucin
de ecuaciones diferenciales ordinarias, el anlisis del cuadro 18.2 adquiere tambin
significado para la parte siete.
Extrapolacin es el proceso de estimar un valor de f(x) que se encuentra fuera del
dominio de los valores conocidos, x0, x1,..., xn (figura 18.13). En una seccin anterior,
mencionamos que la interpolacin ms exacta se obtiene cuando las incgnitas estn
cerca de los puntos. En efecto, ste no es el caso cuando la incgnita se encuentra fuera
del intervalo y, en consecuencia, el error en la extrapolacin puede ser muy grande. Como
se ilustra en la figura 18.13, la naturaleza de la extrapolacin de extremos abiertos representa un paso a lo desconocido, ya que el proceso extiende la curva ms all de la
regin conocida. Como tal, la curva real podr fcilmente diverger de la prediccin.
Por lo tanto, se debe tener mucho cuidado cuando aparezca un problema donde se deba
extrapolar.

FIGURA 18.13
Ilustracin de la posible divergencia de una prediccin extrapolada. La extrapolacin se
basa en ajustar una parbola con los primeros tres puntos conocidos.

f (x)
Interpolacin

Extrapolacin

Curva
real

Extrapolacin
del polinomio
de interpolacin

x0

Chapra-18.indd 523

x1

x2

6/12/06 13:57:53

INTERPOLACIN

524

Cuadro 18.2

Interpolacin con datos igualmente espaciados

Si los datos estn igualmente espaciados y en orden ascendente,

entonces la variable independiente tiene los valores de
x1 = x0 + h
x2 = x0 + 2h

xn = x0 + nh

donde el residuo es el mismo que en la ecuacin (18.16). Esta

ecuacin se conoce como frmula de Newton o la frmula hacia
adelante de Newton-Gregory, que se puede simplificar ms al
definir una nueva cantidad, a:

x x0
h

Esta definicin se utiliza para desarrollar las siguientes expresiones simplificadas de los trminos en la ecuacin (C18.2.3):

donde h es el intervalo, o tamao de paso, entre los datos. Basndose en esto, las diferencias divididas finitas se pueden expresar en forma concisa. Por ejemplo, la segunda diferencia
dividida hacia adelante es
( x 2 ) ( x1 ) ( x1 ) ( x 0 )

x 2 x1
x1 x 0
[ x 0 , x1 , x 2 ] =
x2 x0

x x0 = ah
x x0 h = ah h = h(a 1)

x x0 (n 1)h = ah (n 1)h = h(a n + 1)

que se sustituye en la ecuacin (C18.2.3) para tener

que se expresa como

[ x 0 , x1 , x 2 ] =

( x 2 ) 2( x1 ) + ( x 0 )
2h 2

n ( x ) = ( x 0 ) + ( x 0 ) +
(C18.2.1)

ya que x1 x0 = x2 x1 = (x2 x0)/2 = h. Ahora recuerde que la

segunda diferencia hacia adelante es igual a [numerador de
la ecuacin (4.24)]

+
+

[ x 0 , x1 , x 2 ] =

donde
Rn =

2 ( x 0 )
2! h 2

o, en general
[ x0 , x1 ,, xn ] =

n ( x0 )
n! h n

(C18.2.2)

n ( x 0 )
( 1)
( n + 1) + Rn
n!
(C18.2.4)

2f(x0) = f(x2) 2f(x1) + f(x0)

Por lo tanto, la ecuacin (B18.2.1) se representa como

2 ( x 0 )
( 1)
2!

( n +1) ( ) n +1
h ( 1)( 2)
( n)
(n + 1)!

En el captulo 21 esta notacin concisa tendr utilidad en la deduccin y anlisis del error de las frmulas de integracin.
Adems de la frmula hacia adelante, tambin existen las
frmulas hacia atrs y central de Newton-Gregory. Para ms
informacin respecto de la interpolacin para datos igualmente
espaciados vase Carnahan, Luther y Wilkes (1969).

Usando la ecuacin (C18.2.2), en el caso de datos igualmente

espaciados, expresamos el polinomio de interpolacin de Newton
[ecuacin (18.15)] como
( x 0 )
( x x0 )
h
2 ( x 0 )
+
( x x 0 )( x x 0 h)
2! h 2
n ( x 0 )
+
+
( x x 0 )( x x 0 h)
n! h n

[ x x 0 (n 1)h] + Rn

n ( x ) = ( x 0 ) +

Chapra-18.indd 524

(C18.2.3)

6/12/06 13:57:53

18.6

18.6

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

525

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

En la seccin anterior, se usaron polinomios de n-simo grado para interpolar entre n + 1
puntos que se tenan como datos. Por ejemplo, para ocho puntos se puede obtener un
perfecto polinomio de sptimo grado. Esta curva podra agrupar todas las curvas (al
menos hasta, e incluso, la sptima derivada) sugeridas por los puntos. No obstante, hay
casos donde estas funciones llevaran a resultados errneos a causa de los errores de
redondeo 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.
Por ejemplo, las curvas de tercer grado empleadas para unir cada par de datos
se llaman trazadores cbicos. Esas funciones se pueden construir de tal forma que las
conexiones entre ecuaciones cbicas adyacentes resulten visualmente suaves. Podra
parecer que la aproximacin de tercer grado de los trazadores sera inferior a la expresin de sptimo grado. Usted se preguntara por qu un trazador an resulta preferible.
La figura 18.14 ilustra una situacin donde un trazador se comporta mejor que un
polinomio de grado superior. ste es el caso donde una funcin en general es suave, pero
presenta un cambio abrupto en algn lugar de la regin de inters. El tamao de paso
representado en la figura 18.14 es un ejemplo extremo de tal cambio y sirve para ilustrar
esta idea.
La figura 18.14a a c ilustra cmo un polinomio de grado superior tiende a formar
una curva de oscilaciones bruscas en la vecindad de un cambio sbito. En contraste, el
trazador tambin une los puntos; pero como est limitado a cambios de tercer grado, las
oscilaciones son mnimas. De esta manera, el trazador usualmente proporciona una
mejor aproximacin al comportamiento de las funciones que tienen cambios locales y
abruptos.
El concepto de trazador se origin en la tcnica de dibujo que usa una cinta delgada
y flexible (llamada spline, en ingls), para dibujar curvas suaves a travs de un conjunto de puntos. El proceso se representa en la figura 18.15 para una serie de cinco alfileres
(datos). En esta tcnica, el dibujante coloca un papel sobre una mesa de madera y coloca alfileres o clavos en el papel (y la mesa) en la ubicacin de los datos. Una curva cbica suave resulta al entrelazar la cinta entre los alfileres. De aqu que se haya adoptado
el nombre de trazador cbico (en ingls: cubic spline) para los polinomios de este
tipo.
En esta seccin, se usarn primero funciones lineales simples para presentar algunos conceptos y problemas bsicos relacionados con la interpolacin mediante splines.
A continuacin obtendremos un algoritmo para el ajuste de trazadores cuadrticos a los
datos. Por ltimo, presentamos material sobre el trazador cbico, que es la versin ms
comn y til en la prctica de la ingeniera.

18.6.1 Trazadores lineales

La unin ms simple entre dos puntos es una lnea recta. Los trazadores de primer grado para un grupo de datos ordenados pueden definirse como un conjunto de funciones
lineales,

Chapra-18.indd 525

6/12/06 13:57:53

526

INTERPOLACIN

f(x) = f(x0) + m0(x x0)

f(x) = f(x1) + m1(x x1)

f(x) = f(xn1) + mn1(x xn1)

x 0 < x < x1
x 1 < x < x2

xn1 < x < xn

FIGURA 18.14
Una representacin visual de una situacin en la que los trazadores son mejores que los
polinomios de interpolacin de grado superior. La funcin que se ajusta presenta un incremento
sbito en x = 0. Los incisos a) a c) indican que el cambio abrupto induce oscilaciones en
los polinomios de interpolacin. En contraste, como se limitan a curvas de tercer grado con
transiciones suaves, un trazador lineal d) ofrece una aproximacin mucho ms aceptable.

f (x)

a)
f (x)

b)
f (x)

c)
f (x)

d)

Chapra-18.indd 526

6/12/06 13:57:54

18.6

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

527

FIGURA 18. 15
La tcnica de dibujo que usa una cinta delgada y flexible para dibujar curvas suaves
a travs de una serie de puntos. Observe cmo en los puntos extremos, el trazador
tiende a volverse recto. Esto se conoce como un trazador natural.

donde mi es la pendiente de la lnea recta que une los puntos:

mi =

( xi +1 ) ( xi )
xi +1 xi

(18.27)

Estas ecuaciones se pueden usar para evaluar la funcin en cualquier punto entre x0
y xn localizando primero el intervalo dentro del cual est el punto. Despus se usa la
ecuacin adecuada para determinar el valor de la funcin dentro del intervalo. El mtodo es obviamente idntico al de la interpolacin lineal.
EJEMPLO 18.8

Trazadores de primer grado

Planteamiento del problema. Ajuste los datos de la tabla 18.1 con trazadores de
primer grado. Evale la funcin en x = 5.
Solucin. Se utilizan los datos para determinar las pendientes entre los puntos. Por
ejemplo, en el intervalo de x = 4.5 a x = 7 la pendiente se calcula con la ecuacin (18.27):
m=

2.5 1
= 0.60
7 4.5

Se calculan las pendientes en los otros intervalos y los trazadores de primer grado obtenidos se grafican en la figura 18.16a. El valor en x = 5 es 1.3.

Chapra-18.indd 527

6/12/06 13:57:54

528

INTERPOLACIN

TABLA 18.1
Datos para ajustarse
con trazadores.
x

f (x)

3.0
4.5
7.0
9.0

2.5
1.0
2.5
0.5

Una inspeccin visual a la figura 18.16a indica que la principal desventaja de los
trazadores de primer grado es que no son suaves. En esencia, en los puntos donde se
encuentran dos trazadores (llamado nodo), la pendiente cambia de forma abrupta. Formalmente, la primer derivada de la funcin es discontinua en esos puntos. Esta deficiencia se resuelve usando trazadores polinomiales de grado superior, que aseguren suavidad
en los nodos al igualar las derivadas en esos puntos, como se analiza en la siguiente
seccin.

18.6.2 Trazadores (splines) cuadrticos

Para asegurar que las derivadas m-simas sean continuas en los nodos, se debe emplear
un trazador de un grado de, al menos, m + 1. En la prctica se usan con ms frecuencia
polinomios de tercer grado o trazadores cbicos que aseguran primera y segunda derivadas continuas. Aunque las derivadas de tercer orden y mayores podran ser discontinuas
cuando se usan trazadores cbicos, por lo comn no pueden detectarse en forma visual
y, en consecuencia, se ignoran.
Debido a que la deduccin de trazadores cbicos es algo complicada, la hemos incluido en una seccin subsecuente. Decidimos ilustrar primero el concepto de interpolacin mediante trazadores usando polinomios de segundo grado. Esos trazadores
cuadrticos tienen primeras derivadas continuas en los nodos. Aunque los trazadores cuadrticos no aseguran segundas derivadas iguales en los nodos, sirven muy bien para demostrar el procedimiento general en el desarrollo de trazadores de grado superior.
El objetivo de los trazadores cuadrticos es obtener un polinomio de segundo grado
para cada intervalo entre los datos. De manera general, el polinomio en cada intervalo
se representa como
fi(x) = ai x2 + bi x + ci

(18.28)

La figura 18.17 servir para aclarar la notacin. Para n + 1 datos (i = 0, 1, 2,..., n) existen
n intervalos y, en consecuencia, 3n constantes desconocidas (las a, b y c) por evaluar. Por
lo tanto, se requieren 3n ecuaciones o condiciones para evaluar las incgnitas. stas son:
1.

Chapra-18.indd 528

Los valores de la funcin de polinomios adyacentes deben ser iguales en los nodos
interiores. Esta condicin se representa como

6/12/06 13:57:54

18.6

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

529

f (x)
Trazador de
primer orden
2

10

a)
f (x)
Trazador de
segundo orden
2

b)
f (x)
Trazador
cbico

Interpolacin
cbica

c)
FIGURA 18.16
Ajuste mediante trazadores de un conjunto de cuatro puntos. a) Trazador lineal,
b) Trazador cuadrtico y c) trazador cbico; se grafica tambin un polinomio
de interpolacin cbico.

2.

ai1x2i1 + bi1xi1 + ci1 = f(xi1)

(18.29)

aix2i1

(18.30)

+ bixi1 + ci = f(xi1)

para i = 2 a n. Como slo se emplean nodos interiores, las ecuaciones (18.29) y

(18.30) proporcionan, cada una, n 1 condiciones; en total, 2n 2 condiciones.
La primera y la ltima funcin deben pasar a travs de los puntos extremos. Esto
agrega dos ecuaciones ms:
a1x20 + b1x0 + c1 = f(x0)

(18.31)

anx2n

(18.32)

+ bnxn + cn = f(xn)

en total tenemos 2n 2 + 2 = 2n condiciones.

Chapra-18.indd 529

6/12/06 13:57:54

INTERPOLACIN

530

f (x)

a3x2 + b3x + c3
2

a2x + b2x + c2

f (x3)

a1x2 + b1x + c1
f (x1)
f (x0)

f (x2)

Intervalo 1

x0
i=0

Intervalo 2

Intervalo 3

x1

x2

x3

i=1

i=2

i=3

FIGURA 18.17
Notacin utilizada para obtener trazadores cuadrticos. Observe que hay n intervalos
y n + 1 datos. El ejemplo mostrado es para n = 3.

3.

Las primeras derivadas en los nodos interiores deben ser iguales. La primera derivada de la ecuacin 18.28 es
(x) = 2ax + b
Por lo tanto, de manera general la condicin se representa como
2ai1xi1 + bi1 = 2aixi1 + bi

4.

(18.33)

para i = 2 a n. Esto proporciona otras n 1 condiciones, llegando a un total de 2n +

n 1 = 3n 1. Como se tienen 3n incgnitas, nos falta una condicin ms. A menos
que tengamos alguna informacin adicional respecto de las funciones o sus derivadas, tenemos que realizar una eleccin arbitraria para calcular las constantes. Aunque
hay varias opciones, elegimos la siguiente:
Suponga que en el primer punto la segunda derivada es cero. Como la segunda
derivada de la ecuacin 18.28 es 2ai, entonces esta condicin se puede expresar
matemticamente como
a1 = 0

(18.34)

La interpretacin visual de esta condicin es que los dos primeros puntos se unirn
con una lnea recta.
EJEMPLO 18.9

Trazadores cuadrticos
Planteamiento del problema. Ajuste trazadores cuadrticos a los mismos datos que
se utilizaron en el ejemplo 18.8 (tabla 18.1). Con los resultados estime el valor en
x = 5.

Chapra-18.indd 530

6/12/06 13:57:55

18.6

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

531

Solucin. En este problema, se tienen cuatro datos y n = 3 intervalos. Por lo tanto,

3(3) = 9 incgnitas que deben determinarse. Las ecuaciones (18.29) y (18.30) dan 2(3)
2 = 4 condiciones:
20.25a1 + 4.5b1 + c1 = 1.0
20.25a2 + 4.5b2 + c2 = 1.0
49a2 + 7b2 + c2 = 2.5
49a3 + 7b3 + c3 = 2.5
Evaluando a la primera y la ltima funcin con los valores inicial y final, se agregan 2
ecuaciones ms [ecuacin (10.31)]:
9a1 + 3b1 + c1 = 2.5
y [ecuacin (18.32)]
81a3 + 9b3 + c3 = 0.5
La continuidad de las derivadas crea adicionalmente de 3 1 = 2 condiciones [ecuacin
(18.33)]:
9a1 + b1 = 9a2 + b2
14a2 + b2 = 14a3 + b3
Por ltimo, la ecuacin (18.34) determina que a1 = 0. Como esta ecuacin especifica a1
de manera exacta, el problema se reduce a la solucin de ocho ecuaciones simultneas.
Estas condiciones se expresan en forma matricial como
4.5
0

0
3

0
1

1
0
0 0 0
0
0 20.25 4.5 1 0
0
0
49
7 1 0
0
0
0
0 0 49 7
1
0
0 0 0
0
0
0
0 0 81 9
0
9
1 0 0
0
0
14
1 0 14 1

0 b1 1
0 c1 1

0 a2 2.5

1 b2 2.5
=
0 c2 2.5

1 a3 0.5

0 b3 0

0 c3 0

Estas ecuaciones se pueden resolver utilizando las tcnicas de la parte tres, con los resultados:
a1 = 0
a2 = 0.64
a3 = 1.6

b1 = 1
b2 = 6.76
b3 = 24.6

c1 = 5.5
c2 = 18.46
c3 = 91.3

que se sustituyen en las ecuaciones cuadrticas originales para obtener la siguiente relacin para cada intervalo:

Chapra-18.indd 531

6/12/06 13:57:55

532

INTERPOLACIN

f1(x) = x + 5.5

3.0 < x < 4.5

4.5 < x < 7.0

7.0 < x < 9.0

f2(x) = 0.64x 6.76x + 18.46

f3(x) = 1.6x + 24.6x 91.3

Cuando se usa f 2, la prediccin para x = 5 es,

f2(5) = 0.64(5)2 6.76(5) + 18.46 = 0.66
El ajuste total por trazadores se ilustra en la figura 18.16b. Observe que hay dos
desventajas que se alejan del ajuste: 1. la lnea recta que une los dos primeros puntos y
2. el trazador para el ltimo intervalo parece oscilar demasiado. Los trazadores cbicos
de la siguiente seccin no presentan estas desventajas y, en consecuencia, son mejores mtodos para la interpolacin mediante trazadores.

18.6.3 Trazadores cbicos

El objetivo en los trazadores cbicos es obtener un polinomio de tercer grado para cada
intervalo entre los nodos:
fi(x) = aix3 + bix2 + cix + di

(18.35)

As, para n + 1 datos (i = 0, 1, 2,..., n), existen n intervalos y, en consecuencia, 4n incgnitas a evaluar. Como con los trazadores cuadrticos, se requieren 4n condiciones para
evaluar las incgnitas. stas son:
1.
2.
3.
4.
5.

Los valores de la funcin deben ser iguales en los nodos interiores (2n 2 condiciones).
La primera y ltima funcin deben pasar a travs de los puntos extremos (2 condiciones).
Las primeras derivadas en los nodos interiores deben ser iguales (n 1 condiciones).
Las segundas derivadas en los nodos interiores deben ser iguales (n 1 condiciones).
Las segundas derivadas en los nodos extremos son cero (2 condiciones).

La interpretacin visual de la condicin 5 es que la funcin se vuelve una lnea recta en

los nodos extremos. La especificacin de una condicin tal en los extremos nos lleva a
lo que se denomina trazador natural. Se le da tal nombre debido a que los trazadores
para el dibujo naturalmente se comportan en esta forma (figura 18.15). Si el valor de la
segunda derivada en los nodos extremos no es cero (es decir, existe alguna curvatura),
es posible utilizar esta informacin de manera alternativa para tener las dos condiciones
finales.
Los cinco tipos de condiciones anteriores proporcionan el total de las 4n ecuaciones
requeridas para encontrar los 4n coeficientes. Mientras es posible desarrollar trazadores
cbicos de esta forma, presentaremos una tcnica alternativa que requiere la solucin de
slo n 1 ecuaciones. Aunque la obtencin de este mtodo (cuadro 18.3) es un poco
menos directo que el de los trazadores cuadrticos, la ganancia en eficiencia bien vale
la pena.

Chapra-18.indd 532

6/12/06 13:57:55

18.6

Cuadro 18.3

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

Obtencin de trazadores cbicos

El primer paso en la obtencin (Cheney y Kincaid, 1985) se

considera la observacin de cmo cada par de nodos est unida
por una cbica; la segunda derivada dentro de cada intervalo es
una lnea recta. La ecuacin (18.35) se puede derivar dos veces
para verificar esta observacin. Con esta base, la segunda derivada se representa mediante un polinomio de interpolacin de
Lagrange de primer grado [ecuacin (18.22)]:
i ( x ) = i ( x i 1 )

x xi
x x i 1
+ i ( x i )
x i 1 x i
x i x i 1

(C18.3.1)

donde fi(x) es el valor de la segunda derivada en cualquier

punto x dentro del i-simo intervalo. As, esta ecuacin es una
lnea recta, que une la segunda derivada en el primer nodo
(xi1) con la segunda derivada en el segundo nodo (xi).
Despus, la ecuacin (C18.3.1) se integra dos veces para
obtener una expresin para fi(x). Sin embargo, esta expresin
contendr dos constantes de integracin desconocidas. Dichas
constantes se evalan tomando las condiciones de igualdad de
las funciones [f(x) debe ser igual a f(xi1) en xi1 y f(x) debe ser
igual a f(xi) en xi)]. Al realizar estas evaluaciones, se tiene la siguiente ecuacin cbica:
i ( x) =

533

i ( x i 1 )
i ( x )
( xi x )3 +
( x x i 1 ) 3
6( x i x i 1 )
6( x i x i 1 )
( x i 1 ) ( x i 1 )( x i x i 1 )
+

( xi x )
6
x i x i 1

( x i )
( x i )( x i x i 1 )

+
( x x i 1 )
6
x
x

i 1
i

(C18.3.2)

Ahora, es claro que esta relacin es una expresin mucho ms

compleja para un trazador cbico para el i-simo intervalo que,

digamos, la ecuacin (18.35). Sin embargo, observe que contiene slo dos coeficientes desconocidos; es decir, las segundas
derivadas al inicio y al final del intervalo: (xi1) y (xi). De
esta forma, si podemos determinar la segunda derivada en cada
nodo, la ecuacin (C18.3.2) es un polinomio de tercer grado que
se utiliza para interpolar dentro del intervalo.
Las segundas derivadas se evalan tomando la condicin de
que las primeras derivadas deben ser continuas en los nodos:

f i1(xi) = f i(xi)

(C18.3.3)

La ecuacin (C18.3.2) se deriva para ofrecer una expresin

de la primera derivada. Si se hace esto tanto para el (i 1)-simo,
como para i-simo intervalos, y los dos resultados se igualan de
acuerdo con la ecuacin (B18.3.3), se llega a la siguiente relacin:
( xi xi 1 ) ( xi 1 ) + 2( xi +1 xi 1 ) ( xi )
+( xi +1 xi ) ( xi +1 )
=

6
[ ( xi +1 ) ( xi )]
xi +1 xi
+

6
[ ( xi 1 ) ( xi )]
xi xi 1

(C18.3.4)

Si la ecuacin (C18.3.4) se escribe para todos los nodos interiores, se obtienen n 1 ecuaciones simultneas con n + 1 segundas
derivadas desconocidas. Sin embargo, como sta es un trazador
cbico natural, las segundas derivadas en los nodos extremos son
cero y el problema se reduce a n 1 ecuaciones con n 1 incgnitas. Adems, observe que el sistema de ecuaciones ser tridiagonal. As, no slo se redujo el nmero de ecuaciones, sino que
las organizamos en una forma extremadamente fcil de resolver
(recuerde la seccin 11.1.1).

La deduccin del cuadro 18.3 da como resultado la siguiente ecuacin cbica en

cada intervalo:
i ( x) =

i( xi 1 )
i( xi )
( xi x )3 +
( x xi 1 )3
6( xi xi 1 )
6( xi xi 1 )
( xi 1 ) ( xi 1 )( xi xi 1 )

+
( xi x )
6
xi xi 1

( xi )
( xi )( xi xi 1 )
+

( x xi 1 )
6
xi xi 1

Chapra-18.indd 533

(18.36)

6/12/06 13:57:55

INTERPOLACIN

534

Esta ecuacin contiene slo dos incgnitas (las segundas derivadas en los extremos de
cada intervalo). Las incgnitas se evalan empleando la siguiente ecuacin:
( xi xi 1 ) ( xi 1 ) + 2( xi +1 xi 1 ) ( xi ) + ( xi +1 xi ) ( xi +1 )
=

6
6
[ ( xi +1 ) ( xi )] +
[ ( xi 1 ) ( xi )]
xi +1 xi
xi xi 1

(18.37)

Si se escribe esta ecuacin para todos los nodos interiores, resultan n 1 ecuaciones
simultneas con n 1 incgnitas. (Recuerde que las segundas derivadas en los nodos
extremos son cero.) La aplicacin de estas ecuaciones se ilustra con el siguiente
ejemplo.
EJEMPLO 18.10

Trazadores cbicos
Planteamiento del problema. Ajuste trazadores cbicos a los mismos datos que se
usaron en los ejemplos 18.8 y 18.9 (tabla 18.1). Utilice los resultados para estimar el
valor en x = 5.
Solucin. El primer paso consiste en usar la ecuacin (18.37) para generar el conjunto
de ecuaciones simultneas que se utilizarn para determinar las segundas derivadas en
los nodos. Por ejemplo, para el primer nodo interior se emplean los siguientes datos:
x0 = 3

f(x0) = 2.5

x1 = 4.5

f(x1) = 1

x2 = 7

f(x2) = 2.5

Estos valores se sustituyen en la ecuacin (18.37):

( 4.5 3) (3) + 2( 7 3) ( 4.5) + ( 7 4.5) ( 7)
6
6
=
(2.5 1) +
(2.5 1)
7 4.5
4.5 3
Debido a la condicin de trazador natural, (3) = 0, y la ecuacin se reduce a
8(4.5) + 2.5(7) = 9.6
En una forma similar, la ecuacin (18.37) se aplica al segundo punto interior con el siguiente resultado:
2.5f (4.5) + 9f(7) = 9.6
Estas dos ecuaciones se resuelven simultneamente:
f (4.5) = 1.67909
f (7) = 1.53308
Estos valores se sustituyen despus en la ecuacin (18.36), junto con los valores de
las x y las f(x), para dar

Chapra-18.indd 534

6/12/06 13:57:56

18.6

INTERPOLACIN MEDIANTE TRAZADORES (SPLINES)

1 ( x ) =

535

1.67909
2.5
( x 3)3 +
( 4.5 x )
6( 4.5 3)
4.5 3
1
1.67909( 4.5 3)
+

( x 3)
6
4.5 3

o
f1(x) = 0.186566(x 3)3 + 1.666667(4.5 x) + 0.246894(x 3)
Esta ecuacin es el trazador cbico para el primer intervalo. Se realizan sustituciones
similares para tener las ecuaciones para el segundo y tercer intervalo:
f2(x) = 0.111939(7 x)3 0.102205(x 4.5)3 0.299621(7 x)
+ 1.638783(x 4.5)
y
f3(x) = 0.127757(9 x)3 + 1.761027(9 x) + 0.25(x 7)
Las tres ecuaciones se pueden utilizar para calcular los valores dentro de cada intervalo.
Por ejemplo, el valor en x = 5, que est dentro del segundo intervalo, se calcula como
sigue
f2(5) = 0.111939(7 5)3 0.102205(5 4.5)3 0.299621(7 5)
+ 1.638783(5 4.5) = 1.102886
Se calculan otros valores y los resultados se grafican en la figura 18.16c.

Los resultados de los ejemplos 18.8 a 18.10 se resumen en la figura 18.16. Observe
cmo mejora progresivamente el ajuste conforme pasamos de trazadores lineales, a
cuadrticos y cbicos. Tambin hemos sobrepuesto un polinomio de interpolacin cbica en la figura 18.16c. Aunque el trazador cbico consiste de una serie de curvas de
tercer grado, el ajuste resultante difiere del obtenido al usar un polinomio de tercer
grado. Esto se debe al hecho de que el trazador natural requiere segundas derivadas
iguales a cero en los nodos extremos; mientras que el polinomio cbico no tiene tal
restriccin.

18.6.4 Algoritmo computacional para trazadores cbicos

El mtodo para calcular trazadores cbicos, descrito en la seccin anterior, es ideal para
implementarse en una computadora. Recuerde que, con algunas manipulaciones inteligentes, el mtodo se reduce a la solucin de n 1 ecuaciones simultneas. Un beneficio
ms de la derivacin es que, como lo especifica la ecuacin (18.37), el sistema de ecuaciones es tridiagonal. Como se describi en la seccin 11.1, existen algoritmos para resolver tales sistemas de una manera extremadamente eficiente. La figura 18.18 muestra
una estructura computacional que incorpora esas caractersticas.

Chapra-18.indd 535

6/12/06 13:57:56

536

INTERPOLACIN

Observe que la subrutina de la figura 18.18 da slo un valor interpolado, yu, para
un valor dado de la variable dependiente, xu. sta es slo una forma en la cual se puede
implementar la interpolacin mediante trazadores. Por ejemplo, a usted desear determinar los coeficientes una sola vez y, despus, realizar muchas interpolaciones. Adems,
la rutina da tanto la primera (dy) como la segunda derivadas (dy2) en xu. Aunque no es
necesario calcular esas cantidades, son tiles en muchas aplicaciones de la interpolacin
mediante trazadores.

FIGURA 18.18
Algoritmo para la interpolacin mediante trazadores cbicos.

SUBROUTINE Spline (x,y,n,xu,yu,dy,d2y)

LOCAL en, fn, gn, rn, d2xn
CALL Tridiag(x,y,n,e,f,g,r)
CALL Decomp(e,f,g,n1)
CALL Subst(e,f,g,r,n1,d2x)
CALL Interpol(x,y,n,d2x,xu,yu,dy,d2y)
END Spline
SUBROUTINE Tridiag (x,y,n,e,f,g,r)
f1 2 * (x2x0)
g1 (x2x1)
r1 6/(x2x1) * (y2y1)
r1 r1+6/(x1x0) * (y0y1)
DOFOR i 2, n2
ei (xixi1)
fi 2 * (xi+1 xi1)
gi (xi+1 xi)
ri 6/(xi+1 xi) * (yi+1 yi)
ri ri+6/(xi xi1) * (yi1 yi)
END DO
en1 = (xn1 xn2)
fn1 = 2 * (xn xn2)
rn1 = 6/(xn xn1) * (yn yn1)
rn1 = rn1 + 6/(xn1 xn2) * (yn2 yn1)
END Tridiag

Chapra-18.indd 536

SUBROUTINE Interpol (x,y,n,d2x,xu,yu,dy,d2y)

ag = 0
i = 1
DOFOR
IF xu xi1 AND xu xi THEN
c1 = d2xi1/6/(xi xi1)
c2 = d2xi/6/(xi xi1)
c3 = (yi1/(xi xi1) d2xi1 * (xixi1)/6
c4 = (yi/(xi xi1) d2xi * (xixi1)/6
t1 = c1 * (xi xu)3
t2 = c2 * (xu xi1)3
t3 = c3 * (xi xu)
t4 = c4 * (xu xi1)
yu = t1 + t2 + t3 + t4
t1 = 3 * c1 * (xi xu)2
t2 = 3 * c2 * (xu xi1)2
t3 = c3
t4 = c4
dy = t1 + t2 + t3 + t4
t1 = 6 * c1 * (xi xu)
t2 = 6 * c2 * (xu xi1)
d2y = t1 + t2
ag = 1
ELSE
i = i + 1
END IF
IF i = n + 1 OR ag = 1 EXIT
END DO
IF ag = 0 THEN
PRINT outside range
pause
END IF
END Interpol

6/12/06 13:57:56

PROBLEMAS

537

PROBLEMAS
18.1 Estime Estime el logaritmo natural de 10 por medio de
interpolacin 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.
18.2 Ajuste un polinomio de interpolacin de Newton de segundo orden para estimar el log 10, con los datos del problema 18.1
en x = 8, 9 y 11. Calcule el error relativo porcentual verdadero.
18.3 Ajuste un polinomio de interpolacin de Newton de tercer
orden para estimar log 10 con los datos del problema 18.1.
18.4 Dados los datos
x
f (x)

1.6

2.5

3.2

4.5

14

15

a) Calcule f(2.8) con el uso de polinomios de interpolacin de

Newton de rdenes 1 a 3. Elija la secuencia de puntos ms
apropiada para alcanzar la mayor exactitud posible para sus
estimaciones.
b) Utilice la ecuacin (18.18) para estimar el error de cada
prediccin.
18.5 Dados los datos
x

f (x)

19

99

291

444

Calcule f(4) con el uso de polinomios de interpolacin de Newton

de rdenes 1 a 4. Elija los puntos base para obtener una buena
exactitud. Qu indican los resultados en relacin con el orden
del polinomio que se emplea para generar los datos de la tabla?
18.6 Repita los problemas 18.1 a 18.3, con el empleo del polinomio de Lagrange.
18.7 Vuelva a hacer el problema 18.5 con el uso de polinomios
de Lagrange de rdenes 1 a 3.
18.8 Emplee interpolacin inversa con el uso de un polinomio de
interpolacin cbico y de biseccin, para determinar el valor de x
que corresponde a f(x) = 0.23, para los datos tabulados que siguen:
x
f (x)

0.5

0.3333

0.25

0.2

0.1667 1.1429

18.9 Utilice interpolacin inversa para determinar el valor de x que

corresponde a f(x) = 0.85, para los datos tabulados siguientes:
x

f (x)

0.5

0.8

0.9

0.941176

0.961538

Chapra-18.indd 537

Observe que los valores de la tabla se generaron con la funcin

f(x) = x2/(1 + x2).
a) Determine en forma analtica el valor correcto.
b) Use interpolacin cbica de x versus y.
c) Utilice interpolacin inversa con interpolacin cuadrtica
y la frmula cuadrtica.
d) Emplee interpolacin inversa con interpolacin cbica y
biseccin. Para los incisos b) a d) calcule el error relativo
porcentual verdadero.
18.10 Desarrolle trazadores cuadrticos para los cinco primeros
datos del problema 18.4, y pronostique f(3.4) y f(2.2).
18.11 Obtenga trazadores cbicos para los datos del problema
18.5, y a) pronostique f(4) y f(2.5), y b) verifique que f2(3) y
f3(3) = 19.
18.12 Determine los coeficientes de la parbola que pasa por los
ltimos tres puntos del problema 18.4.
18.13 Determine los coeficientes de la ecuacin cbica que pasa
por los primeros cuatro puntos del problema 18.5.
18.14 Desarrolle, depure y pruebe un programa en cualquier
lenguaje de alto nivel o de macros que elija, para implantar la
interpolacin de polinomios de Newton, con base en la figura
18.7.
18.15 Pruebe el programa que desarroll en el problema 18.14
con la duplicacin del clculo del ejemplo 18.5.
18.16 Use el programa que desarroll en el problema 18.14 para
resolver los problemas 18.1 a 18.3.
18.7 Utilice el programa que desarroll en el problema 18.14
para solucionar los problemas 18.4 y 18.5. En el problema 18.4
utilice todos los datos para desarrollar polinomios de primero a
quinto grado. Para ambos problemas, haga la grfica del error
estimado versus el orden.
18.18 Desarrolle, depure y pruebe un programa en el lenguaje
de alto nivel o macros que elija, para implantar la interpolacin de
Lagrange. Haga que se base en el seudocdigo de la figura 18.11.
Prubelo con la duplicacin del ejemplo 18.7.
18.19 Una aplicacin til de la interpolacin de Lagrange se
denomina bsqueda en la tabla. Como el nombre lo indica, involucra buscar un valor intermedio en una tabla. Para desarrollar dicho algoritmo, en primer lugar se almacena la tabla de los
valores de x y f(x) en un par de arreglos unidimensionales. Despus, dichos valores se pasan a una funcin junto con el valor de
x que se desea evaluar. La funcin hace luego dos tareas. En
primer lugar, hace un ciclo hacia abajo de la tabla hasta que
encuentra el intervalo en el que se localiza la incgnita. Despus
aplica una tcnica como la interpolacin de Lagrange para determinar el valor apropiado de f(x). Desarrolle una funcin as
con el uso de un polinomio cbico de Lagrange para ejecutar la
interpolacin. Para intervalos intermedios sta es una buena
eleccin porque la incgnita se localiza en e intervalo a la mitad

6/12/06 13:57:57

538

INTERPOLACIN

de los cuatro puntos necesarios para generar la expresin cbica.

Para los intervalos primero y ltimo, use un polinomio cuadrtico de Lagrange. Asimismo, haga que el cdigo detecte cuando
el usuario pida un valor fuera del rango de las x. Para esos casos,
la funcin debe desplegar un mensaje de error. Pruebe su programa para f(x) = ln x con los datos x = 1, 2, , 10.
18.20 Desarrolle, depure y pruebe un programa en cualquier
lenguaje de alto nivel o de macros de su eleccin, para implantar
la interpolacin con segmentaria cbica con base en la figura
18.18. Pruebe el programa con la repeticin del ejemplo 18.10.
18.21 Emplee el software desarrollado en el problema 18.20
para ajustar trazadores cbicos para los datos de los problemas
18.4 y 18.5. Para ambos casos, pronostique f(2.25).

Chapra-18.indd 538

18.22 Emplee la porcin de la tabla de vapor que se da para el

H2O supercalentada a 200 MPa, para a) encontrar la entropa
correspondiente s para un volumen especfico v de 0.108 m3/kg
con interpolacin lineal, b) encontrar la misma entropa correspondiente con el uso de interpolacin cuadrtica, y c) hallar el
volumen correspondiente a una entropa de 6.6 con el empleo de
interpolacin inversa.
v (m3/kg)
s (kJ/kg K)

0.10377

0.11144

0.1254

6.4147

6.5453

6.7664

6/12/06 13:57:57