Trabajo de Metodos Numericos

INGENIERIA CIVIL Métodos Numéricos
INTERPOLACIÓN POLINÓMICA
En análisis numérico, la interpolación polinómica es una técnica de interpolación de un conjunto de

datos o de una función por un polinomio. Es decir, dado cierto número de puntos obtenidos
por muestreo o a partir de un experimento se pretende encontrar un polinomio que pase por todos los
puntos.
Definición
Dada una función de la cual se conocen sus valores en un número finito de
abscisas , se llama interpolación polinómica al proceso de hallar
un polinomio de grado menor o igual a m,
cumpliendo .
A este polinomio se le llama Polinomio interpolador de grado m de la función f.
Motivación del polinomio interpolador

La interpolación polinómica es un método usado para conocer, de un modo aproximado, los valores
que toma cierta función de la cual sólo se conoce su imagen en un número finito de abscisas. A
menudo, ni siquiera se conocerá la expresión de la función y sólo se dispondrá de los valores que
toma para dichas abscisas.
El objetivo será hallar un polinomio que cumpla lo antes mencionado y que permita hallar
aproximaciones de otros valores desconocidos para la función con una precisión deseable fijada. Por
ello, para cada polinomio interpolador se dispondrá de una fórmula del error de interpolación que
permitirá ajustar la precisión del polinomio.
Cálculo del polinomio interpolador

Se dispone de varios métodos generales de interpolación polinómica que permiten aproximar una
función por un polinomio de grado m. El primero de estos polinomios es el método de las diferencias
divididas de Newton. Otro de los métodos es la interpolación de Lagrange, y por último,
la interpolación de Hermite.
[editar]Método de las diferencias divididas de Newton
Sea una variable discreta de elementos y sea otra variable discreta de elementos los
cuales corresponden, por parejas, a la imagen u ordenada y abcisa de los datos que se quieran
interpolar, respectivamente, tales que:
Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Este método es muy algorítmico y resulta sumamente cómodo en determinados casos, sobre todo
cuando se quiere calcular un polinomio interpolador de grado elevado.
El polinomio de grado resultante tendrá la forma
definiendo como
y definiendo como
Los coeficientes son las llamadas diferencias divididas.

Una vez se hayan realizado todos los cálculos, nótese que hay (muchas) más diferencias divididas que
coeficientes . El cálculo de todos los términos intermedios debe realizarse simplemente porque son
necesarios para poder formar todos los términos finales. Sin embargo, los términos usados en la
construcción del polinomio interpolador son todos aquellos que involucren a .
Estos coeficientes se calculan mediante los datos que se conocen de la función .
queda definido, como:
Se muestra ahora una tabla mnemotécnica con las diferencias divididas de una cierta función dada
para construir un polinomio interpolador de grado 2:

Interpolación de Lagrange
Sea la función a interpolar, sean las abscisas conocidas de y

sean los valores que toma la función en esas abscisas, el polinomio interpolador de
grado de Lagrange es un polinomio de la forma
donde son los llamados polinomios de Lagrange, que se calculan de este modo:
Nótese que en estas condiciones, los coeficientes están bien definidos y son siempre distintos
de cero.
Se muestra en el ejemplo siguiente el cálculo de un polinomio interpolador de Lagrange usando
interpolación por Lagrange y diferencias divididas de Newton:
Ejemplo: Se quiere hallar el valor de la función
para usando un polinomio interpolador de Lagrange de grado 2.

Para ello se usan los siguientes datos:
 Se usa primero el método directo para calcular el polinomio interpolador de Lagrange. Con las
condiciones dadas, los polinomios de Lagrange son:

 Se calcula ahora el polinomio interpolador de grado 2:
 Ahora evaluamos este polinomio en para obtener un valor aproximado de :
 Si se usase una calculadora para efectuar el cálculo
obtenemos , por lo que el error cometido es el

siguiente:
Se trata de un error del orden del 0.66 %.
Se procede a realizar ahora la interpolación mediante el método de las Diferencias Divididas de

Newton:
 Se diseña una tabla de Diferencias Divididas esquemática y se realiza los pertinentes cálculos
para obtener los siguientes coeficientes:

 Ahora se debe tomar de estos coeficientes los que se necesitasen para escribir el polinomio
interpolador. Hay que recordar, según lo apuntado anteriormente, que sólo se usan aquéllos
coeficientes que involucren a . De esta forma se obtiene el polinomio interpolador de
Lagrange de grado 2:
Y, como se puede apreciar, se llega al mismo polinomio pero con relativamente menos trabajo.
Interpolación de Hermite
Artículo principal: Interpolación polinómica de Hermite.
La interpolación de Hermite, llamada así en honor a su inventor Charles Hermite, es similar a la

de Newton pero con el añadido de que ahora también conocemos los valores que toma la derivada de
la función en las abscisas conocidas .
El Polinomio Interpolador de Hermite de grado de la función es un polinomio de la

forma
con

La interpolación de Hermite puede extenderse al conocimiento de las derivadas sucesivas de la

función a interpolar en las abscisas tomadas, de modo que se puede obtener un polinomio cada vez
más ajustado a la función real, ya que éste podrá cumplir otros requisitos como una determinada
monotonía, concavidad, etc.
En este caso, estaremos hablando de interpolación de Hermite generalizada y su cálculo se llevará a
cabo de forma similar a la apuntada, pero obteniendo polinomios de grado cada vez mayor debido a
las sucesivas derivadas de los coeficientes .
Notar, pues, que la interpolación de Lagrange puede considerarse como un caso particular de la
interpolación de Hermite generalizada (el caso en el que "conocemos" cero derivadas de ).
Tal y como ocurría con la Interpolación de Lagrange, para la interpolación de Hermite también
disponemos una fórmula del error de interpolación que, naturalmente, tiene en cuenta factores
relacionados con las derivadas de f. Más concretamente, se dispone de una fórmula del error en el
caso en que la función sea 2m+2 veces diferenciable en un intervalo mediante la siguiente
expresión:
para y donde
La diferencia esencial entre la Interpolación de Hermite y la Interpolación de Lagrange reside en el

cálculo a través de la construcción de los Polinomios de Lagrange. En este caso, su cálculo es árduo,
largo y complicado; por lo que el uso de las llamadas diferencias divididas generalizadas simplifica
mucho el cálculo del polinomio interpolador.
Las diferencias divididas generalizadas se construyen de igual modo que las Diferencias Divididas de
Newton, salvo que ahora necesitaremos escribir tantas veces más una como derivadas de f
conozcamos. Aquí sólo veremos el caso en el que conocemos la primera derivada, siendo el resto una
generalización de este.
Como en la Interpolación de Lagrange, el Polinomio Interpolador de Hermite de grado se
escribirá, una vez calculadas las Diferencias Divididas, de este modo
Nótese que, aparentemente, los coeficientes no están bien definidos, pues

Sin embargo, podemos tomar límites y escribir esta expresión así:
Pero esto no es más que la definición de la derivada de en el punto , de modo que
Por ello, incluiremos en nuestra tabla de Diferencias Divididas los datos sobre todas las derivadas
conocidas de la función a interpolar.
Interpolación segmentaria
Existen métodos de Interpolación segmentaria que nos permiten aproximar funciones de un modo
eficaz. Entre ellos cabe destacar lainterpolación de Taylor y la interpolación por Splines.
La Interpolación de Taylor usa el Desarrollo de Taylor de una función en un punto para construir un
polinomio de grado que se aproxima a la función dada. Tiene dos ventajas esenciales sobre otras
formas de interpolación:
 Requiere sólo de un punto conocido de la función para su cálculo, si bien se pide que la
función sea suficientementediferenciable en un entorno de ese punto.
 El cálculo del Polinomio de Taylor es sumamente sencillo comparado con otras formas de
interpolación polinómica:
Sin embargo, en ocasiones no será deseable su uso dado que el error de interpolación puede
alcanzar cotas demasiado elevadas.
Es especialmente útil para emplearse en lugar de métodos de interpolación de Hermite generalizada
sobre derivadas de orden superior de la función .
La Interpolación por Splines es un refinamiento de la interpolación polinómica que usa "pedazos" de
varios polinomios en distintos intervalos de la función a interpolar para evitar problemas de oscilación
como el llamado Fenómeno de Runge.

La idea es que agrupamos las abscisas en distintos intervalos según el grado

del spline que convenga emplear en cada uno. Así, un spline será un polinomio interpolador de grado
n de para cada intervalo. A la postre, los distintos splines quedarán "unidos" recubriendo todas las
abscisas e interpolando a la función.
El principal problema que presenta la interpolación por splines reside en los puntos que son comunes
a dos intervalos (extremos). Por esos puntos deben pasar los splines de ambos intervalos, pero para
que la interpolación sea ajustada, conviene que el punto de unión entre dos splines sea lo más "suave"
posible (ej. evitar puntos angulosos), por lo que se pedirá también que en esos puntos ambos splines
tengan derivada común. Esto no será siempre posible y, a menudo, se empleará otro tipo de
interpolación, quizás una interpolación no-polinómica.
Otras formas de interpolación

Existen otros métodos de interpolación no-polinómica que proporcionan aproximaciones de funciones
de las cuales conocemos información limitada.
En el mismo contexto que la interpolación polinómica, contamos con la interpolación racional y
la interpolación trigonométrica, que consisten en aproximar funciones por cocientes de polinomios y
por polinomios trigonométricos respectivamente. La segunda es especialmente útil para funciones con
valores en el cuerpo de los números complejos . También es frecuente el uso
de wavelets(ondaletas).
Cuando el conjunto de las abscisas es infinito, podemos recurrir a la Fórmula de Interpolación de
Whittaker-Shannon.
Cuando estamos trabajando con funciones de varias variables, disponemos de la interpolación
multivariable para conseguir aproximaciones de las mismas. Entre los métodos de interpolación
multivariable, destacar la interpolación bilineal y la interpolación bicúbica para funciones de dos
variables y la interpolación trilineal para funciones de tres variables.
Temas relacionados
La interpolación de funciones, a menudo no consiste un problema por sí solo sino que suele tratarse
de un paso dentro de la resolución de problemas mayores. Es habitual usarla como paso previo en
la derivación numérica y en la integración numérica.
En el segundo caso, necesitamos realizar una partición del intervalo de definición de la función que
queremos integrar, de modo que haya suficientes abscisas para que el error sea razonablemente
pequeño. Sin embargo, puede que no tengamos datos acerca de algunas de las abscisas que separan
los subintervalos. Cuando esto ocurra, tendremos que resolver un problema
de extrapolación (vermétodo de extrapolación de Richardson).
Otros problemas relacionados con la interpolación son la aproximación de funciones y el cálculo
de ceros de funciones no lineales.

aINTERPOLACIÓN POLINÓMICA DE
LAGRANGE
En análisis numérico, el polinomio de Lagrange, llamado así en honor a Joseph-Louis de Lagrange,

es el polinomio que interpola un conjunto de puntos dado en la forma de Lagrange. Fue descubierto
por Edward Waring en 1779 y redescubierto más tarde porLeonhard Euler en 1783.
Dado que existe un único polinomio interpolador para un determinado conjunto de puntos, resulta
algo confuso llamar a este polinomio el polinomio interpolador de Lagrange. Un nombre más conciso
es interpolación polinómica en la forma de Lagrange.
Definición
Dado un conjunto de k + 1 puntos
donde todos los xj se asumen distintos, el polinomio interpolador en la forma de Lagrange es

la combinación lineal
de bases polinómicas de Lagrange
Demostración
La función que estamos buscando es una función polinómica L(x) de grado k con
El problema de interpolación puede tener tan solo una solución, pues la diferencia entre dos tales
soluciones, sería otro polinomio de grado k a lo sumo, con k+1 ceros.
Por lo tanto, L(x) es el único polinomio interpolador.
Concepto
La resolución de un problema de interpolación lleva a un problema de álgebra lineal en el cual se debe
resolver un sistema de ecuaciones. Usando una base monómica estándar para nuestro polinomio
interpolador, llegamos a la matriz de Vandermonde. Eligiendo una base distinta, la base de Lagrange,
llegamos a la forma más simple de matriz identidad = δi,j, que puede resolverse inmediatamente.

Uso
Ejemplo
Se desea interpolar en los puntos
Con cinco puntos, el polinomio interpolador tendrá, como máximo, grado cuatro (es decir, la máxima
potencia será cuatro), al igual que cada componente de la base polinómica.
La base polinómica es:
Así, el polinomio interpolador se obtiene simplemente como la combinación lineal entre los y
los valores de las abscisas:

Desventajas de su uso
Si se aumenta en número de puntos a interpolar (o nodos) con la intención de mejorar la aproximación
a una función, también lo hace el grado del polinomio interpolador asi obtenido, por norma general.
De este modo, aumenta la dificultad en el cálculo, haciéndolo poco operativo manualmente a partir
del grado 4, dado que no existen métodos directos de resolución de ecuaciones de grado 4, salvo que
se puedan tratar como ecuaciones bicuadradas, situación extremadamente rara.
La tecnología actual permite manejar polinomios de grados superiores sin grandes problemas, a costa
de un elevado consumo de tiempo de computación. Pero, a medida que crece el grado, mayores son
las oscilaciones entre puntos consecutivos o nodos. Se podría decir que a partir del grado 6 las
oscilaciones son tal que el método deja de ser válido, aunque no para todos los casos.
Sin embargo, pocos estudios requieren la interpolación de tan sólo 6 puntos. Se suelen contar por
decenas e incluso centenas. En estos casos, el grado de este polinomio sería tan alto que seria
inoperable. Por lo tanto, en estos casos, se recurre a otra técnica de interpolación, como por ejemplo a
la Interpolación polinómica de Hermite o a los splines cúbicos
Otra gran desventaja, respecto a otros métodos de interpolación, es la necesidad de recalcular todo el
polinomio si se varía el número de nodos.
Otras aplicaciones
Aunque el polinomio interpolador de Lagrange se emplea mayormente para interpolar funciones e
implementar esto fácilmente en una computadora, también tiene otras aplicaciones en el campo del
álgebra exacta, lo que ha hecho más célebre a este polinomio, por ejemplo en el campo de los
proyectores ortogonales:
Sea un espacio vectorial complejo de dimensión finita E en el que definimos un producto escalar (no
necesariamente el usual). Sea F un operador normal, tal que gracias al teorema de la descomposición
espectral es igual a . Donde son los proyectores ortogonales y los autovectores de F

asociados a cada proyector. Entonces:
Siendo I la matriz identidad.
Demostración:
Haciendo uso de la descomposición espectral y aplicando las propiedades de los proyectores:

DIFERENCIAS DIVIDIDAS
Concepto
Interpolacion es, a partir de una serie de puntos, obtener una ecuacion cuya curva pase por todos ellos
o lo mas cerca posible.
El metodo de interpolacion de Newton es un poco mas complicado que el de Lagrange, pero como
todo lo de Newton, es mas preciso.
Por supuesto que este metodo tiene todo un desarrollo teorico para llegar a la ecuacion general, pero
es demasiado largo y para fines practicos lo que sirve al final es solo la forma de realizar el metodo y
como aplicarlo.
Formula
La ecuación general para este método es la siguiente:
Lo importante de este método o la parte interesante es el cálculo de las b's.
Aqui es donde el metodo toma su nombre de diferencias divididas. Hay distintas formas de hacerlo,
pero una de las que mas se recomiendan porque es clara y fácil es la siguiente:
Primero se ponen en 2 columnas acomodados de tal modo que se correspondan todas las x y
las f(x)que se desean interpolar.
Después se hacen a su lado tantas columnas como puntos son -1, asi si son 5 puntos se hacen 4
columnas. Asi para el caso de tener 5 puntos el acomodo quedaria mas o menos asi:
X f(x) f(xi,xi) f(xi,xi,xk) ... ...

x0 f(x0) f(x1,x0) f(x2,x1,x0)
x1 f(x1) f(x2,x1) f(x3,x2,x1,x0)
x2 f(x2) f(x3,x2) f(x3,x2,x1) f(x4,x3,x2,x1,x0)
x3 f(x3) f(x4,x3,x2,x1)
x4 f(x4) f(x4,x3) f(x4,x3,x2)

Puntos críticos
La notación f(x1,x0) se interpreta de la siguiente manera:
,asi como f(x2,x1) es: , esto para b1.
Para b2 la notación f(x2,x1,x0) es: y así se van obteniendo

sucesivamente todos los valores de b que son los que quedan en la primera celda de arriba para abajo
en todas las columnas (en las que aparece la leyenda bien cuando pasas el mouse en el ejemplo de
arriba).
Con este ejemplo se verá más claramente de lo que se habla:
x f(x) _ _ _
-3 2 _
7 -1 _
17 9 _ _ _
27 11 _
Los valores de b se encuentran en las celdas que tienen borde rojo.
Una vez obtenidos dichos valores simplemente se sustituyen en la ecuación general, se simplifica
dicha ecuación y se tiene una cuya curva pasa casi exactamente por todos los puntos especificados.
Los resultados del apartado anterior pueden ser generalizados para ajustar un polinomio de n-ésimo
orden a n+1 datos:
Conocido como “Polinomio de interpolación por diferencias divididas de Newton”.
Las evaluaciones de las funciones puestas entre corchetes (f[x1, x0], por ejemplo) son diferencias
divididas finitas.

La primera diferencia dividida finita se representa como:
La segunda diferencia dividida finita, la cual representa la diferencia de las dos primeras diferencias
divididas, se expresa como:
La n–ésima diferencia dividida finita es:
Error al interpolar Polinomios de Diferencias Divididas:

La ecuación del Polinomio de Interpolación por Diferencias Divididas de Newton es similar a la serie
de expansión de Taylor. Se agregan términos en forma secuencial para capturar el comportamiento de
alto orden de la función a analizar.
Estos términos son diferencias divididas finitas y, así, representan aproximaciones de derivadas de
orden mayor.
Error de truncamiento:
Para una interpolación de n-ésimo orden, una relación análoga para el error es:
Para esta fórmula la función debe conocerse.
Una formulación alternativa es el uso de la diferencia dividida para aproximar la derivada (n+1)–
ésima y que no requiere el conocimiento previo de la función.
Debido a que esta ecuación contiene el término f(x), no puede resolverse para el error. Si se dispone
de un dato adicional la ecuación puede usarse para estimar el error.

Algoritmo de interpolación de Newton:

– La ecuación obtenida de ajustar el polinomio puede desarrollarse en forma secuencial para versiones
de orden mayor con la adición de un solo término a la siguiente ecuación de orden inferior. Al
agregarse nuevos términos en forma secuencial se puede determinar cuando se alcanza un punto de
disminución de regreso, es decir, cuando la adición de términos de orden superior ya no mejora de
manera significativa la estimación, o en otras situaciones la aleja.
– Las diferencias divididas finitas que constituyen los coeficientes del polinomio se pueden calcular
de manera eficaz. Se usa diferencias del orden inferior para calcular las de alto orden.
– El error estimado es simple de incorporar en un algoritmo de cómputo.
APROXIMACION DE POLINOMIOS DE
NEWTON
Definición
Dados n+1 escalares distintos y n+1 escalares (iguales ó
distintos) se define el polinomio interpolador en la forma:
Siendo las coordenadas del polinomio y la expresión anterior del polinomio interpolador
la conocida como diferencias divididas.
Teniendo en cuenta que existe una función p tal que y haciendo sucesivamente:
Se llega a:

Con los siguientes polinomios:
Las satisfacen la relación de recurrencia:
Y finalmente se obtiene el vector en , con lo que se puede

escribir el polinomio interpolador de Newton en función de la nueva base , de la forma que sigue:
donde cada columna se obtiene de la anterior mediante la fórmula de interpolación lineal, que
equivale a un producto cruzado entre la primera columna y la columna previa a la que calculamos.
Concretamente:
(1) 1
P 01 (x) = [(x − x0 ) f 1 − (x − x1 ) f 0 ]
x1 − x0
(2) 1 (1 (1)
P )
012 (x) = [(x − x 0 )P 12 (x) − (x − x 1 )P 01 (x)]
x2 − x0
(3) 1 (2 (2)
P )
0123 (x) = [(x − x 0 )P 123 (x) − (x − x 3 )P012 (x)]
x3 − x0
Vemos que cada término de la tabla se obtiene como la diferencia de los productos cruzados de
vecinos inferior y superior en la columna inmediatamente anterior con la diferencia entre la abcisa de
evaluación y la abcisa de interpolación en la primera columna correspondiente con el otro vecino,
siguiendo la diagonal, dividida (la diferencia de productos cruzados) por la diferencia entre las
diferencias de abcisas correspondientes superior e inferior de la primera columna. Podemos escribir el
término general.como sigue. Si denominamos y j = x − x j , tenemos:
1 " #
(i+1) (i) (i)
P s···(s+i+1) = y Ps s+1···s+i+1 − ys+i+1 Ps···s+i
sy− ys+i+
1

El algoritmo de Nevillel es particularmente indicado en el caso de que se desee evaluar el polinomio
interpolador en un único punto, o en un número muy reducido de puntos.
Método de Newton o de diferencias divididas

El método de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador.
En este método el polinomio interpolador se escribe de la forma
Pn (x) = a0 + (x − x0 )a1 + (x − x0 )(x − x1 )a2 + · · · + (x − x0 )(x − x1 ) · · · (x − xn−1 )an
y el algoritmo proporciona una regla para obtener los coeficientes a0 , a1 , . . . , an . Imponiendo que el
polinomio interpolador pase por los puntos de interpolación obtenemos
Pn (x0 ) = a0 = f (x0 )
Pn (x1 ) = a0 + (x1 − x0 )a1 = f (x1 )
Pn (x2 ) = a0 + (x2 − x0 )a1 + (x2 − x0 )(x2 − x1 )a2 = f (x2 )
. . .
Pn (xn ) = a0 + (xn − x0 )a1 + · · · + (xn − x0 ) · · · (xn − xn−1 )an = f (xn )
De estas ecuaciones, es obvio que a0 depende sólo de x0 , a1 de x0 y x1 y así sucesivamente.

Introducimos la nueva notación a0 ≡ f [x0 ], a1 ≡ f [x0 , x1 ], y así sucesivamentre, con f [x0 ] = f
(x0 ), como se ve de la primera ecuación. Restando las dos primeras ecuaciones obtenemos
Podemos proceder de igual modo para demostrar que

f [x1 , . . . , xn ] − f [x0 , . . . , xn−1 ]
an ≡ f [x0 , x1 , . . . , xn ] =
aunque la forma más cómoda es por inducción. Suponemos que la expresión vale para an−1 y
construimos el polinomio de grado n, Qn (x), definido por
Qn (x) = P%n−1
[P
donde P%n−1
n 1
que para x1 , x2 , . . . , xn−1 , Qn (xi ) = P% n−1
puntos. También en xn se cumple que Q(xn ) = P% n−1
% (x ) − [P % (x ) − P
Pn−1 0 n−1 0 n−1 (x0 ) = Pn−1 (x0 ) = f (x0 ). Luego Qn (x) coincide con Pn (x), ya que el
polinomio interpolador es único, y su coeficiente en x n
que la fórmula de diferencias divididas es válida para Pn−1 (x) y P% n−1
identificando potencias en xn en ambos lados, que que el coeficiente en xn de Qn (x) viene dado
por relación que es el origen del nombre de diferencias divididas para los coeficientes an .
Podemos por lo tanto escribir el polinomio interpolador como,
Pn (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + · · · f [x0 , x1 , . . . , xn ](x − x0 ) · · · (x − xn−1 )
El método de Newton permite obtener los coeficientes del polinomio interpolador fácilmente en forma
de tabla, que damos abajo para el caso de 4 puntos.
1 Qn (x) es el resultado de aplicar el algoritmo de Neville a Pn−1 (x) y P%x).

n−1

El método de Newton es especialmente indicado en el caso de que deseemos realizar muchas

evaluaciones del polinomio interpolador, ya que da el polinomio preparado para ser evaluado por el
algoritmo de Horner. Otro aspecto particularmente conveniente es que, si deseamos aumentar el orden
del polinomio interpolador, los coeficientes ak ya calculados permanecen inalterados, es decir, no
destruímos el trabajo ya realizado cuando deseamos aumentar el orden del polinomio interpolador. Se
dice en este caso que los coeficientes ak tienen la propiedad de permanencia.
En el caso de puntos igualmente espaciados, el polinomio de Newton toma una forma espe-
cialmente conveniente. Supongamos que tenemos una red de puntos espaciados un paso h, de forma
que xn = x0 + nh. Tenemos que
f [x0 , x1 ] =
f [x0 , x1 , x2 ] =
Si introducimos la notación de diferencias finitas & f 0 = f 1 − f 0 , 2 &
( f 1 − f 0 ) = f 2 − 2 f 1 + f 0 llegamos fácilmente por inducción al resultado
& n
f0
f [x0 , x1 , . . . , xn ] =
ya que
n−1
& f1 &
f [x1 , . . . , xn ] − f [x0 , . . . , xn−1 ]
f [x0 , x1 , . . . , xn ]
=xn − x0
El polinomio interpolador adquiere una forma particularmente simple en el caso de puntos
igualmente espaciados. Si denotamos un punto arbitrario x, comprendido entre x0 y xn , como x0 +
sh, tenemos que el término j del polinomio interpolador se puede expresar como:
& jf
0
(x − x 0) · · ·(x −x j−1
) f [x , 0 · ,· x· ] =j sh − 1)h
··· j+
(s j
j!h
Con esta extensión de los números combinatorios a números reales, podemos expresar el polinomio
interpolador con su término de error en la siguiente forma extraordinariamente compacta:
Pn (x) = Pn (x0 + sh) = ∑j=0

j
Relación de las derivadas con las diferencias

Las derivadas de f (x) y las diferencias finitas están íntimamente relacionadas. Para demos- trarlo, vamos
primero a expresar la función f (x) en término de diferencias divididas. La expresión.

podemos reescribirla como

f (x) = f [x0 ] + (x − x0 ) f [x, x0 ]
A su vez, podemos escribir
f [x0 , x1 ] − f [x, x0 ]
f [x, x0, x1 ] =
x1 − x
que podemos reescribir como
f [x, x0 ] = f [x0 , x1 ] + (x − x1 ) f [x, x0 , x1 ]
y nos permite expresar f (x) como
f (x) = f [x0 ] + (x − x0 ) f [x0 , x1 ] + (x − x0 )(x − x1 ) f [x, x0 , x1 ]
Repitiendo este proceso nveces, llegamos a la expresión
f (x) = f [x0 ] + (x − x0 ) f [x0 , x1 ] + (x − x0 ) · · · (x − xn−1 ) f [x0 , x1 , . . . , xn ] + (x − x0 ) · · · (x − xn ) f [x0 , x1 , . . . , xn , x]
Los n primeros términos constituyen el polinomio interpolador, dado por la fórmula de Newton, y por lo
tanto, el último término es el término de error. Tenemos por consiguiente la relación:
f (n+1) (xm )
(x − x0 ) · · · (x − xn ) f [x0 , x1 , . . . , xn , x] = (x − x0 ) · · · (x − xn )
(n + 1)!
de donde deducimos la siguiente relación entre las diferencias divididas y las derivadas:
f (n+1) (xm
)
f [x0 , x1 , . . . , xn , x] =
(n + 1)!
En el caso de puntos igualmente espaciados la anterior igualdad toma la forma:
n+1 f 0
& f (n+1) (xm
=
(n + 1)!hn+1 ) (n + 1)!
Luego podemos escribir la siguiente relación entre las derivadas y las diferencias finitas:
&n f 0 = hn f (n)(xm )
donde xm es un punto del intervalo [x0 , xn ]. Cuando el intervalo [x0 , xn ] se hace infinitamente
pequeño, tenemos el siguiente límite cuando xn −→ x0 :
n (n)
lı́m &n f 0 −→ h f (x0 )
xn −→x0
que nos dice que las diferencias y las derivadas de orden n son proporcionales en este límite.

DIREFENCIACIÓN NUMERICA.
Definición
La diferenciación numérica es muy útil en casos en los cuales se tiene una función que es muy
engorrosa de derivar, o en casos en los cuales no se tiene una función explícita sino una serie de datos
experimentales.
El cálculo de la derivada de una función puede ser un proceso "difícil" ya sea por lo complicado de la
definición analítica de la función o por que esta se conoce unicamente en un número discreto de puntos.
(Este es el caso si la función representa el resultado de algún experimento). En esta lección
estudiaremos técnicas para aproximar las derivadas de una función y veremos el análisis de error de
dichas formulas.
A la ecuación 1 se le conoce con el nombre especial en el análisis numérico, se le llama diferencias

divididas finitas.
Se puede representar generalmente como:
Donde al diferencial se le conoce como la primera diferencia hacia adelante y a h se le llama tamaño del
paso, esto es, la longitud del intervalo sobre el cual se hace la aproximación.
Se le llama diferencia " hacia adelante " ya que usa los datos (i) e (i+1) para estimar la derivada.
Al termino completo (o sea, la diferencial entre h ) se le conoce como primera diferencia dividida finita.
Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar mediante la
serie de Taylor para la aproximación de derivadas numéricas.
Por ejemplo, las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrás o las
diferencias centrales se pueden desarrollar de una manera similar a la de la ecuación 2.
Las primeras usan a , mientras x con sub-indice i+1 que las segundas usan información igualmente
espaciada alrededor del punto donde esta estimada la derivada.
Las aproximaciones mas exactas de la primer derivada se pueden desarrollar incluyendo en la serie de
Taylor términos de orden mas alto.

Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, tercer
orden y ordenes superiores. Las siguientes secciones analizan brevemente estos casos, ilustrando como
se deriva cada una de ellos.
Aproximacion a la primera derivada con diferencias hacia atrás.

La serie de Taylor se puede expandir hacia atrás para calcular un valor anterior sobre el valor actual,
dada por:
Truncando la ecuación después de la primera derivada y ordenando los términos se obtiene:
Donde los errores es 0 (h) y el diferencial indica la primer diferencia dividida hacia atrás.
Aproximaciones a la primer derivada con diferencias centrales.

Una tercera forma de aproximar la primer derivada es restar la ecuación 4 de la expansión en serie de
Taylor hacia adelante:
para obtener
que se puede resolver para
La ecuación 9 es una representación de las diferencias centrales ( o centradas )de la primera derivada.

Nótese que el error de truncamiento es del orden de en contraste con las diferencias divididas hacia
adelante y hacia atrás, las cuales fueron de orden h.
Por lo tanto, el análisis de la serie de Taylor ha llevado a la información practica de que la diferencia
central es la representación mas exacta de la derivada.
Por ejemplo, si se parte el tamaño del paso a la mitad usando diferencias hacia atrás o hacia adelante, el
error se reducirá aproximadamente a la mitad, mientras que para diferencias centrales, el error se reduce
a la cuarta parte.
Aproximaciones a derivadas de orden mas alto usando diferencias

finitas.
Junta a la primera derivada, la expansión de la serie de Taylor se puede usar para una estimación
numérica de las derivadas de orden superior.
Para hacerlo, se escribe una expansión en la serie de Taylor hacia adelante para en términos de de la
siguiente forma:
La ecuación 8 se puede multiplicar por 2 y restarse de la ecuación 10 para obtener:
que se puede resolver para
A esta relación se le llama diferencias divididas finitas hacia adelante de segundo orden. Se pueden usar
procedimientos similares para obtener las versiones hacia atrás y centrales.
Las aproximaciones a tercer orden de las diferencias divididas hacia adelante, hacia atrás y centrales
también pueden obtenerse ( véase en fórmulas mas adelante ). En todos los casos, las diferencias
centradas dan una mejor aproximación.

Formulas De Exactitud Para Diferencias De Orden Superior
Todas las estimaciones anteriores truncaron las estimaciones dadas por la serie de Taylor después de
algunos términos.
Las fórmulas de mas exactitud se pueden desarrollar incluyendo términos adicionales. Por ejemplo, la
expansión hacia adelante ( Ecuación 6 ) se puede resolver para:
En contraste con la ecuación 2, se puede retener el termino de segundo orden sustituyendo la ecuación
12 en la ecuación 13 para obtener:
agrupando términos
Nótese que la inclusión del termino con segunda derivada ha dado una exactitud .
Se pueden desarrollar versiones mejoradas similares para diferencias hacia atrás y centrales así como
para las aproximaciones de derivadas de orden superior.
Graficas de aproximaciones con diferencias divididas finitas

de la primera derivada.
El azul es de aproximacion y el verde de la derivada verdadera

HACIA ADELANTE
HACIA ATRAS

CENTRALES
Formulas de diferencias divididas finitas hacia atrás.

Se presentan dos versiones para cada derivada.
La segunda forma incluye mas terminos de la serie de taylor
y, por lo tanto es mas exacta

FORMULAS DE DIFERENCIAS DIVIDIDAS FINITAS HACIA

ADELANTE.

La segunda forma incluye mas terminos de la serie de taylor y, por lo tanto es mas exacta.
Formulas de diferencias finitas centrales.

La segunda forma incluye mas terminos de la serie de taylor

por lo tanto es mas exacta.
Ejemplo De Aproximaciones De Derivadas Usando Diferencias Divididas Finitas..
Úsense aproximaciones de diferencias finitas hacia adelante y hacia atrás de 0(h) y centradas, de
0(hCuadrara ), para estimular la primera derivada de:

en x=0.5 usando un tamaño de paso h=0.5. Repetir los cálculos usando h=0.25. Nótese que la derivada
se puede calcular directamente como:
y se puede usar para calcular el valor exacto de f (0.5)=-0.9125.
SOLUCIÓN.
Para h=0.5, se puede usar la función para determinar:
Estos datos se pueden usar para calcular la diferencia dividida hacia adelante (Ecuación 2 ):
la diferencia dividida hacia atrás ( Ecuación 5 ):
y la diferencia dividida central ( Ecuación 7 ):
Para h=0.25, los datos son:

que se pueden usar para calcular la diferencia dividida hacia adelante:
la diferencia dividida hacia atrás:
y la diferencia dividida central:>/P>
Metodo de la secante por medio de diferencia dividida.
Un problema fuerte en al implementación del método de Newton-Raphson es el de la evaluación de la

derivada.
Aunque esto no es un inconveniente para los polinomios y para muchas otras funciones, existen algunas
de estas cuyas derivadas pueden ser extremadamente difíciles de evaluar.
En estos casos, la derivada se puede aproximar mediante una diferencia dividida, como se muestra en la
siguiente figura:

ESQUEMA GRAFICO DEL METODO DE LA SECANTE

UTILIZANDO UNA DIFERENCIA.
Esta aproximación se puede sustituir en la ecuación 16 obteniendo la ecuación iterativa:
La ecuación 18 es la formula para el método de la secante.
Nótese que el planteamiento requiere de dos puntos iniciales de x.
Sin embargo, debido a que no se requiere de f (x) cambie de signo entre estos valores, a este método no
se le clasifica como aquellos que usan intervalo.

EJEMPLO DEL METODO DE LA SECANTE USANDO DIFERENCIAS

DIVIDIDAS.
Úsese el método de la secante para calcular la raíz de f (x)= .

Empiécese con los valores iniciales de x(sub-indice i-1 ) = 0 y x( sub-indice 0)= 1.0.
SOLUCIÓN.
Recuérdese que la raíz real es 0.56714329….

INTEGRALES MULTIPLES.
Integrales dobles sobre rectángulos.

Suponga que f(x, y) está definida sobre una región rectangular R dada por
R: a<x<b, c<y<d.
Imaginamos R cubierta por una red de rectas paralelas a los ejes x y y. Esas rectas dividen R en
pequeños elementos de área "A1, "A2…, "An, escogemos un punto (xk, yp) en cada elemento "Ak y
formamos la suma
Si f es continua en toda la legión R, entonces al refinar el ancho de la red para hacer tender "x, "y a
cero, las sumas en (1) tienden a un límite llamado integral doble de f sobre R. Su notación es
Entonces,
Igual que en las funciones de una sola variable, las sumas tiende a este límite independientemente de
cómo se subdividan los intervalos [a, b] y [c, d] que determinan R, siempre que las normas de las
subdivisiones tiendan ambas a cero. El límite (2) también es independiente del orden en que se numeren
las áreas "Ak e independiente de la selección del punto (xk, yk) dentro de cada "Ak. Los valores de las
sumas aproximadas individuales Sn depende de esas selecciones, pero al final las sumas tienden al
mismo límite. La prueba de la existencia y unicidad de este límite para una función continua f se da en
textos más avanzados.
La continuidad de f es una condición suficiente para la existencia de la integral doble, pero no es una
condición suficiente para la existencia de la integral doble, pero no es una condición necesaria. El límite
en consideración también existe para muchas funciones discontinuas.
Propiedades de las integrales dobles.

Las integrales dobles de funciones continuas tienen propiedades algebraicas que son útiles en los
cálculos y en las aplicaciones.
1.
2.

3.
4.
5.
Esta propiedad es válida cuando R es la unión de dos rectángulos R1 y R2 que no se traslapan.
Integrales dobles como volúmenes.

Cuando f(x ,y) es positiva podemos interpretar la integral doble de f sobre una región rectangular R
como el volumen del prisma sólido limitado abajo por R y arriba por la superficie z = F(x, y). Cada
termino f (xk, yk) "Ak en la suma Sn =
"Ak es el volumen de un prisma rectangular vertical que aproxima el volumen de la porción del sólido
que está directamente arriba de la base "Ak. La suma Sn aproxima entonces a lo que llamamos volumen
total del sólido. Definido este volumen como
Teorema de fubini para calcular integrales dobles.

Suponga que queremos calcular el volumen bajo el plano z=4-x-y sobre la región rectangular
en el plano xy. Entonces el volumen es
Donde A(x) es el área de la sección transversal en x. Para cada valor de x podemos calcular A(x) como
la integral
Que es el área bajo la curva z=4-x-y en el plano de la sección transversal en x. Al calcular A(x), x se
mantiene fija y la integración se efectúa respecto a y. Al combinar (4) y (5), vemos que el volumen de
todo es sólido es

Si quisiéramos escribir sólo las instrucciones para calcular el volumen, sin llevar a cabo ninguno de las
integraciones, podríamos escribir
La llamada integral repetida o iterada, dice que el volumen se obtiene integrando 4-x-y respecto
a y de y=0 a y=1,manteniendo fija a x y luego integrando la expresión resultante en x respecto
a x=0 a x=2.
¿Qué pasa si calculamos el volumen formando rebanadas con planos perpendiculares al eje?
¿Cómo función de y, el área transversal típica es?
Por tanto el volumen de todo el sólido es
EJEMPLO. Calcule
Solución. Por el teorema de Fubini,
Si invertimos el orden de integración se obtiene la misma respuesta:

Integrales dobles sobre regiones acotadas no rectangulares.

Para definir la integral doble de una función f(x, y) sobre una región acotada no rectangular,
imaginamos de nuevo R cubierta por una retícula rectangular, pero incluimos en la suma parcial sólo las
pequeñas piezas de área "A = "x"y que se encuentran totalmente dentro de la región. Numeramos las
piezas en algún orden, escogemos un punto arbitrario (xk, yk) en cada "Ak y formamos la suma
La única diferencia entre esta suma y la de la ecuación (1) para regiones rectangulares es que ahora las
áreas "Ak pueden dejar de cubrir toda R. Pero conforme la red se vuelve más fina y el número de
términos en Sn aumenta, más de R queda incluida. Si f es continua y la frontera de R está hecha de las
gráficas de un número finito de funciones continuas de xy/o de y, unidas extremo con extremo,
entonces las sumas Sn tendrán un límite cuando las normas de las subdivisiones que definen la malla
rectangular tiendan independientemente a cero. Llamamos al límite integral doble de fsobre R.
Este límite también puede existir en circunstancias menos restrictivas.

Las integrales dobles de funciones continuas sobre regiones no rectangulares tienen las mismas
propiedades algebraicas que las integrales sobre regiones rectangulares. La propiedad de aditividad de
dominio correspondiente a la propiedad 5 dice que si R se descompone en regiones no traslapadas R1 y
R2 con fronteras que están nuevamente hechas de un número finito de segmentos de rectas o curvas,
entonces
.
Si R es una región limitada “arriba” y “abajo” por las curvas y=g2(x) y y=g1(x) y lateralmente por las
rectas x=a, x=b,nuevamente podemos calcular el volumen por el método de rebanadas. Primero
determinamos el área de la sección transversal
Y luego integramos A(x) de x=a a x=b para obtener el volumen como una integral iterada:
(8)
De manera similar, si R es una región, limitada por las curvas x=h2 (y) y x=h1 (y) y las
rectas y=c y y=d, entonces el volumen calculado por el método de rebanadas está dado por la integral
iterada
EJEMPLO. Encuentre el volumen del prisma cuya base es el triángulo en el plano xy limitado por el
eje x y las rectas y=xy x=1, y cuya parte superior se encuentra en el plano
z=f(x, y)=3-x-y.

Solución. Para cualquier x entre 0 y 1, y puede variar de y=0 a y=x. Por consiguiente.
Integrales triples en coordenadas rectangulares.

Usamos integrales triples para hallar los volúmenes de formas tridimensionales, la masa y los
momentos de sólidos y los valores promedio de funciones de tres variables.
Integrales triples.
Si F(x, y, z) es una función definida sobre una región D cerrada en el espacio, por ejemplo, la región
ocupada por una bola sólida o una masa de arcilla, entonces la integral de F sobre D puede definirse de
la siguiente manera. Subdividimos una región rectangular que contenga a D en celdas rectangulares por
planos paralelos a los planos coordenados. Las celdas que se encuentran dentro de D de 1 a n en cierto
orden; una celda típica tendrán entonces dimensiones "xk por "yk por "zk y volumen "x"xk. Escogemos
un punto (xk, yk, zk) en cada celda y formamos la suma
Si F es continua y la superficie que limita a D está hecha de superficies suaves unidas a lo largo de
curvas continúas, entonces cuando "xk, "yk, "zk tienden a cero independientemente, las
sumas Sn tenderán a un límite
Llamamos a este límite integral triple de F sobre D. El límite también existe par algunas funciones
discontinuas.

Propiedades De Las Integrales Triples.

Las integrales triples tienen las mismas propiedades algebraicas que las integrales simples y dobles.
Si F=F(x, y, z) yG=G(x, y, z) son continuas, entonces
1.
2.
3.
4.
Si el dominio D de una función continua F se subdivide por medio de superficies suaves en números
finito de celda sin traslapes D1, D2,…..Dn, entonces
5.
EJEMPLO. Establezca los límites de integración para evaluar la integral triple de una función F(x, y,
z) sobre un tetraedro D con vértices (0, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 1, 0).
Solución.
Paso 1: La superficie superior que limita a D se encuentra en el plano y=1. La superficie inferior se
encuentra en el plano y=x+z. La frontera superior de R es la recta z=1-x.
La frontera inferior es la recta z=0.
Paso 2: Los límites y de integración. La recta que pasa por un punto típico (x, y) en R paralela al
eje y entra a D eny=x+z y sale en y=1.
Paso 3: Los límites z de integración. La recta L que pasa por (x, y) paralela al eje z entra a R en z=0 y
sale en z=1-x.
Paso 4: Los límites x de integración. Conforme L barre a través de R, es el valor de x varía de x=0
a x=1. La integral es

INTEGRALES TRIPLES EN COORDENADAS CILINDRICAS Y

ESFERICAS.
Coordenadas cilíndricas.
Las coordenadas cilíndricas son apropiadas para describir cilindros cuyos ejes coinciden con el eje x y
planos que contienen el eje z o bien son perpendiculares a el.
r = 4 Cilindro, radio 4, eje el eje z
=
Plano que contiene al eje z
z= 2 Plano perpendicular al eje z
El elemento de volumen para subdividir una región en el espacio con coordenadas cilíndricas
es
Las integrales triples en coordenadas cilíndricas son entonces evaluadas como integrales iteradas, como
el siguiente ejemplo.
EJEMPLO. Encuentre los límites de integración en coordenadas cilíndricas para integrar una
función F(r,
, z) sobre la región D limitada abajo por el plano z=0, lateralmente por el cilindro
circular
y arriba por el paraboloide

Solución
Paso 1: La base de D también es la proyección de la región R sobre el plano xy. La frontera de R es el
círculo
Su ecuación en coordenadas polares es
Paso 2: Los límites z de integración. Una recta M, que pasa por un punto típico (r,
) en R, paralela al eje z, entra a D en z=0 y sale en
Paso 3: Los límites r de integración. Un rayo L que pasa por (r, ) desde el origen, entra a R en r =0 y
sale en

Paso 4: Los límites de integración. Al barrer L a través de R, el ángulo que forma con el eje x positivo
varía de La integral es
Coordenadas Esfericas.
Las coordenadas esféricas son apropiadas para describir con centro en el origen, medios planos
articulados a lo largo de eje z y conos simples, cuyos vértices se encuentran en el origen, y con ejes a lo
largo del eje z.
Las superficies como ésas tienen ecuaciones de valor coordenado constante:
Esfera, radio 4, centro en el rigen.
Se abre desde el origen y forma un ángulo de py3 radianes con el eje z positivo.
Medio plano, articulado a lo largo del eje z, que forma un ángulo de

radianes
con el eje x positivo.
El elemento de volumen en coordenadas esféricas es el volumen de una cuña esférica definida por los
diferenciales
La cuña es aproximadamente una caja rectangular con un arco circular de longitud
en un lado y un arco circular de longitud
y espesor de
en otro lado. Por consiguiente, el elemento de volumen en coordenadas esféricas es
Y las integrales triples adoptan la forma
EJEMPLO. Encuentre el volumen de la región superior D cortada de la esfera sólida

por el cono
Solución El volumen es
, que es la integral, de
Paso 1: Hacemos un croquis de D y su proyección R sobre el plano xy.
Paso 2: Los límites

de integración. Dibujamos un rayo M desde el origen que forme un ángulo

con el eje z positivo. También dibujamos L, o sea la proyección de M sobre el plano xy, junto con el
ángulo
, que L forma con el eje x positivo. El rayo M entra a D en
=0 y sale en
=1.
Paso 3: Los limites

de integración. El cono
forma un ángulo de
con el eje z positivo. Para cualquier
, el ángulo
varía entre
=0 y
=
.
Paso 4: Los límites

de integración. El rayo L barre sobre R cuando
varía de 0 a .
El volumen es

Integrales de linea.
Cuando una curva r (t) = g(t)i +h(t)j+k(t)k,
, pasa por el dominio de una función f(x, y, z) en el espacio, los valores de f a lo largo de la curva están
dados por la función compuesta f(g(t), h(t), k(t)). Si integramos esta composición respecto a la longitud
de arco de
t = a a t = b, calculamos la así llamada integral de línea de f a lo largo e la curva. A pesar de la
geometría tridimensional, la integral de línea es una integral ordinaria de una función real sobre un
intervalo de números reales.
Definición y notación.
Supongamos que f(x, y, z) es una función cuyo dominio contiene la
curva r (t) = g(t)i +h(t)j+k(t)k,
. Subdividimos está última en un número finito de subarcos. El subarco típico tiene longitud "sk. En
cada subarco escogemos un punto (xk, yk, zk) y formamos la suma
(1)
Si f es continua y las funciones g, h y k tienen primeras derivadas continuas, entonces las sumas en (1)
tienden a un límite cuando n cree y las longitudes "sk tienden a cero. Llamamos a este límite la integral
de f sobre la curva de a a b. Si la curva se representa por una sola letra, C por ejemplo, la notación para
la integral es
(2)
Evaluación de curvas suaves.

Si r (t) es suave para
(v=dr/dt es continua y nunca (0), podemos usar la ecuación
Para expresar ds en la ecuación (2) como ds =

. Un teorema del cálculo avanzado dice que entonces podemos evaluar la integral de f sobre C como
Esta fórmula evaluará correctamente la integral sin importar qué parametrización usemos (siempre y
cuando sea suave).

Como evaluar una integral de línea.

Para integrar una función continua f(x, y, z) sobre una curva C:
1. Encuentre una parametrización suave C,
r (t) = g(t)i +h(t)j+k(t)k,

2. Evalúe la integral como
(3)
Note que si f tiene el valor constante 1, entonces la integral de f sobre C da la longitud de C.
Ejemplo. Integre sobre el segmento de recta C que une el origen y el punto (1, 1, 1).
Solución. Escogemos la parametrización más simple que podemos imaginar:
r (t) = g(t)i +h(t)j+k(t)k,
Las componentes tienen primeras derivadas continuas y

nunca es 0, por lo que la parametrización es suave. La integral de f sobre C es
Aditividad.
Las integrales de línea tienen la útil propiedad de que si una curva C se forma por la unión de un
número finito de curvas C1, C2,…., Cn extremo con extremo, entonces la integral de una función sobre
C es la suma de las integrales sobre las curvas que la forman:
(4)
Ejemplo. Una trayectoria del origen a (1, 1, 1) que es la unión de los segmentos de las rectas C1 y C2.
Integres
sobre C1 y C2.

Solución. Escogemos la parametrización más simple que podemos imaginar para C1 y C2, y revisamos
las longitudes de los vectores velocidad:
C1: r (t) = ti +tj,
C2: r (t) = i+ j+ tk,
Con esa parametrización encontramos que

INTEGRACIÓN DE NEWTON-COTES
Las fórmulas de Newton-Cotes, los métodos más comúnmente utilizados de integración numérica para
aproximar la integración de una función complicada mediante la sustitución de la función
con polinomios de muchos en todo el intervalo de integración. La integración de la función original,
entonces se puede obtener mediante la suma de todos los polinomios cuyas "áreas" se calculan los
coeficientes de ponderación y los valores de la función en los puntos nodales.
Introducción a la cuadratura
Abordamos ahora el tema de la integración numérica. El objetivo es aproximar la integral definida de f
(x) sobre el intervalo [a, b] mediante la evaluación def (x) en un número finito
de puntos de muestreo.
Definición (cuadratura Fórmula)
Supongamos que .
Una fórmula de la forma
(1)
con la propiedad de que
(2)
se llama una integración numérica o fórmula de cuadratura. El término E [f] se llama el error de
truncamiento para la integración. Los valores se denominan los nudos de
cuadratura y se llaman las pesas.
Dependiendo de la aplicación, los nodos se eligen de varias maneras. Por la regla del trapecio,
la regla de Simpson, y la Regla de Boole, los nodos son elegidos para ser igualmente espaciados. Para
la cuadratura de Gauss-Legendre, los nodos son elegidos para ser los ceros de los polinomios de
Legendre ciertas.Cuando la fórmula de integración se utiliza para desarrollar una fórmula de predicción
de las ecuaciones diferenciales, todos los nodos se eligen menos de b. Para todas las aplicaciones, es
necesario saber algo acerca de la exactitud de la solución numérica. Esto nos lleva a la siguiente
definición.

Definición (grado de precisión)

El grado de precisión de una fórmula de cuadratura es el entero positivo n tal que para todos
los polinomios de grado , Pero para que para algún polinomio de
grado n +1. Esto es
cuando grado ,
y
cuando grado .
La forma de se puede prever mediante el estudio de lo que sucede cuando f (x) es un

polinomio. Considere el polinomio arbitrario
de grado i. Si , Entonces para todo x, y para todo x. Por

lo tanto, no es de extrañar que la forma general por el término error de truncamiento es
(3) ,
donde K es una constante convenientemente elegido y n es el grado de precisión. La prueba de este

resultado general se puede encontrar en los libros avanzados en la integración numérica. La derivación
de las fórmulas de cuadratura a veces se basa en la interpolación polinómica. Recordemos que existe un
único polinomio de grado , Pasando por los m +1 puntos
equidistantes . Cuando este polinomio se utiliza para aproximar f
(x) sobre [a, b], y entonces la integral de f (x) se aproxima por la integral de , La fórmula
resultante se denomina una fórmula de Newton-Cotes cuadratura. Cuando la muestra puntos
y se utilizan, se llama un cerrado de Newton-Cotes fórmula. El siguiente resultado da las
fórmulas cuando se aproxima polinomios de grado se utilizan.

Teorema ( cerrado de Newton-Cotes Cuadratura Fórmula )
Supongamos que son nodos equidistantes y . Los cuatro primeros

cerrado de Newton-Cotes fórmulas de cuadratura:
Regla del trapecio
Al final obtenemos
La regla de Simpson
Al final obtenemos

Simpson 3/8 Regla
Al final tenemos
Regla de Boole
Al final tenemos

Trabajo de Metodos Numericos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo de Metodos Numericos

Uploaded by

Copyright:

Available Formats

INGENIERIA CIVIL Métodos Numéricos

En análisis numérico, la interpolación polinómica es una técnica de interpolación de un conjunto de

Motivación del polinomio interpolador

Cálculo del polinomio interpolador

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Los coeficientes son las llamadas diferencias divididas.

queda definido, como:

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Sea la función a interpolar, sean las abscisas conocidas de y

para usando un polinomio interpolador de Lagrange de grado 2.

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

 Se calcula ahora el polinomio interpolador de grado 2:

 Ahora evaluamos este polinomio en para obtener un valor aproximado de :

 Si se usase una calculadora para efectuar el cálculo

obtenemos , por lo que el error cometido es el

Se trata de un error del orden del 0.66 %.

Se procede a realizar ahora la interpolación mediante el método de las Diferencias Divididas de

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

La interpolación de Hermite, llamada así en honor a su inventor Charles Hermite, es similar a la

El Polinomio Interpolador de Hermite de grado de la función es un polinomio de la

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

La interpolación de Hermite puede extenderse al conocimiento de las derivadas sucesivas de la

La diferencia esencial entre la Interpolación de Hermite y la Interpolación de Lagrange reside en el

Nótese que, aparentemente, los coeficientes no están bien definidos, pues

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Sin embargo, podemos tomar límites y escribir esta expresión así:

Pero esto no es más que la definición de la derivada de en el punto , de modo que

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

La idea es que agrupamos las abscisas en distintos intervalos según el grado

Otras formas de interpolación

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

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

donde todos los xj se asumen distintos, el polinomio interpolador en la forma de Lagrange es

de bases polinómicas de Lagrange

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

espectral es igual a . Donde son los proyectores ortogonales y los autovectores de F

Siendo I la matriz identidad.

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Lo importante de este método o la parte interesante es el cálculo de las b's.

X f(x) f(xi,xi) f(xi,xi,xk) ... ...

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

,asi como f(x2,x1) es: , esto para b1.

Para b2 la notación f(x2,x1,x0) es: y así se van obteniendo

Con este ejemplo se verá más claramente de lo que se habla:

Los valores de b se encuentran en las celdas que tienen borde rojo.

Conocido como “Polinomio de interpolación por diferencias divididas de Newton”.

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

La primera diferencia dividida finita se representa como:

La n–ésima diferencia dividida finita es:

Error al interpolar Polinomios de Diferencias Divididas:

Para esta fórmula la función debe conocerse.

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Algoritmo de interpolación de Newton:

– El error estimado es simple de incorporar en un algoritmo de cómputo.

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Con los siguientes polinomios:

Las satisfacen la relación de recurrencia:

Y finalmente se obtiene el vector en , con lo que se puede

Ing. COAQUIRA APAZA, Nidia Aproximación funcional y Diferenciación IV “C”

Método de Newton o de diferencias divididas

De estas ecuaciones, es obvio que a0 depende sólo de x0 , a1 de x0 y x1 y así sucesivamente.

Podemos proceder de igual modo para demostrar que