Interpolación de Lagra

MÉTODOS NUMÉRICOS
INTERPOLACIÓN DE LAGRANGE
INGENIERÍA DE MINAS
“Año del Diálogo y la Reconciliación Nacional”
UNIVERSIDAD NACIONAL DE
CAJAMARCA
ALUMNOS:
➢ Portal Valdivia, Marco Esaú

➢ Vásquez Rojas, Frank Aderlin
➢ Santa María Julcamoro, Akiro David
➢ Balbín Prado, Bruce
➢ Rojas Torres, Diana
➢ Molocho Benavides Lenin
DOCENTE:
➢ Ing. JIMY FRANKLIN RUIZ CACHI
CURSO:
➢ Métodos Numéricos
TRABAJO:
➢ Métodos de interpolación de Lagrange y diferencias

divididas para polinomios.
ESCUELA:
➢ Ingeniería de Minas
CAJAMARCA, Octubre de 2018

INDICE
I. INTRODUCCIÓN .................................................................................................... 5
II. OBJETIVOS ............................................................................................................. 6
2.1 OBJETIVO GENERAL: .................................................................................... 6
2.2 OBJETIVOS ESPECIFICOS: ............................................................................ 6
III. MARCO TEORICO ............................................................................................. 6
3.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS

DIVIDIDAS.............................................................................................................. 6
3.1.1 Interpolación lineal ...................................................................................... 6
3.1.2 Interpolación cuadrática .............................................................................. 8
3.1.3 Forma general de los polinomios de interpolación de Newton ................. 11
3.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE ............................. 14
3.2.1 Fórmulas de Lagrange ............................................................................... 15
REFERENCIAS ............................................................................................................. 19
UNIVERSIDAD NACIOAL DE CAJAMARCA
“Norte de la Universidad Peruana”
Facultad de Ingeniería
Escuela Académico Profesional de Ingeniería de Minas
I. INTRODUCCIÓN
Con frecuencia se encontrará con que tiene que estimar valores intermedios entre datos
definidos por puntos. El método más común que se usa para este propósito es la
interpolación polinomial. Recuerde que la fórmula general para un polinomio de n-ésimo
grado es:
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + · · · + 𝑎𝑛 𝑎 𝑛 ….(18.1)
Dados n + 1 puntos, hay uno y sólo un polinomio de grado* n que pasa a través de todos
los puntos. Por ejemplo, hay sólo una línea recta (es decir, un polinomio de primer grado)
que une dos puntos (figura 18.1a). De manera similar, únicamente una parábola une un
conjunto de tres puntos (figura 18.1b). La interpolación polinomial consiste en
determinar el polinomio único de n-ésimo grado que se ajuste a n + 1 puntos. Este
polinomio, entonces, proporciona una fórmula para calcular valores intermedios. Aunque
hay uno y sólo un polinomio de n-ésimo grado que se ajusta a n + 1 puntos, existe una
gran variedad de formas matemáticas en las cuales puede expresarse este polinomio.
5
II. OBJETIVOS
2.1 OBJETIVO GENERAL:
• Desarrollar la Métodos de interpolación de Lagrange y diferencias divididas de

Newton para polinomios.
2.2 OBJETIVOS ESPECIFICOS:
➢ Explicar adecuadamente la utilización de las tablas Excel realizadas para

simplificar el cálculo de estos temas.
III. MARCO TEORICO
3.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS

DIVIDIDAS
Existe una gran variedad de formas alternativas para expresar una interpolación
polinomial. El polinomio de interpolación de Newton en diferencias divididas es una de
las formas más populares y útiles.
Antes de presentar la ecuación general, estudiaremos las versiones de primero y segundo

grados por su sencilla interpretación visual.
3.1.1 Interpolación lineal

La forma más simple de interpolación consiste en unir dos puntos con una línea recta.
Dicha técnica, llamada interpolación lineal, se ilustra de manera gráfica en la figura 18.2.
Utilizando triángulos semejantes, que es una fórmula de interpolación lineal.
6
La notación f1(x) designa que éste es un polinomio de interpolación de primer grado.

Observe que además de representar la pendiente de la línea que une los puntos, el término
[ f(x1) – f(x0)]/(x1 – x0) es una aproximación en diferencia dividida finita a la primera
derivada [ecuación (4.17)].
En general, cuanto menor sea el intervalo entre los datos, mejor será la aproximación.
Esto se debe al hecho de que, conforme el intervalo disminuye, una función continua
estará mejor aproximada por una línea recta. Esta característica se demuestra en el
siguiente ejemplo.
7
3.1.2 Interpolación cuadrática

En el ejemplo 18.1 el error resulta de nuestra aproximación a una curva mediante una
línea recta. En consecuencia, una estrategia para mejorar la estimación consiste en
introducir alguna curvatura a la línea que une los puntos. Si se tienen tres puntos como
datos, éstos pueden ajustarse en un polinomio de segundo grado (también conocido como
polinomio cuadrático o parábola). Una forma particularmente conveniente para ello es
𝑓2(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + 𝑏2(𝑥 – 𝑥0)(𝑥 – 𝑥1) ….(18.3)
Observe que, aunque la ecuación (18.3) parece diferir del polinomio general [ecuación
(18.1)], las dos ecuaciones son equivalentes. Lo anterior se demuestra al multiplicar los
términos de la ecuación (18.3):
8
Así, las ecuaciones (18.1) y (18.3) son formas alternativas, equivalentes del único
polinomio de segundo grado que une los tres puntos. Un procedimiento simple puede
usarse para determinar los valores de los coeficientes. Para encontrar b0, en la ecuación
(18.3) se evalúa con x = x0 para obtener
b0 = f(x0) ….(18.4)
Observe que, como en el caso de la interpolación lineal, b1 todavía representa la pendiente

de la línea que une los puntos x0 y x1. Así, los primeros dos términos de la ecuación (18.3)
son equivalentes a la interpolación lineal de x0 a x1, como se especificó antes en la ecuación
(18.2). El último término, b2(x – x0)(x – x1), determina la curvatura de segundo grado en
la fórmula.
Antes de ilustrar cómo utilizar la ecuación (18.3), debemos examinar la forma del
coeficiente b2. Es muy similar a la aproximación en diferencias divididas finitas de la
segunda derivada, que se presentó antes en la ecuación (4.24). Así, la ecuación (18.3)
comienza a manifestar una estructura semejante a la expansión de la serie de Taylor. Esta
observación será objeto de una mayor exploración cuando relacionemos los polinomios
de interpolación de Newton con la serie de Taylor en la sección 18.1.4. Aunque, primero,
mostraremos un ejemplo que indique cómo se utiliza la ecuación (18.3) para interpolar
entre tres puntos.
9
10
3.1.3 Forma general de los polinomios de interpolación de Newton

El análisis anterior puede generalizarse para ajustar un polinomio de n-ésimo grado a n +
1 datos. El polinomio de n-ésimo grado es
𝑓𝑛(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + · · · + 𝑏𝑛(𝑥 – 𝑥0)(𝑥 – 𝑥1) · · · (𝑥 – 𝑥𝑛– 1) ….(18.7)
Como se hizo antes con las interpolaciones lineales y cuadráticas, los puntos asociados
con datos se utilizan para evaluar los coeficientes b0, b1,..., bn. Para un polinomio de n-
ésimo 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:
11
En forma similar, la n-ésima diferencia dividida finita es
Estas diferencias sirven para evaluar los coeficientes en las ecuaciones (18.8) a (18.11),
los cuales se sustituirán en la ecuación (18.7) para obtener el polinomio de interpolación
que se conoce como polinomio de interpolación de Newton en diferencias divididas Debe

observarse que no se requiere que los datos utilizados en la ecuación (18.15) estén
igualmente espaciados o que los valores de la abscisa estén en orden ascendente, como se
ilustra en el siguiente ejemplo.
También, advierta cómo 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).
12
13
3.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE
El polinomio de interpolación de Lagrange es simplemente una reformulación del
polinomio de Newton que evita el cálculo de las diferencias divididas, y se representa de
manera concisa como
La ecuación (18.20) se obtiene de manera directa del polinomio de Newton (cuadro 18.1).
Sin embargo, el razonamiento detrás de la formulación de Lagrange se comprende
directamente al darse cuenta de que cada término Li(x) será 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 ecuación (18.20)
es el único polinomio de n-ésimo grado que pasa exactamente a través de todos los n + 1
puntos, que se tienen como datos.
14
3.2.1 Fórmulas de Lagrange
15
3.2.2 Forma del método de Lagrange
Nuevamente tenemos los datos :
El polinomio de interpolación de Lagrange se plantea como sigue:
P( x) = y0l0 ( x) + y1l1 ( x) +  + ynln ( x)
li (x )
Donde los polinomios se llaman los polinomios de Lagrange, correspondientes a
la tabla de datos.
Como se debe satisfacer que P( x0 ) = y0 , esto se cumple si l0 ( x0 ) = 1 y li ( x0 ) = 0 para
toda i  0 .
Como se debe satisfacer que P( x1 ) = y1 , esto se cumple si l1 ( x1 ) = 1 y li ( x1 ) = 0 para
toda i  1 .
( )
Y así sucesivamente, veremos finalmente que la condición Pn xn = yn se cumple si
ln (xn ) = 1 y li (xn ) = 0 para toda i  n .
Esto nos sugiere como plantear los polinomios de Lagrange. Para ser más claros,
analicemos detenidamente el polinomio l0 ( x) . De acuerdo al análisis anterior vemos que
deben cumplirse las siguientes condiciones para

l0 ( x) :
l0 ( x0 ) = 1 y l0 ( x j ) = 0 , para toda j  0
Por lo tanto, planteamos

l0 ( x) como sigue:
lo (x ) = c(x − x1 )(x − x2 )(x − xn )
Con esto se cumple la segunda condición sobre

l0 ( x) . La constante c se determinará
para hacer que se cumpla la primera condición:
l0 (x0 ) = 1  1 = c(x0 − x1 )(x0 − x2 )(x0 − xn )
16
1
c=
(x0 − x1 )(x0 − x2 )(x0 − xn )
Por lo tanto el polinomio l0 ( x) queda definido como:
l0 ( x ) =
(x − x1 )(x − x2 )(x − xn )
(x0 − x1 )(x0 − x2 )(x0 − xn )
Análogamente se puede deducir que:
(x − x ) i
l j (x ) =
i j
(x j − xi )
i j
, para j = 1,, n
Ejemplo 1
Calcular el polinomio de Lagrange usando los siguientes datos:
Solución. Tenemos que:
f ( x) = y0l0 ( x) + y1l1 ( x) + y2l ( x) + y3l3 ( x)
f ( x) = −2l0 ( x) + l1 ( x) + 2l2 ( x) − 3l3 ( x)
donde:
( x − 3)( x − 5)( x − 7) ( x − 3)( x − 5)( x − 7)

l0 ( x) = =
(−2)(−4)(−6) − 48
( x − 1)( x − 5)( x − 7) ( x − 1)( x − 5)( x − 7)

l1 ( x) = =
(2)(−2)(−4) 16
( x − 1)( x − 3)( x − 7) ( x − 1)( x − 3)( x − 7)

l2 ( x ) = =
(4)(2)(−2) − 16
17
( x − 1)( x − 3)( x − 5) ( x − 1)( x − 3)( x − 5)

l3 ( x) = =
(6)(4)(2) 48
Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:
 ( x − 3)( x − 5)( x − 7)   ( x − 1)( x − 5)( x − 7)   ( x − 1)( x − 3)( x − 7)   ( x − 1)( x − 3)( x − 5) 

f ( x) =  + − − 
 24   16   8   16 
Ejemplo 2.
Calcular el polinomio de Lagrange usando los siguientes datos:
Solución. Tenemos que:
f ( x) = y0l0 ( x) + y1l1 ( x) + y2l ( x) + y3l3 ( x)
f ( x) = l0 ( x) − l1 ( x) + 3l2 ( x) − 2l3 ( x)
donde:
( x − 0)( x − 2)( x − 4) x( x − 2)( x − 4)

l0 ( x) = =
(−2)(−4)(−6) − 48
( x + 2)( x − 2)( x − 4) ( x + 2)( x − 2)( x − 4)

l1 ( x) = =
(2)(−2)(−4) 16
( x + 2)( x − 0)( x − 4) x( x + 2)( x − 4)

l2 ( x ) = =
(4)(2)(−2) − 16
( x + 2)( x − 0)( x − 2) x( x + 2)( x − 2)

l3 ( x) = =
(6)(4)(2) 48
Sustituyendo arriba, el polinomio de Lagrange queda como sigue:
18
 x( x − 2)( x − 4)   ( x + 2)( x − 2)( x − 4)   x( x + 2)( x − 4)   x( x + 2)( x − 2) 
f ( x) =  −  + 3 − 
 − 48   16   − 16   24 
REFERENCIAS
• Métodos numéricos para ingeniero (novena edición) Steven C. Chapra

• Métodos numéricos con Matlab John H. Mathews
19

Interpolación de Lagra

Uploaded by

Document Information

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

Interpolación de Lagra

Uploaded by

Copyright:

Available Formats

MÉTODOS NUMÉRICOS

➢ Portal Valdivia, Marco Esaú

➢ Ing. JIMY FRANKLIN RUIZ CACHI

➢ Métodos de interpolación de Lagrange y diferencias

CAJAMARCA, Octubre de 2018

II. OBJETIVOS ............................................................................................................. 6

2.1 OBJETIVO GENERAL: .................................................................................... 6

2.2 OBJETIVOS ESPECIFICOS: ............................................................................ 6

III. MARCO TEORICO ............................................................................................. 6

3.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS

3.1.1 Interpolación lineal ...................................................................................... 6

3.1.2 Interpolación cuadrática .............................................................................. 8

3.1.3 Forma general de los polinomios de interpolación de Newton ................. 11

3.2 POLINOMIOS DE INTERPOLACIÓN DE LAGRANGE ............................. 14

3.2.1 Fórmulas de Lagrange ............................................................................... 15

2.1 OBJETIVO GENERAL:

• Desarrollar la Métodos de interpolación de Lagrange y diferencias divididas de

2.2 OBJETIVOS ESPECIFICOS:

➢ Explicar adecuadamente la utilización de las tablas Excel realizadas para

III. MARCO TEORICO

3.1 INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS

Antes de presentar la ecuación general, estudiaremos las versiones de primero y segundo

3.1.1 Interpolación lineal

La notación f1(x) designa que éste es un polinomio de interpolación de primer grado.

3.1.2 Interpolación cuadrática

𝑓2(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + 𝑏2(𝑥 – 𝑥0)(𝑥 – 𝑥1) ….(18.3)

Observe que, como en el caso de la interpolación lineal, b1 todavía representa la pendiente

3.1.3 Forma general de los polinomios de interpolación de Newton

𝑓𝑛(𝑥) = 𝑏0 + 𝑏1(𝑥 – 𝑥0) + · · · + 𝑏𝑛(𝑥 – 𝑥0)(𝑥 – 𝑥1) · · · (𝑥 – 𝑥𝑛– 1) ….(18.7)

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

que se conoce como polinomio de interpolación de Newton en diferencias divididas Debe

3.2.1 Fórmulas de Lagrange

El polinomio de interpolación de Lagrange se plantea como sigue:

P( x) = y0l0 ( x) + y1l1 ( x) +  + ynln ( x)

Como se debe satisfacer que P( x0 ) = y0 , esto se cumple si l0 ( x0 ) = 1 y li ( x0 ) = 0 para

Como se debe satisfacer que P( x1 ) = y1 , esto se cumple si l1 ( x1 ) = 1 y li ( x1 ) = 0 para

analicemos detenidamente el polinomio l0 ( x) . De acuerdo al análisis anterior vemos que

deben cumplirse las siguientes condiciones para

Por lo tanto, planteamos

lo (x ) = c(x − x1 )(x − x2 )(x − xn )

Con esto se cumple la segunda condición sobre

para hacer que se cumpla la primera condición:

l0 (x0 ) = 1  1 = c(x0 − x1 )(x0 − x2 )(x0 − xn )

Por lo tanto el polinomio l0 ( x) queda definido como:

Análogamente se puede deducir que:

Calcular el polinomio de Lagrange usando los siguientes datos:

Solución. Tenemos que:

f ( x) = y0l0 ( x) + y1l1 ( x) + y2l ( x) + y3l3 ( x)

f ( x) = −2l0 ( x) + l1 ( x) + 2l2 ( x) − 3l3 ( x)

( x − 3)( x − 5)( x − 7) ( x − 3)( x − 5)( x − 7)

( x − 1)( x − 5)( x − 7) ( x − 1)( x − 5)( x − 7)

( x − 1)( x − 3)( x − 7) ( x − 1)( x − 3)( x − 7)

( x − 1)( x − 3)( x − 5) ( x − 1)( x − 3)( x − 5)

Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:

 ( x − 3)( x − 5)( x − 7)   ( x − 1)( x − 5)( x − 7)   ( x − 1)( x − 3)( x − 7)   ( x − 1)( x − 3)( x − 5) 

Calcular el polinomio de Lagrange usando los siguientes datos:

Solución. Tenemos que:

f ( x) = y0l0 ( x) + y1l1 ( x) + y2l ( x) + y3l3 ( x)

( x − 0)( x − 2)( x − 4) x( x − 2)( x − 4)

( x + 2)( x − 2)( x − 4) ( x + 2)( x − 2)( x − 4)

( x + 2)( x − 0)( x − 4) x( x + 2)( x − 4)

( x + 2)( x − 0)( x − 2) x( x + 2)( x − 2)

Sustituyendo arriba, el polinomio de Lagrange queda como sigue:

• Métodos numéricos para ingeniero (novena edición) Steven C. Chapra