Contenido.
Tema 3. Interpolación:
3.1.- Interpolación lineal.
3.2.- Polinomio de interpolación de Newton.
3.3.- Polinomio de interpolación de LaGrange.
3.4.- Aplicaciones de la interpolación.
3.5.- Uso de herramientas computacionales.
Interpolación (definición).
En el subcampo matemático del análisis numérico, se denomina interpolación a la
obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de
puntos.
En ingeniería y algunas ciencias es frecuente disponer de un cierto número de
puntos obtenidos por muestreo o a partir de un experimento y pretender construir
una función que los ajuste.
Otro problema estrechamente ligado con el de la interpolación es la aproximación
de una función complicada por una más simple. Si tenemos una función cuyo cálculo
resulta costoso, podemos partir de un cierto número de sus valores e interpolar
dichos datos construyendo una función más simple. En general, por supuesto, no
obtendremos los mismos valores evaluando la función obtenida que si evaluamos
la función original, si bien dependiendo de las características del problema y del
método de interpolación usado la ganancia en eficiencia puede compensar el error
cometido.
Es importante diferenciar entre interpolación y la regresión.
La regresión es el ajuste de los datos experimentales a una función que
describe el modelo físico particular. Por ejemplo, en un experimento de
movimiento rectilíneo uniforme, los datos experimentales (tiempo, posición
del móvil) se ajustan a una línea recta, ya que la ecuación que describe el
movimiento rectilíneo uniforme es x=x0+v·t.
En la interpolación la función pasa por todos los puntos.
3.1.- Interpolación lineal.
La interpolación lineal es un procedimiento muy utilizado para estimar los valores
que toma una función en un intervalo del cual conocemos sus valores en los
extremos (x1, f(x1)) y (x2, f(x2)). Para estimar este valor utilizamos la aproximación
a la función f(x) por medio de una recta r(x) (de ahí el nombre de interpolación lineal,
ya que también existe la interpolación cuadrática). La expresión de la interpolación
lineal se obtiene del polinomio interpolador de Newton de grado uno:
Recta de interpolación lineal.
Veamos los pasos que tenemos que seguir para hallar la recta de regresión:
1º. Dados los puntos de la función (x1, y1) y (x2, y2), queremos estimar el valor de
la función en un punto x en el intervalo x1<x<x2.
2º. Para hallar la recta de interpolación nos fijaremos en la siguiente imagen.
Para ello utilizamos la semejanza de los triángulos ABD y CAE, obteniendo la
siguiente proporcionalidad de segmentos: AB/AC=BD/CE.
3º. Despejando el segmento BD (ya que el punto D es el que desconocemos)
obtenemos:
BD=(AB/AC)∙CE. Traduciendo al lenguaje algebraico obtenemos que:
Y despejando y, obtenemos:
Y despejando obtenemos que:
La misma expresión que se obtiene al utilizar el polinomio interpolador de Newton
que ya habíamos comentado. Recordad que y1=f(x1) y análogamente y2=f(x2).
Ejemplo:
En una determinada empresa de conservas se hace un estudio de los ingresos
que se obtienen a partir de los gastos. Estos datos se recogen en la siguiente
tabla (en miles de euros).
A partir de los datos recogidos en la tabla, calcular:
a) Los ingresos que se pueden esperar si hemos realizado un gasto de 4000
euros.
b) Los ingresos obtenidos si en esta ocasión el gasto es de 6000 euros.
En primer lugar podemos comenzar representado los datos facilitados por la tabla
en el eje de coordenadas ( no es obligatorio pero nos facilita la visión del ejercicio).
Como no conocemos la función mediante la que se han obtenido los datos, vamos
a utilizar la interpolación lineal.
a) Cuando x=4, vamos a utilizar los datos que nos proporciona la tabla x1=3 y
x2=5, cuyos valores respectivos son f(x1)=10 y f(x2)=14.
Utilizando la fórmula de interpolación mencionada, sustituimos los valores que
mencionados obteniendo:
Sustituyendo el valor de x que nos piden: x=4, (recordar que los datos vienen
dados en miles de euros) obtenemos el valor de ingresos esperado:
Por tanto, si hay un gasto de 4000 euros se obtendrán unos ingresos de 12000€.
b) De forma análoga al apartado anterior, en este caso tenemos que repetir la
interpolación, ya que ahora el valor que nos piden es x=6 (no os olvidéis que los
datos están dados en miles de euros), y esta valor está entre 5<x<7. En este caso
sustituiremos en la fórmula x1=5 y y2=7, cuyos valores respectivos son
f(x1)=y1=14 y f(x2)=y2=22. Obtenemos por tanto la siguiente fórmula:
Donde al sustituir por 4 obtenemos:
Por tanto, si el gasto es de 6000 euros, los ingresos obtenidos serán de 18000
euros.
3.2.- Polinomio de interpolación de Newton.
Es un método de interpolación polinómica. Aunque sólo existe un único polinomio
que interpola una serie de puntos, existen diferentes formas de calcularlo. Este
método es útil para situaciones que requieran un número bajo de puntos para
interpolar, ya que a medida que crece el número de puntos, también lo hace el
grado del polinomio.
Existen ciertas ventajas en el uso de este polinomio respecto al polinomio
interpolador de LaGrange. Por ejemplo, si fuese necesario añadir algún nuevo
punto o nodo a la función, tan sólo habría que calcular este último punto, dada la
relación de recurrencia existente y demostrada anteriormente.
Con este método podemos ajustar un polinomio de n-ésimo grado a n + 1 datos.
Como se hizo anteriormente, 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. Las diferencias divididas nos sirven para evaluar los
coeficientes en las ecuaciones de diferencias divididad, los cuales se sustituirán
en la siguiente ecuación para obtener el polinomio de interpolación:
3.3.- Polinomio de interpolación de LaGrange.
En análisis numérico, el polinomio de LaGrange, llamado así en honor a Joseph-
Louis de LaGrange, es una forma de presentar el polinomio que interpola un
conjunto de puntos dado. LaGrange publicó este resultado en 1795, pero lo
descubrió Edward Waring en 1779 y fue redescubierto más tarde por Leonhard
Euler en 1783. Dado que existe un único polinomio interpolador para un
determinado conjunto de puntos, resulta algo engañoso llamar a este polinomio el
polinomio interpolador de LaGrange. Un nombre más apropiado es interpolación
polinómica en la forma de LaGrange.
El polinomio de interpolación de LaGrange, simplemente es una reformulación del
polinomio de Newton que evita los cálculos de las diferencias divididas. Este se
puede representar concretamente como:
Donde:
Donde denota el "producto de".
Por ejemplo, la versión lineal (n = 1) es:
Y la versión de segundo orden es:
Al igual que en el método de Newton, la versión de LaGrange tiene un error
aproximado dado por:
La ecuación (21) se deriva directamente del polinomio de Newton. Sin embargo, la
razón fundamental de la formulación de LaGrange se puede comprender
directamente notando que cada término Li(X) será 1 en X=Xi y 0 en todos los
demás puntos. Por lo tanto, cada producto Li(X) f(Xi) toma un valor de f(Xi) en el
punto Xi. Por consiguiente la sumatoria de todos los productos, dada por la
ecuación (21) es el único polinomio de n-ésimo orden que pasa exactamente por
los n+1 puntos.
Ejemplo:
Úsese un polinomio de interpolación de LaGrange de primer y segundo orden para
evaluar ln 2 en base a los datos:
i x F(x)
0 1 0
1 4 1.3862944
2 6 1.7917595
El polinomio de primer orden es:
Y, por lo tanto, la aproximación en X = 2 es:
De manera similar, el polinomio de segundo orden se desarrolla como:
