UNIVERSIDAD NACIONAL DE SAN MARTIN

MÉTODOS NUMÉRICOS

TEMA: Métodos de Interpolación

INTEGRANTES:
PORTOCARRERO SEOPA, Angel Bryant
MORA CORAL, Willian
PINEDO HURTADO, Arnold Roky
GONZÁLES GUERRA, Oscar Rodrigo
PÉREZ VALLES, Augusto Antonio

LIC. MG. JUAN CARLOS IPANAQUÉ PALACIOS

Métodos de 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.
Ejemplo:
Buscamos un polinomio P(x) de grado mínimo posible que tome valores dados en los
siguientes puntos:
P (-2) = -6
P (0) = 4
P (1) = -3
P (3) = 11
Para este ejemplo, la respuesta es el polinomio: P ( x ) =x3 −3 x2 −5 x + 4

Las abscisas deben diferentes, ya que, si no es así, aquellos puntos dados no

podrán ser interpolados, en otras palabras, no hay ningún polinomio P que
cumpla.
P (−2 )=−1
P (−2 )=3

Definición
Dada una función f de la cual se conocen sus valores en un número finito de abscisas
x 0 , x 1 , x 2 , x 3 , x 4 , x 5,…, x n , se llama interpolación polinómica al proceso de llamar un
polinomio pm (x ) de grado menor o igual a m , cumpliéndose pm ( x k )=f ( x k ),
∀ k =0,1,2 ,… , m .
A este polinomio se le llama Polinomio interpolador de grado m de la función f.

¿Para qué sirve la Interpolación Polinómica?

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.

Se dispone de varios métodos generales de interpolación polinómica que permiten

aproximar una función por un polinomio de grado m. El primero de estos 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.
 SERIE DE TAYLOR

La serie de Taylor es una serie funcional y surge de una ecuación en la cual se puede
encontrar una solución aproximada a una función.

¿Para qué sirve?

La serie de Taylor proporciona una buena forma de aproximar el valor de una función
en un punto en términos del valor de la función y sus derivadas en otro punto.

 Por supuesto, para hacer esta aproximación sólo se pueden tomar unas cuantas
expresiones de esta serie, por lo que el resto resulta en un error conocido como el
término residual, es a criterio del que aplica la serie en número de términos que ha de
incluir la aproximación.

 Pueden resolver por aproximación funciones trigonométricas, exponenciales,

logarítmicas etc...

¿Cómo funciona?

La serie de Taylor se basa en ir haciendo operaciones según una ecuación general y

mientras más operaciones tengan la serie más exacto será el resultado que se está
buscando. Dicha ecuación es la siguiente:

f ' ( a ) (x−a) f ' ' ( a ) (x−a)2 f ' ' ' ( a ) (x−a)3 f n ( a ) ( x−a)n
f ( x )=f ( a ) + + + + …+
1! 2! 3! n!

O expresado de otra forma:

∞
f n ( a ) (x−a)n
f ( x )= ∑
n =0 n!

Donde “n!” es el factorial de n

F(n) es la enésima derivada de f en el punto a

Teorema de Taylor: Si la función f y sus primeras n+1 derivadas son continuas en un

intervalo que contiene a a y a x, entonces el valor de la función en un punto x está
dado por:

La expansión en series de Taylor de n-ésimo orden debe ser exacta para un polinomio

de n-ésimo orden.

Para otras funciones continuas diferenciables, como las exponenciales o sinusoidales,

no se obtiene una estimación exacta mediante un número finito de términos.
El valor práctico de las series de Taylor radica en el uso de un número finito de
términos que darán una aproximación lo suficientemente cercana a la solución
verdadera para propósitos prácticos.

¿Cómo funciona para un truncamiento?

El error de truncamiento puede reducirse con un tamaño de paso más pequeño. Los
errores de truncamiento pueden ser disminuidos cuando los de redondeo aumentan.

El error de truncamiento es de orden hn+1. El error es proporcional al tamaño del paso h

elevado a la (n+1)-ésima potencia.

¿En qué funciones se aplica este método?

Existen series de Taylor para:

 Función exponencial
 Logaritmo natural

 Serie Geométrica

 Teorema del binomio

 Funciones trigonométricas:

 Seno
 Coseno
 Tangente
 Secante
 Arco seno
 Arco tangente

Funciones hiperbólicas:

 Senh
 Cosh
 Tanh
 Senh-1
 Tanh-1
 LA SERIE DE MACLAURIN

 Centrado en x = 0
Esta serie es un caso particular de la serie de Taylor.
Series de Taylor  Centrada en x = a
Serie de Taylor y Maclaurin en Matlab
x
Sea f ( x )=
2+ x
Veremos el comportamiento de las gráficas de la función dada en las series de Taylor
y Maclaurin.
 INTERPOLACIÓN LINEAL:
La forma más simple de interpolación consiste en unir dos puntos asociados con datos
con una línea recta.
Consiste en evaluar el polinomio obtenido para estimar valores de la función entre los
dos puntos disponibles.

Supongamos que tenemos los valores P1=( x 1 , y1 ) y P2 ( x1 , y 2) . Deseamos encontrar el

valor de interpolación correspondiente a x i.

En la figura tenemos, por el Teorema de Thales que:

y 2− y 1 y i−¿ y 1
= ¿
x 2−x 1 x i−x 1

( y 2 − y 1)
y i − y 1= . ( xi −x1 ) =d i
x2 −x1

( y 2− y 1 )
y i= y 1 + . ( x i−x 1 )
x 2−x 1
y i= y 1 +d i
Se tienen los valores x 1 y x 2, la interpolación lineal consiste en hallar una estimación
del valor y , para un valor x tal que x 1< xi < x 2.

f (x)=mx+n
Al reemplazar x 1 y x 2, en la función, se obtiene:

f (x 1)=m(x 1 )+ n ; f (x 2)=m( x 2 )+ n

y 1=m(x 1)+ n ; y 2=m( x 2 )+ n

y 2=m(x 2 )+ n (- )
y 1=m(x 1)+ n
y 2− y 1= ( x2 −x1 ) m

y 2− y 1
m=
x 2−x 1

y 2=m(x 2 )+ n
y 2− y 1
y 2= ( x )+n
x 2−x 1 2

y 2 ( x2 −x1 ) =( y 2 − y 1) x2 +n ( x 2−x 1 )

x 2 y 2−x 1 y 2=x 2 y 2−x 2 y 1+ n ( x 2−x 1 )

x 2 y 1−x 1 y 2=n ( x 2−x 1 )

x 2 y 1−x 1 y 2
n=
x 2−x 1
Reemplazando los valores dem y n en f ( x ):

f (x)=mx+n
y 2− y 1 x2 y 1−x 1 y 2
f ( x )= x+
x 2−x 1 x 2−x 1
x y 2−x y 1 + x 2 y 1−x 1 y 2
f (x)=
x 2−x 1
x− x1 x2 −x
f ( x )= y 2+ y
x 2−x 1 x 2−x 1 1

Ejemplos:

1. Sabiendo que log |200|=2.301030 y log |202|=2.305351. Calcular log |201| por
interpolación lineal.
Tenemos que:

P1=(200,2.301030) y P2=(202 ,2.305351)

x 1=200 ; x 2=202 ; x i=201

y 1=2.301030 ; y 2=2.305351 ; y i=?

Utilizamos:

( y 2− y 1 )
y i= y 1 + . ( x i−x 1 )
x 2−x 1

( 2.305351−2.301030 )
y i=2.301030+ . ( 201−200 )
202−200
( 0.004321 )
y i=2.301030+ . ( 1)
2
y i=2.301030+ 0.002161
y i=2.303191

El verdadero valor es log |201|=2.303196. El error es del orden de unas

millonésimas (sexta cifra redondeada).
2. Por un recibo de gas en el que se han consumido 10 m3 se han pagado 50 € y
por 16 m3 se han pagado71 €. ¿Cuánto habrá que pagar por un consumo de
15 €?
Y encuentra la ecuación de la recta.
 Puntos P1=(10 ,50) y P2=(16 , 71):

( y 2− y 1 )
y i= y 1 + . ( x i−x 1 )
x 2−x 1

( 71−50 )
y i=50+ . ( 15−10 )
16−10
( 21 )
y i=50+ . (5)
6
y i=50+17.50
y i=67.50

Por lo tanto, el consumo dado será de 67.50 €.

Par hallar la ecuación utilizaremos:

y 2− y 1 x y −x y
f (x)= x+ 2 1 1 2
x 2−x 1 x 2−x 1

71−50 16 (50)−10(71)
f (x)= x+
16−10 16−10
21 800−710
f (x)= x+
6 16−10
21 90
f ( x )= x+
6 6
f (x)= ( 3.5 ) x +15
Usando Matlab:
 INTERPOLACION CUADRATICA
Una estrategia para mejorar la estimación consiste en introducir alguna curvatura a la
línea que une los puntos. Si se tienen tres puntos como dato, estos se pueden
ajustarse en un polinomio de segundo grado.

y=a0 +a1 x+ a2 x 2 +…+ an x n … … … .(1)

y=b0 +b1 ( x−x 0 ) +b 2 ( x−x 0 ) ( x−x 1 ) … … … … . ( 2 )

Observamos que la ecuación 1 y 2 son equivalentes la cual se demuestra realizando

las operaciones

y=b0 +b1 x−b1 x 0+ b2 x 2 +b 2 x 0 x 1−b 2 x x0 −b2 x1 x

Agrupando los términos,

y=a0 +a1 x+ a2 x 2

Donde
a 0=b0 −b1 x0 +b 2 x 0 x 1
a 1=b1−b2 x 0−b2 x 1
a 2=b2

Concluyendo que las dos ecuaciones 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 b 0se evalúa con x=x 0 para obtener

tenemos que:

b 0=f ( x 0 )

Para encontrar b 1se evalúa con x=x 1

f ( x1 ) −f ( x 0 )
b 1=
x 1−x 0

Para encontrar b 1se evalúa con x=x 2

f ( x 2 )−f ( x 1 ) f ( x 1) −f ( x 0 )
−
x2− x1 x 1−x 0
b 2=
x 2−x 0
EJEMPLO:
Ajuste un polinomio de segundo grado a los tres puntos
x 0=1 f (x 0)=0
x 1=4 f (x 1)=1.386294
x 2=6 f (x 2)=1.791759
SOLUCION
Aplicando las ecuaciones

b 0=f ( x 0 ) → b0=0

f ( x1 ) −f ( x 0 ) 1.386294−0
b 1= = =0.4620981
x 1−x 0 4−1

f ( x 2 )−f ( x 1 )
−b1 1.791759−1.386294 −0.4620981
x2− x1 6−4
b 2= = =−0.0518731
x 2−x 0 6−1

SUSTITUIMOS LOS VALORES EN LA ECUACION:

a 0=b0 −b1 x0 +b 2 x 0 x 1
a 1=b1−b2 x 0−b2 x 1
a 2=b2

a 0=0−0. 4620981∗1+ (−0.0518731 )∗1∗4

a 1=0. 4620981−(−0.0518731 )∗1−(−0.0518731 )∗4

a 2=−0.0518731

f ( x )=−0.051863333 x 2 +0.72138333 x- 0.66952

INTERPOLACION CUADRATICA EN MATLAB:

 INTERPOLACIÓN POLINÓMICA DE NEWTON:

Concepto de Función:
Sea una función
f : A→B
f :R→R
f ={x ∈ A ∧ y ∈ B ∕ ( x , y ) ∈ f }

Donde:

f ( a )=b ∧ f ( a ) =c → b=c

Interpolación de Newton:
Es un método de interpolación polinómica. Dado que sólo existe un único polinomio
que interpola una serie de puntos pero que no es conocida, se presenta este método
para encontrar un polinomio que se asemeje a ello. 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 y; por ende, la
precisión del resultado.

Aplicación de la pendiente en la Interpolación Polinómica de Newton en la tabla

de Diferencias Divididas:
El primer paso para hallar la fórmula de interpolación es definir la pendiente de orden n
de manera repetitiva.

En f 0 ( x i ) :

f 0 ( x1 ) −f 0 ( x 0 )
f 1 ( x0 , x1 )= , Lineal
x 1−x 0

f 1 ( x1 , x2 ) −f 1 ( x 0 , x 1 )
f 2 ( x0 , x1 , x2 )= , Cuadrática
x 2−x 0

En forma similar, la n−ésima diferencia dividida finita:

f (n−1) ( x 1 , x 2 , … , x (n−1) , x n )−f (n−1) ( x o , x 1 , x 2 , … , x (n−1 ) )

f i ( x o , x 1 , x 2 , … , x(n−1) , x n ) =
x n−x o
Podemos representarlo en una tabla, siguiendo un patrón:

Siendo f ( xo , x 1 , x 2 , … , x(i−1) , x i ) las diferencias divididas de f para los x i

n xn f 0 ( xn ) 1 ° Dif . Dividida 2 ° Dif . Dividida 3 ° Dif . Dividida

0 x0 f 0 ( x0 ) f 1 ( x0 , x1 ) f 2 ( x o , x1 , x2 ) f 3 ( x o , x1 , x 2 , x 3 )
1 x1 f 0 ( x1 ) f 1( x1 , x2 ) f 2( x1 , x2 , x3) -----------
2 x2 f 0 ( x2 ) f 1 ( x2 , x3 ) ----------- -----------
3 x3 f 0 ( x3 ) ----------- ----------- -----------

Conociendo la pendiente, definimos el “polinomio de grado n ” [ Pn ( x ) ] de manera

repetitiva:

P0 ( x ) =f 0 ( x 0 ) en x o. Este es el polinomio inicial representado por el único par ordenado

brindado ( x o , f 0 ( x 0 ) ).

P1 ( x )=P 0 ( x ) + [ f 1 ( x 0 , x 1 ) ] . ( x−x 0 )

P2 ( x ) =P 1 ( x )+ [ f 2 ( x 0 , x 1 , x 2 ) ] . ( x−x 0 )( x−x1 )

P3 ( x ) =P 2 ( x ) + [ f 3 ( x 0 , x 1 , x 2 , x3 ) ] . ( x−x 0 ) ( x−x 1 )( x −x2 )

…
El análisis anterior puede generalizarse para ajustar polinomio de n−ésimo grado a
n+1 puntos asociado con datos. El polinomio de n – ésimo grado es:

Pn ( x ) =f 0 ( x 0 ) + [ f 1 ( x 0 , x1 ) ] ( x−x 0 ) + [ f 2 ( x 0 , x 1 , x 2 ) ] . ( x −x0 ) ( x−x 1 ) +…

[ f 3 ( x0 , x1 , x 2 , x 3 ) ] . ( x−x 0 ) ( x−x 1 ) ( x−x 2 )+ …+ [ f n ( x 0 , … , x n ) ] . ( x−x 0 ) … ( x−x ( n−1) )

Tal propiedad se aprovechará para representar en el programa computacional como

es MATLAB.

Entonces: Generalizando la fórmula de interpolación de Newton viene dada por:

 n (n−1)
P ( x ) =∑ f ⟨ x o , x 1 , x 2 , … , x (i−1) , x i ⟩ . ∏ ( x−x j )
i=0 j=0

Ejemplos:

- Encuentra el polinomio de interpolación de Newton y la tabla de diferencias divididas

en los puntos establecidos: (-1; 0), (0; 1), (1; -10), (2; -15).

Manualmente:
Realizando la tabla de diferencias divididas:

n xn f 0 ( xn ) 1 ° Dif . Dividida 2 ° Dif . Dividida 3 ° Dif . Dividida

0 x0 f 0 ( x0 ) f 1 ( x0 , x1 ) f 2 ( x o , x1 , x2 ) f 3 ( x o , x1 , x 2 , x 3 )
1 x1 f 0 ( x1 ) f 1 ( x1 , x2 ) f 2 ( x1 , x2 , x3 ) -----------
2 x2 f 0 ( x2 ) f 1( x2 , x3) ----------- -----------
3 x3 f 0 ( x3 ) ----------- ----------- -----------

Donde:

x 0=−1 f 0 ( x 0 ) =0

x 1=0 f 0 ( x 1 )=1

x 2=1 f 0 ( x 2 )=−10

x 3=2 f 0 ( x 3 )=−15

En la 1° Diferencia dividida:

f 0 ( x1 ) −f 0 ( x 0 ) 1−0
f 1 ( x0 , x1 )= = =1
x 1−x 0 0−(−1)

f 0 ( x 2 ) −f 0 ( x 1 ) −10−1
f 1 ( x 1 , x 2 )= = =−11
x2 −x1 1−0

f 0 ( x3 ) −f 0 ( x 2 ) −15−(−10)
f 1 ( x2 , x3 )= = =−5
x 3−x 2 2−1

En la 2° Diferencia dividida:
 f 1 ( x1 , x 2) −f 1 ( x 0 , x 1 ) −11−1
f 2 ( x o , x1 , x2 ) = = =−6
x 2−x 0 1−(−1)

f 1 ( x 2 , x 3 ) −f 1 ( x 1 , x 2 ) −5−(−11)
f 2 ( x1 , x2 , x3 )= = =3
x3 −x 1 2−0

En la 3° Diferencia dividida:

f 2 ( x 1 , x 2 , x 3 )−f 2 ( xo , x 1 , x 2 ) 3−(−6)
f 3 ( x o , x1 , x 2 , x 3 )= = =3
x 3−x 0 2−(−1)

Construyendo la tabla:

n xn f 0 ( xn ) 1 ° Dif . Dividida 2 ° Dif . Dividida 3 ° Dif . Dividida

0 −1 0 1 −6 3
1 0 1 −11 3 -----------
2 1 −10 −5 ----------- -----------
3 2 −15 ----------- ----------- -----------

Pn ( x ) =f 0 ( x 0 ) + [ f 1 ( x 0 , x1 ) ] ( x−x 0 ) + [ f 2 ( x 0 , x 1 , x 2 ) ] . ( x −x0 ) ( x−x 1 ) +…

[ f 3 ( x0 , x1 , x 2 , x 3 ) ] . ( x−x 0 ) ( x−x 1 ) ( x−x 2 )+ …+[ f n ( x 0 , … , x n ) ] . ( x−x 0 ) … ( x−x ( n−1) )

P3 ( x ) =0+1 ( x−(−1) )−6 ( x−(−1 ) ) ( x −0 ) +3 ( x−(−1) ) ( x−0 )( x−1 )

P3 ( x ) =( x+1 ) −6 ( x+1 ) ( x )+ 3 ( x +1 ) ( x ) ( x−1 )

P3 ( x ) =x+1−6 x 2−6 x+3 x 3−3 x

Reduciendo al polinomio de la forma:

P3 ( x ) =3 x 3−6 x2−8 x +1

- Del problema anterior, evalúa el valor interpolado cuando x=1.5

Para ello, se usa el polinomio encontrado:

P3 ( x ) =3 x 3−6 x2−8 x +1

P3 ( 1.5 )=3 ( 1.5 )3−6 ( 1.5 )2−8 (1.5 )+ 1

P3 ( 1.5 )=−14,375
De la misma forma en MATLAB
Script en MATLAB
 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

n
f n ( x )=∑ Li ( x ) f (x i)
i=0

Donde:
n
x −xi
Li ( x ) = ∏
j=0 ; j ≠ i x i−x j

Donde ∏ designa el “producto de”. Por ejemplo, la versión lineal(n=1) es

x−x 1 x−x 0
f 1 ( x )= f ( x0 )+ f ( x1 )
x 0−x 1 x1 −x0

La versión cuadrática( n=2 ) es

( x−x 1 )( x−x 2) ( x−x 0 )( x −x2 ) ( x−x 0 )( x −x1 )

f 2 ( x )= f ( x0 )+ f (x 1)+ f (x 2)
( x 0−x 1 )( x0 −x 2) ( x 1−x 0 )( x 1−x 2 ) ( x 2−x 0 )( x 2−x 1 )
 n
La expresión f n ( x )=∑ Li ( x ) f (x i) obtiene de manera directa del polinomio de Newton.
i=0
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=x i y 0 en todos
los otros puntos. De esta forma, cada producto Li ( x ) f (x i ) toma el valor de f (x i) en el
punto x i. En consecuencia, la sumatoria de todos los productos en la ecuación
n
f n ( x )=∑ Li ( x ) f (x i)es el único polinomio de n-ésimo grado que pasa exactamente a
i=0
través de todos los n + 1 puntos, que se tienen como datos.

Ejemplo 1:

Determine el polinomio de interpolación de Lagrange que pasa por los puntos (2,4) y (5,1)

Resolución:

En este caso tenemos x 0=2 ; y 0=4 ; x 1=5 ; y 1=1

x−x 1 x−x 0
f 1 ( x )= f ( x0 )+ f ( x1 )
x 0−x 1 x1 −x0
Reemplazamos

x−5 x−2
f 1 ( x )= .4 + .1
2−5 5−2
f 1 ( x )=−x +6
Ejemplo 2:

Para la tabla que se presenta a continuación:

a) Obtenga la aproximación polinomial de Lagrange con todos los puntos

b) Interpole el valor de la función f(x) para x=1,8

I xi f (x i)
0 0 -3
1 1 0
2 3 5
3 6 7

Resolución:

De manera directa:

( x−1 ) ( x −3 ) ( x −6 ) ( x−0 ) ( x−3 ) ( x−6 ) ( x−0 )( x−1 ) ( x−6 ) ( x−0 ) ( x−1 ) ( x −2 )

f 3 ( x )= . (−3 ) + . ( 0 )+ . (5)+ .(7)
( 0−1 ) ( 0−3 )( 0−6 ) ( 1−0 )( 1−3 )( 1−6 ) ( 3−0 )( 3−1 )( 3−6 ) ( 6−0 ) ( 6−1 )( 6−3 )
−1 3 1 2 46
f 3 ( x )= x − x + x−3
30 30 15
Ahora f ( 1.8 )=¿2.2176
Obtención de polinomio de interpolación de Lagrange

p ( x ) =a0 ( x−x 1 ) +a1 ( x−x 0 )…(1)

De modo que reemplazando a 0 y a1 en (1):

Similar con n=2

…(2)
Cuyo reemplazo en (2) genera:

( x−x 1 ) ( x−x 2 ) ( x−x 0 ) ( x−x 2 ) ( x−x 0 )( x −x1 )

p2 ( x ) = f ( x0 ) + f ( x1 )+ f (x 2)
( x 0−x 1 ) ( x 0−x 2 ) ( x 1−x 0 ) ( x 1−x 2) ( x 2−x 0 )( x 2−x 1 )
Se puede generalizar:

Donde:

n
f n ( x )=∑ Li ( x ) f (x i)
i=0

Otra forma:

El polinomio de interpolación de Lagrange también se puede obtener de manera directa a

partir de la formulación del polinomio de Newton. Necesitaremos reformular las diferencias
divididas.

Partimos de polinomio de interpolación de Newton en diferencias divididas

Partiremos de f 1 ( x)

f 1 ( x )=f ( x0 ) + ( x−x 0 ) f [ x 1 , x 0 ]…(3)

f ( x 1 ) −f ( x 0 ) f ( x 1 ) f ( x0 )
f [ x 1 , x 0 ]= = −
x 1−x 0 x 1−x 0 x 1−x 0
Reemplazando en (3)

f ( x 1) f ( x0)
f 1 ( x )=f ( x0 ) + ( x−x 0 )( − ¿
x1− x0 x 1−x 0
Operando y agrupando términos semejantes

x−x 1 x−x 0
f 1 ( x )= f ( x0 )+ f ( x1 )
x 0−x 1 x1 −x0

Demostraremos para f 2 ( x)

f 2 ( x )=f ( x 0) + ( x−x 0 ) f [ x1 , x 0 ] + ( x−x 0 )( x −x1 ) f [x 2 , x 1 , x 0 ]…(4)

Ya sabemos:

f ( x 1 ) −f ( x 0 ) f ( x 1 ) f ( x0 )
f [ x 1 , x 0 ]= = −
x 1−x 0 x 1−x 0 x 1−x 0
Falta
f [ x 2 , x 1 ]−f [ x 1 , x 0 ] f [ x 2 , x1 ] f [ x 1 , x 0 ] f ( x2 )
f [ x 2 , x 1 , x 0 ]= = − =
x 2−x 0 x 2−x 0 x 2−x 0 f ( x1 )
( x ¿ ¿2−x 1) ¿− ¿
( x ¿ ¿ 2−x 1 )¿ ¿ ¿
…(5)

Reemplazamos (5) en (4), luego operamos y finalmente agrupamos términos semejantes

( x−x 1 )( x−x 2) ( x−x 0 )( x −x2 ) ( x−x 0 )( x −x1 )

f 2 ( x )= f ( x0 )+ f (x 1)+ f (x 2)
( x 0−x 1 )( x0 −x 2) ( x 1−x 0 )( x 1−x 2 ) ( x 2−x 0 )( x 2−x 1 )
Error en la interpolación

Ejemplo 3

Suponga que se tiene un instrumento para medir la velocidad del paracaidista. Los datos
obtenidos en una prueba particular son

Estimar la velocidad en t=10

f 4 ( x )=−( 677∗x 4 )/384+(359∗x3 )/8−(75431∗x 2 )/192+(14509∗x )/8−84975 /128

f 3 ( x )=−(431∗x 3)/96+(2435∗x2 )/32+(119∗x )/96+55765/32

f 2 ( x )=(3435∗x )/4−(1735∗x 2) /48−14405 /48

f 1 ( x )=(815∗x )/6+17935/6
Ejemplo 4:
Adicionalmente:

E= f ( 3 )−P (3 )=0.33333−0.32955=0.00378

Ejemplo 5
Ejemplo 6
Matlab script

Ejemplo con Matlab

Según el cuadro de datos, encuentre tanto la aproximación polinomial de Lagrange como el
valor de la temperatura para una presión de 2atm, utilizando esta aproximación.

Primero hallaremos el polinomio interpolador de grado 1

Ahora trabajaremos con el polinomio interpolador de grado 2

Finalmente trabajaremos con el polinomio interpolador de grado 3 en la siguiente hoja
BIBLIOGRAFÍA

Métodos numéricos para ingenieros, 5ta edición, Steven C. Chapra.

Métodos numéricos con MATLAB, 3ra edición, John H. Mathews.