Capítulo 8

Interpolación
Polinómica
 Los Métodos Numéricos

Ajuste de Curvas y Modelamiento

Métodos mas utilizados

REGRESION INTERPOLACION
 INTRODUCCIÓN
 La finalidad del cálculo de las funciones de
interpolación se centra en la necesidad de obtener
valores intermedios (INTERPOLACIÓN) o de
valores fuera del intervalo para el que se dispone
de datos (EXTRAPOLACIÓN).
 Como es difícil encontrar la función representativa
de un conjunto de datos, es mejor aproximarlo a
una forma polinómica.
 Interpolación polinómica
 En análisis numérico, la interpolación polinomial 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.
 X Y
 -----------------------
 X1 Y1
 X2 Y2
 X3 Y3
 X4 Y4
 …… ……
 Xn Yn
Interpolación lineal
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];

Encontrar Y(1.5)
Interpolación
 Sustitución de una función (conocida o
tabulada) por otra más simple
 Interpolante como combinación de la base de
un espacio funcional:
n
  x     ii  x 
i 0
Funciones base: polinómicas, trigonométricas, …
 Función interpolante “coincide” con la inicial
 Lagrange: valor de la función en algunos puntos

Taylor: valor de las derivadas en un punto
 Hermite: valor de la función y la derivada
Interpolación Numérica
Objetivos de la Interpolación
 Plantear las condiciones de existencia y unicidad de solución
del problema general de interpolación
 Saber que el problema de Lagrange tiene un único polinomio
de interpolación de grado mínimo
 Conocer las diferentes formas de representar dicho polinomio
 Conocer las ventajas e inconvenientes de las formas de
Lagrange y de Newton
 Comprender la relación entre diferencias divididas y expansión
en serie de Taylor y su uso para acotar el error
 Comprender las limitaciones e incertidumbres de la
extrapolación
 Valorar las ventajas e inconvenientes de los diferentes
interpolantes segmentarios

Interpolación Numérica
 Introducción:
Se trata de obtener un polinomio (polinomio de interpolación) que
cumpla:

f(x )≈ p(x).
en una serie de n puntos x0, x1, …, xn .
Interpolación con polinomios MUESTRAS
PEQUEÑAS

 se utiliza una función interpoladora de tipo polinómico

de grado no mayor que n, siendo n el número de
puntos conocidos menos uno


 Interpolación lineal
Encontrar P(13) a través
de los puntos
(x0,y0)=(12,18), 25

(x1,y1)=(14,21)
20
P1( x )  a0  a1x
15

Grados
a0  a1x 0  y 0 

a0  a1x1  y1  10

a0  12a1  18  5

a0  14a1  21 5 10 15 20
Hora
La solución de estas 2 ecuaciones, nos da los
valores de ao , a1

A=[1 12 18;1 14 21];

Sol=rref(A)
Ejecutando
Sol =[1.00 0.00 0.00
0.00 1.00 1.50]
Equivale ao =0, a1=1.5
Y=0 +1.5x
Y(13)=1.5(13)=19.5
Interpolación lineal

Utilizando triángulos semejantes

f1 x   f x0  f x1   f x0 
 f(x)
x  x0 x1  x0

Reordenando f(x1)

f x1   f x0 
f1(x)

f1 x   f x0    x  x0  f(x0)
x1  x0
x0 x x1
 Interpolación con ajuste
cuadrático
Expresión del polinomio
P2 ( x )  a0  a1x  a2 x 2 Polinomio de grado2
25
Condiciones de interpol
a0  a1x0  a2 x 02  y 0  20


a0  a1x1  a2 x12  y1 

Grados
2  15
a0  a1x 2  a2 x 2  y 2 

10

El polinomio puede ser

P(x)=a+bx + cx2, entonces 5
5 10 15 20
Hora
 Ej1.- Dados (1,1), (3,6), (5,1). Hallar f(4)

X=[1, 3, 5]; Y=[1, 6, 1];plot(X,Y);grid;

P(x)=a+bx + cx2
a +b + c = 1
a +3b+9c=6
a+5b+25c=1
A=[1 1 1 1;1 3 9 6;1 5 25 1];abc=rref(A)
Ejecutando en octave, se obtiene
abc = 1.00 0.00 0.00 -5.25
0.00 1.00 0.00 7.50
0.00 0.00 1.00 -1.25
Es decir: a=-5.25; b=7.5; c=-1.25;
Y(4) = y4=a+b*4+c*16
y4 = 4.75
Forma normal del polinomio
de interpolación
 Expresión
Pn ( x )  a0  a1x  a2 x 2    an xn
 Determinación
2
a0  a1x 0  a2 x 0    an xn0  y0 

2 n  y 
a0  a1x1  a2 x1    an x1 1

2 n  y 
a0  a1x 2  a2 x 2    an x 2 2

     

2
a0  a1xn  a2 xn    an xn 
n  yn 
Ej2. Interpolación polinomial

Dados x=[0 1 2 3 4 5 6];

Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
x1=1.5
Encontrar y(1.5)
Podemos utilizar diferentes
Alternativas: segmentario lineal entre (1,0.9)y (2,1), y(1.5)=0.95
Segmentario parabólico entre (1,0.9),(2,1),(3,0.2): P(x)=a+bx+cx
P(x)=a+bx+c 2
a+b+c =0.9
a+2b+4c=1
a+3b+9c=0.2
P=1.06
Contin. Ej.2. Forma cuadrática
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
a=0
a+b+c =0.9
a+2b+4c=1
a+3b+9c=0.2
b+c =0.9
b+2c =0.5 -- > c=-0.4
bc=[1 1 0.9;1 2 0.5];bc=rref(bc)
b+c =0.9
b+3c =0.2/3=0.066 -- > 2c=-0.83 -- > c=-0.415
c =-0.41, b=1.31
x=1.5;P=1.31*x-0.41*x^2
y(1.5)=1.04; y(0.5)=0.55
Ej3.Interpolación forma cúbica
x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Encontrar y(4.5), y(5.5)
P(x) =a+bx
= + cx2 + dx3
Escogemos
x=[1 2 5 6];
Y=[0.9 1 -1 -0.3];
a+b+c+d=0.9
a+2b+4c+8d=1
a+5b+25c+125d=-1
a+6b+36c+216d=-0.3
 Cont Ej3.Interpolación polinomial
a+b+c+d=0.9
a+2b+4c+8d=1
a+5b+25c+125d=-1
a+6b+36c+216d=-0.3

A=[1 1 1 1 0.9; 1 2 4 8 1;1 5 25 125 -1;1 6 36 216 -0.3];

A=rref(A)
A=
1.00 0.00 0.00 0.00 -0.65
0.00 1.00 0.00 0.00 2.49
0.00 0.00 1.00 0.00 -1.04
0.00 0.00 0.00 1.00 0.11
>> x=4.5;y=-0.65+2.49*x-1.04*x*x+0.11*x^3
y = -0.48
Forma de Lagrange del
polinomio de interpolación
 Polinomios de Lagrange
( x  x 0 )  ( x  xi1)( x  xi1) ( x  xn )
Lin ( x ) 
( xi  x 0 )  ( xi  xi1)( xi  xi1) ( xi  xn )

para i  0, 1, 2,  , n

 Polinomio de interpolación
Pn (x)  y0 L0 (x)  y1 L1(x)  y 2 L2 (x)  ··· yn Ln (x)
 Polinomio de interpolación de Lagrange
Sea una función f(x), de tal manera que conozcamos su valor en cada uno de
n+1 puntos: f(x0), f(x1), …, f(xn).

1º. Obtenemos los “multiplicadores o coeficientes de Lagrange”):

( x  x0 )  ( x  x1 )  ...  ( x  xk 1 )  ( x  xk 1 )  ...  ( x  xn )
Lk ( x ) 
( xk  x0 )  ( xk  x1 )  ...  ( xk  xk 1 )  ( xk  xk 1 )  ...  ( xk  xn )

Son n+1 coeficientes: con k=0, 1, 2, …, n .

n
( x  xi ) i = 0, 1, 2, …, n
Lk ( x)  
i 0 ( xk  xi )
ik

k = 0, 1, 2, …, n
 Propiedad de los coeficientes Lk(x):

El coeficiente Lk(x) se anula en cada punto xi, excepto en el xk que tiene el

valor 1 (valor máximo).

Ejemplo: Supongamos como soporte los seis puntos siguientes,

x0 = 1, x1 = 3, x2 = 4, x3 = 6, x4 = 8, x5 = 9.
( x  1)  ( x  3)  ( x  4)  ( x  8)  ( x  9)
L3 ( x) 
(6  1)  (6  3)  (6  4)  (6  8)  (6  9)
El polinomio de interpolación deLagrange se
obtiene:
n
p( x)   f ( xk ) Lk ( x)
k 0
 EJEMPLO: Si los valores de la función en los cuatro puntos:
x0=2, x1=2.5, x2=3, x3=4,
es:
f(x0) = 7.3890, f(x1) = 12.1825, f(x2) = 20.0855, f(x3) = 54.5980

Hallemos el polinomio de interpolación de Lagrange:

( x  2.5) ( x  3) ( x  4)
L0 ( x)    x3  9.5x2  29.5x  30
(2  2.5)(2  3) (2  4)
( x  2) ( x  3)( x  4)
L1 ( x)   2.66667 x3  24 x 2  69.3333x  64
(2.5  2) (2.5  3)(2.5  4)
( x  2) ( x  2.5) ( x  4)
L2 ( x)   2 x3  17 x2  46 x  40
(3  2)(3  2.5)(3  4)
( x  2) ( x  2.5) ( x  3)
L3 ( x)   0.3333x3  3.5x2  6.16667 x  5
(4  2)(4  2.5) (4  3)
 El polinomio de interpolación de Lagrange es:
p(x) = f(x0) L0(x) + f(x1) L1(x) + f(x2) L2(x) + f(x3) L3(x)

p(x) = 3.12601 x3 – 17.2259 x2 + 39.432 x – 27.5792

Ej. Dados x=[-3 0 1 4 6 ];y=[-8 5 -1 7 -3 ];xi=5 encontrar y(5) con el
Algoritmo de Lagrange en Octave
 clc;clear;
 x=[-3 0 1 4 6 ];y=[-8 5 -1 7 -3 ];LS=0;xi=5;n=5;
 plot(x,y);grid;
 for i=1:n
 L=1;
 for j=1:n
 if i~=j
 L=L*(xi-x(j))/(x(i)-x(j));
 end
 end
 LS=LS+L*y(i);
 end
 sol=LS
Los resultados se verifican con los datos originales
como y(4)=7, y se corrigen y ajustan con la Gráfica

.
6

-2

-4

-6

Y(5)= 8.8783,
-8
según Lagrange
-3 -2 -1 0 1 2 3 4 5 6
Y(5)=4, valor corregido, suavisado y ajustado con la gráfica
Ej. Encontrar y(5.5) mediante el algoritmo de Lagrange y
ayuda del Octave

x=[0 1 2 3 4 5 6];
Y=[0 0.9 1 0.2 -0.9 -1 -0.3];
Encontrar y(4.5), y(5.5)
P(x) =a+bx
= + cx2 + dx3
Escogemos
x=[1 2 5 6];y=[0.9 1 -1 -0.3];
Luego se ingresan estos datos en el Programa de Octave
Y obtenemos y(5.5)= -0.83 (Lagrange)
 Otra Forma de Lagrange
x  xk n
Grado n y además L  x    : Lni  xk    ik
n
i
k  0 xi  xk
Ejemplo k i

x F(x) L  x 
3  x  1 x  1 x  2 

x3  2 x 2  x  2
X0=-2 -13/5
0
 2  1 2  1 2  2  12

L1  x  
3  x  2  x  1 x  2 

x3  x 2  4 x  4
X1=-1 -3
 1  2  1  1 1  2  6
X2=1 -2
L  x 
3  x  2  x  1 x  2  x 3  x 2  4 x  4

X3=2 3/5
2
1  2 1  11  2  6

L3  x  
3  x  2  x  1 x  1 x 3  2 x 2  x  2

 2  2  2  1 2  1 12
n
Pn  x    f  xi  L3i  x    13 5 L30  x   3L13  x   2L32  x   3 5 L33  x  
i 0
3 2 3 2 3 2 3 2
x  2 x  x  2 x  x  4 x  4 x  x  4 x  4 x  2 x x2
  13 5 3 2  35
12 6 6 12
3 2
 101 x  12 x  52 x  3 Interpolación Numérica
Forma de Lagrange (II)
 Ventajas

Fácil de calcular


Independientes de la Inconvenientes
función a interpolar 
El interpolante puede ser
mucho más simple que
Función los polinomios de
{(-2,-5),(-1,-3),(1,1),(2,3)} Lagrange
n
Pn  x    f  xi  L3i  x   
Si cambia el soporte los
i 0
polinomios obtenidos son
 5L0  x   3L1  x   1L2  x   3L3  x  
3 3 3 3
inútiles, es necesario
x3  2 x 2  x  2 x3  x 2  4 x  4 repetir todo el proceso
 5 3 
12 6
x3  x 2  4 x  4 x3  2 x 2  x  2
1 3
6 12
 0 x3  0 x 2  2 x  1
Interpolación Numérica
Ejemplos
 Existencia y unicidad de

F(-)=1,F(0)=0,F()=1
– Base polinómica: solución única
P2  x   0  0 x   1  x 2
2

– {1,sen(x),sen(2x)}: sin solución

– {1,cos(x),cos(2x)}: solución múltiple
  x   12 1  21 cos  x   0cos  2 x 
  x   01  21 cos  x   12 cos  2 x 
 F(x0)=y0,F(x1)=y1,F’(x2)=y2
– Base polinómica:
– Solución única si

x0  x1  x2  1
2  x0  x1 
Interpolación Numérica
 Forma de Newton del
polinomio de interpolación
 Expresión
Pn(x) = c0 + c1(xx0) + c2(xx0)(xx1) +   
+ cn(xx0)(xx1)    (xxn1)

 Determinación algebraica
Pn(x0) = y0 = c0
Pn(x1) = y1 = c0+ c1(x1x0)
Pn(x2) = y2 = c0+ c1(x2x0) + c2(x2x0)(x2x1)
 MÉTODO DE NEWTON
P2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1)
Ej. Hallar f(4). Dados los puntos
1 3 5
1 4 1
P(x)= b0 + b1(x – x0) + b2(x – x0)(x – x1)

P(x)=b0 + b1(x – 1) + b2(x – 1)(x – 3)

P(3)=1+ b1(3 – 1) =4 -- >b1 =3/2
b2=
Forma de Newton – Diferencias Divididas (I)
n i 1 n i 1
Pn  x     i   x  xk    f  x0 , x1 , xi    x  xk 
i 0 k 0 i 0 k 0
n 1

 Origen: Qn  x   Pn  x   Pn1  x    n   x  xk 
k 0
n 1
Pn  x   Pn 1  x    n   x  xk 
k 0

 Propiedades

Simetría k
f  xi  k
f  xi 
f  x0 , x1 , xk    
i  0  xi  x0   xi  xi 1  xi  xi 1   xi  x n 
k
i 0
x  x 
j 0
i j

j i Demo

Cálculo
f  x0   f  x0 
f  x0 , x1 , xk 1   f  x1 , xk 1, xk  Demo
f  x0 , x1 , xk 1 , xk  
x0  xk
Interpolación Numérica
Interpolación polinomial de Newton

Revisaremos solo algunos casos: lineal, de segundo grado y

de tercer grado.
Interpolación cuadrática y cúbico
Polinomio cuadrático
f2(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1) (1)
f3(x) = b0 + b1(x – x0) + b2(x – x0)(x – x1)+ b3(x – x0)(x – x1)(x – x2)

f2(x) = b0 + b1x – b1x0 + b2x2 + b2x0 x1 – b2xx0 – b2xx1

Podemos escribirlo como
f2(x) = a0 + a1x + a2x2
Donde
a0 = b0 – b1x0 + b2x0 x1, a1 = b1 – b2x0 – b2x1, a2=b2
Podemos evaluar b0, b1 y b2 sustituyendo x0, x1 y x2 en la ecuación (1), se obtiene
b0 = f(x f x2   f x1  f x1   f x0 
f 0)x1   f x0  
b1  x2  x1 x1  x0
x1  x0 b2 
x2  x0
 Ejemplo 2
Calculemos ln 2 con ln 4 y ln 6, los punto que se conocen son:
f(x) = ln x
x0 = 1 f(x0) = 0
x1 = 4 f(x0) = 1.386294
2.5

x0 = 6 f(x0) = 1.791759
2
Valor verdadero
Aplicando las ecs. anteriores
1.5
b0 = 0
1
b1 = (1.386294 – 0)/(4 – 1) = 0.4620981
0.5
b2 = ((1.791759 – 1.386294)
0 Estimación cuadrática
/(6 – 4) – 0.4620981)/(6 – 1)
-0.5 Estimación lineal
= – 0.0518731
-1
0 1 2 3 4 5 6 7 8 El polinomio es
f2(x) = 0.4620981(x – 1) – 0.0518731(x – 1)(x – 4)

Valor real ln 2 = 0.6931472

f (2) = 0.5658444
Error relativo
2
porcentual = 18.4%
Interp. Diferencias divididas

Pn(x0) = ƒ(x0) = a0. Pn(x1)= a0 + a1(x1 – x0),

como Pn(x1)= ƒ(x1) y a0= ƒ(x0), entonces
reemplazando se tiene
ƒ(x1)=ƒ(x0) + a1(x1–x0), donde
Ejemplo : Halle el polinomio que interpola los datos:

X 1 2 3 5

f(x) 4 3.5 4 5.6

.
xi f(xi)      

1 4      

    -0.5    

2 3.5   0.5  

    0.5   -0.1
3 4   0.1  

    0.8    

5 5.6      

Luego P3(x)=4 – 0.5(x - 1) + 0.5(x - 1)(x - 2) – 0.1(x - 1)(x - 2)(x - 3) 

P(4)=4-0.5(3)+0.5(3)(2)-0.1(3)(2)(1)
P(4)=4-1.5+3-0.6 = 4.9
Ej. Si x=[-3,0,1,4,6];y=[-8,5,-1, 7,-3]; encontrar y(3)
 clc;clear;x=[-3,0,1,4,6];y=[-8,5,-1, 7,-3];plot(x,y);grid;
 D(:,1)=y';xi=3;n=5;
 for j=2:n
 for k=j:n
 D(k,j)=(D(k,j-1)-D(k-1,j-1))/(x(k)-x(k-j+1));
 end;
 end;
 P=D(1,1);
 for k=1:n-1
 F=1;
 for j=1:k
 F=F*(xi-x(j));
 end;
 P=P+F*D(k+1,k+1);
 end;
 fprintf('Pd=');disp(P);
Las diferencias finitas son:
-3 -8.00 0 0 0 0
0 5.00 4.33 0 0 0
1 -1.00 -6.00 -2.58 0 0
4 -7.00 -2.00 1.00 0.51 0
6 -3.00 2.00 0.80 -0.03 -0.06
La matriz de las diferencias divididas y el polinomio de Newton son como
sigue:

 -1 -8.00 0 0 0 0
 0 4.00 12.00 0 0 0
 2 -1.00 -2.50 -4.83 0 0
 4 -5.00 -2.00 0.13 0.99 0
 6 2.00 3.50 1.38 0.21 -0.11

P(x)=-8+12(x+1)-4.83(x+1)x+0.99(x+1)x(x-2)-0.11(x+1)x(x-2)(x-4)
P(3)=-4.7571
Forma de Newton – Diferencias Divididas (II)
Pn  x   f  x0   f  x0 , x1   x  x0   f  x0 , x1 , x2   x  x0  x  x1   
 f  x0 , x1 , xn  x  x0  x  x1   x  xn 1 

Cálculo de la tabla de Diferencias divididas

x F(x)

x0=-2 f  x0   13
5

f  x0   f  x1  513    3   2
x1=-1 f  x1   3 f  x0 , x1  
x0  x1

 2    1 5
x2=1 f  x1   f  x2   3   2  1 f  x0 , x1   f  x1 , x2  3
f  x2   2 f  x1 , x2  
x1  x2

 1  1 2
 f  x0 , x1 , x2  
x0  x2

10
f  x2   f  x3   2    53  13 f x , x , x  f  x1 , x2   f  x2 , x3   7
x3=2 f  x3   3
5 f  x2 , x3      1 2 3
x1  x3 10
x2  x3  2   1 5
f  x0 , x1 , x2   f  x1 , x2 , x3  1
f  x0 , x1 , x2 , x3   
x0  x3 10

Pn  x   13
5  52  x  2   103  x  2  x  1  101  x  2  x  1 x  1
 53  135  x  2   107  x  2  x  1  101  x  2  x  1 x  1
P3  x   101 x 3  1 2
x 
Interpolación
2
2
x3
5Numérica
 Problema de Hermite
2 n 1    xk   f  xk 
  x     ii  x  :  , k  0,1, n
i 0    xk   f   xk 

Existencia y unicidad asociadas al sistema
 0  x0  1  x0    n  x0   n1  x0    2n 1  x0     0   f  x0  
   
 0  x1  1  x1    n  x1   n1  x1    2n 1  x1     1   f  x1  
             
    
 0  xn  1  xn    n  xn   n1  xn    2 n1  xn     n    f  xn  
  x  1  x0    n  x0   n 1  x0    2 n 1  x0     n1   f   x0  
 0 0    
             
  x  1  xn    n  xn   n 1  xn    2 n1  xn    2 n1  
  f   xn  
 0 n


Base polinónica: soporte sin puntos repetidos
1, x, x , x , x 
2 3 2 n 1


Base trigonométrica: soporte sin puntos repetidos y
comprendidos en [-  ,  ]
1,sin  x  , cos  x  , sin  kx  , cos  kx  ,
Interpolación Numérica
 Problema de Taylor
n
  x     ii  x  :  k   a   f k   a  , k  0,1, n
i 0

Existencia y unicidad asociados al sistema

 0  a  1  a   n a 
  0   f a  
    
 0  a  1  a    n  a 
  1      
f  a
         
 n     n  
   a   n   a    n  a     n   f 0  a  
n   
 0 1



Series de potencias 
k 0
k x k ¿ converge ?
   x 
– Criterios del cociente y de la raíz
 k 1
lim  L  lim k  k  L
k   k 
k
– Si L=, converge en x=0, si L=0, converge x
– Sino converge para |x|<1/L
Interpolación Numérica
Forma de Newton – Diferencias Divididas (III)
 Ventajas

Los cálculos son muy simples

La tabla de diferencias divididas se
 Inconvenientes
simplifica cuando el interpolante es de
menor grado

Las operaciones se pueden reutilizar al 
El cálculo depende de la
añadir o eliminar puntos
función

 Polinomio:y=2x-1
– {(-2,-5),(-1,-3),(1,1),(2,3)}

x F(x)
x0=-2 -5
x1=-1 -3 2
x2=1 1 2 0
x3=2 3 2 0 0

Interpolación Numérica
 Diferencias divididas
 c 0 = f [ x0 ]  y0

f [ x1]  f [ x0 ]

c1 = f [ x 0 , x1] 
x1  x0

f [ x1, x 2 ]  f [ x0 , x1]

c 2  f [ x 0 , x1, x 2 ] 
x 2  x0

f[x1, x 2, xk ]  f[x 0 , x1, xk 1]


c k  f[x 0 , x1, xk ] 
xk  x 0
 Tabla de diferencias divididas
y0  f [ x0 ]
y1  f [ x1] f [ x 0 , x1]

y2  f [x2 ] f [ x1, x 2 ] f [ x 0 , x1, x 2 ]

y3  f [ x3 ] f [ x 2, x 3 ] f [ x1, x 2, x 3 ] f [ x 0 , x1, x 2, x3 ]

Ejemplo de las temperaturas

12 18
14 21 1.5000
10 12 2.2500 -0.3750
16 19 1.1667 -0.5417 -0.0417
Evaluación de los polinomios

Grados 0 a 3
30

25

20

15

10
5

-5

-10
6 8 10 12 14 16 18 20
Forma de Newton – Diferencias Finitas

 Puntos equiespaciados xk=x0+k h

Progresivas f k  f  xk 1   f  xk  y  f k   f k 1   f k
n n 1 n 1

Regresivas f k  f  xk   f  xk 1  y  n f k   n1 f k   n1 f k 1

 Relaciones
 f k  f k 1 y  n f k   n f k  n
  n f k  n !h n f  xk , xk 1 , , xk  n 
n
n
 f k    1
n n i
   f k i
i 0 i
  n f k  n !h n f  xk  n , , xk 1 , xk 

n
n
 f k    1
n n i

  f k  ni
i 0 i
Interpolación Numérica