Captulo 4

INTERPOLACI

ON.
4.1. Introducci on. Interpolacion polinomica.
4.1.1. Introducci on
A menudo, hemos de interpretar en forma m as o menos precisa la interrelacion entre 2
magnitudes; a saber, x e y, supuesto conocidos algunos datos sobre ellas.
As, m as concretamente, si se conocen los puntos (o relaciones, o datos) del plano: (x
i
, y
i
); i =
0, 1, . . . , n, cabe preguntarse si hay alguna funci on, y = (x), cuya curva pase por los puntos
considerados.
Figura 4.1: Datos de iterpolacion y curva interpolante.
Tambien puede ocurrir que , de una funci on dada y = f(x), se conozcan algunos valores:
f(x
0
), f(x
1
), . . . , f(x
n
), y nos preguntamos, c omo dar un valor aproximado de f en un x
entre los x
i
?
En ambos casos, una funci on que satisfaga los requisitos impuestos se llama funcion inter-
poladora o Interpolante.
1
2 Interpolaci on.
No obstante, lo anterior hay que precisarlo mejor en el sentido siguiente:
Dado el conjunto de datos, D = (x
i
, y
i
) i = 0, 1, . . . , n, buscamos una funci on, p(x), tal
que:
Sea interpolante; es decir, p(x
i
) = y
i
i
la funcion p(x) pertenezca a un espacio de funciones prejado (p.e., polin omicas, racio-
nales, splines, etc...).
Fijado el espacio de funciones, hay dos cuestiones basicas:
Existe y es unico el Interpolante?;
si existe el Interpolante, c omo construirlo?
Ocupemonos, ahora, del problema de existencia y unicidad del interpolante para un caso
cl asico concreto (interpolaci on polinomial de Lagrange).
Sean (x
i
, y
i
) i = 0, 1, . . . , n; (n+1)puntos del plano y consideramos el problema siguiente:
Hallar un polinomio, p(x), de grado n tal que
p(x
i
) = y
i
i = 0, 1, . . . , n
(4.1)
Si hay solucion se llama polinomio de Interpolacion o interpolante polinomial.
Si notamos por P
n
al espacio de polinomios de grado n y coecientes reales; entonces,
todo p(x) P
n
se escribe como: p(x) = a
0
+ a
1
x + + a
n
x
n
. As, p(x) sera soluci on del
problema si, y s olo si, el S.E.L :
_
_
_
_
_
_
_
1 x
0
x
2
0
. . . x
n
0
1 x
1
x
2
1
. . . x
n
1
1 x
2
x
2
2
. . . x
n
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n
x
2
n
. . . x
n
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
.
.
.
a
n
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
y
0
y
1
y
2
.
.
.
y
n
_
_
_
_
_
_
_
(4.2)
admite solucion.
Llamando M a la matriz de coecientes del sistema (4.2); se tiene que el problema de in-
terpolaci on admite una unica soluci on si, y solo si, los nodos de interpolaci on son distintos.
Para ello basta con probar que det(M) =

i>j
(x
i
x
j
) y, por lo tanto, det(M) ,= 0 x
i
,=
x
j
.
Extendiendo un poco m as la idea de interpolaci on (problema de coincidencias) introducida
se puede plantear el problema (interpolacion polinomial clasica de Hermite) siguiente:
Apuntes de J. Lorente 3
Hallar un polinomio de grado 2m + 1 vericando:
p(x
i
) = y
i
i = 0, 1, . . . , m
p

(x
i
) = y

i
i = 0, 1, . . . , m
(4.3)
4.1.2. Generalizaci on del Problema.
En los casos, anteriormente descritos, cabe destacar dos aspectos comunes:
El n umero de datos es nito.
El tipo de datos satisface las condiciones de linealidad.
M as a un, el espacio de funciones interpolantes es de dimension igual al n umero de datos o
condiciones.
As, un plantemiento general del problema sera:
Interpolaci on Lineal Finita.
Sean L
1
, L
2
, . . . , L
N
Nformas o aplicaciones lineales (denen los datos de interpolacion),
L
i
: T R con T espacio vectorial real y V T un subespacio de dimension N. Para f T,
se pretende:
Hallar p V vericando:
L
i
(p) = L
i
(f) i = 1, . . . , N
(4.4)
o, equivalentemente, para valores reales, z
1
, z
2
, . . . , z
N
, dados;
Hallar p V vericando:
L
i
(p) = z
i
i = 1, . . . , N
(4.5)
Si el problema (4.4) o (4.5) admite solucion unica en V se dice que es V unisolvente.
A continuacion, damos una caracterizaci on de la existencia y unicidad de soluci on (o uni-
solvencia) de (4.4) o (4.5); a saber:
Teorema 4.1 Sea V T de dimension N, f T, y L
1
, L
2
, . . . , L
N
Nformas lineales. En-
tonces, (4.4) es V unisolvente Det(L
i
(
j
))
i,j
,= 0 donde
1
,
2
, . . . ,
N
es una base
cualquiera de V .
4 Interpolaci on.
Demostraci on:
Si
1
,
2
, . . . ,
N
es base para V se tendra que:
p =
N

i=1
a
i

i
p V
por lo que resolver el problema (4.4) equivale a encontrar las ctes a
i
i = 1, . . . , N soluci on del
S.E.L.:
a
1
L
1
(
1
) + a
2
L
1
(
2
) + + a
N
L
1
(
N
) = L
1
(f)
a
1
L
2
(
1
) + a
2
L
2
(
2
) + + a
N
L
2
(
N
) = L
2
(f)
.
.
.
a
1
L
N
(
1
) + a
2
L
N
(
2
) + + a
N
L
N
(
N
) = L
N
(f)
As, dado que la matriz de coecientes del S.E.L. es
G = (L
i
(
j
))
i,j
=
_
_
_
_
_
L
1
(
1
) L
1
(
2
) L
1
(
N
)
L
2
(
1
) L
2
(
2
) L
2
(
N
)
.
.
.
.
.
.
.
.
.
.
.
.
L
N
(
1
) L
N
(
2
) L
N
(
N
)
_
_
_
_
_
(llamada matriz de Gram), se tiene trivialmente la caracterizaci on dada en el teorema.
C.Q.D.
Observaci on.- El teorema anterior se puede interpretar de forma identica si usamos el
problema (4.5) sin m as que intercambiar L
i
(f) con z
i
.
Apuntes de J. Lorente 5
4.2. Problemas habituales: Lagrange, Taylor y Hermite
Veamos como se pueden obtener los problemas clasicos usuales desde un planteamiento
particular del problema general (4.4).
1. Interpolaci on Polinomial Clasica o Interpolaci on Lagrangiana.
Se considera el espacio T =espacio de funciones valuadas en, al menos, un conjunto nito
de puntos x
i
(que llamaremos nodos de interpolacion). Tomamos V = P
n
y denimos las
(N = n + 1)formas lineales:
L
i
: T R
con L
i
(f) = f(x
i
) i = 0, . . . , n y los llamamos datos de tipo Lagrange.
As, el problema resultante es el dado en (4.1). Dicho problema es unisolvente en P
n

la matriz de Gram tiene determinante no nulo; es decir,
Det(
j
(x
i
))
i,j
,= 0
donde
j
= x
j
j = 0, . . . , n es la base can onica de P
n
.
Es f acil comprobar que la matriz de Gram es la que aparece en (4.2) y, por lo tanto el
problema tiene solucion unica si y, s olo si, los nodos son distintos entre si.
2. Interpolaci on Taylor.
Supongamos que son conocidos el valor y derivadas sucesivas de f(x) en un nodo x
0
,
entonces, tenemos las formas lineales (datos tipo Taylor) siguientes:
L
0
(f) = f(x
0
), L
1
(f) = f

(x
0
), . . . , L
n
(f) = f
n)
(x
0
)
y, as, el problema de Interpolaci on Taylor consiste en:
Hallar T(x) P
n
/ L
k
(T) = L
k
(f) k = 0, 1, . . . , n
es decir, T
k)
(x
0
) = f
k)
(x
0
) k = 0, 1, . . . , n
(4.6)
El problema (4.6) tiene soluci on unica si la matriz de Gram asociada tiene determinante
no nulo para alguna base del espacio interpolante (V = P
n
). Si elegimos como base de
trabajo,

j
= 1, x x
0
, (x x
0
)
2
, . . . , (x x
0
)
n

es facil comprobar que la matriz de Gram es:

G =
_
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 2 0
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 0 n!
_
_
_
_
_
_
_
6 Interpolaci on.
Y, por lo tanto, det(G) ,= 0. Luego, el problema (4.6) tiene una unica solucion.
3. Interpolaci on Clasica de Hermite.
Sean x
0
, x
1
, . . . , x
m
nodos distintos de interpolacion y se toman T = C
1
([a, b]), V =
P
2m+1
y formas lineales (datos de tipo Hermite):
L
r
: T R
f L
r
(f) =
_
f(x
i
) r = 2i i = 0, . . . , m
f

(x
i
) r = 2i + 1 i = 0, . . . , m
Ahora, escribiendo el problema general de interpolacin (4.4) con estos datos y espacio
particular V se obtiene el problema:
Hallar un polinomio p(x) P
2m+1
vericando:
L
r
(p) = p(x
i
) = L
r
(f) = f(x
i
) = y
i
r = 2i
L
r
(p) = p

(x
i
) = L
r
(f) = f

(x
i
) = y

i
r = 2i + 1
con i = 0, . . . , m
que es el mismo problema que se dio en (4.3).
En este caso, la matriz de Gram asociada a la base can onica de P
2m+1
es:
G =
_
_
_
_
_
_
_
_
_
_
_
1 x
0
x
2
0
. . . x
2m+1
0
0 1 2x
0
. . . (2m + 1)x
2m
0
1 x
1
x
2
1
. . . x
2m+1
1
0 1 2x
1
. . . (2m + 1)x
2m
1
.
.
.
.
.
.
.
.
.
.
.
.
1 x
m
x
2
m
. . . x
2m+1
m
0 1 2x
m
. . . (2m + 1)x
2m
m
_
_
_
_
_
_
_
_
_
_
_
Adem as det(G) ,= 0 x
i
,= x
j
i ,= j
Puede probarse que
det(G) =

i>j
(x
i
x
j
)
4
con lo que se tiene la armaci on dada y el problema tendr a una unicica solucion.
Apuntes de J. Lorente 7
4.3. Metodos de Interpolaci on: Lagrange y Newton.
4.3.1. Metodo de Lagrange
Si bien, la tecnica que se presenta se desarrollo desde la resoluci on del problema de Inter-
polaci on polinomial cl asica, aqu la consideraremos para el caso general y posteriormente se
aplicar a a los casos m as conocidos; a saber, la Interpolaci on lagrangiana, la de Taylor, y la
interpolaci on clasica de Hermite.
Problema General de Interpolaci on
Sea f T y L
1
, L
2
, . . . , L
N
Nformas lineales sobre T. El problema de hallar p V
(subespacio de dim V = N) vericando:
L
i
(p) = L
i
(f) i = 1, 2, . . . , N
admite solucion unica det (L
i
(
j
))
i,j
,= 0 siendo
1
,
2
, . . . ,
N
una base de V .
Ahora bien, supongamos construida una base de V ,
1
,
2
, . . . ,
N
, dual respecto de las
formas lineales dadas; es decir,
L
i
(
j
) =
ij
=
_
_
_
1 i = j
0 i ,= j
i = 1, 2, . . . , N.
Entonces, la unica soluci on del Problema general de interpolaci on se puede expresar como:
p = L
1
(f)
1
+ L
2
(f)
2
+ + L
N
(f)
N
(4.7)
que se denomina Formula de Lagrange para el Problema General de Interpolacion Lineal
Finita (P.G.I.L.F.).
Observaciones:
La formula (4.7) se escribe, para el problema (4.5), como:
p = z
1

1
+ z
2

2
+ + z
N

N
(4.8)
Si el P.G.I.L.F. es unisolvente, es evidente que se pueden construir las
j
y recprocamen-
te. Ademas, una base de este tipo se llama Base de Lagrange .
8 Interpolaci on.
Por tanto, de lo anterior puede decirse que el metodo de Lagrange consiste en la resolucion
inicial de Nproblemas can onicos (un dato con valor 1 y el resto 0), y desde ellos poder resol-
ver cualquier otro (datos con valores arbitrarios) sin m as que utilizar la F ormula de Lagrange.
Interpolaci on Polinomial Clasica (I. Lagrangiana)
Sea D = (x
i
, y
i
) i = 0, 1, . . . , n el conjunto de datos de interpolaci on con nodos, x
i
,
distintos. Vamos a usar la idea anteriormente expuesta al Problema:
Hallar p(x) P
n
/ p(x
i
) = y
i
i = 0, 1, . . . , n (4.9)
As, construimos una Base de Lagrange en P
n
; es decir, sean l
0
(x), l
1
(x), . . . , l
n
(x) n + 1
polinomios de grado n vericando:
l
i
(x
j
) =
_
_
_
1 i = j
0 i ,= j
i = 0, 1, . . . , n (4.10)
Por tanto, desde (4.10) se deduce que cada l
i
(x) es un polinomio de grado n que se anula
en nnodos. M as concretamente,
l
i
(x) = A
i
_

_
n

j=0
j=i
(x x
j
)
_

_
donde A
i
se obtiene sin m as que imponer: l
i
(x
i
) = 1. As,
l
i
(x) =
n

j=0
j=i
(
x x
j
x
i
x
j
) i = 0, 1, . . . , n (4.11)
Tales polinomios son denominados, a menudo, polinomios de Lagrange. Y, desde aqu,
es claro que la solucion del problema (4.9) es:
p(x) = y
0
l
0
(x) + y
1
l
1
(x) + + y
n
l
n
(x) (4.12)
La expresion (4.12) recibe el nombre de F ormula de Lagrange para el interpolante.
Apuntes de J. Lorente 9
Interpolaci on Polinomial de Taylor
Consideramos el problema de interpolaci on siguiente:
Hallar T(x) P
n
/ T
k)
(x
0
) = f
k)
(x
0
) k = 0, 1, . . . , n (4.13)
siendo f C
n
([x
0
r, x
0
+ r])
Es facil obtener la base de Lagrange, T
0
(x), T
1
(x), . . . , T
n
(x), asociada al problema (4.13);
a saber:
T
j
(x) =
(x x
0
)
j
j!
j = 0, 1, . . . , n
Por lo tanto, la F ormula de Lagrange para el interpolante ser a:
T(x) = f(x
0
)T
0
(x) + f

(x
0
)T
1
(x) + + f
n)
(x
0
)T
n
(x)=
= f(x
0
) + f

(x
0
)(x x
0
) + +
f
n)
(x
0
)
n!
(x x
0
)
n
(4.14)
Interpolaci on Clasica de Hermite
Pretendemos, ahora obtener la Formula de Lagrange para el problema:
Hallar H(x) P
2m+1
/
_
_
_
H(x
i
) = f(x
i
)
H

(x
i
) = f

(x
i
)
i = 0, 1, . . . , m (4.15)
Para el problema (4.15) la obtencion de una base de Lagrange es algo mas compleja; a saber:
sean H
i
(x) y K
i
(x) con i = 0, 1, . . . , m polinomios de grado 2m + 1 vericando:
H
i
(x
j
) =
ij
H

i
(x
j
) = 0 j = 0, 1, . . . , m
K
i
(x
j
) = 0 K

i
(x
j
) =
ij
j = 0, 1, . . . , m
_
_
_
i = 0, 1, . . . , m
As, teniendo en cuenta las caractersticas, respecto a los ceros, de H
i
(x) y K
i
(x) se pueden
escribir de la forma:
H
i
(x) = (A
i
x + B
i
) (l
i
(x))
2
K
i
(x) = C
i
(x x
i
) (l
i
(x))
2
_
_
_
i = 0, 1, . . . , m
10 Interpolaci on.
donde l
0
(x), l
1
(x), . . . , l
m
(x) son los polinomios cl asicos de Lagrange asociados a los nodos
x
0
, x
1
, . . . , x
m
.
Ahora, imponiendo las condiciones de interpolacion que restan, en cada caso; se obtiene:
H
i
(x
i
) = 1
H

i
(x
i
) = 0
_
_
_
= H
i
(x) = [1 2l

i
(x
i
)(x x
i
)] (l
i
(x))
2
i = 0, 1, . . . , m
y, an alogamente:
K

i
(x
i
) = 1 = K
i
(x) = (x x
i
) (l
i
(x))
2
i = 0, 1, . . . , m
Con esto se deduce la F ormula de Lagrange para el interpolante de Hermite:
H(x) = f(x
0
)H
0
(x) + f

(x
0
)K
0
(x) + + f(x
m
)H
m
(x) + f

(x
m
)K
m
(x) (4.16)
4.3.2. Metodo de Newton.
El objetivo del metodo de Newton es la obtencion del interpolante de una forma recursiva.
A tal n, se intenta encontrar la relaci on entre el interpolante para k + 1-datos y el inter-
polante para k-datos de ellos.
Vemos como se lleva esta idea a la pr actica seg un el problema a resolver.
Interpolaci on Polinomial Clasica.
Pretendemos, aqu, resolver el problema (4.9).
Sea p
k
(x) el polinomio de grado k interpolante para los datos, D = (x
i
, y
i
) i =
0, 1, . . . , k, entonces:
p
k+1
(x) p
k
(x) P
k+1
y se anula en los nodos, x
0
, x
1
, . . . , x
k
; por consiguiente,
p
k+1
(x) p
k
(x) = A
k+1
(x x
0
) (x x
k
) con A
k+1
= C
te
Imponiendo la condici on p
k+1
(x
k+1
) = y
k+1
se obtiene el valor de A
k+1
; a saber:
A
k+1
=
y
k+1
p
k
(x
k+1
)
(x
k+1
x
0
) (x
k+1
x
k
)
Desde aqu, es trivial que el polinomio buscado (soluci on de (4.9) ) es:
p(x) = p
n
(x) = A
0
+ A
1
(x x
0
) + + A
n
(x x
0
) (x x
1
) (x x
n1
) (4.17)
Apuntes de J. Lorente 11
La expresion (4.17) recibe el nombre de F ormula de Newton para la interpolacion la-
grangiana.
No obstante, el c alculo de las ctes. A
k
puede simplicarse. Para ello, debido a la dependencia
respecto de los nodos correspondientes, notamos:
A
i
= f[x
0
, x
1
, . . . , x
i
]
y la llamamos Diferencia Dividida de orden i de f en los nodos x
0
, x
1
, . . . , x
i
(D.D. orden
i). De su c alculo nos ocupamos en la seccion siguiente.
12 Interpolaci on.
4.4. Diferencias Divididas. Diferencias Finitas.
En primer lugar, nuestro objetivo es obtener una relaci on de recurrencia, apropiada, para el
c alculo de las D.D. en general, y de las ctes. A
i
en particular para la obtencion del polinomio
de interpolacion para el problema de Lagrange y el problema de Hermite.
Propiedades
1. Para cada k 0, se tiene:
f[x
0
, x
1
, . . . , x
k
] =
k

i=0
f(x
i
)

j=i
(x
i
x
j
)
2. Para cada permutaci on, (i
0
, i
1
, . . . , i
k
), de los ndices 0, 1, . . . , k se verica:
f[x
i
0
, x
i
1
, . . . , x
i
k
] = f[x
0
, x
1
, . . . , x
k
]
Demostraci on:
1. Sea p
k
(x) el polinomio de interpolaci on, en la forma de Lagrange, para la funci on f(x) en
los nodos x
0
, x
1
, . . . , x
k
=
p
k
(x) =
k

i=0
f(x
i
) l
i
(x) con l
i
(x) =
k

j=0
j=i
_
x x
j
x
i
x
j
_
entonces, el coeciente de x
k
en dicho polinomio es:
k

i=0
f(x
i
)

j=i
(x
i
x
j
)
Por otra parte, la forma de Newton para p
k
(x) es:
p
k
(x) = A
0
+ A
1
(x x
0
) + + A
k
(x x
0
) (x x
1
) (x x
k1
)
de donde, puesto que el interpolante es unico, se tiene:
f[x
0
, x
1
, . . . , x
k
] = A
k
=
k

i=0
f(x
i
)

j=i
(x
i
x
j
)
C.Q.D.
2. Basta utilizar la propiedad 1 para vericar 2.
Apuntes de J. Lorente 13
As, estamos en disposicion de obtener la relaci on de recurrencia para las D.D. de ordenes
sucesivos. Esta se expresa en el teorema siguiente:
Teorema 4.2 Sea f C([a, b]) y x
i

i
[a, b], entonces:
1. f[x
j
] = f(x
j
)
2. Para cada k 1 se verica:
f[x
0
, x
1
, . . . , x
k
] =
f[x
1
,...,x
k
]f[x
0
,...,x
k1
]
x
k
x
0
Con la relaci on de recurrencia anterior, se puede obtener una tabla de D.D. de ordenes 1,
2, ..., k, ... como sigue:
x
i
f(x
i
) o y
i
D.D. 1 D.D. 2 D.D. 3
x
0
f(x
0
) - - -
x
1
f(x
1
) f[x
0
, x
1
] - -
x
2
f(x
2
) f[x
1
, x
2
] f[x
0
, x
1
, x
2
] -
x
3
f(x
3
) f[x
2
, x
3
] f[x
1
, x
2
, x
3
] f[x
0
, x
1
, x
2
, x
3
]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Entonces, calculada la tabla, se obtiene la formula de interpolaci on de Newton:
p(x) = f(x
0
) + f[x
0
, x
1
] (x x
0
) + + f[x
0
, . . . , x
n
] (x x
0
) (x x
n1
) (4.18)
Esta idea es extensible al problema de Hermite y al de Taylor. Para ello es de gran interes
la propiedad siguiente:
Proposicion 4.1 Si f C
n
([a, b]), entonces
f[x
0
, x
1
, . . . , x
n
] =
f
n)
()
n!
donde es un nodo entre los x
i
.
14 Interpolaci on.
Demostraci on.
En efecto, consideramos el polinomio interpolante en los nodos x
0
, x
1
, . . . , x
n
(supuestos
distintos) para f entonces, f(x) p(x) se anular a en n+1nodos, y usando el teorema de Rolle
deducimos que (f p)
n)
(x) se anula, al menos, una vez; es decir:
/ f
n)
() p
n)
() = 0 =f[x
0
, x
1
, . . . , x
n
] =
f
n)
()
n!
C.Q.D.
Esta propiedad permite, sin mucha dicultad, extender la noci on de D.D. al caso en que sus
argumentos puedan ser repetidos. M as concretamente:
Denici on 4.1 Sean los nodos x
0
x
1
x
k
en un intervalo [a, b] donde f es sucien-
temente derivable, entonces:
f[x
0
, x
1
, . . . , x
k
] =
_

_
f
k)
(x
0
)
k!
si x
0
= x
k
f[x
1
,...,x
k
]f[x
0
,...,x
k1
]
x
k
x
0
si x
0
,= x
k
As, la soluci on del problema de Hermite (4.15) adoptara la forma de Newton siguiente:
H(x) = f(x
0
) + f[x
0
, x
0
] (x x
0
) + f[x
0
, x
0
, x
1
] (x x
0
)
2
+ +
+f[x
0
, x
0
, . . . , x
n
, x
n
] (x x
0
)
2
(x x
n1
)
2
(x x
n
)
(4.19)
donde las D.D. consideradas se obtienen desde la tabla:
x
i
f(x
i
) o y
i
D.D. 1 D.D. 2 D.D. 3
x
0
f(x
0
) - - -
x
0
f(x
0
) f

(x
0
) - -
x
1
f(x
1
) f[x
0
, x
1
] f[x
0
, x
0
, x
1
] -
x
1
f(x
1
) f

(x
1
) f[x
0
, x
1
, x
1
] f[x
0
, x
0
, x
1
, x
1
]
Ejemplo:
Calculemos el polinomio de gardo 5, interpolante de Hermite, verivando:
p(0) = 1 p(1) = 1 p(3) = 2
p

(0) = 0 p

(1) = 5 p

(3) = 2
Apuntes de J. Lorente 15
Para ello usamos la tabla de D.D. del tipo anterior que da lugar a:
x
i
f(x
i
) o y
i
D.D. 1 D.D. 2 D.D. 3 D.D. 4 D.D. 5
0 1
0 1 0
1 -1 -2 -2
1 -1 5 7 9
3 2
3
2
-
7
4
-
35
12
-
143
36
3 2 2
1
4
1
47
36
95
54
Por tanto el interpolante de Hermite es:
H(x) = 1 2x
2
+ 9x
2
(x 1)
143
36
x
2
(x 1)
2
+
95
54
x
2
(x 1)
2
(x 3)
La graca del interpolante se da en la Figura 4.2.
Figura 4.2: Interpolante de Hermite
16 Interpolaci on.
4.4.1. Diferencias Finitas: Formulas de Newton Progresiva y Regre-
siva.
Nos preguntamos, ahora, c omo puede expresarse el polinomio de interpolacion para datos
lagrangianos; es decir, p (x
i
) = f (x
i
) = y
i
cuando los nodos est an igualmente espaciados?.
Supongamos que los nodos son de la forma: a = x
0
< x
1
< < x
n
= b con x
i
= a+ih, i =
0, . . . , n y h =
ba
n
; entonces, podemos relacionar las diferencias divididas de f(x) con las
llamadas Diferencias Finitas (D.F.) de f(x). Pero, como se denen?.
Denici on 4.2 Llamamos D.F. progresiva de f de orden k 0 en un punto x, al valor:

k
f(x) =
_
_
_
f(x) si k = 0
f(x + h) f(x) si k = 1

k1
f(x)
_
si k > 1
Si usamos como punto un nodo de interpolaci on, entonces las D.F. progresivas seran:

0
y
i
= y
i
, i = 0, 1, . . . , n
y
i
= y
i+1
y
i
, i = 0, . . . , n 1

k
y
i
=
_

k1
y
i
_
, i = 0, . . . , n k
De forma similar pueden denirse las D.F. regresivas para f o datos; a saber,
Denici on 4.3 Llamamos D.F. regresiva de f de orden k 0 en un punto x, al valor:

0
f(x) = f(x)
f(x) = f(x) f(x h)

k
f(x) =
_

k1
f(x)
_
o bien,

0
y
i
= y
i
, i = 0, 1, . . . , n
y
i
= y
i
y
i1
, i = 1, . . . , n

k
y
i
=
_

k1
y
i
_
, i = k, . . . , n
Ahora, con esta nomenclatura, es facil comprobar la propiedad siguiente:
Proposicion 4.2 Dada f evaluada en nodos igualmente espaciados, x
i
= a + ih, i = 0, . . . n ,
entonces:
1. f[x
0
, x
1
, . . . , x
k
] =

k
y
0
k!h
k
, k = 0, . . . , n (D.D. ascendentes mediante D.F. progresivas)
2. f[x
n
, x
n1
, . . . , x
nk
] =

k
yn
k!h
k
, k = 0, . . . , n (D.D. descendentes mediante D.F. regresivas).
Por lo tanto, desde las dos propiedades anteriores, el polinomio de interpolaci on en la forma
de Newton admite las representaciones que especicamos a continuaci on.
Apuntes de J. Lorente 17
F ormula de Newton Progresiva.
Esta la obtenemos usando la formula de Newton clasica para el interpolante de Lagrange;
es decir,
P
N
(x) = f [x
0
] + f [x
0
, x
1
] (x x
0
) + + f [x
0
, x
1
, . . . , x
n
] (x x
0
) (x x
1
) (x x
n1
)
Esta expresion quedara reducida a la siguiente:
P
N
(x) =
0
y
0
+
y
0
h
(x x
0
) + +

n
y
0
n!h
n
(x x
0
) (x x
1
) (x x
n1
)
pero si realizamos el cambio de variable:
s =
x x
0
h

x x
i
h
=
x (x
0
+ ih)
h
= s i
entonces,
P
N
(s) =
0
y
0
+ y
0
s +
2
y
0
s(s1)
2!
+ +
n
y
0
s(s1)(sn+1)
n!
=
=
n

k=0
_
s
k
_

k
y
0
(4.20)
F ormula de Newton Regresiva.
Si, en el metodo de interpolaci on de Newton, usamos un proceso descendente; es decir, desde
el nodo x
n
hasta el nodo x
0
tendramos la F ormula de Newton siguiente:
P
N
(x) = f [x
n
] +f [x
n
, x
n1
] (x x
n
) + +f [x
n
, x
n1
, . . . , x
0
] (x x
n
) (x x
n1
) (x x
1
)
y, desde aqu, de forma similar pero con las diferencias regresivas llegamos a la expresi on:
P
N
(x) =
0
y
n
+
y
n
h
(x x
n
) + +

n
y
n
n!h
n
(x x
n
) (x x
n1
) (x x
1
)
Como antes, si hacemos el cambio:
t =
x
n
x
h

x
ni
x
h
=
(x
n
ih) x
h
= t i
tenemos la expresion:
P(t) =
0
y
n
y
n
t +
2
y
n
t(t1)
2!
+ + (1)
n

n
y
n
t(t1)(tn+1)
n!
=
=
n

k=0
(1)
k
_
t
k
_

k
y
n
(4.21)
18 Interpolaci on.
Observaci on.- En las expresiones (4.20) y (4.21) he usado el combinatorio formal:
_
w
k
_
=
w(w1)(wk+1)
k!
con w = s o w = t.
EJEMPLO
Calculamos la tabla respectivas de diferencias nitas progresivas y regresivas para los datos:
(2, 3) , (0, 1) , (2, 3) , (4, 5) y damos las respectivas expresiones del interpolante.
Soluci on: Las diferencias nitas (progresivas y regresivas) son:

k
y
0

y
i
=
0
y
i

y
i

2
y
i

3
y
i

3
-4
1 8
4 -10
3 -2
2
5

k
y
n

y
i
=
0
y
i

y
i

2
y
i

3
y
i
Por lo tanto, los respectivos polinomios de interpolaci on son:
FORMA PROGRESIVA (coecientes en azul-morado):
p(s) = 3 4s + 8
s(s1)
2
10
s(s1)(s2)
6
donde s =
x+2
2
(pues h = 2, y x
0
= 2)
FORMA REGRESIVA (coecientes en rojo-morado):
p(s) = 5 2t 2
t(t1)
2
+ 10
t(t1)(t2)
6
donde t =
4x
2
(pues h = 2, y x
3
= 4)
Apuntes de J. Lorente 19
4.4.2. Interpolaci on por resurrencia
Aqu se pretende obtener de forma recursiva el valor del polinomio de interepolacion en
xdesde una modicaci on adecuada en la tabla de diferencias divididas. El procedimeiento
est a basado en el resultado siguiente (que se atribuye a Aitken).
Lema general de Aitken
Sean P
S
i
(x) y P
S
j
(x) sendos polinomios interpolantes para los conjuntos de nodos respectivos
S
i
y S
j
. Supongamos que ambos conjuntos dieren, exactamente, en un nodo; a saber, x
i

S
i
S
j
y x
j
S
j
S
i
. Entonces, el interpolante para la union de nodos, S = S
i
S
j
es:
P
S
(x) =
(x x
j
)P
S
i
(x) (x x
i
)P
S
j
(x)
x
i
x
j
La demostraci on es muy simple, pues basta con evaluar la expresion propuesta en los nodos
de interpolacion de S, x
r
, para los casos:
r ,= i o j
r = i
r = j
y comprobar que el resultado es el valor y
r
respectivo.
En particular, si P
i,i+1,...,i+k1
(x) y P
i+1,...,i+k1,i+k
(x) son los polinomios de interpolacion en
los nodos x
i
, x
i+1
, . . . , x
i+k1
y x
i+1
, . . . , x
i+k1
, x
i+k
respectivamente. Entonces, el inter-
polante para los nodos x
i
, x
i+1
, . . . , x
i+k1
, x
i+k
es:
P
i,i+1,...,i+k1,i+k
(x) =
(x x
i
)P
i+1,...,i+k1,i+k
(x) (x x
i+k
)P
i,i+1,...,i+k1
(x)
x
i+k
x
i
Ahora, desde este resultado podemos generar una tabla de interpolantes susesivos para 1
nodo, 2 nodos, , hasta el total de nodos con el objetivo de conseguir el valor del polinomio de
interpolaci on en x. Dependiendo de la estrategia elegida aparecen dos tablas diferenciadas:
Estrategia de Neville

Esta tiene el mismo procedimiento de c alculo que las diferencias divididas salvo por los
factores x x
r
y conduce a la tabla siguiente:
x x
i
x
i
y
i
= P
i
(x) P grado 1 P grado 2 P grado 3
x x
0
x
0
y
0
= P
0
(x)
x x
1
x
1
y
1
= P
1
(x) P
01
(x)
x x
2
x
2
y
2
= P
2
(x) P
12
(x) P
012
(x)
x x
3
x
3
y
3
= P
3
(x) P
23
(x) P
123
(x) P
0123
(x)

20 Interpolaci on.
Estrategia de Aitken
Esta estrategia conduce a la tabla siguiente:
x x
i
x
i
y
i
= P
i
(x) P grado 1 P grado 2 P grado 3
x x
0
x
0
y
0
= P
0
(x)
x x
1
x
1
y
1
= P
1
(x) P
01
(x)
x x
2
x
2
y
2
= P
2
(x) P
02
(x) P
012
(x)
x x
3
x
3
y
3
= P
3
(x) P
03
(x) P
013
(x) P
0123
(x)

Por ultimo, observe que ambas estrategias tiene los mismos valores en la diagonal de las
tablas respectivas. As, el valor de salida de ambas estrategias es:
p(x) = P
0,1,...,n
(x)
Ejemplo.
Calcula el valor del polinomio de interpolaci on en x = 3 para los datos: (1, 0), (2, 1), (5, 2), (6, 5)
Soluci on.
Si utilizamos la tabla de Neville, se obtiene:
x x
i
x
i
y
i
= grad. 0 grado 1 grado 2 grado 3
4 1 0
1 2 1
4
3
2 5 2 0
4
9
3 6 5 4 1
16
21
Desde aqu, el valor buscado es: p(3) = P
0123
(3) =
16
21
Si usamos la estrategia de Aitken, obtenemos la tabla de valores:
x x
i
x
i
y
i
= grad. 0 grado 1 grado 2 grado 3
4 1 0
1 2 1
4
3

2 5 2
4
3

4
9

3 6 5
20
7

2
7

16
21
De nuevo, el valor del interpolante es: p(3) = P
0123
(3) =
16
21
.
Ejercicio.
Compruebe, usando la f ormula de interpolacion de Newton, que el valor obtenido mediante las
tablas anteriores es el correcto.
Apuntes de J. Lorente 21
4.5. Error en la Interpolaci on Polinomial.
Cuando calculamos el polinomio de interpoalcion para el problema de Lagrange o Hermite,
en general, estamos dando una estimaci on del modelo exacto por lo que se comete un error que
pretendemos analizar de forma escueta en esta seccion. Lo hacemos para los dos problemas m as
cl asicos: Interpolaci on polinomial lagrangiana y de Hermite cl asica.
As supongamos que los datos vienen de la funcion f(x) y sea p(x) el interpolante de f(x)
entonces llamamos error de interpolaci on en x al valor:
E(x) = f(x) p(x)
En esta situaci on, nos preguntamos si podemos dar una estimacion manejable de este valor.
Veamoslo en los casos comentados anteriormente.
Sea p
n
(x) el interpolante de f(x) en los nodos x
0
, x
1
, . . . , x
n
, entonces, el error lo escribimos
como E
n
(x) = f(x) p
n
(x). Si usamos la formula de Newuton, tenemos que:
p
n
(x) = f(x
0
) + f[x
0
, x
1
] (x x
0
) + + f[x
0
, . . . , x
n
] (x x
0
) (x x
n1
)
y tambien, si agregamos un nuevo nodo de interpolaci on, x
n+1
= x tendremos la expresion
formal de Newton:
p
n+1
(x; x) = p
n
(x) + f[x
0
, . . . , x
n
, x] (x x
0
) (x x
n1
) (x x
n
)
Pues bien, si suponemos que el nodo elegido es precisamente el nodo generico x = x, es
evidente que la expresi on anterior es una forma de escribir la funcion f(x); es decir,
f(x) p
n+1
(x; x) = p
n
(x) + f[x
0
, . . . , x
n
, x] (x x
0
) (x x
n1
) (x x
n
)
Por lo tanto, el error de interpolacion polinomial es:
E
n
(x) = f(x) p
n
(x) = f[x
0
, . . . , x
n
, x] (x x
0
) (x x
n1
) (x x
n
)
Si usamos la propiedad que relaciona las diferencias dididas con la derivabilidad de una
funci on podemos obtener el resultado siguiente:
Teorema 4.3 Sea f C
n+1
([a, b]) y sea p
n
(x) el polinomio de interpolacion de f en los nodos
x
i
i = 0, 1, . . . , n del intervalo [a, b]. Entonces,
1. E
n
(x) = f(x) p
n
(x) =
f
n+1)
(x)
(n+1)!
(x)
donde (x) = (x x
0
) (x x
1
) (x x
n
) =
n

i=0
(x x
i
)
2. Una estimacion del error es la siguiente: [E
n
(x)[
M
(n+1)!
[(x)[ donde M es una cota
para

f
n+1)
(x)

en el intervalo [a, b].

22 Interpolaci on.
As, podemos observad que el error de interpolaci on puede estar controlado para funciones
suaves pero el termino que depende de los nodos en una forma especial puede presentar grandes
oscilaciones debido a tal propiedad intrnsica de los polinomios de grado elevado. Nos pregunta-
mos, pues, si interpolamos una funcion dada en un intervalo [a, b] mediante el aumento sucesivo
de nodos de interpolacion ser a m as peque no el error?; es decir, converger a la sucesi on de
polinomios de interpolaci on a la funci on cuando n ?
La respuesta, en general, es negativa, a menos que los nodos sean elegidos de forma especial.
Observe esto con el ejemplo de la Figura 4.3.
Figura 4.3: funcion e interpolantes p
2
(x), p
6
(x) y p
10
(x)
La funci on considerada es: f(x) =
1
1+x
2
en el intervalo ]-5, 5[ y nodos de interpolaci on
igualmente espaciados:
5, 0, 5; 5,
20
6
,
10
6
, 0,
10
6
,
20
6
, 5; 5, 4, 3, 2, 1, 0, 1, 2, 3, 4, 5
En estas gracas puede apreciarse que el error de interpolacion no disminuye con el grado
sino que es mayor, por lo que esta distribucion de nodos conduce a una sucesion de polinomios
divergente. Nos preguntamos, pues, es posible elegir unos nodos optimos respecto del error de
interpolaci on?
En terminos m as precisos,
existen nodos x
i
en el intervalo de interpolacion para los que max
x[a,b]
[(x)[ sea mnimo?
La respuesta a esta cuestion esta en las propiedades de los llamados polinomios de Chebyshev
cuyo an alisis detallado se hace en el captulo 5.
Tales polinomios vienen denidos, en el intervalo [-1,1] mediante la relaci on de recurrencia:
T
0
= 1, T
1
= x, T
n+1
= 2xT
n
T
n1
n 1
As por ejemplo los cinco primeros polinomios de Chebyshev son:
Apuntes de J. Lorente 23
T
0
= 1, T
1
= x, T
2
= 2x
2
1, T
3
= 4x
3
3x, T
4
= 8x
4
x
2
+ 1
Pues bien, estos polinomios tienen propiedades muy interesantes en relaci on al error de
interpolaci on.
1. p(x) =
T
n+1
2
n
es un polinomio de grado n+1 y coeciente lder 1 que cumple:
|p(x)|

= m ax
x[1,1]
_
[T
n+1
(x)[
2
n
_
=
1
2
n
2. para cualquier polinomio de grado n+1 y coeciente lder 1, q(x), se cumple:
|q(x)|

1
2
n
3. El polinomio de Chebyshev, T
n+1
, tiene exactamente n+1 ceros distintos en el intervalo
] 1, 1[ que vienen dados por la igualdad:
x
i
= cos
_
2i + 1
n + 1


2
_
i = 0, 1, . . . , n
(esta igualdad proviene de la igualdad siguiente: T
n+1
(x) = cos ((n + 1)), con =
arc cos(x))
Como consecuencia de estas dos propiedades podemos asegurar que los mejores n+1 nodos
de interpolaci on para una funcion en el intervalo [-1,1] seran los ceros del polinomio de Chebys-
hev T
n+1
pues, en tal caso, el polinomio (x) sera
T
n+1
2
n
cuyo valor m aximo en el intervalo [-1,1]
es lo m as pequeo posible y por tanto el error de interpolacion sera optimo.
Pero, que ocurre si deseamos interpolar una funci on suave en un intervalo [a, b] ,= [1, 1]?
Pues, lo unico que hay que hacer es un cambio de variable adecuado que transforme los nodos
del intervalo [-1,1] en nodos del intervalo [a,b].
Con el cambio de variable se tienen los nodos en [a, b]:
x
i
= a +
b a
2
_
1 + cos
_
2i + 1
n + 1


2
__
i = 0, 1, . . . , n
En la tabla siguiente se dan los nodos optimos para n=2, 3, 4 en intervalos diferentes:
[1, 1] [5, 5]
2 0,866025, 0., 0,866025 4,33013, 0., 4,33013
3 0,92388, 0,382683, 0,382683, 0,92388 4,6194, 1,91342, 1,91342, 4,6194
4 0,951057, 0,587785, 0., 0,587785, 0,951057 4,75528, 2,93893, 0., 2,93893, 4,75528
Observe y compare el comportamiento de los interpolantes en las Figuras 4.3 y 4.4.
24 Interpolaci on.
Figura 4.4: Interpolantes con nodos optimos para f(x) =
1
1+x
2
en [5, 5]