Anlisis del error en las frmulas de interpolacin.

La interpolacin polinomial es un mtodo fcil para obtener los polinomios de

interpolacin para un conjunto dado de datos, sin embargo, puede que el
polinomio calculado no siempre siga la FORMA dictada por los puntos de
interpolacin y entonces se producen errores entre los sucesivos puntos de
interpolacin. En general, se puede decir que la forma de la curva de interpolacin,
sugerida por los puntos de interpolacin es la de una curva poligonal que los une a
todos, y que un buen polinomio de interpolacin ser aquel que siga a la poligonal
lo ms estrechamente posible.

Para entender lo que significan los errores de interpolacin, y como se pueden
evaluar, consideremos el caso en el que se desea aproximar una funcin conocida
( ) f x , por medio de polinomios. Para conseguir tal aproximacin, se tabula ( ) f x
en un conjunto dado de abscisas
0 1
, ,...,
n
x x x para obtener el correspondiente
conjunto de ordenadas ( )
k k
y f x = .En seguida se calcula el polinomio de
interpolacin en base a los puntos tabulados ( ) ( )
,
k k
x f x , y se utiliza ( )
n
P x en lugar
de ( ) f x en todos los usos prcticos que se desean hacer con l.

Como ejemplo, considrese una campana de Gauss
2
x
y e
-
= en el intervalo [5,5].
Para calcular un polinomio que se aproxime a esta funcin, se considera el
soporte (-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5), se tabulan las ordenadas
correspondientes y se ajusta enseguida un polinomio de interpolacin de grado 10.

El resultado de tal ajuste se muestra a continuacin:


Fig.1 Aproximacin de la campana de Gauss por interpolacin polinmica


En la figura 1 se puede observar que existen zonas en las que el polinomio se
aproxima bien a la forma de la campana, mientras que en otras zonas, se
producen oscilaciones y los valores que da el polinomio difieren
considerablemente de los valores de la funcin.
El error de interpolacin es
( ) ( ) ( )
10
x f x P x e = -

Se ve que cerca del origen, el error se mantiene en valores razonables, pero hacia
los extremos, el error aumenta hasta valores inaceptables, llegando a valer ms
de dos unidades en puntos del intervalo [4,5], aunque se anula en los puntos de
interpolacin. Se puede ver que aparecen oscilaciones, tales oscilaciones de las
curvas de interpolacin son intrnsecas al proceso.

Lo importante es saber si los errores que estn intrnsecamente presentes en ellas
son lo suficientemente graves como para invalidar la utilidad del polinomio y para
ello hay que evaluarlos. Para determinarlos, en principio se requerira conocer la
forma exacta de las funciones pero esas funciones se desconocen.

Ahora bien si no se pueden determinar con exactitud las diferencias entre los
polinomios de interpolacin y las funciones verdaderas, porque estas ltimas son
desconocidas, tales diferencias (que representan los errores de interpolacin)
pueden ser estimadas aproximadamente.

As pues, a continuacin se presentan algunos teoremas para la estimacin de
errores en la interpolacin.


1.- Estimaciones del error en la interpolacin de Lagrange

Teorema 1. Sea
| | ( )
1
,
n
f C a b
+
e . fijados un soporte de n+1 puntos distintos
( )
0
n
i
i
S x
=
= del intervalo
| |
, a b , los valores asociados
( )
0
n
i
i
f x
=
y el polinomio de
interpolacin [ ]
n
p x p t.q.
( ) ( ), 0,...,
i i
p x f x i n = = ent. [ ] ( ) , ,
x
x a b a b x " $ t.q.


(1)

donde
( ) ( )
0
n
S i
i
x x x e
=
= [

es el polinomio soporte asociado a S.
nota: Obsrvese que si n = 0 y
{ }
0
S x = obtenemos el teorema del valor medio.



( ) ( )
( )
( )
( )
( )
1
1 !
n
x
S
f
f x p x x
n

e
+
=
+
Demostracin:
Si
i
x x = para algn i , el resultado del Teorema 1 es evidente pues (0=0).
Supongamos ahora que , 0,...,
i
x x i n = = . Adems, consideremos la funcin auxiliar

( ) ( ) ( ) ( ),
S
t f t p t t t f l w = - - ,
con ( ) t.q. 0 x l f = . Entonces,
( ) ( )
( )
s
f x p x
x
l
w
-
=
Adems, se verifica que ( ) 0, 0,...,
i
x i n f = = . Como
| | ( )
1
,
n
C a b |
+
e y se anula en
n+2 puntos distintos, por el Teorema de Rolle, deducimos que
| | ( )
' ,
n
C a b | e

se
anula al menos en n+1 puntos distintos del intervalo (a, b). Aplicando el teorema
de Rolle sucesivamente, llegamos a que
| | ( )
1 0
,
n
C a b |
+
e se anula al menos en un
punto de (a,b).

Sea ( )
( )
( )
1
, t.q. 0
n
x x
a b x f x
+
= . Como
( ) ( )
( )
1 1
0 y 1 !
n n
S
p n e
+ +
= = + , se tiene que:



de donde se deduce (1), despejando el error ( ) ( ) f x p x - .
Corolario 1. Veamos algunas estimaciones del error. Utilizando la norma del
mximo tendremos


.(2)

donde

( ) ( )
s
H x x w =


de la que se deduce la frmula general de estimacin del error en interpolacin


( )
( )
( )
( )
( )
( ) ( )
( )
( )
( ) ( )
( )
( )
1 1 1
1
0 = 1 !
= 1 !,
n n n
x x x
n
x
s
f p n
f x p x
f n
x
f x x x l
x
w
+ + +
+
= - - +
-
- +

.(3)

vlida para todas las normas funcionales y en particular para
la , que es la ms interesante en interpolacin.


Corolario 1.2 Si queremos encontrar una cota global al error en un intervalo, o sea,
en el caso en que y si nos restringimos [ ]
0
,
n
x x x se puede deducir
una estimacin muy til del error de interpolacin de
( ) ( ) f x p x . Para ello
utilizamos la mayoracin





donde h es la mxima de las distancias entre puntos
1
y
i i
x x
+
adyacentes. Con ello


.(3.1)



Si mantenemos el nmero de puntos pero los cogemos cada vez ms cerca e
interpolamos, el error tiende a cero con
( ) 1 n
h
+
; por tanto, el orden de mtodo es
( )
1 n
O h
+
.Esto no significa que fijada la zona de interpolacin, el error disminuya por
utilizar ms puntos; eso depende tambin de las derivadas sucesivas de la funcin
f las cuales pueden crecer en valor absoluto.


2.- Estimaciones del error en la interpolacin global de Hermite


Teorema 2. Sea
| | ( )
2 2
,
n
f C a b
+
e . Fijados un soporte de n + 1 puntos distintos
( )
0
n
i
i
S x
=
=

de
| |
, a b los valores asociados ( ) ( )
0
n
i
i
f x
=

, ( ) ( )
0
'
n
i
i
f x
=
y el polinomio de
interpolacin de Hermite [ ]
2 1 n
p x
+
p t.q. ( ) ( ) ( ) ( ) y ' ' , 0,...,
i i i i
p x f x p x f x i n = = =
entonces [ ] ( ) , ,
x
x a b a b x " $ t.q.


(4)

( ) ( )
( )
( )
( )
( )
2 2
2
2 2 !
n
x
S
f
f x p x x
n

e
+
=
+
donde

( ) ( )
0
n
S i
i
x x x e
=
= [



Demostracin:
La demostracin es similar a la demostracin del Teorema 1, solamente que ahora
tomamos la funcin auxiliar ( ) ( ) ( ) ( ) ( )
2
, t.q. =0,
S
t f t p t t x t f l w f = - -

Corolario 2.De la misma forma que para el teorema 1 obtuvimos una estimacin
del error en funcin de la norma del mximo, para el teorema 2 (interpolacin
global de Hermite) podemos obtener una estimacin del error (o cota del error) en
funcin de la norma del mximo:


(5)


3.- Estimaciones del error en la interpolacin a trozos

Teorema 3. Si
| | ( )
1
,
m
f C a b
+
e , Ent.


..(6)


donde



es el dimetro de la particin.

En consecuencia,




con orden de convergencia (m+1).
( ) ( )
( )
( )
( )
2 2
2
2 2 !
n
S
f
f x p x x
n
e
+

=
+
( )
( )
1
1
1 !
m
m
h
f
f p h
m
+
+
s
+
0
lim 0
h
h
f p

=
( )
1
1
i i
i n
h x x
mx
s s
=
Demostracin:
Dado

| | , x a b e existe 0,..., i n = tal que
i
x I e . Luego,
( ) ( )
i
h m
p x p x = ,siendo
( )
i
m
p x
el polinomio de interpolacin asociado al soporte
i
m i
S I c . Como
| | ( )
1
,
m
f C a b
+
e ,
podemos usar el Teorema 1 sobre el error de interpolacin de Lagrange en cada
subintervalo
i
I , 0,..., i n = y afirmar que







Usando que
1
,
i
m
i
m
s
I
h e
+

s podemos concluir la demostracin del teorema.

4.- Estimaciones del error de splines cbicos


Consideremos la siguiente notacin de normas






Teorema 3. (Estimaciones del error en norma ) Sean s el spline cbico
(sujeto o natural) asociado a
| | ( )
2
, f C a b e y a la particin
de dimetro .

Ent.


..(7)


Demostracin:
Usaremos la regla de Barrow y la desigualdad de
Cauchy-Schwartz relativa a la norma :
( )
( )
1
,
,
1 !
i
i m
i
m
h
I s
I
f
f p
m
e
+

s
+

Sea . Como para todo 0,..., i n = por
el teorema de Rolle, existe t.q. . Luego, usando la
desigualdad de Cauchy-Schwarz tenemos que:



Elevando al cuadrado esta desigualdad e integrando en
i
I , se tiene



Sumando en i, obtenemos



luego, usando la siguiente desigualdad (para splines cbicos)






es decir, se deduce






Por otra parte, teniendo en cuenta que tenemos que:



Luego, de la misma forma llegamos a donde usando


se deduce




Corolario 3. (Estimaciones del error en norma ) . En las condiciones del
teorema anterior, se verifica:



..(8)


Demostracin:

Tomando mximo en en la siguiente desigualdad usada en la
demostracin anterior:



llegamos a:



de donde, usando nuevamente




deducimos



Luego, tomando mximo en en la desigualdad



obtenemos


de donde, usando



tenemos que




5.- Estimaciones del error en la interpolacin de Newton

La ecuacin del Polinomio de Interpolacin por Diferencias Divididas de Newton es
similar a la serie de expansin de Taylor. Se agregan trminos en forma
secuencial para capturar el comportamiento de alto orden de la funcin a analizar.
Estos trminos son diferencias divididas finitas y, as, representan aproximaciones
de derivadas de orden mayor.
Error de truncamiento:

Para una interpolacin de n-simo orden, una relacin anloga para el error es:

Para esta frmula la funcin debe conocerse.
Una formulacin alternativa es el uso de la diferencia dividida para aproximar la
derivada (n+1)sima y que no requiere el conocimiento previo de la funcin.

Debido a que esta ecuacin contiene el trmino f(x), no puede resolverse para el
error. Si se dispone de un dato adicional la ecuacin puede usarse para estimar el
error.



Ejemplo 1 (error en interpolacin lineal)

Se dispone de una tabla que proporciona la raz cuadrada de los nmeros enteros.
Se trata de utilizar esta tabla para estimar con interpolacin lineal el valor de la
raz de 19.58, dando una cota del error asociado.

Tenemos que:

19 4.3589 y 20 4.4721 = =

La recta que interpola dichos puntos est dada por:

( )
( )
20 19
19 19
20 19
4.3589 0.1132 19
y x
y x
-
- = -
-
= + -


Evaluamos en el punto 19.58 (cuyo valor de su raz cuadrada deseamos
encontrar).

( ) 4.3589 0.1132 19.58 19 4.4246 y = + - =

El error cometido es:
19.58 4.4246 0.00033 - =
Dicho valor, no debe superar la acotacin dada por la desigualdad (3.1), veamos:
para n=1 (polinomio interpolante de grado 1) tenemos que:


Con lo que vemos que efectivamente, el valor del error no supera la cota dada por
desigualdad 3.1, as, el mximo para la norma del mximo se alcanza entre 19 y
20 con n=1.

Ejemplo 2 (error interpolacin lagrange)

Suponga que debe preparar una tabla de la funcin ( )
x
f x e = , para [ ] 0,1 x .
Suponga, adems, que el nmero de cifras decimales de cada entrada o valor es
8 d y que h , el tamao del paso, es la diferencia entre los valores adyacentes de
x . Cul debe ser el valor de h para que la interpolacin lineal (i.e. el polinomio
de grado 1 de Lagrange) arroje un error absoluto a lo mximo de
6
10
-
?

Solucin:

Sean
0 1
, ,..., x x los nmeros en los que se evala f , en [ ] 0,1 x en , y suponga que
j satisface
1 j j
x x x
+
. La ecuacin (1) significa que el error de la interpolacin
lineal es




Por ser h el tamao del paso, se deduce que ( )
1
, 1
j j
x jh x j h
+
= = + y que:



Por tanto,



Al considerar ( ) ( ) ( ) ( ) ( ) 1 para 1 g x x jh x j h jh x j h = + s s + se tiene que:




( ) ( )
( )
( )
( )
( )( )
( )
( )
2
1 1
1 1
1 1 ! 2
x
x
j j j j
f
f
f x p x x x x x x x x x

+
+ +
= =
+
( ) ( )
( )
( )
( ) ( ) ( )
2
1
2
x
f
f x p x x jh x j h

= +
( ) ( )
| |
( ) ( ) ( )
( ) ( ) ( )
1
1
0,1
1
1
2
1
1
2
x
x j j
j j
x x x
x x x
f x p x mx e mx x jh x j h
e mx x jh x j h

+
+
e s s
s s
s +
s +
( ) ( ) ( ) ( )
( ) ( ) ( )
1 1
1
2
1
1
2 4
1
1
2
j j j j
j j
x x x x x x
x x x
h
mx x jh x j h mx g x g j h
e mx x jh x j h
+ +
+
s s s s
s s
| | | |
+ = = + =
| |
\ . \ .
s +
En consecuencia, el error de la interpolacin lineal est acotado por
( ) ( )
2
8
eh
f x p x s
y es suficiente elegir h de modo que
2
6
10
8
eh

s , lo cual implica que
3
1.72 10 h
-
< .
Puesto que
1 0
n
h
-
= debe ser un entero, podemos elegir 0.001 h= .


BIBLIOGRAFA:
1. Un curso de Clculo Numrico: Interpolacin, Aproximacin, Integracin y
Resolucin de Ecuaciones Diferenciales. A.Doubova, F.Guilln Gonzlez.
Universidad de Sevilla.2007.
2. Problemas de Clculo Numrico par ingenieros con aplicaciones Matlab. Juan
Miguel Snchez, Antonio Souto. Serie Shaum. 2005.
3. Mtodos numricos para ingenieros. Steven. C. Chapra, Raymond P. Canale.
Mc Graw Hill. 5. edicin. 2006.
4. Uso de la Interpolacin Polinomial en Economa (Tesis IPN-ESFM).Mariana
Laura Nez Garduo, Mara Del Consuelo Macias Gonzles. 2006.