1

Interpolación.
En diferentes momentos, has visto distintas maneras de expresar una función. Has
visto, por ejemplo, que en numerosas ocasiones las funciones se expresan
mediante tablas de valores obtenidos de la observación o de la experimentación.
También has visto que cuando la función puede ser expresada mediante una
relación matemática (en especial una relación matemática sencilla) es muy fácil
obtener información de la misma. Por lo tanto, un problema con el que nos
tendremos que enfrentar con frecuencia es cómo obtener una expresión
matemática que represente la función que estamos estudiando cuando los datos
los hemos obtenido experimentalmente o mediante observación de algún
fenómeno.
En la mayoría de los casos este problema es demasiado complejo para resolverlo,
por lo que nos conformaremos con una aproximación. El proceso por el que a una
tabla de valores se le asocia una expresión matemática que la represente se
denomina Interpolación. La función obtenida debe representar de forma exacta
los valores de la tabla, pero no proporciona más que una estimación de los valores
que no aparezcan en la tabla.
Una vez que hemos aceptado que no vamos a dar con una expresión exacta sino
aproximada, surge otro problema. ¿De qué tipo es la función con la que vamos a
realizar la aproximación? o dicho de una manera más rigurosa ¿qué tipo de
interpolación vamos a hacer?
En numerosos casos, nos encontramos con que no se cuentan con datos
concretos, como para poder determinar valores dependientes (y), en función de
una o más variables independientes. Es aquí cuando debemos utilizar la
interpolación.
Los métodos más utilizados son: método lineal, logarítmico y el exponencial.
Gráficamente tienden a las siguientes formas

Sólo se explicará la interpolación lineal, debido a su simpleza, y gran utilidad. La

interpolación lineal, se basa en la utilización de la ecuación de la recta y=mx+c.
y = Variable Dependiente
x =Variable Independiente
m = Pendiente de la recta
c = Coeficiente de posición
La forma de utilizar esta fórmula, principalmente es calculándola a partir de dos
puntos. Para ello debemos saber sólo la ecuación de la pendiente
 2

y2  y1
m
x2  x1
Para clarificar el desarrollo revisemos un ejemplo. Si tenemos dos puntos (x,y), los
cuales son (3,4) y (6,8), calcular la ecuación de la recta.
84
m
63
4
m
3
m  1, 3
y  1, 3x  c
Ahora para calcular el coeficiente de posición, debemos remplazar cualquiera de
los puntos dados en la ecuación.

y  1, 3x  c
8  1, 3 * 6  c
8  7, 9  c
c  8  7, 9
c0
El coeficiente de posición, nos entrega el punto donde la recta corta el eje y, en
este caso, será cuando x sea igual a 0.
La representación gráfica de los puntos de la tabla nos puede dar una idea, pues
los puntos que se representen pueden mostrar una tendencia. Por ejemplo, si
resulta que los puntos parecen estar alineados debemos buscar una función lineal
para representarlos. Diremos en ese caso que realizamos una interpolación
lineal. Si la apariencia de los puntos se asemeja a una parábola realizaríamos una
interpolación cuadrática. Y así con cualquier tipo de función cuyo aspecto
conociéramos previamente.
En la práctica puede suceder que no dispongamos de puntos suficientes para
adivinar la tendencia, o que aún teniendo puntos suficientes, la gráfica no se
parezca a nada conocido. Existen procedimientos bastante complejos para
interpolar ese tipo de funciones, pero que no están a nuestro alcance. En una
situación de este tipo nosotros nos conformaremos con una interpolación lineal
 3

entre cada pareja de puntos, obteniendo una función definida a trozos y cada trozo
definido por una función lineal.
Para comprender todo esto mejor haremos uso del siguiente ejemplo.
A lo largo del día se han recogido los siguientes datos de temperaturas:
Hora 10 13 17

Temperatura ºC 7 18 11
Haz una estimación de la temperatura que ha hecho a las 11h, a las 12h, a las
14h, a las 15h y a las 16h.
Para resolver este problema representaremos gráficamente los puntos de la tabla
A(10,7), B(13,18) y C(17,11). Después calcularemos la ecuación de la recta que
pasa por A y por B y la que pasa por B y por C. Recuerda que para ello debes
hacer uso de la fórmula que nos da la ecuación de la recta conocidos dos de sus
puntos:

Introduce ambas ecuaciones en la gráfica adjunta y dibújalas. Pinchando con el

ratón en los puntos adecuados, las coordenadas de esos puntos te darán la
información que necesitas.
Naturalmente los valores obtenidos son simples estimaciones en las que se
supone que la temperatura ha ido cambiando de forma lineal y esto puede no ser
cierto. Cuanto mayor sea el número de puntos de los que se parte y más próximos
estén entre sí mejor será la estimación.
Definición. Dados n  1 puntos que corresponden a los datos:

y los cuales se representan gráficamente como puntos en el plano cartesiano,

Si existe una función f (x ) definida en el intervalo x0 , xn  (donde suponemos que

x 0  x1    x n ), tal que f ( xi )  yi para i  0,1,2, , n , entonces a f (x ) se le
llama una función de interpolación de los datos, cuando es usada para aproximar
valores dentro del intervalo x0 , xn  , y se le llama función de extrapolación de los
datos, cuando está definida y es usada para aproximar valores fuera del intervalo.
 4

Evidentemente pueden existir varios tipos de funciones que interpolen los mismos
datos; por ejemplo, funciones trigonométricas, funciones exponenciales, funciones
polinomiales, combinaciones de éstas, etc.
El tipo de interpolación que uno elige, depende generalmente de la naturaleza de
los datos que se están manejando, así como de los valores intermedios que se
están esperando.

Un tipo muy importante es la interpolación por funciones polinomiales. Puesto que

evidentemente pueden existir una infinidad de funciones polinomiales de
interpolación para una misma tabla de datos, se hace una petición extra para que
el polinomio de interpolación, sea único.
Definición. Un polinomio de interpolación es una función polinomial que además
de interpolar los datos, es el de menor grado posible.
Caso n=0
Tenemos los datos:

En este caso, tenemos que f ( x )  y0 (polinomio constante) es el polinomio de

menor grado tal que f ( x0 )  y0 , por lo tanto, es el polinomio de interpolación.

Caso n=1. Tenemos los datos:

En este caso, el polinomio de interpolación es la función lineal que une a los dos
puntos dados. Por lo tanto, tenemos que
y  y0
f ( x )  y0  1 ( x  x0 )
x1  x0
es el polinomio de interpolación.
La siguiente gráfica representa este caso:
 5

Observación. Vemos que en el polinomio de interpolación del caso n=1 se

encuentra como primer término, y0 , que es el polinomio de interpolación del caso
n=0.
Ejemplo. Se quiere aproximar f(x) = sen x en el intervalo [0,∏], con:
X 0 0.7 1.5 2.3

Y 0 0.64 0.99 0.74

Calcule sen 1 con cada una de las curvas encontradas y compare con el valor
verdadero.

Caso n=2. Tenemos los datos:

Para este caso, el polinomio de interpolación va a ser un polinomio de grado 2.

Tomando en cuenta la observación anterior, intuimos que el polinomio de
interpolación será como sigue:

término cuadrático

Por lo tanto, planteamos el polinomio de interpolación como sigue:

f ( x)  b0  b1 ( x  x0 )  b2 ( x  x0 )( x  x1 )

Si asignamos x  x0 , se anulan los valores de b1 y b2 , quedándonos el

resultado f ( x0 )  b0 .
Como se debe cumplir que f ( x0 )  y0 , entonces y0  b0 .
Si asignamos x  x1 , el valor de b2 queda anulado, resultando lo siguiente:

f ( x1 )  b0  b1 ( x1  x0 )
 6

Como se debe cumplir que f ( x1 )  y1 y ya sabemos que y0  b0 , entonces

y1  y0
 b1
y1  b0  b1 ( x1  x 0 ) , de lo cual obtenemos el valor para b1 , x1  x0 .
Asignando x  x2 , vamos a obtener :

f ( x2 )  b0  b1 ( x2  x0 )  b2 ( x2  x0 )( x2  x1 )

Como se debe cumplir que f ( x2 )  y2 , y ya sabemos que y0  b0 y

y1  y0
 b1
x1  x0 , sustituimos estos datos para después despejar el valor de b2 :

y1  y0
y2  y0  ( x2  x0 )  b2 ( x2  x0 )( x2  x1 )
x1  x0

De lo cual podemos hacer un despeje parcial para lograr la siguiente igualdad :

y1  y0
y 2  y0  ( x2  x0 )
x1  x0
 b2 ( x2  x0 )
x2  x1

Ahora en el numerador del miembro izquierdo de la igualdad, le sumamos un cero

 y1  y1  , de tal manera que no se altere la igualdad:

A continuación, aplicamos un poco de álgebra para así obtener los siguientes

resultados:
 7

y2  y1 y1  y0

x2  x1 x1  x0
b2 
Y finalmente despejando a b2 vamos a obtener x2  x0 .

Por lo tanto, el polinomio de interpolación para este caso es:

Observación. Vemos que efectivamente el polinomio de interpolación contiene al

del caso anterior, más un término extra que es de un grado mayor, pero además
vemos que cada uno de los coeficientes del polinomio de interpolación, se forman
a base de cocientes de diferencias de cocientes de diferencias, etc. Esto da lugar
a la definición de diferencias divididas finitas de Newton, como sigue:

DIFERENCIAS DIVIDIDAS FINITAS DE NEWTON

Las diferencias divididas finitas de Newton, se define de la siguiente manera:

f ( xi )  f ( x j )
f [ xi , x j ] 
xi  x j

f [ xi , x j ]  f [ x j , xk ]
f [ xi , x j , xk ] 
xi  xk



f [ xn ,, x1 ]  f [ xn 1 ,, x0 ]
f [ xn , xn 1 ,, x1 , x0 ] 
xn  x0

A manera de ejemplo citemos el siguiente caso específico:

f [ x3 , x2 , x1 ]  f [ x2 , x1 , x0 ]
f [ x3 , x2 , x1 , x0 ] 
x3  x0
donde a su vez:
f [ x3 , x2 ]  f [ x2 , x1 ] f [ x2 , x1 ]  f [ x1 , x0 ]
f [ x3 , x2 , x1 ]  f [ x2 , x1 , x0 ] 
x3  x1 y x2  x01
Y donde a su vez:
f ( x3 )  f ( x2 )
f [ x3 , x2 ] 
x3  x2
 8

etc. Podemos ahora definir nuestro primer tipo de polinomio de interpolación.

POLINOMIO DE INTERPOLACIÓN DE NEWTON CON DIFERENCIAS

DIVIDIDAS
Dados n  1 datos:

El polinomio de interpolación de Newton se define de la siguiente manera:

f  x   b0  b1  x  x0   b2  x  x0  x  x1     bn  x  x0  x  x1  x  xn 1 

donde:

b0  f  x0 
b1  f [ x1 , x0 ]
b2  f x2 , x1 , x0 

bn  f xn ,, x0 

Para calcular los coeficientes b0 , b1 ,, bn , es conveniente construir una tabla de

diferencias divididas como la siguiente :

Obsérvese que los coeficientes del polinomio de interpolación de Newton, se

encuentran en la parte superior de la tabla de diferencias divididas.
Ejemplo 1. Calcular la tabla de diferencias divididas finitas con los siguientes
datos:

Y utilizar la información de dicha tabla, para construir el polinomio de interpolación

de Newton.
 9

Solución.
Procedemos como sigue:

Por lo tanto el polinomio de interpolación de Newton es:

f ( x )  4  2( x  2)  0.25( x  2)( x  1)  0.3( x  2)( x  1)( x  2)

Ejemplo 2. Calcular la tabla de diferencias divididas finitas con los siguientes

datos:

Y usar la información en la tabla, para construir el polinomio de interpolación de

Newton.
Solución. Procedemos como sigue:

Por lo tanto el polinomio de interpolación de Newton nos queda :

f ( x )  5  3( x  3)  1.66667 ( x  3)( x  2)  0.20238 ( x  3)( x  2)( x )

Antes de ver el siguiente tipo de polinomio de interpolación, veamos como el

imponer la restricción del grado mínimo, implica la unicidad del polinomio de
interpolación.
 10

TEOREMA. Si x0 , x1 ,, xn son números reales distintos, entonces para valores

arbitrarios y0 , y1 ,, yn existe un polinomio único f n  x  , de a lo sumo grado n, y
tal que f n  xi   yi para toda i  0,1,2, , n

DEMOSTRACIÓN. En realidad, no probaremos formalmente la existencia de un

polinomio de interpolación, aunque informalmente aceptamos que dada cualquier
tabla de datos, el polinomio de Newton siempre existe.
Probemos la unicidad del polinomio de interpolación.
Supongamos que g n  x  es otro polinomio de interpolación de a lo más grado n,
Sea hn  x   f n  x   g n  x 
 hn  xi   f n  xi   g n  xi   yi  yi  0 para todo i  0,1,2  , n

Por lo tanto, hn  x  tiene n  1 raíces distintas, y es un polinomio de grado a lo

más n, esto solamente es posible si hn  x   0 . Por tanto,  f n  x   g n  x  , Que es

lo que queríamos probar.
Sin embargo, aunque el polinomio de interpolación es único, pueden existir
diversas formas de encontrarlo. Una, es mediante el polinomio de Newton, otra
mediante el polinomio de Lagrange.

POLINOMIO DE INTERPOLACIÓN DE LAGRANGE

Nuevamente tenemos los datos:

El polinomio de interpolación de Lagrange se plantea como sigue:

P ( x)  y0l0 ( x)  y1l1 ( x)    ynln ( x)

Donde los polinomios li (x) se llaman los polinomios de Lagrange,

correspondientes a la tabla de datos.
Como se debe satisfacer que P ( x0 )  y0 , esto se cumple si l0 ( x0 )  1 y li ( x0 )  0
para toda i  0 .
Como se debe satisfacer que P( x1 )  y1 , esto se cumple si l1 ( x1 )  1 y li ( x1 )  0
para toda i  1 .
Y así sucesivamente, veremos finalmente que la condición Pn  xn   yn se cumple
si ln  xn   1 y li  xn   0 para toda i  n .
 11

Esto nos sugiere como plantear los polinomios de Lagrange. Para ser más claros,
analicemos detenidamente el polinomio l0 ( x ) . De acuerdo al análisis anterior
vemos que deben cumplirse las siguientes condiciones para l0 ( x ) :
l0 ( x0 )  1 y l0 ( x j )  0 , para toda j  0

Por lo tanto, planteamos l0 ( x ) como sigue:

lo  x   c x  x1  x  x2  x  xn 
Con esto se cumple la segunda condición sobre l0 ( x ) . La constante c se
determinará para hacer que se cumpla la primera condición:

l0  x0   1  1  c x0  x1  x0  x2  x0  xn 
1
c
 x0  x1  x0  x2  x0  xn 

Por lo tanto el polinomio l0 ( x ) queda definido como

l0  x  
 x  x1  x  x2  x  xn 
 x0  x1  x0  x2  x0  xn  . Análogamente se puede deducir que:

 ( x  xi )
l j x  
i j

 ( x j  xi )
i j , para j  1, , n

Ejemplo 1. Calcular el polinomio de Lagrange usando los siguientes datos:

Solución. Tenemos que:

f ( x )  y0l0 ( x )  y1l1 ( x )  y2l ( x )  y3l3 ( x )
f ( x)  2l0 ( x)  l1 ( x)  2l2 ( x)  3l3 ( x)

donde:
( x  3)( x  5)( x  7) ( x  3)( x  5)( x  7)
l0 ( x )  
( 2)( 4)( 6)  48

( x  1)( x  5)( x  7) ( x  1)( x  5)( x  7)

l1 ( x )  
( 2)( 2)( 4) 16
 12

( x  1)( x  3)( x  7) ( x  1)( x  3)( x  7)

l2 ( x )  
( 4)( 2)( 2)  16

( x  1)( x  3)( x  5) ( x  1)( x  3)( x  5)

l3 ( x )  
(6)( 4)( 2) 48

Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:

 ( x  3)( x  5)( x  7)   ( x  1)( x  5)( x  7)   ( x  1)( x  3)( x  7)   ( x  1)( x  3)( x  5) 

f ( x)      
 24   16   8   16 

Ejemplo 2. Calcular el polinomio de Lagrange usando los siguientes datos:

Solución. Tenemos que:

f ( x )  y0l0 ( x )  y1l1 ( x )  y2l ( x )  y3l3 ( x )
f ( x)  l0 ( x)  l1 ( x)  3l2 ( x)  2l3 ( x)

( x  0)( x  2)( x  4) x ( x  2)( x  4)

l0 ( x )  
donde ( 2)( 4)( 6)  48

( x  2)( x  2)( x  4) ( x  2)( x  2)( x  4)

l1 ( x )  
( 2)( 2)( 4) 16

( x  2)( x  0)( x  4) x ( x  2)( x  4)

l2 ( x )  
( 4)( 2)( 2)  16

( x  2)( x  0)( x  2) x ( x  2)( x  2)

l3 ( x )  
(6)( 4)( 2) 48

Sustituyendo arriba, el polinomio de Lagrange queda como sigue:

 x ( x  2)( x  4)   ( x  2)( x  2)( x  4)   x ( x  2)( x  4)   x ( x  2)( x  2) 

f ( x)      3  
  48   16    16   24 