UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERÍA
UNIDAD IV: INTERPOLACIÓN POLINOMIAL
Por: M.Sc. Alvaro Espinosa Pérez

3.1. INTRODUCCIÓN
Los orígenes de la interpolación los podemos encontrar en los intentos de obtener, a partir de las tablas de
valores publicadas para las funciones tradicionales como las raíces cuadradas o las trigonométricas, otros
valores para argumentos que no aparecían en las tablas. La aparición de los computadores ha hecho que
esta necesidad desaparezca prácticamente. De todas formas, la interpolación sigue teniendo un papel
central en el análisis numérico debido a su papel de representar una tabla de valores en términos de una
función y viceversa.

DEFINICIÓN: Dados 𝑛 + 1 puntos distintos 𝑎 ≤ 𝑥1 ≤ 𝑥2 ≤ ⋯ ≤ 𝑥𝑛+1 ≤ 𝑏 de un intervalo [𝑎, 𝑏], llamados

nodos de la interpolación, y 𝑛 + 1 números reales 𝑦1 , 𝑦2 , ⋯ , 𝑦𝑛+1 llamados valores de la interpolación, la
interpolación trata de encontrar una función 𝑓 de grado ≤ 𝑛 tal que 𝑓(𝑥𝑖 ) = 𝑦𝑖 para 𝑖 = 1. 2, … , 𝑛 + 1.

En otras palabras, La interpolación polinomial consiste en estimar 𝑓(𝑥 ∗ ) con 𝑃(𝑥 ∗ ) si 𝑥 ∗ no está en la tabla
pero se puede ubicar entre estos valores.

Son muchos los problemas en ingeniería en los que hay que estudiar funciones que no se conocen
explícitamente. En su lugar sólo se conoce una tabulación de los valores que toma la función en ciertos
puntos (por ejemplo como resultado de medidas experimentales). Dichos problemas son buenos candidatos
paran la utilización de las técnicas interpoladoras. La interpolación polinomial es la base de muchos tipos
de integración numérica y tiene otras aplicaciones teóricas

TEOREMA: Dados 𝑛 + 1 puntos (𝑥0 , 𝑦0 ), (𝑥1 , 𝑦2 ), ), . . . , (𝑥𝑛 , 𝑦𝑛 ), ) con 𝑥𝑖 ≠ 𝑥𝑗 si 𝑖  𝑗; existe un único

polinomio 𝑃𝑛 (𝑥) de grado  𝑛 tal que 𝑃(𝑥𝑖 ) = 𝑦𝑖 , para 𝑖 = 0, 1, . . . , 𝑛

3.2. POLINOMIO DE TAYLOR

Nos detendremos especialmente en el teorema de Taylor, justificando la introducción del
polinomio de Taylor como la mejor aproximación lineal, cuadrática, y en general polinómica de
una función en un punto. Haremos ver qué consecuencias teóricas de aproximar el valor de
algunas funciones acotando el error cometido.

TEOREMA DE TAYLOR: Supongamos que 𝑓 ∈ 𝐶 𝑛 [𝑎, 𝑏], que 𝑓 (𝑛+1) existe en [𝑎, 𝑏]. Para cada
𝑥[𝑎, 𝑏], existe un número (x) entre 𝑥0 y 𝑥 tal que
𝑓(𝑥) = 𝑃𝑛 (𝑥) + 𝑅𝑛 (𝑥)
donde
𝑓′′(𝑥0 ) 𝑓 (𝑛) (𝑥0 )
𝑃𝑛 (𝑥) = 𝑓 (𝑥0 ) + 𝑓 ′(𝑥0) (𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2 + ⋯ + (𝑥 − 𝑥 0 )𝑛
2! 𝑛!
𝑛
𝑓 (𝑘) (𝑥0 )
=∑ (𝑥 − 𝑥 0 )𝑘
𝑘!
𝑘=0
y
𝑓 (𝑛+1) ((𝑥))
𝑅𝑛 (𝑥) = | | (𝑥 − 𝑥0 )𝑛+1
(𝑛 + 1)!

Tenemos entonces que 𝑃𝑛 (𝑥) se llama el n-ésimo polinomio de Taylor para 𝑓 respecto a 𝑥0 , y
𝑅𝑛 (𝑥) se llama el término del residuo o error de truncamiento asociado a 𝑃𝑛 (𝑥).

La serie infinita al tomar el límite de 𝑃𝑛 (𝑥) cuando 𝑛  ∞ es la serie de Taylor para f en torno a
𝑥0 . Si 𝑥0 = 0 el polinomio de Taylor se le llama polinomio de M’Claurin.
Ejemplo: Determine el polinomio de Taylor de segundo grado para aproximar 𝑓(𝑥) = 𝑐𝑜𝑠(𝑥) si
𝑥 = 0.01, con 𝑥 0 = 0.
Solución: Se tiene que f es continua para todo 𝑥 ∈ 𝑅, el teorema de Taylor se aplica para cualquier
para 𝑛  0
𝑓(𝑥) = 𝑐𝑜𝑠 𝑥 ⇒ 𝑓(0) = 1
𝑓’(𝑥 ) = −𝑠𝑒𝑛𝑥 ⇒ 𝑓’(0) = 0
𝑓’’(𝑥) = − 𝑐𝑜𝑠𝑥 ⇒ 𝑓’’ (0) = −1
Luego.
f k ( x0 )
  x  x0 k
2
𝑃2 (𝑥) =
k 0 k!
′( 𝑓´´(𝑥0 )
𝑃2 (𝑥 ) = 𝑓 (𝑥0 ) + 𝑓 𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2
2!
𝑥2 𝑥2
𝑃2 (𝑥 ) == 1 + 0 − =1−
2 2
Al remplazar 𝑥 = 0.01 tenemos:
(0,001)2
𝑃3 (0.01) = 1 − = 0,99995
2
y como 𝐶𝑜𝑠(0.01) = 0.999999984, es una aproximación aceptable.
Calculemos el error o residuo:
( n 1)
( ( x ))
Rn (x) = f ( x  x 0 ) ( n 1)
( n  1)!
𝑓 (′′′) (𝑥0 ) = sen(x)
(′′′) (
𝑓 𝜉(𝑥)) = sen(𝜉 (𝑥 ))
sen ( ( x )) 3 x3
R3 ( x )  x  sen ( ( x ))
3! 6
Como: 𝑥0 < 𝜀 (𝑥) < 𝑥 entonces tenemos que 0 < 𝜀(𝑥) < 0.01
𝑥3 (0,01)3
𝑅2 (𝑥 ) = | 𝑠𝑒𝑛(𝜉 (𝑥 ))| < | 𝑠𝑒𝑛(0,01)| = 1,66 𝑥 10−9
6 6

3.3. EL POLIONOMIO DE LAGRANGE

Lagrange (1736-1813) fue uno de los más grandes matemáticos de su tiempo, descubrió que se
puede encontrar un polinomio interpolante de grado menor o igual que n, que sea combinación
lineal de los valores de los 𝑛 + 1 puntos en la función. Lagrange calculó el único polinomio
interpolante de manera explícita.

Presentamos ahora una método para calcular el polinomio interpolador 𝑃𝑛 (𝑥)asociado a una tabla
de datos (𝑥𝑖 , 𝑓𝑖 ) con 𝑖 = 0, 1, . . . , 𝑛. Este método, el método de Lagrange, es el más explícito,
aunque no el más eficaz por lo que se refiere al número de operaciones requeridas.

DEFINICIÓN: El polinomio tiene la forma:

𝑛

𝑃𝑛 (𝑥) = ∑ 𝑓(𝑥𝑘 )𝐿𝑛,𝑘 (𝑥)

𝑘=0
donde 𝐿𝑛,𝑘 (𝑥) es el polinomio coeficiente de Lagrange para los nodos 𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 definido por:
𝑛
(𝑥 − 𝑥𝑗 )
𝐿𝑛,𝑘 (𝑥 ) = ∏
(𝑥𝑘 − 𝑥𝑗 )
𝑗=0,𝑗≠𝑘
Un cálculo sencillo permite demostrar que, para cada k fijo, 𝐿𝑛,𝑘 (𝑥)cumple que:
𝐿𝑛,𝑘 (𝑥𝑗 ) = 1 𝑠𝑖 𝑗 = 𝑘
𝐿𝑛,𝑘 (𝑥𝑗 ) = 0 𝑠𝑖 𝑗 ≠ 𝑘
El error 𝐸𝑛 (𝑥) está dado por la fórmula:
𝑓 (𝑛+1) ((𝑥 ))
𝐸𝑛 (𝑥 ) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
(𝑛 + 1)!
Ejemplo: Sea 𝑓(𝑥) = 𝑒 𝑥 , 0  𝑥  2. Calcule 𝑃𝑛 (𝑥) con ayuda del polinomio de Lagrange con
𝑥0 = 0, 𝑥 = 1, y 𝑥2 = 2
Solución: Consideremos los nodos: 𝑥0 = 0, 𝑥1 = 1, y 𝑥2 = 2. Hallemos los polinomios de
Lagrange de segundo grado para este caso:

(𝑥−1)(𝑥−2) 1
𝐿0 (𝑥) = = (𝑥 2 − 3𝑥 + 2)
(0−1)(0−2) 2
(𝑥−0)(𝑥−2)
𝐿1 (𝑥) = = −(𝑥 2 − 2𝑥)
(1−0)(1−2)
(𝑥−0)(𝑥−1) 1
𝐿2 (𝑥) = = (𝑥 2 − 𝑥)
(2−0)(2−1) 2

Luego el polinomio de Lagrange es:

𝑃2 (𝑥 ) = 𝑓 (𝑥0 )𝐿0 (𝑥) + 𝑓 (𝑥1 )𝐿1 (𝑥 ) + 𝑓(𝑥2 )𝐿2 (𝑥)

Entonces:
1 1
𝑃2 (𝑥 ) = [ (𝑥 2 − 3𝑥 + 2)] 𝑒 0 + [−(𝑥 2 − 2𝑥)]𝑒 1 + [ (𝑥 2 − 𝑥)] 𝑒 2
2 2

La gráfica de la función, su polinomio interpolador y los polinomios de Lagrange:

Esta formulación tiene la desventaja de que, si se desea agregar un punto extra al conjunto de
puntos, se deben volver a realizar todos los cálculos para la obtención del polinomio.

Ejemplo: Use un polinomio interpolante de Lagrange de grado 3 para aproximar 𝑓(1.5),

considerando los datos en la siguiente tabla:

x f(x)
1,0 0,7651977
1,3 0,6200860
1,6 0,4554022
1,9 0,2818186

Solución: Sean los nodos 𝑥0 = 1.0, 𝑥1 = 1.3, 𝑥2 = 1.6 y 𝑥2 = 1.9. Consideraremos un

polinomio de Lagrange de grado tres. Entonces:

L0  x  
 x  1.3 x  1.6  x  1.9   ( x 2  2.9 x  2.08 )  x  1.9 

1
( x 3  4.8 x 2  7.59 x  3.932 )
1  1.31  1.6 1  1.9   0.162  0.162

L1  x  
 x  1.0  x  1.6  x  1.9   ( x 2  2 . 6 x  1 . 6 )  x  1 .9 

1
( x 3  4.5 x 2  6.54 x  3.04 )
1.3  1.0 1.3  1.6 1.3  1.9  0.054 0.054

L2  x  
x  1.0 x  1.3x  1.9   ( x 2  2.3 x  1.3) x  1.9   1 ( x 3  4.2 x 2  5.67 x  2.47 )
1.6  1.0 1.6  1.31.6  1.9   0.054  0.054

L3  x  
x  1.0 x  1.3x  1.6   ( x 2  2.3 x  1.3)x  1.6   1 ( x 3  3.9 x 2  4.98 x  2.08 )
1.9  1.0 1.9  1.31.9  1.6  0.081 0.081
Como el polinomio de Lagrange tiene la forma:

𝑃(𝑥) = 𝑓(𝑥0 )𝐿0 (𝑥) + 𝑓(𝑥1 )𝐿1 (𝑥) + 𝑓(𝑥2 )𝐿2 (𝑥) + 𝑓(𝑥3 )𝐿3 (𝑥)
entonces:
𝑃3 (𝑥) = (0.7651977)[ 1
( x 3  4.8 x 2  7.59 x  3.932 ) ]
 0.162

+ (0.6200860)[ 1
( x 3  4.5 x 2  6.54 x  3.04 ) ]
0.054

+ (0.4554022)[ 1
( x 3  4.2 x 2  5.67 x  2.47 ) ]
 0.054

+ (0.2818186)[ 1
( x 3  3.9 x 2  4.98 x  2.08 ) ]
0.081

3.4. APROXIMACIÓN POLINOMINAL DE NEWTON

La manera más conocida para calcular la representación de Newton del polinomio interpolante,
está basada en el método de diferencias divididas. Una gran ventaja sobre la forma clásica del
método de Lagrange es que podemos agregar más nodos a la tabla de datos y obtener el polinomio
interpolante sin tener que recalcular todo. Aun así, el método de diferencias divididas tiene
aplicaciones adicionales en otros contextos.

El método de Newton de diferencias divididas es otra forma de obtener el polinomio interpolador.

Por inducción se puede establecer que, en general, para un polinomio de grado 𝑛, el polinomio
interpolador de Newton se escribe de la forma:

𝑃𝑛 (𝑥) = 𝑎0 + (𝑥 − 𝑥0 )𝑎1 + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑎2 +··· +(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) ··· (𝑥 − 𝑥𝑛−1 )𝑎𝑛
y el algoritmo proporciona una regla para obtener los coeficientes 𝑎0 , 𝑎1 , … , 𝑎𝑛 . Imponiendo que
el polinomio interpolador pase por los puntos de interpolación, obtenemos:

𝑎0 = 𝑓 [ 𝑥 0 ]
𝑎1 = 𝑓 [𝑥0 , 𝑥1 ]
𝑎2 = 𝑓 [𝑥0 , 𝑥1 , 𝑥2 ]
⋮
𝑎𝑛 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 ]

De estas ecuaciones, es obvio que a0 depende sólo de x0, a1 de x0 y x1 y así sucesivamente.

Introducimos la nueva notación 𝑎0 = 𝑓[𝑥0 ], 𝑎1 = 𝑓[𝑥0 , 𝑥1 ], y así sucesivamente, con 𝑓[𝑥0 ] =
𝑓 (𝑥0 ), como se ve de la primera ecuación. Restando las dos primeras ecuaciones (primera
diferencia) obtenemos:
𝑓 (𝑥1 ) − 𝑓(𝑥0 )
𝑎1 = 𝑓 [𝑥0 , 𝑥1 ] =
𝑥1 − 𝑥0
Restando la segunda y la tercera ecuación obtenemos:

𝑓 (𝑥2 ) − 𝑓(𝑥1 ) − 𝑓[𝑥0 , 𝑥1 ](𝑥2 − 𝑥1 ) 𝑓 [𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ]

𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) 𝑥 2 − 𝑥0

Podemos proceder de igual modo para demostrar que la n-ésima diferencia dividida es:

𝑓 [𝑥1 , … , 𝑥𝑛 ] − 𝑓[𝑥0 , … , 𝑥𝑛−1 ]

𝑎𝑛 = 𝑓[𝑥0 , 𝑥1 , … , 𝑥𝑛 ] =
𝑥𝑛 − 𝑥0
Estas diferencias se usan para evaluar los coeficientes de la ecuación, los cuales se sustituyen en
la ecuación, para obtener el polinomio de interpolación:
𝑛 𝑖−1

𝑃𝑛 (𝑥 ) = ∑ 𝑎𝑖 ∏(𝑥 − 𝑥𝑗 )
𝑖=1 𝑗=0

Al cual se le llama Polinomio de Interpolación con Diferencias Divididas de Newton.

El método de Newton es especialmente indicado en el caso de que deseemos realizar muchas
evaluaciones del polinomio interpolador, ya que da el polinomio preparado para ser evaluado por
el algoritmo de Horner. Otro aspecto particularmente conveniente es que, si deseamos aumentar
el orden del polinomio interpolador, los coeficientes ak ya calculados permanecen inalterados, es
decir, no destruimos el trabajo ya realizado cuando deseamos aumentar el orden del polinomio
interpolador. Se dice en este caso que los coeficientes ak tienen la propiedad de permanencia.

El método de Newton permite obtener los coeficientes del polinomio interpolador fácilmente en
forma de tabla, que damos a continuación para el caso de 4 puntos:

CUADRO DE DIFERENCIAS DIVIDIDAS

Ejemplo: Elabore una aproximación polinomial de Newton para la información tabular de las
presiones de vapor de la acetona e interpole la temperatura para una presión de 2 atm.

PUNTOS 0 1 2 3
T(°C) 56,5 113,0 181,0 214,5
P(ATM) 1 5 20 40

Solución: Si tomamos 𝑛 = 3 nodos tenemos lo siguiente:

𝑥0 = 1, 𝑥1 = 5 𝑦 𝑥2 = 20

Para el cálculo de los coeficientes del polinomio de Newton, se construye la tabla de diferencias
divididas de la siguiente manera:
𝑎0 = 𝑓(𝑥0 )

𝑓 (𝑥1 ) − 𝑓(𝑥0 ) 113 − 56.5

𝑎1 = 𝑓[𝑥0 , 𝑥1 ] = = = 14,125
𝑥1 − 𝑥0 5−1
⋮
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] −0,08167 − (−0,50482)
𝑎𝑛 = = = 0,01085
𝑥3 − 𝑥0 40 − 1

Y así formamos la tabla:

Que sustituidas generan el polinomio de aproximación:

𝑃𝑛 (𝑥) = 𝑎0 + (𝑥 − 𝑥0 )𝑎1 + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )𝑎2 +··· +(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )𝑎3

Tenemos entonces:
𝑃3 (𝑥 ) = 56.5 + 14. 125(𝑥 − 1) − 0.50482(𝑥 − 1)(𝑥 − 5) + 0.01085(𝑥 − 1)(𝑥 − 5)(𝑥 − 20)
Ahora si 𝑥 = 2, entonces:

𝑃3 (2) = 56.5 + 14.125(2 − 1) − 0.50482(2 − 1)(2 − 5) + 0.01085(2 − 1)(2 − 5)(2 − 20)

𝑃3 (2) = 70.7 °𝐶
Luego una aproximación polinomial de Newton para la información tabular de las presiones de
vapor de la acetona para una presión de 2 atm es de 70,7 °C.

Ejemplo: Considere la siguiente tabla:

𝒙 1.0 1.3 1.6 1.9 2.2

𝒇(𝒙) 0.7651977 0.6200860 0.4554022 0.2818186 0.1103623

Halle el polinomio interpolante de Newton de grado 4.

Solución: Los coeficientes del polinomio interpolante de Newton están a lo largo de la diagonal
de la tabla de diferencias divididas:

Luego el polinomio es:

𝑃4 (𝑥 ) = 0,7651977 − 0,4837057(𝑥 − 1,0) − 0,1087339(𝑥 − 1,0)(𝑥 − 1,3)
+ 0,0658784(𝑥 − 1,0)(𝑥 − 1,3)(𝑥 − 1,6)
+ 0,0018251(𝑥 − 1,0)(𝑥 − 1,3)(𝑥 − 1,6)(𝑥 − 1,9)

Si queremos evaluar 𝑓(1,5) tenemos:

𝑓(1,5) = 0,5118200

El error al interpolar se puede expresarse en términos de derivadas de 𝑓 cuando es suficientemente

suave.

TEOREMA: Sea 𝑓 una función de clase 𝐶 𝑛+1 [𝑎, 𝑏], y sea 𝑃𝑛 un polinomio de grado menor o
igual que n que interpola a la función 𝑓 en los siguientes 𝑛 + 1 puntos {𝑥0 , 𝑥1 , . . . , 𝑥𝑛 } ⊂ [𝑎, 𝑏]
distintos dos a dos. Entonces, para cualquier 𝑥 ∈ [𝑎, 𝑏], existe un punto 𝜉(𝑥) ∈ (𝑎, 𝑏) tal que
𝑛
𝑓 (𝑛+1) (𝜉(𝑥))
𝑓(𝑥) − 𝑃𝑛 (𝑥) = ∏(𝑥 − 𝑥𝑖 )
(𝑛 + 1)!
𝑖=0
En particular, si 𝑥 no es uno de los nodos 𝑥𝑖 ; 𝑖 = 0,1, … , 𝑛; el error al interpolar también puede
escribirse así:
𝑛

𝑓(𝑥) − 𝑃𝑛 (𝑥) = 𝑓 [𝑥0 , 𝑥1 , … , 𝑥𝑛 , 𝑥 ] ∏(𝑥 − 𝑥𝑖 )

𝑖=0
3.5. INTERPOLACIÓN DE HERMITE
En determinadas aplicaciones se precisan métodos de interpolación que trabajen con datos
prescritos de la función y sus derivadas en una serie de puntos, con el objeto de aumentar la
aproximación en las cercanías de dichos puntos. Dentro de esta clases de métodos
esta la interpolación de Hermite.

Los Polinomios Osculantes generalizan a los Polinomios de Taylor y a los

Polinomios de Lagrange. La idea del polinomio de Hermite (que es un caso particular
de los polinomios Osculantes) es que si se tienen 𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 , con 𝑛 + 1 nodos,
entonces 𝑓 y 𝑓’ coincidan con 𝑃(𝑥) y 𝑃´(𝑥) en los nodos respectivamente.

DEFINICIÓN: Sean 𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 , 𝑛 + 1 números distintos de un intervalo [𝑎, 𝑏] y

𝑚0 , 𝑚1 , ⋯ , 𝑚𝑛 , enteros no negativos. Sea 𝑓 una función de clase 𝐶 𝑚 ([𝑎, 𝑏]) con 𝑚 =
max(𝑚0 , 𝑚1 , ⋯ , 𝑚𝑛 ). El polinomio Osculante que aproxima la función 𝑓 es el polinomio de menor
grado que coincide con 𝑓 y con sus derivadas de orden menor o igual que 𝑚𝑖 en cada 𝑥𝑖 . El grado
del polinomio será menor o igual que ∑𝑛𝑖=0 𝑚𝑖 + 𝑛

Proposición: (Existencia del polinomio Osculante)

Considere 𝑛 + 1 puntos distintos en [𝑎, 𝑏], 𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 , y 𝒎𝒊 un entero no negativo asociado a
𝑥𝑖 para 𝑖 = 0, 1, . . . , 𝑛. Para 𝑓 ∈ 𝐶 𝑚 [𝑎, 𝑏] con 𝑚 = 𝑚á𝑥0≤𝑖≤𝑛 𝑚𝑖 existe un único polinomio 𝑃
de grado mínimo tal que:

𝑑 𝑘 𝑃(𝑥𝑖 ) 𝑑 𝑘 𝑓(𝑥𝑖 )
= 𝑝𝑎𝑟𝑎 𝑖 = 0, 1, . . . , 𝑛 𝑦 𝑘 = 0, 1, . . . , 𝑚𝑖
𝑑𝑥 𝑘 𝑑𝑥 𝑘

El polinomio p que satisface la condición de interpolación de Hermite es llamado polinomio

Osculante que aproxima a 𝑓. Los polinomios de Taylor, Lagrange y Hermite son casos
particulares de polinomios Osculantes.

CASOS PARTICULARES:
1. El polinomio de Taylor de grado 𝒎 es el polinomio Osculante en el caso
𝒏 = 𝟎, con 𝒎𝟎 = 𝒎
2. El polinomio de Lagrange se corresponde con 𝒎𝒊 = 𝟎, con 𝒊 = 𝟎, … , 𝒏.
3. El polinomio de Hermite se obtiene para 𝒎𝒊 = 𝟏, con 𝒊 = 𝟎, … , 𝒏.

DEFINICIÓN: Dados un intervalo [𝒂, 𝒃], 𝒏 + 𝟏 puntos 𝒙𝟎 = 𝒂 < 𝒙𝟏 < · · · < 𝒙𝒏 = 𝒃 y una
función 𝒇𝑪𝟏 [𝒂, 𝒃], se llama polinomio de Hermite para la función 𝒇 en los puntos 𝒙𝟎 , 𝒙𝟏 , . . . , 𝒙𝒏
al único polinomio 𝑷 de grado menor o igual que 𝟐𝒏 + 𝟏 de modo que 𝑷(𝒙𝒊 ) = 𝒇(𝒙𝒊 ) y 𝑷’(𝒙𝒊 ) =
𝒇’(𝒙𝒊 ) para 𝒊 = 𝟎, 𝟏, . . . , 𝒏. El polinomio de interpolación de Hermite 𝑷(𝒙), de la función 𝒇 en los
puntos distintos 𝒙𝟎 , 𝒙𝟏 , . . . , 𝒙𝒏 admite la expresión:
𝑛 𝑛
̃𝑖 (𝑥 )
𝑃(𝑥 ) = ∑ 𝑓(𝑥𝑖 )𝐻𝑖 (𝑥 ) + ∑ 𝑓′(𝑥𝑖 )𝐻
𝑖=0 𝑖=0
Donde:
𝐻𝑖 (𝑥 ) = [1 − 2(𝑥 − 𝑥𝑖 )𝐿̃(𝑥)]𝐿2𝑖 (𝑥 )
̃𝑖 (𝑥 ) = (𝑥 − 𝑥𝑖 )𝐿2𝑖 (𝑥)
𝐻
y
𝑛 𝑛
(𝑥 − 𝑥𝑗 ) 1
𝐿 𝑖 (𝑥 ) = ∏ , 𝑖 = 0,1,2, … , 𝑛 𝑦 𝐿̃𝑖 (𝑥 ) = ∑
(𝑥𝑖 − 𝑥𝑗 ) (𝑥𝑖 − 𝑥𝑗 )
𝑗=0 𝑗=0
𝑗≠𝑖 𝑗≠𝑖
Ejemplo: Utilice el polinomio de Hermite que concuerda con los datos de la tabla para obtener
una aproximación de f(1,5), con base a la información de la tabla.

k xk f(xk) f`’(xk)
0 1,3 0,6200860 -0,5220232
1 1,6 0,4554022 -0,5698959
2 1,9 0,2818186 -0,5811571

Solución: Calcule primero los polinomios de Lagrange y sus derivadas:

(𝑥−𝑥1 )(𝑥−𝑥2 ) 50 2 175 152 100 175

𝐿2,0 = =𝑥 − 𝑥+ 𝐿´2,0 (𝑥) = 𝑥−
(𝑥0 −𝑥1 )(𝑥0 −𝑥2 ) 9 9 9 9 9
(𝑥−𝑥0 )(𝑥−𝑥2 ) −100 2 320 247 −200 320
𝐿2,1 = = 𝑥 + 𝑥− 𝐿´2,1 (𝑥) = 𝑥+
(𝑥1 −𝑥0 )(𝑥1 −𝑥2 ) 9 9 9 9 9
(𝑥−𝑥0 )(𝑥−𝑥1 ) 50 2 145 104 100 145
𝐿2,2 = = 𝑥 − 𝑥+ 𝐿´2,2 (𝑥) = 𝑥−
(𝑥2 −𝑥0 )(𝑥2 −𝑥1 ) 9 9 9 9 9

̂
̂2,𝑗 (𝑥) son:
Así, los polinomios 𝐻2,𝑗 (𝑥) 𝑦 𝐻
50 2 175 152 2 50 175 152 2
𝐻2,0 (𝑥) = [1 − 2(𝑥 − 1.3)(−5)] ( 𝑥 − 𝑥+ ) = (10𝑥 − 12) ( 𝑥 2 − 𝑥+ )
9 9 9 9 9 9

−100 2 320 247 2 −100 2 320 247 2

𝐻2,1 (𝑥) = [1 − 2(𝑥 − 1.6)(0)] ( 𝑥 + 𝑥− ) = 1. ( 𝑥 + 𝑥− )
9 9 9 9 9 9

50 2 145 104 2
𝐻2,2 (𝑥) = 10(2 − 𝑥) ( 𝑥 − 𝑥+ )
9 9 9
2
50 175 152
𝐻̂2,0 = (𝑥 − 1.3) ( 𝑥 2 − 𝑥+ )
9 9 9
−100 2 320 247 2
̂2,1 = (𝑥 − 1.6) (
𝐻 𝑥 + 𝑥− )
9 9 9
2
50 145 104
𝐻̂2,2 = (𝑥 − 1.9) ( 𝑥 2 − 𝑥+ )
9 9 9
Finalmente,

̂2,0
𝐻5 (1.5) = 0.6200860𝐻2,0 (𝑥 ) + 0.4554022𝐻2,1 (𝑥 ) + 0.2818186𝐻2,2 (𝑥) − 0.5220232𝐻
̂
− 05698959𝐻2,1 − 0.5811571𝐻2,2 ̂

4 64 5 4
𝐻5 (1.5) = 0.6200860 (27) + 0.4554022 (81) + 0.2818186 (81) − 0.5220232 (405) −
−32 −2
05698959 ( 405 ) − 0.5811571 (405)

De ahí que:
𝐻5 (1.5) = 0.5118277

3.5.1. CÁLCULO DEL POLINOMIO DE INTERPOLACIÓN DE HERMITE

Existe otro método para generar las aproximaciones de Hermite tiene como base la fórmula de
diferencias divididas interpolantes de Newton para el polinomio Lagrange en 𝑥0 , 𝑥1 , … , 𝑥𝑛.
𝑛

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

𝑘=1

Dados 𝑥0 , 𝑥1 , . . . , 𝑥𝑛 junto con los valores de 𝑓 y 𝑓 ’ en esos números, se define una nueva
sucesión 𝑧0 , 𝑧1 , … , 𝑧2𝑛 de la siguiente forma: 𝑧2𝑖 = 𝑧2𝑖+1 = 𝑥𝑖 para cada 𝑖 = 0, … , 𝑛; y se
construye la tabla de diferencias divididas para los 𝑧𝑖 de la siguiente manera:
Como 𝑧2𝑖 = 𝑧2𝑖+1 = 𝑥𝑖 para cada 𝑖, no podemos definir 𝑓[𝑧2𝑖 , 𝑧2𝑖+1 ] a partir de la fórmula de
diferencias divididas (se anularía el denominador); por ello, se toma:

𝑓 [𝑧2𝑖 , 𝑧2𝑖+1 ] = 𝑓 ’(𝑧2𝑖 ) = 𝑓 ’(𝑥𝑖 ).

y el resto de las diferencias divididas se calculan de la forma. El polinomio de Hermite está dado
entonces por:
2𝑛+1

𝐻2𝑛+1 (𝑥 ) = 𝑓[𝑧0 ] + ∑ 𝑓[𝑧0 , 𝑧1 , … , 𝑧𝑘 ](𝑥 − 𝑧0 ), … , (𝑥 − 𝑧𝑘−1 )

𝑘=1

Ejemplo: Sea la función 𝑓(𝑥) = 𝑙𝑛𝑥. Calcule el polinomio de interpolación de Hermite de 𝑓(𝑥)
en 𝑥0 = 1 y 𝑥1 = 2
Solución: Vamos a construir la tabla de diferencias divididas que permite incluir los datos de
interpolación:

𝒊 𝒙𝒊 𝒇(𝒙𝒊 ) 𝒇’(𝒙𝒊 )
0 1 0 1
1 2 0,6931471 0,5

De ahí que:

i 𝒛𝒊 𝒇(𝒛𝒊 ) Primera diferencia Segunda diferencia Tercera diferencia

0 1 0
1 1 0 1
2 2 0,69 0,69 -0,31
3 2 0,69 0,5 -0,19 0,12

Entonces tenemos el polinomio de interpolación, si utilizamos la fórmula de Newton

generalizada:

𝑃 (𝑥 ) = 𝑓(1) + 𝑓[1, 1](𝑥 − 1) + 𝑓 [1,1, 2](𝑥 − 1)2 + 𝑓[1,1, 2, 2](𝑥 − 1)2 (𝑥 − 2)

𝑃(𝑥 ) = 0 + 1(𝑥 − 1) − 0,31(𝑥 − 1)2 + 0,12(𝑥 − 1)2 (𝑥 − 2)

De todos modos, como para poder armar este tipo de curvas debemos conocer los valores de las
derivadas en cada punto, algo que no siempre es posible, usar estos segmentos de curvas con
polinomios de Hermite no siempre resultan ser una solución aplicable. De ahí que existe otra
manera de obtener curvas con estas características.
3.5.2. ERROR DE INTERPOLACIÓN DE HERMITE
Una cota de error 𝐸 = |𝑓(𝑥) − 𝑃(𝑥)| que se comete en el punto 𝑥 al simular la función 𝑓 por su
polinomio de interpolación de Hermite 𝑃 en 𝒙𝟎 , 𝒙𝟏 , . . . , 𝒙𝒏 en el intervalo [𝑎, 𝑏] viene dado por:

𝑀
𝐸(𝑥) = (2𝑛+2)! |𝑥 − 𝑥0 |2 ⋯ |𝑥 − 𝑥𝑛 |2 con 𝑥𝜖[𝑎, 𝑏]
donde:
𝑀 = max |𝑓 (2𝑛+2) (𝑥)|
𝑎≤𝑥≤𝑏

TALLER INTERPOLACIÓN POLINOMIAL

1. Calcular el polinomio de Taylor de grado 4 para 𝑓(𝑥) = 𝑙𝑛(1 + 𝑥) en torno a x0 = 0. Calcule
el error.
𝑙𝑛 𝑥
2. Dada la función 𝑓(𝑥) = halla su polinomio de Taylor de orden 2 en torno a 𝑥0 = 1 y
𝑥
aproxima 𝑓(1,25). Calcule el error.
3. Verifique directamente que si 𝑥1 , 𝑥2 , 𝑥3 son puntos distintos, entonces:
𝑓 [𝑥1 , 𝑥2 , 𝑥3 ] = 𝑓 [𝑥3 , 𝑥2 , 𝑥1 ] = 𝑓 [𝑥2 , 𝑥3 𝑥1 ]
4. Consideremos la función 𝑓(𝑥) = 𝑥 2 𝑒 −𝑥2 . Usando el polinomio de Lagrange que interpola
f(x) en los puntos 𝑥0 = −2, 𝑥1 = −1, 𝑥2 = 0 𝑦 𝑥3 = 1, halle el valor de 𝑓(0,5) para la
función:
1
𝑓(𝑥) =
1 + 25𝑥 2
Muestre explícitamente el polinomio de interpolación de Newton considerando las siguientes
1 1 3
listas de valores de 𝑥: [0, , , , 1]
4 2 4
1 𝜋
5. Considere la función de Bessel 𝐽0 (𝑥) = ∫0 𝑐𝑜𝑠(𝑥 𝑠𝑒𝑛) 𝑑𝑞. Tenemos la siguiente
𝜋
información,
x J0(x)
0 3.59
0.2 3.11
0.4 3.08
a. Obtener la forma de Lagrange del polinomio interpolante.
b. Interpolar J0(0.25)
6. Se propone encontrar un polinomio interpolante de la función 𝑓(𝑥) = (1 + 25𝑥 2 )−1 en el
2𝑗
intervalo [−1; 1], utilizando los puntos 𝑥𝑗𝑛 = −1 + 𝑛 ; 𝑗 = 0, 1, … , 𝑛; para 𝑛 = 5, 10, 25.
1 − √𝑥
7. Considerar la función 𝑓(𝑥) =
𝑥2
a. Calcular el polinomio de Lagrange P3(x) que interpola a f(3,2) en los nodos {2, 3, 3.5, 4}.
b. Hallar el polinomio interpolante de Newton. Calcular f(3,2).
c. Compara tu respuesta con el método anterior y obtén alguna
8. Construyamos el polinomio de Hermite que concuerde con 𝑓 y 𝑓′ en los puntos 𝑥0 = −1,
𝑥 1 = 2, si 𝑓(−1) = −11; 𝑓′(−1) = 14; 𝑓(2) = 4; 𝑓′(2) = 5:
9. La viscosidad 𝜇 de un fluido depende de la temperatura T del fluido de acuerdo a la relación
representada en la siguiente tabla:

T(C°) 5 20 30 50 55
𝝁(N - seg=m2) 0.08 0.015 0.09 0.006 0.0055

Use un método de interpolación para encontrar un estimativo para la viscosidad a T = 25 y

T = 40.