INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA

INGENIERÍA ELÉCTRICA

GRUPO: 3EM3

METODOS NUMÉRICOS

PRACTICA 6: Método de Polinomios

de interpolación de Newton

EQUIPO 01:

 Caballero Aguilar Ximena Jarem

 Cruz Gasca Oscar Israel
 Rodríguez Hernández Ingrid Itzel
 Valencia Caro Andrés
 Objetivo

El objetivo principal del método general de los polinomios de interpolación de

Newton es encontrar un polinomio que pase exactamente por un conjunto de
puntos dados. Este método se utiliza para aproximar funciones desconocidas o
para estimar valores intermedios en un conjunto discreto de datos. La idea
fundamental es construir un polinomio que se ajuste a los puntos conocidos y que
pueda ser utilizado para predecir valores en puntos adicionales dentro del intervalo
de datos. El método de interpolación de Newton se basa en la idea de dividir las
diferencias entre los puntos conocidos en diferencias finitas, formando así una
tabla de diferencias divididas. Estas diferencias divididas se utilizan para calcular
los coeficientes del polinomio de interpolación. El proceso comienza con una tabla
de puntos y sus correspondientes valores en la función que se desea interpolar.
Luego, se calculan las diferencias divididas y se utilizan para obtener los
coeficientes del polinomio de Newton.

Una vez que se han calculado los coeficientes, se puede utilizar el polinomio de
Newton para interpolar valores en puntos adicionales dentro del intervalo de datos.
El polinomio resultante tiene la propiedad de que pasa exactamente por los puntos
conocidos, lo que significa que se ajusta a los datos de manera precisa. Sin
embargo, es importante tener en cuenta que el método de interpolación de Newton
puede tener dificultades en casos de puntos espaciados irregularmente o cuando
el número de puntos es grande, ya que puede conducir a errores de oscilación o a
un fenómeno conocido como el fenómeno de Runge. Por lo tanto, es importante
utilizarlo con precaución y evaluar si es el método más apropiado para el conjunto
de datos específico.
 Marco teórico

El método de interpolación de Newton lleva el nombre del matemático inglés Isaac

Newton, quien desarrolló este método en el siglo XVII. Newton estaba interesado
en encontrar una forma de aproximar funciones y calcular valores intermedios
basándose en datos discretos. Su trabajo en cálculo y álgebra le permitió
desarrollar el método de interpolación de Newton, que se convirtió en una
herramienta fundamental en el campo de la interpolación numérica.

Se basa en la idea de que un polinomio de grado n puede ser único y

completamente determinado por n+1 puntos. La idea básica es dividir las
diferencias entre los puntos conocidos en diferencias finitas, formando así una
tabla de diferencias divididas. Estas diferencias divididas se utilizan para calcular
los coeficientes del polinomio de interpolación de Newton.

El proceso de construcción del polinomio de interpolación de Newton comienza

con una tabla de puntos y sus correspondientes valores en la función que se
desea interpolar. Luego, se calculan las diferencias divididas y se utilizan para
obtener los coeficientes del polinomio. Las diferencias divididas se calculan
recursivamente, tomando diferencias finitas de orden creciente hasta obtener las
diferencias divididas de primer orden.

El polinomio de interpolación de Newton se puede expresar en la forma

generalizada conocida como la forma de diferencias divididas de Newton. Esta
forma permite una fácil adición de nuevos puntos y la actualización del polinomio
sin tener que recalcular todo desde cero. El polinomio resultante tiene la propiedad
de que pasa exactamente por los puntos conocidos, lo que significa que se ajusta
a los datos de manera precisa.

El método de interpolación de Newton tiene varias ventajas y aplicaciones. Por un

lado, es relativamente fácil de implementar y calcular, lo que lo hace accesible y
práctico para su uso en diversos campos. Además, puede manejar conjuntos de
datos con puntos espaciados de manera irregular. Sin embargo, también tiene
algunas limitaciones. En casos de puntos espaciados irregularmente o cuando el
número de puntos es grande, el método de interpolación de Newton puede
conducir a errores de oscilación o al fenómeno de Runge. Por lo tanto, es
importante utilizarlo con precaución y evaluar si es el método más apropiado para
el conjunto de datos específico.

El método de interpolación de Newton ha sido ampliamente utilizado en áreas

como la física, la ingeniería, la computación y la estadística. Se utiliza para
aproximaciones y predicciones en situaciones donde los datos son limitados o
incompletos. Además de su uso en la interpolación numérica, el método de
Newton también ha sentado las bases para otros algoritmos y técnicas
relacionadas con la interpolación, como el método de diferencias divididas de
Newton-Gregory y los polinomios de interpolación de Hermite.

En resumen, el método de interpolación de Newton es una herramienta valiosa en

el campo de la interpolación numérica. Permite construir un polinomio de
interpolación que pasa exactamente por un conjunto de puntos conocidos,
proporcionando una aproximación precisa de una función desconocida. Aunque
tiene sus limitaciones, su aplicabilidad en una amplia gama de campos lo convierte
en una técnica fundamental en el análisis y modelado de datos.
 Forma General de los Polinomios de Interpolación de
Newton
Utilice los datos de la siguiente tabla para calcular log (2) con un polinomio de
interpolación de Newton de 5to grado.
N= (5)
bo= f (x0) = 0
x f (x)

x0 = 1 f (x0) = 0

x1 = 1.5 f (x1) = 1.405405

x2 = 3 f (x2) = 0.098612

x3 = 4 f (x3) = 1.386294

x4 = 5 f (x4) = 1.609435

X5 = 6 f (x5) = 1.791759

1. b1

f ( x 1 )−f ( x 0 ) 1.405405−0
f [ x 1 , x 0 ]= = =0.810930
x 1− x 0 1.5−0
f ( x 2 )−f ( x 1 ) 1.098612−0.405465
f [ x 2, x 1 ] = = =0.562098
x 2−x 1 3−1.5
f ( x 3 ) −f ( x 2 ) 1.336294−1.098612
f [ x 3 , x 2 ]= = =0.287682
x 3−x 2 4−3
f ( x 4 )−f ( x 3 ) 1.609438−1.3862954
f [ x 4 , x 3 ]= = =0.223144
x 4−x 3 5−4
f ( x 5 ) −f ( x 4 ) 1.791759−1.609438
f [ x 5 , x 4 ]= = =0.182321
x 5−x 4 6−5
 2. b2

f ( x 2 , x 1 )−f ( x 1 , x 0 ) 0.462098−0.810430
f [ x 2, x 1 , x 0 ] = = =0. 174416
x 2−x 0 3−1
f ( x 3 , x 2 )−f ( x 2 , x 1 ) 0.287482−0.462098
f [ x 3 , x 2, x 1 ] = = =0.069766
x 3−x 1 4−1.5
f ( x 4 , x 3 )−f ( x 3 , x 2 ) 0.223144−0.287682
f [ x 4 , x 3 , x 2]= = =0.032264
x 4−x 2 5−3
f ( x 5 , x 4 ) −f ( x 4 , x 3 ) 0.182321−0.223144
f [ x 5 , x 4 , x 3 ]= = =0.020412
x 5−x 3 6−4

3. b3

f ( x 3 , x 2 , x 1 )−f ( x 2 , x 1 , x 0 ) −0.069766+ 0.174416

f [ x 3 , x 2, x 1 , x 0 ] = = =0. 034883
x 3− x 0 4−1
f ( x 4 , x 3 , x 2 )−f ( x 3 , x 2 , x 1 ) −0.032269+0.069266
f [ x 4 , x 3 , x 2, x 1 ] = = =0.010713
x 4−x 1 5−1.5
f ( x 5 , x 4 , x 3 ) −f ( x 4 , x 3 , x 2 ) −0.020412+0.032269
f [ x 5 , x 4 , x 3 , x 2]= = =0.003452
x 5−x 2 6−3

4. b4

f ( x 4 , x 3 , x 2 , x 1 )−f ( x 3 , x 2 , x 1 , x 0 ) 0.010712−0.348830
f [ x 4 , x 3 , x 2, x 1 , x 0 ] = = =−0.000043
x 4−x 0 5−1
f ( x 5 , x 4 , x 3 , x 2 )−f ( x 4 , x 3 , x 2 , x 1 ) 0.003952−0.010713
f [ x 5 , x 4 , x 3 , x 2, x 1 ] = = =−0.001502
x 5−x 1 6−1.5

5. b5

f ( x 5 , x 4 , x 3 , x 2 , x 1 )−f ( x 4 , x 3 , x 2 , x 1 , x 0 ) −0.001502+0.006043
f [ x 5 , x 4 , x 3 , x 2, x 1 , x 0 ] = = =0.00090
x 5−x 1 6−1

f5 (2) = -0.810930 - 0.087208 - 0.017442 - 0.000243 - 0.002724 = 0.697514

 Calculando Errores

Et= Vv- Vc = 0.643147 – 0.697514 = -0.054367

Et 0.004366
Et = x 100 % = x 100 %=0.63 %
Vv 0.643147

Pseudocódigo
Proceso Metodo_Interpolacion_De_Newton
Definir i,j,n,v,m,c Como Entero
Definir x,xf,yi,et,lv Como Real
c <- 0
j <- 0
lv <- 0.693147
Escribir 'Interpolacion de Newton'
Escribir 'Introduce el grado del polinomio: '
Leer n
Escribir 'Introduce el valor que queremos encontrar de Ln: '
Leer v
Dimension x[100]
Dimension xf[100,100]
Para i<-0 Hasta n Hacer
Escribir 'Introduce los valores del punto x: ',i
Leer x[i]
xf[i,j]<-ln(x[i])
FinPara
Para j<-1 Hasta n Hacer
c <- c+1
Para i<-0 Hasta n-j Hacer
 xf[i,j]<-(xf[i+1,j-1]-xf[i,j-1])/(x[i+j]-x[i])
Escribir 'Las ',c,'DiferenciasDivididasFinitas: ',xf[i,j]
FinPara
FinPara
m <- 1
yi <- xf[0,0]
Para j<-0 Hasta n-1 Hacer
m <- m*(v-x[j])
yi <- yi+xf[0,j+1]*m
FinPara
et <- abs((lv-yi)/lv)*100
Escribir 'El valor de Ln(',v,'): ',yi
Escribir 'Con un error de: ',et
FinProceso
Diagrama de Flujo
Codigo C
#include <stdio.h>
#include <stdlib.h>
#include <math.h>

int main()
{
//SE DECLARAN LAS VARIABLES
int n=0,i,j;
float b[100][100];
float xt,yi,xi,ea,xant;
float x[100],y[100];
printf ("METODO: INTERPOLACION DE NEWTON\n");
printf("\n\t ln(x)\n");
//SE INGRESA EL GRADO Y EL PUNTO DE EVALUACION
printf("\t\nGrado del polinomio:");
scanf("%d",&n);
//CICLO PARA INGRESAR VALORES
printf("\t\nIngrese los valores de X\n");
for(i=0;i<=n;i++)
{
printf("\nX(%d)= ",i);scanf("%f",&x[i]);
y[i]=log(x[i]);
}

printf("\t\nValor de x: ");
scanf("%f",&xi);
system("cls");
system("color 0D");
printf ("\n\METODO:INTERPOLACION DE NEWTON\n");
printf("\t\t\tln(x)\n");
printf("\t\t\t\nFuncion evaluada en los puntos\n");
printf("\t\t x \t\t f(x)\n\n");

for(i=0;i<=n;i++)
{
printf("\t\t%f\t%f\n",x[i],y[i]);
}
printf("\n\n");
//inicializa la tabla de diferencias
for(i=0;i<=n;i++)
{
b[i][0]=y[i];
}
//calcula tabla de diferencias
for(j=1;j<=n;j++)
{
printf("\n\tCalculo: %d \n",j);
for(i=0;i<=n-j;i++)
{
b[i][j]=(b[i+1][j-1]-b[i][j-1])/(x[i+j]-x[i]);
printf("%f\n",b[i][j]);
}
printf("\t");
}
//INTERPOLACION DEL POLINOMIO
xt=1;
yi=b[0][0];
for(j=0;j<=n;j++)
{
xt=xt*(xi-x[j]);
yi=yi+(b[0][j+1]*xt);
}
xant=log(xi);
ea=fabs((xant-yi)/xant)*100;
//MUESTRA EL RESULTADO
printf("\n\tf(%f)=%f \n",xi,yi);
printf("\n\tCon un error de Ea=%0.6f\n\n\n",ea);
system("pause");
system("cls");
return 0;
}

Resultado
Conclusiones
  Caballero Aguilar Ximena Jarem
En conclusión, el método de interpolación de Newton es una técnica numérica
utilizada para aproximar una función desconocida a partir de un conjunto de
puntos conocidos. Proporciona una forma eficiente y precisa de estimar valores
intermedios entre los puntos de datos conocidos.
El método de interpolación de Newton se basa en la interpolación polinómica,
donde se busca encontrar un polinomio que pase exactamente por los puntos de
datos dados. Este polinomio se puede expresar mediante la forma de diferencias
divididas de Newton, lo que simplifica los cálculos y permite una construcción más
sencilla del polinomio interpolante.
Una de las ventajas principales del método de interpolación de Newton es su
flexibilidad para agregar nuevos puntos de datos sin tener que recalcular todo el
polinomio interpolante. Esto lo convierte en un método eficiente y adecuado para
problemas en los que los datos se van actualizando o añadiendo gradualmente.
 Cruz Gasca Oscar Israel
En conclusión, la interpolación y la aproximación funcional son técnicas
fundamentales para estimar valores intermedios o aproximar una función
desconocida a partir de un conjunto de datos discretos. La interpolación busca
encontrar un polinomio que pase exactamente por los puntos conocidos,
asegurando una estimación precisa en esos puntos. La forma general de los
polinomios de interpolación de Newton es una expresión matemática que permite
representar un polinomio de interpolación de manera eficiente y sin necesidad de
recalcular todo desde cero al agregar nuevos puntos.
 Rodríguez Hernández Ingrid Itzel
La interpolación polinómica de Newton es un método efectivo para aproximar una
función mediante un polinomio que pasa por un conjunto de puntos dados.
Proporciona flexibilidad y eficiencia computacional, aunque se debe tener cuidado
con el grado del polinomio y la extrapolación más allá del rango conocido. Es una
herramienta útil en muchos campos de la ciencia y la ingeniería, pero debe
utilizarse con precaución y evaluando las limitaciones inherentes. Tiene varias
ventajas, es flexible y permite ajustar un polinomio de cualquier grado a los datos,
lo que permite una aproximación más precisa de la función original. Además, el
método de Newton es computacionalmente eficiente, ya que las diferencias
divididas se pueden calcular de manera recursiva, evitando la necesidad de
repetidos cálculos de polinomios de grado inferior.

 Valencia Caro Andrés

En resumen, el método de interpolación de Newton es una técnica numérica
efectiva para aproximar una función desconocida utilizando un conjunto de puntos
conocidos. Proporciona una aproximación precisa y flexible, permitiendo la adición
de nuevos puntos sin tener que recalcular todo el polinomio interpolante. Sin
embargo, se debe tener precaución en casos de datos dispersos o extrapolación.
En general, es una herramienta valiosa para estimar valores intermedios en una
función.

Bibliografias

J. F. Gutiérrez. (s.f.). Diapositivas de la unidad 5 del curso de métodos

[Diapositivas]. Recuperado el 28 de Mayo de 2023
https://academicos.azc.uam.mx/jfg/diapositivas/metodos/Unidad_5.pdf

OpenStax. (s.f.). Método de Newton. En Cálculo, Volumen 1. Recuperado el 28 de

Mayo de https://openstax.org/books/cálculo-volumen-1/pages/4-9-metodo-de-
newton

StudyDocu. (s.f.). Interpolación y aproximación funcional de un polinomio. Instituto

Politécnico Nacional. Recuperado el 28 de Mayo de 2023
https://www.studocu.com/es-mx/document/instituto-politecnico-nacional/metodos-
numericos/interpolacion-y-aproximacion-funcional-de-un-polinomio/25538202

Universidad Nacional Autónoma de México (UNAM). (s.f.). Método de Lagrange.

Recuperado el 29 de Mayo de 2023 de
https://www.ingenieria.unam.mx/pinilla/PE105117/pdfs/tema4/4-1_lagrange.pdf

LibreTexts. (s.f.). El Método de los Mínimos Cuadrados. En Álgebra Lineal

Interactiva (Margalit y Rabinoff). Recuperado el 29 de Mayo de 2023 de
https://espanol.libretexts.org/Matematicas/Algebra_lineal/Álgebra_Lineal_Interactiv
a_(Margalit_y_Rabinoff)/06:_Ortogonalidad/
6.5:_El_Método_de_los_Mínimos_Cuadrados