Interpolación polinómica de Lagrange

Dado un conjunto de k + 1 puntos

${\displaystyle (x_{0},y_{0}),\ldots ,(x_{k},y_{k})}$

donde todos los x_j se asumen distintos, el polinomio interpolador en la forma de Lagrange es la combinación lineal

${\displaystyle L(x)=\sum _{j=0}^{k}y_{j}\ell _{j}(x)}$

de bases polinómicas de Lagrange

${\displaystyle \ell _{j}(x)=\prod _{i=0,\,i\neq j}^{k}{\frac {x-x_{i}}{x_{j}-x_{i}}}={\frac {x-x_{0}}{x_{j}-x_{0}}}\cdots {\frac {x-x_{j-1}}{x_{j}-x_{j-1}}}{\frac {x-x_{j+1}}{x_{j}-x_{j+1}}}\cdots {\frac {x-x_{k}}{x_{j}-x_{k}}}}$

Para todo ${\displaystyle i\neq j}$, ${\displaystyle \ell _{j}(x)}$ incluye en el numerador el término ${\displaystyle (x-x_{i})}$, de modo que el producto completo valdrá cero en ${\displaystyle x=x_{i}}$:

${\displaystyle \forall ({j\neq i}):\ell _{j}(x_{i})=\prod _{m\neq j}{\frac {x_{i}-x_{m}}{x_{j}-x_{m}}}={\frac {(x_{i}-x_{0})}{(x_{j}-x_{0})}}\cdots {\frac {(x_{i}-x_{i})}{(x_{j}-x_{i})}}\cdots {\frac {(x_{i}-x_{k})}{(x_{j}-x_{k})}}=0.}$

Por otro lado,

${\displaystyle \ell _{j}(x_{j}):=\prod _{m\neq j}{\frac {x_{j}-x_{m}}{x_{j}-x_{m}}}=1}$

En otras palabras, todas las bases polinómicas de Lagrange valen cero en ${\displaystyle x=x_{i}}$, excepto ${\displaystyle \ell _{j}(x)}$, para el que aplica ${\displaystyle \ell _{j}(x_{j})=1}$, puesto que carece del término ${\displaystyle (x-x_{j})}$ en el numerador.

Por tanto se deriva que ${\displaystyle y_{j}\ell _{j}(x_{j})=y_{j}}$, en cada punto ${\displaystyle x_{j}}$, ${\displaystyle L(x_{j})=y_{j}+0+0+\dots +0=y_{j}}$, demostrando que ${\displaystyle L}$ interpola la función de forma exacta.

La función que estamos buscando es una función polinómica L(x) de grado, a lo sumo, k con el problema de interpolación puede tener tan solo una solución, pues la diferencia entre dos tales soluciones, sería otro polinomio de grado k a lo sumo, con k+1 ceros.

Por lo tanto, L(x) es el único polinomio interpolador

La resolución de un problema de interpolación lleva a un problema de álgebra lineal en el cual se debe resolver un sistema de ecuaciones. Usando una base monómica estándar para nuestro polinomio interpolador, llegamos a la matriz de Vandermonde. Eligiendo una base distinta, la base de Lagrange, llegamos a la forma más simple de matriz identidad = δ_i,j, que puede resolverse inmediatamente.

Si se aumenta el número de puntos a interpolar (o nodos) con la intención de mejorar la aproximación a una función, también lo hace el grado del polinomio interpolador así obtenido, por norma general. De este modo, aumenta la dificultad en el cálculo, haciéndolo poco operativo manualmente a partir del grado 4, dado que no existen métodos directos de resolución de ecuaciones de grado 4, salvo que se puedan tratar como ecuaciones bicuadradas, situación extremadamente rara.

La tecnología actual permite manejar polinomios de grados superiores sin grandes problemas, a costa de un elevado consumo de tiempo de computación. Pero, a medida que crece el grado, mayores son las oscilaciones entre puntos consecutivos o nodos. Se podría decir que a partir del grado 6 las oscilaciones son tales que el método deja de ser válido, aunque no para todos los casos.

Sin embargo, pocos estudios requieren la interpolación de tan solo 6 puntos. Se suelen contar por decenas e incluso centenas. En estos casos, el grado de este polinomio sería tan alto que resultaría inoperable. Por lo tanto, en estos casos, se recurre a otra técnica de interpolación, como por ejemplo a la Interpolación polinómica de Hermite o a los splines cúbicos

Otra gran desventaja, respecto a otros métodos de interpolación, es la necesidad de recalcular todo el polinomio si se varía el número de nodos.

Aunque el polinomio interpolador de Lagrange se emplea para interpolar funciones fácilmente en una computadora, también tiene otras aplicaciones en el campo del álgebra exacta, lo que ha hecho célebre a este polinomio, por ejemplo en el campo de los proyectores ortogonales:

Sea un espacio vectorial complejo de dimensión finita E en el que se definine un producto escalar (no necesariamente el usual). Sea F un operador normal, tal que gracias al teorema de la descomposición espectral es igual a ${\displaystyle \sum _{i=1}^{n}\lambda _{i}P_{i}}$, donde ${\displaystyle P_{i}}$ son los proyectores ortogonales y ${\displaystyle \lambda _{i}}$ los autovectores de F asociados a cada proyector. Entonces:

${\displaystyle P_{i}=\prod _{i\neq j}{\frac {F-\lambda _{j}I}{\lambda _{i}-\lambda _{j}}}=l_{i}(F)}$

siendo ${\displaystyle I}$ la matriz identidad.

Demostración:

Haciendo uso de la descomposición espectral y aplicando las propiedades de los proyectores:

${\displaystyle l_{i}(F)=l_{i}(\sum _{j=1}^{n}\lambda _{j}P_{j})=\sum _{j=1}^{n}l_{i}(\lambda _{j})P_{j}=\sum _{j=1}^{n}\delta _{ij}P_{j}=P_{i}}$

• Interpolación polinómica
• Forma de Newton del polinomio interpolador
• Forma de Bernstein del polinomio interpolador
• Fórmulas de Newton-Cotes

• Módulo para polinomios de Lagrange por John H. Mathews
• Método de interpolación de Lagrange - Notes, PPT, Mathcad, Mathematica, Matlab, Maple Archivado el 1 de septiembre de 2006 en Wayback Machine. del Holistic Numerical Methods Institute
• (en portugués) Quocientes de determinantes - Cocientes de determinantes