Interpolar
Interpolar
Interpolar
Interpolación
3.1. Introducción
b b
b b
x0 x1 x2 . . . xn−1 xn
Se pueden ajustar funciones de interpolación a una lista de datos siguiendo dos criterios:
ajuste exacto y ajuste por mínimos cuadrados (figura 3.2). Decidir el tipo de ajuste a
utilizar, depende de las necesidades de la investigación u origen de los datos.
49
50 CAPÍTULO 3. INTERPOLACIÓN
b b b b
b b b b
b b
Figura 3.2: tipos de interpolación: ajuste exacto (izquierda) y ajuste por mínimos cuadrados
(derecha).
(x − x1 )(x − x2 )(x − x3 ) · · · (x − xn )
P̃0 (x) = .
(x0 − x1 )(x0 − x2 )(x0 − x3 ) · · · (x0 − xn )
(x − x1 )(x − x2 )(x − x3 ) · · · (x − xn )
`0 (x) = ,
(x0 − x1 )(x0 − x2 )(x0 − x3 ) · · · (x0 − xn )
Notar que este polinomio tiene n factores lineales en el numerador, y por tanto `0 (x)
es de grado n. También, por comodidad, se puede expresar en la siguiente forma:
(x − xj )
Yn
`0 (x) =
j=0
(x 0 − xj )
j6=0
(x − xj )
Yn
P1 (x) = y1 `1 (x) = y1 ,
j=0
(x 1 − x j )
j6=1
52 CAPÍTULO 3. INTERPOLACIÓN
o en forma equivalente
(x − x0 )(x − x2 )(x − x3 ) · · · (x − xn )
P1 (x) = y1 ,
(x1 − x0 )(x1 − x2 )(x1 − x3 ) · · · (x1 − xn )
Se concluye que el polinomio P (x) que interpola todos los n + 1 puntos es la suma de los
Pi , con lo cual se tiene la construcción del polinomio de interpolación de Lagrange:
(x − xj )
n
X n
X Yn
P (x) = yi `i (x) = yi .
i=0 i=0 j=0
(xi − xj )
j6=i
Ejemplo 20. Encontrar el polinomio de interpolación de Lagrange que ajusta los datos
(−1, 2), (0, −1), (1, 1) y (2, −2).
Primer polinomio:
Al operar y simplificar
x(x − 1)(x − 2)
`0 (x) = .
−6
3.2. AJUSTE EXACTO 53
Segundo polinomio:
(x − x0 )(x − x2 )(x − x3 ) (x + 1)(x − 1)(x − 2)
`1 (x) = = .
(x1 − x0 )(x1 − x2 )(x1 − x3 ) (0 + 1)(0 − 1)(0 − 2)
Al operar y simplificar
(x2 − 1)(x − 2)
`1 (x) = .
2
Tercer polinomio:
(x − x0 )(x − x1 )(x − x3 ) (x + 1)(x − 0)(x − 2)
`2 (x) = = .
(x2 − x0 )(x2 − x1 )(x2 − x3 ) (1 + 1)(1 − 0)(1 − 2)
Al operar y simplificar
x(x + 1)(x − 2)
`2 (x) = .
−2
Cuarto polinomio:
(x − x0 )(x − x1 )(x − x2 ) (x + 1)(x − 0)(x − 1)
`3 (x) = = .
(x3 − x0 )(x3 − x1 )(x3 − x2 ) (2 + 1)(2 − 0)(2 − 1)
Al operar y simplificar
x(x2 − 1)
`3 (x) = .
6
xi yi
0.5 −0.69314
0.8 −0.22314
1.2 0.18232
1.4 0.33647
1.6 0.47000
1.8 0.58778
2.0 0.69314
En la propuesta de Newton, primero se hace pasar un polinomio de grado cero por uno de
los puntos, y desde el anterior se construye un polinomio de grado uno que pasa por otro
punto de la lista. Desde los dos últimos puntos, se construye un polinomio de grado dos
3.2. AJUSTE EXACTO 55
que pasa por un tercer punto de la lista y así sucesivamente. De esta manera, se respeta el
trabajo anterior, y no se tienen dificultades para agregar puntos a la lista. A continuación
se describe el proceso en forma detallada para los tres primeros puntos. En la figura 3.3
se muestran algunos puntos de la lista.
y0 b
y2 b
y1 b
y3 b
x0 x1 x2 x3
El polinomio P0 (x) se construye de manera que pase exactamente por el punto (x0 , y0 ),
de donde la propuesta más simple es P (x) = P0 (x) = y0 , cuya gráfica se presenta en la
figura 3.4.
y0 b
y2 b
y1 b
y3 b
x0 x1 x2 x3
Ahora se construye un nuevo polinomio que pase por (x1 , y1 ), pero que parta de P0 (x).
Este nuevo polinomio de grado uno tiene la forma P1 (x) = P0 (x) + c1 (x − x0 ). Notar que
este nuevo polinomio pasa por (x0 , y0 ) (lo asegura el factor lineal) y se quiere también
pase por (x1 , y1 ), de donde se debe ajustar el valor de la constante c1 .
Como P1 (x) debe interpolar a (x1 , y1 ), al evaluar en x1 debe dar como resultado y1 y por
tanto: P1 (x1 ) = y0 + c1 (x1 − x0 ) = y1 . Al despejar c1 se obtiene:
y1 − y0
c1 = ,
x1 − x0
56 CAPÍTULO 3. INTERPOLACIÓN
Notar que se utilizó el trabajo hecho con el primer punto. En esta situación, la gráfica se
presenta en la figura 3.5. De igual forma, se construye un polinomio que capture otro punto
y
y0 b
y2 b
y1 b
y3 b
x0 x1 x2 x3
más, es decir, que pase por (x0 , y0 ), por (x1 , y1 ) y por (x2 , y2 ) sin perder el trabajo que se
ha hecho hasta el momento. Dado P2 (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + c2 (x − x0 )(x − x1 ),
notar que al evaluar en x0 , los dos últimos términos se anulan, quedando solamente P0 (x),
cuyo valor es y0 . Igualmente, al evaluar en x1 , el último término se anula, quedando el
polinomio P1 (x) ya calculado, cuyo valor es y1 cuando se evalúa en x1 .
Para encontrar el coeficiente c2 , se debe tener en cuenta que, evaluar P2 (x) en x2 resulte
en y2 . Al hacer lo anterior, se obtiene: P2 (x2 ) = f [x0 ] + f [x0 , x1 ](x2 − x0 ) + c2 (x2 −
x0 )(x2 − x1 ) = y2 . Al despejar y ordenar adecuadamente se obtiene
y2 − y1 y1 − y0
−
x − x1 x1 − x0
c2 = 2 .
x2 − x0
Notar que en el numerador hay diferencias divididas de orden uno y escribiendo en
notación de diferencias, se tiene
f [x1 , x2 ] − f [x0 , x1 ]
c2 = f [x0 , x1 , x2 ] = ,
x2 − x0
expresión llamada diferencia dividida de orden dos. El polinomio de interpolación en
notación de diferencias divididas quedaría
y0 b
y2 b
y1 b
y3 b
x0 x1 x2 x3
Nota: en este instante, puede existir la sensación que el cálculo de los coeficientes ci es
una tarea dispendiosa y susceptible de errores, pero si los datos se organizan en una tabla,
el cálculo de estos coeficientes es relativamente rápido. Para ver lo anterior, se presenta el
siguiente ejemplo.
Ejemplo 21. Encontrar el polinomio de interpolación de Newton que ajusta los datos
(−1, 2), (0, −1), (1, 1) y (2, −2).
Solución: se deben calcular las diferencias divididas desde orden cero hasta orden tres
que también se denotan ∆0 , ∆1 , ∆2 y ∆3 en otros contextos. Las diferencias de orden
cero f [xi ], corresponden a los valores yi de los puntos y se tienen en el cuadro 3.1.
58 CAPÍTULO 3. INTERPOLACIÓN
y0 b
y2 b
y1 b
y3 b
x0 x1 x2 x3
i xi ∆0
0 −1 2
1 0 −1
2 1 1
3 2 −2
f [xi ] − f [xi−1 ]
Para determinar las diferencias de orden uno, se debe calcular f [xi−1 , xi ] =
xi − xi−1
para i = 1, 2, 3. Calculando cada f [xi−1 , xi ] y recordando que f [xj ] corresponde a yj , se
obtienen los resultados del cuadro 3.2.
i xi ∆0 ∆1
0 −1 2
y1 − y0
1 0 −1 f [x0 , x1 ] =
x1 − x0
y2 − y1
2 1 1 f [x1 , x2 ] =
x2 − x1
y3 − y2
3 2 −2 f [x2 , x3 ] =
x3 − x2
Al usar los valores numéricos correspondientes, se obtienen los resultados del cuadro 3.3.
Ahora, se agrega una columna con las diferencias de orden dos, que contiene los valores
f [xi−1 , xi ] − f [xi−2 , xi−1 ]
f [xi−2 , xi−1 , xi ] para i = 2, 3. Como f [xi−2 , xi−1 , xi ] = , se
xi − xi−2
tienen entonces los resultados simbólicos en el cuadro 3.4 y los numéricos en el 3.5. Por
3.2. AJUSTE EXACTO 59
i xi ∆0 ∆1
0 −1 2
1 0 −1 −3
2 1 1 2
3 2 −2 −3
i xi ∆0 ∆1 ∆2
0 −1 2
1 0 −1 −3
f [x1 , x2 ] − f [x0 , x1 ]
2 1 1 2 f [x0 , x1 , x2 ] =
x2 − x0
f [x2 , x3 ] − f [x1 , x2 ]
3 2 −2 −3 f [x1 , x2 , x3 ] =
x3 − x1
i xi ∆0 ∆1 ∆2
0 −1 2
1 0 −1 −3
5
2 1 1 2 2
3 2 −2 −3 − 25
i xi ∆0 ∆1 ∆2 ∆3
0 −1 2
1 0 −1 −3
5
2 1 1 2 2
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ]
3 2 −2 −3 − 52 f [x0 , x1 , x2 , x3 ] =
x3 − x0
i xi yi ∆1 ∆2 ∆3
0 −1 2
1 0 −1 −3
5
2 1 1 2 2
3 2 −2 −3 − 52 − 35
Ahora, al sumar dos polinomios de grado n, se tiene un polinomio de grado n o menor. Por
otro lado, un polinomio de grado n tiene a lo más n raíces reales. En estas circunstancias,
la situación presente solo es posible si r es el polinomio cero, y por tanto se concluye que
p(x) = q(x).
x y ∆1 ∆2 ∆3
−1 4
2 ? 1
1 ? ? −2
−2 ? ? ? −3
x y ∆1 ∆2 ∆3
−1 ?
2 4 1
? 2 ? ?
1
−2 −1 1 4 ?
donde los si (x) son n polinomios cúbicos y satisfacen las siguientes condiciones:
2n condición de interpolación
n−1 condición de dirección
+ n−1 condición de concavidad
total 4n − 2 ecuaciones
Para aplicar ahora la condición de la primera derivada, se debe determinar S 0 (x), que en
este caso corresponde a
0
s0 (x) = b0 + 2c0 (x − x0 ) + 3d0 (x − x0 )2 ∀x ∈ [x0 , x1 ]
2
s1 (x) = b1 + 2c1 (x − x1 ) + 3d1 (x − x1 ) ∀x ∈ [x1 , x2 ]
0
2
S 0 (x) = s2 (x) = b2 + 2c2 (x − x2 ) + 3d2 (x − x2 ) ∀x ∈ [x2 , x3 ]
0
.
..
0
sn−1 (x) = bn−1 + 2cn−1 (x − xn−1 ) + 3dn−1 (x − xn−1 )2 ∀x ∈ [xn−1 , xn ]
Asumiendo entonces que s0i+1 (xi+1 ) = s0i (xi+1 ) para i = 0, 1, . . . , n − 2, se tiene que
bi+1 + 2ci+1 (xi+1 − xi+1 ) + 3di+1 (xi+1 − xi+1 )2 = bi + 2ci (xi+1 − xi ) + 3di (xi+1 − xi )2 ,
de donde al simplificar y sustituir xi+1 − xi por hi se concluye que
bi+1 = bi + 2ci hi + 3di h2i .
64 CAPÍTULO 3. INTERPOLACIÓN
Asumiendo entonces que s00i+1 (xi+1 ) = s00i (xi+1 ) para i = 0, 1, . . . , n − 2, se tiene entonces
ci+1 = ci + 3di hi .
En resumen, para que el trazador cúbico S(x) cumpla las condiciones deseadas, los
coeficientes de los polinomios deben satisfacer las siguientes ecuaciones.
ai = yi (3.2)
ai + bi hi + ci h2i + di h3i = yi+1 (3.3)
bi+1 = bi + 2ci hi + 3di h2i (3.4)
ci+1 = ci + 3di hi (3.5)
(ci+1 − ci )
Despejar di en la ecuación 3.5 y concluir que di = para i = 0, 1, . . . , n−2.
3hi
Sustituir di en las ecuaciones 3.3 y 3.4 para obtener
h2i
ai+1 = ai + bi hi + (2ci + ci+1 ) (3.6)
3
bi+1 = bi + hi (ci + ci+1 ). (3.7)
Ac = s (3.10)
donde:
1 0 0 ··· ··· 0
h0
2(h0 + h1 ) h1 ··· ··· 0
0 h1 2(h1 + h2 ) h2 ··· 0
.. .. .. .. ..
A= .
. . . .
.. .. .. .. ..
.
. . . .
.
.. hn−2 2(hn−2 + hn−1 ) hn−1
0 ··· ··· 0 0 1
c0
c1
c
2
.
c = ..
..
.
c
n−1
cn
0
3 3
(a2 − a1 ) − (a1 − a0 )
h1 h0
3 3
(a − a ) − (a − a )
3 2 2 1
h2 h1
s= .
..
..
.
3 3
(an − an−1 ) − (an−1 − an−2 )
hn−1 hn−2
0
Ejemplo 22. Dados los datos (−1, 2), (0, −1), (2, 2), (3, 2) y (7, −1), construir su trazador
cúbico natural asociado.
Solución: lo primero que se debe hacer es ordenar de menor a mayor los puntos por la
coordenada x. Una vez ordenados, se disponen en el cuadro 3.8 y se calculan los elementos
que conformarán el sistema de ecuaciones 3.10.
3 3
i xi ai hi (ai − ai−1 ) − (ai−1 − ai−2 )
hi−1 hi−2
0 −1 2 1
1 0 −1 2 13.5
2 2 2 1 −4.5
3 3 2 4 −2.25
4 7 −1
(ci+1 − ci ) 1 hi
Al utilizar las relaciones di = y bi = (ai+1 − ai ) − (2ci + ci+1 ) se obtiene
3hi hi 3
d0 0.9363 b0 −3.9363
d1 −0.7476 b1 −1.1273
d2 = 0.5398 b2 = 1.1369
d3 0.0047 b3 −0.5971
d4 0 b4 0
Conociendo los coeficientes de los polinomios si (x), se construye el trazador cúbico natural.
3
s0 (x) = 2 − 3.9363(x + 1) + 0.9363(x + 1)
si x ∈ [−1, 0]
s (x) = −1 − 1.1273x + 2.8089x2 − 0.7476x3 si x ∈ [0, 2]
1
S(x) = 2 3
s2 (x) = 2 + 1.1369(x − 2) − 1.6767(x − 2) + 0.5398(x − 2)
si x ∈ [2, 3]
2 3
s3 (x) = 2 − 0.5971(x − 3) − 0.0573(x − 3) + 0.0047(x − 3) si x ∈ [3, 7]
3.3. AJUSTE POR MÍNIMOS CUADRADOS 67
♦
Ejercicios 8
1. Construir el trazador cúbico natural para los datos (0, 1), (1, 1) y (2, 7).
2. Para la función f (x) = ln(x), construir el trazador cúbico de los nodos x0 = 1,
x1 = 2, x2 = 3. Luego, estimar la imagen de x = e.
3. Construir el trazador cúbico natural para estimar f (8.4) si f (8.0) = 1.25, f (8.2) =
1.76, f (8.3) = 1.46 y f (8.5) = 1.75.
4. Si f (x) = cos−1 (x), x0 = 0, x1 = 0.5, x2 = 0.8, x3 = 1, utilizar el trazador cúbico
natural para aproximar f (0.65) y comparar con el valor real.
√
5. Utilizar un trazador cúbico natural para obtener una aproximación de 7 con la
función f (x) = 7x y los nodos x0 = −2, x1 = −1, x2 = 0, x3 = 1 y x4 = 2.
6. Dado el trazador cúbico natural
(
s0 (x) = 1 + 2x − x3 0≤x≤1
s(x) =
s1 (x) = 2 + b(x − 1) + c(x − 1)2 + d(x − 1)3 1≤x≤2
3.3.1. Errores
En la búsqueda de encontrar una curva cercana a una serie de puntos, es necesario definir
una manera de medir el error que se comete al seleccionar una función f¯(x). Existen
varias posibilidades.
68 CAPÍTULO 3. INTERPOLACIÓN
b b
b b
Error relativo: suponer que se tienen n + 1 puntos puntos (x0 , y0 ), (x1 , y1 ), . . ., (xn , yn )
y que estos se ajustan ¯
Pn con la función
¯
f (x). El error relativo que se comete con la función
de ajuste es Er = i=0 yi − f (xi ) . Un problema en esta situación es de compensación,
pues pueden existir errores grandes que al sumarlos con otros de igual magnitud pero de
signo contrario, se cancelen y pareciera que se tiene un pequeño o inclusive nulo error.
Error absoluto: para evitar que el Pnerror
se compense,
se toma el valor absoluto y el
¯
error se puede calcular como Ea = i=0 yi − f (xi ) . Este error presenta dos problemas.
Primero, puede ser que una curva ajuste bien una lista de puntos, pero la suma de errores
pequeños en cada punto puede finalmente arrojar un error grande, y segundo, el hecho
que la función valor absoluto presente problemas de diferenciabilidad.
Error cuadrático: esta manera de medir el error tiene la virtud de no presentar problemas
Pn 2
de diferenciabilidad y se define como Ec = i=0 yi − f¯(xi ) . Además, para valores
2
|yi − f¯(xi )| < 1 se tiene yi − f¯(xi ) ≤ |yi − f¯(xi )|, y por tanto errores “pequeños” se
transforman en valores inclusive menores.
Funciones seno y coseno: {1, cos x, cos 2x, . . . ; sin x, sin 2x, . . .}.
3.3. AJUSTE POR MÍNIMOS CUADRADOS 69
Cada uno de estos conjuntos se selecciona según la naturaleza de los datos a trabajar. En
la próxima sección se estudian funciones de ajuste f¯(x) que son combinaciones lineales de
la familia de los monomios.
Cuando se usa la familia de los monomios {1, x, x2 , . . .}, combinaciones lineales de ele-
mentos de esta base producen un polinomio, y el caso más simple es cuando se usan los
primeros dos elementos de la base, obteniéndose polinomios de grado uno. Ahora, la idea
entonces es encontrar una recta a0 + a1 x que pase cerca de los puntos (x0 , y0 ), (x1 , y1 ),. . .,
(xn , yn ). Si se observa el error cuadrático E entre la curva f¯(x) = a0 + a1 x y la lista de
puntos, dicha curva presenta un error cuadrático dado por la función de dos variables
n
X
E(a0 , a1 ) = (yi − a0 − a1 xi )2 .
i=0
Ahora la intención es hacer mínimo dicho error, así que hay que buscar dicho valor usando
las técnicas usuales del cálculo vectorial. Para tal efecto, notar que E(a0 , a1 ) es una
función cuadrática y su gráfica corresponde a un paraboloide que se abre hacia arriba.
Luego, tiene un único punto crítico y corresponde a su mínimo absoluto. Para calcular el
punto crítico, se debe determinar cuando el gradiente
∂E ∂E
∇E = i+ j
∂a0 ∂a1
de la función E es el vector nulo. En tal caso se obtienen las dos ecuaciones normales
∂E ∂E
=0 = 0.
∂a0 ∂a1
Xn
∂
(yi − a0 − a1 xi )2 = 0,
i=0
∂a 0
Ahora, al factorizar
n
( )
X
(−2) (yi − a0 − a1 xi ) = 0,
i=0
se obtiene
n
X
(yi − a0 − a1 xi ) = 0.
i=0
Al tener las dos ecuaciones normales, se llega a un sistema de ecuaciones cuya matriz
aumentada es
P n Pn P
n
x2i xi yi xi
i=0 i=0 i=0
.
P n P
n
xi n + 1 yi
i=0 i=0
P
n 2 P n
xi yi xi
i=0 i=0
P n P
n Pn Pn Pn Pn
x y x 2
y − x yi xi
i i i i i
a0 = Pi=0 i=0
=
i=0 i=0 i=0 i=0
n 2 (3.12)
n 2 P n
Pn
2
P
i=0
xi xi
(n + 1) xi − xi
i=0
i=0 i=0
P n
x n + 1
i
i=0
Finalmente, estos son los valores de a0 y a1 que hacen mínimo el error cuadrático.
Ejemplo 23. Encontrar los valores de a0 y a1 que hacen mínimo el error cuadrático
cuando se aproxima la lista (−1, 2), (0, −1), (1, 1) y (2, −2) con un polinomio de grado
uno.
i xi yi x2i yi xi
0 −1 2 1 −2
1 0 −1 0 0
2 1 1 1 1
3 2 −2 4 −4
P
2 0 6 −5
(6)(0) − (2)(−5) 10
a0 = = = 0.5.
20 20
Por lo tanto, la función de ajuste es:
♦
Cuando la función de ajuste es un polinomio cuadrático, f¯(x) = a0 + a1 x + a2 x2 , el error
es
n
X 2
E(a0 , a1 , a2 ) = yi − a0 − a1 xi − a2 x2i .
i=0
72 CAPÍTULO 3. INTERPOLACIÓN
Ahora el error depende de las constantes a0 , a1 y a2 que se elijan. Para encontrar el valor
de aquellas que minimizan el error cuadrático, se iguala el gradiente al vector nulo y lo
anterior da origen a tres ecuaciones normales:
n
X n
X n
X n
X
a2 x4i + a1 x3i + a0 x2i = yi x2i ,
i=0 i=0 i=0 i=0
n
X n
X n
X n
X
a2 x3i + a1 x2i + a0 xi = yi xi ,
i=0 i=0 i=0 i=0
n
X n
X n
X
a2 x2i + a1 xi + a0 (n + 1) = yi ,
i=0 i=0 i=0
Si se observa bien esta matriz, se puede notar que contiene al caso de la recta de mínimos
cuadrados, es decir, al sistema del caso anterior. Es más, esta nueva matriz se puede
construir agregando una fila a la izquierda y una columna arriba de la matriz aumentada
del caso anterior teniendo en cuenta que los exponentes de xi crecen hacia la izquierda y
hacia arriba. Sucede igual cuando la función de ajuste es un polinomio de grado tres, es
decir, a la última matriz solo basta agregar una columna a la izquierda y una fila arriba
aumentando los exponentes hacia arriba y hacia la izquierda. De esta forma se puede
generalizar para polinomios de grado n.
En algunos casos, para los datos {(xi , yi )}i=0 es necesario construir una función de ajuste
n
de la forma f¯(x) = axb . Es necesario encontrar los valores de a y b que hacen mínimo el
Xn
2
error cuadrático E(a, b) = yi − axbi . Aunque al calcular las ecuaciones normales
i=0
rápidamente se observa que es un sistema no lineal, un buen intento para obtener un
sistema lineal es aplicar el logaritmo natural a la función de ajuste. En dicho caso, por
las propiedades de los logaritmos se obtiene
ln f¯(x) = ln a + b ln x.
3.3. AJUSTE POR MÍNIMOS CUADRADOS 73
F̄ (X) = a0 + a1 X.
Ejercicios 9
1. Determinar la recta de mínimos cuadrados que corresponde a los datos (−1, 2),
(−2, 3), (1, 2.5) y (−3, 0) y su error cuadrático.
2. Determinar la recta de mínimos cuadrados que corresponde a los datos (10, ln(10)),
(100, ln(100)), (1000, ln(1000)) y (10000, ln(10000)). Luego estimar la imagen de
x = 5000 y comparar con el valor real.
3. Para los datos (1, −1), (2, 1), (3, −1), (4, 1), (5, −1):
Ubicar en los puntos en el plano y dibujar la recta que se considere es la más
cercana a los datos.
Determinar la recta de mínimos cuadrados para los puntos dados.
¿Concuerda la recta de mínimos cuadrados con la esperada?
4. ¿Cuál es la recta de mínimos cuadrados para los datos (1, 2), (1, −1)?
xi yi
0.03 24.8
0.05 12.3
0.07 6.25
0.09 3.12
0.1 0.75
7. Determinar el error cuadrático al aproximar (−1, 2.5), (0.5, −2) y (2, −0.2) con la
1 5 2/3
función f¯(x) = + x .
3 3
8. Si se conoce que el error cuadrático de aproximar (1, 2.5), (2, 3.5), (−1.5, 0) y
(−2, −0.5) con una recta es cero, ¿qué se puede decir acerca de los datos?