Spline S

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL
INTRODUCCION
En este texto se intenta dar una introducción al estudio de las curvas de

interpolación generadas por el ordenador(SPLINE) El término "splines"
hace referencia a una amplia clase de funciones que son utilizadas en
aplicaciones que requieren la interpolación de datos, o un suavizado de
curvas. Los splines son utilizados para trabajar tanto en una como en varias
dimensiones.
Todo este desarrollo comenzó en 1950 por ingenieros que necesitaban

la representación matemática precisa de superficies de forma libre como
las usadas en carrocerías de automóviles, superficies de exteriores
aeroespaciales y cascos de barcos, que pudieran ser reproducidos exacta y
técnicamente en cualquier momento. Los pioneros en estas investigaciones
fueron Pierre Bézier; quien trabajaba como ingeniero en Renault, dio
nombre a un tipo de curvas ampliamente utilizadas hoy en día; las curvas
de Bézier. Y Paul de Casteljau quien trabajaba en Citroën, ambos en
Francia. Bézier y Casteljau trabajaron casi en paralelo, aunque ninguno de
los dos conoció el trabajo que el otro desarrollaba.
A nivel industrial, desde años se trabaja con curvas splines y B-splines.

Desde el inicio de carrocerías para automóviles, pasando por cascos de
embarcaciones hasta llegar a zapatillas deportivas de competición, se
podría decir que todo el sector del diseño utiliza este tipo de curvas. Incluso
se utilizan en las imprentas, proyectos de robótica industrial y micro-
robótica. Los videojuegos y el mundo de la DemoScene no se quedan sin
la aplicación de estas curvas.
El presente estudio trata de informar; aun así sea de pequeña parte

siendo el tema muy amplio, sobre los splines. Desde los conocimientos
más básicos hasta los aplicados en el programa MatLab. Esperando que
sea de ayuda y mantenga preparado al lector.
METODOS NUMERICOS 1
OBJETIVOS
 Aprender la interpolación de una función y = f(x), utilizando el método del

splines, por medio de polinomios de grado n, a partir del valor que toma la
función en n puntos determinados.
 Poder hacer uso del splines con su aplicación al Matlap para cursos de
concreto e hidráulica.
 Comprender el concepto de la interpolación para poder utilizar y

programarla
 Aprender los diferentes métodos de interpolación, programarla y llevarla

al campo de aplicaciones de la Ingeniería Civil.
METODOS NUMERICOS 2
MARCO TEORICO
INTERPOLACION EN GENERAL
La interpolación polinomial es la base de muchos tipos de integración numérica y
tiene otras aplicaciones teóricas.
En la práctica a menudo tenemos una tabla de datos {(xi,yi), i = 0,1,2,...,n}, obtenida por
muestreo o experimentación. Suponemos que los datos corresponden a los valores de una
función f desconocida ( a veces es conocida, pero queremos cambiarla por una función
más sencilla de calcular). El “ajuste de curvas” trata el problema de construir una función
que aproxime muy bien estos datos (es decir, a f). Un caso particular de ajuste de curvas
es la interpolación polinomial: En este caso se construye un polinomio P(x) que pase por
los puntos de la tabla.
La interpolación polinomial consiste en estimar f (x∗) con P (x∗) si x∗ no está en la tabla pero
se puede ubicar entre los dos valores.
LAS DIVERSAS FORMAS DE AJUSTE DE CURVAS
 Usar un polinomio interpolante. Es el método de propósito general más usado.
 Usar trazadores (splines). Estas son funciones polinomiales a trozos.
 Usar Polinomios trigonométricos en [0,2π]. Son la elección natural cuando la
función f es periódica de periodo 2π.
METODOS NUMERICOS 3
 Usar sumas exponenciales. Se usan si conocemos que f presenta decaimiento
exponencial conforme x−→∞. Si los datos son aproximados (“datos experimentales”),
lo conveniente sería usar Mínimos Cuadrados.
DIFERENTES ESTUDIOS QUE ABARCAN LA INTERPOLACION (DIFERENTES A
SPLINE).
INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS
existe una gran variedad de formas alternativas para expresar una interpolación polinomial.
El polinomio de interpolación de Newton en diferencias divididas es una de las formas
más populares y útiles . Antes de presentar la ecuación general, estudiaremos las versiones
de primero y segundo grados por su sencilla interpretación visual.
INTERPOLACION
LINEAL
ANTES DE CONOCER
DIFERENCIAS
DIVIDIDAS
INTERPOLACION
CUADRATICA
INTERPOLACION LINEAL
La forma más simple de interpolación consiste en unir dos puntos con una línea
recta.
INTERPOLACION CUADRATICA
Si se tienen tres puntos como datos, éstos pueden ajustarse en un polinomio de segundo
grado (también conocido como polinomio cuadrático o parábola).
METODOS NUMERICOS 4
FORMA GENERAL DE LOS POLINOMIOS DE INTERPOLACIÓN DE NEWTON
El análisis anterior puede generalizarse para ajustar un polinomio de n-ésimo grado a n +
1 datos. El polinomio de n-ésimo grado es:
fn(x) = b0 + b1(x – x0) + · · · + bn(x – x0)(x – x1)· · ·(x – xn–1)
POLINOMIOS DE INTERPOLACION DE LAGRANGE (DIFERENTE A SPLINE)
El polinomio de interpolación de Lagrange es simplemente una reformulación del
polinomio de Newton que evita el cálculo de las diferencias divididas, y se representa
de manera concisa como.
DONDE
𝑥−𝑥1 𝑥−𝑥0
Version lineal: 𝑓1(𝑥) = 𝑥0−𝑥1 𝑓(𝑥0) + 𝑥1−𝑥0 𝑓(𝑥1)
Vesion de segundo grado:
(𝑥−𝑥1)(𝑥−𝑥2) (𝑥−𝑥0)(𝑥−𝑥2) (𝑥−𝑥0)(𝑥−𝑥1)

𝑓2(𝑥) = (𝑥0−𝑥1)(𝑥0−𝑥2) 𝑓(𝑥0) + (𝑥1−𝑥0)(𝑥1−𝑥2) 𝑓(𝑥1) + (𝑥2−𝑥0)(𝑥2−𝑥1) 𝑓(𝑥2)
COEFICIENTES DE UN POLINOMIO DE INTERPOLACIÓN (DIFERENTE A
SPLINE)
Un método directo para calcular los coeficientes de este polinomio se basa en el hecho
de que se requieren n + 1 puntos para determinar los n + 1 coeficientes. Así, se utiliza un
sistema de ecuaciones algebraicas lineales simultáneas para calcular las a. Por ejemplo ,
suponga que usted desea calcular los coeficientes de la parábola.
METODOS NUMERICOS 5
𝐹(𝑋) = 𝑎0 + 𝑎1𝑋 + 𝑎2𝑋2 ………………………(I)
Se requiere de tres puntos: [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Cada uno se sustituye en la
ecuación (I)
𝐹(𝑋0) = 𝑎0 + 𝑎1𝑋0 + 𝑎2(𝑋0)2
𝐹(𝑋1) = 𝑎0 + 𝑎1𝑋1 + 𝑎2(𝑋1)2
𝐹(𝑋2) = 𝑎0 + 𝑎1𝑋2 + 𝑎2(𝑋2)2
De esta manera, las x son los puntos conocidos, y las a las incógnitas. Como hay el
mismo número de ecuaciones que de incógnitas, la ecuación se podría resolver con uno
de los métodos de eliminación de la parte tres.
INTERPOLACION INVERSA(DIFERENTE A SPLINE)
En una nomenclatura implica, los valores de f(x) y x en la mayoría de los problemas de
interpolación son las variables dependiente e independiente, respectivamente. En
consecuencia, los valores de las x con frecuencia están espaciados uniformemente. Un
ejemplo simple es una tabla de valores obtenida para la función f(x) = 1/x.
Seguidamente usando datos, pero que se le ha dado un valor de f(x) y debe determinar
el valor correspondiente de x. Por ejemplo, para los datos anteriores, suponga que se le
pide determinar el valor de x que corresponda a f(x) = 0.3. En tal caso, como se tiene la
función y es fácil de manipular, la respuesta correcta se determina directamente, x = 1/0.3
= 3.3333.A ese problema se le conoce como interpolación inversa
METODOS NUMERICOS 6
Sin embargo cuando se invierte las variables no hay garantía de que los valores junto con la
nueva abscisa [las f(x)] estén espaciados de una manera uniforme. Es decir, tendrán la apariencia
de una escala logarítmica, con algunos puntos adyacentes muy amontonados y otros muy
dispersos.
Entonces para no tener problemas una estrategia alterna es ajustar un polinomio de
interpolación de orden n-ésimo, fn(x) , a los datos originales [es decir, con f(x) contra x].
En la mayoría de los casos, como las x están espaciadas de manera uniforme, este
polinomio no estará mal condicionado.
METODOS NUMERICOS 7
INTERPOLACIÓN SEGMENTARIA O SPLINES
La construcción de polinomios de interpolación de grado alto aunque justificable teóricamente

plantea muchos problemas. Por un lado, la forma de la función polinómica de grado alto a
menudo no responde al fenómeno debido al gran número de extremos e inflexiones. Por
otro lado, su cálculo es muy complicado, lo que limita su utilidad en análisis numérico. Es
a menudo más conveniente dividir el intervalo de interés en subintervalos más pequeños y
usar en cada subintervalo polinomios de grado relativamente bajo, tratando de que la función
a trozos definida de este modo tenga un aspecto final adecuado al fenómeno que estamos
representando.
La idea central es que en vez de usar un solo polinomio para interpolar los datos, podemos
usar segmentos de polinomios y unirlos adecuadamente para formar nuestra interpolación.
Podemos decir, que una función spline está formada por varios polinomios, cada uno definido
en un intervalo y que se unen entre si bajo ciertas condiciones de continuidad.
Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más
adecuadas.
Claramente esta función cumple con las condiciones de la spline de grado 1. Así, tenemos que
para este caso:
METODOS NUMERICOS 8
donde:
i) Sj (x) es un polinomio de grado menor o igual que 1
ii) S(x) tiene derivada continua de orden k-1=0.
iii) Sj(xj ) = y , para j = 0,1,K,n .
Por lo tanto, la spline de grado 1 queda definida como
Donde f[ xi xj] es la diferencia dividida de Newton.
FUNCIONES SPLINES DE GRADO 2: Veamos un ejemplo concreto, consideremos los

siguientes datos:
Procedamos a calcular la interpolación por splines de grado 2. Primero que nada, vemos que se
forman tres intervalos: [3, 4.5], [4.5, 7], [7, 9]
En cada uno de estos intervalos, debemos definir una función polinomial de grado 2, como sigue:
Hacemos que la spline pase por los puntos de la tabla de datos, es decir, se debe cumplir que:
s(3) = 2.5, s(4.5) =1, s(7) = 2.5, s(9) = 0.5
Así, se forman las siguientes ecuaciones:
METODOS NUMERICOS 9
Hasta aquí, tenemos un total de 6 ecuaciones con 9 incógnitas.

El siguiente paso es manejar la existencia de las derivadas continuas. En el caso de las splines de
grado 2, necesitamos que la spline tenga derivada continua de orden k-1=1, es decir, primera
derivada continua. Calculamos primero la primera derivada:
Vemos que esta derivada está formada por segmentos de rectas, que pudieran presentar
discontinuidad en los cambios de intervalo. Es decir, las posibles discontinuidades son x = 4.5 y
x = 7 . Por lo tanto para que s¢(x) sea continua, se debe cumplir que:
También debe cumplirse que:
Así, tenemos un total de 8 ecuaciones vs. 9 incógnitas; esto nos da un grado de libertad para
elegir alguna de las incógnitas. Elegimos por simple conveniencia a1 = 0.
De esta forma, tenemos un total de 8 ecuaciones con 8 incógnitas. Estas son las siguientes:
METODOS NUMERICOS 10
Este sistema de ecuaciones tiene la siguiente forma matricial:
Se obtiene la siguiente solución:
Sustituyendo estos valores (junto con a1 =0 ), obtenemos la función spline cuadrática que
interpola la tabla de datos dada:
La gráfica que se muestra a continuación, contiene tanto los puntos iniciales de la tabla de datos,
así como la spline cuadrática.
El siguiente caso, que es el más importante en las aplicaciones, sigue exactamente los mismos
pasos del ejemplo que acabamos de resolver, solamente que en vez de trabajar con polinomios
cuadráticos, lo hace con polinomios cúbicos.
FUNCIONES SPLINES CUBICAS:

Dados n +1 datos:
Una spline cúbica que interpola estos datos, es una función S(x) definida como sigue:
Donde cada si(x ) es un polinomio cúbico; s i (x i ) = y i , para toda i = 0,1,...,n y tal que s(x) tiene
primera y segunda derivadas continuas en [xo,xn].
CONCLUSIONES
 La idea central es que en vez de usar un solo polinomio para interpolar los datos,
podemos usar segmentos de polinomios y unirlos adecuadamente para formar
nuestra interpolación.
 Podemos decir, que una función splines está formada por varios polinomios,
cada uno definido en un intervalo y que se unen entre si bajo ciertas condiciones
de continuidad.
 Cabe mencionar que entre todas, las splines cúbicas han resultado ser las más
adecuadas.
 En los problemas de interpolación, se utiliza a menudo la interpolación
mediante splines porque da lugar a resultados similares requiriendo
solamente el uso de polinomios de bajo grado, evitando así las
oscilaciones, indeseables en la mayoría de las aplicaciones, encontradas al
interpolar mediante polinomios de grado elevado.
 Para el ajuste de curvas, los splines se utilizan para aproximar formas
complicadas. La simplicidad de la representación y la facilidad de cómputo
de los splines los hacen populares para la representación de curvas en
informática, particularmente en el terreno de los gráficos por ordenador.
BIBLIOGRAFIA
 Burden, Richard L.; J. Douglas, Faires (2004). Numerical Analysis. Belmont: Brooks/Cole.
 Spitzbart, A. (enero de 1960). “A Generalization of Hermite's Interpolation Formula”.
 AAVV “Numerical Reciples in C: The art of Scientific Computing”, Ed. Cambridge University
Press, 1992
 P. Henrici.Essentials of Numerical Analysis. Wiley, New York, 1982.
 J. Stoer, Introduction to Numerical Analysis. 3rd ed. Springer, 2002.
Páginas Web Consultadas:
http://glub.ehu.es/recursos-castellano/ Linux_en_castellano-6.html
http://www.met.inf.cu/sometcuba/Boletin/v07_n01/art_abel04.htm
ANEXOS
 Ejemplo N° 1
Anexo 2
 Imágenes
Generando curvas con Spline.
Generando superficies con Spline.

Spline S

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Spline S

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ INGENIERIA CIVIL

En este texto se intenta dar una introducción al estudio de las curvas de

Todo este desarrollo comenzó en 1950 por ingenieros que necesitaban

A nivel industrial, desde años se trabaja con curvas splines y B-splines.

El presente estudio trata de informar; aun así sea de pequeña parte

 Aprender la interpolación de una función y = f(x), utilizando el método del

 Comprender el concepto de la interpolación para poder utilizar y

 Aprender los diferentes métodos de interpolación, programarla y llevarla

La interpolación polinomial es la base de muchos tipos de integración numérica y

tiene otras aplicaciones teóricas.

los puntos de la tabla.

se puede ubicar entre los dos valores.

LAS DIVERSAS FORMAS DE AJUSTE DE CURVAS

 Usar un polinomio interpolante. Es el método de propósito general más usado.

 Usar trazadores (splines). Estas son funciones polinomiales a trozos.

 Usar Polinomios trigonométricos en [0,2π]. Son la elección natural cuando la

función f es periódica de periodo 2π.

 Usar sumas exponenciales. Se usan si conocemos que f presenta decaimiento

exponencial conforme x−→∞. Si los datos son aproximados (“datos experimentales”),

lo conveniente sería usar Mínimos Cuadrados.

DIFERENTES ESTUDIOS QUE ABARCAN LA INTERPOLACION (DIFERENTES A

INTERPOLACIÓN POLINOMIAL DE NEWTON EN DIFERENCIAS DIVIDIDAS

El polinomio de interpolación de Newton en diferencias divididas es una de las formas

de primero y segundo grados por su sencilla interpretación visual.

grado (también conocido como polinomio cuadrático o parábola).

FORMA GENERAL DE LOS POLINOMIOS DE INTERPOLACIÓN DE NEWTON

El análisis anterior puede generalizarse para ajustar un polinomio de n-ésimo grado a n +

1 datos. El polinomio de n-ésimo grado es:

fn(x) = b0 + b1(x – x0) + · · · + bn(x – x0)(x – x1)· · ·(x – xn–1)

POLINOMIOS DE INTERPOLACION DE LAGRANGE (DIFERENTE A SPLINE)

El polinomio de interpolación de Lagrange es simplemente una reformulación del

polinomio de Newton que evita el cálculo de las diferencias divididas, y se representa

de manera concisa como.

Vesion de segundo grado:

(𝑥−𝑥1)(𝑥−𝑥2) (𝑥−𝑥0)(𝑥−𝑥2) (𝑥−𝑥0)(𝑥−𝑥1)

COEFICIENTES DE UN POLINOMIO DE INTERPOLACIÓN (DIFERENTE A

de que se requieren n + 1 puntos para determinar los n + 1 coeficientes. Así, se utiliza un

suponga que usted desea calcular los coeficientes de la parábola.

𝐹(𝑋) = 𝑎0 + 𝑎1𝑋 + 𝑎2𝑋2 ………………………(I)

𝐹(𝑋0) = 𝑎0 + 𝑎1𝑋0 + 𝑎2(𝑋0)2

𝐹(𝑋1) = 𝑎0 + 𝑎1𝑋1 + 𝑎2(𝑋1)2

𝐹(𝑋2) = 𝑎0 + 𝑎1𝑋2 + 𝑎2(𝑋2)2

de los métodos de eliminación de la parte tres.

INTERPOLACION INVERSA(DIFERENTE A SPLINE)

En una nomenclatura implica, los valores de f(x) y x en la mayoría de los problemas de

interpolación son las variables dependiente e independiente, respectivamente. En

consecuencia, los valores de las x con frecuencia están espaciados uniformemente. Un

función y es fácil de manipular, la respuesta correcta se determina directamente, x = 1/0.3

= 3.3333.A ese problema se le conoce como interpolación inversa

Entonces para no tener problemas una estrategia alterna es ajustar un polinomio de

polinomio no estará mal condicionado.

INTERPOLACIÓN SEGMENTARIA O SPLINES

La construcción de polinomios de interpolación de grado alto aunque justificable teóricamente

Donde f[ xi xj] es la diferencia dividida de Newton.

FUNCIONES SPLINES DE GRADO 2: Veamos un ejemplo concreto, consideremos los

Hasta aquí, tenemos un total de 6 ecuaciones con 9 incógnitas.

También debe cumplirse que:

Este sistema de ecuaciones tiene la siguiente forma matricial:

Se obtiene la siguiente solución:

FUNCIONES SPLINES CUBICAS:

Páginas Web Consultadas:

Generando curvas con Spline.

Generando superficies con Spline.