Aproximación de Funciones

Teorema
Diferencias divididas y Newton

Interpolaci on de splines
Teorema de la Aplicaci
on Abierta
Eduardo Marquez - 98009
Universidad Autonoma de Cd. Juarez
19 de febrero de 2013
Eduardo M arquez - 98009 Teorema de la Aplicaci on Abierta
Teorema
Forma de Lagrange
Error en la interpolaci on
Forma de Newton y Minimizaci on del error
Polinomios de Chebyshev
Convergencia de polinomios de intepolaci on
Teorema
Sea X, Y espacios de Banach y sea T : X > Y un operadore
lineal acotado sobreyectivo. Entonces T es una funcion abierta, es
decir manda conjuntos abiertos en abiertos.
Teorema
Forma de Lagrange
Interpolaci
on Polinomial
Dada una tabla de n + 1 puntos (x
1
, y
1
), correspondientes a una
pareja de datos:
x y
x
0
y
0
x
1
y
1
x
2
y
2
.
.
.
.
.
.
x
n
y
n
y buscamos un polinomio p(x
i
) = y
i
, 0 i n
Se dice que tal polinomio hace una interpolacion de datos.
Teorema
Forma de Lagrange
Teorema
Si x
0
, x
1
, . . . , x
n
son n umeros reales distintos, entonces para valores
arbitrarios y
0
, y
1
, . . . , y
n
existe un polinomio unico p
n
de a lo sumo
grado n, de manera que:
P
n
(x
i
) = y
i
(0 i n)
Demostraci
on
Unicidad.- Supongamos que hubiera dos p
n
, q
n
que cumplen con el
enunciado. Entonces (p
n
q
n
)(x
i
) = 0 para 0 i n ya que
(p
n
q
n
) puede ser a lo mas de grado n, entonces puede tener a lo
mas n ceros, en tanto no sea el polinomio cero.
Como x
i
son distintas p
n
q
n
tiene n + 1 ceros. Por lo tanto debe
valer cero y por lo tanto p
n
= q
n
.
Teorema
Forma de Lagrange
Demostraci
on
Existencia.- Demostraremos que existe de manera inductiva.
Para n = 0, es obvio, ya que la funcion constante p
0
se puede
escoger de manera que p
0
(x
0
) = y
0
.
Supongamos que cumple para p
k1
, con p
k1
(x
i
) = y
i
, para
0 i k 1. Tratemos de construir p
k
de la forma
p
k
(x) = p
k1
(x) + c(x x
0
)(x x
1
) . . . (x xk 1)
se observa que es un polinomio de a lo mas grado k. Tambien
p
k
(x
i
) = p
k1
(x
i
) = y
i
, (0 i k 1)
Ahora pongamos la condicion p
k
(x
k
) = y
k
esto lleva a
p
k1
(x
k
) + c(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
) = y
k
Teorema
Forma de Lagrange
Teorema
Sea f : [a, b] R y {x
0
, x
1
, . . . , x
n
} [a, b] con x
i
= x
j
, si i = j .
Existe un unico polinomio p
n
P
n
tal que P
n
(x
i
) = f (x
i
) para
i = 0, 1, . . . , n. Ademas, esta dado por
P
n
(x) =
n
i =0
f (x
i
)L
i
(x)
donde, para cada i {0, 1, . . . , n}
L
i
(x) =
n
i =0,j =i
x x
i
x
i
x
j
Teorema
Forma de Lagrange
Definici
on
El polinomio P
n
dado en
P
n
(x) =
n
i =0
f (x
i
)L
i
(x)
se denomina polinomio de interpolacion de Lagrange relativo a la
funcion f en puntos {x
0
, x
1
, . . . , x
n
} y los polinomios L
i
(x) dados
son los polinomios basicos de interpolacion de Lagrange
Teorema
Forma de Lagrange
Ejemplo
x
i
f (x
i
)
2 1
3 2
1 3
4 4
Encontrar el polinomio de interpolacion. En este caso
L
0
(x) =
(x 3)(x + 1)(x 4)
(1)(3)(2)
=
(x 3)(x + 1)(x 4)
6
L
1
(x) =
(x 2)(x + 1)(x 4)
(1)(4)(1)
=
(x 2)(x + 1)(x 4)
4
L
2
(x) =
(x 2)(x 3)(x 4)
(3)(4)(5)
=
(x 2)(x 3)(x 4)
60
Teorema
Forma de Lagrange
Ejemplo
L
3
(x) =
(x 2)(x 3)(x + 1)
(2)(1)(5)
=
(x 2)(x 3)(x + 1)
10
De esta forma el polinomio de interpolacion buscado es
P
3
(x) =
3
i =0
f (x
i
)L
i
(x) =
1
60
(x
3
+ 24x
2
64x + 96)
Teorema
Forma de Lagrange
Observaciones
1 El calculo del polinomio de interpolacion a partir del
polinomio de Lagrange requiere muchas operaciones. Ademas
dado o determinado el polinomio de interpolacon de f en
puntos {x
0
, x
1
, . . . , x
n
} [a, b], si anadimos un nuevo punto
x
n+1
distinto y queremos hallar el polinomio, debemos repetir
todo el proceso.
2 Al interpolar una funcion f en n + 1 puntos distintos puede el
grado de P
n
= n, de hecho, el grado de P
n
puede ser peque no
aunque n sea grande. As, por ejemplo P
3
(x) = 2x 3 es el
polinomio de interpolacion de la funcion
f (x) = x
4
2x
3
x
2
+ 4x 3 en puntos {1, 0, 12}
Teorema
Forma de Lagrange
Error de Interpolaci
on
Como deseamos usar el polinomio de interpolacion en vez de la
funcion, sera conveniente conocer o estimar el error.
E
n
(x) = f (x) P
n
(x), x [a, b]
Sin hipotesis adicionales, nada podemos decir.
Teorema
Forma de Lagrange
Teorema
Sea f C
n+1
([a, b]), {x
0
, x
1
, . . . , x
n
} [a, b] con x
i
= x
j
si i = j y
P
n
P
n
, el polinomio de interpolacion de f en los puntos
{x
0
, x
1
, . . . , x
n
}. Para cada x [a, b] existe I
x
, siendo I
x
el
mnimo intervalo cerrado que contiene a los puntos {x
0
, x
1
, . . . , x
n
}
tal que
E
n
(x) = f (x) P
n
(x) =
f
n+1
(x)
(n + 1)!
n
i =0
(x x
i
)
Teorema
Forma de Lagrange
Observaciones
1 Esta funcion no es exacta pero podemos utlizarla para obtener
una cota del error de interpolacion pues
|f (x) P
n
(x)|
|..............
n + 1
2 g : [a, b] R g(x) = f
n+1
(
x
), es continua con condiciones
de.................
Teorema
Forma de Lagrange
Ejemplo
f : [1, 1] R dado por f (x) = x y puntos de interpolacion
x
k
= 1 +
2k
n
, k = {0, . . . , n}, n N
n = 20 se tiene, conocidos como efectos de borde. A medida que n
aumenta, se producen fuertes oscilaciones en los extremos de
[1, 1]
Teorema
Forma de Lagrange
F
ormula de Newton
Como ya vimos en la formula de Lagrange, al aumentar un nuevo
nodo o punto, se tiene que repetir el proceso.
En la forma de Newton podemos agregar un nuevo termino
evitando tener que repetir todo el proceso, se dene por
P
k
(x) = c
0
+c
1
(xx
0
)+c
2
(xx
0
)(xx
1
)+ +c
k
(xx
0
) . . . (xx
k1
)
o bien
P
k
(x) =
k
i =0
c
i
i 1
j =0
(x x
j
)
llamado polinomio de interpolacion de Newton donde
c
k
=
y
k
P
k1
(x
k
)
(x
k
x
0
)(x
k
x
1
) . . . (x
k
xk 1)
Teorema
Forma de Lagrange
Ejemplo
x
i
f (x
i
)
2 1
3 2
1 3
4 4
Teorema
Forma de Lagrange
Polinomio de Chevyshev
Definici
on
Considerar la sucesion de polinomios {T
n
}
n=0
dado por
_
T
0
(x) = 1, T
1
(x) = x
T
n+1
(x) = 2xT
n
(x) T
n1
(x), n N
T
n
se denomina, Polinomio de Chebyshev de orden n N {0}.
Teorema
Forma de Lagrange
Ejemplo
T
0
(x) = 1
T
1
(x) = x
T
2
(x) = 2x
2
1
T
3
(x) = 4x
3
3x
T
4
(x) = 16x
5
26x
3
+ 5x
Teorema
Forma de Lagrange
Propiedades
1 T
n
es un polinomio de grado n, con coeciente director 2
n1
,
n N
2 Para cada n N {0} se verica que T
n
(x) = cos(narccosx),
x [1, 1]
3 Para cada n N las raices de T
n
se localizan en [1, 1] en los
puntos x
k
= cos
(2k + 1)
2n
para k = 0, 1, . . . , n 1
4 Para cada n N los valores extremos de T
n
en [1, 1] son 1 y
1 alcanzados alternativamente en los n + 1 puntos
z
k
= cos
k
n
para k = 0, 1, . . . , n, como consecuente
||T
n
||
,(1,1)
= 1
Teorema
Forma de Lagrange
Con esto, la expresion del polinomio T
n
es
T
n
(x) = 2
n1
n1
k=0
(x cos
(2k + 1)
2n
)
Teorema
Dada una funcion f C
n+1
([1, 1]) la menor cota del error en la
norma del maximo en interpolacion de f se obtiene cuando se
toman como absisas de interpolacion {x
0
, x
1
, . . . } [1, 1] las
n + 1 raices del polinomio de Chebyshev T
n+1
, es decir
x
k
= cos
(2k + 1)
2(n + 1)
para k = 0, 1, . . . , n en este caso se tiene que
||E
n
||
L(1,1)
= ||f P
n
||
L(1,1)
1
2
n
(n+1)!
||f
n+1
||
L(1,1)
Teorema
Forma de Lagrange
Observaciones
1 {x
0
, x
1
, . . . , x
n
} no son equiespaciados, sino que estan
agrupados cerca de los extremos del intervalo.
2 Para extenderlo a un espacio arbitrario [a, b] si f [a, b] R
x
k
=
a + b
2
+
b a
2
cos
(2k + 1)
2(n + 1)
para k = 0, 1, . . . , n
minimizan el error de f . Concretamente si f C
n+1
([c, b]) se
tiene que
||E
n
||
L(a,b)
= ||f P
n
||
L(a,b)

(b a)
n+1
2
2n+1
(n + 1)!
||f
n+1
||
L(a,b)
Teorema
Forma de Lagrange
Convergencia de polinomios de interpolaci
on
Si se da una funcion [a, b] y se construyen los polinomios de
interpolacion, podramos esperar que entre mas polinomios, estos
convengan (Uniformemente) a f en [a, b]. Es decir, esperamos que
la cantidad
f P
n
= max
axb
|f (x) P
n
(x)|
convenga a 0 mientras n .
Ejemplo
f (x) = sin(x)
Teorema
Forma de Lagrange
Qui
en dijo que no?

Meray en 1884, propuso el primero que no lo hacia de la siguiente
manera:
Sea el circulo unitario |z| = 1, con n = 6
1
,
2
, ...
n
.,
interpolando los nodos en la funcion f (z) = 1/z. Omitamos pasos
y diremos que este polinomio es P
n1
(z) = z
n1
, ya que
P
n1
(
) =
n1
=
1
=
1
= f (
)
Donde la diferencia entre f y P
n
seria
f P
n1
= max
|z|=1
|f (z) P
n1
(z)| = max
|z|=1
|z
1
z
n1
|
Teorema
Forma de Lagrange
= max
|z|=1
1
|z|
|1 z
n
| = 2
Conforme avanza z en |z| = 1, lo mismo hace z
n
y siempre
separados por 2 unidades. As tanto f como P
n
se mantienen
alejadas siempre 2 unidades cuando n .
Figura : Las races de la unidad
Teorema
Forma de Lagrange
Teorema
Para cualquier sistema de nodos dado
a x
n
0
< x
n
1
< ... < x
n
n
b (n 0)
existe una funcion continua f sobre [a, b], de manera que los
polinomios de interpolacion para f que utilizan esos nodos no
convergen uniformemente a f
Teorema
Forma de Lagrange
Entonces?
Uniendo dos poderosos teoremas
Teorema (Aproximaci
on de Weierstrass)
Si f es continua sobre [a, b] y si > 0, entonces existe un
polinomio p que satisface |f (x) p(x)| sobre el intervalo [a, b].
Teorema (Alternancia de Chebyshev)
Sea G un subespacio de Haar en C[a, b] de dimension n. Suponga
que tenemos n + 1 puntos tales que a x
0
< x
1
< ... < x
n
b y
n
=0

g(x
) = 0 para toda g G. Si
| = 0, entonces los
numeros van alternando signo:
1
< 0 para toda
= 1, 2, ..., n.
Teorema
Forma de Lagrange
Obteniendo como resultado el siguiente teorema
Teorema
Si f es una funcion continua sobre el intervalo [a, b], existe
entonces un sistema de nodos a x
n
0
< x
n
1
< ... < x
n
n
b con
(n 0) tal que los polinomios P
n
de interpolacion para f en dichos
nodos satisfacen la expresion lm
x0
|f P
n
| = 0.
Teorema
Construcci on
Algoritmo
Propiedades
Interpolaci on de Hermite
Diferencias divididas
Supongamos que se ha calculado P
n1
, polinomio de interpolacion
de f en x
0
, ..., x
n1
. Se quiere calcular ahora P
n
, polinomio de
interpolacion de f en x
0
, ..., x
n1
y x
n
, con x
n
= x
, = 1, ..., n 1
a partir de P
n1
. La idea es escribir P
n
en terminos de P
n1
mas
un termino de correccion:
P
n
(x) = P
n1
(x) + c(x).
Bueno, Que sabemos de c(x)?
1 c(x) es un polinomio de grado n (por construccion)
2 c(x
) = 0, = 1, ..., n 1 (P
n
y P
n1
interpolan a f en
x
0
, ..., x
n1
)
3 c(x
n
) = P
n
(x
n
) P
n1
(x
n
) = f (x
n
) P
n1
(x
n
)
Teorema
Construcci on
Algoritmo
Propiedades
Ahora de 1 y 2 tenemos
c(x) = A
n
(x x
0
)...(x x
n1
)
donde sustituyendo en x
n
y considerando 3:
A
n
=
f (x
n
) P
n1
(x
n
)
(x
n
x
0
)...(x
n
x
n1
)
y denotaremos a A
n
= f [x
0
, ..., x
n
], llamandolo diferencia dividida
de f en x
0
, ..., x
n
.
Entonces
P
n
(x) = P
n1
(x) + f [x
0
, ..., x
n
](x x
0
)...(x x
n
).
Teorema
Construcci on
Algoritmo
Propiedades
Recuerdan...
Aplicando varias veces esta idea para n > 0 escribimos:
P
n
(x) = A
0
+ A
1
(x x
0
)(x x
1
) + ... + A
n
(x x
0
)...(x x
n1
)
= f [x
0
] + f [x
0
, x
1
](x x
0
) + f [x
0
, x
1
, x
2
](x x
0
)(x x
1
) + ...
+ f [x
0
, ..., x
n
](x x
0
)...(x x
n1
)
Ya recordaron... la formula de Newton del polinomio de
interpolacion.
Teorema
Construcci on
Algoritmo
Propiedades
Ejemplo
Calcule el polinomio de interpolacion de Newton con los valores
que siguen:
x 3 1 5 6
f (x) 1 3 2 4
Obtenemos como polinomio
p(x) = 1 + 2(x 3)
3
8
(x 3)(x 1) +
7
40
(x 3)(x 1)(x 5)
Teorema
Construcci on
Algoritmo
Propiedades
Algoritmo
Bueno creo que estamos de acuerdo en el hecho de que para sacar
estas diferencias y crear la tabla es muy complicado o tedioso,
entonces que les parece si ponemos a una computadora a trabajar,
y que nos de las siguiente componentes
x
0
c
00
c
01
c
02
c
03
. . . c
0,n1
c
0,n
x
1
c
10
c
11
c
12
c
13
. . . c
1,n1
x
2
c
20
c
21
c
22
c
23
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
n1
c
20
c
n1,1
x
n
c
n1,0
Teorema
Construcci on
Algoritmo
Propiedades
donde es claro que la parte izquierda son los nodos dados, y la
derecha las componente a calcular, donde
c
= f [x
, x
+1
, ..., x
+
]
obteniendo el siguiente algoritmo:
1 for = 1, 2, ..., n do
2 for = 1, 2, ..., n
3 c
(c
+1,1
c
,1
)/(x
+
, x
)
4 end
5 end
Donde el polinomio de interpolacion sera
p(x) = c
00
+ c
01
(x x
0
) + c
02
(x x
0
)(x x
1
) +
+c
0n
(x x
0
)(x x
1
) (x x
n1
) =
n
=1
C
0
1
=0
(x x
)
Teorema
Construcci on
Algoritmo
Propiedades
Propiedades
Linealidad
(f + g)[x
0
, ..., x
n
] = f [x
0
, ..., x
n
] + g[x
0
, ..., x
n
] , R
f [x
0
, ..., x
n
] =
n
i =0
f (x
)
n
k=0
k=k
(x
i
x
k
)
La demostracion se realiza por induccion.
f [x
0
, ..., x
n
] = f [x
(0)
, ..., x
(n)
] con permutacion de
{0, 1, ...n}.
Teorema
Construcci on
Algoritmo
Propiedades
Apartir de esta podemos obtener la expression para cualquier
funcion f en terminos de diferencias divididas
f (x) = f [x
0
] + f [x
0
, x
1
](x x
0
) + f [x
1
, x
2
, x
3
](x x
0
)(x x
1
) +
. .
P(x)
+f [x
1
, x
2
, ..., x
n
](x x
0
)(x x
1
) (x x
n1
)
. .
e(x)
donde se P(x) es el polinomio de interpolacion en x
0
, x
1
, ..., x
n
en la forma de Newton, y e(x) el error.
Teorema
Construcci on
Algoritmo
Propiedades
Si f es una funcion diferenciable de orden n en un entorno de
los puntos x
0
, x
1
, ..., x
n
, por Teorema del Valor Medio que
existe un punto en ese entorno tal que
f [x
0
, ..., x
n
] =
f
n
()
n!
Sea P el polinomio de a lo mas grado n que interpola la
funcion f en un conjunto de n +1 nodos distintos x
0
, ..., x
n
. Si
t es un punto diferente, entonces
f (t) P(t) = f [x
0
, ..., x
n
, t]
n
=0
(t x
)
Teorema
Construcci on
Algoritmo
Propiedades
Interpolaci
on de Hermite
Pues hasta ahora ya conocemos la formula de Lagrange y Newton,
pero estas utilizan simplemente nodos, bien y que le parecera si
por alg un motivo, tambien conocemos, las derivadas de los nodos.
Bien Charles Hermite, fue el encargado de investigar esto. Pero que
ganamos si la utilizamos, bueno podramos obtener mas datos, con
la nalidad de ajustarlo, haciendo que cumpla concavidad por decir
algo.
Entonces nuestro problema se encuentra teniendo siempre el valor
de la derivada p
()
(x
), y conociendo tambien los valores de

p
(1)
(x
),p
(2)
(x
),...,p
(x
) y p(x
). De tal manera que en el

nodo x
i
se den k
condiciones de interpolacion.
Ejemplo
Se conocen solo la primera deriva y su valores. (Clic)
Teorema
Construcci on
Algoritmo
Propiedades
Teorema
Sean x
0
, x
1
, ..., x
n
nodos, y supongo que en el nodo x
se dan las
siguientes condiciones de interpolan
P
()
(x
) = c
= f
()
(x
) (0 k
1, 0 n)
entonces existe un unico polinomio p en
m
que satisface las
condiciones.
Dicho polinomio cabe observar que contamos con 2n + 2 datos
para construirlo, por lo que sera de grado a lo mas 2n + 1, donde
el numero total de condiciones se denota por m + 1 donde
m + 1 = k
0
+ k
1
+ ... + k
n
=
n
=0
k

Teorema
Construcci on
Algoritmo
Propiedades
Y... Cu
al es?
Pues este queda denido como:
Teorema
El polinomio
P
2n+1
(x) =
n
k=0
[a
k
+ b
k
(x x
k
)]L
2
k
(x)
en el que L
k
(x) representa los polinomios de Lagrange y
a
k
= f
k
b
k
= f
k
2f
k
L
k
(x
k
)
es el unico polinomio de grado 2n+1 que interpola a la funcion
f(x) en {x
0
, ..., x
n
} cumpliendo las condiciones
Teorema
Construcci on
Algoritmo
Propiedades
p
2
n + 1(x
k
) = f
k
= f (x
k
)
p
2
n + 1
(x
k
) = f
k
= f
(x
k
)
Observaciones:
En el caso n=0 el polinomio de Hermite es el polinomio de
Taylor
En el caso b
0
= b
1
= = b
n
= 0 el polinomio de Hermite es
el Polinomio de Lagrange
En el caso b
0
= b
1
= = b
n
= 1 es el polinomio de Hermite
Estricto (Una sola derivada)
Teorema
Construcci on
Algoritmo
Propiedades
Diferencias divididas repetidas
Denamos los puntos z
0
, z
1
, ..., z
2n+1
por medio de
z
2
= z
2+1
= x
i 0, ..., n.
y ponemos las condiciones
f [z
2
] = f [z
2+1
] = f (x
), f [z
2
, z
2+1
] = f
(z
2
) = f
(x
j
).
Y las demas diferencias divididas de manera usual. Entonces
H(x) =
2n+1
k=0
f [z
0
, ..., z
k
](x z
0
) (x z
k1
).
Observemos que:
f
(x
0
) = lm
xx
0
f (x) f (x
0
)
x x
0
= lm
xx
0
f [x
0
, x] f [x
0
, x
0
] f
(x
0
)
Teorema
Construcci on
Algoritmo
Propiedades
De aqu podemos entonces denir las Diferencias divididas con
repeticion como:
f [x
0
, x
0
] = f
(x
0
)
f [x
0
, x
0
, x
0
] =
f

(x
0
)
2!
.
.
.
f [x
0
, x
0
, ..., x
0
. .
k+1 veces k
0
] =
f
(k)
(x
0
)
k!
k 1
Valida siempre que f tenga derivada continua en x
0
, del orden
correspondiente.
Teorema
Construcci on
Algoritmo
Propiedades
Resultado
Teorema
Sea x
0
x
1
x
n
. Entonces las diferencias divididas
obedecen a la siguiente formula:
f [x
0
, x
1
, ..., x
n
] =
_
f [x
1
,x
2
,...,x
n
]f [x
0
,x
1
,...,x
n1
]
x
n
x
1
si x
n
= x
0
f
(n)
(x
0
)
n!
si x
n
= x
0
Demostraci
on
Por induccion en n.
Teorema
Splines c ubicos
Splines de Tensi on
Spline?
Primero, Y la traduccion?
Seg un Google: Ranura
Seg un elmundo.es: Spline
Entonces?
Spline, palabra inglesa, denota un instrumento exible usado en
dibujo tecnico para trazar curvas suaves. Trazador, por tal
motivo el hecho de adaptarse bien a formas dadas que tienen las
funciones splines es lo que referencia su nombre. Desde un punto
de vista matematico, una funcion spline esta formada en un
intervalo [a, b] esta formada por polinomios denidos en
subintervalos de [a, b] obedeciendo ciertas condiciones.
Teorema
Splines c ubicos
Splines de Tensi on
Definici
on
Una funcion spline interpolante de grado k con nodos
x
1
, x
2
, ..., x
n
, x
n+1
es una funcion S(x) formada por varios
polinomios, cada uno de ellos denido sobre un subintervalo y que
se unen entre si bajo ciertas condiciones de continuidad. Las
condiciones que debe cumplir S(x) son las siguientes:
1) En cada intercalo [x
, x
+1
], S(x) es un polinomio de grado
k.
2) S(x) admite derivada continua de orden k 1 en [x
, x
+1
].
Teorema
Splines c ubicos
Splines de Tensi on
grado 0.jpg
Figura : Spline grado 0
grado 1.jpg
Figura : Spline Grado 1
Teorema
Splines c ubicos
Splines de Tensi on
Observamos que S es un polinomio continuo de a lo mas grado k
que tiene como derivadas continuas de orden (k 1).
Los splines de grado 0, son funciones constante por pedazos
S(x) =
_
_
S
0
(x) = c
0
si x [t
0
, t
1
)
S
1
(x) = c
1
si x [t
1
, t
2
)
.
.
.
.
.
.
S
n1
(x) = c
n1
si x [t
n1
, t
n
)
Cuando k = 1 podra decirse una funcion lineal a trozos: una
poligonal.
S(x) =
_
_
S
0
(x) = a
0
x + b
0
si x [t
0
, t
1
)
S
1
(x) = a
1
x + b
1
si x [t
1
, t
2
)
.
.
.
.
.
.
S
n1
(x) = a
n1
x + b
n1
si x [t
n1
, t
n
)
Teorema
Splines c ubicos
Splines de Tensi on
Splines C
ubicos!
Porque nos interesan?
Figura : Perrito!!!
Teorema
Splines c ubicos
Splines de Tensi on
Interpolaci
on mediante spline c
ubicos
Definici
on
Sea = {a = x
0
< x
1
< < x
n
= b} una particion del intervalo
[a, b]. S
: [a, b] R es una funcion spline de orden k N si:

S
C
k1
([a, b])
S
coincide en el intervalo [x
, x
+1
], = 0, 1, ..., n 1, con un
polinomio de grado k.
Primero demos una notacion: Dado y = (y
0
, y
1
, ..., y
n
) R
n+1
denotaremos por S
(y, ) a una funcion spline cubica de

interpolacion que verica
S
(y, x
) = y
para = 0, 1, ..., n.
Teorema
Splines c ubicos
Splines de Tensi on
Observaciones:
S
(x) es un splin de orden k 1 en [a, b]

Numero de parametros (k + 1)n
Numero de condiciones de continuidad k(n 1)
Dimension que se espera n + k
Condiciones de intrepolacion n + 1
Hay que a nadir k-1 adicionales
Teorema
Splines c ubicos
Splines de Tensi on
Splines por curvas suaves
Definici
on
S(x) es un splin cubico referido a la particion si
_
S(x) C
2
([a, b])
S(x)|
[x
,x
+1
]
P
3
= 0, 1, ..., n 1
Observamos que:
S
(x) es un splin de orden 2 en [a, b] respecto a la particion

S
(x) es un splin de orden 1 en [a, b] respecto a la particion

Numero de paramaetros: 4n
Numero de condiciones de continuidad 3(n 1)
Teorema
Splines c ubicos
Splines de Tensi on
Dimension esperamos sea n+3
Condiciones de interpolacion n+1
Hay que a nadir 2 adicionales,
Naturales S
(a) = S
(b) = 0
Dar los valores de S
(a), S
(b)
Periodicos:
_
_
_
S(a) = S(b)
S
(a) = S
(b)
S
(a) = S
(b)
Teorema
Splines c ubicos
Splines de Tensi on
Forma de...
Tenemos entonces cuando k = 3
S(x) =
_
_
S
0
(x) = S
0
x + b
0
si x [t
0
, t
1
)
S
1
(x) = S
1
x + b
1
si x [t
1
, t
2
)
.
.
.
.
.
.
S
n1
(x) = S
n1
x + b
n1
si x [t
n1
, t
n
)
Y en cada subintervalo [t
0
, t
1
], [t
1
, t
2
], ..., [t
n1
, t
n
], S esta denido
por un polinomio cubico diferente. Sea S
el polinomio en el
intervalo [t
, t
+1
], Entonces los polinomio S
1
y S
interpolan el
mismo valor en el punto t
, es decir cumple:
S
1
(t
) = y
= S
(t
) (1 n 1)
Teorema
Splines c ubicos
Splines de Tensi on
Ademas de suponer que S
y S
son continuas, condicion

empleada en la deduccion de la expresion de la funcion de spline
cubico. Aplicando las condiciones de continuidad del spline y sus
derivadas, encontramos la expresion analtica de la spline:
S
(x) =
z
6h
(t
+1
)
3
+
z
+1
6h
(x t
)
3
+ (
y
+1
h
+
z
+1
h
6
)(x t
) + (
y
6
)(t
+1x
)
Donde h
= t
+1
t
y z
0
, z
1
, ...z
n
son incognitas.
Teorema
Splines c ubicos
Splines de Tensi on
Para determinar dichas incognitas utilizaremos las condiciones de
continuidad que deben cumplir las funciones, dando como
resultado:
h
1
z
1
+2(h
+h
1
)z
+h
Z
+1
=
6
h
1
(y
+1
y
)
6
h
1
(y
y
1
)
Con, = 0, 1, 2, ..., n. Generando un sistema de n-1 ecuaciones
lineales con n+1 incognitas. Podemos escoger z
0
y z
1
de forma
arbitraria y resolver el sistema para objeten los demas valores. Una
eleccion adecuada seria z
0
= z
1
= 0.
Teorema
Splines c ubicos
Splines de Tensi on
Dandonos la funcion spline cubico natural y el sistema expresado
en forma matricial:
_
_
_
_
_
_
_
_
_
u
1
h
1
h
1
u
2
h
2
h
2
u
3
h
3
.
.
.
.
.
.
.
.
.
h
n3
u
n2
h
n2
h
n
2 u
n1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
z
1
z
2
z
3
.
.
.
z
n2
z
n1
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
v
1
v
2
v
3
.
.
.
v
n2
v
n1
_
_
_
_
_
_
_
_
_
donde:
h
= t
+1
t
, u
= 2(h
+ h
1
)
h
2
1
u
1
b
=
6
h
(y
+1y
), v
i
= b
b
1

h
1
v
1
u
1
Teorema
Splines c ubicos
Splines de Tensi on
Splines de Tensi
on
En algunos caso resulta conveniente disponer de un parametro
conocida como tension. La cual tiene un valor grande cuando la
curva que pasa a traves de los puntos dados tendra tension alta.
Mejor dicho, una fuerza que estira la curva:
alta.jpg
Figura : Tension Alta
baja.jpg
Figura : Tension Baja
Teorema
Splines c ubicos
Splines de Tensi on
El modelo matematico de una curva de este estilo se tiene como se
sigue: tenemos nudos:
t
0
< t
1
< ... < t
n
y dados y
i
para cada t
i
. EL spline de tension que buscamos es una
funcion f que tiene las siguientes propiedades
1) f C
2
[t
0
, t
n
]]
2) f (t
i
) = y
i
(0 n)
3) Sobre cada intervalo abierto (t
1
, t
), f satisface
f
(4)
2
f
= 0
Donde f tiene globalmente 2 derivadas continuas, interpola los
datos proporcionados y satisface cierta ecuacion diferencial en cada
subintervalo.
Teorema
Splines c ubicos
Splines de Tensi on
Como resolverlos?
1 Vericar que t
0
< ..., t
n
2 Calcular h
para 0 n 1

=
1
h
=

sinh(h
=
cosh(h
)
sinh(h
)

1
h
=

2
(y
+1
y
)
h
3 Tomamos z
0
= z
n
= 0
4 Resolvemos
1
z
1
+ (
1
+
)z
z
+1
=

1
5 Calculamos los valores f en [t
, t
+1
] mediante
f (x) =
{z
sinh[(t
+1
x)] + z
+1
sinh[(x t
)]}
2
sinh(h
)
+
(
y
2
)(t
+1
x)
h
+
(
y
+1
z
+1
2
)(x t
)
h

Teorema
Splines c ubicos
Splines de Tensi on
dog.jpg
Figura : A donde vamos?
Teorema
Splines c ubicos
Splines de Tensi on
Gracias por su atencion!

Aproximación de Funciones

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aproximación de Funciones

Transféré par

Droits d'auteur :

Formats disponibles

Teorema

Diferencias divididas y Newton

en dijo que no?

), y conociendo tambien los valores de

). De tal manera que en el

Eduardo M arquez - 98009 Teorema de la Aplicaci on Abierta

: [a, b] R es una funcion spline de orden k N si:

(y, ) a una funcion spline cubica de

(x) es un splin de orden k 1 en [a, b]

(x) es un splin de orden 2 en [a, b] respecto a la particion

(x) es un splin de orden 1 en [a, b] respecto a la particion

son continuas, condicion

Eduardo M arquez - 98009 Teorema de la Aplicaci on Abierta

Vous aimerez peut-être aussi