TRABAJO DE INVESTIGACION

SPLINES O SERCHAS

En el subcampo matemtico del anlisis numrico, un spline es una curva diferenciable

definida en porciones mediante polinomios.

En los problemas de interpolacin, se utiliza a menudo la interpolacin mediante splines

porque da lugar a resultados similares requiriendo solamente el uso de polinomios de bajo
grado, evitando as las oscilaciones, indeseables en la mayora 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 representacin y la facilidad de cmputo de los splines los hacen populares
para la representacin de curvas en informtica, particularmente en el terreno de los grficos
por ordenador.

El trmino "spline" hace referencia a una amplia clase de funciones que son utilizadas en
aplicaciones que requieren la interpolacin de datos, o un suavizado de curvas. Los splines son
utilizados para trabajar tanto en una como en varias dimensiones. Las funciones para la
interpolacin por splines normalmente se determinan como minimizadores de la aspereza
sometidas a una serie de restricciones.

En este artculo nos referiremos con el trmino "spline" a su versin restringida en una
dimensin y polinomial, que es la ms comnmente utilizada.

Interpolacin Segmentaria Lineal

Este es el caso ms sencillo. En l, vamos a interpolar una funcin f(x) de la que se nos dan un
nmero N de pares (x,f(x)) por los que tendr que pasar nuestra funcin polinmica P(x). Esta
serie de funciones nuestras van a ser lineales, esto es, con grado 1: de la forma P(x) = ax + b.

Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un total de (N-1)
funciones, hacindolas pasar obligatoriamente por los puntos que van a determinarlas, es
decir, la funcin P(x) ser el conjunto de segmentos que unen nodos consecutivos; es por ello
que nuestra funcin ser continua en dichos puntos, pero no derivable en general.

Ejemplo : Interpolar con splines f(x) = 1 / x , en los puntos en los que x vale 1, 2 y 4

f(1) = 1

f(2) = 0.5

f(4) = 0.25
El primer segmento P1(x) = ax + b deber unir los primeros dos puntos de coordenadas (1,1) y
(2,0.5). Surge un sistema lineal de dos ecuaciones en dos incgnitas:

(1) 1=a+b

(2) 0.5=2a+b

De (1) se obtiene:

a=1-b (3)

Reemplazando (3) en (2) se obtiene:

0.5=2(1-b)+b

luego

b=1.5

Reemplazando el valor de (b) en (1), se obtiene:

a = - 0.5

Por lo tanto, se concluye que: P1(x) = - 0.5x + 1.5 El segundo segmento P2(x) = ax + b deber
unir el segundo punto (2,0.5) con el tercer punto (4,0.25). Anlogamente a lo hecho para P1(x),
en el caso de P2(x) se obtiene:

1. (1) 0.5 = 2a + b

2. (2) 0.25 = 4a + b

a = - 0.125, b = 0.75

Luego P2(x) = - 0.125x + 0.75

Interpolacin Segmentaria Cuadrtica

En este caso, los polinomios P(x) a travs de los que construimos el Spline tienen grado 2. Esto
quiere decir, que va a tener la forma P(x) = ax + bx + c

Como en la interpolacin segmentaria lineal, vamos a tener N-1 ecuaciones (donde N son los
puntos sobre los que se define la funcin). La interpolacin cuadrtica nos va a asegurar que la
funcin que nosotros generemos a trozos con los distintos P(x) va a ser continua, ya que para
sacar las condiciones que ajusten el polinomio, vamos a determinar como condiciones:

Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las dos
Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de
estos puntos.

Que la derivada en un punto siempre coincida para ambos "lados" de la funcin

definida a trozos que pasa por tal punto comn.

Esto sin embargo no es suficiente, y necesitamos una condicin ms. Por qu?. Tenemos 3
incgnitas por cada P(x). En un caso sencillo con f(x) definida en tres puntos y dos ecuaciones
P(x) para aproximarla, vamos a tener seis incgnitas en total. Para resolver esto necesitaramos
seis ecuaciones, pero vamos a tener tan slo cinco: cuatro que igualan el P(x) con el valor de
f(x) en ese punto (dos por cada intervalo), y la quinta al igualar la derivada en el punto comn
a las dos P(x).

Se necesita una sexta ecuacin,de dnde se extrae? Esto suele hacerse con el valor de la
derivada en algn punto, al que se fuerza uno de los P(x).

Interpolacin Segmentaria Cbica

En este caso, cada polinomio P(x) a travs del que construimos los Splines en [m,n] tiene grado
3. Esto quiere decir, que va a tener la forma P(x) = ax + bx + cx + d

En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una nueva condicin
para cada punto comn a dos intervalos, respecto a la derivada segunda:

Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las dos
Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de
estos puntos.

Que la derivada en un punto siempre coincida para ambos "lados" de la funcin

definida a trozos que pasa por tal punto comn.

Que la derivada segunda en un punto siempre coincida para ambos "lados" de la

funcin definida a trozos que pasa por tal punto comn.

Como puede deducirse al compararlo con el caso de splines cuadrticos, ahora no nos va a
faltar una sino dos ecuaciones (condiciones) para el nmero de incgnitas que tenemos.

La forma de solucionar esto, determina el carcter de los splines cbicos. As, podemos usar:

Splines cbicos naturales: La forma ms tpica. La derivada segunda de P se hace 0

para el primer y ltimo punto sobre el que est definido el conjunto de Splines, esto
son, los puntos m y n en el intervalo [m,n].

Dar los valores de la derivada segunda de m y n de forma "manual", en el conjunto de

splines definidos en el intervalo [m,n].

Hacer iguales los valores de la derivada segunda de m y n en el conjunto de splines

definidos en el intervalo [m,n]

Splines cbicos sujetos: La derivada primera de P debe tener el mismo valor que las
derivada primera de la funcin para el primer y ltimo punto sobre el que est
definido el conjunto de Splines, esto son, los puntos m y n en el intervalo [m,n].
 EL METODO DE CUADRATURA DE GAUSS. El mtodo de cuadratura de Gauss es un
excelente mtodo numrico para evaluar integrales definidas de funciones, por medio de
sumatorias simples y fciles de implementar. Por otra parte, es una aplicacin bastante
interesante de los polinomios ortogonales. Antes de ver el mtodo de cuadratura de Gauss
propiamente tal necesitamos introducir la Interpolacin de LaGrange: Consideremos una
funcin continua definida en un intervalo (a, b), y un polinomio cualquiera n de grado n,
con n races simples en el intervalo (a, b). El mtodo de interpolacin de LaGrange consiste
en encontrar un polinomio de grado n 1 que coincida con la funcion f(x) dada,
precisamente en los ceros de n. Este polinomio de interpolacin esta dado
explcitamente por

en que la abscisa xn,i es el cero iesimo de n. Ntese que cada uno de los sumandos en (1) es
un polinomio de grado n1, pues cada uno de los factores, (x)n/(x xn,i) es un polinomio de
grado n 1 dado que xn,i es precisamente una raz de n(x). Por otra parte, tenemos ya sea,
lim xxn,k n(x) 0 n (xn,i)(x xn,i) (2) = 0, si k 6= i, o

Donde hemos usado lHopital para evaluar este ultimo limite. Consideremos el espacio de
funciones L 2 ([a, b], w(x) dx), i.e., funciones reales de cuadrado integrable en el intervalo [a, b]
con respecto a la funcin de peso dada w(x) > 0. Llamemos {n}, a la familia de polinomios
ortogonales (construidos a partir de las potencias 1, x, x 2 , . . . , usando el mtodo de Gramm
Schmidt con el producto interno usual, i.e., (f, g) = R b a f(x)g(x)w(x) dx). Hemos visto mas
arriba que el polinomio n (de grado n) tiene precisamente n ceros simples en el intervalo (a,
b). Llamemos xn,i, i = 1, . . . , n a estos ceros. Consideremos ahora una funcin f(x) que sea un
polinomio cualquiera (pero fijo) de grado 2n 1. Llamemos F(x) a la funcin que interpola a
f(x) a travs del polinomio n (i.e., la funcin definida a partir de f(x) por (1). Llamemos

Notemos las siguientes propiedades de r(x) as definida: i) Como la funcin de interpolacin,

F(x), coincide con la funcin original f(x) en cada uno de los ceros del polinomio n(x) usado en
la interpolacin, el cociente r(x) es continuo en el intervalo [a, b] (los ceros del denominador se
cancelan con los del 1 2 numerador); ii) Debido a lo anterior, y como f(x) es un polinomio de
grado 2n1, F(x) de grado n1 y n(x) de grado n, se puede observar de inmediato que r(x) es
un polinomio de grado (2n1)n = n1. Ahora, de (4) tenemos

(5)

Si multiplicamos (5) por el peso w(x) e integramos en (a, b), obtenemos de inmediato que Z b a
f(x)w(x) dx = Z b a

(6)

Para obtener (6) hemos usado que R b a r(x)n(x)w(x) dx = 0, que sigue del hecho que r(x) es
un polinomio de grado n 1, de modo que se puede expresar como una combinacin lineal de
0, 1, . . . , n1 todos los cuales son ortogonales a n. Finalmente, reemplazando la
expresin de F(x) dada por (1) en (6), e intercambiando la suma por la integral, obtenemos Z b
a f(x)w(x) dx = Xn i=1

(7)

en que los pesos quedan dados por n,i = Z b a (x) 0(xn,i)(x xn,i)

(8)

Ejemplo 1: Usemos el mtodo de cuadratura de Gauss para evaluar la siguiente integral:

(9)

La integral anterior es muy simple de evaluar en forma exacta. De hecho tenemos

(10)

en que f(x) = 1/(3 + x) y el peso w(x) = 1. Los polinomios apropiados son por lo tanto los
polinomios de Legendre. Usemos entonces el Mtodo de Cuadratura de Gauss con el

en que f(x) = 1/(3 + x) y el peso w(x) = 1. Los polinomios apropiados son por lo tanto los
polinomios de Legendre. Usemos entonces el Mtodo de Cuadratura de Gauss con el
polinomio (de Legendre) de segundo grado
Notemos que, tal como se espera, 2 tiene exactamente dos ceros simples en el intervalo (1,
1), dados por

En cuanto a los pesos correspondientes, tenemos,

(11)

Anlogamente se puede encontrar 2,2 = 1. Por lo tanto, usando cuadratura, tenemos la

siguiente estimacin,

(12)