Splines Cbicos Mtodos Numricos

Pgina 1

Aproximacin mediante splines cbicos
El origen del concepto spline proviene del uso de una lmina de plstico delgada
llamada curvgrafo ("spline") en el trazado de curvas suaves a travs de un
conjunto de puntos (Sheid 1991).Las funciones "spline" son ecuaciones cbicas
que modelan el comportamiento de las curvas realizadas por dicho instrumento,
permitiendo unir en forma suave y continua una serie de puntos.
Esta interpolacin se llama interpolacin segmentaria o interpolacin por splines.
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 interpolacin , esta interpolacin posee una gran finura, y que inclusive
es usado para el diseo por computadora, por ejemplo, de tipos de letra.
La ms populares son los polinomios cbicos por tramos y en especial los splines
cbicos (naturales), por las siguientes razones:
Son fciles de calcular y evaluar.
Son fciles de derivar y sus derivadas aproximan a las derivadas de fx.
Son fciles de integrar y se usan para aproximar la integral de fx.
Modelan con suavidad la tendencia de un conjunto de datos.
1, Breve historia
Tomado de NA. Digest.v.98,#s6. 19 de julio de 1998.Mait to na.digest@na-
net.oml.gov Information about NA-NET:Mail to nahelp@na-net.ornl.gov URL :
http://www.netlib.org/na-net/na_home.html
Hace dos semanas puse aqu una pregunta acerca de las conexiones entre el
desarrollo de aproximaciones de splines y el diseo de cuerpos automotores, y
recib cerca de 30 respuestas, todas ellas muy informativas. Dado que muchos de
ellos me pidieron que mostrara lo que haba aprendido, decid escribir un breve
resumen y subirlo al compendio. Esta es la razn de estas notas.
Se acepta comnmente que la primera referencia matemtica de los splines es el
trabajo de Schoenberg [s], donde probablemente fue el primer lugar donde el
trmino spline se us en conexin con la aproximacin polinomial tenue por
piezas. Sin embargo, estas ideas tienen sus races en las industrias de aviacin y
Construccin de barcos. En el reenvio a [BBB], Robin Forrest describe el
localizar, una tcnica en la industria britnica de aviacin usada durante la
Segunda Guerra Mundial, para construir plantillas para aviones, pasando tablones
de madera delgadas a travs de puntos en el suelo de un local de diseo grande.
Splines Cbicos Mtodos Numricos

Pgina 2

Las plantillas estaran puestas en puntos discretos (llamados patos por Forrest;
Schoenberg usa perros o ratas) y entre estos puntos asumira formas de un
mnimo de energa de tensin. De acuerdo a Forrest, una motivacin posible para
un modelo matemtico de este proceso fue la pedida potencial de los
componentes del diseo crticos en toda una nave si el local fuera bombardeado
por el enemigo. Esto promovi el localizamiento cnico, el cual usaba secciones
cnicas para modelar la posicin de la curva entre los patos. El localizamiento
cnico fue reemplazado por lo que llamaramos splines a principios de los 60s
basados en el trabajo de J.C.Ferguson de Boeing y (tiempo despus) por
M.A.Sabin de British Aircraft. Lo que considero muy interesante es que Forrest
dice que la palabra spline viene de un dialecto Anglicano del Este.
El uso de splines para modelar cuerpos automotores parece tener un sinfn de
comienzos independientes. El crdito lo piden a nombre de De Castelau de
Citroen, Bezler de Renault, and Birkhoff, Garabedian, y de Boor de General Mortos
(GM), todos ellos por sus trabajos realizados a finales de la dcada de 1950s o
principios de los aos 1960s. Al menos uno de los trabajos de De Casteljau fue
publicado, pero no ampliamente, en 1959. La obra de D Boor de GM result en un
conjunto de escritos siendo publicados a principios de los 60s, incluyendo algo del
trabajo fundamental sobre los B-splines. El trabajo tambin fue hecho en Pratt
yThitney Aircfraft, donde dos de los autores de [ANw] (el primer libro en s acerca
de splines) fueron contratados, y el Modelo Basin de David Taylor, hecho por
Feodor Theilheimer
Referencias
[anw] Ahlberg, Nielson and Wash, The Theory of splines and Theri applications,
1967
[B] Birkhoff. Fluid dynamics, reactor computations and surface representation. In
a History of Scientific Computation (Steve Nash, editor), 1990
[BBB] Bartelsm Beatty and Barsky, an introduction to Splines for use in Computer
Graphics and Geometric Modeling 1987
[BdB] Birkhof and de Boor, Piecewise polynomial interpolation and approximation
Proc. General Motors Symposium of 1964
[D] Davis . B-splines and Geometric design . SIAM news vol.29 no, 5
[S] Schoenberg. contributions to the problem of approximation of equidistant data
by analytic functions Quart appl math. Vol. 4
[Y] Young. Garrtett Dirkhoff and applled mathematics. Notices of the AMS, vol.44
Splines Cbicos Mtodos Numricos

Pgina 3

2. Teora Matemtica
Los polinomios de grado mayor tienen naturaleza oscilatoria y fluctuaciones sobre
una porcin pequea del intervalo estudiado puede inducir cambios muy grandes
sobre un rango considerable, restringen el uso cuando se aproximan muchas
delas funciones en situaciones fsicas reales.
La tcnica llamada aproximacin polinmica segmentaria busca resolver este
problema dividiendo el intervalo de la funcin f
en una coleccin de subintervalos y construir polinomios aproximadamente
diferentes en cada uno.
La aproximacin de este tipo ms empleada es la interpolacin cbica de spline
Esta tcnica requiere que en el intervalo el polinomio sea diferenciable
continuamente y que adems tenga segunda derivada. Pero a pesar de esta
condicin, el trazador cbico no supone que las derivadas del interpolante
coinciden con las de la funcin.
A esta forma de aproximar se le conoce como aproximacin polinomial
fragmentaria.
Aproximacin polinomial fragmentaria.
La Aproximacin polinomial fragmentaria es la interpolacin lineal fragmentaria
que consiste en unir una serie de puntos.

Mediante una serie de segmentos de recta, como se aprecia en la figura 3.7
La aproximacin por funciones lineales muestra una desventaja; no se tiene la
seguridad de que haya derivabilidad en los extremos de los subintervalos, lo cual
dentro de un contexto geomtrico significa que la funcin de interpolacin o
interpolante no es suave en dichos puntos. A menudo las condiciones fsicas
indican claramente que se requiere la suavidad y que la funcin aproximante debe
ser continuamente derivable.
Otro procedimiento consiste en emplear un polinomio fragmentario del tipo
Hermite. Por ejemplo, si los valores de y de

se conocen en los puntos

podemos emplear un polinomio de Hermite de grado tres en

cada uno de los subintervalos [

] [

] [

] para obtener una

funcin continuamente derivable con el intervalo [

].
Splines Cbicos Mtodos Numricos

Pgina 4


Si queremos determinar el polinomio cbico de Hermite apropiado en determinado
intervalo, hasta calcular

() para ese intervalo. Puesto que los polinomios

interpolantes de Lagrange necesarios para calcular

son de primer grado,

podemos hacer el clculo sin gran dificultad, Sin embargo, para utilizar los
polinomios fragmentarios de Hermite en la interpolacin general, necesitamos
conocer la derivada de la funcin que va ser aproximada, lo cual muchas veces no
es posible.
El tipo ms simple de funcin de polinomio fragmentario diferenciable en un
intervalo entre [

] es la funcin obtenida al ajustar un polinomio cuadrtico

entre cada par consecutivo de nodos. Esto se hace construyendo una cuadrtica
en [

] que concuerde con la funcin en

y en

; y as sucesivamente. Un
polinomio cuadrtico general tiene tres constantes arbitrarias: el trmino
constante, el coeficiente de x y el coeficiente de

y nicamente se requieren dos

condiciones para ajustar los datos en los extremos de cada intervalo, por ellos,
existe flexibilidad que permite seleccionar la cuadrtica de modo que la
interpolante tenga una derivada continua en [

]. El problema de este
procedimiento se presenta cuando hay que especificar las condiciones referentes
a la derivada de la interpolante en los extremos

.No hay constantes

suficientes para cerciorarse de que se satisfagan las condiciones.




Splines Cbicos Mtodos Numricos

Pgina 5

Splines cbicos
La aproximacin polinmica fragmentaria ms comn utiliza polinomios entre cada
par consecutivo de nodos y recibe el nombre de interpolacin de trazadores
cbicos. Un polinomio cbico general contiene cuatro constantes; as pues, el
procedimiento del trazador cbico ofrece suficiente flexibilidad para garantizar que
el interpolante no slo sea continuamente diferenciable en el intervalo, sino que
adems tenga una segunda derivada continua en el intervalo. Sin embargo, en la
construccin del trazador cbico no se supone que las derivadas del interpolante
concuerdan con las de la funcin, ni siquiera en los nodos.

Definicin.
Dada una funcin definida en [ ] y un conjunto de nodos

un interpolante de spline cbico S para es una funcin que cumple con

las condiciones siguientes:
a. ()es un polinomio cbico, denotado

(),el subintervalo [

] para
cada ;
b. (

) (

) para cada ;
c.

) para cada ;
d.

) para cada
e.

) para cada
f. Una de las siguientes condiciones de frontera se satisface:
(i)

) (frontera libre o natural);

(ii)

) y

) (frontera sujeta).
Splines Cbicos Mtodos Numricos

Pgina 6

Aunque los splines cbicos se definen con otras condiciones de frontera, las
condiciones dadas en () son suficientes en este caso. Cuando se presentan las
condiciones de frontera libre, el trazador recibe el nombre de spline natural y su
grfica se aproxima a la forma que adoptara una varilla larga y flexible si la
hiciramos pasar por los puntos {(

)) (

)) (

))}
En trminos generales, en las condiciones de frontera sujeta se logran
aproximaciones ms exactas, ya que abarcan ms informacin acerca de la
funcin. Pero para que se cumpla este tipo de condicin de frontera, se requiere
tener los valores de la derivada en los extremos o bien una aproximacin precisa
de ellos.
Construccin de un spline cbico
Para construir la interpolante de spline cbico de determinada funcin ,
aplicamos las condiciones de la definicin a los polinomios cbicos:

()

,
Para cada . Como

) puede aplicarse la
condicin (c) para obtener

Para cada
Los trminos

se utilizaran varias veces en este desarrollo, por eso

conviene introducir la notacin ms simple

Para cada . Si tambin definimos

) entonces la
ecuacin
(I)
Ser vlida para cada
De manera anloga, defina

) y observe que


Splines Cbicos Mtodos Numricos

Pgina 7

Significa que

para cada . Al aplicar la condicin (d)

obtenemos
(II)
Para cada
Al definir

) y aplicar la condicin (e) se obtiene otra relacin entre los

coeficientes de

, En este caso para

(III)
Al despejar

en la ecuacin (III) y sustituir este valor en las ecuaciones (I) y (II)

para cada se obtienen las ecuaciones.
(IV)
Y
(V)
La relacin final que incluye los coeficientes se obtiene resolviendo la ecuacin
correspondiente en la forma de la ecuacin (IV) , primero para

(VI)
Y luego, con una reduccin del ndice, para

. Esto da como resultado

Cuando sustituimos estos valores en la ecuacin obtenida de la ecuacin (V) con
el ndice reducido en 1, obtenemos el sistema de ecuaciones lineales
(VII)
Para cada .

Splines Cbicos Mtodos Numricos

Pgina 8

Splines naturales
Si est definida en

, entonces tendr una

interpolante nica de spline natural S en los nodos

es decir, una
interpolante de spline que cumple con las condiciones de frontera

() y

()
Demostracin. En este caso las condiciones de frontera significan que

) y que

),
as que

. Las dos ecuaciones

junto a las ecuaciones de (VII)

Producen un sistema lineal descrito por la ecuacin vectorial , donde A es
la matriz de ( ) ( )
La matriz A es estrictamente dominante en sentido diagonal.

Y donde b y x son los vectores

Splines Cbicos Mtodos Numricos

Pgina 9

Spline cbicos sujetos
SI f est definida en a =

<

<... <

= b , y es diferenciable en a y b, entonces f
tiene un nico trazador sujeto que interpola los nodos

,

,...,

, es decir, un
interpolante de trazador que cumple las condiciones de frontera S(a) = f(a) y
S(b) = f(b)
Demostracin: puesto que f(a)= S(a) = S(

) =

, podemos ver que la
ecuacin
.............. (*)
Con j = 0implica que

En consecuencia:

De manera semejante:

De modo que la ecuacin (*) con j = n 1 implica que


Y que


Splines Cbicos Mtodos Numricos

Pgina 10


Las ecuaciones



Y

Determinan el sistema lnea Ax = b, donde:





La matriz A es estrictamente dominante en sentido diagonal, en consecuencia el
sistema tiene una solucin nica para

,

,. ..,



Splines Cbicos Mtodos Numricos

Pgina 11


3. Solucin de problemas
1) Construya un spline natural cbico que pase por los puntos (1,2) ;(2,3) y
(3,5)
Solucin.
Este spline consiste de dos cbicas. La primera para el intervalo [], denotada
por:

Y la otra para [], denotada por:


Existen 8 constantes que deben determinarse, lo que requiere de 8 condiciones.
Cuatro de ellas proceden del hecho de que los splines deben coincidir con los
datos en los nodos. Por tanto.
Y


Dos ms provienen del hecho de que

()

() y

()

() .Estas son:

()

()

()

()

Las ltimas dos surgen de las condiciones de frontera natural:

()

()

Splines Cbicos Mtodos Numricos

Pgina 12


Resolviendo este sistema de ecuaciones tenemos el spline.


2) Interpolar los siguientes datos mediante una spline cbica:

X 2 9 5
Y -1 2 -7


Solucin.
Definimos un polinomio cbico en cada uno de los intervalos que se forman:



A continuacin, hacemos que se cumpla la condicin de que la spline debe
pasar por los puntos dados en la tabla. As, tenemos que:






( )
| |
| |

e + + +
e + + +
=
5 , 3
3 , 2
2 2
2
2
3
2
1 1
2
1
3
1
x si d x c x b x a
x si d x c x b x a
x s
( ) 1 2 4 8 1 2
1 1 1 1
= + + + = d c b a s
( ) 2 3 9 27 2 3
1 1 1 1
= + + + = d c b a s
( ) 7 5 25 125 7 5
2 2 2 2
= + + + = d c b a s
Splines Cbicos Mtodos Numricos

Pgina 13

Ahora calculamos la primera derivada de :



Al igual que en el caso de las splines cuadrticas, se presentan ecuaciones que
pueden presentar discontinuidad en los cambios de intervalo; las posibles
discontinuidades son los puntos donde se cambia de intervalo, en este caso
. Para evitar esta discontinuidad, evaluamos en los dos polinomios e
igualamos:



o lo que es lo mismo:



Anlogamente procedemos con la segunda derivada :



Para lograr que sea continua:



( ) x s
( )
| |
| |

e + +
e + +
= '
5 , 3 2 3
3 , 2 2 3
2 2
2
2
1 1
2
1
x si c x b x a
x si c x b x a
x s
3 = x
3 = x
( ) ( ) ( ) ( )
2 2
2
2 1 1
2
1
3 2 3 3 3 2 3 3 c b a c b a + + = + +
2 2 2 1 1 1
6 27 6 27 c b a c b a + + = + +
( )
| |
| |

e +
e +
= ' '
5 , 3 2 6
3 , 2 2 6
2 2
1 1
x si b x a
x si b x a
x s
( ) x s ' '
( ) ( )
2 2 1 1
2 3 6 2 3 6 b a b a + = +
2 2 1 1
2 18 2 18 b a b a + = +
Splines Cbicos Mtodos Numricos

Pgina 14


En este punto contamos con 6 ecuaciones y 8 incgnitas, por lo tanto
tenemos 2 grados de libertad; en general, se agregan las siguientes 2
condiciones:



De lo cual vamos a obtener:






Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incgnitas, el
cual es el siguiente:





( )
( ) 0
0
0
= ' '
= ' '
n
x s
x s
( ) ( ) 0 2 2 6 0 2
1 1
= + = ' ' b a s
0 2 12
1 1
= + b a
( ) ( ) 0 2 5 6 0 5
2 2
= + = ' ' b a s
0 2 30
2 2
= + b a
0 2 30
0 2 12
2 18 2 18
6 27 6 27
7 5 25 125
2 3 9 27
2 3 9 27
1 2 4 8
2 2
1 1
2 2 1 1
2 2 2 1 1 1
2 2 2 2
2 2 2 2
1 1 1 1
1 1 1 1
= +
= +
+ = +
+ + = + +
= + + +
= + + +
= + + +
= + + +
b a
b a
b a b a
c b a c b a
d c b a
d c b a
d c b a
d c b a
Splines Cbicos Mtodos Numricos

Pgina 15


Cuya forma matricial es la siguiente:


Usando Mathematica, obtenemos la siguiente solucin:



Sustituyendo estos valores en nuestra funcin inicial, vemos que la spline cbica
para la tabla de datos dada, queda definida como sigue:





(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(
(

0
0
0
0
7
2
2
1
0 0 2 30 0 0 0 0
0 0 0 0 0 0 2 12
0 0 2 18 0 0 2 18
0 1 6 27 0 1 6 27
1 5 25 125 0 0 0 0
1 3 9 27 0 0 0 0
0 0 0 0 1 3 9 27
0 0 0 0 1 2 4 8
2
2
2
2
1
1
1
1
d
c
b
a
d
c
b
a
125 . 50
875 . 39
375 . 9
625 . 0
5 . 0
75 . 10
5 . 7
25 . 1
2
2
2
2
1
1
1
1
=
=
=
=
=
=
=
=
d
c
b
a
d
c
b
a
( )
| |
| |

e +
e + +
=
5 , 3 125 . 50 875 . 39 375 . 9 625 . 0
3 , 2 5 . 0 75 . 10 5 . 7 25 . 1
2 3
2 3
x si x x x
x si x x x
x s
Splines Cbicos Mtodos Numricos

Pgina 16


Mostramos la grfica correspondiente a este ejercicio, creada tambin en
Mathematica.




Obsrvese la finura con la que se unen los polinomios cbicos que conforman a
la spline. Prcticamente ni se nota que se trata de dos polinomios diferentes!. Esto
es debido a las condiciones que se impusieron sobre las derivadas de la funcin.
Esta finura casi artstica, es la que permite aplicar las splines cbicas, para
cuestiones como el diseo de letras por computadoras, o bien a problemas de
aplicacin donde la interpolacin que se necesita es de un carcter bastante
delicado, como podra tratarse de datos mdicos sobre algn tipo de enfermedad.









Splines Cbicos Mtodos Numricos

Pgina 17

3) Interpolar los siguientes datos utilizando splines cbicas:

x -1 1 2 4
y -1 1 5 -2

Solucin.

Nuevamente, definimos un polinomio cbico en cada uno de los intervalos:



Despus, hacemos que la spline pase por los puntos dados en la tabla. As,
tenemos que:

Implica que,

Implica que,


Implica que,




| |
| |
| |

e + + +
e + + +
e + + +
=
4 , 2
2 , 1
1 , 1
) (
3 3
2
3
3
3
2 2
2
2
3
2
1 1
2
1
3
1
x si d c x b x a
x si d x c x b x a
x si d x c x b x a
x s
1 ) 1 ( = s
1
1 1 1 1
= + + d c b a
1 ) 1 ( = s
1
1 1 1 1
= + + + d c b a
1
2 2 2 2
= + + + d c b a
5 ) 2 ( = s
5 2 4 8
2 2 2 2
= + + + d c b a
5 2 4 8
3 3 3 3
= + + + d c b a
Splines Cbicos Mtodos Numricos

Pgina 18

Y finalmente implica que,





Enseguida, calculamos la primera derivada:



Vemos entonces, que las posibles discontinuidades de son y .
Por lo tanto, para hacer que sea continua, igualamos las ecuaciones
correspondientes en ambos valores:




Ahora procedemos a calcular la segunda derivada:



2 ) 4 ( = s
2 4 16 64
3 3 3 3
= + + + d c b a
| |
| |
| |

e + +
e + +
e + +
= '
4 , 2 2 3
2 , 1 2 3
1 , 1 2 3
) (
3 3
2
3
2 2
2
2
1 1 1
2
1
x si c x b x a
x si c x b x a
x si c x b x a
x s
) (x s'
1 = x 2 = x
) (x s'
2 2 2 1 1 1
2 3 2 3 c b a c b a + + = + +
3 3 3 2 2 2
4 12 4 12 c b a c b a + + = + +
| |
| |
| |

e +
e +
e +
= ' '
4 , 2 2 6
2 , 1 2 6
1 , 1 2 6
) (
3 3
2 2
1 1
x si b x a
x si b x a
x si b x a
x s
Splines Cbicos Mtodos Numricos

Pgina 19

Nuevamente, las posibles discontinuidades son y . Por lo tanto, para
que sea continua, se igualan las ecuaciones en ambos valores:




Finalmente, se agregan las condiciones de que la doble derivada se anule en los
puntos inicial y final de la tabla.


En este caso,




Con esto tenemos un juego de doce ecuaciones vs. Doce incgnitas:









1 = x 2 = x
) (x s' '
2 2 1 1 2 2 1 1
3 3 2 6 2 6 b a b a b a b a + = + + = +
3 3 2 2 3 3 2 2
6 6 2 12 2 12 b a b a b a b a + = + + = +
0 3 0 2 6 0 ) 1 (
1 1 1 1
= + = + = ' ' b a b a s
0 12 0 2 24 0 ) 4 (
3 3 3 3
= + = + = ' ' b a b a s
1
1 1 1 1
= + + d c b a
1
1 1 1 1
= + + + d c b a
1
2 2 2 2
= + + + d c b a
5 2 4 8
2 2 2 2
= + + + d c b a
5 2 4 8
3 3 3 3
= + + + d c b a
2 4 16 64
3 3 3 3
= + + + d c b a
2 2 2 1 1 1
2 3 2 3 c b a c b a + + = + +
3 3 3 2 2 2
4 12 4 12 c b a c b a + + = + +
Splines Cbicos Mtodos Numricos

Pgina 20






Este sistema tiene la siguiente forma matricial:



Usando Mathematica, obtenemos la solucin:

, ,
, ,

2 2 1 1
3 3 b a b a + = +
3 3 2 2
6 6 b a b a + = +
0 3
1 1
= + b a
0 12
3 3
= +b a
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

0
0
0
0
0
0
2
5
5
1
1
1
0 0 1 12 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 3
0 0 1 6 0 0 1 6 0 0 0 0
0 0 0 0 0 0 1 3 0 0 1 3
0 1 4 12 0 1 4 12 0 0 0 0
0 0 0 0 0 1 2 3 0 1 2 3
1 4 16 64 0 0 0 0 0 0 0 0
1 2 4 8 0 0 0 0 0 0 0 0
0 0 0 0 1 2 4 8 0 0 0 0
0 0 0 0 1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0 1 1 1 1
3
3
3
3
2
2
2
2
1
1
1
1
d
c
b
a
d
c
b
a
d
c
b
a
140
51
1
= a
10
21
2
= a
35
24
3
= a
140
153
1
= b
35
297
2
= b
35
288
3
= b
Splines Cbicos Mtodos Numricos

Pgina 21

, ,

, ,

Por lo tanto, la spline cbica es:



Finalmente, mostramos la grfica correspondiente (creada en Mathematica):











140
89
1
= c
70
473
2
= c
70
1867
3
= c
40
153
1
= d
35
48
2
= d
35
732
3
= d
| |
| |
| |

e +
e + +
e + +
=
4 , 2
2 , 1
1 , 1
) (
35
732
70
1867
2
35
288
3
35
24
35
48
70
473
2
35
297
3
10
21
40
153
140
89
2
140
153
3
140
51
x si x x x
x si x x x
x si x x x
x s
-1 1 2 4
-2
2
4
6
8
Splines Cbicos Mtodos Numricos

Pgina 22

4. Algoritmos
El spline cubico natural. Matlab, por defecto, calcula splines cbicos con la
condicin not-a-knot, que es cierta relacin entre derivadas en los puntos
extremos y los inmediatos. Solo se pueden calcular splines naturales con un
toolbox. El cdigo que sigue implementa el clculo del spline cubico natural de una
coleccin de puntos.
La entrada
es:
x: la lista de las coordenadas x de los puntos
y: la lista de las coordenadas y de los puntos

Devuelve un objeto" de Matlab que se denomina polinomio a trozos, que describe
exactamente un objeto polinomial definido a trozos: los intervalos en los que est
definido vienen dados por el vector x y su valor en un t (que hay que computar
utilizando la funcin ppval)

% spline cubico 'natural ': en ambos extremos , la
% derivada segunda es 0.
% la entrada es una nube de puntos con al menos
% dos puntos
function [f] = spline_cubico (x, y)
n = length (x) -1;
if(n <=1 | length (x) ~= length (y))
8 warning ('Wrong data ')
f= [];
return
end
breaks = x;
a = y (1:n);
h = diff (x);
F = zeros (n);
alpha = zeros (n, 1);
for i=1:n
18 if(i> 1& i < n)
F(i ,[i -1 i i +1]) = [h(i -1) , 2*( h(i -1) + h(i)), h(i)] ;
alpha (i) = 3*( y(i+1) -y(i))/h(i) - 3*( y(i) - y(i -1) )/h(i -1) ;
else
F(i,i) = 1;
alpha (i) = 0;
end
i=i +1;
end
c = (F\ alpha ) ';
28 b = zeros (1,n);
d = zeros (1,n);
i = 1;
while (i<n)
Splines Cbicos Mtodos Numricos

Pgina 23

while (i<n)
b(i) = (y(i +1) -y(i))/h(i) - h(i) *(c(i +1) +2* c(i)) /3;
i=i +1;
end
d (1:n -1) = diff (c) ./(3* h(1:n -1) );
b(n) = b(n -1) + h(n -1) *(c(n)+c(n -1) );
d(n) = (y(n +1) -y(n)-b(n)*h(n)-c(n)*h(n) ^2) /h(n) ^3;
38 f = mkpp (x ,[d; c; b ;a ]');
end

Un ejemplo de uso podra ser el siguiente, para comparar el spline cbico con la
grfica de la funcin seno:

> x = linspace (-pi , pi , 10) ;
> y = sin (x);
> f = spline_cubico (x, y);
> u = linspace (-pi , pi , 400) ;
% Lagrange interpolation polynomial
% A single base polynomial is computed at
% each step and then added ( multiplied by
4 % its coefficient ) to the final result .
% input is a vector of x coordinates and
% a vector (of equal length ) of y coordinates
% output is a polynomial in vector form ( help poly ).
function [l] = lagrange (x,y)
n = length (x);
l = 0;
for m=1:n
b = poly (x ([1:m -1 m +1: n]));
c = prod (x(m)-x ([1:m -1 m +1: n]));
14 l = l + y(m) * b/c;
end