Está en la página 1de 12

TALLER DE ANALISIS NUMERICO

INTEGRANTES: ANNY PEREZ CARLOS POLO DAVID BETANCUR JESUS DAVID MEJIA ENRIQUE MARTINEZ

DOCENTE: ALVARO ESPINOSA

UNIVERSIDAD DEL MAGDALENA FACULTAD DE INGENIERIAS SANTA MARTA D.T.C.H 2012

Interpolacin segmentaria lineal ( SPLINE)

La interpolacin segmentaria consiste en ajustar polinomios a conjunto de datos por separado. El polinomio a ajustar depende de la tendencia de los datos. Por ejemplo, un conjunto de datos alineados tendr una mejor representacin con una lnea recta. No se obtendra lo mismo si a este conjunto de datos lo representamos con un polinomio de orden dos o tres.

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.

La

conexin ms simple entre un par de puntos es una lnea

recta. Se pueden definir los polinomios interpolantes de primer orden mediante un conjunto de puntos ordenados y definirse como un conjunto de funciones lineales que unen a los puntos:

( ) ( )

( (

) ) . .

( (

) )

( )

En donde m es la pendiente de la lnea recta en que une los 2 puntos: = Ejemplo: Interpolacin segmentara de primer orden. Ajstense los datos del siguiente cuadro con interpolacin segmentaria de primer orden. Evaluase la funcin x=5.

( )

x 3.0 4.5 7.0 9.0 Solucin:

F(x) 2.5 1.0 2.5 0.5

Los datos se pueden usar para determinar las pendientes entre pintos. Por ejemplo, en el intervalo de x=4.5 a x=7, la pendiente se puede calcular as:

m=
Para x=5 la funcin ser: ( ) ( ( ) Que evaluado en x=5 nos da f(5)= -1.7 +3.0 =1.3 ) ( )

Funciones splines cbicas: 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].

Por otra parte tenemos que : Dados n+1 datos:

Una spline cubica que interpola estos datos, es una funcin S(x) definida como sigue:

Donde cada (x) es un polinomio cubico; ( ) , para toda i= 0,1,n y tal que s(x) tiene primera y segunda derivadas continuas en [ ]

Ejemplo: Interpolar los siguientes datos mediante una spline cubica:

Solucin: Definamos un polinomio cubico 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 pintos dados en la tabla. As, tenemos que: S(2)= -1 8 S(3)= 2 27 S(5)= -7 125 + 4 +2 + = -1 + 9 +3 + = 2 + 25 +5 + = -7

Ahora calculamos la primera derivada de s(x):

Al igual que en el caso de los 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 x=3. Para evitar esta discontinuidad, evaluamos x=3 en los dos polinomios e igualamos: 3 ( ) + 2 ( )+ =3 ( ) +2 ( )+ 27 +6 + = 27 +6 +

Anlogamente procedemos con la segunda derivada:

Para lograr que s(x) sea continua: 6 (3)+2 = 6 (3)+2


18

+2 =18 +2

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: S( S( )=0 )=0

De lo cual vamos a obtener: S(2)=0 6 (2)+ 2 S(5)=0 6 (2)+ 2 .. 12 .. 30 + 2 =0 +2 =0

Con lo cual, hemos completado un juego de 8 ecuaciones vs.8 incgnitas, el cual es el siguiente: 8 +4 +2 27 27 125 + = -1

+ 9 +3 + = 2 +9 +3 + =2 + = -7 +

+ 25

+5

27 +6
18

+ = 27 +6

+2 =18 +2 + 2 =0 +2 =0

12 30

Cuya forma matricial es la siguiente:

Obtenemos la siguiente solucin: = -1,25 =7,5 = -10,75 = 0,5 = 0.625 = -9,375 = 39.875 = -50, 125

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

Mostramos la grfica correspondiente a este ejercicio:

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 cubicas, 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.

WEBGRAFA

http://es.wikipedia.org/wiki/Spline http://www.fi.unju.edu.ar/materias/materia/CN/document/Teoria_Calculo/IN TERPOLACI%D3N__DE__SPLINES.pdf?cidReq=CN http://lastareasonline.com/Analisis%20Numerico/Spline.html