Grupo 06

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA CIVIL

"AJUSTE DE CURVAS CON SPLINES"

AUTORES:

GARCÍA P. IKER A.

ROJAS N. GIANFRANCO

CAICHIHUA R. YERICK

VILCHEZ C. JUNIOR

CRISOSTOMO HELDER A.

DOCENTE:

MSC. JULIO CESÁR BARRAZA BERNAOLA

LIMA-PERÚ

2024
2

1 RESUMEN
El presente estudio se enfoca en explorar el método de ajuste de curvas utilizando splines cú-
bicos, una técnica fundamental en el análisis de datos y modelado matemático. Se profundiza en
las curvas de interpolación y su capacidad para representar datos de manera precisa, destacando
la flexibilidad de los splines cúbicos para ajustarse a conjuntos de datos complejos. Se introduce
el concepto de vigas lineales, caracterizadas por tener cuarta derivada igual a cero, lo que permite
una suavidad adicional en el ajuste de curvas.

El enfoque principal recae en la interpolación de spline cúbico, detallando su derivación y cómo

se adapta a diferentes conjuntos de datos. Se examinan diversos tipos de splines cúbicos, incluyendo
el spline natural y el spline parabólico de descentramiento, así como el destacado spline de descen-
tramiento cúbico, que ofrece una mayor flexibilidad en la interpolación.

Este estudio aborda estrategias clave para comprender y aplicar el ajuste de curvas con spli-
nes cúbicos, subrayando su relevancia en la modelización de fenómenos complejos. Se discute la
importancia de estos métodos en la aproximación de funciones y la extrapolación de datos, pro-
porcionando una visión integral de su aplicación en diversos campos científicos y tecnológicos.

Palabras clave: Ajuste de curvas, Splines cúbicos, Interpolación, Vigas lineales, Derivación,
Tipos de splines cúbicos, Spline natural, Spline parabólico de descentramiento, Spline de descen-
tramiento cúbico.

2 ABSTRACT
This study focuses on exploring the method of curve fitting using cubic splines, a fundamental
technique in data analysis and mathematical modeling. It delves into interpolation curves and
their ability to represent data accurately, highlighting the flexibility of cubic splines to fit complex
datasets. The concept of linear beams is introduced, characterized by having a fourth derivative
equal to zero, allowing for additional smoothness in curve fitting.

The main focus lies on cubic spline interpolation, detailing its derivation and how it adapts to
different datasets. Various types of cubic splines are examined, including the natural spline and
the parabolic off-centered spline, as well as the prominent cubic off-centered spline, which offers
greater flexibility in interpolation.

This study addresses key strategies for understanding and applying curve fitting with cubic
splines, emphasizing their relevance in modeling complex phenomena. The importance of these
methods in function approximation and data extrapolation is discussed, providing a comprehensive
overview of their application in various scientific and technological fields.

Keywords: Curve fitting, Cubic splines, Interpolation, Linear beams, Derivation, Types of
cubic splines, Natural spline, Parabolic off-center spline, Cubic off-center spline.
 3

3 INTRODUCCIÓN
La capacidad de representar datos de manera precisa y flexible es un requisito fundamental en
numerosos campos de la ciencia y la ingeniería. En este contexto, el ajuste de curvas con splines
cúbicos emerge como una técnica esencial en el análisis de datos y el modelado matemático. Los
splines cúbicos ofrecen una herramienta poderosa para interpolar conjuntos de datos complejos,
brindando una suavidad adicional a través del concepto de vigas lineales, donde la cuarta derivada
es igual a cero. Esta característica fundamental permite una adaptación más ajustada a la estruc-
tura de los datos y una representación más precisa de los fenómenos subyacentes.

Se empieza a hablar con mayor recurrencia sobre el ajuste de curvas con splines a partir del siglo
XX, cuando figuras destacadas como Isaac Schoenberg, Ivan S. Akima y Carl de Boor sentaron las
bases de esta técnica revolucionaria. Schoenberg introdujo los splines como una forma de interpo-
lación suavizada en la década de 1940, mientras que Akima desarrolló los splines de interpolación
cúbica en la década de 1960, ofreciendo mayor flexibilidad y precisión. Posteriormente, de Boor
revolucionó el campo con algoritmos eficientes para el cálculo de splines cúbicos en la década de
1970. Estos avances fueron fundamentales para el desarrollo y la aplicación generalizada de los
splines en una variedad de disciplinas científicas y de ingeniería

4 OBJETIVO
El objetivo de este proyecto es investigar y aplicar el método de ajuste de curvas utilizando
splines cúbicos, analizando su eficacia y versatilidad en la interpolación y extrapolación de datos,
con el fin de contribuir al avance del conocimiento en el análisis de datos y su aplicación en diversas
disciplinas científicas y tecnológicas.

5 ANTECEDENTES
Conesa, J. A. (2011) De la Universidad de Alicante, en su artículo busca presentar y explicar
diferentes métodos de interpolación de datos, como la interpolación lineal, cuadrática y por splines
cúbicos. Estos métodos son fundamentales para ingenieros y científicos, ya que permiten cons-
truir nuevos puntos a partir de un conjunto discreto de datos experimentales. Además, se aborda
la importancia de la interpolación en la aproximación de funciones complejas por funciones más
simples, lo cual puede ser útil para optimizar cálculos costosos. En resumen, el artículo se centra
en proporcionar herramientas matemáticas y computacionales, como las ecuaciones y algoritmos
presentados en MATLAB, para realizar interpolaciones precisas y eficientes en el análisis de datos
experimentales.

Chica Jiménez, J. A. (2018) De la Universitat de Barcelona, en su artículo busca explorar

y explicar los beneficios de los Splines como método de interpolación, destacando su utilidad para
evitar problemas como el fenómeno de Runge que puede surgir en otros métodos de interpolación.
Además, se menciona cómo los Splines han sido utilizados en diversos campos, desde la industria
aeronáutica hasta el diseño de automóviles, resaltando su versatilidad y aplicabilidad en diferentes
áreas.
4

6 MARCO TEÓRICO
6.1 CURVAS DE INTERPOLACIÓN
El estudio de las curvas y superficies data de la época de los primeros ordenadores. Se intentaba
simular los fenómenos físicos reales con la mayor perfección posible. Pero de lo que menos se encu-
entra en el mundo real son las líneas rectas, tanto la forma como las trayectorias obedecen a líneas
y superficies curvas. El mundo se guía en tres dimensiones, puntos en el espacio con coordenadas,
curvas, superficies y cuerpos. Buscamos un método eficiente que nos ayude a controlar y estudiar
estos cuerpos, para poder usarlos y poder reproducirlos. Lo que nosotros queremos es obtener un
método fiable para obtener superficies a partir de datos tomados experimentalmente. Un método
de estimación y aproximación a partir de datos medidos.

En ocasiones se plantea el problema en el que se conoce una tabla de valores de una función
desconocida o difícil de manejar, y nos interesaría sustituirla por otra más sencilla (por ejemplo,
un polinomio) que verifique la tabla de valores. Este es el problema de interpolación polinómica
que introduciremos en este tema de forma abstracta.

6.2 VIGAS LINEALES

La teoría de vigas lineales establece que el desplazamiento de una viga debe tener dos derivadas
continuas cuando solo actúan fuerzas externas. En el caso de un spline de dibujo, la curva de
interpolación debe ser continua para que sea agradable a la vista, lo que significa que las derivadas
deben ser continuas. Esto permite que la curva sea percibida como suave en lugar de fragmentada.
La forma matemática de la función S(x) muestra que debe ser un polinomio cúbico en cada intervalo
entre puntos especificados. Para especificar completamente S(x), se requieren 4n - 4 coeficientes
que se determinan para que interpole los puntos en el plano y sea continua. Esto resulta en un
spline cúbico, que es una curva de interpolación suave y continua.

6.3 INTERPOLACIÓN DE SPLINE CÚBICO

Este método ajusta un polinomio cubico entre cada par de puntos de datos(como una curva por
ejemplo) o entre conjunto de 3 puntos( como una superficie por ejemplo) y este método es el mejor
para curvas de interpolación. Existen de varias clases como por ejemplo clase 1, 2, cubicas, etc.
Usualmente se usan las cubicas debido a que a lo largo de los años se han llevado a cabo múltiples
pruebas en las cuales las cubicas eran las más efectivas Lo primero será establecer los puntos de la
forma (x1, y1) , (x2,y2) , (x3,y3), . . . . , (xn,yn) a lo que llamaremos nuestros datos discretos luego
al interpolar estos puntos que determinan el spline cubico, buscaremos expresarlo en ecuaciones
y también de forma matricial. Se buscará un sistema de n-2 ecuaciones para n incógnitas, y te
preguntarás, a que se debe el -2? Pues eso se debe a que no se toma en cuenta los extremos.
Existen tres formas posibles de establecer las 2 condiciones adicionales necesarias para establecer
un spline cubico a través de los puntos

6.4 DERIVACIÓN DE LA FÓRMULA DE UN SPLINE CÚBICO

Un spline cúbico es una función polinómica suave que se utiliza comúnmente en interpolación y
aproximación de datos. La derivación de un spline cúbico implica calcular las derivadas de primer
 5

y segundo orden de la función spline en cada intervalo definido por los puntos de control.

La derivación de un spline cúbico es un proceso fundamental en el análisis numérico y la inter-

polación de datos. Los splines cúbicos son funciones suaves definidas por segmentos polinomiales de
tercer grado que se unen de manera continua, lo que los convierte en herramientas poderosas para
aproximar curvas complejas a partir de conjuntos de puntos discretos. Al derivar un spline cúbico,
se obtienen las tasas de cambio instantáneas a lo largo de la curva, lo que proporciona información
crucial sobre la pendiente y la curvatura en diferentes puntos. Esta capacidad de obtener derivadas
precisas es esencial en aplicaciones como el análisis de movimiento en animación por computadora,
la optimización de trayectorias en robótica y la modelización de fenómenos físicos en ciencias e
ingeniería.

Además, la derivación de splines cúbicos es vital para resolver problemas de mínimos cuadra-
dos, donde se busca encontrar la función que mejor se ajusta a un conjunto de datos. Al obtener
las derivadas de los splines cúbicos, se pueden calcular errores residuales y ajustar los parámetros
del spline para minimizar dichos errores, lo que resulta en una interpolación más precisa y una
aproximación más fiel a los datos originales. Esta capacidad de ajuste fino es crucial en campos
como el procesamiento de señales, la interpolación de imágenes y la reconstrucción de superficies en
gráficos por computadora, donde la precisión y la fidelidad son imperativas para obtener resultados
realistas y útiles. En resumen, la derivación de splines cúbicos desempeña un papel central en una
amplia gama de aplicaciones donde la interpolación precisa y el ajuste de datos son fundamentales.

6.4.1 PRIMERA DERIVADA

Análisis de Velocidad y Dirección: La primera derivada indica la tasa de cambio instan-

tánea de la función, lo que permite entender la velocidad y dirección del cambio en un proceso
dinámico. Por ejemplo, en problemas de movimiento físico o procesamiento de señales, la primera
derivada del spline cúbico ayuda a determinar cómo las variables cambian con respecto al tiempo
o el espacio.

Detección de Extremos Locales: Los puntos donde la primera derivada es cero o se anula
proporcionan información sobre extremos locales (máximos y mínimos) de la función. Esto es
crucial en la optimización de sistemas y la identificación de puntos críticos en el comportamiento
de la curva interpolada.

6.4.2 SEGUNDA DERIVADA

Caracterización de la Curvatura: La segunda derivada revela cómo cambia la pendiente

de la curva interpolada, proporcionando información sobre la curvatura en diferentes puntos. Esto
es esencial para entender la forma y la suavidad de la curva, así como para identificar puntos de
inflexión donde la concavidad de la función cambia.

Análisis de Estabilidad y Respuesta: En sistemas físicos o matemáticos, la segunda deri-

vada está relacionada con la aceleración y la curvatura de la trayectoria. Por lo tanto, su estudio
es crucial para evaluar la estabilidad y la respuesta del sistema ante perturbaciones, así como para
comprender fenómenos relacionados con la dinámica de sistemas físicos y mecánicos.
6

6.5 TIPOS DE SPLINE

TextoTexto(poner aquí la información, antes de las dos barras)

6.5.1 SPLINE NATURAL

TextoTexto(poner aquí la información, antes de las dos barras)

6.5.2 SPLINE PARABÓLICA DE DESCENTRAMIENTO

TextoTexto(poner aquí la información, antes de las dos barras)

6.5.3 SPLINE DE DESCENTRAMIENTO CÚBICO

TextoTexto(poner aquí la información, antes de las dos barras)

7 REFERENCIAS BIBLIOGRÁFICAS