Splines:

Fundamentos y Teorı́a de Aproximación

Motivación/Introducción

Eduardo M. Garau
Santa Fe, 2021

Splines
Interpolación polinomial

3.5
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación polinomial

3.5
Polinomio interpolante
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación polinomial

2.5
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación polinomial

2.5
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación polinomial

2.5
Polinomio interpolante
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Splines

¿Qué son?
En matemática, utilizamos el término spline para referirnos a una
curva definida mediante funciones por tramos.

Caracterı́sticas
Simplicidad en su construcción.
Facilidad y precisión para la evaluación.
Capacidad para aproximarse a formas complejas.

Splines
Splines polinomiales

Spline polinomial
Un spline polinomial es una curva definida mediante polinomios por
tramos.

Caracterı́sticas
Simplicidad en su construcción.
Facilidad y precisión para la evaluación.
Capacidad para aproximarse a formas complejas.

Splines
Aplicaciones

Ajustar un modelo a ciertas mediciones.

Aproximar una función cuya fórmula es complicada o que sólo
se conoce en algunos puntos.
En CAD (Computer-aided design): creación, modificación,
análisis u optimización de un diseño.
industria automotriz, de construcción naval y aeroespacial.
diseño industrial y arquitectónico, prótesis.
En Computer graphics: animación para efectos especiales en
pelı́culas, publicidad, etc.

Splines
Métodos de aproximación locales y globales

Método local:
La aproximación en un punto x
depende sólo de los datos cercanos a x.

La aproximación en x no cambiará
a menos que la información cercana a x cambie.

Método global:
La aproximación en un punto x
depende de todos los datos.

La aproximación en x usualmente cambia

cuando cambia cualquier dato.

Splines
Interpolación mediante poligonales

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
3.5 2.5
Datos Datos

3
2

2.5
1.5

1.5

0.5
1

0
0.5

0 −0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante poligonales

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
3.5 2.5
Datos Funcion dato
Datos

3
2

2.5
1.5

1.5

0.5
1

0
0.5

0 −0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante poligonales

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
3.5 2.5
Poligonal interpolante Poligonal interpolante
Datos Funcion dato
Datos
3
2

2.5
1.5

1.5

0.5
1

0
0.5

0 −0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante poligonales

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
h = máx (xi+1 − xi ).
1≤i≤m−1

Teorema
Si f ∈ C[a, b], entonces

∀ ε > 0, ∃ δ > 0 : (h < δ ⇒ ∀ x ∈ [a, b], |f (x) − I1 f (x)| < ε).

Si f ∈ C 2 [a, b], entonces

1 2 00
kf − I1 f kL∞ [a,b] ≤ h kf kL∞ [a,b] ,
8
1
kf 0 − (I1 f )0 kL∞ [a,b] ≤ hkf 00 kL∞ [a,b] .
2

Splines
Interpolación cúbica de Hermite a trozos

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
y = {yi }m
i=1 dados.
0 0 m
y = {yi }i=1 dados.

Problema de interpolación cúbica de Hermite a trozos

Hallar g : [a, b] → R tal que
g|[xi ,xi+1 ] es un polinomio de grado ≤ 3, para i = 1, . . . , m − 1.
g(xi ) = yi , para todo i = 1, . . . , m.
g0 (xi ) = y0i , para todo i = 1, . . . , m.

Teorema
El problema anterior tiene solución única.

Splines
Interpolación cúbica de Hermite a trozos

3.5
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación cúbica de Hermite a trozos

3.5
pw−cubic Hermite
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación cúbica de Hermite a trozos

2.5
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación cúbica de Hermite a trozos

2.5
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación cúbica de Hermite a trozos

2.5
pw−cubic Hermite
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación cúbica de Hermite a trozos

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
h = máx (xi+1 − xi ).
1≤i≤m−1
y = {f (xi )}m
i=1 dados.
y0 = {f 0 (xi )}m
i=1 dados.

Teorema
Si f ∈ C 4 [a, b], entonces

1 4 (iv)
kf − Hf kL∞ [a,b] ≤ h kf kL∞ [a,b] ,
384

Splines
Interpolación mediante splines cúbicos

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
y = {yi }m
i=1 dados.

Spline cúbico interpolante

s : [a, b] → R es un spline cúbico interpolante si
s ∈ C 2 [a, b].
s|[xi ,xi+1 ] es un polinomio de grado ≤ 3, para i = 1, . . . , m − 1.
s(xi ) = yi , para todo i = 1, . . . , m.

Splines
Interpolación mediante splines cúbicos

3.5
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación mediante splines cúbicos

3.5
spline interpolante
Datos

2.5

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Splines
Interpolación mediante splines cúbicos

2.5
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante splines cúbicos

2.5
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante splines cúbicos

2.5
spline interpolante
Funcion dato
Datos

1.5

0.5

−0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Splines
Interpolación mediante splines cúbicos

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
y = {yi }m
i=1 dados.

Teorema
Existe un único spline interpolante una vez que se imponen algunas
de las siguientes condiciones:
Spline sujeto: s0 (a) = α y s0 (b) = β, para α, β ∈ R.
Spline natural: s00 (a) = 0 y s00 (b) = 0.
Spline not-a-knot: s000 es continua en x2 y en xm−1 .
Spline periódico: s0 (a) = s0 (b) y s00 (a) = s00 (b).

Splines
Caracterización del spline cúbico natural

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
E(f ) := {g ∈ C 2 [a, b] | g(xi ) = f (xi ), para i = 1, . . . , m}.
sN spline cúbico natural que interpola a f en ∆.

Teorema
Z b Z b
(s00N (x))2 dx < (g00 (x))2 dx, ∀ g ∈ E(f ), g 6≡ sN .
a a

Splines
Caracterización del spline cúbico sujeto

∆ = {xi }m
i=1 , con a = x1 < x2 < · · · < xm = b.
EH (f ) := {g ∈ E(f ) | g0 (a) = f 0 (a) ∧ g0 (b) = f 0 (b)}.
sH spline cúbico sujeto que interpola a f en ∆.

Teorema
Z b Z b
(s00H (x))2 dx < (g00 (x))2 dx, ∀ g ∈ EH (f ), g 6≡ sH .
a a

Splines
Draftman’s spline

Splines
Métodos de aproximación usando splines

Métodos globales
Interpolación mediante splines cúbicos
Interpolación mediante splines de grado d, con d ∈ N.
Aproximación por cuadrados mı́nimos.

Métodos locales
Interpolación mediante poligonales (splines lineales).
Interpolación cúbica de Hermite a trozos.
Aproximación variation diminishing.
Aproximación mediante quasi-interpolantes.

Necesitamos definir un espacio de funciones splines y considerar

una base adecuada en la cual representar nuestra aproximación
(funciones B-splines).

Splines