Metodos numericos

4. Interpolaci
on polinomial
En muchos casos de experimentacion o de analisis de datos, se tienen
mediciones, mediciones que de antemano no tienen o siguen una tendencia
definida, aun mas, se desconoce la funcion que la rige. Ejemplos de esto
pueden ser: medir la temperatura a lo largo de un da en intervalos de una
hora, medir la evolucion de los precios a lo largo de los meses, medir el tiempo
de enfriamiento de un material expuesto a distintas condiciones, etc. Todos
estos casos de experimentacion tienen el objetivo de conocer, investigar y en
muchos casos inferir nuevos valores, pues se pretende buscar un modelo que
permita conocer o aproximar una funcion que describa el comportamiento de
los distintos fenomenos, con el fin de evitar una experimentacion infinita,
pues dependiendo los casos de estudios puede llegar a ser muy costosa.
Bajo este escenario, la mejor forma de determinar una posible funcion
que describa el comportamiento de datos experimentales, es a traves de los
llamdos metodos de interpolacion polinomial. Estos metodos tienen la idea
basica de buscar un polinomio P (x) que aproxime el comportamiento de los
distintos datos (puntos).
Y

Figura 2: Grafico

4.1. Marco te
orico
Dados n+1 puntos en el plano3 , el polinomio interpolador es el u
nico poli-
nomio de grado menor o igual a n que pasa por dichos puntos. Son varios los
metodos que se pueden utilizar para construir un polinomio de interpolacion:

Metodo de Lagrange.

Metodo de Newton.
3
sin que haya dos en la misma recta vertical

17 p m
Metodos numericos

Metodo de spline.

4.2. Interpolaci
on de Lagrange
Interpolar significa estimar el valor desconocido de una funcion en un
punto, tomando una medida ponderada de sus valores conocidos en puntos
cercanos al dado.
El matematico frances Joseph Louis Lagrange dedujo una formula para
determinar la funcion (polinomio de grado N) que interpola N + 1 puntos.

Teorema 4 (Polinomio interpolador de Lagrange). Supongamos que f

C N +1 [a, b] y que x0 , x1 , . . . , xN [a, b] son N + 1 nodos de interpolacion. Si
x [a, b], entonces

f (x) = PN (x) + EN (x) (8)

donde
N
!
PN (x) = f (xk )LN,k (x), (9)
k=0
con "N
j=0,j=k (x xj )
LN,k (x) = "N (10)
j=0,j=k (xk xj )
y
(x x0 )(x x1 ) . . . (x xN )f N +1 (c)
EN (x) = (11)
(N + 1)!
un valor c = c(x) del intervalo [a, b]
para alg

4.2.1. Ejemplo
En base a los datos mostrados en la cuadro 1 , determinar un polinomio
que los interpole.

X Y
0 1
0.6 0.8253
1.2 0.3623
Cuadro 1: Datos para contruir un polinonio interpolador.

Dado que tenemos 3 puntos a interpolar, el maximo polinomio interpo-

lador que podemos determinar es de grado 2.
Utilizando el teorema 4, determinemos el polinomio interpolador de La-
grange, para ello, utilicemos las igualdades (9) y (10). Entonces,

18 p m
Metodos numericos

2
!
P2 (x) = f (xk )L2,k (x)
k=0
= f (x0 )L2,0 (x) + f (x1 )L2,1 (x) + f (x2 )L2,2 (x)
= 1 L2,0 (x) + 0,8253 L2,1 (x) + 0,3623 L2,2 (x)
# $ # $
(x 0,6)(x 1,2) (x 0)(x 1,2)
= 1 + 0,8253
(0 0,6)(0 1,2) (0,6 0)(0,6 1,2)
# $
(x 0)(x 0,6)
+0,3623
(1,2 0)(1,2 0,6)
= 1,38(x 0,6)(x 1,2) + 2,29(x 0)(x 1,2) + 0,50(x 0)(x 0,6).

4.2.2. C
odigo Matlab
El siguiente programa determina el polinimio interpolador cuya grafica
pasa por un conjunto de puntos dados, obteniendo como resultado un vector
cuyas componentes son los coeficientes del polinomio interpolador de La-
grange.

function [C,L]= lagrange(x,y)

w = length(x);
n = w-1;
L = zeros(w,w);

for k=1:n+1

V = 1;

for j = 1:n+1
if k ~= j
V = conv(V,poly(x(j)))/(x(k)-x(j));
end
end

L(k,:) = V;
end

C = y;

C = C .* L;

Observaciones:
La instruccion poly produce un vector cuyas componentes son los coefi-
cientes de un polinomio del que se especifican las raices.

19 p m
Metodos numericos

La instruccion conv proporciona un vector cuyas componentes son los

coeficientes de un polinomio que es el producto de otros dos dados.

4.2.3. Tareas
1. Determine en los siguientes casos, el polinomio interpolador de La-
grange par aproximar la funcion f (x) = x3

a) El polinimio cuadratico P2 (x) para los nodos x0 = 1, x1 = 0 y

x2 = 1.
b) El polinimio c
ubico P3 (x) para los nodos x0 = 1, x1 = 0, x2 = 1
y x3 = 2.

2. Modificar el codigo dado para que realice el grafico de los nodos (pun-
tos) y el polinomio interpolador.

3. Cree su propio codigo.

4. En el cuadro 2 se muestran temperaturas que fueron medidas cada

hora, durante un lapso total de 5 horas.

H T
13 18
14 18
15 17
16 16
17 15
18 14
Cuadro 2: Datos de la temperatura medida durante 5 horas.

a) Construir el polinimio interpolador de Lagrange correspondiente

a los datos del cuadro 2.
b) Estimar la temperatura media durante el perodo de 5 horas dado.
c) Dibuje los datos del cuadro 2 y el polinomio interpolador encon-
trado, en el mismo grafico. Discuta el error que puede aparecer al
usar dicho polinimio para estimar la temperatura media.

20 p m
Metodos numericos

4.3. Interpolaci
on de Newton
La interpolacion de Newton, a diferencia de la de Lagrange, permite cal-
cular polinomios de un grado elevado n 3 con mayor facilidad, tanto de
manera analtica como numerica (computacional). Esto en la practica es de
gran utilidad, pues dependiendo de la distribucion (dispersion) de los datos
que se pretenda interpolar (buscar un polinomio que pasa por todos ellos o
lo mas cerca posible), el polinomio interpolador debera ser mas elevado.
Teorema 5 (Polinomio interpolador de Newton). Supongamos que x0 , x1 , . . . , xN
son N + 1 n umeros distintos en [a, b]. Entonces, existe un u
nico polinimio
PN (x) de grado menor o igual a N tal que:

f (x) = PN (x) + EN (x), (12)

donde el polinomio interpolador PN (x) tiene la forma

PN (x) = a0 +a1 (xx0 )+. . .+aN (xx0 )(xx1 )(xx2 ) (xxN 1 ), (13)

siendo ak = f [x0 , x1 , . . . , xN ] y
(x x0 )(x x1 ) (x xN )f N +1 (c)
EN (x) = (14)
(N + 1)!
con c [a, b].
Observaci on: Al termino f [x0 , x1 , . . . , xN ] se le conoce como las diferen-
cias divididas de f (x).
Definicion 2 (Diferencias divididas). Las diferencias divididas de una fun-
on f (x) se definen como:
ci

f [xk ] = f (xk ),
f [xk ] f [xk1 ]
f [xk1 , xk ] = ,
xk xk1
f [xk1 , xk ] f [xk2 , xk1 ]
f [xk2 , xk1 , xk ] = ,
xk xk2
f [xk2 , xk1 , xk ] f [xk3 , xk2 , xk1 ]
f [xk3 , xk2 , xk1 , xk ] = ,
xk xk3
.. .. ..
. . .
f [xkj+1, . . . , xk ] f [xkj , . . . , xk1 ]
f [xkj , xkj+1, . . . , xk ] =
xk xkj

4.3.1. Ejemplo
Sea f (x) = x3 4x y los nodos x0 = 1, x1 = 2, ..., x5 = 6. Se busca
determinar los polinomios interpoladores de Newton P1 (x), P2 (x) y P3 (x),
para los nodos indicados.

21 p m
Metodos numericos

Desarrollo
En primer lugar, establezcamos explcitamente los polinomios que debe-
mos determinar, basandonos en la ecuacion (13), estos son:

P1 (x) = a0 + a1 (x x0 )
P2 (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 )
P3 (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + a3 (x x0 )(x x1 )(x x2 ).

Como se puede observar, para determinar los polinomios interpoladores, dado

que se conocen los nodos, basta con determinar los coeficientes a1 , a2 y a3 . Los
coeficientes senalados, se los determina a traves de las diferencias divididas
de la funcion, de tal forma que: a0 = f [x0 ], a1 = f [x0 , x1 ], a2 = f [x0 , x1 , x2 ]
y a3 = f [x0 , x1 , x2 , x3 ].

xk f [xk ] f [xk1 , xk ] f [xk2 , xk1 , xk ] f [xk3 , xk2 , xk1 , xk ]

x0 = 1 -3
x1 = 2 0 3
x2 = 3 15 15 6
x3 = 4 48 33 9 1.

En base a la tabla mostrada, se tiene que: a0 = 3, a1 = 3, a2 = 6 y

a3 = 1. Con los resultados obtenidos, se puden escribir, explcitamente, los
polinomios solicitados.

P1 (x) = 3 + 3(x 1)
P2 (x) = 3 + 3(x 1) + 6(x 1)(x 2)
P3 (x) = 3 + 3(x 1) + 6(x 1)(x 2) + 1(x 1)(x 2)(x 3).

4.3.2. C
odigo Matlab
El siguiente programa determina los coeficientes, a traves del metodo de
diferencias dividas, del polinomio interpolador de Newton de grado menor o
igual a N que pasa por los puntos (xk , yk ) = (xk ), f (xk ) para k = 0, 1, . . . , N.

function [C,D]= newtonpoly(x,y)

% Entrada: x y y vectores
% Salida: C coeficientes del polinomio de Newton,
% D tabla de diferencias divididas

n = length(x);
D = zeros(n,n);
D(:,1) = Y;

for j=2:n
for k=j:n

22 p m
Metodos numericos

D(k,j) = (D(k,j-1)-D(k-1,j-1))/(x(k)-x(k-j+1));
end
end

C = D(n,n);

for k=n-1:-1:1
C = conv(C,poly(x(k)));
m = length(C);
C(m) = C(m) + D(k,k);
end

Observaciones:
La instruccion poly produce un vector cuyas componentes son los coefi-
cientes de un polinomio del que se especifican las raices.
La instruccion conv proporciona un vector cuyas componentes son los
coeficientes de un polinomio que es el producto de otros dos dados.

4.3.3. Tareas
1. En base a las funciones y datos que se muestran a la cuadro 3, realizar:

a) Calcular la tabla de diferencias divididas para las funciones y datos

datos.
b) Escribir los polinomios interpoladores de Newton P1 , P2 , P3 y P4 .
c) Calcular los valores de los polinomios hallados, en el apartado
anterior, para los valores de x dados.
d ) Compare los valores obtenidos, con los valores exactos.

f (x) = x1/2 f (x) = 3(sin(x/6))2

x = 4,5; 7,5 x = 1,5; 3,5

k xk f (xk ) k xk f (xk )
0 4 2 0 0 0
1 5 2.23 1 1 0.75
2 6 2.44 2 2 2.25
3 7 2.64 3 3 3.00
4 8 2.82 4 4 2.25

Cuadro 3: Funciones para ser analizadas

2. Considere M + 1 puntos (x0 , y0 ), . . . , (xM , yM ).

23 p m
Metodos numericos

a) Pruebe que si las (N + 1)-esimas diferencias divididas son cero,

entonces todas las siguientes hasta la M-esima son tambien cero.
b) Pruebe que si las (N + 1)-esimas diferencias divididas son cero,
entonces existe un polinomio PN (x) de grado N tal que

PN (xk ) = yk parak = 0, 1, . . . , M.

3. En el codigo dado, seccion anterior, la matriz D se emplea para alma-

cenar la tabla de diferencias divididas:

a) Compruebe4 que la siguiente modificacion, del codigo dado, es

una forma equivalente de calcular el polinomio interpolador de
Newton.
for k=0:N
A(k) = y(k);
end

for j=1:N
for k=N:-1:j
A(k) = (A(k)-A(k-1))/(x(k)-x(k-j));
end
end

b) Repita el ejercicio 1 e indique las diferencias

4
Por comprobar se entiende al hecho de demostrar razonada y justificadamente las
afirmaciones o negaciondes realizadas.

24 p m
Metodos numericos

4.4. Interpolaci
on spline
Cuando se dispone de una gran cantidad de datos relativos a una fun-
cion, conocida o no, que se desea aproximar, las tecnicas de interpolacion
polinomica (Lagrange - Newton) dan lugar, generalmente, a interpolantes
que presentan grandes oscilaciones. Ello hace que un polinomio pueda coin-
cidir con una funcion en muchos puntos y que, aunque dos de ellos esten muy
proximos, el valor del polinomio, entre dos puntos consecutivos, diste mucho
del de la funcion. Incluso es posible que la distancia tienda al infinito cuando
el grado del polinomio crece (polinomios de orden 5, 6, ...). La interpolacion
spline desempe na un papel fundamental en el tratamiento de este tipo de
problemas.
La palabra inglesa spline define una regla flexible sujeta a dos puntos,
utilizada en dibujo tecnico para pintar curvas suaves pasando por puntos es-
pecificados. Estas condiciones de suavidad y adaptabilidad son las que hacen
que las funciones polinomiales a trozos que se estudiaran adoptaran esta nom-
bre. Por lo tanto, una funci on spline o un spline sera un polinomio a trozos
de grado definido y con ciertas propiedades de regularidad (derivabilidad).

4.4.1. Marco te
orico
Formalmente, las funciones spline se pueden definir de la siguiente man-
era:
Definicion 3 (Spline). Sea = a = x0 < x1 < . . . < xn = b una partici
on
del intervalo [a, b], de tal forma que
s : [a, b] R
es una funcion spline de orden m N sobre si se verifican las siguientes
condiciones:
1. s es un polinomio a trozos de grado m


s1m (x), x [x0 , x1 [
s2 (x), x [x1 , x2 [

m
s = .. ..

. .
sn (x), x [x , x [

m n1 n

2. s C m1 ([a, b]). Esto indica que la funcion y sus (m 1) primeras

derivadas son continuas en el intervalo [a, b] o, expresado en otros
terminos, la funcion debe ser continua en los nodos interiores, es decir,
se debe cumplir que:

s (x i ) = s (x+ i ), i = 1, . . . , n 1
s (x i ) = s (x+ i ), i = 1, . . . , n 1
.. .. .. ..
. . . .
sm1
(x m1 +
i ) = s (xi ), i = 1, . . . , n 1

25 p m
Metodos numericos

Observaci on
Si llamanos sm al conjunto de splines de orden m definidos sobre la par-
ticion del intervalo [a, b], se puede demostrar que tiene una estructura de
espacio vectorial con las operaciones usuales de suma de funciones y producto
por escalares.
En lo que sigue, nos centraremos en la interpolacion spline lineal y cuadratica,
aunque desarrollaremos con mayor detalle la lineal.

4.4.2. Interpolaci
on con splines de grado uno
Las funciones spline de grado 1 son funciones lineales a trozos y continuas.
Graficamente se representan por poligonales, (vease figura 15).
Y

X
a b
Figura 3: Grafico de la poligonal

Observese que la poligonal mostrada es una funcion continua en el inter-

valo [a, b], y que al restringirla al intervalo [xi , xi+1 ], 0 i n 1, es un
polinomio de grado menor o igual a uno; ademas, estas dos propiedades se
mantienen cuando se suman poligonales o se multiplican por escalares.
Por lo indicado, las funciones cuyas graficas son las poligonales asociadas
a la particion anterior constituyen un espacio vectorial. Este espacio vectorial
es el de las funciones spline de grado uno y nodos x0 , . . . , xn .
Se observa de inmediato que si en los nodos x0 , . . . , xn se conocen los
valores de y0 , . . . , yn que toma cierta funcion y se desea construir una polig-
onal que pasa por ellos, el problema tiene solucion y es u nica. Su grafica
estara conformada por los segmentos que unen los puntos resultantes, de tal
forma que el punto (x0 , y0 ) se una con el punto (x1 , y1 ), el punto (x1 , y1) con
el (x2 , y2), etc., y su expresion analtica, si (x), en el subintervalo [xi , xi+1 [,
0 i n 1, es
yi+1 yi
si (x) = yi + (x xi ), x [xi , xi+1 [, (15)
xi+1 xi
de tal forma que el primer subintervalo sea de la forma [a, x1 ] y el u
ltimo
subintervalo sea de la forma [xn1 , b].

26 p m
Metodos numericos

4.4.3. Ejemplo
En una aplicacion grafica se quiere derivar la formula que implementa
un prototipo grafico en el intervalo [1, 1], pasando por los puntos (1, 0)
y (1, 0) con una altura variable h en 0. Dicha curva esta definida por una
funcion continua que adopta la forma de polgonos de grado 1 en los subin-
tervalos dados. Dar la expresion de dichos patrones.

Desarrollo
La funcion pedida, s(x), es una spline de grado 1 en [1, 1], asociada a
la particion = {x0 = 1, x1 = 0, x2 = 1}. Utilizando la ecuacion (15),
tendremos que la funcion pedida es:
)
s0 (x), x [1, 0[
s(x) =
s1 (x), x [0, 1],

donde
y1 y0
s0 (x) = y0 + (x x0 ), x [x0 , x1 [
x1 x0
h0
= 0+ (x (1))
0 (1)
= h(x + 1)

y
y2 y1
s1 (x) = y1 + (x x1 ), x [x1 , x2 [
x2 x1
0h
= h+ (x 0)
10
= h(1 x).

En resumen )
h(x + 1), x [1, 0[
s(x) =
h(1 x), x [0, 1],

4.4.4. C
odigo Matlab
El siguiente algoritmo recibe un n umero arbitrario de pares de datos en
la forma de una matriz de 2*n, donde las abcisas se encuentran en la primera
fila (o renglon) y las ordenadas en la segunda fila de la matriz, e interpola los
puntos dados por medio de poligonales (splines de orden 1) devolviendo
los vectores m y b de los coeficientes de las rectas que interpolan a los datos
y ademas entrega su grafica:

27 p m
Metodos numericos

function [m,b]=spline(X)

n=length(X(1,:));

for i=1:n-1;
m(i)=(X(2,i+1)-X(2,i))/(X(1,i+1)-X(1,i));
b(i)=X(2,i);
x=X(1,i):X(1,i+1);
y=m(i)*(x-X(1,i))+b(i);
hold on;
plot(x,y,b);
end

for i=1:n;
hold on;
plot (X(1,i),X(2,i),*,MarkerEdgeColor,r,LineWidth,1);
title(Interpolaci
on por "splines" de orden 1.);
end

Por ejemplo, para los datos {(1, 0), (2, 3), (3, 4), (4, 6), (5, 2), (6, 4), (7, 0), (8, 4), (9, 3)},
se escribe en el Command Window:

X=[1 2 3 4 5 6 7 8 9; 0 3 4 -6 2 4 0 4 3];

[m,b]=spline(X).

Y el programa entrega los resultados:

m = 3 1 -10 8 2 -4 4 -1

b = 0 3 4 -6 2 4 0 4

4.4.5. Interpolaci
on con splines de grado dos
Las funciones spline polinomicas de grado mayor que uno siguen una
filosofa identica a las de grado uno, solo que al aumentar el grado se puede
conseguir mayor regularidad global, sin que cambie mucho la dimension del
espacio vectorial. As los splines cuadraticos con nodos x0 , . . . , xn estan con-
stituidos por parabolas a trozos, unidas entre s no solo con continuidad sino
tambien con tangente continua, de tal forma que son funciones de clase uno
en el intervalo [a, b].
En resumen, el problema de interpolacion spline de grado 2 se puede
describir de la siguiente manera:

28 p m
Metodos numericos

Encontrar s P2
tal que s(xi ) = yi , 0in
Si sk es el polinomio cuadratico que se obtiene al restringir sk P2 al
intervalo [xk , xk+1 ], k = 1, 2, . . . , n 1, entonces

sk (x) = k + k (x xk ) + (x xk )2 , (16)

donde k , k y k son constantes reales.

4.4.6. Ejemplo
Se desea modelar la cubierta de un edificio simetrico describiendo el perfil
de su seccion con un spline de grado 2 (ver figura 4.4.6). Los datos de los que
se dispone son las alturas del edificio en varios puntos, segun se indica en la
tabla

x 0 1 2
Altura y0 y1 y2

Figura 4: Perfil de un edificio

Desarrollo
Sea s(x) el spline pedido en el intervalo [0, 2] correspondiente a la particion
{0, 1, 2} y que interpola los datos que se muestran a continuacion:

s(0) = y0
s(1) = y1
s(2) = y2

Notese que ademas nos dan como informacion la simetra de la cubierta;

especficamente se sabe que

s(x) = s(x), x [0, 2].

29 p m
Metodos numericos

De esta propiedad se deduce que:

s (0) = 0.

Ese u
ltimo dato numerico, junto con los anteriores, nos va a permitir
calcular unvocamente el spline en funcion de los datos y0 , y1 e y2 .
Luego de este analisis se debe construir dos polinomios p y q, de grado
dos, en los intervalos [0, 1] y [1, 2], respectivamente:
)
p(x), x [0, 1]
s(x) =
q(x), x [1, 2],
de forma que s y s sean continuas, es decir, se cumpla que:

s(1 ) = s(1+ ) p(1) = q(1)

s (1 ) = s (1+ ) p (1) = q (1)

y ademas verifiquen las condiciones de interpolacion dadas:

1. s(0) = y0 p(0) = y0

2. s(1) = y1 p(1) = q(1) = y1 . Esta condicion obliga a que automatica-

mente haya continuidad en el punto 1.

3. s(2) = y2 q(2) = y2

4. s (0) = 0 p (0) = 0

Se trata entonces de construir p y q con todas las condiciones anterior-

mente referidas.
Cabe senalar que dependiendo de las expresiones generales que adopte-
mos para p y q, llegaremos a distintos metodos que implementan p y q. El
procedimiento que se va a seguir aqu es construir p y q utilizando en cada
caso y con los datos pertinentes la formula de Newton generalizada.
Empezemos construyendo s(x) en el intervalo [0, 1] con los datos numeri-
cos disponibles (s(0), s (0), s(1)) en ese intervalo. Para ello calculamos la tabla
de diferencias divididas

xk f [xk ] s[, ] s[, , ]

0 y0
0 y0 s (0) = 0
1 y1 y1 y0 y1 y0

Por tanto, utilizando la formula de Newton generalizada:

s(x) = y0 + (y1 y0 )x2 si x [0, 1]. (17)

Repetimos el proceso, ahora en el intervalo [1, 2] con los datos disponibles

es ese intervalo (s(1), s(2)). Construimos la tabla de diferencias divididas:

30 p m
Metodos numericos

xk f [xk ] s[, ] s[, , ]

1 y1
1 y1 s (1)
2 y2 y2 y1 y2 y1 s (1)
Por tanto, utilizando la formula de Newton generalizada, se obtiene que:
s(x) = y1 + s (1)(x 1) + (y2 y1 s (1))(x 1)2 si x [1, 2]. (18)
Otra caracterstica de los splines se refiere a la regularidad de la funcion; la
funcion y su derivada tienen que ser continuas en [0, 2]. Bajo el procedimiento
realizado, se tiene que:
1. s es automaticamente continua. En el procedimiento de construccion
seguido se ha impuesto en cada uno de los intervalos la condicion s(1) =
y1 .
2. s es continua en (0, 2), esto es:
s (1+ ) = s (1 ) = 2(y1 y0 ).

Sustituyendo este u ltimo valor en la expresion obtenida para s(x) cuando

x [1, 2], se concluye que:
)
y0 + (y1 y0 )x2 , x [0, 1]
s(x) = 2
y1 + 2(y1 y0 )(x 1) + (y2 3y1 + 2y0)(x 1) , x [1, 2],

4.4.7. Tareas
1. Construir un programa para la interpolacion spline de grado 2.
2. Consultar y desarrollar una metodologa para las funciones spline c
ubi-
cas.
3. Implementar un algoritmo para la interpolacion spline c
ubica.
4. Resolver:
a) Interpolar por splines de grado 1, 2 y 3 la funcion f (x) = x1
en tomando los puntos (0,1; 10), (0,2; 5), (0,5; 2), (1; 1), (2; 0,5),
(5; 0,2) y (10; 0,1).
ubicos la funcion f (x) = x21+1 en el inter-
b) Interpolar por splines c
valo 0 x 1 tomando los seis puntos de las abcisas xk = k5 ,
k = 0, 1, 2, 3, 4, 5.
5. Se considera la funcion polinomial a trozos
)
x3 , x [0, 1[
r(x) = 3 2
0,5(x 1) + a(x 1) + b(x 1) + c x [1, 3],

Determinar que condiciones deben verificar los parametros reales a, b

y c para que dicha funcion sea un spline c
ubico sobre = {0, 1, 3}.

31 p m