Interpolations: a linear algebra approach

Resumen Técnico: Interpolaciones: un enfoque de álgebra lineal

Planteamiento del Problema
El artículo aborda la fragmentación que se encuentra a menudo en los problemas de interpolación aplicada, donde métodos como los polinomios de Lagrange, las splines de Hermite y la interpolación trigonométrica se tratan como colecciones desconectadas de fórmulas. En escenarios prácticos, como la reconstrucción de trayectorias de objetos en movimiento o la fusión de datos de sensores heterogéneos (por ejemplo, medir posición, velocidad y aceleración en puntos distintos y no sincronizados), los profesionales deben cambiar frecuentemente entre esquemas o preprocesar los datos de forma ad hoc. Este artículo propone un marco unificado para resolver estos problemas, viendo la interpolación no como una colección de fórmulas específicas, sino como un problema sistemático de álgebra lineal que involucra espacios duales.

Metodología
La metodología central se basa en la teoría de espacios vectoriales de dimensión finita y sus duales. Los autores formalizan el concepto de un "esquema de interpolación puntual", definido por un conjunto de puntos $\{t_i\}$ y un conjunto correspondiente de funcionales lineales (evaluaciones de la función o de sus derivadas) que actúan sobre un espacio de funciones elegido $F$ (por ejemplo, polinomios $\mathbb{R}[t]$ o polinomios trigonométricos $\mathbb{T}[t]$).

1. Formulación del Espacio Dual: Las condiciones de interpolación se tratan como funcionales lineales en el espacio dual $F^*$. La existencia y unicidad de un interpolante se establece asegurando que el conjunto de funcionales forme una base para $F^*$.
2. Construcción de la Base Dual: Al fijar una base en el espacio dual correspondiente a las condiciones de interpolación, los autores derivan una base dual correspondiente en el espacio primal $F$.
3. Construcción Explícita: La función interpolante se construye como una combinación lineal de las funciones de la base dual, donde los coeficientes son exactamente los valores de los datos prescritos (valores de la función, derivadas, etc.).
4. Representación Matricial: La relación entre una base elegida de $F$ (por ejemplo, monomios) y la base dual se codifica en una matriz $A_{\varepsilon, v}$ (a menudo una matriz de Vandermonde confluente). Los coeficientes de los polinomios de la base dual se obtienen invirtiendo esta matriz.

Contribuciones Clave y Resultados

• Marco Unificado: El artículo demuestra que la interpolación de Lagrange, las splines de Hermite y la interpolación trigonométrica son manifestaciones de la misma estructura subyacente de álgebra lineal. La elección del espacio de funciones (polinómico vs. trigonométrico) y el esquema específico (solo valores vs. valores y derivadas) se desacoplan del análisis de existencia y unicidad.
• Teorema General de Existencia y Unicidad: El Teorema 2.10 establece que si la dimensión del espacio de funciones es igual al número de restricciones de interpolación y el conjunto de funcionales lineales asociados forma una base del espacio dual, existe una solución única.
• Fórmulas Explícitas de la Base Dual:
  • Caso Polinómico: Los autores derivan fórmulas explícitas para los polinomios de la base dual para splines de Hermite de órdenes $n=0$ (lineal), $n=1$ (cúbica) y $n=2$ (quíntica). Muestran que para un esquema que involucra $n$ derivadas en dos puntos, el grado mínimo de polinomio requerido es $2n+1$.
  • Caso Trigonométrico: El marco se extiende a los polinomios trigonométricos. El artículo proporciona expresiones en forma cerrada para las funciones de la base dual en el espacio $T_2[t]$ (generado por $\sin t, \sin 2t, \cos t, \cos 2t$) para un esquema que involucra valores y primeras derivadas en dos puntos. Los autores analizan las condiciones de degeneración, señalando que el determinante del sistema se anula cuando el paso de la rejilla es un múltiplo entero de $2\pi$.
  • Fórmula General: El Teorema 5.1 proporciona una fórmula general basada en matrices para calcular la base dual para cualquier esquema de interpolación, aplicable tanto a espacios polinómicos como trigonométricos.
• Interpolación de Sensores Heterogéneos: El artículo propone un esquema de interpolación específico para escenarios donde diferentes sensores proporcionan diferentes tipos de datos (por ejemplo, posición en $t_1, t_2$, velocidad en $t_3$ y aceleración en $t_4$) sin requerir sincronización. Se deriva una solución polinómica cúbica única para este esquema de restricciones mixtas, con condiciones explícitas de no degeneración.
• Estructura Afín de las Soluciones: Para los casos en que el grado del polinomio excede el mínimo requerido, el artículo caracteriza el conjunto de todas las soluciones como un espacio afín, donde la solución de grado mínimo sirve como la solución particular.

Significancia y Reivindicaciones
Los autores afirman que este enfoque ofrece un método "sistemático y consciente de la dimensión" que desacopla el análisis de las condiciones de interpolación de la elección de las funciones de la base. La significancia principal radica en:

1. Eficiencia: Una vez calculada la base dual para un esquema específico, la construcción del interpolante para cualquier nuevo conjunto de valores de datos se reduce a una simple combinación lineal, evitando la necesidad de resolver nuevamente el sistema de ecuaciones.
2. Versatilidad: El marco maneja naturalmente problemas de interpolación complejos y no estándar (como los de datos de sensores heterogéneos) que no encajan en las definiciones tradicionales de los libros de texto.
3. Interpretación Física: El artículo sugiere que este método es particularmente útil para la planificación de trayectorias y la cinemática, donde uno puede analizar los valores límite de las derivadas (velocidad, aceleración) para asegurar que se adhieran a las restricciones físicas del objeto modelado.

El artículo no pretende introducir nuevos algoritmos de interpolación en el sentido tradicional, sino que proporciona una lente teórica rigurosa y unificadora que simplifica la derivación y el análisis de esquemas de interpolación existentes y novedosos. Los resultados se demuestran mediante ejemplos en cinemática e interpolación de funciones periódicas, lo que sugiere su aplicabilidad en la planificación de trayectorias, el procesamiento de señales y la fusión de sensores.