Interpolazione polinomiale a tratti

`
E noto che data una funzione f(x) di cui sono noti i valori in n +1 nodi distinti
x
i
, i = 0, . . . , n, esiste ed `e unico il polinomio di interpolazione p
n
(x) di grado al pi` u
n tale che p
n
(x
i
) = f(x
i
), i = 0, . . . , n. In generale, non `e detto che aumentando n
l’approssimazione di f(x) mediante p
n
(x) migliori. Infatti, indicato con N
n
l’insieme
dei nodi dell’interpolazione per il grado n, anche supponendo che i nodi vengano
infittiti in modo abbastanza uniforme, cio`e che
lim
n→∞
max |x
i+1
−x
i
| = 0,
`e possibile dimostrare (teorema di Faber) che per ogni prefissata successione di
insiemi N
n
, esiste una funzione f(x) continua in [a, b] tale che p
n
(x) non converge
ad f(x).
Nella pratica quindi non `e ragionevole approssimare f(x) con polinomi di inter-
polazione quando n `e elevato. Polinomi di grado pi` u basso si potrebbero ottenere
con le tecniche di approssimazione, ma in tal caso nei nodi i valori del polinomio
approssimante non sarebbero uguali a quelli della funzione. Se invece l’uguaglianza
dei valori nei nodi `e fondamentale, come ad esempio nella grafica, bisogna ricorrere
a funzioni che coincidono a tratti con polinomi di grado basso.
Supponendo che i nodi siano ordinati in [a, b], cio`e
a = x
0
< x
1
< . . . < x
n
= b,
si definisce polinomiale a tratti su [a, b] una funzione t(x) che sull’i-esimo sottointer-
vallo [x
i
, x
i+1
] coincide con un polinomio t
i
(x) di grado prefissato k. La t(x) viene
rappresentata per mezzo di una matrice A di ordine n la cui i-esima riga
[ a
i,k
, a
i,k−1
, . . . a
i,0
_
contiene i coefficienti di t
i
(x) con la variabile traslata rispetto al punto x
i
, cio`e
t
i
(y) = a
i,k
y
k
+ a
i,k−1
y
k−1
+ . . . + a
i,0
, dove y = x −x
i
.
Vediamo alcune funzioni polinomiali a tratti usate nella pratica. Per semplicit`a si
denota f
i
= f(x
i
), f

i
= f

(x
i
) e h
i
= x
i+1
−x
i
.
1
1. Polinomiale lineare a tratti
La t(x) coincide con la f(x) sui nodi x
i
, cio`e t(x) = t
i
(x) per x ∈ [x
i
, x
i+1
], dove
t
i
(x) =
f
i+1
−f
i
h
i
y + f
i
, y = x −x
i
.
Per la sua semplicit`a questa polinomiale `e usata spesso nella pratica, ma non sempre
fornisce una buona rappresentazione grafica della funzione, perch´e non vi `e alcuna
condizione sulle derivate dei singoli polinomi, per cui nei nodi x
i
il raccordo fra due
diversi polinomi lineari pu`o presentare un punto angoloso.
Se f ∈ C
2
[a, b], posto
M
2
= max
x∈[a,b]
|f

(x)| e H = max
i=0,...,n−1
h
i
,
dal resto dell’interpolazione lineare in [x
i
, x
i+1
] si ha
|f(x) −t(x)| ≤
1
8
M
2
(x
i+1
−x
i
)
2

1
8
M
2
H
2
,
da cui segue la convergenza della t(x) alla f(x) per H →0. Dalla formula di Taylor
si ha poi
f
i+1
= f(x) + (x
i+1
−x)f

(x) +
1
2
(x
i+1
−x)
2
f


i
),
f
i
= f(x) + (x
i
−x)f

(x) +
1
2
(x
i
−x)
2
f


i
),
da cui sottraendo risulta
f

(x) −t

i
(x) = f

(x) −
f
i+1
−f
i
h
i
=
1
2h
i
_
(x
i
−x)
2
f


i
) −(x
i+1
−x)
2
f


i
)
_
,
e poich´e per x ∈ [x
i
, x
i+1
] `e
(x
i+1
−x)
2
+ (x
i
−x)
2
≤ (x
i+1
−x
i
)
2
= h
2
i
, (1)
si ha
|f

(x) −t

i
(x)| ≤
1
2
M
2
h
i

1
2
M
2
H,
da cui segue la convergenza per H → 0 delle singole t

i
(x), e quindi della t

(x) su
ciascun intervallo, alla funzione continua f

(x).
2. Polinomiale cubica a tratti di Hermite
La t(x) coincide con la f(x) sui nodi x
i
, `e derivabile e t

(x) coincide con la f

(x) sui
nodi x
i
. Quindi t(x) = t
i
(x) per x ∈ [x
i
, x
i+1
], dove
t
i
(x) =
_
2(f
i
−f
i+1
) + h
i
(f

i
+ f

i+1
)
_
y
3
h
3
i

_
3(f
i
−f
i+1
) + h
i
(2f

i
+ f

i+1
)
_
y
2
h
2
i
+f

i
y + f
i
, y = x −x
i
.
2
Questa polinomiale fornisce una migliore rappresentazione grafica rispetto a quella
lineare, perch´e non d`a luogo a punti angolosi nei nodi. Per`o, anche se nei punti
di raccordo i polinomi hanno la stessa pendenza, non `e detto che abbiano la stessa
concavit`a, per cui nei nodi si pu`o presentare un andamento distorto.
Se f ∈ C
4
[a, b], posto
M
4
= max
x∈[a,b]
|f
(4)
(x)| e H = max
i=0,...,n−1
h
i
,
dal resto del polinomio osculatore di Hermite in [x
i
, x
i+1
] si ha
|f(x) −t(x)| ≤
1
4!
M
4
(x −x
i
)
2
(x −x
i+1
)
2
,
e poich´e
max
x∈[x
i
,x
i+1
]
(x −x
i
)
2
(x −x
i+1
)
2
=
1
16
(x
i+1
−x
i
)
4
,
risulta su [a, b] che
|f(x) −t(x)| ≤
1
384
M
4
H
4
,
da cui segue la convergenza della t(x) alla f(x) per H →0.
Le polinomiali di Hermite non sono utilizzabili nel caso, frequente nella pratica,
in cui i valori f

i
non sono noti. Per ovviare a questa difficolt`a, si possono costruire
polinomiali a tratti interpolando la f(x) su pi` u di due punti consecutivi. Molto
usate per la loro rapidit`a di calcolo sono le spline di Akima, formate da cubiche
che interpolano su cinque nodi e sono derivabili con continuit`a. Non `e richiesta la
conoscenza delle f

(x
i
) che vengono approssimate con delle medie pesate di rap-
porti incrementali. Queste spline, molto efficaci dal punto di vista grafico, danno
un’approssimazione locale, quindi sono adatte ad applicazioni interattive, in cui si
deve valutare l’effetto visivo prodotto dallo spostamento di singoli punti.
3. Spline cubica
Fra le funzioni polinomiali a tratti quelle pi` u usate nella pratica, anche perch´e con-
sentono di ottenere ottimi risultati dal punto di vista grafico, sono le spline cubiche
ottenute senza utilizzare i valori f

(x
i
) e imponendo invece condizioni di continuit`a
delle derivate prima e seconda.
Una funzione reale s(x) ∈ C
2
[a, b] viene chiamata spline cubica della f(x) se s(x)
coincide con un polinomio s
i
(x) di grado al pi` u 3 in ciascun intervallo [x
i
, x
i+1
] e
s(x
i
) = f
i
, per i = 0, . . . , n.
Imponendo queste condizioni si ottengono 4n −2 relazioni
a) s
i
(x
i
) = f
i
, s
i
(x
i+1
) = f
i+1
, per i = 0, . . . , n −1,
b) s

i−1
(x
i
) = s

i
(x
i
), per i = 1, . . . , n −1,
c) s

i−1
(x
i
) = s

i
(x
i
), per i = 1, . . . , n −1.
3
Poich´e i coefficienti dei polinomi s
i
(x) sono 4n, occorre imporre due condizioni ag-
giuntive al bordo, che vengono scelte caso per caso. Le due pi` u usate sono:
d

) s

0
(x
0
) = s

n−1
(x
n
) = 0 (spline naturale), che impone alla spline un andamento
lineare vicino agli estremi,
oppure, se sono noti i valori di f

(a) e f

(b)
d

) s

0
(x
0
) = f

(a), s

n−1
(x
n
) = f

(b) (spline completa), che impone alla spline la
tangenza alla f(x) negli estremi. Se i valori f

(a) e f

(b) non fossero disponibili, si
potrebbero sostituire con delle approssimazioni. Ad esempio, f

(a) potrebbe essere
approssimato con la derivata in a del polinomio che interpola la f(x) su a e sui tre
nodi successivi.
Sulla derivata seconda si potrebbero imporre anche altre condizioni, per esempio
s

0
(x
0
) = σ
0
e s

n−1
(x
n
) = σ
n
, dove σ
0
e σ
n
sono valori assegnati, oppure s

0
(x
0
) =
s

0
(x
1
) e s

n−1
(x
n−1
) = s

n−1
(x
n
), assumendo che la derivata seconda sia costante
vicino agli estremi dell’intervallo [a, b]. Nel caso di una funzione f(x) periodica di
periodo b − a, si potrebbe anche definire una spline periodica tale che s

0
(x
0
) =
s

n−1
(x
n
) e s

0
(x
0
) = s

n−1
(x
n
).
3.1 Calcolo dei coefficienti
Per determinare i coefficienti dei polinomi s
i
(x) si potrebbero sfruttare diretta-
mente le condizioni a) - c) e le condizioni aggiuntive scelte, risolvendo un sistema
lineare di 4n equazioni in 4n incognite.
`
E possibile per`o semplificare il problema
riducendo il numero delle equazioni necessarie. Si considerano come incognite le
quantit`a, dette momenti,
µ
i
= s

i
(x
i
), per i = 0, . . . , n −1, e µ
n
= s

n−1
(x
n
).
Poich´e s
i
(x) per x ∈ [x
i
, x
i+1
] `e un polinomio di grado al pi` u 3, s

i
(x) `e il polinomio
di grado al pi` u 1
s

i
(x) = µ
i+1
x −x
i
h
i
−µ
i
x −x
i+1
h
i
. (2)
Integrando due volte si ottiene
s

i
(x) = µ
i+1
(x −x
i
)
2
2h
i
−µ
i
(x −x
i+1
)
2
2h
i
+ α
i
, (3)
s
i
(x) = µ
i+1
(x −x
i
)
3
6h
i
−µ
i
(x −x
i+1
)
3
6h
i
+ α
i
(x −x
i
) + β
i
. (4)
Le costanti α
i
e β
i
vengono determinate imponendo le condizioni a)
_
¸
¸
_
¸
¸
_
µ
i
h
2
i
6
+ β
i
= f
i
µ
i+1
h
2
i
6
+ α
i
h
i
+ β
i
= f
i+1
,
4
da cui
_
¸
¸
_
¸
¸
_
β
i
= f
i
−µ
i
h
2
i
6
α
i
=
f
i+1
−f
i
h
i

h
i
6

i+1
−µ
i
).
(5)
Restano quindi da calcolare i µ
i
, i = 0, . . . , n. Dalle (3), imponendo le condizioni b)
e sostituendo α
i−1
e α
i
, si ottengono le n −1 relazioni
h
i−1
µ
i−1
+ 2 (h
i−1
+ h
i
) µ
i
+ h
i
µ
i+1
= 6 f
i−1,i,i+1
, i = 1, . . . , n −1, (6)
dove
f
i−1,i,i+1
=
f
i+1
−f
i
h
i

f
i
−f
i−1
h
i−1
.
Altre due relazioni si ottengono tramite le condizioni aggiuntive. Per la spline natu-
rale, dalle d

) si ha
µ
0
= 0 e µ
n
= 0. (7)
Per la spline completa, dalle d

) si ha:
s

0
(x
0
) = −µ
0
h
0
3
−µ
1
h
0
6
+
f
1
−f
0
h
0
= f

0
,
s

n−1
(x
n
) = µ
n−1
h
n−1
6
+ µ
n
h
n−1
3
+
f
n
−f
n−1
h
n−1
= f

n
,
dove f

0
= f

(a) e f

n
= f

(b) sono assegnati. Si ottiene
h
0
(2µ
0
+ µ
1
) = 6 f
0,0,1
e h
n−1

n−1
+ 2µ
n
) = 6 f
n−1,n,n
, (8)
dove
f
0,0,1
=
f
1
−f
0
h
0
− f

0
e f
n−1,n,n
= f

n

f
n
−f
n−1
h
n−1
.
In ogni caso i µ
i
sono soluzione di un sistema lineare, ottenuto associando alle (6)
le (7) o le (8), a seconda che debbano essere verificate le condizioni d

) o d

).
Nel primo caso, tenendo conto che µ
0
= µ
n
= 0, il sistema che si ottiene `e
M
_
¸
¸
¸
¸
¸
_
µ
1
µ
2
.
.
.
µ
n−2
µ
n−1
_
¸
¸
¸
¸
¸
_
= 6
_
¸
¸
¸
¸
¸
_
f
0,1,2
f
1,2,3
.
.
.
f
n−3,n−2,n−1
f
n−2,n−1,n
_
¸
¸
¸
¸
¸
_
, (9)
dove
M=
_
¸
¸
¸
¸
¸
_
2(h
0
+ h
1
) h
1
h
1
2(h
1
+ h
2
) h
2
.
.
.
.
.
.
.
.
.
h
n−3
2(h
n−3
+ h
n−2
) h
n−2
h
n−2
2(h
n−2
+ h
n−1
)
_
¸
¸
¸
¸
¸
_
.
5
Nel secondo caso vengono aggiunte una prima e un’ultima equazione al sistema che
diventa
M
_
¸
¸
¸
¸
¸
_
µ
0
µ
1
.
.
.
µ
n−1
µ
n
_
¸
¸
¸
¸
¸
_
= 6
_
¸
¸
¸
¸
¸
_
f
0,0,1
f
0,1,2
.
.
.
f
n−2,n−1,n
f
n−1,n,n
_
¸
¸
¸
¸
¸
_
, (10)
dove
M=
_
¸
¸
¸
¸
¸
_
2 h
0
h
0
h
0
2(h
0
+ h
1
) h
1
.
.
.
.
.
.
.
.
.
h
n−2
2(h
n−2
+ h
n−1
) h
n−1
h
n−1
2 h
n−1
_
¸
¸
¸
¸
¸
_
.
Le matrici M in (9) e (10) hanno predominanza diagonale in senso stretto e quindi
sono non singolari. Perci`o i sistemi hanno una e una sola soluzione, che pu`o essere
calcolata con il metodo di Gauss senza scambi di righe. Inoltre le matrici sono
tridiagonali e il metodo di Gauss ha un basso costo computazionale, dell’ordine di
n.
Se i punti x
i
sono equidistanti, cio`e h
i
= h, per i = 0, . . . , n − 1, la matrice del
sistema risulta molto semplice. Ad esempio, per le spline naturali il sistema diventa
_
¸
¸
¸
¸
¸
_
4 1
1 4 1
.
.
.
.
.
.
.
.
.
1 4 1
1 4
_
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
_
µ
1
µ
2
.
.
.
µ
n−2
µ
n−1
_
¸
¸
¸
¸
¸
_
= 6
_
¸
¸
¸
¸
¸
_
f
0,1,2
f
1,2,3
.
.
.
f
n−3,n−2,n−1
f
n−2,n−1,n
_
¸
¸
¸
¸
¸
_
, (11)
dove f
i−1,i,i+1
= (f
i+1
−2f
i
+ f
i−1
)/h
2
.
Esaminiamo ad esempio il caso della funzione f(x) = x sin(2πx + 1), x ∈ [a, b],
con a = −1.1 e b = a + 2. Si considera il caso di nodi equidistanti con n = 6,
h = 1/3. I vettori dei nodi x
i
= a + i h e delle corrispondenti f
i
sono
x = [−1.1, −0.7667, −0.4333, −0.1, 0.2333, 0.5667, 0.9]
T
f = [−0.3995, −0.4794, 0.4283, −0.03632, 0.1459, −0.5601, 0.3269]
T
Il polinomio di interpolazione di grado 6 `e
p(x) = 15.7 x
6
+ 9.052 x
5
−18.55 x
4
−6.716 x
3
+ 4.184 x
2
+ 0.3977 x −0.04318
La figura 1 mostra il grafico di f(x) (con linea tratteggiata), i punti dell’interpolazione
e il grafico di p(x) (con linea continua). Costruiamo ora le due spline. La spline
6
-1 -0.5 0.5
-1.5
-1
-0.5
Figure 1: Polinomio di interpolazione.
naturale risulta
s(x) =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
10.32 (x −x
0
)
3
−1.386 (x −x
0
) −0.3995,
−14.61 (x −x
1
)
3
−10.32 (x −x
2
)
3
+ 5.493 (x −x
1
) −0.8616,
11.07 (x −x
2
)
3
+ 14.61 (x −x
3
)
3
−4.248 (x −x
2
) + 0.9695,
−12.22 (x −x
3
)
3
−11.07 (x −x
4
)
3
+ 3.134 (x −x
3
) −0.4464,
13.81 (x −x
4
)
3
+ 12.22 (x −x
5
)
3
−5.01 (x −x
4
) + 0.5983,
−13.81 (x −x
6
)
3
+ 4.195 (x −x
5
) −1.072,
e il suo grafico, sovrapposto a quello della f(x), `e riportato nella figura 2. La spline
-1 -0.5 0.5
-0.8
-0.6
-0.4
-0.2
0.2
0.4
Figure 2: Spline naturale.
7
completa, costruita tenendo conto che f

(x
0
) = −6.076 e f

(x
n
) = 5.632 risulta
s(x) =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
3.778 (x −x
0
)
3
−24.38 (x −x
1
)
3
+ 2.049 (x −x
0
) −1.302,
−12.82 (x −x
1
)
3
−3.778 (x −x
2
)
3
+ 4.568 (x −x
1
) −0.6193,
10.46 (x −x
2
)
3
+ 12.82 (x −x
3
)
3
−3.981 (x −x
2
) + 0.9033,
−11.55 (x −x
3
)
3
−10.46 (x −x
4
)
3
+ 2.993 (x −x
3
) −0.4238,
11.77 (x −x
4
)
3
+ 11.55 (x −x
5
)
3
−4.71 (x −x
4
) + 0.5738,
7.484 (x −x
5
)
3
−11.77 (x −x
6
)
3
+ 3.137 (x −x
5
) −0.9961,
e il suo grafico, sovrapposto a quello della f(x), `e riportato nella figura 3. Non
stupisce che l’approssimazione fornita dalla spline completa appaia migliore vicino
agli estremi.
-1 -0.5 0.5
-0.8
-0.6
-0.4
-0.2
0.2
0.4
Figure 3: Spline completa.
3.2 Costo computazionale
Il costo computazionale viene determinato a meno di termini costanti rispetto ad
n. Indicando con A le operazioni additive e con M le operazioni moltiplicative, per
la costruzione dei coefficienti e dei termini noti del sistema lineare (9) sono richieste
4nA e 3nM. Per la risoluzione del sistema tridiagonale sono richieste 3nA e 5nM. Per
il calcolo degli α
i
e β
i
sono richieste 3nA e 3nM. Quindi in totale la costruzione della
spline richiede 10nA e 11nM. Una lieve riduzione si ha nel caso dei nodi equidistanti.
Per calcolare il valore della spline in un punto x `e necessario prima individuare
l’indice i tale che x ∈ (x
i
, x
i+1
). Per ottenere i si pu`o usare l’algoritmo banale
(cio`e confrontare x successivamente con x
j
, j = 1, . . . , n − 1) e questo richiede
n −1 confronti. Se per`o n `e potenza di 2, si pu`o usare l’algoritmo di bisezione (cio`e
confrontare x con x
n/2
, se x `e minore di x
n/2
si confronta x con x
n/4
, se x `e maggiore
di x
n/2
si confronta x con x
3n/4
, e cos`ı via). Questo procedimento richiede log
2
n
confronti. Una volta trovato i, per calcolare s(x) sono richieste 5A e 9M.
8
3.3 Condizionamento
Studiamo ora il condizionamento del calcolo di s(x) per un x diverso dai nodi.
Consideriamo il caso della spline naturale e supponiamo per semplicit`a che i nodi
siano equidistanti e non affetti da errore. Scriviamo il sistema (11) nella forma
Mµ = b, (12)
dove µ `e il vettore dei µ
i
e b `e il vettore di componenti b
i
= 6(f
i+1
−2f
i
+f
i−1
)/h
2
.
Supponendo di perturbare i dati del problema da f
i
a
¯
f
i
= f
i
+ δ
i
, con |δ
i
| ≤ δ, la
corrispondente variazione
¯
b−b del termine noto del sistema (12) risulta maggiorata
in norma infinito da

¯
b −b =
6
h
2
max
i=1,n−1

i+1
−2δ
i
+ δ
i−1
| ≤
24 δ
h
2
.
Quindi
¯ µ −µ
µ
≤ K(M)

¯
b −b
b
,
dove ¯ µ `e la soluzione del sistema il cui termine noto `e
¯
b e K(M) `e il numero di
condizionamento di M in norma infinito. La matrice M`e ben condizionata perch´e
K(M) ≤ 6 per ogni n. Quindi il problema del calcolo dei µ
i
`e ben condizionato. Lo
stesso si pu`o dire per la (5) del calcolo dei coefficienti α
i
e β
i
e per la (4) del calcolo
di s
i
(x) per x ∈ [x
i
, x
i+1
].
3.4 Propriet`a di minima curvatura
Le spline cubiche sono molto usate nella grafica perch´e fra le funzioni con derivata
seconda continua che interpolano la funzione f(x) nei nodi x
i
, i = 0, . . . , n, sono
quelle che hanno minima curvatura, cio`e che oscillano meno, come risulta dal seguente
teorema.
Teorema 1 Fra tutte le funzioni g ∈ C
2
[a, b], tali che g(x
i
) = f
i
, i = 0, . . . , n, la
spline cubica naturale s(x) `e quella che minimizza l’integrale
_
b
a
[g

(x)]
2
dx. (13)
Dim. Si ha
0 ≤
_
b
a
[g

(x) −s

(x)]
2
dx
=
_
b
a
[g

(x)]
2
dx −2
_
b
a
[g

(x) −s

(x)] s

(x) dx −
_
b
a
[s

(x)]
2
dx.
(14)
9
Per ogni sottointervallo [x
i
, x
i+1
] si ha, integrando due volte per parti,
_
x
i+1
x
i
[g

(x) −s

(x)] s

(x) dx =
_
[g

(x) −s

(x)] s

(x)
_
x
i+1
x
i

_
[g(x) −s(x)] s
(3)
(x)
_
x
i+1
x
i
+
_
x
i+1
x
i
[g(x) −s(x)] s
(4)
(x) dx.
Poich´e la s(x) sull’intervallo [x
i
, x
i+1
] coincide con un polinomio di grado al pi` u 3,
`e s
(4)
(x) = 0. Inoltre s(x
i
) = g(x
i
), s(x
i+1
) = g(x
i+1
), per cui
_
b
a
[g

(x) −s

(x)] s

(x) dx =
n−1

i=0
_
x
i+1
x
i
[g

(x) −s

(x)] s

(x) dx
=
n−1

i=0
_
[g

(x) −s

(x)] s

(x)
_
x
i+1
x
i
=
_
[g

(x) −s

(x)] s

(x)
_
b
a
e tale espressione `e nulla in quanto s

(a) = s

(b) = 0. Dalla (14) segue che
_
b
a
[s

(x)]
2
dx ≤
_
b
a
[g

(x)]
2
dx
per ogni funzione g(x) a derivata seconda continua tale che g(x
i
) = f
i
. 2
Un teorema analogo al teorema 1 vale per la spline completa (anche la di-
mostrazione `e analoga).
Teorema 2 Fra tutte le funzioni g ∈ C
2
[a, b], tali che g(x
i
) = f
i
, i = 0, . . . , n, e
g

(a) = f

(a) e g

(b) = f

(b), la spline cubica completa s(x) `e quella che minimizza
l’integrale
_
b
a
[g

(x)]
2
dx.
La g

(x) `e legata alla curvatura della g(x) nel punto x, definita come il reciproco
del raggio del cerchio osculatore in x, e data dall’espressione
c(x) = |g

(x)| (1 + [g

(x)]
2
)
−3/2
.
L’integrale (13) pu`o allora essere assunto come una misura della curvatura globale
della g(x) se |g

(x)| `e piccolo rispetto ad 1. Dal teorema 1 risulta quindi che la
spline cubica naturale `e quella che minimizza la curvatura globale. Segue anche che
se f ∈ C
2
[a, b], allora
_
b
a
[s

(x)]
2
dx ≤
_
b
a
[f

(x)]
2
dx.
10
Si costruisce ad esempio la spline cubica completa che approssima f(x) = cos(πx)
nei nodi x
i
= i, i = 0, . . . , n.
`
E h
i
= x
i+1
−x
i
= 1, f(x
i
) = (−1)
i
, f

(x
0
) = f

(x
n
) =
0. Quindi i momenti risolvono il sistema
_
¸
_
¸
_

0
+ µ
1
= −12
µ
i−1
+ 4µ
i
+ µ
i+1
= (−1)
i+1
24, i = 1, . . . , n −1,
µ
n−1
+ 2µ
n
= (−1)
n+1
12
Questo sistema ha la soluzione µ
i
= (−1)
i+1
12, da cui si ricava che α
i
= (−1)
i+1
6
e β
i
= (−1)
i
3. Quindi
s
i
(x) = (−1)
i
_
2(x −x
i
)
3
+ 2(x −x
i+1
)
3
−6(x −x
i
) + 3
_
,
e
_
b
a
[s

(x)]
2
dx =
n−1

i=0
_
x
i+1
x
i
[s

i
(x)]
2
dx = n
_
x
1
x
0
[s

0
(x)]
2
dx
= 12
2
n
_
1
0
(x + (x −1))
2
dx = 12
2
n
1
3
= 48 n,
mentre
_
b
a
[f

(x)]
2
dx = π
4
_
n
0
cos
2
(πx) dx = π
4
_
x
2

sin(2πx

_
n
0
= π
4
n
2
∼ 48.7 n.
Se i nodi vengono infittiti aggiungendo altri nodi alla precedente suddivisione
dell’intervallo, la successione degli integrali
_
b
a
[s

(x)]
2
dx risulta non decrescente,
limitata superiormente da
_
b
a
[f

(x)]
2
dx.
3.5 Propriet`a di convergenza
Il primo teorema studia la convergenza dei momenti della s(x) ai valori della
derivata seconda della f(x) nei nodi, il secondo la convergenza della s(x) e delle sue
derivate fino al terzo ordine alla f(x) e alle sue derivate per x ∈ [a, b].
Teorema 3 Sia f ∈ C
4
[a, b]. Posto
M
4
= max
x∈[a,b]
|f
(4)
(x)|, H = max
i=0,...,n−1
h
i
,
per i momenti della spline cubica s(x) completa vale la relazione
max
i=0,...,n

i
−f

(x
i
)| ≤
3
4
M
4
H
2
. (15)
11
Dim. Si definisce d
i
= µ
i
−f

(x
i
) per i = 0, . . . , n e
g
i
= h
i−1
d
i−1
+ 2 (h
i−1
+ h
i
) d
i
+ h
i
d
i+1
per i = 1, . . . n −1.
Si estende questa definizione a g
0
e g
n
con la posizione h
−1
= 0 e h
n
= 0. Per
i = 1, . . . n −1 dalla (6) si ha
g
i
= 6 f
i−1,i,i+1
−h
i−1
f

(x
i−1
) −2 (h
i−1
+ h
i
) f

(x
i
) −h
i
f

(x
i+1
)
Dalla formula di Taylor si ha
f
i+1
−f
i
h
i
= f

i
+
h
i
2
f

(x
i
) +
h
2
i
3!
f

(x
i
) +
h
3
i
4!
f
(4)

i,1
),
f
i
−f
i−1
h
i−1
= f

i

h
i−1
2
f

(x
i
) +
h
2
i−1
3!
f

(x
i
) −
h
3
i−1
4!
f
(4)

i,2
),
con ξ
i,1
, ξ
i,2
∈ (a, b), e quindi
6 f
i−1,i,i+1
= 3 (h
i
+h
i−1
) f

(x
i
)+ (h
2
i
−h
2
i−1
) f

(x
i
)+
h
3
i
4
f
(4)

i,1
)+
h
3
i−1
4
f
(4)

i,2
).
Usando ancora la formula di Taylor
f

(x
i−1
) = f

(x
i
) −h
i−1
f

(x
i
) +
h
2
i−1
2
f
(4)

i,3
),
f

(x
i+1
) = f

(x
i
) + h
i
f

(x
i
) +
h
2
i
2
f
(4)

i,4
),
con ξ
i,3
, ξ
i,4
∈ (a, b), risulta
g
i
=
h
3
i
4
_
f
(4)

i,1
) −2 f
(4)

i,4
)
_
+
h
3
i−1
4
_
f
(4)

i,2
) −2 f
(4)

i,3
)
_
.
In modo analogo dalle (8) si ottiene
g
0
=
h
3
0
4
_
f
(4)

0,1
) −2 f
(4)

0,4
)
_
e g
n
=
h
3
n−1
4
_
f
(4)

n,2
) −2 f
(4)

n,3
)
_
.
Passando ai moduli si ha
|g
i
| ≤
3
4
M
4
(h
3
i−1
+ h
3
i
), per i = 1, . . . , n −1,
|g
0
| ≤
3
4
M
4
h
3
0
e |g
n
| ≤
3
4
M
4
h
3
n−1
.
(16)
Sia ora k l’indice per cui
|d
k
| = max
i=0,...,n
|d
i
|. (17)
12
Se 1 ≤ k ≤ n −1, si ha
g
k
= h
k−1
d
k−1
+ 2 (h
k−1
+ h
k
) d
k
+ h
k
d
k+1
= (h
k−1
+ h
k
) d
k
+ h
k−1
(d
k−1
+ d
k
) + h
k
(d
k
+ d
k+1
).
Per la (17) le due quantit`a d
k−1
+d
k
e d
k
+d
k+1
hanno lo stesso segno di d
k
, per cui
|g
k
| ≥ (h
k−1
+ h
k
) |d
k
|.
Per la (16) `e allora

k
−f

(x
k
)| = |d
k
| ≤
3
4
M
4
h
3
k−1
+ h
3
k
h
k−1
+ h
k
=
3
4
M
4
(h
2
k−1
−h
k−1
h
k
+ h
2
k
)

3
4
M
4
max (h
2
k−1
, h
2
k
) ≤
3
4
M
4
H
2
.
Se invece k = 0 oppure k = n, si ottiene

0
−f

(x
0
)| ≤
|g
0
|
h
0
e |µ
n
−f

(x
n
)| ≤
|g
n
|
h
n−1
,
e in entrambi i casi segue la tesi. 2
Teorema 4 Nell’ipotesi del teorema 3, posto h = min
i=0,...,n
h
i
, per la spline completa
valgono le limitazioni
|f

(x) −s

i
(x)| ≤ 2M
4
H
2
h
, per x ∈ [x
i
, x
i+1
], i = 0, . . . , n −1,
|f

(x) −s

(x)| ≤
7
4
M
4
H
3
h
,
|f

(x) −s

(x)| ≤
7
4
M
4
H
4
h
,
|f(x) −s(x)| ≤
7
8
M
4
H
5
h
, per x ∈ [a, b].
Dim. Dalla (2) si ha che per x ∈ [x
i
, x
i+1
] `e
s

i
(x) =
µ
i+1
−µ
i
h
i
,
da cui
f

(x) −s

i
(x) = f

(x) −
µ
i+1
−µ
i
h
i
= f

(x) −

i+1
−f

(x
i+1
)] −[µ
i
−f

(x
i
)]
h
i

[f

(x
i+1
) −f

(x)] −[f

(x
i
) −f

(x)]
h
i
.
13
Per la formula di Taylor e per la (15) `e
|f

(x) −s

i
(x)| ≤
3
2 h
i
M
4
H
2
+
1
2 h
i
¸
¸
¸(x
i+1
−x)
2
f
(4)

1
) −(x
i
−x)
2
f
(4)

2
)
¸
¸
¸,
con ξ
1
, ξ
2
∈ (x
i
, x
i+1
), e per la (1) `e
|f

(x) −s

i
(x)| ≤
3
2 h
i
M
4
H
2
+
1
2
h
i
M
4
≤ 2M
4
H
2
h
i
≤ 2M
4
H
2
h
. (18)
Per la seconda disuguaglianza, se x coincide con uno dei nodi, la maggiorazione
discende subito dalla (15); se x non coincide con uno dei nodi, sia x
i
il nodo pi` u
vicino a x e j = i −1 oppure j = i a seconda che x < x
i
oppure x > x
i
. Allora
_
x
x
i
[f

(t) −s

j
(t)] dt = [f

(x) −s

(x)] −[f

(x
i
) −s

(x
i
)],
da cui
f

(x) −s

(x) = f

(x
i
) −s

(x
i
) +
_
x
x
i
[f

(t) −s

j
(t)] dt.
Poich´e |x −x
i
| ≤ H/2, per le (15) e (18) risulta
|f

(x) −s

(x)| ≤
3
4
M
4
H
2
+ 2M
4
H
2
h
H
2

7
4
M
4
H
3
h
.
Per ricavare la terza disuguaglianza, poich´e per i = 0, . . . , n, `e s(x
i
) = f
i
, per il
teorema di Rolle in ogni intervallo [x
i
, x
i+1
], i = 0, . . . , n−1, esiste un punto ξ
i
, tale
che
f


i
) = s


i
). (19)
Quindi per ogni x ∈ [a, b], esiste uno ξ
i
, con |ξ
i
− x| ≤ H, per cui vale la (19), e
quindi
_
x
ξ
i
[f

(t) −s

(t)] dt = f

(x) −s

(x).
Passando ai moduli si ha
|f

(x) −s

(x)| ≤
7
4
M
4
H
3
h
H =
7
4
M
4
H
4
h
.
In modo analogo si ricava la quarta disuguaglianza, tenendo conto che per ogni
x ∈ [a, b] esiste un indice i per cui |x −x
i
| ≤ H/2. 2
Dal teorema 4 segue che per una funzione f(x) derivabile con continuit`a fino al
quarto ordine, se si infittiscono i nodi in modo regolare, cio`e in modo che il rapporto
H/h sia sempre limitato, allora si ha convergenza per H → 0 della spline e delle
sue derivate fino al terzo ordine rispettivamente alla f(x) e alle sue derivate. In
particolare se i nodi rimangono equidistanti, allora H/h = 1 e la convergenza `e
molto rapida, perch´e
|f(x) −s(x)| ≤ M
4
H
4
.
14
3.6 Quadratura con le spline
Dalla spline cubica completa s(x) si ottiene un’interessante formula di quadratura
per l’approssimazione di
S =
_
b
a
f(x) dx.
Integrando la (4) si ha
S
n+1
=
_
b
a
s(x) dx =
n−1

i=0
_
x
i+1
x
i
s
i
(x) dx
=
n−1

i=0
_
µ
i+1
(x −x
i
)
4
24h
i
−µ
i
(x −x
i+1
)
4
24h
i
+ α
i
(x −x
i
)
2
2
+ β
i
(x −x
i
)
_
x
i+1
x
i
=
n−1

i=0
_

i
+ µ
i+1
)
h
3
i
24
+ α
i
h
2
i
2
+ β
i
h
i
_
,
da cui, sostituendo le (5), si ricava
S
n+1
=
n−1

i=0
h
i
2
(f
i
+ f
i+1
) −
n−1

i=0
h
3
i
24

i
+ µ
i+1
). (20)
La prima sommatoria fornisce lo stesso valore della formula dei trapezi. Se f ∈
C
4
[a, b], per il teorema 4 l’errore che si commette utilizzando S
n+1
come approssi-
mazione di S `e
|S −S
n+1
| ≤
_
b
a
|f(x) −s(x)| dx ≤
7
8
M
4
H
5
h
(b −a) ≤
7n
8
M
4
H
6
h
.
Se i punti x
i
sono equidistanti con h
i
= h per i = 0, . . . , n −1, risulta
|S −S
n+1
| ≤
7n
8
M
4
H
5
=
7
8
M
4
(b −a)
5
n
4
,
dello stesso ordine della formula di Cavalieri-Simpson. Inoltre il primo e il secondo
membro del sistema (10) risultano
h
_
¸
¸
¸
¸
¸
_

0
+ µ
1
µ
0
+ 4µ
1
+ µ
2
.
.
.
µ
n−2
+ 4µ
n−1
+ µ
n
µ
n−1
+ 2µ
n
_
¸
¸
¸
¸
¸
_
=
6
h
_
¸
¸
¸
¸
¸
_
−hf

0
+ f
1
−f
0
f
0
−2f
1
+ f
2
.
.
.
f
n−2
−2f
n−1
+ f
n
f
n−1
−f
n
+ hf

n
_
¸
¸
¸
¸
¸
_
.
Quindi le somme delle loro componenti risultano
3 h
n−1

i=0

i
+ µ
i+1
) = 6 (f

n
−f

0
) = 6 (f

(b) −f

(a)),
15
per cui sostituendo nella (20) si ha
S
n+1
=
h
2
n−1

i=0
(f
i
+ f
i+1
) −
h
2
12
(f

(b) −f

(a)).
Questa non `e altro che la formula di Eulero-Maclaurin al primo ordine.
3.7 Rappresentazione mediante B-spline
Per definire e costruire una spline si pu`o procedere anche in modo diverso, espri-
mendola come combinazione lineare di opportune spline elementari linearmente in-
dipendenti.
Per n ≥ 4, si considerano i punti ausiliari
x
−3
< x
−2
< x
−1
< a e b < x
n+1
< x
n+2
< x
n+3
.
Si definiscono B-spline (o spline fondamentali) cubiche normalizzate le funzioni
S
i
(x), i = −1, . . . , n + 1, tali che
(1) S
i
∈ C
2
[x
−3
, x
n+3
],
(2) in ogni intervallo S
i
(x) coincide con un polinomio di terzo grado,
(3) S
i
(x) ≡ 0 per x ≤ x
i−2
e x ≥ x
i+2
,
(4) S
i
(x
i
) = 1.
La condizione (4) pu`o essere sostituita da una qualunque altra condizione che faccia
s`ı che le B-spline non siano identicamente nulle, ad esempio
_
x
i+2
x
i−2
S
i
(x) dx = 1.
I coefficienti della S
i
(x) sono soluzione di un sistema lineare. Per verificare la non
singolarit`a della matrice del sistema, basta dimostrare che se una funzione t
i
(x)
soddisfa le (1), (2), (3) ed inoltre `e tale che t
i
(x
i
) = 0, allora t
i
(x) ≡ 0. Infatti
t
i
(x) si annulla in almeno 3 punti nell’intervallo [x
i−2
, x
i+2
], quindi t

i
(x) si annulla
in almeno due punti interni a tale intervallo, e poich´e t

i
(x
i−2
) = t

i
(x
i+2
) = 0, t

i
si annulla in almeno 4 punti di [x
i−2
, x
i+2
]. In modo analogo si vede che t

i
(x) si
annulla in almeno 5 punti di [x
i−2
, x
i+2
], di cui 3 interni, e questo `e possibile solo se
t
i
≡ 0, perch´e t
i
(x) coincide con 4 polinomi di terzo grado sui 4 intervalli [x
i
, x
i+1
],
i = i −2, . . . , i + 1. Ne segue che la S
i
(x) esiste ed `e unica.
Per verificare che le B-spline sono linearmente indipendenti, se ne considera una
combinazione nulla
φ(x) =
n+1

i=−1
α
i
S
i
(x) = 0.
Poich´e S
i
(x
−2
) = 0 per i ≥ 0, risulta φ(x
−2
) = α
−1
S
−1
(x
−2
), e dovendo essere
φ(x
−2
) = 0, ne segue che α
−1
= 0. Si procede considerando i valori φ(x
k
), k =
−1, . . . , n. Risulta cos`ı che i coefficienti della combinazione sono tutti nulli.
16
Per ogni intervallo [x
i
, x
i+1
], i = 0, . . . , n − 1, esistono quattro B-spline linear-
mente indipendenti e non nulle con cui `e possibile esprimere qualunque polinomio
di terzo grado. Ne segue che ogni spline cubica s(x) pu`o essere scritta come
s(x) =
n+1

i=−1
α
i
S
i
(x),
dove gli α
i
sono degli opportuni coefficienti. Se uno degli α
i
viene modificato, la
spline s(x) risulta modificata solo nell’intervallo (x
i−2
, x
i+2
), e quindi non `e nec-
essario ricalcolarla tutta. Questo `e particolarmente vantaggioso nelle applicazioni
grafiche.
Nel caso particolare dei nodi equidistanti, indicato con h il passo costante e posto
z = (x −x
i
)/h, risulta
S
i
(x) =
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
(z
3
+ 6z
2
+ 12z + 8)/4 per −2 ≤ z ≤ −1,
(−3z
3
−6z
2
+ 4)/4 per −1 ≤ z ≤ 0,
(3z
3
−6z
2
+ 4)/4 per 0 ≤ z ≤ 1,
(−z
3
+ 6z
2
−12z + 8)/4 per 1 ≤ z ≤ 2,
0 per z ≤ −2 e z ≥ 2.
In figura `e riportato il grafico della S
i
(x) nel caso x
i
= i.
1
+2 i +1 i i 1 i 2 i
Le B-spline vengono calcolate in modo stabile usando l’algoritmo ricorsivo di de
Boor.
3.8 Spline di ordine superiore
Le spline cubiche sono le pi` u usate, perch´e sono quelle di grado minimo che
permettono di raccordare le derivate seconde nei nodi. Naturalmente spline di grado
pi` u alto permetterebbero di raccordare derivate di ordine pi` u elevato, ma il maggior
costo non sarebbe ricompensato da un miglioramento grafico apprezzabile, in quanto
l’occhio umano non arriva a discernere differenze cos`ı microscopiche. Non esistono
comunque difficolt`a a una generalizzazione a spline di ordine dispari maggiore di 3.
Fissato un intero m tale che 2 ≤ m ≤ n + 1, la spline di ordine 2m − 1 per
l’approssimazione della f(x) pu`o essere definita in uno dei modi seguenti.
17
(a) Definizione descrittiva: si definisce spline di ordine 2m− 1 una funzione s(x)
tale che
(1) s(x
i
) = f
i
, per i = 0, . . . , n,
(2) s `e un polinomio di grado al pi` u 2m−1 in [x
i
, x
i+1
], per i = 0, . . . , n −1,
(3) s ∈ C
2m−2
[a, b],
(4) sia
s
(m)
(a) = s
(m+1)
(a) = . . . = s
(2m−2)
(a) = 0,
s
(m)
(b) = s
(m+1)
(b) = . . . = s
(2m−2)
(b) = 0,
.
La definizione a), b), c), d’) di spline naturale corrisponde alla definizione descrittiva
con m = 2.
La definizione descrittiva individua univocamente la spline. Infatti, supponiamo
per assurdo che esistano due spline σ
1
(x) e σ
2
(x) che soddisfano la definizione de-
scrittiva. Allora la funzione s(x) = σ
1
(x)−σ
2
(x) verifica le (1) − (4) della definizione
descrittiva relativamente alla f(x) identicamente nulla. Poich´e in ogni intervallo s(x)
coincide con un polinomio di grado al pi` u 2m−1, essa `e individuata da 2mn coeffi-
cienti. Le (1), (3) e (4) forniscono esattamente 2mn condizioni lineari sui coefficienti.
Quindi i coefficienti della s(x) soddisfano il sistema lineare Ax = 0 di ordine 2mn.
Per verificare che tale sistema ha un’unica soluzione, si applica ripetutamente la
formula di integrazione per parti
_
b
a
[s
(m)
(x)]
2
dx =
_
s
(m−1)
(x)s
(m)
(x)
_
b
a

_
b
a
s
(m−1)
(x)s
(m+1)
(x) dx = . . .
= (−1)
m
_
b
a
s

(x)s
(2m−2)
(x) dx = (−1)
m
n−1

i=0
_
x
i+1
x
i
s

(x)s
(2m−2)
(x) dx
= (−1)
m
n−1

i=0
_
s

(x)s
(2m−2)
(x) −s(x)s
(2m−1)
(x)
_
x
i+1
x
i
,
in quanto s
(2m)
(x) ≡ 0 su ogni intervallo, e poich´e s(x
i
) = 0 per i = 0, . . . , n e
s
(2m−2)
(a) = s
(2m−2)
(b) = 0, ne segue che
_
b
a
[s
(m)
(x)]
2
dx = 0.
Quindi la s(x), per le condizioni di continuit`a, deve essere un polinomio di grado
m − 1, e poich´e si annulla in n + 1 punti, con n + 1 > m − 1, ne segue che `e
identicamente nulla la spline che approssima la funzione identicamente nulla.
(b) Definizione variazionale: si definisce spline di ordine 2m−1 una funzione s(x)
tale che
(1) s(x
i
) = f
i
, per i = 0, . . . , n,
(2) s ∈ C
m−1
[a, b],
18
(3) l’integrale
_
b
a
[s
(m)
(x)]
2
dx
esiste ed `e quello minimo fra gli integrali di tutte le funzioni che soddisfano le
condizioni (1) e (2).
Le due definizioni variazionale e descrittiva sono equivalenti. Sia infatti s(x) la
spline che soddisfa le (1) − (4) della definizione descrittiva per l’approssimazione
della f(x) e t(x) una funzione che soddisfa le (1) e (2) della definizione variazionale,
allora
_
b
a
[t
(m)
(x)]
2
dx −
_
b
a
[s
(m)
(x)]
2
dx =
_
b
a
[t
(m)
(x) −s
(m)
(x)]
2
dx
+2
_
b
a
[t
(m)
(x) −s
(m)
(x)]s
(m)
(x) dx ≥ 2
_
b
a
[t
(m)
(x) −s
(m)
(x)]s
(m)
(x) dx,
in cui il segno di uguaglianza vale solo se s(x) e t(x) coincidono identicamente. Proce-
dendo come per la dimostrazione del teorema 1, si dimostra che l’ultimo integrale `e
nullo. Ne segue che
_
b
a
[t
(m)
(x)]
2
dx ≥
_
b
a
[s
(m)
(x)]
2
dx
e che il minimo viene assunto solo dalla s(x).
3.9 Perch´e non si usano le spline di ordine pari?
La richiesta della continuit`a delle derivate nei nodi fa s`ı che la spline fornisca
un’approssimazione globale, nel senso che una variazione di un singolo valore f
j
nel
j-esimo nodo si ripercuote su tutte le s
i
(x). Per`o nel caso delle spline di ordine
dispari, l’intensit`a di questa dipendenza decresce con la distanza di i da j. Questo
invece non accade con le spline di ordine pari. Esaminiamo, ad esempio, il caso della
spline quadratica, definita come la funzione reale s ∈ C
1
[a, b] che in ogni intervallo
coincide con un polinomio s
i
(x) di grado al pi` u 2 ed `e tale che s(x
i
) = f(x
i
), per
i = 0, . . . , n.
Procedendo come per le spline cubiche, si pone ν
i
= s

i
(x
i
), per i = 0, . . . , n −1
e ν
n
= s

n−1
(x
n
); risulta quindi
s

i
(x) = ν
i+1
x −x
i
h
i
−ν
i
x −x
i+1
h
i
.
Integrando si ha
s
i
(x) = ν
i+1
(x −x
i
)
2
2h
i
−ν
i
(x −x
i+1
)
2
2h
i
+ α
i
,
e imponendo le condizioni s
i
(x
i
) = f
i
e s
i
(x
i+1
) = f
i+1
si ottiene
−ν
i
h
i
2
+ α
i
= f
i
e ν
i+1
h
i
2
+ α
i
= f
i+1
,
19
da cui
ν
i
+ ν
i+1
= 2
f
i+1
−f
i
h
i
, per i = 0, . . . , n −1.
Questa equazione alle differenze del primo ordine consente di calcolare i ν
i
, purch´e
sia assegnato un valore iniziale ν
0
= s

0
(x
0
) oppure ν
n
= s

n−1
(x
n
). Ad esempio con
la condizione ν
0
= 0 si ottiene
ν
i
= 2
i−1

j=0
(−1)
i+j−1
f
j+1
−f
j
h
j
.
Gli α
i
, i = 0, . . . , n −1 vengono poi calcolati per sostituzione.
Oltre ad essere meno efficace della spline cubica dal punto di vista grafico, la
spline quadratica non viene usata perch´e per certe scelte dell’unica condizione ausi-
liaria, `e instabile. L’instabilit`a `e causata dal fatto che si risolve un’equazione alle
differenze la cui equazione omogenea associata ha la soluzione ν
i
= (−1)
i
ν
0
, mentre
la soluzione dell’equazione completa potrebbe essere decrescente. Inoltre, se viene
modificato un valore della funzione f(x
k
), la soluzione varia solo nelle componenti
ν
i
, con i ≥ k.
20

1. Polinomiale lineare a tratti La t(x) coincide con la f (x) sui nodi xi , cio` t(x) = ti (x) per x ∈ [xi , xi+1 ], dove e ti (x) = fi+1 − fi y + fi , hi y = x − xi .

Per la sua semplicit` questa polinomiale ` usata spesso nella pratica, ma non sempre a e fornisce una buona rappresentazione grafica della funzione, perch´ non vi ` alcuna e e condizione sulle derivate dei singoli polinomi, per cui nei nodi xi il raccordo fra due diversi polinomi lineari pu` presentare un punto angoloso. o Se f ∈ C 2 [a, b], posto M2 = max |f (x)| e H =
x∈[a,b] i=0,...,n−1

max

hi ,

dal resto dell’interpolazione lineare in [xi , xi+1 ] si ha |f (x) − t(x)| ≤ 1 1 M2 (xi+1 − xi )2 ≤ M2 H 2 , 8 8

da cui segue la convergenza della t(x) alla f (x) per H → 0. Dalla formula di Taylor si ha poi 1 fi+1 = f (x) + (xi+1 − x)f (x) + (xi+1 − x)2 f (ξi ), 2 1 fi = f (x) + (xi − x)f (x) + (xi − x)2 f (ηi ), 2 da cui sottraendo risulta f (x) − ti (x) = f (x) − fi+1 − fi 1 = (xi − x)2 f (ηi ) − (xi+1 − x)2 f (ξi ) , hi 2hi

e poich´ per x ∈ [xi , xi+1 ] ` e e (xi+1 − x)2 + (xi − x)2 ≤ (xi+1 − xi )2 = h2 , i si ha |f (x) − ti (x)| ≤ (1)

1 1 M2 hi ≤ M2 H, 2 2 da cui segue la convergenza per H → 0 delle singole ti (x), e quindi della t (x) su ciascun intervallo, alla funzione continua f (x). 2. Polinomiale cubica a tratti di Hermite La t(x) coincide con la f (x) sui nodi xi , ` derivabile e t (x) coincide con la f (x) sui e nodi xi . Quindi t(x) = ti (x) per x ∈ [xi , xi+1 ], dove ti (x) = 2(fi − fi+1 ) + hi (fi + fi+1 ) +fi y + fi , y = x − xi . 2 y3 y2 − 3(fi − fi+1 ) + hi (2fi + fi+1 ) 2 h3 hi i

per i = 0. xi+1 ] e u s(xi ) = fi . per i = 0. perch´ non d` luogo a punti angolosi nei nodi. . . . . non ` detto che abbiano la stessa e concavit`. Imponendo queste condizioni si ottengono 4n − 2 relazioni a) si (xi ) = fi .. 3 .Questa polinomiale fornisce una migliore rappresentazione grafica rispetto a quella lineare. Una funzione reale s(x) ∈ C 2 [a. n. anche perch´ conu e sentono di ottenere ottimi risultati dal punto di vista grafico. 16 max (x − xi )2 (x − xi+1 )2 = risulta su [a. Per`. Spline cubica Fra le funzioni polinomiali a tratti quelle pi` usate nella pratica. b] viene chiamata spline cubica della f (x) se s(x) coincide con un polinomio si (x) di grado al pi` 3 in ciascun intervallo [xi . Molto u usate per la loro rapidit` di calcolo sono le spline di Akima. a o Se f ∈ C 4 [a. in cui i valori fi non sono noti. b]. 3. n − 1. 384 da cui segue la convergenza della t(x) alla f (x) per H → 0. in cui si deve valutare l’effetto visivo prodotto dallo spostamento di singoli punti. . posto M4 = max |f (4) (x)| e H = x∈[a. . . molto efficaci dal punto di vista grafico. n − 1. . si (xi+1 ) = fi+1 . .b] i=0. per i = 1. . . . Per ovviare a questa difficolt`.. Queste spline. b] che 1 M4 H 4 . quindi sono adatte ad applicazioni interattive.. xi+1 ] si ha |f (x) − t(x)| ≤ e poich´ e x∈[xi . formate da cubiche a che interpolano su cinque nodi e sono derivabili con continuit`. danno un’approssimazione locale. .xi+1 ] 1 M4 (x − xi )2 (x − xi+1 )2 . . dal resto del polinomio osculatore di Hermite in [xi . c) si−1 (xi ) = si (xi ). frequente nella pratica. sono le spline cubiche ottenute senza utilizzare i valori f (xi ) e imponendo invece condizioni di continuit` a delle derivate prima e seconda.. b) si−1 (xi ) = si (xi ). si possono costruire a polinomiali a tratti interpolando la f (x) su pi` di due punti consecutivi. . per i = 1. |f (x) − t(x)| ≤ Le polinomiali di Hermite non sono utilizzabili nel caso. Non ` richiesta la a e conoscenza delle f (xi ) che vengono approssimate con delle medie pesate di rapporti incrementali. per cui nei nodi si pu` presentare un andamento distorto. n − 1. 4! 1 (xi+1 − xi )4 .n−1 max hi . . anche se nei punti e a o di raccordo i polinomi hanno la stessa pendenza.

. sn−1 (xn ) = f (b) (spline completa). Poich´ si (x) per x ∈ [xi . Nel caso di una funzione f (x) periodica di periodo b − a. 6hi 6hi Le costanti αi e βi vengono determinate imponendo le condizioni a)  2   µi hi + βi = fi  6 2    µi+1 hi + αi hi + βi = fi+1 . 3. si (x) ` il polinomio e e u e di grado al pi` 1 u x − xi+1 x − xi − µi .1 Calcolo dei coefficienti Per determinare i coefficienti dei polinomi si (x) si potrebbero sfruttare direttamente le condizioni a) . 2hi 2hi (3) (4) (x − xi )3 (x − xi+1 )3 − µi + αi (x − xi ) + βi . Le due pi` usate sono: u d ) s0 (x0 ) = sn−1 (xn ) = 0 (spline naturale). che impone alla spline la tangenza alla f (x) negli estremi.c) e le condizioni aggiuntive scelte. risolvendo un sistema ` lineare di 4n equazioni in 4n incognite. oppure s0 (x0 ) = s0 (x1 ) e sn−1 (xn−1 ) = sn−1 (xn ). Ad esempio. assumendo che la derivata seconda sia costante vicino agli estremi dell’intervallo [a. oppure. si potrebbe anche definire una spline periodica tale che s0 (x0 ) = sn−1 (xn ) e s0 (x0 ) = sn−1 (xn ). . (2) si (x) = µi+1 hi hi Integrando due volte si ottiene si (x) = µi+1 si (x) = µi+1 (x − xi )2 (x − xi+1 )2 − µi + αi . a µi = si (xi ). 6 4 . Se i valori f (a) e f (b) non fossero disponibili. . n − 1. Si considerano come incognite le quantit`. occorre imporre due condizioni age giuntive al bordo. Sulla derivata seconda si potrebbero imporre anche altre condizioni. dove σ0 e σn sono valori assegnati. si potrebbero sostituire con delle approssimazioni. che vengono scelte caso per caso. e µn = sn−1 (xn ). per esempio s0 (x0 ) = σ0 e sn−1 (xn ) = σn . xi+1 ] ` un polinomio di grado al pi` 3. . che impone alla spline un andamento lineare vicino agli estremi. f (a) potrebbe essere approssimato con la derivata in a del polinomio che interpola la f (x) su a e sui tre nodi successivi. E possibile per` semplificare il problema o riducendo il numero delle equazioni necessarie. se sono noti i valori di f (a) e f (b) d ) s0 (x0 ) = f (a). b]. dette momenti.Poich´ i coefficienti dei polinomi si (x) sono 4n. per i = 0.

2. . 3 6 h0 hn−1 hn−1 fn − fn−1 sn−1 (xn ) = µn−1 + µn + = fn . tenendo conto che µ0 = µn = 0. n − 1.i+1 = i = 1. Per la spline naturale. . i = 0. dalle d ) si ha: h0 h0 f1 − f0 − µ1 + = f0 . Dalle (3). n.i.n.2 µ1    µ2  f1. il sistema che si ottiene ` e     f0. e fn−1.0.n. imponendo le condizioni b) e sostituendo αi−1 e αi . . Si ottiene h0 (2µ0 + µ1 ) = 6 f0.n µn−1 dove 2(h0 + h1 ) h1  h1 2(h1 + h2 ) h2   . . (6) da cui fi − fi−1 fi+1 − fi − . . a seconda che debbano essere verificate le condizioni d ) o d ).n−2. 6 3 hn−1 s0 (x0 ) = −µ0 dove f0 = f (a) e fn = f (b) sono assegnati.n . hn−1 (8) In ogni caso i µi sono soluzione di un sistema lineare.   hn−3 2(hn−3 + hn−2 ) hn−2 hn−2 2(hn−2 + hn−1 ) 5      . . hi hi−1 Altre due relazioni si ottengono tramite le condizioni aggiuntive. (7) Per la spline completa. ottenuto associando alle (6) le (7) o le (8). M  .. . i+1 hi 6 Restano quindi da calcolare i µi . Nel primo caso.i+1 . . . .0. si ottengono le n − 1 relazioni hi−1 µi−1 + 2 (hi−1 + hi ) µi + hi µi+1 = 6 fi−1.. dove fi−1.i.1 = f1 − f0 − f0 h0 e hn−1 (µn−1 + 2µn ) = 6 fn−1.n−1.n = fn − fn − fn−1 . . M= .n−1   µn−2  fn−2.  = 6  .3        . 2   βi = fi − µi hi  6 (5)   α = fi+1 − fi − hi (µ  i − µi ).1 dove f0.   (9) .1.. . .  . . dalle d ) si ha µ0 = 0 e µn = 0. .      fn−3.

3269]T Il polinomio di interpolazione di grado 6 ` e p(x) = 15. i punti dell’interpolazione e il grafico di p(x) (con linea continua).1 e b = a + 2. x ∈ [a. per i = 0..5601. 0. che pu` essere o o calcolata con il metodo di Gauss senza scambi di righe. con a = −1.n−2.n dove fi−1. Costruiamo ora le due spline. . 0. n − 1. (11)    .1.184 x2 + 0.4283. .  = 6  (10) .2. −0. . .1.5667. .i+1 = (fi+1 − 2fi + fi−1 )/h2 . 0. Perci` i sistemi hanno una e una sola soluzione.   hn−2 2(hn−2 + hn−1 ) hn−1 hn−1 2 hn−1      .    . . cio` hi = h.n−1.3977 x − 0. M  .    . −0. per le spline naturali il sistema diventa       4 1 µ1 f0.  = 6  . . dell’ordine di n.. −0.052 x5 − 18. M= . 0.3          .         fn−3.1459. .7 x6 + 9. la matrice del e sistema risulta molto semplice.. . Ad esempio. .n  µn fn−1.9]T f = [−0.4333.03632. h = 1/3.1.4794. . . b].   Le matrici M in (9) e (10) hanno predominanza diagonale in senso stretto e quindi sono non singolari. . .55 x4 − 6. 0..n−1  1 4 1   µn−2  1 4 µn−1 fn−2.. .1  µ1    f0.n dove 2 h0 h0  h0 2(h0 + h1 ) h1   . .1.2      .     µn−1   fn−2.04318 La figura 1 mostra il grafico di f (x) (con linea tratteggiata).2  1 4   µ2    1 f1. 0.2333. . −0.n.3995. Esaminiamo ad esempio il caso della funzione f (x) = x sin(2πx + 1).0. . La spline 6 . Se i punti xi sono equidistanti. I vettori dei nodi xi = a + i h e delle corrispondenti fi sono x = [−1.n−1. . −0.i.7667. Inoltre le matrici sono tridiagonali e il metodo di Gauss ha un basso costo computazionale. Si considera il caso di nodi equidistanti con n = 6.Nel secondo caso vengono aggiunte una prima e un’ultima equazione al sistema che diventa     µ0 f0..716 x3 + 4. −0.  .

07 (x − x4 )3 + 3.22 (x − x5 )3 − 5.22 (x − x3 )3 − 11.81 (x − x6 )3 + 4. sovrapposto a quello della f (x).81 (x − x4 )3 + 12.6 -0.4 -0.3995.5 -0.32 (x − x2 )3 + 5.     −13.5 -0.01 (x − x4 ) + 0.     −14.195 (x − x5 ) − 1.5 0.386 (x − x0 ) − 0.      13.2 -1 -0.134 (x − x3 ) − 0.4 0. 7 .8616. e il suo grafico. s(x) =  −12.5 Figure 2: Spline naturale. ` riportato nella figura 2.5983.5 -1 -1.32 (x − x0 ) − 1.61 (x − x3 )3 − 4.072. La spline e 0. naturale risulta  3  10.-1 -0.61 (x − x1 )3 − 10.4464.2 -0.248 (x − x2 ) + 0.8 0.      11.5 Figure 1: Polinomio di interpolazione.493 (x − x1 ) − 0.07 (x − x2 )3 + 14.9695.

71 (x − x4 ) + 0.5 Figure 3: Spline completa.55 (x − x3 )3 − 10. . Per calcolare il valore della spline in un punto x ` necessario prima individuare e l’indice i tale che x ∈ (xi .568 (x − x1 ) − 0.     7. .46 (x − x4 )3 + 2. se x ` maggiore e e di xn/2 si confronta x con x3n/4 .632 risulta  3 3  3.049 (x − x0 ) − 1.2 -0.6193.2 Costo computazionale Il costo computazionale viene determinato a meno di termini costanti rispetto ad n.completa. Questo procedimento richiede log2 n ı confronti. Per il calcolo degli αi e βi sono richieste 3nA e 3nM. Per ottenere i si pu` usare l’algoritmo banale o (cio` confrontare x successivamente con xj .38 (x − x1 ) + 2.77 (x − x4 )3 + 11.9033.4238.82 (x − x1 )3 − 3. 0. Per la risoluzione del sistema tridiagonale sono richieste 3nA e 5nM.4 -0.82 (x − x3 )3 − 3.77 (x − x6 )3 + 3. si pu` usare l’algoritmo di bisezione (cio` o e o e confrontare x con xn/2 . sovrapposto a quello della f (x).993 (x − x3 ) − 0. Non e stupisce che l’approssimazione fornita dalla spline completa appaia migliore vicino agli estremi.2 -1 -0.4 0.981 (x − x2 ) + 0.     −12. 3. 8 .076 e f (xn ) = 5.484 (x − x5 )3 − 11. Se per` n ` potenza di 2. ` riportato nella figura 3. xi+1 ). Indicando con A le operazioni additive e con M le operazioni moltiplicative.137 (x − x5 ) − 0.      10.9961.46 (x − x2 )3 + 12. Una lieve riduzione si ha nel caso dei nodi equidistanti. Quindi in totale la costruzione della spline richiede 10nA e 11nM. j = 1.778 (x − x2 )3 + 4.6 -0. . per calcolare s(x) sono richieste 5A e 9M. n − 1) e questo richiede e n − 1 confronti. costruita tenendo conto che f (x0 ) = −6.8 0.5738.778 (x − x0 ) − 24. e cos` via). . se x ` minore di xn/2 si confronta x con xn/4 .55 (x − x5 )3 − 4.      11. per la costruzione dei coefficienti e dei termini noti del sistema lineare (9) sono richieste 4nA e 3nM. s(x) =  −11.5 -0. Una volta trovato i. e il suo grafico.302.

h2 Le spline cubiche sono molto usate nella grafica perch´ fra le funzioni con derivata e seconda continua che interpolano la funzione f (x) nei nodi xi . con |δi | ≤ δ. Consideriamo il caso della spline naturale e supponiamo per semplicit` che i nodi a siano equidistanti e non affetti da errore. 3. . Quindi il problema del calcolo dei µi ` ben condizionato. b].4 Propriet` di minima curvatura a 6 h2 i=1. µ b dove µ ` la soluzione del sistema il cui termine noto ` b e K(M) ` il numero di e e e condizionamento di M in norma infinito. . sono quelle che hanno minima curvatura. . Lo e stesso si pu` dire per la (5) del calcolo dei coefficienti αi e βi e per la (4) del calcolo o di si (x) per x ∈ [xi . Teorema 1 Fra tutte le funzioni g ∈ C 2 [a. i = 0. (13) Dim. e e Supponendo di perturbare i dati del problema da fi a fi = fi + δi . n. tali che g(xi ) = fi . . 2 = a [g (x) − s (x)] s (x) dx − a a 9 . . n. . La matrice M ` ben condizionata perch´ e e K(M) ≤ 6 per ogni n. cio` che oscillano meno. la spline cubica naturale s(x) ` quella che minimizza l’integrale e b a [g (x)]2 dx.3. Si ha b 0≤ a [g (x) − s (x)]2 dx [g (x)] dx − 2 2 b b b (14) [s (x)] dx.n−1 max |δi+1 − 2δi + δi−1 | ≤ 24 δ . (12) dove µ ` il vettore dei µi e b ` il vettore di componenti bi = 6(fi+1 − 2fi + fi−1 )/h2 . . i = 0.3 Condizionamento Studiamo ora il condizionamento del calcolo di s(x) per un x diverso dai nodi. come risulta dal seguente e teorema. la corrispondente variazione b − b del termine noto del sistema (12) risulta maggiorata in norma infinito da b−b = Quindi b−b µ−µ ≤ K(M) . xi+1 ]. Scriviamo il sistema (11) nella forma M µ = b. .

Dalla (14) segue che e b a [s (x)]2 dx ≤ a b [g (x)]2 dx 2 per ogni funzione g(x) a derivata seconda continua tale che g(xi ) = fi . . b]. 10 . b]. Un teorema analogo al teorema 1 vale per la spline completa (anche la dimostrazione ` analoga). e data dall’espressione c(x) = |g (x)| (1 + [g (x)]2 )−3/2 . xi+1 ] si ha. L’integrale (13) pu` allora essere assunto come una misura della curvatura globale o della g(x) se |g (x)| ` piccolo rispetto ad 1. e Teorema 2 Fra tutte le funzioni g ∈ C 2 [a. la spline cubica completa s(x) ` quella che minimizza e l’integrale b [g (x)]2 dx. s(xi+1 ) = g(xi+1 ). Inoltre s(xi ) = g(xi ). Dal teorema 1 risulta quindi che la e spline cubica naturale ` quella che minimizza la curvatura globale. per cui e b n−1 xi+1 [g (x) − s (x)] s (x) dx = a n−1 i=0 xi [g (x) − s (x)] s (x) dx xi+1 b = i=0 [g (x) − s (x)] s (x) xi = [g (x) − s (x)] s (x) a e tale espressione ` nulla in quanto s (a) = s (b) = 0. xi+1 ] coincide con un polinomio di grado al pi` 3. e g (a) = f (a) e g (b) = f (b). e u ` s(4) (x) = 0. n. tali che g(xi ) = fi . . i = 0. xi+1 xi+1 [g (x) − s (x)] s (x) dx = [g (x) − s (x)] s (x) xi xi+1 − [g(x) − s(x)] s(3) (x) xi xi+1 xi + xi [g(x) − s(x)] s(4) (x) dx. Segue anche che e 2 [a. .Per ogni sottointervallo [xi . a La g (x) ` legata alla curvatura della g(x) nel punto x. allora se f ∈ C b a [s (x)]2 dx ≤ a b [f (x)]2 dx. Poich´ la s(x) sull’intervallo [xi . definita come il reciproco e del raggio del cerchio osculatore in x. integrando due volte per parti. .

da cui si ricava che αi = (−1)i+1 6 e βi = (−1)i 3.7 n.n max |µi − f (xi )| ≤ 3 M4 H 2 .. b]. n. E hi = xi+1 − xi = 1.n−1 max hi . limitata superiormente da a [f (x)] dx. n − 1.   µn−1 + 2µn = (−1)n+1 12 Questo sistema ha la soluzione µi = (−1)i+1 12. f (x0 ) = f (xn ) = 0.. . Teorema 3 Sia f ∈ C 4 [a. x∈[a. b]. la successione degli integrali b a [s (x)]2 dx risulta non decrescente. .. . e b a n−1 xi+1 xi x1 x0 [s (x)]2 dx = i=0 [si (x)]2 dx = n [s0 (x)]2 dx = 122 n 0 1 (x + (x − 1))2 dx = 122 n 1 = 48 n. . 4 (15) 11 ..... i = 0.. 2 3.b] H= i=0. . Quindi si (x) = (−1)i 2(x − xi )3 + 2(x − xi+1 )3 − 6(x − xi ) + 3 . . 3 n 0 mentre b a [f (x)]2 dx = π 4 0 n cos2 (πx) dx = π 4 x sin(2πx − 2 4π = π4 n ∼ 48. per i momenti della spline cubica s(x) completa vale la relazione i=0.Si costruisce ad esempio la spline cubica completa che approssima f (x) = cos(πx) ` nei nodi xi = i. i = 1. . f (xi ) = (−1)i . il secondo la convergenza della s(x) e delle sue derivate fino al terzo ordine alla f (x) e alle sue derivate per x ∈ [a. Quindi i momenti risolvono il sistema   2µ0 + µ1 = −12  µi−1 + 4µi + µi+1 = (−1)i+1 24. . 2 Se i nodi vengono infittiti aggiungendo altri nodi alla precedente suddivisione b dell’intervallo.5 Propriet` di convergenza a Il primo teorema studia la convergenza dei momenti della s(x) ai valori della derivata seconda della f (x) nei nodi. Posto M4 = max |f (4) (x)|.

1 ).i. . . n e gi = hi−1 di−1 + 2 (hi−1 + hi ) di + hi di+1 per i = 1.1 .4 ∈ (a. 2 h3 h3 (4) i f (ξi.i+1 = 3 (hi +hi−1 ) f (xi )+ (h2 −h2 ) f (xi )+ i i−1 Usando ancora la formula di Taylor f (xi−1 ) = f (xi ) − hi−1 f (xi ) + f (xi+1 ) = f (xi ) + hi f (xi ) + con ξi. i−1 i 4 3 3 |g0 | ≤ M4 h3 e |gn | ≤ M4 h3 . ξi. h2 i−1 (4) f (ξi. Per i = 1.3 ). . 2 In modo analogo dalle (8) si ottiene g0 = h3 0 4 f (4) (ξ0. .4 ) + h3 i−1 4 f (4) (ξi.n (16) (17) 12 .1 ) − 2 f (4) (ξi.3 ) ..1 )+ i−1 f (4) (ξi. b).2 ) − 2 f (4) (ξn. . hi 2 3! 4! 2 h h3 hi−1 fi − fi−1 = fi − f (xi ) + i−1 f (xi ) − i−1 f (4) (ξi.4 ). i=0. Si definisce di = µi − f (xi ) per i = 0.Dim. ξi.2 ). b). n − 1 dalla (6) si ha gi = 6 fi−1. . n − 1. .i+1 − hi−1 f (xi−1 ) − 2 (hi−1 + hi ) f (xi ) − hi f (xi+1 ) Dalla formula di Taylor si ha fi+1 − fi hi h2 h3 = fi + f (xi ) + i f (xi ) + i f (4) (ξi. . . Passando ai moduli si ha 3 M4 (h3 + h3 ). per i = 1. hi−1 2 3! 4! con ξi.1 ) − 2 f (4) (ξ0.3 . . .2 ). .3 ) ... risulta gi = h3 i 4 f (4) (ξi.2 ) − 2 f (4) (ξi. . 0 n−1 4 4 |gi | ≤ Sia ora k l’indice per cui |dk | = max |di |.4 ) e gn = h3 n−1 4 f (4) (ξn. e quindi 6 fi−1.. . 4 4 h2 (4) i f (ξi. Si estende questa definizione a g0 e gn con la posizione h−1 = 0 e hn = 0.2 ∈ (a.i. n − 1.

si ha gk = hk−1 dk−1 + 2 (hk−1 + hk ) dk + hk dk+1 = (hk−1 + hk ) dk + hk−1 (dk−1 + dk ) + hk (dk + dk+1 ).. per x ∈ [a. . . Per la (16) ` allora e |µk − f (xk )| = |dk | ≤ h3 + h3 3 3 k M4 k−1 = M4 (h2 − hk−1 hk + h2 ) k−1 k 4 hk−1 + hk 4 3 3 ≤ M4 max (h2 .n |g0 | h0 e |µn − f (xn )| ≤ |gn | . Dalla (2) si ha che per x ∈ [xi . h 7 H3 |f (x) − s (x)| ≤ M4 . xi+1 ]. − hi 13 µi+1 − µi . 8 h i = 0. hn−1 2 Teorema 4 Nell’ipotesi del teorema 3. . n − 1. .. per la spline completa valgono le limitazioni |f (x) − si (x)| ≤ 2M4 H2 . si ottiene |µ0 − f (x0 )| ≤ e in entrambi i casi segue la tesi.. k−1 k 4 4 Se invece k = 0 oppure k = n. Dim.. 4 h 7 H5 |f (x) − s(x)| ≤ M4 . b]. i=0.Se 1 ≤ k ≤ n − 1. per x ∈ [xi . 4 h H4 7 |f (x) − s (x)| ≤ M4 . per cui a |gk | ≥ (hk−1 + hk ) |dk |. hi . posto h = min hi . h2 ) ≤ M4 H 2 . xi+1 ] ` e si (x) = da cui f (x) − si (x) = f (x) − [µi+1 − f (xi+1 )] − [µi − f (xi )] µi+1 − µi = f (x) − hi hi [f (xi+1 ) − f (x)] − [f (xi ) − f (x)] . Per la (17) le due quantit` dk−1 + dk e dk + dk+1 hanno lo stesso segno di dk .

ξi Passando ai moduli si ha |f (x) − s (x)| ≤ 7 H3 7 H4 M4 H = M4 . 14 . . . cio` in modo che il rapporto e H/h sia sempre limitato. Allora x xi [f (t) − sj (t)] dt = [f (x) − s (x)] − [f (xi ) − s (xi )]. allora si ha convergenza per H → 0 della spline e delle sue derivate fino al terzo ordine rispettivamente alla f (x) e alle sue derivate.Per la formula di Taylor e per la (15) ` e |f (x) − si (x)| ≤ 3 1 M4 H 2 + (xi+1 − x)2 f (4) (ξ1 ) − (xi − x)2 f (4) (ξ2 ) . sia xi il nodo pi` u vicino a x e j = i − 1 oppure j = i a seconda che x < xi oppure x > xi . x da cui f (x) − s (x) = f (xi ) − s (xi ) + Poich´ |x − xi | ≤ H/2. 4 h 4 h In modo analogo si ricava la quarta disuguaglianza. . . ξ2 ∈ (xi . In particolare se i nodi rimangono equidistanti. poich´ per i = 0. xi+1 ]. H2 H 7 H3 3 M4 H 2 + 2M4 ≤ M4 . esiste un punto ξi . per le (15) e (18) risulta e |f (x) − s (x)| ≤ xi [f (t) − sj (t)] dt. e per la (1) ` e |f (x) − si (x)| ≤ 3 1 H2 H2 M4 H 2 + hi M4 ≤ 2M4 ≤ 2M4 . tale che f (ξi ) = s (ξi ). n. ` s(xi ) = fi . per il e e teorema di Rolle in ogni intervallo [xi . e quindi x [f (t) − s (t)] dt = f (x) − s (x). 2 hi 2 hi h (18) Per la seconda disuguaglianza. perch´ e |f (x) − s(x)| ≤ M4 H 4 . per cui vale la (19). se x non coincide con uno dei nodi. 2 Dal teorema 4 segue che per una funzione f (x) derivabile con continuit` fino al a quarto ordine. 4 h 2 4 h Per ricavare la terza disuguaglianza. tenendo conto che per ogni x ∈ [a. . xi+1 ). la maggiorazione discende subito dalla (15). se x coincide con uno dei nodi. i = 0. se si infittiscono i nodi in modo regolare. (19) Quindi per ogni x ∈ [a. con |ξi − x| ≤ H. . esiste uno ξi . 2 hi 2 hi con ξ1 . . allora H/h = 1 e la convergenza ` e molto rapida. b]. . n − 1. b] esiste un indice i per cui |x − xi | ≤ H/2.

. 8 8 n4 Cavalieri-Simpson. b]. 24 (20) La prima sommatoria fornisce lo stesso valore della formula dei trapezi.         fn−2 − 2fn−1 + fn fn−1 − fn + hfn Quindi le somme delle loro componenti risultano n−1 3h i=0 (µi + µi+1 ) = 6 (fn − f0 ) = 6 (f (b) − f (a)).   µn−2 + 4µn−1 + µn µn−1 + 2µn 7n 7 (b − a)5 M4 H 5 = M4 . . n − 1. Integrando la (4) si ha b n−1 Sn+1 = n−1 s(x) dx = a i=0 xi+1 xi si (x) dx = i=0 n−1 = i=0 xi+1 (x − xi+1 )4 (x − xi )2 (x − xi )4 µi+1 − µi + αi + βi (x − xi ) 24hi 24hi 2 xi 3 2 h h (µi + µi+1 ) i + αi i + βi hi . . . Se f ∈ C 4 [a. risulta |S − Sn+1 | ≤ dello stesso ordine della formula di membro del sistema (10) risultano  2µ0 + µ1  µ0 + 4µ1 + µ2   . si ricava n−1 Sn+1 = i=0 hi (fi + fi+1 ) − 2 n−1 i=0 h3 i (µi + µi+1 ). . 15 . . 24 2 da cui. sostituendo le (5). per il teorema 4 l’errore che si commette utilizzando Sn+1 come approssimazione di S ` e b |S − Sn+1 | ≤ |f (x) − s(x)| dx ≤ a 7 H5 7n H6 M4 (b − a) ≤ M4 . . h  .     . Inoltre il primo e il secondo        = 6 h  −hf0 + f1 − f0 f0 − 2f1 + f2 .6 Quadratura con le spline Dalla spline cubica completa s(x) si ottiene un’interessante formula di quadratura per l’approssimazione di b S= a f (x) dx. 8 h 8 h Se i punti xi sono equidistanti con hi = h per i = 0.3.

Poich´ Si (x−2 ) = 0 per i ≥ 0. Risulta cos` che i coefficienti della combinazione sono tutti nulli. basta dimostrare che se una funzione ti (x) a soddisfa le (1). (2). xn+3 ]. Ne segue che la Si (x) esiste ed ` unica. perch´ ti (x) coincide con 4 polinomi di terzo grado sui 4 intervalli [xi . xi+2 ].7 Rappresentazione mediante B-spline Per definire e costruire una spline si pu` procedere anche in modo diverso. k = −1. Si definiscono B-spline (o spline fondamentali) cubiche normalizzate le funzioni Si (x). allora ti (x) ≡ 0. . Infatti e ti (x) si annulla in almeno 3 punti nell’intervallo [xi−2 . . e poich´ ti (xi−2 ) = ti (xi+2 ) = 0. e i = i − 2. I coefficienti della Si (x) sono soluzione di un sistema lineare. i = −1. . ti e si annulla in almeno 4 punti di [xi−2 . . (3) ed inoltre ` tale che ti (xi ) = 0. Per n ≥ 4. . xi+1 ]. . e dovendo essere e φ(x−2 ) = 0. e questo ` possibile solo se e ti ≡ 0. . La condizione (4) pu` essere sostituita da una qualunque altra condizione che faccia o s` che le B-spline non siano identicamente nulle. e Per verificare che le B-spline sono linearmente indipendenti. (3) Si (x) ≡ 0 per x ≤ xi−2 e x ≥ xi+2 . tali che (1) Si ∈ C 2 [x−3 . . . ı 16 . risulta φ(x−2 ) = α−1 S−1 (x−2 ). se ne considera una combinazione nulla n+1 φ(x) = i=−1 αi Si (x) = 0. quindi ti (x) si annulla in almeno due punti interni a tale intervallo. . xi+2 ]. di cui 3 interni. si considerano i punti ausiliari x−3 < x−2 < x−1 < a e b < xn+1 < xn+2 < xn+3 . n + 1. . 12 Questa non ` altro che la formula di Eulero-Maclaurin al primo ordine. (2) in ogni intervallo Si (x) coincide con un polinomio di terzo grado. Per verificare la non singolarit` della matrice del sistema.per cui sostituendo nella (20) si ha Sn+1 = h 2 n−1 (fi + fi+1 ) − i=0 h2 (f (b) − f (a)). . xi+2 ]. e 3. Si procede considerando i valori φ(xk ). ad esempio ı xi+2 xi−2 Si (x) dx = 1. ne segue che α−1 = 0. (4) Si (xi ) = 1. In modo analogo si vede che ti (x) si annulla in almeno 5 punti di [xi−2 . esprio mendola come combinazione lineare di opportune spline elementari linearmente indipendenti. i + 1. n.

8 Spline di ordine superiore Le spline cubiche sono le pi` usate. risulta   (z 3 + 6z 2 + 12z + 8)/4 per − 2 ≤ z ≤ −1. in quanto l’occhio umano non arriva a discernere differenze cos` microscopiche.Per ogni intervallo [xi . Ne segue che ogni spline cubica s(x) pu` essere scritta come o n+1 s(x) = i=−1 αi Si (x). Naturalmente spline di grado pi` alto permetterebbero di raccordare derivate di ordine pi` elevato. la spline s(x) risulta modificata solo nell’intervallo (xi−2 . Se uno degli αi viene modificato. perch´ sono quelle di grado minimo che u e permettono di raccordare le derivate seconde nei nodi. n − 1. Non esistono ı comunque difficolt` a una generalizzazione a spline di ordine dispari maggiore di 3. o 17 . i = 0. . . 3. . esistono quattro B-spline linearmente indipendenti e non nulle con cui ` possibile esprimere qualunque polinomio e di terzo grado.     3 − 6z 2 + 4)/4  (−3z per − 1 ≤ z ≤ 0. e 1 i 2 i 1 i i +1 i +2 Le B-spline vengono calcolate in modo stabile usando l’algoritmo ricorsivo di de Boor. a Fissato un intero m tale che 2 ≤ m ≤ n + 1. xi+1 ]. xi+2 ). dove gli αi sono degli opportuni coefficienti. ma il maggior u u costo non sarebbe ricompensato da un miglioramento grafico apprezzabile.      0 per z ≤ −2 e z ≥ 2. Si (x) =     (−z 3 + 6z 2 − 12z + 8)/4 per 1 ≤ z ≤ 2. indicato con h il passo costante e posto z = (x − xi )/h. In figura ` riportato il grafico della Si (x) nel caso xi = i.    (3z 3 − 6z 2 + 4)/4 per 0 ≤ z ≤ 1. Questo ` particolarmente vantaggioso nelle applicazioni e grafiche. e quindi non ` nece essario ricalcolarla tutta. Nel caso particolare dei nodi equidistanti. . la spline di ordine 2m − 1 per l’approssimazione della f (x) pu` essere definita in uno dei modi seguenti.

Allora la funzione s(x) = σ1 (x)−σ2 (x) verifica le (1) − (4) della definizione descrittiva relativamente alla f (x) identicamente nulla. . La definizione descrittiva individua univocamente la spline. e u (3) s ∈ C 2m−2 [a. . c). . b]. per i = 0. con n + 1 > m − 1. xi (2m−2) (x) dx = (−1) m xi+1 in quanto s(2m) (x) ≡ 0 su ogni intervallo. ne segue che ` e e identicamente nulla la spline che approssima la funzione identicamente nulla. deve essere un polinomio di grado a m − 1. . (4) sia s(m) (a) = s(m+1) (a) = . . n. = s(2m−2) (b) = 0. e poich´ si annulla in n + 1 punti. d’) di spline naturale corrisponde alla definizione descrittiva con m = 2. . . supponiamo per assurdo che esistano due spline σ1 (x) e σ2 (x) che soddisfano la definizione descrittiva. Poich´ in ogni intervallo s(x) e coincide con un polinomio di grado al pi` 2m − 1. La definizione a). . n − 1. b]. xi+1 ]. essa ` individuata da 2mn coeffiu e cienti. Infatti. . = s(2m−2) (a) = 0. . n. . ne segue che s b a [s(m) (x)]2 dx = 0. . (b) Definizione variazionale: si definisce spline di ordine 2m − 1 una funzione s(x) tale che (1) s(xi ) = fi . Quindi la s(x). . . e poich´ s(xi ) = 0 per i = 0. si applica ripetutamente la formula di integrazione per parti b a [s (m) (x)] dx = s m b a n−1 2 (m−1) (x)s (m) b b (x) a − a s(m−1) (x)s(m+1) (x) dx = . per i = 0. . n e e (2m−2) (a) = s(2m−2) (b) = 0. . b). . (3) e (4) forniscono esattamente 2mn condizioni lineari sui coefficienti. per i = 0.(a) Definizione descrittiva: si definisce spline di ordine 2m − 1 una funzione s(x) tale che (1) s(xi ) = fi . (2) s ∈ C m−1 [a. (2) s ` un polinomio di grado al pi` 2m − 1 in [xi . . Le (1). per le condizioni di continuit`. . 18 . . Per verificare che tale sistema ha un’unica soluzione. Quindi i coefficienti della s(x) soddisfano il sistema lineare Ax = 0 di ordine 2mn. . . . s(m) (b) = s(m+1) (b) = . n−1 = (−1) s (x)s = (−1)m i=0 s (x)s(2m−2) (x) dx xi i=0 xi+1 s (x)s(2m−2) (x) − s(x)s(2m−1) (x) .

b] che in ogni intervallo coincide con un polinomio si (x) di grado al pi` 2 ed ` tale che s(xi ) = f (xi ). per i = 0. n. ad esempio. . Esaminiamo.9 Perch´ non si usano le spline di ordine pari? e La richiesta della continuit` delle derivate nei nodi fa s` che la spline fornisca a ı un’approssimazione globale. Procedendo come per le spline cubiche.(3) l’integrale b a [s(m) (x)]2 dx esiste ed ` quello minimo fra gli integrali di tutte le funzioni che soddisfano le e condizioni (1) e (2). . 2hi 2hi x − xi x − xi+1 − νi . in cui il segno di uguaglianza vale solo se s(x) e t(x) coincidono identicamente. si dimostra che l’ultimo integrale ` e nullo. nel senso che una variazione di un singolo valore fj nel j-esimo nodo si ripercuote su tutte le si (x). definita come la funzione reale s ∈ C 1 [a. l’intensit` di questa dipendenza decresce con la distanza di i da j. Ne segue che b [t(m) (x)]2 dx ≥ a b [s(m) (x)]2 dx a e che il minimo viene assunto solo dalla s(x). risulta quindi si (x) = νi+1 Integrando si ha si (x) = νi+1 (x − xi )2 (x − xi+1 )2 − νi + αi . . Procedendo come per la dimostrazione del teorema 1. Questo a invece non accade con le spline di ordine pari. 3. . . . per u e i = 0. Sia infatti s(x) la spline che soddisfa le (1) − (4) della definizione descrittiva per l’approssimazione della f (x) e t(x) una funzione che soddisfa le (1) e (2) della definizione variazionale. . si pone νi = si (xi ). Per` nel caso delle spline di ordine o dispari. n − 1 e νn = sn−1 (xn ). hi hi e imponendo le condizioni si (xi ) = fi e si (xi+1 ) = fi+1 si ottiene −νi hi + αi = fi 2 e νi+1 19 hi + αi = fi+1 . . allora b a [t(m) (x)]2 dx − b a b [s(m) (x)]2 dx = a b [t(m) (x) − s(m) (x)]2 dx b a +2 a [t(m) (x) − s(m) (x)]s(m) (x) dx ≥ 2 [t(m) (x) − s(m) (x)]s(m) (x) dx. il caso della spline quadratica. 2 . Le due definizioni variazionale e descrittiva sono equivalenti.

Oltre ad essere meno efficace della spline cubica dal punto di vista grafico. . . i = 0. la soluzione varia solo nelle componenti νi . Questa equazione alle differenze del primo ordine consente di calcolare i νi . la spline quadratica non viene usata perch´ per certe scelte dell’unica condizione ausie liaria. mentre la soluzione dell’equazione completa potrebbe essere decrescente. . n − 1 vengono poi calcolati per sostituzione. L’instabilit` ` causata dal fatto che si risolve un’equazione alle e ae differenze la cui equazione omogenea associata ha la soluzione νi = (−1)i ν0 . hj Gli αi . hi per i = 0. . n − 1. se viene modificato un valore della funzione f (xk ). . con i ≥ k. purch´ e sia assegnato un valore iniziale ν0 = s0 (x0 ) oppure νn = sn−1 (xn ). 20 . . ` instabile. Inoltre. Ad esempio con la condizione ν0 = 0 si ottiene i−1 νi = 2 j=0 (−1)i+j−1 fj+1 − fj .da cui νi + νi+1 = 2 fi+1 − fi . . .

Sign up to vote on this title
UsefulNot useful