You are on page 1of 20

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

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

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

n µn−1 dove 2(h0 + h1 ) h1  h1 2(h1 + h2 ) h2   .3        . (6) da cui fi − fi−1 fi+1 − fi − .2. n − 1. M= .      fn−3.n−1. . . i+1 hi 6 Restano quindi da calcolare i µi .   hn−3 2(hn−3 + hn−2 ) hn−2 hn−2 2(hn−2 + hn−1 ) 5      . . 2   βi = fi − µi hi  6 (5)   α = fi+1 − fi − hi (µ  i − µi ).0. (7) Per la spline completa. . 6 3 hn−1 s0 (x0 ) = −µ0 dove f0 = f (a) e fn = f (b) sono assegnati.0. imponendo le condizioni b) e sostituendo αi−1 e αi .n.n. .n . ottenuto associando alle (6) le (7) o le (8). Si ottiene h0 (2µ0 + µ1 ) = 6 f0. . dalle d ) si ha: h0 h0 f1 − f0 − µ1 + = f0 .i+1 = i = 1. . tenendo conto che µ0 = µn = 0.n−2. 3 6 h0 hn−1 hn−1 fn − fn−1 sn−1 (xn ) = µn−1 + µn + = fn . dove fi−1. . dalle d ) si ha µ0 = 0 e µn = 0.. Nel primo caso.1.i. si ottengono le n − 1 relazioni hi−1 µi−1 + 2 (hi−1 + hi ) µi + hi µi+1 = 6 fi−1. i = 0. .2 µ1    µ2  f1. . Dalle (3). .   (9) . . M  ..1 dove f0. il sistema che si ottiene ` e     f0.  .i+1 . e fn−1.1 = f1 − f0 − f0 h0 e hn−1 (µn−1 + 2µn ) = 6 fn−1. . n. .. . hn−1 (8) In ogni caso i µi sono soluzione di un sistema lineare.  = 6  .i.n = fn − fn − fn−1 . a seconda che debbano essere verificate le condizioni d ) o d ).n−1   µn−2  fn−2. Per la spline naturale. hi hi−1 Altre due relazioni si ottengono tramite le condizioni aggiuntive.

b].5601.n−2. n − 1. Perci` i sistemi hanno una e una sola soluzione. dell’ordine di n.. M  . 0..3          . M= .i+1 = (fi+1 − 2fi + fi−1 )/h2 .1  µ1    f0.03632. Costruiamo ora le due spline.     µn−1   fn−2. −0. Se i punti xi sono equidistanti.         fn−3.2  1 4   µ2    1 f1.1459.7 x6 + 9.5667. −0.04318 La figura 1 mostra il grafico di f (x) (con linea tratteggiata).716 x3 + 4. che pu` essere o o calcolata con il metodo di Gauss senza scambi di righe. ..n−1  1 4 1   µn−2  1 4 µn−1 fn−2. h = 1/3.. cio` hi = h. .. .55 x4 − 6. −0.  . Si considera il caso di nodi equidistanti con n = 6. Inoltre le matrici sono tridiagonali e il metodo di Gauss ha un basso costo computazionale.  = 6  .   hn−2 2(hn−2 + hn−1 ) hn−1 hn−1 2 hn−1      .0. 0. .3269]T Il polinomio di interpolazione di grado 6 ` e p(x) = 15. La spline 6 . .n.n−1.  = 6  (10) .4283. .1. per le spline naturali il sistema diventa       4 1 µ1 f0. x ∈ [a. 0. .i.Nel secondo caso vengono aggiunte una prima e un’ultima equazione al sistema che diventa     µ0 f0.2      . −0.    . . I vettori dei nodi xi = a + i h e delle corrispondenti fi sono x = [−1. .3995.2..    .4333. .1.9]T f = [−0.1 e b = a + 2.n−1. 0.n dove fi−1.7667.052 x5 − 18.   Le matrici M in (9) e (10) hanno predominanza diagonale in senso stretto e quindi sono non singolari. . .184 x2 + 0. i punti dell’interpolazione e il grafico di p(x) (con linea continua). Esaminiamo ad esempio il caso della funzione f (x) = x sin(2πx + 1).2333.1. 0. . (11)    . per i = 0. . Ad esempio.1. . 0.3977 x − 0. . con a = −1. la matrice del e sistema risulta molto semplice. −0.n  µn fn−1. . −0.n dove 2 h0 h0  h0 2(h0 + h1 ) h1   . . .4794.

7 .22 (x − x3 )3 − 11.386 (x − x0 ) − 0.3995.      11.2 -0.493 (x − x1 ) − 0.5983.      13. naturale risulta  3  10.2 -1 -0.5 -0.195 (x − x5 ) − 1.     −14.07 (x − x2 )3 + 14.61 (x − x1 )3 − 10.8 0.4 -0.81 (x − x6 )3 + 4.5 -0.9695. La spline e 0. ` riportato nella figura 2.01 (x − x4 ) + 0. s(x) =  −12.61 (x − x3 )3 − 4.22 (x − x5 )3 − 5.81 (x − x4 )3 + 12. e il suo grafico.6 -0. sovrapposto a quello della f (x).-1 -0.5 -1 -1.32 (x − x2 )3 + 5.8616.4464.072.5 0.4 0.134 (x − x3 ) − 0.07 (x − x4 )3 + 3.5 Figure 2: Spline naturale.32 (x − x0 ) − 1.248 (x − x2 ) + 0.     −13.5 Figure 1: Polinomio di interpolazione.

778 (x − x2 )3 + 4.46 (x − x4 )3 + 2.5 Figure 3: Spline completa.      10.076 e f (xn ) = 5. Una lieve riduzione si ha nel caso dei nodi equidistanti. per la costruzione dei coefficienti e dei termini noti del sistema lineare (9) sono richieste 4nA e 3nM.     −12.632 risulta  3 3  3.993 (x − x3 ) − 0. Per il calcolo degli αi e βi sono richieste 3nA e 3nM.9033.484 (x − x5 )3 − 11.38 (x − x1 ) + 2. Per la risoluzione del sistema tridiagonale sono richieste 3nA e 5nM.8 0.     7. si pu` usare l’algoritmo di bisezione (cio` o e o e confrontare x con xn/2 . 3.77 (x − x4 )3 + 11. se x ` maggiore e e di xn/2 si confronta x con x3n/4 .5738.9961.82 (x − x1 )3 − 3.4 -0.4238.46 (x − x2 )3 + 12. costruita tenendo conto che f (x0 ) = −6.6193. per calcolare s(x) sono richieste 5A e 9M.981 (x − x2 ) + 0. se x ` minore di xn/2 si confronta x con xn/4 .      11. e il suo grafico. xi+1 ).completa.2 -0.71 (x − x4 ) + 0.302.6 -0. Quindi in totale la costruzione della spline richiede 10nA e 11nM. 8 . s(x) =  −11.77 (x − x6 )3 + 3. e cos` via).2 -1 -0. Questo procedimento richiede log2 n ı confronti. Per ottenere i si pu` usare l’algoritmo banale o (cio` confrontare x successivamente con xj . Se per` n ` potenza di 2.4 0. ` riportato nella figura 3.2 Costo computazionale Il costo computazionale viene determinato a meno di termini costanti rispetto ad n. 0.55 (x − x3 )3 − 10.049 (x − x0 ) − 1.568 (x − x1 ) − 0. sovrapposto a quello della f (x). .82 (x − x3 )3 − 3. Per calcolare il valore della spline in un punto x ` necessario prima individuare e l’indice i tale che x ∈ (xi .137 (x − x5 ) − 0. j = 1. . n − 1) e questo richiede e n − 1 confronti.5 -0. Non e stupisce che l’approssimazione fornita dalla spline completa appaia migliore vicino agli estremi. Indicando con A le operazioni additive e con M le operazioni moltiplicative. Una volta trovato i. .778 (x − x0 ) − 24.55 (x − x5 )3 − 4. .

. n. b]. Si ha b 0≤ a [g (x) − s (x)]2 dx [g (x)] dx − 2 2 b b b (14) [s (x)] dx.4 Propriet` di minima curvatura a 6 h2 i=1.3 Condizionamento Studiamo ora il condizionamento del calcolo di s(x) per un x diverso dai nodi. . . . 3. xi+1 ]. con |δi | ≤ δ. La matrice M ` ben condizionata perch´ e e K(M) ≤ 6 per ogni n. Teorema 1 Fra tutte le funzioni g ∈ C 2 [a. . . tali che g(xi ) = fi . i = 0. . 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 .3. la spline cubica naturale s(x) ` quella che minimizza l’integrale e b a [g (x)]2 dx. Quindi il problema del calcolo dei µi ` ben condizionato. Scriviamo il sistema (11) nella forma M µ = b. 2 = a [g (x) − s (x)] s (x) dx − a a 9 . (13) Dim. Consideriamo il caso della spline naturale e supponiamo per semplicit` che i nodi a siano equidistanti e non affetti da errore. 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. (12) dove µ ` il vettore dei µi e b ` il vettore di componenti bi = 6(fi+1 − 2fi + fi−1 )/h2 . 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 . i = 0. n. come risulta dal seguente e teorema. cio` che oscillano meno. sono quelle che hanno minima curvatura. . e e Supponendo di perturbare i dati del problema da fi a fi = fi + δi .n−1 max |δi+1 − 2δi + δi−1 | ≤ 24 δ . 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) .

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

b] H= i=0. . da cui si ricava che αi = (−1)i+1 6 e βi = (−1)i 3.Si costruisce ad esempio la spline cubica completa che approssima f (x) = cos(πx) ` nei nodi xi = i. x∈[a.n−1 max hi . 2 Se i nodi vengono infittiti aggiungendo altri nodi alla precedente suddivisione b dell’intervallo. n − 1. 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. 2 3.7 n. . .. per i momenti della spline cubica s(x) completa vale la relazione i=0. 4 (15) 11 . . .n max |µi − f (xi )| ≤ 3 M4 H 2 . Quindi si (x) = (−1)i 2(x − xi )3 + 2(x − xi+1 )3 − 6(x − xi ) + 3 . Posto M4 = max |f (4) (x)|.. limitata superiormente da a [f (x)] dx. Teorema 3 Sia f ∈ C 4 [a. Quindi i momenti risolvono il sistema   2µ0 + µ1 = −12  µi−1 + 4µi + µi+1 = (−1)i+1 24. n.. la successione degli integrali b a [s (x)]2 dx risulta non decrescente. 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. f (xi ) = (−1)i . i = 1... ..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.. E hi = xi+1 − xi = 1. 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.   µn−1 + 2µn = (−1)n+1 12 Questo sistema ha la soluzione µi = (−1)i+1 12. f (x0 ) = f (xn ) = 0. i = 0. b]. b]. . ..

ξi. n − 1. e quindi 6 fi−1..1 )+ i−1 f (4) (ξi.4 ∈ (a.1 .4 ) e gn = h3 n−1 4 f (4) (ξn. per i = 1.1 ). ξi. .3 ). . .3 . 2 h3 h3 (4) i f (ξi. n e gi = hi−1 di−1 + 2 (hi−1 + hi ) di + hi di+1 per i = 1.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.2 ∈ (a.i. . 4 4 h2 (4) i f (ξi. . . . hi−1 2 3! 4! con ξi.1 ) − 2 f (4) (ξ0.Dim. n − 1.4 ).4 ) + h3 i−1 4 f (4) (ξi. .3 ) . . Per i = 1. b).2 ) − 2 f (4) (ξn. . 2 In modo analogo dalle (8) si ottiene g0 = h3 0 4 f (4) (ξ0. i=0..n (16) (17) 12 . .2 ).. Passando ai moduli si ha 3 M4 (h3 + h3 ). 0 n−1 4 4 |gi | ≤ Sia ora k l’indice per cui |dk | = max |di |.. . Si definisce di = µi − f (xi ) per i = 0. . risulta gi = h3 i 4 f (4) (ξi. hi 2 3! 4! 2 h h3 hi−1 fi − fi−1 = fi − f (xi ) + i−1 f (xi ) − i−1 f (4) (ξi.2 ). h2 i−1 (4) f (ξi.i.3 ) . Si estende questa definizione a g0 e gn con la posizione h−1 = 0 e hn = 0.2 ) − 2 f (4) (ξi. . n − 1 dalla (6) si ha gi = 6 fi−1. b). i−1 i 4 3 3 |g0 | ≤ M4 h3 e |gn | ≤ M4 h3 .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.1 ) − 2 f (4) (ξi.

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

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

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 . 24 (20) La prima sommatoria fornisce lo stesso valore della formula dei trapezi. .3. 15 .   µn−2 + 4µn−1 + µn µn−1 + 2µn 7n 7 (b − a)5 M4 H 5 = M4 . 8 8 n4 Cavalieri-Simpson. 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. h  . 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 ). sostituendo le (5). . 24 2 da cui. b]. 8 h 8 h Se i punti xi sono equidistanti con hi = h per i = 0. .         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)). . 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 . n − 1. . Se f ∈ C 4 [a.

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

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

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

Questo a invece non accade con le spline di ordine pari. b] che in ogni intervallo coincide con un polinomio si (x) di grado al pi` 2 ed ` tale che s(xi ) = f (xi ). 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. . 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 dimostra che l’ultimo integrale ` e nullo.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. 3. per i = 0. nel senso che una variazione di un singolo valore fj nel j-esimo nodo si ripercuote su tutte le si (x). . per u e i = 0. . Per` nel caso delle spline di ordine o dispari.(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). . n − 1 e νn = sn−1 (xn ). 2 . n. 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 . . ad esempio. l’intensit` di questa dipendenza decresce con la distanza di i da j. 2hi 2hi x − xi x − xi+1 − νi . risulta quindi si (x) = νi+1 Integrando si ha si (x) = νi+1 (x − xi )2 (x − xi+1 )2 − νi + αi . Esaminiamo. il caso della spline quadratica. in cui il segno di uguaglianza vale solo se s(x) e t(x) coincidono identicamente. . Procedendo come per la dimostrazione del teorema 1. . Procedendo come per le spline cubiche. Le due definizioni variazionale e descrittiva sono equivalenti. definita come la funzione reale s ∈ C 1 [a. . si pone νi = si (xi ). 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).

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