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

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

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

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

Costruiamo ora le due spline.   hn−2 2(hn−2 + hn−1 ) hn−1 hn−1 2 hn−1      . Esaminiamo ad esempio il caso della funzione f (x) = x sin(2πx + 1).n dove fi−1. x ∈ [a. .55 x4 − 6. . .2  1 4   µ2    1 f1.. 0. M  . .    .4283.    .  = 6  . −0.3977 x − 0. 0. per le spline naturali il sistema diventa       4 1 µ1 f0. . −0.5667.i. dell’ordine di n. Se i punti xi sono equidistanti. .n  µn fn−1.. . −0. . n − 1.         fn−3.n−2.3          . −0. 0. .1.Nel secondo caso vengono aggiunte una prima e un’ultima equazione al sistema che diventa     µ0 f0..2333. b]. .n dove 2 h0 h0  h0 2(h0 + h1 ) h1   . .7 x6 + 9. −0.3269]T Il polinomio di interpolazione di grado 6 ` e p(x) = 15. Inoltre le matrici sono tridiagonali e il metodo di Gauss ha un basso costo computazionale..052 x5 − 18. (11)    .1. che pu` essere o o calcolata con il metodo di Gauss senza scambi di righe. 0. la matrice del e sistema risulta molto semplice.9]T f = [−0. .n−1.   Le matrici M in (9) e (10) hanno predominanza diagonale in senso stretto e quindi sono non singolari.0. . Perci` i sistemi hanno una e una sola soluzione. Si considera il caso di nodi equidistanti con n = 6. M= .03632.04318 La figura 1 mostra il grafico di f (x) (con linea tratteggiata). 0. La spline 6 . . cio` hi = h.. −0.n−1. I vettori dei nodi xi = a + i h e delle corrispondenti fi sono x = [−1. .n−1  1 4 1   µn−2  1 4 µn−1 fn−2.2      .716 x3 + 4. . per i = 0.184 x2 + 0.7667. ..1  µ1    f0.1. con a = −1. . 0.3995. h = 1/3.n.1 e b = a + 2.     µn−1   fn−2.2. .4333.i+1 = (fi+1 − 2fi + fi−1 )/h2 .  .  = 6  (10) .1.4794.1459. Ad esempio.5601. i punti dell’interpolazione e il grafico di p(x) (con linea continua).

s(x) =  −12. ` riportato nella figura 2.8616.134 (x − x3 ) − 0.5983.-1 -0.61 (x − x1 )3 − 10.     −14.4464.6 -0.61 (x − x3 )3 − 4.5 -0. e il suo grafico. naturale risulta  3  10.5 0.248 (x − x2 ) + 0.32 (x − x2 )3 + 5.5 Figure 1: Polinomio di interpolazione.072.      13.3995.81 (x − x4 )3 + 12.8 0.81 (x − x6 )3 + 4.5 Figure 2: Spline naturale.2 -1 -0.2 -0. sovrapposto a quello della f (x).4 0.493 (x − x1 ) − 0.     −13.4 -0. La spline e 0.07 (x − x4 )3 + 3.9695.22 (x − x5 )3 − 5.195 (x − x5 ) − 1.01 (x − x4 ) + 0.07 (x − x2 )3 + 14. 7 .32 (x − x0 ) − 1.386 (x − x0 ) − 0.      11.5 -0.22 (x − x3 )3 − 11.5 -1 -1.

    7. se x ` minore di xn/2 si confronta x con xn/4 .55 (x − x3 )3 − 10. per calcolare s(x) sono richieste 5A e 9M. Indicando con A le operazioni additive e con M le operazioni moltiplicative.4 -0. si pu` usare l’algoritmo di bisezione (cio` o e o e confrontare x con xn/2 .6 -0.2 -0.completa. sovrapposto a quello della f (x).778 (x − x0 ) − 24. xi+1 ).2 Costo computazionale Il costo computazionale viene determinato a meno di termini costanti rispetto ad n.981 (x − x2 ) + 0. 3. Per la risoluzione del sistema tridiagonale sono richieste 3nA e 5nM.6193. Per il calcolo degli αi e βi sono richieste 3nA e 3nM. Se per` n ` potenza di 2. Per calcolare il valore della spline in un punto x ` necessario prima individuare e l’indice i tale che x ∈ (xi . n − 1) e questo richiede e n − 1 confronti. . . 0.4 0.5 Figure 3: Spline completa. Una volta trovato i.993 (x − x3 ) − 0.484 (x − x5 )3 − 11. 8 .8 0. Quindi in totale la costruzione della spline richiede 10nA e 11nM.2 -1 -0.4238. Questo procedimento richiede log2 n ı confronti. Una lieve riduzione si ha nel caso dei nodi equidistanti. .778 (x − x2 )3 + 4.46 (x − x2 )3 + 12. Non e stupisce che l’approssimazione fornita dalla spline completa appaia migliore vicino agli estremi. s(x) =  −11.     −12.55 (x − x5 )3 − 4. j = 1. e cos` via).9033. ` riportato nella figura 3.5738.632 risulta  3 3  3.      11.77 (x − x6 )3 + 3.82 (x − x1 )3 − 3. costruita tenendo conto che f (x0 ) = −6.137 (x − x5 ) − 0. .568 (x − x1 ) − 0. se x ` maggiore e e di xn/2 si confronta x con x3n/4 .      10.049 (x − x0 ) − 1. Per ottenere i si pu` usare l’algoritmo banale o (cio` confrontare x successivamente con xj . per la costruzione dei coefficienti e dei termini noti del sistema lineare (9) sono richieste 4nA e 3nM.82 (x − x3 )3 − 3.77 (x − x4 )3 + 11.9961.302.5 -0. e il suo grafico.71 (x − x4 ) + 0.076 e f (xn ) = 5.46 (x − x4 )3 + 2.38 (x − x1 ) + 2.

. . la spline cubica naturale s(x) ` quella che minimizza l’integrale e b a [g (x)]2 dx.4 Propriet` di minima curvatura a 6 h2 i=1. 2 = a [g (x) − s (x)] s (x) dx − a a 9 . 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) . (12) dove µ ` il vettore dei µi e b ` il vettore di componenti bi = 6(fi+1 − 2fi + fi−1 )/h2 . con |δi | ≤ δ. cio` che oscillano meno. 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 . . . e e Supponendo di perturbare i dati del problema da fi a fi = fi + δi . 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 . Consideriamo il caso della spline naturale e supponiamo per semplicit` che i nodi a siano equidistanti e non affetti da errore. n. n. La matrice M ` ben condizionata perch´ e e K(M) ≤ 6 per ogni n. sono quelle che hanno minima curvatura. tali che g(xi ) = fi . come risulta dal seguente e teorema.3 Condizionamento Studiamo ora il condizionamento del calcolo di s(x) per un x diverso dai nodi. .n−1 max |δi+1 − 2δi + δi−1 | ≤ 24 δ . . Quindi il problema del calcolo dei µi ` ben condizionato. (13) Dim. i = 0. . xi+1 ]. 3.3. Si ha b 0≤ a [g (x) − s (x)]2 dx [g (x)] dx − 2 2 b b b (14) [s (x)] dx. i = 0. 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. Scriviamo il sistema (11) nella forma M µ = b. Teorema 1 Fra tutte le funzioni g ∈ C 2 [a. . b].

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

. n. 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] H= i=0. da cui si ricava che αi = (−1)i+1 6 e βi = (−1)i 3. Teorema 3 Sia f ∈ C 4 [a. n − 1. 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. b].7 n.. . 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.. 2 Se i nodi vengono infittiti aggiungendo altri nodi alla precedente suddivisione b dell’intervallo. f (x0 ) = f (xn ) = 0..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)|.n max |µi − f (xi )| ≤ 3 M4 H 2 . f (xi ) = (−1)i . E hi = xi+1 − xi = 1. limitata superiormente da a [f (x)] dx.. i = 1. . per i momenti della spline cubica s(x) completa vale la relazione i=0. Quindi si (x) = (−1)i 2(x − xi )3 + 2(x − xi+1 )3 − 6(x − xi ) + 3 . . i = 0. Quindi i momenti risolvono il sistema   2µ0 + µ1 = −12  µi−1 + 4µi + µi+1 = (−1)i+1 24. 2 3. b].. x∈[a. .. la successione degli integrali b a [s (x)]2 dx risulta non decrescente. 4 (15) 11 .Si costruisce ad esempio la spline cubica completa che approssima f (x) = cos(πx) ` nei nodi xi = i. .n−1 max hi ... .

3 ) . Per i = 1. .1 )+ i−1 f (4) (ξi. n e gi = hi−1 di−1 + 2 (hi−1 + hi ) di + hi di+1 per i = 1. ξi. Si estende questa definizione a g0 e gn con la posizione h−1 = 0 e hn = 0.4 ) e gn = h3 n−1 4 f (4) (ξn.3 . . 2 h3 h3 (4) i f (ξi. ..n (16) (17) 12 .3 ) . . hi−1 2 3! 4! con ξi..1 .4 ∈ (a. ..1 ) − 2 f (4) (ξi.1 ) − 2 f (4) (ξ0.4 ) + h3 i−1 4 f (4) (ξi.3 ). e quindi 6 fi−1. 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 |.Dim. . . h2 i−1 (4) f (ξi. risulta gi = h3 i 4 f (4) (ξi.i. b).2 ). i=0. . per i = 1.2 ). . 4 4 h2 (4) i f (ξi. ξi.2 ) − 2 f (4) (ξi.4 ). 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.. .2 ) − 2 f (4) (ξn.1 ). Si definisce di = µi − f (xi ) per i = 0. .i. b).2 ∈ (a. . 2 In modo analogo dalle (8) si ottiene g0 = h3 0 4 f (4) (ξ0. hi 2 3! 4! 2 h h3 hi−1 fi − fi−1 = fi − f (xi ) + i−1 f (xi ) − i−1 f (4) (ξi. n − 1 dalla (6) si ha gi = 6 fi−1. i−1 i 4 3 3 |g0 | ≤ M4 h3 e |gn | ≤ M4 h3 . n − 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.

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

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

24 (20) La prima sommatoria fornisce lo stesso valore della formula dei trapezi. risulta |S − Sn+1 | ≤ dello stesso ordine della formula di membro del sistema (10) risultano  2µ0 + µ1  µ0 + 4µ1 + µ2   . 15 . Se f ∈ C 4 [a. 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 . . 8 h 8 h Se i punti xi sono equidistanti con hi = h per i = 0. . 24 2 da cui. n − 1. .     . sostituendo le (5). .         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 . b]. . 8 8 n4 Cavalieri-Simpson. 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 .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  . . Inoltre il primo e il secondo        = 6 h  −hf0 + f1 − f0 f0 − 2f1 + f2 .3. si ricava n−1 Sn+1 = i=0 hi (fi + fi+1 ) − 2 n−1 i=0 h3 i (µi + µi+1 ).

Si procede considerando i valori φ(xk ). ne segue che α−1 = 0. . Si definiscono B-spline (o spline fondamentali) cubiche normalizzate le funzioni Si (x). (3) Si (x) ≡ 0 per x ≤ xi−2 e x ≥ xi+2 . . e Per verificare che le B-spline sono linearmente indipendenti. e 3. In modo analogo si vede che ti (x) si annulla in almeno 5 punti di [xi−2 . xn+3 ]. n + 1. Ne segue che la Si (x) esiste ed ` unica. . ı 16 . e i = i − 2. I coefficienti della Si (x) sono soluzione di un sistema lineare. se ne considera una combinazione nulla n+1 φ(x) = i=−1 αi Si (x) = 0. i = −1.7 Rappresentazione mediante B-spline Per definire e costruire una spline si pu` procedere anche in modo diverso. ti e si annulla in almeno 4 punti di [xi−2 . quindi ti (x) si annulla in almeno due punti interni a tale intervallo. allora ti (x) ≡ 0. Poich´ Si (x−2 ) = 0 per i ≥ 0. si considerano i punti ausiliari x−3 < x−2 < x−1 < a e b < xn+1 < xn+2 < xn+3 . . . . e questo ` possibile solo se e ti ≡ 0. xi+2 ]. di cui 3 interni. basta dimostrare che se una funzione ti (x) a soddisfa le (1). . risulta φ(x−2 ) = α−1 S−1 (x−2 ). (3) ed inoltre ` tale che ti (xi ) = 0. k = −1. perch´ ti (x) coincide con 4 polinomi di terzo grado sui 4 intervalli [xi . . ad esempio ı xi+2 xi−2 Si (x) dx = 1. (2). Infatti e ti (x) si annulla in almeno 3 punti nell’intervallo [xi−2 . esprio mendola come combinazione lineare di opportune spline elementari linearmente indipendenti.per cui sostituendo nella (20) si ha Sn+1 = h 2 n−1 (fi + fi+1 ) − i=0 h2 (f (b) − f (a)). Per verificare la non singolarit` della matrice del sistema. e poich´ ti (xi−2 ) = ti (xi+2 ) = 0. n. . . xi+2 ]. La condizione (4) pu` essere sostituita da una qualunque altra condizione che faccia o s` che le B-spline non siano identicamente nulle. tali che (1) Si ∈ C 2 [x−3 . Per n ≥ 4. . e dovendo essere e φ(x−2 ) = 0. xi+2 ]. i + 1. (4) Si (xi ) = 1. . Risulta cos` che i coefficienti della combinazione sono tutti nulli. 12 Questa non ` altro che la formula di Eulero-Maclaurin al primo ordine. xi+1 ]. (2) in ogni intervallo Si (x) coincide con un polinomio di terzo grado.

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

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

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

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

Sign up to vote on this title
UsefulNot useful