1
Approssimazione di funzioni mediante
Interpolazione polinomiale
(estatico@uninsubria.it)
Lezione basata su appunti del prof. Marco Gaviano
2
Approssimazione di funzioni
1) L’approssimazione di funzioni. Interpolazione e migliore approssimazione.
2) Interpolazione polinomiale. Esistenza e unicità.
3) Interpolazione di Lagrange e di Hermite.
4) Convergenza dell’interpolazione polinomiale.
Errore di interpolazione.
3
Approssimazione di funzioni
Sia data la tabulazione
di una funzione y=f(x), con f:RR, di cui non si conosce la sua espressione analitica.
L’obiettivo è trovare una “nuova” funzione p(x), p: RR , dotata di una rappresentazione analitica “semplice”, che approssimi la funzione f(x) (in modo tale che p(x) possa essere utilizzata al posto della f(x)).
n i
y
x i , i per 0 , 1 ,...,
4
Esempio
Si rileva la temperatura in una stanza ogni secondo nell’arco delle 24 ore. Si hanno quindi a disposizione 3600*24=86400 dati, ovvero le coppie
in cui la variabile x si riferisce ai secondi, e la y alle corrispondenti temperature.
86400 ,
...
, 1 , 0 per
, y i
x
i i5
La conoscenza, in forma analitica, di una funzione p(x) di forma semplice che approssima la funzione vera f(x) a partire dai punti di tabulazione (x
i, y
i), per i=1,…,n, permette un trattamento efficiente del modello matematico che esprime il fenomeno, specie al calcolatore.
Infatti
•per memorizzare la funzione basta memorizzare la legge che definisce p(x), generalmente dipendente da meno parametri rispetto a f(x).
•posso approssimare, tramite la p(x), la f(x) anche in
qualsiasi altro punto esterno alle ascisse x
idi tabulazione.
6
Osservazione
Si arriva allo stesso problema quando di una funzione f(x) si conosce la sua espressione analitica ma questa è complicata da calcolare, da derivare o da integrare.
Allora, in tal caso, tramite una tabulazione di f(x) si vuole determinare un “nuova” funzione p(x) dotata di una rappresentazione analitica “semplice” da valutare, da derivare o da integrare, che possa essere utilizzata al posto della f(x).
7
Osservazione
Il problema si generalizza al caso di funzione di 2 variabili z=f(x,y) , f:R
2 R, della quale si conoscono i valori
e si vuole trovare un nuova funzione p(x,y), dotata di una rappresentazione analitica “semplice”, che possa essere utilizzata al posto della f(x,y).
m j
n i
per z
y
x
i,
j),
i j0 , 1 ,..., , 0 , 1 ,...,
(
,
8
Tecniche per la soluzione del problema
Interpolazione
si cerca quella funzione (in una fissata famiglia di funzioni) che in opportuni punti (detti nodi) assume gli stessi valori della funzione da approssimare.
Migliore approssimazione
si cerca quella funzione (in una fissata famiglia di funzioni)
la cui distanza (rispetto ad una fissata norma) dalla
funzione da approssimare risulta essere minima.
9
Punti (detti nodi di interpolazione) in cui la funzione f(x) e la sua approssimazione p(x) devono coincidere
funzione f(x) da approssimare,
conosciuta attraverso una sua
tabulazione (x
i, y
i)
10
Approssimazione mediante interpolazione (formulazione matematica)
Dati i punti x
i,y
i, i=0,1,…, n, con x
iR, x
ix
kper ik. e una famiglia di funzioni
si cercano i valori a
0, a
1,…, a
n(corrrispondenti ai gradi di libertà della famiglia di funzioni ) tali che
"
matematico modello
il
"
) ,...,
;
( x a
0a
n
n i
y a
a
x
i; ,...,
n)
i0 , 1 ,...,
(
0
11
Nel caso in cui la famiglia di funzioni (x; a
0, …, a
n) dipenda linearmente dai parametri a
0, …, a
n, ovvero nel caso in cui esistano n funzioni base
i(x) per i=1,…,n , t.c.
allora il problema è detto di interpolazione lineare.
) ( ...
) ( )
( )
,...,
;
( x a
0a
n a
0
0x a
1
1x a
n
nx
12
Esempio: Interpolazione polinomiale
La famiglia di funzioni (x; a
0, …, a
n) è definita da
e quindi si approssima la funzione f(x), la cui tabulazione è x
i,y
i, con un polinomio di grado n (da notare che i punti sono n+1 ed il polinomio è di grado n).
n n
n
a a x a x a x
a a
x
( ;
0,..., )
0 1 2 2...
13
Esempio: Interpolazione trigonometrica
La famiglia di funzioni (x; a
0, …, a
n) è definita da
e quindi si approssima la funzione f(x), la cui tabulazione è x
i,y
i, con una combinazione lineare delle funzioni sen(kx) e cos(kx), per k=0,…,n, detta polinomio trigonometrico.
) (
) cos(
...
cos
) ,...,
, ,...,
; (
1 1
0
0 0
nx sen
b nx
a senx
b x
a a
b b
a a
x
n n
n n
14
Esempio: Interpolazione nello studio delle popolazioni in biologia (dinamica delle popolazioni)
La famiglia di funzioni (x; a
0, …, a
n) è definita da
si approssima la funzione f(x), la cui tabulazione è x
i, y
i, i=0,2,…,n, con una combinazione lineare di funzioni esponenziali.
x n
x x
n n
e
na e
a e
a a
a
x
( ; 0 ,..., , 0 ,..., ) 0
01
1...
15
Interpolazione polinomiale
La famiglia di funzioni (x; a
0, …, a
n) è definita da
e si cerca il polinomio p(x)P
n, dove P
nrappresenta l’insieme dei polinomi di grado n, tale che
Risultato fondamentale: il polinomio p(x), detto polinomio interpolatore, esiste ed è unico.
n n
n
p x a a x a x a x
a a
x
( ;
0,..., ) ( )
0 1 2 2...
n i
y x
p ( i ) i , 0 , 1 , 2 ,...,
16
Esistenza ed unicit à del polinomio interpolatore (n=3) Trova
tale che , ossia tale che
Questo è un sistema lineare 44 in cui le incognite sono i 4 parametri a
0, …, a
3che definiscono il polinomio.
3 3 2
2 1
)
0( x a a x a x a x
p
3 3
3 3 2
3 2 3
1 0
2 3
2 3 2
2 2 2
1 0
1 3
1 3 2
1 2 1
1 0
0 3
0 3 2
0 2 0
1 0
y x
a x
a x
a a
y x
a x
a x
a a
y x
a x
a x
a a
y x
a x
a x
a a
n i
y x
p (
i)
i, 0 , 1 , 2 ,...,
17
Il determinante della matrice del sistema è
il quale è 0 nel caso in cui x
i x
kper ik (nodi distinti).
Pertanto la soluzione esiste ed è unica, e quindi il polinomio interpolatore esiste ed è unico.
3 3 2
3 3
3 2 2
2 2
3 1 2
1 1
3 0 2
0 0
1 1 1 1
x x
x
x x
x
x x
x
x x
x determinante di
Vandermonde
18
Approssimazione mediante polinomio di grado 3
punti in cui la funzione ed
il polinomio devono coincidere
funzione f(x) da approssimare, conosciuta attraverso una
sua tabulazione x
i, y
i, i=0,1,2,3
19
Esistenza ed unicità del polinomio interp. (caso generale) Trova
tale che
Questo è un sistema lineare (n+1)(n+1) in cui le incognite sono gli n+1 parametri a
0, …, a
nn n
x a x
a x
a a
x
p ( )
0
1
2 2 ...
n n
n n n
n n
n n
y x
a x
a a
y x
a x
a a
y x
a x
a a
...
....
...
...
1 0
1 1
1 1 0
0 0
0 1 0
20
Il determinante della matrice del sistema è
il quale è 0 nel caso in cui x
i, x
kper ik (nodi distinti).
Pertanto la soluzione esiste ed è unica, e quindi il polinomio interpolatore esiste ed è unico. Possiamo riassumere il risultato tramite il teorema seguente:
n j i
i j
n n n
n
n n n
x x
x x
x
x x
x
x x
x
x x
x
0 2
2 2
2 2
1 2
1 1
0 2
0 0
...
1
...
...
...
...
...
...
1
...
1
...
1 determinante di
Vandermonde
21
Teorema (esistenza e unicità)
Dati gli n+1 punti, detti nodi di interpolazione,
esiste ed è unico il polinomio interpolatore pP
n, ossia il polinomio pP
ntale che
, se
, , ,...
2 , 1 , 0 per
), ,
( x
iy
ii n x
i x
ki k
n i
y x
p ( i ) i , 0 , 1 , 2 ,...,
22
Osservazione
Sulla base di quanto visto, per trovare il polinomio interpolatore su n+1 nodi è sufficiente risolvere un sistema lineare in n+1 incognite.
La soluzione del sistema ci fornisce i coefficienti del polinomio.
Esistono tuttavia delle formule che danno in modo diretto
il polinomio interpolante, senza la necessità di risolvere il
sistema di Vandermonde.
23
Costruzione dei polinomi interpolanti mediante la rappresentazione di Lagrange
L’insieme dei polinomi P
nè uno spazio lineare di dimensione n+1, ed una sua base è formata dai polinomi
Un’altra base è data dagli n+1 polinomi seguenti
x n
x
x , , ..., ,
1 2
n x i
x
x x x
L
n
i j
j i j
j
i
( ) , 0 , 1 , 2 ,...,
0
24
Tale base, detta base di Lagrange, ha la proprietà
Allora, per mezzo di tale base, il polinomio interpolatore relativo ai punti x
i,y
i, per i=0,1,…,n, assume la semplice forma seguente
ed è chiamato polinomio interpolatore (secondo la rappresentazione) di Lagrange.
Oss. Questa rappresentazione esplicita del polinomio inter- polatore è un’altra dimostrazione di esistenza e unicità.
k n
i k
se
i k
x se
L
i k ik0 , 1 ,...,
0 ) 1
(
ni
i i
L x y
x p
0
) ( )
(
25
La base di polinomi è
Si osservi che
2 11 0
2
0 2
2 1
2 0
1
0 1
2 0
2 1
0
1 0
) (
) (
) (
x x
x x
x x
x x x
L
x x
x x
x x
x x x
L
x x
x x
x x
x x x
L
1 )
( ,
0 )
( ,
0 )
(
0 )
( ,
1 ) ( ,
0 )
(
0 )
( ,
0 )
( ,
1 ) (
2 2 1
2 0
2
2 1 1
1 0
1
2 0 1
0 0
0
x L x
L x
L
x L x
L x
L
x L x
L x
L
26
Il polinomio interpolante (o polinomio interpolatore) è
È immediato verificare che
1 2
1 0
2
0 2
2 1
2 0
1
0 1
2 0
2 1
0
1
)
0( x x
x x
x x
x y x
x x
x x
x x
x y x
x x
x x
x x
x y x
x
p
2 2
1 1
0
0 ) , ( ) , ( )
( x y p x y p x y
p
27
Data una funzione f(x) di cui nei punti x
i, per i=0,1,…,k, si conoscono i valori y
i=f(x
i) e di eventuali derivate. Con l’in- terpolazione di Hermite si cerca il polinomio che nei punti x
i, i=0,1,…,k, assume gli stessi valori sia della funzione che delle sue derivate.
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
) ( 0
) ( )
( 2 )
( 1
) 2 ( )
2 ( 2 )
2 ( 1 )
2 ( 0
) 1 ( )
1 ( 2 )
1 ( 1 )
1 ( 0
2 1
0
2 1
0
0
2 1
y
y y y
y y
y y
y y
y y
y y
y y
x x
x x
k
k k
k k k
nodi
valore della funzione
valore della derivata 1
avalore della derivata
idi ordine massimo per x
i28
Formulazione matematica dell’interpolazione di Hermite
Dati k+1 punti distinti x
0, x
1, … , x
ke k+1 numeri interi naturali
0,
1, …,
k, sia n=k+
0+
1+… +
k. Per ogni insieme di numeri , i=0,1,…,k e l=0,1,…,
i, esiste ed è unico il polinomio p(x)P
n(x) tale che
Tale polinomio è detto polinomio interpolatore di Hermite.
i l
l i i l
l k i
dx y x p
d ( )
( ), 0 , 1 ,..., ; 0 , 1 ,...,
) (l
y
i29
considera un solo punto x
0) ha il significato seguente.
In un punto x
0si conosce il valore y
0di una funzione f(x) ed i valori delle sue derivate l=1,…,
0=: . Si vyole determinare il polinomio di grado n= tale che
In tal caso il polinomio cercato corrisponde allo sviluppo di Taylor fino alla derivata di centro x
0, ovvero
,..., 1 , 0 ) ,
(
( )0
0
y l
dx x p
d
ll l
) ( 0 0
)
(l
( x ) y
lf
! ( )( ) ... 1
) )(
2 ( ) 1 )(
( ' )
( )
( x f x
0f x
0x x
0f
(2)x
0x x
0 2f
( )x
0x x
0p
30
Osservazione
I problemi di interpolazione visti finora sono dei casi particolari del problema generale dell’interpolazione lineare.
Ovviamente i risultati teorici sull’esistenza e unicità della soluzione che si dimostrano per il problema generale valgono in ogni caso particolare (come già visto per l’interpolazione di Lagrange ed Hermite).
Spesso è richiesto esclusivamente di determinare il
valore del polinomio p(x) in un punto x fissato. In tal
caso non occorre determinare i coefficienti del
polinomio, ma si utilizza l’algoritmo seguente, più
economico.
31
Questo algoritmo permette di calcolare in un (generico) punto x
sil valore del polinomio interpolatore p(x
s) data la tabulazione x
i, y
i, i=0,2,…,n. Introducendo la notazione
...
) ,
(x ), ,
(x per 1
grado di
polinomio
il è ) ( ...
) , (x ), ,
(x per 1
grado di
polinomio
il è ) (
) ,
(x per 0
grado di
polinomio
il è )
( ...
) ,
(x per 0
grado di
polinomio
il è )
(
) ,
(x per 0
grado di
polinomio
il è )
(
1 1
1 ,
1 1 0
0 1
, 0
1 1 1
1
0 0
0 0
n n
n n-
n n
n n
n n
y y
x P
y y
x P
y y
x P
y y
x P
y y
x P
32
E’ facile verificare che, per il grado 1, si ha
) y , (x e ) y , (x per polinomio
il ) è
( )
( ) ( ) ) (
(
..
.
) y , (x e ) y , (x per polinomio
il ) è
( ) (
) ( ) ) (
(
) y , (x e ) y , (x per polinomio
il ) è
( ) (
) ( ) ) (
(
k k 1
k 1 - k 1
1 1
), 1 (
2 2 1
1 1
2
1 2 2
1 2
, 1
1 1 0
0 0
1
0 1 1
0 1
, 0
k k
k k k
k k
k
x x
x P
x x x
P x
x x P
x x
x P x x x
P x x x
P
x x
x P x x x
P x x x
P
33
Quest’ultima può essere generalizzata per ricorrenza, ottenendo la relazione ricorsiva seguente
Questo è il polinomio interpolante di grado k-i per (x
i, y
i), (x
i+1, y
i+1), …, (x
k, y
k).
Per k=n ed i=0, si ottiene così che il valore del polinomio interpolatore di grado n+1 nel punto x
sè
i k
k i
i k k
i i
k i
i
x x
x P
x x
x P
x x x
P
) ( )
( ) ( )
) (
(
1,..., , 1,...,( 1),..., 1 ,
)
,..., (
1 ,
0 n x s
P
34
) (
) (
) ( )
(
) ( )
(
) ( )
(
) ( )
(
3 2
1 0
3 3
3
23
123 2
2 2
0123 12
012 1
1 1
01 0
0 0
x P y
x
x P
x P
x P y
x
x P
x P
x P
x P y
x
x P
x P y
x
k
Il procedimento (Neville) può essere schematizzato come
segue
35
Introducendo la notazione
si trova la relazione
dove T
i,0=y
ie 1k i, i=0,1,…,n.
Il procedimento di Neville con la nuova notazione per il calcolo in un generico punto x
sdel valore del polinomio interpolante può essere schematizzato come segue.
k i i
i k
k
i
P
T
,
, 1,..., k i i
i k
i k
i k
i k
i
x x
x T x
T T
T
, 1(
, 1 1, 1)
,
36 30
3 3
31
32 20
2 2
33 21
22 10
1 1
11 00
0 0
3 2
1 0
T y
x
T
T T
y x
T T
T T
y x
T T
y x
k
Procedimento di Neville
Nell’implementazione
si opera su un unico
array T
37
Algoritmo di Neville
t(0)=y(0) for i=1:n t(i)=y(i)
for j=i-1:-1:0
t(j)=t(j+1)+(t(j+1)-t(j))*(x
s-x(i))/(x(i)-x(j)) end
end
f(x
s)=t(0)
38
Convergenza dell’interpolazione
È importante riuscire a stimare l’errore che si commette quando si approssima una funzione tramite un polinomio interpolatore: i risultati teorici seguenti danno delle indicazioni molto utili a tale scopo.
In generale, si utilizza il concetto di norma di funzione.
Ad esempio, la norma del massimo e la norma 1 sono
norme di funzioni usate in C[a,b], dove C[a,b] è l’insieme
di tutte le funzioni continue nell’intervallo chiuso [a,b].
39
Norma del massimo
Data una funzione f(x) C[a,b], si ha
| ) (
| max
||
) (
|| f x f x
b x a
Il valore massimo assunto dalla
funzione in [a,b] è la norma del massimo.
Tale valore esiste sempre (teorema del max di Weierstrass).
a b
40
Norma 1
Data una funzione f(x) C[a,b], si ha
dx x
f x
f b
a
| ( ) |
||
) (
|| 1
L’area del valore assoluto della
funzione è la norma 1.
41
Distanza associata alla norma del massimo
Date due funzioni f(x) e g(x) C[a,b], si ha
| ) ( )
(
| max
||
) ( )
(
||
) ,
( f g f x g x f x g x
dist
a x b
dist(f,g)=massima differenza in
valore assoluto
a b
42
Distanza associata alla norma 1
Date due funzioni f(x) e g(x) C[a,b], si ha
dx x
g x
f x
g x
f g
f
dist b
a
|| ( ) ( ) || | ( ) ( ) | )
,
( 1
dist(f,g)= misura della superficie tratteggiata
a b
f(x)
g(x)
43
Generalizzazione della norma 1 per funzioni La norma 2
Data una funzione f(x)C[a,b], con C[a,b] l’insieme di tutte le funzioni continue nell’intervallo [a,b], si ha
2 / 1 2
2 ( ( ))
||
) (
||
f x dx
x
f b
a
44
La norma p, per 1p< .
Si consideri l’insieme L
p([a,b]) di tutte le funzioni per cui l’integrale
esiste ed è finito (tale insieme è uno spazio lineare).
Data una funzione f(x)L
p([a,b]), la norma p di f(x) è data da
Osservazione: C[a,b] è strettamente contenuto in L
p([a,b]).
dx x
b f
a
| ( ) | p
b p
a
p
p f x dx
x f
/ 1
| ) (
|
||
) (
||
45
Teorema di Weierstrass
Sia f(x) una funzione continua su un intervallo limitato e chiuso [a,b]. Allora per ogni >0 esiste un intero n (dipendente da ), ed un polinomio P
n(x) di grado al più n tale che
con || · ||
la norma del massimo per funzioni.
( ) ||
)
(
|| f x P
nx
46
Il teorema afferma che l’insieme dei polinomi è denso in C[a,b] nella norma del massimo. Non fornisce però alcuna informazione sull’interpolazione polinomiale.
Osservazione
Il teorema di Weierstrass dimostra che l’insieme delle funzioni continue C[a,b] è separabile.
Infatti il teorema consente di concludere che l’insieme
dei polinomi 1, x, x
2, x
3, …. è chiuso (o completo) in
C[a,b].
47
La dimostrazione del teorema di Weierstrass fornisce un modo per costruire particolari polinomi (detti polinomi di Bernstein) che approssimano la funzione (la dimostrazione è quindi di carattere costruttivo).
Purtroppo il grado del polinomio approssimante, in generale, è molto elevato. Per esempio se si vuole approssimare la funzione (2-x)
-1per =0.2·10
-9si ottiene
10 9
n
48
Matrice di interpolazione (definizione)
Si chiama matrice di interpolazione sull’intervallo [a,b]
una matrice triangolare del tipo
con e gli elementi in ciascuna riga distinti.
Gli elementi di ciascuna riga, ognuno associato al corrispondente valore , rappresentano i j+1 nodi di interpolazione del polinomio interpolatore di grado j.
. .
. .
2 2 2
1 2
0
1 1 1
0 0 0
x x
x
x x
x
] , [ b a x
ij
j
x
ij
y
i49
n
nei punti della (n+1)-sima riga. Allora vale il seguente:
Teorema di Faber
Per ogni matrice di interpolazione in un intervallo limitato [a,b], esiste una funzione continua f(x) tale che P
n(f)(x) non converge uniformemente a f(x) per n, cioè tale che
Osservazione: f dipende dalla matrice di interpolazione.
0
||
) )(
( )
(
||
lim
f x P n f x
n
50
Osservazione
Il teorema di Faber consente di concludere che:
scelti i nodi di interpolazione, quando si vuole utilizzare
l’interpolazione polinomiale per approssimare funzioni
continue accade sempre che, per almeno una qualche
funzione particolare, pur aumentando i punti di
interpolazione (e quindi il grado del polinomio), la
distanza tra la funzione ed il polinomio non tende a
zero.
51
Non tutto è però cosi’ negativo… Vale infatti il seguente
Teorema
Se f(x) è una funzione continua su [a,b], si può scegliere
una matrice di interpolazione in modo tale che la
corrispondente successione di polinomi di interpolazione
converga uniformemente a f(x) su [a,b].
52
Osservazione
Segue dal precedente teorema che, se si deve approssimare
una funzione continua tramite un polinomio di
interpolazione, è sempre possibile scegliere in maniera
opportuna la matrice di interpolazione in modo tale che, al
crescere del numero dei nodi (e quindi del grado del
polinomio), la distanza tra la funzione ed il polinomio
interpolante tenda a zero. Si osservi che la matrice di
interpolazione non è fissata a priori (infatti vale anche il
Teorema di Faber…), ma dipende dalla particolare
funzione continua da approssimare.
53
Siano dati n+1 punti distinti, x
0, x
1, …,x
n, dell’intervallo chiuso e limitato [a,b] in R. Sia f(x) una funzione assegnata nello spazio C
n+1[a,b] e p(x) il polinomio di grado n tale che
Allora per ogni x[a,b] esiste un valore
x, con
x[min(x, x
0, x
1, …,x
n), max(x, x
0, x
1, …,x
n)] tale che
. ,..., 1
, 0 ),
( )
( x f x i n
p
i
i
) ( )
)...(
)(
)! ( 1 (
) 1 ( )
( )
( x x
0x x
1x x
nf
(n 1) xx n p x
f x
E
errore di interpolazione, ossia errore che si commette
approssimando il valore della funzione con il valore del polinomio
54
Corollario
Posto M
n+1=max
x[a,b]|f
(n+1)(x)|, un limite superiore del valore assoluto dell’errore di interpolazione E(x)=f(x)-p(x) risulta essere
Questa formula è molto utile per stimare, ad esempio, il numero di nodi necessari ad ottenere un errore di
interpolazione minore di una data tolleranza massima.
)!
1 ) (
(
| ) )....(
)(
( )! |
1
| ( ) (
|
1 1
1 0
1
n a M
b
x x
x x
x n x
x M E
n n
n
n
55
Sia f(x)=e
x. In tal caso, per ogni x[a,b], M
n+1= e
b.
Si ettiene che l’errore di interpolazione è maggiorato da
In questo caso si ha la convergenza uniforme poiché
b n
n n b
a
x e
n a b
n a M
b x
E ( 1 )!
) (
)!
1 ) (
(
| ) (
| max
1 1 1
] ,
[
)! 0 1 (
) lim (
| ) (
| max lim
1
] ,
[
b n
b n a
n x
e
n a x b
E
56
Esempio
Sia f(x)=|x| nell’intervallo [a,b]=[-1,1].
La matrice di interpolazione sia costituita da punti equidistanti. In tal caso, per n non si ha convergenza.
n=5
n=15
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0 0.2 0.4 0.6 0.8 1 1.2 1.4
polinomio interpolante funzione f(x)
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1
1.5
funzione f(x)
polinomio interpolante
57
-6 -4 -2 0 2 4 6
-0.5 0 0.5 1 1.5 2 2.5 3
-6 -4 -2 0 2 4 6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Sia f(x)=1/(1+x
2) nell’intervallo [-a,a], a>5. La matrice di interpolazione sia costituita da punti equidistanti. In tal caso, per n non si ha convergenza.
n=2
n=10
polinomio interpolante funzione f(x)
funzione f(x)
polinomio interpolante
58
Polinomi di Chebichev (definizione)
• Essi sono polinomi ortogonali in C[-1,1] rispetto alla seguente definizione di prodotto scalare
•Gli n+1 zeri di T
n+1(x) sono interni a (-1,1) e sono dati da
• I polinomi di Chebichev sono definiti mediante l’ortogonalità in [-1,1]. Si estendono a intervalli [a,b]
mediante traslazione e dilatazione.
) ( )
( 2
) (
; )
(
; 1 )
(
1 1
1 0
x T
x xT x
T
x x
T x
T
n n
n
[-1,1]
su continue
f(x) e
g(x) ,
) ( )
( )
1 (
2 / 1 1
1
2
f x g x dx
x
1 1,...n
i per )),
1 (
2 / )
1 2
cos((
,
1
i n
z
n i
59
Teorema (Bernstein)
Se f(x)C
1([a,b)], ovvero f(x) ha derivata prima continua nell’intervallo [a,b].
Allora il polinomio P
n(f) di grado n di interpolazione di f su nodi di interpolazione corrispondenti agli zeri del polinomio di Chebichev di grado n+1 converge uniformemente a f(x) su [a,b] per n, ossia
0
||
) )(
( )
(
||
lim
f x P n f x
n
60
Osservazione
Il polinomio P
n(f) di grado n di interpolazione di f sui nodi di Chebichev (ossia sui nodi di interpolazione corrispondenti agli zeri del polinomio di Chebichev di grado n+1), è il polinomio che interpola f(x) negli n+1 punti x
0, x
1, …,x
nseguenti
1 1,...n
i per )),
1 (
2 / )
1 2
cos((
2 / )]
( )
[(
, 1
1 , 1
n i
z
b a
z a b
x
i n
i n i
61
-6 -4 -2 0 2 4 6
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-6 -4 -2 0 2 4 6
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Sia f(x)=1/(1+x
2) nell’intervallo [-a,a], a>0. La matrice di interpolazione sia costituita da punti corrispondenti agli zeri dei polinomi di Chebichev. In tal caso, per n si ha convergenza uniforme.
n=3
n=11
polinomio interpolante funzione f(x)
funzione f(x)
polinomio interpolante
62