Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ANALISI NUMERICA
PROF. R. MORANDI
1
A1
APPROSSIMAZIONE
QUESTO PROBLEMA SI PONE QUANDO CONOSCIAMO
UNA GRANDEZZA SOLO ATTRAVERSO UN IN-
SIEME DISCRETO DEI SUOI VALORI
LA COSTRUZIONE DI UNA FUNZIONE A PARTIRE DA
UNA TABELLA DI DATI VIENE AFFRONTATA SECONDA
DUE APPROCCI
• DATI AFFETTI DA UN SENSIBILE ERRORE
I DATI VENGONO APPROSSIMATI “NEL LORO INSIEME”
⇒ MIGLIORE APPROSSIMAZIONE
• DATI ESATTI
SI CERCA UNA FUNZIONE CHE PASSA PER I PUNTI
⇒ INTERPOLAZIONE
2
A2
• POLINOMI
• FUNZIONI RAZIONALI
• FUNZIONI TRIGONOMETRICHE
• FUNZIONI POLINOMIALI A TRATTI
(FUNZIONI SPLINES)
3
A3
MIGLIORE APPROSSIMAZIONE
DATI (xi, fi), i = 1, . . . , n AFFETTI DA ERRORE
SI CERCA UNA FUNZIONE APPROSSIMANTE
CHE “SI ADATTI” ALL’ANDAMENTO DEI DATI
⇒
ABBIAMO BISOGNO DI UN CRITERIO CHE PERMETTA
DI QUANTIFICARE LA “BONTÀ” DELL’APPROSSIMAZIONE:
APPROSSIMAZIONE LINEARE
4
A4
5
A5
6
A6
POLINOMIO DI MIGLIORE
APPROSSIMAZIONE DI GRADO m > 1
∑n
min (fi − a0 − a1xi − a2x2i − · · · − amxm
i )
2
a0 ,a1 ,...,am
i=1
min S(a0, a1, . . . , am)
a0 ,a1 ,...,am
7
A7
→ min ∥E∥22
a0 ,a1 ,...,am
1 xn x2n · · · xm n
8
A8
((A)ij : elemento ij di A)
IL PROBLEMA LINEARE DEI MINIMI QUADRATI
PUÒ ASSUMERE LA FORMA SEGUENTE:
DETERMINARE z ∈ IR(n+1) TALE CHE
∥b − Az∥22 = minimo
N.B.
LE EQUAZIONI NORMALI POSSONO ESSERE
OTTENUTE CONSIDERANDO
AT Az = AT b
9
A9
METODO 2
NON SI RICORRE ALL’EQUAZIONI NORMALI, MA SI LA-
VORA SU A CON FATTORIZZAZIONE QR
10
A10
11
A11
⇒ { {
Qy = f y = QT f
Ax = f ⇐⇒ QRx = f
Rx = y Rx = y
-METODO STABILE
SIA x UN VETTORE CONTENENTE ERRORI E CALCOL-
IAMO LA SUA LUNGHEZZA, OVVERO ∥x∥2
SIA P UNA MATRICE ORTOGONALE CON CUI LAVO-
RIAMO SUL VETTORE x
SE ANDIAMO A VEDERE L’ EFFETTO DI P su x OTTE-
NIAMO
√ √
∥P x∥2 = x P P x = xT x = ∥x∥2
T T
12
A12
A = QR Q ORTOGONALE
R TRIANGOLARE SUPERIORE
(RICORDA LE MATRICI DEI MOLTIPLICATORI PER LA
FATTORIZZAZZIONE LU DI GAUSS
SE FOSSE POSSIBILE COSTRUIRE n−1 MATRICI ORTOG-
ONALI TALI CHE
Pn−1 . . . P2 P1 A = R, R TRIANGOLARE SUPERIORE
POTREMMO DEFINIRE
Q = (Pn−1 · · · P2 P1)T = P1P2 · · · Pn−1
CHE RISULTEREBBE ORTOGONALE (PRODOTTO DI MA-
TRICI ORTOGONALI)
⇒ QT A = R OVVERO A = QR
13
A13
14
A14
ESEMPIO
x x x x
x x x x
n=4 A=
x x x x
x x x x
k = 1, P1 = Pe4,4
x x x x
0 x x x
A1 = P 1 A =
0 x x x
0 x x x
k = 2, P2
1 0 0 0 x x x x
0 0 x x x
P2 = ; A2 = P2A1 =
0 Pe3,3 0 0 x x
0 0 0 x x
k = 3, P3
1 0 0 0 x x x x
0 1 0 0 0 x x x
P3 = ; P3A2 =
0 0 Pe2,2 0 0 x x
0 0 0 0 0 x
ESSENZIALE
P2 MODIFICA GLI ZERI INTRODOTTI DA P1? No
P3 MODIFICA GLI ZERI INTRODOTTI DA P1 E DA P2? No
15
A15
SCOMPONIAMO IL VETTORE b
[ ]
b1 CON b1 DI DIMENSIONE (m + 1)
b=
b2 E b2 DI DIMENSIONE n − (m + 1)
e E eb I TRASFORMATI DI A E b
INDICHIAMO CON A
MEDIANTE QT [ ]
eb1
e T e T e
A = Q A ; b = Q b, b = e
b2
16
A16
∥b − Az∥2 = minimo
∥b − Az∥2 = ∥Q T
(b − Az)∥ = ∥eb − Az∥
e 2
2
e
b1 − Rz
=
e
b2
2
DETERMINARE z IN MODO DA MINIMIZZARE
∥b − Az∥2 EQUIVALE A DETERMINARE z TALE
CHE
Rz = eb1
IN QUESTO CASO IL SUO VALORE MINIMO È ∥eb2∥2
IL PROBLEMA DEI MINIMI QUADRATI È RI-
CONDOTTO ALLA RISOLUZIONE DI UN SIS-
TEMA TRIANGOLARE SUPERIORE
17
A17
MATRICI DI TRASFORMAZIONE DI
HOUSEHOLDER
SIA v ∈ IRq , v ̸= 0
T
2vv
Pe = I − T , I ∈ IRq×q
v v
PROPRIETÀ DI Pe
(2vv T )T
SIMMETRIA : P = I − T T = PeeT
(v v)( )( )
T T
2vv 2vv
ORTOGONALITÀ : PePeT = PePe = I − T I− T =
v v v v
2vv T 2vv T 4vv T vv T
=I− T − T + T T =
v v v v v vv v
T T
4vv 4vv
=I− T + T =I
v v v v
[ ]
I 0
P = n−q
HA LE STESSE PROPRIETÀ DI Pe
0 Pe q
n−q
18
A18
v =x+
( αe1 )
T
e 2vv 2vv T x
Px = I − T x = x − T = αe1
v v v v
v T v = (x + αe1)T (x + αe1) = xT x + 2αx1 + α2
v T x = (x + αe1)T x = xT x + αx1
e 2vv T x 2v T x 2v T x
P x = x − T = x − T v = x − T (x + αe1)
v v v v v v
T T
2v x 2v x
= x − T x − T αe1
( T v v T )v v
v v − 2v x 2v T x
= x − T αe1
vT v v v
v T v − 2v T x = xT x + 2αx1 + α2 − 2xT x − 2αx1 = 0
SE α2 = xT x ⇒ α = ±∥x∥2
19
A19
e 2v T x xT x + αx1
P x = − T αe1 = −2α T e1
v v x x + 2αx1 + α2
α2 + αx1 α2 + αx1
= −2α 2 e1 = −2α e1 =
α + 2αx1 + α2 2(α2 + αx1)
= −αe1
⇒
v = x ± ∥x∥2e1
e 2vv T
P = I− T ⇒ Pex = ±∥x∥2e1
v v
SIA x ∈ IR ⇒n
x1
[ ] ...
I 0
P = ; x = x
0 Pe
n−q
..
.
xn
x1
...
x
n−q √
P x = −α α = ± x2n−q+1 + · · · + x2n
0
.
..
0
N.B
PER EVITARE ERRORI DI CANCELLAZIONE IN
v = x ± ∥x∥2e1
SI PRENDE α = sgn(x1)∥x∥2
20
A20
ESEMPIO
SIA x = [4, 7, 4]T
COSTRUIAMO
y1
2vv T
P = I − T TALE CHE P x = y = y1e1 = 0
v v
0
SCEGLIAMO v = x ± αe1
v = x ± ∥x∥2e1
v1 = x1 ± ∥x∥2
v2 = x2
v3 = x3
√ √
∥x∥2 = 16 + 49 + 16 = 81 = 9
v1 = 4 ± 9 ; v1 = 13
⇒ v2 = 7 ; v2 = 7 ∥v∥22 = v T v = 132 +72 +42 = 234
v3 = 4 ; v3 = 4
1 0 0 13 [13 7 4]
2vv T 2
P = I − T = 0 1 0 − 7 =
v v 234
0 0 1 4
1 0 0 13 13 · 7 13 · 4
2
1
= 0 1 0 − 7 · 13 72 7 · 4 =
117
0 0 1 4 · 13 4 · 7 42
21
A21
1 0 0 169 91 52
1
P = 0 1 0− 91 49 28
117
0 0 1 52 28 16
−52 −91 −52
1
P = −91 68 −28
117
−52 −28 101
−52 −91 −52 4
1
Px = −91 68 −28 7 =
117
−52 −28 101 4
−1059 −9
1
= 0 = 0
117
0 0
n = 3; q = n = 3
√ √
α = ± x21 + x22 + x23 = ± 81 = ±9
x1 = 4 ⇒ α = +9 CANCELLAZIONE
−α −9
Px = 0 = 0
0 0
22
A22
SUPPONIAMO ORA
n = 3, q = 2
x = [4, 7, 4], P x → [4, ?, 0]
↑
COSTRUIAMO
[ ] 1 0 0
I 0 n−q
P = e q
⇒ P =0
0 P
0 P̄2×2
n−q q
√ √ √
α = ± x2 + x3 = ± 49 + 16 = ± 65 = 8.0622577
2 2
⇒ α = +8.0622577
x1 4
P x = −α = −8.0622577
0 0
COSTRUIAMO Pe
T T
2vv 2vv
Pe = I − T = I −
v v ∥v∥22
√
v = [v1, v2]T v1 = x2 + 65 = 7 + 8.0622577
v2 = x3 =4
v = [15.0622577, 4]
23
A23
∥v∥22 = 242.87159
2
= 121.435795
∥v∥22
[ ] [ ]
1 0 1 15.0622577 [15.0622577 4]
Pe = − =
0 1 121.435795 4
[ ] [ ]
1 0 1 226.87159 60.249028
= − =
0 1 121.435795 60.249028 16
[ ]
1 −105.43802 −60.249028
=
121.435795 −60.249028 105.43579
1 0 0
P = 0 −0.8682614 −0.4961389
0 −0.4961389 0.8682431
4 4
Px = P 7 = −8.0622496
4 ≃ 1.10−7
24
A1
INTERPOLAZIONE
INTERPOLAZIONE POLINOMIALE
SE SCEGLIAMO I POLINOMI ABBIAMO L’ INTERPOLAZIONE
POLINOMIALE, CIOÈ
DATI I PUNTI (xi, fi), i = 1, . . . , n NON AFFET-
TI DA ERRORE SI CERCA UN POLINOMIO DI
GRADO MASSIMO n
∑
n
Pn(x) = αj x j
j=0
TALE CHE
∑
n
Pn(xi) = αj xji = fi, i = 0, . . . , n
j=0
26
A3
INTERPOLAZIONE POLINOMIALE
ASSEGNATI I CINQUE PUNTI
(x0, f0) = (1, 2) (x1, f1) = (2, 3) (x2, f2) = (3, 4)
LA CUI SOLUZIONE È
a0 = 1, a1 = 1, a2 = 0, a3 = 0, a4 = 0.
• IL DETERMINANTE DELLA MATRICE DEI COEFFICI-
ENTI È 288 ⇒
• LA SOLUZIONE DEL SISTEMA ESISTE ED È UNICA
ED È [1 1 0 0 0]t ⇒
• IL POLINOMIO INTERPOLANTE È P1(x) = x + 1
• IL VALORE DEL CONDIZIONAMENTO DI A È DELL’
ORDINE DI 104
27
A4
CIOÈ
∏n
i̸=j (x − xi )
lj (x) = ∏n
i=1,
28
A5
29
A6
Aj DD DI ORDINE j
ωj (x) = (x − x0)(x − x1) · · · (x − xj−1) j > 0
def
ω0(x) = 1
IN GENERALE
Pn+1(x) = Pn(x)+(x−x0)(x−x1) · · · (x−xn)f [x0, x1, . . . , xn, xn+1]
30
A7
fi
AI VALORI PERTURBATI
f˜i = fi(1 + ϵi), i = 0, 1, . . . , n
31
A8
N.B.
Λn DIPENDE DA n E DAI PUNTI FONDAMEN-
TALI x0, x1, . . . , xn
=⇒
ALCUNE SCELTE DI QUESTE ASCISSE POSSONO PORTARE
AD UN PROBLEMA DI INTERPOLAZIONE BEN CONDIZION-
ATO ED ALTRE AD UN CATTIVO CONDIZIONAMENTO
33
A10
34
A11
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
2 2
1.5
1.5
1
0.5 1
0 0.5
−0.5
0
−1
−1.5 −0.5
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
2 2
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
2 2
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
36
A12
1.5 1.5
1 1
0.5 0.5
0 0
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
2 2
1.5 1.5
1 1
0.5 0.5
0 0
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
37
A13
38
A13
FUNZIONI SPLINES
SIANO DATI
UN INTERVALLO [a, b] E n + 2 PUNTI a = y0 < y1 < y2 <
. . . < yn < yn+1 = b
SI DEFINISCE FUNZIONE SPLINE DI GRADO m E no-
di y0, y1, . . ., yn+1 UNA FUNZIONE CHE SODDISFA LE
PROPRIETÀ:
Sm,y ∈ Pm, per x ∈ Ii, i = 0, 1, . . . , n,
Sm,y ∈ C m−1[a, b]
QUINDI IN OGNUNO DEI NODI INTERNI y1, y2, . . . , yn DE-
VONO VALERE LE CONDIZIONI DI RACCORDO PER LA
FUNZIONE E LE SUE DERIVATE
(j)
lim Sm,y (j)
(x) = lim Sm,y (x), per j = 0, . . . , m − 1,
x→yi− x→yi+
39
A14
FUNZIONI SPLINES
DOBBIAMO TROVARE m+n+1 BASI βk (x), k = 0, · · · , m+n
PER POTER SCRIVERE L’ ESPRESSIONE DI UNA SPLINE
∑
m+n
Sm,y = ck βk (x)
i=0
40
A15
FUNZIONI SPLINES
ANALOGAMENTE IN [y0, y3] SI AGGIUNGE c2P̃˜ (x)
E LA SPLINE SARÀ RAPPRESENTATA IN [y0, y3] COME
S (x) = P (x) + c P̃ (x) + c P̃˜ (x)
m,y m 1 2
CON {
0
def x ≤ yi
(x − yi)m
+ =
(x − yi)m x > yi
CHE PRENDE IL NOME DI POTENZA TRONCATA DI
GRADO m RELATIVA A yi
N.B.
SONO PRESENTI SIA LA COMPONENTE POLINOMIALE
SIA LA COMPONENTE LEGATA AI NODI INTERNI DEL-
LA SPLINE ( I NODI ESTREMI y0 = a e y3 = b NON FIGU-
RANO PERCHÈ IL PRIMO E L’ ULTIMO PEZZO DI POLI-
NOMIO NON DEVONO ESSERE VINCOLATI DA RACCOR-
DI DAL MOMENTO CHE I LORO CONTIGUI SONO FUORI
DALL’ INTERVALLO ASSEGNATO)
41
A16
FUNZIONI SPLINES
GENERALIZZANDO QUANTO SOPRA AL CASO DI n NO-
DI INTERNI, POSSIAMO SCRIVERE LA SPLINE NELLA
FORMA
∑
m ∑
n
Sm,y (x) = ai x i
+ ci(x − yi)m
+
i=0 i=1
1 1
data 1
spline
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
42
A17
FUNZIONI SPLINES
• PER RISOLVERE UN PROBLEMA DI INTERPOLAZIONE
MEDIANTE SPLINES È NECESSARIO RICORRERE AL-
LA RISOLUZIONE DEL SISTEMA LINEARE CHE DERI-
VA DALLE IMPOSIZIONI DELLE CONDIZIONI DI IN-
TERPOLAZIONE
• SIAMO ARRIVATI ALLA DEFINIZIONE DELLA SPLINE
PER OVVIARE AGLI INCONVENIENTI RISCONTRATI
NELL’ INTERPOLAZIONE QUANDO IL GRADO DEL
POLINOMIO INTERPOLANTE DIVENTA GRANDE, MA
UNA FUNZIONE SPLINE PUÒ ESSERE USATA SIA NEL-
L’ AMBITO DELL’ INTERPOLAZIONE CHE NELL’ AM-
BITO DELLA MIGLIORE APPROSSIMAZIONE
43
A18
FUNZIONI SPLINES
LA BASE DELLE POTENZE TRONCATE È
LA BASE STORICA DELLE SPLINES
VANTAGGI
44
A19
FUNZIONI SPLINES
ESEMPIO DI MAL CONDIZIONAMENTO
SIANO ASSEGNATI I PUNTI
x0 = 1 x1 = 2 x2 = 3 x3 = 4 x4 = 5
f0 = 2 f1 = 3 f2 = 4 f3 = 5 f4 = 6
VOGLIAMO LA SPLINE LINEARE INTERPOLANTE I DATI
E DI NODI x0, x1, x2, x3, x4
∑
1
S1,y (x) = ai x i + c1(x − 2)+ + c2(x − 3)+ + c3(x − 4)+
i=0
45
A20
FUNZIONI SPLINES
N.B.
I PROBLEMI 2) E 3) SONO DOVUTI AL FATTO CHE LE
POTENZE TRONCATE A PARTIRE DAL NODO SONO POLI-
NOMI DI GRADO m
QUINDI
SONO DEFINITE SU TUTTO L’ INTERVALLO (NON HAN-
NO SUPPORTO LOCALE )
QUESTO COMPORTA ANCHE CHE OGNI MODIFICA/VARIAZIONE
EFFETTUATA SUI PUNTI CREA VARIAZIONI GLOBALI
16
14
12
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4
46
A21
SPLINES CUBICHE
IN PARTICOLARE
47
A22
48
A23
SPLINE NATURALE
AD ESEMPIO:
49
A24
50
A25
zi+1 zi
s′′i (x) =
(x − xi) + (xi+1 − x).
hi hi
(ABBIAMO SCRITTO L’EQUAZIONE DELLA RETTA
CHE PASSA PER I DUE PUNTI (xi, zi) e (xi+1, zi+1))
zi+1 zi
si(x) = (x−xi)3 + (xi+1 −x)3 +Ci(x−xi)+Di(xi+1 −x),
6hi 6hi
LE COSTANTI DI INTEGRAZIONE Ci E Di PER OGNI i
SONO DETERMINATE IMPONENDO LE CONDIZIONI
DI INTERPOLAZIONE
fi+1
Ci = hi − h6i zi+1
Di = fi
hi − h6i zi.
(ANCORA I VALORI zi e zi+1 SONO INCOGNITI)
51
A26
52
A27
d1 h1 0 0 ... 0
h
1 d2 h2 0 ... 0
0
h2 d3 h3 ... 0
A = ..
.
0 . . . 0 hn−3 dn−2 hn−2
0 ... 0 0 hn−2 dn−1
CON di = 2(hi−1 + hi), per i = 1, 2, . . . , n
QUESTA MATRICE HA UNA STRUTTURA MOLTO PAR-
TICOLARE:
È TRIDIAGONALE E SIMMETRICA E A PRE-
DOMINANZA DIAGONALE
53
A28
54
A29
3 3
2 2
1 1
0 0
−1 −1
−4 −2 0 2 4 −4 −2 0 2 4
4 4
3 3
2 2
1 1
0 0
−1 −1
−4 −2 0 2 4 −4 −2 0 2 4
55
A30
56
A31
57
A32
FUNZIONI B-SPLINES
LE POTENZE TRONCATE SONO BASI A SUPPORTO NON
LOCALE
ABITUALMENTE SI PREFERISCE UNA FORMULAZIONE
ALTERNATIVA, CIOÈ UNA BASE LOCALE CHE È FORNI-
TA DALLE B-SPLINES
SI COSTRUISCONO PER RICORRENZA A PARTIRE DA
UN’ OPPORTUNA SPLINE DI GRADO 0
IN PARTICOLARE LA i-ESIMA BASE DI GRADO 0 È DEFINI-
TA {
def 1 yi ≤ x < yi+1
Bi,0(x) =
0 altrimenti
LA i-ESIMA BASE DI GRADO 1 È DEFINITA
x − yi yi+2 − x
Bi,1(x) = Bi,0(x) + Bi+1,0(x)
yi+1 − yi yi+2 − yi+1
LA i-ESIMA BASE DI GRADO 2 È DEFINITA
x − yi yi+3 − x
Bi,2(x) = Bi,1(x) + Bi+1,1(x)
yi+2 − yi yi+3 − yi+1
E COSÌ PER RICORRENZA LA i-ESIMA BASE DI GRADO
k
x − yi yi+k+1 − x
Bi,k (x) = Bi,k−1(x) + Bi+1,k−1(x)
yi+k − yi yi+k+1 − yi+1
58
A33
FUNZIONI B-SPLINES
B-SPLINES STA PER BELL- SPLINES (FORMA A CAM-
PANA)
INFATTI
x − yi yi+3 − x
Bi,2(x) = Bi,1(x) + Bi+1,1(x)
yi+2 − yi yi+3 − yi+1
PER DEFINIZIONE IN [yi, yi+1) ABBIAMO
x − yi
Bi,2(x) = Bi,1(x)
yi+2 − yi
IN [yi, yi+1) ABBIAMO
x − yi
Bi,1(x) =
yi+1 − yi
E QUINDI
x − yi x − yi
Bi,2(x) = ×
yi+2 − yi yi+1 − yi
OVVERO
(x − yi)2
Bi,2(x) =
(yi+2 − yi)(yi+1 − yi)
QUINDI UNA QUADRATICA CON LA CONCAVITÀ RIVOL-
TA VERSO L’ ALTO
ANALOGAMENTE SI PUÒ VEDERE CHE IN [yi+1, yi+2) LA
CONCAVITÀ È RIVOLTA VERSO IL BASSO E IN [yi+2, yi+3)
LA CONCAVITÀ È RIVOLTA VERSO L’ ALTO TUTTE LE
BASI PARTONO DA ZERO ED ARRIVANO A ZERO
59
A34
FUNZIONI B-SPLINES
CONSIDERIAMO I SUPPORTI DELLE BASI
GRADO 0
{
def 1 yi ≤ x < yi+1
Bi,0(x) =
0 altrimenti
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 1.5 2 2.5 3 3.5 4 4.5 5
60
A35
FUNZIONI B-SPLINES
LA B-SPLINES QUADRATICA COINVOLGE 4 NODI
[yi, yi+1, yi+2, yi+3]
INFATTI L’ESPRESSIONE È
x − yi yi+3 − x
Bi,2(x) = Bi,1(x) + Bi+1,1(x)
yi+2 − yi yi+3 − yi+1
QUINDI IN UN PUNTO GENERICO SONO ATTIVE TRE B-
SPLINES QUADRATICHE
IN UN PUNTO GENERICO SONO ATTIVE QUATTRO B-
SPLINES CUBICHE
GENERALIZZANDO IN UN PUNTO GENERICO SONO AT-
TIVE (p + 1) B-SPLINES DI GRADO p
61
A36
FUNZIONI B-SPLINES
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−5 0 5 10
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−5 0 5 10
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−5 0 5 10
62
A37
FUNZIONI B-SPLINES
CONCLUDENDO:
SE VOGLIAMO ESPRIMERE UNA SPLINE DI GRADO m
E n NODI INTERNI CON LA BASE DELLE B-SPLINES LA
SCRIVIAMO
∑
n
Sm,y = ciBi,m
i=−m
N.B.
IL PRIMO INDICE DELLA SOMMATORIA È −m
AD ESEMPIO CONSIDERIAMO m = 2
LA PRIMA BASE CHE LAVORA SULL’INTERVALLO [y0, y1]
PARTE DAL NODO y−2 (IL SUPPORTO È FATTO DA 4 NO-
DI)
=⇒ AGGIUNTA DI NODI AUSILIARI
N.B.
• LA SPLINE LINEARE INTERPOLANTE I DATI E DI
NODI x0, x1, x2, x3, x4 ESPRESSA IN TERMINI DI B-SPLINES
SI OTTIENE RISOLVENDO UN SISTEMA DIAGONALE
• AUMENTANDO IL GRADO DELLA SPLINES OTTENI-
AMO UN SISTEMA CON MATRICI A BANDA
• SI PUÒ DIMOSTRARE CHE LA MATRICE DEI COEF-
FICIENTI È BEN CONDIZIONATA
• OGNI MODIFICA/VARIAZIONE EFFETTUATA SUI PUN-
TI CREA VARIAZIONI LOCALI DAL PUNTO DI VISTA
VISIVO E COMPUTAZIONALE
63
A38
FORMULE DI QUADRATURA
PROBLEMA:
CALCOLO APPROSSIMATO DI
∫ b
I[f ] = f (x)dx , f (x) INTEGRABILE SU [a, b]
a
⇒
SI CERCANO METODI NUMERICI IN GRADO
DI FORNIRE UNA APPROSSIMAZIONE DI UN
INTEGRALE IN TERMINI DI UN NUMERO FINI-
TO DI VALORI DELLA FUNZIONE INTEGRAN-
DA
⇒ SUPPONIAMO DI CONOSCERE (O DI POTER
VALUTARE) LA FUNZIONE INTEGRANDA f (x)
IN PUNTI {xi} (SCELTI O PREFISSATI), DISTIN-
TI IN [a, b]
COSTRUIAMO FORMULE DEL TIPO
∫ b ∑
n
f (x)dx ∼
= wif (xi)
a i=0
{xi} = NODI DELLA FORMULA DI QUADRATU-
RA
{wi} = PESI DELLA FORMULA DI QUADRATU-
RA
IDEA IMMEDIATA:
APPROSSIMARE f (x) CON IL POLINOMIO IN-
TERPOLANTE LA FUNZIONE NEI NODI {xi} DI
GRADO n
64
A39
FORMULE DI QUADRATURA
ESEMPIO CON UN PUNTO: ( a+b
2 , f ( a+b
2 ))
SOSTITUIAMO ALLA FUNZIONE IL POLINOMIO INTER-
POLANTE DI GRADO 0 CHE PASSA PER IL PUNTO DATO
f(b)
f((a+b)/2) ∫ b
a+b
f (x)dx ≃ (b−a)f ( )
a 2
f(a)
a (a+b)/2 b
f(b)
∫ b
b−a
f (x)dx ≃ [f (b) + f (a)]
a 2
f(a)
a b
65
A40
FORMULE DI QUADRATURA
ESEMPIO CON TRE PUNTI:
(a, f (a))
(b, f (b))
( a+b a+b
2 , f ( 2 ))
SOSTITUIAMO ALLA FUNZIONE IL POLINOMIO INTER-
POLANTE DI GRADO 2 CHE PASSA PER I PUNTI DATI
∫ b [ ]
h a+b
f (x)dx ≃ f (a) + 4f ( ) + f (b) , h = (b − a)
a 6 2
h 4h
w0 = 6 w1 = 6
h
w2 = 6
REGOLA DI SIMPSON
66
A41
1 ′′
FORMULA DEI TRAPEZI R1 = − 12 f (η)(b − a)3
( b−a )5
FORMULA DI SIMPSON R2 = − 90
1 iv
f (θ) 2
(9)
DOVE ξ, η E θ SONO PUNTI INTERNI AD [a, b].
67
A42
⇒
∫ b ∫ b∑
n ∫ b
f (x)d(x) = li(x)f (xi)dx + En(f ; x)dx
a a i=0 a
∑
n ∫ b ∫ b
= f (xi) li(x)dx + En(f ; x)dx
i=0 | a {z } | a {z }
wi Rn (x)
∫ b ∑
n
f (x)dx = wif (xi) + Rn(x)
a i=0
68
A43
GRADO DI PRECISIONE
PER CONFRONTARE IL “GRADO DI ACCURATEZZA” DELLE
FORMULE DI QUADRATURA SI PUÒ USARE IL GRADO
DI PRECISIONE
69
A44
70
A45
FORMULE COMPOSTE
IDEA: SI DIVIDE L’INTERVALLO DI INTEGRAZIONE [a, b]
IN m SOTTOINTERVALLI DI AMPIEZZA UGUALE h̄
b−a
h̄ =
m
⇒
∫ b ∑ ∫ yi+1
m−1
f (x)dx = f (x)dx , yi = a + ih̄, i = 0, . . . , m
a i=0 yi
b−a
y0 = a , ym = a + m ·
=b
m
ALLORA SCELTA UNA FORMULA DI BASE, VIENE
APPLICATA AD OGNI SOTTOINTERVALLO
SIA Q(yi, yi+1, f ) LA FORMULA DI QUADRATURA APPLI-
CATA ALL’INTERVALLO [yi, yi+1]
ABBIAMO ∫ b ∑
m−1
f (x)dx ≃ Q(yi, yi+1, f )
a i=0
71
A46
FORMULE COMPOSTE
LE FORMULE COMPOSTE PIÙ USATE SONO QUELLE DEI
TRAPEZI E DI SIMPSON
CON NODI
h̄ h̄
x0 , x1 , x2 IT = [f (x0) + f (x1)] + [f (x1) + f (x2)]
2 2
IN GENERALE
h̄ ∑ m−1
IT = [f (a) + 2 f (a + ih̄) + f (b)]
2 i=1
72
A47
FORMULE COMPOSTE
200 200
180 180
160 160
140 140
120 120
100 100
80 80
60 60
1 2 3 4 5 1 2 3 4 5
∫5
Figura 11: APPROSSIMAZIONE DI 1 (6x3 − 42x2 + 100x + 6sin(x))dx: FORMULE
COMPOSTE DI TRAPEZI E SIMPSON CON 5 NODI
73
A48
n IT |RT | IS |RS |
1 1.000000000000000 5.71e−01 1.666666666666667 9.59e−02
2 1.500000000000000 7.08e−02 1.566666666666667 4.13e−03
4 1.550000000000000 2.08e−02 1.570784313725490 1.20e−05
8 1.565588235294118 5.21e−03 1.570796251229353 7.56e−08
16 1.569494247245545 1.30e−03 1.570796325612411 1.18e−09
32 1.570470806020695 3.26e−04 1.570796326776418 1.85e−11
64 1.570714946587486 8.14e−05 1.570796326794607 2.89e−13
128 1.570775981742828 2.03e−05 1.570796326794892 4.22e−15
∫ 1
1
2
dx ≃ 1.570796326794897.
−1 1 + x
L’ERRORE DELLA FORMULA DI SIMPSON DIMINUISCE
MOLTO PIÙ VELOCEMENTE DI QUELLO RELATIVO AL-
LA FORMULA DEI TRAPEZI
SE LA FUNZIONE f È SUFFICIENTEMENTE REGOLARE
POSSIAMO SFRUTTARE LE ESPRESSIONI DEGLI ERRORI
RELATIVI ALLE FORMULE DI BASE DATE IN PER DE-
TERMINARE QUELLE DI RT E RS
1 2
h (b − a)f ′′(η).
RT = − (10)
12
1 4
RS = − h (b − a)f iv (θ) (11)
180
PER h CHE TENDE A ZERO SIA RT CHE RS TENDONO A
ZERO, MA CON DIVERSE VELOCITÀ: RT È UN O(h2) E RS
È UN O(h4) PER QUESTO, E PER LA SUA SEMPLICITÀ,
LA FORMULA DI SIMPSON È ALLA BASE DELLE PRO-
CEDURE DI INTEGRAZIONE NUMERICA PIÙ COMUNE-
MENTE USATE, DISPONIBILI AD ESEMPIO IN MATLAB
74
A49
∫ 2π
I1[f ] = cos2(x)esin(2x)dx ≃ 3.977463167069391
0
E ∫ 1
I2[f ] = cos2(x)esin(2x)dx ≃ 1.429777357029912,
0
AL CRESCERE DI n R1,T DIMINUISCE MOLTO PIÙ VELO-
CEMENTE DI QUANTO SUGGERIREBBE L’ESPRESSIONE
DELL’ ERRORE
L’ERRORE DELLA FORMULA COMPOSTA DEI TRAPEZI
VA A ZERO PIÙ VELOCEMENTE CON h QUANDO LA
FUNZIONE INTEGRANDA È PERIODICA E L’INTERVAL-
LO DI INTEGRAZIONE COINCIDE CON L’INTERO PERI-
ODO (FONDAMENTALE)
75
A50
CONVERGENZA
AFFINCHÈ UNA FORMULA DI QUADRATURA DEFINIS-
CA UNA “BUONA” DISCRETIZZAZIONE DELL’ INTEGRALE
È NECESSARIO CHE
∑
n ∫ b
lim wif (xi) = f (x)dx
n→∞ a
i=0
k COSTANTE INDIPENDENTE DA n
• LA CONVERGENZA È GARANTITA SE
wi ≥ 0 ∀ i
76
A51
STABILITÀ
SUPPONIAMO CHE SIA, A CAUSA DEGLI ERRORI DI AR-
ROTONDAMENTO
fei = fe(xi) = fl(f (xi)) = f (xi) − ρi
∫ b
SIA I[f ] = f (x)dx
a
∑
n
In+1[f ] = wif (xi)
i=0
En+1 = I[f ] − In+1[f ]
L’ ERRORE EFFETTIVAMENTE COMMESSO È
DATO DA
∑
n
en+1 = I[f ] − Ien+1[f ] = I[f ] −
E wife(xi)
i=0
∑
n ∑
n
= I[f ] − wif (xi) + ρiwi
i=0 i=0
⇒
∑
n
en+1 = En+1 +
E ρiwi
i=0
77
A52
STABILITÀ
NOTIAMO CHE
∑
n ∑n ∫ b
wi = wi · 1 = 1dx (FORMULA DI GRADO 0)
i=0 i=0 a
∑n
wi = b − a
i=0
n
∑
STIMIAMO ρiwi
i=0
n
∑ ∑ n ∑
n ∑
n
ρiwi ≤ |ρiwi| = |ρi||wi| ≤ ρ |wi|
i=0 i=0 i=0 i=0
SE wi > 0, i = 0, . . . , n
∑
n ∑
n
|wi| = wi = b − a
i=0 i=0
⇒
∑n
ρiwi ≤ ρ(b − a)
i=0
QUINDI SE I COEFFICIENTI SONO POSITIVI
ABBIAMO UN CONTENIMENTO DEGLI ERRORI
QUINDI LE FORMULE SONO STABILI
QUINDI LE FORMULE COMPOSTE SONO STA-
BILI
78
A53
ESTRAPOLAZIONE DI RICHARDSON
LE ESPRESSIONI DEGLI ERRORI VISTE HANNO VALID-
ITÀ SOLTANTO TEORICA PERCHÉ DIPENDONO DA UNA
DERIVATA DELLA FUNZIONE INTEGRANDA: SE ANCHE
SI PUÒ CALCOLARE AGEVOLMENTE NON SI AVREBBE
IDEA DEL PUNTO IN CUI CALCOLARLA
79
A54
ESTRAPOLAZIONE DI RICHARDSON
QUESTA STRATEGIA PUÒ ESSERE MIGLIORATA UTILIZ-
ZANDO UNA TECNICA NOTA COME ESTRAPOLAZIONE
DI RICHARDSON CHE, DATI I1 E I2, PERMETTE ANCHE
DI STIMARE L’ERRORE ASSOCIATO A I2 IN MODO AB-
BASTANZA ACCURATO
80
A55
ESTRAPOLAZIONE DI RICHARDSON
IPOTESI DI LAVORO: f ′′ NON VARIA TROPPO IN [a, b]
QUINDI −→ f ′′(η1) ≃ f ′′(η2)
POSSIAMO SCRIVERE
1
RT,h/2 ≃ RT,h
4
CONSIDERIAMO
1 1 1
RT,h/2 ≃ (I[f ]−IT,h+IT,h/2−IT,h/2) = RT,h/2+ (IT,h/2−IT,h)
4 4 4
E QUINDI
IT,h/2 − IT,h
RT,h/2 ≃
3
81
A56
ESTRAPOLAZIONE DI RICHARDSON
UTILITÀ DELLA RELAZIONE PRECEDENTE:
• FORNISCE UNA STIMA EFFETTIVAMENTE CALCO-
LABILE DELL’ERRORE COMMESSO CON PASSO h/2
• FORNISCE UN’ALTRA APPROSSIMAZIONE I¯T DELL’IN-
TEGRALE
•
IT,h/2 − IT,h
RT,h/2 = I[f ] − IT,h/2 ≃
3
DA CUI
IT,h/2 − IT,h
I[f ] ≃ IT,h/2 +
3
E QUINDI
IT,h/2 − IT,h
ĪT = IT,h/2 +
3
È UN’ ALTRA APPROSSIMAZIONE
82
A57
83
A58
ESTRAPOLAZIONE DI RICHARDSON
L’ESTRAPOLAZIONE DI RICHARDSON PUÒ ESSERE UTI-
LIZZATA ANCHE A PARTIRE DALLA FORMULA COM-
POSTA DI SIMPSON IN MODO ANALOGO A QUANTO
FATTO PER LA FORMULA COMPOSTA DEI TRAPEZI
INFATTI OTTENIAMO
IS,h/2 − IS,h
RS,h/2 ≃
15
E
IS,h/2 − IS,h
I¯S = IS,h/2 +
15
84
A59
CENNO:FORMULE ADATTATIVE
LE FORMULE COMPOSTE CON SUDDIVISIONE UNIFORME
DELL’ INTERVALLO DI INTEGRAZIONE SONO ORMAI SU-
PERATE TRANNE IN CASI PARTICOLARISSIMI (FUNZIONI
PERIODICHE, REGOLA DEI TRAPEZI)
SI USANO LE FORMULE DI TIPO ADATTATIVO
QUANDO LA FUNZIONE INTEGRANDA f (x) PRESENTA
DELLE “IRREGOLARITÀ” C’È LA NECESSITÀ DI ADDEN-
SARE I NODI NELLE VICINANZE DELLE “IRREGOLAR-
ITÀ”
MA
CON LA SUDDIVISIONE UNIFORME DELLE FORMULE
COMPOSTE VISTE VIENE IMPOSTO LO STESSO ADDEN-
SAMENTO IN TUTTO L’ INTERVALLO [a, b] ANCHE IN
QUELLE ZONE DOVE È DEL TUTTO SUPERFLUO
NELLE STRATEGIE DI TIPO ADATTATIVO L’ INTERVAL-
LO [a, b]
• VIENE SUDDIVISO IN SOTTOINTERVALLI DI
AMPIEZZA DIVERSA
• VIENE APPLICATA UNA FORMULA DI BASE
(NON CON MOLTI NODI) ADDENSANDO I
NODI LÀ DOVE LA f (x) PRESENTA “IRRE-
GOLARITÀ”, E COLLOCANDO POCHI NODI
DOVE f (x) È “REGOLARE”
85
A60
Plot of the function HUMPS(x)
100
CENNO:FORMULE ADATTATIVE
90
80
70
60
50
40
30
20
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
86
A61
87
A62
88
A63
PROBLEMI
89
A64
90
A65
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
91
A66
92
A67
93
A67
94
A67
CON CONDIZIONI
y1(a) = y1,0
...
yn(a) = yn,0
′
PONENDO z1(t) = y(t), z2(t) = y (t), ..., zn(t) = y n−1(t) ⇒
′
z (t) = z2(t)
1
...
′
z (t) = zn(t)
n−1
z (t) = f (t, z (t), z (t), ..., z (t))
′
n 1 2 n
CON CONDIZIONI
z1(a) = y1,0
...
zn−1(a) = yn−1,0
z (a) = y
n n,0
95
A67
ESEMPIO
′′ ′
y (t) = −y (t)
y(0) = 1
y ′ (0) = 0
CON LE TRASFORMAZIONI
z1(t) = y(t)
′
z2(t) = y (t)
96
A67
′
y = f (t, y(t))
{ ′
y (t) = f (t, y(t))
PROBLEMA DI CAUCHY
y(a) = y0
(VALORI INIZIALI)
ESEMPIO
{ ′ 2
y (t) = − 10−t
1+t4 y(t)
y(0) = 1
{ ′
y (t) = f (t, y(t))
PROBLEMA AI LIMITI
g(y(a), y(b)) = 0
ESEMPIO
{ ′′
−y (t) + sin(t)y(t) = (1 − cos2(t) − 2cos(t))et
y(0) = y(π) = 0.
97
A67
ESEMPIO
un+1 = un−1 + 2hf (tn, un), n = 1, 2, ...
MULTISTEP ESPLICITO
un+1 = un + h2 [f (tn, un), +f (tn+1, un+1)], n = 1, 2, ...
ONE-STEP IMPLICITO
99
A67
{ ′
y (t) = f (t, y(t))
t∈I
y(t0) = y0
CONSIDERIAMO LA PARTIZIONE DELL’ INTERVALLO
I = [t0, T ]
IN UN NUMERO FINITO DI INTERVALLI [tn, tn+1] PER n =
0, ..., N
CON hn = tn+1 − tn.
100
A67
101
A67
3.5
3 soluzione esatta
2.5
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ESEMPIO
{ ′
y = −y + t, t ∈ [0, 1]
y(0) = 1
y(t) = t − 1 + 2e−t; t0 = 0; tn = 1
tn −t0
SCEGLIAMO IL PASSO h = 5 = 0.2
t0 = 0; t1 = 0.2; t2 = 0.4; t3 = 0.6; t4 = 0.8; t5 = 1.
u0 = y(0) = 1
u1 = 0.8 u0 + 0.2 t0 = 0.8
u2 = 0.8 u1 + 0.2 t1 = 0.680
u3 = 0.8 u2 + 0.2 t2 = 0.624
u4 = 0.8 u3 + 0.2 t3 = 0.619
u5 = 0.8 u4 + 0.2 t4 = 0.655
103
A67
ESEMPIO
tn −t0
QUESTA VOLTA SCEGLIAMO IL PASSO h = 10 = 0.1
t0 = 0; t1 = 0.1; t2 = 0.2; t3 = 0.3; ... t9 = 0.9; t10 = 1.
ui+1 = ui + hf (ti, ui)
ui+1 = ui + 0.1f (ti, ui)
= ui + 0.1(−ui + ti)
= 0.9 ui + 0.1 ti; i = 0, 1, 2, 3, ..., 9
FISSIAMO 3 CIFRE DECIMALI PER ARROTONDARE
u∗0 = y(0) = 1
u∗1 = 0.9 u∗0 + 0.1 t0 = 0.900
u∗2 = 0.9 u∗1 + 0.1 t1 = 0.820 (da confrontare con u1 per h = 0.2)
u∗3 = 0.9 u∗2 + 0.1 t2 = 0.758
u∗4 = 0.9 u∗3 + 0.1 t3 = 0.712 (da confrontare con u2 per h = 0.2)
...
u∗6 = ...
...
0.95
0.9
0.85
0.8
0.75
verde=soluzione esatta
0.7
blue=eulero con passo h=0.1
0.65
rosso=eulero con passo h=0.2
0.6
0.55
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
104
A67
105
A67
∼
= y(tn) + hf (tn, y(tn))
DA CUI
un+1 = un + hf (tn, un)
106
A67
( )
h h
un+1 = un + hf tn + , un + f (tn, un)
2 2
SI OTTIENE DALLA FORMULA DI QUADRATURA DEL
PUNTO MEDIO APPLICATA A
∫ tn+1
y(tn+1) = y(tn) + tn f (t, y(t))dt
( )
h h
y tn + ≈ un + f (tn, un)
2 2
DA CUI
( )
h h
un+1 = un + hf tn + , un + f (tn, un)
2 2
107
A67
IL METODO DI HEUN
1
un+1 = un + h(f (tn, un) + f (tn + h, un + hf (tn, un)))
2
SI OTTIENE DALLA FORMULA DI QUADRATURA DEI
TRAPEZI APPLICATA A
∫ tn+1
y(tn+1) = y(tn) + tn f (t, y(t))dt
DA CUI
1
un+1 = un + h(f (tn, un) + f (tn + h, un + hf (tn, un)))
2
108
A67
u1 = u0 + hk2
k2 = f (t0 + h, u0 + hk1)
u1 = u0 + h2 (k1 + k2)
QUINDI LA FORMA GENERALE È
k1 = f (t0, u0)
u1 = u0 + h(w1k1 + w2k2)
109
A67
ERRORI
SVILUPPIAMO IN SERIE LA SOLUZIONE y(t) NELL’ IN-
TORNO DI t0
′ 1 ′′ 1 ′′
y(t1) = y(t0) + hy (t0) + y (ξ)h2 = y0 + hf (t0, y0) + y (ξ)h2
2 2
CONFRONTANDO LO SVILUPPO CON LA FORMULA DI
EULERO
u1 = u0 + hf (t0, u0) = y0 + hf (t0, y0)
DEDUCIAMO CHE L’ ERRORE CHE SI COMMETTE CON
UN PASSO DEL METODO È
1 ′′
y(t1) − u1 = y (ξ)h2
2
QUESTA DIFFERENZA PRENDE IL NOME DI ERRORE
LOCALE DI TRONCAMENTO ED È FONDAMEN-
TALE PER LO STUDIO DELL’ ACCURATEZZA E PER LE
PROPRIETÀ DI CONVERGENZA DEI METODI
110
A67
ERRORI
• ERRORE (LOCALE) DI TRONCAMENTO IN
(tn)
en = un
|{z} − y(tn)
| {z }
soluzione calcolata soluzione esatta
• ERRORE GLOBALE
en = un
|{z} − y(tn)
| {z }
soluzione calcolata soluzione esatta
111
A67
0.95
0.9
0.85
0.8
0.75
errore globale
0.65
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
112