ESERCITAZIONE 3

1. Disegnare i grafici dei polinomi fondamentali di Lagrange di grado 5 su

nodi equidistanti in [0, 1] (help polyfit, polyval, plot).
2. Utilizzando funzioni Matlab, determinare il polinomio di grado 4, 8, 12
1
interpolante la funzione di Runge f (x) = 1+x 2 sui nodi equidistanti

dell’intervallo [−5, 5] e dell’intervallo [1, 2]. Rappresentare i grafici della

funzione e dei polinomi in entrambi i casi. Commentare i risultati.
Successivamente ripetere l’esercizio utilizzando i nodi di Chebyshev
 
2i + 1 π
ti = −cos , i = 0, ..., n
n+1 2
relativi all’intervallo [−1, 1] opportunamente traslati nell’intervallo [a, b]
di interesse (xi = b+a2
+ b−a
2 i
t ).
3. Utilizzando la rappresentazione
pn (x) = an xn + ... + a1 x + a0
determinare il polinomio interpolante i dati (xi , yi ), i = 0, ..., n, medi-
ante la risoluzione di un sistema lineare con matrice di Vandermonde
V (help vander, V \y). Ricordando che il polinomio di grado n che in-
terpola n + 1 dati è unico, testare il precedente programma utilizzando,
per esempio, m + 1 nodi equidistanti xi , i = 0, 1, ..., m nell’intervallo
[0, 1] e i valori yi = pm (xi ) = am xm i + ... + a1 xi + a0 , i = 0, 1, ..., m,
m ≤ n (es. m = 5, n ≥ 5, p5 (x) = x5 ). Successivamente, perturbare
uno dei dati yi arbitrariamente e confrontare i coefficienti e i grafici
dei polinomi interpolanti relativi ai dati esatti e a quelli perturbati.
Commentare i risultati.
4. Implementare gli algoritmi Difdiv e Interp per la costruzione e la va-
lutazione del polinomio di Newton interpolante i dati (xi , yi ), i =
0, 1, ..., n. Testare i precedenti programmi e perturbare uno dei dati
come nell’esercizio precedente.
5. Disegnare utilizzando la funzione Matlab spline, la spline cubica inter-
polante su 5, 9, 13 nodi equidistanti dell’intervallo [−5, 5] la funzione
di Runge (vedi esercizio 2) (help spline, plot).

1
6. Mediante le funzioni Matlab polyfit e spline, interpolare la funzione
f (x) = |x| su 5 e 10 nodi equidistanti dell’intervallo [−2, 2]. Rappre-
sentare i relativi grafici e commentare i risultati ottenuti.

7. Utilizzando la funzione Matlab polyfit(x, y, n), costruire la retta di re-

gressione (n = 1) per l’approssimazione dei dati x = [1 1 1 1 1 2 3 4 5 5 5]
e y = [1.1 1.05 1.12 1.07 2 2.1 3.05 3.7 4 4.8 5.2]. Successivamente per
gli stessi dati ripetere l’esercizio con n = 2, 3.