Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
In questo capitolo completiamo lo studio del grafico di una funzione aggiungendo le infor-
mazioni su convessità e concavità.
Rimandiamo al corso di Analisi 1 per la definizione di limite, di derivata, le derivate delle fun-
zioni fondamentali e i teoremi fondamentali sui limiti (ad es. limitatezza locale, permanenza
del segno, confronto) e sulle funzioni derivabili (ad es. Rolle, Lagrange, Hôpital).
Siano f e g due funzioni definite sullo stesso intervallo I e sia x0 un punto di tale intervallo,
oppure un estremo, eventualmente anche ±∞.
In termini più semplici, la condizione vuol dire che vicino al punto x0 la funzione f si può
controllare con la funzione g.
Osserviamo che se limx→x0 f (x)/g(x) esiste finito, allora f = O(g) per x → x0 , per il teorema
di limitatezza locale.
Un esempio più difficile si ottiene confrontando le funzioni 1 e sin x per x → +∞: siccome
| sin x| ≤ 1 per ogni x, si ha sin x = O(1), x → +∞, (anche se non esiste limx→+∞ sin x/1).
Invece 1 non è O(sin x), x → +∞, perché in ogni intervallo del tipo (a, +∞) ci sono (infiniti)
punti in cui il seno si annulla. ©
In termini più semplici, la condizione vuol dire che vicino al punto x0 la funzione f è molto
più piccola della funzione g.
Se f e g sono entrambi infinitesimi per x → x0 , dire che f = o(g) per x → x0 significa che
g ha ordine di infinitesimo maggiore di quello di f ; f = O(g) per x → x0 significa che g ha
ordine di infinitesimo maggiore o uguale a quello di f .
L’utilizzo del simbolo o-piccolo è comodo ad esempio quando si vogliono calcolare limiti.
Infatti, si può facilmente controllare che i termini trascurabili si possono eliminare, come
prescritto dal
x2 +sin(log x)
ZEsempio 1.4. Calcolare limx→+∞ 2x2 −1
.
La funzione è sicuramente definita per x > 1, quindi ha senso calcolarne il limite a +∞.
Inoltre, per x → +∞, 1 = o(x2 ) e sin(log x) = o(x2 ). Quindi
x2 + sin(log x) x2 + o(x2 ) x2 1
lim = lim = lim = .
x→+∞ 2x2 − 1 x→+∞ 2x2 + o(x2 ) x→+∞ 2x2 2
©
Sia f una funzione derivabile in tutti i punti di un intervallo aperto I. Allora, per ogni
punto x in I sappiamo cosa significa f 0 (x). Possiamo quindi pensare alla derivata f 0 come a
una nuova funzione definita sull’intervallo I e chiederci se questa nuova funzione sia ancora
derivabile in qualche punto di questo intervallo.
Definizione 1.3. Si dice che f è una funzione di classe C n su un intervallo I (in simboli
f ∈ C n (I)) se f è derivabile n volte in tutti i punti dell’intervallo I e la derivata di ordine n
è continua in I.
Si dice che f è una funzione di classe C ∞ su un intervallo I se f ha derivate di ogni ordine
in tutti i punti dell’intervallo I.
(Quando l’intervallo è chiuso, negli estremi sinistri si considerano le derivate sinistre e negli
estremi destri si considerano le dervate destre)
f 000 (x) = − cos x e f IV (x) = sin x = f (x). Quindi f è derivabile di ogni ordine in ogni punto
e le sue derivate sono ciclicamente quelle scritte. La funzione sin x è in C ∞ (R). ©
Una conseguenza della regola di Hôpital ci permette di stabilire abbastanza facilmente se una
funzione definita congiungendo tratti di funzioni derivabili è derivabile nei punti di giunzione.
Inoltre ci mostra che la derivata di una funzione non può avere discontinuità “a salto”.
Proposizione 1.6 (corollario della regola di Hôpital). Sia x0 un punto dell’intervallo aperto
I e sia f continua in I e derivabile in I \ {x0 }. Se esiste
lim f 0 (x) = `
x→x0
Per ipotesi
f 0 (x0 ) = lim+ f (x) − f (x0 )x − x0 .
x→x0
D’altra parte il limite della riga precedente, utilizzando la regola di Hôpital come prima,
deve anche essere uguale a
lim+ f 0 (x) = `1 .
x→x0
Consideriamo ora (
x2 sin x1 x 6= 0
h(x) =
0 x=0
La funzione h è derivabile in x = 0, perché
h(x) − h(0)
lim = lim x sin x1 = 0 quindi h0 (0) = 0.
x→0 x−0 x→0
D’altra parte, se x 6= 0,
h0 (x) = 2x sin x1 − cos x1
e quindi non esiste limx→0 h0 (x).
Sinora abbiamo visto due livelli di approssimazione per una funzione f in un intorno del
punto x0 interno al dominio di f :
il termine “migliore” significa che, usando un qualsiasi altro polinomio di grado 1, passante
per (x0 , f (x0 )), il resto sarebbe andato a 0 come (x − x0 ) e non più velocemente. Tuttavia
approssimare con un polinomio di primo grado, che graficamente corrisponde a una retta, ci
permette di avere informazioni sul crescere e decrescere (locale) della funzione, ma non sul
fatto che il suo grafico sia concavo verso l’alto o verso il basso (le rette infatti non presentano
“concavità”). Si possono estendere questi risultati usando come funzione approssimante un
polinomio di grado superiore al primo, in modo di avere più informazioni? La risposta a
questa domanda è, come vedremo adesso, affermativa.
Nei prossimi esempi ricaviamo i polinomi di Taylor delle funzioni esponenziale, seno, coseno
centrati in x0 = 0. Quando un polinomio di Taylor è centrato in 0 si chiama anche polinomio
di McLaurin e si indica più brevemente con Tn .
f
7 T
f (x) = ex e x0 = 0.
1
T
2
T
3
6 T
4
T
5
5
Tutte le derivate sono uguali: f (n) (x) = ex
4
e f (n) (0) = 1 per ogni n. Quindi
3
x2 xn
2 Tn (x) = 1 + x + 2
+···+ n!
1
−1
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
1.3 – Formula di Taylor con resto di Peano 7
1
c) f (x) = cos x e x0 = 0. Le derivate: f 0 (x) =
0.5
sin x, f 00 (x) = cos x, f 000 (x) = sin x, f (iv) (x) =
cos x, e cosı̀ via. Ne segue che f (n) (0) = 0 se
0 n è dispari, mentre vale alternativamente +1 o
f
T
T
2
4
−1 se n è pari. Infine
2 x2n
T2n (x) = 1 − x2! + · · · + (−1)n (2n)!
T
−0.5 6
.
−1
Si osservi che gli unici termini che sono diversi
da 0 sono adesso quelli relativi alle potenze pa-
−1.5 ri (e infatti la funzione coseno è una funzione
pari).
−2
−4 −3 −2 −1 0 1 2 3 4
Il significato del prossimo teorema è il fatto che il polinomio di Taylor è quell’unico polinomio
di grado n che meglio approssima la funzione f vicino al punto x0 . Ricordiamo che la
notazione o(x−x0 )n indica una funzione che, per x → x0 è un infinitesimo di ordine maggiore
di n.
Teorema 1.9 (Formula di Taylor con resto di Peano). Sia f una funzione definita su un
intervallo I e sia x0 un punto di I in cui f è derivabile almeno n volte. Allora
f (x) − Tn,x0 (x) = o(x − x0 )n x → x0 .
Viceversa, se p è un polinomio di grado n tale che f (x) − p(x) = o(x − x0 )n per x → x0 ,
allora p = Tn,x0 .
Verifichiamo inizialmente che f (x) − T2,x0 (x) è un infinitesimo di ordine maggiore di 2 per
x → x0 . Questo equivale a verificare che
f (x) − T2,x0 (x)
lim = 0,
x→x0 (x − x0 )2
o, equivalentemente, che
f (x) − f (x0 ) − f 0 (x0 )(x − x0 ) f 00 (x0 )
(1.1) lim = .
x→x0 (x − x0 )2 2
D’altra parte, il limite da calcolare si presenta in forma indeterminata 00 . Infatti
lim (x − x0 )2 = 0
x→x0
Verifichiamo ora che la scelta di T2,x0 è ottimale, ovvero che se p(x) è un polinomio di grado 2
tale che f (x)−p(x) = o(x−x0 )2 per x → x0 , allora necessariamente p = T2,x0 . Per comodità,
ordiniamo il polinomio p secondo potenze di (x − x0 ), ossia p(x) = a(x − x0 )2 + b(x − x0 ) + c.
Si ha
f (x) − p(x)
0 = lim
x→x0(x − x0 )2
f (x) − a(x − x0 )2 − b(x − x0 ) − c
= lim
x→x0 (x − x0 )2
f (x) − b(x − x0 ) − c
= lim − a,
x→x0 (x − x0 )2
quindi
f (x) − b(x − x0 ) − c
(1.2) lim =a
x→x0 (x − x0 )2
Siccome il denominatore tende a 0 per x → x0 , affinché valga (1.2), l’unica speranza è che
anche il numeratore tenda a 0 per x → x0 . Questo accade solo se c = f (x0 ). A questo punto,
come prima possiamo applicare la regola dell’Hôpital e concludere che, se esiste, deve valere
a anche il
f 0 (x) − b
lim .
x→x0 2(x − x0 )
1.3 – Formula di Taylor con resto di Peano 9
Quindi ad esempio con le derivate seconde si può arrivare ad un secondo livello di approssi-
mazione. Infatti se la funzione f è derivabile due volte nel punto x0 si ha che
1
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 00 (x0 )(x − x0 )2 + o(x − x0 )2 ,
2
2
dove, al solito, o(x − x0 ) indica un errore che, per x → x0 è un infinitesimo di ordine
maggiore di 2.
A questo punto il polinomio approssimante di secondo grado rappresenta la parabola che più
si avvicina al comportamento del grafico della funzione f nei pressi del punto (x0 , f (x0 )), e
è caratterizzato dall’avere, nel punto x0 , lo stesso valore, la stessa derivata prima e la stessa
derivata seconda della funzione f . È quindi naturale che le proprietà di convessità di tale
parabola si riflettano sulle analoghe proprietà della funzione f . Questo è proprio quello che
succede. Vediamo una spiegazione teorica di quanto appena affermato nel caso particolare
in cui la funzione ha derivata prima nulla in x0 e derivata seconda positiva. Il polinomio
approssimante diviene f (x0 ) + 21 f 00 (x0 )(x − x0 )2 , il cui grafico è una parabola con il minimo
proprio in x0 ; è naturale ritenere che anche f presenti un punto di minimo relativo in x0 e
infatti, raccogliendo (x − x0 )2
1
f (x) − f (x0 ) = f 00 (x0 )(x − x0 )2 + o(x − x0 )2
2
o(x − x0 )2
2 1 00
= (x − x0 ) f (x0 ) + .
2 (x − x0 )2
Siccome (x − x0 )2 ≥ 0 e, per x → x0 il termine in parentesi tonda tende a 21 f 00 (x0 ) > 0, allora
per il teorema di permanenza del segno possiamo affermare che esisterà un intorno di x0 in
cui il termine in parentesi tonda è non negativo. Questo vuol dire quindi che in tale intorno
di x0 si ha f (x) − f (x0 ) ≥ 0, cioè f (x) ≥ f (x0 ), ossia il punto x0 è di minimo relativo per f .
ZEsempio 1.10. Sia f la funzione f (x) = 1
1+x2
−cos x. Dire se 0 è un punto di estremo relativo
per f e specificarne il tipo.
Un’altra applicazione importante dei polinomi di Taylor è l’essere un criterio utilissimo per
poter calcolare limiti.
ZEsempio 1.12. Calcolare √
cos x − 1 − x2
lim .
x→0 x4
Scriviamo il polinomio di McLaurin del numeratore di grado più piccolo possibile, ma in
modo che il polinomio non sia nullo. In questo caso si vede facilmente che occorre scegliere
grado 4 e
√ 1
cos x − 1 − x2 = x4 + o(x4 ).
6
Pertanto il limite da calcolare è
1 4
6
x + o(x4 ) 1
lim 4
= .
x→0 x 6
©
ZEsempio 1.13. Calcolare, al variare di a ∈ R l’ordine di infinitesimo di
f (x) = ex − cos x − a log(1 + x).
Scriviamo i primi due termini di McLaurin
1
f (x) = (1 − a)x + 1 + a x2 + o(x2 ).
2
Se 1 − a 6= 0, cioè se a 6= 1, la funzione f si comporta come il polinomio di primo grado
(1 − a)x, quindi è un infinitesimo di ordine uno. Se 1 − a = 0, cioè se a = 1, la funzione f si
comporta come il polinomio di secondo grado 23 x2 , quindi è un infinitesimo di ordine 2. ©
In tutti gli esempi considerati si è presa l’origine come punto iniziale. Nulla vieta, ovviamente,
di utilizzare, a seconda delle esigenze, punti diversi dall’origine come centro del polinomio.
ZEsempio 1.14. Calcolare limx→π sin(x−π)
x+x−π
3 . Occorre conoscere il polinomio di Taylor di sin x
Quindi
sin x + x − π −x + π + 61 (x − π)3 + x − π + o(x − π)3
lim = lim
x→π (x − π)3 x→π (x − π)3
1
6
(x − π)3 1
= lim = .
x→π (x − π)3 6
Al polinomio di Taylor si poteva anche arrivare conoscendo quello centrato in x = 0. Infatti,
utilizzando le formule di trigonometria
sin x = sin(x − π + π) = − sin(x − π);
inoltre se x → π, allora y = x − π → 0. D’altra parte, se y → 0, sin y = y − y 3 /6 + o(y 3).
Quindi sostituendo
1 3 1
sin x = − sin(x − π) = − sin y = − y − y + o(y ) = −(x − π) + (x − π)3 + o(x − π)3 .
3
6 6
Per l’unicità del polinomio di Taylor, T3,π (x) = −(x − π) + 61 (x − π)3 . ©
Teorema 1.15 (Formula di Taylor con resto di Lagrange). Sia f una funzione di classe
C n+1 su un intervallo I e siano x e x0 due punti di I. Allora esiste un punto ξ, compreso
tra x e x0 tale che
f (n+1) (ξ)
f (x) − Tn,x0 (x) = (x − x0 )n+1 .
(n + 1)!
e ' T7 (1)
1 1 1 1 1 1
=1+1+ + + + + +
2 3! 4! 5! 6! 7!
= 2.718253968
g(t) = f (t) − a (t − x0 )2 + b (t − x0 ) + c
∀t ∈ I
0
Dire che g 00 (ξ) = 0 significa quindi che f 00 (ξ) = 2a = 2 f (x)−f (x(x−x
0 )−f (x0 )(x−x0 )
0)
2 . Riordinando i
termini si ottiene la tesi
1
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 00 (ξ) (x − x0 )2 .
2
Un’altra importante applicazione della formula di Taylor con resto di Lagrange è allo studio
degli intervalli di convessità e concavità di una funzione.
5. Concavità e convessità
f(x)
secante1
secante2
f(x)
tangente
f(x)
tangente
f convessa f concava
Osserviamo ora che data una generica parabola di equazione y = ax2 + bx + c, il suo grafico
presenta la concavità verso l’alto o il basso a seconda che il segno di a sia positivo oppure
negativo. Inoltre la derivata seconda di f (x) = ax2 + bx + c è f 00 (x) = 2a. Possiamo quindi
affermare che per le parabole la concavità è rivolta verso l’alto o il basso a seconda che la
derivata seconda sia positiva o negativa. Questo fatto ha validità generale, non solo per le
parabole.
Teorema 1.17. Sia f è derivabile due volte in I. Sono equivalenti:
a) f 00 (x) ≥ 0 per ogni x in I
b) f è convessa in I.
Dimostrazione. “Da a) segue b)”: questo fatto è conseguenza della formula di Taylor
con n = 1 e resto in forma di Lagrange, ossia del Teorema 1.15. Sia x0 un punti arbitrario
dell’intervallo e mostriamo che il grafico della funzione f sta al di sopra di quello della retta
tangente a f in x0 . Infatti la differenza tra f e il polinomio di Taylor del primo ordine, che
altro non è che la retta tangente, è del tipo
1
f (x) − (f (x0 ) + f 0 (x0 )(x − x0 )) = f 00 (ξ)(x − x0 )2 ,
2
dove ξ è un punto nell’intervallo di estremi x0 e x. Per ipotesi f 00 (ξ) ≥ 0. Allora, poiché
anche (x − x0 )2 ≥ 0, si ha
f (x) − (f (x0 ) + f 0 (x0 )(x − x0 )) ≥ 0.
Quindi f è convessa.
“Da b) segue a)” Supponiamo che f sia convessa in I. Allora per ogni x0 in I si ha
(1.3) f (x) ≥ f (x0 ) + f 0 (x0 )(x − x0 ).
1.5 – Concavità e convessità 15
D’altra parte per la formula di Taylor con n = 2 e resto in forma di Peano, ossia per il
teorema 1.9,
1
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 00 (x0 )(x − x0 )2 + o(x − x0 )2 .
2
00
Per assurdo, se fosse f (x0 ) < 0, allora esisterebbe un intorno di x0 in cui il grafico di f
assomiglia a quello della parabola f (x0 ) + f 0 (x0 )(x − x0 ) + 21 f 00 (x0 )(x − x0 )2 , che ha concavità
rivolta verso il basso. Ma allora non potrebbe valere la (1.3).
I punti in cui “cambia la convessità” sono detti punti di flesso e, più precisamente: si dice
che x0 è punto di flesso ascendente se il grafico della funzione sta sotto a quello della retta
tangente prima di x0 e invece sta sopra a quello della retta tangente dopo x0 . Si dice che x0 è
punto di flesso discendente se il grafico della funzione sta sopra a quello della retta tangente
prima di x0 e invece sta sotto a quello della retta tangente dopo x0 .
f(x)
f(x)
tangente
tangente
Quello che rimane vero è che il grafico assomiglia a quello del polinomio di Taylor centrato
in x0 . Quindi se f è derivabile tre volte e f 00 (x0 ) = 0,
1
f (x) ' f (x0 ) + f 0 (x0 )(x − x0 ) + f 000 (x0 )(x − x0 )3
6
Il grafico della cubica a secondo membro ha un flesso ascendente in x0 se f 000 (x0 ) > 0;
discendente se f 000 (x0 ) < 0. (Indecidibile se f 000 (x0 ) = 0, dovremmo scrivere un altro termine
del polinomio di Taylor).
16 Capitolo 1
Innanzi tutto, la funzione è definita per x > 0. Calcoliamo i limiti agli estremi del dominio:
lim f (x) = lim x2 (−5 + 2 log x) = +∞, lim f (x) = 0,
x→+∞ x→+∞ x→0+
Infine, per determinare intervalli di concavità e convessità, studiamo il segno della derivata
seconda:
f 00 (x) = −4 + 4 log x = 4(log x − 1).
Quindi f 00 (x) = 0 per log x = 1, cioè per x = e; f 00 (x) > 0 per x > e; f 00 (x) < 0 per
0 < x < e. Possiamo concludere che f è convessa sull’intervallo [e, +∞) e concava su (0, e].
Il punto e è un punto di flesso ascendente.
60
40
20
−20
−40
−60
0 2 4 6 8 10 12 14 16
Nella figura in rosso abbiamo disegnato la retta tangente al grafico di f nel punto e. ©
1.6 – Il metodo delle secanti e il metodo di Newton o delle tangenti 17
Molto spesso non è possibile determinare in modo esatto le ascisse dei punti in cui una
funzione si annulla: ad esempio nel caso della funzione f (x) = x + ex è immediato che i limiti
al tendere di x a −∞ e +∞ sono rispettivamente −∞ e +∞ e che la funzione è strettamente
crescente (f 0 (x) = 1 + ex > 0), quindi esiste un unico punto in cui la funzione si annulla.
Ma quanto a determinarlo esplicitamente, è tutta un’altra questione; possiamo, localizzarlo
un po’ meglio, tra −1 e 0, ad esempio, osservando che f (−1) = −1 + e−1 = −0.632 . . . e
f (0) = 1; possiamo giungere a stabilire quali sono le prime cifre decimali del punto in cui la
funzione si annulla, con il metodo di dicotomia introdotto nel teorema degli zeri, ma è un
metodo molto lento: necessita, in questo caso, di 11 passaggi per arrivare a 3 cifre decimali
esatte!
Il nostro scopo in questa sezione sarà di introdurre metodi assai più efficienti per la determi-
nazione numerica (approssimata) degli zeri di una funzione. Entrambi i metodi richiedono
che la funzione mantenga lo stesso tipo di convessità nell’intervallo preso in considerazione
e permettono in genere di approssimare con molta velocità il punto in cui la funzione si
annulla.
Illustreremo per primo il metodo delle secanti. Supponiamo, ad esempio, che la funzione
sia continua, convessa e tale che f (a) < 0 e f (b) > 0. L’equazione della retta che passa per
gli estremi (a, f (a)) e (b, f (b)) del grafico è y = f (b) + f (b)−f
b−a
(a)
(x − b).
Tale retta taglia l’asse delle x in un punto in cui la funzione assume ancora valore negativo,
la cui ascissa x1 si può facilmente trovare, ponendo y = 0 nella precedente equazione, e cioè
a−b
x1 = b − f (a)−f (b)
f (b).
A questo punto si ripete l’operazione con la nuova
coppia di punti (x1 , f (x1 )) e (b, f (b)) e si ottiene
il nuovo punto x2 = b − f (xx11)−f
−b
(b)
f (b). Si procede
in tal modo, ottenendo la successione di punti
xn−1 − b
xn = b − f (b)
f (xn−1 ) − f (b)
Nello stesso modo si opera nel caso di f continua, concava e tale che f (a) > 0 e f (b) < 0.
18 Capitolo 1
> a:=-1.:
b:=0.:
f:=x->x+exp(x):
> x[0]:=a:
for n from 1 to 10 do
x[n]:=b-f(b)*(x[n-1]-b)/(f(x[n-1])-f(b));
end do;
x1 := −.6126998367
x2 := −.5721814119
x3 := −.5677032140
x4 := −.5672055524
x5 := −.5671502144
x6 := −.5671440603
x7 := −.5671433763
x8 := −.5671432997
x9 := −.5671432912
x10 := −.5671432906
Come si vede dalla risposta di Maple i valori si stabilizzano assai rapidamente: al terzo passo
le prime tre cifre decimali sono esatte, al settimo sono già sei (con il metodo di dicotomia
servirebbero rispettivamente 11 e 21 passi per ottenere la stessa precisione). Chi frequenterà
il corso di Calcolo Numerico, quantificherà l’ordine di convergenza di questa successione.
1.6 – Il metodo delle secanti e il metodo di Newton o delle tangenti 19
Logicamente molto simile è il metodo delle tangenti (o di Newton) che, come dice il nome,
sfrutta la tangente invece della secante.
Analogamente al caso precedente, si parte dalla retta tangente al grafico nel primo estremo
se f è continua, convessa e tale che f (a) > 0 e f (b) < 0, oppure continua, concava e tale
che f (a) < 0 e f (b) > 0. L’equazione della retta tangente è y = f (a) + f 0 (a)(x − a) che
taglia l’asse delle x in un punto in cui la funzione assume valore positivo, la cui ascissa si
può facilmente trovare, ponendo y = 0 nella precedente equazione, e cioè x1 = a − ff0(a) (a)
. A
questo punto si ripete l’operazione partendo dal punto (x1 , f (x1 )) e si ottiene il nuovo punto
x2 = x1 − ff0(x 1)
(x1 )
e cosı̀ via, ottenendo la successione di punti
f (xn−1 )
xn = xn−1 −
f 0 (xn−1 )
che, come si può osservare nella figura a sinistra, converge in modo estremamente veloce.
Negli altri due casi (cioè f concava e tale che f (a) > 0 e f (b) < 0 oppure convessa e tale che
f (a) < 0 e f (b) > 0) si parte dal secondo estremo x1 = b − ff0(b) ma poi la formula coincide:
(b)
f (xn−1 )
xn = xn−1 − .
f 0 (xn−1 )
Guardate la figura a destra.
a = x0 x1 x2 b a x2 x1 b = x0
Torniamo all’equazione f (x) = x + ex = 0. La figura è tipo quella a destra, quindi come già
detto dovremo partire dal secondo estremo.
> a:=-1.:
b:=0.:
f:=x->x+exp(x):
> g:=D(f):
Digits := 30;
> x[0]:=b:
20 Capitolo 1
for n from 1 to 10 do
x[n]:=x[n-1]-f(x[n-1])/g(x[n-1]);
end do;
x1 := −.500000000000000000000000000000
x2 := −.566311003197218153041649151382
x3 := −.567143165034862212786512096660
x4 := −.567143290409781028699576649415
x5 := −.567143290409783872999968662209
x6 := −.567143290409783872999968662210
x7 := −.567143290409783872999968662211
x8 := −.567143290409783872999968662210
x9 := −.567143290409783872999968662211
x10 := −.567143290409783872999968662210
In generale (a meno che f 0 non si annulli nello zero cercato) il metodo di Newton converge
più rapidamente. Tuttavia il metodo di Newton richiede che a ogni passo si valutino sia f
sia la sua derivata, mentre il metodo delle secanti richiede solo valutazioni della funzione f .
Questo comporta che in pratica il metodo delle secanti possa essere più veloce.
7. Polinomi di interpolazione
Se, come spesso accade, la funzione f ha derivate di qualsiasi ordine in tutti i punti del-
l’intervallo I, si possono scrivere i polinomi di Taylor di ogni grado. Ci aspettiamo che al-
l’aumentare del grado migliori il livello dell’approssimazione; ma, in genere e come vedremo
negli esempi, questo accade solo vicino al punto x0 .
In altre parole, osservando i grafici dell’esempio 1.8, al crescere di n non solo migliora il grado
di approssimazione, ma anche si estende la regione in cui tale approssimazione è buona. Nel
prossimo esempio vediamo come l’approssimazione dei polinomi di Taylor per alcune funzioni
è un fatto semplicemente locale.
1 2 2·3 (iv) 4!
Le derivate sono: f 0 (x) = (1−x) 00 000
2 , f (x) = (1−x)3 , f (x) = (1−x)3 , f (x) = (1−x)4 , e cosı̀ via
(n) n! 0 00 000 (n)
f (x) = (1−x)n+1 . Ne segue che f (0) = 1, f (0) = 1, f (0) = 2, f (0) = 3!, f (0) = n! e
Tn (x) = 1 + x + x2 + x3 + · · · + xn .
Un altro esempio è dato dalla funzione g(x) = log(1 + x), che ha polinomio di Mclaurin
x2 x2 xn
Tn (x) = x − + + · · · + (−1)n .
2 3 n!
Nelle figure che seguono, a sinistra vedete la situazione per f a destra per g.
6 3
5
f
T 2
1
T
4 2
T3
T
4
3 1
2
0
1 g
T1
T2
0 −1 T3
T4
−1
−2
−2
−3 −3
−2 −1.5 −1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1 1.5 2
Come si può vedere dalle figure precedenti, il grado di approssimazione peggiora sensibilmente
al crescere di n quando x è al di fuori dell’intervallo [−1, 1]. Si potrebbe essere indotti a
pensare che questo comportamento dipende dal fatto che le funzioni f e g tendono a infinito
per x → −1.
h
Non è una buona spiegazione! Guardate questo
T
1.5
T
T
2
4 esempio: ora sostituiamo −x2 nella funzione
6
©
22 Capitolo 1
Una spiegazione spero esauriente seguirà quando parleremo di serie e serie di Taylor. Per ora
accontentiamoci di pensare che se vogliamo approssimare tramite polinomi la funzione h(x) =
1/(1+x2 ) su tutto l’intervallo [−2, 2], il polinomio di Taylor non è la migliore soluzione, perché
tale polinomio cessa di fornire buone approssimazioni al di fuori dell’intervallo [−1, 1].
Una soluzione può essere quella dei polinomi interpolanti che vedremo in questa sezione.
Sia f : [a, b] → R una funzione e siano assegnati n + 1 punti distinti, che indichiamo con
x0 , . . . , xn , dell’intervallo chiuso e limitato [a, b]. Per capire meglio come può essere fatto il
grafico di f , cerchiamo di approssimare la funzione f con un polinomio P passante per i
medesimi punti, ossia tale che
P (xi ) = f (xi ) ∀i = 0, 1, . . . , n.
Siccome le funzioni polinomiali sono molto più facili da trattare, questo procedimento do-
vrebbe, in qualche caso, semplificarci la vita.
Cerchiamo allora un polinomio di grado n tale che P (xi ) = f (xi ) per ogni i = 0, 1, . . . , n.
Necessariamente n
X
P (x) = ci Li (x)
i=0
per certi coefficienti reali ci e inoltre P (xi ) = f (xi ) accade se e solo se ci = f (xi ).
1.7 – Polinomi di interpolazione 23
per certi coefficienti reali ai . Richiedere che P (xi ) = f (xi ) è equivalente a richiedere che gli
ai siano soluzioni del sistema lineare
Pn n
i=0 ai x0 = f (x0 )
..
.
Pn
n
i=0 ai xn = f (xn )
1 + e − 16 e2 − 31 e−1 − 1 1 1
x2 + 1 2
− 12 e + 12 − 1
x3 .
2
x+ 2
e −1+ 2e 6
e 6e
x
f(x)=e
3 P (x)
1
P2(x)
P (x)
3
Dall’esempio fatto, l’approssimazione sembra migliorare al crescere del numero di punti scelti.
Ma quanto buona è l’approssimazione ottenuta? Iniziamo a ragionare dal caso più semplice:
quello in cui scegliamo due punti x0 e x1 e approssimiamo la funzione con il suo polinomio
P interpolante di grado uno, che è la retta passante per i punti (x0 , f (x0 )) e (x1 , f (x1 )).
Sappiamo che la differenza f (x) − P (x) è nulla per x = x0 , x1 e desideriamo ora valutare
la differenza f (x) − P (x) per un altro x in [a, b], che pensiamo fissato. Approssimiamo la
funzione (ignota) della variabile t
f (t) − P (t)
considerando il suo polinomio interpolante P̃ di grado due per i punti x, x1 , x2 , ossia il
polinomio
(t − x0 )(t − x1 )
P̃ (t) = (f (x) − P (x)).
(x − x0 )(x − x1 )
Imitando la dimostrazione del Teorema di Lagrange, introduciamo una nuova funzione au-
siliaria gx della variabile t, che coincida con la differenza tra la funzione f (t) − P (t) e il suo
1.7 – Polinomi di interpolazione 25
Teorema 1.24. Dati due punti distinti x0 e x1 dell’intervallo [a, b] e una funzione f di
classe C 2 sull’intervallo [a, b], possiamo formare il polinomio P interpolante di grado uno e
per ogni x in [a, b] esiste un punto c in (a, b) tale che
(x − x0 )(x − x1 ) 00
f (x) − P (x) = f (c).
2
In particolare quindi possiamo stimare l’errore commesso con
|(x − x0 )(x − x1 )|
|f (x) − P (x)| ≤ max |f 00 (c)|.
2 c∈[a,b]
In generale valgono:
Teorema 1.25. Supponiamo che f sia di classe C n+1 sull’intervallo [a, b]. Allora per ogni
x in [a, b] esiste ξ in [min(x, x0 ), max(x, xn )] tale che
(x − x0 ) · · · (x − xn ) (n+1)
f (x) − P (x) = f (ξ).
(n + 1)!
Corollario 1.26. Sia f una funzione di classe C n+1 sull’intervallo [a, b]. Allora
|(x − x0 ) · · · (x − xn )|
|f (x) − P (x)| ≤ max |f (n+1) (x)|.
(n + 1)! x∈[a,b]
26 Capitolo 1
Riprendiamo l’esempio 1.23: notiamo che le derivate della funzione esponenziale sono limitate
sull’intervallo [−2, 2] e inoltre la distanza tra x e ciascuno dei punti prescelti xj è al più 4.
Allora la differenza tra ex e un suo polinomio interpolante Pn di grado n si controlla in questo
modo:
4n+1 4n+1
|ex − Pn (x)| ≤ max |ex | ≤ M .
(n + 1)! x∈[a,b] (n + 1)!
ZEsempio 1.27. In generale non è detto che l’approssimazione migliori in tutti i punti!
Consideriamo la funzione
1
f (x) = su [−2, 2]
1 + x2
with(CurveFitting):
> a:=PolynomialInterpolation([-2,0,2],[1/5,1,1/5],x):
> p2:=collect(a,x);
> b:=PolynomialInterpolation([-2,-1,0,1,2],[1/5,1/2,1,1/2,1/5],x):
> p4:=collect(b,x);
> c:=PolynomialInterpolation([-2, -3/2, -1, -1/2, 0, 1/2, 1, 3/2, 2],
[1/5, 4/13, 1/2, 4/5, 1, 4/5, 1/2, 4/13, 1/5],x):
> p8:=collect(c,x);
> plot([1/(1+x^2),a,b,c],x=-2..2);
1 1 4 3 2
P2 (x) = − x2 + 1 P4 (x) = x − x +1
5 10 5
e, dulcis in fundo,
3547450783405661 8 3769166457368519 6
P8 (x) = x − x
144115188075855872 18014398509481984
2833803457837733 4 307 2
+ x − x +1
4503599627370496 325
1.8 – Esercizi 27
1
Nel disegno, il grafico della funzione f è
quello in nero e il polinomio di grado due
0.9
è in blu.
0.8
In sintesi, il metodo ora descritto permette di descrivere il grafico di una funzione in un certo
intervallo fissato, purché la funzione sia sufficientemente regolare. Adopereremo i polinomi
interpolanti nel calcolo di integrali definiti.
8. Esercizi
4. Sia f (x) = log(cos x) + 3 sin2 (αx). Per quali valori di α la funzione f (x) è un infinitesimo di
ordine 3 per x → 0? Per quali valori di α la funzione f (x) ha un minimo oppure un massimo
in 0?
5. Sia
f (x) = ex−tg x − 2.
a) Determinare il dominio di f e i limiti agli estremi del dominio.
b) Determinare massimi e minimi (assoluti e relativi) di f su tutto il dominio.
c) Determinare l’immagine di f .
d) Disegnare uno (o più) grafici qualitativi di f con Maple.
e) Dire quante soluzioni ha l’equazione f (x) = 0 e approssimare quella nell’intervallo (− π2 , π2 )
28 Capitolo 1
a meno di 10−4 .
f ) Dire se esiste ed eventualmente calcolare limx→±∞ f (x).
6. Sia
x2 ex
f (x) = .
x+6
a) Determinare il dominio di f e i limiti agli estremi del dominio.
b) Determinare massimi e minimi (assoluti e relativi) di f .
c) Determinare l’immagine di f .
d) Disegnare uno (o più) grafici qualitativi di f con Excel o MatLab.
e) Approssimare a meno di 1/1000 la radice dell’equazione f (x) = 1 con x ∈ [1, 2].
7. Siano a ∈ R e
f (x) = ex − 1 − a x.
a) Determinare il dominio di f e i limiti agli estremi del dominio, al variare di a ∈ R.
b) Approssimare a meno di 10−4 gli zeri di f con a = 2.
c) Determinare il dominio di g(x) = log(ex − 1 − 2x).
d) Determinare il numero di zeri di f al variare di a ∈ R.
8. Sia b ∈ R e √
f (x) = 1 + bx − sin x − cos x.
Studiare il segno di f in un intorno di 0, al variare di b ∈ R.
9. Sia
log x + 1
f (x) = .
log x − 1
a) Determinare il dominio di f e i limiti agli estremi del dominio.
b) Determinare gli intervalli di monotonia di f .
c) Determinare gli intervalli di concavità e di convessità di f .