PARTE 2

APPROSSIMAZIONE E INTERPOLAZIONE

Approssimazione di funzione
In molti problemi matematici nasce lesigenza di dover approssimare una funzione
y f x , nota analiticamente oppure nota solo in un insieme discreto di punti, con una
funzione pi semplice, scelta in un insieme opportuno; in pratica si cerca lespressione
analitica del tratto di curva sul quale si trovano i dati sperimentali o in valori numerici che
ci interessano.
La costruzione di tale funzione pu avvenire secondo due approcci, a seconda del
tipo di dati che dobbiamo trattare:
DATI con ERRORI (di misura, di rilievo, di trascizione,..) : i dati vengono
approssimati nel loro insieme ; in questo caso si usano tecniche di migliore
approssimazione
DATI ESATTI: si cerca una funzione che passi per i valori assegnati: in
questo caso si usano tecniche di interpolazione
Consideriamo i due casi separatamente.

Dati affetti da errori

Nella Figura seguente vengono riportati vari dati e la curva che meglio approssima il
loro andamento complessivo.

Fig. 1
In pratica , quando si ha un insieme di dati x i , f x i , i 1, , n, affetti da errore si
cerca una funzione approssimante che si adatti allandamento dei dati; da qui in poi per
brevit indichiamo f x i con f i
Abbiamo bisogno di un criterio che permetta di quantificare la bont dellappros-

simazione.
Se si approssimano i dati con una retta, si ha quella che viene detta approssimazione
lineare ; mentre se si approssimano i dati con un polinomio di grado m 1 si ha quella
che si chiama approssimazione polinomiale di grado m
Per determinare il polinomio di grado m che meglio approssima i dati, si determina il
polinomio che minimizza la distanza della funzione approssimante dai dati. A questo
punto si dovrebbe introdurre il concetto matematico di distanza, usando il concetto di
norma e le sue varie definizioni. Ma questo esula dagli interessi del nostro Corso e
quindi ci limitiamo a pendere in cosiderazione la distanza calcolata come la differenza
tra il valore dato x i , f i , i 1, , n, e il valore calcolato con il polinomio scelto di grado m,
per lo stesso valore x i : ossia
Ei

fi

a0

a1xi

a 2 x 2i . . . . a m x mi , , i

1, . . . , n

Il criterio pi usato e quello di prendere il polinomio che minimizza la somma dei

quadrati dei valori assoluti di E i , i 1, . . . ; dunque si prende il polinomio che soddisfa
n

|E i | 2

min
i 1

Questo polinomio viene detto polinomio di migliore approssimazione nel senso dei
minimi quadrati di grado m.
In generale esiste un solo polinomio dei minimi quadrati per ogni grado m del polinomio
che si sceglie. Il calcolo effettivo del polinomio dei minimi quadrati non semplice e
quindi ci affideremo alla funzione polyfit del Matlab che implementa questo calcolo e
che risulta molto semplice da usare.

Dati esatti : interpolazione

Se si assume che siano esatti i dati x i , f i , i 1, , n, con x i
a, b , allora si puo
utilizzare la tecnica dell interpolazione;. x i sono chiamati nodi di interpolazione e sono
assunti distinti x i x j per i j. Si determina allora il polinomio che soddisfa alle
seguenti condizioni, dette di interpolazione
a0

a1xi

a 2 x 2i . . . . a n 1 x ni

fi, i

1,

,n

Trovare un tale polinomio e sempre possibile giacche vale il seguente

TEOREMA Esiste un unico polinomio di grado massimo n 1 che assume valori f i ,
i 1, , n in corrispondenza di n punti distinti x i , i 1, , n.

Fig. 2
Nella figura precedente viene riportato il polinomio interpolante di grado 5 che
soddisfa le condizioni di interpolazione per i 6 dati esatti indicati con un cerchietto.
Va messo in evidenza che i polinomi interpolanti di grado alto sono poco rappresentativi
dell andamento dei dati. Ad esempio nella Fig. 3 viene riportato l esempio di 15 dati
1
x i , f i tali che x i
1, 1 , sono equidistanti e f i
: evidente che in questo caso
1 25x 2
i

l interpolazione non soddisfacente

Fig. 3

Percio quando i dati sono molti va sempre preferita l approssimazione nel senso dei
minimi quadrati. Anche per il calcolo del polinomio interpolante possiamo fare ricorso
facilmente alla funzione Matlab polyfit , usata in modo adeguato.

Il calcolo del polinomio interpolante avviene mediante la soluzione di un

opportuno sistema lineare.

Un semplice esempio illustra il procedimento. Supponiamo di conoscere tre valori

x o , x 1 , x 2 (diversi tra loro) e i corrispondenti valori funzionali y o , y 1 , y 2 ; vogliamo
determinare il polinomio di secondo grado (ossia la parabola)
px

ao

a2x2

a1x

che soddisfi le condizioni p x 0

y0, p x1
y1, p x2
y 2 , ossia che interpoli i punti
xo, yo , x1, y1 , x2, y2 .
Se scriviamo per disteso le condizioni indicate sopra otteniamo
a1xo

a 2 x 2o

yo

ao

a1x1

a 2 x 21

y1

ao

a1x2

a 2 x 22

y2

ao

Questo sistema lineare di tre equazioni in tre incognite puo essere messo in forma
matriciale nel modo seguente
Va
1 x o x 2o
dove V

1 x 1 x 21
1 x2

x 22

a0
,

a1

yo
,

a2

y1

y2

La matrice V viene detta matrice di Vandermonde. Osserviamo che il polinomio

interpolante puo essere scritto anche nella forma
px

a2x2

a1x

ao

in questo caso la matrice di Vandermonde e la seguente:

x 2o x o 1
V

x 21 x 1 1
x 22 x 2 1

Le due formulazioni del problema sono completamente equivalenti.

Risolvendo questo sistema lineare con uno dei metodi che abbiamo gia visto, otteniamo
i valori di a 1 , a 2 , a 3 e dunque abbiamo il polinomio cercato. Il procedimento e analogo se
per quattro punti cerchiamo il polinomio interpolante di terzo grado e cosi via all
aumentare del numero dei punti. Queste conclusioni vengono formalizzate dal
seguente

ESEMPIO 1
Sono state misurate le seguenti temperature nell arco di una giornata: 10 alle 8,
13 alle 10, 11 alle 17; si vuole calcolare la temperatura massima della giornata
supponendo che essa si sia verificata alle 12.
Ponendo x o 8, x 1 10, x 2 17, ed inoltre y o 10, y 1 13, y 2 11, troviamo il
polinomio interpolante di secondo grado p x
a o a 1 x a 2 x 2 , risolvendo il sistema
lineare Va y dove
1
V

64

1 10 100
1 17 289

10

a0
,

a1

a2

13
11

17. 873
si ottiene a

5. 0714

, dove i valori sono arrotondati.

0. 1984
Dunque se vogliamo conoscere la temperatura alle 12, dobbiamo calcolare
p 12
17. 873 5. 0714 12 0. 1984 144 14. 414; allora la temperatura a meggiorno
e stata di 14. 4 (osserviamo che con i normali termometri la temperatura si misura solo
con un decimale, e quindi riportare piu decimali non ha senso).
*****