-
Notifications
You must be signed in to change notification settings - Fork 0
/
1.tex
360 lines (246 loc) · 10.3 KB
/
1.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
\chapter{Interpolazione}
\section{Teorema}
Se $(x_i, y_i)$, $i=0, \ldots, n$ sono $n+1$ punti distinti, allora esiste un unico polinomio $p_n(x)$ di grado $\leq n$ tale che $p_n(x_i)=y_i$, $i=0, \ldots, n$.
\section{Polinomio interpolatore di Lagrange}
Il polinomio Lagrangiano si presenta nella forma:
\begin{align}
L_i = \prod_{k=0, k\neq i}^n \frac{x - x_k}{x_i - x_k}
\end{align}
Invece il polinomio interpolatore costruito grazie al polinomio Lagrangiano è:
\begin{align}
p_n(x) = \sum_{i=0}^n y_i L_i(x)
\end{align}
La caratteristica del polinomio di Lagrange è che:
\begin{align}
L_i(x_j) = \begin{cases}
1 & \text{se } i = j \\
0 & \text{se } i \neq j
\end{cases}
\end{align}
Il polinomio interpolatore di Lagrange si può riscrivere come:
\begin{align}
p_n(x) &= \sum_{i=0}^n y_i L_i(x) \\
&= \omega_n(x) \sum_{i = 0}^n \frac{\beta_i}{x-x_i}
\end{align}
Dove $\omega_n(x)$ è:
\begin{align}
\omega_n(x) = \prod_{i=0}^n (x-x_i)
\end{align}
mentre $\beta_i$ è:
\begin{align}
\beta_i = \frac{y_i}{\prod_{i=0, i\neq j}^n (x_j - x_i)}
\end{align}
Le operazioni necesarie per il calcolo del polinomio interpolatore di Lagrange sono:
\begin{itemize}
\item $n^2/2$ addizioni
\item $n^2$ moltiplicazioni
\end{itemize}
Per il calcolo del resto si ricorre alal formula:
\begin{align}
r(x) &= f(x) - p_n(x) \\
&= \frac{f^{(n+1)}(\xi)}{(n+1)!} \omega_n(x)
\end{align}
\section{Polinomio di Newton}
Il polinomio di newton(o delle defferenze) si costruisce nel seguente modo, per i $k-1$ punti:
Se $k=0$:
\begin{align}
f[x_0] &= f(x_0) \\
\end{align}
Se $k=1$:
\begin{align}
f[x_0,x_1] &= \frac{f[x_1]-f[x_0]}{x_1-x_0} \\
\end{align}
Se $k>1$:
\begin{align}
f[x_0,x_1,\dots,x_k] &= \frac{f[x_1,x_2,\dots,x_k]-f[x_0,x_1,\dots,x_{k-1}]}{x_k-x_0} \\
\end{align}
Il polinomio finale si costrusce nel seguente modo:
\begin{align}
f(x) = f[x_0] + (x-x_0)f[x_0,x_1] + (x-x_0)(x-x_1)f[x_0,x_1,x_2] \\ + \dots + (x-x_0)(x-x_1)\dots(x-x_{n-1})f[x_0,x_1,\dots,x_n]
\end{align}
\section{Convergenza dei polinomi di interpolazione}
\subsection{Bernstein}
Se $f(x) \in C^1([a, b])$, il $p_n(x)$ della funzione relativo agli zeri di chebichev di grado $(n+1)$
converge uniformemente a $f(x)$ in $[a, b]$ per $n \rightarrow \infty$.
Se $f(x) \in C^2([a, b])$, l'errore è limitato da:
\begin{align}
E = O(\frac{1}{\sqrt{n}})
\end{align}
Il polinomio di Bernstein è:
\begin{align}
B_{n, k}(x) = \binom{n}{k} x^k (1-x)^{n-k}
\end{align}
Dove la binomiale è:
\begin{align}
\binom{n}{k} = \frac{n!}{k!(n-k)!}
\end{align}
\subsection{Hermite-Fejér}
Sia $f(x) \in C^0([a, b])$, con $[a, b]$ chiuso e limitato e sia:
\begin{itemize}
\item $p_{2n+1}(x_i) = f(x_i)$
\item $p'_{2n+1}(x) = 0$
\end{itemize}
Se $x_i$ sono gli zeri di chebichev, allora:
\begin{align}
\lim_{n \rightarrow \infty} err = 0
\end{align}
\section{Splines}
\subsection{Decomposizione di un intervallo}
Sia $[a, b]$ un'intervallo chiuso e limitato, chiamo decomposizione di $[a, b]$ un insieme finito di punti:
\begin{align}
\Delta = \{x_0, x_1, \dots, x_n\}
\end{align}
\subsection{Ricerca binaria}
Dato che le spline interpolano gli intervalli, è necessario trovare l'intervallo in cui si trova il punto da interpolare. Per fare ciò si utilizza la ricerca binaria, che permette di trovare l'intervallo in cui si trova il punto da interpolare in $O(\log n)$.
\begin{enumerate}
\item \textbf{Inizializzazione}: Assicurarsi che l'insieme sia ordinato in modo ascendente.
\item \textbf{Definire l'intervallo}: Impostare un intervallo di ricerca iniziale che copra l'intero insieme. Solitamente, l'intervallo è definito da due indici: \textit{inizio} e \textit{fine}. All'inizio, \textit{inizio} sarà 0 (indice del primo elemento) e \textit{fine} sarà la lunghezza dell'insieme meno uno (indice dell'ultimo elemento).
\item \textbf{Calcolare il punto medio}: Calcolare l'indice del punto medio dell'intervallo come \textit{medio = (inizio + fine) / 2}.
\item \textbf{Confronto}: Confrontare l'elemento nel punto medio con l'elemento cercato.
\item \textbf{Trova l'elemento}: Se l'elemento nel punto medio è uguale all'elemento cercato, la ricerca è terminata, e l'elemento è stato trovato.
\item \textbf{Riduzione dell'intervallo}: Se l'elemento nel punto medio è maggiore dell'elemento cercato, impostare \textit{fine = medio - 1} per restringere l'intervallo alla metà inferiore. Altrimenti, se l'elemento nel punto medio è minore dell'elemento cercato, impostare \textit{inizio = medio + 1} per restringere l'intervallo alla metà superiore.
\item \textbf{Ripeti}: Ripetere i passaggi dal 3 al 6 fino a quando l'elemento viene trovato o finché \textit{inizio} diventa maggiore di \textit{fine}, nel qual caso l'elemento non è presente nell'insieme.
\end{enumerate}
\subsection{Errore della spline}
L'errore della spline è definito come:
\begin{align}
r(x) &= f(x) - S(x), \quad x \neq x_i \\
&= | f(x) - S(x) | = \frac{1}{(n+1)!} | f^{(n+1)}(\xi) | \omega(x) \\
&= \frac{1}{(n+1)!} | f^{(n+1)}(\xi) | \prod_{i=0}^n (x - x_i)
\end{align}
\section{Spline cubica}
Sia $[a, b]$ un intervallo chiuso e limitato, sia $f$ una funzione definita su $[a, b]$ e sia $\Delta = \{x_0, x_1, \dots, x_n\}$ una decomposizione di $[a, b]$. Una spline cubica è una funzione $S$ definita su $[a, b]$ tale che:
\begin{align}
S_{3, \Delta}(x) = \begin{cases}
S_{3, \Delta}^1(x) = a^1_0 + a^1_1(x - x_0) + a^1_2(x - x_0)^2 + a^1_3(x - x_0)^3 & x \in [x_0, x_1] \\
S_{3, \Delta}^2(x) = a^2_0 + a^2_1(x - x_1) + a^2_2(x - x_1)^2 + a^2_3(x - x_1)^3 & x \in [x_1, x_2] \\
\dotfill \\
S_{3, \Delta}^n(x) = a^n_0 + a^n_1(x - x_{n-1}) + a^n_2(x - x_{n-1})^2 + a^n_3(x - x_{n-1})^3 & x \in [x_{n-1}, x_{n}]
\end{cases}
\end{align}
Le incognite sono $a^i_0, a^i_1, a^i_2, a^i_3$ per $i = 1, \dots, n$.
I vincoli sono:
\begin{itemize}
\item $3(n-1)$ per imporre $C^2([a, b])$
\item $n+1$ per imporre le interpolazioni ai nodi
\end{itemize}
Ne deriva che vincoli e incognite sono $4n - 2$.
\section{Momenti delle spline}
I momenti delle spline sono definiti come:
\begin{align}
M_i = [S_{3, \Delta}^i(x_i)]''_{x=x_i}
\end{align}
\subsection{Spline conoscento i momenti}
Se conosco i momenti della spline, posso rappresentare le spline nel seguente modo:
\begin{align}
S_{3, \Delta}^i(x) = \frac{(x - x_{i-1})^3}{6h_i} M_i + \frac{(x_i -x)^3}{6h_i} M_{i-1} + A_i(x- x_{i-1}) + B_i
\end{align}
Dove:
\begin{align}
B_i = y_{i-1} - \frac{h_i^2}{6} M_{i-1} \\
A_i = \frac{y_i - y_{i-1}}{h_i} - \frac{h_i}{6}(M_- - M_{i-1})
\end{align}
Derivando varie volte si ottiene:
\begin{align}
[S_{3, \Delta}^i(x)]' &= \frac{(x - x_{i-1})^2}{2h_i} M_i - \frac{(x_i -x)^2}{2h_i} M_{i-1} + A_i \\
[S_{3, \Delta}^i(x)]'' &= \frac{(x - x_{i-1})}{h_i} M_i + \frac{(x_i -x)}{h_i} M_{i-1} \\
[S_{3, \Delta}^i(x)]''' &= \frac{1}{h_i} M_i - \frac{1}{h_i} M_{i-1}
\end{align}
In tutto questo $h_i = x_i - x_{i-1}$.
\subsection{Convertire momenti in coefficienti}
\begin{align}
a_0^i &= y_{i-1} \\
a_1^i &= \frac{y_i - y_{i-1}}{h_i} - \frac{h_i}{6}(2M_{i-1} + M_i) \\
a_2^i &= \frac{M_{i-1}}{2} \\
a_3^i &= \frac{M_i - M_{i-1}}{6h_i}
\end{align}
\subsection{Rappresentazione con i momenti}
\begin{align}
\alpha_i &= \frac{h_i}{h_i + h_{i+1}} \\
\beta_i &= \frac{h_{i+1}}{h_i + h_{i+1}} \\
d_i &= \frac{6}{h_i + h_{i+1}} \left( \frac{y_{i+1} - y_i}{h_{i+1}} - \frac{y_i - y_{i-1}}{h_i} \right)
\end{align}
E la rappresentazione diventa:
\begin{align}
\alpha_i M_{i-1} + 2 M_i + \beta_i M_{i+1} = d_i, \quad i = 1, \dots, n-1
\end{align}
\section{Spline cubica naturale}
Una spline per essere naturale deve avere i momenti $M_0 = M_n = 0$.
Quindi i vincoli diventano:
\begin{align}
\begin{cases}
2 M_1 + \beta_1 M_2 = d_1 \\
\alpha_2 M_1 + 2 M_2 + \beta_2 M_3 = d_2 \\
\dotfill \\
\alpha_{n-1} M_{n-2} + 2 M_{n-1} = d_{n-1}
\end{cases}
\end{align}
La matrice associata è:
\begin{itemize}
\item triangolare
\item $\alpha_i + \beta_i = 1$
\end{itemize}
\section{Spline cubica vincolata}
Le condizioni per avere una spline cubica vincolata sono:
\begin{align}
[S_{3, \Delta}^i(x)]'_{x=x_0} = y_0' \\
[S_{3, \Delta}^i(x)]'_{x=x_n} = y_n'
\end{align}
La matrice associata è:
\begin{itemize}
\item tridiagonale
\item triangolar dominante
\item irreducibile
\end{itemize}
\section{B\'ezier}
Siano $P_i(x_i, y_i), i = 0, 1, n$, punti di controllo, la curva parametrica si forma:
\begin{align}
Q_n(t) = \sum_{i=0}^n P_i f_i(t), \quad t \in [0, 1]
\end{align}
$f_i(t)$ sono opportune funzioni polinomiali scelte in modo tale che la curva abbia le seguenti proprietà:
\begin{itemize}
\item $Q_n(0) = P_0$
\item $Q_n(1) = P_n$
\item La tangente in $P_0$ \`e parallela a $P_1 - P_0$
\item La tangente in $P_n$ \`e parallela a $P_n - P_{n-1}$
\end{itemize}
Queste condizioni sono soddisfate assumendo come funzioni $f_i(t)$ i polinomi di Bernstein:
\begin{align}
B_i^n(t) = \binom{n}{i} t^i (1-t)^{n-i}, \quad i = 0, 1, n
\end{align}
Dove la binomiale si calcola come:
\begin{align}
\binom{n}{i} = \frac{n!}{i!(n-i)!}
\end{align}
Quindi la curva di B\'ezier \`e data da:
\begin{align}
Q_n(t) = \sum_{i=0}^n P_i B_i^n(t), \quad t \in [0, 1]
\end{align}
\begin{figure}[h!]
\centering
\includegraphics[width=0.4\linewidth]{images/curva_bazier_esempio.png}
\end{figure}
Spesso \`e necessario utilizzare pi\`u curve e per fare ci\`o si utilizzano i gradi di continuith\`a.
\begin{itemize}
\item $C^0$, le due curve hanno un punto in comune (primo nodo della seconda curva coincide con l'ultimo della prima)
\item $C^1$, le due curve hanno un punto in comune e la derivata prima \`e uguale in direzione e modulo
\end{itemize}
\subsection{Curve di B\'ezier razionali}
In questo caso si introduce un valore di peso per ogni punto di controllo, quindi la curva \`e data da:
\begin{align}
Q_n(t) = \frac{\sum_{i=0}^n P_i w_i B_i^n(t)}{\sum_{i=0}^n w_i B_i^n(t)}, \quad t \in [0, 1]
\end{align}
\begin{figure}[h!]
\centering
\includegraphics[width=0.4\linewidth]{images/bazier_pesato_esempio.png}
\end{figure}
\section{Interpolazione di funzioni in pi\`u variabili}
Sapendo che il polinomio Lagrangiano \`e:
\begin{align}
L_{ij}(x, y) = L_i(x) L_j(y)
\end{align}
Il polinomio interpolante \`e:
\begin{align}
p_{n, m}(x, y) &= \sum_{i=0}^n \sum_{j=0}^m f(x_i, y_j) L_{ij}(x, y) \\
&= \sum_{i=0}^n \sum_{j=0}^m f(x_i, y_j) L_i(x) L_j(y)
\end{align}