8 Polynominterpolation

Ähnliche Dokumente
Polynominterpolation

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3 Interpolation und Approximation

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002

3.6 Approximationstheorie

Übungen zu Splines Lösungen zu Übung 20

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Lineare Differenzengleichungen

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Interpolation. Kapitel 3

Eigenwerte und Diagonalisierung

Numerische Integration und Differentiation

Inhaltsverzeichnis. 1 Definition: Interpolationsproblem Problemstellung Eigenschaften Varianten... 2

Inhalt Kapitel IV: Interpolation

Polynominterpolation mit Matlab.

Anhang B: Quadratische Irrationalzahlen 1 Reel-quadratische Zahlkörper

Übungen zu Einführung in die Lineare Algebra und Geometrie

Explizite Formeln für rekursiv definierte Folgen

2. Teilbarkeit. Euklidischer Algorithmus

2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p

Vorkurs: Mathematik für Informatiker

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen

Aufgaben zu Kapitel 20

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

3. Übungsblatt zur Lineare Algebra I für Physiker

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

2.1 Polynome, Polynomfunktionen und Nullstellen. k=0

[5], [0] v 4 = + λ 3

Numerische Lineare Algebra

2 Die Dimension eines Vektorraums

Kapitel III. Aufbau des Zahlensystems

Γ = {(x, f(x)) : x R} R 2

Lineare Algebra II 5. Übungsblatt

Numerisches Programmieren, Übungen

Klausur zur Vordiplom-Prüfung

Wir konstruieren eine Wasserrutsche!

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

Analysis II für Studierende der Ingenieurwissenschaften

Vorlesung bzw. 23. Januar Determinanten 1. Cramersche Regel

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

Übungen zu Einführung in die Lineare Algebra und Geometrie

41 Der Satz über implizite Funktionen

Elementare Zahlentheorie

Drehung um einen Punkt um Winkel α.

Einführung in die Theorie der Markov-Ketten. Jens Schomaker

Interpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.

Lineare Algebra: Determinanten und Eigenwerte

5 Grundlagen der Zahlentheorie

3 Numerisches Rechnen

Einführung in die Logik

$Id: integral.tex,v /05/05 14:57:29 hk Exp hk $ ln(1 + t) 2 = ln 2 ln 3 + ln 2 = ln

3 Matrizenrechnung. 3. November

Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.

Nichtlineare Optimierung ohne Nebenbedingungen

3.6 Eigenwerte und Eigenvektoren

Folgerungen aus dem Auflösungsatz

Die Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter:

6.2. Prüfungsaufgaben zur Lösbarkeit von LGS

2 Polynome und rationale Funktionen

Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen)

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 12 (WS 2015/16) 1. Abgabetermin: Donnerstag, 28. Januar.

4 Direkte Verfahren für spezielle Systeme

Klausur Mathematik I

Kapitel 17. Determinanten

4 Messbare Funktionen

Einstieg in die Informatik mit Java

Ausgewählte Lösungen zu den Übungsblättern 4-5

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

1 Matrizenrechnung zweiter Teil

Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

von Zahlenfolgen, die bei Gebietsteilungsproblemen

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )

3 Markov-Eigenschaft der Brownschen Bewegung

Rekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen

Klausurvorbereitungsblatt Lineare Algebra

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

5 Potenzreihenansatz und spezielle Funktionen

8. Rekursive und primitiv rekursive Funktionen

Differenzengleichungen. und Polynome

1 Euklidische und unitäre Vektorräume

Klausur HM I H 2005 HM I : 1

Inexakte Newton Verfahren

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Mathematik IT 2 (Lineare Algebra)

Die projektive Ebene Was sind unendlich ferne Punkte?

Lineare Algebra 6. Übungsblatt

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

16 Vektorfelder und 1-Formen

Rückblick auf die letzte Vorlesung

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Transkript:

8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum durch die gegebenen Punkte. Fragen: (1 Wie berechnet man so eine Kurve? (2 Wie groß ist der Interpolationsfehler? (8.1 Definition (Interpolationsaufgabe von Lagrange Zu Stützstellen t 0 < t 1 < t und Werten f 0, f 1,..., f R bestimme ein Polynom P P mit P(t n f n, n 0,...,. (8.2 Satz Die Interpolationsaufgabe von Lagrange (8.1 ist eindeutig lösbar. Beweis. (1 Eindeutigkeit: Seien P, P zwei Lösungen der Aufgabe (8.1. Definiere Q : P P P. Dann hat Q nach Definition + 1 ullstellen und ist daher das ullpolynom. (2 Existenz: Die Zuordnung eines Polynoms P P auf die Auswertungen in den Stützstellen ist linear, d.h. die Lösung der Interpolationsaufgabe entspricht der Lösung eines Linearen Gleichungssystems in R +1. Da die Lösung eindeutig ist, ist die zugehörige Matrix regulär und somit ist die Aufgabe immer lösbar. Konstruktion des Interpolationspolynoms Zum Lösen der Interpolationsaufgabe muss man im Grunde den Koeffizientenvektor a (a 0,a 1,...,a n T R +1 bestimmen, welcher a 0 + a 1 t n + a 2 t 2 n + + a t n f n für n 0,..., genügt. Dies ist ein lineares Gleichungssystem Ta f mit f ( f 0,..., f T R +1 und der Vandermonde-Matrix 1 t 0 t0 2 t0 T (tn k 1 t 1 t1 2 t 1 n,k0,...,....... R+1,+1. 1 t t 2 t Diese Matrix ist zwar regulär (da die t n paarweise verschieden sind, hat aber in der Regel eine sehr schlechte Kondition. Eine andere Möglichkeit ist die Darstellung über die 69

Lagrange Basispolynome L k P mit L k (t n0 n k t t n t k t n Diese Polynome genügen der Bedingung { 1, k n L k (t n 0, k n. Also ist P(t : f k L k (t k0 Lösung der Interpolationsaufgabe (8.1. Vor- und achteile der Lagrange-Darstellung + Explizite Darstellung der Lösung. + Auswertung von P benötigt O( 2 Operationen, währ das Lösen von Ta f mit der LR-Zerlegung O( 3 Operationen benötigt. Die Lagrange Basis ist stark oszillier, somit ist die Auswertung für große numerisch instabil und führt zur Auslöschung. Wenn ein weiterer Wert hinzugefügt wird, müssen alle Basispolynome neu berechnet werden! (8.3 Definition (Hermitesche Interpolationsaufgabe Zu t 0 t 1 t definiere d n : max{n k : t k t k+1 t n }, und es sei d maxd n. Zu f C d (R bestimme P P mit ( d dn ( d dn P(t n f (t n für n 0,...,. Beispiele (1 Sind die t n paarweise verschieden, dann folgt d n 0 und wir erhalten die Lagrange- Interpolation. (2 Für t 0 t 1 t ergibt sich das Taylor-Polynom P(t n0 ( 1 d n n! (t t 0 n f (t 0. 70

(3 Betrachte die kubische Hermite-Interpolation mit a t 0 t 1 < t 2 t 3 b. Dann gilt d 0 0,d 1 1,d 2 0,d 3 1 und es ergibt sich P(t H ( t a b a für H(t f (ah 00 (t + (b a f (ah 10 (t + f (bh 01 (t + (b a f (bh 11 (t. Dabei sind die Hermite-Polynome gegeben durch H 00 (t 1 3t 2 + 2t 3, H 10 (t t 2t 2 +t 3, H 01 (t 3t 2 2t 3, H 11 (t t 2 +t 3. (8.4 Definition Zu t 0,...,t definiere die ewton-basis von P rekursiv durch ω 0 1, ω k (t (t t k 1 ω k 1 (t, k 1,...,. Bemerkung Es gilt degω k k, und span{ω 0,...,ω k } P k. (8.5 Satz Die Hermitesche Interpolationsaufgabe (8.3 ist eindeutig lösbar. Beweis. Definiere die Linearform µ n : C d [a,b] R mit µ n ( f 1 d n ( d dn f (t n. Suche ein Polynom P P mit µ n (P µ n ( f für n 0,...,. Da µ n linear ist, löst ein Polynom P(t b k ω k (t k0 genau dann (8.3, wenn µ n (ω k b k µ n ( f k0 für n 0,..., gilt. Es bleibt also zu zeigen, dass die Matrix A : (µ n (ω k n,k0,..., R +1,+1 regulär ist. Es gilt µ n (ω k 0 für n < k und µ n (ω n 1. Also ist A eine normierte Dreiecksmatrix und somit regulär. 71

(8.6 Definition Der eindeutig bestimmte höchste Koeffizient b 1! ( d P(t der Hermiteschen Interpolationsaufgabe (8.3 bzgl. der ewton-basis wird mit b : f [t 0,...,t ] bezeichnet. b heißt -te dividierte Differenz von f an t 0,...,t. Bemerkung 1 Für 0 gilt f (t 0 f [t 0 ]. 2 Falls t 0,...,t nicht sortiert sind, dann definiere f [t 0,...,t ] f [t k0,...,t k ] mit der Sortierung t k0 t k. (8.7 Satz a Das Polynom P (t : f [t 0,...,t k ]ω k (t k0 löst die Interpolationsaufgabe (8.3 zu f an t 0 t. b Für f C +1 (R gilt f (t P (t + f [t 0,...,t,t]ω +1 (t. Beweis. Zu a Wir führen eine Induktion über durch. 0: Es gilt P 0 (t f (t 0 f [t 0 ]. 1 : Sei P P die Interpolation zu f an t 0,...,t. Dann definiere P 1 (t : P (t f [t 0,...,t ]ω (t P 1. Dieses P 1 erfüllt ( d ( d P 1(t P (t 1 ( d ( d P (t ω (t! }{{}! daher ist P 1 P 1. Ferner gilt für n < nach Konstruktion µ n (ω 0. Also erfüllt P 1 für n < die Gleichung µ n (P 1 µ n ( f. Damit löst P 1 (8.3 für t 0,...,t 1 und nach Induktionsvoraussetzung gilt P 1 (t 1 f [t 0,...,t k ]ω k (t. k0 72 0,

Zu b Für festes t definiere das Polynom Q t P +1 mit Q t (s P (s + f [t 0,...,t,t]ω +1 (s. ach a ist Q t die Hermite-Interpolation zu f an den Stellen t 0,...,t,t. Somit gilt insbesondere Q t (t f (t. (8.8 Satz Für den Interpolationsfehler gilt ( 1 d +1 f (t P (t f (τ t ω +1(t ( + 1! mit τ t I : [min{t 0,t},max{t,t }]. Beweis. Sei dazu Q t (s P (s f [t 0,...,t,t]ω +1 (s P +1 die Interpolation zu f an t 0,...,t,t. Also hat f (s Q t (s in I mindestens + 2 ullstellen (mit Vielfachheiten. ach dem Satz von Rolle gilt, dass f (s Q t(s in I mindestens + 1 ullstellen (mit Vielfachheiten hat. Induktiv folgt also, dass ( d ds +1 ( f Q t (s ( d ds +1 f (s f [t 0,...,t,t]( + 1! in I mindestens eine ullstelle τ t I hat. Und damit gilt für diese ullstelle ( d +1 f (τ t f [t 0,...,t,t]( + 1!, ds woraus mit Satz (8.7 die Behauptung folgt. Anwung von (8.8 Es gilt für den Fehler der Lagrange-Interpolation mit t n : a + nh, h : b a ( max f (t P 1 d +1 (t max f (τ t [a,b] t [a,b] t ω +1(t ( + 1! 1 ( d +1 + 1 h+1 max f (τ t, für f C +1 [a,b], denn max ω +1(t t [a,b] max n1,..., n nk t [a,b] max ω +1(t t [t n 1,t n ] (k + 1h ( + 1 kh! h +1. kn+1 Bemerkung Im Allgemeinen ist ( d k f (t unbeschränkt, wenn k immer größer wird. 73

Zur Auswertung der Interpolation verwen wir die folgen Rekursionen. (8.9 Lemma a Für t k < t n gilt b Für t k t n gilt Bemerkung Es gelten f [t k,...,t n ] f [t k+1,...,t n ] f [t k,...,t n 1 ] t n t k. f [t k,...,t n ] f [t] f (t, ( 1 d n k f (t n. (n k! f [t + h] f [t] f [t,t] lim f [t + h,t] lim f (t, h 0 h 0 h f [t,t,t] lim f [t h,t,t + h] a f [t + h,t] f [t h,t] lim h 0 h 0 2h a f [t h] 2 f [t] + f [t + h] lim h 0 2h 2 f (t. Beweis. Zu a Sei P kn P n k die Interpolation zu f an t k,...,t n, d.h. f [t k,...,t n ] ( 1 d n k P nk(t. (n k! Dann definiere zu k < n P(t : 1 ( (t t k P n,k+1 (t + (t n tp n 1,k (t. (4 t n t k Somit gelten P(t n P n,k+1 (t n f (t n und P(t k P n 1,k (t k f (t k und für k < j < n gilt Außerdem folgt P(t j 1 ( f (t i (t j t k + f (t i (t n t j f (t j. t n t k P (t 1 ( P n,k+1 (t P n 1,k (t + (t t k P n,k+1 t n t (t + (t n tp n 1,k, (t k und damit P (t i t 1 n t k ((t i t k P n,k+1 (t i + (t n t i P n 1,k (t i. Daraus lässt sich ablesen, dass P auch für doppelte Stützstellen die Interpolationseigenschaft erfüllt (analog für 74

weitere Ableitungen. Also ist P P n k Interpolation zu f an t k,...,t n. Mittels Koeffizientenvergleichs von ( d n 1 P folgt dann die Behauptung: f [t k,...,t n ] ( 1 d n k P(t (n k! ( d n k ( tp 1 (t tp 0 (t 1 1 (n k! t n t k 1 ( f [t k+1,...,t n ] f [t k,...,t n 1 ] t n t k. Zu b Das Taylor-Polynom P(t n k ( 1 d j f (t k (t t k j j0 j! interpoliert f an t k t n, d.h. es gilt Damit folgt P(t n k f [t k,...,t k+ j ](t t k j j0 ( 1 d n k ( 1 d n k P(t f [t k,...,t n ] f (t k. (n k! (n k! 75

Algorithmus 5 Polynom-Interpolation mit dem eville-schema. function y eval_neville(t,f,x length(t; for k1:-1 for n:(-1:k+1 if t(n ~ t(n-k f(n ((x-t(n-k*f(n + (t(n-x*f(n-1 / (t(n - t(n-k; y f(; return function f koeffizienten_neville(t,f length(t; for k1:-1 for n:(-1:k+1 if t(n ~ t(n-k f(n (f(n - f(n-1 / (t(n - t(n-k; return function y eval_poylnom(t,b,x length(t; y b(1; p 1; for n2: p p * (x - t(n-1; y y + b(n * p; return 76

Beispiel Mit Hilfe des vorhergehen Lemmas lässt sich nun relativ einfach das Interpolationspolynom berechnen (also die Koeffizienten bezüglich der ewton-basis. Ferner kann man das Interpolationspolynom auswerten, ohne das Polynom explizit berechnen zu müssen. Wir werden dies hier an einem Beispiel illustrieren. Das Schema, mit dem man die Auswertung vornimmt, nennt man eville-schema. Betrachte dazu die Stützstellen t n n für n 0,...,3. Die Funktionswerte seien f (0 1, f (1 2, f (2 0 und f (3 1. Dann lautet das eville-schema: t n f [t n ] 0 1 1 2 f [0,1] 1 2 0 f [1,2] 2 3 1 f [2,3] 1 f [0,1,2] 2 3 f [1,2,3] 3 2 f [0,1,2,3] 1 Die gesuchten Koeffizienten stehen dann auf der Hauptdiagonalen, also ist P 3 (t 1 + 1(t 0 3 (t 0(t 1 + 1(t 0(t 1(t 2 2 t 3 9 2 t2 + 9 2 t + 1. Mit Gleichung (4 funktioniert die Auswertung an einer bestimmten Stelle. Wir wählen t 4 und berechnen t n f [t n ] 0 1 1 2 2 0 3 1 4 0 1 0 2 + 1 4 1 0 1 5 4 1 2 1 0 + 2 4 2 4 2 1 13 4 2 3 2 1 + 3 4 3 2 0 2 5 11 P 3(4 Für die Auswertung des Interpolationspolynoms bzw. der Berechnung der Koeffizienten werden O( 2 Operationen benötigt. (8.10 Satz (Hermite-Genocchi-Formel Es sei Σ der Standard -Simplex (Dreieck für 2, Tetraeder für 3, d.h. 0 Σ s. s mit s 0 1 (s 1 + + s. Dann gilt f [t 0,...,t ] R +1 : Σ n0 s n 1,s n 0 ( ( d f n t n ds. n0s 77

Es gilt für die Integration im Standardsimplex Σ g(sds n1 s n 1 s n 0 1 0 1 s 1 0 ( g 1 1 s 1 s 2 0 n1 s n,s 1,...,s ds 1 s 1... s 1 0 ( g 1 s n n1 } {{ } s 0 Beweis. Falls t 0... t so gilt t 0 +1 n1 s nt n für s Σ, also f [t 0,...,t ] 1! ( d f (t 0 Σ Für 0 haben wir f [t 0 ] f (t 0. + 1: Ohne Einschränkung gelte t 0 t +1. Σ +1 ( ( d +1 +1 f n1 s n 1 s n 0 n1 s n 1 s n 0 1 t +1 t 0 I.V. s n t n ds n0 1 n0 s n 0 1 t +1 t 0 n1 s n 1 s n 0 ( d ( d f ( +1 n1 s n 1 s n 0 +1 f ( ( ( d f [ ( ( d f t 0 + n1 t 0 + t 0 +,s 1,...,s ds ds 1. ( d f (t 0 ds. ( ( d +1 +1 f t 0 + n1 n1 t +1 + n1 s n (t n t 0 s n (t n t 0 + s +1 (t +1 t 0 s n (t n t 0 + s +1 (t +1 t 0 n1 s n (t n t +1 s n (t n t 0 ] ds... d s1 1 t +1 t 0 ( f [t 1,...,t +1 ] f [t 0,...,t ] f [t 0,...,t +1 ]. ds ds +1 ds ds 1 s +1 1 n1 s n s +1 0 ds ds 1 78