1 2 x x x x x x2 + 83

Ähnliche Dokumente
Polynominterpolation

Inhalt Kapitel IV: Interpolation

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

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

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

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

Übungen zu Splines Lösungen zu Übung 20

Analysis II für Studierende der Ingenieurwissenschaften

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

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

Interpolation. Kapitel 3

Numerische Integration und Differentiation

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen

3 Interpolation und Approximation

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

Klausur Numerische Methoden II Universität Siegen, Fachbereich Maschinenbau,

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

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

Polynominterpolation mit Matlab.

GRUNDLAGEN MATHEMATIK

Funktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,

Funktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,

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

Practical Numerical Training UKNum

Mathematik II/2 Numerik

Numerik I. Universität Siegen Wintersemester 2004/05 Prof. Dr. Franz-Jürgen Delvos Prof. Dr. Hans-Jürgen Reinhardt

3.6 Approximationstheorie

Klausur Mathematik I

[5], [0] v 4 = + λ 3

Kapitel 16 : Differentialrechnung

Konvergenz interpolierender Polynome

6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme

Klausur zur Vordiplom-Prüfung

Analysis I. 4. Beispielklausur mit Lösungen

Numerisches Programmieren, Übungen

Numerische Integration

Γ = {(x, f(x)) : x R} R 2

Die Taylorreihe einer Funktion

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Numerische Verfahren Übungen und Lösungen, Blatt 1

In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y

Numerische Mathematik. Studierende der Mathematik und Technomathematik

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}

7.2.1 Zweite partielle Ableitungen

Newton-Verfahren für ein Skalarfunktion

Technische Universität München Zentrum Mathematik. Übungsblatt 4

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Interpolationsverfahren

Mathematik für Bauingenieure

Klausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,

Grundlagen der Numerischen Mathematik. Heinrich Voß

4 Fehlerabschätzungen und Konvergenz der FEM

Extremwerte von Funktionen mehrerer reeller Variabler

Numerik I. Bernhard Schmitt. Sommer-Semester Einleitung 1

Einführung. Ablesen von einander zugeordneten Werten

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Approximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.

Übungen zu Numerisches Programmieren

Höhere Mathematik I/II

Thema aus dem Bereich Analysis Differentialrechnung I. Inhaltsverzeichnis

ANALYSIS I FÜR TPH WS 2016/17 3. Übung Übersicht

2 Polynome und rationale Funktionen

Bezeichnung von Funktionen x := y:=

5 Potenzreihenansatz und spezielle Funktionen

4) Lösen linearer Gleichungssysteme mit zwei oder drei Unbekannten

ε δ Definition der Stetigkeit.

27 Taylor-Formel und Taylor-Entwicklungen

= 3 e e x 1 + 2x 2. + x 2. = x. x 1 = 5 x 2 = 2

V.1 Konvergenz, Grenzwert und Häufungspunkte

Polynome, Interpolation, Splines und Differentiation

5 Lineare Algebra (Teil 3): Skalarprodukt

Technische Universität Berlin. Klausur Analysis I

cos(kx) sin(nx)dx =?

Mathematik II für Inf und WInf

Facharbeit. Mathematik

Leitfaden a tx t

15.5 Stetige Zufallsvariablen

Lösungen der Übungsaufgaben von Kapitel 3

Skriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci

Übungen zur Vorlesung MATHEMATIK II

Nichtlineare Optimierung ohne Nebenbedingungen

Taylor-Entwicklung der Exponentialfunktion.

Klausur zu Analysis II - Lösungen

5. Spezielle stetige Verteilungen

Brownsche Bewegung. Satz von Donsker. Bernd Barth Universität Ulm

Berechnungen mit dem Horner-Schema

4 Fehlerabschätzungen und Konvergenz der FEM

Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29

Analysis II WS 11/12 Serie 9 Musterlösung

Ein Kennzeichen stetiger Funktionen ist es, dass ihre Graphen (evtl. auch nur in Intervallen) nicht. Knicke im Funktionsgraphen auftreten.

Beispielaufgaben rund um Taylor

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

Nullstellenberechnung von nichtlinearen Funktionen

2.1 Polynome, Polynomfunktionen und Nullstellen. k=0

Klausur zur Vordiplom-Prüfung

Numerische Integration durch Extrapolation

Numerische Mathematik für Naturwissenschaftler und Ingenieure

Analytische Zahlentheorie

Erste Schularbeit Mathematik Klasse 7A G am

3 Numerisches Rechnen

Transkript:

Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die Wertetabelle gemäß der Newton-Form. c) Wie lautet das Interpolationspolynom unter Hinzunahme des Punktes (x 4, f 4 ) = ( 1, 1) bzw. der Punkte (x 4, f 4 ) = ( 1, 1) und (x 5, f 5 ) = (3, 6)?.

Polynominterpolation 2 P 4 (x) = 4 f(x j ) l j4 (x) j=0 = ( 3) x 1 0 1 x 2 0 2 x 4 0 4 x + 1 0 + 1 +1 x 0 1 0 x 2 1 2 x 4 1 4 x + 1 1 + 1 +2 x 0 2 0 x 1 2 1 x 4 2 4 x + 1 2 + 1 +7 x 0 4 0 x 1 4 1 x 2 4 2 x + 1 4 + 1 x 0 +1 1 0 x 1 1 1 x 2 1 2 = 7 15 x4 83 30 x3 + 53 15 x2 + 83 30 x 3. x 4 1 4

Polynominterpolation: Lagrange-Form Die Lagrangschen Grundpolynome lauten n x x l jn (x) = k, j = 0,..., n. x i x k k = 0 k j Sie haben die Eigenschaft l jn (x i ) = δ ji, i, j = 0,..., n, wobei δ ji das Kronecker Symbol bezeichnet. In der Lagrange-Darstellung lautet die Interpolationspolynom n P n (x) = f(x j )l jn (x). j=0

Polynominterpolation: Newton-Form Die Newton-Basis lautet w 0 (x) = 1, w k (x) = k 1 (x x i ), i=0 mit k = 0,..., n. Die dividierten Differenzen berechnen sich rekursiv nach der Formel [x 0,..., x n ]f = [x 1,...,x n ]f [x 0,...,x n 1 ]f x n x 0 mit [x i ]f = f(x i ). Das Interpolationspolynom in der Newton Form lautet n P n (x) = [x 1,..., x k+1 ]f w k (x). k=0

Polynominterpolation Aufgabe 2 Sei f(x) = e x und p(x) P 3 dasjenige Polynom, das f(x) an den Stellen x 0 = 1, x 1 = 0, x 2 = 1, x 3 = 2, interpoliert. a) Geben Sie p(x) in der Newton-Form an. b) Wie groß kann der Interpolationfehler im Interval [1, 2] höchstens werden? c) Wie läßt er sich an der Stelle x = 1 2 abschätzen und wie groß ist er tatsächlich?

Polynominterpolation: Fehlerabschätzung Für x i [a, b] und f R n+1 [a, b] gilt f(x) P n (x) = f (n+1) (ξ) (n + 1)! wobei ξ [a, b] und ω n+1 (x), ω n+1 (x) = (x x 0 )(x x 1 )... (x x n ). Die Fehlerabschätzung auf [a, b]: f (n+1) (ξ) f(x) p n (x) = ω (n + 1)! n+1 (x) f (n+1) (x) max x [a,b] (n + 1)! max ω n+1(x) x [a,b]

Aufgabe 3 Die Funktion Polynominterpolation f(x) := 2 sin(3πx) soll durch Polynome an den Stützstellen interpoliert werden. x 1 = 0, x 2 = 1 12, x 3 = 1 6, x 4 = 1 3 a) Werten Sie das Interpolationspolynom P (f x 1, x 2, x 4 )(x) an der Stelle x = 1 10 mit dem Aitken-Neville-Schema aus. b) Bestimmen Sie die Lagrange- und die Newton-Darstellung des Polynoms P (f x 1, x 2, x 3 )(x). c) Werten Sie die Newton-Darstellung aus Teilaufgabe b) mit dem Horner-Schema an den Stellen y 1 = 1 10 und y 2 = 1 8 aus. d) Schätzen Sie den Interpolationsfehler P (f x 1, x 2, x 3 )(x) f(x) im Intervall [0, 1 6 ] ab. e) Ermitteln Sie das Interpolationspolynom P (f x 1, x 2, x 3, x 4 )(x). Welche Darstellung wählen Sie?

Polynominterpolation: Horner-Schema Zur Berechnung des Wertes des Polynom n P n (a) = c k w k (a) = c 0 + (a x 0 )(c 1 k=0 +... (c n 1 + (a x n 1 )c n )...)). mit c k = [x 1,..., x k+1 ]f an der Stelle x = a benutzt man eine effiziente Methode Setze p := c n. Für k = n 1,..., 0 berechne s = c k + (a x k )p

Polynominterpolation: Neville-Aitken-Schema Lemma 8.6. P i,k = x x i k x i x i k P i,k 1 + x i x x i x i k P i 1,k 1 = P i,k 1 + u i u u i u i k (P i 1,k 1 P i,k 1 ) für 0 k i n.

Aufgabe 4 Die Funktion Polynominterpolation f(x) = x 0 sin 2 (t) dt soll im Intervall I = [0, π 2 ] äquidistant so tabelliert werden, daß bei linearer Interpolation der Interpolationsfehler für jedes x I kleiner als 0.25 10 4 ist. Wie groß darf der Stützstellenabstand h dann höchstens sein und wieviele Funktionswerte müssen in die Tabelle aufgenommen werden?

Polynominterpolation Aufgabe 5 Gegeben seien die reellen Stützstellen x 0, x 1,..., x n R mit x 0 < x 1 < < x n und eine stetige Funktion f : R R. Das Interpolationspolynom P (f x 0,..., x n ) ist eindeutig bestimmt. Gegeben seien die reellen Stützstellen x 0, x 1,..., x n R mit x 0 < x 1 < < x n und eine stetige Funktion f : R R. Sei τ S {0,1,...,n} eine Permutation der Punkte 0 bis n. Dann gilt P (f x 0, x 1,..., x n ) = P (f x τ(0), x τ(1),..., x τ(n) ).

Aufgabe 5 Polynominterpolation Seien [a, b] R ein kompaktes Intervall und f : [a, b] R (n + 1)-mal stetig differenzierbar. Dann läßt sich der Approximationsfehler abschätzen durch max f P n max ω n max x [a,b] x [a,b] x [a,b] f (n) (x) (n + 1)!. Es sei l i,n (x) die Lagrange Grundpolynome zu den Stützstellen x 0,..., x n, n 1, dann gilt n (x + 1) n = l i,n (x)(x i + 1) i=0 für alle x [x 0, x n ].