APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

Podobne dokumenty
Definicja interpolacji

Twierdzenia o funkcjach ciągłych

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

WYKŁAD 1 INTERPOLACJA WIELOMIANOWA

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

CAŁKA NIEOZNACZONA. F (x) = f(x) dx.

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Analiza I.1, zima globalna lista zadań

Funkcje tworz ce skrypt do zada«

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Twierdzenie Cayleya-Hamiltona

Analiza numeryczna Kurs INP002009W. Wykład 8 Interpolacja wielomianowa. Karol Tarnowski A-1 p.223

Rachunek różniczkowy funkcji wielu zmiennych

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Metody Obliczeniowe w Nauce i Technice laboratorium

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Pochodna funkcji jednej zmiennej

KADD Metoda najmniejszych kwadratów

I kolokwium z Analizy Matematycznej

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Problem. Jak praktycznie badać jednostajną ciągłość funkcji?

Matematyka stosowana i metody numeryczne

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Metody numeryczne. Ilorazy różnicowe. dr Artur Woike. Wzory interpolacyjne Newtona i metoda Aitkena.

Metody numeryczne Laboratorium 5 Info

Estymacja przedziałowa

Analiza matematyczna i algebra liniowa

1 Pochodne wyższych rzędów

Analiza matematyczna dla informatyków 4 Zajęcia 5

4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

Równania liniowe rzędu drugiego stałych współczynnikach

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

x t 1 (x) o 1 : x s 3 (x) Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

Analiza I.1, zima wzorcowe rozwiązania

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

c 2 + d2 c 2 + d i, 2

Funkcje tworzące - przypomnienie

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Wyższe momenty zmiennej losowej

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

UKŁADY RÓWNAŃ LINOWYCH

Analiza numeryczna Kurs INP002009W. Wykład 4 Rozwiązywanie równań nieliniowych. Karol Tarnowski A-1 p.

I. Podzielność liczb całkowitych

INDUKCJA MATEMATYCZNA

3 Arytmetyka. 3.1 Zbiory liczbowe.

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Katalog wymagań programowych z matematyki od absolwenta II klasy (poziom rozszerzony).

Analiza numeryczna kolokwium2a-15grudnia2005

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Zadania z algebry liniowej - sem. I Liczby zespolone

1.3. Przestrzeni. Odwzorowania. Rząd macierzy. Twierdzenie Croneckera- Capellego

7. Różniczkowanie. x x. f (x 0 ) = df(x). dx x=x0 Pierwsze oznaczenie pochodzi od Lagrange a, a drugie od Leibniza.

Parametryzacja rozwiązań układu równań

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

INTERPOLACJA I APROKSYMACJA FUNKCJI

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

METODY NUMERYCZNE. Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer. wykład 3 1

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku

x R, (1) Ogólnie równanie o jednej niewiadomej x można przedstawić w postaci

Interpolacja funkcji

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Obliczenia naukowe Wykład nr 6

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,

Repetytorium z Matematyki Elementarnej Wersja Olimpijska

Zajęcia nr. 2 notatki

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

8. Jednostajność. sin x sin y = 2 sin x y 2

Ciągi liczbowe wykład 3

16 Przedziały ufności

Prawdopodobieństwo i statystyka

Twierdzenie 15.3 (o postaci elementów rozszerzenia ciała o zbiór). Niech F będzie ciałem oraz A F pewnym zbiorem. Niech L<F.

Funkcje tworz ce - du»y skrypt

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)

Analiza Matematyczna I dla Inżynierii Biomedycznej Lista zadań

Transkrypt:

APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość f dla argumetów poza siatą 1,8,6,4,2-2 -1 1 2 3 4 5 6 7 8 9 1 -,2 -,4 ajczęściej g( x) a g ( x) g(x) - zae fucje prostsze

aprosymacja wielomiaowa fucjami trygoometryczymi fucjami wymierymi realizacja p.: wybieramy taie g, że M i i i 1 { g( x )} { f ( x )} g (x i ) - jedomiay ----> aprosymacja wielomiaowa UWAGA! jeśli f(x) jest wyiiem doświadczeń ie moża stosować iterpolacji, 1 8 6 4 2-2 -2 2 4 6 8 1 12 14 16 18 2 tu stosujemy p. metodę ajmiejszych wadratów (postulujemy ształt g, z parametrami) Tw. Weierstrassa mi ( ;,..., ) ( ) i ( g xi a1 a p f xi ) 2

Jeżeli f(x) jest ciągła w [a,b], f ( x) P ( x) < ε ε >, P ( x) Tw. Weierstrassa (dla fucji oresowych) jeśli F(x) jest ciągła i oresowa (2π), to dla ażdego ε> istieje wielomia trygoometryczy stopia że dla ażdego x o 1 S ( x) a + ( a cos( x) + b si( x)) F( x) S ( x) < ε iterpolacja estrapolacja

Iterpolacja wielomiaowa zalezieie, dla uładu +1 różych węzłów { x i }, i,1,.. i wartości { f i }{ f(x i ) }, wielomiau stopia co ajwyżej, P (x) taiego, że P (x i ) f i TW. Istieje doładie jede tai wielomia. Sposoby ostrucji wielomiau iterpolacyjego Dlaczego ostrucje? Dlaczego ie ta: P (x) a x + a 1 x 1 +... + a x - +1 współczyiów, { P (x i ) f i } i,+1 - +1 rówań a) możliwa utrata doładości przy rozwiązywaiu dużej liczby rówań b) chcemy tylo móc obliczyć wartość P dla x spoza siati chcemy mieć prosty przepis (wzór) z małą liczbą operacji gdyby awet to: - rozwiązaie uładu (+1) rówań algebraiczych wymaga (ja zobaczymy) ~ 3 możeń

1) wielomia iterpolacyjy Lagrage a a) uogólieie iterpolacji liiowej ( x, y ) i ( x 1, y 1 ) (***) P( x) ( x x1) ( x x ) 1 y + ( x x) ( x x ) 1 y 1 a w ogólości: gdzie wielomiay L, L są postaci P( x) f L ( x) L,, f y (ilorazy) stopia, ( x ) δ i i L ( x) i i ( x xi ) ( x x ) i ( x x)( x x1)..( x x 1)( x x + 1)..( x x ) ( x x )( x x )..( x x )( x x )..( x x ) 1 1 + 1 ideale do zaprogramowaia... (pętle) możeń prostych ilorazów; ażdy iloraz to jedo dzieleie, razem to 2 możeń, obl. wartości wielomiau -> razy powyższe możeia... łączie ~ 2 możeń

ćwiczeie: porówaj przybliżeie do wartości fucji f(x) 1/x w pucie x3 za pomocą 3-wyrazowego rozwiięcia w szereg Taylora w otoczeiu x 1 oraz wielomiau Lagrage a a 3 węzłach w putach 1., 2., 4. Błąd iterpolacji wielomiaowej Twierdzeie Jeśli x, x 1,..x [a,b] i f C +1 [a,b] to f ( x) P( x) x [ a, b] ξ( x) ( a, b) f ( + 1) ( ξ( x)) ( x x)( x x1)...( x x) ( + 1)! dowód zdefiiujmy L ( x) ( x xo )( x x1 )...( x x ) (wielomia +1 stopia), oraz ϕ( x) f ( x) P( x) K L ( x) wybierzmy taie K, żeby dla dodatowego x z [a,b] ϕ( x ) Tw. Rolle a ϕ( x ) : ma +2 miejsc zerowych...... +1 ϕ ( ) ( x) : ma 1 miejsce zerowe

to istieje taie ξ w [a,b], że ( + 1) ( + 1) ϕ ( ξ) f ( ξ) K ( + 1)! (*) (zia pochoda P(x), pochoda L (x) (+1)! ) wstawieie K do (*) ończy dowód.... program INTERP_G... węzły rówoodległe wprowadzając zmieą dostajemy x i+1 - x i h t (x - x ) / h L ( x) ( ) 1 ( t i)! i i dla P( x) f L ( x)

w L - 2 możeń, łączi ~ 2 ale b. prosty algorytm (!) metoda Neville a (iterpolacja iteracyja) ja zaleźć rząd wielomiau, tóry dostateczie doładie przybliża f w pucie x bez oieczości geerowaia od początu olejych wielomiaów iech x, x 1, x 2,... x Q i,j-1, i j-1 ozacza wielomia stopia j-1 oreśloy a j węzłach: x i-j+1, x i-j+2,... x i-1, x i to wielomia stopia j moża zbudować jao Q i, j ( x) ( x x ) Q ( x) ( x x ) Q ( x) i j i, j 1 i i 1, j 1 x x i i j tz. a taiej samej zasadzie ja ostruowaliśmy oleje wielomiay Lagrage a w (***) (p. i1, j1 ) x Q, x 1 Q 1, Q 1,1

x 2 Q 2, Q 2,1 Q 2,2 x 3 Q 3, Q 3,1 Q 3,2 Q 3,3...... odpowiedi fragmet algorytmu * wprowadź wartości x, x 1,... x a xt[..m] oraz f(x ),.. f(x ) jao Q,, Q 1,,.. Q, a Q[..m,..m] i:; repeat i:i+1; for j:1 to i do Q[i,j]:( (x-xt[i-j])*q[i,j-1] - (x-xt[i])*q[i-1,j-1] ) / (x[i]-xt[i-j]) ; util abs( Q[i,i] - Q[i-1,j-1] ) < epsilo; WIELOMIAN INTERPOLACYJNY NEWTONA 1. Różice sończoe różice progresywe f ( x) f ( x) 1 1 f ( x) f ( x + h) f ( x) f x 1 i i ( ) ( ) f ( x ih) i + różice wstecze

f ( x) f ( x) 1 1 f ( x) f ( x) f ( x h) tablice różic sończoych f i f(x + ih)... x f 1 f 2 f 3 f... -1 f f x 1 f 1 1 f 1 2 f 1... -1 f 1 x 2 f 2 1 f 2 2 f 2............ x -1 f -1 1 f -1 x f wzór iterpolacyjy Newtoa (w przód) P( xo + h s) i f i s i (**) gdzie s i ależy rozumieć jao

s ( s 1)( s 2) ( s i + 1) i! dla dowolego s rzeczywistego, taże dla s <, 2. Ilorazy różicowe x f[x ] f[x,x 1 ] x 1 f[x 1 ] f[x,x 1,x 2 ] f[x 1,x 2 ] f[x,x 1,x 2,x 3,x 4 ] x 2 f[x 2 ] f[x 1,x 2,x 3 ] f[x 3,x 2 ] x 3 f[x 3 ] f [ x, x,.., x ] i i + 1 i + f [ xi + 1, xi + 2,.., xi + ] f [ xi, xi + 1,.., xi + 1] x x i + i gdzie f[x i ]f i, f[x i,x i+1 ](f[x i+1 ]-f[x i ]) / (x i+1 x i ) itd. Dowód wyrażeia (**) zapiszmy wielomia iterpolacyjy jao: P ( x) ao + a1( x xo ) +... + a ( x xo )( x x1)...( x x 1 ) gdzie a o, a 1, a 2,... wyzaczoe są z wartości f(x i )

ao f ( xo ) f [ xo ] a1 f ( x1) f ( xo ) x1 xo... a f [ x, x,..., x ] o 1 f [ x, x ] o 1 ostateczie o o 1 o 1 1 P ( x) f [ x ] + f [ x, x,..., x ]( x x )...( x x ) dla rówoodległych węzłów (x i+1 - x i ) h i x x + sh mamy (iloczy (x-x ) da h s(s-1)(s-2)...(s-+1) ) P s ( xo + sh)! h f [ xo, x1,..., x ] ale poieważ f [ x,..., x ] o (gdyż (x i+ x i )h ) 1! h f ( x ) o, dostajemy (**) P( xo + h s) i f i s i (**)