Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3 Interpolation und Approximation<br />
gegebene Matrix <strong>die</strong> sogenannte Hilbert-Matrix<br />
⎛ 1<br />
1<br />
2<br />
1 1<br />
2 3<br />
1 1<br />
H n =<br />
3 4<br />
1 1<br />
4 5<br />
⎜<br />
⎝ .<br />
1 1<br />
n n+1<br />
1<br />
3<br />
1<br />
4<br />
1<br />
5<br />
1<br />
1<br />
4<br />
. . .<br />
n<br />
1<br />
1<br />
5<br />
. . .<br />
. .. 1<br />
. .. . .. .<br />
1<br />
n+2<br />
n+1<br />
n+2<br />
⎟<br />
⎠<br />
. .. .<br />
1<br />
1<br />
n+3<br />
. . .<br />
2n−1<br />
Das Lösen e<strong>in</strong>es Gleichungssystems mit der Hilbert-Matrix ist äußerst schwer. Dies liegt<br />
an der Konditionszahl der Hilbertmatrix, welche angibt, wie sich Rundungsfehler beim<br />
Lösungsprozess verstärken. Schon für n = 4 liegt <strong>die</strong> Fehlerverstärkung der Hilbert-Matrix<br />
bei 15 000. Diese Matrix muss also unbed<strong>in</strong>gt vermieden werden.<br />
Auch wenn <strong>die</strong> Wahl der Basisvektoren {φ 1 , . . . , φ n } ke<strong>in</strong>en E<strong>in</strong>fluss auf das Ergebnis hat,<br />
so bestimmt sie doch wesentlich den Aufwand bei der Realisierung. Angenommen, <strong>die</strong><br />
Basis sei e<strong>in</strong> Orthonormalsystem, d.h. es gelte (φ i , φ j ) = δ ij für alle i, j = 1, . . . , n. Dann<br />
gilt für <strong>die</strong> Systemmatrix <strong>in</strong> (3.19)<br />
a ij = (φ i , φ j ) = δ ij ⇒ A = I.<br />
Die Systemmatrix ist <strong>die</strong> E<strong>in</strong>heitsmatrix und <strong>die</strong> gesuchten Koeffizienten lassen sich sofort<br />
ablesen<br />
α i = (f, φ i ),<br />
womit <strong>die</strong> Bestapproximation durch <strong>die</strong> Relation<br />
n∑<br />
p = (f, φ i )φ i ,<br />
i=1<br />
trivial gegeben ist. Für <strong>die</strong>ses vere<strong>in</strong>fachte Vorgehen benötigen wir zunächst e<strong>in</strong>e Orthonormalbasis<br />
von S ⊂ H. Die Orthonormalisierung kann mit Hilfe des bereits diskutieren<br />
Gram-Schmidt-Algorithmus durchgeführt werden. Bei Verwendung der Monombasis des<br />
S = P n führt <strong>die</strong>ser Algorithmus auf <strong>die</strong> Legendre-Polynome. Wir fassen zusammen:<br />
⎞<br />
.<br />
Korollar 3.80 (Gauss-Approximation mit Polynomen). Es sei f ∈ C[−1, 1]. Die Bestapproximation<br />
p ∈ P n bezüglich der L 2 -Norm im Raum der Polynome von Grad n e<strong>in</strong>deutig<br />
bestimmt durch:<br />
n∑ 1<br />
p(x) =<br />
‖L i ‖ 2 (L i , f)L i (x),<br />
L 2 [−1,1]<br />
mit den Legendre-Polynomen<br />
i=0<br />
d i<br />
L i (x) := 1<br />
2 i i! dx i (x2 − 1) i .<br />
102