Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3.6 Approximationstheorie<br />
1.5<br />
1<br />
f(x)<br />
Gauss-Approximation<br />
Lagrange-Interpolation<br />
0.3<br />
0.2<br />
Fehler Gauss-Approximation<br />
Fehler Lagrange-Interpolation<br />
0<br />
0.5<br />
0.1<br />
0<br />
0<br />
-0.5<br />
-0.1<br />
-1<br />
-0.2<br />
-1.5<br />
-1 -0.5 0 0.5 1<br />
-0.3<br />
-1 -0.5 0 0.5 1<br />
Abbildung 3.10: Gauss-Approximation sowie Lagrange-Interpolation (jeweils kubisch) der<br />
Funktion f(x) = s<strong>in</strong>(πx). Rechts: Fehler der Approximationen.<br />
Die Normierung mit ‖L n ‖ −2 ist notwendig, da <strong>die</strong> Legendre-Polynome bezüglich der L 2 -<br />
Norm nicht normiert s<strong>in</strong>d, vergleiche Satz 3.65.<br />
Die Eigenschaft von p ∈ P n <strong>die</strong> beste Approximation zu f im Raum der Polynome zu<br />
se<strong>in</strong>, bedeutet auch, dass p bezüglich der L 2 -Norm e<strong>in</strong>e bessere Approximation ist als jede<br />
Lagrange-Interpolation zu beliebiger Wahl von Stützstellen x 0 , . . . , x n <strong>in</strong> [−1, 1]. Hieraus<br />
können wir auf triviale Weise e<strong>in</strong>e e<strong>in</strong>fache Fehlerabschätzung herleiten. Dazu sei f ∈<br />
C n+1 ([a, b]) und p ∈ P n <strong>die</strong> Bestapproximation. Es gilt:<br />
‖f − p‖ L 2 ([a,b]) ≤ ‖f n+1 ‖ ∞<br />
(n + 1)!<br />
⎛<br />
∫ 1 n∏<br />
m<strong>in</strong> ⎝<br />
x 0 ,...,x n∈[a,b] −1<br />
j=0<br />
⎞<br />
(x − x j ) 2 dx⎠<br />
1<br />
2<br />
. (3.20)<br />
Das M<strong>in</strong>imum des zweiten Ausdrucks ist nicht e<strong>in</strong>fach zu bestimmen, es können alle Stützstellen<br />
im Intervall frei variiert werden. Wir werden aber später auf <strong>die</strong>sen Punkt zurückkommen<br />
und <strong>die</strong>se Lücke schließen.<br />
Beispiel 3.81 (Gauss-Approximation vs. Lagrange-Interpolation). Wir approximieren <strong>die</strong><br />
Funktion f(x) = s<strong>in</strong>(πx) auf dem Intervall I = [−1, 1] mit Polynomen vom Grad drei.<br />
Zunächst erstellen wir <strong>in</strong> den äquidistant verteilten vier Stützstellen<br />
x i = −1 + 2i<br />
3 , i = 0, . . . , 3<br />
das zugehörige Lagrangesche Interpolationspolynom. Aufgrund von f(x 0 ) = f(x 3 ) = 0 gilt:<br />
p L (x) = s<strong>in</strong>(x 1 )L (3)<br />
1 (x) + s<strong>in</strong>(x 2)L (3)<br />
2 (x)<br />
= 27√ 3<br />
16 (x − x3 ).<br />
Als zweite Approximation bestimmen wir <strong>die</strong> Gauß-Approximation <strong>in</strong> der L 2 -Norm. Hierzu<br />
verwenden wir <strong>die</strong> Darstellung über <strong>die</strong> normierten Legendre-Polynome ˜L n (x) auf [−1, 1].<br />
103