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.
3.3 <strong>Numerische</strong> Differentiation<br />
Satz 3.26 (Existenz, Energiem<strong>in</strong>imierung und Fehlerabschätzung kubischer Spl<strong>in</strong>es). Es<br />
sei f e<strong>in</strong>e gegebene zu <strong>in</strong>terpolierende Funktion oder y 0 , . . . , y n e<strong>in</strong>e Reihe von Messwerten.<br />
Durch x 0 , x 1 , . . . , x n seien n + 1 paarweise verschiedene Stützstellen gegeben. Der durch<br />
<strong>die</strong> Interpolationsvorschrift<br />
s n (x i ) = f(x i ) = y i ∈ R, i = 0, . . . , n, s ′′ n(a) = y a ∈ R, s ′′ n(b) = y b ∈ R<br />
beschriebene kubische Spl<strong>in</strong>e existiert. Er ist e<strong>in</strong>deutig bestimmt durch <strong>die</strong> Vorgabe der<br />
zweiten Ableitungs<strong>in</strong>formationen.<br />
Sei weiter g ∈ C 2 ([a, b]) beliebig mit g(x i ) = f(x i ) = y i mit x i ∈ [a, b] sowie y a = g ′′ (a)<br />
und y b = g ′′ (b). Dann gilt das Pr<strong>in</strong>zip der Energiem<strong>in</strong>imierung:<br />
∫ b<br />
a<br />
|s ′′ n(x)| 2 dx ≤<br />
∫ b<br />
Falls f ∈ C 4 [a, b], so gilt <strong>die</strong> Fehlerabschätzung<br />
a<br />
|g ′′ (x)| 2 dx, ∀g ∈ C 2 [a, b].<br />
max<br />
a≤x≤b |f(x) − s n(x)| ≤ 1 2 h4 max<br />
a≤x≤b |f (4) (x)|.<br />
Beweis: Siehe [9], S. 43-47.<br />
□<br />
3.3 <strong>Numerische</strong> Differentiation<br />
In <strong>die</strong>sem Abschnitt befassen wir uns mit e<strong>in</strong>er e<strong>in</strong>fachen numerischen Aufgabe: zu e<strong>in</strong>er<br />
gegebenen Funktion f : [a, b] → R soll <strong>in</strong> e<strong>in</strong>em Punkt x 0 ∈ (a, b) <strong>die</strong> Ableitung f ′ (x 0 )<br />
oder <strong>die</strong> n-te Ableitung f (n) (x 0 ) berechnet werden. Wir gehen davon aus, dass es mit vertretbarem<br />
Aufwand nicht möglich ist, <strong>die</strong> Funktion f(x) symbolisch zu Differenzieren und<br />
<strong>die</strong> Ableitung an der Stelle x 0 auszuwerten. Wir benötigen also Approximationsverfahren<br />
zur Bestimmung der Ableitung. Die grundlegende Idee wird durch das folgende Verfahren<br />
beschrieben:<br />
Verfahren 3.27 (<strong>Numerische</strong> Differentiation). Die Funktion f : [a, b] → R wird durch<br />
e<strong>in</strong> Polynom p(x) <strong>in</strong>terpoliert. Die n-te Ableitung f (n) (x 0 ) wird durch <strong>die</strong> n-te Ableitung<br />
des Polynoms p (n) (x 0 ) approximiert.<br />
Im Folgenden entwickeln wir e<strong>in</strong>ige e<strong>in</strong>fache Verfahren zur Approximation von Ableitungen,<br />
welche auf der Interpolation beruhen.<br />
L<strong>in</strong>eare Interpolation Wir <strong>in</strong>terpolieren f(x) l<strong>in</strong>ear <strong>in</strong> den Stützstellen x 0 sowie x 0 + h:<br />
p 1 (x) = f(x 0 ) x 0 + h − x<br />
h<br />
+ f(x 0 + h) x − x 0<br />
h<br />
, p ′ 1(x) = f(x 0 + h) − f(x 0 )<br />
.<br />
h<br />
63