Link - Hochschule Ulm
Link - Hochschule Ulm
Link - Hochschule Ulm
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
5<br />
0<br />
−5<br />
−10<br />
−15<br />
−20<br />
−25<br />
−30<br />
−2 −1.5 −1 −0.5 0 0.5 1<br />
Abbildung 33: Polynominterpolation<br />
ximieren. Gegeben sind m Punkte (t i , y i ), i =<br />
1, 2, . . . , m und gesucht ist ein Parametervektor<br />
x ∈ R n , sodass die polynomiale Modellfunktion<br />
p(t, x) = x 1 + x 2 t + x 3 t 2 + · · · + x n t n−1<br />
die gegebenen Punkte „bestmöglichst“ approximiert,<br />
wobei bestmöglichst im Sinne kleinster<br />
Fehlerquadrate zu verstehen ist:<br />
Minimiere<br />
x ∈ R n<br />
∑ mi=1<br />
(y i − p(t i , x)) 2 .<br />
Da die gesuchten Parameter x i in der Modellfunktion<br />
linear vorkommen, liegt eine lineare<br />
Ausgleichsaufgabe vor. Als Beispiel betrachten<br />
wir folgende Aufgabe. Angenommen es<br />
liegen die folgenden Messdaten vor, siehe Tabelle<br />
31. Da diese Daten nahezu auf einer parabolischen<br />
Kurve liegen, entscheiden wir uns<br />
dafür, ein quadratisches Polynom durch diese<br />
Punkte zu legen. Die folgenden Matlab-Zeilen<br />
zeigen, wie man das Polynom zweiten Grades<br />
findet und wie man die Ergebnisse grafisch darstellen<br />
kann.<br />
1 t = [0.0:0.5:10];<br />
2 y = [2.9 2.7 4.8 5.3 7.1 7.6 7.7<br />
t i<br />
y i<br />
0.0 2.9<br />
0.5 2.7<br />
1.0 4.8<br />
1.5 5.3<br />
2.0 7.1<br />
2.5 7.6<br />
3.0 7.7<br />
3.5 7.6<br />
4.0 9.4<br />
4.5 9.0<br />
5.0 9.6<br />
5.5 10.0<br />
6.0 10.2<br />
6.5 9.7<br />
7.0 8.3<br />
7.5 8.4<br />
8.0 9.0<br />
8.5 8.3<br />
9.0 6.6<br />
9.5 6.7<br />
10.0 4.1<br />
Tabelle 31: Zur Polynomapproximation<br />
116 Copyright c○ G. Gramlich