3 INTERPOLACE... co by Vám měla přinést tato kapitola:Chceme-li využít numerického přístupu k řešení úloh pocházejících, řekněme, z diferenciálníhoči integrálního počtu, jsme téměř vždy nuceni sáhnout k nahrazeníanalytických prostředků, které zde byly využity. V těchto úlohách se totiž vyskytujíveličiny, které nemohou být počítány aritmeticky. Jako příklad bychom mohliuvést výpočet hodnoty určitého integrálu dané funkce. Abychom mohli vůbec přistoupitk vlastnímu výpočtu hodnoty integrálu pomocí aritmetických operací, jenutné nejdříve nahradit integrovanou funkci jinou funkcí, která bude pro tyto účelyvhodná. Potřeba nahradit složitou funkční závislost závislostí jednodušší nás přivádík jedné ze základních úloh numerické matematiky: aproximovat danou funkcijinou funkcí.V této kapitole se budeme zabývat interpolační aproximací, tj. interpolací, přikteré vycházíme z konečného počtu daných funkčních hodnot, a snažíme se sestrojitfunkci, která v těchto bodech nabývá stejných hodnot jako původní funkce.Ukážeme, že velmi vhodnou třídou funkcí, která vyhovuje našim účelům, jsou polynomy,a seznámíme se rovněž se způsobem konstrukce takových polynomů. Závěrečnáčást kapitoly je věnována splajnové interpolaci, která eliminuje některénevýhody polynomiální interpolace.Funkční závislost, kterou se snažíme postihnout, nemusí být vždy známá. Velmičasto vycházíme z hodnot, které jsme získali měřením, popř. evidencí nejrůznějšíchúdajů. Následující tabulka udává, jak se vyvíjel počet obyvatel města Opavy vletech 1996 - 2006.Rok 1996 1998 2000 2002 2004 2006Počet obyvatel (tis.) 63.725 63.294 62.558 61. 582 60.726 60.095Při pohledu na údaje shromážděné obdobným způsobem si můžeme klást následujícíotázky. Jsme schopni nějakým způsobem odhadnout počet obyvatel v roce2001? Jsme schopni předpovědět vývoj počtu obyvatel Opavy na několik let dopředu?Některé odhady tohoto typu je možné získat, jestliže sestrojíme funkci procházejícídanými hodnotami. Dostáváme se tak k tématu interpolace, které budeobsahem následující kapitoly. Obecně lze interpolační úlohu formulovat takto:Je dáno n + 1 hodnot y 0 ,y 1 ,...,y n reálné funkce f v bodech x 0 ,x 1 ,...,x n , tj.y i = f(x i ). Ve třídě funkcí ψ(x;a 0 ,a 1 ,...,a n ) jedné proměnné x, které jsou cha-20
akterizovány hodnotami parametrů a 0 ,a 1 ,...,a n , najděte funkci, pro kterou platíψ(x i ;a 0 ,a 1 ,...,a n ) = y i ,i = 1,...,n.Body (x i ,y i ), i = 1,...,n grafu funkce f nazýváme uzly (někdy také póly, z čehožvychází pojem interpolace, který znamená doplnění, popř. nahrazení grafu funkcef mezi póly). V závislosti na tvaru funkce ψ(x;a 0 ,a 1 ,...,a n ) hovoříme o interpolacipolynomiální, splajnové, trigonometrické, racionální, exponenciální apod.V dalším se budeme zabývat nejprve interpolací polynomiální.Už v úvodním odstavci kapitoly jsme naznačili, že vhodnou třídou funkcí, pomocínichž aproximujeme jiné funkce, jsou algebraické polynomy, tj. množinafunkcí následujícího tvaru:P n (x) = a n x n + a n−1 x n−1 + · · · + a 1 x + a 0 ,kde n je nezáporné celé číslo a a 0 ,a 1 ,...,a n jsou reálné konstanty. Tyto funkcemají řadu analytických předností např. v tom, že se snadno derivují a integrují,přičemž výsledkem těchto operací jsou opět polynomy. Další výhoda spočívá vtom, že změní-li se měřítko proměnné, změní se jen koeficienty, ale ne samotnýtvar aproximace.Tyto výhody třídy polynomů by ovšem neměly žádnou váhu, kdybychom nemělik dispozici analytický podklad pro domněnku, že pomocí této třídy můžemedosáhnout aproximace "dostatečné" přesnosti. Při každé aproximační metodě musímemít na paměti, že míra zjednodušení musí být nastavena tak, abychom informace,které jsme měli k dispozici, ztráceli v co nejmenší možné míře. V opačnémpřípadě se dopouštíme zbytečných nepřesností. Uspokojivého výsledku dosáhnemetehdy, jestliže navržený postup umožňuje vypočtené hodnoty libovolně zpřesňovatna požadovanou mez. Z tohoto hlediska je pro nás klíčová následující věta.Věta 3.1. (Weierstrassova věta o aproximaci)Je-li f spojitá funkce definovaná na intervalu [a,b] a ɛ > 0 je libovolné, pak existujepolynom P(x) definovaný na intervalu [a,b] takový, že platípro všechna x ∈ [a,b].|f(x) − P(x)| < ɛDůkaz. Je možné nalézt např. v knize A. Ralstona [8]. Geometricky ilustruje významtéto věty obrázek 3.1.21
- Page 2 and 3: Matematický ústav Slezské univer
- Page 4 and 5: 6.3.2 Jacobiova a Gaussova-Seidelov
- Page 6 and 7: STRUČNÝ NÁHLED STUDIJNÍ OPORYTe
- Page 8 and 9: - juliánský kalendář byl zavede
- Page 10 and 11: Definice 2.1. Necht’ x je přesn
- Page 12 and 13: polovinu jednotky řádu poslední
- Page 14 and 15: 2.4 Chyba součtu, rozdílu, souči
- Page 16: 2.5 Dobře a špatně podmíněné
- Page 19: tom, zda všechna čísla napřed z
- Page 23 and 24: 3.1 Základní tvary interpolační
- Page 25 and 26: nutné přepočítat všechny funda
- Page 27 and 28: x 0 y 0> f[x 0 ,x 1 ]x i y i f[x i
- Page 29 and 30: Důkaz. Označme g(x) = f(x) − P
- Page 31 and 32: 3.3 Interpolace na ekvidistantní s
- Page 33 and 34: Řešení. Po sestavení tabulky po
- Page 35 and 36: fundamentální polynom, který zaj
- Page 37 and 38: a jejich derivacel ′ 0 (x) = 1 6
- Page 39 and 40: Požadavky na spojitost prvních a
- Page 41 and 42: Z druhé derivace v krajním bodě
- Page 43 and 44: Řešení této soustavy jec 2 =
- Page 45 and 46: ⎧⎪⎨S(x) =⎪⎩x, −∞ < x
- Page 47 and 48: 4 METODA NEJMENŠÍCH ČTVERCŮ...
- Page 49 and 50: kde j = 0,1,... ,k, který lze jedn
- Page 51 and 52: Příklad 4.5. Nalezněte polynom p
- Page 53 and 54: Věta 4.7. Necht’ na vektorovém
- Page 55 and 56: 5 NUMERICKÉ ŘEŠENÍ NELINEÁRNÍ
- Page 57 and 58: stačí vzítl ≥ logε(1 − K)|x
- Page 59 and 60: mít shodné kořeny. Tento postup
- Page 61 and 62: x k x k+1 x k+2Obr. 5.2Předpoklád
- Page 63 and 64: (5.1). Vskutku((α = lim x k+1 = li
- Page 65 and 66: Tentokrát dělícím bodem není p
- Page 67 and 68: Pro srovnání přidáváme hodnotu
- Page 69 and 70: Protožex −∞ ∞ 0 − 3 22P 1
- Page 71 and 72:
Protožex −∞ ∞ 0P 1 (x) - + -
- Page 73 and 74:
Cvičení 5.8.(i) x 0 = 0, x 1 = 1,
- Page 75 and 76:
pravidlax =( D1D ,..., D ) ⊤n, (6
- Page 77 and 78:
pro n = k − 1. Pro n = k matici A
- Page 79 and 80:
(iv) Řešíme soustavu Ux = y,⎛1
- Page 81 and 82:
Příklad 6.7. Gaussovou eliminačn
- Page 83 and 84:
Věta 6.9. Necht’ ‖ · ‖ je v
- Page 85 and 86:
= H 2 x (k−2) + (H + E)h.= H k x
- Page 87 and 88:
Označíme-li ve vztahu (6.4)H =
- Page 89 and 90:
Výpočet uspořádáme do tabulky:
- Page 91 and 92:
Cvičení 6.4. Se zaokrouhlováním
- Page 93 and 94:
7 NUMERICKÉ INTEGROVÁNÍ... co by
- Page 95 and 96:
Věta 7.1. Existuje číslo η i
- Page 97 and 98:
K odvození chyby integrace využij
- Page 99 and 100:
= f ′′ (η)2= f ′′ (η)2∫
- Page 101 and 102:
Opět zavedeme substituci o označe
- Page 103 and 104:
x 2i f(x 2i ) x 2i−1 f(x 2i−1 )
- Page 105 and 106:
7.6 VýsledkyCvičení 7.1.(i) 0,30
- Page 107 and 108:
f(x,y) lipschitzovská vzhledem k y
- Page 109 and 110:
a podle (8.2) mámey i+1 = y i + hf
- Page 111 and 112:
y i+1y(x)==y ikk21xixi+h/2x i+1Pou
- Page 113 and 114:
i x i y i y(x i ) {k 1 ,k 2 ,k 2 ,k
- Page 115 and 116:
Tedy pro každé x ∈ 〈0, 0,2〉
- Page 117 and 118:
Cvičení 8.2.(i)(ii)i x i y i |y(x
- Page 119:
Literatura[1] Burden, R.L., Faires,