Met.Numer. wykład 2 1
METODY NUMERYCZNE
dr hab.inż. Katarzyna Zakrzewska, prof.AGH
Wykład 2.
Plan
• Aproksymacja
• Interpolacja wielomianowa
• Przykłady
Met.Numer. wykład 2 3
Aproksymacja
Metody numeryczne zajmują się rozwiązywaniem zadań
matematycznych za pomocą działań arytmetycznych. Zachodzi zatem potrzeba przybliżania wielkości nie arytmetycznych wielkościami arytmetycznymi i badania błędów wywołanych takimi przybliżeniami. Wybór przybliżenia zależy od tego, którym z możliwych kryteriów posłużymy się w ocenie skuteczności danego przybliżenia.
Jaki jest dopuszczalny błąd wyniku?
Jak szybko można otrzymać rozwiązanie – jaka jest szybkość zbieżności danej metody, np. procesu iteracyjnego?
Co to jest interpolacja ?
Dane są punkty (x0,y0), (x1,y1), ….(xn,yn). Znaleźć nieznaną wartość y dla dowolnego x.
Met.Numer. wykład 2 5
Różnica pomiędzy aproksymacją i interpolacją
interpolacja
aproksymacja
Aproksymacja
Chcemy przybliżyć funkcję f(x) kombinacją (najczęściej liniową) funkcji należących do pewnej szczególnej klasy.
Klasy funkcji:
dla N pierwszych wyrazów szeregu Taylora
...) , 1 , 0 ( } { x
nn =
...) , 1 , 0 ( )}
(
{ p
nx n =
ogólniej: pn(x) jest wielomianem stopnia n...) 2 , 1 , 0 ( )}
cos(
),
{sin( nx nx n =
wielomiany trygonometryczne Największe znaczenie posiada aproksymacja wielomianowaMet.Numer. wykład 2 7
Aproksymacja
Aproksymacja liniowa funkcji f(x)
klasy funkcji:
współczynniki stałe:
...) , 1 , 0 ( )}
(
{ g
nx n =
) ( ...
) ( )
( )
( x a
0g
0x a
1g
1x a g x
f ≈ + + +
m mPrzybliżenia liniowe stosuje się ponieważ badanie aproksymacji kombinacjami nieliniowymi funkcji przybliżających jest bardzo trudne jak analiza większości zagadnień nieliniowych.
) ..., , 1 , 0
( i m
a
i=
Czasami stosuje się przybliżenia wymierne:
) ( ...
) ( )
(
) ( ...
) ( )
) ( (
1 1 0
0
1 1 0
0
x g b x
g b x g b
x g a x
g a x g x a
f
k k
m m
+ + +
+ +
≈ +
Aproksymacja
współczynniki są tak dobrane, aby w punktach
funkcja przybliżająca wraz z jej pierwszymi ripochodnymi (rijest liczbą całkowitą nieujemną) była zgodna z f(x) i jej pochodnymi (z dokładnością do błędów zaokrągleń)
) ..., , 1 , 0
( i m
a
i=
Kryteria wyboru stałych współczynników
•przybliżenie interpolacyjne
) , ...
, 2 , 1
( i p
x
i=
Trzy typy przybliżeń o dużym znaczeniu
Met.Numer. wykład 2 9
Aproksymacja
szukamy minimum wyrażenia będącego całką z kwadratu różnicy pomiędzy f(x) i jej przybliżeniem w przedziale
<x1,x2> lub sumą ważoną kwadratów błędów rozciągniętą na zbiór dyskretny punktów z przedziału <x1,x2>
) ..., , 1 , 0
( i m
a
i=
Kryteria wyboru stałych współczynników
•przybliżenie średniokwadratowe
•przybliżenie jednostajne
znalezienie najmniejszego maksimum różnicy między f(x) i jej przybliżeniem w przedziale <x1,x2>
Metoda najmniejszych kwadratów Regresja liniowa
4 6 8 10 12 14 16
0 20 40 60
f(xi) yi
xi
y
f(x)=ax+b a=3.23, b=-2.08
( )
[ ]
2min
2
= ∑
n− + =
i
y
iax
ib
S
Met.Numer. wykład 2 11
Warunek minimum funkcji dwu zmiennych:
0 0
2
2
=
∂
= ∂
∂
∂
b S a
S
Otrzymujemy układ równań liniowych dla niewiadomych a i b
= ∑ +
∑
= ∑ + ∑
∑
i i
i i i
i
y bn
x a
y x x
b x
a
2Rozwiązując ten układ równań uzyskuje się wyrażenia na a i b
W
y x x y
b x
W
y x y
x a n
i i i i
i
i i i
i
∑ ∑ − ∑ ∑
=
∑ − ∑ ∑
=
2
Z praw statystyki można wyprowadzić wyrażenia na odchylenia standardowe u(a) i u(b) obu parametrów prostej a,b:
( )
22
− ∑
= n ∑ x
ix
iW
n a x u b u
W S n
a n u
∑
i=
= −
2 2
) ( ) (
) 2 (
gdzie: wyznacznik główny W wyraża się wzorem
Met.Numer. wykład 2 13
Aproksymacja wielomianowa
Wspólną właściwością potęg zmiennej i wielomianów
trygonometrycznych (a także funkcji wykładniczych) jest to, że w przybliżeniach korzystających z każdej z tych klas przesunięcie układu współrzędnych zmienia współczynniki, ale nie zmienia postaci przybliżenia.
Zastosowanie w obliczeniach wielomianów jako funkcji przybliżających wiąże się z faktem, że maszyna cyfrowa wykonuje w praktyce działania arytmetyczne.
Jeżeli P(x) jest wielomianem lub funkcją wymierną to P(x+α) jest również tej postaci, a jeśli T(x) jest liniowym lub wymiernym przybliżeniem zbudowanym z sinusów lub cosinusów, to takie jest również T(x+α).
Aproksymacja wielomianowa
mają taką zaletę, że przy zmianie skali zmiennej zmieniają się tylko współczynniki, a nie zmienia się kształt
przybliżenia. Przykład: wielomian P(kx) jest również wielomianem zmiennej x.
Przybliżenia funkcjami
Tej własności nie mają przybliżenia trygonometryczne, gdyż dla niecałkowitego k na ogół sin(nkx) nie jest elementem klasy
...) , 1 , 0 ( } { x
nn =
...) 2 , 1 , 0 ( )}
{sin( nx n =
Met.Numer. wykład 2 15
Najczęściej wybiera się wielomiany gdyż można łatwo:
obliczać ich wartości
różniczkować
całkować
Aproksymacja wielomianowa
Uzasadnienie analityczne
mają uzasadnienie w twierdzeniu, że za pomocą funkcji tych klas można uzyskać dowolnie dobrą dokładność aproksymacji.
Zalety klasy
Twierdzenie analityczne:
...) , 1 , 0 ( } { x
nn =
Ciąg funkcji
{ x
n} ( n = 0 , 1 , ...)
jest zamknięty na każdym przedziale <x1,x2>, tzn. że dla każdej funkcji f(x) przedziałami ciągłej i każdego ε>
0
istnieją liczba n i współczynniki a0, a1, …, antakie, żeε
<
∫
− ∑
=
a x dx x
f
x x
n i
i i 2 2
1 0
) (
To twierdzenie gwarantuje, że możemy uzyskiwać dowolnie dobre przybliżenie średniokwadratowe za pomocą wielomianów
Met.Numer. wykład 2 17
Twierdzenie aproksymacyjnie Weierstrassa
Jeżeli funkcja f(x) jest ciągła w przedziale skończonym <x1,x2>, to dla każdego
istnieją liczba n (=n(ε)) i wielomian Pn(x) stopnia n takie, że
>
0
εdla wszystkich x z przedziału <x1,x2>
ε
<
− ( ) )
( x P x f
Żądając, aby funkcja była ciągła, a nie tylko przedziałami ciągła, otrzymujemy nie tylko dowolnie dobre przybliżenia średniokwadratowe ale i jednostajne
Twierdzenie aproksymacyjnie Weierstrassa
Analogiczne twierdzenie zachodzi dla funkcji okresowych Jeżeli f(t) jest funkcją ciągłą i okresową o okresie 2π, to dla każdego ε>
0
ε
<
− ( ) )
( t S t
f
ntakie, że dla wszystkich t
istnieją liczba n (=n(ε)) i wielomian trygonometryczny
∑ +
+
=
=n
k k k
n
t a a kt b kt
S
1
0
( cos sin )
)
(
Met.Numer. wykład 2 19
Operator podstawowy
Z przybliżeń wielomianowych wywodzą się metody:
• interpolacji
• ekstrapolacji
• różniczkowania numerycznego
• kwadratur
• rozwiązywania numerycznego równań różniczkowych zwyczajnych
Powiązania pomiędzy tymi metodami są łatwo dostrzegalne, gdyż metody interpolacyjne są podstawą wzorów różniczkowania numerycznego, kwadratur i rozwiązywania numerycznego
równań różniczkowych.
Operator podstawowy
Wprowadzamy operator liniowy L[f(x)], który jest podstawą wszystkich metod. Dobierając odpowiednio parametry (specjalizacja operatora podstawowego) można otrzymać ogólne wzory interpolacji, ekstrapolacji, różniczkowania numerycznego, kwadratur i rozwiązywania numerycznego równań różniczkowych.
[ ] δ + ∑ ∑
=
= n
j ij
i ij
m i k
k
df
f x A x f a
x f L
1
) ( 0
)
(
( ) ( ) ( )
) (
różniczkowanie
stałe wielomiany zmiennej
)
x( ) ( ,
0 ≤ k ≤ m f
(0)a
0j= f a
0j{ 0 , 1 }
=
δ
k k=0 z wyjątkiem różniczkowania numerycznegoMet.Numer. wykład 2 21
Operator podstawowy
Wybierając na różne sposoby parametry aij, Aij(x), k, m, n możemy uzyskać wiele różnych metod numerycznych. Ogólne postępowanie jest następujące:
[ ] δ + ∑ ∑
=
= n
j ij
i ij
m i k
k
df
f x A x f a
x f L
1
) ( 0
)
(
( ) ( ) ( )
) (
A. Tę część operatora L[f(x)], którą chcemy aproksymować, zastępujemy jej przybliżeniem
B. Szukane przybliżenie wyznaczamy rozwiązując równanie
[ f ( x ) ]
L
[ f ( x ) ] = 0
L
Operator podstawowy
Błąd dowolnego przybliżenia określonego wcześniej opisaną procedurą wyraża się wzorem:
[ ] δ + ∑ ∑
=
= n
j ij
i ij
m i k
k
df
f x A x f a
x f L
1
) ( 0
)
(
( ) ( ) ( )
) (
[ f ( x ) ] [ L f ( x ) ] [ L f ( x ) ] [ L f ( x ) ]
E = − =
[ f ( x ) ] = 0
L
bo
Met.Numer. wykład 2 23
Specjalizacja operatora podstawowego
1.
[ ] δ + ∑ ∑
=
= n
j ij
i ij
m i k
k
df
f x A x f a
x f L
1
) ( 0
)
(
( ) ( ) ( )
) (
jako operator interpolacyjny
[ f ( x ) ]
L
gdy
δ
0= 1 ( k = 0 ) x ∈< min a
ij, max a
ij>
ekstrapolacja gdy x jest poza tym przedziałem
Ogólna postać:
[ ] + ∑ ∑
=
= n
j ij
i ij
m i
df
f x A x f a
x f L
1
) ( 0
) ( ) ( )
( ) (
Zazwyczaj używa się wartości samej funkcji czyli m=0
Specjalizacja operatora podstawowego
[ ( ) ] ( ) ( ) (
1)
0 1
0 0
1 0
1
1
f x
x x
x x x
x f x
x x x
f x f
L −
− −
−
− −
=
Przykład operatora interpolacyjnego
[ ] + ∑ ∑
=
= n
j ij
i ij
m i
df
f x A x f a
x f L
1
) ( 0
) ( ) ( )
( ) (
= 0 m
01
≠ 0
A A
02≠ 0
[ ( ) ] ( ) ( ) (
1) 0
0 1
0 0
1 0
1
1
=
−
− −
−
− −
= f x
x x
x x x
x f x
x x x
y x f L
[ f ( x ) ] f ( x ) y ( x )
E = −
Błąd przybliżenia wzór interpolacji liniowej
Met.Numer. wykład 2 25
Specjalizacja operatora podstawowego
2.
[ ] δ + ∑ ∑
=
= n
j ij
i ij
m i k
k
df
f x A x f a
x f L
1
) ( 0
)
(
( ) ( ) ( )
) (
jako operator k-krotnego różniczkowania numerycznego
[ f ( x ) ]
L
gdy
δ
k= 1 , k > 0
i co najmniej jeden współczynnik A0j(x) jest różny od 0 Przykład operatora jednokrotnego różniczkowania numerycznego:
L2[f(x)] jest pochodną L1[f(x)]
[ ]
0 1
1 0
2
) ( ) ) (
( ' )
( x x
x f x x f
f x f
L −
+ −
=
[ ( ) ] ' ( ) ( ) ( ) 0
0 1
1 0
2
=
− + −
= x x
x f x x f
y x f L
Specjalizacja operatora podstawowego
3.
L [ f ( x ) ]
jako operator kwadratury gdyδ
k= 0
i wszystkie współczynniki A0j(x) są 0 zwyjątkiem
Przykład operatora kwadratury:
I dane jest znanym wzorem trapezów do aproksymacji całki
[ ] ( ) [ ' ( ) ' ( ) ]
2 ) 1 ( ) ( )
(
2 1 2 1 2 13
f x f x f x x x f x f x
L = − − − +
[ ] ( ) [ ' ( ) ' ( ) ] 0
2 ) 1
(
2 1 2 13 f x = I − x − x f x + f x =
L
1 )
1
(
0
x =
A
jA
0j2( x ) = − 1
i jeśli wszystkie Aij(x) są stałe dla i≥1
∫
2' ( )
x
x
dx
x
f
Met.Numer. wykład 2 27
INTERPOLACJA WIELOMIANOWA
Założenie:
W przedziale [a,b] danych jest (n+1) różnych punktów x0, x1, …, xn, które nazywamy węzłami interpolacji, oraz wartości pewnej funkcji y = f(x) w tych punktach:
f(xi) = yidla i = 0, 1, ..., n.
interpolacja
Zadanie interpolacji:
Wyznaczenie przybliżonych wartości funkcji w punktach nie będących węzłami oraz oszacowanie błędu tych przybliżonych wartości.
1. W tym celu należy znaleźć funkcję F(x), zwaną funkcją
interpolującą, która będzie „przybliżać” funkcję f(x) w przedziale [a,b].
2. Funkcja F(x) w węzłach interpolacji przyjmuje takie same wartości co funkcja y = f(x).
3. W zagadnieniu interpolacji wielomianowej funkcja F(x) jest wielomianem stopnia co najwyżej n.
INTERPOLACJA WIELOMIANOWA
Twierdzenie
Istnieje dokładnie jeden wielomian interpolacyjny stopnia co najwyżej n (n≥0), który w punktach x0, x1, …, xnprzyjmuje wartości y0, y1, …, yn .
Met.Numer. wykład 2 29
Interpolacja - metoda bezpośrednia
. ...
...
1 0
n n
x a x
a a
y = + + +
Przez n+1 punktów (x0,y0), (x1,y1), ….(xn,yn) przechodzi dokładnie jeden wielomian stopnia n
gdzie a0, a1, …. ansą stałymi współczynnikami (R)
•Ułożyć n+1 równań aby znaleźć n+1 stałych
•Podstawić wartość x do wielomianu, aby znaleźć y
Przykład
Znaleźć prędkość w chwili t=16 s stosując metodę bezpośrednią dla dwóch punktów
t(s) v(m/s)
0 0
10 227.04
15 362.78
20 517.35
22.5 602.97
30 901.67
Tabela 1 Prędkość v jako funkcja czasu t
0 5 10 15 20 25 30
0 200 400 600 800 1000
predkosc v(m/s)
czas t(s)
dane
Met.Numer. wykład 2 31
Interpolacja liniowa
( ) t a a t
v =
0+
1( ) 15 = a
0+ a
1( ) 15 = 362 . 78 v
( ) 20 = a
0+ a
1( ) 20 = 517 . 35 v
93 .
0
= − 100 a
914 .
1
= 30 a
A zatem v ( ) t = − 100 . 93 + 30 . 914 t , 15 ≤ t ≤ 20
( ) 16 100.93 30.914 ( ) 16 393.7 m/s
v = − + =
(x0, y0)
( )x
f1
(x1, y1)
x y
Rozwiązanie układu równań
( ) t a
0a
1t a
2t
2v = + +
( ) 10 = a
0+ a
1( ) ( ) 10 + a
210
2= 227 . 04 v
( ) 15 = a
0+ a
1( ) ( ) 15 + a
215
2= 362 . 78 v
05 .
0
= 12
a a
1= 17 . 733 a
2= 0 . 3766
Interpolacja kwadratowa
(x0, y0)
(
x1, y1)
(
x2, y2)
( )
xf2
y
x ( ) 20 = a
0+ a
1( ) ( ) 20 + a
220
2= 517 . 35
v
Rozwiązanie układu równań
( ) t = 12 . 05 + 17 . 733 t + 0 . 3766 t
2, 10 ≤ t ≤ 20
v
( ) 16 = 12 . 05 + 17 . 733 ( ) 16 + 0 . 3766 ( ) 16
2v = 392 . 19 m/s
Met.Numer. wykład 2 33
( ) t = 12 . 05 + 17 . 733 t + 0 . 3766 t
2, 10 ≤ t ≤ 20 v
( ) m s
v 16 = 392 . 19 /
Błąd względny
% 38410 . 0
19 100 . 392
70 . 393 19 . 392
=
− ×
=
∈
aInterpolacja kwadratowa
0 5 10 15 20 25 30
0 200 400 600 800 1000
V(m/s)
t(s)
( )
3 32 2 1
0
a t a t a t
a t
v = + + +
( ) ( ) ( )
3( )
32 2 1
0
10 10 10
04 . 227
10 a a a a
v = = + + +
( ) ( ) ( )
3( )
32 2 1
0
15 15 15
78 . 362
15 a a a a
v = = + + +
( ) ( ) ( )
3( )
32 2 1
0
20 20 20
35 . 517
20 a a a a
v = = + + +
( ) ( ) ( )
3( )
32 2 1
0
22 . 5 22 . 5 22 . 5
97 . 602 5 .
22 a a a a
v = = + + +
y
x
( )
xf3
(
x3, y3)
(x2, y2)
(
x1, y1)
(x0, y0)Interpolacja sześcienna
Met.Numer. wykład 2 35
04 . 227 1000
100
10
1 2 30
+ a + a + a =
a
78 . 362 3375
225
15
1 2 30
+ a + a + a =
a
35 . 517 8000
400
20
1 2 30
+ a + a + a =
a
97 . 602 625
. 11390 25
. 506 5
.
22
1 2 30
+ a + a + a =
a
Interpolacja sześcienna
Zadanie domowe Rozwiązać układ równań:
Podać i narysować v(t)
( ) t 4 . 2540 21 . 266 t 0 . 13204 t
20 . 0054347 t
3,
v = − + + +
( ) m s
v 16 = 392 . 06 /
% 033269 .
0
06 100 . 392
19 . 392 06 . 392
=
− ×
=
∈
aInterpolacja sześcienna -rozwiązanie 2540
.
0
= − 4 a
266 .
1
= 21 a
13204 .
2
= 0 a
0054347 .
3
= 0
a 10 ≤ t ≤ 22 . 5
Błąd względny
Met.Numer. wykład 2 37
Porównanie
Rząd wielomianu 1 2 3
(
t=16)
m/sv 393.7 392.19 392.06
błąd względny --- 0.38410 % 0.033269 %
Obliczenia przemieszczenia
od t=11s do t=16s
( ) t = − 4 . 2540 + 21 . 266 t + 0 . 13204 t
2+ 0 . 0054347 t
3, 10 ≤ t ≤ 22 . 5 v
( ) ( ) − =
16∫ ( )
11
11
16 s v t dt
s
( )
m
t t
t t
dt t t
t
1605
0054347 4 .
3 0 13204 . 2 0 266 . 21 2540 . 4
0054347 .
0 13204 . 0 266 . 21 2540 . 4
16
11 4 3
2 16
11
3 2
=
− + + +
=
∫ − + + +
=
Met.Numer. wykład 2 39
( ) t = − 4 . 2540 + 21 . 266 t + 0 . 13204
2+ 0 . 0054347 t
3, 10 ≤ t ≤ 22 . 5
ν
( ) ( )
( )
5 . 22 10
, 016304 .
0 26408 . 0 266 . 21
0054347 .
0 13204 . 0 266 . 21 2540 . 4
2
3 2
≤
≤ +
+
=
+ +
+
−
=
=
t t
t
t t
dt t d
t dt v t d a
( ) ( ) ( )
2
2
665 . 29
16 016304 .
0 16 26408 . 0 266 . 21 16
m/s a
=
+ +
=
Obliczenia przyspieszenia
Wzór interpolacyjny Newtona
Interpolacja liniowa: dane są punkty szukamy
), ,
( x
0y
0( x
1, y
1),
) (
)
(
0 1 01
x b b x x
f = + −
) (
00
f x
b =
0 1
0 1
1
) ( ) (
x x
x f x b f
−
= −
Met.Numer. wykład 2 41
Przykład
Znaleźć prędkość w chwili t=16 s stosując metodę Newtona
t(s) v(m/s)
0 0
10 227.04
15 362.78
20 517.35
22.5 602.97
30 901.67
Tabela 1 Prędkość v jako funkcja czasu t
0 5 10 15 20 25 30
0 200 400 600 800 1000
predkosc v(m/s)
czas t(s)
dane
Interpolacja liniowa
) ( )
( t b
0b
1t t
0v = + −
78 . 362 ) ( ,
15
00
= v t =
t
35 . 517 )
( ,
20
11
= v t =
t
78 . 362 ) (
00
= v t =
b
914 . ) 30 ( ) (
0 1
0 1
1
=
−
= −
t t
t v t b v
Wiadomo, że: Znajdujemy:
A zatem:
20 15
), 15 ( 914 . 30 78 . 362
) ( )
(
0 1 0≤
≤
− +
=
=
− +
=
t t
t t b b t v
Jako zadanie domowe, proszę sprawdzić czy wynik uzyskany jest zgodny z wynikiem interpolacji bezpośredniej
Met.Numer. wykład 2 43
Interpolacja liniowa
) ( )
( t b
0b
1t t
0v = + −
Szukana prędkość w chwili t=16 s wynosi:
s m
t t b b t v
/ 69 . 393
) 15 16 ( 914 . 30 78 . 362
) ( )
(
0 1 0=
− +
=
=
− +
=
15 16 17 18 19 20
360 380 400 420 440 460 480 500 520
v(m/s)
czas t(s) dane
Interpolacja kwadratowa
) )(
( )
( )
(
0 1 0 2 0 12
x b b x x b x x x x
f = + − + − −
) ( 0
0 f x
b =
0 1
0 1
1
) ( ) (
x x
x f x b f
−
= −
0 2
0 1
0 1 1
2 1 2
2
) ( ) ( ) ( ) (
x x
x x
x f x f x x
x f x f
b −
−
− −
−
−
=
Dane są punkty
( x
0, y
0), ( x
1, y
1), ( x
2, y
2),
szukamy
Met.Numer. wykład 2 45
Interpolacja kwadratowa
Wiadomo, że:
78 . 362 ) ( ,
15
11
= v t =
t
35 . 517 ) ( ,
20
22
= v t =
t
04 . 227 ) ( ,
10
00
= v t =
t
04 . 227 ) (
00
= v t = b
Znajdujemy:
148 . 27
10 15
04 . 227 78 . 362 ) ( ) (
0 1
0 1 1
=
− =
= −
−
= −
t t
t v t b v
37660 . 0
10 148 . 27 914 . 30 ) ( ) ( ) ( ) (
0 2
0 1
0 1 1
2 1 2
2
=
− =
− =
−
− −
−
−
= t t
t t
t v t v t
t t v t v b
Interpolacja kwadratowa
A zatem:
20 10
), 15 )(
10 ( 37660 . 0 ) 10 ( 148 . 27 04 . 227
) )(
( ) ( )
(
0 1 0 2 0 1≤
≤
−
− +
− +
=
=
−
− +
− +
=
t t
t t
t t t t b t t b b t v
dla t=16s:
s m
t t
b t b b v
/ 19 . 392
) 15 16 )(
10 16 ( 37660 . 0 ) 10 16 ( 148 . 27 04 . 227
) 16 )(
16 ( ) 16 ( )
16
(
0 1 0 2 0 1=
−
− +
− +
=
=
−
− +
− +
=
Jako zadanie domowe, proszę sprawdzić czy wynik uzyskany jest zgodny z wynikiem interpolacji bezpośredniej
Met.Numer. wykład 2 47
∈a x100
19 . 392
69 . 393 19 .
392 −
=
= 0.38502 %
Interpolacja kwadratowa
Błąd względny w odniesieniu do poprzedniej interpolacji
9 10 11 12 13 14 15 16 17 18 19 20 21 200
250 300 350 400 450 500 550
v(m/s)
czas t(s) dane
Ogólna formuła
) )(
( ) (
)
(
0 1 0 2 0 12
x b b x x b x x x x
f = + − + − −
gdzie
A zatem
) )(
](
, , [ ) ](
, [ ] [ )
(
0 1 0 0 2 1 0 0 12
x f x f x x x x f x x x x x x x
f = + − + − −
) ( ]
[ 0 0
0 f x f x
b = =
0 1
0 1 0 1 1
) ( ) ] ( ,
[ x x
x f x x f
x f
b −
= −
=
0 2
0 1
0 1 1
2 1 2
0 2
0 1 1 2 0
1 2 2
) ( ) ( ) ( ) ( ] , [ ] , ] [ , ,
[ x x
x x
x f x f x x
x f x f
x x
x x f x x x f
x x f
b −
−
− −
−
−
− =
= −
=
iloraz różnicowy pierwszego rzędu
iloraz różnicowy drugiego rzędu
Met.Numer. wykład 2 49
(
x0,
y0) ( ,
x1,
y1) ,..., (
xn−1,
yn−1) ( ,
xn,
yn)
) )...(
)(
( ....
) ( )
(
= 0+ 1 − 0 + + n − 0 − 1 − n−1n x b b x x b x x x x x x
f
gdzie
] [
00 f x
b =
] , [
1 01 f x x
b =
] , , [
2 1 02 f x x x
b =
⋮
] ,...., ,
[
1 2 01 f x x x
bn− = n− n−
] ,...., ,
[
x x 1 x0 fbn = n n−
Ogólna formuła
Mając (n+1) punktów
Wielomian 3-ciego stopnia, mając dane(x0,y0),(x1,y1),(x2,y2),i(x3,y3), ma postać:
) )(
)(
](
, , , [
) )(
](
, , [ ) ](
, [ ] [ ) (
2 1 0 0 1 2 3
1 0 0 1 2 0
0 1 0 3
x x x x x x x x x x f
x x x x x x x f x x x x f x f x f
−
−
− +
−
− +
− +
=
b 0
x 0 f(x0) b 1
] , [x1 x0
f b 2
x 1 f(x1) f[x2,x1,x0] b 3
] , [x2 x1
f f[x3,x2,x1,x0]
x 2 f(x2) f[x3,x2,x1]
] , [x3 x2 f x 3 f(x3)
Interpolacja sześcienna
Met.Numer. wykład 2 51
Interpolacja sześcienna
Zadanie domowe
Znaleźć równanie na prędkość i obliczyć v(16s) na podstawie interpolacji sześciennej Newtona :
Znaleźć współczynniki bi
) )(
)(
( ) )(
( ) ( )
( t b
0b
1t t
0b
2t t
0t t
1b
3t t
0t t
1t t
2v = + − + − − + − − −
Dane
78 . 362 ) ( ,
15
11
= v t =
t
35 . 517 ) ( ,
20
22
= v t =
t
04 . 227 ) ( ,
10
00
= v t =
t
97 . 602 ) ( , 5 .
22
33
= v t =
t
Znaleźć drogę przebytą w czasie od 11s do 16 s. Znaleźć przyspieszenie w chwili t=16 s.
Rozwiązanie
b
0= 227.04; b
1= 27.148; b
2= 0.37660; b
3= 5.4347*10
-3b 0
0=10
t 227.04 b 1
27.148 b2
,
1=15
t 362.78 0.37660 b 3
30.914 5.4347x10−3 ,
2=20
t 517.35 444530.
34.248 ,
5 .
3=22
t 602.97
Met.Numer. wykład 2 53
Rząd wielomianu 1 2 3
v(t=16) m/s
393.69 392.19 392.06 Błąd względny
przybliżenia
--- 0.38502 % 0.033427 % Porównanie
Interpolacja z równo-odległymi węzłami
ih x x
i=
0+
Dane są wartości funkcji f(xi)=yidla i=0,1,…n w punktach rozmieszczonych w jednakowych odstępach:
) )...(
)(
! (
...
) )(
! ( ) 2
! ( ) 1
(
1 1
0
2 1 0 2 0
0
−
−−
∆ − +
+ +
−
∆ − +
∆ − +
=
n n o
n
o o
I n
x x x
x x h x
n y
x x x h x
x y h x
y y x N
Pierwszy wielomian interpolacyjny Newtona ma postać:
gdzie ∆kf(x0) jest różnica progresywna k-tego rzędu
Met.Numer. wykład 2 55
Interpolacja z równo-odległymi węzłami
Wielomian interpolacyjny Newtona jest korzystny w pobliżu początku tablicy. W pobliżu końca tablicy stosujemy
) )...(
)(
! (
...
) )(
! ( ) 2
! ( ) 1
(
1 1
0
2 1 2 2 1
x x x
x x h x
n y
x x x h x
x y h x
y y x N
n n n
n
n n
n n
n n II
n
−
−
∆ − +
+ +
−
∆ − +
∆ − +
=
−
− −
−
drugi wielomian interpolacyjny Newtona z różnicami wstecznymi
Różnice progresywne
i i i
i
y y y
y = ∆ ∆ = ∆ − ∆
∆
2( )
+1i i i i
i
f x h f x y y
y = + − = −
∆ ( ) ( )
+1)
1( )
( − − = −
−=
∇ y
if x
if x
ih y
iy
iRóżnice wsteczne
1 2
= ∇ ( ∇ ) = ∇ − ∇
−∇ y
iy
iy
iy
iMet.Numer. wykład 2 57
Inaczej:
Wzór interpolacyjny Lagrange’a
gdzie:
ω’n(xj) jest wartością pochodnej wielomianu ωn(x) punkcie xj będącym zerem tego wielomianu
( ) ∑ ( )
∑
= ==
= −
− −
=
nj j n j
n j
n
j
x j x n j
n j
n
x x x
x x f x
x x x x x x f x
W
j
0
0
( ) ' ( )
) ( )
) ( (
) ) (
( ω
ω ω
ω
) )...(
)(
( )
(
0 1 nn
x = x − x x − x x − x
ω
Ogólnie:
) )...(
)(
)...(
)(
(
) )...(
)(
)...(
)(
) ( ( )
(
1 1
1 0
1 1
1 0
0 j j j j j j j n
n j
j n
j j
n
x x x x x x x x x x
x x x
x x x x x x x x
f x
W − − − − −
−
−
−
−
= −
+
−
+
−
∑
=Przykład
Znaleźć prędkość w chwili t=16 s stosując metodę interpolacji wielomianem Lagrange’a dla dwóch punktów
t(s) v(m/s)
0 0
10 227.04
15 362.78
20 517.35
22.5 602.97
30 901.67
Tabela 1 Prędkość v jako funkcja czasu t
0 5 10 15 20 25 30
0 200 400 600 800 1000
predkosc v(m/s)
czas t(s)
dane