Met.Numer. wykład 3 1
METODY NUMERYCZNE
dr hab.inż. Katarzyna Zakrzewska, prof.AGH
Wykład 3.
Met.Numer. wykład 3 2
Plan
• Aproksymacja
• Interpolacja wielomianowa
• Przykłady
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?
Met.Numer. wykład 3 4
Co to jest interpolacja ?
Dane są punkty (x0,y0), (x1,y1), ….(xn,yn). Znaleźć nieznaną wartość y dla dowolnego x.
Met.Numer. wykład 3 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 3 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
+ + +
+ +
≈ +
Met.Numer. wykład 3 8
Aproksymacja
współczynniki są tak dobrane, aby w punktach
funkcja przybliżająca wraz z jej pierwszymi ri pochodnymi (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
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>
( )
[ ]
2min
2
= ∑
n− + =
i
y
iax
ib
S
Met.Numer. wykład 3 10
4 6 8 10 12 14 16
0 20 40 60
f(xi) yi
xi y
x f(x)=ax+b a=3.23, b=-2.08
Metoda najmniejszych kwadratów Regresja liniowa
Postulat metody
Met.Numer. wykład 3 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 współczynniki a i b szukanej prostej f(x)=ax+b
Metoda najmniejszych kwadratów Regresja liniowa
W
y x x y b x
W
y x y x a n
i i i i i
i i i i
∑ ∑ − ∑ ∑
=
∑ − ∑ ∑
=
2
( )
22
− ∑
= n ∑ x
ix
iW
gdzie: W (wyznacznik główny układu równań) wyraża się wzorem
Metoda najmniejszych kwadratów Regresja liniowa
Met.Numer. wykład 3 13
Z praw statystyki można wyprowadzić wyrażenia na odchylenia standardowe u(a) i u(b) obu parametrów prostej a,b:
n a x u b u
W S n a n u
∑
i=
= −
2 2
) ( ) (
) 2 (
Metoda najmniejszych kwadratów Regresja liniowa
Met.Numer. wykład 3 14
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 3 16
Najczęściej wybiera się wielomiany gdyż można łatwo:
obliczać ich wartości
różniczkować
całkować
Aproksymacja wielomianowa
Met.Numer. wykład 3 17
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.
Aproksymacja wielomianowa
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
Met.Numer. wykład 3 19
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 3 20
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 3 22
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
Met.Numer. wykład 3 23
Nie można obecnie wyświetlić tego obrazu.
( ) t a
0a
1t a
2t
2v = + +
( )
10=a0+a1( )
10+a2( )
102=227.04 v( ) 15 = a
0+ a
1( ) 15 + a
2( ) 15
2= 362 . 78 v
05 .
0
= 12
a a
1= 17 . 733 a
2= 0 . 3766
Interpolacja kwadratowa
(x0, y0) (x1, y1)
(
x2, y2)
( )
x f2y
x ( ) 20 = a
0+ a
1( ) 20 + a
2( ) 20
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
=392.19m/s( ) 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)
Met.Numer. wykład 3 25
( )
332 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 = = + + +
( ) 20 517 . 35 a
0a
1( ) 20 a
2( ) 20
2a
3( ) 20
3v = = + + +
( ) ( ) ( )
3( )
32 2 1
0
22 . 5 22 . 5 22 . 5
97 . 602 5 .
22 a a a a
v = = + + +
y
x
( )
x f3(
x3, y3)
(x2, y2) (x1, y1) (x0, y0)
Interpolacja sześcienna
Met.Numer. wykład 3 26
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 domoweRozwiązać 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 3 28
Porównanie
Rząd wielomianu 1 2 3
(
t=16)
m/sv 393.7 392.19 392.06
błąd względny --- 0.38410 % 0.033269 %
Met.Numer. wykład 3 29
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
=
⎥ ⎦
⎢ ⎤
⎣
⎡ − + + +
=
∫ − + + +
=
( )
t =−4.2540+21.266t+0.132042+0.0054347t3,10≤t≤22.5ν
( ) ( )
( )
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
Met.Numer. wykład 3 31
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 3 32
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
= t v =
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 3 34
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
Met.Numer. wykład 3 35
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
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 b
0= t v (
0) = 227 . 04
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
Met.Numer. wykład 3 37
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 3 38
∈ a x100
19 . 392
69 . 393 19 . 392 −
=
= 0.38502 %
Interpolacja kwadratowa
Błąd względny w odniesieniu do poprzedniej interpolacji
910 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 fx 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 3 40
(
x0,y0) (
,x1,y1)
,...,(
xn−1,yn−1) (
,xn,yn)
) )...(
)(
( ....
) ( )
( = 0+ 1 − 0 + + n − 0 − 1 − n−1
n x b b x x b x x x x x x
f gdzie
] [0
0 f x
b = ] , [1 0
1 f x x
b =
] , , [2 1 0
2 f x x x
b = M
] ,...., ,
[ 1 2 0
1 f x x x
bn− = n− n− ] ,...., , [x x 1 x0
f bn= n n−
Ogólna formuła
Mając (n+1) punktówMet.Numer. wykład 3 41
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
x0 f(x0) b1
] , [x1x0
f b2
x 1 f(x1) f[x2,x1,x0] b3
] , [x2x1
f f[x3,x2,x1,x0]
x2 f(x2) f[x3,x2,x1]
] , [x3x2
f x3 f(x3)
Interpolacja sześcienna
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.
Met.Numer. wykład 3 43
Rozwiązanie
b0 = 227.04; b1 = 27.148; b2 = 0.37660; b3 = 5.4347*10-3 b0
0=10
t 227.04 b 1
27.148 b 2
,
1=15
t 362.78 376600. b 3
30.914 5.4347x10−3
,
2=20
t 517.35 444530.
34.248 ,
5 .
3=22
t 602.97
Met.Numer. wykład 3 44
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
−
−− Δ −
+
+ +
− Δ −
+ Δ −
+
=
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 3 46
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
−
− Δ −
+
+ +
− Δ −
+ Δ −
+
=
−
− −
−
drugi wielomian interpolacyjny Newtona z różnicami wstecznymi
Met.Numer. wykład 3 47
Różnice progresywne
i i i
i y y y
y=ΔΔ =Δ −Δ
Δ2 ( ) +1
i i i i
i
f x h f x y y
y = + − = −
Δ ( ) ( )
+1)
1( )
( − − = −
−=
∇ y
if x
if x
ih y
iy
iRóżnice wsteczne
1 2
= ∇ ( ∇ ) = ∇ − ∇
−∇ y
iy
iy
iy
iInaczej:
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 − − − − −
−
−
−
−
= −
+
− +
−
∑
=Met.Numer. wykład 3 49
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
Met.Numer. wykład 3 50
Interpolacja liniowa wielomianem Lagrange’a
78 . 362 ) ( ,
15
00
= v t =
t
35 . 517 ) ( ,
20
11
= v t =
t
Wiadomo, że: Znajdujemy:
A zatem:
Jako zadanie domowe, proszę sprawdzić czy wynik uzyskany jest zgodny z wynikiem interpolacji bezpośredniej
) ( ) ( ) ( ) ( ) ( ) ( )
(
1 0 0 1 10
L t v t L t v t L t v t
t
v
i ii
+
=
∑
=
=1 0 1 1
00 0 0
( )
t t
t t t t
t t t
L
j
j j
j
−
= −
∏ −
= −
≠=
0 1 1 0
10 1 1
( )
t t
t t t t
t t t L
j
j j
j
−
= −
∏ −
= −
≠=
35 . 15 517 20 78 15 . 20 362 15
20
) ( ) ( )
(
10 1 0 0 1 0
1
− + −
−
= −
− = + −
−
= −
t t
t t v t
t t t t v t
t t t v
s m v
/ 7 . 393
) 35 . 517 ( 2 . 0 ) 78 . 362 ( 8 . 0
) 35 . 517 15 ( 20
15 ) 16 78 . 362 20 ( 15
20 ) 16 16 (
=
= +
=
− + −
−
= −
Interpolacja liniowa wielomianem Lagrange’a
15 16 17 18 19 20
360 380 400 420 440 460 480 500 520
v(m/s)
czas t(s) dane
Met.Numer. wykład 3 52
Interpolacja kwadratowa
Dane są punkty( x
0, y
0), ( x
1, y
1), ( x
2, y
2)
szukamy
∏ −
= −
≠= 2 0
) (
i j
j i j
j
i
t t
t t t
L
( )
( ) ( ) ( ) ( ) )
( ) (
) ( ) (
2 2 1 1 0 0 2
0
t v t L t v t L t v t L
t v t L t v
i i i
+ +
=
=
∑
=
=Met.Numer. wykład 3 53
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
Znajdujemy:
( )( )
(
0 1)(
0 2)
2 2 1
00 0 0
( )
t t t t
t t t t t t
t t t
L
j
j j
j
−
−
−
= −
∏ −
= −
≠=
( )( ) (
1 00)(
1 22)
2 10 1 1
( )
t t t t
t t t t t t
t t t
L
j
j j
j
−
−
−
= −
∏ −
= −
≠=
( )( ) (
2 00)(
2 11)
2 20 2 2
( )
t t t t
t t t t t t
t t t
L
j
j j
j
−
−
−
= −
∏ −
= −
≠= A zatem:
) ( )
( )
( )
(
21 2
1 0 2 1 0 2 1
2 0 1 0 0 2 0
2 1 0
1
v t
t t
t t t t
t t t t v t
t t t t
t t t t v t
t t t t
t t t
v −
−
− + −
−
−
− + −
−
−
−
= −
Interpolacja kwadratowa
dla t=16s:Jako zadanie domowe, proszę sprawdzić czy wynik uzyskany jest zgodny z wynikiem interpolacji bezpośredniej i metodą Newtona.
s m v
/ 19 . 392
) 35 . 517 )(
12 . 0 ( ) 78 . 362 )(
96 . 0 ( ) 04 . 227 )(
08 . 0 (
) 35 . 517 ) ( 15 20 (
) 15 16 ( ) 10 20 (
) 10 16 (
) 78 . 362 ) ( 20 15 (
) 20 16 ( ) 10 15 (
) 10 16 ) ( 04 . 227 ) ( 20 10 (
) 20 16 ( ) 15 10 (
) 15 16 ) ( 16 (
=
+ +
−
=
− =
−
− + −
−
−
− + −
−
−
−
= −
Met.Numer. wykład 3 55
Interpolacja kwadratowa
Błąd względny w odniesieniu do poprzedniej interpolacji
910 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
% 38502 . 0
19 100 . 392
70 . 393 19 . 392
=
− ×
=
∈a
Met.Numer. wykład 3 56
Interpolacja sześcienna
Zadanie domowe
Znaleźć równanie na prędkość i obliczyć v(16s) na podstawie interpolacji sześciennej Lagrange’a
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.
Porównać wyniki z uzyskanymi na podstawie interpolacji metodą bezpośredniej i Newtona.
Rząd wielomianu 1 2 3
v(t=16)
m/s 393.69 392.19 392.06
Błąd względny
przybliżenia --- 0.38502 % 0.033427 %
Porównanie
Met.Numer. wykład 3 58
Niech dane będą punkty: 0, 1, 3, 6. Znaleźć wielomian interpolacyjny Lagrange’a, który będzie przybliżać funkcję
⎟ ⎠
⎜ ⎞
⎝ ⎛ ⋅
⋅
= x
x
f ( ) 2 sin π 6
Rozwiązanie:
Wartości funkcji f(x) w węzłach interpolacji są następujące:
Można pokazać, że wielomian interpolacyjny Lagrange’a przyjmuje postać:
( )
0 0, 1( )
1 1, 2( )
3 2, 3( )
6 0.0=f = y=f = y =f = y =f =
y
( ) 15
17 90 11 90
2 3 3
x x x x
W = − − +
Wzór interpolacyjny Lagrange’a - przykład
Met.Numer. wykład 3 59
funkcja f(x)
Wielomian interpolacyjny „przybliża” funkcję f(x) tylko pomiędzy skrajnymi węzłami, tzn. w przedziale [0,6].
Im mniejsze odległości między węzłami, tym lepsze przybliżenie uzyskujemy
-15 -10 -5 0 5 10 15
-25 -20 -15 -10 -5 0 5
y
x
2sin(π/6∗x)
( )
1517 90 11 90
2 3 3
x x x x
W =− − +
wielomian interpolacyjny W3(x)
Wzór interpolacyjny Lagrange’a -
przykład
Z jaką dokładnością wielomian interpolacyjny Wn(x) przybliża funkcję f(x) w pozostałych punktach leżących wewnątrz przedziału
<a, b>?
∏ − + ⋅
≤
−
=+
>
∈< n
i i n
b a x
n
x x
n x f x
W x f
0 ) 1 (
,
( )
)!
1 (
) ( sup ) ( ) (
Oszacowanie błędu wzoru interpolacyjnego
Zakładamy, że funkcja f(x) w rozpatrywanym przedziale <a, b>
ma pochodne do rzędu (n+1) włącznie.
zależy od wyboru węzłów interpolacji
Met.Numer. wykład 3 61
Interpolacja za pomocą funkcji sklejanych-spline Motywacja
Wady interpolacji wielomianowej:
Pogorszenie wyników interpolacji przy zwiększaniu liczby węzłów.
Przykład:
Zjawisko Rungego (przykład źle uwarunkowanego zadania):
Interpolacja wielomianami wysokich stopni przy stałych odległościach węzłów prowadzi do poważnych odchyleń od interpolowanej funkcji zwłaszcza na końcach przedziału. Interpolacja na środkowych częściach przedziału jest natomiast bardzo dobra i użyteczna Przykład:
x x f ( ) =
25
21 ) 1
( x x
f = +
Met.Numer. wykład 3 62
Interpolacja wielomianowa szczególnych funkcji
x
x f ( ) =
Zjawisko Rungego
Met.Numer. wykład 3 64
Interpolacja za pomocą liniowych funkcji sklejanych
Mając dane punkty:
) , ( ), , ),...(
, ( ), ,
( x
0y
0x
1y
1x
n−1y
n−1x
ny
nprowadzimy linie proste pomiędzy punktami.
Met.Numer. wykład 3 65
) ) ( ( ) ) ( ( )
(
00 1
0
0 1
x x
x x
x f x x f f x
f −
− + −
= x
0≤ x ≤ x
1) ) ( ( ) ) ( ( )
(
11 2
1 2
1
x x
x x
x f x x f f x
f −
− + −
= x
1≤ x ≤ x
2) ) ( ( ) ) ( ( )
(
11 1
1 −
−
− −
−
− + −
=
nn n
n n
n
x x
x x
x f x x f f x f
. . .
n
n
x x
x
−1≤ ≤
nachylenie prostejpomiędzy węzłami
Interpolacja za pomocą liniowych funkcji sklejanych
Mając dane punkty:
( x
0, y
0), ( x
1, y
1),...( x
n−1, y
n−1), ( x
n, y
n)
zapisujemy różne funkcje kwadratowe pomiędzy każdą parą punktów.