У вас вопросы?
У нас ответы:) SamZan.net

Тема II ИНТЕРПОЛИРОВАНИЕ ФУНКЦИЙ Постановка задачи интерполирования Интерполирование ~ одна из зад

Работа добавлена на сайт samzan.net: 2016-03-30

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 3.4.2025

Тема II. ИНТЕРПОЛИРОВАНИЕ ФУНКЦИЙ

§ Постановка задачи интерполирования

Интерполирование – одна из задач теории приближения функций.

Пусть задано множество  вещественных абсцисс:  (узлы интерполирования) и соответствующие ординаты – значения некоторой функции  в узлах:  (они могут быть как определены математически, так и являться результатом наблюдения).

Требуется построить функцию , принадлежащую известному классу, такую, что

,    (1)

и принимающую «разумные» значения для , лежащих между узлами (критерий разумности всякий раз зависит от задачи).  - интерполирующая функция. Полученную интерполирующую функцию используют для приближенного определения значений данной функции  в точках, отличных от узлов. При этом, если , то мы имеем дело с интерполированием (интерполяцией) в узком смысле, при  - с экстраполированием (экстраполяцией). Интерполирование в широком смысле включает как первый, так и второй вариант.

Необходимость решать задачу интерполяции возникает, например, при:

  •  обработке результатов эксперимента. Тогда точки  получены из экспериментальных наблюдений. С помощью интерполяции можно не только описать характер изменения данных, но и исправить некоторые, содержащиеся в них ошибки;
  •  сгущении таблиц, если вычисление значений известной табулируемой функции трудоемко;
  •  численном анализе (численное дифференцирование и интегрирование, построение сеточных аналогов задач математической физики и др.);
  •  приближенном нахождении нулей, экстремумов функций, собственных значений, развертывании характеристического определителя;
  •  формировании изображений 3D-объектов произвольной формы по набору точек в прикладных пакетах 3D-графики.

Цели интерполяции разнообразны, но почти всегда необходимо иметь быстрый алгоритм вычисления  для , не содержащихся в таблице данных.

Условие (1) - условие интерполяции. Очевидно, что существует бесконечное множество различных функций, удовлетворяющих данному условию. Поэтому нужно иметь некоторый критерий выбора. В общем случае критерии формулируются в терминах гладкости и простоты.

Наиболее часто на практике интерполирующая функция  строится как линейная комбинация функций:

  •   (алгебраическая / полиномиальная интерполяция);
  •   (тригонометрическая интерполяция);
  •   (экспоненциальная интерполяция).

Реже используются другие функции, например, рациональные.

Рассмотрим полиномиальную интерполяцию. Обратите внимание, что мы пока имеем дело с глобальной интерполяцией, т.е. строим интерполяционный многочлен, единый для всего отрезка . При этом, естественно, график интерполяционного многочлена проходит через все заданные узлы.

При полиномиальной интерполяции в качестве интерполирующей функции  ищется полином  степени не выше , значения которого в заданных узлах   совпадают со значениями функции  в этих точках.

  (2)

Согласно аппроксимационной теореме Вейерштрасса, любая функция , непрерывная на замкнутом интервале , может быть хорошо приближена некоторым полиномом .

Будем искать интерполяционный полином в каноническом виде:

  (3)

Для определения  коэффициентов , нужно задать  условий. Из условий (2):

   (4)

Итак, для отыскания коэффициентов   получили СЛАУ, имеющую единственное решение, если среди узлов интерполяции   нет совпадающих. Итак, мы можем провести единственный полином  через любые  точек с разными абсциссами.

Однако, решение такой линейной системы может оказаться весьма трудным делом для , превышающего 10, по причине значительного объема вычислений и частой плохой обусловленности системы. Существуют более простые алгоритмы построения интерполяционных многочленов.

Так, гораздо более удовлетворительный способ вычисления интерполяционного полинома  дает его представление в форме Лагранжа или в форме Ньютона.

§ Интерполяционный полином Лагранжа

Будем искать интерполяционный полином  как линейную комбинацию многочленов   степени :

.    (5)

Из условий интерполирования:

  (6)

Ясно, что это условие будет выполнено, если

.   (7)

Т.к. каждая из искомых функций   имеет не менее  нулей на отрезке : , будем искать ее в виде:

(8)

С учетом (7)

  (9)

Таким образом, интерполяционная формула Лагранжа имеет вид:

.   (10)

или

 (10’)

Доказано, что данный многочлен является единственным.

При компьютерных расчетах может оказаться удобной следующая схема. Построим таблицу

Обозначив произведение элементов строк  соответственно, получим:  (произведение образуют элементы, стоящие на главной диагонали таблицы).

Пример.

Формула Лагранжа при  и  описывает соответственно линейную и квадратичную интерполяцию:

(это уравнение прямой , проходящей через 2 заданные точки  и )

( - уравнение параболы)

Формула Лагранжа для равноотстоящих узлов   имеет вид

(11)

(к ней не сложно прийти, выполнив в (10) замену переменных )

Существует несколько обобщений интерполяционного многочлена Лагранжа. Например, довольно широко используются интерполяционные многочлены Эрмита. При этом кроме значений  в узлах  задаются значения производных . Задача состоит в нахождении многочлена , значения которого и его производных в узлах совпадают с данными. Такая задача также имеет единственное решение при отсутствии совпадающих узлов.

§ Интерполяционный полином Ньютона

Формула Лагранжа явным образом содержит значения . Формула Ньютона позволяет выразить интерполяционный многочлен  через значение функции  в одном из узлов и через так называемые разделенные или конечные разности.

Разделенными разностями первого порядка называются отношения

 .

Например, , .

Вычислив разделенные разности первого порядка, можно построить разделенные разности второго порядка:

или, что то же самое,  .

Например,

Разностные отношения первого порядка имеют смысл средних скоростей роста функции на соответствующих отрезках. Разностные отношения второго порядка показывают, как меняются средние скорости роста функции при переходе от отрезка  к .

Аналогично, можно построить разделенные разности более высоких порядков. Например, разделенная разность порядка  определяется через разности порядка  следующим образом:

.

Интерполяционная формула Ньютона предполагает построение интерполяционного полинома в виде

(12)

Удовлетворяя условию интерполирования (2), находим, что ,   - разделенные разности соответствующих порядков. Тогда (12) принимает вид

 (13)

При практических расчетах по интерполяционной формуле Ньютона разделенные разности удобно записывать в виде следующей таблицы:

разности 1-го порядка

разности 2-го порядка

разности 3-го порядка

разности 4-го порядка

0

...

1

2

3

4

- массив разделенных разностей

Тогда, описав 2 одномерных массива узлов и значений функции в узлах:  и , можно рассчитать все элементы массива  разделенных разностей:

 

 

Обратите внимание, что в формулу Ньютона входят только разделенные разности, расположенные в верхней косой строке.

В случае равноотстоящих узлов интерполяционная формула Ньютона являет собой разностный аналог формулы Тейлора. Покажем это. Для изучения функций, заданных таблицей в равноотстоящих узлах, рабочим аппаратом являются не разделенные, а конечные разности.

Пусть, как и ранее, заданы значения  для равноотстоящих значений независимой переменной  , где   - шаг интерполяции. Конечные разности определяются следующим образом:

  •    - конечные разности первого порядка (например, , …);
  •    - конечные разности второго порядка (например, )

……………………………

  •    - конечные разности -го порядка.

Очевидно, что конечная разность порядка  от полинома степени  равна постоянной величине. Все разности более высокого порядка равны нулю. Аналогичными свойствами обладают и разностные отношения.

Коэффициенты интерполяционного полинома Ньютона можно выразить непосредственно через конечные разности:

(14)

Введя новую переменную , формулу (14) можно переписать в виде

     (15)

Процесс вычислений конечных разностей также удобно свести в таблицу, аналогичную таблице *:

разности 1-го порядка

разности 2-го порядка

разности 3-го порядка

разности 4-го порядка

0

...

1

2

3

4

- массив конечных разностей

 

 

Заметьте, что при   и , и формула (14) принимает вид формулы Тейлора

.  (16)

Формулу (15) часто называют первой интерполяционной формулой Ньютона. Наиболее эффективно ее применение в окрестности начального значения , где  мало по абсолютной величине. Хотя полученное выражение может аппроксимировать исходную функцию  на всем отрезке изменения аргумента , более целесообразно (с точки зрения повышения точности расчетов и уменьшения числа членов суммы) ограничиться случаем , т.е. в (14)-(15) выбирать . Для  вместо  лучше взять значение ). Таким образов в (15) индекс 0 следовало бы заменить на .

Первую интерполяционную формулу используют для вычисления значений функции на левой половине рассматриваемого отрезка  и потому, что разности -го порядка  вычисляются через значения , причем , поэтому взяв , ближе к правому краю отрезка, мы не сможем вычислить разности высших порядков . Так при  можно учесть только ,  и .

Если формулу Ньютона хотим использовать для интерполирования в конце таблицы (на правой половине отрезка ), то лучше применять вторую интерполяционную формулу:

,  (17)

которая в случае равноотстоящих узлов записывается соответственно

   (18)

где

Первой и второй формулами Ньютона можно пользоваться и для экстраполирования. При этом при  лучше брать первую (это будет экстраполирование назад), при  - вторую экстраполяционную формулу (экстраполирование вперед). При интерполировании ситуация с точностью наоборот: движению вперед () соответствует первая, назад () – вторая формула Ньютона.

Еще раз отметим, что существует один и только один полином  при заданной таблице значений функции. Формулы Лагранжа, Ньютона и решение СЛАУ (4) дает один и тот же результат при условии, что вычисления проводятся точно и отсутствуют совпадающие узлы. Главное соображение при выборе алгоритма – конкретная задача. Так, формула Ньютона удобнее, если проводится интерполяция одной и той же функции , но число узлов растет (в формуле Лагранжа это повлечет пересчет всех ранее посчитанных слагаемых и увеличение их количества, в формуле Ньютона все найденные ранее члены сохраняются и добавляется новое слагаемое), если же по одной системе узлов интерполируется несколько функций, то формула Лагранжа удобнее, поскольку явно содержит значения .

§ Погрешности интерполирования.

Оптимальный выбор узлов интерполирования

Погрешностью интерполирования или остаточным членом интерполяционной формулы называется разность

   (19)

Очевидно, что в узлах , поскольку график интерполяционного многочлена проходит через заданные узловые точки. Если  является многочленом степени , и выбрано  узлов, то . В общем случае, в точках, отличных от узлов,  и оценка остаточного члена:

.  (20)

Здесь

(предполагается, что функция  непрерывна и имеет непрерывные производные до -го порядка включительно на отрезке );

- полином степени .

Представление погрешности в форме (20) справедливо как для формулы Лагранжа, так и для формулы Ньютона.

Пример

Выясним, с какой точностью можно вычислить  с помощью интерполяционной формулы Лагранжа, выбрав следующие узлы: , , .

Решение

, следовательно  для . Тогда, на основании формулы (20) получаем

Вы видите, что оценкой погрешности (20) можно пользоваться до проведения вычислений (априори). Но, если функция  задана таблично и аналитическое ее выражение нам неизвестно, то оценка (20) невозможна. Действительно, бесчисленное множество функций может совпадать с данным полиномом в заданной системе узлов, имея сколь угодно большое отклонение в промежуточных точках. Для практической оценки погрешности в этом случае можно пользоваться апостериорной оценкой: при близко расположенных узлах правая часть (20) приближенно совпадает с модулем нового члена полинома Ньютона, появляющемся при добавлении -го узла.

Обратите внимание, что погрешность интерполирования, зависит, во-первых, от свойств функции , что, чаще всего, не поддается регулированию, во-вторых, от выбора узлов , ,…, , и можно их выбирать так, чтобы

,

т.е., чтобы полином , построенный по этим узлам, наименее отклонялся от нуля по абсолютной величине.

Данному условию можно удовлетворить, выбрав в качестве узлов корни полинома Чебышева первого рода:

,

т.е. точки

 

В этом случае оценка (20) примет вид

Обратите внимание, что чебышевские узлы не являются равноотстоящими, а сгущаются около концов отрезка интерполирования .

Оптимальными узлами на отрезке  будут соответственно .

Кстати сказать, в общем случае, даже при таком подборе узлов интерполирования нельзя гарантировать, что абсолютная величина погрешности будет сколь угодно мала при достаточно большом .

§ Сходимость интерполяционного процесса

Часто глобальную полиномиальную интерполяцию лучше не применять вообще. Приведем доводы в защиту этого утверждения. Рассмотрим поведение  при неограниченном возрастании числа  узлов.

Пусть на отрезке  построена последовательность сеток с возрастающим числом узлов:

, , … ,

и пусть функция  определена и непрерывна на . Обозначим   последовательность интерполяционных полиномов, построенных для функции  по ее значениям в узлах сетки .

Интерполяционный процесс называется сходящимся в точке , если существует предел . Если же , то имеет место равномерная сходимость на отрезке .

Свойство сходимости / расходимости интерполяционного процесса зависит как от выбора сеток, так и от гладкости функции . Далее мы рассмотрим примеры несложных функций, для которых интерполяционный процесс расходится.

Теорема Фабера

Для любой последовательности сеток  найдется непрерывная на  функция , для которой последовательность интерполяционных многочленов  не сходится к  равномерно на отрезке  при .

Пример

Опасности полиномиальной интерполяции замечательно иллюстрирует пример Рунге (1901г.)

Если интерполировать полиномами функцию  на отрезке , выбрав равноотстоящие узлы, то оказывается, что давая очень хорошее согласие в центральной части интервала, глобальная полиномиальная интерполяция расходится в интервале .

Если же узлы распределены не равномерно, а являются корнями полинома Чебышева, то проблема расходимости для функции Рунге исчезает, и последовательность интерполяционных многочленов сходится для всех . {Но выбор узлов Чебышева работает не для всех непрерывных функций (по Фаберу невозможно подобрать схему, работающую для всех случаев}

Справедливо и обратное:

Теорема Марцинкевича

Для всякой непрерывной на  функции  найдется последовательность сеток, для которой интерполяционный процесс равномерно сходится на .

Т.е. добиться сходимости можно за счет выбора узлов интерполяции (сетки), но это весьма трудоемкое занятие и, кроме того, для каждой функции необходимо строить свою сетку.

Поэтому на практике и избегают пользоваться полиномами высоких степеней, применяя кусочно-полиномиальную интерполяцию или же интерполяцию сплайнами.




1. Безопасность жизнедеятельности (Безпека життєдіяльності)
2. Разрушенные храмы России
3. Рихард Вагнер (Wgner)
4. Науки в Сибири может быть интересным широкому кругу научных сотрудников Сибирского отделения РАН и послужи
5. Экологический правовой механизм охраны окружающей среды
6. Лекции по дисциплине Физические основы технологических процессов
7. nd Uncle Cmillo in his rmour with the lmp shining on the brestplte nd helmet nd the vizor down so you could not see if he were lughing
8. Введение главы параграфы заключение и другие структурные части работы печатаются с новой страницы.
9. 3 Для создания благоприятных условий работы соответствующих физиологическим потребностям
10. Статья- Тихвинская икона Божией Мате