Eötvös Loránd Tudományegyetem Természettudományi Kar. Interpoláció. Mihalkó Zita
|
|
- Gergő Alfréd Deák
- 5 évvel ezelőtt
- Látták:
Átírás
1 Eötvös Loránd Tudományegyetem Természettudományi Kar Interpoláció Szakdolgozat Mihalkó Zita Matematika BSc Matematikai elemz szakirány Témavezet : Kurics Tamás Alkalmazott Analízis és Számításmatematikai Tanszék 200
2 Tartalomjegyzék. Bevezetés 2 2. Motiváció 3 3. Polinomiális interpoláció Lagrange-interpoláció Newton-interpoláció Osztott dierenciák Neville-rekurzió Hibabecslés Hermite-interpoláció Trigonometrikus interpoláció 9 5. Spline interpoláció B-spline Bézier-polinomok Alkalmazás Összefoglalás 3
3 . Bevezetés Az interpoláció matematikai közelít módszer. A természettudományok gyakori feladata, hogy a mérésekb l, mintavételezésekb l származó adatai (adatpontjai) segítségével próbál az ismeretlen értékekre következtetni. Ehhez egy, az adatpontokra szorosan illeszked függvényt konstruál. Ez a függvény annál pontosabb, minél több adat áll rendelkezésünkre. Az interpoláció során célunk az f(x) függvény alakjának egy I(x) függvénnyel való minél pontosabb megközelítése olyan formában, hogy a közelít függvény is áthaladjon az ún. tabulált pontokon, tehát elégítse ki az I(x i ) = f(x i ) = y i feltételt. Interpolációról akkor beszélünk ha az x pont, melyben az f(x) értéket szeretnénk megbecsülni, a megadott pontok által meghatározott intervallumon belül helyezkedik el. Az interpolációs módszereket több osztályba sorolhatjuk. A közelítési függvények típusát tekintve lehetnek: Polinomiálisak: a közelít függvények polinomok (a legelterjedtebb módszerek). Az interpoláció segítségével n+ különböz számpárra, vagyis n+ pontra egyértelm en illeszthet egy legfeljebb n-ed fokú polinom, amely átmegy az adott pontokon. Trigonometrikusak: trigonometrikus függvények segítségével interpolálunk. Ezek az interpolációval egybekötött Fourier-módszerek alkalmazása esetén hasznosak. Attól függ en, hogy milyen más tulajdonságokkal szeretnénk felruházni a közelít függvényt, az interpoláció lehet: Lokális: ha az I(x) közelít függvény meghatározásakor az x közelében fellelhet néhány pontot vesszük gyelembe. Ezek a módszerek ismételten alkalmaznak egy algoritmust a teljes ponthalmaz egy kis részére. Globális: ha az összes rendelkezésre álló (x i, y i ) pontot felhasználjuk, bármely x értékr l lenne szó; a pontok egyetlen függvényt határoznak meg. Mivel egy új pont függvényértékének meghatározásához minden ismert pontot felhasználunk, emiatt az eljárás számításigényes. Ezek a módszerek általában simább függvényeket eredményeznek, amelyeken a változások kevésbé kiugróan jelennek meg. 2
4 2. Motiváció Az interpoláció segítsével nem csupán elméleti matematikai kérdésekre, hanem a gyakorlati életb l vett problémákra is választ kaphatunk. Egy ilyen gyakorlatból ered numerikus feladat a k olaj-lel helyek feltárásának problémája (ld. [3]). A k olaj u = u(x, y, z) nyomása a földalatti rétegekben leírható az ( a u ) + ( a u ) + ( a u ) = 0 () x x y y z z egyenlettel, amelyb l az u függvény bizonyos mellékfeltételek esetén határozható meg. Ezen feltételek egyike, hogy az () egyenletben szerepl a = a(x, y, z) együttható a vizsgált tartományban mindenhol ismert, pozitív és korlátos legyen. Ez az a a k olajat rejt k zet, valamint a k olaj tulajdonságaitól függ. Az a együtthatót fúrással állapíthatjuk meg néhány (x k, y k ) helyen és sok z értékre. Mivel az a együttható ismerete szükséges az egyenlet megoldásához, a fúrás viszont költséges, ezért kell a meglév információkat minél jobban hasznosítani, hogy abból kapjuk az együtthatót az egész vizsgált tartományban. Egy másik, elméleti matematikai feladat (ld. [2]): Egy nagyméret A mátrix valamelyik közbüls λ sajátértékét csak költségesen lehet kiszámítani. Gyakori eset, hogy az A mátrix folytonosan függ egy x paramétert l, ennek következtében λ az x folytonos függvénye lesz. Célszer nek t nik a λ függvényt csak egyes paraméterértékekre kiszámítani és ezután valahogy simán összekötni interpolálni a kapott λ-értékeket lényegesen kevesebb m veletigénnyel járó eljárást használva. Ekkor azzal kell számolnunk, hogy a csökkentett m veletigény ára az lesz, hogy a pontos értékekt l eltávolodva növekv hibával kapjuk a λ(x) értékét. Amennyiben viszont újabb, pontosan kiszámított λ-értékeket beiktatunk, azt kívánjuk, hogy az említett hiba csökkenjen. Nyilvánvaló, hogy a feladat lényege nem változik, ha λ(x) nem sajátérték, hanem az x változónak egy másik, költségesen kiszámítható függvénye. 3
5 3. Polinomiális interpoláció A matematikusok évszázadok óta vizsgálják a polinomokat számos tulajdonságuk miatt. A polinomok olyan kifejezések, melyben csak számok és változók egész kitev j hatványainak összegei és szorzatai szerepelnek, így kényelmesen lehet velük számolni. Kiszámításuk egyszer és a Horner-módszerrel a legkisebb m veletigénnyel megoldható. Ezért természetes, ha polinomokat használunk bonyolultabb függvények közelítésére. Emlékeztet ként: n N {0} esetén jelölje P n a p(x) = a k x k összegképlettel megadható, legfeljebb n-edfokú polinomok terét, ahol az x valós változó valós a 0,..., a n együtthatókkal. Egy p P n polinomot n-edfokúnak nevezünk, ha a n 0. Az [a, b] intervallumon (a < b) folytonos, valós érték függvények C[a, b] terének egy altereként tekintünk P n -re. A Horner-módszer segítségével könnyen kiszámítható p(x) helyettesítési értéke. Ehhez kissé átalakítjuk a polinomot: p(x) = (... (a n x + a n )x + + a )x + a 0. Tehát, ha egy α számról szeretnénk megtudni, gyöke-e a polinomnak, a következ képp számoljuk ki a helyettesítési értékét: p(α) = (... (a n α + a n )α + + a )α + a 0. A módszer lényeges eleme az ún. Horner-séma, vagyis a fenti egyenlet értékeinek táblázatba rendezése a számolás megkönnyítésének céljából. a n a n a n 2... a 0 α a n αa n + a n α(αa n + a n ) + a n 2... p(α) A séma második sorában szerepl elemek az x α-val vett polinomosztás együtthatói. Tehát, ha egy gyököt megtalálva folytatjuk a módszert, végül eljutunk a polinom gyöktényez s alakjához. 4
6 m N esetén jelölje C m [a, b] az [a, b]-n m-szer folytonosan dierenciálható valós érték függvényeket. Mivel az algebra alaptételéb l következ polinomokra vonatkozó egyik lényeges tulajonságra a kés bbiekben többször hivatkozunk, hasznos, ha felidézzük, és mutatunk rá egy egyszer indukciós bizonyítást.. Tétel. (ld. [5]) Tegyük fel, hogy n N {0}. Ekkor minden P n -beli polinomnak legfeljebb n gyöke van (multiplicitásokkal számolva) vagy a polinom azonosan nulla. (Amelynek több mint n gyöke van, azonosan nulla, azaz minden együtthatónak egyenl nek kell lennie nullával.) Bizonyítás: Nyilvánvalóan az állítás igaz n = 0-ra. Tegyük fel, hogy bebizonyítottuk néhány n > 0-ra. Legyen most p P n+ és tegyük fel, hogy p-nek több mint n + gyöke van. A binomiális tételt, valamint az x k = [(x z) + z] k átalakítást használva átírjuk a polinomot a következ formába: n+ p(x) = b k (x z) k + b 0, k= ahol b 0, b,..., b n+ együtthatók a 0, a,..., a n+ -t l és z-t l függenek. Ha z a p egy gyöke, akkor b 0 = 0 kell legyen, és ez azt jelenti, hogy p(x) = (x z)q(x), ahol q P n. Nyilvánvalóan q-nak több mint n gyöke van, mivel p-nek n + -nél több gyöke van. Mivel az indukciós feltétel miatt q 0, ez azt jelenti, hogy p Tétel. Az u k := x k egytagú kifejezések minden k = 0,..., n esetén lineárisan függetlenek. Bizonyítás: Az el z állítás bizonyítására tegyük fel, hogy a k u k = 0, vagyis a k x k = 0, x [a, b]. Ekkor a polinom a 0, a,..., a n együtthatói közül több mint n egyenl nullával, és az. tételb l következ en minden együttható nulla. Az egytagú u 0,..., u n kifejezések lineáris függetlensége azt jelenti, hogy P n -ben egy bázist alkotnak, és ekkor a P n dimenziója n + lesz. 5
7 3.. Lagrange-interpoláció 3. Tétel. (ld. [5]) Adott n + különböz pont az [a, b] intervallumon. Legyenek ezek x 0,..., x n. Ezenkívül adott n + különböz valós érték: y 0,..., y n. Ekkor pontosan egy olyan p n P n polinom létezik, amelyre teljesül a p n (x j ) = y j, j = 0,..., n. (2) feltétel. Ez a polinom megadható p n = L n := alakban, ahol l k az alábbi módon számolható: y k l k (3) l k (x) = n i=0 i k x x i x k x i, k = 0,..., n. L n -et Lagrange-féle interpolációs polinomnak nevezzük. Bizonyítás: Meggyelhetjük, hogy l k P n (k = 0,..., n), továbbá: l k (x j ) = δ jk, j, k = 0,..., n, (4) ahol δ jk = {, ha j = k, 0, ha j k. Ebb l következ en (3) alapján adott L n benne van a legfeljebb n-edfokú polinomok osztályában (P n -ben), valamint megfelel az el írt (2)-es interpolációs feltételnek. Az interpolációs polinom unicitásának bizonyításához tegyük fel, hogy L n,, L n,2 P n két (2)-nek eleget tev nem azonos polinom. Ekkor a különbségük, L n := L n, L n,2 teljesíti az L n (x j ) = 0, j = 0,..., n feltételt. Tehát az L n P n polinomnak n + gyöke van és ez az. tétel alapján csak úgy lehetséges, ha azonosan nulla, amib l következ en L n, = L n,2. Tehát végül a következ képlethez jutottunk: L n (x) := y k l k (x) = y k n i=0 i k x x i x k x i, (5) 6
8 vagyis ahol L n (x) = ω 0 :=, ω m (x) := y k m ω n+ (x) ω n+(x k )(x x k ), (6) (x x k ), m =, 2,.... (7). Példa. Legyen x = (, 0, ), a hozzá tartozó y = (6, 3, 2). Olyan másodfokú polinomot keresünk, amely átmegy a (x i, y i ) pontokon (0 i 2). l 0 (x) = x x x 0 x x x 2 x 0 x = x(x ) ( )( 2) = x(x ), 2 l (x) = x x 0 x x 0 x x 2 x x 2 = (x + )(x ) ( )) = (x 2 ), l 2 (x) = x x 0 x 2 x 0 x x x 2 x = (x + )x 2 = x(x + ), 2 L 2 (x) = 2 y k l k (x) = 6l 0 (x) + 3l (x) + 2l 2 (x) = = 3x(x ) 3(x 2 ) + x(x + ) = x 2 2x + 3. A (2) feltétel ekvivalens egy lineáris egyenletrendszerrel. Az L n polinomot kereshetjük L n (x) = n a k x k alakban, ahol az a j együtthatók egyel re ismeretlenek. Ezek meghatározásához az a 0 + a x k + + a n x n k = y k, k = 0,,..., n, (8) lineáris egyenletrendszert kell megoldanunk. A 3. tétel szerint kell, hogy ennek mátrixa reguláris legyen. A (8)-as rendszer mátrixa az ún. Vandermonde-féle mátrix (V). Ez a mátrix reguláris, ha x j x k, j k. Determinánsára pedig a következ összefüggés teljesül: det(v ) = 0 j<k n (x k x j ). Összefoglalva a feladatot mátrix-vektor alakban: x 0 x x n 0 a 0 y 0 V a = y, V := x x 2... x n , a := a..., y := y.... x n x 2 n... x n n a n y n 7
9 A Lagrange által 794-ben felfedezett (3)-as kifejezés nagyon hasznos elméleti vizsgálatokhoz az egyszer szerkezete miatt. Azonban a gyakorlatban csak kis n-ek esetére alkalmazható. Nagy n-ek esetén az l k -k nagyon nagyok, és nagy az oszcillációjuk, ez pedig a Lagrange-interpolációs polinom rosszult kondicionáltságát okozza. Newton már 696-ban, a kvadratúra-formulákról szóló tanulmányában eljutott egy olyan interpolációs formulához, amely praktikusabb a számítási célokra Newton-interpoláció Az interpolációs polinom kiszámításának egy lényegesen kevesebb m veletigénnyel járó rekurzív módja az ún. Newton-féle rekurzió. Jelölje N m azt a legfeljebb m-edfokú polinomot (0 m n), amely interpolálja az {x j, y j } m j=0 pontokat. Az interpolációs feladat unicitása miatt N m(x) = L m (x), csak N m (x) felírásmódja lesz más. Az m = 0 esetben N 0 = b 0, b 0 := y 0, (9) és általában az N m (x) = N m (x) + b m ω m, m =,..., n (0) rekurzióval állítható el, ahol ω m (x) (7) szerint deniálható. Deníció szerint ugyanis N m N m egy legfeljebb m-edfokú polinom, amely mivel gyökei x = x 0,..., x m valóban ω m (x) konstansszorosa. Mivel N m egyértelm en meghatározott, így b m is: b m = m y k m i=0 i k x k x i. () Mindebb l következik a Newton-interpolációs polinom alakja, melyet a következ képlet ad: N n (x) := A b m együtthatók m =, 2 esetben: b = y y 0 x x 0, b 2 = b m ω m (x). (2) m=0 x 2 x 0 ( y2 y y ) y 0. x 2 x x x 0 8
10 3.3. Osztott dierenciák A b m együtthatókra keresünk egy általánosabb, kényelmesebb kiszámítási módot.. Deníció. Adott n + különböz pont az [a, b] intervallumon: x 0,..., x n, valamint n + valós y 0,..., y n érték. Az x j pontbeli k-adrend D k j rekurzív módon deniáljuk: osztott dierenciát a következ D 0 j := y j, j = 0,..., n, (3) Dj k := Dk j+ Dk j, j = 0,..., n k, k =,..., n. (4) x j+k x j Az osztott dierenciák az {x j, y j } n j=0 adatok sorrendjét l nem függenek, mert felcserélve az (x r, y r ) és (x s, y s ) adatokat, az összeg nem változik, csupán az s-edik és r-edik tagja cserél dik fel.. Megjegyzés. A D k j k-adrend osztott dierencia egy másik, gyakran használt jelölési módja: f[x j,..., x j+k ].. Lemma. (ld. [5]) Bizonyítás: j+k Dj k = m=j j+k y m i=j i m x m x i, j = 0,..., n k, k =,..., n. (5) (ld. [5]) Teljes indukcióval igazolhatjuk a lemmát. Nyilvánvalóan k = -re igaz az állítás. Tegyük fel, hogy k -re már beláttuk (k 2). Ekkor (5)-öt, az indukciós feltételt, és a ( ) = x j+k x j x m x j+k x m x j azonosságot használva kapjuk: D k j = = x j+k x j x j+k x j j+k +y j+k i=j j+k m=j+ j+k m=j+ y m j+k i=j+ i m j+k x m x i (x m x j+k )(x m x j ) m=j ( y m x m x j+k x m x j x j+k x i + y j j+k i=j+ 9 x j x i = j+k y m i=j i m ) j+k j+k m=j i=j+ i m j+k y m x m x i = x m x i + i=j i m x m x i,
11 amivel bizonyítottuk is a lemmát. Tehát a keresett b m együtthatók az. lemma alapján j = 0 esetben adódnak: b m = D m 0 = f[x 0,..., x m ]. Az osztott dierenciákat célszer a dierenciaséma-táblázat szerint rendezni: x 0 y 0 = D 0 0 D 0 x y = D 0 D 2 0 D x 2 y 2 = D x n y n = D 0 n x n y n = D 0 n. D n 0. D n A teljes táblázat el állításához 2 n2 +O(n) m velet ( m velet = 2 kivonás és osztás) szükséges. Az egyes b m együtthatók a dierenciaséma-táblázat háromszögének fels oldaláról olvashatók le. 2. Példa. Adott 4 pont: (0, 0), (, 2), (3, 8), (4, 9), és keresett az a legfeljebb 3-adfokú polinom, amely illeszkedik az adott pontokra. Ekkor a dierenciaséma részletesen: = = = = = =
12 x x x y L 2(x) A b 0,..., b n együtthatókat a háromszög fels oldaláról olvashatjuk le: 0, 2, 3, 4. Ezeket felhasználva kapjuk az N 3 polinomot: N 3 (x) = 2x + 3 x(x ) x(x )(x 3). 4 A dierenciaséma segítségével könnyebben megoldható további (x n+, y n+ ) adatok hozzáadása, mint a Lagrange-interpoláció felírásából kiindulva. Ehhez a dierenciasémát az új adattal egészítjük ki és csak egy további (pl. alsó) átlóját számítjuk ki. Ebben az esetben ha a séma végén nulla szerepel, akkor az interpolációs polinom nem változik, általában viszont új adat hozzáadásával az interpolációs polinom fokszáma növekszik Neville-rekurzió Abban az esetben, ha az interpolációs polinom explicit alakjának megadása nem lényeges, inkább a behelyettesítési értékek fontosak, a Neville-rekurzió nagyon praktikus. Legyenek {x j } n j= alappontok, {y j} n =0 a hozzá tartozó értékek, (x x j). Ekkor a Neville-rekurzió általános alakja: L 2...(m ) (x) (x x) L 2...m (x) = x m x L 23...m (x) (x m x), ahol L 2...(m ) (x) (x x) L 23...m (x) (x m x) = det ( L2...(m ) (x) (x x) L 23...m (x) (x m x) ) = = L 2...(m ) (x)(x m x) L 23...m (x)(x x). Így könnyen eljuthatunk L 2...n (x)-hez, ami az n-edfokú Lagrange-interpolációs polinom x helyen vett helyettesítési értékét jelöli. A rekurzió elemei egy dierenciasémához hasonló táblázatba rendezhet k: x 2 x 2 x y 2 L 23 (x) L 23 (x) x 3 x 3 x y 3 L 234 (x) L 34 (x) L 234 (x) x 4 x 4 x y 4
13 L...m kiszámítási módja m = 2, 3 esetben: L 2 (x) = y (x x) x 2 x y 2 (x 2 x), L 2 (x ) = y, L 2 (x 2 ) = y 2. L 23 (x) = L 2 (x) (x x) x 3 x L 23 (x) (x 3 x), L 23 (x ) = y 0 x 3 x L 23 (x ) (x 3 x ) = y, L 23 (x 2 ) = y 2 (x x 2 ) x 3 x y 2 (x 3 x 2 ) = y 2, L 23 (x 3 ) = y Hibabecslés Miután eljutottunk az L n, N n interpolációs alakokhoz, az eredményt úgy is értelmezhetjük, hogy létezik egy f függvény, amely az interpolációs feladat y j = f(x j ) értékeit adja: f(x j ) = f j, j = 0,..., n, és ezt a függvényt approximáltuk az L n polinommal. Mivel a Lagrange-interpolációs polinom által adott approximáció az alapja több numerikus eljárásnak (pl. numerikus integrálás, közönséges dierenciálegyenletek megoldása) fontos kérdés, hogy L n (x) mennyire tér el f(x)-t l. Legyen f egy olyan (n+)-szer folytonosan dierenciálható függvény, amelyhez konstruálunk egy p n (x) P n polinomot, amelyre p n (x j ) = y j = f(x j ) = f j, j = 0,,..., n. Becslést szeretnénk adni az f(x) p n (x) eltérésre.. Állítás. (ld. [6]) Ha f C (n+) [a, b], akkor minden x [a, b]-hez létezik olyan ξ = ξ x (a, b) szám, amely mellett ahol ω n+ (x)-et (7) alapján számoljuk. f(x) p n (x) = f (n+) (ξ) (n + )! 2 ω n+ (x), (6)
14 Bizonyítás: ([6] szerint) Legyen x [a, b], x x j, j = 0,,..., n, ( x tetsz leges, de rögzített pont). Célunk: f( x) p n ( x) becslése. Ehhez vezessünk be egy új függvényt (ϕ(x)). ϕ(x) = f(x) p (x) Kω n+ (x), (7) ahol K egyel re tetsz leges állandó, ω n+ (x) (7) szerint adott, ϕ(x j ) = 0. Válasszuk meg a K állandót úgy, hogy ϕ( x) = 0, azaz ϕ( x) = f( x) p n ( x) Kω n+ ( x) = 0. Ekkor K = f( x) p n( x). (8) ω n+ ( x) A (7), (8) alapján létrehozott ϕ függvény az {x 0,..., x n, x} pontokban is nulla. Tehát n + 2 db pontban nulla. A Rolle-tétel alapján legalább n+ pontban ϕ (x) = 0. Ezt a lépést folytatva legalább n darab pontban ϕ (x) = 0, és így tovább egészen addig, míg el nem jutunk a ϕ (n+) deriváltig, ami legalább egy pontban nulla. Jelöljön ξ egy ilyen pontot. Vagyis ϕ (n+) (ξ) = 0. Ekkor ϕ(x) = f(x) p n (x) Kω n+ (x), ϕ (n+) (x) = f (n+) (x) 0 K(n + )!, ϕ (n+) (ξ) = f (n+) (ξ) K(n + )! = 0, K = f (n+) (ξ) (n + )! = f( x) p n( x), ω n+ ( x) Vezessünk be néhány jelölést: f( x) p n ( x) = f (n+) (ξ) (n + )! ω n+( x). h := max j n x j x j az alappontok közötti legnagyobb távolság, ω n+ (x) = (x x 0 )(x x ) (x x n ) (b a) n+. 3
15 Ekkor f(x) p n (x) (n + )! (n + )! max f (n+) (x) ω n+ (x) [a,b] max f (n+) (x) (b a) n+. [a,b] f(x) L n (x) = f(x) = n f k n (x x i ) i=0 = ω n+ (x) i=0 i k x x i x k x i = f(x) n (x x i ) i=0 f(x) n (x x i ) i=0 = ω n+ (x)b n+, f k n x k x i i=0 i k x x k f k (x x k ) n i=0 i k = (x k x i ) = mivel b n+ = n+ n+ f k i=0 i k n+ = f n+ i=0 i k x k x i = x n+ x i + n+ f k i=0 i k = x k x i (x n+ x) n+ = f(x) i=0 i k x x i + Tehát a következ összefüggéshez jutottunk: n+ f k i=0 i k f(x) L n (x) = b n+ ω n+ (x). x k x i f(x) = L n (x) + b n+ ω n+ (x). 4
16 A hibabecslésük miatt: f (n+) (ξ) (n + )! ω n+ (x) = b n+ ω n+ (x) b n+ = f (n+) (ξ) (n + )!. Végül, a Newton-féle interpoláció következtében: b m = D0 m = f[x 0,..., x m ] = f (m) (ξ m ) m! f (m) (ξ m ) N n (x) = b m ω m (x) = ω m (x). m! m=0 m=0 A (6) hibaképletet közvetlenül ritkán használjuk, de gyakran adott egy becslés az (n + )-edik deriváltra: amelynek segítségével becsülhet az eltérés: max x [a,b] f (n+) (x) M n+, (9) f(x) L n (x) M n+ (n + )! (b a)n+, x [a, b], (20) mivel x [a, b] esetén ω n+ minden (x x j ) tényez jében a x j b j = 0,..., n. Így teljesül az ω n+ (b a) n+ összefüggés. 3. Példa. (ld. [2]) A sin(x) függvényt [a, b] intervallumon a Lagrange-féle polinommal interpoláljuk. Mekkora az approximációs hiba? sin(x) L n (x) max f (n+) (x) ω n+ (x) (n + )! [a,b] (b a)n (n + )!, hiszen a sin(x) függvény (n+). deriváltja n-t l függ en sin(x), cos(x), sin(x), cos(x), de mindegyikre teljesül a f (n+) (x) összefüggés. 2. Állítás. (ld. [6]) Jelölje h := max j n (x j x j ). Ekkor ω n+ (x) 4 n! hn+. 5
17 Bizonyítás: Teljes indukcióval bizonyítunk. n = esetben teljesül, hiszen ω 2 (x) = (x x 0 )(x x ) 4 h2. Feltesszük, hogy n = k-ra igaz. Megmutatjuk, hogy akkor k + -re is: ω k+ (x) = ω k (x)(x x k+ ) = ω k (x) x x k+ 4 (k )! hk k h = 4 k! hk+. Az el bbi állítás következtében f(x) p n (x) max f (n+) (n + )! 4 n! hn+ = max f (n+) 4(n + ) hn+. 2. Deníció. Egy e(h) hiba p-edrend, ha létezik olyan c konstans, amelyre e(h) c h p. 4. Tétel (Faber). (ld. [5]) Minden alappontrendszer-sorozathoz létezik olyan f C[a, b] függvény, hogy az L n f interpolációs polinomok sorozata nem konvergál egyenletesen f-hez [a, b]-n. 5. Tétel (Marzienkiewicz). (ld. [5]) Minden f C[a, b] függvényhez létezik olyan alappontrendszer-sorozat, hogy az L n f interpolációs polinomok sorozata egyenletesen konvergál f-hez Hermite-interpoláció Ezt a módszert akkor használjuk, amikor az f(x j ) függvényértékeken kívül néhány alappontra ismerjük a derivált értékeit is. Adottak {x j } n j=0 alappontok. Az Hermite-féle interpolációs polinom olyan H polinom, amely eleget tesz a következ feltételeknek: j = 0,..., n : H (k) (x j ) = f jk, k = 0,,..., m j, (2) ahol f jk R, m j N, H (k) pedig a H függvény k-adik deriváltját jelöli. Továbbá legyen m := n m j a (2)-ben szerepl feltételek száma. j=0 6
18 6. Tétel. Ha a fenti feltételek teljesülnek, akkor létezik az Hermite-féle interpolációs feladatnak egyértelm megoldása P m -ben. Az egyértelm ség bizonyítása hasonlóan zajlik, mint a Lagrange-féle feladatnál. Tegyük fel, hogy H és H 2 két olyan (legfeljebb m -edfokú) polinom, amelyre teljesülnek a fenti feltételek. Vizsgáljuk a h = H H 2 P m polinomot. Ennek x j m j -szeres gyöke. Multiplicitással számítva összesen m gyök van, de h fokszáma legfeljebb m. Tehát h 0, vagyis H = H 2. Az interpolációs feladat megoldásának megtalálásához felhasználjuk a Lagrange-féle polinomot, a Newton-féle alakban felírva. Ott ugyanis az ω m (x) ((7) szerint) polinomok használatának eredményeképp a feladatot x m -r l x m -hez haladva lehetett megoldani. Ebben az esetben ezt a következ képp lehet elérni: F 0 (x) := m 0 (x x 0 ) k f 0k, k! és akkor j s j (x) := (x x l ) m l ; l=0 F j (x) = F j (x) + s j (x)g j (x), j = 0,,..., n, (22) alakban konstruálható a keresett H m polinom, és H m (x) := F n (x). F 0 (x) mint a Taylor-sor kezdete eleget tesz a (2)-es feltételeknek j = 0 és k = 0,,..., m 0 esetben. Ezenkívül s (k) j (x 0 ) = 0, k = 0,,..., m 0, j, is érvényes. Ezért minden F j (x) teljesíti a (2) feltételeket j = 0-ra. Ezután feltehetjük, hogy (2) teljesül minden olyan j-re, amelyre n m > j 0. Kell még, hogy F m (x) eleget tegyen (2) feltételeknek j = m esetben. Ehhez (22)-at k-szor deriváljuk, és az eredménybe behelyettesítjük x = x m -et: ahol s m (x m ) ismert nemnulla szám, és ( ) F mk := F m (x (k) k m ) + 0 f mk = F (k) m (x m ) = F mk + s m (x m ) G (k) m (x m ), (23) s (k) m (x m ) G m (x m ) ( ) k s k m(x m ) G (k ) m (x m ).
19 Mivel feltehetjük, hogy G (l) m (x m ) már ismert (l = 0,..., k ), így F mk is rendelkezésre áll, tehát G (k) m (x m ) a (23)-b l kifejezhet. A gyakorlatiasabb megközelítés szerint is eljuthatunk H m -hez. Az Hermite-féle interpolációs feladat megoldásához a Newton-féle alakban a dierenciasémából nyert Lagrangeinterpolációs polinom segítségével juthatunk el. Ehhez feltesszük, hogy az adott f jk értékek valamilyen elegend en sokszor dierenciálható f függvényb l kiszámolhatóak: f j0 = f(x j ), f jk = f (k) (x j ), k = 0,,..., m j. A H m közvetlen konstrukciója: A hagyományos dierenciasémában minden x j alappontot m j -szer szerepeltetünk. Ahol a dierenciaséma azon oszlopában, melyben az k- adrend osztott dierenciák állnak, értelmetlen 0 0 egyéb helyeken a korábbi módokon számolunk. kifejezés adódna, oda f jk k! kerül. Az 4. Példa. (ld. [2]) Adott (0, 0, 0) = (x 0, f(0), f (0)), (,, 3, 6) = (x, f(), f (), f ()), tehát m 0 = 2, m = 3, és keresett az a legfeljebb m 0 + m = 4-edfokú polinom, amely ezeket az adatokat interpolálja = Ebb l leolvashatók a b k együtthatók: 0, 0,,, 0. Tehát a keresett interpolációs polinom: H 4 = x + x 2 + x 2 (x ) + 0 x 2 (x ) 2 = x 3. Az interpolációs polinom csak harmadfokú lett, de teljesíti az összes feltételt, tehát ez az egyetlen megoldás. 8
20 Egy m-szer dierenciálható f függvény és az Hermite-interpoláció eltérésére a következ összefüggés teljesül: f(x) H m (x) = f (m) (ξ) m! ω m (x), ξ = ξ x (a, b), (24) ahol n ω m (x) = (x x j ) m j. j=0 Innen (20) mintájára érvényes f(x) H m (x) = M m m! (b a) m, ξ = ξ x (a, b), (25) ahol M m (35) alapján számolható. Az Hermite-féle polinom lokálisan jobb approximációt ad, de a széls alappontok közelében, a polinom magasabb fokszáma miatt, még er sebb kilengésekre kell számítani, mint a Lagrange-interpoláció esetén. 4. Trigonometrikus interpoláció Munkánk során elég gyakran fordulnak el periodikus függvények, amelyek a következ tulajdonsággal rendelkeznek: f(t + T ) = f(t), t R, T > 0. A polinomiális interpoláció használata nem alkalmas periodikus függvények esetén, mivel az algebrai polinomok nem periodikusak. Ezért a továbbiakban az interpoláció vizsgálatát a trigonometrikus polinomokkal folytatjuk, melyeket el ször Clairaut 759-ben, majd Lagrange 762-ben használt egymástól függetlenül. Ezt követ en feltesszük, hogy a periódus egységesen: T = 2π. 3. Deníció. n N esetén jelölje T n a trigonometrikus polinomok terét, amelyek a q(t) = a k cos kt + b k sin kt k= képlettel adhatók meg. Legyenek a 0,..., a n, b,..., b n valós együtthatók. Egy q T n trigonometrikus polinomot n-edfokú nevezünk, ha a n + b n > 0. 9
21 A szinusz és koszinusz függvények addíciós képleteib l következ en q q 2 T n +n 2, ha q T n és q 2 T n2. Ez indokolja a trigonometrikus polinomokkal való foglalkozást. 7. Tétel. (ld. [5]) Egy T n -beli trigonometrikus polinom, amelynek több mint 2n különböz gyöke van a [0, 2π) periódusban, azonosan nulla, tehát minden együtthatójának nullának kell lennie. Bizonyítás: ([5] szerint) Tekintsük a q T n trigonometrikus polinomot q(t) = a [a k cos kt + b k sin kt] (26) k= alakban. Legyen b 0 = 0, γ k := 2 (a k ib k ), γ k := 2 (a k + ib k ), k = 0,..., n, (27) és az Euler-formulát használva e it = cos t + i sin t, (26) másképp felírva: Legyen z = e it és így kapjuk, hogy q(t) = γ k e ikt. (28) k= n p(z) := γ k z n+k, k= n q(t) = z n p(z). Most tegyük fel, hogy a q T n polinomnak több mint 2n különböz gyöke van [0, 2π). Ekkor a p P 2n algebrai polinomnak több mint 2n különböz gyöke a komplex egységkörön van, mivel a t e it függvény [0, 2π)-t bijektíven leképezi az egységkörre. Ebb l következ en az. tétel miatt p 0, tehát q 0. A c k (t) := cos kt, k = 0,..., n koszinusz és a s k (t) := sin kt, k =,..., n szinusz függvények lineárisan függetlenek C[0, 2π]-n. 8. Tétel. (ld. [5]) Adott 2n + különböz pont: t 0,..., t 2n [0, 2π), és 2n + érték: y 0,..., y 2n R. Ekkor létezik egy egyértelm en meghatározott trigonometrikus polinom a következ tulajdonsággal: q n (t j ) = y j, j = 0,..., 2n. (29) 20
22 A Lagrange-féle alakot felhasználva a trigonometrikus interpolációs polinom megadható alakban, ahol l k (t) = 2n i=0 i k q n = 2 y k l k (30) sin t t i 2 sin t k t i, k = 0,..., 2n. 2 Ekvidisztáns felosztás esetén legyen t j = Ennek segítségével felírva az összeget 2πj, j = 0,..., 2n. 2n + 2 j=0 e ikt j = 2 j=0 { e ijt k 2n +, k = 0, = 0, k = ±,..., ±2n, (3) amely a mértani sor összegképletéb l következik e it k esetén: 2 j=0 e ijt k = ei(2n+)t k e it k = 0, mivel e it k = esetén az összeg minden tagja egyenl eggyel. Megpróbáljuk megtalálni az egyértelm en meghatározott interpolációs polinomot q n (t) = γ k e ikt formában. A k= n q n (t j ) = y j, j = 0,..., 2n interpolációs feltételekb l látható, hogy az interpolációs feladat megoldása ekvivalens egy lineáris egyenletrendszer megoldásával. Ezek az egyenletek γ k e ikt = y j, j = 0,..., 2n (32) k= n alapján írhatók fel. Tegyük fel, hogy (32) megoldásai a γ k együtthatók. Ekkor (3) segítségével jutunk a 2 y j e imt j = j=0 k= n j=0 2 γ k e i(k m)t j = (2n + )γ k 2
23 összefüggéshez. Azaz (32) bármely megoldása megkapható a következ képlettel: γ k = 2n + 2 j=0 Másrészt (3) és (33) felhasználásával kapjuk: k= n γ k e ikt j = 2n y m m=0 y j e ikt j, k = n,..., n. (33) e ik(t j t m) = y j, j = 0,..., 2n, azaz a (32) lineáris rendszernek van egyértelm megoldása, mely (33) szerint adott. Az el z, valamint a (26), (27), (28) összefüggések alkalmazásával juthatunk a következ tételhez. 9. Tétel. (ld. [5]) Létezik a q n (t) = a [a k cos kt + b k sin kt] egyértelm en meghatározott trigonometrikus polinom, amely teljesíti a ( ) 2πj q n = y j, j = 0,..., 2n 2n + interpolációs feltételeket. Az együtthatók az alábbi módon számolhatók: a k = 2 2n + b k = 2 2n + 2 j=0 2 j=0 k= y j cos 2πjk, k = 0,..., n, 2n + y j sin 2πjk, k =,..., n. 2n + A trigonometrikus interpoláció hibájának vizsgálata jóval bonyolultabb, mint a polinomiális interpolációé. Jelölje L n : C[0, 2π] T n trigonometrikus interpolációs operátort, amely az f függvényt az L n f trigonometrikus interpolációs polinomra képezi. Ekvidisztáns rácsháló esetén a konvergenciára két állítás teljesül ([5] szerint): L n f f 2 0, n, minden folytonos, 2π szerint periodikus f esetén, és L n f f 0, n, minden folytonosan dierenciálható, 2π szerint periodikus f esetén. 22
24 5. Spline interpoláció A spline fogalmát 946-ban el ször Isaac Jacob Schoenberg vezette be. Spline-okat többnyire interpolációra és ábrázolásra használnak. Az így nyert görbék olyan simák, amennyire csak lehetnek, nincsenek rajtuk nagyobb kilengések, és rugalmasabban módosíthatók, mint a polinomok. Egyes típusaik szakaszonként változtathatók úgy, hogy közben a görbe nagyobb része megmarad. A spline név a hajóépítésb l ered; ott az építéshez használt hajlékony vonalzót nevezték spline-nak. A már bemutatott polinomiális interpolációk könnyen el állíthatók, de nagyobb fokszám esetén nem mindig komplikációmentesek. Ezek az interpolációk a széls alappontok között gyakran rosszabb eredményt adnak, mintha egyszer töröttvonallal összekötnénk az alappontokat. Ekkor lehet segítségünkre a spline vagyis szakaszonkénti polinomiális interpoláció. [2] szerint legyen az [a, b] intervallum egy felosztása a = x 0 < x < < x n = b, (34) továbbá h j := x j x j, h := max 0 j n h j. (35) A szakaszonkénti interpoláció esetén az egyik lehet ség szerint minden [x j, x j ] szakaszra külön készítjük az interpolációt. Ha csak {f(x j )} n j=0 függvényértékek adottak, akkor a szakaszonkénti els fokú Lagrange-féle interpolációs polinomot (L j ) használva kapjuk a töröttvonal-interpolációt, melynek hibája: ahol f C 2 [a, b], és M 2 (9) szerinti. f(x) L j (x) M 2 2 h2, x [x j, x j ], Ha magasabbrend interpolációt akarunk kapni, a szakaszonkénti Hermite-interpoláció alkalmazása vezethet eredményre. értékének megadása szükséges. Ehhez x j -ben és x j -ben megfelel számú derivált Célszer a minden szakaszon páratlan 2p + -edfokú Hermite-interpoláció, amelyhez minden x j pontban az f függvény értékén kívül még adott az els p derivált is. Ezt a polinomot jelölje H j,2p+, (j = 0,..., n). 23
25 Ekkor (23) becslés alapján, rögzített m = 2p + 2 mellett egyre kisebb (h hosszúságú) részintervallumok esetén nincs probléma azzal, hogy a függvény és az interpoláció eltérése tetsz legesen kicsi legyen: f(x) H j,2p+ (x) M 2p+2 (2p + 2)! h(2p+2), x [x j, x j ]. (36) Tehát a szakaszonkénti Hermite-interpoláció hibája h-ban (2p + 2)-edrend. A H j,2p+ minden j-re vett összessége olyan függvényt deniál [a, b]-n, amelynek els p deriváltja folytonos, viszont a (p + )-edik általában már nem az. A spline interpoláció egy másik módszer szerint: az egész [a, b] intervallumra egyszerre készítjük a szakaszonkénti polinomiális interpolációt, amely g-edfokú lesz minden [x j, x j ] szakaszban. Ez az eljárás is csak függvényértékeket használ, de azonos fokszámra több dierenciálhatóságot kínál, mint az el bbi szakaszonkénti Hermite-interpoláció. Mivel a felosztás alapján n szakasz adott, (g + ) szabad paraméterünk van. Minden x j alappontban megköveteljük az interpolációs feltételeket. Ez (n + ) db egyenletet jelent. Ezen kívül minden bels pontban ({x j } n j= ) azon feltételeket, hogy a szakaszonkénti interpoláció és els d deriváltja folytonos legyen. Mindezek a feltételek lineáris egyenletekre vezetnek. Ez összesen (d + )(n ) egyenlet. Az összes egyenlet rendszerének megoldhatósága érdekében szükséges, hogy ne legyen kevesebb szabad paraméter, mint feltétel, vagyis (g + )n n + + (d + )(n ) = (d + 2)n d. Ennek az egyenl tlenségnek a d = g a legkézenfekv bb megoldása. Így marad lehet ségünk d további feltételre, hiszen még d-vel több szabad paraméter van, mint ahány feltétel. Ezeket az x 0, x n pontokban célszer felhasználni peremfeltételként. Tehát a spline interpoláció alapötlete az, hogy a függvényértékek megadása után a szakaszonkénti magasabbfokú interpolációt folytonossági követelmények el írásával hozzuk létre ahelyett, hogy deriváltakat adnánk meg a megfelel számú feltétel eléréséig. A spline interpolációnál még a g = d-edik derivált is folytonos, és g > esetén speciális egyenletrendszer megoldása kell a szabad paraméterek meghatározásához. lineáris rendszer mérete (g + )n lesz, de soronként kevés nemnulla együtthatója van. Így végül a rendszer megoldása n-ben lineáris m veletigénnyel állítható el. 4. Deníció. Az [a, b] intervallumon deniált S = S g függvényt akkor hívjuk splinenak, ha az ott folytonos, a (34) felosztás összes [x j, x j ] részintervallumán polinom: A 24
26 S g [xj,x j ] = s j P g ([x j, x j ]), és a meghatározásához a felosztás bels pontjaiban csak az adott f függvény helyettesítési értékei szükségesek. A töröttvonal interpoláció is ennek egy fajtája g = és d = 0 esetén. Emiatt els fokú spline-nak is nevezhetjük. konvexitást. Ez a módszer egyszer, megtartja a nemnegativitást és a Gyakori a harmadfokú spline használata. Itt g = 3 és d = 2. Tehát marad két feltételünk, amelyet peremfeltételként x 0, x n pontokban használunk fel. A harmadfokú splinehoztartozó lineáris rendszer tridiagonális alakra hozható, ha szakaszonként olyan Hermiteinterpolációs feladatból indulunk ki, amelynek minden alappontja kétszeres: az adatai ( ) ( ) xj, f j, f j, xj, f j, f j alakúak. Ezáltal biztosítottuk, hogy ez a szakaszonkénti Hermite-interpoláció és els deriváltja folytonos legyen [a, b]-n. Az f j -k úgy választhatóak meg egyértelm en, hogy a szakaszonkénti interpoláció második deriváltja is folytonos legyen. Ez a követelmény adja az j =, 2,..., n : f 0 = f (x 0 ), h j f j + 2(h j + h j )f j + h j f j+ = 3{h j D j + h j D j }, f n = f (x n ), egyenleteket, melyek alapján látható, hogy a rendszer megoldható. Ha az f (x 0 ), f (x n ) értékek nem állnak rendelkezésre, akkor az els, ill. utolsó négy alappontra kiszámítva a Lagrange-féle polinomot, majd ezt lederiválva és x = x 0 -t, ill. x = x n -t behelyettesítve kaphatjuk f 0 -t, ill. f n -t. Az így kiszámított spilne-nak konstrukció szerint a második deriváltja is folytonos, de a szakaszonkénti harmadfokú Hermite-interpoláció második deriváltja a legtöbb esetben szakadásos. Általában a szakaszonkénti (2p + )-edfokú Hermite-interpoláció p-edik deriváltja folytonos, mígy egy g = 2p+-edfokú spline-nak még a g = 2p-edik deriváltja is folytonos. 5.. B-spline A bázisspline-ok, vagy más néven B-spline-ok a spline-ok olyan halmaza, melyek bázisfüggvények segítségével konstruálhatók meg. Az egyszer ség kedvéért csak ekvidisztáns felosztású, h lépésköz B-spline-okkal foglalkozunk. 25
27 A B-spline-ok rekurzívan deniálhatók: B 0 := B m+ (x) := {, x 2 0, x >, 2 x+ 2 B m (y) dy, x R, m = 0,,.... (37) x 2 B m (m )-szer folytonosan dierenciálható, nemnegatív, a [ m 2, m+ 2 ] intervallumon kívül 0, és az m-edfokú polinomra teljesül, hogy minden [j, j + ] intervallum esetén m páratlan, [j, j + ]-ra pedig m páros (j Z). 2 2 Elemi integrációval megkapható B m (x) m =, 2, 3 esetén: B := B 2 := 2 { x, x, 0, x, 2 ( x 2 )2 ( x + 2 )2, x 2, (38) ( x 3 2 )2, 2 2 (39) 0, x 3, 2 (2 x ) 3 4( x ) 3 x, B 3 := (2 x ) 3 x 2 6 0, x Bézier-polinomok Az elkövetkez kben bevezetésre kerül ([5] szerint) a számítógépes graka néhány alapvet fogalma. Ezt az ismertetést csupán a síkbeli és térbeli görbékre korlátozzuk. A számítógépes grakában alapvet követelmény, hogy a geometriai objektumok megjelenítése és mozgatása elég hatékony és gyors legyen. 5. Deníció. n N {0} esetén jelölje P m n a (40) p(x) = a k x k, x R képlettel megadható polinomok terét, ahol a 0,..., a n R m. Egy p P m n ha a n 0. polinom n-edfokú, 26
28 Legyen [a, b] R, (a < b). Az x t(x) := x a b a (4) an lineáris transzformáció az [a, b] intervallumot a [0, ]-be képezi. A binomiális tétel alapján = [t + ( t)] n = ( ) n t k ( t) n k. k Ezeket a [0, ] intervallumon értelmezett Bernstein-polinomoknak nevezzük. Mindebb l (4) segítségével kaphatjuk az [a, b]-n értelmezett Bernstein-polinomokat. 6. Deníció. A [0, ]-en értelmezett n-edfokú Bernstein-polinomot a ( ) n Bk n (t) := t k ( t) n k, k = 0,..., n (42) k képlet adja. Ennek következtében a ( ) x a Bk n (x; a, b) := Bk n = b a (b a) n polinomot [a, b]-n értelmezett Bernstein polinomnak nevezzük. ( ) n (x a) k (b x) n k, k = 0,..., n k A Bernstein-polinom néhány tulajdonsága: Nemnegatívak [0, ]-en. Bk n (t) =, t R. (43) A Bernstein-polinomok eleget tesznek a B n k (t) = B n n k(t)( t), k = 0,..., n, (44) és B n 0 (t) = ( t)b n 0 (t), B n n(t) = tb n n (t) (45) relációknak minden t R és n N esetén. A t = 0 pont a k-adrend B n k és t = az (n k)-adrend egy gyöke. Minden B n k csak t = k -ben veszi fel. n egy gyöke, polinom a maximális értékét 27
29 A Bernstein-polinomok rekurzív módon adhatók meg: Bk n (t) = tb n k (t) + ( t)bn k (t), t R, (46) n N és k =,..., n esetén. A B n 0,..., B n n polinomok P n egy bázisát adják. 7. Deníció. A b 0,..., b n R m együtthatókat a p P m n polinom p(x) = b k Bk n (x; a, b), x [a, b] (47) képletében p kontrollpontjainak, vagy Bézier-pontjainak nevezzük. Az ezáltal meghatározott poligont (töröttvonalat) Bézier-poligonnak nevezzük. Mivel a p polinom grakonja szorosan köt dik a Bézier-poligon formájához, ezért p grakonját gyakran Béziér-görbének nevezik. Meggyelhetjük, hogy p(a) = b 0 és p(b) = b n, vagyis a Bézier-poligon, és -görbe mindkét végpontja egybeesik. A Bézier-görbe deriváltjainak kiszámításában segít az alábbi összefüggés: ( ) d k dt Bn k (t) = [kt k ( t) n k (n k)t k ( t) n k ], n ami azt jelenti, hogy (Bk n ) = 0. Tétel. (ld. [5]) Legyen nb n 0, k = 0, n(b n k Bn k ) k =,..., n, nb n n, k = n. (48) p(t) = egy Bézier-polinom [0, ]-en. Ekkor b k Bk n (t), t [0, ] (49) p (j) (t) = n j n! j b k B n j k (t), j =,..., n, (n j)! ahol a j b k a következ rekurzív módon deálható: 0 b k := b k, j b k := j b k+ j b k, j =,..., n. 28
30 Ezen tétel miatt a deriváltak a két végpontban: p (j) (0) = Az els deriváltak a végpontban: n! (n j)! j b 0, p (j) () = n! (n j)! j b n j p (0) = n(b b 0 ), p () = n(b n b n ). A Bézier-polinom p(t) függvényértékének kiszámítására egy gyors és stabil módszer a de Casteljou algoritmus. Adott egy (49) szerinti Bézier-polinom, deniáljuk a b k i Pk m segédpolinomot: b k i (t) := k b i+j Bj k (t) (50) j=0 segédpolinom egy k-adfokú polinom k + kont- i = 0,..., n k és k = 0,..., n. A b k i rollponttal: b i,..., b i+k. b n 0 = 0.. Tétel. (ld. [5]) Az n-edfokú p Bézier-polinom b k i segédpolinomja eleget tesz a b k i (t) := ( t)b k i rekurziós formulának i = 0,..., n k és k =,..., n esetén. Mivel b n 0 (t) + tb k (t) (5) = p(t) a rekurziót b 0 k = b k-val kezdve p(t) kiszámítható az egymást követ Bézier-pontok (b 0,..., b n ) konvex kombinációjaként. (5)-b l egy a dierenciaséma-táblázathoz hasonló tábla írható fel. A de Casteljou-táblázat együtthatóit két [0, t]-n, ill. [t, ]- en értelmezett Bézier-polinomból állíthatjuk el, amely viszont azonos az eredeti [0, ]-en vett Bézier-polinommal. Tetsz leges 0 < t < esetén a p (x) := b k 0(t)Bk n (x; 0, t), p 2 (x) := Bézier-polinomokra teljesül: i+ p(x) = p (x) = p 2 (x), x R. b n k n (t)b n k (x; t, ) Természetes a t = választás. Az egymást követ, ismételt felosztások a Bézierpoligonok egy sorozatához vezetnek, mely elég gyorsan konvergál az eredeti 2 Bézier-görbéhez, hogy az algoritmus hatékony legyen a görbék számítógépen való megjelenítésére. 29
31 7. Alkalmazás A már említett számítógépes grakai alkalmazásokon kívül az interpoláció másik gyakorlati alkalmazása a képek interpolációja. Ez bármilyen digitális fotónál felmerül valamilyen helyzetben, általában nagyítás, elferdítés vagy forgatás esetén. Egy digitális fotó képpontokból (pixelekb l) áll. Minden egyes képpont leírható matematikai értékkel. A digitális fotó nagyításakor eredeti méretének akár többszörösére is n het, valódi számérték azonban csak az eredeti képpontokhoz tartozik, a nagyítás során beillesztett új képpontok értékét hivatott kiszámolni az interpolációs algoritmus. A lencsék torzítását kijavító, perspektívaváltó vagy forgató interpolációk ferdítés vagy a forgatás esetén fordulhatnak el. Ugyanazon kép átméretezésekor, forgatásakor, vagy ferdítésekor az eredmény jelent s mértékben függ az interpolációs algoritmustól. Mivel az interpolációs eljárás csak egy közelítés, a kép mindenképp veszíteni fog a min ségéb l. Minél több információt ismerünk a környez cellákról az interpoláció annál pontosabb lesz. Ebb l következik, hogy minél jobban kinyújtunk egy képet annál nagyobb mértékben romlik a min sége. A 90 -os forgatás veszteségmentes, mert egy cella sincs áthelyezve két pixel közötti határra (és így megosztva). Abban az esetben, ha a forgatás nem 90 -os, már a legels forgatásnál észrevehet, hogy romlott a min ség. Következésképpen a a kép min ségének romlása egyenesen arányos a forgatások számának növekedésével. Az eredmények javíthatóak az interpoláció algoritmusát vagy a megadott adatok hibáját csökkentve. 30
32 8. Összefoglalás A dolgozatban áttekintést adtunk a legismertebb, leggyakrabban tárgyalt interpolációs módszerekr l. Kerestük azt az f(x)-et közelít I(x) interpolációs függvényt, amely teljesíti az I(x i ) = f(x i ) feltételt. Bemutatásra került a polinomiális interpoláció több fajtája. Els ként a Lagrange-, majd a Newton-féle, amit egyszer bbé tett a dierenciaséma megismerése. A Nevilleféle rekurziót és az Hermite-interpolációt követ en hibabecslést adtunk a már tárgyalt módszerekre. A polinomiális interpoláció a legegyszer bb és leggyorsabb módszer, de nem minden esetben vezet eredményre. Ezért vizsgáltunk más eljárásokat: a trigonometrikus, és a spline interpolációt, végül pedig a grakában használatos Bézier-görbéket. Mivel a spline interpoláció esetén a szomszédos alappontok által meghatározott szakaszokon interpolálunk, a spline jobban konvergál a keresett függvényhez. Hasonlóan hatékony a Bernstein-polinomokra éplül Bézier-görbék módszere. Befejezésül a digitális fényképezés területén alkalmazott interpolációról esett néhány szó. 3
33 Hivatkozások [] [2] Stoyan Gisbert: Numerikus matematika mérnököknek és programozóknak, TypoTex Kiadó, 2007 [3] Stoyan Gisbert Takó Galina: Numerikus módszerek., Typotex Kiadó, 2002 [4] Peter Henrici: Numerikus analízis, M szaki Könyvkiadó, 985 [5] Reiner Kress: Numerical Analysis, Springer, 998 [6] Faragó István: Alkalmazott Analízis I. El adásjegyzet ELTE, 2008 [7] 32
GPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
RészletesebbenLineáris algebra numerikus módszerei
Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y
RészletesebbenMÉSZÁROS JÓZSEFNÉ, NUMERIKUS MÓDSZEREK
MÉSZÁROS JÓZSEFNÉ, NUmERIKUS módszerek 9 FÜGGVÉNYKÖZELÍTÉSEK IX. SPLINE INTERPOLÁCIÓ 1. SPLINE FÜGGVÉNYEK A Lagrange interpolációnál említettük, hogy az ún. globális interpoláció helyett gyakran célszerű
RészletesebbenInterpolációs eljárások
Interpolációs eljárások Szakdolgozat Írta: Baloghné Koterla Orsolya Matematika BSc szak - elemző szakirány Témavezető: Svantnerné Sebestyén Gabriella doktorandusz Alkalmazott Analízis és Számításmatematikai
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
RészletesebbenGyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi
Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris
RészletesebbenTaylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!
Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
Részletesebben1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1
numerikus analízis ii 34 Ezért [ a, b] - n legfeljebb n darab gyöke lehet = r (m 1) n = r m + n 1 19 B - SPLINEOK VOLT: Ω n véges felosztás S n (Ω n ) véges dimenziós altér A bázis az úgynevezett egyoldalú
RészletesebbenNumerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4
Numerikus módszerek II. zárthelyi dolgozat, megoldások, 204/5. I. félév, A. csoport. Feladat. (6p) Alkalmas módon választva egy Givens-forgatást, határozzuk meg az A mátrix QR-felbontását! Oldjuk meg ennek
RészletesebbenHajder Levente 2018/2019. II. félév
Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2018/2019. II. félév Tartalom 1 2 Törtvonal Felületi folytonosságok B-spline Spline variánsok Felosztott (subdivision) görbék
RészletesebbenIpari matematika 2. gyakorlófeladatok
Ipari matematika. gyakorlófeladatok. december 5. A feladatok megoldása általában többféle úton is kiszámítató. Interpoláció a. Polinom-interpoláció segítségével adjunk közelítést sin π értékére a sin =,
RészletesebbenDorner Fanni Szonja. A numerikus analízis interpolációs módszerei és alkalmazásai. Eötvös Loránd Tudományegyetem. Természettudományi Kar.
Eötvös Loránd Tudományegyetem Természettudományi Kar Dorner Fanni Szonja A numerikus analízis interpolációs módszerei és alkalmazásai BSc Szakdolgozat Témavezet : Faragó István Alkalmazott Analízis és
RészletesebbenPolinomok, Lagrange interpoláció
Közelítő és szimbolikus számítások 8. gyakorlat Polinomok, Lagrange interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Polinomok
Részletesebben2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése
2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )
RészletesebbenHatározott integrál és alkalmazásai
Határozott integrál és alkalmazásai 5. május 5.. Alapfeladatok. Feladat: + d = Megoldás: Egy határozott integrál kiszámolása a feladat. Ilyenkor a Newton-Leibniz-tételt használhatjuk, mely azt mondja ki,
RészletesebbenVégeselem modellezés alapjai 1. óra
Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,
RészletesebbenPolinomok (el adásvázlat, április 15.) Maróti Miklós
Polinomok (el adásvázlat, 2008 április 15) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: gy r, gy r additív csoportja, zéruseleme, és multiplikatív félcsoportja, egységelemes
RészletesebbenLineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
Részletesebben1 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenExplicit hibabecslés Maxwell-egyenletek numerikus megoldásához
Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,
RészletesebbenDIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC
BSC MATEMATIKA II. MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC MÁSODRENDŰ DIFFERENCIÁLEGYENLETEK Egy explicit közönséges másodrendű differenciálegyenlet általános
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
Részletesebben3. el adás: Determinánsok
3. el adás: Determinánsok Wettl Ferenc 2015. február 27. Wettl Ferenc 3. el adás: Determinánsok 2015. február 27. 1 / 19 Tartalom 1 Motiváció 2 A determináns mint sorvektorainak függvénye 3 A determináns
RészletesebbenUtolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20
Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
Részletesebben8. Egyenletek, egyenlőtlenségek, egyenletrendszerek II.
8 Egyenletek, egyenlőtlenségek, egyenletrendszerek II Elméleti összefoglaló Az a + b+ c, a egyenletet másodfokú egyenletnek nevezzük A D b ac kifejezést az egyenlet diszkriminánsának nevezzük Ha D >, az
RészletesebbenA derivált alkalmazásai
A derivált alkalmazásai Összeállította: Wettl Ferenc 2014. november 17. Wettl Ferenc A derivált alkalmazásai 2014. november 17. 1 / 57 Tartalom 1 Függvény széls értékei Abszolút széls értékek Lokális széls
RészletesebbenFourier transzformáció
a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos
RészletesebbenKomplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18
Komplex számok Wettl Ferenc előadása alapján 2015.09.23. Wettl Ferenc előadása alapján Komplex számok 2015.09.23. 1 / 18 Tartalom 1 Számok A számfogalom bővülése 2 Algebrai alak Trigonometrikus alak Egységgyökök
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenFüggvényhatárérték és folytonosság
8. fejezet Függvényhatárérték és folytonosság Valós függvények és szemléltetésük D 8. n-változós valós függvényen (n N + ) olyan f függvényt értünk amelynek értelmezési tartománya (Dom f ) az R n halmaznak
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenDifferenciálegyenletek numerikus megoldása
a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. Tantárgy kódja: IP-08bNM1E, IP-08bNM1G (2+2) Az elsajátítandó ismeretanyag rövid leírása: A lebegıpontos számábrázolás egy modellje. A hibaszámítás elemei. Lineáris egyenletrendszerek
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk
RészletesebbenFELVÉTELI VIZSGA, szeptember 12.
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 08. szeptember. Írásbeli vizsga MATEMATIKÁBÓL FONTOS TUDNIVALÓK: A feleletválasztós feladatok,,a rész esetén egy
RészletesebbenLegkisebb négyzetek módszere, Spline interpoláció
Közelítő és szimbolikus számítások 10. gyakorlat Legkisebb négyzetek módszere, Spline interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján
RészletesebbenEddig csak a polinom x-ben felvett értékét kerestük
Interpolációs polinom együtthatói Eddig csak a polinom x-ben felvett értékét kerestük Ez jó, ha kevés x-re kell kiértékelni Ha sok ismeretlen f (x)-et keresünk, akkor jobb kiszámolni az együtthatókat,
RészletesebbenKomplex számok. Wettl Ferenc szeptember 14. Wettl Ferenc Komplex számok szeptember / 23
Komplex számok Wettl Ferenc 2014. szeptember 14. Wettl Ferenc Komplex számok 2014. szeptember 14. 1 / 23 Tartalom 1 Számok A számfogalom b vülése Egy kis történelem 2 Miért számolunk velük? A megoldóképlet
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenBevezetés. 1. fejezet. Algebrai feladatok. Feladatok
. fejezet Bevezetés Algebrai feladatok J. A számok gyakran használt halmazaira a következ jelöléseket vezetjük be: N a nemnegatív egész számok, N + a pozitív egész számok, Z az egész számok, Q a racionális
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
Részletesebbenλx f 1 (x) e λx f 2 (x) λe λx f 2 (x) + e λx f 2(x) e λx f 2 (x) Hasonlóan általában is elérhető sorműveletekkel, hogy csak f (j)
Matematika A3 gyakorlat Energetika és Mechatronika BSc szakok, 016/17 ősz 10 feladatsor: Magasabbrendű lineáris differenciálegyenletek (megoldás) 1 Határozzuk meg az e λx, xe λx, x e λx,, x k 1 e λx függvények
RészletesebbenFELVÉTELI VIZSGA, július 21. Írásbeli próba MATEMATIKÁBÓL A. RÉSZ
BABE -BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 9. július. Írásbeli próba MATEMATIKÁBÓL FONTOS MEGJEGYZÉS: ) Az A. részben megjelen feleletválasztós feladatok esetén
RészletesebbenHatványsorok, Fourier sorok
a Matematika mérnököknek II. című tárgyhoz Hatványsorok, Fourier sorok Hatványsorok, Taylor sorok Közismert, hogy ha 1 < x < 1 akkor 1 + x + x 2 + x 3 + = n=0 x n = 1 1 x. Az egyenlet baloldalán álló kifejezés
RészletesebbenSzélsőérték feladatok megoldása
Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
Részletesebben1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények
1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási
RészletesebbenOrtogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
RészletesebbenEgyváltozós függvények 1.
Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata
RészletesebbenEötvös Loránd Tudományegyetem Természettudományi Kar
Eötvös Loránd Tudományegyetem Természettudományi Kar Peremérték feladatok véges differenciás megoldása interpolációs adatokkal Szakdolgozat Szabó Vanda Matematika BSc Matematikai elemz szakirány Témavezet
RészletesebbenFFT. Második nekifutás. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék október 2.
TARTALOMJEGYZÉK Polinomok konvolúviója A DFT és a maradékos osztás Gyűrűk támogatás nélkül Második nekifutás Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék 2015. október 2. TARTALOMJEGYZÉK Polinomok
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 016. ősz 1. Diszkrét matematika 1. középszint 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
Részletesebben2012. október 2 és 4. Dr. Vincze Szilvia
2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex
RészletesebbenNumerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
RészletesebbenLagrange és Hamilton mechanika
Lagrange és 2010. október 17. Lagrange és Tartalom 1 Variáció Lagrange egyenlet Legendre transzformáció Hamilton egyenletek 2 3 Szimplektikus sokaság Hamilton mez Hamilton és Lagrange egyenletek ekvivalenciája
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
Részletesebben3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek
3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1
RészletesebbenNumerikus integrálás
Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál
RészletesebbenKalkulus I. gyakorlat Fizika BSc I/1.
. Ábrázoljuk a következő halmazokat a síkon! {, y) R 2 : + y < }, b) {, y) R 2 : 2 + y 2 < 4}, c) {, y) R 2 : 2 + y 2 < 4, + y < }, {, y) R 2 : + y < }. Kalkulus I. gyakorlat Fizika BSc I/.. gyakorlat
Részletesebben1. Folytonosság. 1. (A) Igaz-e, hogy ha D(f) = R, f folytonos és periodikus, akkor f korlátos és van maximuma és minimuma?
. Folytonosság. (A) Igaz-e, hogy ha D(f) = R, f folytonos és periodikus, akkor f korlátos és van maimuma és minimuma?. (A) Tudunk példát adni olyan függvényekre, melyek megegyeznek inverzükkel? Ha igen,
RészletesebbenKalkulus I. gyakorlat, megoldásvázlatok
Kalkulus I. gyakorlat, megoldásvázlatok Fizika BSc I/.. Ábrázoljuk a következ halmazokat a síkon! a {, y R : + y < }, b {, y R : + y < }, c {, y R : + y
Részletesebbendifferenciálegyenletek
Állandó együtthatójú lineáris homogén differenciálegyenletek L[y] = y (n) + a 1y (n 1) + + a ny = 0 a i R (1) a valós, állandó együtthatójú lineáris homogén n-ed rendű differenciálegyenlet Megoldását y
RészletesebbenHajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel
Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel Segédlet az A végeselem módszer alapjai tárgy 4. laborgyakorlatához http://www.mm.bme.hu/~kossa/vemalap4.pdf Kossa Attila (kossa@mm.bme.hu)
Részletesebbeny + a y + b y = r(x),
Definíció 1 A másodrendű, állandó együtthatós, lineáris differenciálegyenletek általános alakja y + a y + b y = r(x), ( ) ahol a és b valós számok, r(x) pedig adott függvény. Ha az r(x) függvény az azonosan
RészletesebbenGAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN
GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten KOMPLEX SZÁMOK Készítette: Gábor Szakmai felel s: Gábor Vázlat 1 2 3 Történeti bevezetés
RészletesebbenHatározatlan integrál
Határozatlan integrál 205..04. Határozatlan integrál 205..04. / 2 Tartalom Primitív függvény 2 Határozatlan integrál 3 Alapintegrálok 4 Integrálási szabályok 5 Helyettesítéses integrálás 6 Parciális integrálás
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 A derivált alkalmazásai H607, EIC 2019-04-03 Wettl
RészletesebbenVIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag
VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2
RészletesebbenLineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )
Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. estis képzés 2017. ősz 1. Diszkrét matematika 1. estis képzés 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
Részletesebben15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenSajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István
Sajátértékek és sajátvektorok A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris transzformáció Vektorok lineáris transzformációja: általános esetben az x vektor iránya és nagysága
RészletesebbenA Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a
a Matematika mérnököknek I. című tárgyhoz Függvények. Függvények A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a szabadon eső test sebessége az idő függvénye. Konstans hőmérsékleten
RészletesebbenSkalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.
1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége
RészletesebbenIV. INTEGRÁLSZÁMÍTÁS Megoldások november
IV. INTEGRÁLSZÁMÍTÁS Megoldások 009. november Határozatlan integrálás.05. + C + C.06. + C + C.07. ( ( 5 5 + C.08. ( ( + 5 5 + + C.09. + ( + ln + + C.. ( + ( + ( + 5 5 + + C.. + ( + ( + ( + + ( + ( + +
Részletesebben1. Interpoláció. Egyértelműség Ha f és g ilyen polinomok, akkor n helyen megegyeznek, így a polinomok azonossági tétele miatt egyenlők.
1. Interpoláció Az interpoláció alapproblémája. Feladat Olyan polinomot keresünk, amely előre megadott helyeken előre megadott értékeket vesz fel. A helyek: páronként különböző a 1, a,...,a n számok. Az
RészletesebbenDierenciálhatóság. Wettl Ferenc el adása alapján és
205.0.9. és 205.0.26. 205.0.9. és 205.0.26. / Tartalom A dierenciálhatóság fogalma Pontbeli dierenciálhatóság Jobb és bal oldali dierenciálhatóság Folytonosság és dierenciálhatóság Deriváltfüggvény 2 Dierenciálási
RészletesebbenPéldatár Lineáris algebra és többváltozós függvények
Példatár Lineáris algebra és többváltozós függvények Simonné Szabó Klára. február 4. Tartalomjegyzék. Integrálszámítás.. Racionális törtek integrálása...................... Alapfeladatok..........................
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
RészletesebbenNumerikus Matematika
Numerikus Matematika Baran Ágnes Gyakorlat Interpoláció Baran Ágnes Numerikus Matematika 6.-7. Gyakorlat 1 / 40 Lagrange-interpoláció Példa Határozzuk meg a ( 2, 5), ( 1, 3), (0, 1), (2, 15) pontokra illeszkedő
RészletesebbenRekurzív sorozatok oszthatósága
Debreceni Egyetem Természettudományi Kar Matematikai Intézet Szakdolgozat Rekurzív sorozatok oszthatósága készítette: Barta Attila Matematika BSc szakos hallgató témavezet : Dr Tengely Szabolcs egyetemi
RészletesebbenKomplex számok. Komplex számok és alakjaik, számolás komplex számokkal.
Komplex számok Komplex számok és alakjaik, számolás komplex számokkal. 1. Komplex számok A komplex számokra a valós számok kiterjesztéseként van szükség. Ugyanis már középiskolában el kerülnek olyan másodfokú
RészletesebbenAz egyenlőtlenség mindkét oldalát szorozzuk meg 4 16-al:
Bevezető matematika kémikusoknak., 04. ősz. feladatlap. Ábrázoljuk számegyenesen a következő egyenlőtlenségek megoldáshalmazát! (a) x 5 < 3 5 x < 3 x 5 < (d) 5 x
RészletesebbenMatematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.
Matematika B/1 Biró Zsolt Tartalomjegyzék 1. Célkit zések 1 2. Általános követelmények 1 3. Rövid leírás 1 4. Oktatási módszer 1 5. Követelmények, pótlások 2 6. Program (el adás) 2 7. Program (gyakorlat)
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
Részletesebben1. Analizis (A1) gyakorló feladatok megoldása
Tartalomjegyzék. Analizis A) gyakorló feladatok megoldása.................... Egyenl tlenségek, matematikai indukció, számtani-mértani közép....... Számsorozatok............................... 5... Számorozatok................................
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
Részletesebben25 i, = i, z 1. (x y) + 2i xy 6.1
6 Komplex számok megoldások Lásd ábra z = + i, z = + i, z = i, z = i z = 7i, z = + 5i, z = 5i, z = i, z 5 = 9, z 6 = 0 Teljes indukcióval 5 Teljes indukcióval 6 Az el z feladatból következik z = z = =
RészletesebbenEgyenletek, egyenlőtlenségek VII.
Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix
Részletesebben