Lineáris algebra numerikus módszerei

Hasonló dokumentumok
GPK M1 (BME) Interpoláció / 16

MÉSZÁROS JÓZSEFNÉ, NUMERIKUS MÓDSZEREK

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

1.9. 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

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

1 Lebegőpontos számábrázolás

Numerikus módszerek II. zárthelyi dolgozat, megoldások, 2014/15. I. félév, A. csoport. x 2. c = 3 5, s = 4

Numerikus Matematika

Eddig csak a polinom x-ben felvett értékét kerestük

Bevezetés az algebrába 2

Gyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi

Numerikus matematika vizsga

Numerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok

Ipari matematika 2. gyakorlófeladatok

Lineáris egyenletrendszerek

Polinomok, Lagrange interpoláció

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.

Numerikus integrálás

Interpolációs eljárások

Differenciálegyenletek megoldása próbafüggvény-módszerrel

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Legkisebb négyzetek módszere, Spline interpoláció

3. Lineáris differenciálegyenletek

Egyenletek, egyenlőtlenségek VII.

Diszkréten mintavételezett függvények

Numerikus módszerek 1.

Példa: Tartó lehajlásfüggvényének meghatározása a Rayleigh Ritz-féle módszer segítségével

Mátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22

Differenciálegyenletek. Vajda István március 4.

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Numerikus módszerek 1.

Differenciálegyenletek

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján

Lineáris egyenletrendszerek. GAUSS ELIMINÁCIÓ (kiküszöbölés)

Numerikus módszerek beugró kérdések

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit

Norma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei

y + a y + b y = r(x),

Matematika A2 vizsga mgeoldása június 4.

KOVÁCS BÉLA, MATEMATIKA II.

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése

Matematika III. harmadik előadás

Numerikus integrálás április 20.

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

Boros Zoltán február

Losonczi László. Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar

Differenciálegyenletek

alakú számot normalizált lebegőpontos számnak nevezik, ha ,, és. ( : mantissza, : mantissza hossza, : karakterisztika) Jelölés: Gépi számhalmaz:

Vektorok, mátrixok, lineáris egyenletrendszerek

Többváltozós, valós értékű függvények

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Differenciálegyenletek numerikus megoldása

Nemlineáris programozás 2.

Példa: Tartó lehajlásfüggvényének meghatározása végeselemes módszer segítségével

Taylor-polinomok. 1. Alapfeladatok április Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!

λx 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)

1. Interpoláció. Egyértelműség Ha f és g ilyen polinomok, akkor n helyen megegyeznek, így a polinomok azonossági tétele miatt egyenlők.

Runge-Kutta módszerek

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Gauss-Seidel iteráció

Hatványsorok, Fourier sorok

LINEÁRIS ALGEBRA.

Kétváltozós függvények differenciálszámítása

Matematika szigorlat június 17. Neptun kód:

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

Baran Ágnes. Gyakorlat Numerikus matematika. Baran Ágnes Matematika Mérnököknek Gyakorlat 1 / 79

Differenciálegyenlet rendszerek

Feladatok megoldásokkal az ötödik gyakorlathoz (Taylor polinom, szöveges szélsőérték problémák)

Dorner Fanni Szonja. A numerikus analízis interpolációs módszerei és alkalmazásai. Eötvös Loránd Tudományegyetem. Természettudományi Kar.

Numerikus módszerek 1.

A legjobb közeĺıtés itt most azt jelentette, hogy a lineáris

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

Numerikus módszerek 1.

8. Egyenletek, egyenlőtlenségek, egyenletrendszerek II.

ANALÍZIS III. ELMÉLETI KÉRDÉSEK

Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

Numerikus integrálás április 18.

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

Klasszikus algebra előadás. Waldhauser Tamás április 14.

Mátrixok 2017 Mátrixok

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

Matematika III előadás

Emelt szintű érettségi feladatsorok és megoldásaik Összeállította: Pataki János; dátum: november. I. rész

15. LINEÁRIS EGYENLETRENDSZEREK

Numerikus Analízis. Király Balázs 2014.

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Egyenletek, egyenlőtlenségek X.

Mátrix-exponens, Laplace transzformáció

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.

A mérési eredmény megadása

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

Bevezetés az algebrába 2

Matematikai geodéziai számítások 5.

Matematika A1a Analízis

Lineáris algebra Gyakorló feladatok

Komplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18

Line aris f uggv enyilleszt es m arcius 19.

Átírás:

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 ij, (i = 0,..., k és j = 0,..., m i 1) értékek. Egy olyan n-edfokú P polinomot keresünk, melyre P (j) (x i ) = y ij, (i = 0,..., k és j = 0,..., m i 1)

Hermite interpoláció Tétel Egyértelműen létezik egy olyan n-edfokú P polinom, melyre P (j) (x i ) = y ij, (i = 0,..., k és j = 0,..., m i 1)

Hermite interpoláció A Hermite interpolációs polinom hibájára vonatkozik a következő tétel: Télel Ha f C n+1 [a, b], és jelölje I [a, b] az x 1, x 2,..., x k alappontok által kifeszített intervallumot, ekkor minden x [a, b] esetén létezik ξ = ξ(x ) I, hogy ahol f (x ) P(x ) = f (n) (ξ) ω(x ) n! ω(x ) = k (x x i ) m i. i=0 Ha sup x [a,b] f (n) (x) =: M n+1 <, akkor f (x ) P(x ) M n+1 ω(x ) n!

Hermite interpoláció Megjegyzések Ha m i = 1 minden i-re, akkor a Lagrange-féle interpolációt kapjuk. Ha m i = 2 minden i-re, akkor a Fejér-Hermite interpolációt kapjuk, melynek ismert az explicit alakja és az a Lagrange-alappolinomok segítségével is feĺırható.

Hermite interpoláció Definíció (elsőrendű osztott differenciák) Legyenek x 1, x 2,..., x n különböző pontok. Ekkor f [x i, x i+1 ] = f (x i+1) f (x i ) x i+1 x i (i = 1,..., n 1), Definíció (k-adrendű osztott differenciák) Legyenek x 1, x 2,..., x n különböző pontok. Ekkor f [x i,..., x i+k ] = f [x i+1,..., x i+k ] f [x i,..., x i+k 1 ] x i+k x i (k = 1,..., n, i = 1,..., n k).

Hermite interpoláció A Lagrange-féle interpoláció Newton-alakja P(x) = f (x 1 ) + n k=2 k 1 f [x 1,..., x k ] (x x j ) j=1

Hermite interpoláció Azonos alappontok esetén az osztott differencia nem definiálható a szokásos formulával. A forgalom kiterjesztése határátmenettel történik. Definíció (Osztott differenciák ismétlődő argumentumokkal) f (x) f (y) f [x, x] = lim = f y x x y Hasonlóan a k 1-edrendű osztott differenciára adódik, hogy f [x, x,..., x] = f k (x) k! A többi, azonos alappontokat is tartalmazó osztott differencia a fentiekből a szokásos definícióval számolható.

Hermite interpoláció Hermite-interpolációs polinom előálĺıtása Newton alakkal Az osztott differencia táblázat felépítése: Minden alappontot annyiszor veszünk fel egymás után, amennyi a multiplicitása, pl. az x i -t m i + 1-szer egymás után. Beírjuk az f (x i ) értékeket és a megfelelő f (j) (x i ) j! értékeket az x i alappontra támaszkodó j 1-edrendű osztott differenciák helyére (f (j) (x i ) ismeretében). A táblázat többi részét az osztott differencia fogalom definíciója alapján töltjük ki. Az interpolációs polinom feĺırása a táblázatból a szokásos módon történik, a táblázat átlójában szereplő elemek, mint együtthatók segítségével.

Hermite interpoláció Hermite-interpolációs polinom előálĺıtása Lagrange alakkal: Feĺırjuk a megfelelő alappolinomokat, majd mindegyiket a megfelelő f (j) (x i )-vel szorozva az interpolációs polinomot. Az alappolinomok előálĺıtása bonyolult, az alappontok illetve a multiplicitás értékektől függ az alakjuk. Példa: Mi lesz az f-et közeĺıtő Hermite-interpolációs polinom, ha f (0) = 1, f (2) = 1, f (0) = 4, f (2) = 4 és f (2) = 12

Hermite interpoláció Megoldás Elkészítjük az osztott differencia táblázatot. P(x) = 1 + ( 4)(x 0) + 2(x 0) 2 + 0(x 0) 2 (x 2) + 1(x 0) 2 (x 2) 2 = 1 4x + 2x 2 + x 2 (x 2) 2 = x 4 4x 3 + 6x 2 4x 1

Spline interpoláció A Spline interpoláció is a lineáris interpolációk közé tartozik alkalmasan megválasztott {φ i } n i=1 bázisfüggvény-rendszerrel. Definíció A h(x) interpoláló függvényt szakaszonként adjuk meg speciális csatlakozási feltételekkel. Az a = x 1 < x 2 <... < x n = b alappontokhoz, illetve az y i = f (x i ) (i = 1,..., n) függvényértékekhez olyan S(x) függvényt keresünk, amely kielégíti a következő feltételeket: (1) S(x) = S i (x) (x [x i, x i+1 ]) (2) S(x i ) = y i (i = 1,..., n), (3) S i (x i+1 ) = S i+1 (x i+1 ) (i = 1,..., n 2)

Spline interpoláció Megjegyzések Az (1) feltétel tulajdonképpen csak megfogalmazza, hogy szakaszokból áll az interpolációs függvényünk, azaz részintervallumonként más-más előírással definiáljuk. A (2) feltétel azt jelenti, hogy az S(x) valóban interpoláló függvény. A (3)-mal a folytonosságot biztosítjuk az [a, b] intervallumon (Ezért nincs ellentmondás (1)-ben: a közbülső osztópontok két szakaszhoz is tartoznak, de ott mindkét szakasz ugyanolyan értékű.)

Spline interpoláció Megjegyzések Ez a három feltétel tulajdonképpen a Spline általános definíciója. Az egyes S i függvényeket akár más-más H i osztályból választhatjuk, azonban rendszerint egyetlen H halmazt írunk elő: S i H. A H-tól függően további feltételeket is előírhatunk (gyakran kötelező is, hogy egyértelmű megoldást kapjunk). A H lehet például az y = α + βx elsőfokú polinomok (az egyenesek) osztálya. Ez esetben nem is kell további feltétel; a megoldást az (1)-(3) feltételek egyértelműen biztosítják. Magasabb fokszámú polinomok esetén a közbülső pontokban bizonyos rendig a csatlakozó ágak deriváltjainak megegyezését is megkövetelhetjük. Azt mondjuk, hogy egy Spline k-ad fokú és m-ed rendű, ha szakaszonként legfeljebb k-adfokú polinomokból áll, és a közbülső pontokban a jobb- és baloldali szakasz deriváltjai m rendig megegyeznek.

Spline interpoláció A spline meghatározásakor n db k-adfokú polinomot kell feĺırnunk, azaz az ismeretlenek száma: n(k + 1). Az (1), (3) feltételekből a feltételek száma : (k + 1)n (k 1), ugyanis k 1 db simasági feltétel az n 1 belső pontban, azaz (n 1)(k 1) és 2n db interpolációs feltétel (n db intervallum két végpontja). Összesen (n 1)(k 1) + 2n = (k + 1)n (k 1). Innen látszik, hogy k 1 db feltétel hiányzik a Spline egyértelműségéhez. Ezeket a feltételeket általában a végpontokra adják meg.

Spline interpoláció Lineáris spline (k=1) Az (1), (2) és (3) egyértelműen meghatározza. Minden [x k, x k+1 ] intervallumon S k (x k ) = a k x k + b k = y k S k (x k+1 ) = a k x k+1 + b k = y k+1 Ebből az két ismeretlenes egyenletrendszerből a k és b k meghatározható. Úgy is meghatározhatjuk a P k polinomot, hogy az [x k, x k+1 ] intervallum végpontjaira feĺırjuk a lineáris interpolációs polinom Lagrange-féle alakját. Az interpoláció miatt S C[a, b].

Spline interpoláció Kvadratikus spline (k=2) A k 1 = 1 feltétel hiányzik a spline egyértelmű feĺırásához. Ezt általában az intervallum elején vagy végén a derivált megadásával szokás teljesíteni. Ebben az esetben az egymás melletti intervallumokra Hermite interpolációt alkalmazva meghatározható a spline.

Harmadfokú, másodrendű Spline Harmadfokú, másodrendű Spline A gyakorlatban túlnyomórészt harmadfokú, másodrendű Spline interpolációt használunk, és röviden csak harmadfokú Spline-ról beszélünk. Ekkor a további feltételek, amelyeket megkövetelünk: (4) S i (x i+1) = S i+1 (x i+1) (i = 1,..., n 2), (5) S i (x i+1 ) = S i+1 (x i+1) (i = 1,..., n 2), (6) S (x 1 ) = A n, és S (x n ) = B n

Harmadfokú, másodrendű Spline Ha A n = B n = 0, akkor az S(x) függvényt természetes Spline-nak nevezzük. Az S(x) Spline-t az [x i, x i+1 ] intervallumon a S(x) = S i (x) = a i + b i (x x i ) + c i (x x i ) 2 + d i (x x i ) 3 alakban keressük (i = 1,..., n 1). Leszámlálhatjuk, hogy a 4(n 1) darab ismeretlenhez a (2) (6) feltételek pontosan ugyanannyi egyenletet szolgáltatnak, és az egész együtt egy lineáris egyenletrendszer. Az x k hatványok helyett az (x x i ) k használatának praktikus okai vannak.

Harmadfokú, másodrendű Spline Jelöljük h i -vel az i-edik szakasz hosszát, azaz legyen h i = x i+1 x i (i = 1,..., n 1). A (2) (6) feltételek felhasználásával az ismeretlen a i, b i, c i és d i együtthatókat a következőképpen határozhatjuk meg. A (2), azaz az S(x i ) = S i (x i ) = y i interpolációs feltétel miatt a i = y i (i = 1,..., n 1) (ebből látszik, hogy mi az (x x i ) eltolás értelme), valamint: S n 1 (x n) = a n 1 + b n 1 h n 1 + c n 1 h 2 n 1 + d n 1 h 3 n 1 = y n.

Harmadfokú, másodrendű Spline A (3)-as csatlakozási feltétel alakja: S i (x i+1 ) = y i + b i h i + c i h 2 i + d i h 3 i = y i+1 (i = 1,..., n 2), A (4)-es csatlakozási feltétel: S i (x i+1 ) = b i +2c i h i +3d i h 2 i = b i+1 = S i+1(x i+1 ) (i = 1,..., n 2). Hasonlóképpen kapjuk, hogy az (5)-ös feltétel alakja: S i (x i+1 ) = 2c i +6d i h i = 2c i+1 = S i+1(x i+1 ) (i = 1,..., n 2). Végül a (6)-os végpont-feltétel: S (x 1 ) = 2c 1 = A n, S (x n ) = 2c n 1 + 6d n 1 h n 1 = B n.

Harmadfokú, másodrendű Spline Így 4n 4 darab egyenlet kapunk, ahonnan az a i és a c 1 értékei azonnal adódtak. A többiből a b i és d i ismeretleneket (i = 1,..., n 1) fokozatosan ki lehet fejezni és a többibe behelyettesíteni. Végül a következőhöz jutunk: továbbá b i = y i+1 y i 2c i + c i+1 h i (i = 1,..., n 2) h i 3 b n 1 = y n y n 1 h n 1 4c n 1 B n h n 1, 6 d i = c i+1 c i 3h i (i = 1,..., n 2) d n 1 = B n 2c n 1 6h n 1.

Harmadfokú, másodrendű Spline A c i együtthatók ismeretében tehát valamennyi ismeretlen közvetlenül számolható. Minthogy c 1 = A n már ismert, így egy n 2 ismeretlenes egyenletrendszert kell megoldani, ami a i = (y i+1 y i ) /h i, λ i = h i+1 / (h i + h i+1 ), µ i = 1 λ i (i = 1,..., n 2) bevezetésével a következő: 3 2c 2 + λ 1 c 3 = h 1 + h 2 µ i c i + 2c i+1 + λ i c i+2 = (i = 2,..., n 3) és 3 µ n 2 c n 2 + 2c n 1 = h n 2 + h n 1 ( 2 1 h 1 2 A n ), (1) 3 h i + h i+1 ( i+1 i ), (2) ( n 1 n 2 + h ) n 1 6 B n. (3)

Harmadfokú, másodrendű Spline Ez egy n 2 ismeretlenes lineáris egyenletrendszer a c 2, c 3,..., c n 1 ismeretlenekre. (mivel az a i (i = 1,..., n 1) és a c 1 együtthatók közvetlenül adódnak). Az n = 3 esetén (1) és (2) nincs értelmezve, c 2 ekkor (3)-ból számolható. Az n = 4 esetén pedig (2) nem értelmezett, a c 2 és c 3 a másik két egyenletből határozható meg. Ekkor az együttható mátrix: A = [ 2 λ1 µ 2 2 ].

Harmadfokú, másodrendű Spline Az egyenletrendszer mátrixa n > 4 esetén pedig 2 λ 1 0... 0. µ 2 2 λ..... 2.. A = 0........ 0.......... µ n 3 2 λ n 3 0... 0 µ n 2 2, egy három átlóból álló sávmátrix. Ez a mátrix nemszinguláris (ez bizonyítani például a Gersgorin tétel segítségével lehet). Minthogy az A mátrix diagonálisan domináns is, ezért az egyenletrendszer főelemkiválasztás nélkül Gauss-eliminációval megoldható O(n) régi flop művelettel.

Harmadfokú, másodrendű Spline Példa Tegyük fel, hogy az f függvényről a következő táblázat áll rendelkezésünkre: x 1 0 1 y = f (x) 1 0 1 Adjuk meg hozzá a természetes Spline-t! Megoldás. Természetes Spline esetén A = B = 0. Ekkor a i = y i miatt a 1 = 1 és a 2 = 0. A (6)-os végpont-feltételből pedig c 1 = 0 adódik. Mivel h 1 = h 2 = 1 és 1 = 1, 2 = 1, továbbá µ 1 -et a c 1 = 0 miatt ki sem kell számolni (egyébként µ 1 = 1 λ 1 = 1 1/2 = 1/2).

Harmadfokú, másodrendű Spline A (3) miatt 2c 2 = 3 1 + 1 (1 ( 1) + 16 ) 0 = 3 c 2 = 3 2 Továbbá a b-re vonatkozó egyenletekből b 1 = 3/2 és b 2 = 0 adódik; a d-re vonatkozóakból pedig d 1 = 1/2 és d 2 = 1/2. A Spline két tagja tehát S 1 (x) = 1 3 2 (x + 1) + 1 2 (x + 1)3 = 3 2 x 2 + 1 2 x 3 S 2 (x) = 3 2 x 2 1 2 x 3

Harmadfokú, másodrendű Spline Tétel Az (1) (6) feltételekkel meghatározott Spline létezik és egyértelmű. Ha f C 2 [x 1, x n ], akkor létezik K > 0 konstans, amellyel fennáll a következő: ( ) 2 f (x) S(x) K max h i (x [x 1, x n ]). 1 i n 1 Ha pedig f C 3 [x 1, x n ], A n = f (x 1 ) és B n = f (x n ), akkor létezik K > 0 konstans, hogy ( ) 3 f (x) S(x) K max h i (x [x 1, x n ]). 1 i n 1

Harmadfokú, másodrendű Spline Megjegyzések Ha az f (x 1 ) és f (x n ) információk nem állnak rendelkezésre, akkor a természetes Spline-t definiáló A n = B n = 0 választással élünk. A közeĺıtés hibájára ekkor az első becslés érvényes. A természetes Spline az b a [ s (x) ] 2 dx min (s(xi ) = y i, i = 1,..., n) feltételes szélsőértékfeladat megoldása. A természetes elnevezés pedig a mechanikai tartalmára utal. Ugyanis, ha tekintünk egy ideálisan rugalmas rudat (Spline-t), amely átmegy az (x i, y i ) pontokon (gömbcsúszkákon, surlódás nélkül), akkor a legkisebb alakváltozási energia mechanikai elve miatt a Spline azt az alakot veszi fel, amely az előző kifejezést minimalizálja.

Harmadfokú, másodrendű Spline Megjegyzések A (6) végpont-feltétel helyett más kikötések is lehetségesek. A Spline függvények előnyei: gyors és numerikusan stabil kiszámítás, nagyon jó közeĺıtési tulajdonságok. Hátrányuk a bonyolult megadás, de ez számítógépek használata esetén nem jelent komoly problémát.