Jakas reklama 

 

Interpolacja wielomianowa, nazywana też interpolacją Lagrange'a, od nazwiska pioniera badań nad interpolacją Josepha Lagrange'a, lub po prostu interpolacją jest metodą numeryczną przybliżania funkcji tzw. wielomianem Lagrange'a stopnia n, przyjmującym w n+1 punktach, zwanych węzłami interpolacji wartości takie same jak przybliżana funkcja.

Interpolacja jest często stosowana w naukach doświadczalnych, gdzie dysponuje się zazwyczaj skończoną liczbą danych do określenia zależności między wielkościami.

Zgodnie z twierdzeniem Weierstrassa dowolną funkcję y=f(x) ciągłą na przedziale zamkniętym można dowolnie przybliżyć za pomocą wielomianu odpowiednio wysokiego stopnia.

Spis treści

edytuj Interpolacja liniowa

Zobacz więcej w osobnym artykule: Interpolacja liniowa.

Jest przypadkiem interpolacji wielomianowej dla dwóch punktów pomiarowych x0 i x1, dla których można utworzyć funkcję liniową, której wykres przechodzi przez punkty (x0,f(x0)) i (x1,f(x1)).

edytuj Ogólna metoda

Przykład interpolacji wielomianowej.

Metoda interpolacji polega na:

Interpretacja geometryczna – dla danych n + 1 punktów na wykresie szuka się wielomianu stopnia co najwyżej n, którego wykres przechodzi przez dane punkty

edytuj Znajdowanie odpowiedniego wielomianu

Wielomian przyjmujący zadane wartości w konkretnych punktach można zbudować w ten sposób:

Dowód ostatniego punktu i dokładny sposób tworzenia poszczególnych wielomianów opisany jest poniżej w dowodzie istnienia wielomianu interpolującego będącego podstawą algorytmu odnajdowania tego wielomianu.

edytuj Dowód istnienia wielomianu interpolującego

Niech x_0,x_1,\cdots ,x_n będą węzłami interpolacji funkcji \! f takimi, że znane są wartości \! f(x_0)=y_0,f(x_1)=y_1,\cdots ,f(x_n)=y_n

Można zdefiniować funkcję:

L_i(x)=\prod_{j = 0 \and j\ne i}^n \frac{x-x_j}{x_i-x_j}\ \ \ \ \ , i\in {0,1\cdots ,n}

taką, że dla x\notin \{x_0,x_1,\cdots ,x_n\} Li(x) jest wielomianem stopnia n (mianownik jest liczbą, a licznik iloczynem n wyrazów postaci (x-x_{j\ }))

L_i(x_k)=L_i(x_i)=\prod_{j = 0 \and j\ne i}^n (\frac{x_i-x_j}{x_i-x_j})=\prod_{j = 0 \and j\ne i}^n (1) = 1


L_i(x_k)=\prod_{j = 0 \and j\ne i}^n \frac{x_k-x_j}{x_i-x_j}\ =\frac{(x_k-x_0)\cdot (x_k-x_1)\cdot \cdots \cdot (x_k-x_{k })\cdot \cdots (x_k-x_n) }{(x_i-x_0)\cdot (x_i-x_1)\cdot \cdots \cdot (x_i-x_{i-1 })\cdot (x_i-x_{i+1 })\cdot \cdots (x_i-x_n) }\ =\ 0\ \


(licznik = 0 ponieważ występuje element (xkxk))

Niech \! W(x) będzie wielomianem stopnia co najwyżej n, określonym jako:

\! W(x)=y_0\cdot L_0(x) + y_1\cdot L_1(x) + y_2\cdot L_2(x) + \cdots + y_n\cdot L_n(x)


Dla \! x_i \in \{x_0,x_1,\cdots ,x_n\}

W(x_i)= y_0\cdot L_0(x_i) + y_1\cdot L_1(x_i) + \cdots + y_i\cdot L_i(x_i) + \cdots + y_n\cdot L_n(x_i).


Wszystkie składniki sumy o indeksach różnych od i są równe zeru (ponieważ dla j\not=i\ \ L_i(x_j)\ =\ 0), składnik o indeksie i jest równy:

L_i(x_i)\cdot y_i\ =\ 1\cdot y_i\ =\ y_i.

A więc

\! W(x_i)=y_i

z czego wynika, że \! W(x) jest wielomianem interpolującym funkcję \! f(x) w punktach x_0,x_1,\cdots ,x_n.

edytuj Jednoznaczność interpolacji wielomianowej

Dowód

Załóżmy, że istnieją dwa wielomiany W1(x) i W2(x) stopnia n, przyjmujące w węzłach \! x_0,x_1,\cdots ,x_n takie same wartości.

Niech

\! W_3(x) = W_1(x) - W_2(x)


będzie wielomianem. Jest on stopnia co najwyżej n (co wynika z własności odejmowania wielomianów).

Ponieważ W1(x) i W2(x) w węzłach x_i : i \in 0,1,\cdots ,n interpolują tę samą funkcję, to W1(xi) = W2(xi), a więc W3(xi) = 0 (węzły interpolacji są pierwiastkami W3(x)).(*)

Ale każdy niezerowy wielomian stopnia n ma co najwyżej n pierwiastków rzeczywistych, a ponieważ z (*) wiadomo, że \! W_3(x) ma n + 1 pierwiastków, to W3(x) musi być wielomian tożsamościowo równy zeru. A ponieważ

\! W_3(x)\ =\ W_1(x) - W_2(x)\ =\ 0

to

\!  W_1(x)\ =\  W_2(x)


co jest sprzeczne z założeniem, że W1(x) i W2(x) są różne.

edytuj Błąd interpolacji

Dość naturalne wydaje się przyjęcie, że zwiększenie liczby węzłów interpolacji (lub stopnia wielomianu interpolacyjnego) pociąga za sobą coraz lepsze przybliżenie funkcji f(x) wielomianem Ln(x). Idealna byłaby zależność:

\! \lim_{n \to \infty}L_n(x) = f(x),

tj. dla coraz większej liczby węzłów wielomian interpolacyjny staje się "coraz bardziej podobny" do interpolowanej funkcji.

Dla węzłów równo odległych tak być nie musi → efekt Rungego.

Można dowieść, że dla każdego wielomianu interpolacyjnego stopnia n, przybliżającego funkcję f(x) w przedziale a,b na podstawie n + 1 węzłów, istnieje taka liczba \! \xi zależna od x, że dla reszty interpolacji \! r(x)

\! \frac{f^{(n+1)}(\xi)}{(n+1)!}\cdot p_n(x)\le r(x)

gdzie p_n(x)=(x-x_0)(x-x_1)\cdots (x-x_n), a \xi \in [a;b] jest liczbą zależną od x.

Do oszacowania z góry wartości r(x) można posłużyć się wielomianami Czebyszewa stopnia n + 1 do oszacowania wartości pn(x) dla x\in [-1,1]. Dla przedziału a,b wystarczy dokonać przeskalowania wielomianu pn(x)

edytuj Zobacz też


okna meble opony wyszukiwarka mp3 pobierz najnowsze mp3