You are on page 1of 63

Numerikus Analı́zis II.

Sövegjártó András

Jegyzet programozó és programtervező


matematikus szakos hallgatóknak

2004.
Tartalomjegyzék
1. INTERPOLÁCIÓ 3
1.1. LAGRANGE - INTERPOLÁCIÓ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1. A Lagrange - interpoláció képlethibája . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. ITERÁLT INTERPOLÁCIÓ, AITKEN - NEVILLE ALGORITMUS . . . . . . . . . . 7
1.3. NEWTON - INTERPOLÁCIÓ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. HERMITE INTERPOLÁCIÓ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1. A Hermite - interpoláció hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5. AZ INTERPOLÁCIÓS ELJÁRÁS KONVERGENCIÁJA . . . . . . . . . . . . . . . . 16
1.6. CSEBISEV POLINOMOK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.7. SPLINE INTERPOLÁCIÓ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7.1. Az interpolációs spline minimum tulajdonsága . . . . . . . . . . . . . . . . . . 24
1.7.2. A köbös interpolációs spline konstrukciója . . . . . . . . . . . . . . . . . . . . . 26
1.7.3. Konvergenciatétel köbös spline interpolációra . . . . . . . . . . . . . . . . . . . 30
1.8. AZ m - EDRENDŰ POLINOMIÁLIS SPLINEOK TERE: Sm (Ωn ) . . . . . . . . . . 30
1.9. B - SPLINEOK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2. NUMERIKUS INTEGRÁLÁS 39
2.1. KLASSZIKUS KVADRATÚRAFORMULÁK . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.1. Téglalapformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.2. A téglalapformula hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.3. Összetett téglalapformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.4. Az összetett téglalapformula hibája . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.5. Trapézformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.6. A trapézformula hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.1.7. Összetett trapézformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.1.8. Összetett trapézformula hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.1.9. Simpson - formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.10. A Simpson - formula hibája . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.11. Összetett Simpson - formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.1.12. Összetett Simpson - formula hibája . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2. INTERPOLÁCIÓS TÍPUSÚ KVADRATÚRAFORMULÁK . . . . . . . . . . . . . . . 45
2.3. ZÁRT NEWTON - COTES FORMULÁK . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4. ORTOGONÁLIS POLINOMOK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5. GAUSS TÍPUSÚ KVADRATÚRAFORMULÁK . . . . . . . . . . . . . . . . . . . . . 52
2.6. KLASSZIKUS ORTOGONÁLIS POLINOMOK SEGÍTSÉGÉVEL FELÉPÍTETT GAUSS
- KVADRATÚRÁK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.6.1. Legendre - Gauss kvadratúra . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.6.2. Csebisev - Gauss kvadratúra . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3. APPROXIMÁCIÓELMÉLET 63
numerikus analı́zis ii. 3

1. INTERPOLÁCIÓ

Alapfeladat :

Adott x0 , . . . , xn különböző alappontokban a hozzájuk tartozó y0 , . . . , yn függvényértékek


(mérési eredmények). Határozzunk meg olyan függvényt, amelyik az előı́rt alappontokban az adott
függvényértékeket veszi fel! Ezt az eljárást interpolációnak nevezzük.
Az interpoláció fontos szerepet játszik például a numerikus integrálásnál és differenciálegyenletek nu-
merikus megoldásánál is.

INTERPOLÁCIÓ POLINOMOKKAL

Tétel

Legyen adott x0 , . . . , xn (n + 1) darab különböző alappont és a nekik megfelelő y0 , . . . , yn


értékek.

Ekkor ∃! olyan legfeljebb n - ed fokú Pn (x) polinom, amelyre teljesül, hogy:

Pn (xi ) = yi , i = 0, . . . , n.

Bizonyı́tás

Legyen Pn (x) = a0 + a1 x + . . . + an xn alakú polinom, ahol ai - k ismeretlen együtthatók.

Figyelembe véve, hogy Pn (xi ) = yi , a következő egyenletrendszert kapjuk az ai együtthatók


meghatározására:

a0 + a1 xi + . . . + an xni = yi , i = 0, . . . , n

Ennek az egyenletrendszernek a determinánsa az úgynevezett Vandermonde - determináns:

 
1 x0 · · · xn0
(1)

det  ... ..  = Y (x − x ) , ami nem nulla, mivel xi 6= xj , ha i 6= j.
.  j i
1 xn · · · xn n 0≤i<j≤n

=⇒ az (1) - nek ∃ ! megoldása ai - kre.

¥
numerikus analı́zis ii. 4

1.1. LAGRANGE - INTERPOLÁCIÓ

Az interpolációs polinomot megkonstruáljuk.

Definı́ció :

Lagrange - alappolinomok :

lk (x) , k = 0, . . . , n

Legyen

 0 , ha i 6= k
(2) lk (xi ) :=

1 , ha i=k

lk (x) n - edfokú és xi - k, i 6= k az lk (x) polinom gyökei.

Így: lk (x) = Ak (x − x0 ) (x − x1 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn )

ahol az Ak főegyütthatót a (2) feltételből kaphatjuk:

lk (xk ) =⇒ Ak (xk − x0 ) (xk − x1 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn ) = 1

1
=⇒ Ak =
(xk − x0 ) (xk − x1 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )

nY x − xi
(x − x0 ) (x − x1 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn )
Így =⇒ lk (x) = =
(xk − x0 ) (xk − x1 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn ) i=0
xk − xi
i6=k

Az lk (x) - eket Lagrange - féle alappolinomoknak nevezzük.

Az interpolációs polinom Lagrange - féle alakja:

n
X n
X Yn
x − xi
Ln (x) = yk lk (x) = yk
xk − xi
k=0 k=0 i=0
i6=k
numerikus analı́zis ii. 5

Definı́ció :

Vezessük be a következő (n + 1) - edfokú polinomot:

ω (x) := (x − x0 ) (x − x1 ) . . . (x − xk−1 ) (x − xk ) (x − xk+1 ) . . . (x − xn )

Ennek segı́tségével Ln (x) a következő alakban is ı́rható:

n
X ω (x) ω (x)
Ln (x) = yk , lk (x) =
(x − xk ) ω 0 (xk ) (x − xk ) ω 0 (xk )
k=0

Ugyanis:
0
ω (x) = (x − x1 ) . . . (x − xn ) + (x − x0 ) (x − x2 ) . . . (x − xn ) + . . . +

+ . . . + (x − x0 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn ) + . . . + (x − x0 ) . . . (x − xn−1 )

0
=⇒ ω (xk ) = (xk − x0 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )

Legyenek az yi előı́rt értékek egy f (x) függvény értékei xi - ben (i = 0, . . . , n) .

Ln (xi ) = f (x − i) , i = 0, . . . , n

1.1.1. A Lagrange - interpoláció képlethibája

Becsüljük meg az Ln (x) polinom és f (x) függvény hibáját xi - ken kı́vül is!

Tétel

Legyen f ∈ C n+1 [ a , b ] , x0 , . . . , xn ∈ [ a , b ].

Ekkor ∀ x ∈ [ a , b ] - re ∃ ξ ∈ I [x0 , . . . , xn , x] , amelyre

f (n+1) (ξ)
(3) f (x) − Ln (x) = ω (x)
(n + 1)!
numerikus analı́zis ii. 6

Bizonyı́tás

Ha x = xi , i = 0, . . . , n , akkor triviális, ugyanis mindkét oldal nulla.

Tegyük fel, hogy x 6= xi , i = 0, . . . , n.

Tekintsük a következő függvényt:

F (x) := f (x) − Ln (x) − K · ω (x) , ahol K állandó (határozatlan).

A K - t adjuk meg úgy, hogy az F (x) függvény az x helyen nulla legyen!

Tehát: F (x) = f (x) − Ln (x) − K · ω (x) = 0

f (x) − Ln (x)
Innen =⇒ K= (?)
ω (x)

Vizsgáljuk F (x) - et!

F (x) - nek legalább (n + 2) darab gyöke van I - ben: x0 , . . . , xn , x


0
A Rolle - tétel miatt F (x) - nek legalább (n + 1) darab gyöke van, stb.,

F (n+1) (x) - nek létezik legalább egy gyöke, legyen ez a gyök ξ.

Mivel F (n+1) (x) = f (n+1) (x) − K (n + 1)! =⇒

=⇒ F (n+1) (ξ) = 0 =⇒ f (n+1) (ξ) − K (n + 1)! = 0

f (n+1) (ξ)
Rendezve: K=
(n + 1)!

Ezt (?) - gal összevetve =⇒ (3)


¥

¯ ¯
Legyen M := max ¯f (n+1) (x)¯.
x∈[ a , b ]

Ekkor az interpoláció hibájára a következő becslés adható:

M
(4) |f (x) − Ln (x)| ≤ |ω (x)| (felső becslés)
(n + 1)!
numerikus analı́zis ii. 7

¯ ¯
Ha m := min ¯f (n+1) (x)¯ , akkor alsó becslés is adható:
x∈[ a , b ]

m M
(5) |ω (x)| ≤ |f (x) − Ln (x)| ≤ |ω (x)|
(n + 1)! (n + 1)!

¨ ¥
§Állı́tás ¦

E becslések pontosak, ugyanis létezik f ∗ (x) függvény, amelyre egyenlőségek állnak.

Bizonyı́tás

¯ ¯
Legyen f ∗ (x) := ω (x) =⇒ M = max ¯ω (n+1) (x)¯ = (n + 1)! = m teljesül.
x∈[ a , b ]

Így (5) - ben egyenlőség áll mindkét helyen, mivel az f ∗ (x) = ω (x) (n + 1) - edfokú polinom
n - edfokú Ln (x) Lagrange - interpolációs polinomja (n + 1) helyen eltűnik, tehát Ln (x) ≡ 0.

1.2. ITERÁLT INTERPOLÁCIÓ, AITKEN - NEVILLE ALGORITMUS

A Lagrange - interpoláció esetében a hibataggal a gyakorlati alkalmazások során nehéz dolgozni. Az


interpolációs polinom fokszáma sem ismeretes előre, hogy előı́rt pontosságot elérjünk. Ezért gyakran
interpolált értékek egész sorozatát számı́tjuk ki, ahol minden érték eggyel több alappontra támaszkodó
interpolációs polinom helyettesı́tési értéke. E sorozat értékeinek a menete mutatja, hogy mennyire
pontos az interpoláció. De ehhez a Lagrange - interpolációs polinom fenti alakja nem előnyös, ugyanis
új alappont hozzáadásakor is minden alappolinomot újra kell számolni. Ezt a hátrányt küszöböli ki
az iterált interpoláció.
numerikus analı́zis ii. 8

Legyenek y0 , . . . , yn az f (x) függvény értékei az x0 , . . . , xn alappontokban.

Vezessük be a következő kifejezést (függvényt):

¯ ¯
1 ¯y0 x0 − x¯
L01 (x) := ¯ ¯
x1 − x0 ¯y1 x1 − x¯

L01 (x) x - ben elsőfokú polinom, sőt: L01 (x0 ) = y0 , L01 (x1 ) = y1

Tehát L01 (x) elsőfokú Lagrange - interpolációs polinom az x0 , x1 alappontokban.

¯ ¯
1 ¯y1 x1 − x¯
Hasonlóan: L12 := ¯ ¯
x2 − x1 ¯y2 x2 − x¯ , stb. . .

L12 (x) olyan elsőfokú polinom, amelyre L12 (x1 ) = y1 , L12 (x2 ) = y2 , tehát Lagrange - in-
terpolációs polinom az x1 , x2 alappontokban.

Továbbá legyen:
¯ ¯
1 ¯L01 (x) x0 − x¯
L012 (x) := ¯ ¯
x2 − x0 ¯L12 (x) x2 − x¯

=⇒ L012 (x) másodfokú Lagrange - interpolációs polinom az x0 , x1 , x2 alappontokban.

Azaz: L012 (x0 ) = y0 , L012 (x1 ) = y1 és L012 (x2 ) = y2

Hasonlóan: L123 (x) , L234 (x) , . . .

Így az x0 , . . . , xn alappontokra támaszkodó interpolációs n - edfokú polinom a következő formulával


kapható meg:
¯ ¯
1 ¯L012...n−1 (x) x0 − x ¯
L012...n (x) := ¯ ¯
xn − x0 ¯ L123...n (x) xn − x¯

Nyı́lván az alappontok indexelése és sorrendje L012...n (x) értékét nem befolyásolja. Gyakor-
latban úgy indexelik őket, hogy távolságuk az x ponttól monoton növő legyen, ugyanis a hibatagbeli
ω (x) értéke akkor lesz minden lépésben minimális. De nem biztos, hogy a hibatag is minimális lesz.

Az algoritmus :

A számı́tógépes realizációhoz kényelmesebb a következő jelölések használata:

Legyen Qij (x) := Li−j,...,i−1,i .


numerikus analı́zis ii. 9

Tehát Qij olyan j - edfokú interpolációs polinom, amelyik az xi−j , xi−j+1 , . . . , xi alappontokra
támaszkodik.

Továbbá legyen:

Qi−1 j−1 := Li−j+1,...,i−1

Qi j−1 := Li−j+1,...,i

¯ ¯
1 ¯Qi−1 j−1 (x) xi−j − x¯ i = 1, . . . , n
Így =⇒ Qij (x) = ¯ ¯ =⇒
xi − xi−j ¯ Qi j−1 (x) xi − x ¯ j≤i

(xi − x) Qi−1 j−1 (x) − (xi−j − x) Qi j−1 (x) i = 1, . . . , n


=⇒ Qij (x) =
xi − xi−j j = 1, . . . , i

Végeredményül kapjuk, hogy Qnn (x) = Ln (x)

Gyakorlatban :

Legyen Qi 0 := yi i = 0, . . . , n

j=0 j=1 j=2 j=3 j=4 ··· j=n


x0 y0
↑ x1 y1 Q11
i x2 y2 Q21 Q22
↓ x3 y3 Q31 Q32 Q33
..
.
xn yn Qn1 Qn2 Qn3 Qn4 ··· Qnn = Ln (x)

1.3. NEWTON - INTERPOLÁCIÓ

Keressük az interpolációs polinomot a következő alakban:

(1) Pn (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) + . . . + an (x − x0 ) . . . (x − xn−1 )

és legyenek adottak az x0 , . . . , xn alappontok és a hozzájuk tartozó y0 , . . . , yn függvényértékek.


numerikus analı́zis ii. 10

Az interpoláció feltétele: Pn (xi ) = yi i = 0, . . . , n (2)

Az (1) polinom ai együtthatóit a (2) interpolációs feltételekből határozhatjuk meg:


(1)
Pn (x0 ) = y0 =⇒ Pn (x0 ) = a0 =⇒ a 0 = y0

Kell: Pn (x1 ) = y1

(1) =⇒ Pn (x1 ) = a0 + a1 (x1 − x0 ) =⇒ y1 = y0 + a1 (x1 − x0 ) =⇒

y1 − y0
=⇒ a1 =
x1 − x0

Pn (x2 ) = y2 = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 ) (x2 − x1 ) =⇒

y1 − y0
=⇒ y2 = y0 + (x2 − x0 ) + a2 (x2 − x0 ) (x2 − x1 ) =⇒
x1 − x0

y1 − y0 y2 − y1 y1 − y0
y2 − y0 − (x2 − x0 ) −
x1 − x0 x − x1 x1 − x0
=⇒ a2 = = 2
(x2 − x0 ) (x2 − x1 ) x2 − x0

Definı́ció :

Vezessük be az úgynevezett m - edrendű osztott differenciákat:

1. rendű osztott differencia :

( x0 , x1 alappontokon támaszkodó 1. rendű osztott differencia)

y1 − y0 y2 − y1
[ x1 , x0 ] := , hasonlóan: [ x2 , x1 ] :=
x1 − x0 x2 − x1

2. rendű osztott differencia :


y2 − y1 y1 − y0

[ x2 , x1 ] − [ x1 , x0 ] x2 − x1 x1 − x0
[ x2 , x1 , x0 ] := =
x2 − x0 x2 − x0
numerikus analı́zis ii. 11

m - edrendű osztott differencia :

(Két (m − 1) - edrendű osztott differencia segı́tségével definiáljuk.)

[ xm , . . . , x1 ] − [ xm−1 , . . . , x0 ]
[ xm , . . . , x0 ] :=
xm − x0

Ez az x0 , . . . , xm alappontokra támaszkodó m - edrendű osztott differencia.

Hasonlóan: xi , xi+1 , . . . , xi+m alappontokra támaszkodó m - edrendű osztott differencia:

[ xi+m , . . . , xi+1 ] − [ xi+m−1 , . . . , xi ]


[ xi+m , xi+m−1 , . . . , xi ] =
xi+m − xi

Így az osztott differenciák segı́tségével az úgynevezett Newton - féle interpolációs polinom a következő
formában ı́rható:

Nn (x) = Pn (x) = y0 + [ x1 , x0 ] (x − x0 ) + [ x2 , x1 , x0 ] (x − x0 ) (x − x1 ) + . . . +
(3)
+ . . . + [ xn , . . . , x0 ] (x − x0 ) (x − x1 ) . . . (x − xn−1 )

A gyakorlatban egy táblázatot készı́tünk :

[ xi+1 , xi ] [ xi+2 , xi+1 , xi ]


x0 y0
&
[ x1 , x0 ]
% &
x1 y1 [ x 2 , x 1 , x0 ]
& %
[ x2 , x1 ]
% &
x2 y2 [ x 3 , x 2 , x1 ]
& % ··· &
[ x3 , x2 ] [ xn , . . . , x0 ]
% ··· %
.. .. .. ..
. . . .
&
[ xn−1 , xn−2 ]
% &
xn−1 yn−1 [ xn , xn−1 , xn−2 ]
& %
[ xn , xn−1 ]
%
xn yn
numerikus analı́zis ii. 12

Megjegyzés :

1.

A Newton - interpolációs polinom előnye, hogy új alappont hozzávételekor csak egy újabb (n + 1) -
edfokú tagot kell kiszámı́tani, ellentétben a Lagrange - féle interpolációs polinommal.

2.

Ha egy f (x) függvény értékeivel adjuk meg az xi alappontokbeli függvényértékeket (yi = f (xi )) ,
akkor az osztott differencia jelölésében szerepeltetjük az f - et: f [ xn , . . . , x0 ]

Ekkor:

(3 ∗ ) Nn (x) = f (x0 ) + f [ x1 , x0 ] (x − x0 ) + . . . + f [ xn , . . . , x0 ] (x − x0 ) . . . (x − xn−1 )

Legyen adott az f függvény és xi i = 0, . . . , n esetén f (xi ) függvényértékek.

Ekkor a Newton - féle interpolációs polinom alakja: (3 ∗ )

Vegyük hozzá az alappontokhoz és a függvényértékekhez a következő párt: { x , f (x) }.

Ekkor (3 ∗ ) =⇒

(4) Nn+1 (x) = f (x0 ) + f [ x1 , x0 ] (x − x0 ) + . . . + f [ xn , . . . , x0 ] (x − x0 ) . . . (x − xn−1 ) +

+ f [ x , xn , . . . , x0 ] (x − x0 ) (x − x1 ) . . . (x − xn−1 ) (x − xn )

De x - ben f (x) - et kell, hogy felvegyen: Nn+1 (x) = f (x)

(4) =⇒ f (x) = f (x0 ) + f [ x1 , x0 ] (x − x0 ) + . . . +

+ . . . + f [ x , xn , . . . , x0 ] (x − x0 ) (x − x1 ) . . . (x − xn−1 ) (x − xn )

Ha f ∈ C (n+1) (I) és xi → x0 (i = 1, . . . , n) esetén pedig a (4) formula a már jól ismert
Taylor - formulát adja!
00
0 f (x0 ) f (n) (x0 ) f (n+1) (ξ)
f (x) = f (x0 ) + f (x0 ) (x − x0 ) + (x − x0 )2 + . . . + (x − x0 )n + (x − x0 )n+1
2! n! (n + 1)!

NEWTON - AZONOSSÁG , ami tetszőleges f függvényre érvényes.


numerikus analı́zis ii. 13

Vizsgáljuk az interpoláció hibáját:


ω(x)
z }| {
(4) =⇒ f (x) − Nn (x) = f [ x , xn , . . . , x0 ] (x − x0 ) . . . (x − xn−1 ) (x − xn )

f (n+1) (ξ)
Tudjuk: f (x) − Ln (x) = (x − x0 ) . . . (x − xn )
(n + 1)!

f (n+1) (ξ)
Így, ha f ∈ C n+1 [ a , b ] =⇒ f [ x , xn , . . . , x0 ] =
(n + 1)!

f (n) (ξ ∗ )
(n + 1) alappontra =⇒ f [ xn , . . . , x0 ] =
n!

ÁLTALÁNOSÍTOTT KÖZÉPÉRTÉKTÉTEL

Speciális eset :
0
f (ξ) f (x1 ) − f (x0 ) 0
n=1 =⇒ f [ x1 , x0 ] = =⇒ = f (ξ)
1! x1 − x0

LAGRANGE - FÉLE KÖZÉPÉRTÉKTÉTEL

1.4. HERMITE INTERPOLÁCIÓ

Legyen adott x0 , . . . , xm (m + 1) darab alappont.

Írjunk elő az alappontokban a függvényértékeken kı́vül bizonyos számú deriváltat is:

0
xk - ban f (xk ) , f (xk ) , . . . , f (Nk −1) (xk ) k = 0, . . . , m

Így összesen N0 + N1 + . . . + Nm függvényértéket és deriváltat ı́rtunk elő.

Legyen n := N0 + . . . + Nm − 1
numerikus analı́zis ii. 14

Feladat :

Adjuk meg azt a Hn (x) n - edfokú polinomot, amelyre teljesül, hogy:

(i) k = 0, . . . , n
(1) Hn (xk ) = f (i) (xk )
i = 0, . . . , Nk − 1

Definı́ció :
Az (1) feltételnek eleget tevő Hn (x) polinomot Hermite - féle interpolációs polinomnak ne-
vezzük.

Tétel

Az (1) feltételeket teljesı́tő Hn (x) n - edfokú interpolációs polinom létezik és egyértelmű.

Bizonyı́tás

Legyen az interpolációs polinom a következő:

Hn (x) := a0 + a1 x + . . . + an xn n = N0 + . . . + Nm − 1

Az (1) feltételek az ai - kre i = 0, . . . , n (n + 1) darab egyenletet adnak; (n + 1) darab


egyenletből álló lineáris egyenletrendszer.

Elég bizonyı́tani, hogy az (1) - ből származó homogén lineáris egyenletrendszernek csak a triviális
megoldása létezik, azaz ai = 0 ∀ i - re.

Tekintsük xk - t:

(i) k = 0, . . . , m
(2) Hn (xk ) = 0
i = 0, . . . , Nk − 1

Hn (xk ) = 0
0
H (xk ) = 0
..
.
H (Nk −1) (xk ) = 0

Innen =⇒ xk Nk - szoros gyöke (2) - nek.

Így összesen Hn (x) - nek N0 + . . . + Nm = n + 1 darab gyöke van =⇒

=⇒ A Hn (x) n - edfokú polinom azonosan nulla =⇒ ∀ ai = 0 i = 0, . . . , n


¥
numerikus analı́zis ii. 15

Megjegyzés :
1.

Ha csak a függvényértékek adottak az alappontokban, azaz N0 = . . . = Nn = 1 , akkor a


Lagrange - féle interpolációs polinomot kapjuk vissza: Hn (x) ≡ Ln (x).

2.

Ha k = 0 = m , azaz egy alappontunk van, akkor a feladat megoldása a


0 (N −1)
y y 0
(n = N0 − 1) Hn (x) = y0 + 0 (x − x0 ) + . . . + 0 (x − x0 )N0 −1 Taylor - polinom.
1! (N0 − 1)!

3.

HERMITE - FEJÉR INTERPOLÁCIÓ

Ha N0 = . . . = Nm = 2 , azaz az alappontokban a függvényérték és a deriválja van


megadva, akkor a Hn (x) felı́rható explicit alakban:

m
" # m
X 00
ω (xk ) X 0
2
Hn (x) = yk 1− 0 (x − xk ) lk (x) + yk (x − xk ) lk2 (x)
ω (xk )
k=0 k=0

ω (x)
ahol lk (x) := k = 0, . . . , m és ω (x) = (x − x0 ) . . . (x − xm )
(x − xk ) ω 0 (xk )

1.4.1. A Hermite - interpoláció hibája

Legyen Ω (x) := (x − x0 )N0 (x − x1 )N −1 . . . (x − xm )Nm f ∈ C n+1 [ a , b ] , xi ∈ [ a , b ] , x 6= xi

Ekkor a Hermite interpoláció hibája az x pontban a következő módon adható meg:

f (n+1) (ξ)
f (x) − Hn (x) = Ω (x)
(n + 1)!

Bizonyı́tás

Tekintsük F (x) = f (x) − Hn (x) − K · Ω (x) , ahol K állandó.

A K - t adjuk meg úgy, hogy az F (x) függvény az x helyen nulla legyen!


numerikus analı́zis ii. 16

Tehát: F (x) = f (x) − Hn (x) − K · Ω (x) = 0

f (x) − Hn (x)
Innen =⇒ K= (?)
Ω (x)

Vizsgáljuk F (x) - et!

F (x) - nek legalább (n + 2) darab gyöke van,


0
F (x) - nek legalább (n + 1) darab gyöke van, stb.,

F (n+1) (x) - nek létezik legalább egy gyöke, legyen ez a gyök ξ.

Mivel F (n+1) (x) = f (n+1) (x) − K (n + 1)! =⇒

=⇒ F (n+1) (ξ) = 0 =⇒ f (n+1) (ξ) − K (n + 1)! = 0

f (n+1) (ξ)
Rendezve: K= (??)
(n + 1)!

Ezt (?) - gal összevetve =⇒ következik az állı́tás.

1.5. AZ INTERPOLÁCIÓS ELJÁRÁS KONVERGENCIÁJA

Legyen f ∈ C [ a , b ] és tekintsük [ a , b ] - ben az alappontok halmazának következő sorozatát:

© ª
Ω0 := x00
© ª
Ω1 := x10 , x11
© ª
Ω2 := x20 , x21 , x22
..
.

Ωn := { xn0 , xn1 , . . . , xnn } (n → ∞) , ahol Ωn ⊂ [ a , b ].

Ekkor megadható az Ln (f , x) interpolációs polinomoknak egy sorozata Ωn - en.


numerikus analı́zis ii. 17

KÉRDÉS :

Tart - e az interpolációs eljárás

f (x) − Ln (f , x)

hibája nullához, ha az alappontok számát [ a , b ] - ben növeljük?

Lehet pontonkénti és például egyenletes konvergenciát is tekinteni.

Definı́ció :

Azt mondjuk, hogy az interpolációs eljárás az f függvényre az x∗ ∈ [ a , b ] pontban konver-


gens, ha

lim Ln (f , x∗ ) = f (x∗ ).
n→∞

Definı́ció :

Az Ln (f , x) interpolációs polinom - sorozat egyenletesen konvergál [ a , b ] - ben az f függvényhez,


ha

max |f (x) − Ln (f , x)| −−−→ 0 , k f (x) − Ln (f , x) k∞ −−−→ 0


x∈[ a , b ] n→∞ n→∞

Természetes azt várni, hogy tetszőleges folytonos f függvény tetszőlegesen jól approximálható egyen-
letesen interpolációs polinomok sorozatával.

DE : Az interpolációs sorozat konvergens vagy divergens tulajdonsága függ mind az alappont -


sorozat megválasztásától és az f függvény simaságától.

PÉLDA : BERNSTEIN (1912) PÉLDÁJA DIVERGENS INTERPOLÁCIÓS ELJÁRÁSRA

Legyen f (x) = |x| a [ −1 , 1 ] intervallumon. Bernstein megmutatta, hogy ekvidisztans alap-


pontrendszerrel konstruált interpolációs eljárás egyetlen pontban sem konvergál |x| - hez [ −1 , 1 ]
intervallumon, kivéve a { −1 , 0 , 1 } pontokat, pedig |x| mindenhol deriválható x = 0 - t kivéve.

PÉLDA : RUNGE PÉLDÁJA (1901)


1
Legyen f (x) = , x ∈ [ −5 , 5 ].
1 + x2
Megmutatta, hogy az f - et interpoláló polinom - sorozat egyenletes felosztás esetén |x| ≤ 3.63
értékre konvergál csak, a többi x - re divergál, pedig f (x) analitikus függvény [ −5 , 5 ] interval-
lumot is tartalmazó tartományon. Igaz, x1 , 2 = ± i - ben szingularitása van, amivel magyarázható a
fenti tulajdonság.
numerikus analı́zis ii. 18

TÉTEL : MARCINKIEWICZ (1937)

Tetszőleges f ∈ C [ a , b ] függvényre létezik az alappontoknak Ωn ⊂ [ a , b ] sorozata (m → ∞),


hogy a hozzájuk tartozó interpolációs polinomok sorozata egyenletesen konvergál f (x) - hez [ a , b ]
- n.

TÉTEL : FABER (1914)

Tetszőleges Ωn ⊂ [ a , b ] (n → ∞) felosztás - sorozathoz létezik olyan f ∈ C [ a , b ] folyto-


nos függvény, amelyre az interpolációs polinom - sorozat nem konvergál egyenletesen az f függvényhez.

TÉTEL : KONVERGENCIA - TÉTEL

Legyen f : [ a , b ] → R valós értékű, valós változójú egész függvény. Ekkor tetszőleges


Ωn ⊂ [ a , b ] (n → ∞) felosztás - sorozat esetén a hozzájuk tartozó interpolációs polinomok
sorozata egyenletesen konvergál f - hez [ a , b ] - n.

TÉTEL : JACKSON (1930)

Tetszőleges f ∈ C 1 [ a , b ] valós függvény esetén a Tn (x) Csebisev - polinom gyökein vett


Ln interpolációs polinom - sorozat egyenletesen konvergál f - hez [ a , b ] - n.

1.6. CSEBISEV POLINOMOK

Láttuk, hogy az interpoláció hibája:

f (n+1) (ξ)
(1) f (x) − Ln (f , x) = ω (x) x ∈ [a, b] , f ∈ C n+1 [ a , b ]
(n + 1)!

Mn+1
|f (x) − Ln (f , x)| ≤ |ω (x)|
(n + 1)!

A hiba függ max |ω (x)| értéktől, ez pedig függ az xi alappontoktól.


x∈[ a , b ]

KÉRDÉS :

Hogyan lehetne az interpoláció (1) hibáját csökkenteni az xi alappontok alkalmas megválasztásával?


(Mik az optimális alappontok?)
numerikus analı́zis ii. 19

FELADAT :

Határozzuk meg azt az 1 főegyütthatójú Pn (x) n - edfokú polinomot, amelyre

max |Pn (x)| minimális: min max |Pn (x)|


x∈[ a , b ] Pn ∈Mn x∈[ a , b ]

A megoldást a Csebisev polinomok ( Ten (x) 1 főegyütthatójú Csebisev polinom) adják meg. Ezek
a nullától legkevésbé eltérő polinomok.

I. ESET :

Legyen [ a , b ] = [ −1 , 1 ]

Definı́ció :

A (2) Tn (x) := cos (n · arccos x) polinomot n - edfokú Csebisev polinomnak nevezzük


x ∈ [ −1 , 1 ].

Legyen Θ := arccos x.

Így (2) =⇒ Tn (x) = cos (nΘ) (3)

Mivel:

cos ((n + 1) Θ) = cos (nΘ + Θ) = cos nΘ cos Θ − sin nΘ sin Θ

cos ((n − 1) Θ) = cos (nΘ − Θ) = cos nΘ cos Θ + sin nΘ sin Θ


+
—————————————————————————————

Tn+1 (x) + Tn−1 (x) = 2x · Tn (x) =⇒ Tn+1 (x) = 2x · Tn (x) − Tn−1 (x)

T0 (x) ≡ 1
(1) =⇒ x ∈ [ −1 , 1 ]
T1 (x) = x

T2 (x) = 2x2 − 1
(3) =⇒
T3 (x) = 4x3 − 3x
numerikus analı́zis ii. 20

De Tn (x) nem 1 főegyütthatójú polinom, főegyütthatója: 2n−1

1
Ten (x) := Tn (x) = 21−n Tn (x)
2n−1

Ez 1 főegyütthatójú n - edfokú Csebisev polinom [ −1 , 1 ] intervallumon.

Tn (x) GYÖKEI :

(2) =⇒ cos (n · arccos x) = 0

π
n · arccos x = +kπ
2

2k + 1
arccos x = π
2n

µ ¶
2k + 1
(?) xk = cos π k = 0, . . . , n − 1
2n

A Ten (x) 1 főegyütthatójú Csebisev polinomoknak is ezek a gyökei.

Tn (x) EXTREMÁLIS HELYEI :

µ ¶

|cos (n · arccos z)| = 1 , n · arccos z = j π , j∈Z =⇒ zj = cos
n

Ezekben a pontokban Tn (zj ) = (−1)j .

Az 1 főegyütthatójú Ten polinomok extremális értékei zj - ben pedig:

1
Ten (zj ) = (−1)j 21−n = (−1)j
2n−1
numerikus analı́zis ii. 21

Tétel

A Ten (x) 1 főegyütthatójú n - edfokú polinom [ −1 , 1 ] intervallumon a 0 - tól legkevésbé


eltérőpolinom az 1 főegyütthatójú n - edfokú polinomok között.
Azaz, ha Pn (x) egy tetszőleges 1 főegyütthatójú n - edfokú polinom, akkor
¯ ¯
¯e ¯
max |Pn (x)| ≥ max ¯Tn (x)¯ = 21−n
x∈ [ −1 , 1 ] x∈ [ −1 , 1 ]

Bizonyı́tás

Indirekt.

Tegyük fel, hogy Pn (x) olyan 1 főegyütthatójú n - edfokú polinom, amelyre:

|Pn (x)| < 21−n

Tekintsük a

Ten (x) − Pn (x) polinomot.

Ez legfeljebb (n − 1) - edfokú polinom, legfeljebb (n − 1) darab gyöke lehet a [ −1 , 1 ] interval-


lumban.

DE :
³ ´
sign Ten (zj ) − Pn (zj ) = (−1)j

Tehát zj - ben a Ten − Pn váltakozva pozitı́v illetve negatı́v értéket vesz fel. ( (n + 1) darab ex-
tremális értéke van.)

Mivel az előjelváltások száma (n + 1) , azért a Ten − Pn polinomnak n darab gyöke lenne legalább,
ami ellentmondás.

II. ESET :

[ a , b ] intervallum esete.

A [ −1 , 1 ] intervallumon adott Csebisev polinomok [ a , b ] intervallumra való transzformációjával


kapunk Csebisev polonomokat az [ a , b ] intervallumon.

Ehhez határozzuk meg azt a lineáris transzformációt, amely [ a , b ] -t [ −1 , 1 ] - be viszi át:

x ∈ [ a , b ] → [ −1 , 1 ] 3 t (x)
numerikus analı́zis ii. 22

µ ¶
a+b
Az , 0 ponton átmenő egyenes egyenlete:
2

t − t0 = m (x − x0 )
µ ¶
2 a+b 2 b+a
t= x− =⇒ t− x−
b−a 2 b−a b−a

Így a Ten (t) = 21−n cos (n · arccos t) 1 főegyütthatójú n - edfokú Csebisev polinom [ a , b ] in-
tervallumra való transzformáltja:

µ µ ¶¶
2 a+b
Fn (x) = 21−n cos n · arccos x− x ∈ [a, b]
b−a b−a

De ez még nem 1 főegyütthatójú n - edfokú polinom, ugyanis:

2n
tn ≡ xn + . . .
(b − a)n

Az 1 főegyütthatójú n - edfokú Csebisev polinom [ a , b ] -n :

µ µ ¶¶
e (b − a)n 2 a+b
(4) Tn (x) = 2n−1 · cos n · arccos x− x ∈ [a, b]
2 b−a b−a

e n (x) EXTREMÁLIS ÉRTÉKE [ a , b ] - N :


T

¯ ¯ (b − a)n
¯ ¯
max ¯Ten (x)¯ = 2n−1
x∈[ a , b ] 2

e n (x) GYÖKEI [ a , b ] - BEN :


T

µ ¶
2 a+b π
(4) =⇒ n · arccos x− = +kπ k∈Z
b−a b−a 2
µ ¶
2 a+b 2k + 1
x− = cos π
b−a b−a 2n
µ ¶
b−a 2k + 1 b+a
xk = · cos π + k = 0, . . . , n − 1
2 2n 2
numerikus analı́zis ii. 23

Az interpoláció hibájának optimalizálása :

Mn+1
|f (x) − Ln (f , x)| ≤ |ω (x)|
(n + 1)!

KÉRDÉS : Mikor lesz ez az érték a legkisebb?

Tétel

[ −1 , 1 ] intervallumon az interpoláció hibája akkor lesz a legkisebb, ha ω (x) = Ten+1 (x)

azaz, ha az interpolációs alappontoknak a Ten+1 (x) Csebisev polinom gyökeit választjuk.

Ekkor az interpoláció hibája:

Mn+1
|f (x) − Ln (f , x)| ≤ x ∈ [ −1 , 1 ]
(n + 1)! 2n

[ a , b ] intervallumon pedig a transzformált Ten+1 (x) Csebisev polinom gyökeinek, mint alap-
pontoknak a választása esetén lesz az interpoláció hibája optimális:

Mn+1 (b − a)n+1
|f (x) − Ln (f , x)| ≤ x ∈ [a, b]
(n + 1)! 22n+1

1.7. SPLINE INTERPOLÁCIÓ

A kalsszikus interpolációt magas fokszámra nem előnyös alkalmazni a polinomok oszcilláló tulajd-
onsága miatt. Előnyösebb a szakaszonként (alacsony) adott fokszámú interpoláció (spline interpoláció)
alakalmazása sok esetben. Továbbá, gyakran a fizikai feltételekből adódóan kell, hogy az approximáló
függvény is folytonosan differenciálható legyen. Ez úgynevezett szakaszonként Hermite - tı́pusú inter-
polációt jelent. A nehézség itt az lehet, hogy az approximálandó függvény értékei adottak csak sok
esetben, de a deriváltak értékei nem.
A legegyszerűbb folytonosan deriválható (úgynevezett sima) approximáló függvény a szakaszonként
másodfokú polinom. Napjainkban legelterjedtebb (legnépszerűbb) a köbös spline interpoláció.
A spline interpolációt (splineok elméletét) a gyakorlati szükségletek hozták létre: hajóépı́tés, na-
vigáció, sima approximáló függvény konstruálása ballisztikai táblázatok alapján, computer grafika,
differenciálegyenletek numerikus megoldása, stb.
A ,,spline függvény” elnevezést (jelentése: rugalmas fémpálca, amivel adott pontokon átmenő
sima görbe rajzolható) 1946 - ban I. J. Schönberg vezette be, bár már korábban is használták
numerikus analı́zis ii. 24

a szakaszonkénti polinom - approximációt. Például Euler töröttvonal módszere közönséges diffe-


renciálegyenletek kezdetiérték - feladatának megoldására.

Definı́ció :

Harmadfokú (köbös) interpolációs spline :

Legyen f ∈ C [a, b] adott és a = x0 < x1 < . . . < xn = b, f (xi ) = yi i = 0, . . . , n.

Az f függvényt interpoláló köbös S (x) x ∈ [ a , b ] spline-t a következő módon definiáljuk:

¯
1. S szakaszonként harmadfokú polinom, Si (x) := S ¯[ x , xi+1 ]
i = 0, . . . , n − 1
i

2. S (xi ) = yi i = 0, . . . , n (Tehát S interpolálja f - et.)

3. Si (xi+1 ) = Si+1 (xi+1 ) i = 1, . . . , n − 2 (Folytonosan csatlakoznak.)


0 0
4. Si (xi+1 ) = Si+1 (xi+1 ) i = 1, . . . , n − 2 (S - nek nincsenek sarkai.)
00 00
5. Si (xi+1 ) = Si+1 (xi+1 ) i = 1, . . . , n − 2 (Görbületek egyenlősége.)

6. Továbbá teljesül még valamelyik a következő peremfeltételek közül:

00 00
a.) S (a) = S (b) = 0 természetes peremfeltételek
0 0 0 0
b.) S (a) = f (a) , S (b) = f (b) Hermite - peremfeltételek
0 0 00 00
c.) S (a) = S (b) , S (a) = S (b) periodikus peremfeltételek

1.7.1. Az interpolációs spline minimum tulajdonsága

Legyen adott f ∈ C [a, b] , f (xi ) = yi a = x0 < x1 < . . . < xn = b.

FELADAT : Közelı́tsük f - et olyan g függvénnyel, amely a következő tulajdonságokkal


rendelkezik:

1. g (xi ) = yi i = 0, . . . , n
0
2. g, g ∈ C [a, b]

3. g többi deriváltjai is szakaszonként folytonosak és minden csomópontban létezik g deriváltjainak


jobb és bal oldali határértéke.
numerikus analı́zis ii. 25

4. Legyen az 1 - 3. tulajdonságú függvények közül ge az a függvény, amelyre a

Zb h i2
00
(1) J [g] = g (x) dx integrál (funkcionál) minimális.
a

Tétel

Az 1 - 4. feltételeknek eleget tevő ge függvény egyértelműen létezik.

Bizonyı́tás

Először belátjuk, hogy ge egy szakaszonként harmadfokú polinom kell legyen, bizonyos tulaj-
donságokkal. Majd megkonstruáljuk ezt a köbös splinet, ami bizonyı́tja ge létezését. A konstrukció
egyértelműsége ge egyértelműségét is bizonyı́tja.

A 4. miatt =⇒ J [e
g ] ≤ J [g] tetszőleges 1 - 3. tulajdonsággal rendelkező g függvényre.

Tekintsük g - t a következő alakban: g = ge + ε · h , ahol ε ∈ R adott szám és a h olyan


függvény, amelyre 1. helyett h (xi ) = 0 teljesül és kielégı́ti 2 - t és 3 - at. Így g - re 1 - 3.
teljesül.

Zb h i2
00 00
g - nek ezt az alakját (1) - be ı́rva =⇒ J [g] = ge (x) + ε · h (x) dx =: J [ε]
a
Ez ε - ban másodfokú polinom.

Tudjuk, hogy ε = 0 - ra J [ε] - nak minimuma van, azaz J [0] = J [g] minimális érték.
0
=⇒ J [ε] deriváltfüggvény ε = 0 - ban nulla.

Négyzetre emelés és deriválás után:

Zb
0 00 00
(2) J [0] = 2 ge (x) h (x) dx = 0
| {z } | {z }
a u v0

Kétszer parciálisan deriválva (2) - t részintervallumonként:

x  x 
Zb n−1
X Zi+1 n−1
X ¯ Zi+1
1 0 00 00 00 00
ge 00 (x) h0 (x) ¯¯
xi+1 000 0
J [0] = ge (x) h (x) dx = ge (x) h (x) dx = − ge (x) h (x) dx =
2 xi
a i=0 x i=0 xi
i
numerikus analı́zis ii. 26

 x 
n−1
X ¯ x ¯x
Zi+1
ge 00 (x) h0 (x) ¯¯ ¯ i+1
i+1 000 0
= − ge (x) h (x) ¯ + ge (4) (x) h (x) dx =
xi xi
i=0 xi

00 0
h 00 ¡ ¢ 0 ¡ ¢ 00 ¡ + ¢ 0 ¡ + ¢
i h 00 ¡ ¢ 00 ¡ +− ¢
i 0
g (x0 ) h (x0 ) + ge x−
= −e 1 h x−
1 − g
e x 1 h x1 + g
e x−
2 − g
e x 2 h (x2 ) + . . . +

x
Zi+1
n−1
X
00 0
+ . . . + ge (xn ) h (xn ) + ge iv (x) h (x) dx = 0
i=0 x
i

tetszőleges h megengedett függvényre.

Hogy az utóbbi kifejezés nulla legyen, kell hogy:

a.) ge (4) (x) = 0


00 ¡ −¢ 00 ¡ ¢
b.) ge xi = ge x+ i i = 1, . . . , n − 1
00 00
c.) ge (x0 ) = 0 , ge (xn ) = 0

Tehát a fenti 1 - 3. tulajdonságú és a 4. integrált minimalizáló ge függvény egy kétszer foly-
tonosan deriválható, szakaszonként harmadfokú (interpolációs) spline kell legyen.
¥
Megjegyzés :
A fenti tétel és a minimum tulajdonság a másik két peremfeltétel esetén is igaz.

A tétel fizikai jelentése :

Az adott f függvényt interpoláló függvények közül a köbös interpolációs spline esetén lesz a
deformációs energia a legkisebb (minimális).

1.7.2. A köbös interpolációs spline konstrukciója

Legyen az [ xi , xi+1 ] intervallumon a spline (harmadfokú polinom) alakja a következő:

Si (x) = ai0 + ai1 x + ai2 x2 + ai3 x3

Si−1 (xi ) = Si (xi )

Így n darab harmadfokú polinomot kell meghatározni. Ez 4n darab ismeretlen.


numerikus analı́zis ii. 27

A feltételek száma :

S (xi ) = yi =⇒ (n + 1) darab feltétel


0 00
S, S , S folytonos a belső pontokban =⇒ 3 (n − 1) darab feltétel

Ez eddig 4n − 2 darab feltétel.

A hiányzó két feltételt megadja valamelyik a peremfeltételek közül.

00
Az S (x) köbös spline-t az S (xi ) = Mi i = 0, . . . , n úgynevezett momentumai segı́tségével
állı́tjuk elő.

Legyen hi+1 := xi+1 − xi i = 0, . . . , n − 1.

Az S köbös spline második deriváltja szakaszonként lineáris függvény.

Az x ∈ [ xi , xi+1 ] intervallumon:

00 x − xi+1 x − xi
S (x) = Mi + Mi+1
xi − xi+1 xi+1 − xi

Ez tulajdonképpen az L1 (x) elsőfokú Lagrange interpolációs polinom.

00 xi+1 − x x − xi
(3) S (x) = Mi + Mi+1 x ∈ Ii = [ xi , xi+1 ]
hi+1 hi+1

(3) - at kétszer integrálva:

0 (xi+1 − x)2 (x − xi )2
(4) S (x) = −Mi + Mi+1 + Ai x ∈ [ xi , xi+1 ]
2hi+1 2hi+1

(xi+1 − x)3 (x − xi )3
(5) S (x) = Mi + Mi+1 + Ai (x − xi ) + Bi
6hi+1 6hi+1

ahol Ai , Bi integrációs állandók.

(hi+1 )2 (hi+1 )2
S (xi ) = yi =⇒ Mi + Bi = yi =⇒ Bi = yi − Mi
6 6
numerikus analı́zis ii. 28

(hi+1 )2 (hi+1 )2
S (xi+1 ) = yi+1 =⇒ Mi+1 + Ai hi+1 + yi − Mi = yi+1 =⇒
6 6

yi+1 − yi hi+1
=⇒ Ai = − (Mi+1 − Mi )
hi+1 6

Így az S köbös spline az adatok és az Mi momentumok segı́tségével meghatározható.

Legyen:

(6) S (x) = δi + γi (x − xi ) + βi (x − xi )2 + αi (x − xi )3 alakú x ∈ [ xi , xi+1 ] - on

S (xi ) = yi =⇒ δ i = yi

0 yi+1 − yi 2Mi + Mi+1


S (xi ) = γi =⇒ γi = − hi+1
hi+1 6

00 Mi
S (xi ) = 2βi =⇒ βi =
2

000 Mi+1 − Mi
S (xi ) = 6αi =⇒ αi =
6hi+1

Az Mi momentumok meghatározása :

Ezeket az S spline deriváltjának a belső csomópontokbeli folytonosságából lehet meghatározni.

0 ¡ ¢ 0 ¡ ¢
S x+ i = S x− i i = 1, . . . , n − 1

0 (xi − x)2 (x − xi−1 )2 yi − yi−1 hi


x ∈ [ xi−1 , xi ] Si (x) = −Mi−1 + Mi + − (Mi − Mi−1 )
2hi 2hi hi 6

0 (xi+1 − x)2 (x − xi )2 yi+1 − yi hi+1


x ∈ [ xi , xi+1 ] Si (x) = −Mi + Mi+1 + − (Mi+1 − Mi )
2hi+1 2hi+1 hi+1 6

Így

0 ¡ ¢ yi − yi−1 hi hi
S x− i = + Mi + Mi−1 i = 1, . . . , n − 1
hi 3 6

0 ¡ ¢ yi+1 − yi hi+1 hi+1


S x+ i = − Mi − Mi+1 i = 1, . . . , n − 1
hi+1 3 6
numerikus analı́zis ii. 29

Ezek egyenlőségéből Mi - kre a következő (n − 1) darab egyenletből álló rendszer jön:

hi hi + hi+1 hi+1 yi+1 − yi yi − yi−1


(7) Mi−1 + Mi + Mi+1 = − i = 1, . . . , n − 1
6 3 6 hi+1 hi

6
(7) - et szorozzuk - vel =⇒
hi+1 + hi

=⇒ µi Mi−1 + 2Mi + λi Mi+1 = di i = 1, . . . , n − 1 ahol

· ¸
hi hi+1 6 yi+1 − yi yi − yi−1
µi = , λi = di = −
hi+1 + hi hi+1 + hi hi+1 + hi hi+1 hi

0 - ra és n - re legyen λ0 = d0 = µn = dn = 0

Így Mi - kre kapott lineáris egyenletrendszer:

2M0 + λ0 M1 = d0
µ1 M0 + 2M1 + λ1 M2 = d1
..
.
µn−1 M n − 2 + 2Mn−1 + λn−1 Mn = dn−1
µn Mn−1 + 2Mn = dn

Vagy mátrix alakban:

     
2 λ0 0 ··· 0 M0 d0
µ1 2 λ1   M   d 
  1   1 
 ..  
 M   d2 
 0 µ2 2 λ2 
.   2   
    
  
 · .  =
 
 .. . . . . . .   .   . 
  .

. . . .   .   . 
     
 
0     
   
 µn−1 2 λn−1  Mn−1 dn−1 
0 ··· 0 µn 2 Mn dn

Ez tridiagonális mátrixú egyenletrendszer, ami a rövidı́tett Gauss - algoritmussal hatékonyan meg-


oldható.
numerikus analı́zis ii. 30

1.7.3. Konvergenciatétel köbös spline interpolációra

00 00
Legyen f ∈ C (4) [ a , b ] és f (a) = f (b) = 0.

Jelöljük k g k∞ := max |g (x)| , M4 := k f (4) k∞ .


x∈[ a , b ]

Sh (x) az f - et interpoláló köbös spline [ a , b ] - n Ωh egyenletes felosztás esetén


( h := xi+1 − xi lépésköz ).

Ekkor érvényesek a következő becslések:

k f (x) − Sh (x) k∞ ≤ M4 · h4
0 0
k f (x) − Sh (x) k∞ ≤ M4 · h3
00 00
k f (x) − Sh (x) k∞ ≤ M4 · h2

0 00
Tehát, ha h → 0 , akkor az Sh (x) , Sh (x) , Sh (x) függvények egyenletesen konvergálnak
0 00
a megfelelő f (x) , f (x) , f (x) függvényekhez.

Természetes peremfeltételek mellett:


00 00
S (a) = S (b) = 0.

Megjegyzés :

Az egyenletes konvergencia igaz a másik két peremfeltétel esetén is.

Hasonló tétel érvényes nem egyenletes felosztás esetén is, csak a konvergencia egy kicsit lassabb.

1.8. AZ m - EDRENDŰ POLINOMIÁLIS SPLINEOK TERE: Sm (Ωn )

Legyen Ωn := {x0 = a < x1 < . . . < xn = b},

Ik := [xk , xk−1 ] k = 1, . . . , n,

hi := xi − xi−1 i = 1, . . . , n.

Definı́ció :

Az S(x) : [ a , b ] → R függvényt m - edfokú polinomiális spline - nak nevezzük, ha


numerikus analı́zis ii. 31

1. S(x)|I ∈ Pm (x) szakaszonként m - edfokú polinom.


k

2. S(x) ∈ C (m−1) [ a , b ] (m − 1) - szer folytonosan deriválható ”feszı́tett” spline.

Ha azt tesszük fel csak, hogy S ∈ C (q) [ a , b ], ahol q < m−1 , ”laza” spline-ról (subspline-ról)
beszélünk.

Ha adott f ∈ C [a, b] esetén még teljesül, hogy

3. S(xi ) = f (xi ) (i = 0, . . . , n) akkor az S(x) - et m - edfokú interpolációs spline - nak


nevezzük.

Példa:

m=1 esetén a szakaszonként lineáris ”töröttvonal” függvény, elsőfokú spline.

m>1 esetén:

m - EDFOKÚ EGYOLDALI SPLINEOK

Deriváljuk a

qmi (x) : [ a , b ] → R függvényt a következő módon:


 (x − xi )m
+, ha x ≥ xi
(1) qmi (x) := (i = 0, . . . , n − 1).

0, ha x < xi

Definı́ció :

A fent definiált m - edfokú splineok terét jelölje: Sm (Ωn ).

Nyilvánvalóan: Sm (Ωn ) ⊂ C (m−1) [ a , b ].


numerikus analı́zis ii. 32

Sm (Ωn ) struktúrája:

Tétel

Az Sm (Ωn ) (m + n) dimenziós vektortér (Sm (Ωn ) ⊂ C (m−1) [ a , b ])

ahol {p1 , . . . , pm , qm1 , . . . , qmn−1 } egy bázis Sm (Ωn ) - ben, ahol

pi (x) := xi , i = 0, . . . , m

és qmi (x) az (1) - gyel definiált egyoldalú splineok.

Továbbá, ∀S ∈ Sm (Ωn ) egyértelműen ı́rható a következő alakban:

m
X n−1
X
S(x) = aj xj + bi · qmi vagy
j=0 i=1
(2)
m
X n−1
X
S(x) = aj xj + bi · (x − xi )m
+
j=0 i=1

Bizonyı́tás

Tekintsük az I1 = [x0 , x1 ] intervallumot.

Ezen S m - edfokú polinom =⇒ I1 - en S(x) a következő alakban ı́rható:


m
X
S(x) = aj xj , ami a (2) előállı́tás.
j=0

Tegyük fel, hogy Iek := [x0 , xk ] intervallumon érvényes a (2) előállı́tás, azaz
m
X k−1
X
j
S(x) = aj x + bi (x − xi )m
+.
j=0 i=1

Belátjuk, hogy az előállı́tás érvényes az Iek+1 := [x0 , xk+1 ] intervallumon is.


m
X k−1
X
%(x) := S(x) − aj xj − bi (x − xi )m
+.
j=0 i=1

A %(x) függvény a [x0 , xk ] intervallumon nulla,

% ≡ 0, x ∈ [x0 , xk ]
numerikus analı́zis ii. 33

Továbbá % ∈ C (m−1) =⇒ %0 (xk ) = 0, %00 (xk ) = 0, . . . , %(m−1) (xk ) = 0 =⇒

=⇒ xk a %(x) - nek m - szeres gyöke

=⇒ Így S - t az Ik+1 = [xk , xk+1 ] intervallumon a következő alakban ı́rhatjuk:


(% m - edfokú Ik - n is)
m
X k−1
X
j
% = S(x) − aj x − bi (x − xi )m
+ = bk (x − xk ) Ik+1 - en.
j=0 i=1
m
X k
X
=⇒ S(x) = aj xj + bi (x − xi )m
+.
j=0 i=1

k = n − 1 - et véve megkapjuk a (2) előállı́tást.


¥

Definı́ció :

A ξ ∈ [a , ] az S(x) ∈ Sm (Ωn ) spline lényeges gyöke, ha ξ ∈ [xi , xi+1 ) S(ξ) = 0, de az


S az egész [x¯i , xi+1 ) intervallumon nem nulla.

Ha az [xi , xi+j ] intervallumon S azonosan eltűnik, akkor xi+j az S - nek m - szeres lényeges
gyöke.

Ha S(b) = 0, akkor a b lényeges gyök.

Tétel

Az S ∈ Sm (Ωn ) spline lényeges gyökeinek számára (r - re) érvényes a következő becslés:

r ≤m+n−1

Bizonyı́tás

Legyen az S lényeges gyökeinek száma r.

S ∈ C (m−1) [ a , b ] =⇒

az (m − 1) - edrendű deriváltjának legalább r − (m − 1) darab lényeges gyöke van.

De az S (m−1) (x) szakaszonként lineáris függvény!


numerikus analı́zis ii. 34

Ezért [ a , b ] - n legfeljebb n darab gyöke lehet

=⇒ r − (m − 1) ≤ n =⇒ r ≤m+n−1

1.9. B - SPLINEOK

VOLT: Ωn véges felosztás.

Sn (Ωn ) véges dimenziós altér.

A bázis az úgynevezett egyoldalú splineok.

MOST: Ω∞ alappontok végtelen halmaza.

Sm (Ω∞ ) végtelen dimenziós tér.

A bázis a kompakt tartójú függvények (splineok), a B - splineok.

Tétel B - SPLINEOK EGZISZTENCIÁJA

Legyen Ω∞ := {xi : i ∈ Z} olyan, hogy

xi → −∞, ha i → −∞
.
xi → +∞, ha i → +∞

Ekkor ∀i ∈ Z - hez és xi - hez ∃! S ∈ Sm (Ω∞ spline, amelyre teljesül, hogy

S(x) = 0, ha x ≤ xi és x ≥ xi + m + 1,

Továbbá érvényes S - re az ún.

NORMÁLÁSI FELTÉTEL:

Z
+∞ xi+m+1
Z
(4) S(x) dx = S(x) dx = 1.
−∞ xi

Bizonyı́tás

Tekintsük az [xi−1 , xi+m+1 ] intervallumot.

Mivel S(x) = 0, ha x ∈ [xi−1 , xi ], azért a (2) előállı́tását tekintve S - nek az [xi−1 , xi ]


intervallumon az első szummája eltűnik, mivel S(x) = 0 x ∈ [xi−1 , xi ].
numerikus analı́zis ii. 35

Így S a következő módon ı́rható:


k
X
(3) S(x) = bj (x − xj )m
+.
j=0

Legyen k = m + 1. Ekkor (3) =⇒


m+1
X
S(x) = bj (x − xi+j )m
+
j=0

Az S - ről még tudjuk, hogy S(x) = 0, ha x ≥ xi+m+1 .

m+1
X
Tehát bj (x − xi+j )m
+ = 0 x ≥ xi+m+1 .
j=0

Ebből a bj - kre a következő egyenleteket kapjuk:

xm együtthatója 0 kell legyen:

b0 + b1 + . . . + bm+1 = 0
(5)
xm−1 b0 xi + b1 xi+1 + . . . + bm+1 xi+m+1 = 0
.. ..
. .
x0 b0 xm m m
i + b1 xi+1 + . . . + bm+1 xi+m+1 = 0

(m + 1) darab egyenlet, (m + 2) darab ismeretlen bj - kre.

Még egy feltételt a normálási feltétel ad.

(4) - et interpolálva [xi , xi+m+1 ] - en =⇒

xi+m+1
Z m+1X
bj (x − xi+j )m
+ dx = 1
xi j=0

¯xi+m+1
m+1
X ¯
bj ¯
m+1 ¯
=⇒ (x − xi+j )+ ¯ =1
m+1 ¯
j=0
xi

0
X m−1
X
Mivel xi - ben a =⇒ bj (xi+m+1 − xi+j )m
+ = m + 1.
= j=0

Az (5) egyenletrendszert figyelembe véve a hiányzó egyenlet a következő lesz:

b0 xm+1
i + b1 xm+1 m+1
i+1 + . . . + bm+1 xi+m+1 = (−1)
m+1 (m + 1).
numerikus analı́zis ii. 36

Ezt (5) - höz hozzávéve (m + 2) darab egyenletből alló rendszert kapunk, amelynek a deter-
minánsa a Vandermonde determináns, ami nem nulla, ebből következik, hogy egyértelműen létezik
megoldás bj - kre.

Definı́ció :

A tételbeli splineokat MINIMÁLIS TARTÓJÚ B - SPLINEOKNAK nevezzük, ugyanis belátható,


hogy nem létezik szűkebb tartójú, a tételbeli feltételeket kielégı́tő spline.

Az Sm (Ω∞ ) - ben bevezethető ún.

LOKÁLIS BÁZIS:

Legyen qm (t, x) függvény a következő


 (t − x)m
+, ha t ≥ x
(6) qm (t, x) :=

0, ha t < x

Megjegyzés :

Mostantól ti - k jelölik az alappontokat.

Definı́ció :

A ti alapponthoz tartozó m - edfokú B - splinet a következő módon definiáljuk:

Bmi (x) := (ti+m+1 − ti )[ti , . . . , ti+m+1 ]qm (·, x)

ahol qm (·, x) függvény a (6) - tal definiált és [ti , . . . , ti+m+1 ]qm (·, x) a q függvény osztott dif-
ferenciáját jelöli.

SPEC. ESET:

m=1

B1i (x) = (ti+2 − ti )[ti , ti+1 , ti+2 ]q1 (·, x)

B1i (x) = (ti+2 − ti )


 (t − x)1+ , ha t ≥ x
q1 (t, x) =

0, ha t < x
numerikus analı́zis ii. 37

(ti+2 − x)+ − (ti+1 − x)+ (ti+1 − x)+ − (ti − x)+



ti+2 − ti+1 ti+1 − ti
B1i (x) = (ti+2 − ti ) · =
ti+2 − ti

(ti+2 − x)+ − (ti+1 − x)+ (ti+1 − x)+ − (ti − x)+


= − .
ti+2 − ti+1 ti+1 − ti

1. Ha x ∈ [ti , ti+1 ] :

(ti+2 − x)+ − (ti+1 − x)+ (ti+1 − x)+ ti+2 − ti+1 ti+1 − x


B1i (x) = − = − =
ti+2 − ti+1 ti+1 − ti ti+2 − ti+1 ti+1 − ti

ti+1 − ti − ti+1 + x x − ti
= = .
ti+1 − ti ti+1 − ti

2. Ha x ∈ [ti+1 , ti+2 ] :
ti+2 − x
B1i (x) = .
ti+2 − ti+1

3. Ha x < ti =⇒ q1 (t, x) t - ben elsőfokú polinom, akkor a másodrendű osztott differenciája


nulla =⇒ B1i (x) ≡ 0.

4. Ha x ≥ ti+2 =⇒ B1i (x) ≡ 0.

¨ ¥
§Állı́tás ¦

Az ı́gy definiált Bmi (x) splineok azonosak a tételbeli B - splineokkal egy normálási állandótól el-
tekintve. Ugyanis a definı́cióbeli B - splineok minimális tartójúak, azaz tartójuk az [ti , ti+m+1 ]
intervallum, amelyen kı́vül Bmi (x) eltűnik.

3. alapján általában is =⇒ Bmi (x) ≡ 0, ha x ≤ ti ,

ugyanis t - ben az m - edfokú qm polinom (m + 1) - edrendű osztott differenciája nulla.

4. =⇒ ha x > ti+m+1 , akkor Bmi (x) ≡ 0.

Továbbá belátható, hogy Bmi (x) > 0 a [ti , ti+m+1 ] intervallumon.

¨ ¥
§Állı́tás ¦

A B - splineok pozitı́vak a [ti , ti+m+1 ] intervallumon.


numerikus analı́zis ii. 38

Tekintsük Sm (Ωn ) szakaszonként m - edfokú splineok terét [x0 , xn ] intervallumon ((m + n)


dimenziós vektortér).

Tekintsük azon B - splineokat, amelyeknek van nem nulla értéke [x0 , xn ] - on. Ezek:

(?) Bm1 −m , . . . , Bm1 0 , Bm1 1 , . . . , Bm1 n−1

(m + n) darab spline.

Ezek lineárisan függetlenek =⇒

=⇒ (?) B - splineok egy bázis Sm (Ωn ) - ben.

Tétel REPREZENTÁCIÓS TÉTEL

∀S ∈ Sm (Ωn ) spline egyértelműen ı́rható fel a (?) B - splineok lineáris kombinációjaként,


azaz
n−1
X
S(x) = αi Bmi (x).
i=−m

A B - SPLINEOK TOVÁBBI TULAJDONSÁGAI

EGYSÉGOSZTÁS :

X
Bmi (x) ≡ 1 ∀x ∈ R.
i∈Z

REKURZIÓS FORMULA B - SPLINEOK ELŐÁLLÍTÁSÁRA :

x − ti ti+m+1 − x
Bmi (x) = · Bm−1 , i−1 (x) + · Bm−1 , i (x)
ti+m − ti ti+m+1 − ti+1
B0i (x) ≡ 1 x ∈ [ti , ti+1 ].
numerikus analı́zis ii. 39

B - SPLINEOK DERIVÁLTJÁRA ÉRVÉNYES :

µ ¶
0 (x) Bm−1 , i−1 (x) Bm−1 , i (x)
Bmi =m· − .
ti+m − ti ti+m+1 − ti+1

2. NUMERIKUS INTEGRÁLÁS

Határozott integrálok numerikus kiszámı́tása a matematika egyik legrégebbi problémája. Például


görbék által határozott tartomány területének meghatározása. Ráadásul évezredekkel azelőtt, hogy
az analı́zisbeli integrálfogalom a XVII., XVIII. században bevezetésre került.
10 1
Például a kör területe: Archimedes (287 - 212 Kr.e.) : 3 < π < 3 . A numerikus kvadratúra
71 7
elnevezés a kör négyszögesı́tésének problémájából jön.
Numerikus kubatúra elnevezés kétdimenziós integrálok kiszámı́tására. Newton I. (1643 - 1727)
n - dimenziós numerikus integrálás elnevezés n - dimenziós integrálok numerikus kiszámı́tására. Leib-
niz G. W. (1646 - 1716)
Ha már van integrálfogalom, analı́zis, akkor miért kell a numerikus integrálás?

MOTIVÁCIÓ: Numerikus integrálási műveletekre szükség van, ha

1. Az integrálandó függvény primitı́v függvényét nem lehet megadni elemi függvények segı́tségével.

2. A primitı́v függvény olyan bonyolult, hogy kvadratúra formula használata előnyösebb.

3. Az integrálandó függvényt csak pontokban ismerjük, például mérések eredményelént.

4. Differenciál-egyenletek, integrál-egyenletek numerikus megoldásakor sok esetben numerikus in-


tegrálási módszerekre is szükség van.

Fontos feladatok megoldásában segı́tett, pl. Keplernek a boroshordó térfogatának kiszámı́tásában


(1612).

FELADAT :

Zb
Az f (x) dx = I határozott integrál kiszámı́tása.
a
N
X
Ezt az IN = ck f (xk ) összeggel közelı́tjük, ahol ck állandók.
k=0
numerikus analı́zis ii. 40

Érvényes a következő közelı́tő egyenlőség:

Zb N
X
f (x) dx ≈ ck f (xk ) = IN
a k=0

KVADRATÚRAFORMULA

ck - k a kvadratúraformula súlyai.

A ψN := I − IN különbséget a kvadratúraformula hibájának nevezzük, ami függ a ck együtt-


hatók választásától és az xk csomópontok [ a , b ] intervallumbeli elhelyezkedésétől.

Tegyük fel, hogy a felosztás egyenletes [ a , b ] - n és f kellően sima függvény.

Mivel
Zb N Zxi
X
f (x) dx = f (x) dx,
a i=1 x
i−1

azért elég az [xi−1 , xi ] részintervallumon közelı́tő formulát találni.

2.1. KLASSZIKUS KVADRATÚRAFORMULÁK

2.1.1. Téglalapformula

Az f görbe alatti területet a téglalap területével közelı́tjük.

Zxi µ ¶
1
f (x) dx ≈ f xi − h h := [xi−1 , xi ]
2
xi−1

2.1.2. A téglalapformula hibája

A téglalapformula hibája az i - edik részintervallumon:

Zxi µ ¶ Zxi h ³ ´i
1
ψi := f (x) dx − f xi − h= f (x) − f xi− 1 dx
2 2
xi−1 xi−1

A Taylor - formula alapján =⇒


³ ´ ³ ´³ ´ f 00 (ξ) ³ ´2
f (x) = f xi− 1 + f 0 xi− 1 x − xi− 1 + x − xi− 1 .
2 2 2 2! 2
numerikus analı́zis ii. 41

Zxi Zxi ³
f 00 (ξ) ³ ´2 ´
Így =⇒ ψi = x − xi− 1 dx, mivel x − xi− 1 dx = 0.
2! 2 2
xi−1 xi−1

Ezt kiintegrálva:

M2i h3 M2i 3
|ψi | ≤ · = ·h
2 12 24

ahol M2i := maxx∈[xi−1 , xi ] |f 00 (x)|.

2.1.3. Összetett téglalapformula

Zb h ³ ´ ³ ´ ³ ´i XN ³ ´
f (x) dx ≈ h f x 1 + f x 3 + . . . + f xN − 1 = f xi− 1 h
2 2 2 2
a i=1

A kvadratúraformula alappontjai nem azonosak az intervallumot meghatározoó alappontokkal.

2.1.4. Az összetett téglalapformula hibája

N · h = b − a = xn − x0
N
X N · M2 3 ¯ ¯
|ψ| ≤ |ψi | ≤ ·h , ahol M2 := max ¯f 00 (x)¯.
24 x∈[ a , b ]
i=1

M2 (b − a) 2
|ψ| ≤ ·h
24

¡ ¢
Azaz a téglalapformula hibája O h2

2.1.5. Trapézformula

Az f görbe alatti területet a trapéz területével közelı́tjük.

Zxi
f (xi−1 ) + f (xi )
f (x) dx ≈ ·h
2
xi−1

EGYSZERŰ TRAPÉZFORMULA
numerikus analı́zis ii. 42

Most az f függvényt az elsőfokú (Lagrange) interpolációs polinommal helyettesı́tettük, L1i (x) - szel.

2.1.6. A trapézformula hibája

Az i - edik részintervallumon:
Zxi Zxi Zxi Zxi
f (xi−1 ) + f (xi )
ψi := f (x) dx − ·h= f (x) dx − L1 (x) dx = [f (x) − L1 (x)] dx =
2
xi−1 xi−1 xi−1 xi−1

Zxi Zxi
f 00 (ξ) f 00 (ξ)
= ω(x) dx = (x − xi−1 )(x − xi ) dx
2! 2 | {z }
xi−1 xi−1 h3
6

¯ 00 ¯
M2i := max ¯f (x)¯
x∈[xi−1 , xi ]

M2i h3 M2i 3
=⇒ |ψi | ≤ · = ·h
2 6 12

2.1.7. Összetett trapézformula

Zb · ¸ XN
1 1 f (xi ) + f (xi−1 )
f (x) dx ≈ h f (x0 ) + f (x1 ) + f (x2 ) + . . . + f (xN −1 ) + f (xN ) = ·h
2 2 2
a i=1

2.1.8. Összetett trapézformula hibája

b−a
N :=
h
N · M2 3
|ψ| ≤ · h , ahol M2 := maxx∈[ a , b ] |f 00 (x)|
12

M2 (b − a) 2
|ψ| ≤ ·h
12

Tehát a trapézformula szintén O(h2 ) nagyságrendű, de ez kétszer akkora hiba, mint a téglalapformulánál.
numerikus analı́zis ii. 43

2.1.9. Simpson - formula

Az előző általánosı́tásaként,
³ ´ most az f (x) függvényt az [xi−1 , xi ] intervallumon
az f (xi−1 ), f xi− 1 , f (xi ) pontokon átmenő parabolával közelı́tjük. Ez másodfokú Lagrange in-
2
terpolációs polinom, L2i (x) az [xi−1 , xi ] - n.

Zxi Zxi
f (x) dx ≈ L2i (x), x ∈ [xi−1 , xi ].
xi−1 xi−1

Írjuk fel L2i (x) - et explicit alakban:


2 h ³ ´ ³ ´ ³ ´i
L2i (x) = f (x i−1 ) x − x 1
i− 2 (x − x i ) − 2f x 1
i− 2 (x − xi−1 ) (x − x i ) + f (xi ) (x − xi−1 ) x − x 1
i− 2
h2

Integrálás után:
Zxi
hh ³ ´ i
L2i (x) dx = f (xi−1 ) + 4f xi− 1 + f (xi )
6 2
xi−1

Így az egyszerű Simpson - formula:

Zxi
hh ³ ´ i
f (x) dx ≈ f (xi−1 ) + 4f xi− 1 + f (xi )
6 2
xi−1

2.1.10. A Simpson - formula hibája

Harmadfokú Hermite interpolációs polinom alkalmazásával belátható, hogy a Simpson forula hibája:

¯ ¯ ¯ ¯
¯ Zxi ¯ ¯ Zxi ¯
¯ ¯ ¯ f 000 (ξ) ¯
¯ ¯ ¯ ¯
|ψi | = ¯ (f − L2 ) dx¯ = ¯ · ω(x) dx¯ . . .
¯ ¯ ¯ 3! ¯
¯xi−1 ¯ ¯xi−1 ¯

M4i
|ψi | ≤ · h5
2880

¯ ¯
ahol M4i := maxx∈[xi−1 , xi ] ¯f (IV ) (x)¯ .
numerikus analı́zis ii. 44

2.1.11. Összetett Simpson - formula

Zb
hh ³ ´ ³ ³ ´ ³ ´ ³ ´´i
f (x) dx ≈ f (x0 ) + f (xn ) + 2 f (x1 ) + . . . + f (xN −1 ) + 4 f x 1 + f x 3 + . . . + f xN − 1
6 2 2 2
a

2.1.12. Összetett Simpson - formula hibája

M4 (b − a) 4
|ψ| ≤ ·h
2880

¯ ¯
ahol M4 := maxx∈[ a , b ] ¯f (IV ) (x)¯ .

e h b−a
A törtindexek elkerülésére legyen: n = 2m, fi = f (xi ), h := =⇒ h = 2e
h, e
h=
2 2m

Zb e
h
f (x) dx ≈ [f0 + f2m + 2(f2 + f4 + . . . + f2m−2 ) + 4(f1 + f3 + . . . + f2m−1 )]
3
a

A képlethiba most:

M4i e 5
|ψi | ≤ ·h =⇒ x ∈ [xi−1 , xi ]
90

M4 (b − a) e 4
|ψ| ≤ ·h =⇒ x ∈ [a, b]
180

Definı́ció :

A kvadratúraformula pontos adott f függvényre, ha a kvadratúraformulában ≈ helyett =


ı́rható, azaz

Zb n
X
f (x) dx = ck f (xk ).
a k=0
numerikus analı́zis ii. 45

Megjegyzés :

1. A trapézformula minden elsőfokú polinomra pontos.

2. A Simpson - formula minden harmadfokú polinomra pontos.

2.2. INTERPOLÁCIÓS TÍPUSÚ KVADRATÚRAFORMULÁK

Legyenek [ a , b ] - ben az alappontok

a = x0 < x1 < . . . < xn = b és f (x) - et interpoláljuk a Lagrange interpolációs polinommal.

Ekkor: f (x) = Ln (f, x) + Hn (f, x), ahol Hn (f, x) a hibatag.

Zb Zb Zb
=⇒ f (x) dx = Ln (f, x) dx + Hn (f, x) dx.
a a a

Ha a hibaintegrál kicsi, elhagyva f integrálja helyett Ln integrálját számolhatjuk.

Zb Zb
(1) f (x) dx ≈ Ln (f, x) dx.
a a

Mivel
n
X n
X ω(x)
Ln (f, x) dx = f (xk )lk (x) = f (xk ) · ,
(x − xk )ω 0 (xk )
k=0 k=0

azért ezt beı́rva =⇒


 b 
Zb Zb ÃX
n
! n
X Z
ω(x) ω(x)
Ln (f, x) dx = f (xk ) dx = f (xk )  dx.
(x − xk )ω 0 (xk ) (x − xk )ω 0 (xk )
a a k=0 k=0 a
| {z }
Ak

Definı́ció :

Legyen

Zb
ω(x)
(2) Ak := dx,
(x − xk )ω 0 (xk )
a
numerikus analı́zis ii. 46

amit az (1) kvadratúraformula együtthatójának nevezzük.

Az olyan kvadratúraformulákat, amelyek együtthatói (2) alakúak, interpolációs (tı́pusú)


kvadratúraformulának nevezzük.
¨ ¥
§Állı́tás ¦
n
X
Ak = b − a
k=0
Az interpolációs kvadratúraformula pontosságára érvényes a következő

Tétel

Legyen (n + 1) alappontunk. Ekkor a kvadratúraformula pontos minden legfeljebb n - edfokú


polinomra akkor és csak akkor, ha a kvadratúraformula interpolációs tı́pusú.

Bizonyı́tás

Legyen interpolációs tı́pusú kvadratúraformula és legyen f n - edfokú polinom.

Belátjuk, erre pontos az (1) kvadratúraformula.

Triviális, ugyanis n - edfokú f polinom n - edfokú interpolációs polinomja önmaga.

Tegyük fel, hogy a kvadratúraformula pontos minden legfeljebb n - edfokú polinomra.

Innen következik, hogy a kvadratúraformula pontos minden lk (x) Lagrange alappolinomra is.

Zb n
X
=⇒ lk (x) dx = Aj lk (xj )
a j=0

ha j 6= k =⇒ lk (xj ) = 0, ı́gy a jobb oldalon Ak marad csak =⇒

Zb
(3) Ak = lk (x) dx
a

ami a (2) pont!


¥
numerikus analı́zis ii. 47

2.3. ZÁRT NEWTON - COTES FORMULÁK

b−a
Legyenek az alappontok ekvidisztansak és x0 = a, xn = b, h := .
n

Ebben az esetben számoljuk ki a (3) együtthatókat:

Zb
ω(x)
(3) Ak = dx
(x − xk )ω 0 (xk )
a

Vezessük be a következő jelöléseket:

x := x0 + t · h t ∈ [0 , n]

xk := x0 + k · h k = 0, . . . , n

Ezek figyelembe vételével:

ω(x) = (x − x0 )(x − x1 ) · . . . · (x − xn ) = t · h · h(t − 1) · . . . · h(t − n) = hn+1 · t(t − 1) · . . . · (t − n)

(x − xk ) = h · (t − k)

ω 0 (xk ) = (xk −x0 )(xk −x1 )·. . .·(xk −xk−1 )(xk −xk+1 )·. . .·(xk −xn ) = . . . = (−1)n−k ·hn ·k!(n−k)!

dx = h · dt

Ezeket (3) - ba ı́rva =⇒

Zb
hn+1 t(t − 1) · . . . · (t − n)
Ak = · h dt =
h(t − k)(−1)n−k hn · k!(n − k)!
a

Zb
(b − a)(−1)n−k
= t(t − 1) · . . . · (t − k + 1)(t − k − 1) · . . . · (t − n) dt
n · k!(n − k)!
a

Az (a − b) - t leválasztva:

Zb
(−1)n−k
Bk := t(t − 1) · . . . · (t − n) dt
n · k!(n − k)!
a

NEWTON - COTES EGYÜTTHATÓK


numerikus analı́zis ii. 48

TULAJDONSÁGAI:

n
X
1. Bk = 1
k=0

2. Bk = Bn−k

A Bk együtthatók értéke néhány n - re:

n együtthatók név

1
1 B0 = B1 = TRAPÉZFORMULA
2

1 4
2 B0 = B2 = , B1 = SIMPSON - FORMULA
6 6

1 3 3
3 B0 = B3 = , B1 = B2 = NEWTON - OS FORMULÁJA
8 8 8

7 32 12
4 B0 = B4 = , B1 = B3 = , B2 = MILNE - FORMULA
90 90 90

3
n = 3m Newton - os formulája:
8

Zb
3h
f (x) dx ≈ [y0 + y3m + 2(y3 + y6 + . . . + y3m−3 ) + 3(y1 + y2 + y4 + y5 + . . . + y3m−1 )]
8
a

A hibatag:

M4 (b − a) 4
H3 = ·h
8 80

Tétel

Ha az n páros szám, akkor az interpolációs tı́pusú kvadratúraformula pontos minden legfeljebb


(n + 1) - edfokú polinomra is.
numerikus analı́zis ii. 49

Megjegyzés :

Nagy n - ekre (n = 6, 7, . . .) a Newton - Cotes formulákat nem célszerű használni, ugyanis

• a hibatagbeli f (n+1) (x) deriváltakat nehéz becsülni,

• a Bk együtthatók közt negatı́v számok is előfordulnak, ami a kerekı́tési hibát kedvezőtlenül


befolyásolja.

2.4. ORTOGONÁLIS POLINOMOK

Definı́ció :

A Φ0 , . . . , Φn n∈N függvények lineárisan függetlenek [ a , b ] - n, ha abból, hogy

(1) c0 Φ0 + . . . + cn Φn ≡ 0, ∀x ∈ [ a , b ] - re,

akkor =⇒ ∀ci = 0 (i = 0, . . . , n).

PÉLDA :

Legyen Pn legfeljebb n - edfokú polinomok tere [ a , b ] - n.

Az 1, x, x2 , . . . , xj , . . . , xn ∀n ∈ N lineárisan független függvényrendszer [ a , b ] - n.

Bizonyı́tás

Indirekt.

Tegyük fel, hogy (1) bal oldalán létezik legalább egy cj , ami nem nulla.

Φj = xj x ∈ [ a , b ].

=⇒ A bal oldali legfeljebb n - edfokú polinom ∀x ∈ [ a , b ] - re nulla =⇒ végtelen sok gyök


lenne, ami ellentmondás.

Definı́ció :

Az integrálható %(x) ≥ 0 függvényt súlyfüggvénynek nevezzük [ a , b ] - n, ha az [ a , b ] egyet-


len részintervallumán sem nulla.
numerikus analı́zis ii. 50

Definı́ció :

Az f és g függvényeket a % súlyfüggvényre nézve ortogonálisaknak nevezzük [ a , b ] - n, ha

Zb
%(x)f (x)g(x) dx = 0
a
n
¡ ¢ X
x, y = xi yi , x, y ∈ Rn
i=1

Definı́ció :

A Φ0 , . . . , Φn függvények ortogonális függvényhalmaz [ a , b ] - n a % súlyfüggvényre nézve,


ha


Zb  0 i 6= j
%(x)Φi (x)Φj (x) dx = , ahol αi > 0 állandó.

a αi j=i

n
¡ ¢ X
x, y = xi yi , x, y ∈ Rn
i=1

p
kxk = (x, x) = 1

x
Az olyan vektor, aminek a hossza 1.
kxk

¨ ¥
§Állı́tás ¦

Ha Φ0 , . . . , Φn ortogonális függvényhalmaz, akkor a függvényhalmaz lineárisan független.


Φj pontosan j - edfokú polinom =⇒ ∀ Pn - beli P (x) legfeljebb n - edfokú polinom egyértelműen
ı́rható fel a következő alakban:

n
X
Pn (x) = αk Φk (x).
k=0

Tétel

Tetszőleges [ a , b ] intervallum és %(x) súlyfüggvény esetén ∃ {Φn }n=1 ortogonális függvényhalmaz
(∀ n - re), ahol Φj pontosan j - edfokú polinom, és ez az előállı́tás egyértelmű állandó szorzótól
eltekintve. Schmidt - féle ortogonalizáció.
numerikus analı́zis ii. 51

Példa :
1
Ha a = −1, b = 1 és %(x) = √ tudjuk, hogy a Csebisev polinomok:
1 − x2
Tn (x) (n = 1, . . . , n) ortogonális polinomok a % súlyfüggvényre.

Tétel

Legyenek Φ0 , . . . , Φn ortogonális polinomok a %(x) súlyfüggvényre nézve [ a , b ] - n, ahol


Φj (x) pontosan j - edfokú polinom.

Ekkor Φj (x) - nek j darab különböző gyöke van az ( a , b ) intervallumban.

Bizonyı́tás

Tekintsük Φ0 (x) = c, ahol c 6= 0 állandó.

Vizsgáljuk:

Zb Zb
%(x)Φ0 (x)Φk (x) dx = 0 = c %(x)Φk (x) = 0 (k < j) =⇒
a a

Φk előjelet kell, hogy váltson [ a , b ] - ben.

Legyen a Φk előjelváltásainak száma s, s < k. Legyen ri i = 1, . . . , s,

ahol előjelet vált Φk (x) =⇒

=⇒ ri - k a Φk páratlan multiplicitású gyökei.

Tekintsük a következő polinomot:

P (x) := (x − r1 ) · . . . · (x − rs )

Ezért P (x)Φk (x) - nek r1 , . . . , rs páros multiplicitású gyökei =⇒ nem vált előjelet.

Feltehető, hogy P (x)Φk (x) ≥ 0 =⇒

Zb
(?) %(x)P (x)Φk (x) dx > 0.
a
numerikus analı́zis ii. 52

s
X
A P (x) s - edfokú polinom (s < k) =⇒ P (x) = ci Φi (x) alakban ı́rható.
i=0

Tekintsük:

Zb Zb à s
! s Z b
X X
%(x)P (x)Φk (x) dx = %(x) ci Φi (x) Φk (x) dx = %(x)Φi (x)Φk (x) dx = 0 (i 6= k)
a a i=0 i=0 a

Φk - nak pontosan k darab egyszeres gyöke van [ a , b ] - ben, ami ellentmondás.


¥

2.5. GAUSS TÍPUSÚ KVADRATÚRAFORMULÁK

Láttuk, hogy az n - edfokú interpolációs kvadratúraformula pontos minden legfeljebb (n − 1) -


edfokú polinomra az alappontrendszer tetszőleges megválasztása esetén. Sőt, páratlan sok alappont
esetén (n páros) a zárt Newton - Cotes kvadratúraformula pontos minden n - edfokú polinomra is (a
felosztás egyenletes és az intervallumok felezőpontjai is alappontok).

KÉRDÉS :

Az alappontok alkalmas megválasztásával az interpolációs kvadratúraformula pontossá tehető-e


magasabb fokszámú polinomokra is?

Ezt Gauss vizsgálta először, ezért e formulákat Gauss tı́pusú kvadratúraformuláknak nevezzük.

Az interpolációs kvadratúraformula általánosı́tása a következő:

Legyen %(x) ≥ 0 súlyfüggvény [ a , b ] - ben és {x1 , . . . , xn } ⊂ [ a , b ] alappontok.

Ekkor az interpolációs kvadratúraformula alakja a következő:

Zb n
X
(1) %(x)f (x) dx ≈ Ak f (xk ),
a k=0

ahol most az (1) interpolációs tı́pusú kvdratúraformula együtthatói:

Zb
ω(x)
Ak = %(x) dx
(x − xk ) ω 0 (xk )
a
numerikus analı́zis ii. 53

Levezetése hasonlóan megy, mint korábban.

ELŐNYEI :

Zb X
a.) Az ϕ(x) dx ≈ Ak ϕ(xk ) %(x) ≥ 0 x ∈ [ a , b ] kvdratúraformula helyett a
a
ϕ(x) = %(x)f (x) felbontással alkalmazva (1) - et, az (1) jobb oldalán csak f (xk ) értékét
kell számolni ϕ(xk ) helyett (esetleg könnyebb).

b.) A hibaformulában is ϕ deriváltjai helyett elegendő f deriváltjait számolni.

(1) - re is igaz a következő tétel:

Tétel

Az n alapponttal rendelkező interpolációs tı́pusú kvadratúraformula pontos minden legfeljebb


(n − 1) - edfokú polinomra.

FONTOS :

Ezentúl az alappontok számı́tását [ a , b ] - ben x1 - gyel kezdjük nem x0 - lal!

a ≤ x1 < x2 < . . . < xn ≤ b

Tegyük fel, hogy


m
X
Pm (x) = ak xk
k=0
az a legmagasabb fokszámú polinom, amelyre az

Zb n
X
(2) %(x)F (x) = Ak f (xk )
a k=1

nem feltétlenül interpolációs tı́pusú kvadratúraformula pontos.

Ha (2) pontos minden legfeljebb m - edfokú Pm polinomra, akkor pontos xj j = 0, 1, . . . , m


polinomra is. =⇒

Zb n
X
(3) %(x)xj dx = Ak xjk j = 0, . . . , m
a k=1
numerikus analı́zis ii. 54

Ez (m + 1) darab feltétel (egyenlet) 2n darab ismeretlenre (n darab alappont és n darab Ak


együttható).

A (3) - nak akkor várható, hogy létezik megoldása, ha

2n ≤ m + 1 =⇒ 2n − 1 ≤ m,

amiből következik, hogy mivel (3) kvadratúraformula, legfeljebb (2n − 1) - edfokú polinomra lehet
pontos.

Tétel

Az n alapponttal rendelkező (x1 , . . . , xn ) most már interpolációs tı́pusú kvadratúraformula min-


den legfeljebb (2n − 1) - edfokú polinomra pontos ⇐⇒ ha az alappontokkal alkotott
ω(x) := (x − x1 ) · . . . · (x − xn ) n - edfokú polinom ortogonális minden legfeljebb (n − 1) - edfokú
polinomra, a % súlyfüggvényre nézve.

Bizonyı́tás

Tegyük fel, hogy a kvadratúraformula pontos minden legfeljebb (2n − 1) - edfokú polinomra.

Legyen Q(x) legfeljebb (n − 1) - edfokú polinom.

Be kell látni, hogy ω(x) ortogonális Q - ra a % súlyfüggvényre nézve.

=⇒ f (x) = ω(x)Q(x) (2n − 1) - edfokú polinom.

Tehát erre (2) pontos, azaz

Zb Zb n
X
(2)
%(x)f (x) dx = %(x)ω(x)Q(x) dx = Ak ω(xk )Q(xk ) = 0
a a k=1

Tegyük fel, hogy ω(x) ortogonális minden legfeljebb (n − 1) - edfokú polinomra.

Legyen f (x) legfeljebb (2n − 1) - edfokú polinom. Ekkor f a következő alakban ı́rható:

(?) f (x) = ω(x)Q(x) + r(x),


numerikus analı́zis ii. 55

ahol ω(x) mint fent, Q(x) és r(x) legfeljebb (n − 1) - edfokú polinom

Zb Zb Zb n
X
(?)
=⇒ %(x)f (x) dx = %(x)ω(x)Q(x) dx + %(x)r(x) dx = Ak f (xk )
a k=1
|a {z } a
0

De az x1 , . . . , xn alappontok még nem ismertek!

Definı́ció :
Zb
Az %(x)xj dx =: µj integrált a % függvény j - edik momentumának nevezzük.
a

Vezessük be a következő Dj mátrixot:


 
µ0 µ1 · · · µj
 
 
µ1 µ2 · · · µj+1 
Dj :=  
 .. .. .. 
. . . 
µj µj+1 · · · µ2j

Tétel

det Dj 6= 0

Bizonyı́tás

Belátjuk, hogy a

(??) Dj a = 0

homogén egyenletrendszernek csak triviális megoldása van.

a = (a1 , . . . , aj )

Tekintsük (??) k - adik sorát:

j
X Zb
¡ ¢
µk+i · ai = %(x)xk a0 + a1 x + . . . + aj xj dx = 0
i=0 a
numerikus analı́zis ii. 56

Ezt ak - val szorozva és k = 0, . . . , j - re összegezve

Zb
¡ ¢2
%(x) a0 + a1 x + . . . + aj xj dx = 0
a

ami csak akkor teljesülhet, ha

∀ ai = 0

Definı́ció :

Tekintsük a következő n - edfokú polinomot:


¯ ¯
¯ µ0 · · · µn−1 1 ¯¯
¯
¯ ¯
¯ ¯
¯ µ1 · · · µ x ¯
1 ¯ n ¯
¯ .. .
.. .. ¯¯
.
(4) ω(x) := ·¯ .
det Dn−1 ¯ ¯
¯µn−1 · · · µ2n−2 xn−1 ¯
¯ ¯
¯ ¯
¯ ¯
¯ µn · · · µ2n−1 xn ¯

Utolsó oszlop szerint kifejtve

ω(x) pontosan n - edfokú 1 főegyütthatójú polinom, ugyanis a főegyütthatója:


1
· det Dn−1 = 1.
det Dn−1

Tétel

Tetszőleges [ a , b ] intervallum és %(x) súlyfüggvény esetén a (4) - gyel definiált ω(x) n -
edfokú polinom

a.) ortogonális minden legfeljebb q, (n − 1) - edfokú polinomra a % súlyfüggvényre nézve.

b.) ω(x) gyökei x1 , . . . , xn egyenesek és ( a , b ) - be esnek.

c.) az ω(x) x1 , . . . , xn gyökein vett (2) interpolációs tı́pusú kvadratúraformula pontos minden
legfeljebb (2n − 1) - edfokú polinomra.

Bizonyı́tás

a.) Szorozzuk (4) - et %(x)xk - val (k = 0, . . . , n − 1)


numerikus analı́zis ii. 57

¯ ¯
¯ µ0 ··· µn−1 xk ¯
¯ ¯
¯ ¯
¯ ¯
¯ µ1 ··· µn x k+1 ¯
1 ¯ ¯
¯ .. ¯
(4) =⇒ %(x)ω(x)xk = · ¯ ... ..
. . ¯¯ k = 0, . . . , n − 1
det Dn−1 ¯
¯µn−1 · · · µ2n−2 xn+k−1 ¯
¯ ¯
¯ ¯
¯ ¯
¯ µn · · · µ2n−1 xn+k ¯

Integrálva [ a , b ] - n:
¯ ¯
¯ µ0 ··· µn−1 µk ¯
¯ ¯
¯ ¯
¯ ¯
Zb ¯ µ1 ··· µn µk+1 ¯¯
1 ¯
¯ .. ¯ = 0
k
%(x)ω(x)x dx = · ¯ ... ..
. . ¯¯
det Dn−1 ¯
a ¯µn−1 · · · µ2n−2 µn+k−1 ¯¯
¯
¯ ¯
¯ ¯
¯ µn · · · µ2n−1 µn+k ¯

mivel a determináns két oszlopa egyenlő ∀ k = 0, . . . , n − 1.

b.) Ez az állı́tás következik a általános tételből ortogonális polinomokra.

Tehát ω(x) - nek létezik n darab különböző gyöke a , b ) - ben, x1 , . . . , xn .

c.) Ez következik a.) - ból és a tételből az 54. oldalon.

TULAJDONSÁGOK :

1.) A fenti ω(x) 1 főegyütthatójú n - edfokú polinom egyértelmű.

Ugyanis, ha ω
e (x) egy másik n - edfokú polinom lenne, akkor

Q(x) = ω(x) − ω
e (x) (n − 1) - edfokú lenne =⇒

Zb
%(x)Q2 (x) dx = 0 kellene, hogy teljesüljön, ami csak akkor igaz, ha Q(x) ≡ 0,
a
azaz ω(x) = ω
e (x).

2.) A Gauss tı́pusú kvadratúraformulák együtthatói pozitı́v számok.


numerikus analı́zis ii. 58

3.) Nem létezik olyan 2n - edfokú polinom, amelyre a kvadratúraformula pontos lenne.

4.) A kvadratúraformula hibája:

Zb
f ( 2n) (ξ)
Hn (f ) = %(x)ω 2 (x) dx.
(2n)!
a

Az f (2n) (ξ) melletti együtthatókat adott % - ra és ortogonális polinomrendszer esetén táblázatokban
adjuk meg.

ÖSSZEFOGLALVA :
N (∞)
Adott [ a , b ] intervallum és adott %(x) súlyfüggvény esetén tekintsük a {Pn (x)}n=0 orto-
gonális polinomok halmazát [ a , b ] - n.

Pn (x) - nek létezik n darab x1 , . . . , xn egyszeres gyöke [ a , b ] - ben.

x1 , . . . , xn - t a kvadratúraformula alappontjainak véve az

Zb n
X
%(x)f (x) dx ≈ Ak f (xk )
a k=1

pontos lesz minden legfeljebb (2n − 1) - edfokú polinomra.

Zb
Pn (x)
(5) Ak = %(x) dx,
(x − xk )Pn0 (xk )
a

Pn (x) = an (x − x0 ) · . . . · (x − xn )

Az Ak együtthatók kiszámı́tását megkönnyı́ti az úgynevezett

CHRISTOFFEL - DARBOUX - FÉLE AZONOSSÁG :

an+1 γn
Ak = − (k = 1, . . . , n)
an Pn+1 (xk )P 0 (x : k)

Zb
ahol γn = %(x)P 2 (x) dx (k = 1, . . . , n)
a
numerikus analı́zis ii. 59

Így a kvadratúraformula hibája:

γn
Hn (f ) = 2
f (2n) (ξ).
an (2n)!

2.6. KLASSZIKUS ORTOGONÁLIS POLINOMOK SEGÍTSÉGÉVEL FELÉPÍTETT


GAUSS - KVADRATÚRÁK

2.6.1. Legendre - Gauss kvadratúra

Legyen %(x) ≡ 1, [ a , b ] = [ −1 , 1 ], és jelölje Pn (x) az n - edfokú ortogonális polinomot.

Könnyű arról meggyőződni, hogy

¡ ¢n
n! dn x2 − 1
(1) Pen (x) = ·
(2n)! dxn

RODRIGUES - FORMULA

n!
helyett tetszőleges Kn együtthatóval.
(2n)!

Nyilván Pen (x) főegyütthatója 1. Vezessük be a következő jelölést:

n! ¡ 2 ¢n
(2) ϕ(x) := · x −1
(2n)!

Ekkor Pen (x) = ϕ(n) (x), és világos, hogy

(3) ϕ(k) (±1) = 0, k = 0, . . . , n − 1.

Legyen Q ∈ C (n) [ a , b ]. Ekkor parciálisan integrálva és (3) - at felhasználva =⇒

Z1 Z1 h i1 Z1
Pen (x)Q(x) dx = Q(x)ϕ (n)
(x) dx = Q(x)ϕ(n−1)
(x) − Q0 (x)ϕ(n−1) (x) dx = . . .
−1
−1 −1 −1

Z1
. . . = (−1)n Q(n) (x)ϕ(x) dx.
−1
numerikus analı́zis ii. 60

Ha Q(x) legfeljebb (n − 1) - edfokú polinom, akkor Q(n) (x) ≡ 0, és ı́gy

Z1
Pen (x)Q(x) dx = 0.
−1

A Pn (x) polinomokat LEGENDRE - POLINOMOK - nak nevezzük.

Gyökeiket és az Ak együtthatókat táblázatokban közlik.

PÉLDA : n = 5 - re:

P0 (x) = 1 Pe0 (x) ≡ 1

P1 (x) = x Pe1 (x) = x

3 1 1¡ 2 ¢
P2 (x) = x2 − Pe2 (x) = 3x − 1
2 2 3
5 3 1¡ 3 ¢
P3 (x) = x3 − x Pe3 (x) = 5x − 3x
2 2 5
35 4 15 2 3 1 ¡ ¢
P4 (x) = x − x + Pe4 (x) = 35x4 − 30x2 + 3
8 4 8 35
63 5 35 3 15
P5 (x) = x − x + x
8 4 8

1 dn ¡ 2 ¢n
Itt: Pn (x) = · · x − 1
2n · n! dxn

Ak xk

0.236927 −0.906180
0.478629 −0.538469
0.568889 0
0.478629 0.538469
0.236927 0.908180
numerikus analı́zis ii. 61

A Legendre - Gauss kvadratúra tetszőleges véges [ a , b ] intervallumra is alkalmazható: A

2 a+b
t := x− , a≤x≤b
b−q 2

lineáris helyettesı́tés kölcsönösen egyértelmű módon képezi le [ a , b ] - t [ −1 , 1 ] - re, ı́gy =⇒

b−a a+b
x= t+ .
2 2

Legyen
µ ¶
b−a a+b
g(t) := f t+ . (közvetett függvény)
2 2

Ekkor

Zb Z1 n
b−a b−aX
f (x) dx = g(t) dt ≈ Ak g(xk )
2 2
a −1 k=1

dg b−a 0
Mivel = f (x), az [ a , b ] - n a HIBA:
dt 2

(b − a)2n+1 (n!)4 (2n)


(?) Hn (f ) = f (ξ) , (a ≤ ξ ≤ b).
(2n + 1) [(2n)!]3

Tehát a kvadratúra hibája az intervallum hosszának (2n + 1) - edik hatványával arányos.

Ez a hiba csökkenthető [ a , b ] részekre bontásával.

Osszuk fel [ a , b ] - t m egyenlő részre!

b−a
h= , xj = a + jh, (j = 0, . . . , m).
m

Így:
x 
Zb Z 1 Zx2 Zxm
f (x) dx =  + + . . . +  f (x) dx,
a x0 x1 xm−1

és alkalmazzuk mindegyik integrálra (minden részintervallumon) az n alappontú Legendre - Gauss


kvadratúrát. Ekkor (?) - ból =⇒ a hiba
numerikus analı́zis ii. 62

1 (b − a)2n+1 (n!)4 (2n)


Hn (f ) = · f (ξ) , (a ≤ ξ ≤ b)
m2n (2n + 1) [(2n)!]3

alakban ı́rható.

Tehát a hiba ı́gy m2n részére csökken, ugyanis minden más tényező változatlan marad.

Így nyerjük az úgynevezett ÖSSZETETT KVADRATÚRA SZABÁLYT, ami nagyon hatásos módszer
a nu7merikus kvadratúra pontosságának növelésére.

REKURZÍV FORMULA LEGENDRE - POLINOMOKRA :

(n + 1)Pn+1 (x) − (2n + 1)xPn (x) + nPn−1 (x) = 0


P0 (x) = 1 
3
n = 1 - re ahonnan =⇒ P2 (x) = x2 + 1, . . .
 2
P1 (x) = x

2.6.2. Csebisev - Gauss kvadratúra

Z1 Xn
1
√ f (x) dx = Ak f (xk ) + Hn (f ),
1 − x2 k=1
−1

ahol

(2k − 1)π
xk = cos , k = 1, . . . , n alappontok a Tn (x) = cos(n arccos x)
2n

Csebisev polinomok gyökei.

π
an = 2n−1 , γn =
2

π
(?) Ak = , k = 1, . . . , n és
Tn+1 (xk )Tn0 (xk )


Hn (f ) = f (2n) (η)
22n (2n)!

A (?) kifejezés egyszerűsı́thető:


numerikus analı́zis ii. 63

Legyen

(2k − 1)π
θk := , k = 1, . . . , n.
2n

Ekkor

Tn+1 (xk ) = cos(n + 1)θk = cos nθk cos θk − sin nθk sin θk = (−1)k sin θk .

Igaz továbbá, hogy

n sin nθk (−1)k−1 n


Tn0 (xk ) = = .
sin θk sin θk

A két utóbbi kifejezést (?) - ba ı́rva =⇒

π
Ak = k = 1, . . . , n.
n

Tehát minden együttható egyenlő, és ı́gy a Csebisev - Gauss kvadratúraformula a következő alakú
lesz:

Z1 n
f (x) πX
√ dx ≈ f (xk )
1 − x2 n
−1 k=1

REKURZÍV FORMULA CSEBISEV POLINOMOKRA :

Tn+1 (x) − 2xTn (x) + Tn−1 (x) = 0

3. APPROXIMÁCIÓELMÉLET