Polynominterpolation

aus Wikipedia, der freien Enzyklopädie

Du hast neue Nachrichten auf deiner Diskussionsseite.

Unter Polynominterpolation versteht man die Lösung der Aufgabe, ein Polynom zu finden, das n+1 gegebene Zuordnungen enthält und damit interpoliert. Für n+1 gegebene paarweise verschiedene Punkte gibt es genau ein Polynom n-ten Grades, das diese erfüllt. Jenes nennen wir das Interpolations-Polynom.

Ein Polynom n-ten Grades hat n+1 Koeffizienten, also ebenso viele Freiheitsgrade. Die Lösung des Interpolationsproblems kann also durch ein lineares Gleichungssystem bestimmt werden. Wie dieses Gleichungssystem genau aussieht, hängt von der gewählten Darstellung beziehungsweise Basis ab. Die Eindeutigkeit folgt daraus, dass ein Polynom n-ten Grades mit reellen oder komplexen Koeffizienten, das nicht das Nullpolynom ist, höchstens n Nullstellen hat. Die Differenz zweier verschiedener Lösungen wäre aber an allen n+1 Interpolationsstellen gleich 0.

[Bearbeiten] Newton-Basis

Die so genannte Newton-Basis hat sich hier bewährt:

$N_{k}(x) = \begin{cases} 1 & : k=0 \\ \prod_{j=0}^{k-1}(x-x_{j}) & : k\ge1 \end{cases}$

Das Interpolationspolynom wird gegeben durch

$P(x) = \sum_{k=0}^{n} c_{k}N_{k}(x).$

Die unbekannten Koeffizienten $c k$ können hier mittels des Neville-Aitken-Schemas (auch „Aitken-Neville-Schema“ oder „Schema der dividierten Differenzen“ genannt) effizient und stabil berechnet werden.

Wenn das Feld x die Stützstellen x(1)...x(n) und das Feld y die Stützwerte y(1) bis y(n) enthält, dann liefert der folgende BASIC-Algorithmus die Koeffizienten $c 1, c 2,..., c n$ . Die Programmsequenz verändert dazu das Feld y derart, dass der Koeffizient $c 1$ in y(1) steht, $c 2$ in y(2) bis $c n$ in y(n).

   For i = 1 To n
       For j = n To i + 1 Step -1
           y(j) = (y(j) - y(j-1)) / (x(j) - x(j-i))
       Next j
   Next i

Das folgende Programm liefert, ausgehend von den oben berechneten Koeffizienten und Stützstellen, den Wert der Interpolationsfunktion an der Stelle x_Wert.

   y_Wert = 0
   For i = n To 1 Step -1
       y_Wert = y_Wert * (x_Wert - x(i)) + y(i)
   Next i

Ferner ist die Auswertung eines Polynoms in Newton-Darstellung mittels des Horner-Schemas in linearem Zeitaufwand möglich.

[Bearbeiten] Lagrange-Basis

Eher für theoretische Betrachtungen günstig ist eine Darstellung in der Lagrange-Basis. Hier nennt man die Basisfunktionen Lagrange-Polynome:

$\ell_{i}(x) = \prod_{j=0, j \neq i}^{n} \frac{x-x_{j}}{x_{i}-x_{j}}.$

Die Lösung des Interpolationsproblems lässt sich dann einfach angeben als

$P(x) = \sum_{i=0}^{n} f(x_{i})\ell_{i}(x).$

Dies wird häufig benutzt, um die Existenz der Lösung des Interpolationsproblems zu beweisen.

Der große Vorteil der Newton-Basis ist, dass sich dort neue Punkte sehr leicht einfügen lassen, indem man einfach am Ende noch einen Term anhängt. Bei der Lagrange-Basis muss man alle Basisfunktionen komplett neu berechnen.

[Bearbeiten] Probleme

Polynome haben den Nachteil, dass sie viele Extrema haben und deswegen bei hohem Polynomgrad recht stark schwingen, weswegen es manchmal vorteilhaft ist, das Interpolationspolynom aus Teil-Polynomen zusammenzusetzen (siehe Runges Phänomen und Spline-Interpolation).

[Bearbeiten] Anwendungen

Polynome lassen sich sehr leicht integrieren und ableiten. Deswegen tauchen interpolierende Polynome an vielen Stellen in der numerischen Mathematik auf, beispielsweise bei der numerischen Integration und entsprechend bei Verfahren zur numerischen Lösung gewöhnlicher Differentialgleichungen.