Approximationstheorie
Approximationstheorie
Approximationstheorie
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
62 3 APPROXIMATION IN LINEAREN RÄUMEN<br />
Ergebnis: A ′ ⊂ X, #A ′ = n + 1, mit<br />
sgn (f − φ) x ′ j<br />
und es gibt δ > 0 und x ∈ A ′ , so daß<br />
′<br />
= −sgn (f − φ) x j−1 , j = 1, . . . , n,<br />
|(f − φ) (x)| = f − φ und |(f − φ) (x ′ )| = δ ≤ f − φ , x ′ ∈ A \ {x}.<br />
Dieser Austauschschritt ersetzt also, wenn möglich, genau einen Punkt in einer (diskreten)<br />
Alternante und zwar so, daß an diesem Punkt ein echt größerer Wert angenommen wird. Die<br />
Norm ist nicht unbedingt notwendig und sorgt lediglich dafür, daß die erreichte “Vergrößerung”<br />
so groß ist wie möglich. Ein “normaler” Austauschschritt ist in Abb 3.5 dargestellt.<br />
x0<br />
x1<br />
x<br />
Abbildung 3.5: Ein Austauschschritt des Remez–Algorithmus, der benachbarte Punkt der<br />
diskreten Alternante mit demselben Vorzeichen wird durch die Abszisse des Maximums<br />
ersetzt.<br />
Übung 3.12 Zeigen Sie: Ist Φ ⊂ C(X) ein n–dimensionaler Haar–Raum, dann ist Φ auch ein<br />
Haar–Raum auf A für jedes A ⊂ X, #A ≥ n + 1, und umgekehrt. ♦<br />
Bemerkung 3.33 Ein Problem bleibt allerdings ungelöst in Algorithmus 3.32, ganz einfach<br />
deswegen, weil es für beliebige stetige Funktionen halt einfach nicht zu lösen ist, nämlich die<br />
Bestimmung des Maximum. Der naive Ansatz, die Funktion f − φ einfach “fein genug” abzutasten,<br />
scheitert daran, daß man über eine stetige Funktion kaum Aussagen machen kann, wenn<br />
man sie nur an endlich vielen Werten kennt.<br />
Anders sieht die Sache schon aus, wenn man beispielsweise weiß, daß die Funktion f und alle<br />
Funktionen aus Φ “kontrolliert” stetig sind 76 .<br />
76 Beispielsweise Lipschitz–stetig.<br />
x2<br />
x3<br />
x4<br />
x5