Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ... Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
24 Lineare und nichtlineare Gleichungen –0.5 –1 y –1.5 –2 –1 –0.5 0 0.5 1 x Abbildung 2.1: Bahn eines Himmelskörpers Das Zeichnen der Ellipse geschieht am einfachsten mit Hilfe des implicitplot-Befehl von Maple. Die in Abbildung 2.1 gezeichnete Ellipse haben wir mit den folgenden Befehlen gewonnen: with(plots): a:=-1.383: b:=-0.665: c:=-0.671: d:=-3.371: e:=-0.475: implicitplot(x^2=a*y^2+b*x*y+c*x+d*y+e,x=-1.3..1.4,y=-2.4..0, grid=[80,80],scaling=constrained); Eine entsprechende Abbildung mit MATLAB herzustellen wäre wohl komplizierter. ✷ Beispiel: Interpolationsprobleme führen sehr oft auf die Aufgabe, ein lineares Gleichungssystem zu lösen. Gegeben seien z. B. paarweise verschiedene sogenannte Stützstellen x 0 ,...,x n ∈ R sowie zugehörige Stützwerte f 0 ,...,f n ∈ R. Mit P n bezeichnen wir den (n +1)-dimensionalen linearen Raum der Polynome vom Grad ≤ n. DieInterpolationsaufgabe bestehe darin, ein p ∈P n mit p(x i )=f i , i =0,...,n,zubestimmen. Diese Aufgabe ist eindeutig lösbar. Um dies einzusehen wähle man eine Basis von P n , es sei also P n =span{v 0 ,...,v n }.Z.B.istv j (x) :=x j , j =0,...,n (Monom-Basis). Der Ansatz p(x) = n j=0 α jv j (x) genügt den geforderten Interpolationsbedingungen genau dann, wenn n j=0 α jv j (x i )=f i , i =0,...,n, bzw. α =(α 0 ,...,α n ) T Lösung des linearen Gleichungssystems ⎛ ⎞ ⎛ ⎛ ⎜ ⎝ v 0 (x 0 ) ··· v n (x 0 ) ⎟ ⎜ . . ⎠ ⎝ v 0 (x n ) ··· v n (x n ) ⎞ α 0 . α n ⎟ ⎠ = ⎜ ⎝ ⎞ f 0 ⎟ . ⎠ f n ist. Die Koeffizientenmatrix dieses linearen Gleichungssystems ist nichtsingulär. Denn ist ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ v 0 (x 0 ) ··· v n (x 0 ) β 0 0 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ . . ⎠ ⎝ . ⎠ = ⎝ . ⎠ , v 0 (x n ) ··· v n (x n ) β n 0
2.1 Lineare Gleichungssysteme 25 so ist q(x) := n j=0 β jv j (x) ein Polynom aus P n mit den n +1paarweise verschiedenen Nullstellen x 0 ,...,x n ,alsonotwendigerweisedasNullpolynom.Daheristdasoben angegebene Interpolationsproblem stets eindeutig lösbar. Bei der praktischen Anwendung nutzt man aus, dass man die Wahl einer Basis von P n in der Hand hat. Wählt man die Monombasis, so erhält man als Koeffizientenmatrix eine sogenannte Vandermondesche Matrix ⎛ ⎞ 1 x 0 x 2 0 ··· x n 0 1 x 1 x 2 1 ··· x n 1 V := 1 x 2 x 2 2 ··· x n 2 , ⎜ ⎝ . . . . .. ⎟ . ⎠ 1 x n x 2 n ··· x n n also eine voll besetzte Matrix, die i. Allg. auch noch ungünstige Stabilitätseigenschaften hat (was hier nicht näher erläutert werden soll). Das andere Extrem besteht darin, dass man eine sogenannte Lagrange-Basis wählt. Hier ist das j-te Basiselement gegeben durch L j (x) := n k=0 k=j x − x k x j − x k , j =0,...,n. Wegen L j (x i )=δ ij (Kronecker-Symbol), 0 ≤ i, j ≤ n, isthierdieKoeffizientenmatrix im linearen Gleichungssystem die Identität und p(x) = n f j L j (x) j=0 die sogenannte Lagrange-Darstellung des Interpolationspolynoms. Bei der Newton- Darstellung ist das j-te Basiselement durch j−1 N j (x) := (x − x k ), j =0,...,n k=0 gegeben (wobei natürlich N 0 (x) =1). Wegen N j (x i )=0, i =0,...,j − 1, istnun die Koeffizientenmatrix im linearen Gleichungssystem eine untere Dreiecksmatrix (mit nichtverschwindenden Diagonalelementen). Dies erlaubt das sukzessive Lösen des linearen Gleichungssystems durch sogenannte Vorwärtssubstitution. Der Newton-Ansatz hat gegenüber dem von Lagrange den Vorteil, dass die Hinzunahme einer neuen Stützstelle nicht die gesamte bisherige Arbeit überflüssig macht. Anmerkungen zur Interpolation von Polynomen auf relativ elementarem Niveau findet man auch bei T. Sonar (2001, S. 59 ff.) 2 . Eine Interpolation mit Polynomen hohen Grades ist nicht sinnvoll, weil die entstehenden Polynome zu starken Oszillationen neigen. Dies wollen wir durch ein berühmtes 2 T. Sonar (2001) Angewandte Mathematik, Modellbildung und Informatik. Eine Einführung für Lehamtsstudenten, Lehrer und Schüler. Viewg, Braunschweig-Wiesbaden.
- Seite 1 und 2: Kapitel 2 Lineare und nichtlineare
- Seite 3 und 4: 2.1 Lineare Gleichungssysteme 21 Is
- Seite 5: 2.1 Lineare Gleichungssysteme 23 Se
- Seite 9 und 10: 2.1 Lineare Gleichungssysteme 27
- Seite 11 und 12: 2.1 Lineare Gleichungssysteme 29 Da
- Seite 13 und 14: 2.1 Lineare Gleichungssysteme 31 >
- Seite 15 und 16: 2.1 Lineare Gleichungssysteme 33 Es
- Seite 17 und 18: 2.1 Lineare Gleichungssysteme 35 Da
- Seite 19 und 20: 2.1 Lineare Gleichungssysteme 37 Da
- Seite 21 und 22: 2.1 Lineare Gleichungssysteme 39 un
- Seite 23 und 24: 2.1 Lineare Gleichungssysteme 41 fu
- Seite 25 und 26: 2.1 Lineare Gleichungssysteme 43 Di
- Seite 27 und 28: 2.1 Lineare Gleichungssysteme 45 x(
- Seite 29 und 30: 2.1 Lineare Gleichungssysteme 47 8
- Seite 31 und 32: 2.1 Lineare Gleichungssysteme 49
- Seite 33 und 34: 2.2 Nichtlineare Gleichungen und Gl
- Seite 35 und 36: 2.2 Nichtlineare Gleichungen und Gl
- Seite 37 und 38: 2.2 Nichtlineare Gleichungen und Gl
- Seite 39 und 40: 2.2 Nichtlineare Gleichungen und Gl
- Seite 41 und 42: 2.2 Nichtlineare Gleichungen und Gl
- Seite 43 und 44: 2.2 Nichtlineare Gleichungen und Gl
- Seite 45 und 46: 2.2 Nichtlineare Gleichungen und Gl
- Seite 47 und 48: 2.2 Nichtlineare Gleichungen und Gl
- Seite 49 und 50: 2.2 Nichtlineare Gleichungen und Gl
- Seite 51 und 52: 2.2 Nichtlineare Gleichungen und Gl
- Seite 53 und 54: 2.2 Nichtlineare Gleichungen und Gl
- Seite 55 und 56: 2.2 Nichtlineare Gleichungen und Gl
24 <strong>Lineare</strong> <strong>und</strong> <strong>nichtlineare</strong> <strong>Gleichungen</strong><br />
–0.5<br />
–1<br />
y<br />
–1.5<br />
–2<br />
–1 –0.5 0 0.5 1 x<br />
Abbildung 2.1: Bahn eines Himmelskörpers<br />
Das Zeichnen der Ellipse geschieht am einfachsten mit Hilfe des implicitplot-Befehl<br />
von Maple. Die in Abbildung 2.1 gezeichnete Ellipse haben wir mit den folgenden<br />
Befehlen gewonnen:<br />
with(plots):<br />
a:=-1.383: b:=-0.665: c:=-0.671: d:=-3.371: e:=-0.475:<br />
implicitplot(x^2=a*y^2+b*x*y+c*x+d*y+e,x=-1.3..1.4,y=-2.4..0,<br />
grid=[80,80],scaling=constrained);<br />
Eine entsprechende Abbildung mit MATLAB herzustellen wäre wohl komplizierter. ✷<br />
Beispiel: Interpolationsprobleme führen sehr oft auf die Aufgabe, ein lineares Gleichungssystem<br />
zu lösen. Gegeben seien z. B. paarweise verschiedene sogenannte Stützstellen<br />
x 0 ,...,x n ∈ R sowie zugehörige Stützwerte f 0 ,...,f n ∈ R. Mit P n bezeichnen<br />
wir den (n +1)-dimensionalen linearen Raum der Polynome vom Grad ≤ n. DieInterpolationsaufgabe<br />
bestehe darin, ein p ∈P n mit p(x i )=f i , i =0,...,n,zubestimmen.<br />
Diese Aufgabe ist eindeutig lösbar. Um dies einzusehen wähle man eine Basis von P n ,<br />
es sei also P n =span{v 0 ,...,v n }.Z.B.istv j (x) :=x j , j =0,...,n (Monom-Basis).<br />
Der Ansatz p(x) = n<br />
j=0 α jv j (x) genügt den geforderten Interpolationsbedingungen<br />
genau dann, wenn n<br />
j=0 α jv j (x i )=f i , i =0,...,n, bzw. α =(α 0 ,...,α n ) T Lösung des<br />
linearen Gleichungssystems<br />
⎛<br />
⎞ ⎛ ⎛<br />
⎜<br />
⎝<br />
v 0 (x 0 ) ··· v n (x 0 )<br />
⎟ ⎜<br />
.<br />
. ⎠ ⎝<br />
v 0 (x n ) ··· v n (x n )<br />
⎞<br />
α 0<br />
.<br />
α n<br />
⎟<br />
⎠ =<br />
⎜<br />
⎝<br />
⎞<br />
f 0<br />
⎟<br />
. ⎠<br />
f n<br />
ist. Die Koeffizientenmatrix dieses linearen Gleichungssystems ist nichtsingulär. Denn<br />
ist<br />
⎛<br />
⎞ ⎛ ⎞ ⎛ ⎞<br />
v 0 (x 0 ) ··· v n (x 0 ) β 0 0<br />
⎜<br />
⎟ ⎜ ⎟ ⎜ ⎟<br />
⎝ .<br />
. ⎠ ⎝ . ⎠ = ⎝ . ⎠ ,<br />
v 0 (x n ) ··· v n (x n ) β n 0