Skip to main content
Top

2018 | Book

Approximation

insite
SEARCH

About this book

Dieses Lehrbuch bietet eine anschauliche Einführung in die Theorie und Numerik der Approximation mit Bezügen zu aktuellen Anwendungen der Datenanalyse. Dabei werden klassische Themen der Approximation mit relevanten Methoden der mathematischen Signalverarbeitung verknüpft und gut nachvollziehbar erklärt.

Bei den Herleitungen der verschiedenen Approximationsmethoden werden konstruktive Zugänge bevorzugt. Dies führt direkt zu numerischen Algorithmen, deren Implementierung im Detail erklärt wird. Weiterhin illustriert eine Vielzahl an Beispielen die theoretischen und numerischen Grundlagen.

Das Lehrbuch behandelt u.a. folgende Themen:

Bestapproximationen in normierten linearen Räumen

Approximation in euklidischen Räumen

Tschebyscheff-Approximation

Asymptotische Resultate der Approximation

Kern-basierte Approximation mit gitterfreien Methoden

Approximationsmethoden der Computertomographie

Neben zahlreichen Beispielen sind für die weitere Vertiefung der Kernthemen auch viele Übungsaufgaben mit Lösungshinweisen enthalten.

Table of Contents

Frontmatter
1. Einführung
Zusammenfassung
Aktuelle Anwendungen in den Natur-, Ingenieur- und Finanzwissenschaften erfordern leistungsfähige mathematische Methoden zur Analyse von großen Datenmengen. Mit der rapide wachsenden Komplexität relevanter Anwenderdaten und bei beschränkten Rechenkapazitäten werden effiziente numerische Algorithmen gesucht, die komplexe Systeme mit möglichst wenigen Parametern simulieren.
Armin Iske
2. Grundlegende Methoden und Algorithmen
Zusammenfassung
In diesem Kapitel diskutieren wir grundlegende mathematische Methoden und numerische Algorithmen zur Interpolation und Approximation von Funktionen einer Veränderlichen. Die einzelnen Konzepte sollten weitgehend aus der numerischen Mathematik bekannt sein.
Armin Iske
3. Bestapproximationen
Zusammenfassung
In diesem Kapitel analysieren wir grundsätzliche Fragen der Approximation. Dabei sei \( \mathcal{F} \) ein linearer Raum, ausgestattet mit einer Norm ∥.∥, und \( \mathcal{S} \)\( \mathcal{F} \) eine nichtleere Teilmenge von \( \mathcal{F} \). Bei der Approximation eines f ∈ \( \mathcal{F} \)\\( \mathcal{S} \) durch Elemente aus \( \mathcal{S} \) sind wir daran interessiert, ein s*\( \mathcal{S} \) zu finden, dessen Abstand zu f minimal ist unter allen Elementen aus \( \mathcal{S} \). Dies fürt uns sofort zu dem Begriff der Bestapproximation.
Armin Iske
4. Euklidische Approximation
Zusammenfassung
In diesem Kapitel widmen wir uns der Approximation in euklidischen Räumen. Hierbei sei \( \mathcal{F} \) ein linearer Raum, der mit einer Norm ∥.∥ ausgestattet ist, die durch ein Skalarprodukt definiert ist,
$$ \left\| f \right\|\, = (f,f)^{1/2} \; \mathrm{f}\mathrm{ü}\mathrm{r}\;f \in \mathcal{F}. $$
Armin Iske
5. Tschebyscheff-Approximation
Zusammenfassung
In diesem Kapitel studieren wir, für ein Kompaktum \(\Omega\subset \mathbb{R}^d , d\geq1,\) die Approximation von stetigen Funktionen aus dem linearen Raum.
$$\mathscr{C}(\Omega ) = \{ u:\Omega \to {\mathbb{R| }}u\,{\rm{stetig}}\} $$
bezüglich der Maximumnorm
$$\parallel u{\parallel _\infty } = \mathop {\max }\limits_{x \in \Omega } |u(x)|\,\,\,\,\,f\ddot{u} r\,u \in \mathscr{C}(\Omega ).$$
Armin Iske
6. Asymptotische Aussagen
Zusammenfassung
In diesem Kapitel beweisen wir asymptotische Aussagen zur Quantifizierung des Konvergenzverhaltens von algebraischen und trigonometrischen Partialsummen-Approximationen an \( f \epsilon \mathscr{C}[a,b] \ \text{bzw}.\ f \epsilon \mathscr{C}_2\pi. \)
Im trigonometrischen Fall spielt die Analyse von Fourier-Partialsummen eine zentrale Rolle. Wir hatten uns in Kapitel 4 mit Fourier-Partialsummen
Armin Iske
7. Basiskonzepte zur Signal-Approximation
Zusammenfassung
In diesem Kapitel studieren wir grundlegende Konzepte der Fourier- und Wavelet-Analysis. Wir führen die kontinuierliche Fourier-Transformation \( \mathcal{F} \) als lineare Integraltransformation
$$ (\mathcal{F}f)(\omega)\ =\ \int_\mathbb{R} f(x) \cdot e^{-ix\omega} d\omega \quad \quad \text{für}\ f\epsilon L^1(\mathbb{R})$$
(7.1)
auf dem Banach-Raum \( L^1(\mathbb{R}) \) der absolut Lebesgue-integrierbaren Funktionen ein.
Armin Iske
8. Approximation mit positiv definiten Kernen
Zusammenfassung
Dieses Kapitel ist der Interpolation und Approximation von multivariaten Funktionen gewidmet. Dabei bezeichnet \( f : \Omega \rightarrow\mathbb{R} \) eine stetige Funktion über einem Gebiet \( \Omega\subset\mathbb{R}^d ,\ \text{für} d>1.\) Weiterhin sei \( X={x_1,...,x_n}\subset\Omega \) eine Menge von n paarweise verschiedenen Stützstellen, zu denen wir die Funktionswerte von f, zusammengefasst in einem Datenvektor
$$ f_X = (f(x_1),...,f(x_n))^T = (f_1,...,f_n)^T \epsilon\mathbb{R}^n,$$
(8.1)
als bekannt annehmen.
Armin Iske
9. Computertomographie
Zusammenfassung
Die Computertomographie (CT) ist eine bekannte bildgebende Methode in der Radiologie, bei der Röntgen-Aufnahmen zur Berechnung von Schnittbildern verarbeitet werden. Mit diesen Schnittbildern wird die innere Struktur des Körpers, etwa von Organen, Gewebe oder Knochen, schichtweise visualisiert. Allerdings hat die Computertomographie weitere wichtige technische Anwendungen, z.B. in der zerstörungsfreien Materialprüfung.
Armin Iske
Backmatter
Metadata
Title
Approximation
Author
Prof. Armin Iske
Copyright Year
2018
Publisher
Springer Berlin Heidelberg
Electronic ISBN
978-3-662-55465-4
Print ISBN
978-3-662-55464-7
DOI
https://doi.org/10.1007/978-3-662-55465-4

Premium Partner