
- •Численные методы (Вычислительная математика) Санкт-Петербург
- •Оглавление
- •Глава 1. Элементарная теория погрешностей........................10
- •Глава 2.Численные методы решения уравнений……………24
- •Глава 3. Приближенное представление функций.................50
- •Предисловие
- •Введение
- •Глава 1. Элементарная теория погрешностей
- •1.1. Приближенные числа и их погрешности
- •1.2. Правила приближенных вычислений и оценка погрешностей при вычислениях
- •1.3. Неустранимая погрешность вычисления значения функции
- •1.4. Обеспечение заданной точности результата
- •Глава 2.Численные методы решения уравнений
- •2.1. Итерационные методы решения нелинейных уравнений
- •2.2. Метод половинного деления
- •2.3. Метод хорд
- •2.4. Метод касательных (метод Ньютона).
- •2.5. Комбинированный метод хорд и касательных
- •2.6.Метод итераций
- •2.7. Решение систем линейных уравнений методом итераций.
- •2.9. Метод итераций для нелинейных систем уравнений
- •Глава 3. Приближенное представление функций (аппроксимация, интерполяция)
- •3.1. Интерполирование функции алгебраическими многочленами
- •3.2. Единственность интерполяционного многочлена
- •3.3. Интерполяционная формула Лагранжа
- •3.4. Погрешность интерполяционной формулы Лагранжа
- •3.5. Погрешность линейной интерполяции
- •3.6.Конечные разности и их свойства
- •3.7.Интерполяционная формула Ньютона (для равностоящих узлов)
- •3.10. Эмпирические формулы и метод наименьших квадратов
- •Глава 4. Численное дифференцирование и интегрирование
- •4.1. Дифференцирование на основе интерполяционной формулы Ньютона
- •4.2. Дифференцирование на основе формулы Стирлинга
- •4.3. Дифференцирование на основе интерполяционной формулы Лагранжа
- •Глава 5. Численное интегрирование функций
- •5.1. Квадратурные формулы Ньютона-Котеса
- •5.2. Формула трапеций
- •5.3. Формула Симпсона (формула парабол)
- •5.4. Формулы Ньютона – Котеса высших порядков
- •Глава 6. Численное интегрирование обыкновенных дифференциальных уравнений
- •6.1. Метод Эйлера
- •6.2. Метод Рунге – Кутта
- •6.3. Метод Адамса
- •Глава 7. Численные методы оптимизации
- •7.1. Градиентные методы
- •7.2. Метод Франка – Вулфа
- •7.3. Метод наискорейшего спуска
- •7.4. Метод штрафных функций
- •Литература
3.10. Эмпирические формулы и метод наименьших квадратов
Приближённое представление функций с помощью интерполяционных многочленов и сплайнов имеет смысл при условии, что значение приближаемой функции известны достаточно точно (т.е. при малых ). В противном случае, неустранимая погрешность настолько велика, что бессмысленно добиваться высокой теоретической точности метода. Использование интерполяционных многочленов и сплайнов при значительном числе узлов приводит к громоздким выражениям.
В тех случаях, когда значения функции определены с невысокой точностью и необходимо составить приближенное аналитическое выражение, прибегают к эмпирическим формулам: несложным формулам определенного типа. Задача состоит в выборе вида формулы, хорошо отражающей имеющиеся данные и определении её параметров.
Функция задана таблично:
|
|
|
… |
|
|
|
|
… |
|
Требуется найти
функциональную зависимость в виде:
(1)
где
неизвестные параметры.
Используются,
например, формулы вида:
и т.п.,
Параметры формул
естественно стремятся определить так,
чтобы отклонения
были
по возможности меньшими.
Требовать обращение
в нуль всех
нельзя, так как это приведёт к системе,
содержащей гораздо больше уравнений,
чем неизвестных(n
уравнений при к
неизвестных,
где k<n).
В соответствии с общей схемой вводится
некоторая числовая мера близости
значений
к табличным значениям.
Например, можно ввести меры:
;
Каждая из введённых мер является функцией параметров
:
Малость каждой из них эквивалентна малости величины .
Параметры определяются из условий минимума соответствующей мера. Наиболее употребительной является мера
(2)
Метод, определяющий
параметры эмпирической формулы из
условия минимума величины
,
называется методом
наименьших квадратов.
Из необходимых условий минимума функции нескольких переменных следует, что в точке минимума градиент функции равен нулю.
(3)
т.е.в точке минимума равны нулю все её частные производные первого порядка:
(4)
Для следующих эмпирических формул:
a)
b)
c)
Система уравнений
(4) имеет единственное решение
и при этом функция
принимает наименьшее значение: для
любых
В других случаях нужно дополнительное исследование решений системы (4).
В качестве примера
рассмотрим случай приближения с помощью
линейной функции
.
.
Необходимые условия минимума приводят
к системе двух уравнений:
,
=
(5)
После преобразований, получим:
,
Так как
,
то приходим к системе
,
(6)
Определитель этой системы
можно представить
в виде
.
всегда за
исключением лишь случая, когда все
принимают одно и тоже значение. Система(6)
всегда имеет единственное решение,
которое находится по формулам Крамера:
;
(7)
Функция
при
,
поэтому принимает наименьшее значение
в точке с конечными координатами, причём
точка обязательно является точкой
минимума функции
.
Функция
имеет единственный экстремум
,
в которой функция
принимает наименьшее значение.
Замечание. Соотношение (5) показывает, что для решения системы должно быть выполнено соотношение:
которое можно использовать для контроля вычислений.
Заметим, что для определения коэффициентов аппроксимирующей функции в виде многочлена получается система:
Пример 14.
Требуется определить зависимость скорости течения V от относительной глубины D по результатам десяти наблюдений приведённых в таблице.
|
|
|
|
|
|
|
|
|
- |
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
(7) |
(8) |
(9) |
(10) |
0 |
0,957 |
0,012 |
-0,005 |
-9 |
-8,613 |
81 |
77,517 |
0,957 |
0 |
0,1 |
0,969 |
7 |
-5 |
-7 |
-6,783 |
49 |
47,481 |
0,969 |
0 |
0,2 |
0,976 |
2 |
-5 |
-5 |
-4,880 |
25 |
24,400 |
0,976 |
0 |
0,3 |
0,978 |
-3 |
-4 |
-3 |
-2,934 |
9 |
8,802 |
0,979 |
0,001 |
0,4 |
0,975 |
-7 |
-7 |
-1 |
-0,975 |
1 |
0,975 |
0,976 |
0,001 |
0,5 |
0,968 |
-14 |
-1 |
1 |
0,968 |
1 |
0,968 |
0,969 |
0,001 |
0,6 |
0,954 |
-15 |
-6 |
3 |
2,862 |
9 |
8,586 |
0,957 |
0,003 |
0,7 |
0,939 |
-21 |
-3 |
5 |
4,695 |
25 |
23,475 |
0,940 |
0,001 |
0,8 |
0,918 |
-24 |
|
7 |
6,426 |
49 |
44,982 |
0,919 |
0,001 |
0,9 |
0,894 |
|
|
9 |
8,046 |
81 |
72,414 |
0,892 |
-0,002 |
|
9,528 |
|
|
0 |
-1,188 |
330 |
309,600 |
|
|
Для определения степени аппроксимирующего многочлена рассмотрим в столбцах (3),(4) разности. Вторые разности (4) практически постоянные, поэтому необходимо выбрать аппроксимирующий многочлен второй степени.
V=a0+a1D+a2D2,
коэффициенты a0, a1, a2, найдем из системы метода наименьших квадратов
10a0+4,5a1+2,85a2=9,528,
4,5a0 +2,85a1+2,025a2=4,228,
2,85 a0 +2,025 a1+ 1,533 a2=2,65,
Решив систему уравнений получим: a0=0,958, a1=0,134, a2=0,228.
Искомая зависимость имеет вид:
V=0,958+0,134D+0,228D2