
- •Электрооборудования и электрического транспорта
- •Оглавление
- •Глава 2 23
- •Глава 3 34
- •Глава 4 43
- •Глава 5 61
- •5.7. Понятие о методах обратного дифференцирования 74
- •Предисловие
- •Глава 1 решение алгебраических уравнений и их систем
- •1.1. Решение систем линейных алгебраических уравнений
- •1.1.1. Итерационные методы решения систем линейных алгебраических уравнений
- •1.1.2. Факторизация и типовые схемы решений
- •1.1.3. Метод Гаусса и lu— разложение
- •1.1.4. Метод Гаусса-Жордана обращения матриц
- •1.1.5. Метод квадратного корня (Холесского)
- •1.1.6. Метод вращений
- •1.1.7. Итерационное уточнение
- •1.1.8. Решение преопределенных систем линейных алгебраических уравнений
- •1.2 Решение систем нелинейных алгебраических уравнений
- •1.2.1. Метод последовательных приближений
- •1.2.2. Метод Ньютона
- •1.2.3. Метод Ньютона по параметру
- •Глава 2 Интерполяция зависимостей
- •2.1. Интерполяция каноническим полиномом
- •2.2. Интерполяция полиномом Лагранжа
- •2.3. Интерполяция полиномом Ньютона
- •2.4. Применение интерполяции для решения уравнений
- •2.5. Интерполяция сплайнами
- •Глава 3 Метод наименьших квадратов
- •3.1. Общие положения
- •3.2. Степенной базис
- •3.3. Базис в виде классических ортогональных полиномов
- •3.4. Базис в виде ортогональных полиномов дискретной переменной
- •3.5. Линейный вариант метода наименьших квадратов
- •3.6. Сглаживание экспериментальных данных с ошибками
- •Глава 4 Определенные интегралы
- •4.1. Классификация методов
- •4.2. Методы прямоугольников
- •4.3. Апостериорные оценки погрешностей по Рунге и Эйткену
- •4.4. Метод трапеций
- •4.5. Метод Симпсона
- •4.6. Методы Ньютона-Котеса
- •4.7. Вычисление интегралов с заданной точностью
- •4.8. Применение сплайнов для численного интегрирования
- •4.9. Методы наивысшей алгебраической точности
- •4.10. Несобственные интегралы
- •4.11. Вычисление кратных интегралов
- •Глава 5 Решение обыкновенных дифференциальных уравнений
- •5.1. Типы задач для обыкновенныхдифференциальных уравнений
- •5.2. Метод Эйлера
- •5.3. Методы Рунге-Кутта
- •5.4. Метод Рунгe-Кутта-Мерсона
- •5.5. Методы Адамса-Башфорта и Адамса-Маултона
- •5.6. Методы Гира
- •5.7. Понятие о методах обратного дифференцирования
- •Библиографический список
- •Методы вычислений в задачах
- •Электроаппаратостроения,
- •Электрооборудования
- •И электрического транспорта
- •346428, Г.Новочеркасск, ул. Просвещения 132
3.2. Степенной базис
Выберем базисные функции в виде последовательности степеней аргумента х, которые линейно независимы:
φ0 (x) = х 0 = 1, φ1 (x) = х1 = х ,..., φm (х) = хm. (3.8)
В этом случае также, как и при интерполяции, мы будем аппроксимировать экспериментальную зависимость полиномом. Однако степень полинома mвыбираем обычно m<<n(при лагранжевой интерполяции m = n). Аппроксимирующая кривая в МНК не проходит через значения исходной функции в узлах, но проведена из условия наименьшего суммарного квадратичного отклонения. Экспериментальные данные "сглаживаются" с помощью функции φ(x). Если же выбрать m = n, то на основании единственности интерполяционного полиномаполучим функцию φ(x), совпадающую с каноническим интерполяционным полиномом степени n, аппроксимирующая кривая пройдет через все экспериментальные точки и величина Q будет равна нулю. Последнее обстоятельство используется для отладки и тестирования программ, использующих МНК.
Запишем расширенную матрицу системы нормальных уравнений для базиса (3.8):
.
(3.9)
Нетрудно видеть, что для формирования расширенной матрицы (3.9) достаточно вычислить элементы первой строки и двух последних столбцов, остальные элементы не являются "оригинальными" и заполняются с помощью циклического заполнения.
Для решения систем уравнений с матрицей Грамма разработаны методы сингулярного разложения [9]. Если же m ≤ 4 ÷ 5, то такие системы можно решать и более простым методом исключения Гаусса.
3.3. Базис в виде классических ортогональных полиномов
Выбор базисных функций φk(x)в виде степеней х (3.8) не является оптимальным с точки зрения решения системы нормальных уравнений с наименьшими погрешностями. Приемлемые результаты в этом случае можно получить, если набор экспериментальных данных с удовлетворительной точностью удается аппроксимировать полиномом невысокой степени (т≤4-5).
Лучшие результаты может дать использование классических ортогональных полиномов Чебышева, Лежандра, Лагерра, Якоби и других в качестве базисных функций. Свойство ортогональности классических полиномов заключается в том, что для каждого типа полиномов существует отрезок [x0, хn], на котором обращаются в нуль скалярные произведения полиномов разного порядка с весовой функцией р(х):
xn
∫= p{x)φj (x) φk(x)dx = 0, j ≠ k. (3.10)
x0
В случае большого количества узлов xi на отрезке [x0 ,xn]скалярные произведения (3.10) будут близки к дискретным скалярным произведениям (3.5), так как интегрирование можно приближенно заменить суммированием. Значит недиагональные элементы матрицы Граммабудут иметь небольшую абсолютную величину, что позволит уменьшить погрешность решения системы нормальных уравнений.
Заданный интервал [x'0 , x'n], в котором расположены все узлы аппроксимируемой функции, с помощью линейного преобразования всегда можно привести к отрезку [x0 ,xn], где определены и ортогональные базисные функции φk(x).
Для наиболее гладкого представления функций (с минимальным числом и амплитудой выбросов) выбираются полиномы Чебышева Тn(х), которые определены и ортогональны в интервале [-1,1] с весовой функцией (1-x2)-1/2. Значения полиномов Чебышева определяются по рекуррентной формуле [10]:
Тk+1(х) = 2хТk(х) – Тk-1 (х), (3.11)
где Т0(х) = 1;T1(x) = х.
Нетрудно убедиться, что в каждом из полиномов Тk+1(х), определенном по формуле (3.11), при старших степенях xбудет присутствовать коэффициент 2k.Последнее обстоятельство не всегда удобно при оценке вклада в аппроксимирующую функцию φk(x) (3.2) старших степеней х по величине коэффициентов сk.
Полиномы Чебышева можно ввести и по другой рекуррентной формуле [11]:
Т*k+1(х) = хТ*k(х) – ¼ Т*k-1 (х), (3.12)
где
.
Особенностью такой
формы полиномов Чебышева является
отсутствие коэффициентов у высших
степеней x
в каждом из полиномов. Недостатком
полиномов
считают
наличие дробного множителя 1/4 в
рекуррентной формуле (3.12). Однако это
обстоятельство существенно
только при ручных вычислениях.
Полиномы ортогональны на отрезке [-1,1] с такой же весовой функцией, что и полиномы Тk(х).
Единичную весовую функцию на отрезке [-1,1] имеют полиномы Лежандра [10], определяемые по рекуррентной формуле
Lk+1 = [(2k + l)xLk(x) + kLk-1(x)] /(k + 1), (3.13)
где L0(х) = l;L1(x) = x.