- •Н. Б. Борковский Математические методы в экологии
- •Часть I. Численные методы
- •Тема 1 9
- •Тема 2 14
- •Тема 3 30
- •3.0 Постановка задачи 30
- •1. Постановка проблемы
- •2. Выбор или построение математической модели
- •3. Постановка вычислительной задачи
- •4. Предварительный анализ свойств вычислительной задачи
- •5. Выбор или построение численного метода
- •6. Алгоритмизация и программирование
- •7. Отладка программы
- •8. Счет по программе
- •9. Обработка и интерпретация результатов
- •10. Использование результатов и коррекция математической модели
- •1.0 Источники приближенных чисел
- •1.1 Источники и классификация погрешностей
- •1.2 Абсолютная и относительная погрешности вычисления
- •1.3 Погрешности арифметических операций
- •1.4 Обратная задача теории погрешностей
- •Постановка задачи
- •Метод половинного деления (метод «вилки», метод дихотомии)
- •Метод Ньютона (метод касательных)
- •Метод хорд (метод пропорциональных частей)
- •Метод итерации (метод последовательных приближений)
- •Постановка задачи
- •Решение систем линейных уравнений методом итерации
- •Решение систем нелинейных уравнений методом итерации
- •Решение систем линейных уравнений – «подводные камни»
- •4.0 Интерполирование – постановка задачи
- •4.1 Интерполирование полиномами
- •4.2 Аппроксимация функций. Метод наименьших квадратов
- •4.3 Интерполирование сплайнами
- •4.4 Интерполирование – примеры и «подводные камни»
- •4.5 Сглаживание данных (скользящее среднее)
- •5.0 Постановка задачи
- •5.1 Формула трапеций
- •5.2 Формула Симпсона
- •5.3 Формула Ньютона–Котеса
- •5.4 Формула Гаусса
- •5.5 Связь формул интегрирования
- •5.6 Численное интегрирование. Сравнение методов
- •5.7 Численное интегрирование – «подводные камни»
- •6.0 Введение
- •6.1 Обыкновенные ду. Метод Эйлера
- •6.2 Обыкновенные ду. Основные методы решения
- •6.3 Обыкновенные ду. Методы прогноза и коррекции
- •6.5 Обыкновенные ду. Сравнение методов
- •6.6 Оду. Влияние неточности исходной информации
- •6.7 Оду. Представление о конечных разностях
- •6.8 Оду. Краевые задачи – введение
- •8.0 Ду в частных производных. Постановка задачи
- •8.1 Ду в частных производных. Эллиптические уравнения
- •8.2 Ду в частных производных. Гиперболические уравнения
- •8.3 Ду в частных производных. Параболические уравнения
- •9.0 Методы безусловной оптимизации. Введение
- •9.1 Методы безусловной оптимизации. Классификация методов
- •9.2 Методы безусловной оптимизации нулевого порядка
- •9.3 Методы безусловной оптимизации первого порядка
- •9.4 Методы оптимизации второго порядка
- •Тема 10
- •10.0 Метод Монте–Карло. Некоторые задачи
- •10.1 Проблема получения случайных чисел
- •10.2 Общая схема метода
- •10.3 Метод Монте–Карло. Пример
- •10.4 Вычисление кратных интегралов
- •Число испытаний n не зависит от размерности интеграла i0
4.2 Аппроксимация функций. Метод наименьших квадратов
Интерполяционный полином не всегда удобен для приближения функций. Если таблица значений содержит результаты какого-то эксперимента, полученные с погрешностью, то не целесообразно проводить кривую точно через все узлы, как при интерполяции. На практике часто используют другой способ приближенного представления (аппроксимации) функций, заданных таблицей, который называется методом наименьших квадратов.
Пусть функция y = f(x) задана таблицей приближенных значений yi = f(xi), i = 0, 1, 2, …, n.
Согласно методу наименьших квадратов, за меру отклонения полинома
|
(4.12) |
от данной
функции f(x) на множестве точек
принимают
величину
|
(4.13) |
равную сумме квадратов отклонений полинома Qm(x) от функции f(x) на заданной системе точек. Очевидно, что Sm – это функция коэффициентов a0, a1, a2, …, am. Эти коэффициенты нужно подобрать так, чтобы величина Sm была наименьшей.
Полученный полином называется аппроксимирующим для данной функции, а процесс построения этого полинома – точечной квадратичной аппроксимацией функции.
Для нахождения коэффициентов a0, a1, a2, …, am найдем частные производные по всем переменным a0, a1, a2, …, am от величины
|
(4.14) |
где yi = f(xi). Приравнивая эти частные производные нулю, получим систему (m + 1) уравнений с (m + 1) неизвестными:
|
(4.15) |
В общем случае, когда аппроксимирующий полином для данной функции является обобщенным:
где
– функции, находим частные производные
от величины
Согласно
(4.15), будем иметь систему уравнений,
позволяющую определить коэффициенты
:
|
(4.16) |
Многочлен Qm(x) называют многочленом наилучшего среднеквадратичного приближения функции f(x) на [a, b]. Задача нахождения такого многочлена упрощается, если система {i(x)} является ортогональной на [a, b].
Функции
и
называются
ортогональными на множестве
точек
,
если скалярное произведение этих функций
равно нулю, т. е.
или в другой записи
Система функций {i(x)} называется ортогональной на множестве точек , если функции этой системы попарно ортогональны на этом множестве,т. е.
при
Или в другой форме записи
Если система
{i(x)}
является ортогональной, то коэффициенты
обобщенного
многочлена Qm(x)
определяются по формулам
|
(4.17) |
Если функция
аппроксимируется обобщенным полиномом
на отрезке [a, b], то коэффициенты
можно определить по формуле
|
(4.18) |
Коэффициенты
называются коэффициентами Фурье полинома
относительно ортогональной системы
функций
.
Пусть на отрезке [– l, l] задана система ортогональных функций
|
(4.19) |
Для на [– l, l] тригонометрическим многочленом наилучшего среднеквадратичного приближения является тригонометрический многочлен
|
(4.20) |
где коэффициенты Фурье определяются формулами (4.18) и имеют вид
|
(4.21) |
В качестве еще одной ортогональной системы можно рассмотреть полиномы Лежандра:
|
(4.22) |
Полиномы Лежандра образуют ортогональную систему на отрезке [–1, 1], т. е.
при
n ≠ m.
Обобщенный
многочлен степени n относительно
ортогональной системы алгебраических
полиномов Лежандра
имеет вид
где |
(4.23) |
|
(4.24) |
Замечание Если функция определена на [a, b], то с помощью линейного преобразования
можно получить полином Лежандра, ортогональный на отрезке [a, b]:
|
|
Пример 1
Найти алгебраический многочлен степени
n = 2 наилучшего среднеквадратичного
приближения для функции
на отрезке [0, 2].
Оценить погрешность.
Искомый многочлен имеет вид
,
где
– полиномы Лежандра (определены
соотношением (4.25)).
Делаем замену переменных
и переходим от [0, 2] к рассмотрению отрезка
[–1, 1].
Получим
,
определенную на отрезке [–1,
1]:
Коэффициенты Фурье найдем по формуле (4.24).
;
;
.
Таким образом,
.
Результаты показаны на рис. 4.2.
Р
ис.
4.2. Исходная функция и ее аппроксимация
из Примера 1
Пример 2
Имеется таблица значений:
X 10 20 30 40 50 60 70 80
Y 15,3 20,5 27,4 36,6 49,1 65,6 87,8 117,6
Представить зависимость величин x и y в виде функции y(x) = aebx.
Прологарифмируем эту функцию:
.
Если обозначить
,
то получим
.
Исходная таблица значений примет
следующий вид:
x 10 20 30 40 50 60 70 80
2,73 3,02 3,31 3,60 3,89 4,18 4,48 4,77
Для нахождения коэффициентов а и b воспользуемся методом наименьших квадратов.
Согласно методу наименьших квадратов,
сумма квадратов отклонений искомого
полинома от значений
в каждой точке
должна быть минимальна, т. е.
;
;
;
.
b = 0,029; c = 2,436.
=
11,472.
Тогда искомая зависимость будет иметь
вид
.
Результаты показаны на рис. 4.3.
Рис. 4.3. Исходная функция и ее аппроксимация
из Примера 2

,
,
.
,
,
k = 1, 2, …
.
,
(n = 0, 1, 2, …).
,
(4.25)