- •Понятия о приближении функций
- •Аппроксимация функции приближением ряда Фурье и метод наименьших квадратов
- •Выбор эмпирических формул
- •Подбор параметров для избранного типа эмпирической формулы. Среднеквадратические приближения
- •Метод наименьших квадратов с неизвестными базовыми функциями
- •Предметный указатель
Раздел 5. Аппроксимация функций
Содержание
Понятия о приближении функций |
2 |
Аппроксимация функции приближением ряда Фурье и метод наименьших квадратов |
4 |
Выбор эмпирических формул |
6 |
Подбор параметров для избранного типа эмпирической формулы. Среднеквадратические при- |
|
ближения |
8 |
Метод наименьших квадратов с неизвестными базовыми функциями |
13 |
Предметный указатель |
16 |
•Назад •Первая •Предыдущая •Следующая •Последняя •Перейти •Предметный указатель
Аппроксимация (от лат. approximo — приближаюсь) — замена одних математических объектов другими, каким-то образом близкими к исходным. Аппроксимация разрешает исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более простых или более удобных объектов (например, таких, характеристики которых легко вычисляются или свойства которых уже известны). В теории чисел изучаются диофантовы приближения, в частности приближения иррациональных чисел рациональными. В геометрии и топологии рассматриваются аппроксимации кривых, поверхностей, пространств и отображений. Некоторые разделы математики целиком посвящены аппроксимации, например приближение функций.
Понятия о приближении функций
Пусть величина y выступает в роли значения функции аргумента x. Это значит, что любому значению x из области определения поставлено в соответствие значение y. Вместе с тем на практике часто неизвестна явная связь между y и x, то есть невозможно записать эту связь в виде некоторой зависимости y = f(x). В некоторых случаях даже при известной зависимости y = f(x) она столь громоздка (например, содержит выражения, которые тяжело вычисляются, сложные интегралы и т.п.), что ее использовать в практических расчетах тяжело.
Наиболее распространенным и практически важным случаем, когда вид связи между параметрами x и y неизвестен, есть задача этой связи в виде некоторой таблицы {xi, yi}. Это означает, что дискретному множеству значений аргумента {xi} поставлено в соответствие множество значений функции {yi} (i = 0, 1, . . . , n). . . Эти значения — или результаты расчетов, или экспериментальные данные. На практике нам могут понадобиться значения величины y и в других точках вне узлов xi. Однако получить эти значения можно лишь путем очень сложных расчетов или проведением дорогих экспериментов.
Таким образом, с учетом экономии времени и средств, мы приходим к необходимости использования имеющихся табличных данных для приближенного вычисления неизвестного параметра y при лю-
•Назад •Первая •Предыдущая •Следующая •Последняя •Перейти •Предметный указатель
бом значении (из некоторой области) определяющего параметра x, поскольку точная связь y = f(x) — неизвестна.
Этой цели подчинена задача о приближении (аппроксимации) функций: данную функцию f(x) нужно приблизительно заменить (аппроксимировать) некоторой функцией F (x) так, чтобы отклонения (в некотором смысле) F (x) от f(x) в заданной области было наименьшим. Функция F (x) при этом называется аппроксимирующей.
Как классы аппроксимирующих функций могут выступать полиномиальные, тригонометрические, экспонентные и др.
На практике довольно важным есть случай аппроксимации функции многочленом
F (x) = a0 + a1x + a2x2 + . . . + amxm . . .
Если приближения строится на заданном дискретном множестве точек {xi}, то аппроксимация называется точечной. К ней относятся интерполяция, среднеквадратичное приближение и др. При построении приближения на непрерывном множестве точек (например, на отрезке [a, b]) аппроксимация называется непрерывной (или интегральной).
Одним из основных типов точечной аппроксимации есть интерполяция. В этом случае аппроксимирующая функция проходит через заданные узловые точки. Иногда приближения табличных данных методом интерполяции проводить неудобно. Так, например, если данные в таблице неточные, то совпадение значений интерполяционной функции в узлах с табличными данными означает, что она точно повторяет ошибки таблицы. В таких случаях используют другие виды аппроксимации, например, метод наименьших квадратов. Этим методом аппроксимирующая функция строится так, чтобы сумма квадратов расстояний от ординат точек к линии графика аппроксимирующей функции для одинаковых абсцисс была наименьшей.
•Назад •Первая •Предыдущая •Следующая •Последняя •Перейти •Предметный указатель
Аппроксимация функции приближением ряда Фурье и метод наименьших квадратов
Широкое распространение и доступность компьютеров привели к изменению идеологии гармонического анализа. Вместо изучения сходимости бесконечных рядов Фурье для функций с экзотическими особенностями основной проблемой стало получение красивого представления функций (в большинстве случаев без особых нерегулярностей) очастичной суммой ряда длины N . Слова «красивое представление» означают, что число гармоник N не очень большое и что ошибка такой «конечномерной» аппроксимации при фиксированном N сделана как можно меньшей.
Напомним сначала условия, каким должна удовлетворять функция g(t) для разложения в бесконечный сходящийся ряд:
1)g(t) — определена в каждой точке интервала a 6 t 6 b;
2)g(t) — однозначна, конечна и кусочно-непрерывна;
3)g(t) обладает «ограниченной вариацией».
Одним из наиболее употребимых принципов приближения заданной функции g(t) с помощью разложения по системе функций {ϕi(t)}, есть так называемый метод наименьших квадратов (МНК). Опре-
N
делим ошибку аппроксимации g(t) суммой N первых членов такого разложения. g(t) = P ciϕi(t). Со-
i=1
ответственно принципу МНК, задача состоит в подборе таких коэффициентов ci, i = 1, . . . , N, чтобы
«средняя ошибка» δ2(ci) была наименьшей из возможных.
δ(t, N) = g(t) − (c1φ1(t) + . . . + cN φN (t)), t [a, b].
•Назад •Первая •Предыдущая •Следующая •Последняя •Перейти •Предметный указатель
|
|
|
1 |
Za |
b |
|
|
|
δ2(t)dt |
||
|
δ2(ci) = |
||||
|
|
||||
|
b − a |
||||
|
|
|
m |
|
N |
|
|
|
X |
|
X |
δ2(c1, c2, . . . , cN ) = |
(g(tk)− ciϕi(tk))2. |
||||
|
|
|
k=1 |
|
i=1 |
Эта задача всегда имеет решение, так как положительная функция δ2(ci) всегда достигает абсолютный минимум.
Отметим, что при таком подходе мы относимся с одинаковым вниманием ко всему интервалу интерполяции, не стремясь сделать ошибку δ(t) равной нулю в некоторых точках за счет, в частности, больших отклонений в окрестности этих точек.
Предположим для упрощения, что базисный набор функций {ϕi(t)} есть ортонормированным
b
R
ϕi(t)ϕj(t)dt = δij. Тогда выражение приобретает простой вид:
a
δ2(ci) = b − a Z |
g2(t)dt − 2(γ1c1 + γ2c2 + . . . + γN cN ) + c12 + c22 + . . . + cN2 . |
|
1 |
|
|
Легко убедиться, что ошибка δ2 приобретает минимальное значение, если в качестве ci выбрать коэффициенты разложения g(t) по системе функций {ϕi(t)} (коэффициенты разложения в обобщенный
ряд Фурье): c = γ , где γk = g(t)ϕk(t)dt. |
||
Элементамиi |
множестваi |
{Rϕi(t)} можно взять набор гармоник с разными периодами (он, как извест- |
но, есть ортонормированным). Вывод о минимальности ошибки, если ci есть коэффициенты разложения Фурье, согласовывается с тем, что ряд Фурье имеет равномерную сходимость - он аппроксимирует функцию g(t) «равномерно хорошо» на всем интервале ее определения.
•Назад •Первая •Предыдущая •Следующая •Последняя •Перейти •Предметный указатель