- •ВВЕДЕНИЕ
- •ПРИБЛИЖЕННОЕ РЕШЕНИЕ НЕЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
- •Постановка задачи
- •Приближенные (итерационные) методы решения НАУ
- •Метод деления отрезка пополам (дихотомии).
- •Метод простой итерации
- •Метод релаксации
- •Метод Ньютона (касательных)
- •Метод хорд
- •МЕТОДЫ РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
- •Постановка задачи
- •Прямые методы решения СЛАУ
- •Метод Крамера
- •Метод обратной матрицы
- •Метод Гаусса
- •Метод прогонки
- •Итерационные методы решения линейных алгебраических систем
- •Метод простой итерации
- •Метод Якоби
- •Метод Гаусса-Зейделя
- •АППРОКСИМАЦИЯ ФУНКЦИЙ
- •Постановка задачи интерполяции
- •Локальная интерполяция
- •Кусочно-постоянная интерполяция
- •Кусочно-линейная интерполяция
- •Кубический интерполяционный сплайн
- •Глобальная интерполяция
- •Полином Лагранжа
- •Подбор эмпирических формул
- •Метод наименьших квадратов
- •ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ
- •Постановка задачи
- •Формулы прямоугольников
- •Формула трапеций
- •Формула Симпсона
- •ЧИСЛЕННОЕ РЕШЕНИЕ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ
- •Постановка задачи
- •Приближенные методы решения задачи Коши для ОДУ первого порядка
- •Метод Эйлера
- •Модифицированный метод Эйлера
- •Методы Рунге-Кутты
- •Численные методы решения систем ОДУ первого порядка
- •МЕТОД КОНЕЧНЫХ РАЗНОСТЕЙ РЕШЕНИЯ КРАЕВЫХ ЗАДАЧ ДЛЯ ОДУ
- •Постановка задачи
- •Аппроксимация производных
- •ПРИМЕРЫ РЕШЕНИЯ ЗАДАЧ И РЕКОМЕНДАЦИИ К ЭКЗАМЕНУ
В результате мы получили формулы, так называемой
квадратичной или параболической интерполяции.
ПРИМЕР 3.3. Задана таблица значений функции:
x |
0 |
2 |
3 |
3,5 |
f |
-1 |
0,2 |
0,5 |
0,8 |
Требуется найти значение функции при |
z 1 , используя |
интерполяционный полином Лагранжа. Для этого случая N 3 ,
т.е. полином Лагранжа имеет третий порядок. Вычислим значения базисных полиномов при z 1 :
l |
|
1 |
|
1 2 1 |
3 1 3,5 |
|
|
1 2 2,5 |
|
|
5 |
|
0,238 , |
|||||||||||
0 |
|
0 2 0 |
3 0 3,5 |
2 3 3,5 |
21 |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
l |
|
1 |
|
1 0 1 |
3 1 3,5 |
|
|
1 2 2,5 |
|
5 |
1,667 , |
|||||||||||||
1 |
2 0 2 |
3 2 3,5 |
2 1 1,5 |
3 |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
l |
|
1 |
|
1 0 1 |
2 1 3,5 |
|
|
|
1 1 2,5 |
|
2,5 |
1,667 , |
||||||||||||
2 |
|
3 0 3 |
2 3 3,5 |
|
|
|
3 1 0,5 |
|
1,5 |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
l |
|
1 |
|
1 0 1 2 1 3 |
|
|
|
|
1 1 2 |
|
|
|
|
|
2 |
|
0,762 |
|||||||
3 |
|
3,5 0 3,5 2 3,5 3 |
3,5 1,5 0,5 |
2,625 |
||||||||||||||||||||
|
|
|
|
|
|
|
3
L3 z fi li z 1 0,238 0,2 1,667 0,5 1,667
i0
0,8 0,762 0,129
Итак, интерполирующая функция принимает в точке 1 значение -0,129.
Подбор эмпирических формул
При интерполировании функций мы использовали условие равенства значений интерполяционного полинома и данной функции в узлах интерполяции. Если же исходные данные получены в результате опытных измерений, полученных с некоторой погрешностью, точного выполнения условий интерполяции не требуется. В этих случаях интерполирующая
функция F(x) должна удовлетворять условиям F xi f xi , i=1, 2, …, N. Это условие означает, что интерполирующая
53
функцияF x проходит не точно через заданные точки, а в некоторой ихокрестности, как, например, показано на рис. 3.3.
y
x
Рис. 3.3. Приближенная интерполяция
Тогда говорят о подборе эмпирических формул,
описывающих заданные точки. Построение эмпирической
формулы состоит из двух этапов: подбора вида этой формулы |
||
x, a0 , a1 ,..., am , |
содержащей неизвестные |
параметры |
a0 , a1 ,..., am , и определение наилучших в некотором смысле этих
параметров. Вид формулы иногда известен из физических соображений (например, связь между напряжением и деформацией для упругой среды), или выбирается из геометрических соображений. Для этого экспериментальные точки наносятся на график и путем сравнения поведения точек с графиками известных функций подбирается общий вид зависимости. Успех в значительной степени определяется опытом и интуицией исследователя.
Для практики важен случай аппроксимации функции
многочленами, т.е. F x a0 a1 x a2 x 2 ... am x m .
После того, как выбран вид эмпирической зависимости, степень близости к эмпирическим данным определяется,
используя минимум суммы квадратов отклонений
вычисленных и экспериментальных данных.
54
Метод наименьших квадратов
Пусть для исходных данных |
xi , fi , i 1,2,..., N выбран вид |
||
эмпирической |
зависимости: |
y x, a0 , a1 ,..., am |
с |
неизвестными коэффициентами a0 , a1 ,..., am . Запишем сумму
квадратов отклонений между вычисленными по эмпирической формуле и заданными опытными данными:
N
S a0 , a1 ,..., am x, a0 , a1 ,..., am fi 2 .
i 1
Параметры a0 , a1 ,..., am будем находить из условия минимума функции S a0 , a1 ,..., am . В этом состоит метод
наименьших квадратов (МНК).
Известно, что в точке минимума все частные производные от S по параметрам a0 , a1 ,..., am равны нулю:
S |
0, |
S |
0,..., |
S |
0 |
(3.2) |
|
a0 |
a1 |
am |
|||||
|
|
|
|
Рассмотрим применение МНК для частного случая, широко используемого на практике. В качестве эмпирической функции рассмотрим полином
x a0 a1 x a2 x 2 ... am x m .
Формула (3.2) для определения суммы квадратов отклонений примет вид:
S a0 , a1 ,..., am |
N |
|
|
|||||
a0 a1 xi a2 xi2 ... am xim fi 2 |
(3.3) |
|||||||
|
|
|
|
|
i 1 |
|
|
|
Вычислим производные: |
|
|
||||||
|
S |
|
N |
a0 |
|
... am xim fi |
|
|
|
|
2 |
a1 xi a2 xi2 |
|
||||
|
a0 |
|
||||||
|
|
i 1 |
|
|
|
|
||
|
S |
|
|
N |
a0 |
|
... am xim fi xi |
|
|
|
2 |
a1 xi a2 xi2 |
|
||||
|
a |
|
||||||
|
|
i 1 |
|
|
|
|
||
... 1 |
|
|
|
|
|
|
|
|
|
S |
|
N |
|
|
|
|
|
|
|
2 a0 |
a1 xi a2 xi2 |
... am xim fi xim |
|
|||
|
am |
|
|
|||||
|
|
i 1 |
|
|
|
|
55
Приравнивая эти выражения нулю, и собирая
коэффициенты |
при |
неизвестных |
a0 , a1 ,..., am , получим |
||||
следующую систему линейных уравнений: |
|
|
|||||
N |
|
N |
|
N |
N |
|
|
Na0 a1 xi a2 xi2 |
... am xim |
fi |
|
||||
i 1 |
|
i 1 |
|
i 1 |
i 1 |
|
|
N |
N |
N |
|
N |
|
|
N |
a0 xi a1 |
xi2 |
a2 xi3 ... |
am xim 1 |
|
xi fi . |
||
... i 1 |
i 1 |
i 1 |
i 1 |
|
i 1 |
||
N |
N |
|
N |
|
N |
|
N |
a0 xim a1 xim 1 a2 |
xim 2 |
... am xi2m xim fi |
|||||
i 1 |
i 1 |
|
i 1 |
|
i 1 |
|
i 1 |
Данная система уравнений называется нормальной. В результате решения этой системы линейных уравнений одним
из известных способов, находятся коэффициенты a0 , a1 ,..., am .
В |
случае |
полинома |
первого |
порядка m 1, т.е. |
|||
x a0 a1 x , система нормальных уравнений примет вид: |
|||||||
|
|
N |
N |
|
|
|
|
Na0 a1 xi fi |
|
|
|
||||
|
|
i 1 |
i 1 |
|
|
|
|
|
N |
|
N |
N |
|
|
|
a |
0 xi |
a1 |
xi2 |
xi |
fi . |
|
|
|
i 1 |
|
i 1 |
i 1 |
|
|
|
При m 2 имеем: |
|
|
|
||||
|
|
N |
|
N |
N |
|
|
Na0 a1 xi a2 xi2 fi |
|
|
|||||
|
|
i 1 |
|
i 1 |
i 1 |
|
|
|
N |
|
N |
N |
N |
|
|
a |
0 xi |
a1 |
xi2 |
a2 xi3 xi |
fi . |
||
|
i 1 |
|
i 1 |
i 1 |
i 1 |
|
|
|
N |
|
N |
N |
N |
|
|
a |
0 xi2 |
a1 xi3 |
a2 xi4 xi2 |
fi |
|||
|
i 1 |
|
i 1 |
i 1 |
i 1 |
|
|
Как правило, выбирают несколько эмпирических зависимостей. По МНК находят коэффициенты этих зависимостей и среди них находят наилучшую по минимальной сумме отклонений.
|
ПРИМЕР 3.4. Заданы координаты 6 точек: |
|
|
|||||
x |
|
-5 |
-3,5 |
-2 |
1,5 |
|
3,25 |
5 |
f |
|
0,5 |
1,2 |
1,4 |
1,6 |
|
1,7 |
1,5 |
56
Требуется по методу МНК найти эмпирические зависимости: |
|||||
линейную x |
a0 |
a1 x , квадратичную x a0 |
a1 x a2 x 2 , |
||
гиперболическую |
x a0 |
a1 |
, и выбрать |
среди них |
|
|
|||||
|
|
|
x |
|
|
наилучшую по наименьшей сумме квадратов отклонений. |
|||||
Система нормальных уравнений для линейной зависимости: |
|||||
N |
|
N |
|
||
Na0 a1 xi |
fi , |
|
|||
i 1 |
|
i 1 |
|
||
N |
N |
N |
|
||
a0 xi a1 |
xi2 xi fi . |
|
|||
i 1 |
i 1 |
i 1 |
|
Учитывая, что N 6 , и, используя Excel, находим:
6 |
|
xi |
5 3,5 2 1,5 3,25 5 0,75 , |
i 1 |
|
6
xi2 5 2 3,5 2 2 2 1,52 3,252 52 79,0625 ,
i 1
6
fi 0,5 1,2 1,4 1,6 1,7 1,5 7,9 ,
i 1
6
fi xi 5 0,5 3,5 1,2 2 1,4 1,5 1,6 3,25 1,7 5 1,5 5,925
i 1
В итоге получим СЛАУ |
|
6a0 0,75a1 7,9 |
5,925 . |
0,75a0 79,0625a1 |
Решая систему линейных уравнений, получим a0 1,328 , a1 0,0875. Следовательно, линейная зависимость имеет вид:
x 1,328 0,0875x .
Вычислим сумму квадратов отклонений:
6 |
a1 xi fi 2 0,343 . |
|
|
|
S1 a0 |
|
|
||
1 |
|
|
|
|
Рассмотрим |
квадратичную |
зависимость. |
Система |
нормальных уравнений имеет вид
57
|
N |
|
N |
N |
|
|
|
|
|
Na0 a1 xi a2 xi2 fi |
|
|
|
||||||
|
i 1 |
|
i 1 |
i 1 |
|
|
|
|
|
N |
|
N |
|
N |
|
N |
|
|
|
a0 xi |
a1 |
xi2 |
a2 |
xi3 |
|
xi fi . |
|
|
|
i 1 |
|
i 1 |
|
i 1 |
|
i 1 |
|
|
|
N |
|
N |
|
N |
|
N |
|
|
|
a0 xi2 |
a1 xi3 |
a2 |
xi4 |
xi2 fi |
|
|
|||
i 1 |
|
i 1 |
|
i 1 |
|
i 1 |
|
|
|
Часть из сумм уже найдена при подборе линейной |
|||||||||
зависимости. Используя |
Excel, |
найдем |
оставшиеся |
суммы: |
|||||
6 |
|
6 |
|
|
|
6 |
|
|
|
xi3 13,172 , |
xi4 1532,69 , |
xi2 fi 91,856 . |
|
||||||
i 1 |
|
i 1 |
|
|
|
i 1 |
|
|
|
Решая нормальную систему уравнений: |
|
|
|||||||
6a0 0,75a1 |
79,0625a2 7,9 |
|
|
|
|||||
0,75a0 79,0625a1 13,172a2 |
5,925 |
|
|
||||||
79,0625a0 13,172a1 1532,69a2 |
91,856 , |
|
|||||||
получим: a0 |
1,65 , a1 0,0865 , |
a2 |
0,02436 . |
|
|||||
Следовательно, |
квадратичная |
зависимость имеет |
вид: |
||||||
x 1,65 0,0865x 0,02436x 2 . |
Вычислим сумму квадратов |
||||||||
|
|
6 |
|
|
|
|
|
|
|
отклонений: S2 |
a0 a1 xi a2 xi2 fi 2 |
0,052 . |
|
||||||
|
|
1 |
|
|
|
|
|
|
|
Выпишем систему нормальных уравнений для гиперболической зависимости. Согласно МНК, находим сумму квадратов отклонений:
N |
|
|
a1 |
2 |
|
|
|
|
|
|
|
|||
S a0 , a1 a0 |
xi |
fi . |
||
i 1 |
|
|
|
Составляем систему нормальных уравнений:
S |
N |
|
|
|
a1 |
|
|
|
||
|
|
|
|
|
|
|
|
|
0 |
|
a0 |
2 a0 |
|
xi |
fi |
||||||
i 1 |
|
|
|
|
|
|
||||
S |
N |
|
|
a1 |
|
1 |
|
|||
|
|
|
|
|
||||||
|
|
2 a0 |
|
|
|
|
fi |
|
0 |
|
a1 |
|
xi |
|
|||||||
i 1 |
|
|
|
xi |
|
Или
58
|
|
|
6 |
|
|
|
6 |
|
|
|
||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
6a0 a1 |
fi |
|
|
|||||||||
|
|
|
i 1 |
xi |
|
|
i 1 |
|
|
|
||
6 |
|
1 |
|
|
|
|
6 |
|
1 |
2 |
6 |
fi |
|
|
|
|
|
a1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
a0 |
|
|
|
|
|
|
xi |
|||||
i 1 |
xi |
|
|
i 1 |
xi |
i 1 |
|
|
|
|
6 |
|
1 |
|
|
6 |
|
1 |
2 |
0,911 , |
|
|
Учитывая, что |
|
|
|
0,191 , |
|
|
|
||||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
i 1 |
xi |
|
i 1 |
xi |
|
|||||
6 |
fi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,747 , |
получим |
a0 |
1,299 , a1 |
0,5476 . |
Зависимость |
||||||||
xi |
||||||||||||||
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
имеет вид x 1,299 0,5476x .
Сумма квадратов отклонений: S3 0,686 .
Итак, минимальным отклонением из трех рассмотренных зависимостей обладает квадратичная, т.е., она является лучшей из данных трех для аппроксимации исходных данных.
Графически результаты расчетов представлены на рис. 3.4. Маркерами отмечены исходные данные. Видно, что квадратичная зависимость действительно проходит ближе всего
к
заданн
ым
значен
иям
функци и.
Рис. 3.4. Пример выбора эмпирической зависимости
59