- •Глава 1. Интерполирование
- •Постановка задачи интерполирования
- •1.2. Единственность интерполяционного многочлена
- •. Интерполяционный многочлен Лагранжа
- •1.4. Погрешность интерполяционной формулы Лагранжа
- •. Конечные разности и их свойства
- •1.6. Первая интерполяционная формула Ньютона
- •1.7. Вторая интерполяционная формула Ньютона
- •1.8. Интерполяционная формула Гаусса
- •1.10. Численное дифференцирование
- •Глава 2. Численное интегрирование
- •2.1. Общие замечания
- •Глава 3. Численные методы решения алгебраических и трансцендентных уравнений
- •3.1. Вводные замечания
- •3.2. Отделение корней
- •3.3. Метод половинного деления
- •3.5. Метод Ньютона (метод касательных)
- •3.6. Комбинированный метод
- •3.7. Метод итерации (метод последовательных приближений)
- •Глава 4. Решение систем линейных уравнений
- •4.1. Метод Гаусса (схема единственного деления)
- •4.2. Вычисление определителей
- •4.3. Вычисление обратной матрицы
- •4.4. Некоторые сведения из линейной алгебры
- •Рассмотрим систему линейных алгебраических уравнений
- •Вычитая второе равенство из первого, получаем
- •4.6. Приведение линейной системы к виду,
- •4.7. Метод Зейделя Пусть система линейных алгебраических уравнений приведена к виду
- •Глава 5. Обработка результатов наблюдений
- •5.1. Постановка задачи
- •5.2. Приближение функции, заданной таблично,
- •Глава 6. Численные методы решения
- •6.1. Методы решения задачи Коши. Вводные замечания
- •6.2. Решение дифференциальных уравнений
- •6.3. Метод Эйлера Пусть дано дифференциальное уравнение
- •6.4. Уточненный метод Эйлера Рассмотрим дифференциальное уравнение
- •6.6. Методы Рунге – Кутта Пусть дано дифференциальное уравнение
- •6.7. Метод Милна
- •6.8. Приближенное решение систем дифференциальных
- •6.9.Краевые задачи для обыкновенных дифференциальных
- •6.10. Решение краевых задач
- •6.11. Метод прогонки Рассмотрим линейную систему уравнений (6.54). Преобразуя первые (n-1) уравнения:
- •Глава 7. Численное решение дифференциальных уравнений в частных производных
- •7.1. Классификация дифференциальных уравнений
- •7.2. Метод сеток решения краевых задач
- •7.3. Погрешность аппроксимации дифференциальных уравнений
- •7.4. Аппроксимация граничных условий
- •7.6. Метод сеток для уравнений
5.2. Приближение функции, заданной таблично,
алгебраическими многочленами по методу наименьших квадратов
Предположим, что по опытным данным
х |
x0 |
x1 |
… |
xn |
у |
y0 |
y1 |
… |
yn |
требуется построить эмпирическую формулу в виде многочлена степени m (m<n):
Pm(x)=a0+a1x+…+amxm.
Составляем S(a0, a1, a2, … , am) по формуле (5.2):
. (5.4)
Система уравнений для определения параметров a0, a1, a2, … , am (5.3) запишется в данном случае в следующем виде:
. (5.5)
Система (5.5) состоит из (m+1)-го уравнения с (m+1)-м неизвестным. Можно показать, что определитель этой системы отличен от нуля, так что ситема имеет единственное решение, при котором S принимает свое минимальное значение.
Рассмотрим частные случаи наиболее часто встречающиеся на практике.
Пусть m=1, т.е. функцию аппроксимируем многочленом первой степени
P1(x)=a0+a1x.
Составляем
.
Записываем систему (5.5) для нахождения параметров а0 и а1:
Преобразуем эту систему:
(5.6)
Решив ее, находим а0 и а1.
Пусть m=2, т.е. функцию аппроксимируем многочленом второй степени
P2(x)=b0+b1x+b2x2.
В этом случае
.
Составляем систему для нахождения параметров b0, b1, b2:
Преобразуем полученную систему:
(5.7)
Решив эту систему, найдем b0, b1, b2.
Все вычисления коэффициентов систем (5.6) и (5.7) удобно расположить в виде таблицы 5.1
Таблица 5.1
i |
xi |
xi2 |
xi3 |
xi4 |
yi |
xiyi |
xi2yi |
0 1 . . . n |
x0 x1 . . . xn |
x02 x12 . . . xn2 |
x03 x13 . . . xn3 |
x04 x14 . . . xn4 |
y0 y1 . . . yn |
x0y0 x1y1 . . . xnyn |
x02y0 x12y1 . . . xn2yn |
|
|
|
|
|
|
|
|
Отметим, что задача построения эмпирической формулы отлична от задачи интерполирования. Сравним их.
Обычно в результате эксперимента получаются большие таблицы. На практике же применяются интерполяционные многочлены невысоких степеней. Если, например, строится интерполяционный многочлен степени m, то их таблицы используется (m+1) точка, остальные точки при этом не учитываются. При построении аппроксимирующего многочлена степени m по методу наименьших квадратов используются все точки таблицы, что дает более полную информацию об исходной функции. Кроме того, исходные данные хi и yi , как правило, являются приближенными и содержат ошибки. Интерполяционный многочлен, совпадающий в узлах интерполяции с интерполируемой функцией, повторяет эти ошибки. Аппроксимирующий многочлен, построенный по методу наименьших квадратов, сглаживает отдельные ошибки и поэтому лучше отображает действительность. Эти замечания справедливы не только для многочленов, но и для интерполяционной и эмпирической функций любого вида.
Метод наименьших квадратов с конца ХVIII века является одним из самых эффективных и распространенных методов математической обработки результатов наблюдений и опытов.
Отметим, что метод наименьших квадратов применяется и в других разделах вычислительной математики.