Аппроксимация функций

Интерполяция (частный случай аппроксимации). Аппроксимация функцией. Метод наименьших квадратов. Из курса математики известны 3 способа задания функциональных зависимостей: аналитический, графический, табличный.

Рубрика Математика
Вид реферат
Язык русский
Дата добавления 26.05.2006
Размер файла 70,4 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

9

Аппроксимация функций.

Из курса математики известны 3 способа задания функциональных зависимостей:

аналитический

графический

табличный

Табличный способ обычно возникает в результате эксперемента.

Недостаток табличного задания функции заключается в том, что найдутся значения переменных которые неопределены таблицей. Для отыскания таких значений определяют приближающуюся к заданной функцию, называемой аппроксмирующей, а действие замены аппроксимацией.

Аппроксимация заключается в том, что используя имеющуюся информацию по f(x) можно рассмотреть другую функцию ц(ч) близкую в некотором смысле к f(x), позволяющую выполнить над ней соответствующие операции и получить оценку погрешность такой замены.

ц(х)- аппроксимирующая функция.

Интерполяция (частный случай аппроксимации)

Если для табличной функции y=f(x), имеющей значение x0 f(x0) требуется построить аппроксимирующюю функцию (x) совпадающую в узлах с xi c заданной, то такой способ называется интерполяцией

При интерполяции, заданная функция f(x) очень часто аппроксимируется с помощью многочлена, имеющего общий вид

(x)=pn(x)=anxn+an-1xn-1+…+a0

В данном многочлене необходимо найти коэффициенты an ,an-1, …a0 , так как задачей является интерполирование, то определение коэффициентов необходимо выполнить из условия равенства:

Pn(xi)=yi i=0,1,…n

Для определения коэффициентов применяют интерполяционные многочлены специального вида, к ним относится и полином Лагранжа Ln(x).

ij

В точках отличных от узлов интерполяции полином Лагранжа в общем случае не совпадает с заданной функцией .

Задание

С помощью интерполяционного полинома Лагранжа вычислить значение функции y в точке xc, узлы интерполяции расположены равномерно с шагом х=4,1 начиная с точки х0=1,3 даны значения функции y={-6.56,-3.77,-1.84,0.1,2.29,4.31,5.86,8.82,11.33,11.27}.

ГСА для данного метода

CLS

DIM Y(9)

DATA -6.56,-3.77,-1.84,0.1,2.29,4.31,5.86,8.82,11.33,11.27

X0 = 1.3: H = 4.1: N = 10: XC = 10

FOR I = 0 TO N - 1

1 X(I) = X0 + H * I

READ Y(I)

PRINT Y(I); X(I)

NEXT I

S1 = 0: S2 = 0: S3 = 0: S4 = 0

FOR I = 0 TO N - 1

2 S1 = S1 + X(I) ^ 2

S2 = S2 + X(I)

S3 = S3 + X(I) * Y(I)

S4 = S4 + Y(I)

NEXT I

D = S1 * N - S2 ^ 2

D1 = S3 * N - S4 * S2

D0 = S1 * S4 - S3 * S2

A1 = D1 / D: A0 = D0 / D

YC = A1 * XC + A0

PRINT "A0="; A0, "A1="; A1, "YC="; YC

FOR X = 0 TO 50 STEP 10

Y = A1 * X + A0

PRINT X, Y

NEXT X

END

XC= 10

Х Y

1.3 -6.56

5.4 -3.77

9.5 -1.84

13.6 .1

17.7 2.29

21.8 4.31

25.9 5.86

30 8.82

34.1 11.33

38.2 11.27

S=-1.594203

АППРОКСИМАЦИЯ ФУНКЦИЕЙ. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ.

В инженерной деятельности часто возникает необходимость описать в виде функциональной зависимости связь между величинами, заданными таблично или в виде набора точек с координатами (xi,yi), i=0,1,2,...n, где n - общее количество точек. Как правило, эти табличные данные получены экспериментально и имеют погрешности. При аппроксимации желательно получить относительно простую функциональную зависимость (например, полином), которая позволила бы "сгладить" экспериментальные погрешности, получить промежуточные и экстраполяционные значения функций, изначально не содержащиеся в исходной табличной информации.

Графическая интерпретация аппроксимации.

Эта функциональная (аналитическая) зависимость должна с достаточной точностью соответствовать исходной табличной зависимости. Критерием точности или достаточно "хорошего" приближения могут служить несколько условий.

Обозначим через fi значение, вычисленное из функциональной зависимости для x=xi и сопоставляемое с yi.

Одно из условий согласования можно записать как

S = (fi-yi) ® min ,

т.е. сумма отклонений табличных и функциональных значений для одинаковых x=xi должна быть минимальной (метод средних). Отклонения могут иметь разные знаки, поэтому достаточная точность в ряде случаев не достигается.

Использование критерия S = |fi-yi| ® min , также не приемлемо, т.к. абсолютное значение не имеет производной в точке минимума.

Учитывая вышеизложенное, используют критерий наименьших квадратов, т.е. определяют такую функциональную зависимость, при которой
S = (fi-yi)2 , (1)

обращается в минимум.

В качестве функциональной зависимости рассмотрим многочлен

f(x)=C0 + C1X + C2X2+...+CMXM. (2)

Формула (1) примет вид S = ( C0 + C1Xi + C2Xi2+...+CMXiM - Yi ) 2

Условия минимума S можно записать, приравнивая нулю частные производные S по независимым переменным С0,С1,...СМ :

SC0 = 2 ( C0 + C1Xi + C2Xi2+...+CMXiM - Yi ) = 0 ,

SC1 = 2 ( C0 + C1Xi + C2Xi2+...+CMXiM - yi ) Xi = 0 ,

................................................................................................. (3)

SCM = 2 ( C0 + C1Xi + C2Xi2+...+CMXiM - Yi ) XiM = 0 ,

Тогда из (3) можно получить систему нормальных уравнений

C0 (N+1) + C1 Xi + C2Xi2 +...+ CM XiM = Yi ,

C0Xi + C1Xi2 + C2Xi3 +...+ CMXiM+1 = Yi Xi ,

....................................................................................................... (4)

C0XiM + C1XiM+1 + C2XiM+2 +...+ CMXi2M = Yi XiM .

Для определения коэффициентов Сi и, следовательно, искомой зависимости (2) необходимо вычислить суммы и решить систему уравнений (4). Матрица системы (4) называется матрицей Грама и является симметричной и положительно определенной. Эти полезные свойства используются при ее решении.

(N+1)

Xi

Xi2

...

XiM

Yi

Xi

Xi2

Xi3

...

XiM+1

Yi Xi

...

...

...

...

...

...

XiM

XiM+1

XiM+2

...

Xi2M

Yi XiM

Нетрудно видеть, что для формирования расширенной матрицы (4а) достаточно вычислить только элементы первой строки и двух последних столбцов, остальные элементы не являются "оригинальными" и заполняются с помощью циклического присвоения.

Задание
Найти коэффициенты прямой и определить значение функции y{-6.56,-3.77, -1.84,0.1,2.29,4.31,5.56,8.82,11.33,11.27}, x0=1.3 h=4.1, и определить интеграл заданной функции.

Программа

¦CLS

¦XC = 10: X0 = 1.3: H = 4.1: N = 10

¦DIM Y(9): DIM X(9)

¦DATA -6.56,-3.77,-1.84,0.1,2.29,4.31,5.86,8.82,11.33,11.27

¦FOR I = 0 TO N - 1

¦X = X0 + H * I:

¦X(I) = X

¦READ Y(I)

¦PRINT X(I), Y(I)

¦NEXT I

¦S1 = 0: S2 = 0: S3 = 0: S4 = 0

¦I = 0

¦10 S1 = S1 + X(I) ^ 2:

¦S2 = S2 + X(I):

¦S3 = S3 + X(I) * Y(I):

¦S4 = S4 + Y(I)

¦I = I + 1

¦IF I <= N - 1 THEN 10

¦D = S1 * N - S2 ^ 2:

¦D1 = S3 * N - S2 * S4:

¦D0 = S1 * S4 - S2 * S3

¦A1 = D1 / D:

¦A0 = D0 / D

¦Y = A1 * XC + A0

¦PRINT TAB(2); "КОЭФФИЦИЕНТ ПРЯМОЙ В ТОЧКЕ A0="; A0,

¦PRINT TAB(2); "КОЭФФИЦИЕНТ ПРЯМОЙ В ТОЧКЕ A1="; A1,

¦PRINT TAB(2); "ЗНАЧЕНИЕ ФУНКЦИИ В ТОЧКЕ XC Y="; Y

¦FOR X = 10 TO 50 STEP 10

¦Y = A1 * X + AO

¦PRINT X, Y

¦NEXT X

¦FOR I = 1 TO N - 1

¦S = S + Y(I): NEXT I

¦D = H / 2 * (Y(0) + Y(N - 1) + 2 * S)

¦PRINT "ЗНАЧЕНИЕ ИНТЕГРАЛА ПО МЕТОДУ ТРАПЕЦИИ D="; D

Ответы

Х Y

1.3 -6.56

5.4 -3.77

9.5 -1.84

13.6 .1

17.7 2.29

21.8 4.31

25.9 5.86

30 8.82

34.1 11.33

38.2 11.27

КОЭФФИЦИЕНТ ПРЯМОЙ В ТОЧКЕ A0=-6.709182

КОЭФФИЦИЕНТ ПРЯМОЙ В ТОЧКЕ A1= .5007687

ЗНАЧЕНИЕ ФУНКЦИИ В ТОЧКЕ XC Y=-1.701495

10 5.007687

20 10.01537

ЗНАЧЕНИЕ ИНТЕГРАЛА ПО МЕТОДУ ТРАПЕЦИИ D= 166.9725


Подобные документы

  • Оценка неизвестных величин по результатам измерений, содержащим случайные ошибки, при помощи метода наименьших квадратов. Аппроксимация многочленами, обзор существующих методов аппроксимации. Математическая постановка задачи аппроксимации функции.

    курсовая работа [1,9 M], добавлен 12.02.2013

  • Непрерывная и точечная аппроксимация. Интерполяционные полиномы Лагранжа и Ньютона. Погрешность глобальной интерполяции, квадратичная зависимость. Метод наименьших квадратов. Подбор эмпирических формул. Кусочно-постоянная и кусочно-линейная интерполяции.

    курсовая работа [434,5 K], добавлен 14.03.2014

  • Особенности метода аппроксимации табулированных функций. Рассмотрение преимуществ работы в среде математической программы Mathcad. Метод наименьших квадратов как наиболее распространенный метод аппроксимации экспериментальных данных, сферы применения.

    курсовая работа [1,2 M], добавлен 30.09.2012

  • Аппроксимация экспериментальных зависимостей методом наименьших квадратов. Правило Крамера. Графическое отображение точек экспериментальных данных. Аномалии и допустимые значения исходных данных. Листинг программы на С++. Результаты выполнения задания.

    курсовая работа [166,7 K], добавлен 03.02.2011

  • Преобразование коэффициентов полиномов Чебышева. Функции, применяемые в численном анализе. Интерполяция многочленами, метод аппроксимации - сплайн-аппроксимация, ее отличия от полиномиальной аппроксимации Лагранжем и Ньютоном. Метод наименьших квадратов.

    реферат [21,5 K], добавлен 27.01.2011

  • Аппроксимация функции y = f(x) линейной функцией y = a1 + a2x. Логарифмирование заданных значений. Расчет коэффициентов корреляции и детерминированности. Построение графика зависимости и линии тренда. Числовые характеристики коэффициентов уравнения.

    курсовая работа [954,7 K], добавлен 10.01.2015

  • Постановка задачи аппроксимации методом наименьших квадратов, выбор аппроксимирующей функции. Общая методика решения данной задачи. Рекомендации по выбору формы записи систем линейных алгебраических уравнений. Решение систем методом обратной матрицы.

    курсовая работа [77,1 K], добавлен 02.06.2011

  • Изучение аппроксимации таблично заданной функции методом наименьших квадратов при помощи вычислительной системы Mathcad. Исходные данные и функция, вычисляющая матрицу коэффициентов систему уравнений. Выполнение вычислений для разных порядков полинома.

    лабораторная работа [166,4 K], добавлен 13.04.2016

  • Разделенные разности и аппроксимация функций методом наименьших квадратов. Интерполяционные многочлены Лагранжа и Ньютона. Экспериментальные данные функциональной зависимости. Система уравнений для полинома. Графики аппроксимирующих многочленов.

    реферат [139,0 K], добавлен 26.07.2009

  • Исследование вопросов построения эмпирических формул методом наименьших квадратов средствами пакета Microsoft Excel и решение данной задачи в MathCAD. Сравнительная характеристика используемых средств, оценка их эффективности и перспективы применения.

    курсовая работа [471,3 K], добавлен 07.03.2015

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.