Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Постановка задачи аппроксимации функций

Читайте также:
  1. I. 3.2. Зависимость психических функций от среды и строения органов
  2. I. Организационный момент. Постановка цели урока
  3. I. Организационный момент. Постановка цели урока
  4. I. Постановка вопроса
  5. I. Постановка проблемы
  6. I. Предмет и задачи кризисной психологии
  7. I. Цели и задачи музейной практики

 

В основе большинства численных методов математического анализа лежит подмена одной функции f(x) (известной, неизвестной или частично известной) другой функцией φ(х), близкой к f(x) и обладающей такими свойствами, что позволяют легко производить над нею те или иные аналитические или вычислительные операции. Такую подмену будем называть приближением или аппроксимацией функции f(x) функцией φ(х).

Поводом для аппроксимации может послужить, например, табличный способ ее задания. Он может возникнуть даже тогда, когда аналитическое выражение функции имеется, однако оно оказывается малопригодным для решения поставленной задачи, потому что операция, которую требуется осуществить над ней трудновыполнима.

Элементарный пример — вычисление значения трансцендентной функции «вруч­ную». Действительно, чтобы вычислить, например, In 3,2756, про­ще всего воспользоваться степенным разложением функции, т.е.

заменить трансцендентную функцию степенной. При этом полу­чится, разумеется, приближенное значение функции, но если мы умеем контролировать погрешность, то можно считать, что мы получили интересующий нас результат — хотя бы потому, что в реальности все равно приходится ограничиваться приближенным представлением значений логарифмической функции.

Другая ситуация, когда может потребоваться аппроксимация аналитически заданной функции, — вычисление определенный интегралов. Задача эта, как правило, весьма сложная, часто элементарными приемами невыполнимая. Как вычислить интеграл ? Он, несомненно, существует, но по формуле Ньютона—Лейбница вычислен быть практически не может, так как первообразная не выражается в элементарных функциях (как и множество других первообразных от элементарных функции). Аппроксимация подынтегральной функции — один из возможных приемов (и важно отметить, что цель аппроксимации налагает отпечаток на ее способ).

Чаще всего задача аппроксимации решается с помощью многочленов. Вычисления значений многочлена легко автоматизировать, производная и интеграл от многочлена, в свою очередь также являются многочленами. Наряду с многочленами для аппроксимации используют ряды Фурье, экспоненциальные и другие элементарные функции.

Договоримся, что в качестве функций φ(х) будем использовать только многочлены или функции, составленные из многочленов, в таком случае будем говорить о полиномиальной или кусочно-полиномиальной аппроксимации соответственно (за исключением метода наименьших квадратов). Т.е. аппроксимация производится многочленом степени n, где n принадлежит множеству целых неотрицательных чисел.

Задача аппроксимации формулируется:

экспериментально в точках (узлах)х1, х2 … хn определены значения y1, у2 … уn неизвестной функции у = f(x).

Требуется для функции у = f(x) подобрать замену в виде j(х, Θ), где Θ - вектор независимых параметров.

Известная функция φ(х, Θ) должна быть близка функции y = f(x). Добиваются этого путем подбора по определенной методике вектора Θ = Θ1, Θ2...ΘN,.

Для оценки «близости» функций выбирают тот или иной критерий согласия. Эти критерии основаны на использовании той или иной метрики, т.е. способа введения расстояния между функциями принадлежащими тому или иному классу:

. Например для функций, ограниченных на отрезке , расстояние может быть введено следующим образом: ;для функций, непрерывных на отрезке , по формуле или , а также многими другими способами.

Часто используют минимально - максимальный критерий, при котором функция φ(х, Θ) выбирается из условия минимума функции ψ(Θ).

 

Для функций, заданных таблично, достаточно распространенным критерием согласия является критерий Чебышева, который определяет расстояние р между аппроксимируемой и аппроксиммирующей функциями как максимум величины отклонения между этими функциями в узлах:

1. Если ошибки эксперимента малы р=0 и их можно не учитывать, то задача аппроксимации сводится к интерполяции.

Для интерполяции характерно совпадение функции f(x) с функцией φ(х, Θ) в точках х0, х1 … хn, которые называются узлы интерполяции f(x j) = φ(х j, Θ) j = 0,1, 2,... n.

С геометрической точки зрения график функции Р(x) при интерполировании должен проходить через все точки , ,…, . Подчеркнем, что для значений х, не явля­ющихся узловыми, значения функции Р(x) ничем не регламен­тированы, и в принципе могут значительно отличаться от значе­ний функции f(x).

 

2. Часто процедура аппроксимации связана с другим критерием согласия, когда ошибка эксперимента существенна:

Применяемый на его основе способ аппроксимации получил название метода наименьших квадратов.

 


Дата добавления: 2015-07-20; просмотров: 205 | Нарушение авторских прав


Читайте в этой же книге: Полином Лагранжа. Интерполяционный многочлен Лагранжа. | Погрешность интерполяционной формулы Лагранжа. | Минимизация погрешности многочленной интерполяции путем специального выбора узлов интерполяции. | Аппроксимация экспериментальных данных с помощью интерполяционной формулы Ньютона. | Погрешность интерполяционной формулы при равноотстоящих узлах | Аппроксимация сплайнами. | Аппроксимация по методу наименьших квадратов. |
<== предыдущая страница | следующая страница ==>
Что такое численные методы?| Существование и единственность интерполяционного многочлена

mybiblioteka.su - 2015-2024 год. (0.008 сек.)