- •Раздел 6.
- •Раздел 6. Модели и алгоритмы решения задач численными методами с использованием математических пакетов Рекомендации по использованию учебного пособия
- •Тема 6.1. Элементы теории погрешностей
- •6.1.1. Точные и приближенные числа
- •6.1.2. Абсолютная и относительная погрешность
- •Тема 6.2. Методы решения нелинейных уравнений
- •6.2.1. Постановка задачи
- •Отделение корней (локализация корней);
- •Итерационное уточнение корней.
- •6.2.2. Отделение корней
- •6.2.2.1. Графическое отделение корней
- •6.2.2.2. Аналитическое отделение корней
- •6.2.3. Уточнение корней
- •6.2.3.1. Метод половинного деления
- •6.2.3.2. Метод итерации
- •6.2.3.3. Метод Ньютона (метод касательных)
- •6.2.3.4. Метод хорд
- •6.2.3.5. Сравнение методов решения нелинейных уравнений
- •6.2.4. Технология решения нелинейных уравнений средствами MathCad
- •Тема 6.3. Интерполяция функций
- •6.3.1. Постановка задачи
- •6.3.2. Интерполяционная формула Лагранжа
- •6.3.3. Интерполяционные формулы Ньютона
- •6.3.3.1. Конечные разности
- •6.3.3.2. Первая интерполяционная формула Ньютона
- •6.3.3.3. Вторая интерполяционная формула Ньютона
- •6.3.4. Сплайн – интерполяция
- •6.3.5. Сравнение интерполяционных многочленов по применению
- •6.3.6. Технология интерполяции функций в среде математических пакетов
- •Тема 6.4. Численное интегрирование
- •6.4.1. Постановка задачи
- •6.4.2. Метод прямоугольников
- •6.4.3. Формула трапеций
- •6.4.4. Формула Симпсона
- •6.4.5. Оценка погрешности численного интегрирования
- •6.4.6. Технология вычисления интегралов в среде математических пакетов
- •Тема 6.5. Методы решения обыкновенных дифференциальных уравнений
- •6.5.1. Постановка задачи
- •6.5.2. Метод Эйлера
- •6.5.3. Методы Рунге-Кутты
- •6.5.4. Решение оду n-го порядка
- •6.5.5. Сравнение методов решения оду
- •6.5.6. Технология решения обыкновенных дифференциальных уравнений средствами математических пакетов
- •6.6.2. Метод дихотомии
- •6.6.3. Метод золотого сечения
- •6.6.4. Сравнение методов
- •6.6.5. Технология решения задач одномерной оптимизации средствами математических пакетов
- •Тема 6.7. Аппроксимация функций
- •6.7.1. Постановка задачи аппроксимации
- •6.7.2. Метод наименьших квадратов
- •6.7.3. Технология решения задач аппроксимации функций средствами математических пакетов
- •Тема 6.8. Многомерная оптимизация
- •6.8.1. Постановка задачи и основные определения
- •6.8.2. Методы спуска
- •6.8.3. Метод градиентного спуска с дроблением шага
- •6.8.4. Метод наискорейшего спуска
- •6.8.5. Проблема оврагов. Метод покоординатного спуска
- •6.8.6. Технология решения задач многомерной оптимизации средствами математических пакетов
- •Список литературы
- •Тема 6.4. Численное интегрирование................................................71
- •Тема 6.5. Методы решения обыкновенных дифференциальных Уравнений............................................................................. 92
- •Тема 6.6. Одномерная оптимизация................................................ 115
- •Тема 6.7. Аппроксимация функций....................................................132
- •Тема 6.8. Методы многомерной оптимизации............................... 149
- •Список литературы.................................................................... 204
6.7.2. Метод наименьших квадратов
Одним из способов определения параметров эмпирической формулы является метод наименьших квадратов. В этом методе параметры a0, a1, ..., an определяются из условия минимума суммы квадратов отклонений аппроксимирующей функции от табличных данных.
Вектор коэффициентов aT определяют из условия минимизации
где (n+1) – количество узловых точек.
Условие минимума функции Е приводит к системе линейных уравнений относительно параметров a0, a1, ..., am. Эта система называется системой нормальных уравнений, её матрица – матрица Грама. Элементами матрицы Грама являются суммы скалярных произведений базисных функций
Для получения искомых значений параметров следует составить и решить систему (m+1) уравнения
Пусть в качестве аппроксимирующей функции выбрана линейная зависимость y= a0+a1x . Тогда
.
Условия минимума:
Тогда первое уравнение имеет вид
Раскрывая скобки и разделив на постоянный коэффициент, получим
.
Первое уравнение принимает следующий окончательный вид:
.
Для получения второго уравнения, приравняем нулю частную производную по а1:
. .
Система линейных уравнений для нахождения коэффициентов многочлена (линейная аппроксимация):
Введем следующие обозначения - средние значения исходных данных. Во введенных обозначениях решениями системы являются
.
В случае применения метода наименьших квадратов для определения коэффициентов аппроксимирующего многочлена второй степени y=a0+a1x+а2х2 критерий минимизации имеет вид .
Из условия получим следующую систему уравнений:
Решение этой системы уравнений относительно а0, а1, а2 позволяет найти коэффициенты эмпирической формулы - аппроксимирующего многочлена 2-го порядка. При решении системы уравнений могут быть применены численные методы.
В случае степенного базиса (степень аппроксимирующего полинома равна m) матрица Грама системы нормальных уравнений G и столбец правых частей системы нормальных уравнений имеют вид
G =
В матричной форме система нормальных уравнений примет вид:
.
Решение системы нормальных уравнений
найдется из выражения
В качестве меры уклонения заданных значений функции y0, y1, ..., yn от многочлена степени m - φ(x)=a0 φ0(x)+a1 φ1(x)+...+am φm(x) , принимается величина
(n+1) – количество узлов, m – степень аппроксимирующего многочлена, n+1>=m.
Пример 6.7.2-1. Аппроксимировать следующие данные многочленом второй степени, используя метод наименьших квадратов.
x |
0.78 |
1.56 |
2.34 |
3.12 |
3.81 |
y |
2.50 |
1.20 |
1.12 |
2.25 |
4.28 |
Запишем в следующую таблицу элементы матрицы Грама и столбец свободных членов:
i
|
x |
x2 |
x3 |
x4 |
y |
xy |
x2y |
0 |
0.78 |
0.608 |
0.475 |
0.370 |
2.50 |
1.950 |
1.520 |
1 |
1.56 |
2.434 |
3.796 |
5.922 |
1.20 |
1.872 |
2.920 |
2 |
2.34 |
5.476 |
12.813 |
29.982 |
1.12 |
2.621 |
6.133 |
3 |
3.12 |
9.734 |
30.371 |
94.759 |
2.25 |
7.020 |
21.902 |
4 |
3.81 |
14.516 |
55.306 |
210.72 |
4.28 |
16.307 |
62.129 |
∑ |
11.61 |
32.768 |
102.76 |
341.75 |
11.35 |
29.770 |
94.604 |
Система нормальных уравнений выглядит следующим образом
Решением этой системы являются:
а0 = 5.022; а1 =-4.014; а2=1.002.
Искомая аппроксимирующая функция
Сравним исходные значения y со значениями аппроксимирующего многочлена, вычисленными в тех же точках:
Вычислим среднеквадратическое отклонение (невязку)
.