SlideShare uma empresa Scribd logo
1 de 22
Методы вычислений
    Многочлены наилучших приближений


      Кафедра теоретической механики
                  Пикалов Р. С.

Самарский государственный аэрокосмический университет
            им. академика С. П. Королёва
    (национальный исследовательский университет)




                23 ноября 2012 г.
Постановка задачи


Постановка задачи
Задана таблица значений функции yi = f (xi ), (i = 0, ..., n), на
интервале [x0 , xn ].



                       n




                                                        n


Требуется построить аппроксимирующую функцию:

                Φ(x) = c0 ϕ0 (x) + c1 ϕ1 (x) + ... + cm ϕm (x)

   Кафедра ТМ (СГАУ)                Методы вычислений       23 ноября 2012 г.   2 / 22
Постановка задачи



Применение метода наименьших квадратов к аппроксимации функции
f (x) функцией ϕ(x) означает подбор такой функции ϕ(x), которая
минимизирует среднеквадратическую погрешность приблеженного
равенства ϕ(x) ≈ f (x).




   Кафедра ТМ (СГАУ)            Методы вычислений   23 ноября 2012 г.   3 / 22
Постановка задачи


Наилучшее среднеквадратическое приближение



Функция ϕ(x) называется наилучшим среднеквадратическим
приближением функцииf (x) на заданном семействе функции.



Расмотрим случай когда аппроксимирующая функция ϕ(x)
представляет собой линейную комбинацию нескольких других, вообще
говоря, более простых (базисных) функций.




   Кафедра ТМ (СГАУ)            Методы вычислений   23 ноября 2012 г.   4 / 22
Скалярное произведение функций   Скалярное произведение для непрерывных функций


Скалярное произведение функций
Скалярное произведение для непрерывных на отрезке [a, b] функций




Для пространства CL [a, b] непрерывных на [a, b] функций:
                                                                      b
                                                             1
     скалярное произведение: (f (x), g(x)) =                b−a           f (x)g(x)dx
                                                                  a
                                                                  b
                                                            1
     метрика (растояние):ρ(f (x), g(x)) =                  b−a        [f (x) − g(x)]2 dx
                                                                 a

                                                      b
                                                 1
     норма: f (x) = ρ(f (x), 0) =               b−a       f (x)2 dx
                                                      a




    Кафедра ТМ (СГАУ)                Методы вычислений                        23 ноября 2012 г.   5 / 22
Скалярное произведение функций   Скалярное произведение для сеточных функций


Скалярное произведение функций
Скалярное произведение для сеточных функций




Для пространства Rn+1 [a, b] сеточных функций, определённых в точках
xi ∈ [a, b](i = 0, ..., n):
                                                                   n
                                                             1
     скалярное произведение: (f (x), g(x)) =                n+1         f (xi )g(xi )
                                                                  i=0
                                                n
                                          1
     метрика: ρ(f (x), g(x)) =           n+1        [f (xi ) − g(xi )]2
                                                i=0

                                                       n
                                                 1
     норма: f (x) = ρ(f (x), 0) =               n+1         f (xi )2 dx
                                                      i=0




    Кафедра ТМ (СГАУ)                Методы вычислений                     23 ноября 2012 г.   6 / 22
Обобщенный многочлен


Среднеквадратические ошибки


Введеные указанным способом метрики характерезуют близость
функций f (x) и ϕ(x) по отношению к приближенному равенству
f (x) ≈ ϕ(x) при x ∈ [a, b] они представляют собой интегральную и
точечную среднекадратические ошибки:

     n
          (f (xi ) − ϕ(xi ))2 = min ⇐⇒ ρ(f, ϕ)Rn+1 [a,b] = min
    i=0
     n
          (f (x) − ϕ(x))2 = min ⇐⇒ ρ(f, ϕ)CL [a,b] = min
    i=0




   Кафедра ТМ (СГАУ)               Методы вычислений       23 ноября 2012 г.   7 / 22
Обобщенный многочлен


Обобщенный многочлен

Пусть {ϕj (x)}m - некоторая заданная на [a, b] система линейно
              j=0
независимых функций. Обобщенным многочленом называется
функция вида

                Φ(x) := c0 ϕ0 (x) + c1 ϕ1 (x) + ... + cm ϕm (x),                 (1)

где c0 , c1 , ..., cm - произвольные вещественные числа (коэфициенты
обобщенного многочлена).
Построение обобщенного многочленна (1) , сводиться к нахождению
оптимального набора коэффициентов cj , т.е к решению задачи
минимизации:
               n
                    [co ϕ0 + c1 ϕ1 + ... + cm ϕm − f (xi )]2 → min
              i=0


   Кафедра ТМ (СГАУ)               Методы вычислений         23 ноября 2012 г.   8 / 22
Обобщенный многочлен




Для задачи минимизации
                  n
                      [co ϕ0 + c1 ϕ1 + ... + cm ϕm − f (xi )]2 → min
               i=0

необходимые (и достаточные) условия выражаются системой:
        n
        i=0 ϕ0 (xi )(c0 ϕ0 (xi ) + c1 ϕ1 (xi ) + ... + cm ϕm (xi )) = 0,
       
       
       
       
        n
       
       
            ϕ (x )(c ϕ (x ) + c ϕ (x ) + ... + c ϕ (x )) = 0,
                      1   i      0 0    i       1 1     i       m m    i
                                                                                          (2)
         i=0
         ...
        
         n
        
        
        
        
             ϕm (xi )(c0 ϕ0 (xi ) + c1 ϕ1 (xi ) + ... + cm ϕm (xi )) = 0
            i=0




    Кафедра ТМ (СГАУ)                       Методы вычислений         23 ноября 2012 г.   9 / 22
Обобщенный многочлен




Преобразуем и перепишем систему (2) в терминах скалярных
произведений:
      
       (ϕ0 , ϕ0 )c0 + (ϕ0 , ϕ1 )c1 + ... + (ϕ0 , ϕm )cm = (ϕ0 , f ),
      
         (ϕ1 , ϕ0 )c0 + (ϕ1 , ϕ1 )c1 + ... + (ϕ1 , ϕm )cm = (ϕ1 , f ),
      
                                                                                (3)
      
        ...
         (ϕm , ϕ0 )c0 + (ϕm , ϕ1 )c1 + ... + (ϕm , ϕm )cm = (ϕm , f )
      


Система (3) чрезвычайно упрощается в случае, когда базисные
функции ϕj (x) (j = 0..m) образуют на [a, b] ортогональную систему.




   Кафедра ТМ (СГАУ)               Методы вычислений       23 ноября 2012 г.   10 / 22
Обобщенный многочлен


Ортогональная система базисных функций

Взаимная ортогональность функций ϕj (x) означает что

                       (ϕk (x), ϕj (x)) = 0 при любых k = j

Следовательно систему (3) можно переписать в виде
               
                (ϕ0 , ϕ0 )c0 = (ϕ0 , f ) = ϕ0 (x) ,
               
                  (ϕ1 , ϕ1 )c1 = (ϕ1 , f ) = ϕ1 (x) ,
               
                                                                                      (4)
                ...
               
                  (ϕm , ϕm )cm = (ϕm , f ) = ϕm (x) .
               

Из (4) =⇒
                            (ϕj , f )   (ϕj , f )
                   cj =               =           , (j = 0, .., m)
                           (ϕj , ϕj )    ϕj (x)


   Кафедра ТМ (СГАУ)                Методы вычислений            23 ноября 2012 г.   11 / 22
Обобщенный многочлен


Ортонормированная система базисных функций

Для ортонормированной системы {ϕj (x)}m , норма:
                                      j=0

                          (ϕj (x)ϕj (x)) = ϕj (x) = 1,

Следовательно коэффиценты cj определяются по формуле:

                              (ϕj , f )
                       cj =             = (ϕj , f ), (j = 0, .., m)
                                1
т.е. аппроксимация функции f (x) обобщенным многочленом имеет
вид:

       f (x) ≈ (ϕ0 , f )ϕ0 (x) + (ϕ1 , f )ϕ1 (x) + ... + (ϕm , f )ϕm (x).



   Кафедра ТМ (СГАУ)                 Методы вычислений                23 ноября 2012 г.   12 / 22
Системы ортогональных многочленов


Системы ортогональных многочленов


Приведем некоторые сведения справочного характера об
ортогональных многочленах:
    Лежандра:
    χ0 = 1, χ1 = x, χ2 = 1 (3x2 − 1), ....
                         2
    Чебышева:
    T0 = 1, T1 = x, T2 = 2x2 − 1, ....
    Лагерра:
    L0 = 1, L1 = 1 − x, L2 = x2 − 4x + 2, ....
    Эрмита:
    H0 = 1, H1 = 2x, H2 = 4x2 − 2, ....




   Кафедра ТМ (СГАУ)                Методы вычислений   23 ноября 2012 г.   13 / 22
Системы ортогональных многочленов   Многочлены Лежандра


Многочлены Лежандра

Многочлены Лежандра χn (x) - наиболее употребительные из
классических ортогональных многочленов. Единственные для которых
условие ортогональности на отрезке [−1, 1] выполняется в "чистом
виде".
                   1
                                               0,       если k = j,
                       χk (x)χj (x)dx =          2
                                               2k+1 ,   если k = j.
                 −1

                          1                 1 dn 2
      χ0 = 1, χ1 = x, χ2 = (3x2 − 1), χn =          (x − 1)n
                          2                n!2n dxn
Многочлены Лежандра связаны рекуррентным соотношением:

            (n + 1)χn+1 (x) − (2n + 1)xχn (x) + nχn−1 (x) = 0



   Кафедра ТМ (СГАУ)                Методы вычислений                23 ноября 2012 г.   14 / 22
Системы ортогональных многочленов   Многочлены Чебышева


Многочлены Чебышева
Многочленом Чебышева называется функция

                             Tn (x) = cos(n arccos x),

где n ∈ N0 , x ∈ [−1, 1]. Многочлены Чебышева ортогональны, с весом
         1
p(x) = √1−x2 . А именно, условие ортогональности имеет вид:
                                         
               1                         0, если k = j,
                                   dx    
                   Tk (x)Tj (x) √       = π , если k = j = 0,
                                  1 − x2  2
                                          π, если k = j.
                                         
            −1


                         T0 = 1, T1 = x, T2 = 2x2 − 1.
Многочлены Чебышева связаны рукурентным соотношением:

                         Tn+1 (x) = 2xTn (x) − Tn−1 (x)

   Кафедра ТМ (СГАУ)                Методы вычислений                23 ноября 2012 г.   15 / 22
Системы ортогональных многочленов    Многочлены Чебышева


                                       1.0




                                       0.5




1.0                 0.5                                        0.5                       1.0




                                       0.5




                                       1.0


                          Многочлены Чебышева
Кафедра ТМ (СГАУ)                Методы вычислений                   23 ноября 2012 г.   16 / 22
Системы ортогональных многочленов   Многочлены Лагерра


Многочлены Лагерра


Многочлены Лагерра ортогональны на промежутке [0, +∞), с весом
p(x) = e−x . Условие ортогональности имеет вид:
               +∞
                                                 0,      если k = j,
                   e−x Lk (x)Lj (x)dx =
                                                 (k!)2 , если k = j.
               0

                    L0 = 1, L1 = 1 − x, L2 = x2 − 4x + 2.
Многочлены Лагерра связаны рекуррентным соотношением:

              Ln+1 (x) − (2n + 1 − x)Ln (x) + n2 Ln−1 (x) = 0




   Кафедра ТМ (СГАУ)                Методы вычислений               23 ноября 2012 г.   17 / 22
Системы ортогональных многочленов   Многочлены Эрмита


Многочлены Эрмита


Многочлены Эрмита Hn (x) ортогональны на всей числовой оси с
                2
весом p(x) = e−x . Условие ортогональности имеет вид:
             +∞
                       2                         0,        если k = j,
                e−x Hk (x)Hj (x)dx =               k k!√π, если k = j.
                                                 2
           −∞

                           H0 = 1, H1 = 2x, H2 = 4x2 − 2.
Многочлены Эрмита связаны рекуррентным соотношением:

                   Hn+1 (x) − 2xHn (x) + 2bHn−1 (x) = 0




   Кафедра ТМ (СГАУ)                Методы вычислений              23 ноября 2012 г.   18 / 22
Пример аппроксимации таблично-заданной функции


Пример



На интервале [−1, 1] задана табличная функция f (x):

 x     -1  -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2                       -0.1     0
 y    -0.8 -0.7 -0.71 -0.6 0.5 -0.4 -0.3 -0.2 -0.1                      -0.09     0
 x     0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9      1
 y    0.09 0.1 0.2 0.3 0.4 0.5 0.6 0.71 0.7 0.8
Необходимо построить аппроксимирующую функцию ϕ(x).




     Кафедра ТМ (СГАУ)                 Методы вычислений   23 ноября 2012 г.    19 / 22
Пример аппроксимации таблично-заданной функции




В качестве базисных функций используем многочлены Лежандра, 0,1 и
второго порядка:
                                            1
                           ϕ(x) = c0 + xc1 + (3x2 − 1)c2
                                            2
Используя формулы скалярного произведения для сеточных функций,
                            (χ ,f )
определим коэффиценты cj = (χjj,χj ) , (j = 0, 1, 2)

               c0 = −0.0420735, c1 = 0.902449, c3 = −0.205244




    Кафедра ТМ (СГАУ)                  Методы вычислений   23 ноября 2012 г.   20 / 22
Пример аппроксимации таблично-заданной функции



Подставляя найденные коэффиценты, получим аппроксимирующую
функцию:
                                                          0.205244
           ϕ(x) = −0.0420735 + 0.902449x −                         (3x2 − 1)
                                                              2




   Кафедра ТМ (СГАУ)                  Методы вычислений            23 ноября 2012 г.   21 / 22
Список использованных источников


Список использованных источников




 1    Вержбицкий В. М. Основы численных методов. М.:Высшая школа,
      2002.
 2    Вержбицкий В. М. Численные методы. Математический анализ и
      обыкновенные дифференциальные уавнения. М.:Высшая школа,
      2001.




     Кафедра ТМ (СГАУ)                 Методы вычислений   23 ноября 2012 г.   22 / 22

Mais conteúdo relacionado

Mais procurados

L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторовTechnosphere1
 
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияTechnosphere1
 
Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"Technosphere1
 
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблейTechnosphere1
 
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокTechnosphere1
 
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)Alexey Paznikov
 
Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"Technosphere1
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыTechnosphere1
 
Структурное обучение и S-SVM
Структурное обучение и S-SVMСтруктурное обучение и S-SVM
Структурное обучение и S-SVMromovpa
 
L7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качестваL7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качестваTechnosphere1
 
Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining" Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining" Technosphere1
 
Методы решения нелинейных уравнений
Методы решения нелинейных уравненийМетоды решения нелинейных уравнений
Методы решения нелинейных уравненийTheoretical mechanics department
 
L10: Алгоритмы кластеризации
L10: Алгоритмы кластеризацииL10: Алгоритмы кластеризации
L10: Алгоритмы кластеризацииTechnosphere1
 
Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства" Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства" Technosphere1
 
Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана" Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана" Technosphere1
 
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"Nikolay Grebenshikov
 

Mais procurados (20)

L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторов
 
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессия
 
Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"
 
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблей
 
Integral1
Integral1Integral1
Integral1
 
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибок
 
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)
Лекция 5. Метод конечных разностей (параллельные алгоритмы в стандарте MPI)
 
Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
 
Основы MATLAB. Численные методы
Основы MATLAB. Численные методыОсновы MATLAB. Численные методы
Основы MATLAB. Численные методы
 
Структурное обучение и S-SVM
Структурное обучение и S-SVMСтруктурное обучение и S-SVM
Структурное обучение и S-SVM
 
23
2323
23
 
L7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качестваL7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качества
 
Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining" Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining"
 
Методы решения нелинейных уравнений
Методы решения нелинейных уравненийМетоды решения нелинейных уравнений
Методы решения нелинейных уравнений
 
Funkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafikFunkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafik
 
L10: Алгоритмы кластеризации
L10: Алгоритмы кластеризацииL10: Алгоритмы кластеризации
L10: Алгоритмы кластеризации
 
Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства" Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства"
 
Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана" Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана"
 
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"
Лекция №16. Поиск подстрок. Предмет "Структуры и алгоритмы обработки данных"
 

Semelhante a Многочлены наилучших среднеквадратичных приближений

Методы численного интегрирования
Методы численного интегрированияМетоды численного интегрирования
Методы численного интегрированияTheoretical mechanics department
 
ИНТЕГРАЛ ТАЛБАЙ /Integral/
 ИНТЕГРАЛ ТАЛБАЙ /Integral/ ИНТЕГРАЛ ТАЛБАЙ /Integral/
ИНТЕГРАЛ ТАЛБАЙ /Integral/Khishighuu Myanganbuu
 
Определенный интеграл
Определенный интегралОпределенный интеграл
Определенный интегралssuser4d8a9a
 
Конкурс презентаций - Голичева
Конкурс презентаций - ГоличеваКонкурс презентаций - Голичева
Конкурс презентаций - Голичеваgalkina
 
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...Решение систем линейных уравнений: трехдиагональные, симметричные и положител...
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...Theoretical mechanics department
 
Лекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовЛекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовMikhail Kurnosov
 
пугач му по матлогике 2015
пугач му по матлогике 2015пугач му по матлогике 2015
пугач му по матлогике 2015LIPugach
 
Лекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовЛекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовMikhail Kurnosov
 
простейшие применения принципа_сжатых_отображени1
простейшие применения принципа_сжатых_отображени1простейшие применения принципа_сжатых_отображени1
простейшие применения принципа_сжатых_отображени1Vladimir Kukharenko
 
Мезенцев Павел - Машинное обучение на MapReduce
Мезенцев Павел - Машинное обучение на MapReduceМезенцев Павел - Машинное обучение на MapReduce
Мезенцев Павел - Машинное обучение на MapReducePavel Mezentsev
 
простейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображенийпростейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображенийVladimir Kukharenko
 
Итерационные методы решения СЛАУ
Итерационные методы решения СЛАУИтерационные методы решения СЛАУ
Итерационные методы решения СЛАУTheoretical mechanics department
 
Derivative lesson
Derivative lessonDerivative lesson
Derivative lessonmarinarum
 
20071111 efficientalgorithms kulikov_lecture06
20071111 efficientalgorithms kulikov_lecture0620071111 efficientalgorithms kulikov_lecture06
20071111 efficientalgorithms kulikov_lecture06Computer Science Club
 
20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10Computer Science Club
 

Semelhante a Многочлены наилучших среднеквадратичных приближений (20)

Методы численного интегрирования
Методы численного интегрированияМетоды численного интегрирования
Методы численного интегрирования
 
Сплайн интерполяция
Сплайн интерполяцияСплайн интерполяция
Сплайн интерполяция
 
Линейные многошаговые методы
Линейные многошаговые методыЛинейные многошаговые методы
Линейные многошаговые методы
 
ИНТЕГРАЛ ТАЛБАЙ /Integral/
 ИНТЕГРАЛ ТАЛБАЙ /Integral/ ИНТЕГРАЛ ТАЛБАЙ /Integral/
ИНТЕГРАЛ ТАЛБАЙ /Integral/
 
Определенный интеграл
Определенный интегралОпределенный интеграл
Определенный интеграл
 
Конкурс презентаций - Голичева
Конкурс презентаций - ГоличеваКонкурс презентаций - Голичева
Конкурс презентаций - Голичева
 
10474
1047410474
10474
 
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...Решение систем линейных уравнений: трехдиагональные, симметричные и положител...
Решение систем линейных уравнений: трехдиагональные, симметричные и положител...
 
Лекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовЛекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмов
 
пугач му по матлогике 2015
пугач му по матлогике 2015пугач му по матлогике 2015
пугач му по матлогике 2015
 
презентация к уроку2
презентация к уроку2презентация к уроку2
презентация к уроку2
 
000
000000
000
 
Лекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовЛекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмов
 
простейшие применения принципа_сжатых_отображени1
простейшие применения принципа_сжатых_отображени1простейшие применения принципа_сжатых_отображени1
простейшие применения принципа_сжатых_отображени1
 
Мезенцев Павел - Машинное обучение на MapReduce
Мезенцев Павел - Машинное обучение на MapReduceМезенцев Павел - Машинное обучение на MapReduce
Мезенцев Павел - Машинное обучение на MapReduce
 
простейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображенийпростейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображений
 
Итерационные методы решения СЛАУ
Итерационные методы решения СЛАУИтерационные методы решения СЛАУ
Итерационные методы решения СЛАУ
 
Derivative lesson
Derivative lessonDerivative lesson
Derivative lesson
 
20071111 efficientalgorithms kulikov_lecture06
20071111 efficientalgorithms kulikov_lecture0620071111 efficientalgorithms kulikov_lecture06
20071111 efficientalgorithms kulikov_lecture06
 
20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10
 

Mais de Theoretical mechanics department

Python. Объектно-ориентированное программирование
Python. Объектно-ориентированное программирование Python. Объектно-ориентированное программирование
Python. Объектно-ориентированное программирование Theoretical mechanics department
 
Основы языка Питон: типы данных, операторы
Основы языка Питон: типы данных, операторыОсновы языка Питон: типы данных, операторы
Основы языка Питон: типы данных, операторыTheoretical mechanics department
 
Машинная арифметика. Cтандарт IEEE-754
Машинная арифметика. Cтандарт IEEE-754Машинная арифметика. Cтандарт IEEE-754
Машинная арифметика. Cтандарт IEEE-754Theoretical mechanics department
 
Docking with noncooperative spent orbital stage using probe-cone mechanism
Docking with noncooperative spent orbital stage using probe-cone mechanismDocking with noncooperative spent orbital stage using probe-cone mechanism
Docking with noncooperative spent orbital stage using probe-cone mechanismTheoretical mechanics department
 
Алгоритмы и языки программирования
Алгоритмы и языки программированияАлгоритмы и языки программирования
Алгоритмы и языки программированияTheoretical mechanics department
 
Chaotic Behavior of a Passive Satellite During Towing by a Tether
Chaotic Behavior of a Passive Satellite During Towing by a TetherChaotic Behavior of a Passive Satellite During Towing by a Tether
Chaotic Behavior of a Passive Satellite During Towing by a TetherTheoretical mechanics department
 
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+Theoretical mechanics department
 
On problems of active space debris removal using tethered towing
On problems of active space debris removal using tethered towingOn problems of active space debris removal using tethered towing
On problems of active space debris removal using tethered towingTheoretical mechanics department
 

Mais de Theoretical mechanics department (20)

Космический мусор
Космический мусорКосмический мусор
Космический мусор
 
Основы SciPy
Основы SciPyОсновы SciPy
Основы SciPy
 
Основы NumPy
Основы NumPyОсновы NumPy
Основы NumPy
 
Модификация механизма Йо-Йо
Модификация механизма Йо-ЙоМодификация механизма Йо-Йо
Модификация механизма Йо-Йо
 
Python. Объектно-ориентированное программирование
Python. Объектно-ориентированное программирование Python. Объектно-ориентированное программирование
Python. Объектно-ориентированное программирование
 
Python. Обработка ошибок
Python. Обработка ошибокPython. Обработка ошибок
Python. Обработка ошибок
 
Python: ввод и вывод
Python: ввод и выводPython: ввод и вывод
Python: ввод и вывод
 
Python: Модули и пакеты
Python: Модули и пакетыPython: Модули и пакеты
Python: Модули и пакеты
 
Основы Python. Функции
Основы Python. ФункцииОсновы Python. Функции
Основы Python. Функции
 
Основы языка Питон: типы данных, операторы
Основы языка Питон: типы данных, операторыОсновы языка Питон: типы данных, операторы
Основы языка Питон: типы данных, операторы
 
Машинная арифметика. Cтандарт IEEE-754
Машинная арифметика. Cтандарт IEEE-754Машинная арифметика. Cтандарт IEEE-754
Машинная арифметика. Cтандарт IEEE-754
 
Chaotic motions of tethered satellites with low thrust
Chaotic motions of tethered satellites with low thrust Chaotic motions of tethered satellites with low thrust
Chaotic motions of tethered satellites with low thrust
 
Docking with noncooperative spent orbital stage using probe-cone mechanism
Docking with noncooperative spent orbital stage using probe-cone mechanismDocking with noncooperative spent orbital stage using probe-cone mechanism
Docking with noncooperative spent orbital stage using probe-cone mechanism
 
Алгоритмы и языки программирования
Алгоритмы и языки программированияАлгоритмы и языки программирования
Алгоритмы и языки программирования
 
Deployers for nanosatellites
Deployers for nanosatellitesDeployers for nanosatellites
Deployers for nanosatellites
 
CubeSat separation dynamics
CubeSat separation dynamicsCubeSat separation dynamics
CubeSat separation dynamics
 
Chaotic Behavior of a Passive Satellite During Towing by a Tether
Chaotic Behavior of a Passive Satellite During Towing by a TetherChaotic Behavior of a Passive Satellite During Towing by a Tether
Chaotic Behavior of a Passive Satellite During Towing by a Tether
 
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+
Транспортно-пусковой контейнер для наноспутников типоразмера 3U, 3U+
 
On problems of active space debris removal using tethered towing
On problems of active space debris removal using tethered towingOn problems of active space debris removal using tethered towing
On problems of active space debris removal using tethered towing
 
Наноспутники формата кубсат
Наноспутники формата кубсатНаноспутники формата кубсат
Наноспутники формата кубсат
 

Многочлены наилучших среднеквадратичных приближений

  • 1. Методы вычислений Многочлены наилучших приближений Кафедра теоретической механики Пикалов Р. С. Самарский государственный аэрокосмический университет им. академика С. П. Королёва (национальный исследовательский университет) 23 ноября 2012 г.
  • 2. Постановка задачи Постановка задачи Задана таблица значений функции yi = f (xi ), (i = 0, ..., n), на интервале [x0 , xn ]. n n Требуется построить аппроксимирующую функцию: Φ(x) = c0 ϕ0 (x) + c1 ϕ1 (x) + ... + cm ϕm (x) Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 2 / 22
  • 3. Постановка задачи Применение метода наименьших квадратов к аппроксимации функции f (x) функцией ϕ(x) означает подбор такой функции ϕ(x), которая минимизирует среднеквадратическую погрешность приблеженного равенства ϕ(x) ≈ f (x). Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 3 / 22
  • 4. Постановка задачи Наилучшее среднеквадратическое приближение Функция ϕ(x) называется наилучшим среднеквадратическим приближением функцииf (x) на заданном семействе функции. Расмотрим случай когда аппроксимирующая функция ϕ(x) представляет собой линейную комбинацию нескольких других, вообще говоря, более простых (базисных) функций. Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 4 / 22
  • 5. Скалярное произведение функций Скалярное произведение для непрерывных функций Скалярное произведение функций Скалярное произведение для непрерывных на отрезке [a, b] функций Для пространства CL [a, b] непрерывных на [a, b] функций: b 1 скалярное произведение: (f (x), g(x)) = b−a f (x)g(x)dx a b 1 метрика (растояние):ρ(f (x), g(x)) = b−a [f (x) − g(x)]2 dx a b 1 норма: f (x) = ρ(f (x), 0) = b−a f (x)2 dx a Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 5 / 22
  • 6. Скалярное произведение функций Скалярное произведение для сеточных функций Скалярное произведение функций Скалярное произведение для сеточных функций Для пространства Rn+1 [a, b] сеточных функций, определённых в точках xi ∈ [a, b](i = 0, ..., n): n 1 скалярное произведение: (f (x), g(x)) = n+1 f (xi )g(xi ) i=0 n 1 метрика: ρ(f (x), g(x)) = n+1 [f (xi ) − g(xi )]2 i=0 n 1 норма: f (x) = ρ(f (x), 0) = n+1 f (xi )2 dx i=0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 6 / 22
  • 7. Обобщенный многочлен Среднеквадратические ошибки Введеные указанным способом метрики характерезуют близость функций f (x) и ϕ(x) по отношению к приближенному равенству f (x) ≈ ϕ(x) при x ∈ [a, b] они представляют собой интегральную и точечную среднекадратические ошибки: n (f (xi ) − ϕ(xi ))2 = min ⇐⇒ ρ(f, ϕ)Rn+1 [a,b] = min i=0 n (f (x) − ϕ(x))2 = min ⇐⇒ ρ(f, ϕ)CL [a,b] = min i=0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 7 / 22
  • 8. Обобщенный многочлен Обобщенный многочлен Пусть {ϕj (x)}m - некоторая заданная на [a, b] система линейно j=0 независимых функций. Обобщенным многочленом называется функция вида Φ(x) := c0 ϕ0 (x) + c1 ϕ1 (x) + ... + cm ϕm (x), (1) где c0 , c1 , ..., cm - произвольные вещественные числа (коэфициенты обобщенного многочлена). Построение обобщенного многочленна (1) , сводиться к нахождению оптимального набора коэффициентов cj , т.е к решению задачи минимизации: n [co ϕ0 + c1 ϕ1 + ... + cm ϕm − f (xi )]2 → min i=0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 8 / 22
  • 9. Обобщенный многочлен Для задачи минимизации n [co ϕ0 + c1 ϕ1 + ... + cm ϕm − f (xi )]2 → min i=0 необходимые (и достаточные) условия выражаются системой:  n  i=0 ϕ0 (xi )(c0 ϕ0 (xi ) + c1 ϕ1 (xi ) + ... + cm ϕm (xi )) = 0,      n    ϕ (x )(c ϕ (x ) + c ϕ (x ) + ... + c ϕ (x )) = 0, 1 i 0 0 i 1 1 i m m i (2)  i=0  ...   n      ϕm (xi )(c0 ϕ0 (xi ) + c1 ϕ1 (xi ) + ... + cm ϕm (xi )) = 0 i=0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 9 / 22
  • 10. Обобщенный многочлен Преобразуем и перепишем систему (2) в терминах скалярных произведений:   (ϕ0 , ϕ0 )c0 + (ϕ0 , ϕ1 )c1 + ... + (ϕ0 , ϕm )cm = (ϕ0 , f ),  (ϕ1 , ϕ0 )c0 + (ϕ1 , ϕ1 )c1 + ... + (ϕ1 , ϕm )cm = (ϕ1 , f ),  (3)   ... (ϕm , ϕ0 )c0 + (ϕm , ϕ1 )c1 + ... + (ϕm , ϕm )cm = (ϕm , f )  Система (3) чрезвычайно упрощается в случае, когда базисные функции ϕj (x) (j = 0..m) образуют на [a, b] ортогональную систему. Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 10 / 22
  • 11. Обобщенный многочлен Ортогональная система базисных функций Взаимная ортогональность функций ϕj (x) означает что (ϕk (x), ϕj (x)) = 0 при любых k = j Следовательно систему (3) можно переписать в виде   (ϕ0 , ϕ0 )c0 = (ϕ0 , f ) = ϕ0 (x) ,  (ϕ1 , ϕ1 )c1 = (ϕ1 , f ) = ϕ1 (x) ,  (4)  ...  (ϕm , ϕm )cm = (ϕm , f ) = ϕm (x) .  Из (4) =⇒ (ϕj , f ) (ϕj , f ) cj = = , (j = 0, .., m) (ϕj , ϕj ) ϕj (x) Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 11 / 22
  • 12. Обобщенный многочлен Ортонормированная система базисных функций Для ортонормированной системы {ϕj (x)}m , норма: j=0 (ϕj (x)ϕj (x)) = ϕj (x) = 1, Следовательно коэффиценты cj определяются по формуле: (ϕj , f ) cj = = (ϕj , f ), (j = 0, .., m) 1 т.е. аппроксимация функции f (x) обобщенным многочленом имеет вид: f (x) ≈ (ϕ0 , f )ϕ0 (x) + (ϕ1 , f )ϕ1 (x) + ... + (ϕm , f )ϕm (x). Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 12 / 22
  • 13. Системы ортогональных многочленов Системы ортогональных многочленов Приведем некоторые сведения справочного характера об ортогональных многочленах: Лежандра: χ0 = 1, χ1 = x, χ2 = 1 (3x2 − 1), .... 2 Чебышева: T0 = 1, T1 = x, T2 = 2x2 − 1, .... Лагерра: L0 = 1, L1 = 1 − x, L2 = x2 − 4x + 2, .... Эрмита: H0 = 1, H1 = 2x, H2 = 4x2 − 2, .... Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 13 / 22
  • 14. Системы ортогональных многочленов Многочлены Лежандра Многочлены Лежандра Многочлены Лежандра χn (x) - наиболее употребительные из классических ортогональных многочленов. Единственные для которых условие ортогональности на отрезке [−1, 1] выполняется в "чистом виде". 1 0, если k = j, χk (x)χj (x)dx = 2 2k+1 , если k = j. −1 1 1 dn 2 χ0 = 1, χ1 = x, χ2 = (3x2 − 1), χn = (x − 1)n 2 n!2n dxn Многочлены Лежандра связаны рекуррентным соотношением: (n + 1)χn+1 (x) − (2n + 1)xχn (x) + nχn−1 (x) = 0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 14 / 22
  • 15. Системы ортогональных многочленов Многочлены Чебышева Многочлены Чебышева Многочленом Чебышева называется функция Tn (x) = cos(n arccos x), где n ∈ N0 , x ∈ [−1, 1]. Многочлены Чебышева ортогональны, с весом 1 p(x) = √1−x2 . А именно, условие ортогональности имеет вид:  1 0, если k = j, dx  Tk (x)Tj (x) √ = π , если k = j = 0, 1 − x2  2 π, если k = j.  −1 T0 = 1, T1 = x, T2 = 2x2 − 1. Многочлены Чебышева связаны рукурентным соотношением: Tn+1 (x) = 2xTn (x) − Tn−1 (x) Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 15 / 22
  • 16. Системы ортогональных многочленов Многочлены Чебышева 1.0 0.5 1.0 0.5 0.5 1.0 0.5 1.0 Многочлены Чебышева Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 16 / 22
  • 17. Системы ортогональных многочленов Многочлены Лагерра Многочлены Лагерра Многочлены Лагерра ортогональны на промежутке [0, +∞), с весом p(x) = e−x . Условие ортогональности имеет вид: +∞ 0, если k = j, e−x Lk (x)Lj (x)dx = (k!)2 , если k = j. 0 L0 = 1, L1 = 1 − x, L2 = x2 − 4x + 2. Многочлены Лагерра связаны рекуррентным соотношением: Ln+1 (x) − (2n + 1 − x)Ln (x) + n2 Ln−1 (x) = 0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 17 / 22
  • 18. Системы ортогональных многочленов Многочлены Эрмита Многочлены Эрмита Многочлены Эрмита Hn (x) ортогональны на всей числовой оси с 2 весом p(x) = e−x . Условие ортогональности имеет вид: +∞ 2 0, если k = j, e−x Hk (x)Hj (x)dx = k k!√π, если k = j. 2 −∞ H0 = 1, H1 = 2x, H2 = 4x2 − 2. Многочлены Эрмита связаны рекуррентным соотношением: Hn+1 (x) − 2xHn (x) + 2bHn−1 (x) = 0 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 18 / 22
  • 19. Пример аппроксимации таблично-заданной функции Пример На интервале [−1, 1] задана табличная функция f (x): x -1 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 y -0.8 -0.7 -0.71 -0.6 0.5 -0.4 -0.3 -0.2 -0.1 -0.09 0 x 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 y 0.09 0.1 0.2 0.3 0.4 0.5 0.6 0.71 0.7 0.8 Необходимо построить аппроксимирующую функцию ϕ(x). Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 19 / 22
  • 20. Пример аппроксимации таблично-заданной функции В качестве базисных функций используем многочлены Лежандра, 0,1 и второго порядка: 1 ϕ(x) = c0 + xc1 + (3x2 − 1)c2 2 Используя формулы скалярного произведения для сеточных функций, (χ ,f ) определим коэффиценты cj = (χjj,χj ) , (j = 0, 1, 2) c0 = −0.0420735, c1 = 0.902449, c3 = −0.205244 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 20 / 22
  • 21. Пример аппроксимации таблично-заданной функции Подставляя найденные коэффиценты, получим аппроксимирующую функцию: 0.205244 ϕ(x) = −0.0420735 + 0.902449x − (3x2 − 1) 2 Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 21 / 22
  • 22. Список использованных источников Список использованных источников 1 Вержбицкий В. М. Основы численных методов. М.:Высшая школа, 2002. 2 Вержбицкий В. М. Численные методы. Математический анализ и обыкновенные дифференциальные уавнения. М.:Высшая школа, 2001. Кафедра ТМ (СГАУ) Методы вычислений 23 ноября 2012 г. 22 / 22