co s up
Transkrypt
co s up
4. Aproksymacja Wprowadzenie (4.1) Aproksymacja oznacza przybliżanie funkcji y= f x za pomocą „prostszej”, należącej do określonej klasy funkcji y=F x . Przyczyny strosowania aproksymacji: - funkcja aproksymowana y= f x wyrażona jest za pomocą skomplikowanej, niepraktycznej zależności analitycznej, - znany jest tylko skończony zbiór wartości funkcji y= f x, np. odczytanych w trakcie pomiaru. Funkcji aproksymującej (przybliżającej) y=F x poszukuje się zwykle w określonej rodzinie funkcji np. wśród wielomianów. Przybliżanie jednej funkcji przez inną powoduje pojawianie się błędów, zwanych błędami aproksymacji (przybliżenia). Wprowadzenie (4.1) W zależności od sposobu mierzenia błędu aproksymacji rozróżnia się dwa rodzaje: - aproksymację jednostajną - aproksymację średniokwadratową Aproksymacja jednostajna (4.1.1) Zakłada się, że funkcje y= f x oraz y=F x są określone i ciągłe w przedziale [ a ; b] . Błąd aproksymacji jest mierzony za pomocą normy Czebyszewa ∥ f −F ∥= s up ∥ f ( x)−F ( x)∥. a⩽ x⩽b Aproksymacja średniokwadratowa (4.1.2) Wyróżnia sie dwa przypadki: - aproksymacja ciągła - funkcja y= f x jest określona i ciągła w przedziale [ a ; b]. Błąd aproksymacji wyraża zależność b 2 ∥ f −F ∥=∫ w( x) [ f ( x )−F ( x) ] dx , a gdzie y=w x to nieujemna, rzeczywista funkcja wagowa. Wprowadzenie (4.1) Aproksymacja średniokwadratowa (4.1.2) - aproksymacja dyskretna - funkcja y= f x jest funkcją dyskretną tzn. Jej znane wartości można przedstawić za pomocą tabeli. Tabela 4.1. Znane wartości funkcji dyskretnej Błąd aproksymacji wyraża zależność n 2 ∥ f − F ∥=∑ w x i [ f xi −F x i ] . i=0 Funkcję aproksymującą wybiera się najczęściej w postaci wielomianu uogólnionego F x =a 0 0 x a 1 1 xa m m x w którym funkcje 0 x , 1 x , , m x są wybranymi a priori funkcjami bazowymi m 1 wymiarowej przestrzeni liniowej. W takim przypadku zadanie aproksymacji sprowadza się do określenia współczynników a 0 , a1 , , a m . Wprowadzenie (4.1) Aproksymacja średniokwadratowa cd. (4.1.2) W charakterze funkcji bazowych wybiera się najczęściej - jednomiany 1, x , x 2 , , x m (baza jednomianów), gdyż zgodnie z twierdzeniem Weierstrassa, dla każdej funkcji y= f x określonej i ciągłej na domkniętym i ograniczonym odcinku [ a ; b] istnieje taki wielomian 2 m W m=a 0+a1 x+a 2 x +… , a m x , który przybliża jednostajnie funkcję y= f x na odcinku [ a ; b] . - funkcje trygonometryczne 1, cos x , sin x , cos 2x ,sin 2x , , cos mx ,sin mx (baza trygonometryczna), gdyż zgodnie z twierdzeniem Weierstrassa, dla każdej funkcji y= f x określonej i ciągłej na R oraz okresowej o okresie 2 istnieje taki wielomian trygonometryczny a0 m S m ( x )= +∑ ( ak cos kx+b k sin kx) , 2 k=1 który przybliża jednostajnie funkcję y= f x. Aproksymacja średniokwadratowa dyskretna (4.2) Zakłada się, że znane wartości funkcji aproksymowanej y= f x zostały zestawione w tabeli 4.1. Funkcja y= f x będzie aproksymowana wielomianem uogólnionym F ( x)=a 0 φ0 ( x)+a 1 φ 1 ( x)+…+a m φ m ( x). Błąd aproksymacji jest obliczany z wzoru n 2 ∥ f − F ∥=∑ w x i [ f xi −F x i ] . i=0 Zadaniem aproksymacji średniokwadratowej dyskretnej jest wyznaczenie takich współczynników a 0 , a1 , a 2 ,… , a m wielomianu F ( x) , przy których błąd aproksymacji ∥ f − F ∥ jest najmniejszy. Zagadnienie to można rozwiązać stosując metodę najmniejszych kwadratów. W tym celu odległość ∥ f − F ∥ rozpatruje się jako funkcję m 1 zmiennych niezależnych a 0 , a1 , a 2 ,… , a m : 2 n m [ ] D m (a 0 , a1 ,... , a m)=∥ f −F ∥=∑ w( xi ) yi −∑ a k φ k ( x i) . i=0 k=0 Korzystając z warunku koniecznego istnienia minimum funkcji wielu zmiennych [ ] n m ∂ D m (a 0 , a1 ,... , a m) =∑ 2⋅w ( x i ) y i−∑ a k φ k ( xi ) φ j ( x i)=0 ∂aj i=0 k =0 dla j=0,1 , ... , m . Aproksymacja średniokwadratowa dyskretna cd. (4.2) Po uporządkowaniu składników względem a k , k=0,1 , , m otrzymuje się Oznaczając przez (iloczyn skalarny) sprowadza się zagadnienie znalezienia optymalnych współczynników a k , k=0,1 , , m do rozwiązania układu równań liniowych: noszącego nazwę układu normalnego (układu równań normalnych). Aproksymacja średniokw. dyskretna za pomocą wielomianów (4.3) Jeśli w charakterze funkcji bazowych przyjmie się ciąg jednomianów 2, m 1, x , x , x ,funkcja aproksymująca przybierze postać wielomianu F x =a 0a 1 xa 2 x 2 a m x m a układ normalny będzie równy s 0 a0 + s 1 a 1+...+s m a m=t 0 , s 1 a 0+ s 2 a1 +...+s m+1 a m =t 1 , ............................................... , s m a 0+s m+1 a1 +...+s 2m a m =t m , gdzie: n s k =∑ x ki dla k =0,1 , ... , i=0 n t k =∑ yi x i dla k =0,1 , .... k i =0 Można wykazać, że jeżeli argumenty x 0, x 1, x2, … , x n są różne i m n , wyznacznik układu normalnego jest różny od zera — układ ma jednoznaczne rozwiązanie. Rozwiązując powyższy układ wyznacza się współczynniki a 0, a 1, a 2, , a m . Aproksymacja średniokw. dyskretna za pomocą wielomianów cd. (4.3) Przykład: W poniższej tabeli zostały odnotowane wyniki przeprowadzonego doświadczenia Przeprowadzający doświadczenie stwierdził, że badana funkcja jest zbliżona do funkcji kwadratowej oraz wartość f (2,5) jest obarczona zbyt dużym błędem. Wyznaczyć wartość funkcji y= f x dla x=2,5. Rozwiązanie: Ponieważ wartość funkcji f (2,5)=1,55 jest obarczona błędem grubym, nie będzie uwzględniana w obliczeniach. Zostaną one oparte na następującej funkcji tabelarycznej: Zgodnie z uwagą poczynioną przez przeprowadzającego eksperyment funkcja 2 będzie przybliżana parabolą F 2 x =a 0a1 xa 2 x . Współczynniki a 0 , a1 , a 2 zostaną wyznaczone poprzez rozwiązanie układu równań liniowych s0 a 0+s1 a 1+s 2 a2 =t 0 , s1 a 0+s 2 a1+s 3 a 2=t 1 , s 2 a0 +s 3 a 1+s4 a 2=t 2 . Aproksymacja średniokw. dyskretna za pomocą wielomianów cd. (4.3) W tabeli poniżej zestawiono obliczenia prowadzące do wyznaczenia współczynników si i t i , i=0,1, 2 . Tabela 4.3. Proces obliczania współczynników si i t i . Aproksymacja średniokw. dyskretna za pomocą wielomianów cd. (4.3) Rozwiązując uklad równań [ 7,000 11,500 28,750 11,500 28,750 82,375 28,750 82,375 253,188 ][ ] [ ] a0 11,920 a1 = 30,810 96,235 a2 Otrzymuje się: a 0=1,124 , a 1=−1,495 , a 2=0,739. Wielomian aproksymacyjny F 2 x ma postać 2 F 2 ( x )=1,124−1,495 x+0,739 x . Rozwiązanie zadania otrzyma się podstawiając x=2,5 2 F 2 ( 2,5)=1,124−1,495⋅2,5+0,739⋅2,5 =2,0. Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi (4.4) Układ wielomianów φ0 ( x) , φ1 ( x ) ,… , φm ( x ) nazywany jest układem ortogonalnym z funkcją wagową y=w x na zbiorze X ={ x 0, x 1, , x n } wtedy i tylko wtedy gdy n j , k =∑ w x i j x i k x i i =0 { =0 0 dla dla } j≠k , j =k . Układ ortogonalny wielomianów jest układem funkcji liniowo niezależnych. Można zatem układ taki potraktować jako bazę pewnej podprzestrzeni funkcyjnej i aproksymować funkcję y= f x za pomoca liniowej kombinacji wielomianów tej bazy. W przypadku, gdy funkcje bazowe tworzą układ ortogonalny, tzn. j , k =0 dla j , k =0,1, , m ; j ≠k układ równań normalnych przyjmuje postać (φ0 , φ0 )a 0 =(φ0 , f ) , ( φ1 , φ1) a1 =(φ1 , f ) , …………………………………………………… , (φm , φm) a m=(φm , f ). Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.4) Rozwiązanie powyższego układu równań określają wzory n ∑ w x i j x i f x i j , f i =0 a j= = j , j dla j=0, 1, , m. n ∑ w x i 2j x i i =0 Błąd aproksymacji można wyznaczyć korzystając z zależności ∑ ∑ 2 n n D min m m =∥ f − F ∥=∑ w xi f x i − 2 i=0 k=0 i=0 w x i k xi f xi n . 2 w x ∑ i k xi i =0 min min min Jak można zauważyć: D 0 D 1 D 2 , co oznacza, że odchylenie średniokwadratowe maleje monotonicznie wraz ze wzrostem stopnia wielomianu aproksymującego. Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.4) Układ wielomianów ortogonalnych p 0 , p1 , p2 ,… , p m można otrzymać np. ortogonalizując ciąg jednomianów x 0 , x 1 , x 2 , … , xm za pomocą metody Grama-Schmidta: i i−1 p i=x −∑ i 0 p 0=x =1, k=0 ( x , pk ) ( p k , pk ) pk , i =1,… , m. Można pokazać, że wielomiany ortogonalne spełniają prostą zależność rekurencyjną tzw. regułę trójczłonową, która po uproszczeniach przyjmuje postać: p−1 ( x)=0, p 0 ( x)=1, p k 1 x= x− k1 p k x− k p k−1 x , k =0, 1, , gdzie 0 dowolne oraz n ∑ p 2k x i k= i =0 n ∑ i=0 ∑ x i p 2k x i k =1, 2, , p2k −1 x i n k 1 = i =0n ∑ i=0 k =0,1, , . p 2k x i Wielomiany p 0 , p1 , p2 ,… , p m tworzą na zbiorze X ={x 0 , x 1 , x 2 ,… , x n} układ ortogonalny z funkcją wagową y=w( x)≡1 . Funkcję y= f ( x) można teraz przybliżać za pomoca wielomianu F ( x )=a 0 p0 ( x )+a 1 p1 ( x)+…+a m p m ( x). Aproksymacja średniokw. dyskretna wielomianami ortonormalnymi (4.5) Układ wielomianów φ0 ( x) , φ1 ( x ) ,… , φm ( x ) nazywany jest układem ortonormalnym z funkcją wagową y=w( x)≡1 na zbiorze X ={ x 0, x 1, , x n } wtedy i tylko wtedy gdy n n i=0 i=0 (φ j , φk )=∑ w( x i) φ j ( xi ) φk ( x i)=∑ φ j ( xi )φk ( xi ) { =0 =1 dla dla j≠ k , j =k . Układ równań normalnych redukuje się rówczas do zestawu równań pozwalających na bezpośrednie wyznaczenie wektora parametrów a 0 , a1 , a 2 , , a m . n =(φ0 , f )=∑ φ0( xi ) f ( x i) , a0 i=0 n a1 =( φ1 , f )=∑ φ1 ( x i) f ( xi ) , i=0 …………………………………………………………… , n a m =(φm , f )=∑ φm ( x i ) f ( xi ). i=0 Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama (4.5.1): Zakłada się, że węzły funkcji aproksymowanej, oznaczone przez u 0, u1, … , u n , są punktami podziału odcinka [−1 ; 1] na n równych części tj.: 2i −1 , n i=0, 1,… , n. y i= f (u i) , i=0, 1,… , n. u i= W punktach tych funkcja aproksymowana f ( x) przyjmuje wartości: Wielomiany Grama są określone zależnościami rekurencyjnymi: G−1 u =0, G k u= k⋅u⋅Gk −1 u− k G k −2 u n αk= k √ 1 , √(n+1) dla k =1, 2, , n−1, G0 (u )=α0= 2 4k −1 2 2 (n+1) −k k 1 jest dowolne, k = k −1 dla dla k =1, 2,… , n−1, k =1, 2, , n−1. Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama cd. (4.5.1): Wielomiany Grama G k (u)=0, k =0, 1,… , n−1, tworzą układ ortonormalny na zbiorze: 2 4 { X ={u 0, u 1, … , u n}= −1, −1, −1,… , 1 n n } z funkcją wagową y=w( x)≡1 . Funkcję y= f ( x) na odcinku [−1 ; 1] można przybliżać stosując wielomian: Q m(u)=a 0 G 0 (u)+a1 G1 (u)+,… ,+a m G m (u ) dla m⩽n−1. Przykład: Dokonać aproksymacji danych pomiarowych zamieszczonych w poniższej tablicy za pomocą wielomianu aproksymacyjnego rzedu m=2 zbudowanego z wielomianów Gramma. Q 2( u)=a 0 G 0 (u)+a1 G 1 (u)+a2 G 2 (u ). Stosując wielomian Q 2(u) oszacować wartość funkcji f (x) dla x=2,125. Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama cd. (4.5.1): Rozwiązanie: Do rozwiązania powyższego zadania można użyć wielomianów Grama, ponieważ węzły są rozmieszczone równomiernie - h=0,25 oraz n=6 . W pierwszej kolejnosci należy przekształcić przedział zmienności funkcji f ( x) równy [1,0 ; 2,5] na odcinek [−1 ; 1] , w którym to przedziale wielomiany Grama G i (u) , i=0, 1,… , są ortogonalne. Przekształcenia proste i odwrotne wyrażają zależności: 4 7 3 7 u= x− , x= u+ . 3 3 4 4 gdzie: 1,0⩽ x⩽2,5 oraz −1⩽u⩽1 . Wielomian aproksymacyjny Q 2( u)=a 0 G 0 (u)+a1 G 1 (u)+a2 G 2 (u ). przyjmuje postać: Q 2( x)=a 0 G 0 ( ) ( ) ( ) 4 7 4 7 4 7 ' ' ' x− +a1 G1 x− +a 2 G 2 x− =a 0 G0 (x )+a 1 G1 (x )+a 2 G 2 (x). 3 3 3 3 3 3 Aby skonstruować wielomiany Grama G0 (u ), G1 (u) , G 2 (u) , konieczne jest wyznaczenie wartości zmiennych pomocniczych: α 0 , α 1 , α 2 , γ 2 , przy czym przyjmuje się, że G −1 (u)=0 oraz γ 1 jest dowolne. Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama cd. (4.5.1): Rozwiązanie cd.: √ 6 4⋅1 2−1 α1 = =1,500 , 2 2 1 (6+1) −1 1 1 ' G0 (x )=G0 (u)=α0= = =0,378 , √(n+1) √(6+1) √ α2 6 4⋅2 2−1 α 2= =1,7321 , γ 2= =1,1547 . 2 (6+1)2−22 α1 Wielomiany G 1 (u) oraz G 2( u) wyznacza się rekurencyjnie otrzymując zależności: ( ) 4 7 G1 (u)=α 0 α 1 (u ) → G (x )=α 0α 1 x− =0,7559 x−1,3229 , 3 3 2 4 7 2 ' G 2(u)=α 0 α 1 α 2 (u) −α 0 γ 2 → G 2 (x)=α 0 α 1 α 2 x− −α 0 γ 2 3 3 ' 1 ( ) 2 =1,7457 x −6,1101 x+4,9099 . Współczynniki wagowe a 0 , a1 , a 2 wielomianu aproksymacyjnego Q 2( x) oblicza się rozwiązując ''zredukowany'' układ równań normalnych: Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama cd. (4.5.1): Rozwiązanie cd.: 6 6 a 0=(G ( x) , f ( x))=∑ G ( x i ) f ( xi )=∑ 0,378⋅ f ( x i )=−0,0038 , ' 0 i=0 6 ' 0 6 i=0 a 1=(G '1 ( x) , f ( x))=∑ G'1 ( x i) f ( x i )=∑ (0,7559 x i−1,3229)⋅ f ( x i )=−0,0493 , i=0 i=0 6 a 2=(G'2 ( x ) , f ( x))=∑ G '2 ( xi ) f ( x i) i=0 6 =∑ (1,7457 xi2−6,1101 xi +4,9099) f ( x i)=−3,4460 . i=0 Ostatecznie wielomian aproksymacyjny przyjmuje postać: Q 2( x)=−0,0038⋅0,378−0,0493⋅(0,7559 x−1,3229)+ −3,446⋅(1,7457 x 2−6,1101 x+4,9099). A po uporządkowaniu: Q 2( x)=−16,8556+21,0180 x−6,0158 x 2. Oszacowanie wartość funkcji f (x) dla x=2,125 wynosi Q 2( 2,125)=0,6426. Aproksymacja średniokw. dyskretna wielom. ortonormalnymi cd. (4.5) Aproksymacja za pomocą wielomianów Grama cd. (4.5.1): Rozwiązanie cd.: Dane pomiarowe f ( xi ) oraz wielomian aproksymacyjny Grama Q 2( x). Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: Zakładamy, że funkcja aproksymowana y= f (ν ) jest funkcją ciągłą, okresową o okresie głownym 2 π oraz, że znane są jej wartości w węzłach ν 0, ν 1, … , ν n będących punktami odcinka [0 ; 2 π ] (okres główny f (ν )) określonych wzorami. ν i= 2π i n+1 dla i =0, 1,… , n. Ciąg funkcji 1, cos(ν ), sin(ν ), cos(2ν ), sin(2ν ),… ,cos (2 ν ),sin (2 ν ) ,… , zwany układem trygonometrycznym jest układem funkcji ortogonalnych na zbiorze 2π 4π 2n π { V ={ν 0, ν 1, … , ν n }= 0, , ,… , } n+1 n+1 n+1 z funkcją wagową y=w(ν )≡1 . Funkcję y= f (ν ) można przybliżać stosując wielomian trygonometryczny rzędu m : a0 m S m (ν )= +∑ (ak cos(k ν )+b k sin(k ν )). 2 k=1 Optymalne w sensie aproksymacji średniokwadratowej współczynniki a k , k =0, 1,… , bk , k =1, 2,… , wyraża się wzorami: Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: n n ( ) ( ) ( ) ( ) 2 2 2π 2k π ak = f ( ν )cos(k ν )= f i cos i ∑ ∑ i i n+1 i=0 n+1 i=0 n+1 n+1 n n 2 2 2π 2k π b k= f (ν i)sin(k ν i )= f i sin i ∑ ∑ n+1 i=0 n+1 i=0 n+1 n+1 dla k =0,1, … , dla k =1, 2,…. Noszą one nazwę współczynników Fouriera. Wielomian trygonometryczny ze współczynnikami Fouriera nazywa się wielomianem Fouriera. Dla funkcji y= f (ν ) ciągłej, parzystej i okresowej o okresie 2 π z okresem głownym [0 ; 2 π ] , współczynniki Fouriera b k =0, dla k =1, 2,… . Wielomian aproksymacyjny upraszcza siędo postaci: a0 m S m (ν )= +∑ a k cos (k ν ). 2 k=1 Dla funkcji y= f (ν ) ciągłej, nieparzystej i okresowej o okresie 2 π z okresem głownym [0 ; 2 π ] , współczynniki Fouriera a k =0, dla k =0, 1,… . Wielomian aproksymacyjny upraszcza się do postaci: m S m (ν )=∑ bk sin(k ν ). k=1 Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: Przykład: W tabeli poniżej podano wybrane wartości funkcji y= f (t ) ciągłej dla −∞<t <∞ , okresowej o okresie 2 z okresem głownym [−1 ; 1] . Zbudować i wykreślić wielomian aproksymacyjny Fouriera stopnia 5. Rozwiązanie: Funkcja y= f (t ) jest ciągła i okresowa, węzły są rozmieszczone ze stałym krokiem h=0.2 ( n=9). Ponieważ okres głowny funkcji jest równy [−1 ; 1] a wielomiany trygonometryczne są ortogonalne na odcinku [0 ; 2 π ] , konieczne jest wyznaczenie przekształcenia odcinka [−1 ; 1] na [0 ; 2 π ] . Przekształcenie takie (wraz z przekształceniem odwrotnym) ma ν postać: ν =π ⋅t +π , t = −1, π gdzie: −1⩽t ⩽1 oraz 0⩽ν ⩽2 π . Jak mozna zauważyć y= f (t ) jest funkcją parzystą, stad do jej aproksymacji można wykorzystać uproszczoną wersję wielomianu: a0 m S m (ν )= +∑ a k cos (k ν ). 2 k=1 Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: Wyznaczanie współczynników wielomianu Fouriera: 9 2 a 0= ∑ 9+1 i=0 9 2 a 1= ∑ 9+1 i =0 9 2 a 2= ∑ 9+1 i=0 9 2 a 3= ∑ 9+1 i=0 9 2 a 4= ∑ 9+1 i=0 9 2 a 5= ∑ 9+1 i =0 f f f f f f ( ( ( ( ( ( ) ) ) ) ) ) 2π i 9 2π i 9 2π i 9 2π i 9 2π i 9 2π i 9 cos ( 0 )=0,2⋅( 0,0+0,4+0,8+1,2+1,6+2,0+…+0,8+0,4 )=2,0000 , cos cos cos ( ( ( ( ( cos cos ) ) ) ) 2π i =0,2⋅( 0,0+0,3236+0,2472+…+0,3236 )=−0,8378 , 9 4π i =0,2⋅(0,0+0,1236−0,6472+…+0,1236 )=0,0000 , 9 6π i =0,2⋅( 0,0−0,1236−0,6472+…−0,1236 )=−0,1222 , 9 8π i =0,2⋅( 0,0−0,3236+0,2472+…−0,3236 )=0,0000 , 9 10 π i =0,2⋅( 0,0−0,4000+0,8000+…−0,4000 )=−0,0800 , 9 ) Trygonometryczny wielomian aproksymacyjny ma postać: S 5 (t)=1,0000−0,8378 cos( π ⋅t+π )−0,1222 cos(3 (π ⋅t+π ))−0,0800cos (5( π ⋅t+π )). Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: Funkcja aproksymowana f (t) oraz aproksymacyjny wielomian Fouriera S 5 (t). Aproksymacja średniokw. dyskretna wielomianami ortogonalnymi cd. (4.6) Aproksymacja za pomocą wielomianów trygonometrycznych: Aproksymacja wielomianem Fouriera 5 rzędu F 5 (t) jedenastu węzłow f (t) — aproksymacja przechodzi w interpolację. Aproksymacja średniokwadratowa ciągła (4.7) Zakłada się, że funkcja aproksymowana y= f x jest określona i ciągła w przedziale [ a ; b]. Funkcja ta zostaje poddana aproksymacji za pomocą wielomianu uogólnionego Zagadnienie aproksymacji średniokwadratowej ciągłej polega na znalezieniu takich współczynników c 0 , c 1 , , c m, dla których odległość sensie metryki średniokwadratowej jest najmniejsza. Zagadnienie to rozwiązuje sie stosując metodę najmniejszych kwadratów. Minimalizowana funkcja celu m1 zmiennych niezależnych c 0 , c 1 , , c m ma postać: Korzystając z warunku koniecznego istnienia minimum funkcji wielu zmiennych otrzymuje się Aproksymacja średniokwadratowa ciągła (4.7) Po przekształceniach wyrażenia polegających między innymi na zamianie kolejności sumowania i całkowania oraz uporządkowaniu zależności względem otrzymuje się Oznaczając przez (iloczyny skalarne) powyższe wyrażenie można zapisać w postaci układu normalnego równań liniowych Rozwiązując ten układ równań znajdujemy optymalne współczynniki c 0 , c 1 , , c m (przyjęte ogólne założenia odnośnie bazowych funkcji aproksymujących nie dają gwarancji istnienia rozwiązania). Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów (4.7.1) Jeśli w charakterze funkcji bazowych wykorzysta się ciąg jednomianów 1, x , x 2 ,… , x m , funkcja aproksymująca przybierze postać wielomianu 2 m F ( x )=a 0+a1 x+a 2 x ,… , a m x , Układ równań normalnych przyjmie postać: s 0 a0 + s 1 a 1+...+s m a m=t 0 , s 1 a 0+ s 2 a1 +...+s m+1 a m =t 1 , ................................................. s m a 0+s m+1 a1 +...+s 2m a m =t m , gdzie: Rozwiązując powyższy układ równań wyznaczamy współczynniki a 0 , a1 , , a m . Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów (4.7.1) Przykład: Znaleźć wielomian drugiego stopnia nalepiej przybliżający, w sensie metryki średniokwadratowej funkcję f x= x w przedziale [0 ; 2]. Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów (4.7.1) Przykład: Znaleźć wielomian drugiego stopnia nalepiej przybliżający, w sensie metryki średniokwadratowej funkcję f x= x w przedziale [0 ; 2]. Rozwiązanie: Poszukiwane są współczynniki a 0 , a1 , a 2 m=2 wielomianu F 2 x =a 0a 1 xa2 x 2 . Dla ich znalezienia konieczne jest rozwiązanie następującego układu równań: s 0 a 0+s 1 a1+s 2 a 2=t 0 , s 1 a 0+s 2 a1 +s 3 a 2=t 1 , s 2 a 0+s 3 a1+s 4 a 2=t 2 , gdzie: Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów (4.7.1) Rozwiązanie (cd): Ostatecznie układ równań przyjmuje postać Jego rozwiązaniem są współczynniki a 0= 6 24 2 2 , a = 2 , a =− . 1 2 35 35 7 Wielomian aproksymacyjny wyraża zalezność: 6 24 2 2 2 x− x 2 . 35 35 7 Tablica wartości funkcji f x = x oraz wielomianu aproksymującego F 2 x F 2 x = Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów (4.7.1) Rozwiązanie (cd): Wykresy funkcji f x oraz wielom. aproksymującego F 2 x Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów ortogonalnych (4.7.2) Układ wielomianów 0 x , 1 x , , k x , nazywany jest układem ortogonalnym z funkcja wagową y=w x na odcinku [ a ; b] wtedy i tylko wtedy, gdy iloczyny skalarne g jk = j x , k x spełniają warunki: Układ ortogonalny jest układem funkcji liniowo niezależnych. Układ 0 x , 1 x , , k x , można zatem potraktować jako bazę pewnej przestrzeni funkcyjnej i aproksymować funkcję f x za pomocą liniowej kombinacji funkcji bazy. W przypadku, gdy funkcje 0 x , 1 x , , k x , tworzą bazę ortogonalną , wówczas układ równań normalnych upraszcza sie do postaci Aproksymacja średniokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomianów ortogonalnych (4.7.2) Ponieważ na mocy definicji ortogonalności g jj 0 dla j =0, 1, , m , powyższy układ równań ma jednoznaczne rozwiązanie określone zależnościami: Odchylenie średniokwadratowe funkcji aproksymowanej f x od aproksymującej F x wyraża się wzorem: Z zależności wynika, że ze wzrostem stopnia wielomianu aproksymującego maleje monotonicznie odchylenie średniokwadratowe tj.: min min I min I I 0 1 2 . Aproksymacja za pomocą wzorów empirycznych (4.8) Czasami do aproksymacji używa się jednej funkcji analitycznej (lub kilku różnych funkcji). Jej postać dobiera się na podstawie apriorycznej wiedzy o przebiegu przybliżanej zależności lub w oparciu o ocenę wzrokową rozrzutu jej wartości umieszczonych w prostokątym układzie współrzędnych. Do często stosowanych funkcji należą: Charakteryzują się one małą liczbą parametrów i oraz często łatwą interpretacją fizyczną. Aproksymacja za pomocą wzorów empirycznych (4.8) Dobór postaci analitycznej funkcji aproksymującej w oparciu o ocenę wzrokową rozrzutu jej wartości umieszczonych w prostokątym układzie współrzędnych (4.4.1) y y 0 y=ax+b x 0 x x a y =ba lub y=b x (dla a>1) 2 lub y =a 0+a 1 x+a 2 x (dla a 2>0) Aproksymacja za pomocą wzorów empirycznych (4.8) Dobór postaci analitycznej funkcji aproksymującej w oparciu o ocenę wzrokową rozrzutu jej wartości umieszczonych w prostokątym układzie współrzędnych (4.4.2) y y 0 x y=a0+a1 x+a2 x 2 0 y=b+a log x lub a y=b x (0<a<1) lub ax y= x+b x Aproksymacja za pomocą wzorów empirycznych (4.8) Dobór postaci analitycznej funkcji aproksymującej w oparciu o ocenę wzrokową rozrzutu jej wartości umieszczonych w prostokątym układzie współrzędnych (4.4.3) y y 0 y= k −ax 1+b e x 0 x 2 y=a0+a1 x+a2 x +a3 x 3 Aproksymacja za pomocą wzorów empirycznych (4.8) Dobór postaci analitycznej funkcji aproksymującej w oparciu o ocenę wzrokową rozrzutu jej wartości umieszczonych w prostokątym układzie współrzędnych (4.4.4) y 0 y −a y=b x lub 1 y= lub ax+b x y= ax+b x x 0 ⏞ ⏞ y=b x y =b a ⏞ y =b y =a +a x+a x ⏞ x 2 0 1 2 −a Aproksymacja za pomocą wzorów empirycznych (4.8) Przykład: W trakcie badań pewnego zjawiaka fizycznego zebrano następujacy zestaw danych: Zebrane pomiary wykeślono w prostokątnym układzie współrzędnych. y= f x W wyniku oceny wzrokowej rozrzutu ich wartości zdecydowano, że najlepszym przybliżeniem danych będzie funkcja: F x =e− x x (kształt funkcji gęstości rozkładu normalnego (prawdopod.)). Należy wyznaczyć parametry , i . 2 Aproksymacja za pomocą wzorów empirycznych (4.8) Rozwiązanie: Wybrana funkcja jest nieliniowa (rownież względem wspólczynników , i ) stąd, rozwiązanie takiego zadania aproksymacyjnego jest trude. Zastosowanie do powyższej zależności przekształcenia w postaci obustronnego logarytmowania, sprowadza zagadnienie do aproksymacji za pomocą jednomianów G x =ln F x=− x 2− x− . Stosując podstawienia a 2=− , a1=− , a 0=− , otrzymuje się postać wielomianu drugiego stapnia najlepiej przybliżającego (w sensie najmniejszych kwadratów) funkcję g x =ln f x. G ( x )=a 2 x 2+a 1 x+a 0 . Tabela funkcji g x ma postać: Aproksymacja za pomocą wzorów empirycznych (4.8) Rozwiązanie (CD): Współczynniki a 2, a 1 i a 0 wyznaczy się rozwiązując układ równań normalnych n s0 a 0+s1 a 1+s 2 a2 =t 0 , s1 a 0+s 2 a1+s 3 a 2=t 1 , s 2 a0 +s 3 a 1+s4 a 2=t 2 . gdzie : s k =∑ x i dla k =0,1 , ... , i=0 k n t k =∑ yi x ki dla k =0,1 , .... i =0 Aproksymacja za pomocą wzorów empirycznych (4.8) Rozwiązanie (CD): Powyższy układ równań przyjmuje postać 7,000 a 0+12,250 a 1+23,188 a2 12,250 a 0+23,188 a1+46,703 a 2 23,188 a 0+46,703 a1 +98,574 a 2 Rozwiązaniem układu są wartości: = = = −0,010 , −0,083 , −2,236 . a 2=−6,015 , a1 =21,016 , a 0=−16.854. Poszukiwane parametry funkcji aproksymującej są równe: =6,015 , =−21,016 , =16,854 . 2 −(6,015 x −21,016 x+16,854) F ( x )=e