Интерполяция и наилучшие приближения

Министерство образования и науки Российской Федерации

Федеральное государственное автономное образовательное учреждение высшего образования

«Нижегородский государственный университет им. Н.И. Лобачевского»

Арзамасский филиал

Физико-математический факультет

Кафедра физико-математического образования

Выполнил:

Боровец Д.С.

студент 2 курса

заочной формы обучения,

направление «Физико-математическое

образование»

профиль информатика

Курсовая работа

«Интерполяция и наилучшие приближения».

Руководитель:

к.п.н., доцент

Артюхина М.С.

Арзамас, 2014

Содержание.

Введение …………………………………………………………....................………..3 

1. Разделенные разности

2. Интерполяционный многочлен Лагранжа

3Интерполирование по схеме Эйткена

4. Интерполяционный многочлен Ньютона

5Приближение и интерполирование функций,

6 Аппроксимация функций методом наименьших квадратов

Заключение………………....................……………………………………………….19

Список литературы…………………………………………...................……………20

Введение.

Если задана функция y(x), то это означает, что любому допустимому значению х сопоставлено значение у. Но нередко оказывается, что нахождение этого значения очень трудоёмко. Например, у(х) может быть определено как решение сложной задачи, в которой х играет роль параметра или у(х) измеряется в дорогостоящем эксперименте. При этом можно вычислить небольшую таблицу значений функции, но прямое нахождение функции при большом числе значений аргумента будет практически невозможно. Функция у(х) может участвовать в каких-либо физико­-технических или чисто математических расчётах, где её приходится многократно вычислять. В этом случае выгодно заменить функцию у(х) приближённой формулой, то есть подобрать некоторую функцию j(х), которая близка в некотором смысле к у(х) и просто вычисляется. Затем при всех значениях аргумента полагают у(х)»j(х).

Большая часть классического численного анализа основывается на приближении многочленами, так как с ними легко работать. Однако для многих целей используются и другие классы функций.

Выбрав узловые точки и класс приближающих функций, мы должны ещё выбрать одну определённую функцию из этого класса посредством некоторого критерия — некоторой меры приближения или «согласия». Прежде чем начать вычисления, мы должны решить также, какую точность мы хотим иметь в ответе и какой критерий мы изберём для измерения этой точности.

Всё изложенное можно сформулировать в виде четырёх вопросов:

·       Разделенные разности

·       Интерполяционный многочлен Лагранжа

·       Интерполяционный многочлен Ньютона

·       Аппроксимация функций методом наименьших квадратов

Существуют 3 класса или группы функций, широко применяемых в численном анализе. Первая группа включает в себя линейные комбинации функций 1, х, х², …, хⁿ, что совпадает с классом всех многочленов степени n (или меньше). Второй класс образуют функции cos a_ix, sin a_ix. Этот класс имеет отношение к рядам Фурье и интегралу Фурье. Третья группа образуется функциями e^-az. Эти функции встречаются в реальных ситуациях. К ним, например, приводят задачи накопления и распада.

Что касается критерия согласия, то классическим критерием согласия является «точное совпадение в узловых точках». Этот критерий имеет преимущество простоты теории и выполнения вычислений, но также неудобство из-за игнорирования шума (погрешности, возникающей при измерении или вычислении значений в узловых точках). Другой относительно хороший критерий — это «наименьшие квадраты». Он означает, что сумма квадратов отклонений в узловых точках должна быть наименьшей возможной или, другими словами, минимизирована. Этот критерий использует ошибочную информацию, чтобы получить некоторое сглаживание шума. Третий критерий связывается с именем Чебышева. Основная идея его состоит в том, чтобы уменьшить максимальное отклонение до минимума. Очевидно, возможны и другие критерии.

Более конкретно ответить на поставленные 4 вопроса можно лишь исходя из условий и цели каждой отдельной задачи.

1. Разделенные разности

Часто экспериментальные данные функциональной зависимости представляются таблицей, в которой шаг по независимой переменной не постоянен. Для работы с таким представлением функции конечные разности и конечно-разностные операторы не пригодны. В этом случае первостепенную роль играют разделенные разности.

Разделенную разность функции f(x) для некоторых двух точек  и  определяют следующей дробью:

Для построения степенного многочлена, проходящего через заданные точки, необходимо иметь число точек на единицу больше, чем степень многочлена. Согласно определению разделенной разности число их для n точек равно числу сочетаний из n по 2. Это во много раз больше, чем необходимо для построения кривых, проходящих через n точек. Из опыта работы с конечными разностями видно, что разделенных разностей из всего множества достаточно выбрать всего n, но выбрать так, чтобы в их образование входили все (n+1) точек таблицы.

Вполне разумно вычислять разделенные разности только для соседних значений функции в таблице. В этом случае говорят об упорядоченных разделенных разностях. Аргументу табличной функции присваиваются индексы из чисел натурального ряда, начиная с нуля, в результате чего обозначения разделенных разностей для i-той строки таблицы будут .

Повторная разность от разделенной разности есть разделенная разность второго порядка:

В общем случае разделенная разность n-го порядка имеет вид:

2. Интерполяционный многочлен Лагранжа

Произведения из скобочных сомножителей в знаменателе каждого слагаемого напоминают своим видом некий степенной многочлен от переменной , который своими корнями имеет значения , исключая . Многочлен от x с корнями в этих же точках, включая и , будет иметь вид:

Удаляя тот или иной сомножитель из , можно по желанию исключить ненужный нуль многочлена. Если взять i-тое слагаемое без  из выражения для разделенной разности n-го порядка и умножить его на , в котором отсутствует сомножитель , то многочлен степени n будет обладать следующими свойствами:

Если умножить  на , то полученный многочлен степени n будет проходить через точку с координатами  и будет равен нулю во всех точках . Сумма таких многочленов по всем  определяет интерполяционный многочлен Лагранжа степени n.

.

4. Интерполяционный многочлен Ньютона

Интерполяционный многочлен в форме многочлена Лагранжа не удобен в случаях, когда необходимо добавлять экспериментальные данные в таблицу с целью повышения точности интерполяции. При этом необходимо проводить все вычисления заново.

Если задачу поставить так, что добавление лишней точки требовало бы лишь добавки некоторого многочлена степени (n+1) к многочлену Лагранжа n-й степени, то эту добавку можно искать, выполнив в общем виде преобразование разности двух многочленов Лагранжа: степени (n+1) и n. Несложные преобразования приводят к следующему соотношению для добавочного многочлена степени (n+1):

 ,

где    – многочлен степени (n+1),

 – разделенная разность (n+1)-го порядка.

Если считать разделенную разность нулевого порядка равной значению функции  в точке , то

Поступая аналогичным образом и находя последовательно , в конце концов, получим общее выражение для другой формы представления интерполяционного многочлена Лагранжа, которая в литературе называется интерполяционным многочленом Ньютона для неравных интервалов и записывается так:

Надо отметить, что дополнительную точку в таблицу необходимо записывать в самую нижнюю строку таблицы, чтобы не нарушить уже имеющегося упорядочения разностей и ускорить вычисление новых.

И, наконец, надо отметить, что и многочлен Лагранжа, и многочлен Ньютона удобны для вычислений, но после раскрытия скобок и приведения подобных дают один и тот же степенной многочлен.

5Приближение и интерполирование функций,

  Приближение функций — нахождение для данной

функции f функции g из некоторого определённого класса (например, среди алгебраических многочленов заданной степени), в том или ином смысле близкой к f, дающей её приближённое представление. Существует много разных вариантов задачи о приближении функций в зависимости от того, какие функции используются для приближения, как ищется приближающая функция g, как понимается близость функций f и g. Интерполирование функций — частный случай задачи приближения, когда требуется, чтобы в определённых точках (узлах интерполирования) совпадали значения функции f и приближающей её функции g, а в более общем случае — и значения некоторых их производных.

  Для оценки близости исходной функции f и приближающей её функции g используются в зависимости от рассматриваемой задачи метрики различных функциональных пространств. Обычно это метрики пространств непрерывных функций С и функций, интегрируемых с р-й степенью, L_p, р ³1, в которых расстояние между функциями f и g определяется (для функций, заданных на отрезке [а, b]) по формулам



и



  Наиболее часто встречающейся и хорошо изученной является задача о приближении функций полиномами, т. е. выражениями вида

a_kj_k (x),

где (j₁,..., j_n—заданные функции, a a₁,..., a_n — произвольные числа. Обычно это алгебраические многочлены

a_kx_k

или тригонометрические полиномы

а₀ + (a_k coskx +b_k sinkx).

  Рассматриваются также полиномы по ортогональным многочленам, по собственным функциям краевых задач и т.п. Другим классическим средством приближения являются рациональные дроби P (x)/Q (x), где в качестве Р и Q берутся алгебраические многочлены заданной степени.

  В последнее время (60—70-е гг. 20 в.) значительное развитие получило приближение т. н. сплайн-функциями (сплайнами). Характерным их примером являются кубические сплайн-функции, определяемые следующим образом. Отрезок [a, b] разбивается точками a =x₀ <x₁ <... <x_n =b, на каждом отрезке [x_k, x_k+1] кубическая сплайн-функция является алгебраическим многочленом третьей степени, причём эти многочлены подобраны так, что на всём отрезке [а, b] непрерывны сама сплайн-функция и её первая и вторая производные. Оставшиеся свободными параметры могут быть использованы, например, для того чтобы сплайн-функция интерполировала в узлах x_k приближаемую функцию. Улучшение приближения достигается за счёт увеличения числа узлов x_k правильного их расположения на отрезке [а, b]. Сплайн-функции оказались удобными в вычислительной математике, с их помощью удалось решить также некоторые задачи теории функций.

  Приближённые представления функций, а также сами функции на основе их приближённых представлений изучает теория приближений функций (употребляются также названия теория аппроксимации функций и конструктивная теория функций). К теории приближений функций обычно относят также задачи о приближении элементов в банаховых и общих метрических пространствах.

  Теория приближений функций берёт начало от работ П. Л. Чебышева. Он ввёл одно из основных понятий теории — понятие наилучшего приближения функции полиномами и получил ряд результатов о наилучших приближениях. Наилучшим приближением непрерывной функции f (x)полиномами a_kj_k (x) в метрике С называется величина

E_n = min || f - a_kj_k (x)||_c,

где минимум берётся по всем числам а₁,..., a_n. Полином, для которого достигается этот минимум, называется полиномом наилучшего приближения (для других метрик определения аналогичны). Чебышев установил, что наилучшее приближение функции xⁿ⁺¹ на отрезке [—1, 1] в метрике С алгебраическими многочленами степени n равно 1/2ⁿ, а многочлен наилучшего приближения таков, что для него

xⁿ⁺¹ -  = (1/2ⁿ) cos (n + 1) arccosx.

  Следующая теорема Чебышева указывает характеристическое свойство полиномов наилучшего приближения в пространстве непрерывных функций: алгебраический многочлен , в том и только в том случае является многочленом наилучшего приближения непрерывной функции f в метрике С [—1, 1], если существуют n + 2 точки -1 £ x₁ < x₂ <... < x_n+2  £ 1, в которых разность f (x)— 2принимает максимальное значение своего модуля с последовательно чередующимися знаками.

  Одним из первых результатов теории приближений является также теорема Вейерштрасса, согласно которой каждую непрерывную функцию можно приблизить в метрике С как угодно хорошо алгебраическими многочленами достаточно высокой степени.

  С начала 20 в. началось систематическое исследование поведения при n ® ¥ последовательности E_n — наилучших приближений функции f алгебраическими (или тригонометрическими) многочленами. С одной стороны, выясняется скорость стремления к нулю величин E_n в зависимости от свойств функции (т. н. прямые теоремы теории приближений), а с другой — изучаются свойства функции по последовательности её наилучших приближений (обратные теоремы теории приближений). В ряде важных случаев здесь получена полная характеристика свойств функций. Приведём две такие теоремы.

  Для того чтобы функция f   была аналитической на отрезке (т. е. в каждой точке этого отрезка представлялась степенным рядом, равномерно сходящимся к ней в некоторой окрестности этой точки), необходимо и достаточно, чтобы для последовательности её наилучших приближений алгебраическими многочленами выполнялась оценка 

E_n £Aq ⁿ,

где q < 1 и А — некоторые положительные числа, не зависящие от n (теорема С. Н. Бернштейна).

  Для того чтобы функция f   периода 2p имела производную порядка r, r = 0, 1,2,..., удовлетворяющую условию 

|f ^(r)(x +h) - f ^(r)(x)| £ M|h|^a,

0 < a < 1, М — некоторое положительное число, или условию 

|f ^(r)(x +h) - 2f ^(r)(x) + f ^(r)(x - h)| £ M|h|^a

(в этом случае a = 1), необходимо и достаточно, чтобы для наилучших приближений функции f тригонометрическими полиномами была справедлива оценка

Е_п  £ А/n ^r+a,

где А — некоторое положительное число, не зависящее от n. В этом утверждении прямая теорема была в основном получена Д. Джексоном (США), а обратная является результатом исследований С. Н. Бернштейна, Ш. Ж. Ла Валле Пуссена и А. Зигмунда (США). Характеристика подобных классов функций, заданных на отрезке, в терминах наилучших приближении алгебраическими многочленами оказалась невозможной. Её удалось получить, привлекая к рассмотрению приближение функций с улучшением порядка приближения вблизи концов отрезка.

  Возможность характеризовать классы функций с помощью приближений их полиномами нашла приложение в ряде вопросов математического анализа. Развивая исследования по наилучшим приближениям функций многих переменных полиномами, С. М. Никольский построил теорию вложений важных для анализа классов дифференцируемых функций многих переменных, в которой имеют место не только прямые, но и полностью обращающие их обратные теоремы.

  Для приближений в метрике L₂ полином наилучшего приближения может быть легко построен. Для других пространств нахождение полиномов наилучшего приближения является трудной задачей и её удаётся решить только вотдельных случаях. Это привело к разработке разного рода алгоритмов для приближённого нахождения полиномов наилучшего приближения.

  Трудность нахождения полиномов наилучшего приближения отчасти объясняется тем, что оператор, сопоставляющий каждой функции её полином наилучшего приближения, не является линейным: полином наилучшего приближения для суммы f +g не обязательно равен сумме полиномов наилучшего приближения функций f и g.Поэтому возникла задача изучения (по возможности простых) линейных операторов, сопоставляющих каждой функции полином, дающий хорошее приближение. Например, для периодической функции f (x) можно брать частные суммы её ряда Фурье S_n (f, х). При этом справедлива оценка (теорема А. Лебега)

||f - S_n ||_c£ (L_n  + 1) E_n,

где L_n — числа, растущие при n ®¥ как (4/p²) lnn. Они получили название констант Лебега. Эта оценка показывает, что полиномы S_n доставляют приближение, не очень сильно отличающееся от наилучшего. Подобная оценка имеет место и для приближений интерполяционными тригонометрическими полиномами с равноотстоящими узлами интерполирования, а также для приближений интерполяционными алгебраическими многочленами на отрезке [-1, 1] с узлами , k =1, 2,..., n, т. е. в нулях полинома Чебышева cosn arccosx. Для основных встречающихся в анализе классов функций известны такие линейные операторы, построенные с помощью рядов Фурье или на основе интерполяционных полиномов, что значениями этих операторов являются полиномы, дающие на классе тот же порядок убывания приближений при n ® ¥, что и наилучшие приближения. 

  А. Н. Колмогоров начал изучение нового вопроса теории приближений — задачи о нахождении при фиксированном n такой системы функций j₁,..., j_n, для которой наилучшие приближения функций заданного класса полиномами  были бы наименьшими (т. н. задача о поперечнике класса функций). В этом направлении в дальнейшем было выяснено, например, что для ряда важных классов периодических функций наилучшими в указанном смысле системами являются тригонометрические полиномы.

  Теория приближений функций является одним из наиболее интенсивно разрабатываемых направлений в теории функций. Идеи и методы теории приближений являются отправной точкой исследования в ряде вопросов вычислительной математики. С 1968 в США издаётся специализированный журнал «Journal of Approximation Theory».

6. Аппроксимация функций методом наименьших квадратов

Основным недостатком интерполяционных многочленов является наличие у них большого числа экстремумов и точек перегибов, что определяется суммированием в них многочленов , n раз меняющих свой знак. Кроме того, исходные табличные значения функции заданы неточно по разным причинам, поэтому строить многочлены выше 4-5-й степени, зная, что из теоретических исследований функция в интервале таблицы совсем не такая, не имеет особого смысла.

Если табличные значения функции можно интерпретировать как теоретическое значение плюс погрешность, то, задав некоторый критерий близости теоретической кривой к заданному множеству табличных точек, можно найти нужное число параметров этой кривой.

Наиболее популярным критерием близости является минимум среднего квадрата отклонения:

,

где    – точка экспериментальных данных из таблицы,

 – значение искомой зависимости в точке .

Если искомую зависимость желательно представить многочленом степени n, то (n+1) коэффициент в нем будут представлять неизвестные параметры. Подставив в сумму квадратов отклонений искомый многочлен, получим функционал, зависящий от этих параметров:

Чтобы функционал  был минимален, необходимо все частные производные функционала по параметрам приравнять нулю и систему разрешить относительно неизвестных параметров . Эти действия приводят к следующей системе линейных уравнений

Здесь  – постоянный коэффициент, равный сумме (j+k)-тых степеней всех значений аргументов. Для их ручного вычисления удобно к исходной таблице данных добавить еще  столбцов.   – числовые значения в правой части системы линейных алгебраических уравнений, для подсчета которых тоже

удобно к исходной таблице данных добавить еще n столбцов.

Демонстрацию метода наименьших квадратов проведем для данных с количеством точек в таблице, равным 4. Максимальная степень аппроксимирующего многочлена для такого набора равна 3, так как должно выполняться соотношение: . Для максимальной степени аппроксимирующий и интерполяционный многочлены равны.

Пусть таблица данных после добавления в нее дополнительных колонок выглядит следующим образом:

В нижней строке размещаем итоговые суммы по каждой колонке.

Система уравнений для полинома третьей степени:

Решив систему, найдем:

Эта же таблица без добавления чего-либо позволяет найти коэффициенты аппроксимирующего многочлена второй степени. Для этого достаточно в системе для полинома третьей степени убрать 4-е уравнение, а из остальных уравнений исключить слагаемые с неизвестной . В результате система уравнений для полинома второй степени будет:

Решив систему, найдем:

Аналогично можно уменьшать число уравнений для построения аппроксимирующих многочленов первой и нулевой степеней.

На рисунке 1 показаны графики двух аппроксимирующих многочленов второй и третьей степени. Многочлен третьей степени проходит через 4 заданные точки, а многочлен второй степени проходит сквозь множество заданных точек с минимумом суммы квадратов отклонений от них, что хорошо видно на графиках.

Рисунок 1.

Заключение

В вычислительной математике существенную роль играет интерполяция функций, т.е. построение по заданной функции другой (как правило, более простой), значения которой совпадают со значениями заданной функции в некотором числе точек. Причем интерполяция имеет как практическое, так и теоретическое значение. На практике часто возникает задача о восстановлении непрерывной функции по ее табличным значениям, например полученным в ходе некоторого эксперимента. Для вычисления многих функций оказывается эффективно приблизить их полиномами или дробно-рациональными функциями. Теория интерполирования используется при построении и исследовании квадратурных формул для численного интегрирования, для получения методов решения дифференциальных и интегральных уравнений.

Литература

1.                 Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы: Учеб. пособие. – М.: Наука, 1987. – 600 с.

2.                 Воеводин В.В. Численные методы алгебры. Теория и алгорифмы. - М.: Наука, 1966. – 248 с.

3.                 Воеводин В.В. Вычислительные основы линейной алгебры. – М.: Наука, 1977. – 304 с.

4.                 Волков Е.А. Численные методы. – М.: Наука, 1987. – 248 с.

5.                 Калашников В. И. Аналоговые и гибридные вычислительные устройства: Учеб. пособие. – Харьков: НТУ “ХПИ”, 2002. – 196 с.

6.                 Вержбицкий, В. М. Численные методы. Математический анализ и обыкновенные дифференциальные уравнения. М.: Высш.шк., 2001. 383 с.

7.                 Волков, Е. А. Численные методы. СПб.: Лань, 2004. 248 с.

8.                 Мудров, А. Е. Численные методы для ПЭВМ на языках Бейсик, Фортран и Паскаль. Томск: МП "РАСКО", 1991. 272 с.

9.                 Шуп, Т. Е. Прикладные численные методы в физике и технике. М.: Высш. шк., 1990. 255 с.

10.            Бахвалов, Н. С. Численные методы в задачах и упражнениях / Н. С. Бахвалов, А. В. Лапин, Е. В. Чижонков. М.: Высш. шк., 2000. 192 с.  

11.             Лит.: Монографии. Ахиезер Н. И., Лекции по теории аппроксимации, 2 изд., М., 1965; Гончаров В. Л., Теория интерполирования и приближения функций, 2 изд., М., 1954; Натансон И. П., Конструктивная теория функций, М. — Л., 1949; Никольский С. М., Приближение функций многих переменных и теоремы вложения, М., 1969; Тиман А. Ф., Теория приближения функций действительного переменного, М., 1960.

 

12.             Обзоры. Математика в СССР за тридцать лет. 1917—1947, М. — Л., 1948, с. 288—318; Математика в СССР за сорок лет. 1917—1957, т. 1, М., 1959, с. 295—379; История отечественной математики, т. 3, К., 1968, с. 568—588. 

  С. А. Теляковский.