[vsesdal]
Тип работы: Курсовая практика
Предмет: Информатика
Страниц: 27
Год написания: 2015
ВВЕДЕНИЕ 3
1.Решение задачи ручным способом 5
1.1 Постановка задачи 5
1.2 Задание аппроксимирующей функции 5
1.3 Формулировка критерия аппроксимации и составление системы нормальных уравнений 5
1.4 Определение параметров аппроксимирующей функции и критерия аппроксимации 8
1.5 Оценка погрешности аппроксимации 11
2. Вычисление с использованием ЭВМ 13
2.1 Блок-схема алгоритма 13
2.2 Текст программы 15
2.3 Результаты машинного расчета 24
ЗАКЛЮЧЕНИЕ 26
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 27
Учебная работа № 430216. Тема: Аппроксимация функции методом наименьших квадратов
Выдержка из похожей работы
Аппроксимация функции к полиному n степени методом наименьших квадратов
…..адратов находит широкое применение при
обработке экспериментальных данных.
В первом разделе рассмотрена математическая модель задачи нахождения
полинома и расчета его корней, определяющая входные и выходные данные
программы.
Во втором разделе рассмотрено проектирование программного модуля, также
описана схема модуля и рассмотрен пользовательский интерфейс.
В третьем разделе рассмотрен тест программного модуля.
1.
Постановка задачи
.1
Математическая модель задачи
Аппроксимация (или упрощение кривыми) – это процесс замены таблично
заданной функции y(x) аналитическим выражением кривой g(x), которая необязательно совпадает с допустимой погрешностью.
Одним из видов аппроксимации табличных функций является степенной ряд
(полином). Для определения коэффициентов в аналитических выражениях используют
метод наименьших квадратов, при котором коэффициенты определяются таким
образом, что суммарная квадратичная ошибка
в
узлах таблицы являются минимальными.
Рассмотрим
задачу. Известна таблица (таблица 1) значений двух переменных x и y.
Таблица
1 – Значения x и y
x
x0
x1 x2 … xn-1 xn
y
y0 y1 y2 … yn-1
yn
Требуется
найти зависимость между переменными в виде уравнения .
Предполагается,
что каждое данное измерено с некоторой неизвестной ошибкой , где –
истинное значение.
Если
данные предположения (гипотеза Гаусса) выполняются, среди семейства
параметрических кривых наибольшую вероятность для данной совокупности данных
обеспечивает кривая, для которой минимальна сумма
квадратов отклонений во всех точках :
.
Параметры
эмпирической формулы находятся из условия минимума функции , который определяется путем приравнивания нулю
частных производных этой функции по всем ее переменным :
.
Полученные
соотношения – система уравнений для определения параметров .
Очень
часто в качестве эмпирической функции используется многочлен степени m:
.
Тогда
;
.
Приравнивая
эти выражения нулю и собирая коэффициенты при неизвестных , получаем следующую систему уравнений:
,
где
.
Далее
подставив значения координат точек в систему уравнений запишем ее в более
компактной форме:
,
где
уже неизвестное – это . Решая
эту систему линейных уравнений, получаем коэффициенты , которые являются искомыми параметрами эмпирической
формулы. Для решения системы линейных уравнений воспользуемся методом Якоби.
Для начала запишем систему уравнений в векторном виде
,
где
.
Предполагается,
что матрица А неособенная, т. е. , и
решение единственно.
Если
все диагональные коэффициенты , то
систему можно представить в так называемом приведенном виде:
где
Введем
обозначения
и
перепишем систему (1) в виде одного матричного уравнения
(2)
Здесь
ax -произведение матрицы a на вектор x.
Последовательные
приближения (итерации) найдем следующим образом. Возьмем в качестве начального
приближения x(0) вектор β и подставим его в правую часть уравнения (2); получим x(1).
Продолжая аналогичные вычисления, придём к векторной последовательности
приближений:
Если
существует придел ξ
последовательности векторов x(k),
то, переходя к пределу в равенстве при k→∞,
убеждаемся, что ξ
является решением уравнения (2), т. е.
Достаточные
условия сходимости итераций к решению содержит следующая теорема.
Теорема.
Если какая либо норма матрицы меньше единицы: ||a||<1, то
уравнение (2) имеет единственное решение ξ, к которому стремится последовательность итераций (3) при любом выборе
начального приближения x(0).
В
расчетах полагают x(0)=β. Погрешность приблеженного решения уравнения (2) на k-м
шаге оценивают неравенством
Из
неравенства (4) можно получить оценку числа итераций k, необходимых
для обеспечения заданной точности ε.
Отклонение
приближения x(k) от решения ξ по норме не будет превышать ε, если
...