Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Обобщенные многочлены наилучших среднеквадратических приближений




НАИЛУЧШИЕ СРЕДНЕКВАДРАТИЧНЫЕ ПРИБЛИЖЕНИЯ.

Лекция 19.

Вернемся к общей постановке задачи аппроксимации функций.

Пусть аппроксимируемая функция f (x) и аппроксимирующая функция j(x) непрерывны на отрезке [ а, b ], и аппроксимация должна производиться так, чтобы функция j(x) «в среднем хорошо описывала» поведение функции f (x) при х Î [ а, b ]. Будем здесь постоянно иметь в виду две аппроксимационные ситуации: первая, это когда функция f (x) считается (по крайней мере, теоретически) известной в любой точке х отрезка С [ а, b ], и близость между f (x) и j(x) понимается в интегральном смысле, и вторая, когда f (x) известна (причем приближенно) только в п + 1 точках х 0, х 1 ,..., хn отрезка [ а, b ], в которых и производится согласование f (x) с j(x) подобно тому, как это делалось в предыдущем параграфе. В связи с этим, будем параллельно рассматривать:

а) пространство СL [ а, b ] непрерывных на [ а, b ] функций со скалярным произведением

(19.1)

и нормой

б) пространство R n +1[ а, b ] сеточных функций, определенных в точках хi Î [ а, b ] (i = 0,1,.... n), со скалярным произведением

(19.2)

и нормой

Введенные нормы характеризуют близость функций f (x) и j(x) в пространствах СL [ а, b ] и R n +1[ а, b ] через малость выражений или соответственно; по отношению к приближенному равенству f (x)» j(x) при х Î [ а, b ] они представляют собой интегральную и точечную (дискретную) среднеквадратические ошибки.

В силу того, что

и

можно сказать, что применение метода наименьших квадратов к аппроксимации функции f (x) функцией j(x) заданного семейства означает подбор такой функции j(x), которая минимизирует среднеквадратическую погрешность приближенного равенства f (x)» j(x) в интегральном или в точечном смысле; в связи с этим, она называется наилучшим среднеквадратическим приближением f (x) на заданном семействе функций.

Рассмотрим, к чему сводится процесс построения наилучших среднеквадратических приближений в одном конкретном, но достаточно общем случае, когда аппроксимирующая f (x) функция j(x) представляет собой линейную комбинацию нескольких других, вообще говоря, более простых (базисных) функций.

Пусть — некоторая заданная на [ а, b ] система линейно независимых функций. Обобщенным многочленом будем называть функцию

Qm (x) := с 0j0(x) + с 1j1(x) +... + ст j1(x) (19.3)

где с 0, с 1, …, ст — произвольные вещественные числа (коэффициенты обобщенного многочлена). Поскольку функции считаются заданными, построение обобщенного многочлена наилучшего среднеквадратического приближения для данной функции f (x) сводится к нахождению оптимального набора коэффициентов Qm (x) в (19.3) на основе метода наименьших квадратов, т.е. к решению задач минимизации:

После элементарных преобразований она может быть переписана в терминах скалярных произведений (см. (19.1) и (19.2)):

(19.4)

Если функции образуют систему линейно независимых элементов пространства, то полученная симметричная линейная алгебраическая система, называемая нормальной системой МНК, имеет заведомо отличный от нуля определитель (это известный определитель Грамма, и значит, однозначно разрешима. Следовательно, при заданном базисе путем решения системы (19.4) можно найти единственный обобщенный многочлен

Анализируя СЛАУ (19.4), приходим к выводу, что она чрезвычайно упрощается в случае, когда базисные функции образуют на [ а, b ] ортогональную систему.

Как известно, взаимная ортогональность функций из множества означает, что (j j, j k)= 0 при любых k ¹ j. Следовательно, коэффициенты с 0, с 1, …, ст обобщенного многочлена наилучшего среднеквадратического приближения (19.3) могут быть сразу выписаны из системы (19.4), превратившейся в диагональную, а именно:

(19.5)

В таком случае найденные коэффициенты называются коэффициентами Фурье, а обобщенный многочлен (19.3) с этим оптимальным набором коэффициентов (т.е. обобщенный многочлен наилучшего среднеквадратического приближения для f (x) называется обобщенным многочленом Фурье.

Еще проще построение таких многочленов, когда система — ортонормированная. Тогда ||j j || = 1, и из (19.5) следует, что cj = (j j, f) при любом j Î {0,1,..., m }, т.е. аппроксимация функции f (x) обобщенным многочленом Фурье имеет вид

(19.6)

В частности, в математическом анализе достаточно подробно изучаются представления функций (не обязательно непрерывных) выражениями типа (19.6), в которых в качестве базисных функций используются функции ортогональной на [ -p, p] системы {sin kx, cos kx | k Î N0}. Такие представления в этом случае называются отрезками тригонометрических рядов Фурье.




Поделиться с друзьями:


Дата добавления: 2014-01-04; Просмотров: 2731; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.013 сек.