Вычислительная математика
Многочлен (4.5), удовлетворяющий условию (4.6), называется интерполяционным многочленом.
Другими словами, ставится задача построения функции y = P(x), график которой проходит через заданные точки (xi, yi), i = 0, 1, … , n (рис. 4.1).

Рис. 4.1
Объединяя (4.5) и (4.6), получим:
a0
+ a1xi
+ a2x
+ … + amx
= yi,
i =
0, 1, … , n.
(4.7)
В искомом многочлене P(x) неизвестными являются m +1 коэффициент a0 , a1, a2, …, am. Поэтому систему (4.7) можно рассматривать как систему из n +1 уравнений с m +1 неизвестными. Известно, что для существования единственного решения такой системы необходимо , чтобы выполнялось условие: m = n. Таким образом, систему (4.7) можно переписать в развернутом виде:
a0
+ a1
x0
+ a2x
+ … + anx
= y0
a0
+ a1
x1
+ a2x
+ … + anx
= y1
a0
+ a1
x2
+ a2x
+ … + anx
= y2
(4.8)
.
a0
+ a1
xn
+ a2x
+ … + anx
= yn
Вопрос о существовании и единственности интерполяционного многочлена решает следующая теорема:
Теорема 4.1. Существует единственный интерполяционный многочлен степени n, удовлетворяющий условиям (4.6).
Имеются различные формы записи интерполяционного многочлена. Широко распространенной формой записи является многочлен Лагранжа
Ln(x)
=
=
.
(4.9)
В частности, для линейной и квадратичной интерполяции по Лагранжу получим следующие интерполяционные многочлены:
L1(x)
= y0![]()
+
y1
,
L2(x)
= y0
+
y1
+
y2
.
Пример 4.3.
Построим интерполяционный многочлен Лагранжа по следующим данным:
| x | 0 | 2 | 3 | 5 |
| y | 1 | 3 | 2 | 5 |
Степень многочлена Лагранжа для n +1 узла равна n. Для нашего примера многочлен Лагранжа имеет третью степень. В соответствии с (4.9)
L3(x)
= 1
+3
+ 2
+ 5
= 1 +
x
–
x2 +
x3.
Пример 4.4.
Рассмотрим пример использования интерполяционного многочлена Лагранжа для вычисления значения заданной функции в промежуточной точке. Эта задача возникает, например, когда заданы табличные значения функции с крупным шагом, а требуется составить таблицу значений с маленьким шагом.
Для функции y = sinx известны следующие данные.
| x | 0 | p/6 | p/3 | p/2 |
| y | 0 | Ѕ |
|
1 |
Вычислим y(0.25).
Найдем многочлен Лагранжа третьей степени:
L3(x)
= 0
+
![]()
+
![]()
+ 1
.
При x = 0.25 получим y(0.25) = sin 0.25 » 0.249.
Погрешность интерполяции. Пусть интерполяционный многочлен Лагранжа построен для известной функции f(x). Необходимо выяснить, насколько этот многочлен близок к функции в точках отрезка [a, b], отличных от узлов. Погрешность интерполяции равна |f(x) – Pn(x)|. Оценку погрешности можно получить на основании следующей теоремы.
Теорема 4.2. Пусть функция f(x) дифференцируема n +1 раз на отрезке [a, b], содержащем узлы интерполяции xi О [a, b], i = 0, 1, … , n. Тогда для погрешности интерполяции в точке x О [a, b] справедлива оценка:
|f(x)
– Ln(x)|Ј
|wn+1(x)|,
(4.10)
где
Mn+1
=
|f(n+1)(x)|,
wn+1(x) = (x – x0)(x – x1)…. (x – xn).
Для максимальной погрешности интерполяции на всем отрезке [a, b] справедлива оценка:
|f(x)
– Ln(x)|
Ј
![]()
|wn(x)|
(4.11)
Пример 4.5.
Оценим
погрешность
приближения
функции f(x)
=
в точке x
= 116 и на всем
отрезке [a,
b], где a
= 100, b = 144,
с помощью
интерполяционного
много члена
Лагранжа L2(x)
второй степени,
построенного
с узлами x0
= 100, x2
= 144.
Найдем первую, вторую и третью производные функции f(x):
f
'(x)=
x
–
1/2, f "(x)=
–
x –3/2,
f'''(x)=
x
–5/2.
M3
=
|
f'''(x)|
=
100
–5/2
=
10
–5.
В соответствии с (4.9) получим оценку погрешности в точке x = 116:
|
– L2(116)|
Ј
|(116
– 100)(116 – 121)(116 – 144)| =
10
–5Ч16Ч5Ч28
= 1.4Ч10
– 3.
Оценим
погрешность
приближения
функции f(x)
=
на всем
отрезке в
соответствии
с (4.11):
|
– L2(x)|
Ј
![]()
|(x
– 100)(x
– 121)(x –144)|
»
2.5Ч10–3.
4.4 Аппроксимация функций. Метод наименьших квадратов
В инженерной деятельности часто возникает необходимость описать в виде функциональной зависимости связь между величинами, заданными таблично или в виде набора точек с координатами (xi, yi), i = 0, 1, 2,... , n, где n – общее количество точек. Как правило, эти табличные данные получены экспериментально и имеют погрешности (рис. 2.5)

Рис.4.2
При аппроксимации желательно получить относительно простую функциональную зависимость (например, многочлен), которая позволила бы "сгладить" экспериментальные погрешности, вычислять значения функции в точках, не содержащихся в исходной таблице.
Эта функциональная зависимость должна с достаточной точностью соответствовать исходной табличной зависимости. В качестве критерия точности чаще всего используют критерий наименьших квадратов, т.е. определяют такую функциональную зависимость f(x), при которой
S =
,
(4.12)
обращается в минимум.
Погрешность приближения оценивается величиной среднеквадратического уклонения
D
=
.
(4.13)
В качестве функциональной зависимости рассмотрим многочлен
Pm(x)=a0 + a1x + a2x2+...+amxm. (4.14)
Формула (4.12) примет вид
S =![]()
Условия минимума S можно записать, приравнивая нулю частные производные S по всем переменным a0, a1, a2, … , am. Получим систему уравнений
= –
=
0, или
=
0, k = 0, 1, …
, m.
(4.15)
Систему уравнений (4.15) перепишем в следующем виде:
a0
+
a1
+
… +am
=
,
k
= 0, 1, … , m
(4.16)
Введем обозначения:
ck
=
,
bk
=
.
Система (4.16) может быть записана так:
a0ck + a1ck+1 + … + ck+mam = bk, k = 0, 1, … , m. (4.17)
Перепишем систему (4.17) в развернутом виде:
![]()
c0a0 + c1a1 + c2a2… + cmam = b0
c1a0 + c2a1 + c3a2… + cm+1am = b1
(4.18)
cma0 + cm+1a1 + cm+2a2… + c2mam = bm
Матричная запись системы (4.18) имеет следующий вид:
Ca = b. (4.19)
Для определения коэффициентов ak, k = 0, 1, … , m, и, следовательно, искомого многочлена (4.14) необходимо вычислить суммы ck, bk и решить систему уравнений (4.18). Матрица C системы (4.19) называется матрицей Грама и является симметричной и положительно определенной. Эти полезные свойства используются при решении.
Погрешность приближения в соответствии с формулой (4.13) составит
D
=
.
(4.20)
Рассмотрим частные случаи m =1 и m = 2.
1. Линейная аппроксимация (m = 1).
P1(x) = a0 + a1x.
c0
=
=
n
+ 1; c1
=
=
;
c2
=
;
(4.21)
b0
=
=
;
b1
=
=
.
(4.22)

c0
c1
n+1
![]()
C = = ,
c1
c2