Интерполяция многочленами — страница 2

  • Просмотров 3391
  • Скачиваний 462
  • Размер файла 27
    Кб

«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. Интерполяция многочленами Цель задачи

о приближении (интерполяции): данную функцию у(х) требуется приблизительно заменить некоторой функцией j(х), свойства которой нам известны так, чтобы отклонение в заданной области было наименьшим. интерполяционные формулы применяются, прежде всего, при замене графически заданной функции аналитической, а также для интерполяции в таблицах. Методы интерполяции Лагранжа и Ньютона Один из подходов к задаче интерполяции — метод

Лагранжа. Основная идея этого метода состоит в том, чтобы прежде всего найти многочлен, который принимает значение 1 в одной узловой точке и 0 во всех других. Легко видеть, сто функция является требуемым многочленом степени n; он равен 1, если x=xj и 0, когда x=xi, i¹j. Многочлен Lj(x)×yj принимает значения yi в i-й узловой точке и равен 0 во всех других узлах. Из этого следует, что есть многочлен степени n, проходящий через n+1 точку (xi, yi).

Другой подход — метод Ньютона (метод разделённых разностей). Этот метод позволяет получить аппроксимирующие значения функции без построения в явном виде аппроксимирующего полинома. В результате получаем формулу для полинома Pn, аппроксимирующую функцию f(x): P(x)=P(x0)+(x-x0)P(x0,x1)+(x-x0)(x-x1)P(x0,x1,x2)+…+ (x-x0)(x-x1)…(x-xn)P(x0,x1,…,xn); — разделённая разность 1-го порядка; — разделённая разность 2-го порядка и т.д. Значения Pn(x) в узлах совпадают со

значениями f(x) Фактически формулы Лагранжа и Ньютона порождают один и тот же полином, разница только в алгоритме его построения. Сплайн-аппроксимация Другой метод аппроксимации — сплайн-аппроксимация — отличается от полиномиальной аппроксимации Лагранжем и Ньютоном. Сплайном называется функция, которая вместе с несколькими производными непрерывна на отрезке [a, b], а на каждом частном интервале этого отрезка [xi, xi+1] в