Оценка погрешности:

; -n ≤ t ≤ 0; x є [x₀;x_n], μ=max│f⁽ⁿ⁺¹⁾(x)│

С.) «МЕТОД НАИМЕНЬШИХ КВАДРАТОВ»

Перечислим особенности, на которые надо обратить внимание при выполнении задания по этой теме.

Предполагается, что функция задана в виде таблицы конечного числа точек

хi	х0	х1	…	хn	,
уi	y0	y1	…	yn

например, получена экспериментально, где x_i, y_i (i=1,…,n) – произвольные числа. При этом все

числа x_i различны.

Пусть также имеется некоторая функция , определенная для всех значенийx_i (i=1,…,n).

Определение 3. Число Т, где

,

(7)

называется среднеквадратичным (или среднеквадратическим) уклонением функции от заданной.

Наряду с числом Т вводят также вспомогательную величину

.

(8)

Функцию стараются подобрать, чтобы число Т получилось достаточно малым.

Можно предложить следующие способы выбора функции .

Способ 1. , (9)

т.е. - многочлен степениm, при этом m<n.

Способ 2. , здесь- сплайн, т.е. кусочно-полиномиальная гладкая функция.

Способ 3. , (10)

т.е. - частичная сумма ряда Фурье, при этомm – четно и m<n.

Перечисленные способы 1-3 задают для вид приближающей функции, которая, в свою очередь, зависит от коэффициентов (или параметров)a_i. Лучшим набором коэффициентов a_i считается тот, для которого величина w из (8) меньше.

Определение 4. Говорят, что функция найдена дляпо методу наименьших квадратов (МНК), если она дает минимально возможное значение величиныw в соотношении (8).

Примечание. Заметим, что при m=n-1 многочлен , полученный по МНК, совпадает с интерполяционным многочленом и, следовательно, соответствующее среднеквадратичное уклонение (теоретически) равно числу. При использовании в расчетах ЭВМ это уклонение, как правило, получается числом, отличным от нуля.

Рассмотрим в качестве приближающей функции многочлен степени m, который имеет вид

Согласно методу наименьших квадратов наилучшими коэффициентами считаются те, для которых сумма квадратов уклонений будет минимальной, т. е.

Т есть функция коэффициентов . Наряду с функциейТ рассматривают функцию S вида:

Очевидно, что S и Т достигают своего минимума в одной точке. Далее для отыскания точки минимума будем рассматривать функцию S, поскольку она удобнее для вычислений.

При данной приближающей функции критерий близости, который используется в методе наименьших квадратов, запишется следующим образом:

		(11)

Используя необходимое условие экстремума функции нескольких переменных, получим систему для определения коэффициентов , где:

(12)

То есть:

(13)

Лекция 3

Приближённое интегрирование функций

Общие замечания.

Если функция f(x) непрерывна на отрезке [a, b] и известна её первообразная F(x), то определённый интеграл от этой функции в пределах от a до b может быть вычислен по формуле Ньютона- Лейбница

, (1)

где F′(x) = f(x).

Однако во многих случаях первообразная функция F(x) не может быть найдена с помощью элементарных средств или является слишком сложной; вследствие этого вычисление определённого интеграла по формуле (1) может быть затруднительным или даже практически невыполнимым.

Кроме того, на практике подынтегральная функция f(x) часто задаётся таблично или графически. Поэтому важное значение имеют приближённые и в первую очередь численные методы вычисления определённых интегралов.

Задача численного интегрирования функции заключается в вычислении значения определённого интеграла на основании ряда значений подынтегральной функции.

Обычный приём при численном вычислении однократных интегралов.

Отрезок [a, b] разбивают на части (чаще всего равные) точками х_j ( j =) так, чтоa = x₀ < x₁ < x₂…< x_n= b, и в узлах х_j находят значения у_j = f(x_j). Функцию f(x) заменяют интерполирующей или аппроксимирующей функцией простого вида (например, полином) такой, что она легко интегрируется.

Мы получаем квадратурные формулы:

, (2)

где х_j − выбранные узлы интерполяции,

А_j − коэффициенты, зависящие только от выбора узлов, но не от вида функции, R − остаточный член, или погрешность квадратурной формулы.