Реферат: Метод наименьших квадратов в случае интегральной и дискретной нормы Гаусса
(20)
так, чтобы минимизировалась интегральная норма невязки Гаусса :
(21)
иначе говоря, нам нужно минимизировать интеграл
(22)
Для решения этой задачи подставим (20) в (22), тогда функционал (22) превратится в функцию многих переменных, т.е. . Условия же минимума функции многих переменных имеют вид:
,
(23)
Эти условия приобретают вид:
(24)
т.е.
(25)
Определитель этой системы представляет собой определитель Грама для функций , в
, поэтому система (25) имеет единственное решение
. Подставляя эти значения в разложение (20) имеем приближение для
. Характер приближения оценивается соответствующей нормой невязки
.
Задача аппроксимации функции заданной аналитически часто применяется для вычисления интегралов.
2.3 Числовые примеры на применение метода наименьших квадратов Гаусса для приближения функций заданных таблично или аналитически
а) Рассмотрим пример в случае табличного задания функции :
Пример 1: пусть функция задана таблично:
![]() | 0.5 | 1.0 | 1.5 | 2.0 | 2.5 | 3.0 |
![]() | 0.31 | 0.82 | 1.29 | 1.85 | 2.51 | 3.02 |
с помощью метода наименьших квадратов аппроксимировать эту функцию в классе линейных функций. Т.е. допускаем, что . Для нахождения коэффициентов
, составляем невязку по дискретной норме Гаусса:
(26)
Необходимые условия минимума для имеют вид:
(27)
Из (27) – получаем нормальные уравнения Гаусса:
(28)
Решение имеет вид:
(29)
т.е.
(30)
б) Теперь, рассмотрим пример в случае приближения сложных аналитически заданных функций, боллее простыми
функциями.
Пример 2: Функцию , заданную на интервале
аппроксимировать линейной функцией
, определив параметры
и
по методу Гаусса (используем интегральную норму невязки Гаусса).
Решение: интегральная норма невязки для данной функции имеет вид: