Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги / Несущая способность конструкций в условиях теплосмен

..pdf
Скачиваний:
0
Добавлен:
12.11.2023
Размер:
4.03 Mб
Скачать

11.3.3. Интерполяционный полином Лагранжа

Интерполяционный полином Лагранжа строится в виде

m

Lm (x) = f (xk )ϕk (x),

k =0

то есть в каждой произвольной точке x значение полинома Лагранжа Ln (x ) определяется как линейная комбинация табличных значений

f (xk ), k = 0, m . Требование (8.1) приводит к выражению

m

 

 

 

 

 

Lm (xi ) = f

(xk )ϕk

(xi ) = f (xi ), i =

 

,

0,m

k =0

 

 

 

 

 

которое оказывается справедливым при выполнении условия

ϕ

k

(x ) =

0, i k,

 

i

 

 

 

 

1, i = k.

Это означает, что на отрезке интерполяции [a, b] каждая из

функций ϕk (x), k = 0, m, должна иметь m корней. Каждую из функций ϕk (x ) можно записать в виде полинома

ϕk (x) = λ k (x x0 )(x x1 ) (x xk 1 )(x xk +1 ) (x xm ),

где λk – нормировочный коэффициент, определяемый из условия

ϕk (xk ) = 1,

λ k = 1(xk x0 )(xk x1 ) (xk xk 1 )(xk xk +1 ) (xk xm ).

С учетом полученного коэффициента λk функция ϕk (x ) записывается в форме

ϕk (x) =

 

(x x0 )(x x1 ) (x xk 1 )(x xk +1 ) (x xm )

.

 

(xk x0 )(xk x1 ) (xk xk 1 )(xk xk +1 ) (xk xm )

 

 

 

В итоге полином Лагранжа можно записать в общем виде

 

Lm (x)

= (x x0 ) (x xk 1 )(x xk +1 ) (x xm )

fk .

 

 

 

m

 

 

k = 0 (xk x0 ) (xk xk 1 )(xk xk +1 ) (xk xm )

151

 

 

Пример. Построить интерполяционный полином Лагранжа

для функции sin х на отрезке [0, π/2].

 

 

 

 

 

 

 

 

 

 

 

Значения заданной функции для указанного отрезка приведе-

ны в табл. 11.7. Для каждой заданной точки xk формируются функ-

ции ϕk (x ):

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ϕ

 

(x)

=

(x x1 )(x x2 )(x x3 )

 

= −

(x − π 6)(x − π 3)(x − π 2)

;

0

(x0

 

x1 )(x0 x2 )(x0 x3 )

 

 

 

 

π3

36

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ϕ

(x)

=

(x x0 )(x x2 )(x x3 )

 

= x (x − π 3)(x − π 2)

;

 

 

 

 

 

 

1

 

 

 

(x1 x0 )(x1 x2 )(x1 x3 )

 

 

 

 

π 3 108

 

 

 

 

 

ϕ

 

(x) =

 

(x x0 )(x x1 )(x x3 )

= −

x

(x − π 6)(x − π 2)

;

 

 

 

2

(x2 x0 )(x2 x1 )(x2

x3 )

 

π3

108

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ϕ

 

(x)

=

(x x0 )(x x1 )(x x2 )

 

=

x (x − π 6)(x − π 3)

.

 

 

 

 

3

(x3 x0 )(x3 x1 )(x3 x2 )

 

 

π3

36

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Окончательно полином Лагранжа принимает вид

 

 

 

L

 

(x) = − (x − π 6)(x − π 3)(x − π 2) 0,0 + x (x − π 3)(x − π 2)

0,5

m

 

 

 

 

 

 

π3 36

 

 

 

 

 

 

π 3

108

 

 

 

 

 

x (x − π 6)(x − π 2) 0,866 025 + x(x − π 6)(x − π 3)1,0 =

 

 

 

 

 

 

 

 

 

π3 108

 

 

 

 

 

 

π3 36

 

 

 

 

 

 

 

 

 

 

 

= 1,74158x (x − π 3)(x − π 2) 3,016 51x ×

 

 

 

 

 

 

 

 

× (x − π 6)(x − π 2) + 1,161 06x (x − π 6)(x − π 3) =

 

 

 

 

 

 

 

 

 

 

= 1,020 43x 0,065 470 3x2 0,113872x3.

 

 

 

 

 

Для аргумента x = π 4 построенный полином принимает зна-

чение, равное 0,705 889. Точное значение этой функции в точке

x = π 4

 

равно

0,707107. Относительная погрешность аппроксима-

ции функции

 

sin х с помощью интерполяционного полинома Ла-

гранжа составляет 0,172 %.

 

 

 

 

 

 

 

 

 

 

 

152

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

11.3.4. Погрешность полинома Ньютона (Лагранжа)

Погрешность представления заданной функции f (x ) полиномом Pm (x) или полиномом Lm (x ) оценивается разностью

 

 

r (x) = f (x) Pm (x),

x [a,b].

 

 

Очевидно,

 

что в

узлах

 

интерполяции xk , k =

 

, погреш-

0, m

ность r (xk ) = 0

в силу требования (4.1). Для оценки погрешности

в прочих точках отрезка

[a,b]

 

выбирается и фиксируется произ-

вольная точка x [a, b] ,

причем

x xk ,

k =

 

 

 

. Можно показать,

0, m

что погрешность

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f (x) Pm (x)

 

M m+1

 

ω(x)

 

(m + 1)!

 

 

 

 

 

 

 

 

 

Здесь обозначено

 

M

m+1

= max

 

f (m+1) (x)

 

, f (m+1)

(x) – произ-

 

 

 

 

 

 

 

 

 

x [a,b]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

водная порядка m + 1

функции f(x); функция ω(x)

записывается

в виде

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω(x) = (x x0 )(x x1 ) (x xm ) .

Вчастном случае, когда функция f (x ) сама является поли-

номом степени m, Mm+1 = 0 и

f (x) Pm (x) , то есть функция f (x )

совпадает с полиномом Ньютона.

11.3.5. Сходимость процесса интерполяции полиномами

Множество точек a x0 < x1 < < xm b называется сеткой

на отрезке

[a,b] и обозначается Ωm . Рассматривается последова-

тельность

Ω0 ,Ω1,Ω2 , сеток, определенных на этом отрезке,

и строится

соответствующая

последовательность полиномов

P0 (x), P1 (x), P2 (x), , аппроксимирующих с помощью этих сеток заданную функцию f (x ) .

153

Интерполяционный процесс сходится в точке

x* [a,b] , если

существует

предел

lim Pm (x* ) = f (x* )

(определение поточечной

 

 

m→∞

 

 

 

 

 

 

 

сходимости).

 

 

 

 

 

 

 

 

 

Интерполяционный процесс сходится равномерно на отрезке

[a,b] , если

 

 

 

 

 

 

 

 

 

 

 

 

f P

= max f (x)

P (x)

0.

 

 

 

 

m

x [a,b]

m

 

m→∞

 

 

 

Теорема Фабера65. Какова бы ни была последовательность се-

ток Ωm , найдется непрерывная на [a,b] функция

f

(x ) такая, что

последовательность интерполяционных полиномов

Pm (x)

не схо-

дится к f (x ) равномерно на этом отрезке.

 

 

 

 

1,4

 

 

 

 

 

 

 

 

 

 

1,2

P8

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

|x|

 

0,8

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0,6

 

 

 

 

 

 

 

 

 

 

0,4

 

P2

 

 

 

 

P4

 

P16

 

0,2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

-

-

-

-

-

0

0,2

0,4

0,6

0,8

1

–11

–0,8

0,6

–0,4

–0,2

 

 

 

 

 

 

Рис. 11.9. Интерполирующие полиномы Pm для функции x

 

 

 

 

 

на равномерных сетках

На

 

рис. 11.9

приведен пример аппроксимации функции

f (x) =

 

x

 

на отрезке

[1, 1] с использованием последовательности

 

 

равномерных сеток с равноотстоящими узлами. На рис. 11.10 пред-

65 Фабер Георг (05.04.1877–07.03.1966) – немецкий математик, профессор Высшей технической школы в Мюнхене.

154

ставлена погрешность аппроксимации функции f (x) = x полино-

мами Pm на равномерных сетках в зависимости от числа отрезков сеточной области.

Теорема Марцинкевича66. Если функция f (x ) непрерывна на отрезке [a,b] , то найдется такая последовательность сеток, для

которой интерполяционный процесс сходится равномерно на этом отрезке.

На рис. 11.11 приведен пример аппроксимации той же непрерывной функции f (x) = x полиномами на последовательности не-

равномерных (чебышевских67) сеток. На рис. 11.12 представлена погрешность аппроксимации этой же функции полиномами Pm на чебышевской сетке в зависимости от числа сегментов сеточной области.

δ

 

 

 

 

 

1,E+11

 

 

 

 

 

1,E+07

 

 

 

 

 

1,E+03

 

 

 

 

 

Е–

 

 

 

 

 

1,E-01

 

 

 

 

 

2

4

8

16

32

64

Рис. 11.10. Зависимость погрешности δ от степени m

полинома Pm функции

f (x) = x

на равномерных сетках

66Марцинкевич Юзеф (30.03.1910–1940) – польский математик, профессор университета в Вильно.

67Чебышев Пафнутий Львович (04.05.1821–26.11.1894) – русский ученыйматематик, доцент, профессор Петербургского университета, академик Петербургской академии наук.

155

1,4

 

 

 

 

 

1,2

 

 

 

 

 

1,0

 

 

 

 

 

0,8

 

 

 

 

 

0,6

 

P8

P4

P2

 

0,4

 

 

 

P16

 

 

 

 

 

 

 

 

0,2

 

|

x|

 

 

 

 

 

 

0,0

 

 

 

 

 

–1,0

–0,5

0,0

0,5

 

1,0

Рис. 11.11. Интерполяционные полиномы Pm для функции

f (x) = x

 

на неравномерных (чебышевских) сетках

 

 

δ

 

 

 

 

 

0,2

 

 

 

 

 

0,15

 

 

 

 

 

0,1

 

 

 

 

 

0,05

 

 

 

 

 

0

 

 

 

 

 

2

4

8

16

32

64

Рис. 11.12. Зависимость погрешности δ от степени m полинома Pm

функции

f (x) = x

на неравномерных (чебышевских) сетках

11.3.6.Метод наименьших квадратов

Впрактических исследования часто возникает ситуация, когда

необходимо аппроксимировать табличные значения fi = f (xi ), i = 0,n , с помощью приближения ϕ(x), содержащего определяемые коэффициенты ak , k = 0, m , в количестве, меньшем, чем число узловых точек, – m < n.

156

По этой причине, в отличие от рассмотренных ранее способов аппроксимации функции полиномами Ньютона и Лагранжа, не используется условие равенства значений функции f(x) и ее приближения ϕ(x) в узлах xi разностной сетки.

В методе наименьших квадратов близость аппроксимирующего многочлена заданной функции оценивается в среднем, то есть в целом для всего отрезка, на котором строится аппроксимация.

Пусть известен набор значений fi = f (xi ), i = 0, m , функции

для некоторых значений ее аргумента. Отыскиваемое приближение ϕ (x ) зависит от известного числа m +1 параметров a0 , a1, , am .

Степень отклонения заданных значений функции f(xi) от приближенных значений ϕ(xi) определяется выражением

δ =

n

f

i

− ϕ(x

i

) 2

=

n

f 2

2

n

f

ϕ(x

) +

n

ϕ2 (x

).

 

 

 

 

 

i

 

i

i

 

 

i

 

 

i=0

 

 

 

 

 

 

i=0

 

 

i=0

 

 

 

i=0

 

 

Для определения наименьшего отклонения δ используются необходимые условия минимума функции нескольких переменных:

∂δ

a0∂δ

a1

∂δam

n

=2 fi

i=0 n

=2 fi

i=0

n

=2 fi

i=0

 

∂ϕ(xi )

n

 

 

∂ϕ(xi )

 

 

 

 

 

 

+ 2ϕ ϕ(xi

)

 

 

 

 

= 0;

 

 

a0

a0

 

 

 

i=0

 

 

 

 

∂ϕ(xi )

n

∂ϕ(xi

)

 

 

 

 

 

 

 

 

+ 2 ϕ(xi )

 

 

 

 

 

= 0;

 

 

a1

 

 

a1

 

 

 

 

i=0

 

 

 

 

 

 

 

 

∂ϕ(xi )

n

 

∂ϕ(xi )

 

 

 

 

 

 

 

+ 2 ϕ(xi )

 

 

 

 

= 0.

 

 

am

 

am

 

 

 

 

i=0

 

 

 

 

 

 

Иными словами, речь идет о решении системы алгебраических уравнений, нелинейных в общем случае:

157

 

 

( fi − ϕ(xi )) ∂ϕ(xi ) = 0;

 

 

 

 

 

n

 

 

 

 

 

 

 

 

i=0

 

a0

 

 

 

 

 

 

n

 

∂ϕ(xi )

 

 

 

 

 

( fi − ϕ(xi

))

= 0;

 

 

 

 

 

 

 

 

 

i=0

 

 

a1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∂ϕ(xi )

 

 

 

 

 

 

n

 

 

 

 

 

 

( fi − ϕ(xi

))

= 0.

 

 

 

 

 

 

 

 

 

i=0

 

am

 

 

В частном случае, когда приближение ϕ(x) представимо в виде

 

 

 

m

 

 

 

 

 

 

 

 

 

ϕ(x) = ak ϕk (x),

 

 

 

 

 

k =0

 

 

 

 

 

 

оценка отклонения функции от

ее

приближения

записывается

в форме

 

 

 

 

 

 

 

 

 

n

 

n

m

n

m

m

 

δ = fi

2

2 fi ak ϕk (xi ) +

ak ϕk (xi ) ajϕ j (xi ) .

i=0

 

i=0

k =0

i=0

k =0

j=0

 

Условие минимальности отклонения приближения от функции записывается аналогично представленному выше:

∂δ

a0

∂δ∂a1

∂δ

am

= −2 fi ϕ0

(xi ) + 2 ϕ0

(xi ) ak ϕk (xi ) = 0;

n

n

 

m

 

i=0

i=0

 

k =0

 

= −2 fi ϕ1

(xi ) + 2 ϕ1

(xi ) ak ϕk (xi ) = 0;

n

n

 

m

 

i=0

i=0

 

k =0

 

= −2 fi ϕm (xi ) + 2 ϕm (xi ) ak ϕk (xi )

= 0.

n

n

m

 

 

i=0

i=0

k =0

 

 

В итоге получена система линейных алгебраических уравнений относительно коэффициентов разложения ak , k = 0, m :

158

 

n

n

 

n

 

n

 

 

a0 ϕ0

(xi )ϕ0 (xi ) + a1 ϕ1

(xi )ϕ0

(xi ) + + am ϕm (xi )ϕ0

(xi ) = fiϕ0

(xi );

 

i=0

i=0

 

i=0

 

i=0

 

 

 

n

n

(xi )ϕ1

n

 

n

(xi );

a0 ϕ0

(xi )ϕ1 (xi ) + a1 ϕ1

(xi ) + + am ϕm (xi )ϕ1

(xi ) = fiϕ1

 

i=0

i=0

 

i=0

 

i=0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n

n

 

n

 

n

 

 

a0 ϕ0

(xi )ϕm (xi ) + a1 ϕ1 (xi )ϕm (xi ) + + am ϕm (xi )ϕm (xi ) = fiϕm (xi ).

 

i=0

i=0

 

i=0

 

i=0

 

 

Pm

 

 

 

 

 

1

 

 

 

 

 

0,8

P2

P3

P4

P5

 

0,6

 

 

 

 

 

 

0,4

 

 

 

 

 

0,2

 

 

 

 

 

0

 

 

| x|

 

 

 

 

 

 

x

–1,0

–0,5

0,0

 

0,5

Рис. 11.13. Приближение функции f (x) = x полиномами Pm, построенными методом наименьших квадратов

На

 

рис. 11.13 показан

пример

приближения

функции

f (x) =

 

x

 

полиномами Pm, построенными на отрезке [–1, 1] с ис-

 

 

пользованием метода наименьших квадратов.

 

 

 

 

Пример. Аппроксимировать с помощью линейной зависимо-

 

сти ϕ (x ) = a0 + a1 x функцию

f (x) = x2 ,

заданную с

помощью

табл. 11.9, методом наименьших квадратов.

Для рассматриваемой задачи определяется величина отклонения заданных значений fi от значений, определяемых функцией

ϕ (xi ) = a0 + a1 xi :

δ =

4

 

(a + a x

 

) 2

f

i

i

 

 

0 1

 

 

i=0

 

 

 

 

4

 

4

4

= fi

2

2 fi (a0 + a1x i ) + (a0 + a1x i )2 .

i=0

 

i=0

i=0

159

 

 

 

Таблица 11.9

 

Табличные значения фукции

f (x) = x2

№ п/п

xi

 

f(xi)

1

0

 

0

2

1/4

 

1/16

3

1/2

 

1/4

4

3/4

 

9/16

5

1

 

1

С помощью необходимых условий минимума функции двух переменных

∂δ

a0∂δ

a1

44

=2 fi + 2 (a0 + a1xi ) = 0;

i=0 i=0

nn

=2 fi xi + 2 (a0 + a1xi ) xi = 0

i=0 i=0

получается система линейных алгебраических уравнений относительно коэффициентов разложения ak , k = 0, m , для определения наименьшего отклонения δ:

(a0 + a1xi ) = fi ,

 

4

 

 

4

i=0

 

 

i=0

 

n

 

 

n

(a0 + a1xi ) xi

 

= fi xi ;

i=0

 

 

i=0

 

4

 

4

4a0 + a1 xi = fi ,

 

i=0

i=0

 

n

n

 

n

 

 

2

= fi xi .

a0 xi + a1

xi

 

 

i=0

i=0

 

i=0

Использование данных табл. 11.9 приводит к системе линейных алгебраических уравнений

160

Соседние файлы в папке книги