Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Метод наименьших квадратов ⇐ ПредыдущаяСтр 3 из 3
Как же определить эти неизвестные коэффициенты? По-видимому, первое, что должно прийти в голову: рассмотреть интеграл от функции невязки: (21) Поскольку функции в приближенном решении (17) являются заданными функциями, то интеграл (21) легко вычисляется и представляет собой функцию неизвестных параметров . Условие минимума этой функции: (22) образует систему, в которой количество уравнений равно количеству неизвестных . Однако, возможна ситуация, показанная на рис.7а, когда интеграл от невязки мал, или даже равен нулю, но отличие функции невязки от нуля может быть большим. Другой возможный подход: вычислять интеграл не от функции невязок, а от ее модуля: . (23) Этот подход устраняет рассмотренную выше опасность, однако (см рис.7б) возможна ситуация, когда невязка, принимая небольшие значения на большей части интервала, оказывается большой на малой его части. В этом случае малое значение интеграла (21) вовсе не гарантирует высокую точность приближенного решения. Постепенно мы пришли к идее первого из широко используемых на практике методов построения приближенного решения в виде аппроксимации системой функций: метода наименьших квадратов. В этом методе минимизируется интеграл от квадрата невязки: (24) В этом случае, устраняется опасность, представленная на рис.6а, и снижается, хотя и не устраняется совсем вторая опасность (рис.6б) Рассмотрим применение этого метода на примере задачи (1). Для этой задачи и, следовательно (25) Из условий минимума (26) Получаем систему линейных уравнений: (27) Здесь ‑ матрица, , ‑ векторы. Размер системы равен количеству неизвестных коэффициентов , то есть количеству аппроксимирующих функций, принятых для приближенного представления решения (17). Для аппроксимации во всех примерах будет использоваться система функций (18): . Поскольку для матрицы и вектора получаем и решение этой системы дает значения коэффициентов (17): Подставляя эти значения в (17), получаем выражение для вычисления приближенного решения при любом значении . Дополним таблицу 1 столбцом значений для полученного приближенного решения. Таблица 2
Сравнивая полученные результаты с результатами, полученными по методу конечных разностей, можно отметить их более высокую точность. Однако за это пришлось заплатить несколько большей трудоемкостью при построении разрешающей системы. На рис.8 приведены графики точного (1) и приближенного (2) решений. Если бы эти графики привести в том же масштабе, что и на рис.5, они слились бы в одну линии. Поэтому на рис.8 в сильно увеличенном масштабе показаны решения для небольшой области, где разница между приближенным и точным решением максимальна.
|