🗊Презентация Интерполяция функций

Интерполяция функций

Постановка задачи Основу мат моделей многих процессов и явлений в физике, химии, биологии и др. областях составляют уравнения различного вида. Для решения этих уравнений необходимо иметь возможность вычислить значения функций, входящих в описание математической модели рассматриваемого процесса при произвольном значении аргумента. Используемые в математических моделях функции могут быть заданы как аналитическим способом, так и табличным, при котором функция известна только при дискретных значениях аргумента.

Пусть функция f(x) задана множеством своих значений для дискретного набора точек (таблицей). Эта таблица может быть результатом расчетов, либо экспериментальными точками. Пусть функция f(x) задана множеством своих значений для дискретного набора точек (таблицей). Эта таблица может быть результатом расчетов, либо экспериментальными точками. Значения аргумента xi называются узлами. (В общем случае эти узлы не являются равноотстоящими). Требуется найти приближенные значения функции f(x) в любой произвольной точке отрезка [x0;xn] при помощи функции F(x). Приближение (замена) функции f(x) заданной таблично другой функцией F(x), заданной аналитически, называется аппроксимацией.

Чем проще аппроксимирующая функция, тем меньше времени требуется для решения задачи аппроксимации. Чем больше узлов, тем меньше погрешность. Для каждой конкретной аппроксимирующей функции нужно стремиться выбрать такой способ аппроксимации, который обеспечивает минимальную погрешность при минимальном количестве узлов. Чем проще аппроксимирующая функция, тем меньше времени требуется для решения задачи аппроксимации. Чем больше узлов, тем меньше погрешность. Для каждой конкретной аппроксимирующей функции нужно стремиться выбрать такой способ аппроксимации, который обеспечивает минимальную погрешность при минимальном количестве узлов. Существует два принципиально различных метода аппроксимации функций: 1) Интерполяция − аппроксимирующая функция F (x) точно совпадает с табличными значениями y0, y1,… yn функции f (x). 2) Метод наименьших квадратов − аппроксимирующая функция F (x) может не совпадать ни с одним табличным значением y0, y1,… yn , максимально приближаясь к ним в среднем.

Погрешность интерполяции определяется расстоянием между узлами интерполяции. Обусловлена погрешность тем, что график имеет изломы в узлах. Погрешность интерполяции определяется расстоянием между узлами интерполяции. Обусловлена погрешность тем, что график имеет изломы в узлах. Изломы интерполяции можно устранить, если в качестве интерполирующей использовать такую функцию, график которой представляет собой плавную кривую, например, полином, проходящий через заданные в таблице точки.

Вычисление коэффициентов интерполяционного полинома F(x) путем решения системы уравнений

Рассмотрим интерполяцию кубическими сплайнами. Из теории упругости известно, что гибкая упругая линейка, совмещенная с узловыми значениями функции, проходит по линии, удовлетворяющей уравнению (11). Рассмотрим интерполяцию кубическими сплайнами. Из теории упругости известно, что гибкая упругая линейка, совмещенная с узловыми значениями функции, проходит по линии, удовлетворяющей уравнению (11). Если в качестве функции (x) выбрать полином, то в соответствии с уравнением (11) степень полинома должна быть не выше третьей. Этот полином называют кубическим сплайном, который на каждом интервале записывают в виде

(12) где a,b,c,d коэффициенты сплайна; i = 1,2,..., -номер интервала (номер сплайна). (12) где a,b,c,d коэффициенты сплайна; i = 1,2,..., -номер интервала (номер сплайна). В отличие от полиномиальной интерполяции, когда вся аппроксимирующая функция описывается одним полиномом, при сплайновой интерполяции на каждом интервале строится отдельный полином (x) третьей степени (12) со своими коэффициентами.