next up previous contents
Next: Numerička integracija Up: Aproksimacija funkcije i numerička Previous: Ocjena greške   Contents


Metoda najmanjih kvadrata

Lagrangeov polinom veoma dobro aproksimira funkciju lokalno, u izabranim točkama, dok izvan tih točaka aproksimacija može biti vrlo loša. Sada ćemo upoznati metodu najmanjih kvadrata, metodu pomoću koje možemo zadanu funkciju aproksimirati drugom funkcijom određenog tipa globalno, tako da u izvjesnom smislu njihova međusobna udaljenost bude što manja, bez obzira na to što se funkcije možda neće poklapati niti u jednoj točki.

Pretpostavimo najprije da su vrijednosti funkcije poznate samo u nekim točkama. Neka su $ x_1, x_2, \ldots, x_n$ dane točke i neka su $ f(x_1),f(x_2),\ldots{},f(x_n)$ pripadne vrijednosti funkcije $ f.$ Želimo naći onu funkciju $ g$ određenog tipa s neodređenim parametrima $ \alpha,\beta,\ldots{},$ koja najbolje aproksimira funkciju $ f.$ To možemo učiniti na sljedeći način.

Izračunamo sumu kvadrata razlika funkcija $ f$ i $ g$

$\displaystyle S = \sum_{k=1}^n \left[f(x_k) - g(x_k)\right]^2,$

i zatim tražimo neodređene parametre $ \alpha,\beta,\ldots{}$ iz uvjeta da $ S$ kao funkcija tih parametara ima minimalnu vrijednost.

Ako je funkcija $ f$ zadana u svim točkama nekog segmenta $ [a,b],$ onda se funkcija $ S$ definira pomoću integrala

$\displaystyle S = \int_{a}^b \left[f(x) - g(x)\right]^2\,dx.$

Klase funkcija iz kojih biramo funkciju $ g$ su obično polinomi prvog stupnja $ g(x)=\alpha{}x+\beta{},$ polinomi drugog stupnja $ g(x)=\alpha{}x^2 +\beta{}x+\gamma{},$ eksponencijalne funkcije $ g(x)=\alpha{}\,e^{\beta{}\,x}+\gamma{},$ itd.

Na pr. ako želimo naći polinom prvog stupnja najbliži funkciji $ f$ čije su nam vrijednosti poznate u točkama $ x_1,x_2,\ldots{},x_n,$ onda je

$\displaystyle S(\alpha{},\beta{}) = \sum_{k=1}^n \left[f(x_k) -
\alpha{}\,x_k - \beta{}\right]^2.$

Nužan uvjet za ekstrem funkcije $ S$ je

$\displaystyle \frac{\partial{}S}{\partial{}\alpha{}} = 0,\hspace{1cm}
\frac{\partial{}S}{\partial{}\beta{}} = 0,$

dakle

$\displaystyle \sum_{k=1}^n \left[f(x_k) - \alpha{}\,x_k - \beta{}\right]\,x_k =
0,$

$\displaystyle \sum_{k=1}^n \left[f(x_k) - \alpha{}\,x_k - \beta{}\right] = 0.$

Kad sredimo ovaj sustav jednadžbi, dobijemo

$\displaystyle \alpha{}\,\sum_{k=1}^n x_k^2 + \beta{}\,\sum_{k=1}^n x_k =
\sum_{k=1}^n f(x_k)\,x_k,$

$\displaystyle \alpha{}\,\sum_{k=1}^n x_k + n\,\beta{} = \sum_{k=1}^n f(x_k).$

Iz njega izračunamo $ \alpha$ i $ \beta.$ Iz prirode problema jasno je da funkcija $ S$ ima samo minimum, pa tako određeni parametri doista daju najbolju aproksimaciju funkcioje $ f.$

Kad se funkcija $ g$ traži u obliku eksponencijalne, logaritamske i slično, onda se na ovaj način u pravilu dobije sustav nelinearnih jednadžbi. Takve sustave je teže rješavati nego linearne. Obično se nekim operacijama nad funkcijama (na pr. logaritmiranjem) pojednostavni klasa funkcija u kojoj tražimo aproksimaciju. No, parametri koje tako dobijemo nisu najbolji mogući u smislu metode najmanjih kvadrata.


next up previous contents
Next: Numerička integracija Up: Aproksimacija funkcije i numerička Previous: Ocjena greške   Contents
Salih Suljagic
1999-01-27