Aproximarea Numerica A Functiilor - 2021

Capitolul 1
Aproximarea numerică a
funcţiilor
Aproximarea numerică a funcţiilor
 Când este necesară aproximarea

numerică a funcţiilor în aplicaţiile
inginereşti?
Fie funcţia f:[a,b]R

1. f :[a,b]R este definită printr-un tabel,
rezultat în urma efectuării unor
măsurători sau a unor calcule.
x x1 … xi … xn
f(x) f(x1) … f(xi) … f(xn)
xi[a, b], I=1,…, n

2. Forma analitică a funcţiei f(x) este foarte
complicată, funcţia fiind dificil de evaluat sau de
manipulat în calcule.
f va fi evaluată pentru câteva argumente xi,

i=1,…,n;
xi[a, b], i=1,…, n
x x1 … xi … xn
f(x) f(x1) … f(xi) … f(xn)
 A aproxima numeric o funcţie f:[a,b]R presupune
găsirea unei alte funcţii, numită FUNCŢIE MODEL,
a cărei expresie analitică este cunoscută şi care
trebuie să îndeplinească următoareale criterii:
• să fie foarte simplă ca expresie analitică;
• să aproximeze foarte precis funcţia iniţială f.
 Funcţia model se notează prin F, fiind considerată

F:[a,b]R
 Funcţia model F depinde de parametrii de model j,

j=1, …, m.
Funcţia model F(x)
 Să fie foarte simplă!!!
De obicei, funcţiile model F(x) sunt funcţii polinomiale:

• algebrice
F(x)=a1xn+a2xn-1+…+anx+an+1 ,
 trigonometrice
m
F(x)= a 0   (a k cos(kx )  b k sin(kx ))
k 1
Funcţia model F(x) trebuie

 Să aproximeze cât mai precis funcţia iniţială f.
Cum se poate îndeplini acest criteriu?
Răspuns: prin minimizarea distanţei dintre cele

două funcţii, cea iniţială f şi funcţia model F.
Cum: prin aplicarea metodei celor mai mici
pătrate
1

  2
n 2
d(f , F)    f ( x i )  F( x i ;  j )  min
 i 1 
DACĂ datele tabelate nu sunt afectate de erori
semnificative,
Interpolare
d(f, F)=0
DACĂ datele tabelate sunt afectate de erori

semnificative
Regresie
d(f, F)min
Interpolare
 Datele tabelate nu
sunt afectate de
erori semnificative
y = F(x)
M1
 d(f, F)=0 M
i
M
n
y yi yn
1
Condiţiile de 0 x
1
x
i
x
n
x
interpolare:
F(xi)=yi, i=1, 2, …, n.
Regresia
 Datele tabelate y
sunt efectate de
y=F(x; )
M j
1
erori semnificative
Mi
 d(f, F)min
Mn
S
 0, j  1,2,... m.
 j
y1 yi yn
0 x1 xi xn x
1.1 Interpolarea
 Interpolare liniară
 Formula Lagrange a polinomului de
interpolare
 Interpolare cu funcţii spline
Interpolare liniară
y
k+1
y = F (x)
y y = f (x)
k
xk x k+1 x
y
k+1
y = F (x)
y y = f (x)
k
xk x k+1 x
Formula polinomului
Lagrange de interpolare
Joseph-Louis Lagrange s-a născut
la Torino, în Italia, în 1736, într-o
familie bogată, de origine franceză.
A devenit un matematician
recunoscut, excelând în domeniul
analizei matematice, al teoriei
numerelor şi al mecanicii analitice
şi cereşti.
În 1788, a publicat lucrarea sa cea
mai importantă, “Mecanica
analitică”.
Formula polinomului
 Se foloseşte pentru interpolarea a n
perechi de date, (x, y)
 Este cea mai cunoscută metodă de
interpolare clasică.
n n x  xj
L n 1 ( x )   yi  x  xj
i 1 j1 i
j i
Formula polinomului
Deducere polinom Lagrange

 Lagrange a considerat că polinomul de interpolare are forma:
n
Ln 1 ( x )   yi pi ( x ),
i 1
 unde expresiile pi(x), cu i=1,..., n, sunt polinoame de gradul n-1,
polinoame a căror formă urmează să se determine.
Formula polinomului
 Impunându-se condiţiile de interpolare se obţine:
L n 1 ( x1 )  y1 ; y1p1 ( x1 )  y 2 p 2 ( x1 )  ...  y i p i ( x1 )  ...  y n p n ( x1 )  y1

L ( x )  y ; y p ( x )  y p ( x )  ...  y p ( x )  ...  y p ( x )  y
 n 1 2 2 1 1 2 2 2 2 i i 2 n n 2 2



L n 1 ( x i )  y i ; y1p1 ( x i )  y 2 p 2 ( x i )  ...  y i p i ( x i )  ...  y n p n ( x i )  y i



L n 1 ( x n )  y n ; y1p1 ( x n )  y 2 p 2 ( x n )  ...  y i p i ( x n )  ...  y n p n ( x n )  y n
 Prin identificarea coeficienţilor, se poate concluziona că:

Formula polinomului
 Prin identificarea coeficienţilor, se poate concluziona că:
1, pentrui  j;
p i (x j )  
0, pentrui  j.
 Astfel, forma polinomului Lagrange se poate considera:
p i (x)  Ci (x  x1 )(x  x 2 )...(x  x i1 )(x  x i1 )...(x  x n )

Formula polinomului
 Determinarea coeficientului Ci
p i ( x i )  1;
p i ( x i )  C i ( x i  x 1 )(x i  x 2 )...( x i  x i 1 )(x i  x i 1 )...(x i  x n )
Adică,
1
Ci 
 x  x 
n
i j
j1
ji
Formula polinomului Lagrange de interpolare
Exemplu: n=2
x x1 x2
f(x) y1 y2
Exemplu: n=3
x x1 x2 x3
f(x) y1 y2 y3
The elapsed time t[s] for a car to accelerate to a speed

v[km/h] from an initial speed of 30 km/h is described by the
following data:
v[km/h] 30 40 55 70
t [s] 0 1.6 4.8 8.9
Estimate t when v is 50km/h by using Lagrange formula of

interpolation.
v[km/h] 30 40 55 70
t [s] 0 1.6 4.8 8.9
( v  v2 )( v  v3 )( v  v 4 ) ( v  v1)( v  v3 )( v  v 4 )
L3 ( v)  t1  t2 
( v1 v 2 )( v1  v3 )( v1  v 4 ) ( v 2  v1)( v2  v3 )( v2  v 4 )
( v  v1)( v  v 2 )( v  v 4 ) ( v  v1)( v  v 2 )( v  v3 )
 t3  t4
( v3  v1)( v3  v 2 )( v3  v 4 ) ( v 4  v1)( v4  v2 )( v 4  v3 )
(50  30)(50  55)(50  70) (50  30)(50  40)(50  70)

L3 (50)  1,6  4,8 
(40  30 )( 40  55)( 40  70 ) (55  30 )(55  40)(55  70 )
(50  30)(50  40)(50  55)
 8,9  3,63 .
(70  30)(70  40)(70  55)
Formula polinomului
 Conclusion
The Lagrange formula is very popular because it

is well known and easy to code.
The data are not required to be specified with x

in an ascending or descending order.
Although the computation of y is simple, the

method is still not particularly efficient for large
value of n. High-degree polynomials may exhibit
strong oscillatory behavior.
Funcţii SPLINE de interpolare
 Denumirea “SPLINE” provine din

limba engleză, unde desemnează o
riglă elastică.
 Rigla s-a folosit timp îndelungat, în

proiectare, pentru trasarea curbelor
netede, prin puncte date.
Splines used in boatyard
Stephens uses this
assemblage "to draw
long, smooth lines
(called 'fair' lines), such
as the sheer line of a
boat." The lead
weights, called "ducks"
or "spline weights,"
hold the clear, plastic
"spline" in place.
Bronze Spline Weights for use by yacht designers, boatbuilders,
and design students. These classic design tools are used in
conjunction with long, flexible battens or „splines‟ to draw fair
curves while drawing a boat‟s lines and during the lofting process.
Although they are often thought of as a design tool of a bygone era
because of the advent of Computer Aided Design programs, they
are still an invaluable teaching tool for design students and are
often used by professional designers when precise, fair lines are
required. They are also a practical tool for boat builders, as
generating full size plans for construction often requires ducks and
battens on the lofting floor.
 Funcţiile SPLINE au fost introduse în

1946, de către matematicianul I.J.
Schoenberg în “Quarterly of Applied
Mathematics”, în scopul modelării
matematice a instrumentului utilizat în
proiectare.
 În prezent, funcţiile SPLINE sunt

considerate instrumente moderne şi
foarte eficiente de modelare în analiza
numerică.
Ce este o funcţie SPLINE de interpolare?
 O funcţie SPLINE de ordinul m, S(x):[a, b]R se
defineşte după cum urmează:
S(x)=Si(x), pentru i=1,…, (n-1), unde
Si(x)=Pm(i)(x) pentru x[xi, xi+1] (fiecare
restricţie Si(x) este un polinom de gradul m, Pm(i) (x));
S(x) este continuă, împreună cu primele sale
m-1 derivate.
 Dacă S(xi)=yi, for i=1,…, n, atunci, funcţia spline
este o funcţie de interpolare.
 Funcţia spline de ordinul m, S(x):[a, b]R, se defineşte
astfel:
S1 ( x ), for x  [ x1 , x 2 ];
S ( x ), for x  [ x , x ];
 2 2 3

S( x )  
Si ( x ), for x  [ x i , x i 1 ];


Sn 1 ( x ), for x  [ x n 1 , x n ].
Si(x)=Pm(i)(x) pentru x[xi, xi+1] (fiecare restricţie Si(x) este
un polinom de gradul m, Pm(i) (x));
 S(x) este continuă, împreună cu primele sale m-1 derivate.
 Aproximarea unei funcţii prin funcţii spline
cubice se poate aplica unui set de perechi de
date ordonate.
 Se vor căuta (n-1) curbe polinomiale de gradul 3

care să unească (să conecteze) punctele 1 şi 2,
2 şi 3,…, n-1 şi n.
 Funcţiile spline cubice se definesc astfel:

S(x)=Si(x) for i=1,…, (n-1), unde
Si(x)=Aix3+Bix2+Cix+Di
 În scopul definirii unei funcţii spline

cubice care să interpoleze n seturi de
date ordonate, trebuie determinaţi
coeficienţii polinomiali
Ai, Bi, Ci, Di, i=1,…, n-1.
 Trebuie scrise un număr de 4(n-1)

ecuaţii.
EXEMPLU PENTRU n=3

EXEMPLU / n=3

EXEMPLU / n=3
 Restrictiile sunt:
S1(x)=A1x3+B1x2+C1x+D1, pentru x[x1, x2] si
S2(x)=A2x3+B2x2+C2x+D2, pentru x[x2, x3].
 Schema interpolarii spline cubice pentru n=3:
Presupunand ca valorile xi si
yi, cu i=1, 2, 3, sunt
cunoscute, raman a fi
determinati opt parametri
de model: A1,2; B1,2; C1,2;
D1,2.
EXEMPLU / n=3
 Sistemul de ecuatii
 Ecuatii care rezulta in urma scrierii conditiilor de interpolare:
S(x1)=y1;
S(x2)=y2;
S(x3)=y3;
EXEMPLU / n=3
 Ecuatii care rezulta in urma scrierii conditiilor de continuitate a
functiei spline si aprimelor sale derivate:
 S1(x2) = S2(x2);
 S1‟(x2) = S2‟(x2);
 S1”(x2) = S2”(x2);
EXEMPLU / n=3
 Ecuatii suplimentare stabilite de inginer dupa analiza
caracteristicilor sistemului tehnic modelat (example ale acestui
tip de ecuatii sunt prezentate mai jos):
S1‟(x1)=0;
S2‟(x3)=0.
EXEMPLU / n=3
 Sistemul de ecuatii se poate scrie in forma:
A1x13+B1x12+C1x1+D1=y1;
A1x23+B1x22+C1x2+D1=y2;
A2x33+B2x32+C2x3+D2=y3;
A2x23+B2x22+C2x2+D2=y2;
3 A1x22+2B1x2+C1=3 A2x22+2B2x2+C2;
6 A1x2+2B1 =6 A2x2+2B2;
3 A1x12+2B1x1+C1=0;
3 A2x32+2B2x3+C2=0.
Generalizare
Dacă restricţia Si(x) este un polinom de gradul 3, atunci
derivata de ordinul 2 va fi un polinom de gradul unu
şi, grafic, poate fi reprezentat printr-o dreaptă
determinată de punctele de coordonate (xi, S”i(xi)) şi
(xi+1, S”i(xi+1)).
(xi+1, Si”( xi+1))
(xi, Si”( xi))

y=Si”(x)
 Pasul 1: scrierea ecuaţiei unei drepte prin 2

puncte;
 Pasul 2 : integrarea acestei ecuaţii, în scopul
obţinerii unei relaţii a derivatei de ordinul întâi a
restricţiei, în funcţie de valorile punctuale ale
derivatei de ordinul 2, S”i(xi);
 Pasul 3 : a doua integrare, în scopul obţinerii
unei relaţii a restricţiei Si(x) în funcţie de S”i(xi);
 Pasul 4 : determinarea constantelor de
integrare, în urma utilizării condiţiilor de
interpolare.
 Pasul 5: Prin identificarea coeficienţilor

restricţiilor Si(x), se vor putea scrie patru relaţii
pentru Ai, Bi, Ci, Di, i=1,…, n-1 în funcţie de
valorile S”i(xi);
 Pasul 6 : Determinarea valorilor S”i(xi),
utilizând proprietatea de continuitate a primei şi
a celei de a doua derivate a funcţiei spline (se
pot scrie n-2 ecuaţii pentru determinarea a n
necunoscute, S”i(xi));
 Pasul 7 : Adăugarea a două ecuaţii
suplimentare.
Funcţii SPLINE de interpolare PASUL 1
(xi+1, Si”( xi+1))
(xi, Si”( xi))

y=Si”(x)
Funcţii SPLINE de interpolare PASUL 1
(xi+1, Si”( xi+1))
(xi, Si”( xi))

y=Si”(x)
Si( x i 1 )(x  x i )  Si( x i )(x i 1  x )

Si( x ) 
hi
unde,
h i  x i1  x i , i  1,..., n  1.
PASUL 2
 Prima integrare Derivata de ordinul 1 a

funcţiei spline
 2


Si ( x i 1 )(x  x i )  Si ( x i )(x i 1  x ) 2
Si ( x )   Ci
2h i
PASUL 3
 A doua integrare Funcţia spline
Si( x i 1 )(x  x i )  Si( x i )(x i 1  x )

3 3
Si ( x )   Ci x  Ci
6h i
PASUL 4
 Prin considerarea condiţiilor de interpolare ale
funcţiei spline, S(x),
Si(xi)=yi;
Si(xi+1)=yi+1;
este posibilă determinarea constantelor de
integrare:
y i 1  y i S i ( x i 1 )  S i ( x i ) h i
C i  
hi 6
x i 1y i  x i y i 1 x iSi( x i 1 )  x i 1Si( x i ) h i
Ci  
hi 6
PASUL 5
 Dispunem de două relaţii pentru restricţia Si(x):
,
,
 

Si ( x i 1 )(x  x i )  Si ( x i )(x i 1  x )
3 3
Si ( x )   Ci x  Ci
.
6h i
PASUL 5
 După identificarea coeficienţilor în funcţie

de puterile lui x:
,
, Si (x i 1 )  Si (x i )
. Ai 
6h i
x i 1 S i ( x i )  x i S i ( x i 1 )
Bi 
2h i
x 2i S i ( x i 1 )  x 2i 1 S i ( x i ) y i 1  y i
Ci    A i h 2i
2h i hi
x i31 S i ( x i )  x i3S i ( x i 1 ) y i x i 1  y i 1 x i Bi h 2i
Di   
6h i hi 3
PASUL 6
Pentru determinarea valorilor derivatelor de

ordinul 2 ale funcţiei spline, se face apel la
proprietatea de continuitate a derivatei de ordinul
1 şi 2:
Si 1 (x i )  Si (x i ); Si1 (x i )  Si(x i ).

Se obţine următorul sistem de ecuaţii:
hi 1 h h h y y y y
Si( xi 1 )  i 1 i Si( xi )  i Si( xi 1 )  i 1 i  i i 1
6 3 6 hi hi 1
i = 2, 3,…, n-1
PASUL 7
 Sistemul anterior de ecuaţii are n-2

ecuaţii şi n necunoscute. Lipsesc două
ecuaţii.
 Inginerul trebuie să adauge două ecuaţii
suplimentare în funcţie de caracteristicile
sistemului tehnic modelat.
 Funcţii spline cubice naturale
y1‟‟= 0 şi yn‟‟=0
hi 1 hi 1  hi hi yi 1  yi yi  yi 1
Si( xi 1 )  Si( xi )  Si( xi 1 )  
6 3 6 hi hi 1
Si (x i 1 )  Si (x i )
Ai 
6h i
x i 1Si(x i )  x i Si(x i 1 )
Bi 
2h i
.
.
.
Să se folosească o funcţie
spline cubică naturală pentru
estimarea timpului necesar
unei maşini să accelereze de
la o viteză iniţială de 30 km/h
la 50 km/h, pe baza datelor
de mai jos:
v[km/h] 30 40 55 70
t [s] 0 1.6 4.8 8.9
 A2= -0,024023;
B2 = 0,0028;
C2 = -0,0339;
D2 = -1,3309.
 t =-0,024023*503 + 0,0028*502 –
0,0339*50 –1,3309 = 3,6120 [s].
 %interpolare Lagrange si spline
 x=[1 2 3 4 5 6 7 8 9];
 y=[1 4 2 5 0 3 4 9 0];
 a=[min(x):0.05:max(x)];
 n=length(x);
 m=length(a);
 L=[];
 for k=1:m
 s=0;
 for i=1:n
 p=1;
 for j=1:n
 if j~=i
 p=p*(a(k)-x(j))/(x(i)-x(j));
 end
 end
 s=s+y(i)*p;
 end
 L=[L,s];
 end
 z=spline(x,y,a);
 plot(x,y,'o',a,L,a,z)
Interpolare
Polinom Lagrange
de interpolare
Funcţie spline
cubică naturală
de interpolare
Regresia
Ce este regresia?
Regresia reprezinta o procedura de aproximare numerica a functiilor,
recomandata pentru modelarea unei functii initiale, f, definita prin date
afectate de erori semnificative.
Fie functia initiala:
f:[a,b]R,
definita prin tabelul de date urmator:

x x1 x2 …… xi …… xn
f(x) y1 y2 …… yi …… yn
Datele din tabelul urmator indeplinesc urmatoarele conditii:

xi [a, b] si
f(xi)=yi , pentru orice i=1,…, n.
Regresia
Regresia consta in gasirea unei FUNCTII MODEL, F, with
F:[a,b]R al carei grafic sa treaca printre punctele generate de
tabelul de date care defineste functia initiala, (vezi figura),
minimizind distanta dintre cele doua functii, cea initiala si model:
d(f,F)min.
Distanta d(f,F) este definita dupa cum urmeaza:

Regresia
In relatia de mai sus, j, cu j=1, …, m, reprezinta parametrii de model,

care trebuie determinati! Acesti parametri de model, j, cu j=1, …, m, se
pot determina punand conditia de minimizare a distantei d, d(f, F) min.
In scopul simplificarii problemei, se va considera suficient sa minimizam

doar cantitatea de sub radical, notata prin S!
Regresia
 Aplicând metoda celor mai mici pătrate

1
 n
  
2 2
d ( f , F)    f ( x i )  F( x i ,  j )  min
 i 1 
S
Regresia
 Valorile setului de parametri de

model, j, cu j=1, …, m, care
asigura minimul functiei S, se pot
determina in urma rezolvarii
sistemului de ecuatii format din
derivatele partiale ale functiei S,
in raport cu fiecare parametru de
model si egalate cu zero.
 Acest sistem este:
Regresia
 Sistemul se poate scrie condensat:
S
 0, j  1,2,... m.
 j
Regresia
 Schema-bloc a regresiei
Regresia
 Regresia liniară
 Modele polinomiale de regresie
Regresia liniară
 Regresia liniara se recomanda
pentru modelarea dependentei dintre
doi parametri, x-variabila
independenta si y sau f(x) –
variabila dependenta, intre care se
y  x  
estimeaza, vizual, o dependenta
y
liniara.
 Funcţia model
F(x; , )  x  
 Parametrii de model
, 
 d(f, F)min
x
Regresia liniară

Regresia liniară
 Funcţia model y  x  
y
F(x; , )  x  
 Parametrii de model
s1t1  nt 2 s1t 2  s 2 t1
 2 ; 2
s1  ns 2 s1  ns 2 x
 unde,
n n n n
s1   x i ; s 2   x i ; t1   yi ; t 2   x i yi .
2
i 1 i 1 i 1 i 1
Regresie liniară
 Exemplul 1
Distanţa parcursă de o maşină care frânează,
până la oprire, atunci când circulă cu viteza din
tabel,este:
X
20 30 40 50
(viteza [mph])
Y
50 95 150 210
(distanţa de oprire[ft])
Ce distanţă parcurge până la oprire, atunci când

circulă cu 35 mph?
Regresia liniară
 Exemplul 3
Turaţia unui motor, în funcţie de puterea acestuia,
este prezentată în tabelul de mai jos:
X
400 500 600 700
(turaţia [rpm])
Y
580 1030 1420 1880
(puterea [cp])
Care este puterea dezvoltată la o turaţie de 650

rpm?
Regresia
 Funcţii model neliniare care pot fi
transformate în modele liniare : y=  x+ 
Model y x  
v=a/u+b v 1/u a b
v = aub ln v ln u b ln a
v = aebu ln v u b ln a
Regresia
Regresia
Regresia
Regression-Example
 După pornirea unei maşini parcate la soare, timp
îndelungat, temperatura din interior va scădea lent
conform tabelului următor:
t[min] 5 10 15
T[oC] 36 29 27
Dependenţa dintre temperatura din maşină, T, şi timpul, t,
de funcţionare a sistemului de răcire este dată de funcţia
T-Ta=T0 ekt,
unde T0=T0 –Ta , T0 –temperatura din maşină la pornirea
sistemului de ventilaţie, Ta –temperatura aerului (Ta
=25grade C) şi k este constanta de răcire. Folosind
metoda regresiei liniare, să se estimeze T0 şi k..
Regresia
Modelul poate fi transformat într-un
model liniar, y=ax+b, prin
logaritmare:
ln
T-Ta=T0 ekt,
ln (T-Ta) = kt + ln (T0).
y =a x + b
Regression
3
s1   t i  5  10  15  30,
i 1
3
s 2   t i2  25  100  225  350,
i 1
3
t1   ln(Ti  Ta )  ln(11)  ln( 4)  ln( 2)  4,4773,
i 1
3
t 2   t i ln(Ti  Ta )  5 ln(11)  10 ln( 4)  15 ln( 2)  36,2496.
i 1
Regression
  = k = -0.1705 min-1;
  = ln(T0 -25) = 3.1971,
 T0 = 49.4618 oC
Regression- Other examples
1
The stopping distances of a car are d60 [m] from
60km/h and d80 [m] from 80km/h. Data for 6
cars are as follows:
d60: 128 142 150 162 167 179
d80: 220 250 261 278 294 320
It is expected that these distances are linearly
related by
d60=d80 + 
Use a linear least squares analysis to determine
 and .
Regression- Other examples
2 The viscosity [centipoise] of a certain crude oil

varies with temperature T[oC] as shown:
T: -12 10 38
: 50.1 10.0 4.9
The model for the viscosity is
= 0Tk.
Use a linear least squares analysis to estimate 
and k from the data.
Regresia
Polynomial regression
Funcţia
model
m1
F(x;  j )  1x   2 x
m
    m1
Problemă-care sunt valorile parametrilor

de model j, j=1, …, m+1, care asigură
minimul distanţei d(f, F)?
Regresia
 Pe baza metodei celor mai mici
pătrate,
d(f, F) min
 
n
S   f ( x i )  F( x i ;  j )  min
2
i 1
m 1
F( x;  j )  1x   2 x m
    m1
 
n
S   yi  (1x   2 x m 1 2
m
i i     m1 )  min
i 1
Regresie
 
n
S   y i  ( x   2 x m 1 2
m
1 i i     m1 )  min
i 1
S
 0, j  1,2,..., m  1.
 j
S
 
n
 2 yi  (1x i   2 x i     m1 ) x i
m m 1 m  j1
0
 j i 1
Regresie
Regression
 n 2m n n n
  n m 
  xi x x    x i yi 
2 m 1 m 1 m
i  i ix 
 ni 1 i 1
n
i 1
n
i 1
n   1   ni 1 
 x 2 m 1 m 1 
  i  i   m 1 
  
2m2 m
x  x x  x yi
i 1
i
i 1 i 1 i 1
i
  2   i 1 i

           
 n n n n     n 
  x im 1  m    x i yi 
 i 1
x
i 1
m
i   i
x 2
i 1
i 1
x i
 
    i 1 
 n m n n   m 1 
 n 
  xi  i x   yi 
m 1
x  n 
 i 1 
i
 i 1 i 1 i 1 
Regresia
 Cele mai folosite funcţii polinomiale:
Pătraticele – pentru date care
generează puncte care par a se
dispune după o curbă simplă
concavă sau convexă;
Cubicele-pentru date care par a fi
dispuse după o curbă cu punct de
inflexiune.
Regresie polinomiala
Exemplu

x x1 x2 … xi … xn
f(x) y1 y2 … yi … yn

Aproximarea Numerica A Functiilor - 2021

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Aproximarea Numerica A Functiilor - 2021

Încărcat de

Drepturi de autor:

Formate disponibile

Capitolul 1

 Când este necesară aproximarea

Fie funcţia f:[a,b]R

f(x) f(x1) … f(xi) … f(xn)

xi[a, b], I=1,…, n

f va fi evaluată pentru câteva argumente xi,

 Funcţia model se notează prin F, fiind considerată

 Funcţia model F depinde de parametrii de model j,

De obicei, funcţiile model F(x) sunt funcţii polinomiale:

Funcţia model F(x) trebuie

Răspuns: prin minimizarea distanţei dintre cele

DACĂ datele tabelate sunt afectate de erori

Deducere polinom Lagrange

L n 1 ( x1 )  y1 ; y1p1 ( x1 )  y 2 p 2 ( x1 )  ...  y i p i ( x1 )  ...  y n p n ( x1 )  y1

 Prin identificarea coeficienţilor, se poate concluziona că:

 Astfel, forma polinomului Lagrange se poate considera:

p i (x)  Ci (x  x1 )(x  x 2 )...(x  x i1 )(x  x i1 )...(x  x n )

The elapsed time t[s] for a car to accelerate to a speed

Estimate t when v is 50km/h by using Lagrange formula of

(50  30)(50  55)(50  70) (50  30)(50  40)(50  70)

The Lagrange formula is very popular because it

The data are not required to be specified with x

Although the computation of y is simple, the

 Denumirea “SPLINE” provine din

 Rigla s-a folosit timp îndelungat, în

 Funcţiile SPLINE au fost introduse în

 În prezent, funcţiile SPLINE sunt

 Se vor căuta (n-1) curbe polinomiale de gradul 3

 Funcţiile spline cubice se definesc astfel:

 În scopul definirii unei funcţii spline

 Trebuie scrise un număr de 4(n-1)

EXEMPLU PENTRU n=3

Funcţii SPLINE de interpolare

 Sistemul de ecuatii se poate scrie in forma:

(xi+1, Si”( xi+1))

(xi, Si”( xi))

 Pasul 1: scrierea ecuaţiei unei drepte prin 2

 Pasul 5: Prin identificarea coeficienţilor

(xi+1, Si”( xi+1))

(xi, Si”( xi))

(xi+1, Si”( xi+1))

(xi, Si”( xi))

Si( x i 1 )(x  x i )  Si( x i )(x i 1  x )

 Prima integrare Derivata de ordinul 1 a

 A doua integrare Funcţia spline

Si( x i 1 )(x  x i )  Si( x i )(x i 1  x )

 Dispunem de două relaţii pentru restricţia Si(x):

 După identificarea coeficienţilor în funcţie

Pentru determinarea valorilor derivatelor de

Si 1 (x i )  Si (x i ); Si1 (x i )  Si(x i ).

 Sistemul anterior de ecuaţii are n-2

Fie functia initiala:

definita prin tabelul de date urmator:

Datele din tabelul urmator indeplinesc urmatoarele conditii:

Distanta d(f,F) este definita dupa cum urmeaza:

In relatia de mai sus, j, cu j=1, …, m, reprezinta parametrii de model,

In scopul simplificarii problemei, se va considera suficient sa minimizam

 Aplicând metoda celor mai mici pătrate

 Valorile setului de parametri de

Ce distanţă parcurge până la oprire, atunci când

Care este puterea dezvoltată la o turaţie de 650

2 The viscosity [centipoise] of a certain crude oil

Problemă-care sunt valorile parametrilor