Implementazione del problema della approssimazione ai minimi quadrati

11
Implementazione del problema della approssimazione ai minimi quadrati

description

Implementazione del problema della approssimazione ai minimi quadrati. Definizione del problema. - PowerPoint PPT Presentation

Transcript of Implementazione del problema della approssimazione ai minimi quadrati

Page 1: Implementazione del problema della approssimazione ai minimi quadrati

Implementazione del problema della

approssimazione ai minimi quadrati

Page 2: Implementazione del problema della approssimazione ai minimi quadrati

Definizione del problema

CASO DISCRETO: siano dati m punti (x1,y1),…,(xm,ym). Si vuole determinare un polinomio p*(x) nello spazio dei polinomi di grado ≤n che indichiamo con Pn, con n<m ed n,m interi, tale che lo scarto quadratico medio ε2 così definito:

risulti minimo rispetto ai coefficienti del polinomio.

22

1

*( )m

i ii

p x y

Chiaramente ε2 = ε 2(a0,…an) dove gli ai sono i coefficienti del

polinomio p*(x).

Page 3: Implementazione del problema della approssimazione ai minimi quadrati

Caso di approssimazione lineare

Nel caso in cui n=1 vogliamo determinare il polinomio di primo grado p(x)=ax+b (geometricamente una retta) che costituisce la migliore approssimazione ai minimi quadrati. Vogliamo cioè, noti m punti (xi,yi) i=1…m trovare i valori di a e b che minimizzano:

2

1

( , ) ( )m

i ii

F a b y ax b

Come minimizzare tale funzione ? Calcolando le derivate prime di F rispetto ad a e rispetto a b e ponendole uguali a zero.

Page 4: Implementazione del problema della approssimazione ai minimi quadrati

1

/ 2 ( ) 0m

i i ii

F a y ax b x

Si ottiene così un sistema di due equazioni in due incognite che risolto consente di esprimere a e b (le incognite !) in funzione delle coordinate degli

m punti.

1

/ 2 ( ) 0m

i ii

F b y ax b

Page 5: Implementazione del problema della approssimazione ai minimi quadrati

Il sistema che si ottiene è il seguente:

1 1 1

2

1 1 1

1m m m

i ii i i

m m m

i i i ii i i

b a x y

b x a x y x

ovvero, in forma matriciale:

1 1 1

2

1 1 1

1m m m

i ii i i

m m m

i i i ii i i

x yb

ax x y x

Page 6: Implementazione del problema della approssimazione ai minimi quadrati

Le soluzioni del sistema ottenute applicando la regola di Cramer sono:

1 1 1

2 2

1 1

( )( )

( )

m m m

i i i ii i i

m m

i ii i

m x y x ya

m x x

2

1 1 1 1

2 2

1 1

( )( ) ( )( )

( ) ( )

m m m m

i i i i ii i i i

m m

i ii i

x y x x yb

m x x

Page 7: Implementazione del problema della approssimazione ai minimi quadrati

Definizione del problema (caso continuo)

CASO CONTINUO: Si vuole determinare p*(x) appartenente a Pn in modo tale da minimizzare la grandezza ε2 o scarto quadratico medio così definita:

22 *( ) ( )b

ap x f x dx

Chiaramente ε2 = ε2(a0,…an) dove gli ai sono i coefficienti delpolinomio p*(x).

Page 8: Implementazione del problema della approssimazione ai minimi quadrati

Soluzione del problema

Consideriamo lo spazio V=C[a,b], ovvero lo spazio delle funzioni continue in [a,b], vogliamo trovare i coefficienti a0,…,an del polinomio p*(x) in Pn, che approssima f appartenente a V.

Dobbiamo minimizzare:

Come si fa a minimizzare tale funzione ? Calcolando le derivate prime di F rispetto ai valori a0,…,an e ponendole uguali a zero. Otteniamo il seguente sistema di n+1 equazioni nelle n+1 incognite a0,…,an, :

2

0

( ,... ) ( ( ) )nb j

o n jaj

F a a f x a x dx

Page 9: Implementazione del problema della approssimazione ai minimi quadrati

nel caso in cui [a,b] = [0,1] il sistema diventa:

0

( )n b bi j i

j a aj

a x dx f x x dx

i=0…n

i=0…n

0

/ 2 ( ( ) ) 0nb j i

i jaj

F a f x a x x dx

1

00

1( )

1

ni

jj

a f x x dxi j

i=0…n

ovvero:

Page 10: Implementazione del problema della approssimazione ai minimi quadrati

• Il sistema in forma matriciale si scrive:

00 0 0 0

1

n

m mn n n

h h a b

h h a b

dove :

1

0( ) i

ib f x x dx

Page 11: Implementazione del problema della approssimazione ai minimi quadrati

Cosa significa mal condizionata?

Che se si risolve un sistema lineare con questa matrice dei coefficienti, “piccole” perturbazioni sui dati possono provocare “grandi” perturbazioni sulle soluzioni .

Problema

,

1

1i jh i j

Si tratta della matrice di Hilbert che è una matrice

i,j=0,..n

malcondizionata

La matrice dei coefficienti è quella con elementi: