Poglavlje 4

Interpolacija i aproksimacija
funkcija
U mnogim inenjerskim problemima, podaci koji se posmatraju su poznati
samo za niz diskretnih taaka, a ne kao kontinuirana funkcija. Na primjer,
moe se desiti da je (kontinuirana) funkcija
y = f (x)

(4.1)

poznata samo u n diskretnih vrijednosti x, tj.:

yi = y(xi )

(i = 1, 2, . . . , n)

(4.2)

Meutim, veliine diskretnih podataka nisu uvijek ono to nama treba, nego
nam ponekad trebaju i vrijednosti funkcije u nekim drugim takama (interpolacija, ekstrapolacija). Takoer, mogu nam trebati izvodi takve zavisnosti
(diferenciranje), ili integral (integriranje). Ovo i sljedee poglavlje su u uskoj
vezi sa interpolacijom, diferenciranjem i integriranjem diskretnih podataka.
Svi ovi procesi se izvravaju aproksimiranjem diskretnih podataka pomou
neke pribline funkcije, i izvrenjem eljenog procesa.
Postoji veliki broj razliitih funkcija koje se mogu koristiti kao pribline
funkcije. U stvari, svaka algebarska funkcija se moe koristiti u tu svrhu.
Ipak, najee koritene funkcije su:
1. polinomi, a naroito linearne aproksimacione funkcije,
2. trigonometrijske funkcije,
3. eksponencijalne funkcije.
Pri tome, ove funkcije trebaju imati sljedee osobine:

Interpolacija i aproksimacija funkcija

1. lako odreivanje,
2. lako izraunavanje,
3. lako diferenciranje,
4. lako integriranje.
Postoje dva fundamentalno razliita pristupa za odreivanje priblinih funkcija koje se koriste za opisivanje zavisnosti grupe podataka:
1. interpolacija, ili tano poklapanje
2. aproksimacija, ili priblino poklapanje.
Interpolacija dovodi do funkcija koje tano prolaze kroz sve zadate take, kao
to je to pokazano na slici 4.1a. Interpolacija se obino koristi za mali broj
podataka. Nasuprot tome, aproksimacijom se dolazi do funkcija koje prolaze
kroz grupu podataka na najbolji mogui nain, bez obaveze da tano prou
kroz zadate take (slika 4.1b). Aproksimacija je veoma pogodna za velike
grupe podataka, lijepo grupisane podatke, te male i velike grupe razbacanih
podataka.
a)

b)
y

Diskretne take

Diskretne take

Slika 4.1: Priblino predstavljanje podataka funkcijama: a) interpolacija, b)

aproksimacija

4.1

Interpolacija polinomima

Opta formula polinoma n-tog reda ima oblik:

Pn (x) = a0 + a1 x + a2 x2 + . . . + an xn

(4.3)

gdje n predstavlja red polinoma, a ai (i = 0, 1, . . . , n) su konstantni koeficijenti.

Dakle, imamo n + 1 koeficijenata, pa je za dobijanje jedinstvenih vrijednosti
koeficijenata neophodno n + 1 diskretnih taaka.
66

4.1. Interpolacija polinomima

Za proces interpolacije pomou polinoma veoma su bitne sljedee dvije teoreme:

Weierstrassov aproksimacioni polinom: Ako je funkcija f (x) neprekidna
na intervalu [a, b], tada za svako proizvoljno malo > 0 postoji polinom
Pn (x), kod kojeg vrijednost n zavisi od vrijednosti , tako da za svako x
u intervalu [a, b] vrijedi
|Pn (x) f (x)| <
Teorem o jedinstvenosti rjeenja: Polinom n-tog reda koji prolazi kroz
tano n + 1 diskretnih taaka je jedinstven.
Dakle, bilo koja funkcija se moe interpolirati do eljene ili traene tanosti
polinomom dovoljno velikog reda. S obzirom da se u praksi koriste polinomi
nieg reda, treba paziti na postizanje tanosti. U narednim poglavljima date
su neke od metoda koje se koriste za izraunavanje koeficijenata polinoma.
4.1.1

Direktna metoda

Posmatrajmo optu proceduru za interpolaciju niza taaka sa jednakim ili nejednakim razmakom pomou polinoma. Neka je dato n + 1 taaka [x0 , f (x0 )],
[x1 , f (x1 )], . . . ,[xn , f (xn )], koje moemo pisati i u obliku (x0 , y0 ), (x1 , y1 ),
. . . ,(xn , yn ). Problem se svodi na odreivanje jedinstvenog polinoma n-tog
reda, Pn (x) (jednaina (4.3)), koji prolazi kroz sve date take. Uvrtavajui
svaki podatak u jednainu (4.3) dobija se sistem od n + 1 jednaina sa n + 1
nepoznatih koeficijenata ai (i = 0, 1, . . . , n), tj.:
y0 = a0 + a1 x0 + a2 x20 + . . . + an xn0
y1 = a0 + a1 x1 + a2 x21 + . . . + an xn1
y2 = a0 + a1 x2 + a2 x22 + . . . + an xn2
.....................

(4.4)

yn = a0 + a1 xn + a2 x2n + . . . + an xnn
Glavna determinanta

1 x0 x20 . . .

1 x1 x21 . . .

1 x2 x22 . . .
. .
.. . .
.. ..
.
.

1 x x2 . . .
n
n

sistema jednaka je:

xn0

xn1

xn2
..
.
xnn

(4.5)

67

Interpolacija i aproksimacija funkcija

i naziva se Vandermondova determinanta. Moe se pokazati da je vrijednost

determinante za razliite take xi (i = 0, 1, . . . , n) razliita od nule, tako da
sistem (4.4) ima jedinstveno rjeenje. Dati sistem jednaina moe se rijeiti
nekom od metoda koje su objanjene u prethodnom poglavlju. Rezultujui
polinom je jedinstveni polinom koji prolazi kroz svih n + 1 taaka.
Glavna prednost direktne metode je to se kao rezultat dobija eksplicitni
oblik funkcije, to znai da se vrijednost za bilo koju taku dobija jednostavnim
izraunavanjem vrijednosti funkcije za tu taku. Prednost je i u tome to se
moe koristiti za podatke koji nemaju jednak razmak.
Glavni nedostatak metode je u tome to se u sluaju dobivanja nekih novih
podataka, ime se poveava i red polinoma, postupak dobijanja koeficijenata
polinoma mora ponoviti. Rezultat dobijen prethodno, sa polinomom nieg
reda, nema nikakve veze sa onim koji se dobiju u ponovljenom postupku.
Primjer 4.1
Primjenu procesa interpolacije pomou direktne metode prikazati na primjeru
jednostavne funkcije f (x) = 1/x, koristei podatake u tabeli 4.1. Interpolirati
vrijednost za x = 3.44, koristei linearnu, kvadratnu i kubnu aproksimaciju.
Tabela 4.1: Uz primjer 4.1
x
3.35
3.40
f (x) 0.298507 0.294118

3.50
0.285714

3.60
0.277778

Rjeenje
Tana vrijednost funkcije je:
f (3.44) =

1
= 0.290698
3.44

(4.6)

Prvo pokaimo proces interpolacije koristei kvadratnu funkciju:

P2 (x) = a + bx + cx2

(4.7)

i tri (n + 1 = 2 + 1 = 3) take date u prethodnoj tabeli. Ako polinom (4.7)

primijenimo na svaku od datih taaka, dobijamo sljedei sistem jednaina:
0.298507 = a + b (3.35) + c (3.35)2
0.294118 = a + b (3.40) + c (3.40)2
0.285714 = a + b (3.50) + c (3.50)2
68

(4.8)

4.1. Interpolacija polinomima

Jednaina (4.8) se moe rijeiti nekom od metoda pokazanih u prethodnom

poglavlju (npr. Gaussova metoda eliminacije), tako da se dobije sljedei polinom:
P2 (x) = 0.876561 0.256080x + 0.0249333x2

(4.9)

Uvrtavajui vrijednost x = 3.44 u prethodni polinom dobijamo:

P2 (3.44) = 0.876561 0.256080 3.44 + 0.0249333 3.442
= 0.290697

(4.10)

U sluaju linearnog polinoma, uzimamo dvije take (drugu i treu, jer se

zadata taka nalazi izmeu njih), tj. x = 3.40 i x = 3.50, pa se dobija sljedei
sistem:
0.294118 = a + b (3.40)
0.285714 = a + b (3.50)

(4.11)

to dovodi do polinoma:
P1 (x) = 0.579854 0.08404x

(4.12)

Uvrtavajui vrijednost x = 3.44 u prethodni polinom dobijamo:

P1 (3.44) = 0.579854 0.08404 3.44 = 0.290756

(4.13)

U sluaju kubnog interpolacionog polinoma, neophodne su nam sve etiri

zadate take, pa se dobija sljedei sistem jednaina:
0.298507 = a + b (3.35) + c (3.35)2 + d (3.35)3
0.294118 = a + b (3.40) + c (3.40)2 + d (3.40)3
0.285714 = a + b (3.50) + c (3.50)2 + d (3.50)3

(4.14)

0.277778 = a + b (3.60) + c (3.60)2 + d (3.60)3

sa konanim rjeenjem u obliku kubnog polinoma:
P3 (x) = 1.121066 0.470839x + 0.0878x2 0.00613333x3

(4.15)

odnosno, uvrtavajui vrijednost x = 3.44

P3 (3.44) = 0.290698

(4.16)

Poredei dobivene rezultate sa tanim rjeenjem dobivaju se sljedee veliine

greaka:
P (3.44) =0.290756

linearni

Greka = 0.000058
69

Interpolacija i aproksimacija funkcija

=0.290697
=0.290698

kvadratni
kubni

=0.000001
= 0.000000

ime se pokazuje prednost koritenja polinoma vieg reda.

4.1.2

Lagrangeov interpolacioni polinom

Kao to se moglo vidjeti u prethodnom dijelu, direktna metoda je veoma jednostavna po svom principu, ali ima mnogo nedostataka, meu kojima prednjai
znatno vrijeme za odreivanje koeficijenata polinoma. Osim toga, za polinome vieg reda (n > 4) sistem jednaina moe biti slabo podeen, to moe
da uzrokuje veliku greku u procjeni koeficijenata interpolacionog polinoma.
Jedan od jednostavnijih postupaka, koji se vrlo esto koristi za interpolaciju, je upotreba Lagrangeovih interpolacionih polinoma. Ovaj postupak se,
takoer, moe koristiti za interpolaciju podataka sa jednakim i nejednakim
razmacima.
Posmatrajmo, na primjer, sluaj sa dva podatka [a, f (a)] i [b, f (b)]. Linearni
Lagrangeov polinom koji tano prolazi kroz obje take dat je jednainom:
P1 (x) =

(x b)
(x a)
f (a) +
f (b)
(a b)
(b a)

(4.17)

to je lako pokazati. U sluaju tri zadate take, [a, f (a)], [b, f (b)] i [c, f (c)],
polinom ima oblik:
(x b)(x c)
(x a)(x c)
f (a) +
f (b)
(a b)(a c)
(b a)(b c)
(x a)(x b)
+
f (c)
(c a)(c b)

P2 (x) =

(4.18)

Slino prethodnom sluaju, lako je pokazati da dobijeni polinom prolazi kroz

sve tri zadate take.
Openito, gore sprovedena procedura moe se primijeniti za bilo koji skup
od n + 1 taaka, koji e dati polinom n-tog reda. U tom sluaju, za n + 1
70

4.1. Interpolacija polinomima

taaka [a, f (a)], [b, f (b)], . . . , [k, f (k)], imamo:

(x b)(x c) . . . (x k)
f (a)
(a b)(a c) . . . (a k)
(x a)(x c) . . . (x k)
+
f (b)
(b a)(b c) . . . (b k)
(x a)(x b) . . . (x j)
+ ... +
f (k)
(k a)(k b) . . . (k j)

Pn (x) =

(4.19)

ili u neto drugaijem obliku:

Pn (x) = L0 (x)f (x0 ) + L1 (x)f (x1 ) + . . . + Ln (x)f (xn )
n
X
=
Lk (x)f (xk )

(4.20)

k=0

gdje
(x x0 ) . . . (x xk1 )(x xk+1 ) . . . (x xn )
(xk x0 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn )
n
Y
x xi
=
(k = 0, 1, . . . , n)
x

x
k
i
i=0

Lk (x) =

(4.21)

i6=k

predstavljaju tzv. Lagrangeove polinome.

Vidi se da za odreivanje Lagrangeovog interpolacionog polinoma nema potrebe za rjeavanjem sistema jednaina, ali je neophodno znatno raunarsko
vrijeme za dobijanje njegovih koeficijenata. Nain odreivanja Lagrangeovog
interpolacionog polinoma je znatno drugaiji od onog dobivenog direktnom
metodom, ali po teoremu jedinstvenosti rjeenja, obje metode daju isto, tano
rjeenje.
Prednosti i nedostaci ove metode su slini kao i u prethodnom sluaju.
Ipak, problem ponovnog rjeavanja za drugaiji red polinoma, moe se prevazii koritenjem odreenih procedura, koje se mogu nai u literaturi (Nevillov
algoritam, razlika dividendi).
Primjer 4.2
Primjer 4.1 rijeiti pomou Lagrangeovog interpolacionog polinoma koristei
linearnu, kvadratnu i kubnu interpolaciju.
Rjeenje
71

Interpolacija i aproksimacija funkcija

Najprije emo odrediti interpolacioni polinom prvog reda, koristei drugu i

treu taku iz tabele 4.1. Prema jednaini (4.17) imamo:
(x 3.50)
(x 3.40)
0.294118 +
0.285714
(3.40 3.50)
(3.50 3.40)
= 0.579854 0.08404x

P1 (x) =

(4.22)

Za polinom drugog reda, koristimo prve tri take iz tabele 4.1 i jednainu
(4.18), pa je:
(x 3.40)(x 3.50)
0.298507
(3.35 3.40)(3.35 3.50)
(x 3.35)(x 3.50)
+
0.294118
(3.40 3.35)(3.40 3.50)
(x 3.35)(x 3.40)
+
0.285714
(3.50 3.35)(3.50 3.40)
= 0.876561 0.256080x + 0.0249333x2

P2 (x) =

(4.23)

Za dobijanje polinoma treeg reda koristimo optu formulu (4.20), pri emu
je n = 3. U tu svrhu, koriste se sve etiri take iz tabele 4.1. Moe se pokazati
da je konano rjeenje:
P3 (x) = 1.121066 0.470839x + 0.0878x2 0.00613333x3

(4.24)

Vidi se da su sva rjeenja jednaka onim dobivenim u primjeru 4.1, to se i

moglo oekivati s obzirom na teorem jedinstvenosti polinoma.

4.1.3

Newtonovi interpolacioni polinomi

Jedan od oblika polinoma ntog reda koji prolazi kroz n + 1 taaka je i:

s
s
s
2
n f0
(4.25)
f0 + . . . +
f0 +
Pn (x) = f0 +
n
2
1
gdje je parametar s, tzv. interpolaciona promjenljiva, dat izrazom:
s=
72

x x0
h

ime je

x = x0 + sh

(4.26)

4.1. Interpolacija polinomima

gdje je h korak, tj. h = xi xi1 , a razlike f0 , 2 f0 , . . . , su date izrazima:

f0 = f1 f0
2 f0 = f1 f0 = f2 2f1 + f0
......

n
X
n
n1
n1
i n
f0 = f1 f0 =
(1)
fi
i
i=0

(4.27)

Ove razlike se mogu dobiti i pomou tzv. tabele podijeljenih razlika. Jedna
takva tabela za etiri vrijednosti funkcije data je na slici 4.2, pri emu vrijednost svakog lana tabele predstavlja razliku dvije vrijednosti sa lijeve strane,
kao to je to dato i izrazima (4.27).
(0)

xi

fi

x1

f1

(1)

fi

(2)

fi

(3)

fi

(0)
(1)

f1
x2

(2)

(0)

f1

f2

(1)

(3)

f2
x3

f1
(2)

(0)

f2

f3

(1)

f3
x4

(0)

f4

Slika 4.2: Tabela podijeljenih razlika

Polinom predstavljen jednainom (4.25) naziva se prvi Newtonov interpolacioni polinom, ili Newtonov interpolacioni polinom za diferenciranje unaprijed.
Ovaj polinom uopte ne lii ni na jedan od polinoma koji su dati u poglavlju
o aproksimacionim funkcijama, ali ipak ima osobinu da prolazi kroz svih n + 1
zadatih taaka. Imajui u vidu teorem o jedinstvenosti rjeenja, on predstavlja
eljeni jedinstveni aproksimacioni polinom.
Najvea prednost ovog polinoma je to, osim jednostavnosti, poveani red
polinoma, a time i njegovu tanost, dobijamo dodavanjem dodatnog lana na
prethodni polinom manjeg reda, tako da nije potrebno dodatno raunanje koeficijenata. Time se rad koji je uinjen prethodno, sa manjim brojem podataka,
ne mora ponavljati.
Primjer 4.3
Koristei prvi Newtonov interpolacioni polinom izraunati vrijednost funkcije
73

Interpolacija i aproksimacija funkcija

f (x) = 1/x u taki za x = 3.44. U tu svrhu koristiti Tabelu 4.3. U tabeli su,
takoer, date i podijeljene razlike za date vrijednosti funkcije.
xi
3.1

(0)

fi

(1)

(2)

fi

fi

(3)

(4)

fi

fi

0.322581
-0.010081

3.2

0.312500

0.000611
-0.009470

3.3

0.303030

-0.000053
0.000558

-0.008912
3.4

0.294118

-0.000050
0.000508

-0.008404
3.5

0.285714

0.000468

0.277778

0.000428

0.270270

0.000008
-0.000032

0.000396
-0.007112

3.8

0.000000
-0.000040

-0.007508
3.7

0.000010
-0.000040

-0.007936
3.6

0.000003

0.263158

0.000000
-0.000032

0.000364
-0.006748

3.9

0.256410
Slika 4.3: Tabela podijeljenih razlika za primjer 4.3

Rjeenje
Prema tabeli 4.3, imamo da je x0 = 3.40, te h = 0.1, pa je:
s=

x x0
3.44 3.40
=
= 0.4
h
0.1

(4.28)

Iz jednaine (4.25) se direktno dobija:

P (3.44) = f (3.4) + sf (3.4) +

s(s 1) 2
f (3.4)
2!

s(s 1)(s 2) 3
f (3.4) + . . .
+
3!
74

(4.29)

4.1. Interpolacija polinomima

te uvodei brojne vrijednosti u jednainu (4.29):

P (3.44) = 0.294118 + 0.4(0.008404)
0.4(0.4 1)
+
(0.000468)
(4.30)
2
0.4(0.4 1)(0.4 2)
(0.00040) + . . .
+
3!
Uzimajui u obzir samo prva dva lana dobija se linearna aproksimacija. Dodavajui i trei lan dobija se kvadratna, a uzmajui u obzir prva etiri lana
polinoma u jednaini (4.30) dobija se kubna aproksimacija. Dakle, imamo:
P (3.44) =0.290756
=0.290700
=0.290698

linearni
kvadratni
kubni

Greka =0.000058
=0.000002
=0.000000

Rjeenje za linearnu aproksimaciju je potpuno isto kao i u primjerima 4.1 i 4.2,

dok je u sluaju kvadratne aproksimacije rezultat neto drugaiji, s obzirom
da se u razmatranje nisu uzele iste vorne take. No, i ovdje se vidi da se
poveanjem reda polinoma znatno poveava tanost.
U prethodnom primjeru smo kao poetnu taku uzeli taku x0 = 3.4, tako da
traena vrijednost pada u zadati opseg (x = 3.44 (3.4, 3.5)) i imamo proces
interpolacije. Ako, pak, elimo izraunati vrijednost funkcije za x = 3.44,
pri emu poetna taka x0 = 3.2 ne ulazi u opseg vornih taaka koje su date,
imamo ekstrapolacije, i rezultati su manje tani. U tom sluaju, ako je x0 = 3.2
i s = 2.4, dobija se:
P (3.44) =0.289772
=0.290709
=0.290698

linearni
kvadratni
kubni

Greka =0.000926
= 0.000011
= 0.000000

Vidimo da je greka za linearnu i kvadratnu ekstrapolaciju znatna, dok kubna

dovodi do interpolacionog polinoma.
Prvi Newtonov interpolacioni polinom koristi se za poetnu grupu podataka,
ili grupu podataka koja se nalazi u sredini itave grupe. U sluaju kada je
neophodno primijeniti ovu metodu na posljednju grupu podataka, neophodne
razlike unaprijed ne postoje, pa se koristi tzv. drugi Newtonov interpolacioni
polinom, ili Newtonov interpolacioni polinom za diferenciranje unazad koji je
dat izrazom:
+
+
+
s
s
s
2
Pn (x) = f0 +
f0 +
f0 + . . . +
n f0
(4.31)
1
2
n
75

Interpolacija i aproksimacija funkcija

pri emu je:

+
s
s(s + 1)(s + 2) (s + [i 1])
=
i
i!

(4.32)

a ostale oznake su kao u prethodnom sluaju.

Primjer 4.4
Koristei drugi Newtonov interpolacioni polinom izraunati vrijednost funkcije
f (x) = 1/x u taki za x = 3.44 (tano rjeenje je x = 0.290698 . . .). Kao
poetnu vrijednost uzeti x0 = 3.5 iz tabele 4.3.
Rjeenje
Prema tabeli 4.3, h = 0.1 i sa x0 = 3.5, imamo:
s=

x x0
3.44 3.50
=
= 0.6
h
0.1

(4.33)

Iz jednaine (4.31) se direktno dobija:

P (3.44) = f (3.5) + sf (3.5) +

s(s + 1) 2
f (3.5)
2!

s(s + 1)(s + 2) 3
+
f (3.5) + . . .
3!

(4.34)

te uvodei brojne vrijednosti u jednainu (4.34):

P (3.44) = 0.285714 + (0.6)(0.008404)
(0.6)(0.6 + 1)
+
(0.000508)
2
(0.6)(0.6 + 1)(0.4 + 2)
+
(0.00050) + . . .
3!

(4.35)

Uzimajui u obzir samo prva dva lana dobija se linearna aproksimacija. Dodavajui i trei lan dobija se kvadratna, a uzmajui u obzir prva etiri lana
polinoma u jednaini (4.35) dobija se kubna aproksimacija. Dakle, imamo:
P (3.44) =0.290756
=0.290695
=0.290698

76

linearni
kvadratni
kubni

Greka = 0.000058
=0.000003
= 0.000000

4.2. Aproksimacija funkcija

4.1.4

Greka interpolacije

Kao to je poznato, interpolacioni polinom se sa datom funkcijom poklapa u

svim vornim takama. Meutim, to ne znai da se i vrijednosti funkcije izmeu vornih taaka dobro poklapaju sa interpolacionim polinomom. Razlika
izmeu vrijednosti polinoma i funkcije, koju dati polinom interpolira, predstavlja greku interpolacije. Moe se pokazati da je ova greka interpolacije,
Rn (x), za neku neprekidnu i diferencijabilnu funkciju do reda n+1 na intervalu
[a, b] data izrazom:
f (n+1) ()
(n + 1)!

(4.36)

(a, b)

(4.37)

Rn (x) = f (x) Pn (x) = (x)

gdje je:
(x) =

n
Y

(x xi )

i=0

Meutim, formula (4.36) ima ogranienu praktinu vrijednost, s obzirom

da se rijetko poznaje f (n+1) , a gotovo nikada . Ipak, formula ima teoretsku
vrijednost u procjeni greke kod numerikog diferenciranja i integriranja.

4.2

Aproksimacija funkcija

U prethodnom poglavlju opisane su interpolacione funkcije koje su pogodne za

mali uzorak diskretnih podataka. U sluaju kada se radi o velikom broju podataka, ili podataka koji nisu lijepo grupisani, krive sa tanim poklapanjem nije
mogue ostvariti, te su neophodna priblina poklapanja - proces aproksimacije.
Posmatrajmo, na primjer, grupu diskretnih taaka [xi , Y (xi )] = (xi , Yi ) i
aproksimacioni polinom y(x) koji je izabran da predstavi ove podatke, kao to
je prikazano na slici 4.4. Vidi se da diskretne take ne lee na polinomu y(x).
Osnovna ideja odreivanja aproksimacione funkcije zasniva se na minimiziranju devijacija (razmaka) taaka od aproksimacionog polinoma. Pri tome, moe
se pretpostaviti da su vrijednosti nezavisne promjenljive xi tane, a da devijacija zavisi od zavisno promjenljive Yi . Tada je devijacija ei razlika izmeu Yi i
yi = f (xi ), tj.
ei = Yi yi

(4.38)

Proces minimizacije se moe izvriti na razliite naine, ali se u tu svrhu najee koristi metoda najmanjih kvadrata.
77

Interpolacija i aproksimacija funkcija

y(x)
Yi(xi)
ei

Yi

y(x)

Diskretne take

xi

Slika 4.4: Grafika interpretacija aproksimacije

4.2.1

Metoda najmanjih kvadrata

Metoda najmanjih kvadrata zasniva se na minimiziranju zbira kvadrata razlika

ei = Yi yi , tj. na minimiziranju funkcije S, koja je zavisna od parametara
aproksimacione funkcije:
N
N
X
X
2
S=
(ei ) =
(Yi yi )2
i=1

(4.39)

i=1

Pri tome, aproksimaciona funkcija y(x) moe biti linearna ili nelinearna (pri
tome se naziv linearan odnosi na linearnost po parametrima, a ne nezavisnim
veliinama). Primjer linearne funkcije je polinom n-tog reda, dok su logaritamska ili eksponencijalna funkcija primjeri nelinearnih aproksimacionih funkcija.
Aproksimacija polinomom

Neka je dato N taaka (xi , Yi ) koje treba aproksimirati polinomom n-tog reda:
y = a0 + a1 x + a2 x2 + . . . + an xn

(4.40)

Zbir kvadrata devijacija prema jednaini (4.39) je:

S(a0 , a1 , a2 , . . . , an ) =

N
X
i=1

N
X
i=1

78

N
X
(Yi yi )2
(ei ) =
2

i=1

(Yi a0 a1 xi . . . an xni )2

(4.41)

4.2. Aproksimacija funkcija

Potreban uslov za postojanje ekstrema (time i minimuma) ove funkcije sa vie

nepoznatih je:
N

X
S
=
2(Yi a0 a1 xi . . .an xni )(xki ) = 0
ak
i=1

(k = 0, 1, . . . , n) (4.42)

Na taj nain se dobija sistem od n + 1 linearnih jednaina koji nakon preureivanja ima oblik:
a0 N + a1

N
X

xi + . . . + an

i=1

a0

N
X

xi + a1

i=1

N
X

xni

x2i

+ . . . + an

Yi

i=1

i=1
N
X

N
X

N
X

i=1

xn+1
i

i=1

N
X

xi Yi

i=1

(4.43)

..............................
a0

N
X

xni

+ a1

i=1

N
X

xn+1
i

+ . . . + an

i=1

N
X
i=1

x2n
i

N
X

xni Yi

i=1

Sistem jednaina (4.43) moe se rijeiti nekom od metoda za rjeavanje sistema

jednaina.
Na osnovu jednaine 4.43, lako je pokazati da se u sluaju aproksimacije
linearnom funkcijom y = a + bx dobija sljedei sistem jednaina:
aN + b

N
X

xi =

i=1

N
X
i=1

xi + b

N
X

Yi

i=1
N
X
i=1

x2i =

N
X

(4.44)
xi Yi

i=1

koji se vrlo lako moe rijeiti. Aproksimacija polinomom prvog reda se najee
koristi u praksi. Pri koritenju polinoma vieg reda mogu se pojaviti problemi,
jer sistem jednaina (4.43) moe biti slabo podeen. Ipak, normalizovanjem
jednaina i koritenjem dvostruke preciznosti ovi problemi se mogu prevazii.
Polinomi do 6-tog reda obino daju vrlo dobre rezultate, dok vrijednosti za
n od 6 do 10 mogu, ali i ne moraju dovesti do dobrih rezultata. Vrijednosti
n > 10 openito vode loim rezultatima. Slaba podeenost sistema jednaina
moe se prevazii koritenjem nekih drugih oblika linearne aproksimacije, kao
to su, na primjer. ebievljevi polinomi i mogu se nai u literaturi.

79

Interpolacija i aproksimacija funkcija

Primjer 4.5
U tabeli 4.2 data je zavisnost specifine toplote zraka pri konstantnom pritisku (za niske temperature), Cp , od temperature zraka, T . Koristei metodu
najmanjih kvadrata potrebno je odrediti aproksimacioni polinom prvog reda
u obliku:
Cp = a + bT

(4.45)

Tabela 4.2: Uz primjer 4.5

T, K

Cp , J/mK103

Cp ,J/mK103

Greka, %

300

1.0045

0.9948

-0.97

400

1.0134

1.0153

0.19

500

1.0296

1.0358

0.61

600

1.0507

1.0564

0.54

700

1.0743

1.0769

0.24

800

1.0984

1.0974

-0.09

900

1.1212

1.1180

-0.29

1000

1.1410

1.1385

-0.22

Rjeenje
Koristei jednainu (4.44) dobija se sljedei sistem jednaina:
8a + b

8
X

Ti =

i=1

8
X
i=1

Ti + b

8
X

Cp,i

i=1
8
X
i=1

Ti 2 =

8
X

(4.46)
Ti Cp,i

i=1

koji nakon uvrtavanja vrijednosti iz tabele ima oblik:

8a + 5200b = 8.5331
5200a + 3800000b = 5632.74

(4.47)

Koristei neku od metoda za rjeavanje sistema linearnih jednaina dobija se:

Cp = 0.933194 + 0.205298 103 T
80

(4.48)

4.2. Aproksimacija funkcija

U tabeli 4.2 date su i vrijednosti dobivene jednainom (4.48), Cp , te greke

aproksimacije.
Primjer 4.6
U tabeli 4.3 data je zavisnost specifine toplote zraka pri konstantnom pritisku (za visoke temperature), Cp , od temperature zraka, T . Koristei metodu
najmanjih kvadrata potrebno je odrediti aproksimacioni polinom drugog reda
u obliku:
Cp = a + bT + cT 2

(4.49)

Tabela 4.3: Uz primjer 4.6

T, K

Cp , J/mK103

Cp , J/mK103

Greka, %

1000

1.1410

1.1427

0.15

1500

1.2095

1.2059

-0.29

2000

1.2520

1.2522

0.02

2500

1.2782

1.2815

0.26

3000

1.2955

1.2938

-0.13

Rjeenje
Koristei jednainu (4.43) za n = 3 dobija se sljedei sistem jednaina:
5a + b

5
X

Ti + c

i=1

5
X
i=1

5
X
i=1

Ti + b

5
X

Ti =

5
X

i=1
5
X

Ti + c

i=1
5
X

Ti 2 + b

i=1

Cp,i

i=1
5
X

Ti =

i=1
5
X

Ti 3 + c

i=1

5
X

Ti 4 =

Ti Cp,i

i=1
5
X

(4.50)

Ti 2 Cp,i

i=1

koji nakon uvrtavanja vrijednosti iz tabele ima oblik:

5a + 10 103 b + 22.5 106 c = 6.1762
10 103 a + 22.5 106 b + 55 109 c = 12.5413 103

(4.51)

22.5 106 a + 55 109 b + 142.125 1012 c = 288.5186 106

81

Interpolacija i aproksimacija funkcija

Koristei neku od metoda za rjeavanje sistema linearnih jednaina dobija se:

Cp = 0.965460 + 0.211197 103 T 0.0339143 106 T 2

(4.52)

U tabeli 4.3 date su i vrijednosti dobivene jednainom (4.52), te greke aproksimacije.

Nelinearna aproksimacija

U mnogim inenjerskim problemima fizikalne osobine nekih procesa navode

nas na koritenje nekih drugih aproksimacionih funkcija, kao to su na primjer
logaritamske, eksponencijalne, i sl. U tim sluajevima, metoda najmanjih
kvadrata vodi do sistema jednaina koji je nelinearan, pa je traenje koeficijenata takvih jednaina oteano. Ipak, ponekad je nelinearni aproksimacioni
problem mogue svesti na linearan koristei pogodne smjene.
Posmatrajmo stepenu funkciju koja se esto koristi za opisivanje fizikalnih
procesa:
y = axb

(4.53)

Logaritmiranjem gornjeg izraza dobija se:

ln(y) = ln a + b ln(x)

(4.54)

i uvoenjem smjena Y = ln(y), A = ln(a), X = ln(x) i B = b, problem se

svodi na aproksimaciju polinomom prvog reda:
Y = A + Bx

(4.55)

Pored prethodne, esto se koristi i eksponencijalna funkcija (na primjer,

kriva napon-naprezanje za nelinearne materijale):
y = aebx

(4.56)

koja se moe nakon logaritmiranja svesti na oblik linearne funkcije:

ln(y) = ln a + bx Y = A + bx

(4.57)

Postoji i niz drugih funkcija koje se mogu koristiti u ovu svrhu. Koja od
njih je najpodesnija, zavisi od prirode fizikalnog procesa koji se opisuje. U tu
svrhu nam moe pomoi i grafiko predstavljanje podataka u Descartesovom
ili nekom specijalnom koordinatnom sistemu (logaritamski, polulogaritamski,
. . . ).
82

4.2. Aproksimacija funkcija

Primjer 4.7
Podatke date u tabeli 4.4 aproksimirati pomou nelinearne relacije date jednainom:
y = aebx

(4.58)

Tabela 4.4: Uz primjer 4.7

x
0
1
y
3
6
Y = ln(y) 1.098612 1.791759

2
12
2.484907

3
24
3.178053

4
48
3.871201

Rjeenje
Prema jednaini (4.57), trebamo prvo odrediti ln(y) (dato u tabeli 4.4), a
onda problem svesti na odreivanje aproksimacione funkcije Y = A + bx, pri
emu je Y = ln(y) i A = ln(a). Na taj nain dobijamo sistem jednaina:
5A + b

5
X

xi =

i=1

5
X
i=1

xi + b

5
X

Yi

i=1
5
X

xi 2 =

i=1

5
X

(4.59)
xi Yi

i=1

koji nakon uvrtavanja vrijednosti iz tabele ima oblik:

8A + 10b = 12.424533
10A + 30b = 31.780538

(4.60)

Koristei neku od metoda za rjeavanje sistema linearnih jednaina dobija se:

Y = A + bx = 1.09861 + 0.69315x

(4.61)

odnosno, koristei smjene:

y = aebx = eA ebx = e1.09861 e0.69315x = 3e0.69315x

(4.62)

Posljednja jednakost se moe predstaviti i u obliku:

y = 3e0.69315x = 3(e0.69315 )x = 3 2x

(4.63)

83

Interpolacija i aproksimacija funkcija

4.3

Pitanja i zadaci

1. Objasniti razliku izmeu aproksimacije i interpolacije!

2. Navesti metode interpolacije!
3. Objasniti prednosti i mane direktne metode!
4. Objasniti Lagrangeov interpolacioni polinom. Navesti njegove prednosti
i mane!
5. Navesti osnovne prednosti Newtonovih interpolacionih polinoma!
6. Greka interpolacije, i njena upotrebna vrijednost.
7. Navesti metode koje se koriste za aproksimaciju funkcija!
8. Objasniti metodu najmanjih kvadrata!
9. Objasniti metodu najmanjih kvadrata koritenjem linearne aproksimacije!
10. Objasniti metodu najmanjih kvadrata koritenjem nelinearne aproksimacije!
11. Tabela 4.5 daje zavisnost specifine toplote zraka pri konstantnom pritisku, Cp i entalpije, h, od temperature, T .
Tabela 4.5: Uz zadatak 11
T, K

Cp ,kJ/kgK

h,kJ/kg

T, K

Cp ,kJ/kgK

h,kJ/kg

1000

1.1410

1047.248

1400

1.1982

1515.792

1100

1.1573

1162.174

1500

1.2095

1636.188

1200

1.1722

1278.663

1600

1.2197

1757.657

1300

1.1858

1396.578

Koristei direktnu metodu, nai:

a) vrijednost Cp (1120) koristei dvije take,
b) vrijednost Cp (1120) koristei tri take,
c) vrijednost Cp (1480) koristei dvije take,
d) vrijednost Cp (1480) koristei tri take.
Kao poetnu taku koristiti onu koja je najblia traenoj vrijednosti.
84

4.3. Pitanja i zadaci

12. Zadatak 11 rijeiti za h(T ) umjesto Cp (T )!

13. Zadatak 11 rijeiti koristei Lagrangeov interpolacioni polinom!
14. Zadatak 12 rijeiti koristei Lagrangeov interpolacioni polinom!
15. Zadatke 11 i 12 rijeiti koritenjem prvog Newtonovog interpolacionog
polinoma!
16. Koristei podatke za specifinu toplotu zraka pri konstantnom pritisku,
Cp , iz tabele 4.5 za 1000 T 1400, nai najbolju aproksimaciju polinomom prvog reda. Dati greku za svaku vornu taku.
17. Prethodni zadatak rijeiti uzimajui u obzir sve podatke iz tabele 4.5.
Rezultate uporediti sa onim iz prethodnog primjera.
18. Nai polinom etvrtog reda kao aproksimaciju podataka za specifinu gustinu zraka pri konstantnom pritisku, i dati greku za svaku vornu taku.
19. Napisati program za izraunavanje kvadratne interpolacione funkcije za
date podatke, koristei direktnu metodu!
20. Napisati program koji interpolira vrijednost grupe podataka, koristei
Lagrangeov interpolacioni polinom!
21. Napisati program sa metodom najmanjih kvadrata za sluaj polinoma
prvog reda!
22. Koeficijent trenja za laminarno teenje se moe povezati sa Raynoldsovim
brojem, Re, koristei sljedeu relaciju:
f = aReb

(4.64)

Koristei podatke iz tabele 4.6, nai a i b koristei metodu najmanjih

kvadrata.
Tabela 4.6: Uz zadatak 22
Re

500

1000

1500

2000

0.0320

0.0160

0.0107

0.0080

85