3.

Aproksimacija i interpolacija
Najčešći praktični problem je izračunavanje vrijednosti neke funkcije koja je za-
dana samo na diskretnom skupu točaka (xk , fk ), k = 0, . . . , n, a približne vrijednosti
žlimo naći u nekim točkama koje nisu iz zadanog skupa.
Ako aproksimacijska funkcija ϕ (koja ovisi o nekim parametrima) ima svojstvo

ϕ(xk ) = fk , k = 0, . . . n

onda kažemo da ϕ interpolira zadane podatke.

Ako imamo zadan n+1 podatak, onda prema teoremu s predavanja postoji točno
jedan polinom stupnja manjeg ili jednakog n koji interpolira taj skup podataka (uz
uvjet da zadane točke imaju različite x-koordinate).
Taj interpolacijski polinom možemo naći na više načina. U teoretske svrhe obično
se koristi Lagrangeov oblik interpolacijskog polinoma, a puno praktičniji je Newto-
nov oblik.
Nemojte zaboraviti, u praksi je zabranjeno koristiti interpolacijske polinome
stupnja većeg od 3, jer mogu imati vrlo velike greške. U tim slučajevima koristimo
se splajnovima ili metodom najmanjih kvadrata.

3.1. Lagrangeov oblik interpolacijskog polinoma

Interpolacijski polinom pn u Lagrangeovom obliku koji interpolira točke baze
(xk , fk ), k = 0, . . . , n glasi
n
X
pn (x) = fk `k (x),
k=0

pri čemu je

(x − x0 ) · · · (x − xk−1 ) (x − xk+1 ) · · · (x − xn )
`k (x) = .
(xk − x0 ) · · · (xk − xk−1 ) (xk − xk+1 ) · · · (xk − xn )

Ako funkcija f koju interpoliramo ima (n + 1)-u neprekidnu derivaciju, onda smo
interpolacijom napravili grešku

|ω(x)|
|f (x) − pn (x)| ≤ Mn+1 ,
(n + 1)!
n
Y
(n+1)
Mn+1 := max |f (x)|, ω(x) = (x − xk ).
x∈[a,b]
k=0

Ova ocjena greške vrijedi i za Newtonov oblik interpolacijskog polinoma.

 3.1. Lagrangeov oblik interpolacijskog polinoma 25

Zadatak 3.1. Nađite interpolacijski polinom koji funkciju

f (x) = sin(πx)

1 1
interpolira u točkama s x-koordinatama x0 = 0, x1 = i x2 = . Ocijenite grešku
6 2
tako dobivene interpolacije. Nadalje, izračunajte vrijednost dobivenog interpolacij-
skog polinoma u točki x = 0.4, ocijenite grešku interpolacije u toj točki, te nađite
pravu grešku.

Rješenje. Zadane točke interpolacije su

1 1
xk 0 6 2
1
,
fk 0 2
1

pa zbog 3 podatka možemo naći interpolacijski polinom p2 koji ima stupanj manji
ili jednak 2.
Formirajmo Lagrangeovu bazu:

(x − x1 )(x − x2 ) (x − 16 )(x − 21 ) (x − 16 )(x − 21 )

`0 = = = = 12x2 − 8x + 1,
(x0 − x1 )(x0 − x2 ) (0 − 16 )(0 − 21 ) 1
12

(x − x0 )(x − x2 ) (x − 0)(x − 12 ) x(x − 12 )

`1 = = 1 1 1 = 1 = −18x2 + 9x,
(x1 − x0 )(x1 − x2 ) ( 6 − 0)( 6 − 2 ) − 18

(x − x0 )(x − x1 ) (x − 0)(x − 16 ) x(x − 16 )

`2 = = 1 = = 6x2 − x.
(x2 − x0 )(x2 − x1 ) ( 2 − 0)( 21 − 16 ) 1
6

Interpolacijski polinom glasi

p2 (x) = f0 `0 (x) + f1 `1 (x) + f2 `2 (x)

1 7
= 0 · (12x2 − 8x + 1) + · (−18x2 + 9x) + 1 · (6x2 − x) = −3x2 + x.
2 2
Primijetite da `0 nismo trebali računati jer je f0 = 0!
Za ocjenu greške treba nam ω(x)
  
1 1 2 1
ω(x) = (x − x0 )(x − x1 )(x − x2 ) = (x − 0) x − x− = x3 − x2 + x
2 6 3 12

i treća derivacija funkcije f :

f (x) = sin(πx), f 0 (x) = π cos(πx),

f 00 (x) = −π 2 sin(πx), f 000 (x) = −π 3 cos(πx).

Tada imamo

M3 = max1 |f (3) (x)| = max1 | − π 3 cos(πx)| = π 3 max1 | cos(πx)| = π 3 ,

x∈[0, 2 ] x∈[0, 2 ] x∈[0, 2 ]
26 3. Aproksimacija i interpolacija

jer je 0 ∈ [0, 21 ] i cos 0 = 1.

Prema tome ocjena greške za proizvoljnu točku iz intervala [0, 12 ] glasi

π 3  3 2 2
 
1 
|f (x) − p2 (x)| ≤ x − x + x.
3! 3 12
Izračunajmo još interpolaciju u zadanoj točki
7
p2 (0.4) = −3 · (0.4)2 + · 0.4 = 0.92.
2
Ocjena greške daje (budući da je 0.4 ∈ [0, 12 ])

π 3 
 
3 2 2 1 
|f (0.4) − p2 (0.4)| ≤ (0.4) − · (0.4) + · 0.4 = 0.04823198604.
3! 3 12
Prava greška je

f (0.4) − p2 (0.4) = sin(π · 0.4) − 0.92 = 0.0310565164,

i ona je, naravno po apsolutnoj vrijednosti manja ili jednaka ocjeni greške.
Zadatak 3.2. Nađite interpolacijski polinom za podatke (0, 1), (−1, 2), (1, 3).
Rješenje. Primijetite da sada ne možemo ocjenjivati grešku, jer nije zadana funkcija
iz koje su uzeti ti podaci.
Ponovno, zbog tri podatka, imamo interpolacijski polinom stupnja 2. Formiramo
Lagrangeovu bazu:
(x − x1 )(x − x2 ) (x + 1)(x − 1)
`0 = = = −x2 + 1,
(x0 − x1 )(x0 − x2 ) (0 + 1)(0 − 1)
(x − x0 )(x − x2 ) (x − 0)(x − 1) 1 1
`1 = = = x2 − x,
(x1 − x0 )(x1 − x2 ) (−1 − 0)(−1 − 1) 2 2
(x − x0 )(x − x1 ) (x − 0)(x + 1) 1 1
`2 = = = x2 + x.
(x2 − x0 )(x2 − x1 ) (1 − 0)(1 + 1) 2 2
Interpolacijski polinom tada je
   
2 1 2 1 1 2 1 3 1
p2 (x) = 1 · (−x + 1) + 2 · x − x +3· x + x = x2 + x + 1.
2 2 2 2 2 2
Zadatak 3.3. Funkciju f (x) = 3x na intervalu [−1, 1] interpoliramo na sljedeći
način:
• na intervalu [−1, 0] povučemo pravac koji interpolira rubne točke
• na intervalu [0, 1] povučemo pravac koji interpolira rubne točke.
Napravite ocjenu greške za oba intervala. U kojoj točki x(1) prvog intervala se postiže
maksimum ocjene greške? U kojoj točki x(2) drugog intervala se postiže maksimum
ocjene greške? Na kojem od ta dva intervala je maksimalna ocjena greške manja?
 3.1. Lagrangeov oblik interpolacijskog polinoma 27

Rješenje. Da bi se riješio zadatak jedino što je potrebno je napisati ocjenu greške

za interpolacijske polinome, oba stupnja 1 i to prvi na intervalu [−1, 0] i drugi na
intervalu [0, 1].
Ocjena greške na intervalu [−1, 0] je

(1) |ω (1) (x)| (1) (1)

|f (x) − p1 (x)| ≤ M2 , M2 := max |f 00 (x)|, ω (1) (x) = (x + 1)x.
2! x∈[−1,0]

Pritom gornji indeksi označavaju da se radi o prvom intervalu.

Prvo treba naći drugu derivaciju zadane funkcije i njezin maksimum po apsolut-
noj vrijednosti,

f 0 (x) = 3x ln 3, f 00 (x) = 3x (ln 3)2 , f 000 (x) = 3x (ln 3)3 .

Budući da je f 000 (x) > 0, to znači da f 00 raste, samo je pitanje je li pozitivna ili
negativna. Ako je pozitivna (što u ovom slučaju jest), onda je njezin maksimum u
desnom rubu intervala.
Dakle,
(1)
M2 := max |3x (ln 3)2 | = max 3x (ln 3)2 = 30 (ln 3)2 ≈ 1.206949.
x∈[−1,0] x∈[−1,0]

Nadalje,
(1) |(x + 1)x|
|f (x) − p1 (x)| ≤ 1.206949 · .
2
Ocjena vrijedi za svaki x iz intervala [−1, 0]. Primijetimo da je na tom intervalu
(x + 1)x ≤ 0, pa imamo
(1)
|f (x) − p1 (x)| ≤ −0.603474 · (x + 1)x.

Sada treba naći u kojoj točki −1 ≤ x(1) ≤ 0 ova funkcija ima maksimum. Ponovno
tražimo maksimum funkcije

g(x) = −0.603474 · (x + 1)x.

Vrijedi
g 0 (x) = −0.603474(2x + 1), g 00 (x) = −1.206949.
Nultočka derivacije je u x = −1/2, a druga derivacija −1/2 je negativna, pa se
radi o lokalnom maksimumu. Da bismo ustanovili gdje je globalni maksimum, treba
usporediti sve vrijednosti funkcije u rubovima intervala i u lokalnim ekstremima,
 
1 1
g(−1) = 0, g(0) = 0, g(−1/2) = −0.603474 · · − ≈ 0.150868.
2 2

Stoga se maksimum dostiže u x(1) = −1/2.

Sada treba istu stvar ponoviti na intervalu [0, 1]. Ocjena greške na intervalu [0, 1]
je

(2) |ω (2) (x)| (2) (2)

|f (x) − p1 (x)| ≤ M2 , M2 := max |f 00 (x)|, ω (2) (x) = x(x − 1).
2! x∈[0,1]
28 3. Aproksimacija i interpolacija

Pritom gornji indeksi označavaju da se radi o drugom intervalu.

Već smo zaključili da je f 000 (x) > 0, to znači da f 00 raste i da je pozitivna, pa je
njezin maksimum u desnom rubu intervala.
Dakle,
(2)
M2 := max |3x (ln 3)2 | = max 3x (ln 3)2 = 31 (ln 3)2 ≈ 3.620847.
x∈[0,1] x∈[0,1]

Dakle,
(2) |x(x − 1)|
|f (x) − p1 (x)| ≤ 3.620847 · .
2
Ocjena vrijedi za svaki x iz intervala [0, 1]. Primijetimo da je na tom intervalu
x(x − 1) ≤ 0, pa imamo

(2)
|f (x) − p1 (x)| ≤ −1.810423 · x(x − 1).

Sada treba naći u kojoj točki 0 ≤ x(2) ≤ 1 ova funkcija ima maksimum. Ponovno
tražimo maksimum funkcije

g(x) = −1.810423 · x(x − 1).

Vrijedi
g 0 (x) = −1.810423 · (2x − 1), g 00 (x) = −3.620847.

Nultočka derivacije je u x = 1/2, a druga derivacija 1/2 je negativna, pa se radi

o lokalnom maksimumu. Da bismo ustanovili gdje je globalni maksimum, treba
usporediti sve vrijednosti funkcije u rubovima intervala i u lokalnim ekstremima,
 
1 1
g(0) = 0, g(1) = 0, g(1/2) = −1.810423 · · − ≈ 0.452606.
2 2

Stoga se maksimum dostiže u x(2) = 1/2.

Maksimalna ocjena greške manja je u prvom intervalu, gdje je maksimalna ocjena
0.150868, dok je na drugom intervalu 0.452606.

3.2. Newtonov oblik interpolacijskog polinoma

Polinom stupnja najviše n koji interpolira podatke (xk , fk ), k = 0, . . . , n u
Newtonovom obliku glasi

pn (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + · · ·

+ f [x0 , x1 , . . . , xn ](x − x0 )(x − x1 ) · · · (x − xn−1 ),

pri čemu su f [x0 , . . . , xn ] podijeljene razlike. Podijeljene razlike razlike računaju se

 3.2. Newtonov oblik interpolacijskog polinoma 29

rekurzivno formulom
f [x1 , . . . , xn ] − f [x0 , . . . , xn−1 ]
f [x0 , . . . , xn ] = ,
xn − x0

sa startom
f [xk ] := fk , k = 0, . . . , n.

Obično se formira tablica podijeljenih razlika

xk f [xk ] f [xk , xk+1 ] f [xk , xk+1 , xk+2 ] ··· f [x0 , . . . , xn ]

x0 f [x0 ]
f [x0 , x1 ]
x1 f [x1 ] f [x0 , x1 , x2 ]
..
f [x1 , x2 ] .
.. .. .. ..
. . . . f [x0 , . . . , xn ]
f [xn−2 , xn−1 ] ...
xn−1 f [xn−1 ] f [xn−2 , xn−1 , xn ]
f [xn−1 , xn ]
xn f [xn ]

i od nje trebamo samo prvi “vršni redak” da bismo napisali interpolacijski polinom.
√
Zadatak 3.4. Funkcija 3 x zadana je tablično na 3 decimale

xk 1.0 1.1 1.3 1.5 1.6

.
fk 1.000 1.032 1.091 1.145 1.170
√
Nađite vrijednost 3
1.15 i ocijenite grešku. Nađite i pravu grešku.

Rješenje. Formiramo tablicu podijeljenih razlika

xk f [xk ] f [xk , xk+1 ] f [xk , xk+1 , xk+2 ] f [xk , . . . , xk+3 ] f [xk , . . . , xk+4 ]

1.0 1.000
0.320
1.1 1.032 −0.083
0.295 0.040
1.3 1.091 −0.063 −0.080
0.270 −0.008
1.5 1.145 −0.067
0.250
1.6 1.170
30 3. Aproksimacija i interpolacija

Budući da imamo 5 podataka, interpolacijski je polinom stupnja 4 i glasi

p4 (x) = 1.000 + 0.320(x − 1) − 0.083(x − 1)(x − 1.1)

+ 0.040(x − 1)(x − 1.1)(x − 1.3)
− 0.080(x − 1)(x − 1.1)(x − 1.3)(x − 1.5).

Njegova vrijednost za x = 1.15 je

p4 (1.15) = 1.000 + 0.320(1.15 − 1) − 0.083(1.15 − 1)(1.15 − 1.1)

+ 0.040(1.15 − 1)(1.15 − 1.1)(1.15 − 1.3)
− 0.080(1.15 − 1)(1.15 − 1.1)(1.15 − 1.3)(1.15 − 1.5)
= 1.047301,

odnosno p4 (1.15) = 1.047 ako zaokružujemo na točnost podataka.

Za ocjenu pogreške treba nam 5-ta derivacija:
1 2 −5/3
f (x) = x1/3 , f 0 (x) = x−2/3 , f 00 (x) = − x ,
3 32
10 −8/3 80 880
f 000 (x) = x , f (4) (x) = − 4 x−11/3 , f (5) (x) = 5 x−14/3 .
33 3 3
Nadalje,

ω(1.15) = (1.15−1.0)(1.15−1.1)(1.15−1.3)(1.15−1.5)(1.15−1.6) = −1.771875·10−4 .

Nađimo još i M5 :
880 −14/3 880 1
M5 = max |f (5) (x)| = max 5
x = 5 max √ 3
x∈[1,1.6] x∈[1,1.6] 3 3 x∈[1,1.6] x14
880
= (broj je najveći ako mu je nazivnik najmanji, a to je u 1) = .
35
Ocjena greške u 1.15 je

|ω(1.15)| 1.771875 · 10−4 880

|f (1.15) − p4 (1.15)| ≤ M5 = · 5 = 5.347222213 · 10−6 .
5! 120 3
Izračunajmo još pravu grešku
√
3
f (1.15) − p4 (1.15) = 1.15 − 1.047301 = 0.0003885531716.

No, pogledajmo što smo dobili! Prava greška je veća od ocjene, pa smo ili loše
računali, ili je nešto drugo u pitanju! Što? Pošli smo od podataka zaokružnih
√
na 3 decimale, a ne od točnih vrijednosti za 3 xk . Dakle, zaokruživanje početnih
podataka dovelo je od zaokruživanja u p4 (1.15). Budući da su podaci bili zaokruženi
na 3 znamenke, više ne možemo očekivati niti od rezultata. Prava greška bi bila
manja od ocjene greške da smo umjesto sa tri znamenke radili s više od 6 (barem
7-8, jer je ocjena greške reda veličine 10−6 ).
 3.2. Newtonov oblik interpolacijskog polinoma 31

Zadatak 3.5. Nađite interpolacijski polinom koji interpolira funkciju

f (x) = log10 x

u točkama s x-koordinatama 1, 10, 100, 1000. Nađite vrijednost log10 500, ocijenite
grešku i nađite pravu grešku.

Rješenje. Formiramo tablicu podijeljenih razlika

xk f [xk ] f [xk , xk+1 ] f [xk , xk+1 , xk+2 ] f [xk , . . . , xk+3 ]

1 0
1
9
1
10 1 − 990
1 1
90 999000
1
100 2 − 99000
1
900
1000 3

Sada odmah slijedi da je

1 1 1
p3 (x) = 0 + (x − 1) − (x − 1)(x − 10) + (x − 1)(x − 10)(x − 100),
9 990 999000
pa je

1 1 1
p3 (500) = · 499 − · 499 · 490 + · 499 · 490 · 400 = −93.63345.
9 990 999000
Najprije, uočimo da aproksimacija nije ni približno jednaka log10 (500), jer je

2 < log10 (500) < 3.

Dakle, ili

(a) smo krivo računali,

(b) ili interpolacijski polinom loše interpolira funkciju, tj. greške između čvorova su
velike.

Pokažimo da se događa ovo drugo. Na slici 3.1 skicirana je funkcija f i interpolacijski

polinom p3 .
Ostaje još naći i ocjenu greške, za koju nam treba maksimum četvrte derivacije
funkcije

1 1
f (x) = log10 x, f 0 (x) =log10 e, f 00 (x) = − log10 e,
x x2
2 6
f 000 (x) = log10 e, f (4) (x) = − 4 log10 e.
x3 x
32 3. Aproksimacija i interpolacija

10 100 1000

Slika 3.1: Grafovi funkcija log10 x i p3 (x).

Nadalje,
6 6
M4 = max |f (4) (x)| = max | − 4
log10 e| = log10 e max
x∈[1,1000] x∈[1,1000] x x∈[1,1000] x4

= (najveću vrijednost dobivamo ako je nazivnik najmanji) = 6 log10 e.

Da bismo dobili ocjenu greške treba nam još i
ω(x) = (x − 1)(x − 10)(x − 100)(x − 1000),
pa je
|ω(x)| 6 log10 e
|f (x) − p3 (x)| ≤ M4 = |(x − 1)(x − 10)(x − 100)(x − 1000)|
4! 24
log10 e
= |(x − 1)(x − 10)(x − 100)(x − 1000)|,
4
i ona vrijedi za svaki x ∈ [1, 1000].
Za x = 500, ocjena daje
log10 e
|f (500) − p3 (500)| ≤ |499 · 490 · 400 · (−500)| = 5.309 · 109 ,
4
dok je prava greška
f (500) − p3 (500) = 2.698970004 − (−93.63345) = 96.33242.
Dakle ocjena greške je vrlo pesimistična obzirom na pravu grešku.
Zadatak 3.6. Nađite interpolacijski polinom najviše drugog stupnja koji vrijednosti
funkcije
1
f (x) =
2x − 1
interpolira u točkama s x koordinatama 1 i 2 s tim da je derivacija funkcije f jednaka
derivaciji polinoma u točki s x koordinatom 2.
 3.3. Diskretna metoda najmanjih kvadrata 33

Rješenje. Tražimo polinom oblika

p2 (x) = ax2 + bx + c
koji interpolira vrijednosti funkcije u točkama s x koordinatama 1 i 2 iz čega dobi-
vamo sljedeće jednadžbe
p2 (1) = a + b + c = f (1) = 1,
1
p2 (2) = 4a + 2b + c = f (2) = .
3
Sljedeće što treba iskoristiti je uvjet da je derivacija funkcije f jednaka derivaciji
polinoma u točki s x koordinatom 2. Prvo treba izračunati derivacije polinoma p2 i
funkcije f
2
p02 (x) = 2ax + b, f 0 (x) = − .
(2x − 1)2
Uvrštavanjem x = 2 dobivamo
2
p02 (2) = 4a + b = f 0 (2) = − .
9
Dobili smo sustav s tri jednadžbe i tri nepoznanice a, b i c. Rješavanjem dobivamo
a = 4/9, b = −2 i c = 23/9, odnosno
4 23
p2 (x) = x2 − 2x + .
9 9

3.3. Diskretna metoda najmanjih kvadrata

Ako znamo oblik ponašanje pojave, odnosno mjerenih podataka, uvijek ga treba
iskoristiti. Pretpostavljamo da imamo dovoljno mjerenih točka (xk , fk ), k = 0, . . . , n,
koje želimo aproksimirati nekom funkcijom oblika
ϕ(x, a0 , . . . , am ),
koja osim o varijabli x ovisi i o m + 1, m < n nepoznatih parametara koje trebamo
odrediti.
Ako je funkcija ϕ linearna, tj. ako vrijedi

ϕ(x) = a0 ϕ0 (x) + a1 ϕ1 (x) + · · · + am ϕm (x),

onda metodu najmanjih kvadrata provodimo direktno, tj. tražimo da

n
X
S := S(a0 , . . . , am ) = (fk − ϕ(xk ))2 → min .
k=0

Nužni uvjeti postojanja minimuma funkcije više varijabli su

∂S
= 0, k = 0, . . . , n.
∂ak

To su i dovoljni uvjeti zbog oblika funkcije, tj. ne treba posebno provjeravati je li to

34 3. Aproksimacija i interpolacija

globalni ekstrem.
Ako funkcija ϕ nije linearna, nastojimo je svesti na linearnu, jer samo linearne
funkcije vode na linearne sustave jednadžbi (vidjeti predavanje).
Na kraju, ako je zadan uvjet da ϕ treba zadovoljavati neka svojstva (na primjer
prolaziti određenom točkom ili da njezine derivacija prolazi nekom točkom i sl.) uvi-
jek prvo treba iskoristiti taj uvjet i smanjiti broj parametara, pa tek onda napraviti
metodu najmanjih kvadrata.
Zadatak 3.7. Za određenu pojavu izmjereni su sljedeći podaci:

xk 0 1 2 3 4
.
fk 3.8 3.7 4.0 3.9 4.3

Nađite aproksimaciju pravcem po metodi najmanjih kvadrata za taj skup podataka.

Rješenje. Aproksimacijska funkcija je

ϕ(x) = ax + b,

a minimizirati treba
4
X 4
X
2
S= (fk − ϕ(xk )) = (fk − axk − b)2 → min .
k=0 k=0

Uvjeti minimuma daju

4
∂S X
= −2 (fk − axk − b)xk = 0
∂a k=0

4
∂S X
= −2 (fk − axk − b) = 0.
∂b k=0

Preuređivanjem obje jednadžbe, tako da sve sume koje sadrže nepoznanice preba-
cimo na lijevu stranu, a sve one koje ih ne sadrže na desnu stranu, dobivamo sustav

4
X 4
X 4
X
a x2k +b xk = f k xk
k=0 k=0 k=0

4
X 4
X
a xk + 5b = fk .
k=0 k=0

Pritom smo upotrijebili svojstvo da a i b ne ovise o indeksu sumacije, pa mogu

ispred sume. Sada još samo treba izračunati sume i riješiti linearni sustav. Sume
 3.3. Diskretna metoda najmanjih kvadrata 35

obično pišemo u tablicu:

xk fk x2k fk x k
0 3.8 0 0.0
1 3.7 1 3.7
2 4.0 4 8.0 .
3 3.9 9 11.7
4 4.3 16 17.2
P
10 19.7 30 40.6

Uvrštavanjem, dobivamo linearni sustav

30a + 10b = 40.6

10a + 5b = 19.7.

Množenjem druge jednadžbe s −2 i dodavanjem prvoj, izlazi

10a = 40.6 − 2 · 19.7 = 1.2 =⇒ a = 0.12.

Množenjem druge jednadžbe s −3 i dodavanjem prvoj, izlazi

−5b = 40.6 − 3 · 19.7 = −18.5 =⇒ b = 3.7.

Dakle, aproksimacijska funkcija je

ϕ(x) = 0.12x + 3.7.

Pogledajmo koliko, zapravo dobro, ova funkcija aproksimaira dobivene podatke. Na

primjer, u točki 3.5 je

ϕ(3.5) = 0.12 · 3.5 + 3.7 = 4.12,

što, gledajući podatke, vidimo da ima smisla.

Zadatak 3.8. Odredite funkciju oblika

ϕ(x) = beax

koja aproksimira podatke

xk 1 2 3 4
fk 7 11 17 27

metodom najmanjih kvadrata.

36 3. Aproksimacija i interpolacija

Rješenje. Najprije uočavamo da ϕ nije linearna funkcija, pa je treba linearizirati, u

ovom slučaju logaritmiranjem:

ψ(x) = ln ϕ(x) = ln(beax ) = ln b + ax = Ax + B,

gdje je A = a, B = ln b.
Kad se linearizira funkcija, moraju se istom funkcijom linearizirati i podaci, pa
uz oznaku hk = ln fk tablica glasi

xk 1 2 3 4
.
hk 1.94591 2.39790 2.83321 3.29584

Minimiziramo
3
X 3
X
S= (hk − ψ(xk ))2 = (hk − Axk − B)2 → min .
k=0 k=0

Uvjeti minimuma daju

3
∂S X
= −2 (hk − Axk − B)xk = 0
∂A k=0

3
∂S X
= −2 (hk − Axk − B) = 0.
∂B k=0

Preuređivanjem obje jednadžbe, tako da sve sume koje sadrže nepoznanice preba-
cimo na lijevu stranu, a sve one koje ih ne sadrže na desnu stranu, dobivamo sustav
3
X 3
X 3
X
A x2k +B xk = hk xk
k=0 k=0 k=0

3
X 3
X
A xk + 4B = hk .
k=0 k=0

Tablica:
xk hk x2k hk xk
1 1.94591 1 1.94591
2 2.39790 4 4.79579
.
3 2.83321 9 8.49964
4 3.29584 16 13.18335
P
10 10.47286 30 28.42469
Uvrštavanjem, dobivamo linearni sustav

30A + 10B = 28.42469

10A + 4B = 10.47286,
 3.3. Diskretna metoda najmanjih kvadrata 37

kojemu je rješenje
A = 0.44851, B = 1.49694.
Odatle odmah imamo da je

a = A = 0.44851, b = eB = 4.46799,

pa je aproksimacijska funkcija

ϕ(x) = 4.46799e0.44851x .

Zadatak 3.9. Zadan je skup točaka (xk , fk ), fk ≥ 0, k = 0, . . . , n. Taj skup točaka

treba aproksimirati funkcijom oblika

ϕ(x) = (a sin x + b)2

metodom najmanjih kvadrata. Postavite linearizaciju i sustav za koeficijente.

Rješenje. Linearizacija je očito
p p
ψ(x) = ϕ(x) = a sin x + b, hk = fk .

Minimiziramo
n
X n
X
2
S= (hk − ψ(xk )) = (hk − a sin xk − b)2 → min .
k=0 k=0

Uvjeti minimuma daju

n
∂S X
= −2 (hk − a sin xk − b) sin xk = 0
∂a k=0
n
∂S X
= −2 (hk − a sin xk − b) = 0.
∂b k=0

Sređivanjem dobivamo
n
X n
X n
X
a sin2 xk + b sin xk = hk sin xk
k=0 k=0 k=0
n
X n
X
a sin xk + (n + 1)b = hk .
k=0 k=0

Zadatak 3.10. Zadan je skup točaka (xk , fk ), k = 0, . . . , n. Metodom najmanjih

kvadrata nađite pravac koji prolazi točkom (0, 1) i aproksimira zadane podatke.
Rješenje. Aproksimacijska funkcija glasi

ϕ(x) = ax + b.
38 3. Aproksimacija i interpolacija

Iskoristimo uvjet da ϕ mora prolaziti zadanom točkom. Imamo

1 = ϕ(0) = a · 0 + b,

odakle slijedi da mora biti b = 1, pa aproksimacijska funkcija glasi

ϕ(x) = ax + 1.

Minimiziramo
n
X n
X
2
S= (fk − ϕ(xk )) = (fk − axk − 1)2 → min .
k=0 k=0

Uvjet minimuma je
n
∂S X
= −2 (fk − axk − 1)xk = 0.
∂a k=0

Sređivanjem dobivamo
n
X n
X
a x2k = (fk − 1)xk ,
k=0 k=0

odakle izlazi n
X
(fk − 1)xk
k=0
a= n .
X
x2k
k=0

Oprez, u prethodnom se rezultatu ništa ne može pokratiti!

Zadatak 3.11. Diskretnom metodom najmanjih kvadrata nađite funkciju oblika
1
ϕ(x) =
a ln x + b
koja prolazi točkom (1, 1) i aproksimira skup podataka (xk , fk ), k = 0, . . . , n.
Rješenje. Iskoristimo prvo uvjet da ϕ mora prolaziti točkom (1, 1). Dobivamo
1 1
1= = ,
a ln 1 + b b
iz čega slijedi b = 1. Tražimo funkciju oblika
1
ϕ(x) = .
a ln x + 1
Primijetimo da funkcija ϕ nije linearna, nego je treba linearizirati. Osim funkcije,
istu linearizaciju treba primijeniti na podatke
1 1
ψ(x) = = a ln x + 1, hk = .
ϕ(x) fk
 3.3. Diskretna metoda najmanjih kvadrata 39

Minimiziramo
n
X n
X
2
S= (hk − ψ(xk )) = (hk − a ln xk − 1)2 → min .
k=0 k=0

Uvjeti minimuma daju

n
∂S X
= −2 (hk − a ln xk − 1) ln xk = 0.
∂a k=0

Sređivanjem dobivamo
n
X n
X n
X
a ln2 xk + ln xk = hk ln xk ,
k=0 k=0 k=0

odnosno,
n
X
(hk − 1) ln xk
k=0
a= n .
X
2
ln xk
k=0

Zadatak 3.12. Diskretnom metodom najmanjih kvadrata odredite parametre funk-

cije
ϕ(x) = ax2 + bx + c
koja prolazi točkom (1, 2), vrijedi da je ϕ0 (2) = 1, a ϕ aproksimira skup podataka
(xk , fk ), k = 0, . . . , n.

Rješenje. Kad imamo više uvjeta, uvijek ih treba uvrstiti u oblik aproksimacijske
funkcije. Vrijedi
ϕ0 (x) = 2ax + b.
Iz uvjeta da je ϕ0 (2) = 1 slijedi da je

1 = 4a + b =⇒ b = 1 − 4a.

Iz uvjeta prolaska točkom (1, 2) dobivamo da mora vrijediti

2 = ϕ(1) = a + b + c.

Budući da smo b već izrazili pomoću a, dobivamo

2 = a + 1 − 4a + c =⇒ c = 1 + 3a.

Prema toma, aproksimacijska funkcija ima oblik

ϕ(x) = ax2 + (1 − 4a)x + 1 + 3a = a(x2 − 4x + 3) + x + 1.

40 3. Aproksimacija i interpolacija

Sada naš problem najmanjih kvadrata glasi

n
X
S= (fk − a(x2k − 4xk + 3) − xk − 1)2 → min .
k=0

Deriviranjem po a izlazi
n
∂S X
= −2 (fk − a(x2k − 4xk + 3) − xk − 1) · (x2k − 4xk + 3) = 0.
∂a k=0

Sređivanjem dobivamo
n
X n
X
a (x2k − 4xk + 3) = 2
(fk − xk − 1) · (x2k − 4xk + 3),
k=0 k=0

pa je rješenje problema
n
X
(fk − xk − 1) · (x2k − 4xk + 3)
k=0
a= n .
X
(x2k − 4xk + 3) 2

k=0

Pritom se članovi u prethodnim sumama ne mogu dodatno skratiti!

Zadatak 3.13. Oblikom diskretne metode najmanjih kvadrata odredite parametre

funkcije ϕ,
ϕ(x) = a cos x + b sin x.

Navedeni oblik diskretne metode najmanjih kvadrata minimizira (ukupan) zbroj

kvadrata grešaka funkcije ϕ na podacima (xk , fk ) i kvadrata grešaka derivacije funk-
cije ϕ na podacima (xk , hk ) za k = 0, . . . , n.

Rješenje. Za postavljanje minimizacijskog problema potrebno je izračunati

ϕ0 (x) = −a sin x + b cos x.

Sada postavimo minimizacijski problem

n
X n
X
S= (fk − ϕ(xk ))2 + (hk − ϕ0 (xk ))2
k=0 k=0
n
X n
X 
2 2
= (fk − a cos(xk ) − b sin(xk )) + (hk + a sin(xk ) − b cos(xk )) → min .
k=0 k=0
 3.3. Diskretna metoda najmanjih kvadrata 41

Sada nađimo parcijalne derivacije po oba parametra

n
∂S X
= −2 (fk − a cos(xk ) − b sin(xk )) cos(xk )
∂a k=0
n
X
+2 (hk + a sin(xk ) − b cos(xk )) sin(xk ) = 0
k=0
n
∂S X
= −2 (fk − a cos(xk ) − b sin(xk )) sin(xk )
∂b k=0
n
X
−2 (hk + a sin(xk ) − b cos(xk )) cos(xk ) = 0.
k=0

Sređivanjem izlazi
n
X n
2 2

X

a cos (xk ) + sin (xk ) = fk cos(xk ) − hk sin(xk )
k=0 k=0
n
X n
2 2

X

b sin (xk ) + cos (xk ) = fk sin(xk ) + hk cos(xk ) ,
k=0 k=0

odnosno
n
1 X

a= fk cos(xk ) − hk sin(xk )
n + 1 k=0
n
1 X

b= fk sin(xk ) + hk cos(xk ) .
n + 1 k=0

Zadatak 3.14. Diskretnom metodom najmanjih kvadrata nađite koeficijente a i b

ako točke (xk , fk ), k = 0, . . . , n aproksimiramo funkcijom oblika
p
ϕ(x) = 5 a|x|x3 + b

uz uvjet da aproksimacijska funkcija prolazi točkom (1, −1).

Rješenje. Prvo treba iskoristiti da aproksimacijaska funkcija mora proći zadanom
točkom p √5
−1 = ϕ(1) = 5 a|1| · 13 + b = a + b.
Odatle slijedi (potenciranjem) da mora biti

−1 = a + b.

Dakle u aproksimacijsku funkciju možemo uvrstiti

b = −1 − a,

pa ona glasi p p
5
ϕ(x) = a|x|x3 − a − 1 = 5 a(|x|x3 − 1) − 1.
42 3. Aproksimacija i interpolacija

Ovo očito nije linearna funkcija, pa je treba linearizirati potenciranjem na petu

potenciju,
ψ(x) = (ϕ(x))5 = a(|x|x3 − 1) − 1.
Na isti način treba transformirati i točke, (xk , hk ), pri čemu je
hk = (fk )5 .
Sada napišimo linearizirani problem najmanjih kvadrata
n
X n
X
2
S= (hk − ψ(xk )) = (hk − a(|xk |x3k − 1) + 1)2 → min .
k=0 k=0

Deriviranjem dobivamo
n
∂S X
= −2 (hk + 1 − a(|xk |x3k − 1))(|xk |x3k − 1) = 0.
∂a k=0

Sada dobivamo razdvajanjem člana koji ima koeficijent a i slobodnog člana

n
X n
X
3 2
a (|xk |xk − 1)) = (hk + 1)(|xk |x3k − 1).
k=0 k=0

Dijeljenjm dobivamo
n
X
(hk + 1)(|xk |x3k − 1)
k=0
a= n .
X
(|xk |x3k 2
− 1))
k=0
Naravno b = −a − 1.
Zadatak 3.15. Diskretnom metodom najmanjih kvadrata nađite linearni sustav
(koji ne treba riješiti) kojim biste odredili parametre a i b funkcije
ϕ(x) = ax2 + b
koja aproksimira funkciju
f (x) = x2 |x|
u točkama s koordinatama −ε, 0, ε za 0 < ε  1. Može li dobiveni sustav imati
loše rješenje koje je daleko od pravoga?
Rješenje. Uvrštavanjem točaka u funkciju f dobivamo podatke koje treba aproksi-
mirati
xk −ε 0 ε
.
fk ε3 0 ε3
Minimiziramo
2
X 2
X
2
S= (fk − ϕ(xk )) = (fk − ax2k − b)2 → min .
k=0 k=0
 3.3. Diskretna metoda najmanjih kvadrata 43

Uvjeti minimuma daju

2
∂S X
= −2 (fk − ax2k − b)x2k = 0
∂a k=0

2
∂S X
= −2 (fk − ax2k − b) = 0.
∂b k=0

Preuređivanjem obje jednadžbe, tako da sve sume koje sadrže nepoznanice preba-
cimo na lijevu stranu, a sve one koje ih ne sadrže na desnu stranu, dobivamo sustav
2
X 2
X 2
X
a x4k +b x2k = fk x2k
k=0 k=0 k=0

2
X 2
X
a x2k + 3b = fk .
k=0 k=0

Tablica:
x2k fk x4k fk x2k
ε2 ε3 ε4 ε5
0 0 0 0 .
ε2 ε3 ε4 ε5
2ε2 2ε3 2ε4 2ε5
P

Uvrštavanjem, dobivamo linearni sustav

2ε4 a + 2ε2 b = 2ε5
2ε2 a + 3b = 2ε3 ,
dakle, matrica sustava je  4 2
2ε 2ε
A= .
2ε2 3
Želimo li provjeriti može li dobiveni sustav imati loše rješenje, koje je daleko od
pravoga, treba izračunati uvjetovanost matrice A (vidjeti predavanja i vježbe iz
linearnih sustava)
κ(A) = kAkkA−1 k.
Računamo euklidsku normu matrice
√
kAk = 4ε8 + 8ε4 + 9.
Inverz matrice A je  
1
−1 3 −2ε2
A = 4 ,
2ε −2ε2 2ε4
pa je euklidska norma inverza jednaka
1 √
kA−1 k = 4 9 + 8ε4 + 4ε8 .
2ε
44 3. Aproksimacija i interpolacija

Zaključujemo da je uvjetovanost matrice A jednaka

1 8 4

4 9
κ(A) = 4ε + 8ε + 9 = 2ε + 4 + .
2ε4 2ε4
Ako je ε jako malen, onda će član 2ε4 + 4 u zbroju biti zanemariv u odnosu na
9/(2ε4 ), odnosno uvjetovanost matrice će približno biti jednaka

9 1
κ(A) ≈ 4
≈ 4.
2ε ε
Primjerice, za a = 10−5 je κ(A) ≈ 1020 . Budući da je uvjetovanost matrice visoka
zaključujemo da linearni sustav može imati jako loše rješenje, koje je daleko od
pravog rješenja.

Zadatak 3.16. Gradonačelnik je grad ukrasio fontanama. Svakoj fontani cijena (u

milijunima kuna) je porporcionalna površini p (u m2 ) pomnoženoj s koeficijentom
složenosti izrade s, plus fiksni trošak od 0.25 (milijuna kuna) za dobivanje raznih
dozvola. Ako su u već izgrađene fontane sljedećih karakteristika

fontana prva druga treća četvrta

pk 10 10 12 14
sk 1 1.2 1.5 1.1
cijena 5 6 9 7

sastavite zadani model i metodom najmanjih kvadrata odredite koeficijent proporci-

onalnosti zadanog modela. Koliko će grad koštati fontana površine 13 i koeficijenta
izrade 1.7?

Rješenje. Cijena fonana proporcionalna je s p·s i još ima dodan fiksni trošak. Dakle,

ϕ(p, s) = a · p · s + 0.25.

Problem najmanjih kvadrata glasi (uz značenje ck kao cijene)

3
X 3
X
2
S= (ck − ϕ(pk , sk )) = (ck − apk sk − 0.25)2 → min .
k=0 k=0

Deriviranjem po a dobivamo
3
∂S X
= −2 (ck − apk sk − 0.25) · (pk sk ) = 0.
∂a k=0

Ponovno razdvojimo članove koji imaju i nemaju a,

3
X 3
X
2
a (pk sk ) = (ck − 0.25) · (pk sk ).
k=0 k=0
 3.4. Neprekidna metoda najmanjih kvadrata 45

Dijeljenjem dobivamo
3
X
(ck − 0.25) · (pk sk )
k=0
a= 3
.
X
2
(pk sk )
k=0
Sad treba samo izračunati vrijednosti da se izračuna a,
pk sk ck ck − 0.25 (ck − 0.25) · pk sk (pk sk )2
10 1.0 5 4.75 47.50 100.00
10 1.2 6 5.75 69.00 144.00
.
12 1.5 9 8.75 157.50 324.00
14 1.1 7 6.75 103.95 237.16
P
377.95 805.16
Odatle izlazi da je a ≈ 0.46940981.
Konačno, treba izračunati cijenu fontane po tom modelu za
ϕ(13, 1.7) = 0.46940981 · 13 · 1.7 + 0.25 ≈ 10.6239567.

3.4. Neprekidna metoda najmanjih kvadrata

Postupak kod neprekidne metode najmanjih kvadrata sličan je postupku za dis-
kretnoj metodi, samo se umjesto sume minimizira integral
Z b
S= (f (x) − ϕ(x))2 dx → min .
a

Zadatak 3.17. Neprekidnom metodom najmanjih kvadrata nađite pravac koji na

intervalu [−π/2, π/2] aproksimira funkciju
f (x) = cos x.
Rješenje. Aproksimacijska funkcija je
ϕ(x) = ax + b
i traži se Z π/2
S= (cos x − ax − b)2 dx → min .
−π/2
Prvo odredimo kritične točke deriviranjem po svim nepoznanicama
Z π/2
∂S
= −2 (cos x − ax − b) · x dx = 0,
∂a −π/2
Z π/2
∂S
= −2 (cos x − ax − b) dx = 0.
∂b −π/2
46 3. Aproksimacija i interpolacija

Dijeljenjem jednadžbi s −2 i premještanjem integrala koji nemaju nepoznanice na

desnu stranu, dobivamo
Z π/2 Z π/2 Z π/2
2
a x dx + b x dx = x cos x dx
−π/2 −π/2 −π/2
Z π/2 Z π/2 Z π/2
a x dx + b 1 dx = cos x dx.
−π/2 −π/2 −π/2

Budući da je interval simetričan oko ishodišta, a podintegralne funkcije su ili parne

ili neparne (vidjeti predavanja), onda se integrali jednostavno računaju. Primijetite
da su funkcije 1, x2 i cos x parne, a x i x cos x neparne, pa sustav možemo zapisati
kao
Z π/2
2a x2 dx = 0
0
Z π/2 Z π/2
2b 1 dx = 2 cos x dx.
0 0

Budući da je integral u prvoj jednadžbi sigurno pozitivan (površina ispod krivulje

koja je nenegativna), onda je jedina mogućnost da je a = 0. Iz druge jednadžbe
integriranjem dobivamo
π/2 π/2
 
bx  = sin x 
0 0

pa je
π 2
=1 b =⇒ b= .
2 π
Dakle, aproksimacijski pravac je, zapravo konstanta
2
ϕ(x) = .
π
Zadatak 3.18. Neprekidnom metodom najmanjih kvadrata nađite funkciju oblika
1
ϕ(x) = √ ,
ax + b

koja prolazi točkom (0, 1) i aproksimira funkciju

f (x) = ex

na intervalu [0, 1].

Rješenje. Iskoristimo prvo uvjet da ϕ mora prolaziti točkom (0, 1). Uvrštavanjem
to ke u vrijednost funkcije dobivamo
1 1
1= √ = ,
a·0+b b
 3.4. Neprekidna metoda najmanjih kvadrata 47

iz čega izlazi da je b = 1. Dakle, tražimo funkciju oblika

1
ϕ(x) = √ .
ax + 1
Primijetimo da funkcija ϕ nije linearna, što znači da je treba linearizirati
1
ψ(x) = = ax + 1.
ϕ2 (x)
Istu linearizaciju treba primijeniti na podintegralnu funkciju
1 1
h(x) = 2
= 2x = e−2x .
f (x)) e
Minimiziramo Z 1
S= (h(x) − ψ(x))2 dx → min .
0
Uvrštavanjem funkcija h i ψ, dobivamo
Z 1
S= (e−2x − ax − 1)2 dx → min .
0

Uvjeti minimuma daju

Z 1
∂S
= −2 (e−2x − ax − 1)x dx = 0.
∂a 0

Sređivanjem izraza dobivamo

Z 1 Z 1
a 2
x dx = (e−2x x − x) dx.
0 0

Prvi član s desne strane u podintegralnoj funkciji integrira se parcijalnom integra-

cijom
 
Z 1  u=x du = dx 
e−2x 
1
1 1 −2x
Z
−2x
e x dx = e  = −2 x + 2
−2x e dx
0 dv = e−2x dx v= 0 0
−2
1
1 −2 1 −2x  1 3
= − e − e  = − e−2 .
2 4 0 4 4
Sada integracijom obje strane dobivamo
Z 1 Z 1
a 2
x dx = (e−2x x − x) dx
0 0
1 1
x3  1 3 −2 x2 
a  = − e − 
3 0 4 4 2 0

1 1 3 1
a = − e−2 − ,
3 4 4 2
48 3. Aproksimacija i interpolacija

odakle slijedi
1 1
a = − 1 + 3e−2 ,


3 4
odnosno
3
1 + 3e−2 .


a=−
4
Zadatak 3.19. Zadana je funkcija

f (x) = 1 − |x|

na intervalu [−1, 1]. Neprekidnom metodom najmanjih kvadrata nađite funkciju

oblika
ϕ(x) = ax2
koja aproksimira funkciju na zadanom intervalu s težinskom funkcijom

ω(x) = 1 − x2 .

Rješenje. Kad treba riješiti problem najmanjih kvadrata na intervalu [a, b], uz za-
danu težinsku funkciju, znači da treba minimizirati
Z b

2
S= ω(x) f (x) − ϕ(x) dx → min .
a

U ovom slučaju treba minimizirati

Z 1
S= (1 − x2 )(1 − |x| − ax2 )2 dx → min .
−1

Uvjeti minimuma daju

Z 1
∂S
= −2 (1 − x2 )(1 − |x| − ax2 )x2 dx = 0.
∂a −1

Budući da je podintegralna funkcija parna (osno simetrična obzirom na os y), a

interval simetričan oko ishodišta, dobivamo
Z 1
∂S
= −4 (1 − x2 )(1 − x − ax2 )x2 dx = 0.
∂a 0

Dijeljenjem s −4 i grupiranjem članova dobivamo

Z 1 Z 1
4 6
a (x − x ) dx = (x2 − x3 − x4 + x5 ) dx.
0 0

Integriranjem dobivamo jednadžbu

2 1
a=
35 20
odnosno a = 7/8.
 3.5. Minimaks aproksimacije 49

3.5. Minimaks aproksimacije

Ako se konstantom c aproksimira funkcija po minimaks aproksimaciji tj. traži se

max |f (xk ) − c| → min,

k=0,...,n

odnosno u neprekidnom slučaju

max |f (x) − c| → min

x∈[a,b]

onda je rješenje tog problema

fmin + fmax
c=
2
pri čemu fmin i fmax predstavljaju globalni minimum odnosno maksimum funkcije
među zadanim točkama, odnosno na zadanom intervalu.
Zadatak 3.20. Srećko se preselio u novi stan u Vilinskoj ulici 19, u kojem su mu
se počeli događati kvarovi:
• u srijedu, 28. siječnja u 14 sati pokvarila se perilica rublja
• u petak, 30. siječnja u 12 sati pokvario se štednjak
• u nedjelju, 1. veljače u 13 sati procurila je voda u kupaonici
• u utorak, 3. veljače u 15 sati mikrovalna pećnica je otkazala poslušnost.
Srećko je ustanovio da je vrijeme između kvarova skoro konstantno i da se jedino
još može pokvariti perilica posuđa. Izračunajte za koliko bi se sati nakon zadnjeg
kvara po tom modelu mogla pokvariti perilica posuđa. Konstantu izračunajte na
dva načina: metodom najmanjih kvadrata i minimaks metodom.
Rješenje. Neka je vrijeme prvog kvara trenutak 0. Vrijeme do sljedećeg kvara je
f0 = 46 sati. Od drugog do trećeg kvara proteklo je f1 = 49 sati, a od teećeg do
četvrtog f2 = 50 sati. Dakle, po minimaks aprokismaciji, minimalno vrijeme između
kvarova je 46 sati, a maksimalno 50 sati. Stoga je
fmin + fmax 46 + 50
c= = = 48 sati.
2 2
Dakle, po toj aproksimaciji sljedeći kvar trebao bi se dogoditi 48 sati nakon zadnjeg
kvara, odnosno, perilica bi trebala prestati raditi 5. veljače u 15 sati.
Po metodi najmanjih kvadrata tražimo konstantu k tako da minimiziramo
2
X
S= (fn − k)2 → min .
n=0

Uvjeti minimuma daju

2
∂S X
= −2 (fn − k) = 0,
∂k n=0
50 3. Aproksimacija i interpolacija

odnosno
2 2
X 1 X
3k = fn =⇒ k= fn .
n=0
3 n=0
Dakle
46 + 49 + 50
k= = 48.3̇ sati.
3
Po tom modelu perilica bi trebala prestati raditi 5. veljače u 15 sati i 20 minuta.
Zadatak 3.21. Minimaks aproksimacijom nađite konstantu

ϕ(x) = c

koja aproksimira funkciju

f (x) = (sin x + cos x)ex

na intervalu [−1.7, 1.7].

Rješenje. Na zadanom intervalu treba naći globalni minimum i maksimum funk-
cije. Globalni minimum može biti na rubovima intervala ili u kritičnim točkama.
Vrijednosti funkcije u rubovima intervala su

f (−1.7) ≈ −0.204699, f (1.7) ≈ 4.723033.

Sada nađimo derivaciju funkcije

f 0 (x) = (cos x − sin x)ex + (sin x + cos x)ex = 2ex cos x.

Budući da je ex > 0, jedine nultočke mogu biti nultočke kosinusa, a to su na danom

intervalu ±π/2. Stoga je
 π π 
f − ≈ −0.207880, f ≈ 4.810477.
2 2
Stoga je fmin ≈ −0.207880, fmax ≈ 4.810477 pa je
fmin + fmax
c= ≈ 2.3012985.
2
Zadatak 3.22. Izračunajte minimaks aproksimaciju funkcije

f (x) = e−x sin x

konstantom c na intervalu x ∈ [0, π].

Rješenje. Vrijednost funkcije na rubovima intervala je

f (0) = 0, f (π) = 0.

Nađimo sad lokalne kandidate za lokalne ekstreme

f 0 (x) = −e−x sin x + e−x cos x = e−x (cos x − sin x) = 0.

 3.5. Minimaks aproksimacije 51

Budući da je e−x > 0 traže se točke u kojima sinus i kosinus poprimaju istu vrijed-
nost, a to je na zadanom intervalu samo π/4. Vrijedi
π  √
π 2 −π/4
f = e−π/4 sin = e ≈ 0.261884,
4 4 2
Stoga je fmin = 0, fmax ≈ 0.261884 pa je
fmin + fmax
c= ≈ 0.130942.
2