Metodo dei minimi quadrati: implementazione in Mathematica (parte 1)
Aprile 23rd, 2020 | by Marcello Colozzo |Per minimizzare l'errore quadratico medio per un generico ordine di approssimazione n, conviene studiare l'espressione generale:
Per determinare gli eventuali punti estremali di tale funzione reale delle n+1 variabili reali c0,...,c_{n}, dobbiamo risolvere il sistema di equazioni
A tale scopo, esplicitiamo il primo membro
Calcoliamo a parte
dove troviamo la delta di Kronecker:
onde
Quindi
Ne consegue che il sistema precedente si riscrive
Cioè
Se poniamo
riesce
Per maggiore chiarezza
In altri termini, i punti estremali della predetta funzione sono tutte e sole le soluzioni (se esistono) del sistema di n+1 equazioni lineari nelle n+1 incognite c0,c1,...,c1. Studiamo allora, la matrice dei coefficienti e la matrice dei coefficienti+termini noti:
Per il teorema di Rouche-Capelli:
Come è noto, il rango della matrice dei coefficienti è la caratteristica del sistema e solitamente si indica con p. Siccome tale matrice è quadrata di ordine n+1, allora p < =n+1. Se poi richiediamo anche l'unicità della soluzione, allora deve essere p=n+1. Ne segue
Rammentando l'espressione degli elementi di matrice di A, si ha che dobbiamo scegliere le n+1 funzioni φj(x) in modo da generare una matrice A non singolare. Verificata questa condizione, per la determinazione delle incognite si applica la nota regola di Cramer:
essendo Δi il determinante di ordine n+1 ottenuto da detA sostituendo la colonna i-esima con quella dei termini noti ((n+1)-esima colonna della matrice B). A titolo di esempio, riprendiamo la funzione f(x)=sin(e^{4x}) e applichiamo il procedimento appena esposto con le funzioni
Risolvendo il sistema con Mathematica, otteniamo per la somma approssimante, il grafico di fig. 1.
No TweetBacks yet. (Be the first to Tweet this post)
Articoli correlati