![](/user_photo/2706_HbeT2.jpg)
- •Е.А. Михайлова, в.А. Михайлова Лабораторный практикум по курсу «вычислительная математика»
- •Предисловие
- •Лабораторная работа № 1 нахождение корня нелинейного уравнения
- •1. Постановка задачи
- •2. Методы решения задачи
- •2.1. Метод деления отpезка пополам
- •2.2. Метод простой итерации.
- •2.3. Метод Ньютона
- •Задание
- •Варианты заданий
- •2. Методы решения системы нелинейных уравнений
- •2.1.Метод простой итерации
- •2.2. Метод Ньютона
- •2. Формулы Ньютона – Котесса
- •2.1. Формулы метода прямоугольников
- •2.2. Формула трапеций
- •2.3. Формула Симпсона (формула парабол)
- •Несобственные интегралы 2-го рода
- •3. Пример
- •2. Методы решения
- •Задание
- •Варианты заданий
- •2. Решить уравнения:
- •Лабораторная работа № 6 краевая задача. Метод стрельбы
- •1. Постановка задачи
- •2. Метод стрельбы
- •Задание
- •Варианты заданий
- •Лабораторная работа № 7 метод наименьших квадратов
- •1. Постановка задачи
- •2. Метод наименьших квадратов
- •3. Пример
- •Задание
- •Варианты заданий
- •Лабораторная работа № 8 системы линейных уравнений
- •1. Постановка задачи
- •Метод прогонки
- •Задание
- •Список рекомендуемой литературы
- •Содержание
- •Лабораторный практикум по курсу «вычислительная математика»
- •4 00062, Г. Волгоград, просп. Университетский, 100.
3. Пример
В табл. 1.2 даны “измерения” yi , полученные путем добавления к функции f(x)=2x-x2 отклонений i ,взятых из таблиц случайных чисел. При x<1 выбраны средние отклонения i 0.2 , при x>1 выбраны i 0.4, моделирующие измерения грубым прибором.
Таблица1.2
xi |
0.0 |
0.1 |
0.2 |
0.3 |
0.4 |
0.5 |
0.6 |
0.7 |
0.8 |
0.9 |
yi |
0.025 |
0.184 |
0.623 |
0.476 |
0.817 |
0.933 |
0.597 |
1.113 |
0.728 |
1.245 |
wi |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
4 |
xi |
1.1 |
1.2 |
1.3 |
1.4 |
1.5 |
1.6 |
1.7 |
1.8 |
1.9 |
2.0 |
yi |
0.019 |
1.245 |
0.647 |
1.881 |
0.742 |
0.048 |
0.418 |
0.734 |
-0.026 |
-0.312 |
wi |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
Требуется по этим данным определить параметры зависимости: y=a1 +a2x +a3x2. Поскольку a priori известно, что при x<1 измерения в среднем вдвое точнее, припишем им веса wi=4 (см. табл.1.2).
Положим f0(x)=1, f1(x)=x, f2(x)=x2, p=3, n=20.
Выполним необходимые вычисления, получим:
,
,
,
b1=0.069, b2=1.991, b3=-1.043,
D1=0.16, D2=0.43, D3=0.23, Rmin = 4.08,
E1 = … = E10 = 0.24, E11 = … = E20 = 0.48.
На рис. 8 представлены результаты. Видно, что первоначальная зависимость восстановлена практически точно, несмотря на значительные отклонения отдельных измерений и малое число экспериментальных точек. Отклонения найденных коэффициентов bk от их точных значений оказались существенно меньше, чем вычисленные погрешности Пk. Можно утверждать, что из имеющихся экспериментальных данных нельзя получить более точные оценки для ak, чем найденные выше методом МНК. Для уточнения коэффициентов необходимо провести более точные измерения (уменьшить i), или увеличить количество измерений n. Заметим, что неизвестные заранее отклонения i нам удалось оценить с погрешностью всего 20%.
Задание
1. Напишите программу для обработки указанного преподавателем набора экспериментальных данных. Выберите веса и выполните необходимые вычисления на ЭВМ. Запишите в тетрадь результаты обработки вашего варианта: матрицу C, вектор Fm, матрицу C-1, коэффициенты bk, остаточную сумму квадратов Rmin, погрешности Dk и i. Выберите доверительную вероятность и найдите доверительные интервалы для ak. Постройте графики f(x) и fi(x).
2. Сократите выборку вашего варианта, отбросив около половины экспериментальных точек, по вашему выбору. Взяв оставшиеся экспериментальные точки в качестве исходной информации, проведите обработку на ЭВМ и запишите в тетрадь найденные bk и Пk. Сравните с результатами предыдущего пункта и с точными значениями.