![](/user_photo/2706_HbeT2.jpg)
- •Конспект лекций
- •Содержание
- •Введение.
- •1. Приближенные числа и действия над ними. Оценка точности вычисления.
- •2. Методы решения нелинейных уравнений.
- •2.1. Отделение корней
- •2.2. Общие свойства алгебраических уравнений.
- •2.3. Методы уточнения корней.
- •2.4. Решение систем нелинейных уравнений.
- •3. Решение систем линейных уравнений.
- •3.1. Классификация методов
- •3.2. Точные методы.
- •3.3. Схема единственного деления.
- •3.4. Вычисление определителя и обратной матрицы.
- •3.5. Приближенные методы.
- •4. Приближение функций.
- •4.1. Интерполирование и экстраполирование функций.
- •4.2. Аппроксимация.
- •5. Численное интегрирование.
- •6. Численное решение задач оптимизации.
- •6.3. Многомерная оптимизация.
- •Литература
4.2. Аппроксимация.
Аппроксимация – построение приближённой функции, наиболее близко проходящей около данных точек или около данной непрерывной функции. Такая задача возникает, когда в исходных данных существует погрешность или желательно упростить сложную математическую зависимость.
Для решения задач аппроксимации важно выбрать критерий близости.
Метод наименьших квадратов
базируется на квадратичном критерии
аппроксимации:
,
где yi-
заданные табличные значения функции;
yiрасч
– расчетные значения по аппроксимирующей
функции; βi
– весовые коэффициенты, учитывающие
относительную важность i-точки.
Если все точки равнозначны, то все
весовые коэффициенты равны 1.
В качестве расчётной аппроксимирующей
функции можно выбрать полином
k-степени:
Коэффициенты полинома можно найти из условия минимума R , т.е. dR/dap=0 для p=0,1,2, …, k
После преобразований получим систему уравнений, по которой можно определить коэффициенты полинома, обеспечивающие наилучшее квадратичное приближение:
ЗАДАЧА 4.4. Найти аппроксимирующую функцию в виде линейного полинома по имеющимся экспериментальным данным.
МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА.
ДАНО. n – число экспериментальных данных, (xi,yi) – экспериментальные точки.
НАЙТИ. Линейный аппроксимирующий полином f(x)=a0+a1 x
СВЯЗЬ.
ПРИМЕЧАНИЕ. Чем больше степень полинома, тем точнее аппроксимирующая функция. Но с повышением точности растёт и сложность функции, что делает её менее удобной в использовании.
Задание 4.4. Найти линейную функцию, аппроксимирующую следующие данные.
-
x
-3
-2
-1
1
2
3
y
0
1
3
5
6
8
5. Численное интегрирование.
Вычисление определенного интеграла
I=
геометрически сводится к вычислению
площади криволинейной трапеции,
ограниченной функцией f(x),
осью абсцисс и прямыми х=а и х=b.
Численные методы при вычислении
интегралов обычно применяются при
взятии не берущихся интегралов от
достаточно сложных функций, которые
предварительно табулируются, а также
при интегрировании таблично заданных
функций. Все численные методы строятся
на том, что подынтегральная функция
приближённо заменяется более простой.
В результате получаются формулы
интегрирования в виде взвешенной суммы
ординат функции в отдельных точках:
I=i
f(xi)
Чем меньше интервалы, на которых производят замену, тем точнее вычисляется исходный интеграл. Погрешность численного интегрирования обычно определяется путём двойного интегрирования: с шагом h=(b-a)/n и с шагом, увеличенным в 2 раза. Разница вычисленных значений интегралов определяет погрешность.
Метод трапеции основан на разбиении области интегрирования на большое количество равных маленьких промежутков, замене подынтегральной функции на каждом участке наклонной прямой и вычислении интеграла (площади фигуры), как суммы площадей образующихся трапеций.
МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА
ДАНО: f(x) – непрерывная функция. [a,b] – отрезок интегрирования.
НАЙТИ: S – значение интеграла. R – погрешность вычислений.
СВЯЗЬ. Пусть N – количество интервалов
разбиения отрезка интегрирования.
Соединим точки разбиения с графиком
функции F(x) и продолжим эти линии
так, чтобы получились трапеции, высота
которых будет составлять
,
а длины оснований f(xi),
где х i
– значение
i-ой точки разбиения.
x1=a,
x2=x1+h,
x3=x2+h
и т.д.
Задание 5.1. Сделать математическую постановку вычисления площадей методами левых, серединных и правых прямоугольников, в которых на отрезках интегрирования подынтегральная функция заменяется горизонтальными прямыми со значением ординаты соответственно слева, в середине и справа участка.
Метод Симпсона базируется на замене подынтегральной функции квадратичной параболой, которая строится на каждом участке по трем точкам (крайние и средняя точки).
При интегрировании полиномов второго
порядка получается следующая расчетная
формула:
При работе с этим методом интервал надо
обязательно разбивать на четное число
участков. По сравнению с методами
прямоугольников и трапеций метод
Симпсона более точный. Погрешность
метода можно оценить по соотношению
Метод Ньютона-Котеса является
обобщением предыдущих и предполагает
замену подынтегральной функции параболой
k-го порядка.
Расчетная формула для одного участка
выглядит следующим образом:
,
где Нi – коэффициенты Ньютона-Котеса, x0 =a, xn=b, xi=a+i(b-a)/k
Коэффициенты не зависят от функции и определены заранее:
k=1; H0= H1=1/2
k=2; H0= H2=1/6; H1=2/3
k=3; H0= H3=1/8; H1= H2=3/8
k=4; H0= H4=7/90; H1= H3=16/45; H2=2/15
…
При разбиении всего интервала на n участков формулу следует применять для каждого участка, а результаты сложить.
При k=1 получаем метод трапеции, k=2 – метод Симпсона.
Метод Гаусса отличается от
предыдущих методов тем, что значения
хi
располагаются неравномерно.
Предварительно следует преобразовать
переменную интегрирования, приведя ее
к диапазону [-1,1] следующим образом:
.
Общая формула интегрирования методом
Гаусса выглядит так:
Значения параметров при интегрировании полиномов k-го порядка приведены ниже:
k=2; -z1=z2=0,577350; ω1= ω 2=1
k=3; -z1=z3=0,774597; ω1= ω 3=0,555555
z2 =0; ω 2=0,888889
k=4; -z1=z4=0,861136; ω1= ω 4=0,347855
-z2 = z3=0,339981; ω 2= ω 3=0,652145
…
Этот метод обладает более высокой точностью, хотя и требует более сложных вычислений.
ЗАДАЧА 5.1.
Вычислить интеграл
РЕШЕНИЕ.
1. Разобьем интервал на 4 равных участка.
h=0,25; n=4
-
X
0
0,25
0,5
0,75
1
f(x)=
1
0,9412
0,8
0,64
0,5
По методу трапеций I=(0,5+0,9412+0,8+0,64+0,25)∙0,25=0,7828
По методу Симпсона I=
=0,7854
2. По формуле Ньютона-Котеса при k=4 и n=1
I=
=0,7855
3. По формуле Ньютона-Котеса при k=2 и n=2
I1=
I2=
I=I1+ I2=0,7854
4. По методу Гаусса при k=4 и n=1
-
Z
-0,861136
-0,339981
0,339981
0,861136
X
0,0694
0,3300
0,6700
0,9306
f(x)=
0,9952
0,9018
0,6902
0,5359
I=(0,347855∙0,9952+0,652145∙ 0,9018+0,652145∙ 0,6902+ 0,347855∙0,5359) ∙0,5=0,7854
Метод Монте-Карло построен на случайном выборе точек внутри прямоугольника, содержащего заданную фигуру. Идея метода: при большом количестве точек, наугад выбранных внутри прямоугольника, доля точек, содержащихся в заданной фигуре, приближенно равна отношению площади этой фигуры к площади прямоугольника.
МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА
ДАНО: f(x) – непрерывная функция.
N – количество случайных точек.
[а,b] Ä [c,d] – прямоугольник, содержащий фигуру.
НАЙТИ: S – площадь фигуры.
CВЯЗЬ:
,
где
S1=(b–a)(d–c) – площадь прямоугольника, содержащего фигуру;
М – число случайных точек с координатами (x,y), попавших в фигуру. Попавшие в фигуру точки определяются одним из приведенных ниже условий.
-
y £ f(x)
y ³ f(x)
x2+y2£ r2
Задание 5.2. Определить формулы вычисления случайной точки в каждом из трёх приведённых вариантов с помощью функции rnd(1), моделирующей случайное число на отрезке [0,1].