
- •Оглавление
- •Введение
- •Рабочая программа
- •Краткий конспект лекций *
- •1. Решение алгебраических и трансцендентных уравнений
- •1.1. Метод простой итерации
- •1.2. Усовершенствованный метод последовательный приближений
- •1.3. Метод Ньютона-Рафсона
- •Геометрическое толкование
- •Уравнение касательной
- •1.4. Случай почти равных корней
- •1.5. Метод хорд
- •1.6. Метод секущих
- •Варианты заданий
- •Вопросы для самопроверки
- •2. Методы интерполяции
- •2.1. Метод Лагранжа
- •2.2. Вычислительная схема Эйткена
- •2.3. Определение явного вида интерполяционного многочлена
- •Варианты заданий
- •Вопросы для самопроверки
- •3.Метод наименьших квадратов
- •3.1.Постановка задачи и способ решения
- •3.2.Вычислительная схема метода наименьших квадратов
- •3.3.Получение таблицы экспериментальных данных
- •3.4. Методические указания по выполнению задания
- •3.5. Форматирование Диаграммы
- •Варианты заданий
- •Вопросы для самопроверки
- •4. Полином Чебышева
- •Свойства полиномов Чебышева
- •Определение полиномов Чебышева
- •Численная оценка полиномов Чебышева
- •5. Решение систем линейниых (слау) и нелинейных уравнений (снау)
- •5.1. Метод Ньютона - Рафсона для систем нелинейных уравнений
- •5.2. Метод итерациЙ для систем нелинейных уравнений
- •5.3. Системы линейных уравнений Метод Простой итерации
- •5.4. Метод Зейделя
- •Варианты заданий
- •Вопросы для самопроверки
- •6. Численное интегрирование
- •6.1.Квадратурные формулы, порожденные интерполяционными формулами
- •6.2. Квадратурные формулы Гаусса
- •6.3 Метод Ромберга
- •6.4. Вычисление интеграла по формуле прямоугольников
- •6.5 Вычисление интеграла по формуле трапеций
- •6.6. Вычисление интеграла методом Симпсона
- •6.7 Вычисление интеграла методом Гаусса
- •Варианты заданий
- •Вопросы для самопроверки
3.2.Вычислительная схема метода наименьших квадратов
Метод наименьших квадратов, с помощью которого могут быть успешно решены задачи рассмотренных типов, заключается в следующем.
Рассмотрим сумму
квадратов разностей значений
,
даваемых экспериментом, а значений
аппроксимации
при соответствующих аргументах
:
|
(3.4) |
Наша цель – подобрать параметры , и так, чтобы эта сумма имела наименьшее значение (иначе: сумма квадратов отклонений вдоль оси OY должна быть минимальной (принцип Лежандра):
|
(3.5) |
Таким образом
задача свелась к нахождению минимума
функции
,
который определяется вполне конкретным
набором фиксированных аргументов
,
,
…
.
Известные методы минимизации функционала (3.4) приводят к следующей системе нормальных уравнений:
|
(3.6) |
Выберем в качестве
приближающей функции многочлен
,
то есть совокупности
табличных значений поставим в соответствие
следующий полином степени
:
|
(3.7) |
При такой
аппроксимации минимизирующие условия
(3.6) выполняются, если коэффициенты
удовлетворяют системе
линейных уравнений с
неизвестными.
|
(3.8) |
Числовые коэффициенты
и свободные члены
системы (8) определяются при помощи
формул:
|
(3.8/) |
где значения и берутся из табл. 3.1 экспериментальных результатов.
Для нахождения коэффициентов воспользуемся формулами Крамера, тогда
|
(3.9) |
здесь
– определитель системы
;
– определитель, полученный из определителя
системы заменой i-го
столбца столбцом из свободных членов
(
).
Рассмотрим несколько
случаев определения функции
.
Пусть
.
Функции
в этом случае имеет вид:
|
(3.10) |
Это функция с двумя переменными и ( и – заданные числа (табл. 3.1).
|
(3.11) |
то есть система уравнений в этом случае принимает вид:
|
(3.12) |
Получили систему двух линейных уравнений с двумя неизвестными и . Очевидно, что система имеет определенное решение и что при найденных значениях и функция имеет минимум.
Перепишем систему (3.12) в виде (3.8):
|
(3.13) |
где в соответствии с формулами (3.8/):
|
|
Пусть за аппроксимирующую функцию взят многочлен второй степени:
|
(3.14) |
В этом случае выражение (3.4) имеет вид:
|
(3.15) |
Это функция трех переменных , , . Система уравнений (3.6) принимает вид:
|
(3.16) |
или в развернутом виде:
|
(3.17) |
Получаем систему
линейных уравнений для определения
неизвестных
,
,
.
Из характера задачи следует, что система
имеет определенное решение и что при
полученных значениях функция
имеет минимум.
Перепишем систему (3.17) в виде (3.8)
|
(3.18) |
где в соответствии с формулами (3.8/):
|
|
Обратим внимание, что параметры
переходят в систему (3.18) из аппроксимации более низкого порядка (3.13). В этом существенное вычислительное преимущество метода наименьших квадратов – при построении аппроксимаций более высокого порядка используются результаты предыдущих аппроксимаций.
Оценка степени
связи при аппроксимации данных линейной
зависимостью производится на основе
подсчета коэффициента корреляции
.
В случае, если связь между
и
может быть представлена прямой линией,
коэффициент корреляции
,
если связи между переменными вообще не
существует, то
.
Коэффициент парной корреляции подсчитывается по формуле:
|
(3.19) |
Принято считать:
при
– слабая связь,
при
– средняя связь,
при
– сильная связь,
при
– весьма сильная связь.
Приведем таблицу наиболее употребимых функций и соответствующих им систем нормальных уравнений (табл. 3.2).
Таблица 3.2
№ |
Функция |
Нормальные уравнения |
Решения уравнений |
1 |
|
|
|
2 |
|
|
|
3 |
|
|
|
4 |
|
|
|
Продолжение табл. 3.2
№ |
Функция |
Нормальные уравнения |
Решения уравнений |
5 |
|
|
|
6 |
|
|
|
7 |
|
|
|
8 |
или
|
|
|
Примечание к табл. 3.2.
;
;
;
;
;
;
;
;
;
;
;
;