
- •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
Варианты заданий
1. Сформировать
таблицу экспериментальных данных.
Построить диаграмму функции
,
полученную в результате «эксперимента».
В отчете отобразить блок-схему получения
«экспериментальных» значений.
2. Найти наилучшую линейную аппроксимацию:
для табулированной
функции
,
составив и решив систему уравнений для
коэффициентов
и
.
Найти суммарную ошибку
и коэффициент корреляции R.
Составить блок-схему вычислительного
процесса.
3. Найти наилучшую параболическую аппроксимацию
Для табулированной
функции
,
составив и решив систему уравнений для
коэффициентов
,
и
.
Найти суммарную ошибку
.
Составить блок – схему вычислительного
процесса.
4. Построить диаграммы полученных аппроксимаций на основе новых таблиц теоретических данных в том же диапазоне х, но с более мелким шагом (количество точек выбрать не менее 300, чтобы точки на диаграмме слились в линию и параболу) и сравнить суммарные ошибки. Составить блок-схему вычислительного процесса.
Вопросы для самопроверки
1. В каких случаях приближение функции методами интерполяции дает более достоверный результат по сравнению с методом наименьших квадратов?
2. Играет ли существенную роль при аппроксимации выбор шага для построения таблицы экспериментальных значений?
3. Можно ли применить описанный метод для аппроксимации периодических или почти периодических функций?
4. Какая величина характеризует отклонение приближающей функции от экспериментальных точек в методе наименьших квадратов?
5. Может ли при увеличении порядка аппроксимирующего многочлена увеличиваться суммарная квадратичная ошибка?
4. Полином Чебышева
Применяется в уникальном процессе, называемом экономизацией, для преобразования разложения функции в быстросходящийся полином.
Свойства полиномов Чебышева
Они являются ортогональными с соответствующей весовой функцией, определенной либо на непрерывном интервале, либо на ряде дискретных интервалов.
Они равно пульсирующие функции, то есть изменяются между равными максимальными и минимальными значениями.
Нули полиномов Чебышева чередуются один за другим.
Все полиномы Чебышева удовлетворяют трехчленным рекуррентным соотношением.
Они легко вычисляются и обращаются в форму степенного ряда на основании исходной формы.
Все эти свойства образуют аппроксимирующую функцию минимакс (то есть в процессе аппроксимации минимизируется максимальная ошибка)
В МНК минимизируется сумма квадратов ошибок. В МНК максимальная ошибка может принимать достаточно большое значение. В аппроксимации Чебышева средняя ошибка часто может принимать большое значение, а минимизируется максимальная ошибка.
Определение полиномов Чебышева
T0(x) = 1
Tn(x) = Cos(n )
Cos = x
Полиномы Чебышева ортогональны, так как косинус является ортогональной функцией и Cos(n ) является полиномом степени n величин .
Cos(n+1) + Cos(n-1) = 2Cos Cosn
Tn+1 + Tn-1 = 2xTn
Tn+1 = 2xTn - Tn-1
Так как T0 = 1; T1= x, то T2 = 2xT1 – T0 = 2x2 – 1
T3 = 2xT2 - T1 = 2x(2x2 – 1) – x = 4x3 – 3x
То есть T0 = 1
T1 = x
T2 = 2x2 – 1
T3 = 4x3 – 3x
T4 = 8x4 – 8x2 +1
T5 = 16x5 – 20x3 +5x
T6 = 32x6 – 48x4 + 18x2 -1
T7 = 64x7 – 111x5 +56x3 -7x
T8 = 128x8 – 256x6 +160x4 – 32x2 +1
Можно образовать таблицу степеней x в выражения полиномов Чебышева, проводя решение относительно степеней x из этой таблицы:
1 = T0
x = T1
x2 = (T0 + T2)/2
x3 = (3T1 + T3)/4
x4 = (3T0 + 4T2 + T4)/8
x5 = (10T1 + 5T3 + T5)/16
x6 = (10T0 + 15T2 + 6T4 + T6)/32
x7 = (35T1 + 21T3 + 7T5 + T7)/64
x8 = (35T0 + 56T2 + 28T4 + 8T6 + T8)/128
Важное свойство полиномов Чебышева заключается в том, что во всех полиномах степени n имеется коэффициент и при делении на 2n-1 полиномы Чебышева обладают наименьшим экстремальным значением в интервале -1 x +1
Не существует других полиномов степени n, эти коэффициенты равны 1 и которые обладают меньшим экстремальным значением, чем
max
в
интервале |x|
1
Это является важным положением, так как утверждает, что если аппроксимировать функцию на интервале |x| 1 при помощи полиномов Чебышева, ограниченных n членами, максимальной ошибкой приближения будет 1/2n-1
Разложим функцию f(x) в ряд с помощью полиномов Чебышева:
f(x)
=
Метод аппроксимации f(x) с помощью полиномов Чебышева является простым в употреблении и обладает умеренной сходимостью любого ограниченного разложения функции f(x) в ряд.
Так как f(x)
=
, то
f(x) = a0 + x(a1 +x(a2 + … + x(am-1 + am x))) …) — этот ряд можно привести к ряду полиномов Чебышева, начиная от внутренних скобок, в виде
am-1 + am x = am-1 T0 + am T1
Можно умножить n скобочное гнездо:
a0T0 + a1T1 + … +anTn
на x и добавить к нему следующий коэффициент степени nm-n-1, чтобы получить (n+1) гнездо.
Тогда применяя xT0 = T1; xTn = (Tn+1 + Tn-1)/2 приводим степенной ряд в n скобках, осуществляя преобразование в (n+1) степенной ряд полиномов Чебышева следующим образом:
Например:
fN(x)
=
f0 = a0 a0 T0
f1 = a0 + a1 x a0 T0 + a1 T1
f2
= a0
+ a1
x + a2
x2
(a0
+
)T0
+ a1
T1
+ (
)T2
f3
= a0
+ a1
x + a2
x2+a3
x3
(a0
+
)T0
+( a1+
)T1
+ (
)T2+(
)T2
f4
= a0
+ a1
x + a2
x2+a3
x3
+ a4
x4
(a0
+
+
)T0
+(a1+
)T1a1
f4
= a0
+ a1
x + a2
x2+a3
x3
+ a4
x4
+a5
x5
(a0
+
+
)T0
+(a1+
+
)T1+(
)T2+
(
)T3+(
)T4+(
)T5
и т.д.
То есть можно вместо
f(x) = a0 + a1 x + a2 x2 +…+am xm
брать ряд f(x) = b0 + b1 T1 + b2 T2 +…+bm Tm
Для того, чтобы этот процесс был точным, ряд должен быть записан в такой форме, где вычисляется f(x) при x (x) 1.
Пример:
y
= ln(1+x)
x
-
(4.1)
y
T1
– (
)
+ (
)
y
-
(4.2)
Отбрасывая в (4.1) последний член, получаем погрешность ( ), равную 0,333 при x = 1. А в ряд (4.2) при отбрасывании последних двух членов:
=
-00,1666… (так как Tn
1)
Таким образом, можно написать
y
= ln(1+x)
-
,
обеспечивающее лучшую точность, чем
(4.1).
Теперь, используя определение полиномов Чебышева можно написать:
y
= ln(1+x)
—
это и есть экономизация.