- •1. Содержание и объем курсовой работы
- •2.Основные приемы работы в системе MathCad
- •3 Mathcad в инженерно-строительных задачах
- •3.1. Табулирование функций
- •Варианты заданий. Составить программу вычисления значений функции уi для значений аргумента хi с постоянным (задача а) и переменным (задача в) шагом. Данные взять из таблицы 3.1.
- •3.2. Решение систем линейных алгебраических уравнений к решению систем линейных алгебраических уравнений сводятся многочисленные практические задачи строительной механики.
- •3.3. Обработка результатов измерений
- •3.4. Аппроксимация функций
- •3.5. Численное решение обыкновенных дифференциальных
- •3.6. Приближенное вычисление определенных интегралов
- •3.7. Численное решение нелинейных уравнений
- •3.8. Численное решение оптимизационных задач
- •3. MathCad в инженерно-строительных задачах………………………………
- •Литература
3.2. Решение систем линейных алгебраических уравнений к решению систем линейных алгебраических уравнений сводятся многочисленные практические задачи строительной механики.
Пусть задана система п уравнений с п неизвестными:
. (3.1)
Система уравнений (3.1) в матричной форме представляется следующим образом:
АХ = В, (3.2)
где А – квадратная матрица коэффициентов, размером п п строк и столбцов;
Х – вектор-столбец неизвестных;
В – вектор-столбец правых частей.
Систему уравнений (3.2) можно решить различными методами (приближенными и точными). Одним из наиболее простых и эффективных точных методов является метод Гаусса и его модификации. Алгоритм метода основан на приведении матрицы А к треугольному виду (прямой ход) и последовательном вычислении неизвестных (обратный ход).
Недостатком метода является накапливание погрешностей в процессе округления, поэтому метод Гаусса без выбора главных элементов используется обычно для решения сравнительно небольших (п 100) систем уравнений с плотно заполненной матрицей и не близким к нулю определителем. В MathCAD СЛАУ можно решить с использованием встроенной функции lsolve (А,B), возвращающей вектор корней системы, где А - матрица коэффициентов, B - вектор правых частей.
Пример.
Решить систему 4-х линейных алгебраических уравнений:
Текст документа MathCAD:
Варианты заданий. Решить систему линейных алгебраических уравнений. Данные взять из таблицы 3.2.
Таблица 3.2
1 |
2 | ||
3 |
4 | ||
5 |
6 | ||
7 |
8 | ||
9 |
10 | ||
11 |
12 | ||
13 |
14 | ||
15 |
16 | ||
17 |
18 | ||
19 |
20 | ||
21 |
22 | ||
23 |
24 | ||
25 |
26 | ||
27 |
28 | ||
29 |
30 |
3.3. Обработка результатов измерений
Под ошибкой измерения понимается разность между результатом измерений и истинным значением измеряемой величины. Ошибка измерений обычно неизвестна, так как неизвестно истинное значение измеряемой величины. Поэтому важное практическое значение имеетоценка получаемой ошибки и истинного значения.
Нормальный закон распределения ошибок (закон Гаусса) широко распространен в математической статистике. Гауссово распределение описывается следующим выражением . где- генеральная дисперсия, характеризующая разброс результатов;- плотность распределения, нормированная условием, означающим, что вероятность появления ошибки в пределах всей числовой оси равна единице. Графически Гауссово распределение может быть проиллюстрировано рис.3.1, где.
Рис. 3.1
Вероятность того, что ошибка находится в интервале [-z, z] определяется площадью криволинейной трапеции (рис.3.2) , где- интеграл вероятностей.
Рис. 3.2
Данное выражение означает, что с доверительной вероятностью ошибки измерений находятся в доверительном интервале. Чем большей надежности мы требуем при определении доверительного интервала, тем он больше и наоборот .
Использование распределения Гаусса на практике довольно затруднительно ввиду сложности определения генеральной дисперсии по ограниченному количеству повторных опытов. Для оценки ошибок обычно используют другие способы, рассмотрение которых потребует введения следующих основных определений:
среднеарифметическое значение величин ;
абсолютная погрешность или, посколькунеизвестно,;
относительная погрешность ;
выборочная дисперсия ;
среднеквадратичное отклонение ;
генеральная дисперсия .
При Гауссовом распределении является математическим ожиданием истинного значения. Дисперсия среднегопри этом связана с дисперсией результатовсоотношением, которое широко известно под названиемфундаментальный закон возрастания точности. В соответствии с этим выражением для повышения точности, например в три раза, необходимо увеличить число опытов в девять.
Приведенные соотношения, разумеется, можно использовать только для случая, если ошибки измерений подчиняются нормальному закону распределения. Для качественной проверки близости закона распределения ошибок к нормальному на практике широко используются гистограммы. Для их построения по таблице результатов повторных измерений определяются максимальное и минимальноезначения. Отрезокделится наравных элементарных отрезков, гдевыбирается, например, по правилу Штюргеса, где-операция выделения целого.
После этого подсчитываются количества попаданий результатов измерений в каждый элементарный отрезок , которые далее переводятся в относительные частоты
Гистограммы строят в виде столбиков, основаниями которых являются элементарные отрезки и высотой, равной относительной частоте попаданий результатов в данный отрезок. Часто центры соседних столбиков соединяют отрезками прямых, в результате чего получается ломаная линия, называемая полигоном
Определение доверительного интервала с помощью интеграла вероятностей требует знания генеральной дисперсии . На практике она неизвестна ввиду ограниченного числа повторных опытов, по которым можно определить только эмпирическую дисперсию. Используя эмпирическую дисперсиюопределить доверительный интервал можно с помощью распределения Стьюдента, имеющего вид, где- доверительный интервал;- доверительная вероятность;- количество степеней свободы. Для одномерных распределений, с которыми мы имеем дело в данном случае,=1. С использованием распределения Стьюдента доверительный интервал, в котором лежат все измеряемые значения, определяется выражением.
Доверительный интервал для истинного значения можно получить, используя фундаментальный закон возрастания точности: .
Проведем статистическую обработку на примере данных табл. 3.3.
Таблица 3.3
Номер опыта i |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
Результат xi |
3,2 |
2,5 |
4,1 |
4,9 |
3,9 |
3,7 |
2,9 |
3,6 |
2,9 |
1,1 |
Текст документа MathCAD:
Варианты заданий. Произвести статистическую обработку данных. Данные взять из таблицы 3.4.
Таблица 3.4
№ п/п |
Результаты измерений xi | |||||||||
1 |
8,579 |
10,267 |
7,904 |
11,042 |
7,375 |
15,7 |
1,822 |
12,611 |
16,537 |
13,255 |
2 |
13,527 |
7,086 |
5,272 |
11,392 |
14,423 |
13,496 |
7,71 |
11,528 |
11,488 |
7,593 |
3 |
8,119 |
8,34 |
8,962 |
8,607 |
10,753 |
8,88 |
9,181 |
13,869 |
10,582 |
16,259 |
4 |
5,313 |
10,237 |
11,261 |
14,882 |
11,859 |
4,849 |
5,882 |
17,188 |
12,2 |
9,992 |
5 |
7,462 |
6,948 |
5,108 |
6,839 |
13,348 |
12,836 |
12,279 |
6,815 |
8,76 |
14,821 |
6 |
10,071 |
9,005 |
8,631 |
11,191 |
11,488 |
9,763 |
10,249 |
11,267 |
7,684 |
9,597 |
7 |
5,611 |
10,605 |
15,042 |
7,277 |
12,359 |
9,623 |
6,647 |
12,172 |
10,873 |
7,355 |
8 |
4,199 |
7,122 |
6,019 |
8,819 |
6,974 |
8,218 |
12,84 |
12,414 |
9,001 |
4,606 |
9 |
12,024 |
1,88 |
9,27 |
5,91 |
7,609 |
8,177 |
9,268 |
10,989 |
13,402 |
8,176 |
10 |
8,164 |
6,729 |
8,421 |
9,079 |
9,557 |
7,071 |
9,147 |
8,931 |
6,568 |
9,714 |
11 |
9,199 |
5,393 |
10,813 |
11,243 |
2,208 |
6,41 |
7,286 |
12,461 |
13,19 |
7,595 |
12 |
9,093 |
9,613 |
10,537 |
9,914 |
8,593 |
9,257 |
7,434 |
10,922 |
7,457 |
8,501 |
13 |
10,179 |
8,506 |
10,169 |
7,54 |
9,858 |
9,246 |
10,058 |
15,358 |
9,783 |
8,592 |
14 |
13,107 |
14,174 |
5,6 |
13,864 |
6,502 |
5,8 |
8,453 |
9,465 |
11,925 |
9,378 |
15 |
5,274 |
9,931 |
11,102 |
12,342 |
14,849 |
8,17 |
10,415 |
6,43 |
2,211 |
14,537 |
16 |
8,636 |
4,591 |
5,089 |
10,682 |
11,547 |
7,255 |
14,92 |
11,785 |
13,89 |
11,451 |
17 |
6,195 |
12,979 |
6,489 |
9,915 |
9,027 |
7,106 |
4,928 |
11,045 |
11,931 |
9,352 |
18 |
12,772 |
9,845 |
8,89 |
4,022 |
7,144 |
13,243 |
9,483 |
9,155 |
13,362 |
10,692 |
19 |
10,099 |
8,325 |
11,237 |
7,987 |
7,09 |
12,212 |
5,175 |
8,641 |
8,252 |
9,144 |
20 |
11,928 |
12 |
7,568 |
6,365 |
8,138 |
6,724 |
12,113 |
10,235 |
11,548 |
13,206 |
21 |
9,887 |
11,661 |
14,57 |
5,056 |
8,57 |
10,657 |
9,273 |
10,617 |
12,023 |
10,693 |
22 |
8,704 |
8,771 |
14,082 |
7,047 |
8,882 |
6,331 |
8,803 |
3,867 |
13,662 |
6,895 |
23 |
3,845 |
6,626 |
11,578 |
11,265 |
8,226 |
7,943 |
10,451 |
2,353 |
10,678 |
7,315 |
24 |
4,839 |
12,196 |
4,748 |
5,223 |
16,613 |
10,521 |
13,667 |
10,827 |
12,559 |
8,259 |
25 |
14,575 |
1,382 |
10,792 |
8,941 |
11,773 |
13,256 |
9,229 |
13,407 |
4,36 |
16,729 |
26 |
14,589 |
10,217 |
10,316 |
5,344 |
6,244 |
9,582 |
8,879 |
13,212 |
4,211 |
12,045 |
27 |
9,194 |
9,964 |
11,82 |
6,253 |
8,425 |
10,153 |
8,941 |
11,267 |
5,04 |
13,343 |
28 |
4,35 |
12,492 |
8,366 |
14,298 |
7,61 |
13,629 |
12,128 |
13,072 |
9,374 |
13,484 |
29 |
9,989 |
13,968 |
8,731 |
8,568 |
6,79 |
5,885 |
12,53 |
10,829 |
12,146 |
10,891 |
30 |
10,368 |
0,629 |
5,057 |
9,583 |
5,146 |
8,696 |
9,052 |
7,472 |
4,908 |
11,429 |