
- •Новые информационные технологии
- •Часть 3. Основы математики и математическое моделирование Учебное пособие
- •Введение
- •Глава 1. Основы компьютерной математики
- •1.1. Математика и ее средства
- •1.1.1. Аксиоматический метод и структуры математики
- •1.1.2. Компьютерная математика как часть математики
- •1.1.3. Классификация средств компьютерной математики
- •1.1.4. Структура систем компьютерной математики
- •1.1.5. Обзор систем компьютерной математики
- •1.2. Система компьютерной математикиMathcad
- •1.2.1. Состав системы Mathcad и ее запуск
- •1.2.2. Основы работы с системой Mathcad 2001
- •1.2.3. Работа с текстовым редактором
- •1.2.4. Работа с формульным редактором
- •1.2.5. Операции вывода и присваивания
- •1.2.6. Шаблоны математических операторов и символов
- •1.2.7. Ошибки и прерывание вычислений
- •1.3. Простые типы данных
- •1.3.1. Числовые данные
- •1.3.2. Вещественные числа и их форматы
- •1.3.3. Комплексные числа
- •1.3.4. Строковые данные
- •1.3.5. Символьные данные и выражения
- •1.4. Сложные типы данных
- •1.4.1. Множества и подмножества
- •1.4.2. Массивы
- •1.4.3. Векторы и матрицы
- •1.5. Константы, переменные, операторы и функции
- •1.5.1. Числовые константы
- •1.5.2. Строковые константы
- •1.5.3. Переменные
- •1.5.4. Операторы
- •1.5.5. Выражения и функции
- •1.6. Основы графической визуализации вычислений
- •1.6.1. Понятия об основных геометрических объектах
- •1.6.2. Построение графиков функций одной переменной
- •1.6.3. Построение графиков поверхностей
- •1.7. Средства программирования в системеMathcad
- •1.7.1. Задание операторов пользователя
- •1.7.2. Задание программных модулей
- •1.7.3. Особенности применения программных модулей
- •Методические указания
- •2.1.2. Вычисление произведений
- •2.1.3. Вычисление пределов
- •2.3. Вычисление производных и интегралов
- •2.3.1. Определение производной и полного дифференциала
- •2.3.2. Вычисление производных
- •2.3.3. Определение интегралов
- •2.3.4. Вычисление интегралов
- •2.4. Решение уравнений и систем уравнений
- •2.4.1. Простое линейное уравнение и его решение
- •2.4.2. Решение систем линейных уравнений
- •2.4.5. Поиск всех корней степенного многочлена()
- •2.4.6. Решение систем нелинейных уравнений()
- •2.4.7. Реализация итерационных вычислений
- •2.5. Решение дифференциальных уравнений()
- •2.5.1. Основные понятия о дифференциальных уравнениях()
- •2.5.2. Решение систем оду()
- •2.5.3. Решение оду с помощью функции odesolve()
- •2.5.4. Решение жестких систем оду()
- •2.6. Решение задач оптимизации и линейного программирования
- •2.6.1. Основные понятия оптимизации
- •2.6.2. Пример оптимизации раскроя железного листа
- •2.6.3. Поиск минимума тестовой функции Розенброка
- •2.6.4. Функции maximize и minimize системы Mathcad
- •2.7. Разложение функций в ряды
- •2.7.1. Определение рядов Тейлора и Маклорена
- •2.7.2. Разложение в ряд Тейлора в системе Mathcad
- •2.7.3. Ряды Фурье()
- •2.7.4. Быстрые прямое и обратное преобразования Фурье()
- •2.7.5. Примеры преобразований Фурье()
- •2.7.6. Альтернативные преобразования Фурье()
- •2.8. Табличная интерполяция и аппроксимация
- •2.8.1. Теоретические основы интерполяции и экстраполяции
- •2.8.2. Интерполяция и аппроксимация по общей формуле Лагранжа
- •2.8.3. Полиномиальная интерполяция и аппроксимация
- •2.8.4. Кусочно-линейная и сплайновая аппроксимации в Mathcad
- •2.9. Статистическая обработка данных
- •2.9.1.Эксперименты, события и другие понятия статистики
- •2.9.2.Решение задач комбинаторики
- •2.9.3. Дискретные и непрерывные случайные величины
- •2.9.4. Законы распределения и статистические функции Mathcad
- •2.9.5. Регрессия и метод наименьших квадратов
- •2.9.6. Выполнение линейной регрессии в среде Mathcad
- •2.9.7. Полиномиальная регрессия в Mathcad
- •2.9.8. Проведение нелинейной регрессии()
- •2.9.9. Экстраполяция и предсказание
- •2.9.10. Сглаживание данных
- •Методические указания
- •10 Главных вопросов
- •Глава 3. Основы математического моделирования
- •3.1. Основные понятия моделирования
- •3.2. Основные виды моделей и их свойства
- •3.2.1. Основные виды моделей
- •3.2.2. Основные свойства моделей
- •3.3. Цели, принципы и технология моделирования
- •3.3.1. Цели моделирования
- •3.3.2. Основные принципы моделирования
- •3.3.3. Технология моделирования
- •3.3.4. Основные методы решения задач моделирования
- •Оценка обусловленности вычислительной задачи – еще одно обязательное требование при выборе метода решения и построении математической модели.
- •3.3.5. Контроль правильности модели
- •3.4. Задачи моделирования полета камня
- •3.4.1. Постановка задачи моделирования
- •3.4.2. Концептуальная формулировка задачи
- •3.4.3. Построение математической модели
- •3.4.4. Выбор метода решения
- •3.4.5. Программная реализация модели на эвм
- •3.4.6. Проверка адекватности модели
- •3.4.7. Анализ результатов моделирования
- •Методические указания
- •10 Главных вопросов
- •Глава 4. Практика математического моделирования
- •4.1. Моделирование процессов на основе известных формул
- •4.1.1. Моделирование изменения параметров атмосферы
- •4.1.2. Моделирование закона Мура
- •4.1.3. Моделирование преодоления самолетом звукового барьера
- •4.2. Моделирование на основе конечно-разностных методов
- •4.2.1. Моделирование Броуновского движения частиц
- •4.2.2. Моделирование диффузии
- •4.2.3. Моделирование торможения автомобиля()
- •4.2.4. Моделирование падения парашютиста()
- •4.2.5. Моделирование генератора на туннельном диоде()
- •4.2.6. Моделирование развития и угасания эпидемии
- •4.3. Моделирование колебательных систем
- •4.3.1. Анализ линейной колебательной системы
- •4.3.2. Анализ нелинейной колебательной системы Ван дер Поля
- •4.3.3. Моделирование системы Дафинга с внешним воздействием
- •4.3.4. Хаос и моделирование аттрактора Лоренца()
- •4.4. Моделирование рассеивания альфа-частиц()
- •4.5. Моделирование биологических и экономических систем
- •4.5.1. Модель системы «хищник-жертва» Лотки-Вольтерра
- •4.5.2. Модель системы «хищник-жертва» с логистической поправкой
- •4.5.3. Модель системы «хищник-жертва» Холлинга-Тэннера
- •4.5.4. Моделирование замкнутой экономической системы
- •4.6. Моделирование на основе линейного программирования
- •4.6.1.Оптимальные экономико-математические модели
- •4.6.2. Решение задач максимизации объема продукции
- •4.6.3. Решение задач минимизации ресурсов
- •4.6.4. Решение транспортной задачи
- •4.6.5. Задачи целочисленного программирования с булевыми переменными
- •4.7. Сетевые модели в оптимизации управленческих решений
- •4.7.1. Задача поиска кратчайшего пути
- •4.7.2. Задача о распределении потоков в сетях
- •4.8. Обработка и моделирование сигналов и изображений
- •4.8.1. Основы спектрального метода моделирования сигналов
- •4.8.2. Спектральное моделирование на основе точных формул интегрирования()
- •4.8.3. Улучшенное спектральное моделирование дискретных сигналов()
- •4.8.4. Вейвлеты - новый базис представления сигналов()
- •4.8.5. Вейвлет-преобразования()
- •4.8.6. Примеры вейвлет-обработки сигнала - временного ряда()
- •4.8.7. Анализ сигналов по вейвлет-спектрограммам
- •4.9. Обработка изображений
- •4.9.1. Средства обработки изображений
- •4.9.2. Обработка монохромных изображений
- •4.9.3. Обработка цветных изображений
- •4.9.4. Функции для работы с файлами и матрицами рисунков
- •4.9.5. Вейвлет-компрессия рисунков в пакете Wavelet Extension Pack
- •4.10.1. Подготовка к работе с матричной лабораторией matlab
- •4.10.2. Имитационное моделирование и расширение Simulink
- •Методические указания
- •10 Главных вопросов
- •Список литературы
- •Глава 1. Основы компьютерной математики 4
- •Глава 2. Основы математических вычислений 50
- •Глава 3. Основы математического моделирования 105
- •Глава 4. Практика математического моделирования 121
2.8.2. Интерполяция и аппроксимация по общей формуле Лагранжа
Рассмотрим реализацию интерполяции (аппроксимации) по общей формуле Лагранжа в системе Mathcad.
Пример 2.37. Подготовить документ для осуществления интерполяции с применением общей формулы интерполяции Лагранжа (рис. 2.9).
Приведенная в нем формула Лагранжа синтезирует специальный полином, используя два вектора xi и yi узловых точек. При интерполяции полиномом Лагранжа степень полинома n на 1 меньше числа узловых точек, которые могут располагаться как равномерно по оси x, так и неравномерно. В явном виде представлять полином не требуется.
Построенный по данным интерполяции график функции с нанесенными на него узловыми точками - квадратиками приведен на рис. 2.9. Нетрудно заметить, что график интерполяционного полинома и впрямь точно проходит через узловые точки. Возможна экстраполяция данных.
2.8.3. Полиномиальная интерполяция и аппроксимация
Теперь рассмотрим классическую полиномиальную интерполяцию, аппроксимацию и (возможно) экстраполяцию.
Пример 2.38. Составить документ Mathcad для осуществления полиномиальной аппроксимации зависимости с узловыми точками
Рис.
2.9. Интерполяция по общей формуле Лагранжа
Рис. 2.10. Полиномиальная аппроксимация
yi(xi), представленными векторами x и y. Соответствующий документ показан на рис. 2.10.Коэффициенты полинома найдены из решения системы линейных относительно коэффициентов ai. График представляет исходные точки и аппроксимирующий полином P(x). Наряду с интерполяцией возможна экстраполяция данных.
2.8.4. Кусочно-линейная и сплайновая аппроксимации в Mathcad
Mathcad имеет средства аппроксимации двумя важными типами аппроксимирующих функций: кусочно-линейной и сплайновой. При кусочно-линейной интерполяции вычисления дополнительных точек выполняются по линейной зависимости. Для этого используется функция linterp(VX, VY, x). Для заданных векторов VX и VY узловых точек и заданного аргумента x эта функция возвращает значение функции при ее линейной аппроксимации.
При небольшом числе узловых точек (до 10) линейная интерполяция оказывается довольно грубой. При ней даже первая производная функции аппроксимации испытывает резкие скачки в узловых точках. Для целей экстраполяции функция linterp не предназначена и за пределами области определения может вести себя непредсказуемо.
Гораздо лучшие результаты дает сплайн-аппроксимация. Для ее осуществления Mathcad предлагает четыре встроенные функции. Три из них служат для получения векторов вторых производных сплайн- функций при различных видах продолжения (экстраполяции):
cspline(VX, VY) - возвращает вектор VS вторых производных с продолжением по кубическому полиному;
pspline(VX, VY) - возвращает вектор VS вторых производных с продолжением по параболической кривой;
lspline(VX, VY) - возвращает вектор VS вторых производных с линейным продолжением.
Наконец, четвертая функция interp(VS, VX, VY, x)
возвращает значение y(x) для заданных векторов VS, VX, VY и заданного значения x.
Таким образом, сплайн-аппроксимация проводится в два этапа. На первом с помощью функций cspline, pspline или lspline отыскивается вектор вторых производных функции y(x), заданной векторами VX и VY ее значений (абсцисс и ординат). Затем, на втором этапе для каждой искомой точки вычисляется значение y(x) с помощью функции interp.
Пример
2.39. Сравнить
кусочно-линейную и сплайновую аппроксимации
для функции, представленной набором из
небольшого числа узловых точек. Решение
представлено на рис. 2.11.
Рис. 2.11. Линейная и сплайновая аппроксимации функции
Нетрудно заметить, что график при линейной аппроксимации оказывается слишком грубым - отчетливо видны точки излома. В то же время сплайн-аппроксимация, несмотря на малое число точек в этом примере (их всего 6) и их неравномерное расположение, дает заметно лучшие результаты: график функции оказывается плавным и точки излома отсутствуют. Однако иногда выгиб кривой аппроксимации (например, в центре правого рисунка) может оказаться чрезмерно большим.
Сплайновая аппроксимация может использоваться для экстраполяции с тремя видами продолжения функций - линейным, параболическим и кубическим. В Mathcad введена и функция аппроксимации B-сплайнами bspline(VX,VY,VU,n), где VU - вектор координат точек сшивки, n=1, 2 или 3 - степень полиномов. Размер вектора VU на (n-1) меньше размера векторов x и y. B-сплайновая аппроксимация имеет кубическое продолжение и позволяет задавать сшивку сплайн-функций в точках, отличных от узловых.