- •9. Методы решения систем уравнений
- •9.1. Точные методы решения систем уравнений и реализация их в пакете MathCad
- •9.2. Приближенные методы решения систем уравнений
- •10. Обработка экспериментальных данных
- •10.1. Понятие об интерполяции
- •10.2 Понятие об аппроксимации
- •10.3. Реализация процедур локальной интерполяции и аппроксимации в пакете MathCad
- •11. Численное дифференцирование и интегрирование
- •12. Метод линейного программирования поиска оптимального решения
- •Лабораторная работа №4
- •Лабораторная работа № 5 обработка экспериментальных данных Цель работы
- •Задание к работе
- •Лабораторная работа № 6 решение задач численного интегрирования и дифференцирования Цель работы
- •Задание к работе
- •Лабораторная работа № 7 решение задач линейного программирования Цель работы
- •Задание на лабораторную работу
10. Обработка экспериментальных данных
10.1. Понятие об интерполяции
При проведении анализа различных физических явлений или технологических процессов результаты эксперимента обычно представляются в виде табличной зависимости функции y(x):
X |
x1 |
x2 |
…. |
xn-1 |
xn |
Y |
y1 |
y2 |
…. |
yn-1 |
yn |
При этом число точек заданной зависимости (узловых точек или узлов) ограничено. Поэтому неизбежно возникает задача вычисления значений функции между узловыми точками и за их пределами. Первая процедура называется интерполяцией, а вторая – экстраполяцией. Для проведения этих процедур полученные результаты должны приближаться какой-либо достаточно простой функцией, чтобы, впоследствии, вычисления значений в промежуточных точках производилось с помощью этой функции. Эта функция должна принадлежать определенному классу и принимать заданные значения в узлах, т.е удовлетворять системе соотношений:
(x0) = y0, (x1) = y1, . . ., (xn) = yn. (10.1)
Геометрически это означает, что нужно найти кривую y = (х) определенного типа, проходящую через заданную систему точек M(xi, yi) (i = 0, 1, ..., n) (рис. 10.1).
Рис. 10.1. К пояснению понятия интерполяции |
Рис. 10.2. Простейший случай локальной интерполяции – линейной интерполяция |
В такой общей постановке задача может иметь бесконечное множество решений или совсем не иметь их. Задача становится однозначной, если вместо произвольной функции Ф(х) искать полином Ф(х) степени не выше n – интерполяционный полином.
Вместе с тем, при нарастании числа точек (выше 6-8) интерполяция полиномом становится громоздкой и практически непригодной, поэтому применяют более простые виды интерполяции, называемые локальной интерполяцией. Простейшим видом локальной интерполяции является линейная интерполяция, заключающаяся в том, что заданные точки М(xi, yi) (i = 0, 1, ..., n) соединяются прямолинейными отрезками, и функция f(x) приближается ломаной с вершинами в данных точках (рис. 10.2). Функция соединяет узловые точки отрезками прямых, создавая таким образом ломаную. Интерполируемое значение для конкретного z есть ордината у соответствующей точки ломаной.
Как видно из рис.10.2 результаты кусочно-линейной интерполяции получаются довольно грубыми. Поэтому, в целях повышения точности, целесообразнее проводить интерполяцию так, чтобы исходная зависимость заменялась отрезками кубических полиномов, проходящих через три смежные угловые точки. Коэффициенты полиномов должны рассчитываться так, чтобы были непрерывны первые и вторые производные. Такой способ построения локальной интерполирующей функции называется сплайновой интерполяцией (от английского слова spline – гибкая линейка). Основные идеи теории сплайнов сформировались как результат математического описания поведения гибких реек, которыми издавна пользовались чертежники при необходимости проведения через заданные точки достаточно гладкой кривой.