
- •2202 “Автоматизированные системы обработки
- •Приближенные числа.
- •Действия над приближенными числами.
- •Общая схема метода Гаусса для систем, имеющих единственное решение
- •Обратный ход:
- •Метод Гаусса с выбором максимального элемента по столбцу
- •Достаточное условие сходимости процесса итераций
- •Основные понятия алгебры матриц и теории линейных векторных пространств.
- •Обратная матрица
- •Правило нахождения ранга матрицы:
- •Нахождение обратной матрицы методом Гаусса
- •Применение метода итераций для умножения элементов обратной матрицы
- •Пример:
- •Приближенное решение алгебраических и трансцендентных уравнений
- •Пример:
- •Блок – схема решения уравнения f(X) методом половинного деления
- •Метод хорд
- •Метод Ньютона
- •Пример:
- •Приближенное решение алгебраических и трансцендентных уравнений (продолжение) Метод итераций
- •Теорема
- •Оценка приближения.
- •Интерполирование функций.
- •1. Конечные разности различных порядков.
- •2) Таблица разностей.
- •3) Постановка задачи интерполирования.
- •4) Первая интерполяционная формула Ньютона.
- •Блок-схема построения кубического сплайна
- •Численное дифференцирование
- •2.Конечно-разностные аппроксимации производных.
- •Блок-схема вычисления производной.
- •Численное интегрирование.
- •Блок-схема вычисления определенного интеграла методом двойного пересчета по формуле Симпсона.
- •Квадратурные формулы Гаусса
- •Приближенное вычисление несобственных интегралов с бесконечными пределами.
- •Среднеквадратичное приближение функций
- •Точечное квадратичное аппроксимирование функций
- •Условия нахождения экстремума функции
- •IV Интегральное квадратичное аппроксимирование функций на отрезке.
- •Ортогональные на промежутке системы функций
- •Основные понятия гармонического анализа.
- •4.2.1. Аппроксимация тригонометрическими полиномами кусочно-гладких функций
- •4.3. Среднеквадратичное приближение функций полиномами Лежандра.
- •4.3. Полиномы, наименее уклоняющиеся от нуля.
- •Эмпирические формулы
- •Численное решение обыкновенных дифференциальных уравнений.
- •Численное решение дифференциальных уравнений и систем дифференциальных уравнений высших порядков
- •Численные методы безусловной оптимизации.
Эмпирические формулы
Пусть даны табличные значения
и
.
Необходимо найти аналитическую
зависимость
.
Поиск такой зависимости называют
«сглаживанием» экспериментальных
данных. Сглаживание можно производить,
используя метод наименьших квадратов
(МНК). При этом следует указать вид
эмпирической формулы
(1)
Затем находится сумма квадратов отклонений
(2)
и ищется ее минимум из условий
,
(3)
В общем случае система уравнений (3) нелинейна. Ее можно решить, применяя итерационные методы.
-
Более простым методом является метод выравнивания, при котором нелинейная зависимость (1) может быть сведена к линейной.
Пусть экспериментальные точки
и
не располагаются вблизи прямой. Это
свидетельствует о нелинейной зависимости
между
и
.
Вводятся новые переменные
.
(4)
так, чтобы преобразованные экспериментальные
данные
;
менее уклонялись от прямой. Для
аппроксимирующей прямой
(5)
Коэффициент
и
можно определить из уравнений (2) и (4)
Окончательный результат получают в виде
(6)
Далее уравнение (6) разрешается относительно
.
Пример: Установить вид эмпирической
формулы
используя зависимость (1) с двумя
параметрами
и определить наилучшие значения
параметров, если данные представлены
таблицей
-
1
2
3
4
5
7.1
27.8
62.1
110
161
Решение: Строим график
.
Точки не лежат на прямой.
Делаем преобразование:
;
.
Составим таблицу преобразованных данных
-
0.000
0.693
1.099
1.386
1.609
1.960
3.325
4.128
4.700
5.081
Строим график и убеждаемся, что связь
между
и
почти линейная.
Составляем уравнение
Находим
и
,
и приравниваем их нулю.
Получаем систему двух уравнений с двумя неизвестными:
Таким образом
Этот
результат можно было бы непосредственно
получить, решая задачу
Однако, методом выравнивания задача решается проще!
-
Метод выбранных точек
Обычно применяется для нахождения начальной оценки параметров. Если связь между переменными – нелинейная, то, разлагая нелинейную зависимость в ряд по формуле Тейлора, производят линеаризацию системы, оставляя только линейные члены уравнения. Затем решение уточняется методом итераций. В качестве нулевого (начального) приближения берутся оценки параметров, найденные по методу выбранных точек.
В методе оставляют столько экспериментальных данных, сколько имеется неизвестных параметров.
Затем находится решение полученной системы!