- •В наведеному прикладі
- •Вірні значущі цифри.
- •Похибки суми та різниці
- •Похибка добутку
- •Похибки частки та число вірних знаків частки.
- •Похибки степеня та кореня.
- •Правила підрахування цифр.
- •Розрахунок похибок функцій багатьох змінних.
- •Визначення допустимої похибки аргументів по допустимій похибці функцій.
- •Точність представлення чисел в Комп'ютері
- •Форми представлення 2-их чисел в еоп
- •Похибки представлення чисел.
- •Стійкість, коректність та збіжність.
- •Числове інтегрування
- •Формула прямокутників
- •Формула трапеції
- •Формула сімпсона
- •Похибки
- •Теорема Больцано-Коші
- •Алгоритми відділення коренів рівняння
- •Алгоритми уточнення коренів.
- •1)Алгоритм уточнення кореня методом половинного ділення.
- •Програма методу перебору
- •Алгоритм уточнення кореня рівняння методом половинного ділення
- •Алгоритм уточнення кореня методом хорд
- •Mетод дотичних
- •Метод ітерацій (метод послідовних наближень)
- •Числові методи розв’язування систем лінійних рівнянь
- •Алгоритм
- •Алгоритм для системи нормального вигляду
- •Метод ітерації
- •Метод ітерацій Зейделя (ітерації)
- •Оптимізація
- •Алгоритми наближення функції
- •Інтерполяційний багаточлен Лангранжа
- •Коефіцієнти Лангранжа які задовільняють умовам:
- •Блок-схема алгоритму
- •Апромаксимація. Метод найменших квадратів
Інтерполяційний багаточлен Лангранжа
Ln(x) = yiLi(n)(x) – в обчислення вводяться зразу всі точки
Li(n)(x) =
Коефіцієнти Лангранжа які задовільняють умовам:
Li(n)(xі) =1, Li(n)(xj) = 0 при i≠j
Блок-схема алгоритму
Це є глобальна інтерполяція, тобто випадок коли експериментальне значення замінюються деякою функцією, яка описує їх у всіх точках x0, x1, x2…,xn . Тобто інтегральна функція повинна проходити через всі експериментальні точки. Їх вигляд
L(x) = y0l0(x)+ y1l1(x) +…+ ynln(x)
Тобто вона є лінійною комбінацією многочленів степені n. Многочлени li(x)вибираються із таких умов.
l0(x)=1 в точках х=х0 і l0(x)=0 у всіх інших точках
l1(x)=1 в точках х=х1 і=0 у всіх інших точках
ln(x)=1 в точках х=хn i=0 у всіх інших точках
l0(х)=
l1(x)=
.
.
.
li(x)=
Апромаксимація. Метод найменших квадратів
Із збільшенням n труднощі побудови інтерполяційного багаточлену зростають суттєво. Але необхідність в точному відтворенні функції виникає не завжди і часто достатньо мати багаточлен значно меншого степені наприклад , лінійну функцію або квадратний тричлен, що відтворюють основні закономірності досліджуваної залежності.
Тому, природньо поставити задачу про визначення баготочлену більш низького степені m<n
Pm(x)=amxm+am-1xm-1+...+a0 (1)
“віддаль” між ним і функціє F(x), в деякому змісті, мінімальна. Такий багаточлен називається апроксимуючим. Він згладжує локальні особливості заданої експериментальної таблиці і відображає загальну поведінку функції f(x) вздовж всього інтервалу зміни. Розглянем метод найменших квадратів, що розв’язує цю задачу.
Нехай задана таблиця значень функції y=f(x) {xі,yі} i=1,n
Апроксимуюча функція шукається у вигляді
Y=(x,a1,…am), де a1,…am параметри, що потрібно визначити.
Обчислимо (2) при х=xi
Y1=(x,a1,…am), і=1,n.
Між досліджуваною і апроксимуючою функціями є відмінність, яку оцінимо за допомогою суми квадратів різниць їх значень:
S=S(a1,…am)=(3)
параметри a1,…am знайдемо із умов min похибки апроксимації S
(4)
отримуємо суму m-рівнянь для визначення m- невідомих параметрів.1
Апроксимація багаточленом.
Нехай апроксимуюча функція (2) має вигляд
Y=a1x+a0
Тоді (3) , а рівняння (4) будуть такими
або (5)
Звідки коефіцієнти а0 і а1 визначаються однозначно. Якщо апроксимуюча функція має вигляд (1), то коефіцієнти а0, ...аm визначаються із системи лінійних рівнянь
R0a0 + R1a1 +…+ Rmam = B0
R1a0 + R2a1 +…+ Rm+1am = B1 (6)
.
.
.
Rma0 + R m+1a1 +…+ R 2mam = Bm , де
Rk = , де k=0,2m (7)
Bj = , j = 0,m
Приклад, задана таблиця значень max i min ємності шести “підстроювальних конденсаторів”. Потрібно апроксимувати ці дані лінійною залежністю.
і |
уі |
уі |
хі2 |
хіуі |
1 2 3 4 5 6 |
4.4 4.4 4.7 4.7 4.5 4.6 |
2.3 2.1 2.3 2.5 2.2 2.4 |
19.36 19.36 22.09 22.09 20.25 21.16 |
10.12 9.24 10.84 11.75 9.90 11.04 |
27.3 |
13.8 |
124.31 |
62.89 |
|
/n |
4.55 |
2.3 |
20.72 |
10.48 |
R0a0+R1a1 = B0
R1a0+R2a1 = B1
Згідно (5)
-
(2) 20.72а1 + 4.55а0 = 10.48
-
4.55а1 + 1а0 = 2.30
а1 = -0.86
а2 = 1.60
Апроксимуючою функцією буде у=0.86х – 1.60
В статистиці цю залежність називають рівнянням регресії у по х.
Похибка середньоквадратичної апроксимації функції визначається виразом:
= [ ]1/2
Алгоритм
Початок
Ввід m,n
масивів Y,X
Rk
= 1/n
Aij=Rk,
j=1,m+1, k = 1,2m+1, i=k-j+1; Bj=
; j=1,m+1
Розв’язок
системи лінійних рівнянь
Вивід масиву А
Рекурсивні алгоритми.
Циклічні обчислювальні алгоритми в яких значення деякої функції (або функцій) на кожному наступному кроці обчислень залежить від значень цієї ж функції, отриманого на попередньому кроці обчислень, називають рекурсивними алгоритмами.
Обчислення функції при цьому проводяться за рекурсивними формулами. Прикладом є запис х=х+1; рекурсивними є алгоритмидля розв’язування таких задач як знаходження суми та добутку скінченного числа доданків; суми нескінченого ряду3 ; уточнених коренів лінійних рівнянь; знаходження max (min) значення із деякої множини значень. Рекурсивні алгоритми можуть бути скінченими та інтераційними.
Алгоритм обчислення суми ряду з заданою точністю ε:
S = 1+ =
|a| - приріст суми.
Цей алгорим є ітераційним.
Початок
Ввід S =
1 n=2
a = 1/nn S =
S +a n=n+1
|a|≤
Друк
Кінець
ні
так