
- •12. Основные операции над данными в языке си (операция присваивания, арифметические операции).
- •15. Функции пользователя: понятие, операторы определения, описания и вызова функции. Формальные и фактические параметры.
- •24. Численные методы решение алгебраических уравнений: метод Ньютона, модифицированный метод Ньютона.
- •26. Численные методы решение алгебраических уравнений: постановка задачи, метод простых итераций.
- •27. Численные методы решения систем линейных уравнений (слау): проверка корректности постановки задачи.
- •28. Численные методы решения систем линейных уравнений (слау): постановка задачи, метод Гаусса.
- •30. Численные методы решения систем линейных уравнений (слау): постановка задачи, метод Зейделя.
- •31. Численные методы восстановления функций: постановка задачи. Понятие аппроксимации, интерполяции и экстраполяции.
- •32. Численные методы восстановления функций: интерполяция полиномом Лагранжа. Интерполяционные формулы Лагранжа и Ньютона без вывода.
- •33. Численные методы восстановления функций: погрешность интерполирования (остаточный член интерполяционной формулы и оптимальный выбор узлов).
- •35. Численные методы восстановления функций: метод наименьших квадратов.
- •37. Методы численного интегрирования: постановка задачи, метод прямоугольников
- •38. Методы численного интегрирования: постановка задачи, метод трапеций.
- •39. Методы численного интегрирования: постановка задачи, метод Симпсона.
- •40. Методы численного интегрирования: постановка задачи, методы Монте–Карло.
- •41. Решение математических задач в excel: алгебраических уравнений, слау.
- •42. Решение математических задач в пакете MathCad: алгебраических уравнений, слау, восстановления функции, вычисления определенных интегралов
- •43. Понятие информационной системы. Виды информационных систем
- •44. Понятие базы данных. Виды баз данных. Модели данных
- •45. Элементы баз данных. Принципы создания базы данных. Языковые средства баз данных.
- •46. Основы работы в субд foxpro: типы файлов, системный интерфейс.
- •47. Структура команды foxpro. Основные команды foxpro: открытие базы данных (бд), добавление записей, редактирование бд, просмотр содержимого бд.
- •53. Команды присваивания и управления.
- •54. Команды организации циклов Цикл с условием с несколькими:
- •Цикл с параметром:
- •Цикл сканирования базы данных:
- •55. Функции и процедуры классы переменных.
- •58. Протоколы передачи данных в сети.
- •59. Каналы связи в сети. Типы кабелей. Беспроводная среда.
- •60. Классификация компьютерных сетей.
- •61. Локальные сети: понятие и особенности.
- •62. Особенности организации локальной сети: одноранговая сеть, сеть с выделенным сервером.
- •63. Топология локальных сетей: понятие и виды.
- •64. Глобальные сети: понятие и особенности.
- •65. Структура и основные принципы работы в сети Интернет.
- •66. Адресация в Интернет.
38. Методы численного интегрирования: постановка задачи, метод трапеций.
Ещё одним простейшим полиномом является линейная функция. Если она выбрана совпадающей с в концах отрезка a и b, то получаем трапецию.
Площадь этой трапеции (интеграл от линейной функции), используемая в качестве приближения к значению интеграла от , определяется по формуле:
. (5.3)
Эта формула (5.3) известна как формула трапеции.
Р
ис.
5.3. Метод трапеции.
Для
того чтобы найти приближенное значение
площади S, разделим отрезок интегрирования
[a,b]
на n
равных частей длины
(рис.5.3.). В точках разбиения
проводим ординаты
до пересечения с кривой
,
т.е.
,
.
Концы ординат соединяем прямолинейными
отрезкам, т.е. на каждом отрезке разбиения
дугу графика подинтегральной функции
заменяем стягивающей ее хордой (линейная
интерполяция), и получим трапецию.
Тогда
площадь криволинейной трапеции
приближенно можно считать равной площади
фигуры, ограниченной ломаной линией
.
Площадь этой фигуры, которую мы обозначим
как S, равна сумме площадей трапеций:
Таким образом, для интервала и шага интегрирования h полная формула приближенного значения интеграла будет записана в виде:
(5.4)
где
n - число разбиений для интервала
и точка
совпадает с
,
а точка xn
совпадает с b.
39. Методы численного интегрирования: постановка задачи, метод Симпсона.
Более
высокая точность определения численного
значения определенного интеграла
получается при аппроксимации функции
f(x)
квадратичным интерполяционным полиномом,
который совпадает с f(x)
в крайних точках a
и b,
а также в средней точке
.
Интеграл от этого квадратичного полинома
выражается формулой:
,
(5.5)
к
оторая
называется формулой Симпсона.
Рис. 5.4. Метод Симпсона.
В методе Симпсона площадь криволинейной трапеции рассчитывается как сумма площадей ряда криволинейных трапеций, у которых криволинейная сторона представляет собой участок параболы. Это можно видеть на рис.5.4.
Каждая парабола может быть проведена только через три граничные точки, принадлежащие двум соседним отрезкам. Поэтому число участков разбиения отрезка [a,b] в отличие от предыдущих методов обязательно должно быть четным. Таким образом, вместо каждых двух элементарных прямолинейных трапеций будем рассматривать одну элементарную трапецию, ограниченную параболической дугой. Исходя из этого, определенный интеграл на случай разбиения интервала на n участков с шагом h. приближенно вычисляется по формуле:
(5.6)
– полная формула Симпсона.
Таким образом, для реализации метода прямоугольников, трапеции и Симпсона для вычисления определенного интеграла необходимо:
Задать в явном виде определенный интеграл, площадь которого необходимо определить. После этого задаются пределы интегрирования, и шаг интегрирования. Затем проводится расчет по формулам (5.2), (5.4) и (5.6).
Для метода Симпсона число разбиений n должно быть четным, что подлежит проверке при составлении программы.
40. Методы численного интегрирования: постановка задачи, методы Монте–Карло.
Метод Монте-Карло – метод решения, вычислительная сложность которого не сильно зависит от размерности функции.
Первый вариант
Его
можно интерпретировать как статистический
вариант метода прямоугольников (рисунок
3). Только в качестве узла x0
берется случайное число, равномерно
распределенное на интервале интегрирования
.
Вследствие случайного узла x0
погрешность интеграла также будет
носить случайный характер.
Рисунок 3
Проведя N вычислений со случайными узлами xi результат усредняется и усредненное значение принимается за приближенное значение интеграла (4.6.1):
(4.6.1)
Погрешность
интеграла будет уменьшаться с ростом
числа испытаний N
по закону
.
Второй вариант
Вычисляемый интеграл приводится к виду (4.6.2)
(4.6.2)
где
на интервале
.
Тогда две случайные величины xi
и xj
можно рассматривать как координаты
точек в единичном квадрате. При равномерном
распределении точек в квадрате за
приближенное значение интеграла
принимается отношение количества точек
S,
попавших под кривую y=f(x)
к общему числу испытаний N
(4.6.3) (рисунок 4):
(4.6.3)
Рисунок 4