- •Введение
- •Основы работы с MathCad
- •1. Введение в численные методы. Теория погрешностей и машинная арифметика Понятие о вычислительном эксперименте
- •Классификация погрешностей
- •Элементы теории погрешностей
- •2. Теория погрешностей и машинная арифметика Погрешности арифметических действий Погрешность функции
- •Погрешности арифметических действий
- •3. Численное решение нелинейных уравнений
- •Решение нелинейных уравнений
- •4. Численное решение систем уравнений Решение систем линейных уравнений
- •Решение матричных уравнений
- •Решение систем нелинейных уравнений
- •5. Решение систем уравнений и систем уравнений MathCad Решение одного уравнения
- •Нахождение корней полинома
- •Решение систем уравнений
- •Приближенные решения
- •Символьное решение уравнений
- •6. Интерполяция функций
- •Глобальная интерполяция
- •7. Интерполяция функций Интерполяционные формулы Ньютона
- •Локальная интерполяция
- •8. Интерполяция функций Кубическая сплайн-интерполяция
- •Интерполяция средствами MathCad
- •9. Математическая обработка экспериментальных данных Элементы теории ошибок
- •Элементы теории ошибок Случайные ошибки
- •Аппроксимация в виде линейной комбинации функций
- •Полиномиальная аппроксимация в Mathcad
- •С помощью функции regress
- •11. Численное интегрирование и дифференцирование Численное интегрирование
- •Методы прямоугольников
- •Метод трапеций
- •Метод Симпсона
- •Метод Монте - Карло
- •Численное дифференцирование
- •12. Решение обыкновенных дифференциальных уравнений
- •Одношаговые методы решения задачи Коши
- •Общая характеристика одношаговых методов
- •13. Решение дифференциальных уравнений в частных производных Уравнения первого порядка
- •Типы дифференциальных уравнений в частных производных
- •Уравнения первого порядка
- •Лабораторная работа
- •Варианты задания 1
- •Варианты задания 2
- •Варианты задания 3
- •Локальная интерполяция
- •Предсказание
- •Варианты заданий 4
- •Полиномиальная регрессия
- •Обобщенная регрессия
- •Варианты задания 5
- •Численное интегрирование и дифференцирование
- •Варианты задания 6
Аппроксимация в виде линейной комбинации функций
Часто функцию f(x) выбирают в виде линейной комбинации подходящих функций
(10.5)
Можно выбрать любую функцию f(x), лишь бы она была линейной относительно своих коэффициентов. Если предполагается, что данные могли бы быть смоделированы в виде линейной комбинации произвольных функций (10.1), следует использовать функцию linfit, чтобы вычислить коэффициенты ai. Это так называемая аппроксимация линейной комбинацией функций (рис. 10.1).
Рис. 10.1. Использование функции linfit для нахождения коэффициентов в линейной комбинации функций
Полиномиальная аппроксимация в Mathcad
Эти функции полезны, когда есть набор измеренных соответствующих значений y и x, между которыми ожидается полиномиальная зависимость, и нужно приблизить эти значения с помощью полинома наилучшим, в определённом смысле, образом.
Используйте regress, когда нужно использовать единственный полином, чтобы приблизить все данные. Функция regress допускает использование полинома любого порядка. Однако на практике не следует использовать степень полинома выше n=4 (рис. 10.2).
Рис. 10.2. Аппроксимация полиномами различной степени
С помощью функции regress
Так как regress пытается приблизить все точки данных, используя один полином, это не даст хороший результат, когда данные не связаны единой полиномиальной зависимостью. Например, предположим, ожидается, что yi зависят линейно от x в диапазоне от x1 до x10 и ведут себя подобно кубическому полиному в диапазоне от x11 до x20. Если используется regress с n=3, можно получить хорошее приближение для второй половины, но плохое - для первой. Функция loess облегчает эти проблемы, выполняя локальное приближение. Вместо создания одного полинома, как это делает regress, loess создаёт различные полиномы второго порядка в зависимости от расположения на кривой.
Она делает это, исследуя данные в малой окрестности точки, представляющей интерес. Аргумент span управляет размером этой окрестности. По мере того, как диапазон становится большим, loess становится эквивалентным regress с n=2. Значение по умолчанию - span = 0,75.
Рис. 10.3 показывает, как span влияет на приближение, выполненное функцией loess .
Рис. 10.3. Влияние различных значений span на функцию loess
11. Численное интегрирование и дифференцирование Численное интегрирование
Если функция f(x) непрерывна на определенном отрезке [a; b] и известна ее первообразная F(x), то определенный интеграл от этой функции в пределах от a до b может быть вычислен по формуле Ньютона - Лейбница
(11.1)
где .
Однако во многих случаях первообразная функции F(x) не может быть найдена с помощью элементарных средств или является слишком сложной; вследствие этого вычисление определенного интеграла по формуле (11.1) может быть затруднительным или даже практически не выполнимым. Кроме того, на практике подынтегральная функция f(x) часто задается таблично и тогда само понятие первообразной теряет смысл. Аналогичные вопросы возникают при вычислении кратных интегралов. Поэтому большое значение имеют приближенные и в первую очередь численные методы вычисления определенных интегралов.
Задача численного интегрирования функции заключается в вычислении значения определенного интеграла на основании ряда значений подынтегральной функции. Пусть на отрезке [a; b] задана функция y=f(x). С помощью точек разобьем [a;b] на n элементарных отрезков , причем i=1, 2,…,n. На каждом из этих отрезков выберем произвольную точку и найдем произведение Si значения функции в этой точке на длину элементарного отрезка :
Рис. 11.1
(11.2)
Составим сумму таких произведений:
(11.3)
Сумма Sn называется интегральной суммой. Определенным интегралом от функции f(x) на отрезке [a;b] называется предел интегральной суммы при неограниченном увеличение числа точек разбиения; при этом длина наибольшего из этих отрезков стремиться к 0:
(11.4)
Теорема. (О существовании определенного интеграла). Если функция f(x) непрерывна на [a;b], то предел интегральной суммы существует и не зависит ни от способа разбиения отрезка [a;b], ни от выбора точек .
Геометрический смысл введенных понятий для случая f(x)>0 проиллюстрирован на рис. 11.1. Абсциссами точек Mi является значение , ординатами - значение . Выражение (11.2) при i=1, 2,…,n описывает площади элементарных прямоугольников, интегральная сумма (11.3) -площадь ступенчатой фигуры, образуемой этими прямоугольниками. При неограниченном увеличении числа точек деления и стремлении к нулю всех элементов верхняя граница фигуры переходит в линию y=f(x). Площадь ломаной фигуры, которую называют криволинейной трапецией, равна определенному интегралу (11.4).
Методы численного интегрирования основаны на аппроксимации подынтегральной функции с помощью интерполяционных многочленов, что позволяет приближенно заменить определенный интеграл интегральной суммой (11.3):
(11.5)
где x - узлы интерполяции, A - коэффициенты, R - остаточный член, погрешность метода.
В зависимости от способа (11.5) вычисления получаются разные методы численного интегрирования.
Следует отметить, что к вычислению определенного интеграла сводятся многие практические задачи: вычисление площади фигур, определение работы переменной силы.