- •Понятие о моделировании.
- •2.1. Виды моделирования.
- •3.1. Математическое моделирование. Источники ошибок. Необходимость тестирования.
- •4.1. Сравнительные характеристики пакетов mathcad, matlab, maple, mathematica. Основные приемы работы в mathcad.
- •5.1. Понятие о системах с сосредоточенными и распределенными параметрами.
- •6.1. Сведение системы оду произвольного порядка к системе оду первого порядка в нормализованной форме Коши.
- •7.1. Процедуры решения ду в среде mathcad. Примеры соответствующих документов mathcad.
- •8.1. Последовательность получения математической модели колебательной механической системы с сосредоточенными параметрами.
- •9.1. Численные методы решения оду.
- •10.1. Метод Эйлера и его модификации для решения оду
- •11.1.Методы типа Рунге-Кутта для решения оду
- •13.1. Понятие о граничных задачах для оду. Метод стрельбы для решения граничной задачи.
- •14.1. Построение уравнения изогнутой оси балки при различных условиях на ее концах на основе метода стрельб.
- •15.1.Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •16.1.Понятие о жестких дифференциальных уравнениях. Процедуры для решения таких уравнений в среде mathcad.
- •17.1. Классификация методов решения оду.
- •19.1. Задача Бюффона как пример использования случайных величин при решении детерминированной задачи.
- •20.1.Вычисление площадей и объемов с использованием случайных величин.
- •21.1.О выборе количества экспериментов для получения заданной степени точности при использовании случайных величин.
- •22.1Метод Судзуо-Какутани для решения граничных задач теории потенциалов
- •23.1. Понятие о конкурирующих стратегиях
- •24.1. Моделирование смо.
- •25.1. Приближение инженерных данных.Виды приближения.
- •Поточечное среднеквадратическое приближение.
- •Непрерывное приближение в среднеквадратичном смысле.
- •Равномерное приближение.
- •1.2.Узловой метод получения математической модели системы.
- •2.2. Метод получения топологических уравнений с использованием м-матрицы.
- •3.2. Получение эквивалентной системы технических объектов.
- •4.2. Компонентные уравнения для различного типа подсистем.
- •Механическая поступательная система.
- •Механическая вращательная подсистема
- •5.2. Основные положения получения математической модели технического объекта на макроуровне.
- •6.2. Особенности выбора узлов сетки при интерполяции различными сплайнами.
- •7.2. Параметрический рациональный сплайн.
- •8.2. Обобщенные кубические сплайны.
- •9.2. Параметрический Эрмитов кубический сплайн.
- •10.2. Интерполяция кривых локальными сплайнами.
- •11.2. Вычисление интеграла по таблице значений функции с использованием интерполирующего полинома Эрмита.
- •12.2. Кубический сплайн дефекта 2 (s3,2(X)).
- •13.2. Определение сплайна. Сплайн первой степени.
- •14.2. Алгоритм «прогонка» для решения системы линейных уравнений с диагональным преобладанием.
- •15. 2. Сплайны. История возникновения. Понятие о звене сплайна.
- •16.2. Использование обратного интерполирования для решения уравнений.
- •17.2. Метод Мюллера для решения трансцендентных уравнений.
- •18.2 Области использования интерполирования.
- •19.2. Тригонометрическая интерполяция.
- •20.2. О наилучшем выборе узлов интерполирования.
- •21.2. Остаточный член интерполяционной формулы Лагранжа.
- •24.2. Разложение аппроксиматора по системе базисных функций.
18.2 Области использования интерполирования.
У нас задачи интерполирования заключались в том, чтобы в узлах совпадало только значение функции. Понятно, что аналогичную задачу можно сформулировать выдвигая требования, чтобы в узлах совпадали ешё и значения производных. Если говорить только о первых производных, то задача решается с помощью полином Эрмита, которые будут аналогами базисных функций. Кроме того в некоторых ситуациях нужно выполнять интерполяцию для функции нескольких переменных.
Идея интерполирования лежит в основе многих методов приближенных вычислений:
1) приближенные вычисления функции
2) численное интегрирование
Т.е. подинтегрированную функцию f(x) заменяют интерполяционным полиномом, а затем от него вычисляется определенный интеграл. Операция приближенного интегрирования основана на этом подходе достаточна точна.
Тоже справедливо и для функций заданных таблично:
3) Численное дифференцирование
К сожалению эта операция имеет приближенную точность:
) Численное решение алгебраических и тангенциальных уравнений:
Пусть исходная функция f(x) задана аналитически на интервале [a,b] и её значения могут быть вычислены в нужных точках. Пусть f(x)=0 – корень этого уравнения уединен на интервале [a,b], тогда по значениям этой функции в узлах строят интерполяционный полином, находят его корень на этом интервале и считают, что он приблизительно равен корню уравнения на этом интервале.
19.2. Тригонометрическая интерполяция.
Алгебраическая интерполяция в качестве базисных функций использует мономы. Если же интерполируемая функция является периодической, то уместно в качестве базисных функций выбирать периодические функции. Будем рассматривать ситуацию, когда f(x), которую следует приблизить является периодической на интервале [a,b]. Пусть узлы являются равностоящими, т.е.:
В качестве базисных функций используем: cos 0 x, sin 0 x, cos 1 x, sin 1 x,………cos k x, sin k x.
Задача тригонометрической интерполяции состоит в построении тригонометрического интерполируемого полинома вида *(1) , удовлетворяющего условию: . Можно показать, что коэффициенты интерполяционного полинома
Удовлетворяют условию *(2) вычисленных по формулам:
Достаточно строгого класса функции, чтобы утверждать, что при увеличении N ошибка интерполирования стремится к нулю. Формулы *(4) можно распространять и на функции интерполирования на случаи периодической функции на отрезке [a,b] с периодом
20.2. О наилучшем выборе узлов интерполирования.
зависит от расположения узлов на интервале интерполирования. Для сравнения приведем значения и соответствующей таблицы: ln(2,5)=0,9163.
Пусть f(x) – интерполируемая функция. Заменим эту функцию полиномом Лагранжа: f(x)=Ln-1+R(f,x). R(f,x) – остаточный член формулы Лагранжа, который представляет собой погрешность метода интерполяции. При выполнения вычисления, результаты отдельных арифметических операций округляются или отсекаются из разряда, поэтому при построении интерполяционного полинома кроме погрешности метода будет присутствовать еще вычислительная погрешность. Можно доказать следующие утверждение: если функция f(x) n раз непрерывно дифференцируема на отрезке [a,b], содержащем узлы интерполирования x1, x2, …., xn, то такая что , где wn(x)= . Пусть Mn= , . Понятно, чтобы использовать эту теорему нужно иметь возможность взять производную . Интерполяционный полином можно построить единственным образом по данным таблицы. Остаточный член R(f,x) всегда имеет один и тот же вид. Возникает вопрос: Можно ли выбрать такое количество узлов на интервале интерполирования, чтобы wi(x) имело наименьшее максимальное значение на интервале (a,b) из всех возможных? Чебышев доказал, что наилучшим выбором узлов будет следующий:
В этом случаи:
Узлы хi не являются равностоящими, а сужаются у концов интервала интерполирования.