- •1 Системы линейных алгебраических уравнений
- •1.Решение системы существует и является единственным.
- •2. Система уравнений вообще не имеет решений.
- •3. Система уравнений имеет бесконечное множество решений
- •2 Итерационные методы решения систем линейных уравнений
- •Геометрическое истолкование процесса
- •3 Метод исключения (метод Гаусса)
- •4 Задания для самостоятельной работы
- •5 Задания для практической работы
- •6 Задания к лабораторной работе
- •Варианты задания
- •7 Содержание отчета
- •8 Контрольные вопросы
- •1 Формула прямоугольников
- •1.1 Формула «левых» прямоугольников
- •1.2 Формула «правых» прямоугольников
- •1.3 Формула «средних» прямоугольников
- •1.4 Случай неравноотстоящих узлов
- •1.5 Алгоритм вычисления интеграла функции, заданной
- •2 Формула трапеций
- •2.1 Вывод формулы
- •2.2 Оценка погрешности формул прямоугольников и трапеций
- •3 Формула Симпсона
- •4 Формула Гаусса
- •5 Задания для самостоятельной работы
- •5 Задания для практической работы
- •6 Задания к лабораторной работе
- •7 Содержание отчета
- •8 Контрольные вопросы.
- •1 Понятие о приближении функции
- •2 Точечная аппроксимация. Задача интерполирования
- •3 Интерполяционный многочлен Лагранжа
- •4 Интерполяционная формула Ньютона
- •5 Аппроксимация с помощью кусочных полиномов
- •6 Аппроксимация сплайнами
- •7 Задания для самостоятельной работы
- •8 Задания к лабораторной работе
- •9 Содержание отчета
- •10 Контрольные вопросы
- •1 Численное решение алгебраических и трансцендентных уравнений
- •2 Графическое решение уравнений
- •3 Метод половинного деления
- •4 Метод хорд (пропорциональных частей, ложного положения)
- •5 Метод Ньютона (метод касательных)
- •Внеся эту поправку в (2), найдем следующее по порядку приближение корня:
- •6 Видоизмененный метод Ньютона (метод Рыбакова)
- •7 Метод секущих (комбинированный метод секущих-хорд)
- •8 Комбинированный метод касательных-хорд
- •9 Метод последовательных приближений
- •10 Усовершенствованный метод последовательных приближений
- •11 Метод Монте-Карло
- •12 Задания для самостоятельной работы
- •13 Задания к лабораторной работе
- •14 Содержание отчета
- •15 Контрольные вопросы
- •Вычислительные методы Методические указания по проведению лабораторных работ
- •65044, Украина, Одесса, пр. Шевченко, 1
- •65044, Украина, г.Одесса, пр. Шевченко, 1, корп. 5
6 Задания к лабораторной работе
Используя разработанную программу, найти приближённые значения интеграла I для заданной табл. 3 функции разными методами с числом разбиений n=10,20,50,100.
Рассчитать относительные погрешности для каждого вычисления относительно аналитического решения. Результаты оформить в виде таблицы и представить графически семействами кривых для каждого метода в одном масштабе.
Увеличивая число интервалов интегрирования для методов трапеции и Симпсона, постарайтесь найти примерное значение n, для которого модули погрешности ограничения и округления равны.
Используя разработанную программу, вычислить I, используя метод Гаусса с тремя и четырьмя ординатами.
Сделать выводы по работе, подтвердив их данными таблицы и расчётами.
Примечание: при вычислениях принять .π ⁄ 2=1,5708 рад.
7 Содержание отчета
1 Цель работы.
2 Краткие теоретические сведения об особенностях методов численного интегрирования, граф-схемы алгоритмов.
3 Результаты численного интегрирования, расчеты, таблицы и графики.
4 Выводы по лабораторной работе, подтвержденные данными таблицы, графиками и расчётами.
8 Контрольные вопросы.
Привести формулы для вычисления интегралов методами правых, средних и левых прямоугольников.
Как оценить погрешности ошибки интегрирования для метода прямоугольников и трапеций?
В чём сходство и отличие метода трапеций и метода Симпсона? Привести формулу для вычисления интегралов методом Симпсона.
Как изменяются ошибки округления и ограничения при увеличении n ?
Чем отличается метод Гаусса от других рассмотренных методов интегрирования?
Лабораторная работа №3
ИНТЕРПОЛИРОВАНИЕ ФУНКЦИЙ
Цель лабораторной работы – закрепить на практике следующие подразделы темы «интерполирование функций»:
основные понятия теории аппроксимации;
постановка задачи интерполирования;
интерполяционный многочлен Лагранжа;
методы интерполирования Ньютона;
погрешность интерполирования;
интерполяционный полином Чебышева;
аппроксимация сплайнами и с помощью кусочных полиномов.
В результате проведения лабораторной работы студенты должны
знать:
особенности применения и алгоритмы реализации различных методов численного интерполирования;
влияние шага интерполирования и расположения узлов на точность интерполирования;
практические подходы к выполнению интерполяционных вычислений различными методами.
уметь выбирать и реализовывать методы численного интерполирования в соответствии с поставленной задачей, с требуемой точностью и трудоемкостью реализации алгоритмов вычислений.
1 Понятие о приближении функции
Пусть у является функцией от х. Это означает, что любому значению х из области определения поставлено в соответствие значение у. Вместе с тем, на практике часто неизвестна явная связь между х и у, т.е. невозможно записать эту связь в виде некоторой зависимости y=f(x). В некоторых случаях даже при известной зависимости y=f(x) она настолько громоздка (например содержит трудно вычисляемые выражения, сложные интегралы и т.п.), что ее использование в практических расчетах затруднительно.
Наиболее распространенным случаем является задание этой связи в виде некоторой таблицы {xi, yi}. Это означает, что дискретному множеству значений аргумента {xi} поставлено в соответствие множество значений функции {yi}, i=0, 1,..., n. Эти значения – либо результаты расчетов, либо экспериментальные данные. На практике нам могут потребоваться значения у и в других точках, отличных от узлов xi. Однако получить эти значения можно лишь путем очень сложных расчетов или проведения дорогостоящих экспериментов.
Таким образом, для экономии времени и средств мы приходим к необходимости использования имеющихся табличных данных для приближенного вычисления искомого параметра у при любом значении (из некоторой области) параметра х, поскольку точная связь y=f(x) неизвестна.
Этой цели и служит задача о приближении (аппроксимации) функций:
данную функцию f(x) требуется приближенно заменить (аппроксимировать) некоторой функцией (х) так, чтобы отклонение (х) от f(x) в заданной области было наименьшим. Функция (х) при этом называется аппроксимирующей. Для практики весьма важен случай аппроксимации функции многочленом
(x) = a0 + a1x + a2x2 + ... + amxm
В дальнейшем будем рассматривать лишь такого рода аппроксимацию. При этом коэффициенты ai будут подбираться так, чтобы достичь наименьшего отклонения многочлена от заданной функции.
Если приближение строится на заданном дискретном множестве точек {xi}, то аппроксимация называется точечной. К ней относится интерполирование, среднеквадратичное приближение и др. При построении приближения на непрерывном множестве точек (например, на отрезке [a, b],) аппроксимация называется непрерывной, или интегральной.