- •Методические указания
- •Часть 1
- •1. Численное решение нелинейных уравнений.
- •1.1. Метод деления отрезка пополам.
- •1 Input a, b, e
- •1.2. Метод Ньютона (метод касательных).
- •Input X, e
- •1.3. Метод простой итерации.
- •Input X, e, m
- •2. Методы решения систем линейных
- •2.1. Метод Гаусса.
- •2.2. Метод прогонки.
- •2.3. Метод простой итерации (метод Якоби).
- •2.4. Метод Зейделя.
- •3. Численные методы решения систем
- •3.1. Метод простой итерации (метод Якоби).
- •3.2. Метод Зейделя.
- •Input X,y, m1,m2
- •Input tt
- •3.3. Метод Ньютона.
- •Input X, y
- •Input tt
- •4.1. Приближение функции по методу наименьших
- •I XI xi2 yi xiyi
- •I XI xi2 xi3 xi4 yi xiyi xi2yi
- •4.2. Интерполяционный полином
- •4.3. Интерполяционный полином
- •Литература
Input X, y
1 F = 2*SIN(X+1)-Y - 0.5
G = 10*COS(Y-1)-X+0.4
Fx =2*COS(X+1)
Fy =-1
Gx =-1
Gy =-10*SIN(Y-1)
D = Fx*Gy- Gx*Fy
DX=(G*Fy-F*Gy)/D
DY=(F*Gx-G*Fx)/D
X =X+DX
Y =Y+DY
PRINT X;Y; F;G;DX;DY;
Input tt
GOTO 1
END
Рис.3.3. Программа, реализующая метод Ньютона
4.1. Приближение функции по методу наименьших
квадратов (МНК).
Очень часто в практической работе возникает необходимость найти в явном виде функциональную зависимость между величинами x и y, которые получены в результате измерений.
Как правило, общий вид этой функциональной зависимости или так называемой эмпирической формулы известен, а некоторые числовые параметры закона неизвестны.
Процесс выражения опытных данных функциональной зависимостью с помощью метода наименьших квадратов состоит из двух этапов: на первом этапе выбирают вид искомой формулы, а на втором этапе для формулы подбирают параметры. Для первого этапа удобно графическое представление этой зависимости и по ней выбрать вид возможной зависимости во втором этапе, в соответствии с идеей МНК, необходимо минимизировать сумму отклонений:
S = (y(xi)-yi)2 (4.1)
где xi, yi - значения опытных данных y(xi) - значение функции, вычисленное в точке xi ; n - число опытов.
В случае линейной эмпирической формулы (4.1) принимает вид:
S(a,b) = (axi + b - yi)2 min (4.2)
Функция (4.2) имеет минимум в точках, в которых частные производные от S по параметрам a и b обращаются в нуль, т.е.
S(a,b)/a=0, S(a,b)/b=0 (4.3)
2(a xi+ b - yi) xi = 0
2(a xi+ b - yi) = 0
a xi2 + b xi = xi yi
a xi + b n = yi (4.4)
Решая систему уравнений (4.4), получим значения a и b уравнения y=ax+b.
Пример: Подобрать аппроксимирующий полином первой степени y=ax+b для данных
xi 0 1 2 3
yi 0.1 0.9 2.1 3
Решение: Для удобства вычисленные значения расположим в таблице.
Таблица 4.1
I XI xi2 yi xiyi
1 0 0 0.1 0
2 1 1 0.9 0.9
3 2 4 2.1 4.2
4 3 9 3 9
6 14 5.1 14.1
Система для определения коэффициентов имеет вид:
14 a + 6 b = 14.1
6 a + 4 b = 5.1 (4.5)
Решая систему (4.5), получим следующие значения параметров a=1.29; b=-0.675. Следовательно, искомый полином имеет вид y= 1.29 x - 0.67.
В случае квадратичной зависимости (4.1) принимает вид:
S(a,b,c) = (axi2 + bxi + c - yi)2 min (4.6)
Функция (4.6) имеет минимум в точках, в которых частные производные от S по параметрам a, b, c обращаются в нуль:
S(a,b,c)/a=0, S(a,b,c)/b=0, S(a,b,c)/c=0 (4.7)
В результате дифференцирования и элементарных преобразований для определения параметров получают систему линейных уравнений:
S(a,b,c)/a = 2 (axi2 + bxi + c - yi) xi2=0
S(a,b,c)/b = 2 (axi2 + bxi + c - yi) xi=0
S(a,b,c)/c = 2 (axi2 + bxi + c - yi) *1=0
Система линейных уравнений состоит из трех уравнений с тремя неизвестными:
a xi4 + b xi 3 + c xi2 = xi2 yi
a xi3 + b xi 2 + c xi = xi yi (4.8)
a xi2 + b xi + c n = yi
Решая систему линейных уравнений (4.8) получим значения a, b, c уравнения y=ax2+bx+c.
Пример: Используя МНК построить эмпирическую зависимость y=ax2+bx+c, аппроксимирующую следующие табличные значения:
xi -2 -1 0 1 2
yi 6 2 -1 -2 -1
Решение: Расчеты представим в виде таблицы 4.2.
Таблица 4.2