2011- МУ для магистров MathCAD_укр
.pdfПобудова двомірного графіка функції
Для побудови двомірного графіка функції треба виконати наступну про-
цедуру.
1.Установіть хрестоподібний курсор у те місце, де повинен бути побудований графік.
2.На математичній панелі Graph (Графік) клацніть на кнопці X-Y Plot (Двомір-
ний графік).
3.У шаблоні двомірного графіка, що з'явився на місці курсору, введіть на осі абсцис ім'я аргументу, на осі ординат – ім'я функції.
4.Клацніть мишею поза шаблоном графіка – для заданого діапазону зміни ар-
гументу графік буде побудований.
Якщо діапазон значень аргументу не заданий, за замовчуванням графік
будується в діапазоні значень аргументу від – 10 до 10.
Щоб в одному шаблону розмістити декілька графіків, необхідно, набравши на осі ординат ім'я першої функції, нажати клавішу «,» (кома) – куток курсору при цьому обов'язково повинен перебувати наприкінці імені функції, і в місці уведення (чорному квадратику), що з'явилося, вписати ім'я другої функції і т.д.
Якщо дві функції мають різні аргументи, наприклад f1(x) і f2(y), то на осі ординат треба ввести ( через кому) імена обох функцій, а на осі абсцис (також через кому) – імена обох аргументів x і y. Тоді перший графік буде побудова-
ний для першої функції по першому аргументу, другий графік – для другої фу-
нкції по другому аргументу.
Якщо функцій уведено декілька, а аргументів два, то графік першої фун-
кції будується по першому аргументу, графіки інших функцій – по другому ар-
гументу.
Якщо ввести на осях ординат і абсцис імена двох функцій одного аргуме-
нту, то буде побудований параметричний графік функції.
Щоб відфарматувати графік, двічі клацніть мишею в області графіка – ві-
дкриється діалогове вікно форматування графіка. Нижче перераховані вкладки вікна форматування графіка.
20
ПРИКЛАДИ ВИКОНАННЯ ЗАВДАННЯ
Приклад 1: Знайти координати точок перетину автотрасою залізничної гі-
лки, що йде вздовж осі Ох, якщо лінія автотраси описується трансцендентним рівнянням: 4x 15 x2 22 x 77 (рис. 14)
Рис.14. Реалізація в MathCAD прикладу 1
Приклад 2. Лінія автотраси – поліном четвертого ступеня Реалізацію прикладу в MathCAD наведено на рис. 15
21
Рис.15. Реалізація в MathCAD прикладу 2
Приклад 3. Розв’язати систему лінійних алгебраїчних рівнянь методом
зворотної матриці:
7.5 x1 4.8 x2 8.2 x3 68 x1 4.2 x2 5.3 x3 37.3 x1 4.5 x2 4.4 x3 2
Реалізацію прикладу в MathCAD наведено на рис. 16
22
Номер першого рядка (стовпця) матриці або першого компонента вектора,
зберігається в Mathcad у змінній ORIGIN.
За замовчуванням в Mathcad координати векторів, стовпцві та рядка мат-
риці нумеруються починаючи з 0 (ORIGIN:=0). Оскільки в математичному за-
писі частіше використовується нумерація з 1, зручно перед початком роботи з матрицями визначати значення змінної ORIGIN таким, що дорівнює 1, вико-
нуючи команду: ORIGIN:=1.
Рис.16. Реалізація в MathCAD прикладу 3
Приклад 4. Знайти координати точок перетину двох автомобільних трас, ви-
рішуючи систему нелінійних рівнянь. Лінії автотрас задані нелінійними функціями Реалізацію прикладу в MathCAD наведено на рис. 17
ВИХІДНІ ДАНІ ДЛЯ ВИКОНАННЯ ПРАКТИЧНОЇ РОБОТИ 2
1.Трансцендентна функція лінії автотраси: y(x) nsin 2x n 1 xn 1 (n 20) x (n 50)
2.Лінія автотраси, задана поліномом:
P(x) n x4 n 10 x3 n 20 x2 n 30 x n 40
3. Система лінійних рівнянь |
|
|
|
|
|
|
||
n 1 X1 |
2 n 0.65 X2 |
n 10 X3 |
n 8 |
|||||
|
|
n 9.83 X2 |
n 7.65 X3 n 4 |
|||||
n 1.54 X1 |
||||||||
|
|
3 n 4.61 X |
|
n 17.45 X |
|
n 7.11 |
||
n 0.81 X |
2 |
3 |
||||||
|
1 |
|
|
|
|
|
||
|
|
|
|
|
23 |
|
|
|
Рис.17. Реалізація в MathCAD прикладу 4
4.Знайти координати точки перетину двох автотрас (система нелінійних рі-
внянь):
y1 x n 1 x ln n x 1 2 |
|
|
|
|
x |
|
|
y2 x n 0.95 |
n x n n 4 x |
n 10 |
x |
Для всіх варіантів: n – номер варіанту
24
ПРАКТИЧНА РОБОТА 3
ПОШУК ЕМПІРИЧНИХ ФОРМУЛ
Мета роботи: Освоїти математичні методи знаходження функціональ-
них залежностей, що зв'язують дані, отримані в результаті експериментів або спостережень.
Потрібно: За даними, набутими в експерименті:
1.Підібрати вид емпіричної залежності;
2.Знайти параметри цієї залежності;
3.Визначити коефіцієнт лінійної кореляції і відносні погрішності експерименту;
4.За набутими даними оцінити достовірність емпіричної залежності.
КОРОТКІ ТЕОРЕТИЧНІ ВІДОМОСТІ:
Нехай залежність між змінними x та |
y представлена таблицею даних, |
|||||||||
отриманих в експерименті: |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
x1 |
|
x2 |
|
… |
|
xN |
|
|
Y |
|
y1 |
|
y2 |
|
… |
|
yN |
|
Потрібно отримані дані описати деякою функціональною залежністю ви- |
||||||||||
гляду |
y f x . Така |
залежність повинна |
відбити основну |
тенденцію зміни |
||||||
змінної |
y зі зміною змінної |
x і згладити випадкові погрішності вимірів, які є |
неминучими в експерименті.
Задача знаходження емпіричної формули складається із двох основних
етапів. |
|
|
|
|
|
|
На першому етапі необхідно встановити вигляд залежності |
y f x , тобто |
|||||
вирішити |
чи |
є |
вона |
лінійною |
f x a0 a1 x , |
квадратичною |
f x =a0 +a1 |
x+a2 |
x2 |
, логарифмічною f x =a0 +a1 ln x або який-небудь іншою. |
Для цього експериментальні точки наносять на координатну площину і по їх роз-
ташуванню висувають гіпотезу про вигляд емпіричної залежності.
На другому етапі, коли загальний вид емпіричної функції обрано, необхід-
25
но визначити числові значення її параметрів a0 , a1 , a2 ,..., an . Критерієм вибору значень параметрів є метод найменших квадратів (МНК).
У методі найменших квадратів апроксимація відбувається на підставі того,
що сума квадратів відхилень по всіх крапках повинна бути найменшою. Тобто:
N |
N |
|
F k |
f xk yk 2 min , |
(3.1) |
k 1 |
k 1 |
|
Де k – відхилення. |
|
|
Якщо взяти поліном у вигляді: |
|
|
f x =a0 +a1 x+a2 x2 +...+am xm , |
(3.2) |
То F F a0 ,a1 , ...,am
Помітно, що ступінь поліному m повинна бути менше числа крапок N . (у
випадку одержимо поліном лагранжа).
Лінійна апроксимація
У цьому випадку m 1 , тоді апроксимуюча функція буде мати вигляд:
f x =a0 +a1 x |
(3.3) |
Згідно мнк значення її параметрів підбираються таким чином, щоб відхи-
лення експериментальних точок xk ; yk від обраної кривої було мінімальним.
Тобто параметри a0 , a1 повинні бути такими, щоб сума квадратів відхилень спостережуваних значень yk від розрахованих за функцією (3.3), була мініма-
льною. Сума квадратів відхилень від лінійної функції (3.3) має вигляд:
|
|
N |
|
|
|
|
|
|
F a0 , a1 |
a0 a1 xk |
yk 2 min |
|
(3.4) |
||||
|
|
k 1 |
|
|
|
|
|
|
Величина F ao ,a1 є функцією двох змінних. Необхідною умовою екстре- |
||||||||
муму такої функції є рівність нулю всіх її окремих похідних: |
|
|||||||
|
F ao |
,a1 |
0 |
|
F ao ,a1 |
0 |
(3.5) |
|
|
a0 |
|
|
|
a1 |
|||
|
|
|
|
|
|
|
Вони мають вигляд:
26
F a0 , a1 |
|
N |
|
|
|
|
|
2 a0 a1 xk yk 0 |
|
a0 |
|
|
||
|
|
k 1 |
(3.6) |
|
|
F a0 , a1 |
|
N |
|
|
|
|||
|
|
|
2 a0 a1 xk yk xk 0 |
|
a1 |
|
|
||
|
|
k 1 |
|
Таким чином, після перетворення маємо нормальну систему двох лінійних рівнянь щодо невідомих параметрів регресії a0 , a1 .
|
|
N |
|
N |
|
a0 N a1 xk |
yk |
|
|||
|
|
k 1 |
k 1 |
(3.7) |
|
|
N |
N |
|
N |
|
|
|
|
|||
xk |
|
2 |
yk |
xk |
|
a0 |
a1 xk |
||||
|
k 1 |
k 1 |
|
k 1 |
|
Рішення системи – значення параметрів a0 , a1 можна знайти методом зво-
ротної матриці. Представимо систему (3.7) у матричній формі:
N
N
xk
k 1
Тоді:
N |
|
|
|
|
|
|
N |
|
|
|
|
|
xk |
|
a0 |
|
|
yk |
|
a |
|
|
|
||
k 1 |
|
|
k 1 |
|
|
|
||||||
N |
|
a |
|
|
N |
або A |
0 |
|
B |
|||
xk2 |
|
|
|
|
|
yk |
|
a1 |
|
|
||
|
|
1 |
|
xk |
|
|||||||
k 1 |
|
|
|
|
|
k 1 |
|
|
|
|
|
a |
0 |
|
A 1 B |
|
|
|
(3.8) |
||
a1 |
|
|
|
Знайдені параметри регресії a0 , a1 підставляють у рівняння (3.3) і в такий спосіб одержують емпіричне лінійне рівняння, яке найкращим чином описує експериментальні дані.
Для оцінки відповідності підібраної прямої і експериментальних даних уводять поняття коефіцієнта лінійної кореляції, що обчислюється за формулою:
|
|
|
|
|
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
xk |
|
|
yk |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
x |
y |
|
||||||||||
|
|
|
|
|
|
|
|
Ryx |
|
|
k 1 |
|
|
|
|
|
|
(3.9) |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
N |
N |
||||||||||||
|
|
|
|
|
|
|
|
|
|
xk |
x |
2 |
yk |
y |
2 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
k 1 |
k 1 |
|
|||||||||
де: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
1 |
N |
|
|
1 |
N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
xk , |
y |
yk – середні величини змінних х та у. |
|
|||||||||||||||||
|
N |
N |
|
|||||||||||||||||||
|
|
|
k 1 |
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
27 |
|
|
|
|
|
|
|
|
Квадратична апроксимація
Якщо m 2 , то одержуємо функцію:
fx a0 a1 x a2 x2
Уцьому випадку нормальна система має вигляд:
|
F a0 , a1 |
,a2 |
2 a0 a1 xk a2 xk 2 |
yk 0 |
||||
|
||||||||
|
|
|
|
|
|
|
N |
|
|
a0 |
|
|
|
|
k 1 |
|
|
|
F a , a |
|
,a |
|
|
N |
|
|
|
|
|
2 a0 a1 xk a2 xk 2 |
yk xk 0 |
||||
|
0 |
|
1 |
|
2 |
|
||
a1 |
|
|
|
|
||||
|
|
|
|
|
k 1 |
|
||
|
F a , a |
|
,a |
|
|
N |
|
|
|
0 |
|
1 |
|
2 |
|
2 a0 a1 xk a2 xk 2 yk xk 2 0 |
|
a |
|
|
|
|
|
|||
|
2 |
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
(3.10)
(3.11)
Після перетворення маємо нормальну систему трьох рівнянь щодо невідо-
мих параметрів регресії a0 , a1 , a2 :
|
|
N |
N |
N |
|
a0 N a1 xk a2 xk2 |
yk |
|
|||
|
|
k 1 |
k 1 |
k 1 |
|
|
N |
N |
N |
N |
|
a0 |
xk |
a1 xk2 a2 xk3 xk yk |
(3.12) |
||
|
k 1 |
k 1 |
k 1 |
k 1 |
|
|
N |
N |
N |
N |
|
a0 |
xk2 a1 xk3 a2 xk4 xk2 yk |
|
|||
|
k 1 |
k 1 |
k 1 |
k 1 |
|
Розв’язавши систему (3.12) |
щодо параметрів a0 , a1 , a2 |
одержуємо конкре- |
тний вид функції (3.10). Зміна кількості параметрів не призведе до зміни суті самого підходу, а виразиться в зміні кількості рівнянь у системі (3.12).
Значення різниць
yk F a0 ,a1 ,a2 k |
(3.13) |
Називають відхиленнями обмірюваних значень від обчислених за формулами
(3.3) або (3.10).
Сума квадратів відхилень
N |
|
|
k2 |
(3.14) |
|
k |
1 |
|
Відповідно до принципу найменших квадратів для заданого виду функції,
що наближає, повинна бути найменшої.
28
ПРИКЛАДИ ВИКОНАННЯ ЗАВДАННЯ
Приклад 1. Знайти емпіричну функцію, що встановлює залежність між да-
ними, набутими в результаті експерименту (лінійна апроксимація).
х |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
|
|
|
|
|
|
|
|
у |
0,93 |
0,91 |
0,90 |
0,86 |
0,85 |
0,82 |
0,77 |
|
|
|
|
|
|
|
|
Реалізацію лінійної апроксимації в MathCAD наведено на рис. 18
Приклад 2. Знайти емпіричну функцію, що встановлює залежність між да-
ними, набутими в результаті експерименту (квадратична апроксимація).
х |
1,5 |
1,8 |
2,4 |
2,8 |
3,0 |
3,6 |
3,8 |
4,5 |
|
|
|
|
|
|
|
|
|
у |
7,5 |
7,6 |
7,7 |
7,8 |
7,9 |
8,2 |
8,4 |
9,2 |
|
|
|
|
|
|
|
|
|
Реалізацію квадратичної апроксимації в MathCAD наведено на рис. 19
ВИХІДНІ ДАНІ ДЛЯ ВИКОНАННЯ ПРАКТИЧНОЇ РОБОТИ 3
Таблиця 3
Варіанти 1-10
х |
n-0,25 |
n-0,22 |
n-0,21 |
n-0,18 |
n-0,15 |
n-0,13 |
n-0,11 |
n-0,07 |
n-0,06 |
n-0,03 |
|
|
|
|
|
|
|
|
|
|
|
у |
n+0,87 |
n+1,25 |
n+1,34 |
n+1,38 |
n+1,46 |
n+1,49 |
n+1,86 |
n+1,99 |
n+2,11 |
n+2,35 |
|
|
|
|
|
|
|
|
|
|
|
Варіанти 11-20 |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
х |
n-3,48 |
n-3,53 |
n-3,62 |
n-3,88 |
n-3,91 |
n-3,97 |
n-3,98 |
n-4,01 |
n-4,25 |
n-4,26 |
|
|
|
|
|
|
|
|
|
|
|
|
n+6,98 |
n+6,95 |
n+6,91 |
n+6,88 |
n+6,87 |
n+6,55 |
n+6,43 |
n+6,32 |
n+6,31 |
n+6,30 |
у |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
Варіанти 21-30 |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
х |
n+0,94 |
n+0,97 |
n+0,99 |
n+1,02 |
n+1,06 |
n+1,09 |
n+1,11 |
n+1,12 |
n+1,15 |
n+1,26 |
|
|
|
|
|
|
|
|
|
|
|
у |
2n+0,7 |
2n+0,8 |
2n+0,9 |
2n+1,1 |
2n+1,2 |
2n+1,3 |
2n+1,4 |
2n+1,7 |
2n+1,8 |
2n+1,9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для всіх варіантів: n – номер варіанту |
29