- •1 Простые типы данных языка программирования си.
- •2 Операции над данными (операция присваивания, арифметические операции, операции над битами, операции отношения, логические операции, операция условия) языка программирования си.
- •4. Операторы организации цикла
- •5.Операторы continue, break
- •15 Численные методы решение алгебраических уравнений: постановка задачи, табличный способ отделения корней.
- •16 Численные методы решение алгебраических уравнений: метод половинного деления. Метод половинного деления
- •17 Численные методы решение алгебраических уравнений: метод хорд
- •18 Численные методы решение алгебраических уравнений: метод Ньютона, модифицированный метод Ньютона. Метод Ньютона
- •19 Численные методы решение алгебраических уравнений: метод секущих. Метод секущих
- •Метод простых итераций
- •21 Численные методы решения систем линейных уравнений (слау): постановка задачи.
- •23 Численные методы решения систем линейных уравнений (слау): метод Гаусса
- •24 Численные методы решения систем линейных уравнений (слау): метод простых итераций
- •25 Численные методы решения систем линейных уравнений (слау): метод Зейделя.
- •26 Численные методы восстановления функций: постановка задачи.
- •27 Численные методы восстановления функций: интерполяция полиномом Лагранжа. Интерполяционные формулы Лагранжа и Ньютона.
- •28 Численные методы восстановления функций: погрешность интерполирования (остаточный член интерполяционной формулы и оптимальный выбор узлов).
- •2 9 Численные методы восстановления функций: интерполяция кубическим сплайном.
- •30 Численные методы восстановления функций: метод наименьших квадратов.
- •31 Методы численного интегрирования: постановка задачи, метод прямоугольников. Общие положения
- •Метод прямоугольников
- •32 Методы численного интегрирования: постановка задачи, метод трапеций. Метод трапеции
- •33 Методы численного интегрирования: постановка задачи, метод Симпсона. Метод Симпсона
- •34 Методы численного интегрирования: постановка задачи, методы Монте–Карло.
- •35 Решение математических задач в excel.
- •36 Понятие информационной системы. Виды информационных систем.
- •37 Виды и модели данных.
- •38 Понятие базы данных. Виды баз данных.
- •39 Элементы баз данных. Принципы создания базы данных. Языковые средства баз данных.
- •Работа с данными в среде FoxPro
- •Создание программных продуктов
- •Системный интерфейс FoxPro
- •Главное меню субд
- •Меню FoxPro для dos
- •Главное окно и меню FoxPro для Windows.
- •Обозначения и структура команд субд
- •Знаки операций
- •Структура команд
- •Создание файла базы данных
- •Создание структуры файла
- •Заполнение базы данных
- •Дополнение бд
- •Окно редактирования
- •Перемещения в базе данных
- •Просмотр данных
- •Удаление данных
- •Изменение данных
- •Фильтрация данных
- •Последовательный поиск
- •Продолжение поиска
- •43 Индексирование базы данных в foxpro индексирование баз данных
- •44 Работа с несколькими базами данных: связь одна запись к одной в foxpro. Работа с несколькими базами
- •Понятие о рабочих областях
- •Связь вида одна_запись_к_одной
- •Связь вида одна_запись_ко_многим
- •Команды ввода-вывода
- •Работа с переменными
- •Команды управления
- •48 Команды организации циклов в foxpro. Организация циклов Цикл с условием
- •50 Понятие компьютерной сети, назначение.
- •51Общие принципы организации и функционирования сети. Общие принципы организации и функционирования компьютерных сетей
- •52 Протоколы передачи данных в сети. Протоколы передачи данных
- •Работа протоколов
- •53 Каналы связи в сети. Типы кабелей. Беспроводная среда. Каналы связи
- •Типы кабелей
- •54 Классификация компьютерных сетей.
- •55 Локальные сети: понятие и особенности. Локальные сети
- •56 Особенности организации локальной сети: одноранговая сеть, сеть с выделенным сервером. Особенности организации локальных сетей
- •2.3.1. Одноранговая сеть
- •Сеть с выделенным сервером
- •57 Топология локальных сетей: понятие и виды. Топология локальных сетей
- •Топология "звезда"
- •58 Глобальные сети: понятие и особенности.
28 Численные методы восстановления функций: погрешность интерполирования (остаточный член интерполяционной формулы и оптимальный выбор узлов).
Погрешность интерполирования
Остаточный член интерполяционной формулы
Заменяя функцию интерполяционным полиномом , мы допускаем погрешность (3.3.1):
(3.3.1)
которая называется погрешностью интерполирования или остаточным членом интерполяционной формулы.
В узлах интерполирования эта погрешность равна нулю.
Погрешность интерполирования определяется следующим соотношением (3.3.2):
(3.3.2)
где и
Отсюда следует оценка точности восстановления функции (3.3.3):
(3.3.3)
где
(3.3.4)
где .
В частности, если - алгебраический многочлен степени , то интерполирование, проведено по любым точкам , осуществляется точно.
Данная оценка справедлива как для формулы Лагранжа. Та ки для формулы Ньютона.
Оптимальный выбор узлов
Величину , входящую в оценку точности интерполирования, можно минимизировать за счет выбора узлов интерполирования.
Задача состоит в том, чтобы подобрать узлы , так чтобы минимизировать величину:
Решение данной задачи определяется следующим соотношением:
(3.3.5)
и оценка (3.3.3) примет вид:
(3.3.6)
Но при этом следует помнить, что бесконечное увеличение числа узлов может и не привести к уменьшению ошибки интерполяции. Об этом более подробно можно прочесть в А.А. Самарский и др. Численные методы, 1989.
2 9 Численные методы восстановления функций: интерполяция кубическим сплайном.
30 Численные методы восстановления функций: метод наименьших квадратов.
Метод наименьших квадратов (МНК)
Если набор экспериментальных данных (узлов интерполяции) получен со значительной погрешностью, то не имеет смысла использовать интерполяцию Лагранжа полиномами или сплайнами. В этом случае необходимо провести аппроксимирующую кривую, которая не проходит через экспериментальные точки (узлы), но в то же время отражает исследуемую зависимость.
Пусть восстанавливаемая функция задана таблицей 1 на интервале .
Таблица 1
-
x
f(x)
x0
f0
…
…
xn
fn
Введем непрерывную функцию для аппроксимации функции .
Отклонение функции от в узловых точках определяется (3.5.1):
(3.5.1)
Потребуем, чтобы сумма квадратов отклонений аппроксимирующей функции от восстанавливаемой в узловых точках была минимальна (3.5.2):
(3.5.2)
Такой способ построения аппроксимирующей функции называется метод наименьших квадратов (МНК).
Наиболее распространен способ выбора функции в виде линейной комбинации (3.5.3):
(3.5.3)
- базисные функции; ; - коэффициенты, которые определяются из условия (3.5.2).
Условия минимума функции : частные производные по коэффициентам должны быть равны нулю(3.5.4):
(3.5.4)
Из системы (3.5.4) определяются коэффициенты .
В матричном виде система (3.5.4) выглядит так (3.5.5):
Матрица системы (3.5.4) имеет вид (3.5.5):
, (3.5.5)
где
- скалярное произведение базисных функций.
- скалярные произведения элементов столбца свободных членов.
Пример.
Восстанавливаемая функция задана таблицей:
-
x
f(x)
x0
f0
…
…
xn
fn
В качестве аппроксимирующей функции возьмем .
Требуется определить коэффициенты .
1)
2) Найдем производные по и приравняем их к нулю:
3) Тогда решив данные уравнения, получим коэффициенты :