- •В.В. Чуркин численные методы
- •Содержание
- •Нелинейных уравнений Краткие сведения
- •1 Метод деления пополам (метод дихотомии, метод бисекций)
- •2 Метод хорд
- •3 Метод касательных (метод Ньютона)
- •4 Метод секущих
- •5 Метод итераций
- •5 Комбинированные методы решений нелинейных уравнений
- •Решение нелинейных уравнений в системе Mathcad
- •Пример построения графика функции и решения нелинейного уравнения
- •Лабораторная работа 1
- •Задание
- •Контрольные вопросы
- •Краткие сведения
- •Интерполирование в системе Mathcad
- •Лабораторная работа 2
- •Содержание отчета
- •Контрольные вопросы
- •Краткие сведения Алгебра матриц
- •Алгоритмы формирования матриц
- •Методы разложения матриц
- •Методы обращения матриц
- •Операции с векторами и матрицами в системе Mathcad
- •Лабораторная работа 3
- •Задание
- •Содержание отчета
- •Контрольные вопросы
- •Методы решений систем линейных алгебраических уравнений (слау) Краткие сведения
- •Прямые методы решений слау Метод Гаусса
- •Метод ортогонализации строк
- •Метод решения системы с ленточными матрицами
- •Метод Холецкого
- •Метод квадратного корня Пусть требуется решить слау с симметрической положительно определенной матрицей Матрица приводится к виду где
- •Метод прогонки
- •Метод вращений
- •Итерационные методы решений слау
- •Метод релаксации
- •Вычисление матричных выражений
- •Пример решения слау в системе Mathcad
- •Лабораторная работа 4
- •Контрольные вопросы
- •Лабораторная работа 5
- •Контрольные вопросы
- •Краткие сведения
- •Выполнение аппроксимации (регрессии) в системе Mathcad
- •Пример проведения регрессий – линейной и линейной общего вида
- •Лабораторная работа 6
- •Задание
- •Содержание отчета
- •Контрольные вопросы
- •Краткие сведения
- •Вычисление первообразных и интегралов в системе Mathcad
- •Лабораторная работа 7
- •Задание
- •Варианты вычисляемых интегралов и методов (формул) вычислений представлены в таблицах 1 и 2
- •Контрольные вопросы
- •Краткие сведения
- •Метод интегрирования оду с помощью ряда Тейлора
- •Метод Эйлера
- •Метод Рунге-Кутта третьего порядка рк3
- •Ошибки методов
- •Интегрирование систем оду и оду высших порядков
- •Методы прогноза и коррекции
- •Первый вариант метода Адамса
- •Второй вариант метода Адамса
- •Метод на основе методов Милна и Адамса-Башфорта
- •Метод Хемминга
- •Интегрирование систем оду в системе Mathcad
- •Пример 2
- •Контрольные вопросы
Содержание отчета
Задание
Формулы с пояснениями
Результаты выполнения задания в Mathcad’е.
Блок-схема алгоритма и таблица идентификаторов
Код с комментариями
Значения коэффициентов аппроксимирующего многочлена для m=0..8.
График аппроксимирующего многочлена для m=2 с нанесенными на график исходными данными
Библиографический список.
Контрольные вопросы
В чем состоит цель задачи аппроксимации?
Расскажите о теоретических и практических достоинствах критерия наименьших квадратов.
Какие методы аппроксимации рассматриваются в лабораторной работе?
Когда используется линейная аппроксимация?
Когда используется аппроксимация степенным полиномом?
Когда используется линейная аппроксимация общего вида?
Как определяются параметры аппроксимирующей прямой?
Как определяются параметры аппроксимирующего полинома?
Как задаются и определяются параметры аппроксимирующей функции при линейной аппроксимации общего вида?
Объясните алгоритм аппроксимации степенным полиномом.
Объясните полученные результаты при =0 и при=1.
ЧИСЛЕННЫЕ МЕТОДЫ ВЫЧИСЛЕНИЯ
ОПРЕДЕЛЕННЫХ ИНТЕГРАЛОВ
Краткие сведения
Для вычисления определенного интеграла используется формула Ньютона-Лейбницаесли первообразнаяможет быть найдена или не является слишком громоздкой:
В противном случае вычисляют приближенное значение интеграла по квадратурной формуле
содержащей параметров (абсцисс,nкоэффициентови число узлов), которые нужно выбрать такчтобы формула давала достаточно малую погрешность для широкого класса функций. Очевидночем больше, тем выше точностьУказанному требованию удовлетворяют квадратурные формулы Ньютона-Котеса и квадратурная формула Гаусса
Квадратурные формулы Ньютона-Котеса
Формулы Ньютона-Котеса относятся к случаю равноотстоящих узлов интегрированияОни получены как результат интерполяции подынтегральной функции полиномом Лагранжа и в общем случае имеют вид
где - коэффициенты Котеса
Очевидно, коэффициенты Котеса не зависят от подынтегральной функции.
Для от 1 до 8 они имеют значения:
n=1: H0 = H1 = 0.5;
n=2: H0 = H2 = 0.1666667, H1 = 0.6666667;
n=3: H0 = H3 = 0.125, H1 = H2 = 0.375;
n=4: H0 = H4 = 0.0777778, H1 = H3 = 0.3555556, H2 = 0.1333333;
n=5: H0 = H5 = 0.0659722, H1 = H4 = 0.2604166, H2 = H3 = 0.1736111;
n=6: H0 = H6 = 0.0488095, H1 = H5 = 0.2571428, H2 = H4 = 0.0321428,
H3 = 0.3238095;
n=7: H0 = H7 = 0.0434606, H1 = H6 = 0.2070023, H2 = H5 = 0.0765626,
H3 = H4 = 0.1729745;
n=8: H0 = H8 = 0.0348853, H1 = H7 = 0.2076895, H2 = H6 = -0.0327336,
H3 = H5 = 0.3702292, H4 = -0.1601410.
Правильность вычисления коэффициентов Котеса можно проверить по их свойствам:
1) 2)
Поскольку интервал интегрирования может быть большимто его делят наравных частей и к каждой из них применяют соответствующую формулуФормула для всего интервала интегрирования становится составнойОбычно используют.
1 Формула трапеций (n=1)
где - шаг интегрирования
2. Формула Симпсона (n=2)
где - шаг интегрирования
3. Формула Ньютона (“трех восьмых”, n=3)
где- шаг интегрирования
В этих формулах шаг интегрирования постоянныйи поэтому они эффективны в методах с автоматическим выбором шага интегрирования
Процедура автоматического выбора шага интегрирования основана на двукратном вычислении интеграла на каждом шаге: вначале с (значение интеграла), а затем - с(значение интеграла). Еслименьше заданной наперед ошибкито считаетсячто интегрирование на данном шаге выполнено правильноВ противном случаеделится пополами повторяется описанная выше процедура интегрирования
ПримечаниеСпособ повышения точности путем двойного пересчета называетсяправилом Рунге
Квадратурная формула Гаусса
Для увеличения точности здесь взяты неравноотстоящие узлы , что оказалось возможным при интерполировании подынтегральной функции полиномом Лежандра:
где Ниже приведены абсциссыи коэффициентыформулы Гаусса для значений пределов интегрированияпри которых формула Гаусса имеет вид
Абсциссы и коэффициенты формулы Гаусса
n=1:X1= 0.5;A1= 1.0;
n=2: X1 = 0.2113249, X2 = 0.7886751; A1 = A2 = 0.5;
n=3: X1 = 0.1127017, X2 = 0.5, X3 = 0.8872983;
A1 = A3 = 0.2777778, A2 = 0.4444444;
n=4: X1 = 0.0694318, X2 = 0.3300095, X3 = 0.6699905, X4 = 0.9305682;
A1 = A4 = 0.1739274, A2 = A3 = 0.3260726;
n=5: X1 = 0.0469101, X2 = 0.2307653, X3 = 0.5, X4 = 0.7692347,
X5 = 0.9530899;
A1 = A5 = 0.1184634, A2 = A4 = 0.2393143, A3 = 0.2844444;
n=6: X1 = 0.0337652, X2 = 0.1693953, X3 = 0.3806904, X4 = 0.6193096,
X5 = 0.8306047, X6 = 0.9662348;
A1 = A6 = 0.0856622, A2 = A5 = 0.1803808, A3 = A4 = 0.2339570;
n=7: X1 = 0.0254460, X2 = 0.1292344, X3 = 0.2970774, X4 = 0.5,
X5 = 0.7029226, X6 = 0.8707656, X7 = 0.9745540;
A1 = A7 = 0.0647425, A2 = A6 = 0.1398527,
A3 = A5 = 0.1909150, A4 = 0.2089796;
n=8: X1 = 0.0198551, X2 = 0.1016668, X3 = 0.2372338, X4 = 0.4082827,
X5 = 0.5917173, X6 = 0.7627662, X7 = 0.8983332, X8 = 0.9801449;
A1 = A8 = 0.0506143, A2 = A7 = 0.1111905,
A3=A6= 0.1568533,A4=A5= 0.1813419.
Если отрезок интегрирования разбить наравных частей и к каждой из них применить формулу Гаусса для фиксированного , то
где - шаг интегрирования;
--я абсцисса-го шага интегрирования;
- абсциссы и коэффициенты формулы Гаусса
При одинаковом числе ординат формула Гаусса дает большую точностьчем другие формулыно она менее эффективна в методах с автоматическим выбором шага интегрирования
Самой простой квадратурной формулой является формула прямоугольников ( )
Если отрезок интегрирования большой и разбит на равных частейто составная формула прямоугольников имеет вид
где ;
На практике используются также модификации общей формулы: формула “левых” прямоугольников () и формула “правых” прямоугольников ().
Приведем две группы алгоритмов для выполнения заданий в лабораторной работе.
Рис.7.1 – алгоритм получения зависимости фактической ошибки
интегрирования функции по формуле прямоугольников
от шага интегрирования
Рис.7.2 – алгоритм получения зависимости фактической ошибки
интегрирования функции методом Гаусса
от шага интегрирования
Рис.7.3 – алгоритм получения зависимости фактической ошибки
интегрирования функции по формуле трапеций
от шага интегрирования
Рис.7.4 – алгоритм получения зависимости фактической ошибки
интегрирования функции по формуле Симпсона
от шага интегрирования
Рис.7.5 – алгоритм получения зависимости фактической ошибки
интегрирования функции по формуле Ньютона
от шага интегрирования
Рис.7.6 – алгоритм получения зависимости фактической ошибки
интегрирования функции методом Ньютона-Котеса
от шага интегрирования
Рис.7.7 – адаптивный алгоритм получения зависимостей фактической ошибки и временных затрат при интегрировании функции по формуле прямоугольников от задаваемой ошибки
Рис.7.8 – адаптивный алгоритм получения зависимостей фактической ошибки и временных затрат при интегрировании функции
методом Гаусса от задаваемой ошибки
Рис.7.9 – адаптивный алгоритм получения зависимостей фактической ошибки и временных затрат при интегрировании функции
по формуле трапеций от задаваемой ошибки
Рис.7.10 – адаптивный алгоритм получения зависимостей фактической ошибки и временных затрат при интегрировании функции
методом Ньютона-Котеса от задаваемой ошибки
Алгоритмы для получения зависимости фактической ошибки вычисления интеграла от шага интегрирования
Эта группа алгоритмов представлена на рис.7.1…7.6. Алгоритмы на рис.7.1, 7.3, 7.4, 7.5 соответствуют частным случаям формул Гаусса и Ньютона-Котеса. Алгоритмы на рис.7.2, 7.6 построены по формулам Гаусса и Ньютона-Котеса в общем случае.
Исходными данными являются: подынтегральная и первообразнаяфункции, пределы интегрирования(вводятся). В алгоритме использованы переменные:– точное значение интеграла, вычисленное по формуле Ньютона-Лейбница,- число шагов интегрирования,- шаг интегрирования,- приближенное значение интеграла. Как результат, выводятся фактическая ошибка вычисления интегралаи шаг интегрирования(или).
Алгоритмы для получения зависимостей
фактической ошибки и временных затрат вычисления интеграла
от задаваемой ошибки интегрирования
Эти алгоритмы (рис.7.7…7.10) являются адаптивными, т.к. здесь шаг интегрирования автоматически устанавливается, начиная со значения , таким, чтобы выполнилось условие:- относительная ошибка интегрирования меньше заданной. Для изменения величины шага используется правило Рунге. Черезобозначено предыдущее значение интеграла; в начале вычислений оно может принято равным любому числу, здесь – нулю. Затраты машинного времени в алгоритме оцениваются косвенно – по числу вызовов подынтегральной функции, для чего использована переменная.
Адаптивные алгоритмы для других частных случаев можно легко составить по аналогии с представленными алгоритмами.