- •Вычислительная математика лабораторный практикум
- •Содержание
- •Метод исключения Гаусса
- •Введение
- •Построение алгоритма исключения Гаусса
- •3. Реализация алгоритма Гаусса в Excel
- •4. Реализация алгоритма Гаусса в пакете Mathcad
- •5. Реализация алгоритма Гаусса на языке Turbo Pascal
- •6. Вычисление определителя и обратной матрицы
- •7. Выбор ведущего элемента
- •8. Числа обусловленности
- •9. Задания для самостоятельной работы
- •Контрольные вопросы
- •1.Введение
- •Метод Якоби для решения слау
- •Метод Зейделя для решения слау
- •Задания для самостоятельной работы
- •5. Контрольные вопросы
- •Численные методы решения нелинейных уравнений
- •1. Введение
- •2. Отделение корней уравнения
- •3. Метод дихотомии для решения нелинейных уравнений
- •4. Метод Ньютона для решения нелинейных уравнений
- •5. Задания для самостоятельной работы
- •6. Контрольные вопросы
- •Полиномиальная интерполяция
- •1. Интерполяция данных каноническим полиномом
- •2. Интерполяционный полином Ньютона
- •3. Интерполяционный полином Лагранжа
- •4. Задания для самостоятельной работы
- •Контрольные вопросы
- •Метод наименьших квадратов
- •1. Введение
- •2. Линейная аппроксимация
- •3. Аппроксимация нелинейными функциями
- •4. Аппроксимация полиномом
- •Задания для самостоятельной работы
- •6. Контрольные вопросы
- •1. Введение
- •2. Постановка задачи
- •3. Численное дифференцирование с заданной точностью
- •Модификация алгоритма численного дифференцирования Использование центральной разности (6.3) для приближения производной позволяет проводить вычисления с точность порядка :
- •Результаты вычислений сведем в таблицу:
- •5. Действия над приближенными числами
- •6. Задания для самостоятельной работы
- •Контрольные вопросы
- •1. Введение
- •2. Метод прямоугольников
- •3. Метод трапеций
- •4. Метод парабол
- •5. Вычисление интегралов с заданной точностью
- •Метод Гаусса
- •7. Задания для самостоятельной работы
- •2. Провести расчеты знакомого уже нам интеграла ошибок
- •8. Контрольные вопросы
- •Список литературы
- •Учебное издание
6. Контрольные вопросы
В чем суть проблемы интегрального сглаживания?
Какое условие согласования исходной сеточной функции и аппроксимирующей функции лежит в основе метода наименьших квадратов?
Какие функции в качестве базисных используются в МНК?
Запишите общий вид аппроксимирующей функции 2-ой степени, получаемой согласно метода наименьших квадратов.
Как формируется система уравнений для поиска неизвестных коэффициентов по МНК?
Какие численные методы можно использовать для решения полученной СЛАУ?
Как определить значение исходной сеточной функции в точке, не являющейся узловой?
Лабораторно-практическая работа 6
Численное дифференцирование
1. Введение
Решение задач на компьютере условно можно разделить на следующие этапы:
- постановка задачи, её формализация и построение математической модели;
выбор метода решения и разработка алгоритма;
составление программы, её отладка и тестирование;
вычисления, анализ результатов расчета и документирование.
На всех этапах решения задачи на компьютере возникают погрешности, искажающие результаты вычислений. Ошибки результата будут складываться из:
неточности используемой математической модели;
погрешности исходных данных;
погрешности используемого приближенного метода;
погрешности округления и выполнения арифметических операций.
Если в модели не учтены какие-либо важные черты рассматриваемой задачи, то она может внести существенные погрешности. Погрешность математической модели связана с принятыми допущениями, упрощающими решаемую задачу. Кроме того, важно правильно учитывать область применения модели.
Исходные данные задачи часто являются основным источником погрешности. Эти погрешности не могут быть уменьшены в процессе решения задачи. Следует стремиться к тому, чтобы все исходные данные были примерно одинаковой точности.
Погрешность метода связана, например, с тем, что при решении задачи обычно производную заменяют разностью, интеграл – суммой или бесконечный итерационный процесс обрывают после некоторого конечного числа итераций. При выборе метода вычисления и построении алгоритма погрешность можно регулировать и, поэтому стремятся довести её до величины, в несколько раз меньшей погрешности исходных данных. Дальнейшее её снижение не приведет к повышению точности результатов, а лишь необоснованно увеличит объем вычислений.
Из-за ограниченности разрядной сетки при компьютерных вычислениях неизбежны погрешности округления. В отличие от ручных коротких вычислений, в длинных компьютерных расчетах эти ошибки могут накапливаться. Иногда погрешности округлений в сочетании с плохо организованным алгоритмом могут сильно исказить результаты. В зависимости от реализуемого алгоритма, ошибки округления могут либо расти, либо уменьшаться. Поэтому очень важно использовать, так называемые, устойчивые алгоритмы, в которых ошибки округления не накапливаются.
В данной работе, на примере задачи численного дифференцирования, обсудим, с одной стороны, вопросы, связанные с точностью вычислений, а с другой, продемонстрируем различные этапы создания программного продукта.