Главная страница
Навигация по странице:

  • Сумма 6,25 2,811 11,719

  • Сумма 6,25 2,811 14,844

  • математическое моделирование. 7915726_мат_мод_испр. Используя заданную функцию f(x), которая выбирается из таблицы 1 по числу N


    Скачать 191.88 Kb.
    НазваниеИспользуя заданную функцию f(x), которая выбирается из таблицы 1 по числу N
    Анкорматематическое моделирование
    Дата29.01.2022
    Размер191.88 Kb.
    Формат файлаdocx
    Имя файла7915726_мат_мод_испр.docx
    ТипДокументы
    #345362
    страница1 из 5
      1   2   3   4   5

    Задание 1.


    Используя заданную функцию f(x), которая выбирается из таблицы № 1 по числу N10, рассчитать 5 точек в интервале [а, b/4], которые использовать как узлы интерполяции. Выбрать точку х внутри этого интервала, в которой восстановить значение функции с помощью заданного метода интерполяции. Метод интерполяции выбрать по числу N4+1 из следующего общего списка методов интерполяции:

    последние две цифры = 72 => N10 = 2, N4+1 = 1

    Метод Лагранжа;

    Функция f(x)

    N10

    Параметры

    a

    b

     

    А

    В

    C

    D










    Ln(AxВ +C)sin(Dx)

    2

    1

    1

    1

    1

    0

    10





    f(x) = ln(x+1)sin(x)

    интервал [0;2,5]

    f(0) = ln(1)*sin(0) = 0

    f(0,625) = ln(0,625+1)*sin(0,625) = 0,284

    f(1,25) = ln(1,25+1)*sin(1,25) = 0,77

    f(1,875) = ln(1,875+1)*sin(1,875) = 1,0

    f(2,5) = ln(2,5+1)*sin(2,5) = 0,75
    В общем виде интерполяционный многочлен в форме Лагранжа записывается в следующем виде:

    Полином Лагранжа для пяти точек


    В общем виде

    L5(x) = 0,05477*x^4-0,5118*x^3+1,0678*x^2-0,02627*x
    Пусть х = 1

    P(0) = -0,034

    P(0,625) = (1-0)*(1-1,25)*(1-1,875)*(1-2,5)/((0,625-0)*(0,625-1,25)*(0,625-1,875)*(0,625-2,5)) = 0,3584

    P(1,25) = (1-0)*(1-0,625)*(1-1,875)*(1-2,5)/((1,25-0)*(1,25-0,625)*(1,25-1,875)*(1,25-2,5)) = 0,8064

    P(1,875) = (1-0)*(1-0,625)*(1-1,25)*(1-2,5)/((1,875-0)*(1,875-0,625)*(1,875 -1,25)*(1,875-2,5)) = -0,1536

    P(2,5) = (1-0)*(1-0,625)*(1-1,25)*(1-1,875)/((2,5-0)*(2,5-0,625)*(2,5-1,25)*(2,5-1,875)) = 0,0224

    L5(1) = 0*(-0,034)+0,284*0,3584+0,7696*0,8064+1,0076*-0,1536+0,7497*0,0224 = 0,5844

    Сравним

    f(1) = ln(1+1)*sin(1) = 0,5833

    Δ = (0,5833-0,5844)/0,5833 = 0,0019 (0,2%)

    Результат вполне удовлетворительный.

    Проверим в MathCad



    Решения совпали

    Задание 2.


    Используя полученные на предыдущем этапе точки построить аппроксимирующие полиномы второго порядка у = d2х2 + d1x + d0 ме­тодом наименьших квадратов при всех одинаковых весовых коэффициен­тах и при весовом коэффициенте в третьей точке в 3 раза большем, чем в остальных (т.е. при 3=3). Получить среднеквадратичную погрешность аппроксимации, величину квадратичного критерия близости и расчётное значение y в третьей точке. Сравнить полученные результаты. Сделать выводы о том, устраивает ли полученное аппроксимирующее уравнение второго порядка по погрешности, сравнивая среднеквадратичную погрешность с заданной в обоих случаях, т.е. и при всех одинаковых весовых коэффициентах и при 3=3. Если результат не утраивает, то, что делать в таком случае дальше. Также проанализировать, как повлияло введение весового коэффициента 3=3 на точность аппроксимации в третьей точке (по величине абсолютной погрешности в этой точке) и на точность аппроксимации в целом, (по величине критерия близости).

    Примечание: Задача аппроксимации, таким образом, выполняется дважды. В обоих случаях необходимо привести выводы всех расчётных формул и алгоритм расчёта, а не просто результат по готовому пакету программ.
    При решении разного рода задач, часто возникает необходимость описать в виде функциональной зависимости связь между величинами, заданными таблично или в виде набора точек (xi, yi), где i = 0, ..., n. Как правило, эти табличные данные получены экспериментально и имеют погрешности. При аппроксимации желательно получить относительно простую функциональную зависимость (например, многочлен), которая позволила бы «сгладить» экспериментальные погрешности, вычислять значения функции в точках, не содержащихся в исходной таблице. Эта функциональная зависимость должна с достаточной точностью соответствовать исходной табличной зависимости. В качестве критерия точности чаще всего используют критерий наименьших квадратов, т.е. определяют такую функциональную зависимость f(x), при которой



    т.е., обращается в минимум.

    Рассмотрим в качестве функциональной зависимости квадратичную функцию:



    Функция R(a, b, c) будет принимать минимальное значение, если частные производные обращаются в нуль:







    Собираем коэффициенты при неизвестных a, b, c получаем систему уравнений:


    Запишем систему в матричном виде:

    AX = B







    Тогда, решение можно записать в виде:

    X = A-1B

    A-1 – обратная матрица

    Для наших данных



    x

    y

    1

    0

    0

    2

    0,625

    0,284069

    3

    1,25

    0,76956

    4

    1,875

    1,007565

    5

    2,5

    0,749744


    Построим расчетную таблицу



    x

    y

    x^2

    y^2

    xy

    x^3

    x^4

    x^2y

    1

    0

    0

    0

    0

    0

    0

    0

    0

    2

    0,625

    0,284

    0,391

    0,081

    0,178

    0,244

    0,153

    0,111

    3

    1,25

    0,770

    1,563

    0,592

    0,962

    1,953

    2,441

    1,202

    4

    1,875

    1,008

    3,516

    1,015

    1,889

    6,592

    12,360

    3,542

    5

    2,5

    0,750

    6,250

    0,562

    1,874

    15,625

    39,063

    4,686

    Сумма__6,25__2,811__11,719'>Сумма

    6,25

    2,811

    11,719

    2,250

    4,903

    24,414

    54,016

    9,542


    Тогда:



    Аппроксимирующий полином второго порядка при равенстве весовых коэффициентов имеет вид:

    y = -0,24343*x^2+0,964257*x-0,07259

    Составим таблицу, в которую запишем как расчётные у, так и значения y заданные.

    Таблица 4 – Значения f(x), yрасч при равных коэффициентах



    x

    y

    yрасч

    (y-yрасч)^2

    1

    0

    0

    -0,073

    0,005269

    2

    0,625

    0,284

    0,435

    0,022774

    3

    1,25

    0,770

    0,752

    0,000296

    4

    1,875

    1,008

    0,880

    0,016381

    5

    2,5

    0,750

    0,817

    0,00447

     

     

     

    Сумма

    0,04919


    Квадратичный критерий близости:



    Среднеквадратичная погрешность аппроксимации:



    δ = (0,04919/5)^0,5 = 0,1
    Определение аппроксимирующей функции при помощи метода наименьших квадратов при неравных весовых коэффициентах

    d1= d2= d4 = d5=1; d3=3

    В этом случае система уравнений, реализующая метод наименьших квадратов запишется в виде:



    Построим расчетную таблицу



    x

    y

    x^2

    y^2

    xy

    x^3

    x^4

    x^2y

    1

    0

    0

    0

    0

    0

    0

    0

    0

    2

    0,625

    0,284

    0,391

    0,081

    0,178

    0,244

    0,153

    0,111

    3

    1,25

    0,770

    4,6875

    1,776669

    2,885851

    5,859375

    7,324219

    3,607314

    4

    1,875

    1,008

    3,516

    1,015

    1,889

    6,592

    12,360

    3,542

    5

    2,5

    0,750

    6,250

    0,562

    1,874

    15,625

    39,063

    4,686

    Сумма

    6,25

    2,811

    14,844

    3,435

    6,827

    28,320

    58,899

    11,946


    Тогда:


    Аппроксимирующий полином второго порядка при неравенстве весовых коэффициентов имеет вид:

    y = -0,355*x^2+1,0441*x-0,223

    Составим таблицу, в которую запишем как расчётные у, так и значения y заданные.

    Таблица 4 – Значения f(x), yрасч при равных коэффициентах



    x

    y

    yрасч

    (y-yрасч)^2

    1

    0

    0

    0,223

    0,049708

    2

    0,625

    0,284

    0,737

    0,204859

    3

    1,25

    0,770

    0,973

    0,041293

    4

    1,875

    1,008

    0,931

    0,005831

    5

    2,5

    0,750

    0,612

    0,018973

     

     

     

    Сумма

    0,320664


    Квадратичный критерий близости:



    Среднеквадратичная погрешность аппроксимации:



    δ = (0,32/5)^0,5 = 0,253

    Построим графики



    Рис. 1 - Графики аппроксимирующих полиномов и исходной функции
    Расчетные значения для равных коэффициентов:

    f(1.25) = -0,24343*1,25^2+0,964257*1,25-0,07259= 0,752

    Расчетные значения для неравных коэффициентов:

    f(1.25) = -0,355*x^2+1,0441*x-0,223 = 0.973

    Расчетные значения для исходной функции:

    f(1,25) = ln(1,25+1)*sin(1,25) = 0,77

     

    Вывод

    Сравнивая расчетные значения аппроксимирующих функций в третьей точке x = 1,25 и построенных графиков функций (рисунок 1), можно сделать вывод, что аппроксимирующий полином с весовым коэффициентом 3 при х = 1,25 менее точно описывает исходную функцию в окрестности этой точки. Снижение точности в одной точке вызывает увеличение среднеквадратической погрешности, а также величину квадратичного критерия близости, что связано с ухудшением аппроксимации в остальных точках.

      1   2   3   4   5


    написать администратору сайта