Metody numeryczne Laboratorium 5 Info

Podobne dokumenty
Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

UKŁADY RÓWNAŃ LINOWYCH

Definicja interpolacji

KADD Metoda najmniejszych kwadratów

Egzamin maturalny z matematyki CZERWIEC 2011

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Podprzestrzenie macierzowe

ANALIZA KORELACJI IREGRESJILINIOWEJ

MATURA 2014 z WSiP. Zasady oceniania zadań

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Podprzestrzenie macierzowe

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

CAŁKA NIEOZNACZONA. F (x) = f(x) dx.

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Wprowadzenie. metody elementów skończonych

I. Podzielność liczb całkowitych

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Parametryzacja rozwiązań układu równań

Metody numeryczne. Marek Lefik. Wykład 1 Studia doktoranckie

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Materiał ćwiczeniowy z matematyki marzec 2012

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

MARIUSZ KAWECKI zbiór zadań dla zainteresowanego matematyką licealisty

Katalog wymagań programowych z matematyki od absolwenta II klasy (poziom rozszerzony).

Przykładowe zadania dla poziomu rozszerzonego

2. Schemat ideowy układu pomiarowego

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych (zakres rozszerzony)

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ.

Poziom rozszerzony. 5. Ciągi. Uczeń:

Tematy zadań 2 razy 33 przykładowe zadania maturalne. Matura podstawowa

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

Wykład 11. a, b G a b = b a,

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

Twierdzenie Cayleya-Hamiltona

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9

( ) WŁASNOŚCI MACIERZY

Funkcje tworzące - przypomnienie

MACIERZE STOCHASTYCZNE

K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające

Numeryczny opis zjawiska zaniku

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Równania liniowe rzędu drugiego stałych współczynnikach

L1: Zadania z rachunku wektorowego i macierzowego

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Funkcje trygonometryczne Moduł - dział -temat Funkcje trygonometry czne dowolnego kąta

I kolokwium z Analizy Matematycznej

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Materiał ćwiczeniowy z matematyki Marzec 2012

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony

Przejście światła przez pryzmat i z

Zadania z algebry liniowej - sem. I Liczby zespolone

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

METODY NUMERYCZNE. Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer. wykład 3 1

TRANZYSTORY POLOWE JFET I MOSFET

Egzaminy. na wyższe uczelnie zadania

NOWA MATURA 2005 ( ) ( ) Matematyka Arkusz II treści zadań i rozwiązania zadań. 9 maja = + i zapisz ją w

Internetowe Kółko Matematyczne 2004/2005

a jest równa S 2 2 n 1 kn, był rosnący ), gdzie an ... , x4

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Wymagania kl. 2. Zakres podstawowy i rozszerzony. Uczeń:

Analiza drgań wybranych dźwigarów powierzchniowych metodą elementów brzegowych

Zadanie 3. Na jednym z poniższych rysunków przedstawiono fragment wykresu funkcji. Wskaż ten rysunek.

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Analiza Matematyczna I dla Inżynierii Biomedycznej Lista zadań

Ekonomia matematyczna 2-2

x 2 5x + 6, (i) lim 9 + 2x 5 lim x + 3 ( ) 9 Zadanie 1.4. Czy funkcjom, (c) h(x) =, (b) g(x) = x x, (c) h(x) = x + x.

STATYSTYKA OPISOWA WYKŁAD 1 i 2

MATEMATYKA POZIOM PODSTAWOWY

Funkcje trygonometryczne Moduł - dział -temat Funkcje trygonometry czne dowolnego kąta

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

h = 10 / N, a N jest zadaną liczbą naturalną.

Zeszyty naukowe nr 9

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19

Pochodna funkcji jednej zmiennej

Transkrypt:

Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych kwadratów Opis metody zacziemy od prostego przykładu zastosowaia fukcji liiowej jako fukcji aproksymującej. Załóżmy, że podae pukty P 1 (x 1, y 1 ), P 2 (x 2, y 2 ),, P (x, y ) układają się w zależość liiową wówczas ie ma sesu stosować wielomiau wyższego stopia poieważ wystarczy zastosować rówaie prostej y=ax+b gdzie a i b to współczyiki, których wartości ależy ustalić. Poszukiwaie parametrów takiej prostej, która przechodziłaby możliwie ajbliżej wszystkich puktów doświadczalych (P i ), polega a miimalizacji sumy: S(a, b) = [y i y(x i )] 2 = [y i (ax i + b)] 2 gdzie y(x i ) to wartości współrzędej y obliczoej z rówaia prostej dla daych x i a to liczba puktów. Po uwzględiei zapisu ogólego fukcji y(x) = a 0 + a 1 x, zdefiiowaiu pochodych cząstkowych (fukcja wielu zmieych ma miimum w pukcie, dla którego pochode cząstkowe tej fukcji po wszystkich zmieych są rówe zeru) i dokoaiu stosowych przekształceń wzory a współczyiki fukcji liiowej przedstawiają się astępująco: a 1 = x iy i x i y i x2 i ( x i ) 2 a 0 = y i 2 x i xi x i y i x2 i ( x i ) 2 Aalogiczych przekształceń dokouje się dla układów wyższych stopi. Na przykład dla wielomiau aproksymacyjego drugiego stopia y(x) = a 0 + a 1 x + a 2 x 2 układ rówań przedstawia się astępująco: a 0 + a 1 x i + a 2 x i 2 = y i a 0 x i + a 1 x 2 i + a 2 x 3 i = x i y i 2 a 0 x i + a 1 x 3 i + a 2 x 4 i = x 2 i y i A dla wielomiau aproksymacyjego trzeciego stopia y(x) = a 0 + a 1 x + a 2 x 2 + a 3 x 3 układ rówań ma postać: a 0 + a 1 x i + a 2 x 2 3 i + a 3 x i = y i 3 a 0 x i + a 1 x 4 i + a 2 x 5 6 i + a 3 x i = x 3 i y i Układy rówań ormalych odpowiadające wielomiaom aproksymacyjym wyższych stopi rozbudowuje się w sposób aalogiczy.

Układy rówań ormalych są układami rówań liiowych, w których iewiadomymi są a 0, a 1,, a a sumy różych potęg x i k (X) oraz iloczyów x i k y i (A) odpowiedio staowią wyrazy wole oraz wartości współczyików przy iewiadomych. Ozacza to, że uzyskay układ rówań moża zapisać w postaci macierzowej jako: X A = Y gdzie (dla wielomiau drugiego stopia): 2 x i x i a 0 y i 2 3 X = [ x i x i x i ] A = [ a 1 ] Y = [ x i y i ] 2 3 4 x i x i x a 2 2 i x i y i Rozwiązaie układu to: A = X 1 Y Przykład Zastosować wielomia aproksymacyjy: a) drugiego stopia, b) trzeciego stopia, dla zadaych puktów: P 1 ( 4, 1), P 2 ( 2, 4), P 3 (0,0), P 4 (2, 4), P 5 (4, 1), P 6 (5,1), P 7 (6, 2). Rys 1 Rys. 2

plik Lab5_P.m %UWAGA Przykład iekomplety -> brak algorytmów ustalających wartości macierzy X, Y i yi %liczba puktów %współrzęde puktów x=[-4, -2,0,2,4, 5, 6]; y=[-1, 4,0,-4,-1, 1,-2]; if legth(x)==legth(y) %ustalamy stopień wielomiau aproksymacyjego stopie=3; =legth(x); X=zeros(stopie+1,stopie+1); A=zeros(stopie+1,1); Y=zeros(stopie+1,1); %obliczaie macierzy X for :stopie+1 for j=1:stopie+1 %algorytm ustalający wartości w macierzy X %X(i,j)=...; ed ed disp("macierz X"); disp(x); %obliczaie macierzy Y for :stopie+1 for k=1: %algorytm ustalający wartości w macierzy (wektorze) Y %Y(i,1)=... ed ed disp("macierz Y"); disp(y); A=iv(X)*Y; disp("macierz A - współczyików"); disp(a); %obliczaie wartości fukcji a podstawie obliczoych wartości współczyików wielomiau yi=zeros(1,); for : for j=1:stopie+1 %algorytm ustalający wartości w macierzy (wektorze) yi %yi(1,i)=... ed ed disp("macierz yi") disp(yi); plot(x,y, 'bx--'); grid o; hold o; plot(x,yi, 'ro--'); tytul_rys=spritf('niebieskie - pukty rzeczywiste, czerwoe - pukty obliczoe a podstawie uzyskaego wielomiau %d stopia',stopie); title(tytul_rys); else disp("liczba współrzędych x ie jest rówa liczbie współrzędych y"); ed

Przykład iterpolacji w Octave: plik Lab5_2.m x=[0, 1, 2, 3, 4, 5, 6]; %współrzęde puktów zadaych y=[-1, 2, 3, 3.5, 5, 7, 9]; xi=x; yi=iterp1(x,y, xi,'liear'); %współrzęde puktów obliczoych dla argumetów xi (xi=x) %ie metody: splie, cubic, pchip, earest subplot(2,2,1); title("wykres puktowy"); grid o; hold o; plot(x,y,'o'); plot(x,yi,'rx'); subplot(2,2,2); title("wykres liiowy"); grid o; hold o; plot(x,y); plot(x,yi); %iterpolacja fukcji sius i cosius t=0:5; ys=si(t); ti=0:0.1:5; ysi=iterp1(t,ys,ti); yc=cos(t); yci=iterp1(t,yc,ti); subplot(2,2,3); title("iterpolacja fukcji sius i cosius "); grid o; hold o; plot(ti, ysi); plot(ti, yci, 'r'); Rys. 3

%współrzęde puktów zadaych x=[0,1,2,3,4,5,6]; y=[-1,2,4,3.5,2,7,9]; stopie=4; %macierz (wektor) współczyików wielomiau A=polyfit(x, y, stopie); yi=zeros(1,7); Przykład aproksymacji w Octave: plik Lab5_3.m %obliczaie wartości fukcji a podstawie ustaloego wielomiau for :7 yi(1,i)=0; for j=1:stopie+1 yi(1,i)=yi(1,i) + A(1,j)*x(1,i)^(stopie+1-j); ed ed plot(x,y,'rx'); grid o; hold o; plot(x, yi); Rys. 4