Використання бібліотеки ППП Scilab. Лабораторна робота з Теорія прийняття рішень. Робота № 500951

Використання бібліотеки ППП Scilab

Інформація про навчальний заклад

ВУЗ:

Національний університет Львівська політехніка

Інститут:

Не вказано

Факультет:

Не вказано

Кафедра:

Кафедра міжнародної економіки

Інформація про роботу

Рік:

2015

Тип роботи:

Лабораторна робота

Предмет:

Теорія прийняття рішень

Група:

МЕ-32

Завантажити

Частина тексту файла (без зображень, графіків і формул):

Міністерство освіти і науки України Національний університет «Львівська політехніка» Кафедра МІ ЗВІТ до лабораторної роботи №3 з предмету «ТПР» на тему: «Використання бібліотеки ППП Scilab» Виконала: ст.гр. МВ-32 Прийняв: Львів – 2011 Мета роботи: навчитися використовувати бібліотеку ППП Scilab Теоретичні відомості: Scilab – пакет прикладних програм(ППП) для виконання математичних розрахунків. Розробник Scilab – Group INRIA –Rocquencourt Metalau Project. Scilab – некомерційний аналог пакета Matlab. Основні характеристики пакета Scilab: Вільно розповсюджується разом з вихідними кодами. Використання, копіювання, зміни, розповсюдження – вільні. Платформи: Unix, Linux, Windows. Наявний інтерфейс і система допомоги. Приведені алгоритми базової математики. Можливість працювати у чисельному та символьному видах. Робота з графікою. Можливість використання відкомпільованих функцій мов С і Fortran. Scilab складається з трьох частин: Інтерпретатор. Бібліотека функцій (Scilab-процедури). Бібліотека С і Fortran процедур. Мета роботи: навчитися використовувати бібліотеку ППП Scilab. Хід роботи: 1.Запустити на виконання Scilab 5.2. 2.Розв’язати систему лінійних алгебраїчних рівнянь, додати M (0,19) до коефіціентів при і вільних членів системи -->s=[6.7 -2.7 3.7 7.7; -->5.7 3.7 -1.7 1.7; -->2.7 6.7 0.7 1.7; -->3.7 -3.7 4.7 -1.7] s = 6.7 - 2.7 3.7 7.7 5.7 3.7 - 1.7 1.7 2.7 6.7 0.7 1.7 3.7 - 3.7 4.7 - 1. -->b=[14.7; 8.7; 5.7; 3.7] b = 14.7 8.7 5.7 3.7 - обертанням матриці -->c=inv(s) c = - 0.0081252 0.1625431 - 0.0527026 0.0730380 - 0.0284925 - 0.0300156 0.1485231 - 0.0105469 0.0254591 - 0.1759683 0.1651347 0.1044811 0.1147157 - 0.0674023 0.0185872 - 0.1174560 -->d=s*c d = 1. - 3.331D-16 2.776D-16 0. - 8.327D-17 1. 1.388D-16 1.388D-16 2.776D-17 - 1.110D-16 1. 0. 0. 1.527D-16 - 8.327D-17 1. - методом Крамера і командою det SciPad s=[6.7,-2.19,3.7,7.7;5.7,3.7, -1.7,1.7;2.7,6.7,0.7,1.7;3.7,-3.7,4.7,-1.7]; b=[14.7; 8.7; 5.7; 3.7]; s1=s; s1(:,1)=b; s2=s; s2(:,2)=b; s3=s; s3(:,3)=b; s4=s; s4(:,4)=b; D=det(s); d(1)=det(s1); d(2)=det(s2); d(3)=det(s3); d(4)=det(s4); x=d/D P=s*x-b Console -->exec('D:\kramera.sce'); disp('exec done'); x = 1.2919249 0.2187175 0.1845564 0.8460697 P = 1.0D-14 * 0.1776357 0.1776357 0.0888178 0.0888178 exec done - командою linsolve -->[x,kerA]=linsolve(s,b) kerA = [] x = - 1.2919249 - 0.2187175 - 0.1845564 - 0.8460697 -->R=s*x+b R = 1.0D-14 * - 0.7105427 - 0.3552714 0.0888178 - 0.0444089 3.Задача інтерполяції (екстраполяції). Метод найменших квадратів. Виконати лінійну інтерполяцію цієї таблично заданої функції (команда interpln). Розв’язок зобразити графічно -->x=[1.17 1.57 1.97 2.17 2.37 2.57 2.77 2.97 3.07 3.17]; -->y=[1.67 2.07 2.57 2.77 3.07 3.37 3.77 3.97 4.17 4.57]; -->xyd=[x;y] xyd = column 1 to 7 1.17 1.57 1.97 2.17 2.37 2.57 2.77 1.67 2.07 2.57 2.77 3.07 3.37 3.77 column 8 to 10 2.97 3.07 3.17 3.97 4.17 4.57 -->plot2d(x',y',[-3], "011", " ", [0,1,5,5]); -->x_new=(0:4); -->yi=interpln(xyd,x_new); -->plot2d((0:4)',yi',[3],"000"); 5.Використаємо метод найменших квадратів (команда datafit). Значення похибки обчислень er, яку видає команда datafit, дорівнює сумі квадратів відхилень експериментальних значень від значень модельної функції. Побудувати інтерполяційний многочлен методом найменших квадратів. {a0=[1;1;1]}. Розв’язок зобразити графічно. -->x=[1.17 1.57 1.97 2.17 2.37 2.57 2.77 2.97 3.07 3.17]; -->y=[1.67 2.07 2.57 2.77 3.07 3.37 3.77 3.97 4.17 4.57]; -->plot2d(x,y,[5]) -->f=[x;y]; -->function[e]=G(a,n) -->e=n(2)-a(1)-a(2)*n(1)-a(3)*n(1)^2 -->endfunction -->a0=[1;1;1] a0 = 1. 1. 1. --> [aa,er]=datafit(G,f,a0) er = 0.0386256 aa = 1.1043433 0.1731301 0.2777634 -->yy=aa(1)+aa(2)*x+aa(3)*x^2; -->plot2d(x,yy,[2]); -->e=(y-yy)^2; -->d=sum(e) d = 0.0386256 6.Обчислити означений інтеграл від експериментально заданої функції (п. 4) на відрізку [1 + M;3 + M] методом трапецій (команда inttrap). -->inttrap(x,y) ans = 5.77 7.Розв’язати нелінійну жорстку систему диференціальних рівнянь [1], додати M (0,7) до коефіціентів при (команда ode): Розв’язок зобразити графічно. function dx=syst2(s,x) dx=zeros(3,1) dx(1)=-7,7*x(1)+7,7*x(2); dx(2)=157,7*x(1)-1,7*x(2)*x(3); dx(3)=1,7*x(1)*x(2)-8,7*x(3); endfunction x0=[-1,7;0,7;1,7]; s0=0; s=0:0,15:13; y=ode("stiff",x0,s0,s,syst2); scf(3); plot(s,y) 8.Розв’язати нелінійне алгебраїчне рівняння: (команда roots), додати M до коефіціентів при . s=poly([1.7,3.7,-1.7,12.7,-17.7,2.7],"x","c"); r=roots(s) r = - 0.2944396 0.0185684 + 0.5909115i 0.0185684 - 0.5909115i 1.0642773 5.748581 9.Перевірити отримані корені (підстановкою, застосувати for). [n,m]=size(r); for i=1:n s(i)=1.7+3.7*r(1)-1.7*r(1)^2+12.7*r(1)^3-17.7*r(1)^4+2.7*r(1)^5; end s s = Действительная часть 2.637D-16 2.637D-16 2.637D-16 2.637D-16 2.637D-16 Мнимая часть 0 0 0 0 0 Список використаної літератури: 1.Алексеев Е.Р. Решение обыкновенных дифференциальных уравнений. – Донецк: ДНТУ, 2001. 2.Андриевский Б., Фрадков А. Элементы математического моделирования в программных средах Matlab 5 и Scilab. – СПб.: Наука, 2001. – 286 с.

Лабораторна робота Теорія прийняття рішень

2015

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

поділитись