东南大学高数实验.ppt

Mathematica数学实验下册 实验一 空间曲线与曲面的绘制 本实验的目的是利用数学软件Mathematica绘制三维图形来观察空间曲线和空间曲面图形的特点，以加强几何的直观性。 实验二 无穷级数与函数逼近 图4 从图表可以看出，n越大逼近函数的效果越好，还可以注意到傅里叶级数的逼近是整体性的。 例4.将函数 展开成周期为3的傅里叶级数。 解：在下面的Mathematica程序中，先定义了一个产生 傅里叶级数的前k项部分和的函数， 在后面的“For” 循环中连续调用该函数，输出了 的傅里叶级数 的前 项部分和函数，并画出了 图形及同一坐标下 和函数的图形 与其傅里叶级数前7项 （如图5）。 图5 实验习题 观察级数 的部分和序列的变化趋势，并求和 2.改变例2中m及 的数值来求函数的幂级数及 观察其幂级数的逼近函数的情况。 3.观察函数 展成的傅里叶级数的部分和逼近 的情况。 实验三 最小二乘法 在科学研究和实际工作中，常常会遇到这样的问题：给定两个变量x, y的m组实验数据 如何从中找出这两个变量间的函数关系的近似解析表达式（也称为经验公式），使得能对x与y之间的除了实验数据外的对应情况作出某种判断。 这样的问题一般可以分为两类：一类是对要对x与y之间所存在的对应规律一无所知， , 这时要从实验数据中找出切合实际的近似解析表达式是相当困难的，俗称这类问题为黑箱问题； 另一类是依据对问题所作的分析，通过数学建模或者通过整理归纳实验数据，能够判定出x与y之间满足或大体上满足某种类型的函数关系式 ，其中 是n个待定的参数，这些参数的值可以通过m组实验数据来确定（一般要求 为灰箱问题。 ），这类问题称 解决灰箱问题的原则通常是使拟合函 处的值与实验数值的偏差平方和最小，即 取得最小值。 数在 这种在方差意义下对实验数据实现最佳拟合的方法称为“最小二乘法”， 称为最小二乘解， 称为拟合函数。下面对于“最小二乘法” 通过两个例子来说明。 1．线性拟合问题 例1．在某化工厂生产过程中，为研究温度x（单位：摄氏度）对收率（产量）y (%)的影响，可测得一组数据如下表所示，试根据这些数据建立以x与y之间的拟合函数。 89 85 78 74 70 66 61 54 51 45 收率y(%) 190 180 170 160 150 140 130 120 110 100 温度x 为此，应对给定的数据以x为横坐标，y为纵坐标 解：（1）确定函数的类型 作出散点图。输入如下语句： 运行后可得到数据表和图1。 从图1种可以看出这些点近似地落在一条直线周围，可以认为在y和x之间存在着线性关系，之所以不完全落在直线上，是因为观察数据本身存在的误差。 下面我们就用最小二乘法求出与这些数据点最接近的直线方程。 图1 （2）利用Mathmatica求最小二乘解 设直线方程式为 系数，于是，可以把拟合函数在 观察值的偏差平方和表示为关于待定系数a, b的二元函数： ，其中a, b是待定 处的值与 ， 按照二元函数求极值的理论，其最小值应满足方程组： , 即 。 于是，输入以下Mathematica语句便可求得系数a, b： 运行后可得解： 也可以用“NSolve”命令得到a, b的小数解： 这样，我们得到方程 这就是前面所说的经验公式。 , 在此例题中，观察的数据点大致呈一直线状，如果在实际问题中数据点落在某一条曲线周围，则要根据曲线的形状来确定拟合函数的类型。比如考虑用x的n次多项式 来拟合，这成为多项式拟合。此时仍可用最小二乘法， 考虑 元函数 取最小的必要条件，令此函数对各个参数的偏导等于0，解一个 求得这些参数的最小二乘解。 元的方程组便可 二、可化为线性拟合的曲线拟合问题 在许多场合下，拟合函数不具有线性形式，但是由实际经验或相关的学科理论，能够提供拟合函数的可取类型，而且可以通过适当的变量代换将拟合函数线性化，同样可以建立经验公式。 （1）模型 可以用变量替换 将函数化为线性函数： （2）模型 可以用变量替换 将函数化为线性函数。 可以用变量替换 将其化为z和x之间的线性拟合。 。 （3）模型 例2．研究黏虫的生长过程，可测的一组数据下表所示。 5.7 6.8 7.5 10.7 12.7 13.8 15 30.4 历期N 20.3 19.8 18.3 17.1 16.5 15.4 14.7 11.8 温度t 其中历期N是指卵块