
- •Смагин в.И., Решетникова г.Н.
- •Содержание
- •1. Основы теории погрешностей 9
- •2. Аппроксимация функций 19
- •2.16. Контрольные вопросы 90
- •2.17. Задания к главе 2 92
- •3. Численное дифференцирование 95
- •3.5. Контрольные вопросы 110
- •4. Численное интегрирование 112
- •4.10. Контрольные вопросы 189
- •4.11. Задания к главе 4 191
- •5. Приложение. Варианты к заданиям 195
- •1. Основы теории погрешностей
- •1.1. Математические оценки точности приближенного числа
- •1.2. Запись чисел на эвм
- •1.3. Верные знаки приближенного числа
- •1.4. Классификация погрешностей
- •1.5. Погрешность вычисления функции многих переменных
- •1.6. Обратная задача теории погрешностей
- •1.7. Погрешности простейших функций
- •1.8. Контрольные вопросы
- •1.9. Задания к главе 1
- •2. Аппроксимация функций
- •2.1. Постановка задачи
- •2.2. Интерполяционный многочлен Лагранжа
- •2.3. Интерполяционная схема Эйткена
- •2.4. Остаточный член многочлена Лагранжа
- •2.5. Разделенные разности и их свойства
- •2.6. Интерполяционная формула Ньютона при неравноотстоящих узлах
- •2.7. Многочлены Чебышева и их свойства
- •2.8. Минимизация погрешности метода при аппроксимации многочленом Лагранжа
- •2.9. Многочлены наилучшего равномерного приближения
- •2.10. Экономизация степенных рядов
- •2.11. Интерполирование с кратными узлами
- •2.12. Интерполирование при равноотстоящих узлах
- •2.12.1. Конечные разности
- •2.12.2. Интерполирование в начале и конце таблицы
- •2.12.3. Формулы Гаусса
- •2.12.4. Формулы Стирлинга и Бесселя
- •2.12.5. Оценки погрешности метода и неустранимой погрешности
- •2.13. Сплайн-функции
- •2.13.1. Линейный сплайн
- •2.13.2. Параболический сплайн
- •2.13.3. Кубический сплайн
- •2.13.4. В-сплайны
- •2.13.5. Эрмитовы сплайны
- •2.14. Аппроксимация данных методом наименьших квадратов (мнк)
- •2.14.1. Аппроксимация алгебраическими полиномами
- •2.14.2. Аппроксимация ортогональными полиномами
- •2.14.3. Аппроксимация ортогональными полиномами дискретной переменной
- •2.15. Аппроксимация функций многих переменных
- •2.15.1. Построение интерполяционных многочленов
- •2.15.2.Метод последовательного интерполирования
- •2.15.3. Применение метода наименьших квадратов
- •2.16. Контрольные вопросы
- •2.17. Задания к главе 2
- •3. Численное дифференцирование
- •3.1. Численное дифференцирование при неравноотстоящих узлах
- •3.2. Численное дифференцирование при равноотстоящих узлах
- •3.3. Оценка приближений численного дифференцирования по правилу Рунге
- •3.4. Метод квадратурных формул
- •3.5. Контрольные вопросы
- •3.6. Задание к главе 3
- •4. Численное интегрирование
- •4.1. Общая интерполяционная квадратура
- •4.2. Квадратурные формулы Ньютона-Котеса
- •4.2.1. Квадратурные формулы прямоугольников
- •4.2.2. Квадратурная формула трапеций
- •4.2.3. Квадратурная формула Симпсона (парабол)
- •4.2.4. Квадратурная формула “трех восьмых” (формула Ньютона)
- •4.3. Метод Рунге оценки погрешности
- •4.4. Квадратурные формулы наивысшей алгебраической степени точности
- •4.5. Частные случаи квадратурного правила наивысшей алгебраической степени точности
- •4.6. Квадратурные формулы с равными коэффициентами
- •4.7. Приближенное вычисление несобственных интегралов
- •4.8. Приближенное вычисление неопределенных интегралов
- •4.9. Методы Монте-Карло
- •4.9.1. Простейший метод Монте-Карло
- •4.9.2. Геометрический метод Монте-Карло
- •4.10. Контрольные вопросы
- •4.11. Задания к главе 4
- •5. Приложение. Варианты к заданиям
- •5.1. Варианты к заданиям 1.1
- •5.2. Варианты к заданиям 2.1-2.5
- •5.3. Варианты к заданиям 2.6
- •5.4. Варианты к заданиям 2.7-2.8, 3.1
- •5.5. Варианты к заданиям 4.1-4.6
- •5.6. Варианты к заданиям 4.7
4.9.2. Геометрический метод Монте-Карло
Пусть при вычислении интеграла
(4.63)
для подынтегральной функции на выполняется условие:
.
Введем новую функцию
,
значение которой лежат в интервале . Тогда
.
Затем, выполнив
замену переменной
,
получим
.
(4.64)
Таким образом, необходимо вычислить интеграл
,
а затем получить значение исходного интеграла , согласно (4.64).
Для реализации
метода генерируется
точек
,
где
−
независимые случайные величины,
равномерно распределенные на интервале
.
Если для совокупности двух случайных
величин
окажется, что
,
то событие считается неблагоприятным; если
,
то
событие считается благоприятным, так
как в этом случае точка
попадает
в заштрихованную область (рис.4.1).
Рис. 4.1. Графическая иллюстрация геометрического метода
Пусть из
точек
попали в заштрихованную область. Частота
попадания
будет
приблизительно равна площади заштрихованной
области, т.е.
. (4.65)
Окончательно, значение интеграла (4.63) определяется согласно выражению (4.64) с учетом формулы (4.65).
Пусть требуется вычислить интеграл
, (4.66)
где
область интегрирования
определяется неравенствами (4.52). При
этом требуется, чтобы для подынтегральной
функции
в области
выполнялось условие
. (4.67)
Сделаем замену переменных
,
с помощью которых область преобразуется в область и заключается в -мерный единичный куб. Тогда интеграл (4.66) запишется в виде
, (4.68)
где
,
а область определяется неравенствами (4.54).
Введем новые функции
и
Тогда
. (4.69)
Для вычисления
интегралов в (4.69) генерируется
точек
где
независимые случайные величины,
равномерно распределенные на интервале
.
Для первого интеграла
соответствует числу благоприятных
событий, если выполняются неравенства
(4.70)
а
соответствует числу благоприятных
событий для второго интеграла, если
выполняются неравенства (4.70) и
. (4.71)
Тогда, согласно (4.59), значение интеграла будет равно
. (4.72)
Как и в простейшем методе Монте-Карло, здесь точность вычисления интеграла и число испытаний взаимосвязаны.
Рассмотрим подход к определению значения , который обеспечивает требуемую точность вычисления .
Пусть требуется вычислить интегралы:
(4.73)
или
, (4.74)
где область заключена в -мерный единичный куб и для значений подынтегральных функций выполняются неравенства:
,
.
Погрешность вычисления интеграла можно определить, воспользовавшись неравенством Чебышева
, (4.75)
где
─
малая величина, обычно
.
Формула (4.75) означает, что с вероятностью
погрешность вычисления интегралов с
помощью геометрического метода
Монте-Карло приблизительно равна
,
при этом значение
можно
определить из неравенства
. (4.76)
Пример 4.15. Требуется вычислить интеграл
с
точностью
методами Монте-Карло.
1. Простейший метод Монте-Карло.
Сделаем замену
переменных
,
где
.
Тогда
.
При вычислении
интеграла получаются следующие
результаты:
.
2. Геометрический метод Монте-Карло.
Подынтегральная функция
на
интервале
принимает минимальное значение
и максимальное значение
.
Вводим новую функцию
и делаем замену переменных . Тогда
и
при вычислении интеграла получаются
следующие результаты:
.
Заметим, что геометрический метод Монте-Карло всегда требует значительно большее число испытаний, чем простейший.
Пример 4.16. Требуется вычислить интеграл
с
точностью
методами Монте-Карло от функции
.
Область
определяется неравенствами:
где
.
1. Простейший метод Монте-Карло.
Так как
для
,
то с помощью замены переменных
,
область
преобразуется в область
,
которая определяется неравенствами
где
.
При этом область
оказывается заключенной в единичный
квадрат (см. рис.4.2., где сплошной линией
изображен график функции
,
а пунктирной −
).
Рис. 4.2. Преобразованные границы области интегрирования
Тогда исходный интеграл запишется в виде:
,
где
и
.
На рис.4.3. изображена
область, объем которой равен
.
Рис.4.3. Графическое
представление функции
В результате
получается, что значение интеграла
,
при этом
.
2. Геометрический метод Монте-Карло.
Для функции
в области
выполняется неравенство:
.
Исходный интеграл, как и в простейшем
случае, приводится к виду
.
Затем вводятся новые функции
и
и интеграл записывается в виде
,
где
.
На рис.4.4. и 4.5.
изображены области, заключенные в
единичный куб, объем которых равен
и
соответственно.
Рис.4.4. Графическое
представление функции
Рис.4.5. Графическое
представление функции
Согласно геометрическому методу Монте-Карло, интеграл вычисляется следующим образом
.
Значение определяется из неравенства
,
где
.
Откуда получаем, что наименьшее значение
,
удовлетворяющее этому неравенству
.
Значение интеграла получается равным
,
при этом
,
а
.