
- •Введение
- •Глава 1. Погрешность результата численного решения задачи
- •1.1. Источники и классификация погрешностей
- •1.2. Абсолютная и относительная погрешности. Формы записи данных.
- •1.3. Вычислительная погрешность
- •Глава 2. Решение нелинейных уравнений
- •2.1. Отделение корней уравнения
- •2.1.1. Аналитический метод отделения корней
- •2.1.2. Графический метод отделения корней
- •2.2. Уточнение приближенных корней
- •2.2.1. Метод половинного деления
- •2.2.2 Метод хорд
- •2.2.3. Метод Ньютона – метод касательных
- •2.2.4. Модифицированный метод Ньютона
- •2.2.5. Метод секущих
- •2.2.6. Метод итераций
- •Глава 3. Решения систем линейных алгебраических уравнений
- •3.1. Метод итераций
- •3.1.1. Оценка погрешности приближений процесса итераций
- •3.1.2. Приведение линейной системы к виду, удобному для итерации:
- •3.2. Метод Зейделя
- •3.3. Метод релаксаций
- •Глава 4. Решение систем нелинейных уравнений
- •4.1. Метод Ньютона для систем нелинейных уравнений
- •4.2. Распространение метода Ньютона на системы из n уравнений с n неизвестными
- •4.3. Метод итераций для систем нелинейных уравнений
- •4.4. Распространение метода итераций на системы из n уравнений с n неизвестными
- •Глава 5. Интерполяция
- •5.1. Постановка задачи интерполирования
- •5.2. Конечные разности
- •5.3. Интерполяционная формула Ньютона №1
- •5.4. Интерполяционная формула Ньютона №2
- •5.5. Интерполяционный многочлен Лагранжа
- •5.5.1. Вычисление лагранжевых коэффициентов
- •5.5.2. Схема Эйткина
- •5.5.3. Остаточный член формулы Лагранжа
- •5.6. Обратное интерполирование
- •5.6.1 Итерационные методы для обратного интерполирования
- •Глава 6. Аппроксимация функций с помощью сплайнов
- •6.1. Кубические сплайны
- •Глава 7. Методы обработки экспериментальных данных
- •7.1 Построение эмпирической формулы.
- •7.2. Метод выбранных точек (метод натянутой нити)
- •7.3 Метод средних
- •7.4. Метод наименьших квадратов
- •7.5. Метод выравнивания
- •7.6. Метод наименьших квадратов для полиномов
- •Глава 8. Численное интегрирование
- •8.1. Квадратурные формулы Ньютона-Котеса
- •8.1. Формула трапеций и ее остаточный член
- •8.2. Общая формула трапеций и ее остаточный член
- •8 .3 Формула Симпсона и ее остаточный член
- •8.4. Общая формула Симпсона и ее остаточный член
- •8.5. Формулы Ньютона-Котеса высших порядков
- •8.6. Квадратурная формула Чебышева
- •8.7. Квадратурная формула Гаусса
- •Глава 9. Приближенное решение обыкновенных дифференциальных уравнений
- •9.1. Аналитические методы
- •9.1.1. Метод последовательного дифференцирования
- •9.1.2. Метод последовательных приближений.
- •9.1.3 Метод неопределенных коэффициентов.
- •9.2. Численные методы
- •9.2.1. Метод Эйлера
- •9.2.2. Модифицированные методы Эйлера Первый улучшенный метод Эйлера
- •Второй улучшенный метод Эйлера
- •Третий улучшенный метод Эйлера
- •9.2.3. Метод Рунге-Кутта для уравнений первого порядка
- •Список литературы
9.2. Численные методы
9.2.1. Метод Эйлера
Рассмотрим дифференциальное уравнение
(9.6)
с
начальным условием
.
Выбрав достаточно малый шаг h,
построим систему равноотстоящих точек
.
В
методе Эйлера приближенные значения
вычисляются по формулам
.
При этом искомая интегральная кривая
,
проходящая через точку
,
заменяется ломанной
с вершинами
;
каждое звено
этой ломанной, имеет направление той
интегральной кривой уравнения
,
которая проходит через точку
.
Если правая часть уравнения в некотором замкнутом прямоугольнике удовлетворяет условиям
,
,
то имеет место следующая оценка погрешности:
,
где
- значение точного решения уравнения
при
,
а
- приближенное значение, полученное на
n-м
шаге в этой же точке.
На практике, для
оценки точности полученных результатов,
применяют двойной
пересчет:
расчет повторяют с шагом
и погрешность более точного значения
в точке
оценивают
приближенно так:
Пример 9.5.
Используя
метод Эйлера, составить таблицу
приближенных значений решения
дифференциального уравнения
с
начальным условием y(0)=2
на отрезке [0;0.5]
с шагом h
с точностью до трёх знаков. Выполним
это задание в Mathcad
Для этого разделим
промежуток [a,b]
на n
частей и найдем шаг интегрирования h.
Разделим промежуток интегрирования на 2n частей и
пересчитаем значения yi с новым шагом h/2
Решением уравнения является таблица значений уi , найденных в точках отрезка [0;0.5] с шагом h=0,01 с точностью до трёх знаков.
Рис 9.1 Решение примера 9.5 в Mathcad методом Эйлера
9.2.2. Модифицированные методы Эйлера Первый улучшенный метод Эйлера
Первый улучшенный метод состоит в том, что сначала вычисляют промежуточные значения.
а затем полагают
Второй улучшенный метод Эйлера
По второму
улучшенному методу – методу Эйлера-Коши
– сначала определяют «грубое приближение»
,
затем вычисляют значение функции
и приближенно полагают
.
Остаточные члены первого и второго
улучшенных методов Эйлера на каждом
шаге имеют порядок
.
Третий улучшенный метод Эйлера
Метод Эйлера-Коши
можно еще более уточнить , применяя
итерационную обработку каждого значения
.
А именно, исходя из грубого приближения
,
построим итерационный процесс
.
Итерации продолжаем до тех пор, пока в
двух последовательных приближений
не совпадут соответствующие десятичные
знаки. После этого полагаем
.
Как правило, при достаточно малом h, итерации быстро сходятся. Если после трех-четырех итераций не произошло совпадения нужного числа десятичных знаков, то следует уменьшить шаг расчета h.
Оценка погрешности в точке может быть получена с помощью двойного пересчета: расчет повторяют с шагом , и погрешность более точного значения оценивают приближенно так
,
где - значение точного решения дифференциального уравнения.