
- •Основи чисельних методів математики (з використанням Excel) Передмова
- •Розділ 1. Методи обчислень: предмет, основні поняття та застосування
- •§ 1. Предмет і застосування
- •§ 2. Основні поняття
- •1. Похибки наближень.
- •2. Граничні похибки. Похибки функції.
- •3. Похибки розв'язку.
- •4. Стійкість і коректність.
- •Питання, тести
- •Розділ 2. Інтерполяція функцій
- •§1. Задача інтерполювання
- •§2. Інтерполяційна формула Лагранжа
- •§3. Поділені різниці. Формула Ньютона з поділеними різницями
- •§4. Інтерполяційна формула за допомогою Excel
- •§5. Інтерполювання за схемою Ейткіна
- •§6. Скінчені різниці. Інтерполяційні формули Ньютона для рівновіддалених вузлів
- •§7. Інтерполювання із скінченими різницями за допомогою Excel
- •§8. Інші методи інтерполювання
- •Питання, тести
- •Завдання
- •Розділ 3. Чисельне диференціювання та інтегрування.
- •§ 1. Однобічні формули чисельного диференціювання
- •§ 2. Оцінки похибки чисельного диференціювання
- •§ 3. Чисельне інтегрування. Квадратурні формули
- •§ 4. Квадратурні формули Ньютона – Котеса
- •§ 5. Узагальнені квадратурні формули.
- •§ 6. Метод подвійного перерахунку.
- •1. R2n ( f ) ≈ (правило Рунге) (14)
- •§ 7. Метод кратного перерахунку за допомогою Excel
- •Питання, тести
- •Завдання
- •Розділ 4. Чисельні методи розв‘язування рівнянь з однією змінною
- •§ 1. Відокремлення коренів
- •§ 2. Метод дихотомії (поділу відрізка пополам)
- •§ 3. Ітераційні методи та оператор стиску.
- •§ 4. Похибки ітераційного процесу
- •§ 5. Реалізація методу простої ітерації за допомогою електронних таблиць
- •§ 6. Метод Ньютона. Порядок збіжності ітераційного процесу.
- •§ 7. Метод лінійного інтерполювання.
- •§ 8. Інші приклади ітераційних методів.
- •Питання, тести
- •Завдання
- •Розділ 5. Методи розв’язування систем лінійних рівнянь
- •§ 1. Метод Гаусса
- •Метод Гаусса в матричній формі
- •Елементарні операції над матрицею:
- •§ 2. Метод Гаусса за допомогою Excel
- •§ 3. Матричні операції в Excel
- •3. Множення матриць.
- •§ 4. Метод простої ітерації для слр
- •§ 5. Метод Зейделя
- •Питання, тести
- •Завдання
- •Розділ 6. Методи лінійного програмування
- •§ 1. Оптимізаційні задачі. Математичне програмування
- •§ 2. Геометричний зміст задач лінійного програмування. Графічний метод
- •§3. Канонічна форма задачі лінійного програмування. Опорні розв’язки
- •§4. Симплекс – таблиця
- •§5. Симплекс – метод.
- •§6. Розв’язування задач лінійного програмування за допомогою excel
- •§7 Приклади
- •§8. Пошук початкового опорного розв’язку. Метод штучного базису
- •Властивості допоміжної задачі.
- •Питання, тести
- •Завдання
- •Розділ 7. Чисельні методи розв’язування звичайних диференціальних рівнянь
- •§ 1. Метод Ейлера
- •§ 2. Метод Ейлера за допомогою Excel
- •§ 3. Методи Рунге – Кутта
- •§ 4. Подвійний перерахунок для методів Рунге – Кутта
- •§ 5. Кратний перерахунок для методів Рунге – Кутта за допомогою Excel
- •§ 6. Методи Рунге – Кутта з вищими порядками похибки
- •Питання, тести
- •Завдання
- •Іменний покажчик
- •Предметний покажчик
- •Література
§ 2. Оцінки похибки чисельного диференціювання
Якщо функція f досить гладка і змінюється плавно на певній ділянці, а інтерполяційний многочлен з достатньою точністю наближає f на цій ділянці, то можна сподіватись, що похідні інтерполяційного многочлена також мало відрізняються від похідних функції f . Аналогічно можна обчислювати і похідні вищих порядків. Проте, зважаючи на нестійкість операції диференціювання здебільшого із зростанням порядку похідної точність різко спадає. Саме тому формули чисельного диференціювання для вищих похідних на практиці застосовують досить рідко. Оцінимо похибки формул чисельного диференціювання.
За теоремою 2.1 розділу 2 f(x) – Ln(x) = f(х; x0; x1;… ; xn)ωn+1(х). Звідси за формулою Лейбниця
Лема. Якщо функція g(x) неперервно диференційовна q раз, то
Справді, за теоремою 2.4 розділу ?, g(x; x + ε;…;x + qε) = g(q)(xε)/q! , де х ≤ xε ≤ х + qε .
Отже, згідно з лемою,
=
q!
.
Тому
Звідси згідно з теоремою 2.4 попереднього розділу
де у1 = min(x, x0, x1, …, xn), у2 = max(x, x0, x1, …, xn). Зокрема при k = 1 маємо
f ′ (x) – Ln′(x) = f(х; x0; x1;… ; xn)ω′n+1(х) + f(х; x; x0; x1;… ; xn)ωn+1(х) =
Якщо х є одним з вузлів інтерполювання x0, x1, …, xn, то ωn+1(x) = 0, звідки для залишкового члена чисельного диференціювання R′n(x, f) маємо
R′n(x,
f)
=
.
Якщо вузли
рівновіддалені: xi
+1
– xi
= h
(i = 0, 1, …, n – 1)
то, підставивши замість х
,
дістанемо R′n(x,
f)
≤
∙
(t(t
– 1)(t – 2)…(t – n)).
Звідси, якщо t
= 0 (х = x0),
то
R′n(x,
f)
≤
,
(4)
бо (t(t – 1)(t – 2)…(t – n))t = 0 = (– 1)n n! . Якщо t = 1 (х = x1), то
(t(t
– 1)(t – 2) …
(t – n))t
= 1
= (– 1)n-1
n! , отже, формула (4) теж
виконується. Це ж стосується і всіх
інших вузлів інтерполяції.
Але похідну
f n+1(x)
в багатьох випадках
оцінити важко. Тому при досить малих h
згідно з теоремою 2(4) та лемою 2 розділу
2 припускають, що f
n+1(x)
≈
. Тоді (4) приймає вигляд
R′n(x,
f)
≤
(5)
Задача 2. У точках 1) х = 1 та 2) х = 1,1 оцінити отримані в задачі 1 значення похідної від функції , скориставшись формулою (5).
Розв’язання.
Оскільки
в задачі 1 n = 5, то
згідно з (5) R′5(x0,
f)
≤
та R′5(x1,
f)
≤
.
Значення Δ6у0
дістаємо з таблиці скінчених різниць
задачі 1: Δ6у0
= 0,000125. Отже,
≈
0,000208. Як бачимо, воно мало відрізняється
від значення 0,00019 , що було отримане в
задачі 1 шляхом безпосереднього порівняння
з точним значенням похідної.
Такими є оцінки похибок тих методів чисельного диференціювання, які насправді мають застосування. Але завдяки нестійкості чисельного диференціювання тут ми маємо справу з тою обставиною, що зменшення похибки методу веде до збільшення обчислювальної похибки (дивись розділ 1).
Нехай
спочатку f
′(х0)
визначається з
формули (3) : f
′(х0)
≈
(
f(х1)
– f(х0)
). Згідно з (4)
залишковий член цієї формули
R′1(x,
f)
≤
,
де М =
, відрізок
[y1;y2]
містить всі вузли
інтерполяції. Якщо значення функції
f(х)
обчислюється з деякими похибками δі,
δі
≤ Е, то
похибка для f
′(х0)
містить додатковий доданок R2
= (δ1
– δ2)/h,
R2
≤ 2E/h. Звідси маємо оцінку
похибки R
≤ R1
+ R2
≤ g(h) = Mh/2 + 2E/h. Мала
похибка вимагає малого h,
проте із зменшенням h
зростає другий доданок. Точку екстремуму
g(h) отримуємо
з рівняння
g′(h)
= 0: h0
= 2
,
звідки g(h0)
= 2
.
Отже, при будь – якому h
гранична похибка – величина порядку
О(
):
якщо найменша похибка
округлення чисел дає n
вірних
значущих цифр, то f
′(х0)
можна отримати в найкращому випадку з
їх половиною n/2.
Якщо
замість формули (3)
використати (2), то принципово висновки
не зміняться. Згідно з (4)
залишковий член формули (2) R′n(x,
f)
≤
,
де М =
,
[y1;y2]
містить всі вузли
інтерполяції. Звідси оцінка похибки
R
≤ R1
+ R2
≤ g(h) =
+ АE/h,
де А – константа, що визначає кратність
обчислювальної похибки з (2). Тоді з
рівняння
g′(h)
= 0 отримуємо
h0
порядку
,
g(h0)
~
.
Отже, із зростанням n
порядок похибки
по відношенню до Е зменшується, проте
зростає відповідний крок
h0
~
.
Такі обмеження точності
добре відомі з квантової механіки, там
вони звуться “принципом
невизначеності Гейзенберга”.
Цей зв'язок з квантовою механікою не є
випадковим: саме операція диференціювання
і використовується там для математичного
формулювання цього принципу.