- •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. Основні поняття
1. Похибки наближень.
Означення
1. Нехай  а – точне
значення деякої величини,  а*
- відоме наближення до нього. Абсолютною
похибкою (погрішністю) наближення  а*
 називають таку величину Δ(а*),
 для якої  
.
 Відносною похибкою (погрішністю)
називають таку величину  δ(а*),
  що  
.
Відносну погрішність часто виражають у відсотках. Звичайні позначення:
а =  а*
Δ(а*),
     а = а*(1
δ(а*)).
Так, наприклад, запис а = 1,123 0,004 або а = 1,123 4 ∙ 10-3 означає, що
1,123 – 
0,004 
а 
1,123 +  0,004.  А записи  а = 1,123(1 
0,004),  а = 1,123(1 
4
∙ 10-3)
або  а = 1,123(1 
0,4%)  означають,
що  (1 – 0,004) ∙ 1,123 
а 
(1 + 0,004) ∙ 1,123. 
Означення 2. Значущими цифрами числа називають всі цифри у його запису, починаючи з першого ненульового зліва. Значущу цифру наближення називають вірною, якщо його абсолютна похибка не перевищує одиниці розряду, що відповідає цій цифрі.
Наприклад, у чисел 0.03045 і 0,03045000 значущими цифрами є підкреслені. У першому випадку число значущих цифр дорівнює 4, у другому 7. У числа а* = 0,03045 вірні підкреслені числа, якщо Δ(а*) = 0,00003; так само у числа а* = 0,03045000, якщо Δ(а*) = 0,0000007.
2. Граничні похибки. Похибки функції.
Граничною (абсолютною чи відносною) похибкою називають найменшу можливу похибку наближення, яку можна отримати, виходячи з усіх відомих даних.
Так,
якщо відомо точне значення деякої
величини 
,
то абсолютною граничною похибкою його
наближення  х*  є   Δ(х*) =│
–
х*│.  Проте, точне значення наближення
звичайно не є  відомим. 
Нехай
– диференційовна функція,
х1,
х2,
… , хn
 –
наближення аргументів функції, 
=
Δ(хi)
–
граничні абсолютні похибки наближень.
Розглянемо задачу: визначити граничну абсолютну Δ(u) і граничну відносну δ(u) похибки наближення функції , якщо граничні абсолютні похибки наближень хi аргументів цієї функції є відомими.
Звичайно – дуже малі величини, будемо тут вважати їх достатньо малими для того, щоб у формулі Тейлора
f(х1 + Δх1, х2 + Δх2,…, хn + Δхn) = f(х1, х2, … , хn) + df(х1, х2, … , хn) + r,
(де
 df(х1,
х2,
… ,
хn)
=
),
залишковий член  r
–  вищого порядку малості відносно Δхi
– уже не впливав на вірні значущі цифри
наближення  f(х1,
х2,
… ,хn).
(Більш
докладно:
 r
–
це сума доданків вигляду 
∙
ΔхiΔхj
 і
якщо Δхi
~
10-12,
то ΔхiΔхj
~
10-24).
Нехай  
=
х1
+
α1Δх1
, 
=
х2
+
α2Δх2
, … , 
=
хn
+
αnΔхn
, де αi
1 
–
це
точні значення аргументів функції.
Тоді
 f(
,
,
…,
)
–
 f(х1,
х2,
… ,
хn)
≈  
Оскільки
остання нерівність стає рівністю при
умові 
,
αi
= 1 при кожному
i
= 1,
2,
…,
n
,
яка
для деяких наближень  х1,
х2,
… , хn
фактично і здійснюється,  то оцінку  
 f(
,
,
…,
)
–
 f(х1,
х2,
… ,
хn)
          (1)
різниці між точним і наближеним значеннями функції у даній задачі не можна покращити. Отже, гранична абсолютна похибка Δ(u) дорівнює
Δ(u)
 =
.
Розділивши
обидві частини нерівності  (1)  на u
= 
 будемо мати 
Отже, відносною похибкою функції при даних задачі є
              (2)
Простими висновками з (1) і (2) є наступні твердження.
1. Гранична абсолютна похибка суми або різниці наближень дорівнює сумі їх граничних абсолютних похибок: Δ(a* b*) = Δ(a*) + Δ(b*) (при f(x1 , x2) = x1 ± x2 ).
2. Гранична відносна похибка добутку або частки наближень приблизно дорівнює сумі їх граничних відносних похибок: δ(a* ∙ b*) = δ(a*/b*) ≈ δ(a*) + δ(b*) (при f(x1 , x2) = x1 ∙ x2 або f(x1 , x2) = x1 / x2).
Звичайно, ці твердження можна отримати і безпосередньо. Наприклад, якщо
   а
= а*(1 
δ(а*)), b
= b*
(1
δ(b*)),
то 
(1
δ(а*))
∙
(1
(δ(b*)
–  δ2(b*)
+ δ3(b*)
–  … )
≈
(1
δ(а*))∙(1
(δ(b*))
≈
(1
(
δ(а*) + δ(b*)).
  
