- •И. Н. Двойцова вычислительная математика
- •Введение
- •1. Элементарная теория погрешностей; вычислительные задачи, методы и алгоритмы
- •1.1. Источники и классификация погрешностей результата численного эксперимента
- •1.2. Погрешности чисел
- •1.3. Погрешности арифметических операций
- •1.4. Погрешности функций
- •1.5. Особенности машинной арифметики
- •1.6. Лабораторная работа № 1. Определение абсолютной и относительной погрешностей приближенных чисел. Оценка погрешностей результата
- •1.7. Корректность вычислительной задачи
- •1.8. Обусловленность вычислительной задачи
- •1.9. Вычислительные методы, их классификация
- •2. Приближение функций
- •2.1. Задача приближения функций
- •2.2. Интерполяция обобщенными многочленами
- •2.3. Полиномиальная интерполяция. Многочлен Лагранжа
- •2.4. Погрешность интерполяции
- •2.5. Конечные разности и их свойства
- •Доказательство
- •2.6. Разделенные разности и их свойства
- •2.7. Интерполяционный многочлен Ньютона
- •2.8. Вычислительная схема Эйткена
- •2.9. Лабораторная работа № 2. Интерполирование и экстраполирование данных. Интерполяционный многочлен Лагранжа
- •2.10. Интерполяционный многочлен Ньютона с конечными разностями
- •2.11. Лабораторная работа № 3. Интерполирование и экстраполирование данных. Интерполяционный многочлен Ньютона
- •3. Метод наименьших квадратов и специальные интерполяционные многочлены
- •3.1. Постановка задачи и вывод формул метода наименьших квадратов
- •3.2. Лабораторная работа № 4. Аппроксимация функции по методу наименьших квадратов
- •3.3. Глобальная полиномиальная интерполяция
- •3.4. Чувствительность интерполяционного многочлена к погрешностям входных данных
- •4. Численное дифференцирование и численное интегрирование
- •4.1. Простейшие формулы численного дифференцирования для первой производной
- •4.2. Формулы численного дифференцирования для второй производной
- •4.3. Формулы численного дифференцирования, основанные на интерполяции алгебраическими многочленами
- •4.4. Обусловленность формул численного дифференцирования
- •4.5. Простейшие квадратурные методы численного интегрирования
- •4.6. Оценка погрешностей простейших квадратурных формул
- •4.7. Квадратурные формулы интерполяционного типа
- •4.8. Квадратурные формулы Гаусса
- •4.9. Лабораторная работа № 8. Численное дифференцирование и численное интегрирование функций
- •Ирина Николаевна Двойцова Вычислительная математика
- •660049, Красноярск, пр. Мира , 82
1. Элементарная теория погрешностей; вычислительные задачи, методы и алгоритмы
Инженерные вычислительные задачи в настоящее время решаются с помощью ЭВМ и имеют некоторые характерные особенности:
1) ярко выраженная практическая направленность: необходимость доведения результатов до конкретных чисел;
2) большой объем вычислительных работ;
3) сложность математических моделей процессов;
4) широкое использование готовых вычислительных методов.
При решении задач пункт три имеет определяющее значение. Математическая модель – это приближенное описание исследуемого процесса на языке математики. Для любой задачи математическая модель никогда не бывает полностью адекватной. Сам процесс построения моделей всегда протекает итеративно, модель при исследовании непрерывно усложняется, происходит ее подгонка и адаптация, улучшение качества. Решение инженерной задачи с помощью ЭВМ обычно содержит следующие этапы:
1) постановка задачи;
2) выбор математической модели;
3) постановка вычислительной задачи;
4) анализ вычислительных свойств вычислительной задачи;
5) выбор или создание нужного численного метода;
6) алгоритмизация и программирование;
7) обработка и интерпретация результата;
8) использование результата и коррекция математической модели.
1.1. Источники и классификация погрешностей результата численного эксперимента
Точный результат решения получить численно невозможно, он всегда содержит погрешность, то есть является приближенным. Наличие погрешности решения обусловлено следующими причинами.
1. Математическая модель всегда приближенна. Характеристики истинного процесса всегда отличаются от модельных характеристик.
2. Исходные данные всегда содержат погрешность, ибо результат эксперимента неизбежно получается с ошибкой.
3. Теоретические и численные методы решения задач являются приближенными. Лишь решение тривиальной задачи можно получить в виде конечной формулы.
4. При вводе и выводе с ЭВМ производятся округления. Такие же округления производятся и при вычислениях.
Если
-
точное значение вычисляемой величины,
то это значение содержит следующие
погрешности:
-
неустранимая погрешность (пункты 1 и
2),
-
погрешность метода (пункт 3),
- вычислительная погрешность (пункт
4). Таким образом,
Не следует думать, что
совершенно неизвестна. Конечно, она не
известна точно, но ее можно оценить
приближенно, адаптируя модель к изучаемому
процессу
должна быть примерно на порядок меньше
,
а
на порядок меньше
.
В этом случае достигается разумный
компромисс и повышается достоверность
конечного результата.
1.2. Погрешности чисел
Пусть
-
точное и неизвестное значение некоторой
величины, а
-
ее известное приближенное значение.
Ошибкой
(или погрешностью) приближенного значения
числа
называется разность
.
Количественной мерой ошибки является
абсолютная погрешность
.
(1.2.1)
По ней не всегда можно сделать правильное заключение о качестве приближения. Для этого вводится понятие относительной погрешности.
Относительной
погрешностью приближенного значения
числа
называется
(1.2.2)
Эта
погрешность не зависит от масштаба
величины единицы измерения. Непосредственное
вычисление по формулам (1.2.1) и (1.2.2)
невозможно, так как
неизвестно. Часто задают величины
верхние границы погрешностей и полагают
(1.2.3)
При
записи приближенных чисел руководствуются
следующими правилами. Пусть
задано в виде конечной десятичной дроби
.
Значащими цифрами числа называются все цифры в его записи, начиная с первой ненулевой слева. Например,
все
значащие цифры подчеркнуты.
Значащую цифру числа называют верной, если абсолютная погрешность числа не превосходит единицы разряда, соответствующего этой цифре.
Пусть
Тогда
имеет три верные значащие цифры (они
подчеркнуты). Если бы
было
бы четыре верные значащие цифры. Число
верных значащих цифр тесно связано с
величиной относительной погрешности
числа. Имеют место следующие результаты.
Теорема 1.1.
Если
содержит
верных значащих цифр, то
Теорема
1.2. Для того чтобы число
содержало
верных значащих цифр, достаточно, чтобы
Теорема
1.3. Если
имеет ровно
значащих
цифр, то
,
то есть
Эти
теоремы позволяют оценивать
по числу значащих цифр и наоборот.
Например, если дано
,
то есть
имеет шесть значащих цифр, то
При округлении возникает погрешность, называемая погрешностью округления. Существуют два способа округления.
1.
Усечение – отбрасывание всех цифр,
расположенных правее
-
ой значащей цифры. При этом погрешность
не превышает (достигает) единицы того
же разряда.
2. Округление по дополнению. Это следующее правило: если первая цифра слева от отбрасываемых меньше пяти, то лишнее просто отбрасывается, как при усечении; если же первая цифра слева от отбрасываемых больше или равна пяти, то в младший сохраняемый разряд добавляется единица. Абсолютная величина погрешности по дополнению не превышает половины единицы последней оставляемой значащей цифры.
