
- •Смагин в.И., Решетникова г.Н.
- •Содержание
- •1. Основы теории погрешностей 9
- •2. Аппроксимация функций 19
- •2.16. Контрольные вопросы 89
- •2.17. Задания к главе 2 91
- •3. Численное дифференцирование 94
- •3.4. Контрольные вопросы 109
- •4. Численное интегрирование 111
- •4.10. Контрольные вопросы 187
- •4.11. Задания к главе 4 189
- •5. Приложение. Варианты к заданиям 192
- •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
- •3.4. Контрольные вопросы
- •3.5. 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
- •634050, Г. Томск, пр. Ленина, 36
3.2. Численное дифференцирование при равноотстоящих узлах
В этом случае в качестве аппроксимирующей функции выбирается многочлен в зависимости от положения точки и значения переменной , которая осуществляет связь с переменной . В качестве интерполирующей функции можно выбрать один из интерполяционных многочленов, описанных в разделе 2.14.
Пусть точка , в которой необходимо выполнить операцию численного дифференцирования находится в средине таблицы и для справедливо . Тогда выберем формулу Стирлинга:
(3.13)
Дифференцируя по левую и правую части равенства (3.13), учитывая связь между и , получим:
.
(3.14)
Для второй производной имеем:
.
(3.15)
Рассмотрим
задачу вычисления первой производной
по формуле (3.14), в которой будут учитываться
только первых два слагаемых. Тогда для
частного случая дифференцирования в
точке
(в этом случае
)
получим:
,
(3.16)
где
.
(3.17)
Формула (3.17) получена в результате дифференцирования остаточного члена формулы Стирлинга и вычисления его в точке . В силу (3.17) погрешность метода численного дифференцирования имеет вид:
,
где . Погрешность метода с уменьшением шага уменьшается. Расчетная формула вычисления первой производной в точке будет следующей:
.
(3.18)
Пусть все табличные значения функции заданы с одинаковой погрешностью , тогда можно оценить неустранимую погрешность, возникающую из-за неточности исходных данных следующим образом:
.
(3.19)
Из (3.19) видно, что неустранимая погрешность с уменьшением шага возрастает. Если посмотреть на график полной погрешности (рис. 3.1)
,
(3.20)
то
можно сделать вывод, что существует
оптимальный шаг
,
обеспечивающий минимум полной погрешности.
Рис. 3.1. Графики погрешностей
Найдем
оптимальный шаг, из условия
,
и окончательно получаем
.
(3.21)
Отметим,
что величину
можно оценить по формуле
.
(3.22)
Пример. 3.3. Требуется вычислить значение первой производной функции, которая задана в виде следующей таблице:
Таблица 3.4.
|
1 |
1,2 |
1,4 |
1,6 |
1,8 |
2,0 |
|
6,246 |
5,357 |
4,634 |
4,036 |
3,539 |
3,122 |
в
точке
.
Необходимо также оценить погрешность
метода, неустранимую погрешность, полную
погрешность, оптимальный шаг таблицы,
считая, что табличные значения функции
заданы с верными знаками.
При выполнении расчетов будем использовать конечные разности, приведенные в таблице
Таблица 3.5.
|
|
|
|
|
-0,889 |
0,166 |
-0,041 |
0,017 |
-0,014 |
-0,723 |
0,125 |
-0,024 |
0,003 |
|
-0,598 |
0,101 |
-0,021 |
|
|
-0,497 |
0,080 |
|
|
|
-0,417 |
|
|
|
|
В
этом случае для аппроксимации функции
можно выбрать формулу Стирлинга при
,
где
.
Оценивать производную будем по первому
слагаемому от производной формулы
Стирлинга. В нашем примере
,
погрешность табличного значения функции
равна
.
Тогда в соответствии с формулами
(3.18)-(3.22) получим следующие результаты:
,
,
,
,
,
.
Расчеты
производной первого порядка показали,
что производная вычисляется с погрешностью
.
При этом минимальное значение полной
погрешности может быть достигнуто для
таблицы с шагом
.
Пусть точка , в которой необходимо выполнить операцию численного дифференцирования находится вблизи начала таблицы. Тогда выберем формулу 1-ую формулу Ньютона :
,
(3.23)
где .
Дифференцируя (3.23) по получим:
.
(3.24)
Вычислим значение первой производной по первым двум слагаемым формулы (3.24), оценим полную погрешность
,
(3.25)
,
,
.
Определим оптимальный шаг таблицы для случая, когда производная вычисляется в точке . Тогда учитывая, что , получим из условия минимума полной погрешности , которая в нашем случае равна:
выражение для :
.
Формула
(3.25) имеет второй порядок точности, если
производную вычислять только по первому
слагаемому формулы (3.24), то формула будет
иметь первый порядок точности. Минимизируя
для этого случая полную погрешность
,
можно найти значение
.
По аналогии с первой производной, можно вычислить производные более высокого порядка:
,
.
При вычислении производных в точке ( ), формулы приобретают простой вид:
,
,
.
Если точка находится вблизи конца таблицы, то для аппроксимации выбирается 2-ая формула Ньютона:
(3.26)
Тогда производная оценивается по формуле:
.
(3.27)
Оценим погрешности , и для случая, когда первая производная оценивается по первым двум слагаемым. В результате получим:
,
(3.28)
,
,
.
Формула (3.28) имеет второй порядок точности.
Формулы для производных более высокого порядка имеют вид:
,
.
Отметим, что одним из способов уменьшения погрешности численного дифференцирования, является выбор оптимального шага табулирования функции. Другой прием уменьшения погрешности заключается в том, что стачала табличные значения функции, сглаживаются и только затем осуществляется численное дифференцирование. Сглаживание данных можно осуществить с помощью методов скользящего среднего, экспоненциального сглаживания и др.