- •Глава 1. Численные методы и особенности использования эвм
 - •Глава 2. Решение нелинейных уравнений с одной переменной 23
 - •Глава 3. Методы приближения, интерполяции и аппроксимации функций 47
 - •Глава 4. Численное интегрирование 75
 - •Глава 5. Приближенное интегрирование дифференциальных уравнений 108
 - •Глава 6. Численное дифференцирование 139
 - •Глава 7. Методы численной оптимизации 150
 - •Предисловие
 - •Глава 1. Численные методы и особенности использования эвм в решении математических задач
 - •1.1. Математическое моделирование и численные методы
 - •1.2. Общая постановка и понятие устойчивости задач вычисления
 - •1.3. Структура погрешности решения задач вычисления
 - •1.4. Абсолютная и относительная погрешности
 - •Пример 1.4. Примеры записи абсолютной погрешности числа :
 - •Пример 1.5. Пример записи относительной погрешности числа :
 - •1.5. Погрешность машинных вычислений и представлений чисел в памяти эвм
 - •1.6. Графы вычислительных процессов
 - •1.7. Вопросы для самопроверки
 - •Глава 2. Решение нелинейных уравнений с одной переменной
 - •2.1. Локализация корней
 - •2.2. Уточнение корней
 - •2.2.1. Метод половинного деления (бисекции, дихотомии)
 - •2.2.2. Метод хорд
 - •2.2.3. Метод Ньютона (касательных)
 - •2.2.4. Модифицированный метод Ньютона
 - •2.2.5. Метод секущих
 - •2.2.6. Метод итераций
 - •Б) односторонний расходящийся процесс; в) двухсторонний сходящийся процесс; г) двухсторонний расходящийся процесс.
 - •2.2.7. Комбинированный метод хорд и касательных
 - •2.3. Вопросы для самопроверки
 - •Глава 3. Методы приближения, интерполяции и аппроксимации функций
 - •3.1. Методы приближения функций
 - •3.1.1. Формула Тейлора, ряд Тейлора
 - •3.1.2. Полиномы Чебышева
 - •3.1.3. Экономизация степенных рядов
 - •3.1.4. Приближения с помощью дробно-рациональных функций
 - •3.2. Методы интерполяции функций
 - •3.2.1. Прямой метод
 - •3.2.2. Полином Лагранжа
 - •3.2.3. Полином Ньютона
 - •Конечные разности функции .
 - •3.3. Методы аппроксимации функций
 - •3.3.1. Среднеквадратичная аппроксимация
 - •Некоторые регрессионные модели.
 - •Премиальные фонды и прибыли предприятий
 - •Расчет сумм для проведения регрессионного анализа
 - •Коэффициенты регрессии
 - •Расчет суммы квадратов отклонений по линейной модели
 - •Сумма квадратов отклонений для рассматриваемых моделей
 - •3.3.2. Полиномиальная аппроксимация
 - •3.3. Вопросы для самопроверки
 - •Глава 4. Численное интегрирование
 - •4.1. Понятие определенного интеграла
 - •4.2. Классификация методов численного интегрирования
 - •4.3. Методы Ньютона-Котеса
 - •4.3.1. Методы прямоугольников
 - •4.3.2. Метод трапеций
 - •4.3.3. Метод Симпсона (метод парабол)
 - •4.4. Погрешность методов Ньютона-Котеса
 - •4.5. Вычисление интегралов с заданной точностью
 - •4.6. Особые случаи численного интегрирования
 - •4.7. Вычисление кратных интегралов
 - •Результаты вычисления значений функции .
 - •4.8. Методы Монте-Карло
 - •4.9. Вопросы для самопроверки
 
3.1.3. Экономизация степенных рядов
Полиномы Чебышева дают очень хорошее приближение функции, но эти приближения довольно сложно вычислять. Существует относительно простой метод корректировки традиционного разложения функции в степенной ряд (например, в ряд Тейлора) до разложения функции по полиномам Чебышева.
Пусть дана часть степенного ряда функции на отрезке [–1,1]:
	
.						(3.6)
	Используя
представление полиномов Чебышева
степеней 0, 1, 2, ..., можно вычислять функции
в разложении по полиномам Чебышева:
	
					
(3.7)
Подстановка (3.7) в (3.6) преобразует разложение функции в степенной ряд (3.6) в ряд, разложенный по полиномам Чебышева:
.
				(3.8)
	Для широкого
класса функций их разложение по полиномам
Чебышева сходится намного быстрее,
следовательно, мы можем надеяться, что
,
,
в формуле (3.8) убывают гораздо быстрее,
чем 
,
,
в (3.6). Тогда, не уменьшая общую точность
приближения функции 
(за счет улучшения структуры ее
представления), можно понизить степень
многочлена, удалив из (3.8) последний член
разложения, если 
,
где 
– некоторая заданная точность. В
результате, с помощью многочлена меньшей
степени доступно вычисление функции
без ущерба для точности ее представления
в ЭВМ.
3.1.4. Приближения с помощью дробно-рациональных функций
	Некоторые функции
нельзя достаточно точно приблизить
многочленами, например, имеющие асимптоты.
Асимптотой графика функции 
называется такая прямая, расстояние от
точки 
до которой стремится к нулю при
неограниченном удалении точки графика
от начала координат.
Рациональные
функции способствуют получению хороших
приближений. Наиболее сложную проблему
составляет вопрос выбора вида
дробно-рациональной функции 
для заданной функции 
,
где 
и 
– многочлены. При выборе вида рациональной
функции следует учитывать всю имеющуюся
априорную информацию: симметрию
приближаемой функции, точки разрыва,
нули функции и т.д. Проиллюстрируем идею
метода на примере. Пусть рациональная
функция является отношением двух
полиномов третьего порядка:
	
.
					 (3.9)
Для функции по формуле Тейлора получено разложение в ряд:
	
.				
(3.10)
Приравнивая (3.9) и (3.10), а также приводя полученное равенство к общему знаменателю, получим
.
Раскрывая скобки
и приравнивая коэффициенты при одинаковых
степенях 
,
получаем систему уравнений, из которой
определим коэффициенты 
	Последние три
уравнения отражают тот факт, что в
числителе рационального приближения
коэффициенты многочлена при степенях
выше третьей равны нулю. При использовании
данного метода возникает ошибка 
,
которую можно оценить следующим образом.
Вычислим каким был бы коэффициент 
,
если бы он был включен в это приближение,
и разделим его на величину знаменателя:
.
Для повышения точности приближения функции рациональной функцией степенной ряд (3.10) целесообразно подвергнуть экономизации.
3.2. Методы интерполяции функций
	Довольно часто
информация о функции 
задана не аналитически, а в виде значений
в конечном множестве ее узловых точек
(дискретно). Для реализации вычислительных
алгоритмов обычно требуется восстановить
функцию с дискретного множества точек
(заданную таблично) на непрерывную
область ее определения. Приближенная
замена функции 
,
заданной на множестве отдельных точек
,
(пусть 
),
функцией 
,
значения которой в точках 
совпадают с соответствующими значениями
функции 
,
называется интерполяцией функции 
функцией 
.
Точки 
называют узлами интерполяции, а 
– интерполянтом или интерполирующей
функцией. При этом предполагается, что
значения функции 
в узлах 
известны точно. Множество узлов
интерполяции 
называют интерполяционной сеткой. 
