- •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
4.3. Методы Ньютона-Котеса
Способ получения формул для вычисления приближенного значения интеграла в методах Ньютона-Котеса состоит в следующем. Разобьем отрезок интегрирования на частичных (как правило, равных по длине) отрезков, точки разбиения , , будем называть узлами интегрирования, а расстояния между узлами , , – шагами интегрирования. В частном случае шаг интегрирования может быть постоянным . На каждом из частичных отрезков интегрирования , , будем аппроксимировать подынтегральную функцию полиномом некоторой степени. В результате вычисление частичных интегралов на отрезках , , по формуле (4.1) не составит труда.
4.3.1. Методы прямоугольников
Рассмотрим простейшие методы из класса методов Ньютона-Котеса, в которых подынтегральную функцию на отрезках интегрирования , , заменяют полиномом нулевой степени (константой): . Подставляя в формулу (4.1) и выполняя интегрирование, получаем
. (4.2)
Таким образом, в геометрической интерпретации приближенное значение интеграла определяется суммой площадей прямоугольников, одна из сторон которых соответствует отрезкам интегрирования длиной , а другая – аппроксимирующим константам. Отсюда происходит и название методов. Далее будем использовать обозначения: , , .
Замечание. Формулу (4.2) можно также вывести, если заменить определенный интеграл интегральной суммой, непосредственно опираясь на определение понятия определенного интеграла.
Заметим, что замена подынтегральной функции константой неоднозначна, так как ее можно выбрать равной значению подынтегральной функции в любой точке каждого частичного отрезка интегрирования. Выбирая константу равной значению подынтегральной функции в левой (рис. 4.4 а) или правой (рис. 4.4 б) границах отрезков , , приходим к формулам левых и правых прямоугольников, соответственно:
, (4.3)
. (4.4)
Рис. 4.4. Пример метода левых (а) и правых (б) прямоугольников.
В случае постоянного шага интегрирования, когда , , формулы (4.3) и (4.4) приобретают вид
,
(4.5)
.
На рис. 4.5 закрашенными фигурами показаны примеры погрешности вычисления значений интеграла методами левых и правых прямоугольников.
Рис. 4.5. Пример погрешности метода левых (а) и правых (б) прямоугольников.
Наиболее широко на практике используется формула средних прямоугольников, в которой значение константы (высоты прямоугольника) выбирается равной значению подынтегральной функции в средней точке каждого частичного отрезка интегрирования , :
.
Пример геометрической интерпретации метода средних прямоугольников представлен на рис. 4.6.
Рис. 4.6. Пример метода средних прямоугольников.
В случае постоянного шага интегрирования, когда , , формула средних прямоугольников будет иметь следующий вид
,
где , .
Из трех рассмотренных выше методов в подавляющем большинстве случаев метод средних прямоугольников является наиболее точным.
Замечание. Если подынтегральная функция задана не аналитическим выражением, а таблично, то формула средних прямоугольников оказывается неприменима (без привлечения дополнительной интерполяции), так как значения функции известны лишь в узловых точках. В этом случае пользуются либо формулами левых или правых прямоугольников, либо используют другие методы.