Формула Ричардсона и правило Рунге
Одним из наиболее распространенных способов экстраполяции является правило Ричардсона, основанное на предположении о справедливости математической модели (4.2) и реальной малости добавочной погрешности.
В этом случае, отбросив малую величину в (4.2), получаем одно уравнение с двумя неизвестными c1 и z. Чтобы получить второе уравнение, используем другой известный член последовательности . Пусть n1=n/Q (Q>1), тогда приходим к системе двух уравнений
(4.3)
Отсюда найдем
. (4.4)
С помощью (4.4) определяется экстраполированное (по правилу Ричардсона) значение искомого параметра , а с его помощью находится оценка погрешности приближенного значения zn
. (4.5)
Этот способ оценки погрешности называется правилом Рунге.
Метод Нэвилла
Аналогичный подход имеет место и в случае, когда номер члена последовательности увеличивается на единицу (т.е. nj+1=nj+1). Для последовательности {zn} строится таблица Нэвилла [7,8], представляющая собой матрицу (L=0,1,…, nL+1), в которой нулевой столбец (L=0) – исходная последовательность, а все остальные столбцы находятся по правилу
,
которое получается из рекуррентного соотношения Эйткена при , .
Метод численной фильтрации
В более общем случае математическая модель погрешности представляется в виде
, (4.6)
где k1,…, kL – произвольные действительные числа (k1<k2<…< kL). Тем не менее, при nj=n1Q j1 задача определения коэффициентов ci и экстраполированного значения z решается аналитически, если применить метод численной фильтрации. Подставив в (4.6) nj=n1Q j1, получим систему уравнений:
(4.7)
Рассмотрим два значения , , вычисленные при числе узлов, равном и соответственно. Составим линейную комбинацию
и потребуем, чтобы суммарный коэффициент при z был равен 1, а при (для определенного j) равен 0. Отсюда получим формулу фильтрации, которая совпадает с Ричардсоновской экстраполяционной .
Критерий качества оценки погрешности
При использовании перечисленных методов оценки погрешности возникает вопрос о допустимости отбрасывания малых (n).
Какой критерий можно для этого применить? Если может быть найдена оценка погрешности оценки погрешности , то отношение этих оценок по модулю должно быть существенно меньше единицы:
.
Это означает, что относительная размытость оценки мала, и такой оценке можно доверять. Если же 1, то ширина области размытости сравнима с и такую оценку следует отвергнуть.
Поскольку величина получается в виде разности (где экстраполированное значение), то оценкой погрешности величины является оценка погрешности экстраполированного значения (с обратным знаком).
Какая информация может быть использована для получения такой оценки? Мы рассматриваем задачу о нахождении оценок погрешности в условиях, когда известны только численные значения zn.
Применим следующий подход. Обозначим экстраполированное число , полученное с помощью какого-нибудь из изложенных методов при конкретном n. Тогда, увеличивая (или уменьшая) n (в Q, Q2, и т.д. в Qm раз), мы можем получить последовательность уточненных значений . Теперь представим в виде (4.2)
и получим дважды экстраполированное значение , повторив экстраполяцию по Ричардсону по формуле (4.4), (где вместо используем ), или методом Ромберга увеличив L. Разность является искомой оценкой погрешности экстраполированного значения .
Отметим, что в результате указанных действий получаются дважды экстраполированные значения , погрешность которых также может быть оценена путем повторной (третьей по счету) экстраполяции. Если эта оценка мала по сравнению с , то экстраполированные величины могут быть использованы как уточненные значения с известной оценкой погрешности и мерой ее размытости.
Процесс экстраполяции может повторяться до тех пор, пока очередное отношение ширины области размытости к величине самой оценки не приблизится к 1 или не превысит единицу.
Повторное применение правила Рунге для оценки погрешности результатов вычислений zn при последовательном увеличении n в Q раз называют методом Ромберга.
Результаты экстраполяций удобно представлять в виде треугольной матрицы
Результаты экстраполяций и оценки погрешности удобно представлять на графике в виде зависимости десятичного логарифма относительной погрешности от логарифма n (числа отрезков разбиения). При этом данная зависимость для каждой составляющей погрешности (степенная функция) представлялась бы на таком графике отрезком прямой. Значение ординаты соответствует числу верных знаков.
а) |
б) |
Рис. 1. Результаты экстраполяции данных, полученных при удвоении числа слагаемых с помощью метода Ромберга: а) – сравнение с эталоном;
б) – оценки по правилу Рунге
Анализ методов экстраполяции с определением порядков аппроксимации
Следует различать задачи по наличию и виду дополнительной (априорной) информации, которая может быть использована при построении математической модели погрешности.
Например, экстраполяция по правилу Ричардсона основана на предположении, что известен порядок точности численного метода (или порядок аппроксимации). В методе Ромберга требуется, чтобы были известны показатели нескольких степенных функций.
Однако при анализе результатов решения сложных задач часто случается, что показатели неизвестны, и их значения должны быть получены из анализа численных результатов.
Метод Эйткена (2-алгоритм)
При оценке погрешности частичных сумм значение k в (4.3) может быть неизвестно. В этом случае можно использовать следующую модификацию правила Ричардсона. Вычислим три значения z1, z2, z3 при трех номерах последовательности: n, nQ, nQ2 и составим систему трех уравнений
Найдем разности
,
и, разделив одну на другую, определим Qk:
.
Теперь можно найти z:
.
Как и в рассмотренных ранее случаях, мы нашли экстраполированное (уточненное) значение , а вместе с ним и оценку погрешности .
Этот способ экстраполяции при неизвестном порядке точности принято называть методом Эйткена или 2-алгоритмом, который в более общем случае применяется для экстраполяции векторных последовательностей, например, при решении систем уравнений
.
В последнем выражении zi – векторы, а скобками обозначается скалярное произведение.
В настоящее время разработано много методов экстраполяции при неизвестном порядке аппроксимации, например, -алгоритм, -алгоритм, u-алгоритм.
1 Эта величина, установленная в [6] экспериментально, впоследствии получила теоретическое обоснование [25].