- •Элементы теории погрешностей.
- •1.1.Определение абсолютной и относительной погрешности численного результата.
- •1.2.Основные составляющие абсолютной погрешности.
- •1.3.Формулы для оценки абсолютной и относительной погрешности для значения функции и переменных.
- •Решение уравнений с одной неизвестной.
- •2.1.Отделение корней уравнения и отделение корней алгебраического уравнения.
- •2.2.Понятие кратного корня.
- •2.3.Методы уточнения корней простой итерации.
- •2.4.Метод Ньютона.
- •2.5.Метод хорд.
- •2.6.Достаточное условие сходимости метода простой итерации.
- •Вывод условия сходимости:
- •2.7.Оценка погрешности n-приближения.
- •Решение систем линейных уравнений.
- •3.1.2.Классификация слау
- •3.1.3.Обусловленность слау
- •3.1.Метод Гаусса.
- •3.2.Метод прогонки.
- •3.3.Метой простой итерации. Приведение системы к итерационной форме
- •Выполнение итерации
- •Проверка условия окончания решения
- •3.4.Достаточное условие сходимости простой итерации.
- •3.5.Оценка погрешности n-приближения.
- •4.1.Метод простых итераций.
- •1) Функции 1(X,y) и 2(X,y) определены и непрерывно дифференцируемы в r;
- •3) В r выполнены неравенства
- •4.2.Метод Ньютона.
- •Интерполяция функций.
- •5.1.Постановка задачи.
- •5.2.Формула Лагранжа.
- •5.3.Формула Ньютона.
- •5.4.Оценка погрешности интерполяции.
- •5.5.Интерполяция сплайнами.
- •Определение кубического сплайна.
- •Формулировка системы уравнений для коэффициентов кубического сплайна.
- •Аппроксимация функций.
- •6.1.Постановка задачи.
- •6.2.Метод наименьших квадратов.
- •6.3.Матричная формула для коэффициентов многочлена аппроксимации.
- •Численное интегрирование.
- •8.1.Формулы прямоугольников, трапеций, парабол (Симпсона). Оценки погрешностей. Методы прямоугольников
- •Метод трапеций
- •Метод парабол
- •8.2.Метод Рунге двойного счета для оценки погрешности.
- •Методы решения задачи Коши для обыкновенного дифференциального уравнения.
- •9.1.Интегральное представление задачи Коши.
- •10.1.Обусловленность задачи поиска минимума.
- •10.3.Метод золотого сечения.
- •10.4.Метод координатного спуска.
- •10.5.Метод наискорейшего спуска.
5.4.Оценка погрешности интерполяции.
Поставим вопрос о том, насколько хорошо интерполяционный полином приближает функциюна отрезке, то есть попытаемся оценить погрешность (остаточный член)
,.
Сразу же отметим, что по определению интерполяционного полинома
при,
поэтому речь идет об оценке при значениях.
Для того, чтобы это сделать, следует ввести дополнительно предположение о гладкости функции . Предположим, чтоимеетнепрерывную производную на отрезке.
В силу можно представить в виде:
,
где - полином степени:
.
Зафиксируем произвольное значение и рассмотрим вспомогательную функцию от переменной:
,
заданную на отрезке и содержащую переменнуюв качестве параметра. В силу своего определения функцияобязана обращаться в нуль в узлах интерполирования прии кроме того при , т. е. как функция аргументаона имеетнуля:
,,.
Если , то все ее нули также лежат на отрезке. Еслито эти нули, вообще говоря, принадлежат отрезку, а если, то они находятся на отрезке. Объединяя эти три случая, скажем, что указанные нули функциипринадлежат отрезку, где.
Согласно известной теореме Ролля можно утверждать, что производная имеет по крайней меренуль на отрезке(эти нули перемежаются с нулями самой функции). Повторяя это рассуждение, заключаем, чтоимеет по крайней меренулей на отрезке,-нуль и, наконец,обращается хотя бы один раз в нуль в некоторой точке, то есть
.
Учитывая, что производная полинома степенитождественно равна нулю, получаем, что
;
и соответственно
.
Формула не позволяет вычислить погрешность, поскольку точное значение аргумента нам неизвестно. Однако с ее помощью погрешность можно оценить:
,
где
.
Обсудим роль полинома в оценке . На отрезкеон имеетнуль, а его значения между этими нулями сравнительно невелики, но, когда точкавыходит за пределы отрезкаи удаляется от точкивлево или от точкивправо, оценка ухудшается из-за быстрого роста функции. Это хорошо видно на рис. 2, где в качестве примера приведен график функциис корнями,,,:
.
Ее наибольшее по модулю значение на отрезке равно единице. Однако уже в точкахза пределами отрезка полиномпринимает значение
.
Из сказанного можно сделать следующий вывод. Если , то множительне обесценивает оценку . Такой случай называют собственно интерполяцией. Противоположный случай, когда точкалежит вне отрезка называют экстраполяцией функции. Отмеченная выше особенность поведения полиномарезко ухудшает оценку при экстраполяции. Поэтому на практике экстраполяции избегают или ограничиваются многочленами невысокой степени, когда рост функциине настолько критичен.
5.5.Интерполяция сплайнами.
Увеличение степени интерполяционного полинома может оказаться невыгодным из-за быстрого роста объема вычислений. К тому же далеко не всегда оно приводит к повышению точности. Во второй половине ХХ века с появлением компьютеров и развитием современной вычислительной математики при обработке больших таблиц получила развитие новая идея – строить приближение функций с помощью кусочно-полиномиальной интерполяции с использованием полиномов сравнительно невысоких степеней. Наиболее удобными оказались полиномы третьей степени. Такие конструкции получили название кубических сплайнов.