- •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.
6.3.Матричная формула для коэффициентов многочлена аппроксимации.
Численное дифференцирование.
Формулы на основе интерполяционных многочленов. Оценка шага численного дифференцирования.
Численное интегрирование.
Пусть на отрезке [a,b] задана функция y = f(x). С помощью точек x0, x1, … , xn отрезок [a,b] можно разбить на n элементарных отрезков [xi-1, xi] (i=1,2,…,n), причем x0 = a, xn = b. На каждом из этих отрезков можно выбрать произвольную точку xi ( xi-1 £ xi £ xi ) и найти произведение si значения функции в этой точке f(xi) на длину элементарного отрезка Dxi = xi - xi-1 :
si = f(xi) Dxi .
Теперь можно составить сумму всех таких произведений:
Сумма Sn называется интегральной суммой. Определенным интегралом от функции f(x) на отрезке [a,b] называется предел интегральной суммы при неограниченном увеличении числа точек разбиения; при этом длина наибольшего из элементарных отрезков стремится к нулю:
8.1.Формулы прямоугольников, трапеций, парабол (Симпсона). Оценки погрешностей. Методы прямоугольников
Этот метод непосредственно использует замену определенного интеграла интегральной суммой. В качестве точек xi могут выбираться левые (xi = xi-1) или правые (xi = xi) границы элементарных отрезков. Обозначая f(xi) = yi и Dxi = hi , можно получить следующие формулы метода прямоугольников.
Широко распространенным и более точным является вид формулы прямоугольников, использующий значения функции в средних точках элементарных отрезков (в полуцелых узлах):
,
где xi-1/2 = (xi-1 + xi) / 2 = xi-1 + hi /2 , i=1,2,…,n
Этот алгоритм обычно называют методом средних.
Если применяют постоянный шаг интегрирования hi = h = const, то последняя формула принимает вид:
Предельная абсолютная погрешность метода прямоугольников:
, где
.2192
Погрешность решения составляет 1.2192-1.219=0.0002 (около 0.016 %)
Погрешность метода:
На отрезке [ 1,2 ] производная достигает наибольшего значения f’(x) = 0.5 в точке x=1. Таким образом М1 = 0.5 . Тогда по формуле погрешности можно получить
Отсюда можно убедиться, что во всех случаях точное решение находится в интервале полученное решение ± 0.05 .
Метод трапеций
Этот метод использует линейную интерполяцию, т.е. график функции y = f(x) представляется в виде ломаной, соединяющей точки (xi, yi). В этом случае площадь всей фигуры (криволинейной трапеции) складывается из площадей элементарных прямолинейных трапеций.
Площадь первой трапеции (s1) равна
Аналогично:
. . . . . . . . . . . .
и, следовательно,
Отсюда, учитывая, что yk = f(xk), можно получить исходную формулу метода трапеций:
где cj = 1, 2, 2, … , 2, 1 .
Чем больше n, тем точнее, при прочих равных условиях, данная формула. Исключение составляет лишь тот очевидный случай, когда функция f(x) линейна, тогда формула дает точные результаты при n = 2.
Предельная абсолютная погрешность метода трапеций:
, где
Погрешность метода:
Таким образом, на отрезке [ 1,2 ] получим ½f’’(x)½ £ 1/4 = 0.25. Тогда по формуле:
В общем случае погрешность Rn численного значения Sn равна
Она зависит от шага разбиения, и ее можно представить в виде Rn = O(hk) . В случае переменного шага можно принять h = max(hi) .Из этого представления погрешности численного интегрирования следует, что при h ® 0 ( n ® ¥) значения интеграла, получаемые путем численного интегрирования, сходятся к его точному значению.
На основании формул прямоугольников и трапеций можно получить уточненные значения интегралов, если учесть характер погрешностей этих формул. Главный член погрешности формулы прямоугольников (по среднему) на каждом отрезке [xi-1, xi] равен h3 * f IV(xi - 1/2)/24; для формулы трапеций он равен -h3 * f''(xi)/12, т.е. примерно вдвое больше и имеет другой знак. На основании этого можно записать уточненную формулу для вычисления определенного интеграла с использованием значений I1 и I2 , вычисленных по методам прямоугольников и трапеций:
I » (2I1 + I2)/3 .
Для рассмотренного выше примера получено I1 = 1.2192, I2 = 1.2184. Поэтому
I = (2*1.2192 + 1.2184)/3 = 1.2189 .
Т.е. с точностью до погрешности округления все разряды равны точным значениям.
Поскольку погрешность численного интегрирования определяется шагом разбиения, то, уменьшая его, можно добиться большей точности. На практике для этого обычно используют удвоение числа разбиений. При этом сравнивают две величины – значение, полученное при исходном и при удвоенном числе разбиений. Если эта разность лежит в пределах заданной точности, то прекращают вычисления. Если же выбранная точность не достигнута, то снова удваивают число разбиений.
Если функция задана таблично, то такой подход нельзя применять. Поэтому для повышения точности используют метод парабол (или метод Симпсона).