- •А. Б. Дюбуа, с. Н. Машнина, с. А. Нелюхин
- •Введение
- •Элементы теории погрешностей
- •Абсолютная, относительная погрешности
- •Значащие, верные цифры. Округление чисел
- •Погрешности результата арифметических операций
- •Погрешности значения функции
- •Полиномиальные интерполяции
- •Форма Лагранжа
- •Конечноразностные формулы
- •Диагональная таблица разностей
- •Первый интерполяционный многочлен Ньютона
- •Второй интерполяционный многочлен Ньютона
- •Центральные интерполяционные формулы
- •Выводы и примеры на интерполирование
- •Обратное интерполирование
- •Интерполяцияс кратными узлами. Полиномы Эрмита
- •Сплайн – интерполяция
- •Контрольные вопросы и задачи
- •Литература
Погрешности значения функции
При вычислении значения функции в точке(считаемприближенным значением точного числа) возникают погрешности – предельная абсолютнаяи предельная относительная. Выразим эти погрешности через погрешности числа(будем полагать, что функциядифференцируема в точке).
Так как функция дифференцируема в точке, то
, (4.1)
где мало при малом(иными словами, слагаемымв формуле (4.1) можно пренебречь, еслимало).
Учитывая равенство (4.1), истинная абсолютная погрешность будет оцениваться неравенством (приближенным)
,
откуда по определению предельной абсолютной погрешности
. (4.2)
Итак, предельная абсолютная погрешность значения функции в точке (– приближенное число) равна произведению модуля производной этой функции в точкена предельную абсолютную погрешность числа.
Соответственно предельная относительная погрешность вычисляется следующим образом
=. (4.3)
Найдем с помощью формул (4.2), (4.3) погрешности значений основных элементарных функций.
Пусть (– действительное число). Тогда
, .
В частности при :.
Пусть . Тогда
, .
Пусть . Тогда
, .
В частности, если , то.
Аналогично определяются погрешности значений других основных элементарных функций (см. таблицу 4.1).
Таблица 4.1.
№ | |||
1 | |||
2 | |||
3 | |||
4 | |||
5 | |||
6 | |||
7 | |||
8 | |||
9 |
Пример 4.1. Дана функция . Протабулировать ее на отрезке(считать), разбив его наравных частей (все расчеты проводить с 4 знаками после запятой). Вычислить предельные абсолютные, относительные погрешности значений функции в узлах табулирования.
Решение: Протабулировать функцию на отрезкес постоянным шагомозначает составить таблицу значений,(точкиназываются узлами табулирования), где
. (4.4)
В нашем случае ,,; узлы определяются следующим образом:
. (4.5)
Вычислим значения функции в узлах табулирования (4.5):
.
Имеем ,;
, 3,3261,
,
и так далее.
Все вычисления значения функции в узлах табулирования заполняем в таблицу 4.2.
Учитывая формулы (4.2), (4.3), находим погрешности в узлах (4.5) (при этом число можно считать точным, а тогда; в остальных же узлах (4.5),00005)
, .
Таблица 4.2.
i | ||||||
0 |
0 |
0 |
1 |
3 |
0 |
0 |
1 |
0,6284 |
0,7927 |
0,5334 |
3,3261 |
4,8678 |
1,46 |
2 |
1,2568 |
1,2111 |
0,2846 |
3,4057 |
8,0695 |
2,37 |
3 |
1,8852 |
1,3730 |
0,1518 |
3,5248 |
1,0618 |
0,3 |
4 |
2,5136 |
1,5854 |
0,0809 |
3,6663 |
1,1724 |
0,32 |
5 |
3,1420 |
1,7726 |
0,0432 |
3,8158 |
1,1944 |
0,31 |
Полиномиальные интерполяции
Весьма редко удается решить задачу прямыми аналитическими методами, тем более реализовать решение в виде вычислительного алгоритма. Основными требованиями к алгоритму являются:
- изменяемость в зависимости от начальных (исходных) условий, т.е. путь решения должен быть по возможности универсальным;
- схематизированность (однозначно должна быть определена последовательность действий),
- рекурсированность – рекурсированный алгоритм состоит из небольших частей, которые неоднократно реализуются для различных наборов значений;
- решение, реализуемое алгоритмом должно быть конечным, т.е. должно приводить к конечному результату за конечное число шагов. Другими словами, не должно существовать различного рода расходимостей (например, часто встречаются т.н. логарифмические расходимости вида , разрывы первого и второго родов, скачки значений производных и т.д.), которые могут оказать существенное влияние на конечный результат. Поэтому реализации алгоритма непосредственно на ЭВМ должен предшествовать тщательный анализ задачи с целью выявления различных особенностей в поведении исследуемого процесса.
Последнее требование представляется авторам наиболее важным с точки зрения достоверности получаемых результатов вычисления.
Часто при обработке статистических данных возникает задача замены аналитического описания некоторого реального процесса на другое, более удобное с точки зрения дальнейших математических преобразований. Т.е. мы заменяем некоторую функцию f(x) (известную, неизвестную, частично известную), другой ψ(x), полученной в результате некоторых преобразований. В зависимости от цели исследования выбирается метод интерполяции1 или экстраполяции - процесс построения приближенного или аппроксимирующего многочлена соответственно внутри и вне промежутка исследования. Так как методики интерполяции и экстраполяции практически не отличаются друг от друга, то в дальнейшем будем ограничиваться примерами интерполяции. В связи с этим вышеупомянутую процедуру должен предварять анализ исходной зависимости f(x), а именно:
Способ и интервал задания функции (аналитический или табличный);
Оценка степени гладкости функции, имеется ли возможность определения производных;
Требования к интерполирующей функции ψ(x) (определение ее класса);
Определение критерия качества интерполяции, иначе говоря, задание способа оценки погрешности интерполяции. Необходимо в первую очередь определить источники погрешностей. Чаще всего наиболее существенное влияние оказывают следующие:
— погрешность исходных данных;
— погрешность метода;
— погрешность округления;
Погрешность исходных данных, как правило, легче всего поддается оценке и соответствующей корректировке. Более того, часто удается получить точную аналитическую формулу ошибок, исходя из выводов теории вероятностей и математической статистики.
Так как вычислительный алгоритм является рекурсивным, состоящим из целого ряда операций, то происходит т.н. накопление погрешностей: погрешности результата каждого шага оказываются исходными для следующей операции, поэтому точный анализ погрешностей оказывается трудновыполнимым и приходится ограничиваться доверительными оценками.
Сформулируем основные положения.
Первое. Будем рассматривать как таблично, так и аналитически заданные функции.
Второе. В основном будем использовать полиномиальную или кусочно-полиномиальную интерполяцию, т.е. рассматривать в качестве аппроксимирующих функций ψ(x) только многочлены. Данная форма ψ(x) выглядит в большинстве случаев более предпочтительной с точки зрения упрощения дальнейших математических действий (дифференцирования, интегрирования). Другие виды приближений (тригонометрическое, экспоненциальное и пр.) будут применены в следующих разделах.
Третье. Построение аппроксимирующего многочлена и оценку погрешности будем производить с помощью функционалов
(1)
(2)
соответственно для непрерывных и дискретных функций. Оценка погрешности (степени близости функций f(x) и ψ(x)) по формулам (1) и (2) смысл среднеквадратичной погрешности.
Будем называть вычислительный метод устойчивым, если для любого существует такое, что максимальная погрешность результата вычислений меньшепри максимальной погрешности исходных данных меньше.