- •Численные методы
- •Сиговцев Генадий Сергеевич, заведующий кафедрой имо
- •Метод Гаусса решениясистем линейных алгебраических уравнений
- •Задача Коши для оду
- •Краевыезадачи для оду
- •Разностныесхемы для краевой задачи с оду 2-го порядка
- •1. Введение
- •1.1. Роль численных методов
- •1.2. Источники и классификация погрешностей
- •1.2.1. Погрешности данных, метода и вычислений
- •1.3. Абсолютная и относительная погрешности вычисления
- •Методы решенияалгебраических уравнений
- •2. Численные методы алгебры
- •2.1. Методы решения алгебраических уравнений
- •2.1.1. Метод деления отрезка пополам
- •2.1.2. Метод хорд
- •2.1.3. Метод Ньютона
- •1.1. Методы решения алгебраических уравнений
- •Метод Гаусса решениясистем линейных алгебраических уравнений
- •2.2. Метод Гаусса решения систем линейных алгебраических уравнений
- •2.1. Интерполяционный многочлен Лагранжа
- •2.2. Использование интерполяционного многочлена для вычисления производной.
- •Итерационныеметоды. Общая схема
- •2.3. Итерационные методы. Общая схема
- •Вариантыитерационных методов
- •2.4. Варианты итерационных методов
- •2.4.1. Метод простых итераций
- •2.4.2. Метод Якоби
- •2.4.3. Метод Зейделя
- •2.4.4. Метод релаксации
- •2.5. Оценка погрешности и мера обусловленности
- •1.3. Итерационные методы решения систем уравнений
- •2.1. Интерполяционный многочлен Лагранжа
- •Алгебраическаяпроблема собственных значений
- •2.6. Алгебраическая проблема собственных значений
- •2.6.1. Степенной метод
- •2.6.2. Метод вращений
- •Задачаинтерполяции. Многочлен Лагранжа.
- •3. Численные методы математического анализа
- •3.1. Задача интерполяции. Многочлен Лагранжа
- •3.1.1. Постановка задачи
- •3.1.2. Построение интерполяционного многочлена Лагранжа
- •3.1.3. Остаточный член
- •Минимизацияостаточного члена
- •3.2. Минимизация остаточного члена
- •3.2.1. Постановка задачи
- •3.2.2. Многочлены Чебышева
- •3.2.3. Минимизация оценки остаточного члена
- •Интерполяционнаяформула Ньютона с разделенными разностями
- •3.3. Интерполяционная формула Ньютона с разделенными разностями
- •Численноедифференцирование
- •3.4. Численное дифференцирование.
- •3.4.1. Использование интерполяционных многочленов с разделенными разностями.
- •3.4.3. Оценка погрешности по методу Рунге..
- •3.4.4. Уточнение приближенного решения.
- •Сплайн-интерполяция
- •3.5. Сплайн - интерполяция
- •3.5.1. Линейный интерполяционный сплайн
- •3.5.2. Кубический интерполяционный сплайн
- •3.5.3. Метод прогонки.
- •Метод наименьших квадратов
- •3.6. Метод наименьших квадратов
- •3.6.1. Подбор эмпирических формул
- •3.6.2. Среднеквадратичные приближения.
- •2.4. Метод наименьших квадратов
- •Квадратурныеформулы
- •3.7. Квадратурные формулы.
- •3.7.1. Формула прямоугольников.
- •3.7.2. Формула трапеций.
- •3.7.3.Формула Симпсона (парабол).
- •3.7.4. Оценка погрешности численного интегрирования.
- •2.5. Квадратурные формулы
- •4.2. Одношаговые методы численного решения
- •4.2.1. Классификация численных методов для задачи Коши
- •МетодЭйлера
- •4.3. Метод Эйлера
- •4.3.1. Разностная схема
- •4.3.2. Погрешность аппроксимации
- •4.3.3. Сходимость
- •Неявный метод Эйлера.
- •Метод Рунге-Кутты второго порядка точности.
- •Явный двухшаговый метод Адамса.
- •Неявный двухшаговый метод Адамса.
- •Методы Рунге-Кутты
- •4.5. Методы Рунге-Кутты второго порядка точности
- •4.5.1. Канонический вид явных одношаговых методов
- •4.5.2. Построение семейства схем второго порядка точности.
- •Метод Рунге-Кутты второго порядка точности.
- •Многошаговые схемы. МетодАдамса
- •4.7. Многошаговые схемы. Метод Адамса
- •4.7.1. Сценарий построения разностных схем
- •Явныесхемы Адамса
- •4.8. Явные схемы Адамса
- •4.8.1. Построение двухшаговой и трехшаговой схем
- •4.8.2. Погрешность аппроксимации
- •4.8.3. Устойчивость на модельной задаче
- •Явный двухшаговый метод Адамса.
- •Явный двухшаговый метод Адамса.
- •4.7. Многошаговые схемы. Метод Адамса
- •4.7.1. Сценарий построения разностных схем
3.6.2. Среднеквадратичные приближения.
Однозначной
задача определения параметров
станет,
если рассматривать как показатель
качества аппроксимации величину
(54)
и
искать
,
минимизирующие функцию
.
Решение
задачи о нахождении
в
такой постановке называется методом
наименьших квадратов.
В
теории вероятностей показано, что
полученные методом наименьших квадратов
параметры наиболее вероятны, если
отклонения
подчиняются
нормальному закону распределения.
Необходимые условия минимума функции
дают
систему уравнений
,
(55)
Важный
частный случай:
,
где
-
линейно независимые функции. Тогда
система уравнений (55) будет линейной.
На
практике часто используются функции
.
Тогда
-
многочлен степени
.
![]()
![]()
......................................................
![]()
Таким образом, получается система следующего вида:
(56)
При
полученный
многочлен совпадает с интерполяционным
многочленом Лагранжа.
Система уравнений для коэффициентов аппроксимирующегомногочлена
2.4. Метод наименьших квадратов


Квадратурныеформулы
3.7. Квадратурные формулы.
Постановка задачи численного интегрирования.
Пусть требуется вычислить
(57)
Если
-
первообразная для
,
то
.
Часто получить выражение для первообразной
не удается. Подинтегральная функция
может быть задана в табличном виде. В
этих случаях подинтегральную функцию
заменяют на некоторую аппроксимирующую
функцию, интеграл от которой легко
вычисляется в элементарных функциях.
Для аппроксимации подинтегральной
функции часто используют интерполяцию.
Во многих случаях формулы для приближенного
вычисления интегралов (57) можно записать
в виде
(58)
Формулы
такого вида называются квадратурными.
-
узлы квадратурной формулы.
-
коэффициенты.
-
погрешность (остаточный член ) квадратурной
формулы.
3.7.1. Формула прямоугольников.
Построение.
Простейшая квадратурная формула получается при использовании интерполяционного многочлена нулевой степени.
Фиксируем
и
заменяем подинтегральную функцию
интерполяционным многочленом нулевой
степени, который совпадает со значением
:
.
Тогда
(59)
Частные случаи:
-
формула левых прямоугольников
-
формула правых прямоугольников
-
формула средних прямоугольников.
Оценка погрешности.
Пусть
существует
,
непрерывная на
.
По
формуле Тейлора:
.
Интегрируя, получаем:
(60)
Обозначим
.
Используем вариант теоремы о среднем, который имеет вид:
если
непрерывна
и
-
интегрируема, то
,
где
.
Пусть
.
Имеем
.
(61)
Пусть
.
Имеем
и
оценка для
будет
того же вида (61).
Таким образом, (61) - оценка погрешности формул правых и левых прямоугольников.
Оценим погрешность для формулы средних прямоугольников.
Пусть
существует
.
По формуле Тейлора имеем:
.
Интегрируя, получаем
![]()
Так
как,
,
то
.
Отсюда следует оценка
(62)
Для
повышения точности квадратурных формул
можно промежуток
разбить
точками
,
,
на
частичные промежутки, к каждому из
которых применяется формула прямоугольников
,
,
(63)
Суммируя
по
,
получаем обобщенную формулу прямоугольников.
(64)
при
-
формула левых прямоугольников,
при
-
формула правых прямоугольников,
при
-
формула средних прямоугольников.
Оценка остаточного члена для обобщенной формулы получается на основе оценок (61) или (62) соответственно.
При
,
:
(65)
При
:
![]()
Из
оценок (65) следует, что выбирая достаточно
большое число точек разбиения (т.е. делая
достаточно
малым) можно получить результат с
необходимой точностью.
