- •Глава 1. Численные методы.
- •1.1 Структура погрешности в численном анализе.
- •Округление.
- •Погрешность вычисления функции при неточном задании аргументов. (Вопрос вычисления функции при наличии ошибки в вычислении ее аргумента)
- •1.2. Понятие близости в метрическом пространстве.
- •Примеры классов функций и соответствующих нормированных пространств.
- •1.3. Задача приближения функций. Интерполяция.
- •Задача наилучшего приближения в нормированном пространстве.
- •Задача приближения полиномами.
- •Общая задача интерполяции.
- •1.4. Интерполяционный многочлен Ньютона.
- •Пример:
- •Запись интерполяционного многочлена для равноотстоящих узлов.
- •1.5. Среднеквадратичное приближение функции.
- •1.6. Классические ортогональные многочлены и их применение в задачах приближения функций.
- •С другой стороны
- •1.7. Некоторые общие свойства ортогональных полиномов.
- •1.8. Многочлены Чебышева, их свойства и применение в задачах приближения функций.
- •Первые применения многочленов Чебышева к задаче интерполяции.
- •1.9. Равномерное приближение функций на отрезке.
- •1.10 Теоремы о равномерном приближении функций на отрезке.
- •Глава II. Численное интегрирование.
- •2.1. Квадратурные формулы на основе интерполяций.
- •Формулы Ньютона-Котеса.
- •2.2 Квадратурные формулы Гаусса-Кристоффеля.
- •Глава III. Численные методы алгебры.
- •3.1. Принцип сжатых отображений.
- •3.2. Метод простых итераций для функциональных уравнений.
- •3.3.Метод Ньютона.
- •3.4. Численные методы линейной алгебры.
- •3.4.1. Нормы матриц. Спектральные свойства матриц.
- •Для любой квадратной матрицы и любой согласованной матричной нормы имеет место неравенство:
- •Простейшие следствия из определений.
- •3.4.2. Обусловленность матриц и систем уравнений.
- •3.4.3. Итерационные методы решения систем лау.
- •3.4.4 Стационарные итерационные процедуры. Теоремы о сходимости.
- •Некоторые определения.
- •Глава IV. Численные методы решения обыкновенных дифференциальных уравнений.
- •4.1. Численное дифференцирование.
- •4.2.Численные методы решения задачи Коши.
- •4.2.1. Оценка погрешности метода Эйлера.
- •1. Ошибка растет с номером шага k.
- •4.2.2.Методы Рунге-Кутта.
- •4.3. Численные методы решения краевых задач для оду.
- •4.3.1.Задача аппроксимации на сетке.
- •4.3.2.Аппроксимация, устойчивость и сходимость разностных схем.
- •Итерационная процедура устойчива по правой части тогда и только тогда, когда
- •При этом, если выполняется условие
Первые применения многочленов Чебышева к задаче интерполяции.
Задача.
Оптимизировать интерполяцию полиномом Лагранжа с помощью выбора узлов интерполяции. Как выбрать узлы, чтобы минимизировать погрешность интерполяции?
Решение.
Пусть [a, b]=[-1;1]. Как известно (из лекции 2) погрешность интерполяции оценивается с помощью остаточного члена: . В лекции 2 была получена оценка:
, где ,
- многочлен (n+1)-ой степени, с коэффициентом , построенный по узлам {xn}, являющимся его нулями.
Имеем:
.
Согласно свойству 6:
а в силу свойства 5:
если выбрать узлы интерполяции в точках , тои достигается в точках.
Но так как многочлен построен по тем же нулям, что и, и имеет коэффициент an+1=1, то .
Отсюда следует, что - наименьшее значение по сравнению с любыми другими вариантами выбора узлов интерполяции.
Вывод: выбор узлов интерполяции в качестве нулей полинома является оптимальным по точности интерполяции многочленом Ln(x) .
Замечание.
Для интерполяции на произвольном конечном отрезке [a;b] предварительно нужно сделать замену переменной:
.
и преобразовать формулу для узлов.
1.9. Равномерное приближение функций на отрезке.
Пусть -пространству непрерывных на отрезке [a,b] функций.
Введем норму: .
Расстояние между элементами f и g , принадлежащих пространству С, порожденное данной нормой, вычисляется следующим образом:
.
Введенные таким образом норма и расстояние удовлетворяют всем необходимым свойствам.
Пусть - система многочленов.
Обозначим - многочленn-ой степени. Задача приближения функции в метрике С многочленами n-ой степени допускает 2 постановки:
1. Аппроксимация с заданной точностью: по заданному найти такой многочлен, что
. (7)
2. Найти многочлен наилучшего равномерного приближения, то есть
, (8)
где Mn- семейство многочленов n-ой степени.
Рассмотрим простейший вариант решения задачи 1-ого типа.
Пусть отрезок [a,b]=[-1;1] и f(x) достаточно гладкая функция, например, . Тогда найдется такоеn (такая степень интерполяционного полинома), что выполняется (7).
Покажем решение подобной задачи на примере.
Пример 1.
Пусть
Приблизить функцию f(x) многочленом n-ой степени так, чтобы выполнялось условие
Установить порядок полинома, реализующего данное условие.
Очевидно, что для данной f(x) существуют производные любого порядка на [-1,1]. В качестве аппроксимирующего полинома возьмем полином Лагранжа Ln(x), построенный по нулям полинома Чебышева Tn+1(x).
В силу свойств полинома Чебышева, имеем следующую оценку остаточного члена:
Вычисляя производные заданной функции f(x), последовательно получаем:
Отсюда получаем оценку
Учитывая, что
достаточно выбрать порядок полинома Лагранжа Ln(x) из условия:
Нетрудно убедиться, что n=4 удовлетворяет поставленному условию.
Следовательно полином Лагранжа L4(x), построенный по нулям полинома Чебышева T5(x), аппроксимирует функцию c заданной точностью.
Для произвольной f(x) (не достаточно гладкой) задача 1 решается уже не так просто.
Заметим, что характер близости в норме С сильно отличается от среднеквадратической близости ( в норме L2), что демонстрирует следующий пример.
Пример 2.
Пусть f(x)- кусочно-линейная на отрезке [a,b] – изображена на рисунке.
, .
Показать, что при и.
Решение.
самостоятельно или на семинаре.
Вывод: при , то есть среднеквадратическая близость не гарантирует близости в норме С.
С другой стороны, очевидно, что если, например,
.
Таким образом, близость в норме С более жесткое условие, чем близость в норме L2.
Лекция 6.