- •1. Погрешности и их классификация
- •2. Приближенные числа и действия с ними.
- •Правила записи приближенных чисел.
- •Округление чисел
- •3. Уменьшение погрешностей
- •4. Устойчивость. Корректность. Сходимость.
- •5. Вычисление значений функций. Вычисление значений многочлена. Схема Горнера.
- •Вычисление значений рациональных дробей
- •Приближенное нахождение сумм числовых рядов.
- •Вычисление значений аналитической функции
- •Вычисление значений показательной функции
- •Вычисление значений логарифмической функции
- •Вычисление значений синуса и косинуса.
- •Вычисление значений гиперболического синуса
- •Вычисление значений гиперболического косинуса.
- •Применение метода итерации для приближенного вычисления значений функции
- •Вычисление квадратного корня
- •6. Приближение функций При решении задач постоянно встречается необходимость замены одной функции некоторой другой функцией .
- •6.1.2. Равномерное приближение.
- •6.2. Многочлены Тейлора.
- •6.3. Интерполяционный многочлен Лагранжа.
- •6.4. Линейная интерполяция.
- •7. Минимизация погрешности интерполяции. Многочлены Чебышева.
- •8. Интерполяция с равноотстоящими узлами.
- •9. Конечные и разделенные разности.
- •10.Интерполяционный многочлен Ньютона.
- •11. Интерполирование сплайнами.
- •12. Численное дифференцирование.
- •Погрешность численного дифференцирования.
- •13. Численное интегрирование.
- •Для удобства в вычислениях вместо дробных индексов вводят целочисленные, т.Е.
- •И формула Симпсона принимает вид
- •Еще одной формулой численного интегрирования является следующая, которая называется формулой Ньютона:
- •Остаточный член имеет вид
- •В последней формуле число узлов обязательно равно .
- •Особые случаи численного интегрирования.
- •Применение метода Монте-Карло к вычислению определенных и кратных интегралов.)
- •Приближенное решение алгебраических и трансцендентных уравнений. Отделение корней.
- •Теорема об оценке погрешности приближенного корня.
- •Графическое решение уравнений.
- •Метод половинного деления (дихотомия).
- •Метод хорд (метод пропорциональных частей)
- •Метод Ньютона (метод касательных).
- •Видоизмененный (упрощенный) метод Ньютона.
- •Комбинированный метод (хорд и касательных).
- •Метод итераций
- •Оценка погрешности приближения
- •15. Метод итерации для системы двух уравнений
- •Метод Гаусса.
- •Применение метода Гаусса для вычисления определителей.
- •Метод итерации для решения систем уравнений
- •Решение обыкновенных дифференциальных уравнений.
- •Так, например, уравнение
- •Является уравнением 1-го порядка.
- •В ходе поиска общего решения часто приходят к соотношению вида
- •Запишем это разложение в виде
- •Метод Эйлера с пересчетом.
- •Решение это приводим:
- •Видно, что при большом числе узлов метод Эйлера может привести к заметным погрешностям, в таких случаях предпочитают пользоваться численными методами высших порядков.
- •Метод Адамса.
11. Интерполирование сплайнами.
Одним из способов
интерполирования на всем отрезке
является
интерполирование с помощью сплайн-функций.
Сплайн-функцией или просто сплайном
называют кусочно-полиномиальную функцию,
определенную на отрезке
и имеющую на этом отрезке некоторое
число непрерывных производных.
Рассмотрим частный, но распространенный в практике случай, когда сплайн определяется с помощью многочленов третьей степени (кубический сплайн).
Построение кубического сплайна.
Пусть на
задана непрерывная функция
.
Введем сетку
и обозначим
.
Сплайном, соответствующим
данной функции
и данным узлам
,
называется функция

,
удовлетворяющая следующим условиям:
а) На каждом
сегменте
функция
является многочленом третьей степени;
б) Функция
,
а также ее первая и вторая производные
непрерывны на
;
в)
.
Последнее условие называется условием интерполирования, а сплайн, определяемый условиями а) - в), называется также интерполяционным кубическим сплайном.
Рассмотрим способ построения сплайна.
На каждом из отрезков
будем искать функцию
в
виде многочлена третьей степени.
(11.1)
где
коэффициенты,
подлежащие определению.
Смысл этих коэффициентов становится видным из дифференцирования (11.1).
.
Видим, что производные на i-ом сегменте определяют соответствующие коэффициенты:
.
Из условий
интерполирования
получаем,
что
.
Кроме того,
.
Таким образом, все
найдены. Перепишем теперь (11.1) для функции
в точке
,
помня, что из выписанных выше определений
и формул
;
;
. (11.2)
Из условий непрерывности первой производной
,
(11.3)
Из условия непрерывности второй производной получаем:
![]()
. (11.4)
Объединив (11.2-11.4),
получаем систему
уравнений относительно
неизвестных
.
Два недостающих
уравнения получают, задавая те или иные
граничные условия для
.
Например, можно потребовать, чтобы
функция
удовлетворяла
условиям
,
что равносильно
.
Отсюда
,
и
.
.
Таким образом, приходим к замкнутой системе уравнений для определения
коэффициентов кубического сплайна:
(11.5)
, (11.6)
. (11.7)
Исследование оценок погрешности приближения сплайнами дает такое выражение:
,
где
-
кубический сплайн, построенный на
сетке
,
.
12. Численное дифференцирование.
Как мы помним, производной функции
называется предел
отношения приращения функции
к приращению аргумента
при
:
. (12.1)
В
численных расчетах на ЭВМ значение
полагают равным конечному числу
(например,
шагу таблицы), и делят на него соответствующее
приращение функции. За производную
принимают его приближенное значение
:
. (12.2)
Это соотношение называется аппроксимацией производной с помощью
о
тношения
конечных разностей.
Рис. 12.1. К аппроксимации производной с помощью
отношения конечных разностей
Пусть ф-ция
задана
в табличном виде:
![]()
Пусть шаг постоянный и равен
.
В зависимости от способа вычисления конечных разностей для производной в одной и той же точке получаются разные формулы:
а) с помощью левых разностей
; (12.3)
б) с помощью правых разностей
; (12.4)
в) с помощью центральных разностей
. (12.5)
Подобным образом могут быть найдены производные и высших порядков:
. (12.6)
Итак, формула (12.2) позволяет найти приближенные значения производных любого порядка. Какова при этом точность приближения?
