- •«Вычислительная математика»
- •2. Погрешности арифметических операций. Правила оценки погрешностей.
- •Варианты задания №1.
- •Пример выполнения задания №1.
- •Варианты задания №2.
- •Пример выполнения задания №2.
- •Варианты задания №3.
- •Пример выполнения задания №3.
- •Варианты задания №4.
- •Пример выполнения задания №4.
- •Варианты задания №5.
- •Пример выполнения задания №5.
- •IV. Численное интегрирование.
- •Варианты задания №6.
- •Пример выполнения задания №6.
- •V. Системы линейных алгебраических уравнений.
- •Варианты задания №7
- •Пример выполнения задания №7.
- •Пример выполнения задания №8
- •VI. Решения нелинейных уравнений.
- •§3. Метод Ньютона для системы нелинейных уравнений. Пусть имеется следующая система нелинейных уравнений:
- •Варианты задания №9
- •Пример выполнения задания №9
- •VII. Нахождение минимума функций одной переменной.
- •2. Методы прямого поиска:
- •Варианты задания №10
- •Пример выполнения задания №10
- •VIII. Методы многомерной оптимизации
- •2. Необходимое и достаточное условия минимума функции многих переменных:
- •3. Основные методы безусловной многомерной минимизации:
- •Варианты задания №11
- •Примеры выполнения задания №11
- •IX. Обыкновенные диференциальные уравнения. Задача Коши.
- •Пример выполнения задания №12.
Пример выполнения задания №4.
Используя метод наименьших квадратов найти коэффициенты аппроксимирующего многочлена первой степени для функции, заданной в виде таблицы:
-
i
xi
yi
0
0
1,5
1
0,5
0,0
2
1,0
0,5
3
1,5
0,7
Вычислить с помощью этого многочлена значение функции в точке x=0,7; а также величину среднеквадратичного отклонения аппроксимирующего многочлена от заданной функции.
1. Так как аппроксимация строится на четырех узлах, то в системе линейных уравнений метода наименьших квадратов имеем: m=3 и n=1. Поэтому можем записать следующую систему:
Имеем:
2. Решая эту систему по правилу Крамера, получаем:
3. Таким образом, аппроксимирующий многочлен имеет вид: Вычисляем значение в заданной точке:(0,7)=0,96-0,380,7=0,694.
4. Определяем величину среднеквадратичного отклонения. Имеем: (0)=0,96; (0,5)=0,77; (1)=0,58; (1,5)=0,39. Следовательно, среднеквадратичное отклонение равно:
. Численное дифференцирование.
1. Аппроксимация производных конечными разностями. Производной функции y=f(x) называется предел:
(3.1)
Для приближенного вычисления производной используется формула:
(3.2)
где x-некоторое конечное число. Данное соотношение называют аппроксимацией производной с помощью конечных разностей, т.к. величина x конечна и не равна нулю.
Пусть известны значения функции y0,y1,...,yi,...,yn, вычисленные или заданные таблицей, в точках x0,x1,...,xi,...,xn (Рис.2). Точки x0,x1,...,xi,...,xn называются узлами, а разность между соседними значениями аргумента называется шагом hi=xi=xi-xi-1, i=1,...,n. Весь набор узлов называется сеткой. Если величина шага между узлами постоянна, то говорят, что узлы x0,x1,...,xi,...,xn образуют равномерную сетку с шагом h.
Для вычисления производнойyi в точке точки xi по формуле можно использовать различные разности, например, левую разность,
(3.3)
правую разность:
(3.4)
центральную разность:
(3.5)
и т.п.
Погрешность численного дифференцирования. При численном дифференцировании с использованием приближенной формулы, использующей конечно-разностное соотношение, естественно возникает погрешность: R(x,h)=y(x)-yh(x,h), где y(x)-точное значение производной, а yh(x,h)- значение производной вычисленное по приближенной формуле при шаге h.
Величина погрешности зависит от точки x, в которой вычисляется производная, и от шага h. При этом, чем меньше шаг, тем меньше погрешность. Обычно погрешность R(x,h) записывают одним из способов:
(3.6)
где, (x)hk- называется главной частью погрешности аппроксимации, т.к. это слагаемое при h<<1 будет гораздо больше второго, а величина k называется порядком погрешности или порядком точности аппроксимации относительно шага h.
3. Аппроксимирующие формулы первого, второго и четвертого порядка точности. Аппроксимацию производных конечными разностями в общем случае можно рассматривать как замену производной от функции y=f(x) производной от аппроксимирующей функции (x), (x)f(x), где в качестве аппроксимирующей функции используется интерполяционный многочлен:
. (3.7)
Так как точность аппроксимации определяется степенью интерполяционного многочлена, то увеличивая степень многочлена n мы будем увеличивать и порядок точности аппроксимации производной.
С помощью интерполяционного многочлена Лагранжа при равномерном распределении узлов были получены следующие формулы первого порядка точности для аппроксимации производной с помощью левой и правой разности:
(3.8)
а также второго и четвертого порядка точности с помощью центральных разностей:
(3.9)
где, y(k)() - значение “к”-той производной в некоторой точке на отрезке, которому принадлежат используемые в формуле узлы.
В крайних точках таблицы или в крайних узлах нельзя использовать соотношения для центральных разностей, которые имеют порядок точности два и выше. Поэтому в этих точках используются следующие односторонние формулы численного дифференцирования второго порядка точности:
(3.10)
4. Улучшение аппроксимации с помощью метода Рунге -Ромберга. Пусть y(x) - точное значение производной, а yh(x) -значение производной, вычисляемое по формуле численного дифференцирования, имеющей порядок точности к относительно шага h. Следовательно, можем записать:
(3.11)
Запишем это же соотношение для шага h1=ph:
Вычитая из второго соотношения первое получаем формулу для главной части погрешности, имеющей точность на порядок выше, чем порядок точности используемой формулы численного дифференцирования:
. (3.12)
Подставляя эту формулу в исходную формулу, получаем:
(3.13)
Данное соотношение позволяет по результатам двух расчетов производной с шагом h и шагом ph с использованием одной и той же формулы численного дифференцирования, имеющей порядок точности k, найти уточненное значение производной с порядком точности k+1. Данный прием называется методом Рунге-Ромберга.