МВ (методичка)
.pdfВычисление наращенных сумм на основе непрерывных процентных ставок
Силой роста называется специальная процентная ставка, характеризующая относительный прирост наращенной суммы. Согласно данному определению на бесконечно малом промежутке имеем
f (t) = lim ∆S .
∆t→0 S
Здесь f (t) - сила роста, а ∆S = S(t +∆t) −S(t) - прирост наращенной суммы за время ∆t .
Пусть срок сделки составляет n лет. Тогда имеет место равенство
n |
|
S = S(n) = S(0) exp ∫ f (t)dt . |
|
0 |
|
За исключением тривиальных случаев, когда сила роста является постоянной, дискретной или линейной по времени функцией, для вычисления наращенной суммы требуется применения методов численного интегрирования.
11
.
1.ПОГРЕШНОСТЬ РЕЗУЛЬТАТА ЧИСЛЕННОГО РЕШЕНИЯ ЗАДАЧИ.
1.1. Источники и классификация погрешности
Процесс решения задачи с помощью вычислительной техники можно разделить на несколько этапов. Схематично это выглядит так:
Рис.1 Погрешность решения задачи обуславливается следующими причинами:
1.математическая модель дает приближенное описание задачи; неточно заданы исходные дан-
ные.
2.получение точного результата невозможно, т.к. оно требует неограниченного или неприемлемо большого числа арифметических операций, и поэтому приходится прибегать к приближенному методу.
3.при вводе данных в машину, при выполнении арифметических операций и при выводе данных производятся округления.
Погрешности, соответствующие этим причинам, называют:
1.неустранимой погрешностью;
2.погрешностью метода;
3.вычислительной погрешностью.
Таким образом, полная погрешность результата решения задачи складывается из неустранимой погрешности, погрешности метода и вычислительной погрешности.
Для иллюстрации процесса возникновения погрешности рассмотрим задачи определения равновесной цены некоторого товара.
Пусть спрос задается некоторой функцией D(p) = 11 − 2·p, а предложение функцией S(p) = 1 + 3·p, где p – цена товара. Естественно, эти функции описывают процесс ценообразования лишь приближенно, коэффициенты тоже даны с некоторой точностью. Следствие этого – неустранимая погрешность результата решения задачи. И, хотя равновесная цена получается как решение линейного уравнения 11 − 2·p = 1 + 3·p, значение p* = 2 нельзя считать точным.
12
Пусть теперь спрос задается некоторой функцией |
D(p) = |
10 |
|
, а предложение S(p)= |
p2 |
. Здесь |
|
p +1 |
2 |
||||||
|
|
|
|
равновесная цена p*– это решение нелинейного уравнения, которое находим приближенно. Графическое решение – абсцисса точки пересечения графиков функций D(p) и S(p) на рис.2.
7 |
|
|
|
6 |
|
|
|
5 |
|
|
|
4 |
|
D(p) |
|
|
|
|
|
3 |
|
|
|
2 |
|
S(p) |
|
|
|
|
|
1 |
|
|
|
0 |
|
|
|
0,5 |
1,5 |
цена товара |
2,5 |
Рис.2.
Последовательность приближений можно строить методом простой итерации:
pi = |
20 |
, где i – номер приближения. Если p0 |
= 1, то p1 |
= 3,162278; p2 = 2,192045; p3 |
= |
||
pi −1 |
+1 |
||||||
|
|
|
|
|
2,503113; p4 = 2,389395; . . . p14 = 2,418709; p15 = 2,418711; p16 = 2,418710; и т.д. (значения округлены до 6 знаков после запятой).
Если процесс закончился вычислением pn, то погрешность метода оценивается как |pn – p*|, кроме того, при выполнении действий над вещественными числами (деление, извлечение корня) возникает вычислительная погрешность. Таким образом, погрешность решения второй задачи будет включать в себя все 3 вида погрешностей (неустранимую, метода и вычислительную).
Для характеристики погрешности приближенного данного используют такие понятия как абсо-
лютная и относительная погрешность.
1.2.Абсолютная и относительная погрешности.
Пусть x* − приближенное значение x. Абсолютной погрешностью приближения называется ве-
личина А(x*), для которой справедливо неравенство: x − x* ≤ А(x*)
Величина ∆( x*),удовлетворяющая неравенству
x − x* |
≤ ∆(x* ) , |
|
x* |
||
|
называется относительной погрешностью x*.
Абсолютная погрешность зависит от выбора системы единиц измерения x*. Относительная погрешность – величина безразмерная, иногда вычисляется в процентах.
13
Абсолютная и относительная погрешности связаны соотношением:
А(x*) = x* ·∆(x*)
Зная x* и А(x*) можно найти диапазон изменения x: x* − А(x*) ≤ x ≤ x* + А(x*)
Примеры.
1)Абсолютная погрешность при измерении расстояния с помощью линейки равна 1мм. Определить диапазон изменения относительной погрешности при изменении расстояния от 1 до 200мм.
Пусть x1* = 1мм, x2* = 200мм, тогда |
∆(x ) = |
A(x1* ) |
= 1(100%), ∆(x2*) = 1/200 (0,5%). Следователь- |
|
x* |
||||
|
1 |
|
||
|
|
1 |
|
но, ∆(x*) изменяется от 100% (для x1* = 1мм) до 0.5% (для x2* = 200мм).
2)Прибор измеряет силу тока с точностью 5%. Диапазон измерений: от 1А до 50А. Определить диапазон изменения абсолютной погрешности.
Пусть x1* = 1А, тогда A(x1*) = x1*·∆(x1*) = 0,05А;
x2* = 50А, A(x2*) = x2*·∆(x2*) = 2,5А. Следовательно, A(x*) изменяется от 0,05А до 2,5А.
1.3.Погрешность чисел в позиционной записи.
Значащими цифрами в записи числа называются все цифры в его записи, начиная с первой ненулевой.
В числах 0,00120 и 1,20 значащие цифры подчеркнуты.
Значащая цифра называется верной, если абсолютная погрешность этого числа не превосходит половины единицы разряда, соответствующего этой цифре. Остальные цифры называются сомнительными.
Таким образом, в числе
x* = a110n + a210n – 1 + … +am10n – m + 1 цифра ak считается верной, если А(x*) ≤ 0,5·10n – k + 1. Количеством верных цифр после запятой называется количество цифр в числе после запятой до
первой сомнительной.
Пример. Пусть x1* = 38,791; A(x1*) = 0,032; x2* = 0,058194; A(x2*) = 0,00008. Определить количест-
во верных цифр в записи x1* и x2*. Из неравенств
0,5·10-2 < A(x1*) < 0,5·10-1 и 0,5·10-4 < A(x2*) < 0,5·10-3
получим следующие верные цифры: x1* = 38,791 x2* = 0,058194 (верные цифры подчеркнуты). Таким образом, в числе x1* – одна верная цифра после запятой, а в x2 * – 3 верные цифры после
запятой.
1.4.Погрешность сложения и вычитания.
Пусть x* = ∑xi |
, тогда A(x* ) = ∑A(xi ) . Если все xi имеют один знак, то min{∆(xi*)} ≤ ∆(x*) ≤ |
i |
i |
max{∆(xi*)}.
Резкое увеличение относительной погрешности возможно при вычитании близких чисел.
14
Пример. Найти относительную погрешность, возникающую при вычислении x = 11 − 10 , ес-
ли 11 ≈3,32 = x1* , 10 ≈ 3,16 = x2* (все цифры верные).
Так как в x1* и x2* 2 верные цифры после запятой, то A(x1*) = A(x2*) ≤ 0,5·10-2;
∆(x1* ) ≤ 0,53,3210-2 < 0,151 10-2 ; ∆(x2* ) ≤ 0,53,1610-2 < 0,159 10-2 ;
x* = 0,16; A(x*) = A(x1*) + A(x2*) ≤ 10-2 < 0,5·10-1 (в результате только одна верная цифра после за-
пятой), ∆(x*) = 1/16 = 0,0625 = 0,625·10-1 (это на порядок выше относительной погрешности исходных данных)
1.5.Точность представления вещественных чисел в компьютере.
Вещественные числа в компьютере представлены в форме «с плавающей точкой». Пусть x – вещественное число, тогда оно преобразуется к виду: x = ±М qp, где p ─ порядок, M ─ мантисса, q ─ основание системы счисления.
Пусть q = 16, тогда |
a |
|
|
a |
2 |
|
|
a |
r |
|
|
x* =16 p |
1 |
+ |
|
|
+...+ |
|
|
. |
|||
16 |
162 |
|
|
|
|||||||
|
|
|
|
16r |
Точность представления зависит от количества разрядов (r) в мантиссе:
│x – x*│ ≤ 16p ·0,5·16-r ≤ 16p - r.·, то A(x*) = 16p - r.
1.6.Особенности выполнении сложения и вычитания вещественных чисел в компьютере.
При сложении (вычитании) двух чисел в форме «с плавающей точкой» сначала происходит выравнивание порядка (до большего), а затем мантиссы складываются (вычитаются).
При выравнивании порядка возможна ситуация, когда слагаемое с меньшим порядком становится машинным нулем.
Пример. Рассмотрим сложение двух вещественных чисел в устройстве, имеющем 5 разрядов для мантиссы. Пусть x1* = 0,0001 = 0,1·10-3; x2* = 1000 = 0,1·103.
Тогда в предполагаемом устройстве:
x1* + x2* = 103·(0,1·10-6 + 0,1) = 0,1·103 , так как значение 0,1·10-6 выйдет за пределы разрядной сетки.
1.7.Умножение и деление приближенных чисел.
При умножении и делении приближенных чисел их относительные погрешности складываются.
Пусть r |
|
|
x* x*...x* |
, тогда |
∆(r |
|
n |
n |
||
* |
= y* y*...y* |
|
) = ∑∆(xi |
) + ∑∆( yi ) . |
||||||
|
|
1 |
2 |
n |
|
|
* |
* |
||
|
|
1 |
2 |
n |
|
|
|
i=1 |
i=1 |
Абсолютная погрешность вычисляется по определению: A(r*) = │r*│·∆(r*).
Пример. Сторона квадрата примерно равна 1м. С какой точностью нужно ее измерять, чтобы погрешность площади не превосходила 1см2.
15
Обозначим длину стороны квадрата a* = 1м, тогда S* = 1м2, ∆(S*) = 2∆(a*). Потребуем: A(S*) ≤ 1см2, получим: ∆(a*) ≤ 0,5·10-4, следовательно A(a*) ≤ 0,5·10-2см — требуемая точность.
1.8.Погрешность вычисления значения функции.
Пусть y* = f(x*), тогда A(y*) = │f′(x*)│·A(x*)
Для функции нескольких переменных y* = f(x1*,x2*,…,xn*) справедливо соотношение:
A(y* ) ≤ ∑n ∂f A(x* )
i=1 ∂xi
Пример. Корни уравнения x2 − 2x + lg2 = 0 нужно вычислить с 4 верными знаками. Сколько верных знаков должно быть в значении lg2 ?
(lg2 = 0,30102999566398119521373889472449…)
Пусть c* приближенное значение для lg2, тогда x =1− 1−c* <1 , ( x =1+ 1 −c* >1). |
|||
|
|
1 |
2 |
Найдем A(x ) = |
|
A(c*) . Потребуем выполнения неравенства A(x1*) < 0,5·10-4 (т.к. x1* по усло- |
|
1 |
2 |
1−c * |
|
|
|
||
вию должен иметь 4 |
верных знака). Тогда необходимо A(c* ) <10-4 |
1−c* . Это справедливо, если |
|
значение с* имеет 4 верных знака, так как в этом случае A(c*) < 0,5·10-4. |
|
2.ПРИБЛИЖЕННЫЕ МЕТОДЫ РЕШЕНИЯ НЕЛИНЕЙНЫХ УРАВНЕНИЙ.
Пусть задана непрерывная функция f(x) и требуется найти все или некоторые корни уравнения f(x) = 0. Эта задача распадается на несколько задач. Во-первых, надо исследовать количество, характер и расположение корней. Во-вторых, найти приближенные значения корней с требуемой точностью.
2.1.Отделение корней.
Когда ищутся только действительные корни уравнения, то полезно составить таблицу значений f(x). Если в двух соседних узлах таблицы функция имеет разные знаки, то между этими узлами существует по меньшей мере один корень уравнения. По таблице можно построить график функции y = f(x) и графически найти точки его пересечения с осью абсцисс. Этот способ более нагляден и дает неплохие приближенные значения корней. Во многих технических задачах такая точность уже достаточна.
Пример. Рассмотрим уравнение x2ex− π = 0
f'(x) = x(x+2)ex ; f'(x) = 0 при x = 0, x = −2. Функция f(x) непрерывна. Можно проверить, что f(x) меняет знак на промежутке (0, + ∞) . Следовательно, существует единственный корень на (0, + ∞) . Проверим: f(1) < 0 , f(2) > 0, значит, корень лежит на [1, 2]
Иногда удается заменить уравнение эквивалентным ему уравнением p(x) = t(x), в котором функции у = р(х) и z = t(х) имеют несложные графики. Абсциссы точек пересечения этих графиков будут корнями исходного уравнения.
16
|
Пример. Рассмотрим уравнение x2 − sinx − 1 = 0. Заменим уравнение эквивалентным ему урав- |
|||||
нением |
x2 |
− 1 |
= sinx. Изобразим примерно графики левой и правой частей на |
(-π, |
π). |
|
|
|
4 |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
0 |
|
|
|
|
-2 |
-1 |
0 |
1 |
2 |
|
|
|
|
-1 |
|
|
|
|
|
|
-2 |
|
Рис3. |
|
|
|
|
|
|
|
|
|
|
Видно, что уравнение имеет два корня: на (−1, 0) и на (1, 2 ). Приближенные значения корней |
|||||
уточняют различными итерационными методами. Рассмотрим наиболее эффективные из них. |
|
|
||||
2.2.Метод дихотомии (деление пополам). |
|
|
Пусть мы нашли такие точки a и b, что на отрезке [a, b] лежит единственный корень уравнения. Найдем середину отрезка c = (a+b)/2 и вычислим f(c). Из двух половин отрезка выберем ту, на концах которой функция имеет разные знаки, тогда корень лежит на этой половине. Затем новый отрезок опять делим пополам и т.д.
Если требуется найти корень с точностью ε, то продолжаем деление пополам до тех пор, пока длина отрезка не станет меньше 2ε,. Тогда середина последнего отрезка даст значение корня с требуемой точностью. Дихотомия проста и очень надежна: к простому корню она сходится для любых непрерывных функций f(x); при этом она устойчива к ошибкам округления. Скорость сходимости невелика: за k итераций длина отрезка уменьшится в 2k раза (уточнение трех цифр требует 10 итераций).
Погрешность метода на шаге k оценивается следующим образом: ξ − xk < (b −k a) 2
где ξ- точное решение уравнения, xk — значение одного из концов отрезка на шаге к. Дихотомия применяется тогда, когда требуется высокая надежность счета, а скорость сходимости малосущественна.
2.3.Метод простой итерации.
Заменим уравнение f(x) = 0 эквивалентным ему уравнением х = φ(х), где φ(х) ─ дифференцируемая функция. Это можно сделать многими способами, например, положив φ(х) ≡ x + ψ(x)f(x), где ψ(x)
— произвольная непрерывная знакопостоянная функция. Выберем некоторое нулевое приближение х0 и вычислим дальнейшие приближения по формулам
xn+1 = φ(xn), где n = 0, 1, 2, . . . |
(1) |
Очевидно, если хп стремится к некоторому пределу ξ, то этот предел есть корень исходного уравнения.
Исследуем условия сходимости. Если φ(х) имеет непрерывную производную, то:
хn + 1 − ξ = φ(хn) − φ(ξ) = (хп − ξ)φ'(θ),
где точка θ лежит между точками хn и ξ. Поэтому, если всюду |φ'(х)| ≤ q < 1, то значения Іхп − ξІ убывают не медленней членов геометрической прогрессии со знаменателем q < 1, и последовательность хп сходится при любом нулевом приближении. Если |φ'(ξ)| > 1, то, в силу непрерывности, |φ'(х)|
17
больше единицы и в некоторой окрестности корня; в этом случае итерации не могут сходиться. Если |φ'(ξ)| < 1, но вдали от корня |φ'(х)| > 1, то итерации сходятся, если нулевое приближение выбрано достаточно близко к корню; при произвольном нулевом приближении сходимости может не быть. Очевидно, что чем меньше q, тем быстрей сходимость.
Погрешность метода можно оценить соотношением:
│хk − ξ│ ≤ qk│х0 − ξ│
где ξ ─ точное решение уравнения, xk ─ значение итерации на шаге k. Тогда количество итераций, необходимых для достижения точности ε, можно определить из неравенства:
qk│х0 |
− ξ│ < ε. Получим k >log |
|
|
ε |
. |
|
q |
|
|
|
|||
|
ξ − x |
|
||||
|
|
|||||
|
|
|
|
|
||
|
|
|
|
0 |
|
|
Пример. Дано уравнение x3 − x − 1 = 0. Отметим, что f(1) < 0, f(2) > 0 , следовательно, ξ лежит в [1, 2]. Преобразуем уравнение к виду x = φ(x).
1). φ(x) = x3 − 1, |
φ′(x) = 3x2 , φ′(x) > 2 при x из [1, 2], следовательно, метод расходится. |
||||
2). ϕ(x) = |
3 |
x +1 , |
′ |
1 |
, при x из [1, 2] max(φ′(x)) = φ′(1) < 0,21 < 1, q = 0,21. Тогда |
|
ϕ (x)= |
(x +1)2 |
|||
|
|
|
33 |
|
|
при ε = 0,5·10-4 |
количество итераций k ≥ 6,34, следовательно, k = 7. |
2.4.Метод Ньютона (касательных).
Пусть на [a, b] существует единственный корень уравнения f(x) = 0, f(x) – функция непрерывная вместе с первой производной на [a, b]. Заменим f(x) линейной функцией f(xn) + f′(xn)(x − xn) ─ выражением для касательной в точке xn,, принадлежащей отрезку [a, b]. Тогда точка пересечения графика этой функции с осью OX (решение уравнения f(xn) + f′(xn)(x − xn) = 0) ─ очередное приближение к решению уравнения по методу Ньютона.
Отсюда,
xn+1 = xn − |
f (xn ) |
(2) |
|
f ' (xn ) |
|||
|
|
Геометрическая интерпретация метода Ньютона представлена ниже.
x2 x1 |
x0 |
a |
b |
|
Рис.4.
18
Пусть f"(x) > 0 справа от корня на отрезке [a, b]. Если х0 выбрано также справа от корня на этом отрезке, то итерации сходятся, причем монотонно. То же будет, если f′′(x) < 0, слева от корня и на этом же отрезке выбрано нулевое приближение. Таким образом, итерации сходятся к корню с той стороны, с которой f(х) f′′(х) ≥ 0.
Теорема 1. (о достаточных условиях сходимости метода Ньютона). Пусть выполняются следующие условия:
1.Функция f(x) определена и дважды непрерывно дифференцируема на [a, b]; 2.Отрезку [a, b] принадлежит только один простой корень (f(a) f(b) < 0) 3.Производные f′(х), f′′(х) сохраняют знак на [a, b] и f′(х) не обращается в 0; 4.Начальное приближение х0 удовлетворяет неравенству f(х0)·f′′(х0) ≥ 0.
Тогда последовательность{xn} монотонно сходится к корню уравнения f(x) = 0.
Метод Ньютона можно рассматривать как частный случай метода простой итерации (1), где
φ(x) = x − |
|
f (x) |
. |
|
|
|
|
||
|
|
f ' (x) |
|
|
Для исследования сходимости метода вычислим |
||||
φ′(x) = 1− |
( f '(x))2 − f (x) f "(x) |
, тогда φ′(ξ) = 0, следовательно, в некоторой окрестности ξ спра- |
||
|
|
( f '(x))2 |
||
|
|
|
|
ведливо неравенство:│φ′(x)│ < 1 и метод сходится, если начальное приближение достаточно близко к корню.
Скорость сходимости метода определяется соотношением между |xn+1 − ξ| и |xn − ξ|. Так, для метода простой итерации это есть скорость геометрической прогрессии:
|xn+1 − ξ| ≤ q·|xn − ξ|.≤ . . . ≤ qn+1·|x0 − ξ|
Вообще, скорость сходимости имеет порядок p, если существуют такие постоянные С > 0, p ≥ 1 , что выполняется неравенство:
|xk+1 − ξ| ≤ C·|xk − ξ|p,
при всех k, начиная с некоторого k0. При p = 1 сходимость называется линейной, при p = 2 квадратичной.
Покажем, что скорость сходимости метода Ньютона квадратичная. Представим φ(xn) в виде разложения в ряд Тейлора в окрестности корня:
xn+1 = ϕ(xn ) = ξ + ϕ′(ξ)(xn − ξ) + ϕ"2(!θ) ( xn − ξ)2
Так как φ′(ξ) = 0, xn +1 −ξ = ϕ"2(!θ) (xn −ξ)2 , то |xk+1 − ξ|.≤ C·|xk − ξ|2,
где C = max ϕ′′(ξ) т. е. сходимость квадратичная.
x [a,b] 2!
При решении уравнения f(x) = 0 приближенным методом можно оценить погрешность следующим образом:
19
пусть f′(х) ≥ m на [a, b] , это справедливо, т.к. f′(х) ≠ 0 и она непрерывна на [a, b].
Из │f(xn) − f(ξ)│ = │f′(θ)│·│xn − ξ│ следует, что xn −ξ ≤ f (mxn ) .
Пример. Рассмотрим вычисление а как задачу решения уравнения x2 – a = 0 в области x > 0.
Напишем для вычисления корня этого уравнения итерационную последовательность по методу
Ньютона. Найдем с его помощью 2 . f(x) = x2 – a , f′(х) = 2x > 0; f′′(х) = 2 > 0;
Рекуррентная формула метода Ньютона для нашего уравнения принимает вид
|
xn2 −a |
1 |
|
a |
||
|
|
|
|
|
|
|
xn+1 = xn − 2x |
= 2 |
|
|
|||
xn + x |
|
. |
||||
|
n |
|
|
|
n |
Согласно теореме1 она определяет монотонно убывающую последовательность, сходящуюся к
а , если f(x0) = x02 – a >0.
Для вычисления 2 выберем x0 = 2. Тогда получим: x1 = 1,5;
x2 = 1,41666;
x3 =1,414216; и т.д.
Третья итерация определяет 2 с точностью 0,000002.
2.5.Метод хорд (секущих).
В методе Ньютона требуется вычислять производную функции, что не всегда удобно. Можно заменить касательную хордой, один из концов которой неподвижен. Это прямая, проходящая через точки (x0, f(x0)), (xn, f(xn)) и пересекающая ось OX в точке xn + 1 .
Тогда рекуррентная формула для решения уравнения f(x) = 0 по методу хорд примет вид:
xn+1 |
= xn − |
(xn − x0 ) f (xn ) |
(3) |
|
f (xn ) − f (x0 ) |
||||
|
|
|
Геометрическая интерпретация метода хорд представлена ниже.
a |
|
b |
x2 |
x1 |
x0 |
20