- •Глава1. Проблема аппроксимации
- •§1. Полиномиальная апппроксимация
- •§2. Интерполяционный полином в форме Лагранжа
- •§3. Интерполяционный полином в форме Ньютона
- •§4. Аппроксимация сплайнами
- •§5. Метод наименьших квадратов
- •§6. Полиномиальная интерполяция с кратными узлами
- •§7. Свойства разделенных разностей
- •§8. Задача Чебышева. Разрешимость системы
- •§9. Теорема Чебышева
- •§10. Многочлены Чебышева
- •Глава2. Численное дифференцирование
- •Глава3. Численное интегрирование
- •§1. Интерполяционные квадратурные формулы
- •1.Интерполяционные квадратурные формулы
- •2.Интерполяционные квадратурные формулы наилучшей алгебраической точности
- •3.Ортогональные многочлены и их свойства
- •§2. Применение квадратурных формул
- •§3. Метод Монте-Карло (метод статистических испытаний)
- •§4. Правило Рунге практической оценки погрешности
- •Глава4. Алгебраическая проблема собсвенных значений
- •§1. Ортогональные матрицы
- •1.Ортогональные матрицы
- •2.Матрица элементарного поворота
- •§2. Вариационное свойство собственных значений
- •§3. Приведение симметричной матрицы к диагональному виду
- •§4. Сингулярное разложение матрицы
- •§5. Сопряженная матрица
- •§6. Частная спектральная задача
- •1.Вариационный метод
- •2.Степенной метод
- •§7. Метод максимизации столбцов
- •1.Максимизация первого столбца
- •2.Алгоритм сингулярного разложения
- •3.Главное собственное число
- •§8. Метод вращения
§2. Применение квадратурных формул
Постановка задачи
Т.к. априорно треуется высокая гладкость функции, и вычисление интерполяционного многочлена сложно, а также сложно увеличивать число узлов (т.е. уменьшать шаг), то для вычисления интеграла используется следующий метод.
Отрезок [a;b] разбивается на узлыa=x0<..<xn=b(для простоты шагhпостоянен). Следовательно, исходный интеграл разбивается на сумму интегралов:.
Теперь достаточно построить интерполяционную квадратурную формулу для интеграла на малом отрезке [xk-1;xk], т.е. более низкого порядкаm, чем для интеграла по всему отрезку [a;b].
1.Метод прямоугольников (m=0)
На отрезке [xk-1;xk] функцияf(x) заменяется по некоторому определенному значению (поf(xk-1) – метод левых; поf(xk) – метод правых; поf((xk+xk-1)/2) – методcрединных прямоугольников) многочленомP0(x,k).
Рассмотрим метод левых прямоугольников.
Применяется квадратурная формула:
, гдеh=xk –xk-1.
Получим общую квадратурную формулу:
Оценим погрешность данного метода. Вообще в задаче алгебраической интерполяции f(x) многочленом Рn(x) погрешностьRn(x) имеет видO(hn+1)
1) Локальная погрешность аппроксимации
для многочлена Р0(х):R0(x)=O(h1)
2)Локальная погрешность интегрирования
3)Общая погрешность интегрирования
Т.е. метод прямоугольников - первого порядка точности.
2. Метод трапеций (m=1)
На отрезке [xk-1;xk] функцияf(x) заменяется по значениям в узлахxk-1,xk многочленомP1(x,k).
Общая формула:
Погрешность:
1) O(h2) для Р1(х)
2)
3)
Т.е. метод - второго порядка точности.
3. Метод парабол (m=2)
На отрезке [xk-1;xk] функцияf(x) аппроксимируется параболой. Для этого берутся значения функции в точкахxk-1,xk , (xk+xk-1)/2).
Обозначим интерполяционный полином как P2(x,k).
Тогда:
.
Оценим погрешность данного метода.
1) Локальная погрешность аппроксимации
для многочлена Р2(х):R2(x)=O(h3)
2)Локальная погрешность интегрирования
3)Общая погрешность интегрирования
Т.е. метод прямоугольников - третьего порядка точности.
Коэффициенты a1k,a2kиa3kможно найти, воспользовавшись представлением функции приближенно в виде интерполяционнго многочлена Лагранжа:
.
§3. Метод Монте-Карло (метод статистических испытаний)
Всякий интеграл можетбыть сведен линейной заменой масштабов к интегралу вида, где 0≤f(x)≤1.
Из теории вероятностей:
1)случайная величина ξ равномерно распределена на [0;1], если. В частности.
2)двумерная случайная величина (ξ ,η) равномерно распределена на [0;1]×[0;1], если. При этом если ξ ,η равномерно распределены на [0;1], то (ξ ,η) равномерно распределена на [0;1]×[0;1].
Таким образом, для вычисления интеграла(т.е. для вычисления заштрихованной области) достаточно определить вероятность того, что точка (x,y) попадет в эту площадь (область, где (x,y) – равномерно распределенная случайная величина).
В ЭВМ существует датчик псевдослучайных чисел, значениями которого являются случайные числа, равномерно распределенные на [0;1].
Алгоритм:
1)генерируются равномерно распределенные на [0;1] случайные числа ξk, ηk
2)вычисляетсяf(ξk)
3)сравниваетсяf(ξk) и ηkи подсчитывается числоNнеравенствf(ξk) > ηk,k=1..M.
При достаточно большом числе испытаний M>>1 .
Ответ, полученный с помощью данного метода носит вероятностный характер и может сколь угодно сильно отличаться от точного значения интеграла. Однако с вероятностью 99,7% ошибка не превосходит (- дисперсия от среднеарифметического). При реальных испытаниях ошибка обычно не превосходит. С увеличением числа испытаний погрешность ответа будет убывать римерно как.