- •Глава 1. Численные методы и особенности использования эвм
- •Глава 2. Решение нелинейных уравнений с одной переменной 23
- •Глава 3. Методы приближения, интерполяции и аппроксимации функций 47
- •Глава 4. Численное интегрирование 75
- •Глава 5. Приближенное интегрирование дифференциальных уравнений 108
- •Глава 6. Численное дифференцирование 139
- •Глава 7. Методы численной оптимизации 150
- •Предисловие
- •Глава 1. Численные методы и особенности использования эвм в решении математических задач
- •1.1. Математическое моделирование и численные методы
- •1.2. Общая постановка и понятие устойчивости задач вычисления
- •1.3. Структура погрешности решения задач вычисления
- •1.4. Абсолютная и относительная погрешности
- •Пример 1.4. Примеры записи абсолютной погрешности числа :
- •Пример 1.5. Пример записи относительной погрешности числа :
- •1.5. Погрешность машинных вычислений и представлений чисел в памяти эвм
- •1.6. Графы вычислительных процессов
- •1.7. Вопросы для самопроверки
- •Глава 2. Решение нелинейных уравнений с одной переменной
- •2.1. Локализация корней
- •2.2. Уточнение корней
- •2.2.1. Метод половинного деления (бисекции, дихотомии)
- •2.2.2. Метод хорд
- •2.2.3. Метод Ньютона (касательных)
- •2.2.4. Модифицированный метод Ньютона
- •2.2.5. Метод секущих
- •2.2.6. Метод итераций
- •Б) односторонний расходящийся процесс; в) двухсторонний сходящийся процесс; г) двухсторонний расходящийся процесс.
- •2.2.7. Комбинированный метод хорд и касательных
- •2.3. Вопросы для самопроверки
- •Глава 3. Методы приближения, интерполяции и аппроксимации функций
- •3.1. Методы приближения функций
- •3.1.1. Формула Тейлора, ряд Тейлора
- •3.1.2. Полиномы Чебышева
- •3.1.3. Экономизация степенных рядов
- •3.1.4. Приближения с помощью дробно-рациональных функций
- •3.2. Методы интерполяции функций
- •3.2.1. Прямой метод
- •3.2.2. Полином Лагранжа
- •3.2.3. Полином Ньютона
- •3.3. Методы аппроксимации функций
- •3.3.1. Среднеквадратичная аппроксимация
- •Премиальные фонды и прибыли предприятий
- •Коэффициенты регрессии
- •Расчет суммы квадратов отклонений по линейной модели
- •Сумма квадратов отклонений для рассматриваемых моделей
- •3.3.2. Полиномиальная аппроксимация
- •3.3. Вопросы для самопроверки
- •Глава 4. Численное интегрирование
- •4.1. Понятие определенного интеграла
- •4.2. Классификация методов численного интегрирования
- •4.3. Методы Ньютона-Котеса
- •4.3.1. Методы прямоугольников
- •4.3.2. Метод трапеций
- •4.3.3. Метод Симпсона (метод парабол)
- •4.4. Погрешность методов Ньютона-Котеса
- •4.5. Вычисление интегралов с заданной точностью
- •4.6. Особые случаи численного интегрирования
- •4.7. Вычисление кратных интегралов
- •Результаты вычисления значений функции .
- •4.8. Методы Монте-Карло
- •4.9. Вопросы для самопроверки
4.1. Понятие определенного интеграла
Перед тем как приступить непосредственно к рассмотрению методов численного интегрирования, рассмотрим теоретические основы, приводящие к понятию определенного интеграла. Пусть на отрезке задана функция . Разобьем отрезок на отрезков точками , , …, следующим образом , причем , а . На каждом отрезке , , выберем некоторую точку ; обозначим длину данного отрезка через . Сумму вида будем называть интегральной суммой для функции на отрезке . Очевидно, что интегральная сумма зависит как от способа разбиения отрезка точками , , …, , так и от выбора точек , , …, на каждом из отрезков разбиения , .
Пусть функция неотрицательна на , тогда отдельное слагаемое интегральной суммы равно площади прямоугольника со сторонами и , . В результате значение интегральной суммы равно суммарной площади под кусочной линией, образованной на каждом из отрезков соответствующей прямой , параллельной оси абсцисс, рис. 4.1. Для выбранного разбиения отрезка обозначим через максимальную из длин отрезков , («диаметр разбиения»).
Рис. 4.1. Графическая иллюстрация интегральной суммы.
Определение 4.1. Пусть предел интегральной суммы при существует, конечен и не зависит от способа выбора точек , , …, , а также , , …, . Тогда этот предел называется определенным интегралом от функции на отрезке , обозначается , а сама функция называется интегрируемой на отрезке , то есть
.
С геометрической точки зрения значением определенного интеграла является площадь криволинейной трапеции – фигуры, ограниченной графиком функции и прямыми , и (рис. 4.2).
Рис. 4.2. Геометрическая интерпритация определенного интеграла.
Рассмотрим общий подход к решению задачи вычисления определенного интеграла. Введем в рассмотрение некоторую ломаную, которая расположена достаточно близко к кривой на отрезке , рис. 4.3.
Рис. 4.3. Ломаная линия в геометрической интерпритации определенного интеграла.
Фигура под ломаной состоит из элементарных геометрических фигур (трапеций и прямоугольников), площадь которых может быть вычислена с помощью формул планиметрии. Поскольку ломаная выбрана достаточно близко к кривой , то суммарная площадь фигур под ней и значение соответствующего интеграла приближенно равны. Данное равенство оказывается тем более точным, чем ближе расположена ломаная к исходной кривой. Приведенные рассуждения носят качественный характер, для их использования на практике необходимо уточнить то, что описано нестрого: процедуру выбора ломаной и последующий переход к пределу.
В общем случае при реализации численных алгоритмов вычисления определенных интегралов от некоторой функции на отрезке полагаем, что на выбрана система точек и . Формулы такого вида называются квадратурными, коэффициенты и точки , , выбираются так, чтобы минимизировать погрешность вычисления интеграла.
4.2. Классификация методов численного интегрирования
Пусть рассматривается задача вычисления определенного интеграла вида
,
где – непрерывная и неотрицательная на отрезке функция, – верхний и нижний пределы интегрирования.
Во многих случаях, когда подынтегральная функция задана в аналитическом виде, определенный интеграл удается вычислить непосредственно с помощью формулы Ньютона-Лейбница как приращение первообразной функции на отрезке интегрирования:
,
где и – значения первообразной функции на концах отрезка интегрирования.
В реальных исследовательских задачах выразить интеграл через элементарные функции удается достаточно редко, а компактный и удобный для приведения к числу ответ получается еще реже. Поэтому на практике формулой Ньютона-Лейбница часто нельзя воспользоваться по двум основным причинам:
1. Вид функции не позволяет аналитически выразить первообразную через элементарные функции.
2. Подынтегральная функция задана таблично.
В этих случаях используют приближенные, численные методы интегрирования. Назначение большинства приближенных методов вычисления определенных интегралов состоит в замене подынтегральной функции аппроксимирующей функцией , для которой можно легко записать первообразную в элементарных функциях, то есть
,
где – погрешность вычисления интеграла.
Чаще всего функцию заменяют интерполяционным полиномом, для построения которого используются значения функции в узлах , :
,
где – остаточный член.
Подставляя полученное выражение в определенный интеграл вместо подынтегральной функции, получим общую формулу численного интегрирования
,
где – значения подынтегральной функции в узловых точках , – весовые коэффициенты, а – погрешность или остаточный член формулы.
Пояснение. Интерполяция – приближенное вычисление неизвестных значений функции по известным ее значениям в заданных точках. Наиболее простым является линейное интерполирование, при котором допускается, что приращение функции пропорционально приращению аргумента.
С целью уменьшения погрешности, связанной с заменой подынтегральной функции, отрезок интегрирования разбивают на отрезков и на каждом из полученных (частичных) отрезков , , заменяют подынтегральную функцию аппроксимирующей функцией . Тогда приближенное значение интеграла определяется суммой частичных интегралов от функций , взятых в пределах от до для :
. (4.1)
Методы численного интегрирования можно классифицировать в зависимости от способа аппроксимации подынтегральной функции с помощью функций , . В результате данной аппроксимации вычисление определенного интеграла реализуется посредством расчета суммарной площади элементарных геометрических фигур, составляющих соответствующую криволинейную трапецию с некоторой погрешностью. Рассмотрим краткую характеристику классов наиболее распространенных численных методов интегрирования.
Методы Ньютона-Котеса основаны на полиномиальной аппроксимации подынтегральной функции. Методы данного класса отличаются друг от друга степенью используемого полинома, от которой зависит количество узлов, в которых необходимо вычислять функцию . В методах Ньютона-Котеса отрезок интегрирования разбивается, как правило, на отрезки равной длины, величина которых определяется как и называется шагом интегрирования. Алгоритмы данных методов просты и легко поддаются программной реализации.
Сплайновые методы базируются на аппроксимации подынтегральной функции сплайнами и различаются по типу выбранных сплайнов. В данном учебно-методическом пособии эти методы рассматриваться не будут.
Пояснение. Под сплайном обычно понимают функцию, совпадающую с функциями более простой природы на каждом элементе разбиения своей области определения. Классический сплайн одной переменной строится следующим образом: область определения разбивается на конечное число отрезков, на каждом из которых сплайн совпадает с некоторым алгебраическим полиномом. Максимальная степень из использованных полиномов называется степенью сплайна. Математические сплайны берут свое начало от тонких гибких стержней, которыми пользовались чертежники для проведения плавных кривых через заданные точки. Стержень закреплялся в точках , , и в результате подвешивания между ними грузов принимал форму кривой . Если перейти к математическому описанию сплайна, то сплайн-функцией степени с точками соединения будет функция , которая на отрезке имеет непрерывные производные до порядка включительно и на каждом из отрезков , , равна многочлену степени не выше .
Методы наивысшей алгебраической точности (например, методы Гаусса и Маркова) основаны на использовании заданного количества неравноотстоящих узлов, расположенных так, чтобы обеспечить минимальную погрешность интегрирования для наиболее сложных функций. Методы различаются способом выбора узлов и широко используются для интегрирования, в том числе они применимы и для вычисления несобственных интегралов (см. разд. 4.6). По сравнению с методами Ньютона-Котеса, методы наивысшей алгебраической точности более громоздки и требуют больших объемов оперативной памяти ЭВМ, в данном учебно-методическом пособии эти методы рассматриваться не будут.
В методах Монте-Карло узловые точки выбираются с помощью генератора случайных чисел, в результате для вычисления интеграла используется вероятностная процедура. Данные методы оказываются особенно эффективными при вычислении кратных интегралов.
Независимо от выбранного метода, в процессе численного интегрирования необходимо вычислить приближенное значение интеграла и оценить погрешность . Погрешность, возникающая при численном интегрировании (также как и при численном дифференцировании), имеет два основных источника. Первым источником погрешности является замена подынтегральной функции аппроксимирующей функцией – погрешность аппроксимации. Как будет показано далее, погрешность аппроксимации уменьшается с увеличением количества отрезков разбиения исходного отрезка интегрирования за счет более точной аппроксимации подынтегральной функции. Второй источник погрешности – неточности в вычислении подынтегральной функции в узловых точках и ошибки округления. Данная погрешность возрастает с ростом и с некоторого значения начинает преобладать над погрешностью аппроксимации. Это обстоятельство должно предостеречь от выбора чрезмерно большого числа .