- •Введение
- •Глава 1. Погрешность результата численного решения задачи
- •1.1. Источники и классификация погрешностей
- •1.2. Абсолютная и относительная погрешности. Формы записи данных.
- •1.3. Вычислительная погрешность
- •Глава 2. Решение нелинейных уравнений
- •2.1. Отделение корней уравнения
- •2.1.1. Аналитический метод отделения корней
- •2.1.2. Графический метод отделения корней
- •2.2. Уточнение приближенных корней
- •2.2.1. Метод половинного деления
- •2.2.2 Метод хорд
- •2.2.3. Метод Ньютона – метод касательных
- •2.2.4. Модифицированный метод Ньютона
- •2.2.5. Метод секущих
- •2.2.6. Метод итераций
- •Глава 3. Решения систем линейных алгебраических уравнений
- •3.1. Метод итераций
- •3.1.1. Оценка погрешности приближений процесса итераций
- •3.1.2. Приведение линейной системы к виду, удобному для итерации:
- •3.2. Метод Зейделя
- •3.3. Метод релаксаций
- •Глава 4. Решение систем нелинейных уравнений
- •4.1. Метод Ньютона для систем нелинейных уравнений
- •4.2. Распространение метода Ньютона на системы из n уравнений с n неизвестными
- •4.3. Метод итераций для систем нелинейных уравнений
- •4.4. Распространение метода итераций на системы из n уравнений с n неизвестными
- •Глава 5. Интерполяция
- •5.1. Постановка задачи интерполирования
- •5.2. Конечные разности
- •5.3. Интерполяционная формула Ньютона №1
- •5.4. Интерполяционная формула Ньютона №2
- •5.5. Интерполяционный многочлен Лагранжа
- •5.5.1. Вычисление лагранжевых коэффициентов
- •5.5.2. Схема Эйткина
- •5.5.3. Остаточный член формулы Лагранжа
- •5.6. Обратное интерполирование
- •5.6.1 Итерационные методы для обратного интерполирования
- •Глава 6. Аппроксимация функций с помощью сплайнов
- •6.1. Кубические сплайны
- •Глава 7. Методы обработки экспериментальных данных
- •7.1 Построение эмпирической формулы.
- •7.2. Метод выбранных точек (метод натянутой нити)
- •7.3 Метод средних
- •7.4. Метод наименьших квадратов
- •7.5. Метод выравнивания
- •7.6. Метод наименьших квадратов для полиномов
- •Глава 8. Численное интегрирование
- •8.1. Квадратурные формулы Ньютона-Котеса
- •8.1. Формула трапеций и ее остаточный член
- •8.2. Общая формула трапеций и ее остаточный член
- •8 .3 Формула Симпсона и ее остаточный член
- •8.4. Общая формула Симпсона и ее остаточный член
- •8.5. Формулы Ньютона-Котеса высших порядков
- •8.6. Квадратурная формула Чебышева
- •8.7. Квадратурная формула Гаусса
- •Глава 9. Приближенное решение обыкновенных дифференциальных уравнений
- •9.1. Аналитические методы
- •9.1.1. Метод последовательного дифференцирования
- •9.1.2. Метод последовательных приближений.
- •9.1.3 Метод неопределенных коэффициентов.
- •9.2. Численные методы
- •9.2.1. Метод Эйлера
- •9.2.2. Модифицированные методы Эйлера Первый улучшенный метод Эйлера
- •Второй улучшенный метод Эйлера
- •Третий улучшенный метод Эйлера
- •9.2.3. Метод Рунге-Кутта для уравнений первого порядка
- •Список литературы
5.5.3. Остаточный член формулы Лагранжа
Остаточный член равен: .
Для него справедлива следующая оценка:
,
где на отрезке .
5.6. Обратное интерполирование
Пусть функция y = f(x) задана таблицей.
В задаче обратного интерполирования заключается в том, чтобы по заданному значению функции y определить соответствующее значение аргумента x. Мы будем считать, что в рассматриваемом интервале функция f(x) монотонна, так что поставленная задача имеет единственное решение. В этом случае задача решается с помощью интерполяционного многочлена Лагранжа. Для этого достаточно принять переменную y за независимую, а x считать функцией от y. Запишем по заданным узлам (yi, xi) (i = 0,1, … , n) многочлен Лагранжа
и определим x по заданному y. Остаточный член в этом случае можно получить из остаточного члена формулы Лагранжа, меняя местами x и y.
Пример 5.6. Функция y = f(x) задана таблицей
x |
10 |
15 |
17 |
20 |
y |
3 |
7 |
11 |
17 |
Найти значение x, для которого y=10.
Интерполяционный многочлен Лагранжа имеет вид
где лагранжевы коэффициенты.
При y=10 получаем
5.6.1 Итерационные методы для обратного интерполирования
Если функция y = f(x) задана таблицей с равноотстоящими узлами, то записываем для нее один из интерполяционных многочленов, например первый интерполяционный многочлен Ньютона:
(5.4)
Рассматривая последнее выражение как уравнение относительно q, находим q по заданному значению y, а затем вычисляем x=x0+qh
Если число узлов велико, то получим алгебраическое уравнение высокой степени, при решении которого удобно применять метод итераций. Запишем уравнение (5.4) в виде
(5.5)
За начальное приближение принимаем ,
а затем применяем процесс итерации
В большинстве случаев при достаточно малом шаге h = xi+1-xi процесс итерации сходится к искомому корню.
Условием сходимости является выполнение неравенства
На практике считают до тех пор, пока два последовательных значения qk и qk+1 не совпадут с заданной точностью.
Пример 5.6 Используя таблицу значений функции y = sh x найти x при котором sh x=5.
Таблица 5.5.
Значения функции y = sh x
x |
y |
Δy |
Δ2y |
Δ3y |
2.2 |
4.457 |
1.009 |
0.220 |
0.054 |
2.4 |
5.466 |
1.229 |
0.274 |
0.043 |
2.6 |
6.695 |
1.503 |
0.317 |
|
2.8 |
8.198 |
1.820 |
|
|
3.0 |
10.018 |
|
|
|
Составляем первый интерполяционный многочлен Ньютона, останавливаясь на разностях третьего порядка, которые практически уже постоянны:
Полагаем x0 = 2.2, так как заданное значение y = 5 находится между y0 = 4.457 и y1 = 5.466. Итерирующая функция имеет вид
Начальное приближении
Затем последовательно находим
Таким образом, мы можем принять q = 0.564 и
x = 2.2+0.564*0.2 = 2.313
с точностью до 0.001.