- •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
3.1.1. Формула Тейлора, ряд Тейлора
Наиболее простым и достаточно эффективным способом приближения функций является использование формулы Тейлора для их разложения в степенной ряд. Пусть задана непрерывная функция , имеющая непрерывные производные до порядка включительно. Такую функцию можно разложить в некоторой окрестности точки по степеням по формуле Тейлора:
, (3.1)
где – остаточный член (ошибка, погрешность), связанный с заменой при вычислении бесконечного степенного ряда первыми его членами.
Ошибку ограничения можно оценить по формуле, где :
.
Формула Тейлора не только дает возможность организовать численный метод вычисления значений функции , но и позволяет оценить величину ошибки приближения, возникающей в результате ограничения количества рассматриваемых членов ряда. При ее использовании требуется определить точку , в окрестностях которой будет производиться разложение функции, при этом следует руководствоваться соображениями точности представления коэффициентов ряда (3.1) и величиной используемого интервала области определения, внутри которого будут производиться вычисления.
Рассмотрим разложение в ряд Тейлора функции . Найдем соответствующие производные и в результате получим последовательность функций: , , , , , , , , … . Если положить , то последовательность функций преобразуется в ряд чисел 1, 0, –1, 0, 1, 0, –1, 0, ..., тогда по формуле (3.1) мы имеем:
.
Оценим величину ошибки приближения при рассмотрении первых четырех членов ряда и ,
,
поскольку для любых .
Из полученной оценки погрешности видно, что ошибка приближения зависит от и если не изменить число членов ряда в представлении функции , то для достаточно больших значение погрешности может превысить 1.
3.1.2. Полиномы Чебышева
Формула Тейлора при разложении функции в степенной ряд дает сходимость, зависящую от значения . Возникает идея поиска такого многочлена , чтобы максимальная ошибка приближения функции была бы наименьшей. Данная задача была решена великим русским математиком П.Л.Чебышевым и получила название задачи о наилучшем приближении.
Пусть задана некоторая функция , которую на отрезке требуется приблизить многочленом таким образом, чтобы
,
т.е. подобрать такие коэффициенты , чтобы максимальная величина модуля разности между и была наименьшей для любых .
Определение. Полиномом Чебышева называется многочлен вида , где .
Заметим, что полиномы Чебышева не являются тригонометрическими функциями, однако доказательство данного утверждения приводить не будем. Используя известные формулы тригонометрии, найдем первые три многочлена:
,
,
.
Для вычисления многочленов Чебышева практичнее использовать следующее рекуррентное соотношение:
. (3.2)
Свойства многочленов Чебышева:
Учитывая формулу (3.2), можно установить, что , , то есть коэффициент при старшей степени многочлена Чебышева равен .
Полиномы Чебышева образуют ортогональный базис (с весом ) на множестве функций, непрерывных на отрезке , и удовлетворяют следующим равенствам:
(3.3)
3. Многочлены Чебышева доставляют минимум максимальной ошибки приближения, то есть являются многочленами наилучшего приближения для класса функции, непрерывных на отрезке . Докажем данный факт.
Чебышев показал, что точная верхняя грань (supremum, супремум) многочлена среди всех многочленов с коэффициентом 1 при старшей степени на отрезке наименьшая. Действительно, , откуда , тогда , причем экстремумы принимают попеременно положительные и отрицательные значения на отрезке [–1,1], так как – гармоническая функция. Количество экстремумов равно . Рассмотрим разность: , которая является многочленом степени (поскольку члены уничтожаются). Если экстремальное значение меньше, чем у , то в экстремальных точках полинома функция принимает по очереди положительные и отрицательные значения. Следовательно, имеет действительных корней, чего не тожет быть, так как степень многочлена равна . Тогда выполняется тождество или
.
Последнее свойство полиномов Чебышева представляет большой интерес для численного анализа. Если какая-либо ошибка приближения может быть выражена многочленом Чебышева степени , то любое другое выражение для ошибки в виде многочлена степени , имеющего тот же самый коэффициент при старшей степени , будет иметь на отрезке [–1,1] большую максимальную ошибку, чем чебышевское.
Практика использования полиномов Чебышева для решения задачи приближения функции заключается в следующем. Поскольку система функций образует базис, то на отрезке [–1,1] любую функцию можно представить как линейную комбинацию , :
. (3.4)
Коэффициенты разложения можно определить, используя свойство ортогональности (3.3) полиномов Чебышева. Для определения почленно умножим левую и правую часть выражения (3.4) на и проинтегрируем:
.
Учитывая ортогональность, имеем:
или .
Аналогично можно вычислить остальные коэффициенты разложения (3.4):
, . (3.5)
Единственной проблемой разложения функции по полиномам Чебышева является вычисление достаточно сложных интегралов вида (3.5).