Вы находитесь на странице: 1из 41

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ


САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ
ТЕХНОЛОГИЧЕСКИЙ ИНСТИТУТ
(ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)

Кафедра прикладной математики

М.В. Лукина

МЕТОДЫ ПРИБЛИЖЁННЫХ ВЫЧИСЛЕНИЙ

Методические указания к лабораторным работам

Санкт-Петербург
2012
УДК 519.6

Лукина М.В. Методы приближённых вычислений: Метод. указания к


лабораторным работам. СПб., СПбГТИ (ТУ), 2012. — 40 с.

В методических указаниях описано пять лабораторных работ, выпол-


няемых студентами на кафедре прикладной математики. Каждая работа по-
священа рассмотрению одного из разделов методов приближенных вычисле-
ний. В лабораторных работах в доступной форме даются основы теории,
приведен порядок выполнения вычислений, разобран пример использования
метода, предложены вопросы для самоконтроля понимания материала и за-
дания для самостоятельного решения. Все это позволяет каждому студенту
самостоятельно, без посторонней помощи освоить описанные методы и вы-
полнить необходимые вычисления. В приложениях даны примеры реализа-
ции описанных методов в системе MathCAD.
Данные лабораторные работы выполняются студентами второго курса
всех специальностей на кафедре прикладной математики и соответствуют
рабочей программе учебной дисциплины «Прикладная математика».

Библиогр. 6 назв.

Рецензент: В.С. Капитонов, канд. физ.-мат. наук, доцент кафедры выс-


шей математики СПбГТИ (ТУ)

Утверждены на заседании учебно-методической комиссии факультета


ИТУ 20.03.2012.

Рекомендовано к изданию РИСо СПбГТИ (ТУ)


3

ВВЕДЕНИЕ

В настоящих методических указаниях приводится описание пяти лабо-


раторных работ, выполняемых студентами на кафедре прикладной математи-
ки. Каждая работа посвящена рассмотрению одного из разделов методов
приближенных вычислений. Приближенные методы вычислений находят
широкое применение при решении конкретных практических задач. Для
большинства задач, встречающихся в различных приложениях математики,
приближенные методы являются единственно возможными. Алгоритмы ме-
тодов позволяют составлять программы для расчетов, что открывает широ-
кие возможности для использования современной вычислительной техники.
Описание всех лабораторных работ составлено по единому плану: сна-
чала даются основы теории, затем формулируется цель работы, приведен по-
рядок выполнения вычислений, разобран пример использования метода,
предложены вопросы для самоконтроля понимания материала и задания для
самостоятельного решения. В приложениях даны примеры реализации опи-
санных методов в системе MathCAD.
Предполагается, что отчет по работе должен содержать следующие
пункты:
 Цель работы
 Исходные данные
 Основные формулы
 Результаты расчетов, таблицы, графики
 Выводы
Образец оформления отчета по лабораторной работе можно найти в
Приложениях.
4

ЛАБОРАТОРНАЯ РАБОТА № 1

Решение системы линейных уравнений методом Гаусса

Пусть требуется решить систему трех линейных уравнений с тремя не-


известными
a x  a x  a x  a

a x  a x  a x  a .
a x  a x  a x  a

Запишем систему в матричном виде   , где
a a a  x  a 
     
A  a a a , x  x , B  a .
a a a  x  a 
     
Для решения матричного уравнения такого вида существуют различные
методы. Формулы Крамера позволяют вычислить неизвестные через вычис-
ление определителей, при этом главный определитель системы должен быть
отличен от нуля. Очевидно, что вычисление определителей порядка выше
третьего довольно таки трудоемкая работа, требующая выполнения большо-
го количества операций. Решение системы с помощью обратной матрицы
требует нахождения большого числа алгебраических дополнений.
Метод Гаусса — метод последовательного исключения переменных —
заключается в том, что с помощью элементарных преобразований система
уравнений приводится к равносильной системе треугольного вида (прямой
ход метода Гаусса), из которой последовательно, начиная с последних, нахо-
дятся все переменные (обратный ход метода Гаусса). То есть матрица систе-
мы в результате преобразований переходит в единичную матрицу E .
Для выполнения этих преобразований используются две основные опе-
рации.
5

Операция 1. Деление строки на элемент строки. Если aii  , разделим


все элементы i строки на aii . Эта операция позволяет получить 1 на лю-
бом месте матрицы.
Операция 2. Вычитание из одной строки другой строки умноженной на
элемент матрицы. Из строки вычтем строку, умноженную на
элемент . Эта операция позволяет получить 0 на месте матрицы.

Комбинируя две эти операции, можно преобразовать матрицу в еди-


ничную матрицу. Если при этом тем же преобразованием подвергнуть мат-
рицу , то вновь полученная матрица и будет матрицей решения (т.к. бу-
дем иметь    ).
Кроме того, если одновременно с матрицей и преобразовывать
 
 
единичную матрицу   , то в результате преобразования получим
 
 
 
матрицу (т.к.   ).

ЦЕЛЬ РАБОТЫ

С помощью метода Гаусса найти решение системы линейных уравнений


и вычислить матрицу обратную матрице системы.

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 Для выполнения вычислений можно использовать возможности сис-


темы MathCAD.
 Записать расширенную матрицу системы и единичную матрицу
    
 
    
    
 
 Далее выполнять вычисления в соответствии с формулами
6

ai
 b b b b b b  bi 
  a
 b b b b b b  b i  a i b i a
  b i  a i b i a
 b b b b b b 

 b b b b b b 
  ci
b i
 c c c c c  b
  c i  b i  c i b
 c c c c c 

c
 d d d d d  di i
  c
 d d d d  d i  c i  d i c
  d i  b i  d i b
 d d d d 

 e e e e 
 
 d d d d  e i  d i d i d
 
 d d d d 
 Записать результаты вычислений
   
  
 
   
   
   

ПРИМЕР

Решим систему трех уравнений с тремя неизвестными


   

    .
   

Выпишем расширенную матрицу системы с единичной матрицей
  
 
    . Будем преобразовывать матрицу в соот-
   
 
ветствии с выше приведенными формулами (Приложение 1).
7

  
 
    
    
 

  
 
   
    
 

   
 
    
    
 

  
 
    
    
 
Запишем окончательный результат
   
  
 
      
    
   

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1) Какие методы решения системы линейных уравнений известны?


2) Каковы достоинства и недостатки каждого из методов?
3) В чем суть и основное содержание метода Гаусса?
4) Прямой и обратный ход метода Гаусса.
5) На каких операциях основывается метод Гаусса?
6) Смысл и назначение каждой из операций.
8

ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

3,21x1  4,25 x2  2,13x3  5,05  1,2 x1  0,18 x2  0,42 x3  1,5


 
1) 7,09 x1  1,17 x2  2,23x3  4,75 6)  0,44 x1  0,36 x2  0,12 x3  1,16
0,43x  1,4 x  0,62 x  1,05 0,36 x  0,42 x  0,22 x  0,15
 1 2 3  1 2 3

 0,4 x1  0,11x2  0,18 x3  0,47  0,66 x1  1,44 x2  0,18 x3  1,83


 
2) 0,28 x1  0,59 x2  0,03x3  0,01 7) 0,48 x1  0,24 x2  0,37 x3  0,84
 0,02 x  0,24 x  0,1x  0,22  0,86 x  0,43x  0,64 x  0,64
 1 2 3  1 2 3

 0,2 x1  0,44 x2  0,81x3  0,74 0,18 x1  0,25 x2  0,44 x3  1,15


 
3) 0,58 x1  0,29 x2  0,05 x3  0,02 8) 0,42 x1  0,35 x2  1,12 x3  0,86
 0,05 x  0,34 x  0,1x  0,32 1,14 x  0,12 x  0,83x  0,68
 1 2 3  1 2 3

 1,6 x1  2,18 x2  0,72 x3  1,15  1,6 x1  0,12 x2  0,57 x3  0,18


 
4)  0,43x1  0,16 x2  0,53x3  0,83 9)  0,38 x1  0,25 x2  54 x3  0,63
0,34 x  0,57 x  0,83x  0,42 0,28 x  0,46 x  1,12 x  0,88
 1 2 3  1 2 3

 0,75 x1  0,84 x2  1,11x3  0,66  8,6 x1  3,7 x2  0,2 x3  89,8


 
5)  1,12 x1  0,14 x2  0,45 x3  0,83 10) 3,7 x1  7,6 x2  5,0 x3  99,2
0,32 x  0,23x  0,48 x  0,14  0,2 x  5,0 x  3,8 x  49,9
 1 2 3  1 2 3

ЛАБОРАТОРНАЯ РАБОТА № 2

Приближенное решение нелинейных уравнений

Пусть требуется приближенно решить уравнение   .


Эта задача может быть решена точно лишь для очень узкого класса
функций. Уже для многочленов степени выше четырех не существует фор-
мул, выражающих их корни через коэффициенты с помощью радикалов. Для
большинства же уравнений, встречающихся в различных приложениях мате-
матики и технических задачах, приближенные методы решения являются
9

единственно возможными.
Приближенное решение уравнения распадается на несколько задач:
1) Локализация и отделение корня.
2) Вычисление корня уравнения с заданной точностью  .
Локализация корней  необходимо определить количество, характер и
расположение корней на числовой прямой. Все следующие задачи решаются
для каждого корня в отдельности. Отделение корня  нужно указать отрезок
 , внутри которого лежит один и только один корень данного уравнения.
Локализация и отделение корня обычно выполняется графически и опирается
на теорему: Если непрерывная функция   на концах отрезка   прини-
мает значения разных знаков      ,а первая производная постоянна
по знаку, то на этом отрезке существует ровно одна точка, в которой
функция обращается в ноль.
Вычислить корень с заданной точностью  значит подобрать такое
число , для которого выполняется неравенство    , то есть указать на
числовой прямой точку, лежащую на расстоянии не большем, чем допусти-
мая погрешность, от точного значения корня. Вычисление корня уравнения с
заданной точностью  может быть выполнено различными методами 2.
Метод половинного деления. Отрезок  , содержащий корень уравне-

ния, делим пополам точкой  . Если f c   , из двух получившихся

отрезков   и   выбираем тот, который содержит корень уравнения. То


есть тот отрезок на концах которого, функция принимает значения разных
знаков. Этот новый отрезок   делим пополам и т.д. Процесс деления про-
должается до тех пор, пока длина отрезка   не станем меньше  , тогда в
качестве можно взять любую точку отрезка   (Почему?).
Метод касательных или метод Ньютона. Этот метод может быть исполь-
зован только в том случае, если функция на отрезке не имеет точек перегиба,
10

т.е. вторая производная постоянна по знаку. Тогда приближенное значение


  
корня вычисляется по формуле   , где выбирается из ус-

  
      
ловия  . Правило остановки вычислений для мето-
      
да следующее: пусть    , тогда, если при некотором n выполня-
 

 
ется   , можно положить  с погрешностью, не превышающей

 . Заметим, что данный метод отличается быстрой сходимостью.


Метод итераций. Для применения этого метода уравнение   не-

обходимо записать в виде    , причем    сжимающая функция (

    ). Приведем теорему, на которой основан универсальный способ


преобразования исходного уравнения: Пусть   непрерывно дифференци-
руема на отрезке  , причем       , тогда для
любого     функция       является сжимающей на от-

резке  , причем при  коэффициент сжатия принимает мини-




мально возможное значение  .

Выбрав произвольную точку  , последовательные приближения
будем вычислять по формуле     до тех пор, пока не будет выпол-

нено условие     . Тогда ~
x  xn с погрешностью, не превосхо-

дящей  .

ЦЕЛЬ РАБОТЫ

Приближенно вычислить все корни данного уравнения   с задан-


ной погрешностью  .
11

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 Для локализации и отделения корней построить график функции


  . Можно выполнить построение, используя возможности систе-
мы MathCAD. В результате для каждого корня должен быть получен
отрезок  , содержащий только один корень уравнения.
 Вычислить корень, используя метод половинного деления. Для рас-
четов можно использовать систему MathCAD 6. Результаты вычис-
лений оформить в виде таблицы:
bn  an

 Вычислить корень методом Ньютона. Предварительно проверить


выполнение условия применения, выбрать начальное приближение
, найти значение m1 . Результаты расчетов внести в таблицу

f xn 
 
m

 Вычислить корень методом итераций. Предварительно найти значе-


ния величин  , записать уравнение в виде     , выпол-
нить расчеты. Для расчетов можно использовать систему MathCAD
6. Результаты оформить в виде таблицы:
 

 В полученных результатах сделать необходимые округления и запи-


сать в виде  .
 Сравнить методы приближенного решения уравнений.
12

ПРИМЕР

Решим кубическое уравнение     с абсолютной


погрешностью   .
Запишем функцию и ее производные:
     ,     ,    .
Вычислим корни первой и второй производной.
    .    .
Из графика функции (Приложение 2) видно, что корни уравнения при-
надлежат отрезкам         соответственно.
Корень вычислим методом половинного деления. Вычисления офор-
мим в виде таблицы (Таблица 1).
Таблица 1
bn  an
0 0 1 1
1 0 0.5 0.5
2 0.25 0.5 0.25
3 0.25 0.375 0.125
4 0.25 0.3125 0.0625
5 0.25 0.28125 0.03125
6 0.25 0.26563 0.01563
7 0.25 0.25781 0.00781
8 0.25 0.25391 0.00391
9 0.25196 0.25391 0.00195
10 0.25196 0.25293 0.00097
Вычисления можно прекратить, поскольку длина последнего отрезка не
превосходит     .
В качестве приближенного значения корня возьмем середину последне-
го отрезка  .
Методом Ньютона будем вычислять . Отрезок    не содержит
точек перегиба, т. к. вторая производная на нем постоянна по знаку. В каче-
стве начального приближения возьмем        . По-
13

скольку первая производная монотонна на данном отрезке (Почему?), ее ми-


нимум достигается на одном из концов отрезка. Поэтому возьмем
     .
Результаты расчетов по методу Ньютона (Приложение 3) представим в
таблице (Таблица 2).
Таблица 2
f xn 
 
m
0 -3 -9.7 1.5398
1 -2.5314 -1.8075 0.2869
2 -2.39452 -0.1341 0.0213
3 -2.38262 -9.7410-4 1.5510-4
f x  
Поскольку  .    вычисления можно прекратить.
m
Последний корень вычислим методом итераций. Поскольку первая про-
изводная функции монотонна на отрезке   (Почему?) максимум и ми-
нимум достигается ею на концах отрезка, поэтому имеем
      . Вычислим     . Вы-
числения по методу итераций (Приложение 4) запишем в виде таблицы
(Таблица 3).
Таблица 3
 
0 1.5
1 1.77004 0.27004
2 1.83412 0.06408
3 1.82979 4.3210-3
4 1.83034 5.4210-4
 
На последнем шаге имеем      , вычисления

можно прекратить.
Сделаем необходимые округления и окончательно запишем
     
14

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1) Почему возникает необходимость применения методов приближенного


решения нелинейных уравнений?
2) На какие этапы можно разделить приближенное решение нелинейного
уравнения?
3) Что понимают под локализацией корней?
4) Что такое отделение корня?
5) Что означает вычислить корень с заданной точностью?
6) Какие методы вычисления корня известны?
7) О каждом методе надо знать
a) условия применения
b) формула для вычисления
c) правило остановки расчетов
d) графическая иллюстрация

ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1) 2 x 3  3x 2  12 x  5  0 6) (2  x)e x  0
2) ln x  ( x  1) 3  0 7) x 3  3x  1  0
3) x 3  3x 2  24 x  10  0 8) x 2  ln( x  1)
4) 3x  cos x  1  0 9) x 3  0,2 x 2  0,5x  1  0
5) x 3  12 x  6  0 10) lg(1  2 x)  2  x
15

ЛАБОРАТОРНАЯ РАБОТА № 3

Приближенное вычисление определенного интеграла

Пусть требуется вычислить определенный интеграл    .

Для решения поставленной задачи естественно воспользоваться форму-


лой Ньютона–Лейбница. Однако даже для многих сравнительно простых
элементарных функций   первообразная, хотя и существует, но не явля-
ется элементарной, и ее нахождение может представлять собой более слож-
ную задачу, чем исходная. Невозможно воспользоваться формулой Ньютона–
Лейбница и тогда, когда функция   задана таблично. Во всех подобных
случаях для вычисления определенных интегралов приходится использовать
различные приближенные методы. Среди них наиболее широкое применение
находят так называемые численные методы.
Численное интегрирование состоит в вычислении значения определен-
ного интеграла на основании конечного числа значений подынтегральной
функции.

Для приближенного нахождения определенного интеграла   

подынтегральную функцию обычно заменяют некоторой более «простой»

функцией  . Вычислив затем интеграл    , приближенно пола-

гают  .
Часто в качестве заменяющей функции служит многочлен, причем
обычно весь отрезок интегрирования разбивают на достаточное число мень-
ших отрезков, и на каждом из них выполняют замену. В частности, таким
16

способом можно получить широко используемые формулы трапеций и пара-


бол 3.
Формула трапеций. Разобьем отрезок интегрирования   на некоторое

число отрезков одинаковой длины  точками   (

  ). Заменяя на каждом из отрезков    функцию   много-


членом первой степени (прямая), выполним интегрирование

    ). Складывая почленно эти равенства, при-

  ( 

дем к так называемой


  

формуле трапеций      



 .

Оценка погрешности вычисления определенного интеграла по формуле

трапеций имеет вид 


      . Отсюда видно, что
 

lim R  , т.е., взяв n достаточно большим, можно найти интеграл с любой


n 

заданной точностью.
Формула парабол. В этом случае отрезок интегрирования a, b разбива-
ют на четное число n отрезков. На каждом «сдвоенном отрезке» x i ,x i 
(Почему?) заменяют функцию f x  многочленом второй степени (парабола).
Выполнив интегрирование и просуммировав результаты, получим так назы-
ваемую формулу парабол (Симпсона):

h  
b n n

 f  x dx  I n    y  y n  y i   i  .
y
a  i i 
Погрешность метода можно оценить по формуле

R
b  a  M , M  max f IV
x  . Здесь также можно утверждать, что
n a,b 

 , однако наличие в знаменателе вместо приводит к тому, что,



17

как правило, формула парабол обеспечивает большую точность при одинако-


вых значениях n , чем формула трапеций.
Поскольку для определения числа разбиений n , обеспечивающих задан-
ную точность  , необходимо вычислить значение максимума модуля второй
или четвертой производных, что иногда оказывается затруднительным, на
практике часто используют правило Рунге: Пусть значение интеграла,
полученное при разбиениях, а соответственно при разбиениях, то-

гда если выполняется «с запасом»    , то справедливо I n I 


(  для метода трапеций, k  для метода парабол), то есть в качест-
ве приближенного значения интеграла I можно взять значение .

ЦЕЛЬ РАБОТЫ

b
Приближенно вычислить интеграл I   f  x dx с заданной точностью 
a

методами трапеций и парабол.

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 Вычисления можно проводить, используя возможности системы


MathCAD 6.
 Вычислить интеграл по формуле трапеций. Для этого выбрать n  ,
вычислить h, xi , yi ( i  0,1,, n ). Далее подсчитать по формуле тра-
пеций значение интеграла при n разбиениях.
 Удвоить число разбиений и повторить вычисления предыдущего
пункта. Сравнить  с величиной  . В зависимости от ре-
зультата продолжить удвоение n или прекратить вычисления и счи-
тать  .
 Результаты вычислений оформить в виде таблицы:
18

 Составить таблицу функции   для n  8

 Вычислить интеграл по методу парабол, используя таблицу функции


  . Оценить погрешность результата.
 Сравнить результаты вычислений, полученные различными метода-
ми, сделать необходимые округления и записать результат в виде
 .

ПРИМЕР

1
Вычислим определенный интеграл I   x cos x dx с абсолютной по-
0.5

грешностью   .
Метод трапеций. Разобьем отрезок интегрирования 0.5,1 на  час-
1  0.5
тей. Тогда h   0.25 . Составим таблицу функции     
2
(Таблица 4).
Таблица 4

0 0.5 0.62054
1 0.75 0.63366
2 1 0.5403
Вычислим интеграл по формуле трапеций
 0.62054  0.5403 
I 2  0.25  0.63366   0.30352 .
 2 
Удвоим число разбиений  . Повторив процедуру, получим
I 4  0.30685 . Поскольку I 4  I 2  0.00333  3  0.003 , продолжим удвоение
числа разбиений. В результате получим (Таблица 5).
19

Таблица 5

2 0.30352
4 0.30685 0.00333
8 0.30768 0.00083
Т.к. I 8  I 4  8.3 10 4  3  3 10 3 , вычисления можно прекратить и
~
считать I  I 8  0.30768 .

Метод парабол. Составим таблицу функции      при


n  8 (Таблица 6).
Таблица 6

0 0.5 0.62054
1 0.5625 0.63444
2 0.625 0.64112
3 0.6875 0.6408
4 0.75 0.63366
5 0.8125 0.61987
6 0.875 0.5996
7 0.9375 0.57301
8 1 0.5403
Вычисляя интеграл по методу парабол при n  8, получим
I 8  0.3079609 . Оценим погрешность результата. Для этого найдем четвер-
тую производную от подынтегральной функции
7 5
  15 3    3 3 1 
f IV
x   x 2 cos x  x 2  x 4   x 2 sin x   x  x 2  , и ее мак-
 16 2   2 4 2 
симум на отрезке 0.5,1, M 4  8.91. Тогда

R
b  a
5
M 
1  0.5
5
 8.91  3.8  10 7
4
180n 4 180  8 4
Сделав необходимые округления, получим по методу трапеций
I  0.308  0.001 и по методу парабол I  0.3079609  4 10 7 . В пределах
заданной точности эти результаты совпадают. Из приведенных данных вид-
но, что метод парабол при одинаковом числе разбиений обеспечивает боль-
20

шую точность вычислений.

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1) В каких случаях приходится применять приближенные методы вычис-


ления определенного интеграла?
2) Что понимают под численным интегрированием?
3) На чем основано приближенное вычисление определенного интеграла?
4) Что, значит, вычислить интеграл с заданной точностью?
5) Какие методы вычисления определенного интеграла известны?
6) Для каждого метода знать
a) на чем основывается
b) формула для вычислений
c) оценка погрешности
d) правило Рунге
e) графическая иллюстрация

ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1, 6
dx 0 ,8

tg x 2  0,5 
1)  6)  1  2 x 2 dx
0 ,8 2x 2  1 0, 4

2) 
2
lg  x  2 
dx 7) 
2,1

sin x 2  1
dx

1, 2 x 1,3 2 x
2, 4 0, 63
3)  x  1sin xdx 8)  x  1 lg  x  3dx
1, 6 0,15

1, 4 0, 66
cos x dx
4)  dx 9) 
0, 6 x  1 0,32 x 2  2,3

   
1, 2 0, 72
5)  x cos x 2 dx 10) x  1 tg 2 xdx
0, 4 0, 6
21

ЛАБОРАТОРНАЯ РАБОТА № 4

Интерполирование

Пусть функция    задана на отрезке   и в отдельных точках


отрезка  принимает значения f x0   y0 , f x1   y1 ,, f xn   yn .
И пусть произвольная более простая для вычислений функция    принима-
ет в точках  те же значения, что и  , а в остальных точках
данного отрезка приближенно представляет функцию   с той или иной
степенью точности. Замена функции   в пределах данного отрезка более
простой функцией    и называется интерполированием. Формула, которая
при этом получается —     , — называется интерполяционной формулой.
Точки  называются узлами интерполяции.
Интерполяционные формулы обычно используют как для функций  ,
имеющих аналитическое представление, но расчет каждого значения кото-
рых связано с большим объемом вычислений, так и для   , заданных таб-
лицами их значений для конечного множества x .
Чаще всего    выбирается из класса многочленов и тогда интерполя-
ция называется параболической. Параболическая интерполяция наиболее
распространена, так как многочлены просты по форме, легко вычисляются,
их легко дифференцировать и интегрировать 4.
При произвольном расположении узлов интерполяции обычно строят
интерполяционную формулу Лагранжа.
x  x x  xn  x  x x  x x  xn 
Ln  x   y  y 
x  x x  xn  x  x x  x x  xn 
x  x x  x x  xn 
 y
xn  x xn  x xn  xn  n
22

Отметим, что интерполяционный полином Лагранжа удовлетворяет ус-


ловию       , а степень полинома на единицу мень-
ше числа узлов интерполяции.
Частными случаями интерполяционного полинома Лагранжа являются
случаи, когда заданы две или три точки. Для двух точек     име-
     
ем полином первой степени (прямая)      . В
     
этом случае интерполяция называется линейной.
При квадратичной интерполяции используется три узла
     , и полином Лагранжа имеет вторую степень (пара-
бола)
              
       .
              

ЦЕЛЬ РАБОТЫ

Для данной функции    выполнить линейную и квадратичную ин-


терполяцию и вычислить значения полиномов в промежуточных точках.

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 Вычисления можно проводить, используя систему MathCAD.


В качестве узлов интерполяции использовать точки
   . Составить таблицу функции для узлов интер-
поляции
-1 0 1
  
 Записать два линейных интерполяционных полинома Лагранжа:
  на базе узлов и   на базе узлов . А также квад-
ратичный интерполяционный полином  .
23

 Вычислить значения функции и полиномов в промежуточных точ-


ках. Результаты записать в таблицу
x  0.3
f x 
  
  
 
 Отметить полученные точки на графике, сравнить значения функции
и интерполяционных полиномов для каждой точки, сделать выводы.

ПРИМЕР

Для решения задачи воспользуемся функцией   


. Составим
таблицу функции для узлов интерполяции (Таблица 7).
Таблица 7
-1 0 1
   1.537 1 0.651
Линейные интерполяционные полиномы Лагранжа

   
  

       .

Квадратичный интерполяционный полином Лагранжа

      
      
    .
        
Вычислим значения функции и полиномов в промежуточных точках
(Таблица 8).
24

Таблица 8
x -0.1 0.3
f x  1.153 0.669
  1.054 
   0.895
  1.045 0.875

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1) Сформулировать задачу интерполирования.


2) Интерполяционная формула, узлы интерполяции.
3) В каких случаях применяется интерполяция?
4) Графическая иллюстрация интерполяции для случая, когда функция за-
дана
a) аналитически
b) таблично
5) Что такое параболическая интерполяция? Почему она находит широкое
применение?
6) В каком случае используют интерполяционный полином Лагранжа? За-
писать его формулу.
7) Какова степень интерполяционного полинома Лагранжа?
8) Линейная и квадратичная интерполяция, примеры их применения. Их
графическая иллюстрация.

ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1) f x   e . x  . x 6) f x   . x  . x

2) f x   sin .  x  . x  7) f x   e . x  . x

3) f x   . x  . x 8) f x   sin .  x  . x 
4) f x   e . x  . x 9) f x   . x  . x

5) f x   sin .  x  . x  10) f x   e . x  . x
25

ЛАБОРАТОРНАЯ РАБОТА № 5

Приближенное интегрирование обыкновенного


дифференциального уравнения

Пусть дано дифференциальное уравнение    с начальным усло-


вием   (задача Коши). Точное решение задачи возможно лишь для
узкого класса функций   , поэтому возникает необходимость примене-
ния приближенных методов.
Приближенные методы решения дифференциальных уравнений можно
разделить на две группы:
1) аналитические методы, которые позволяют найти приближенное
решение в виде аналитического выражения;
2) численные методы, в результате применения которых получаются
значения искомой функции (решения) в отдельных точках.
Методы первой группы изложены в 5. В данной работе будут рассмот-
рены методы второй группы. Численные методы интегрирования дифферен-
циальных уравнений дают возможность получить решение в виде таблицы
приближенных значений искомой функции   в отдельных точках
   , называемых узлами.
Метод Эйлера. Разобьем отрезок интегрирования   на n равных

участков длиной  . Длина каждого участка называется шагом ин-

тегрирования. Узлы интегрирования рассчитываются по формуле


   . Если шаг интегрирования выбрать настолько малым, чтобы в
каждом интервале    функцию   можно было считать примерно
постоянной и равной ее значению на левом конце интервала, то уравнение
можно проинтегрировать. В результате получим
26

         . Окончательно схему метода Эйле-


ра можно представить в виде

  
    
     
Ошибка метода пропорциональна шагу интегрирования и возрастает с
увеличением x . Для повышения точности надо уменьшить шаг интегрирова-
ния, увеличив число узлов, что, конечно, увеличит и объем вычислений.
При незначительном усложнении схемы расчетов существенно повы-
сить точность решения позволяет уточненный метод Эйлера 5.
Метод Рунге–Кутта позволяет получить высокую точность численного
интегрирования дифференциального уравнения. Схема наиболее распростра-
ненного варианта этого метода (он называется иногда основным приемом
Рунге–Кутта) имеет вид

  
  

         

   
 
     
 
 
     
 
      
Отметим, что и метод Эйлера и его уточненный вариант относятся к
классу методов Рунге–Кутта, так как строятся они по одному и тому же
принципу и отличаются только порядком аппроксимации относительно шага
h . Так, рассмотренный здесь метод Рунге–Кутта является схемой 4-го поряд-
ка точности, метод Эйлера — схемой метода Рунге–Кутта 1-го порядка точ-
ности, а уточненный метод Эйлера — схемой 2-го порядка точности.
27

Однако порядок аппроксимации дает лишь приближенную (завышен-


ную) оценку ошибки решения. Поэтому практически для надежной оценки
точности производят несколько расчетов с различными шагами (например,
h, h и т.д.). Количество совпадающих цифр и дает возможность судить о
достигнутой точности.

ЦЕЛЬ РАБОТЫ

Решить задачу Коши    с начальным условием    мето-


дами Эйлера и Рунге–Кутта.

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 Вычисления можно проводить, используя возможности системы


MathCAD 6.
 Решение дифференциального уравнения будем искать на отрезке
  в узлах  .
 Решить уравнение методом Эйлера с  и  .
 Решить уравнение методом Эйлера с  и  .
 Решить уравнение методом Рунге–Кутта с  и  .
 Решить уравнение методом Рунге–Кутта с  и  .
 Полученные результаты записать в таблицу

Метод Эйлера Метод РунгеКутта


x
h . h . h . h .
0
0.1
0.2

1

 Отметить полученные точки на графике, сравнить результаты и сде-


лать вывод о точности вычислений.
28

ПРИМЕР

Решим дифференциальное уравнение   с начальным услови-

ем   . Вычисления будем проводить по выше приведенным формулам

по методу Эйлера и методу Рунге–Кутта для различных шагов и соответ-


ствующих . Кроме того, поскольку данное уравнение имеет точное реше-

ние   
  , посчитаем значения этой функции в узловых точках и
сравним с приближенными решениями.
Результаты сведем в таблицу (Таблица 9).
Таблица 9
Точное Метод Эйлера Метод РунгеКутта
x
решение h . h . h . h .
0 0.368 0.368 0.368 0.368 0.368
0.1 0.436 0.431 0.434 0.436 0.436
0.2 0.516 0.506 0.511 0.516 0.516
0.3 0.609 0.593 0.601 0.609 0.609
0.4 0.717 0.695 0.706 0.717 0.717
0.5 0.841 0.814 0.828 0.841 0.841
0.6 0.984 0.952 0.968 0.984 0.984
0.7 1.147 1.11 1.129 1.147 1.147
0.8 1.334 1.292 1.313 1.334 1.334
0.9 1.545 1.5 1.523 1.545 1.545
1 1.784 1.736 1.761 1.784 1.784

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

1) Почему возникает необходимость применения приближенных методов


интегрирования дифференциальных уравнений?
2) На какие две группы делятся приближенные методы интегрирования
дифференциальных уравнений?
3) Аналитические и численные методы. Приведите примеры.
4) Метод Эйлера
29

a) расчетные формулы
b) точность
c) графическая иллюстрация
5) Метод РунгеКутта
a) расчетные формулы
b) точность

ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1) y   cosx  y   0,5x  y , y0  0 6) y   0,1x 2  2 xy, y0  0,8

 
2) y   1  y 2 cos x  0,6 y, y0  0 7) y   1  1  x sin x  2  x y, y0  0

3) y   x  y 2 , y0  0,5 8) y   cosx  y  


1,25 y
, y0   0
1,5  x
cos y
4) y    0,3 y 2 , y0   0
x2 9) y   x  cos
y
, y1,8  2,6
5
y
5) y   x  sin , y1,7   5,3
 10) y   1  0,2 y sin x  y 2 , y0  0
30

ЛИТЕРАТУРА

1. Демидович, Б.П. Основы вычислительной математики: учебное пособие /


Б. П. Демидович, И. А. Марон. - 6-е изд., стер. - СПб. ; М. ; Краснодар :
Лань, 2007. - 664 с.
2. Никитенко В.Г., Череменский А.Г. Методы приближенных вычислений.
Решение нелинейных уравнений: Методические указания  ЛТИ. — Л.,
1983. — 34 с.
3. Аджемян Л.В., Курицын А.Г. Приближенное вычисление определенных
интегралов: Методические указания  ЛТИ. — Л., 1983. — 16 с.
4. Курицын А.Г., Щеглов А.Н. Методы приближенных вычислений. Интер-
полирование: Методические указания  ЛТИ. — Л., 1986. — 32 с.
5. Поляков В.О. Приближенные методы интегрирования обыкновенных
дифференциальных уравнений: Методические указания  ЛТИ. — Л.,
1986. — 33 с.
6. Долгополов Д.В. Реализация численных методов в системе MathCAD:
Методические указания  СПбГТИ (ТУ). — СПб., 2000. — 79 с.
31

ПРИЛОЖЕНИЕ 1

 2 1 1 0 1 0 0 
a   1 1 3 13 0 1 0 
 3 2 4 15 0 0 1 
 
i  1  7
a1  i
b1  i 
a1  1
b2  i  a2  i  b1  i  a2 1  1 0.5 0.5 0 0.5 0 0 
b3  i  a3  i  b1  i  a3 1 b   0 1.5 2.5 13 0.5 1 0 
 0 3.5 5.5 15 1.5 0 1 
b2  i  
c2  i 
b2  2
c1  i  b1  i  1 0.5 0.5 0 0.5 0 0 

c3  i  b3  i  c2  i  b3  2 c   0 1 1.667 8.667 0.333 0.667 0 
 0 0 11.333 45.333 0.333 2.333 1 
 
c3  i
d3  i 
c3  3  0 0 0 0 0 0 0 
d2  i  c2  i  d3  i  c2  3 d   0 1 0 2 0.382 0.324 0.147 
 0 0 1 4 0.029 0.206 0.088 
d1  i  b1  i  d3  i  b1 3  

e1  i  d1  i  d2  i  d1  2
e2  i  d2  i  1 0 0 1 0.294 0.059 0.118 
e3  i  d3  i e   0 1 0 2 0.382 0.324 0.147 
 0 0 1 4 0.029 0.206 0.088 
 
j  1  3 k  1  3
 1   0.294 0.059 0.118 
x j  e j 4 a1 j k  e j k  4
x   2  a1   0.382 0.324 0.147 
 4   0.029 0.206 0.088 
   
32

ПРИЛОЖЕНИЕ 2

3 2
f ( x )  x  0.3  x  4.5  x  1.1

10

f ( x) 0

10
3 2 1 0 1 2
x

f ( 3)  9.7 f ( 0)  1.1 f ( 1.5)  1.6

f ( 2)  3.3 f ( 1)  2.1 f ( 2)  1.3


33

ПРИЛОЖЕНИЕ 3

a  3 b  2
3 2
f ( x )  x  0.3  x  4.5  x  1.1
2
f1 ( x )  3  x  0.6  x  4.5
f2 ( x )  6  x  0.6

f ( a)  9.7 f1 ( a)  20.7 f2 ( a)  17.4


f ( b)  3.3 f1 ( b)  6.3 f2 ( b)  11.4

m1  f1 ( b) x 0  a
i  1  3

f  x i1
x i  x i1 
f1  x i1

j  0  3
f  x j

j  xj  f  x j  m1
0 -3 -9.7 -1.53968
1 -2.5314 -1.80749 -0.2869
2 -2.39452 -0.1341 -0.02129
3 -2.38262 -9.7381·10 -4 -1.54573·10 -4
34

ПРИЛОЖЕНИЕ 4

a  1.5 b  2   0.001
3 2
f ( x )  x  0.3  x  4.5  x  1.1
2
f1 ( x )  3  x  0.6  x  4.5
f2 ( x )  6  x  0.6

f ( a)  1.6 f1 ( a)  3.15 f2 ( a)  9.6


f ( b)  1.3 f1 ( b)  8.7 f2 ( b)  12.6

m  f1 ( a) M  f1 ( b)
2 ( M  m)
  q 
( M  m) ( M  m)

R  
 ( 1  q)   
i  1  4 x 0  a 
 q 
 ( x )  x    f ( x ) x i    x i1
3
j  0  4 R  1.13514  10

j  xj 
0 1.5
x i  x i1 
1 1.77004 0.27004
2 1.83412 0.06408
3 1.82979 4.32304·10 -3
4 1.83034 5.41649·10 -4
35

ПРИЛОЖЕНИЕ 5

a  0 b  1
f ( x )   x   cos ( x )
n  4 i  0  n

( b  a)
h  x i  a  h  i yi  f  x i
n

 y  y  n 1 
 0 n 

Itrap  h  
 2


 yi

 
 i 1 

 n  n  1
  
 2  2 
 h 
Ipar     y0  yn  4 
3 

y2k 1  2  y2m

 
 k 1 m 1 

Itrap  0.5022 Ipar  0.52116


36

ПРИЛОЖЕНИЕ 6

x 0  1 x 1  0 x 2  1

f ( z)  e
3
z 1.43z
 i  0  2

xi  f  x i 
-1 1.537
0 1
1 0.651

   z  x 1    z  x 0  
L11 ( z)      f  x 0     f  x 1 
   x 0  x 1    x 1  x 0  
   z  x 2    z  x 1  
L12 ( z)      f  x 1     f  x 2 
   x 1  x 2    x 2  x 1  
  z  x 1   z  x 2    z  x 0   z  x 2 
l1 ( z)     f  x 0 l2 ( z)     f  x 1
  x 0  x 1   x 0  x 2    x 1  x 0   x 1  x 2 
 z  x 0   z  x 1  f x
l3 ( z)   2 L2 ( z)  l1 ( z)  l2 ( z)  l3 ( z)
 x 2  x 0   x 2  x 1

f ( 0.1)  1.153 f ( 0.3)  0.669

L11 ( 0.1)  1.054 L12 ( 0.3)  0.895

L2 ( 0.1)  1.045 L2 ( 0.3)  0.875


37

ПРИЛОЖЕНИЕ 7

1
x 0  0 y0 
e
2x x
f ( x  y)  e e y
h  0.1 n  10

i  0  n x i  x 0  h  i
 ( x  y)  h  f ( x  y)
yi 1  yi    x i  yi

i  xi  yi 
0 0 0.368
1 0.1 0.431
2 0.2 0.506
3 0.3 0.593
4 0.4 0.695
5 0.5 0.814
6 0.6 0.952
7 0.7 1.11
8 0.8 1.292
9 0.9 1.5
10 1 1.736
38

ПРИЛОЖЕНИЕ 8

1
x 0  0 y0 
e
2x x
f ( x  y)  e e y
h  0.1 n  10

i  0  n x i  x 0  h  i
k1 ( x  y)  h  f ( x  y)

k2 ( x  y)  h  f  x 
 h k1 ( x  y) 
y 
 2 2 

k3 ( x  y)  h  f  x 
 h k2 ( x  y) 
y 
 2 2 
k4 ( x  y)  h  f ( x  h  y  k3 ( x  y) )
1
 ( x  y)     ( k1 ( x  y)  2  k2 ( x  y)  2  k3 ( x  y)  k4 ( x  y) )
6
yi 1  yi    x i  yi

i  xi  yi 
0 0 0.368
1 0.1 0.436
2 0.2 0.516
3 0.3 0.609
4 0.4 0.717
5 0.5 0.841
6 0.6 0.984
7 0.7 1.147
8 0.8 1.334
9 0.9 1.545
10 1 1.784
39

ПРИЛОЖЕНИЕ 9

ОБРАЗЕЦ ОФОРМЛЕНИЯ

Санкт-Петербургский технологический институт


Кафедра прикладной математики

Фамилия 
Группа 
Вариант 

Лабораторная работа № 4.
Интерполирование.
40

СОДЕРЖАНИЕ

ВВЕДЕНИЕ .......................................................................................................... 3
ЛАБОРАТОРНАЯ РАБОТА № 1 ........................................................................ 4
Решение системы линейных уравнений методом Гаусса ................................ 4
ЛАБОРАТОРНАЯ РАБОТА № 2 ........................................................................ 8
Приближенное решение нелинейных уравнений ............................................... 8
ЛАБОРАТОРНАЯ РАБОТА № 3 ...................................................................... 15
Приближенное вычисление определенного интеграла ................................... 15
ЛАБОРАТОРНАЯ РАБОТА № 4 ...................................................................... 21
Интерполирование ........................................................................................... 21
ЛАБОРАТОРНАЯ РАБОТА № 5 ...................................................................... 25
Приближенное интегрирование обыкновенного дифференциального
уравнения ........................................................................................................... 25
ЛИТЕРАТУРА.................................................................................................... 30
ПРИЛОЖЕНИЕ 1 ............................................................................................... 31
ПРИЛОЖЕНИЕ 2 ............................................................................................... 32
ПРИЛОЖЕНИЕ 3 ............................................................................................... 33
ПРИЛОЖЕНИЕ 4 ............................................................................................... 34
ПРИЛОЖЕНИЕ 5 ............................................................................................... 35
ПРИЛОЖЕНИЕ 6 ............................................................................................... 36
ПРИЛОЖЕНИЕ 7 ............................................................................................... 37
ПРИЛОЖЕНИЕ 8 ............................................................................................... 38
ПРИЛОЖЕНИЕ 9 ............................................................................................... 39
СОДЕРЖАНИЕ .................................................................................................. 40
Кафедра прикладной математики

Методические указания к лабораторным работам

МЕТОДЫ ПРИБЛИЖЁННЫХ ВЫЧИСЛЕНИЙ

Марина Владимировна Лукина


Электронная версия

Санкт-Петербургский государственный технологический институт
(Технический университет)

198013, Санкт-Петербург, Московский пр. 26