Вы находитесь на странице: 1из 17

Содержание часть 1: построение полиномов наилучшего равномерного

приближения
Постановка задачи 1 ......................................................................................... 2

Теоретическое обоснование ............................................................................. 3

Практические вычисления ............................................................................... 7

Оценки погрешностей и выводы ..................................................................... 9

Содержание часть 2: вычисление определенного интеграла локально-


интерполяционным методом Ньютона-Котеса
Постановка задачи 2 ....................................................................................... 10

Теоретическое обоснование ........................................................................... 11

Практические вычисления ............................................................................. 12

Сравнение с квадратурной формулой Гаусса .............................................. 13

Оценки погрешностей и выводы ................................................................... 16

Список литературы ......................................................................................... 17


2

Постановка задачи 1

1. Для заданной функции на отрезке [-1; 1] построить многочлен первой


PN(x) степени 1 наилучшего равномерного приближения.
2. Для заданной функции на отрезке [-1; 1] построить интерполяционный
многочлен первой PR(x) степени 1 по узлам x=-1, x=1
3. Для узлов – корней многочлена Чебышева второй степени построить
интерполяционный многочлен первой степени PT(x).
4. Построить графики полученных функций.
5. Вычислить значения f(-1), PN(-1), PR(-1), PT(-1), f(1), PN(1), PR(1), PT(1).
6. Вычислить абсолютные погрешности полученных значений

Поставленные задачи выполнить для следующей функции:

y = √−4𝑥 2 + 𝑥 + 13
3

Теоретическое обоснование

Приближение функции алгебраическими полиномами


Аппроксимация функций – важный научный метод, являющийся одним из
наиболее востребованных в реалиях современной прикладной математики. Цель
данного метода состоит в том, чтобы представить некоторую функцию с помощью
другой, когда нахождение такой приближённой функции упрощает решение
некоторой задачи.
Аппроксимирующая функция должна обладать следующими требованиями:
1) Приближающая функция должна быть легко вычислимой в сравнении с
оригинальной для ускорения автоматических вычислений.
2) Значение аппроксимирующей функции должно быть максимально
близким к значению оригинальной функции.
При этом, зачастую, найти близкую к оригинальной функцию, наиболее полно
отвечающую данным требованиям достаточно сложно, так как критерии являются
противоречивыми.
Приведём примеры ситуаций, когда выгодно использовать аппроксимацию
функции:
1) Вычисление функции слишком ресурсозатратно в рамках автоматических
вычислений;
2) Функция задана через значения в определённых точках, а вычисление
нужно производить на промежутках, в которых значение функции
неизвестно;
3) При необходимости аппроксимировать результат реального
эксперимента;
4) Для увеличения наглядности представления некоторой функции в рамках
задачи.
Наиболее часто в качестве аппроксимирующей функции выбирается
выражение, которое составляется из многочленов. Такая аппроксимация называется
полиномиальной. Она выгодна тем, что использует конечное число простейших
арифметических операций – сложения и умножения.
4

Интерполяционные полиномы
В вычислительной практике наиболее часто приходится иметь дело с
функциями, заданными таблично: в узлах {𝑥0 , 𝑥1 , … , 𝑥𝑛 } ⊂ [𝑎, 𝑏] известны значения
некоторой функции 𝑓(𝑥0 ), 𝑓(𝑥1 ), … , 𝑓(𝑥𝑛 ). Требуется же составить представление о
значении этой функции в точке, не входящей в число узлов.
В этом случае строят функцию 𝜑(∙), совпадающую с 𝑓(∙) в узлах 𝑥0 , 𝑥1 , … , 𝑥𝑛
и более простую в вычислительном плане, чем 𝑓(∙). Задача построения такой
функции называется задачей интерполирования, а полиномы - интерполяционными.
На практике наиболее часто используются интерполяция многочленами
первой, второй и третьей степени (линейная, квадратичная и кубическая
интерполяции).
Многочлен Чебышева
Одним из способов совершенствования алгоритма вычислений, позволяющих
более равномерно распределить погрешность по всему интервалу, является
использование многочленов Чебышева.
Многочлен Чебышева 𝑇𝑛 (𝑥) степени n определяется следующей формулой:
1 𝑛 𝑛
𝑇𝑛 (𝑥) = |(𝑥 + √𝑥 2 − 1) + (𝑥 − √𝑥 2 − 1) |, где −1 ≤ 𝑥 ≤ 1, 𝑛 = 0,1,
2

Многочлены Чебышева можно представить в тригонометрической форме:


𝑇𝑛 (𝑥) = cos(𝑛 ∙ 𝑎𝑟𝑐𝑐𝑜𝑠(𝑥)) , 𝑛 = 0,1, …
Нули (корни) многочленов Чебышева на отрезке [-1;1] определяются
формулой
2𝑘 − 1
𝑥𝑘 = cos 𝜋, 𝑘 = 1,2, … 𝑛
2𝑛
Наилучшее равномерное приближение
Пусть функция 𝑓(𝑥) непрерывна на [𝑎, 𝑏]. Говорят, что многочлен 𝑃𝑛 (𝑥)
приближает функцию 𝑓(𝑥) равномерно на отрезке [𝑎, 𝑏] с точностью 𝜀, если
△ (𝑃𝑛 ) = max |𝑓(𝑥) −𝑃𝑛 (𝑥) | ≤ 𝜀
[𝑎,𝑏]
5

Можно поставить задачу нахождения многочлена 𝑄𝑛 (𝑥), для которого


величина погрешности равномерного приближения 𝜀 минимальна. Эта задача
называется задачей о наилучшем равномерно приближении. Теоретически доказано,
что для любой непрерывной на [𝑎, 𝑏] функции многочлен наилучшего равномерного
приближения степени n существует и он единственный.
Решить задачу о наилучшем равномерном приближении на отрезке [𝑎, 𝑏]
означает найти многочлен 𝑃𝑛 (𝑥) данной степени n, для которого - величина
указанного максимума будет наименьшей.
В большинстве практических случаев задача о наилучшем равномерном
приближении функции 𝑓(𝑥) очень трудна и требует применения специально
разработанных численных методов. Если же ограничиться заданной точностью 𝜀 ,
то можно построить многочлен, близкий к наилучшему в следующих случаях:
1. Если для функции 𝑓(𝑥) ее n+1-я производная 𝑓 (𝑛+1) (𝑥) медленно меняется на
отрезке [𝑎, 𝑏], то интерполяционный многочлен 𝑃𝑛 (𝑥) с узлами, расположенными в
нулях многочлена Чебышева, близок к многочлену наилучшего равномерного
приближения.
2. Если функция 𝑓(𝑥) представлена на отрезке [𝑎, 𝑏] равномерно сходящимся
степенным рядом 𝑓(𝑥) = ∑∞ 𝑘
𝑘=0 𝑎𝑘 𝑥 , то на основе этого ряда можно построить

многочлен минимальной степени, равномерно приближающий функцию 𝑓(𝑥) на


отрезке [𝑎, 𝑏] с заданной точностью 𝜀.
Чаще всего используются методы интерполяции первого порядка лишь
приближающиеся к оптимальному, но зато легче поддающиеся практической
реализации. Многочлены наилучшего равномерного приближения или близкие к
ним используются как важный составной элемент в стандартных программах
вычисления элементарных и специальных функций.
Оценка погрешности интерполяции
Погрешность интерполирования 𝜀 = 𝑓(𝑥) − 𝑃𝑛 (𝑥) зависит:
 от исходных данных, в частности от числа узлов;
 от расположения узлов;
 от выбранного правила интерполирования (выбора класса функций φ(∙)).
6

Теорема. Пусть функция 𝑓(𝑥) дифференцируема n+1 раз на отрезке [𝑎, 𝑏],
содержащем узлы интерполяции 𝑥𝑗 , 𝑗 = 0,1, … 𝑛. Тогда для погрешности
интерполяции в точке 𝑥 ∈ [𝑎, 𝑏] справедливо равенство
𝑓 (𝑛+1) (𝜉)
𝑓(𝑥) − 𝑃𝑛 (𝑥) ≤ 𝑤 (𝑥)
(𝑛 + 1)! 𝑛+1
В котором 𝑤𝑛+1 (𝑥) = ∏𝑛𝑗=0(𝑥 − 𝑥𝑗 ), 𝜉 ∈ (𝑎, 𝑏).
Основное неудобство в использовании этой теоремы состоит в том, что
входящая в формулу для погрешности точка 𝜉 неизвестна. Поэтому чаще
используется не сама теорема, а её следствие.
Следствие. В условиях теоремы справедлива оценка погрешности
интерполяции в точке 𝑥 ∈ [𝑎, 𝑏], имеющая вид
𝑀𝑛+1
|𝑓(𝑥) − 𝑃𝑛 (𝑥)| ≤ |𝑤𝑛+1 (𝑥)|,
(𝑛+1)!

а также оценка максимума модуля погрешности интерполяции на отрезке


[𝑎, 𝑏], имеющая вид
𝑛+1 𝑀
max|𝑓(𝑥) − 𝑃𝑛 (𝑥)| ≤ (𝑛+1)! max|𝑤𝑛+1 (𝑥)|.
[𝑎,𝑏] [𝑎,𝑏]

Здесь 𝑀𝑛+1 = |max 𝑓 (𝑛+1) (𝑥)|.


[𝑎,𝑏]

Теорема Вейерштрасса об аппроксимации


Если функция 𝑓(𝑥) непрерывна на отрезке [𝑎, 𝑏], то для любого 𝜀 > 0
существует многочлен 𝑃𝑛 (𝑥) степени 𝑛 = 𝑛(𝜀) такой, что
max |𝑓(𝑥) −𝑃𝑛 (𝑥) | < 𝜀
[𝑎,𝑏]
7

Практические вычисления

Практическое построение полинома первой степени наилучшего


приближения и интерполяционных полиномов первого порядка по
равномерному расположению узлов и по узлам Чебышева
Непрерывная, выпуклая функция 𝑓(𝑡), заданная на отрезке [𝑎, 𝑏] = [−1,1]
приближается полиномом первой степени 𝑃𝑁(𝑡) = 𝐴0 + 𝐴1 𝑡, где 𝐴0 и 𝐴1
коэффициенты многочлена 𝑃𝑁(𝑡).
Зададим функцию 𝑓(𝑡) = √−4𝑡 2 + 𝑡 + 13. Для данной функции определим
коэффициенты из системы Лагранжа, состоящей из четыре, с некоторым
отклонением 𝐸.
𝑓(𝑎) − 𝐴0 − 𝐴1 𝑎 = 𝐸
𝑓(𝑏) − 𝐴0 − 𝐴1 𝑏 = 𝐸
𝑓(𝑐) − 𝐴0 − 𝐴1 𝑐 = −𝐸
{ 𝑓 ′ (𝑐) = 𝐴1
Система имеет четыре неизвестных: 𝐴0 , 𝐴1 , 𝑐, 𝐸 ∈ ℝ, следовательно она
разрешима для них. Для 𝐴1 получаем:
(𝑓(𝑏) − 𝑓(𝑎))
𝐴1 = = 0.167
𝑏−𝑎
Далее, решив четвертое уравнение получаем:
с ≈ −0.02530
Далее вычисляем:
𝑓(𝑏) + 𝑓(с) − 𝐴1 (𝑏 + 𝑐)
𝐴0 = = 3.301
2
Вычисляем значение отклонения аппроксимации:
𝐸 = 𝑓(𝑡) − 𝐴0 − 𝑎 ∗ 𝐴1 = −0.305
Получаем многочлен наилучшего равномерного приближения:
𝑃𝑁(𝑡) = 3.301 + 0.167𝑡
Далее сравним полином с интерполяционным многочленом первой степени
𝑃1(𝑡) и многочленом Чебышева 𝑃𝑇(𝑡):
𝑓(1) − 𝑓(−1)
𝑃1(𝑡) = 𝑓(−1) + (𝑡 + 1) ∗
2
8

√2 √2
𝑓 ( ) − 𝑓 (− )
−√2 √2 2 2
𝑃𝑇(𝑡) = 𝑓 ( ) + (𝑡 + ) ∗ ( )
2 2 √2
Построим графики полученных функций:
9

Оценки погрешностей и выводы

Для сравнения методов аппроксимации рассмотрим абсолютные значения


погрешности методов на концах промежутка и в точке 𝑐:
|𝑓(𝑎) − 𝑃(𝑎)| = 0.305 |𝑓(𝑏) − 𝑃(𝑏)| = 0.305 |𝑓(𝑐) − 𝑃(𝑐)| = 0.305
|𝑓(𝑎) − 𝑃1(𝑎)| = 0 |𝑓(𝑏) − 𝑃1(𝑏)| = 0 |𝑓(𝑐) − 𝑃1(𝑐)| = 0.611
|𝑓(𝑎) − 𝑃𝑇(𝑎)| = 0.336 |𝑓(𝑏) − 𝑃𝑇(𝑏)| = 0.303 |𝑓(𝑐) − 𝑃𝑇(𝑐)| = 0.291

Из полученных значений погрешности можно сделать следующие выводы:


1) Интерполяционный полином по конечным точкам даёт наилучшее
приближение в крайних точках промежутка (так как он строится по ним), но
значение ошибки в точке 𝑐 велико по сравнению с другими методами.
2) Интерполяционный полином, построенный по корням многочлена
Чебышева даёт более точную аппроксимацию на части промежутка, но в
некоторых точках значение погрешности выше величины максимальной ошибки
прямой наилучшего равномерного приближения.
3) При этом если рассмотреть все три метода аппроксимации с точки
зрения максимальной погрешности, то наилучший результат покажет многочлен
наилучшего равномерного приближения.
10

Постановка задачи 2

Рассмотреть нелинейное уравнение 𝑡 2 sin(2𝑡) + 5 cos(3𝑡) = 0. Вычислить


корни, принадлежащие отрезку [0; 2].
Применить методы:
1) деления отрезка пополам;
2) метод хорд;
3) метод Ньютона;
4) метод простых итераций.
Оценить сходимости методов.
11

Теоретическое обоснование

Численные методы вычисления значения определенного интеграла


применяются в том случае, когда первообразная подынтегральной функции не
выражается через аналитические функции, и поэтому невозможно вычислить
значение по формуле Ньютона-Лейбница. Для получения значения определенного
интеграла таких функций можно воспользоваться численным интегрированием.

Численное интегрирование сводится к вычислению площади


криволинейной трапеции, ограниченной графиком заданной функции, осью х и
вертикальными прямыми ограничивающими отрезок слева и справа.
Подынтегральная функция заменяется на более простую, обеспечивающую
заданную точность, вычисление интеграла для которой не составляет труда.

При использовании функций Ньютона-Котеса отрезок интегрирования


разбивается на несколько равных отрезков точками x1,x2,x3..xn.
Подынтегральную функцию заменяют интерполяционным многочленом
Лагранжа различной степени, интегрируя который, получают формулу
численного интегрирования различного порядка точности.

В случае применения локально-интерполяционного метода, каждый


отрезок также разбивается на некоторое количество частичных интервалов. Тогда
имеет место локальная формула Ньютона-Котеса:

𝑏 𝑁 𝑛
(𝑏 − 𝑎)
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 ≈ ∑ ∑ 𝐵𝑘 (𝑛) ∙ 𝑓(𝑥𝑗−1 + 𝑘 ∙ ℎ𝑚 )
𝑁
𝑎 𝑗=1 𝑘=0

 N – число отрезков разбиения


12

 n – степень многочлена Лагранжа


h
 hm =
n

 xj = a + (j − 1) ∙ h
 Bk - коэффициенты Бернулли для формулы Ньютона-Котеса

𝑛 𝑛
(−1)𝑛−𝑘
𝐵𝑘 (𝑛) = ∫ ∏(𝑡 − 𝑗)𝑑𝑡
𝑛 ∙ 𝑘! ∙ (𝑛 − 𝑘)!
0 𝑗=0
𝑗≠𝑘

Эти коэффициенты не зависят от вида f(x), а являются функцией только по


n. Поэтому их можно вычислить заранее и при необходимости пользоваться
таблицей готовых значений (табл.1):
N i=1 i=2 i=3 i=4 i=5
1 ½ 1/2 - - -
2 1/6 4/6 1/6 - -
3 1/8 3/8 3/8 1/8 -
4 7/90 32/90 12/90 32/90 7/90
Табл.1. коэффициенты Бернулли для формулы Ньютона-Котеса

Таким образом, приближенное значение определенного интеграла


вычисляется, как сумма значений подынтегральной функции в узлах,
умноженных на некоторые константы 𝐵𝑘 (𝑛) (веса):

𝑁 𝑛
(𝑏 − 𝑎)
𝐼≈ ∑ ∑ 𝐵𝑘 (𝑛) ∙ 𝑓(𝑥𝑗−1 + 𝑘 ∙ ℎ𝑚 )
𝑁
𝑗=1 𝑘=0

Практические вычисления

Задана степень многочлена n, число отрезков N, границы интегрирования a и b.


Высчитана длина отрезков h и hm.
13

Задана функция и высчитано точное значение интеграла.

Заданы весовые коэффициенты B.

Произведено разбиение функции на N отрезков и вычислены их границы.

Приближенное значение интеграла вычислено по формуле с подстановках


значений подынтегральной функции в узлах интерполяции :

Произведено разбиение каждого отрезка на n частичных интервалов и вычислены


их границы.

Сравнение с квадратурной формулой Гаусса

Квадратурная формула Гаусса дает наилучшую точность в том случае,


когда интегрируемая функция не имеет особенностей на отрезке интегрирования
и обладает высоким порядком гладкости. Степень точности равна 2n-1.
14

Рассмотрим использование квадратурной формулы Гаусса для вычисления


интеграла:

Делая замену переменной

получим:

Применяя к этому интегралу квадратурную


формулу Гаусса,

имеем:

где

В табл. 1
даны
приближенные значения узлов и коэффициентов
в квадратурной формуле Гаусса для n = 1, 2, …, 8.
15

Табл.1
Задана функция и границы интегрирования:

Задана степень n: n:=8


Заданы приближенные значения узлов и коэффициентов :

Высчитаны значения :
Высчитаны точное и приближенное значение интеграла:
16

Оценки погрешностей и выводы

В результате применения локально-интерполяционного метода Ньютона-


Котеса была получена погрешность:

Погрешность численного интегрирования по формуле Гаусса превышает


погрешность метода Ньютона-Котеса:

При использовании метода Ньютона-Котеса в целом с увеличением


количества узлов в правиле (при повышении степени интерполирующего
полинома) возрастает точность вычисления интеграла. Однако для некоторых
функций это может и не быть справедливо.
Впервые анализ этой особенности опубликовал Карл Рунге, немецкий математик,
занимавшийся исследованием численных методов.
Он заметил, интерполирующий полином с равномерным разбиением отрезка для

функции перестает сходиться в диапазоне значений 0.726.. ≤ |x| <1 при


увеличении степени полинома.

Кроме этого, при увеличении степени интерполирующего полинома


Лагранжа, возникают веса, имеющие отрицательные значения. Данный факт
негативно сказывается на вычислительной погрешности. Принимая во внимание
эти особенности, правила с полиномами степеней >10 применять не
рекомендуется.

Для увеличения точности численного интегрирования, можно разбить


отрезок на большее количество частичных интервалов, и для каждой части
отдельно вычислить приближенное значение интеграла. Сумма значений
интеграла по всем частичным интервалам даст значение интеграла на всем
отрезке.
17

Список литературы

1. Шапорев С.Д. Методы вычислительной математики и их приложения:


учебное пособие / Балт. гос. техн. ун-т «Военмех». СПб., 2002. 230 с.
2. Вержбицкий В.М. Основы численных методов: Учеб. пособие для вузов. -
М. : Высш. шк, 2002. -840 с.
3. Березин И.С., Жидков Н.П. Методы вычислений, Т.1. М.: ГИФМЛ, 1962. - 464
с.
4. Бахвалов, Н. С. Численные методы / Н. С. Бахвалов, Н. П. Жидков, Г. М.
Кобельков. – М. : Наука, 1987. – 599 с.
5. Крылов, В. И. Приближенное вычисление интегралов / В. И. Крылов. – М.
: ГИФМЛ, 1959. – 327 с.
6. Крылов, В. И. Справочная книга по численному интегрированию / В. И.
Крылов, Л. Т. Шульгина. – М. : Наука, 1966. – 370 с.
7. Крылов, В. И. Вычислительные методы Т. 1. / В. И. Крылов, В. В. Бобков,
П. И. Монастырский. – М. : Наука, 1976. – 303 с.
8. Никольский, С. М. Квадратурные формулы / С. М. Никольский. – М. :
Наука, 1988. – 255 с.