Вы находитесь на странице: 1из 176

УДК 519.6(075.

8)
ББК 22.19я73-1
П16
Серия удостоена диплома в номинации «Лучший издательский проект»
на IV Общероссийском конкурсе учебных изданий для высших учебных заведений
«Университетская книга — 2008»

Печатается по решению
Ученого совета Московского финансово-промышленного университета
«Синергия»
Ответственный редактор серии
член-корреспондент Российской академии образования,
доктор экономических наук, профессор Ю. Б. Рубин

Пантина И. В., Синчуков А. В.


П16 Вычислительная математика : учебник / И. В. Пантина, А. В. Син-
чуков. — 2-е изд., перераб. и доп. — М.: Московский финансово-
промышленный университет «Синергия», 2012. — 176 с. (Универ-
ситетская серия).
ISBN 978-5-4257-0064-3
Агентство CIP РГБ

Учебник содержит классические разделы методов вычислений, традицион-


но включаемые в учебные курсы «Численные методы» и «Вычислительная
математика»: оценку погрешности вычислений, методы линейной алгебры,
задачи интерполирования, методы численного решения задач интегрирования
и дифференцирования, решения дифференциальных и нелинейных уравне-
ний. Раздел по методам приближения сеточных функций дополнен механиз-
мами геометрического построения гладких кривых.
Для студентов, обучающихся по специальностям «Математические мето-
ды в экономике», «Математическое обеспечение и администрирование ин-
формационных систем», «Программное обеспечение вычислительной техники
автоматизированных систем», «Автоматизированные системы обработки ин-
формации и управления (по отраслям)», а также аспирантов и специалистов.

УДК 519.6(075.8)
ББК 22.19я73-1

© Пантина И. В., 2012


© Синчуков А. В., 2012
© Московский финансово-промышленный
ISBN 978-5-4257-0064-3 университет «Синергия», 2012
КРАТКОЕ ОГЛАВЛЕНИЕ

Глава 1. Элементы теории погрешностей . . . . . . . . . . . . . . . . . . . 9


Глава 2. Решение нелинейных уравнений . . . . . . . . . . . . . . . . . . 42
Глава 3. Численные методы линейной алгебры . . . . . . . . . . . . . . . . 64
Глава 4. Численные методы теории приближений . . . . . . . . . . . . . . 87
Глава 5. Интерполирование с кратными узлами и сплайны . . . . . . . . . . 119
Глава 6. Численное интегрирование функций одной переменной . . . . . . . 148
Глава 7. Численное решение дифференциальных уравнений . . . . . . . . . 161
ОГЛАВЛЕНИЕ

Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Глава 1
ЭЛЕМЕНТЫ ТЕОРИИ ПОГРЕШНОСТЕЙ

1.1. Источники и классификация погрешностей . . . . . . . . . . . . . . . . 9


1.2. Точные и приближенные числа. Правила округления чисел . . . . . . . . 10
1.3. Математические характеристики точности приближенных чисел . . . . . 13
1.4. Число верных знаков приближенного числа. Связь с абсолютной погрешно-
стью . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5. Погрешность арифметических действий . . . . . . . . . . . . . . . . . 20
1.6. Общая формула теории погрешностей. Погрешность вычисления значения
функции . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7. Обратная задача теории погрешностей . . . . . . . . . . . . . . . . . . 30
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 33
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 34

Глава 2
РЕШЕНИЕ НЕЛИНЕЙНЫХ УРАВНЕНИЙ

2.1. Постановка задачи численного решения уравнений . . . . . . . . . . . 42


2.2. Основные этапы отыскания решения . . . . . . . . . . . . . . . . . . . 43
2.3. Метод деления отрезка пополам . . . . . . . . . . . . . . . . . . . . . 47
2.4. Метод простых итераций . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5. Метод Ньютона . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.6. Метод секущих . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7. Метод ложного положения . . . . . . . . . . . . . . . . . . . . . . . . 59
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 61
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 61

4 Университетская серия
Оглавление

Глава 3
ЧИСЛЕННЫЕ МЕТОДЫ ЛИНЕЙНОЙ АЛГЕБРЫ

3.1. Постановка задачи решения систем линейных алгебраических уравнений 64


3.2. Метод исключения Гаусса решения СЛАУ. Схема единственного деления 65
3.3. Метод исключения Гаусса решения СЛАУ с выбором главного элемента по
столбцу . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4. Вычисление определителя методом исключения Гаусса . . . . . . . . . 70
3.5. Вычисление обратной матрицы методом исключения Гаусса . . . . . . . 71
3.6. Метод простых итераций Якоби решения СЛАУ . . . . . . . . . . . . . . 74
3.7. Метод Зейделя решения СЛАУ . . . . . . . . . . . . . . . . . . . . . . 78
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 81
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 82

Глава 4
ЧИСЛЕННЫЕ МЕТОДЫ ТЕОРИИ ПРИБЛИЖЕНИЙ

4.1. Постановка задачи приближения функций . . . . . . . . . . . . . . . . 87


4.2. Интерполяционный полином Лагранжа . . . . . . . . . . . . . . . . . . 90
4.3. Интерполяционная формула Ньютона для неравномерной сетки . . . . . 95
4.4. Интерполяционная формула Ньютона для равномерной сетки . . . . . . 101
4.5. Обратное интерполирование . . . . . . . . . . . . . . . . . . . . . . . 106
4.6. Численное дифференцирование . . . . . . . . . . . . . . . . . . . . . 109
4.7. Метод интерполяции отыскания собственных значений матрицы . . . . . 112
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 115
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 116

Глава 5
ИНТЕРПОЛИРОВАНИЕ С КРАТНЫМИ УЗЛАМИ И СПЛАЙНЫ

5.1. Разделенные разности с кратными узлами . . . . . . . . . . . . . . . . 119

Университетская серия 5
Оглавление

5.2. Интерполяционный полином Эрмита . . . . . . . . . . . . . . . . . . . 122


5.3. Интерполирование сплайнами . . . . . . . . . . . . . . . . . . . . . . 125
5.4. Кривые Безье . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.5. B-сплайновые кривые . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 145
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 146

Глава 6
ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ ФУНКЦИЙ ОДНОЙ ПЕРЕМЕННОЙ

6.1. Постановка задачи численного интегрирования . . . . . . . . . . . . . 148


6.2. Метод прямоугольников . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.3. Метод трапеций . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.4. Метод Симпсона . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.5. Правило Рунге практической оценки погрешности . . . . . . . . . . . . 156
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 158
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 159

Глава 7
ЧИСЛЕННОЕ РЕШЕНИЕ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ

7.1. Постановка задачи Коши . . . . . . . . . . . . . . . . . . . . . . . . . 161


7.2. Метод Эйлера . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
7.3. Модифицированные методы Эйлера . . . . . . . . . . . . . . . . . . . 166
7.4. Метод Рунге—Кутта . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
Вопросы для самопроверки . . . . . . . . . . . . . . . . . . . . . . . . . 173
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . . . 173

Литература . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
ВВЕДЕНИЕ

Применение вычислительной техники в инженерных и экономиче-


ских расчетах, графическом проектировании и дизайне связано с необ-
ходимостью численного решения широкого спектра задач. В разных об-
ластях практической деятельности требуется решать математические
задачи, для которых классические методы либо неприменимы, либо при-
водят к такому алгоритму, который труднореализуем на практике.
В общем виде процесс получения численного решения можно опи-
сать следующими этапами:
1. Содержательная постановка задачи. Вне зависимости от предмет-
ной области проблему, требующую разрешения, формулируют в содер-
жательных терминах. Определяют входную и выходную информацию.
2. Построение математической модели. Осуществляют подбор мате-
матической модели, адекватной поставленной задаче. Сформулирован-
ную на 1-м этапе задачу записывают с использованием уравнений, нера-
венств, аппроксимационных формул.
3. Выбор метода решения задачи. В зависимости от сложности мате-
матической модели и существования аналитического решения используют
аналитические или численные методы. Кроме того, выбор метода реше-
ния зависит от требований к точности результата и имеющихся вычисли-
тельных ресурсов.
Аналитические методы обеспечивают точное решение, как правило,
непрерывное, однако, они могут использоваться для ограниченного чис-
ла задач. Численные методы позволяют приближенно решать задачи и при-
водят к частным дискретным решениям. Разработка и анализ численных
методов решения прикладных математических задач составляют предмет
вычислительной математики.
4. Разработка программного обеспечения, включая составление алго-
ритма. Метод решения задачи реализуется программными средствами. На
этом этапе производится переход от математического метода к последова-
тельности выполнения арифметических и логических операций. Здесь же
осуществляют непосредственное написание программного кода.
5. Решение задачи. Вычисления и расчеты проводят с использовани-
ем разработанного программного обеспечения и оценивают адекват-
ность полученных оценок. Анализ полученного решения может привес-
ти к тому, что любой из описанных выше этапов будет пересмотрен и бу-
дут внесены необходимые изменения.

Университетская серия 7
Введение

Поскольку численные методы обеспечивают приближенное реше-


ние, то качество этого решения зависит от ряда таких факторов, как обус-
ловленность задачи, устойчивость и сходимость метода, погрешность,
а также таких параметров, как количество итераций и количество узлов
разбиения.
Хорошо обусловленной является задача, у которой незначительное
изменение входных данных приводит к незначительному изменению ре-
зультата.
Устойчивость метода подразумевает наличие хорошо обусловленной
задачи с ограниченной погрешностью округления.
Сходимость метода необходима для того, чтобы при увеличении чис-
ла итераций или узлов сетки результат вычислений стремился к точному
решению.
Анализ каждого из этих факторов является составной частью кон-
кретного численного метода.
Методы численного решения задач не являются обособленной об-
ластью знаний. Эффективность их использования зависит не только от
качества самих методов, поэтому их освоение чрезвычайно важно как для
программистов и разработчиков программного обеспечения, так и для спе-
циалистов, работающих в прикладных областях экономики, физики, инже-
нерии, графики.
Глава 1
ЭЛЕМЕНТЫ ТЕОРИИ ПОГРЕШНОСТЕЙ

Источники и классификация погрешностей


Точные и приближенные числа. Правила округления чисел
Математические характеристики точности приближенных чисел
Число верных знаков приближенного числа. Связь с абсолютной погрешностью
Погрешность арифметических действий
Общая формула теории погрешностей. Погрешность вычисления значения функции
Обратная задача теории погрешностей

1.1. Источники и классификация погрешностей

Под погрешностями понимают отклонения или расхождения между


приближенными и точными числовыми значениями.
Существуют четыре источника погрешности:
математическая модель;
исходные данные;
приближенный метод;
округления при вычислениях.
Математическая модель, используя уравнения и неравенства, упрощает
описываемый объект, что вносит погрешность в конечный результат.
Исходные данные, полученные в результате экспериментов, измеряют
с некоторой степенью точности, определяемой измерительными прибо-
рами, что также порождает погрешность.
При решении отдельных задач, как правило, используют прибли-
женные операторы. Например, вместо интеграла используют сумму или
разность вместо производной. Подобные замены вносят искажения
в итоговые значения. Некоторые методы позволяют найти точное ре-
шение лишь после бесконечного числа итераций. Поскольку бесконеч-
ные вычисления практически нецелесообразны, прерывание вычисле-
ний после конечного числа шагов приводит к погрешности.
Округления являются неотъемлемой частью любых вычислений. Ис-
пользование иррациональных чисел e или и других всегда связано с ок-
руглением. Представление числа в компьютере вследствие ограниченно-
сти разрядов для хранения данных также приводит к округлению и, как
следствие, возникновению погрешности.

Университетская серия 9
Глава 1. Элементы теории погрешностей

В целом у погрешностей есть одно свойство: при вычислениях они


накапливаются, порождая новые погрешности.
Различают 3 вида погрешностей:
метода решения;
округления;
неустранимые.
Погрешности первых двух видов можно уменьшить, используя боль-
шее количество итераций или разрядов при округлении.
К неустранимым относят погрешности математической модели и ис-
ходных данных. Эти погрешности не зависят от человека, выполняюще-
го вычисления.

1.2. Точные и приближенные числа. Правила округления чисел

В расчетах и вычислениях используют числа двух видов: точные


и приближенные. Точные числа, как правило, получаются в результате
натурального счета.
Приближенные — это числа, незначительно отличающиеся от точных
и используемые в вычислениях вместо них. Приближенные числа полу-
чают в результате измерений или вычислений.
Точные числа обозначают заглавными буквами A, B, C , , а соответст-
вующие им приближенные числа строчными буквами a, b, c,
Числа в вычислениях могут быть записаны с помощью конечного
числа разрядов в той или иной системе счисления. Если за основание
системы счисления взято натуральное число b, а для расчетов можно ис-
пользовать числа, имеющие не более m разрядов, то число a можно запи-
сать единственным способом в виде:
a a1 b n a 2b n 1
am b n m 1
, (1.1)
где ai — целые положительные числа; a1 0 и 0 ai b;
i — номер разряда, в котором стоит цифра ai , 0 i n;
n — старший разряд;
n – m 1 — младший разряд (если дробь конечная).

В десятичной системе счисления единицей s-го разряда называется


число 10s. Учитывая это определение и выражение (1.1), число a можно
записать в виде позиционного разложения:

10 Университетская серия
1.2. Точные и приближенные числа. Правила округления чисел

a a1 10 n a 2 10 n 1
a m 10 n m 1
.

ПРИМЕР 1.1
Число a 435,7068 записать в виде позиционного разложения.

Решение.
Имеем:
a 435,7068 4 10 2 3 101 5 10 0 7 10 1
0 10 2
6 10 3
8 10 4 .

В таком разложении каждая цифра числа является множителем перед


некоторой степенью десяти: цифра 4 стоит в разряде сотен (старший раз-
ряд 2). Следующая цифра 3 стоит в разряде десятков (разряд 1), цифра
5 — в разряде единиц (разряд 0), цифра 7 — в разряде десятых (раз-
ряд — 1) и т. д. Последняя цифра 8 стоит в младшем разряде — 4.

ПРИМЕР 1.2
Число 3,14159 записать в виде позиционного разложения.

Решение.
Имеем:
3,14159 = 3 10 0 1 10 1
4 10 2
1 10 3
5 10 4
9 10 5
,
где старший разряд 0, младшего разряда нет (дробь бесконечная).

Таким образом, использование приближенных чисел приводит к то-


му, что из всего множества действительных чисел некоторого отрезка ис-
пользуется его конечное дискретное подмножество. Какая бы высокая
степень точности ни была бы принята, количество разрядов в записи
числа остается ограниченным, и мы будем иметь дело с конечным мно-
жеством чисел.
Чаще всего результаты вычислений содержат избыточное количество
разрядов по сравнению с требуемой точностью вычислений. В этом слу-
чае прибегают к округлению. Под округлением понимают использование
числа с заданной степенью точности из конечного подмножества. Выбор
ближайшего значения производится по следующим правилам: получен-
ное число
a1 b n a 2b n 1
am b n m 1
am 1b
n m

Университетская серия 11
Глава 1. Элементы теории погрешностей

заменяют на приближенное:

a1 b n a 2b n 1
am b n m 1
, (1.2)

если

1 1
am 1 am 2b b
2
и на число

a1 b n a 2b n 1
am 1 bn m 1
, (1.3)

если

1 1
am 1 am 2b b.
2
В случае, когда

1 1
am 1 am 2b b,
2
пользуются следующим правилом четной цифры: если a m — четное,
применяют выражение (1.2), если a m — нечетное — выражение (1.3).

Итак, правило округления можно сформулировать так:


если отбрасываемые при округлении цифры составляют число,
которое меньше половины единицы последнего оставляемого
разряда, то оставляемые цифры остаются без изменения;
если больше половины единицы, то последняя оставляемая цифра
увеличивается на единицу;
если равно половине единицы, то последняя оставляемая цифра
увеличивается на единицу (нечетная) и остается без изменения
(четная).
ПРИМЕР 1.3
Округлить число a 16,250078500 до каждого разряда.

Решение.
Результат округления числа оформим в виде табл. 1.1.

12 Университетская серия
1.3. Математические характеристики точности приближенных чисел

Таблица 1.1

Результат округления Выражение Комментарии

до десятков ~
a 20 (1.4) первая отбрасываемая цифра 6
(больше 5)
до единиц ~
a 16 (1.3) первая отбрасываемая цифра 2
(меньше 5)
до десятых ~
a 16,3 (1.4) первая отбрасываемая цифра 5,
после нее есть ненулевые цифры
до сотых ~
a 16,25 (1.3) первая отбрасываемая цифра 0
(меньше 5)
до тысячных ~
a 16,250 (1.3) первая отбрасываемая цифра 0
(меньше 5)
~
a 16,2501 (1.4) первая отбрасываемая цифра 7
(больше 5)
~
a 16,25 008 (1.4) первая отбрасываемая цифра 8
(больше 5)
~
a 16,250 078 (1.3) первая отбрасываемая цифра 5,
после нее стоят только нули, пер-
вая сохраняемая цифра не меня-
ется, так как она четная
~
a 16,2 500 785 (1.3) первая отбрасываемая цифра 0
(меньше 5)

1.3. Математические характеристики точности приближенных чисел

Пусть A — точное значение величины (числа), a — приближенное


значение той же величины A a . Истинной абсолютной погрешностью
и a приближенного числа a называется модуль разности точного
и приближенного значений:

и a A a. (1.4)
1
Пусть, например, A . При вычислении результат деления 1 на 3
3
1
выразится как приближенное число a = 0,3333333. Тогда и (a) .
30000000

Университетская серия 13
Глава 1. Элементы теории погрешностей

Однако в действительности в большинстве случаев точное значе-


ние величины не известно, а значит, нельзя применять формулу (1.4),
т. е. нельзя найти истинную абсолютную погрешность. Поэтому вводят
другую величину, служащую некоторой оценкой (верхней границей для
и a ).
Предельной абсолютной погрешностью или просто абсолютной по-
грешностью a приближенного числа a, представляющего неизвест-
ное точное число A, называется такое возможно меньшее число, которо-
го не превосходит истинная абсолютная погрешность и a , т. е.

и a A a a. (1.5)
Для приближенного числа а величин и a , удовлетворяющих нера-
венству (1.5), существует бесконечно много, но самой ценной из них
будет наименьшая из всех найденных. Из (1.5) на основании определе-
ния модуля имеем a a A a a , или сокращенно в виде ра-
венства
A a a. (1.6)
Выражение (1.6) определяет границы, в которых находится неизвест-
ное точное число A (говорят, что приближенное число a выражает точное
A с абсолютной погрешностью). Нетрудно увидеть, что чем меньше а ,
тем точнее определяются эти границы.
Например, если измерения некоторой величины дали результат
l 458 см, при этом точность этих измерений не превосходила 1 см,
то истинная (точная) длина L 458 1 см.

ПРИМЕР 1.4
Дано число A 1,243 0,0005. Найти абсолютную погрешность чис-
ла a1 1,24 для числа A.

Решение.
Из равенства (1.6) для числа A 1,243 0,0005 (а 1,243; a
0,0005) имеем двойное неравенство
1,243 0,0005 A 1,243 0,0005,
т. е.
1,2425 A 1,2435. (*)

14 Университетская серия
1.3. Математические характеристики точности приближенных чисел

Тогда задача может быть переформулирована следующим образом:


для числа a1 1,24 определить абсолютную погрешность a1 , удовле-
творяющую неравенству A a1 a1 . Учитывая условие (*), получим:
1,2425 a1 A a1 1,2435 a1 1,2425 1,24 A a1 1,2435 1,24.
Так как в нашем случае A a1 A a1 , то 0,0025 A a1 0,0035,
откуда a1 0,0035.

Ответ.
a1 0,0035.

Абсолютная погрешность часто плохо дает представление о точности


измерений или вычислений. Например, a1 1 м при измерениях
длины здания укажет, что они проводились неточно, а та же погреш-
ность a1 1 м при измерениях расстояния между городами дает
очень качественную оценку. Поэтому вводят другую безразмерную вели-
чину — относительную погрешность.
Истинной относительной погрешностью и a числа a, являющегося
приближенным значением точного числа A, называется отношение ис-
тинной абсолютной погрешности и a числа a к модулю самого числа а:

и a A a
и a . (1.7)
a a

1
Например, если A , a 0,333 — соответственно точное и приб-
3
и a 1 1 333 1
лиженное значения, то и a : 0,333 :
a 3000 3000 1000 999
0,0001 0,01%.
Однако формула (1.7) не применима, если неизвестно точное значе-
ние числа. Поэтому по аналогии с предельной абсолютной погрешно-
стью вводят понятие предельной относительной погрешности.
Предельной относительной погрешностью числа a или просто отно-
сительной погрешностью числа, являющегося приближенным значени-
ем неизвестного точного числа A, называется возможно меньшее число
a , которого не превосходит истинная относительная погрешность
и a , т. е.

Университетская серия 15
Глава 1. Элементы теории погрешностей

a
и a a. (1.8)
a

и a a
Из неравенства (1.5) имеем ; откуда с учетом (1.8) получим:
a a

a
a . (1.9)
a
Формула (1.9) имеет большую практическую ценность по сравнению
с (1.8), так как в ней не участвует точное значение. Учитывая (1.9) и (1.6),
можно найти границы, в которых заключается точное значение неиз-
вестной величины:
a
A a a a a a a1 a a1 a
a
(приближенное число a выражает неизвестное точное число A с относи-
тельной погрешностью a ). Ясно, что чем меньше a , тем точнее вы-
числяются границы числа A.

ПРИМЕР 1.5
По данным примера 1.4 найти a1 .

Решение.
Имеем:
0,0035
a1 0,0035, a1 1,24. Тогда a1 0,0028.
1,24

ПРИМЕР 1.6
Выяснить, какое из приближенных равенств точнее:
3
0,272 или 18 4,24.
11
Решение.
Для решения этой задачи необходимо найти относительные погреш-
3
ности чисел a1 0,272 A1 , a 2 4,24 ( A2 18 ) и затем сравнить их.
11

16 Университетская серия
1.4. Число верных знаков приближенного числа. Связь с абсолютной погрешностью

1. Находим абсолютные погрешности. Вычисляем значения А1 и А2


3
с большим числом знаков: A1 0,2727 27 , A2 18 4,2426
11
Тогда имеем (по определению):

и a1 A1 a1 0,272727 0,272 0,00073 a1 ;

и a2 A2 a2 4,2426 4,24 0,0027 a2 .


2. Вычисляем относительные погрешности, пользуясь формулой (1.9):
a1 0,00073
a1 0,00027 0,027%;
a1 0,272
a2 0,027
a2 0,00064 0,064%.
a2 4,24

Итак, a1 a 2 . Значит, первое равенство точнее второго.

1.4. Число верных знаков приближенного числа.


Связь с абсолютной погрешностью

Первая слева, отличная от нуля, цифра числа a и все расположенные


справа от нее цифры (в том числе и нули) называются значащими.
Если в числе есть нули, стоящие до первой ненулевой цифры, то они
не являются значащими. Заметим, что в теории погрешностей нельзя от-
кидывать значащие нули.

ПРИМЕР 1.7
Выделить значащие цифры чисел:

a1 0,0273050, a 2 2 ,7305, a 3 0,0002730.

Решение.
Значащие цифры в записи каждого числа подчеркнуты:

a1 0,0273050, a 2 2 ,7305, a 3 0,0002730.

Среди значащих цифр числа выделяют верные цифры.

Университетская серия 17
Глава 1. Элементы теории погрешностей

Значащая цифра as числа a — верная, если предельная абсолютная


погрешность a этого числа не превосходит половины единицы s-го
разряда (разряда номера s), т. е.
1
a 10 s . (1.10)
2
ПРИМЕР 1.8
Дано число A 72 ,356 0,026. Найти количество верных цифр
в приближенном числе.

Решение.
Имеем: a 72,356, a 0,026.
1
Так как a 0,026 0,05 10 1 ,
2
то из неравенства (1.10) следует, что s –1. Это означает, что верной яв-
ляется цифра, имеющая разряд — 1 (разряд десятых), т. е. цифра 3. Вер-
ными также будут цифры 7 и 2, стоящие левее цифры 3, так как для них
также выполняется неравенство (1.10).
Для цифры 7 as 7, s 1 (разряд десятков):
1 1
a 0,026 10 5 (верно).
2
Для цифры 2 as 2, s 0 (разряд единиц):
1
a 0,026 10 0 0,5 (верно).
2
Цифры 5, 6 не являются верными. Например, для цифры 5 имеем
as 5, s –2 (разряд сотен):
1 2
a 0,026 10 0,005 (неверно).
2
Итак, все значащие цифры, стоящие левее верной цифры, также яв-
ляются верными. Цифра, стоящая правее верной цифры, не всегда явля-
ется верной.

Принято считать следующее: если указано, что все значащие цифры


числа a верные, то предельная абсолютная погрешность a равна по-
ловине единицы младшего разряда –r в его позиционной форме записи:

18 Университетская серия
1.4. Число верных знаков приближенного числа. Связь с абсолютной погрешностью

1 r
a 10 . (1.11)
2
ПРИМЕР 1.9
Известно, что в числах a1 341,267, a 2 429,5 все цифры верные.
Найти для них предельные абсолютные и относительные погрешности.

Решение.
1. Так как в числе a1 341,267 все цифры верные, то согласно (1.11)
1 3
a1 10 (последняя цифра 7 имеет младший разряд –r –3).
2
a1 3
0,5 10 5
Соответственно a1 0,15 10 0,00015%.
a1 341,267
2. Для числа a 2 429,5 младший разряд –r –1, т. е.
1 1
a2 0,05
a2 10 0,05. Тогда a 2 0,00012 0,012%.
2 a2 429,5

Если число a записано без погрешностей, то полагают, что все его


значащие цифры верные (тогда задача нахождения абсолютной a
и относительной a погрешностей не вызывает труда).
Для округления и записи абсолютной и относительной погрешно-
стей пользуются следующими правилами:
погрешность всегда округляют в большую сторону, не пользуясь
правилами округления, сформулированными в параграфе 1.2;
погрешность записывают с двумя значащими цифрами.
При округлении приближенного числа a абсолютная погрешность
a~ округленного числа a~ складывается из абсолютной погрешности a
исходного числа a и погрешности округления окр a a~ , т. е.
a~ a окр .

ПРИМЕР 1.10
Округлить число a 72,457 при a 0,0036, оставив только вер-
ные цифры. Определить абсолютную погрешность.

Решение.
1. Так как a 0,0036 0,005 0,5 10 2 , то в числе a 72,457 вер-
ными будут цифры 7, 2, 4, 5 (последняя цифра 7 не является верной):

Университетская серия 19
Глава 1. Элементы теории погрешностей

a 72 ,457. Округляем число a, сохраняя при этом верные цифры,


верные
откидывая последнюю цифру 7: a~1 72 ,46. Считаем погрешность округ-
ления и общую погрешность a~1 :

окр a a~1 72 ,457 72 ,46 0,003;

a~1 a окр 0,0036 0,003 0,0066.

2. a~1 0,0066 0,05 0,5 10 1 , т. е. в числе a~1 72 ,46 верными


будут первые три цифры: a~1 72 ,46. Округляем число a~1 72 ,46,
верные
сохраняя верные цифры (т. е. до десятых): a~2 72 ,5. Снова считаем по-
грешность округления и общую погрешность a~2 :

окр a a~2 72 ,457 72 ,5 0,043;

a~2 a окр 0,0036 0,043 0,0466.

3. Так как a~2 0,0466 0,05 0,5 10 1 , то теперь в числе


a~2 72 ,5 все цифры верные. Тогда a~ a~2 72 ,5, a~ a~2 0,0466.

Ответ.
a~ 72 ,5, a~ 0,0466.

1.5. Погрешность арифметических действий

В предыдущих параграфах рассматривался вопрос о погрешностях


одного приближенного числа. Пусть теперь дано несколько приближен-
ных чисел, над которыми производятся арифметические действия —
сложение, вычитание, умножение, деление. Если исходные числа при-
ближенные, то и результат арифметической операции также будет чис-
лом приближенным. Выясним, как связаны погрешности результата
с погрешностями исходных чисел.
Пусть a1, a2 — приближенные числа для точных чисел A1 , A2 с соответ-
ствующими абсолютными погрешностями a1 , a 2 (A1 a1 a1 ,
A2 a 2 a 2 ). Найдем абсолютную погрешность a для суммы
a a1 a 2 , являющейся приближением точной величины A A1 A2 .

20 Университетская серия
1.5. Погрешность арифметических действий

По условию, A1 a1 a1 и A 2 a2 a 2 . Оценим истинную абсо-


лютную погрешность числа a:

и a A a A1 A2 a1 a 2
A1 a1 A2 a 2
A1 a1 A2 a 2 a1 a2 .

Таким образом, u a a1 a 2 . Из определения абсолютной


погрешности следует, что в качестве a достаточно взять a1 a2
Аналогично рассуждая, можно установить, что абсолютная погреш-
ность a для разности a a1 a 2 , являющейся приближением точной
величины A A1 A2 , также равна: a1 a2 .
Абсолютная погрешность a суммы a a1 a 2 (разности a a1 a 2 )
равна сумме предельных абсолютных погрешностей a1 , a 2 :
a a1 a2 a1 a2 . (1.12)
Формула (1.12) распространяется на любое конечное количество чисел.
Зная абсолютную погрешность суммы (разности) двух чисел, можно
найти относительную погрешность суммы (разности):
a1 a2 a1 a2
a a1 a2
a1 a2 a1 a2 a1 a 2
a1 a2
a1 a2 .
a1 a2 a1 a2

ПРИМЕР 1.11
Пусть A1 42 ,35 0,005, A2 3,72 0,002 , A3 1,027 0,003. Найти
приближение b для точного числа B A1 A2 A3 , вычислить погреш-
ности. Результат округлить с сохранением верных цифр.

Решение.
1. По условию, имеем: a1 42 ,35; a1 0,005; a 2 3,72 ;
a2 0,002 ; a 3 1,027; a 3 0,003. Тогда приближенное число
b a1 a2 a3 42,35 ( 3,72) 1,027 37,603.
2. Вычислим абсолютную и относительную погрешности, пользу-
ясь равенствами (1.12) и (1.9):

Университетская серия 21
Глава 1. Элементы теории погрешностей

b a1 a2 a3 a1 a2 a3 0,005 0,002 0,003 0,01;


b 0,01
b 0,00027 0,027%.
b 37,603
3. Итак, B b b 37,603 0,01. Так как b 0,01 0,05
0,5 10 1 , то в приближенном числе b 37,603 верными будут пер-
вые три цифры: b1 37,603. Округляя результат до верных цифр
верные
~
(т. е. до десятых), получим b 37,6.
4. Погрешность
~ ~
b b окр b |b
0,01 0,003 0,013b| 0,5 10 1 ,
~
не изменила количество верных цифр в числе b 37,6.

Ответ.
~
B b b 37,603 0,01; b 0,027%; b 37,6.

Теперь рассмотрим операцию умножения (будем использовать вве-


денные выше обозначения A1 a1 a1 , A 2 a 2 a 2 ). Найдем от-
носительную погрешность a для произведения a a1 a 2 , являющего-
ся приближением точной величины A A1 A2 . Оценим сначала истин-
ную абсолютную погрешность числа a a1 a 2 :

u a A
a A1 A2 a1 a 2 a1 a1 a2 a2 a1 a 2
a1 a 2 a 2 a1 a1 a2
a1 a 2 a 2 a1 a1 a2 .

Оценим истинную относительную погрешность числа a a1 a 2 :

u a a1 a2 a2 a1 a1 a2
u a
a a1 a 2
a2 a1 a1 a2
a2 a1 a1 a2
a1 a2 a1 a 2 .

Итак, u a a1 a2 a1 a 2 . Поскольку a1 , a 2 малы,


то слагаемым a1 a 2 можно пренебречь по сравнению с a1 и a 2 .

22 Университетская серия
1.5. Погрешность арифметических действий

Следовательно, по определению относительной погрешности, в качестве


a достаточно взять a1 a 2 , т. е.:
a a1 a 2 = a1 a2 . (1.13)
Аналогично предельная относительная погрешность a частного
a1 A1
a a 2 0 , являющегося приближением точной величины A ,
a2 A2

равна
a1
a a1 a2 . (1.14)
a2
Итак, относительная погрешность a произведения a a1 a 2
a1
(частного a ) равна сумме относительных погрешностей a1 , a 2 .
a2

Зная a , можно вычислить a a a . Общая формула в этом


случае будет иметь вид:
a a a a1 a 2 a1 a2 a1 a 2 a 2 a1 .
Формулы (1.13), (1.14) распространяются на любое конечное количе-
ство чисел. В частности, нетрудно установить, что
an n a ,n N, (1.15)
n 1
an n a a , n N. (1.16)
Докажем, например, формулу (1.16).
Имеем:
n n 1 n 1
an an |an | n a a n a | a| a n a a .
При вычислении погрешностей числа x — результата арифметиче-
ских операций — необходимо проверить, какое из арифметических дей-
ствий выполняется последним. Если последнее действие — сложение
или вычитание, то необходимо сначала вычислить x (по формуле
(1.12)). Если же последнее действие — умножение или деление, то сна-
чала вычисляют x (по формулам (1.13) или (1.14)). При нахождении
погрешностей промежуточных вычислений пользуются таким же прави-
лом.

Университетская серия 23
Глава 1. Элементы теории погрешностей

ПРИМЕР 1.12
Выразить абсолютную x и относительную x погрешности для
4
a2 a3
x a13 .
a1
Решение.
Последней операцией является сложение. Поэтому сначала приме-
няем формулу (1.12) для нахождения x :

4
a2 a3
x a13 .
a1

Отдельно находим обе предельные абсолютные погрешности:


a) a13 3 a1 a1 2 ;

4 4 4
a a2 a3 a2 a3 a2 a3
б) (по определению отно-
a1 a1 a1

сительной погрешности),

4
a2 a3 4
a2 a3 a1 4 a2 a3 a1
a1
a2 a3 a2 a3 a1
4 a1 4 .
| a2 a3 | a2 a3 a1

4 x
2 a2 a3 a1 a2 a3
x 3 a1 a1 4 ; x .
a2 a3 a1 a1 x

ПРИМЕР 1.13
a12 a 2
Для числа x выразить погрешность x через погрешности
a 3 a 43
a i (i 1, 2 , 3, 4).

Решение.
x1
Обозначим x1 a12 a 2 , x2 a 3 a 43 , x . Последней операцией
x2

24 Университетская серия
1.5. Погрешность арифметических действий

является деление. Тогда, используя последовательно формулы (1.14),


(1.13), (1.15), получим:
x1
x x1 x2 a12 a 2 a 3 a 43 a12 a2
x2
a3 a 43 2 a1 a2 a3 3 a4 .

ПРИМЕР 1.14
a12 a 2
Вычислить x , x, x при A1 2 ,35 0,03, A2 1,23 0,008;
a 3 a 42
A3 4,3, A4 2 ,3 0,04. Результат округлить с сохранением верных
цифр.

Решение.
1. По условию, имеем: a1 2 ,35; a1 0,03; a 2 1,23; a 2 0,008;
a 3 4,3; a 3 0,05; a 4 2 ,3; a 4 0,04. Вычисляем сначала x:
a12 a 2 2 ,35 2
1,23
x –0,7083.
a 3 a 42 4,3 2 ,3 2
2. Пользуясь формулами (1.12), (1.13), (1.14), (1.15), найдем выра-
жение для x через известные числа a i (i 1, 2 , 3, 4) и абсолютные по-
грешности a i :

a12 a 2
x a12 a 2 a3 a 42 a12 a2 a3 a 42
a 3 a 42
a 3 a 42 a3 a 42
2 a1 a2 2 a1 a2
| a 3 a 42 | | a3 a 42 |
a1 a2 a3 2 a4 | a4 |
2 .
| a1 | | a2 | | a 3 a 42 |

Теперь в полученное выражение для x подставляем исходные дан-


ные. Получаем x 0,041. Тогда x x | x | 0,041 0,7083 0,02895.
Итак, получаем x –0,7083, x 0,02895.
3. Так как x 0,02895 0,05 0,5 10 1 , то в числе x –0,7083
верными являются первые две цифры: x 0,7083. Округляем результат,
верные
сохраняя верные цифры (до десятых): x~ 0,7. Погрешность округлен-
ного числа равна

Университетская серия 25
Глава 1. Элементы теории погрешностей

x~ x окр 0,02895 | 0,7083 0,7 | 0,02895 0,0083 0,03725.


Видно, что в округленном числе ~
x 0,7 все цифры верные, так как
~
x 0,03725 0,05 0,5 10 1 .

Ответ.
x –0,7083; x 0,02895; x~ 0,7.

1.6. Общая формула теории погрешностей.


Погрешность вычисления значения функции

При вычислении значения функции y f x в точке x x 0 (считаем


x 0 приближенным значением точного числа X 0 x 0 x 0 ) возникают
абсолютная f x 0 и относительная f x 0 погрешности. Выразим их
через погрешности числа x 0 (будем полагать, что функция y f x диф-
ференцируема в точке x x 0 ).
Поскольку функция y f x дифференцируема в точке x x 0 , то
f x0 x0 f x0 f x0 x0 a x0 ; x0 , (1.17)
где a x 0 ; x0 пренебрежимо мало при x 0 0 (иными словами, слагаемым
a x0 ; x0 в формуле (1.17) можно пренебречь).

C учетом равенства (1.17) истинная абсолютная погрешность u f x0


будет оцениваться приближенным неравенством:

u f x0 f X0 f x0 f x0 x0 f x0 f x0 x0 ,
откуда, по определению абсолютной погрешности,
f x0 f x0 x0 . (1.18)
Итак, абсолютная погрешность значения функции в точке x 0 равна
произведению модуля производной этой функции в точке x 0 на абсо-
лютную погрешность числа x 0 .
Соответственно относительная погрешность f x0 вычисляется
следующим образом:
f x0 f x0 f x0
f x0 = x0 x0 x0 . (1.19)
f x0 f x0 f x0

26 Университетская серия
1.6. Общая формула теории погрешностей. Погрешность вычисления значения функции

Определим с помощью формул (1.18) и (1.19) погрешности значений


основных элементарных функций (табл. 1.2).

Таблица 1.2

Функция Абсолютная погрешность Относительная погрешность

y f x f x0 f x0

f x xa axa 1
x a x

f x x 1 1
x x
2 x 2

f x log a x x x
x ln a ln a log a x

f x ln x x x
x
x ln( x )

f x ax ax ln a x ln a x

f x ex ex x x

f x sin x cos( x ) x ctg x x

f x cos x sin( x ) x tg ( x ) x

f x tg x x x
cos 2 x sin x cos x

f x ctg x x x
sin 2 x sin x cos x

ПРИМЕР 1.15
Для функции y f ( x) x e x 2 построить таблицу значений
на отрезке a ; b 0; (считать 3,142 ), разбив его на n 5 равных
частей (все расчеты проводить с четырьмя знаками после запятой). Вы-
числить абсолютные и относительные погрешности значений функции
в узлах разбиения.

Университетская серия 27
Глава 1. Элементы теории погрешностей

Решение.
1. Чтобы построить таблицу значений для функции y f ( x) на от-
резке a ; b с постоянным шагом h, сначала необходимо определить зна-
чения узлов разбиения xi по формуле:
xi x0 hi ,
b a
где x 0 a, h ,i 1, 2, , n.
n

x
В нашем случае y f ( x) x e 2, a 0, b 3,142 ,
h 0,6284 и узлы определяются следующим образом: x0 0;
5
xi 0,6284 i , где i 1, 2 , , 5.
2. Вычислим значения функции в узлах разбиения xi :
xi
yi f xi xi e 2 i 0, 1, ,5 .
Имеем:
x0 0, y0 f ( x0 ) f (0) 0 e0 2 0 1 2 3;
0, 6284
x1 0,6284, y1 f ( x1 ) f (0,6284) 0,6284 e 2
0,7927 0,5334 2 3,3261;
1, 2568
x2 0,6284 2 1,2568, y2 f ( x2 ) f (1,2568) 1,2568 e 2
1,2111 0,2846 2 3,4057
и т. д.
Все расчеты запишем в табл. 1.3.

Таблица 1.3

i xi 0,6284 i xi e xi yi xi e xi
2 f xi f xi

0 0 0 1 3 0 0
6 4
1 0,6284 0,7927 0,5334 3,3261 4,8678 10 1,46 10
6 4
2 1,2568 1,2111 0,2846 3,4057 8,0695 10 2,37 10
5 3
3 1,8852 1,3730 0,1518 3,5248 1,0618 10 0,3 10
5 3
4 2,5136 1,5854 0,0809 3,6663 1,1724 10 0,32 10
5 3
5 3,1420 1,7726 0,0432 3,8158 1,1944 10 0,31 10

28 Университетская серия
1.6. Общая формула теории погрешностей. Погрешность вычисления значения функции

3. Учитывая формулы (1.18), (1.19), найдем погрешности в узлах


разбиения xi (при этом число x0 0 можно считать точным, тогда
(x0) = 0; в остальных узлах (xi) 0,00005):
1 xi f xi
f xi f xi xi e xi , f xi i 1, ,5.
2 xi yi
Результаты расчетов заносим в ту же таблицу.

В случае дифференцируемой функции n переменных y f x1 , x 2 , , x n ,


для которых известны значения абсолютных погрешностей X i x i
x i ; i 1, n, рассуждая по аналогии с функцией одного аргумента, по-
лучим следующее выражение для абсолютной погрешности, которое но-
сит название основной формулы теории погрешностей:
n
y f x1 , , xn xi . (1.20)
i 1 xi
Разделив обе части неравенства (1.20) на y , получим выражение для
относительной погрешности функции:
n 1 n
y f x1 , , xn xi ln f x1 , , xn xi .
i 1 y xi i 1 xi

ПРИМЕР 1.16
e2
Для функции y оценить погрешность, если аргументы функции

имеют четыре верных знака.

Решение.
1. Функция содержит два аргумента:
x1 e 2 ,718281... и x2 3,141592 ...
Используем эти значения с четырьмя верными знаками, т. е.
x1 e 2 ,718, x2 3,142 и x1 x2 0,0005.
2. Обозначим y1 e 2 и y2 и вычислим значение функции:
2
y1 2 ,718 7,388
y 4,167.
y2 3,142 1,773

Университетская серия 29
Глава 1. Элементы теории погрешностей

3. Поскольку исходную функцию представили в виде частного, вы-


разим погрешность этой функции согласно (1.17), т. е. y y1 y2 .

x1 0,0005
y1 2 x1 2 2 0,000368;
x1 2 ,718
1 1 x1 1 0,0005
y2 x2 0,0000796;
2 2 x1 2 3,142

y 0,000368 0,0000796 0,000448.


4. По определению относительной погрешности, (1.19)

y
y ,
y

следовательно,
y y y 0,000448 4,167 0,00187.

Ответ.
Значение функции y 4,167 вычислено с погрешностью
y 0,00187 и имеет три верных знака.

1.7. Обратная задача теории погрешностей

В предыдущем параграфе рассматривалась задача определения абсо-


лютной и относительной погрешностей функции по значениям погреш-
ности аргументов. Такая задача носит название прямой задачи теории по-
грешностей. Обратной задачей в теории погрешностей называется опре-
деление допустимой погрешности аргументов, при которых погрешность
функции не превышает наперед заданной величины.
В случае функции одного аргумента x 0 обратная задача теории
погрешностей имеет однозначное решение. Из выражения (1.18) полу-
чим:
f x0
x0 .
f x0

30 Университетская серия
1.7. Обратная задача теории погрешностей

Для функции нескольких аргументов f x1 , , x n однозначного ре-


шения не существует, так как для определения n неизвестных x i име-
ется только одно уравнение (1.18).
Для решения обратной задачи теории погрешностей и устранения
неопределенности используют три предположения или принципа.
1. Принцип равных влияний предполагает, что все слагаемые

f ( x1 , , x n ) xi ; i 1, n
xi
одинаково влияют на образование абсолютной погрешности функции, т. е.
y y
x1 xn .
x1 xn
Если известна абсолютная погрешность функции :
f ( x1 , x 2 ,..., x n ) ,
тогда
n y
xi
i 1 xi
или
y
n xi ,
xi
следовательно,

xi ; i 1, n.
y
n
xi

2. Принцип равных абсолютных погрешностей предполагает, что аб-


солютные погрешности каждого аргумента равны:
x1 x2 ... xn ,
тогда
n y n y
xi xi
i 1 xi i 1 xi

Университетская серия 31
Глава 1. Элементы теории погрешностей

или

xi ; i 1, n.
n y
i 1 xi

3. Принцип равных относительных погрешностей предполагает, что


относительные погрешности каждого аргумента равны:
x1 x2 xn .
По определению
xi
xi ,
xi
тогда
xi xi xi
и
n y n y
xi xi xi ,
i 1 xi i 1 xi
следовательно,
xi
xi ; xi ; i 1, n.
n y n y
xi xi
i 1 xi i 1 xi

ПРИМЕР 1.17
Для функции из примера 1.16 определить, с каким числом верных
знаков следует взять аргументы, чтобы значение функции имело три
значащих цифры.

Решение.
1. Как и в примере 1.16, аргументы функции возьмем с четырьмя вер-
ными знаками, т. е. x1 e 2 ,718, x2 3,142 и x1 x2 0,0005,
и вычислим значение функции y 4,167.
2. Так как у результата старший разряд единицы, то последней
из четырех значащих цифр будет цифра в разряде сотых. Согласно нера-

32 Университетская серия
Вопросы для самопроверки

венству (1.10) абсолютная погрешность функции не должна превышать


0,005:
1
y 10 s 0,005.
2
3. Поскольку последнее действие в вычислении функции — деле-
ние, можно выразить лишь относительную погрешность функции. Из
выражения (1.9) для относительной погрешности получим:
y 0,005
y 0,0012 .
y 4,167
4. По условию (1.14) имеем:
y1
y y1 y2 0,0012 .
y2
С учетом принципа равных относительных погрешностей
y1 y2 0,0006.
5. Из табл. 1.1 получим выражения для y1 x12 2 x1 0,0006,
следовательно, x1 0,0003 и x1 x1 x1 0,0003 2 ,718 0,00082 .
Таким образом, число е необходимо взять с четырьмя верными знаками.
6. Аналогично получим выражение для y2 x2
1
x1 0,0006, x2 0,0012 и x2 x2 x2 0,0012 3,142
2
0,0038. Следовательно, число необходимо взять так же с четырьмя
верными знаками.

Ответ.
Чтобы значение функции имело три значащих цифры, аргументы
е и необходимо взять с четырьмя верными знаками.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Математические характеристики точности приближенных чисел, связь между ними.


2. Основные правила округления приближенных чисел.

Университетская серия 33
Глава 1. Элементы теории погрешностей

3. Верные знаки в записи приближенного числа. Связь абсолютной и относительной


погрешностей приближенного числа с количеством верных знаков.
4. Оценка погрешности функции приближенных аргументов (общая формула теории
погрешностей).
5. Правила оценки погрешности арифметических действий: абсолютная погрешность
суммы и разности, относительная погрешность произведения, частного, степени
и корня.
6. Обратная задача теории погрешностей. Принципы, лежащие в основе решения обрат-
ной задачи: принцип равных влияний, принцип равных абсолютных погрешностей,
принцип равных относительных погрешностей.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. Определить, какое из приближенных равенств точнее.


3 5
1. 50 3,684 или 34 5,831. 16. 1,667 или 38 , .
616
3
2. 1 9 17. 49 3
0,0294 или 2,7136. 3,77 или 0,80.
34 11 13 14
3. 4 18. 1 30
10,5 3,24 или 0,24. 0,067 или 1,875.
17 15 16
4. 2 13 19. 19
4
0,7186 или 0,7647. 1,58 или 12 3,46.
60 17 12
5. 3 20. 51
123 11,09 или 1,732. 4,636 или 3 35 3,271.
3 11
6. 12 21. 1
1,091 или 6,82 2 ,612. 234 15,30 или 0,29.
11 12
7. 2 22. 2
0,095 или 22 4 ,69. 0,816 или 23,6 4 ,86.
21 3
3
8. 45 3,56 или 3 111 4,81. 23. 3
0,3 0,6694 или
23
0,2949.
78
9. 1 6 24. 1
,
0169 или 0,545. 0,011 или 3 11 2,22.
35 11 91

34 Университетская серия
Задачи для самостоятельного решения

10. 17 0,895 или 52 7,21. 25. 4


12 1,86 или 3 12 2,29.
19
11. 21 3 26. 4
19 2,0878 или 52 7,2111.
0,724 или 1,342.
29 5
12. 50 27. 13
2,632 или 3 2 1,260. 1,8571 или 4 17 2,0305.
19 7
13. 13 0,765 или
11
1,571. 28. 1 7
0,4472 или 0,7977.
17 7 5 11
14. 1 29. 71 113
13 3,606 или , .
0143 1,0597 или 2,1321.
7 67 53
15. 6 2,45 или 3 12 2,289. 30. 0,8 0,8944 или 5,2 2 ,2804.

2. Вычислите абсолютные и относительные погрешности чисел, если все цифры в записи


верные.
1. а) a 1,237; 16. а) a 100;
б) a –1,47; б) a 3,06 10 3 ;
в) a 3,7 10 3 . в) a 9,814.
2. а) a 0,34 103 ; 17. а) a 8,409;
б) a 341,460; б) a –4,03 10 1 ;
в) a 3,0789. в) a 0,00858.
3. а) a –0,0203; 18. а) a 5,400;
б) a 12,007; б) a 3,50 10 3 ;
в) a –22,4 10 3 . в) a 232,98.
4. а) a 234,2; 19. а) a –6,407;
б) a –0,08; б) a 5,1 10 2 ;
в) a 0,4 10 2 . в) a –5,0900.
5. а) a 1,34 10 3 ; 20. а) a 4,44;
б) a 8,3458; б) a 2,14 10 1 ;
в) a –2,0080. в) a 200.
6. а) a 0,109; 21. а) a 3,030;
б) a 877,580; б) a 23,0005;
в) a 3,446. в) a 278,9.

Университетская серия 35
Глава 1. Элементы теории погрешностей

7. а) a 1,09 102 ; 22. а) a 0,3825;


б) a 0,034; б) a 24,60;
в) a –2,208. в) a 2,78 10 1 .

8. а) a 20,44; 23. а) a 16,383;


б) a –3,1416; б) a 24,04;
в) a 2 10 3 . в) a –3,8 10 2 .

9. а) a 0,40; 24. а) a 6,03;


б) a –0,31 10 3 ; б) a –0,0004;
в) a 2,0989. в) a –30,80 10 2 .

10. а) a 10,234; 25. а) a 18,2750;


б) a 10,301 102 ; б) a 0,00645;
в) a –2,93. в) a 0,08 10 2 .

11. а) a 18,357; 26. а) a 0,254;


б) a 2,16 10 3 ; б) a –1,76;
в) a 92,90. в) a 2,4 10 3 .

12. а) a 10,06; 27. а) a 0,48 103 ;


б) a 2,391 10 1 ; б) a 57,810;
в) a 32,900. в) a 3,1876.

13. а) a –2,007; 28. а) a –0,0911;


б) a 3,5 10 3 ; б) a 12,012;
в) a 2,0989. в) a –37,5 10 3 .

14. а) a 0,3649; 29. а) a 177,75;


б) a –0,001 104 ; б) a –0,05;
в) a –0,090. в) a 0,6 10 2 .

15. а) a –3,42; 30. а) a 2,57 10 3 ;


б) a 1,039 102 ; б) a 8,3817;
в) a –800,5. в) a –6,0130.

3. Определите верные цифры чисел. Округлите числа с сохранением верных цифр,


найдите погрешности результата.
1. а) 22,553 0,016; 16. а) a –2,0045, a 0,2%;
б) a 2,8546, a 0,3%. б) 0,98351 0,00042.

36 Университетская серия
Задачи для самостоятельного решения

2. а) a 17,2834, a 0,6%; 17. а) 5,6483 0,0019;


б) 6,4257 0,0024. б) a 2,8890, a 4,3%.
3. а) 0,54 0,016; 18. а) a 221,35, a 1,2%;
б) a 34,834, a 3%. б) –12,090 0,003.
4. а) a 2,3445, a 0,2%; 19. а) 0,00230 0,0003;
б) –12,090 0,003. б) a –14,004, a 6%.
5. а) 5,435 0,0028; 20. а) a 0,66389, a 3,2%;
б) a 10,8441, a 0,5%. б) 38,8456 0,0023.
6. а) a 8,24163, a 0,2%; 21. а) 1,023 0,0005;
б) –0,1236 0,00035. б) a 34,01, a 5,6%.
7. а) 2,4543 0,0032; 22. а) a –2,005, a 5,2%;
б) a 24,5643, a 0,1%. б) 102,00 3,05.
8. а) a 23,4, a 2%; 23. а) –7,567 0,004;
б) 8,3445 0,005. б) a 304,00, a 2%.
9. а) 3,7834 0,0041; 24. а) a 32,05, a 3,2%;
б) a 21,68543, a 1%. б) 67,8990 0,0009.
10. а) a 0,0300, a 0,2%; 25. а) 22,456 1,0055;
б) –12,09 0,001. б) a 34,834, a 3%.
11. а) 13,6254 0,0021; 26. а) 0,00320 0,0004;
б) a 0,3567, a 0,042%. б) a –12,008, a 3%.
12. а) a 0,867, a 0,4%; 27. а) a 0,46587, a 2,4%;
б) –10,01 0,009. б) 42,1876 0,0048.
13. а) 90,23 2,24; 28. а) 0,0175 0,0001;
б) a –0,40, a 3%. б) a –72,041, a 7%.
14. а) a 0,3945, a 0,16%; 29. а) a 7,0622, a 5,2%;
б) 27,1548 0,0016. б) 47,7456 0,0087.
15. а) 0,8657 0,001; 30. а) 0,8821 0,0001;
б) a 24,3618, a 1,5%. б) a 2,7892, a 8,5%.

4. Даны числа и их погрешности. Вычислите приближенно значение функции f a, b, c, d ,


определите f и f и верные цифры. Значение функции f a, b, c, d округлите,
оставив в нем только верные цифры (в числах и е верными считать первые четыре
цифры).

Университетская серия 37
Глава 1. Элементы теории погрешностей

1. a2 b2 если a 3,85; a 0,01; b 2,043;


f ,
c ad 3 b 0,002; с –4,397; с 0,003; d 2,05.
2
2. (a b) c 2 если a 0,02; b 1,34; b 0,005; с 4,2;
f , с 0,03; d –0,05; d 0,002.
d b

3. a2 b3 3ab c 2 если a 0,5; a 0,01; b –12,4;


f ,
4 a b2 b 0,9; с 1,3; d –2,1; d 0,1.

4. ab3 a2 d если a –0,05; a 0,002; b 2,3;


f ,
c2 b c3 b 0,02; с –1,97; d 0,05;
d 0,01.
5. aс b2 1 если a 3,85; a 0,01; b 2,043;
f ab,
cd 3 2 с –4,397; с 0,003; d 2,05;
d 0,01.
3
6. ab cd a b если a 1,05; b 2,043; b 0,002;
f 3
, с –4,397; с 0,003; d 2,05; d 0,01.
b c3
7. a c 2 b2 a если a –1,2; a 0,014; b 12,09;
f ,
2( c 3 ab) bc b 0,002; с 4,009; d 2,005; d 0,01.

8. bc ad 2 если a 23; a 0,09; b 2,003;


f , b 0,002; с 0,12; с 0,003;
ac bd
d 0,015.
9. 1 a c если a 2,005; b 1,45; b 0,002; с 1,009;
f a 2 b2 ,
4 b a2 с 0,0003; d –1,25; d 0,023.

10. a4 1 1 если a 0,85; a 0,003; b 1,33;


f a c3 ,
b 2
d a c 2 b 0,006; с 0,01; с 0,0025; d 5,5;
d 0,021.
3
11. a b3 если a 1,56; a 0,015; b –3,03;
f ac , b 0,02; с 0,7; с 0,03; d –2,05.
b2 d

12. a bc 2 a2 b если a 3,85; a 0,01; b 2,043;


f 1,
c d 3 c3 с –4,397; с 0,003; d 2,05;
d 0,01.
13. b d2 3 если a –0,5; a 0,043; b 5,600; с 0,907;
f a bc 2 ,
a c 2
2 с 0,004; d 7,090; d 0,01.

14. a d bc 3 если a 3,85; a 0,01; b 2,043; b 0,002;


f 3
, с –4,397; с 0,003; d 2,05.
d ab

38 Университетская серия
Задачи для самостоятельного решения

15. abc если a 1,05; b 2,043; b 0,002;


f 2 2
a bc 2 ,
c ab с –4,397; с 0,003; d 2,05; d 0,01.

16. 2( a b) если a 3,05; b –1,005; b 0,005;


f ad bc 3 ,
c d с 12,50; с 0,003; d –2,05; d 0,06.
2
17. ab cd a c если a 2,35; a 0,019; b –2,03;
f 2
, b 0,0045; с 0,09; с 0,005; d 2,05.
b bd
2
18. a bc если a –2,35; b 2,5; b 0,04; с 0,02;
f a bc d3 , с 0,001; d 1,25; d 0,006.
d

19. 1 если a 7,56; a 0,003; b 8,13;


a b a b b 0,002; с 8,37; d 1,25;
f ,
1 c d3 d 0,0002.
c
d
2
20. a2 a2 b если a 3,14; a 0,003; b 0,13;
f , b 0,002; с 8,37; d –0,25; d 0,0002.
b d c d
2 3
21. a b c d если a 1,2; a 0,03; b 2,1; b 0,002;
f 2
, с 2,5; с 0,01; d 3,25; d 0,002.
b c
3
22. ac bd если a 1,22; a 0,003; b 2,12;
f 2
ab cd, b 0,002; с –2,005; с 0,009;
ab c
d –3,205.
23. 1
f a bc d ab2 , если a 0,55; a 0,03; b 2,1; с 0,05;
2 a bc с 0,002; d –3,5; d 0,02.
2
24. cd 2 если a 2,32; a 0,001; b 2,12; b 0,01;
f a b , с 12,35; с 0,01; d 7,4.
a b
3
25. cd 2 если a 3,845; b 4,632; b 0,003; с 11,3;
f a b , с 0,04; d 10,8; d 0,1.
a b
3
26. ab cd если a 3,12; a 0,001; b 1,27;
f 2
ad bc, с 3,048; с 0,005; d 1,514;
ac b
d 0,007.
2
27. abc если a 2,45; a 0,004; b 4,030;
f a d , b 0,002; с 1,372; d 2,05;
a b c
d 0,05.

Университетская серия 39
Глава 1. Элементы теории погрешностей

28. b2 d2 если a –0,5; a 0,043; b 6,720;


f 2
a bc 2 ,
a c b 0,002; с 0,907; d 7,090; d 0,01.
29. a2 b2 c2 ad если a –3,4; a 0,007; b 5,08;
f ,
d2 bc b 0,001; с 4,014; d 2,005; d 0,03.
30. a bc 2 если a –1,1; a 0,03; b 3,1; с 0,03;
f ,
d ab a bc с 0,004; d –3,5; d 0,01.

5. Для функции y f x постройте таблицу значений на отрезке а ; b , разбив его


на n равных частей (расчеты проводить с четырьмя знаками после запятой). Вычис-
лите абсолютные и относительные погрешности в узлах разбиения.
1. f x sin( x ) ln( x ), a 1; b e; n 7.
2. sin( x )
f x e 4x 1, a 0; b 10,5; n 8.
3. 3
f x x cos( x ) 1, a 0; b ;n 6.
4. sin( x )
f x 2 ln( x 1) 2, a 0; b 1,3; n 9.
5. f x arcsin x ln 2 x 1,a 0; b e 2; n 10.

6. x 1 1
f x 3 ,a 2; b ln(10); n 7.
ex
4
7. f x arccos x 1 2x 20, a –2; b –1,6; n 6.
8. f x 3x 5 ln x ,a 100; b 105; n 9.

9. f x 4x 3 3x 2 4x 3, a 0; b 1,5; n 7.
10. f x x4 4x 2 5x 2, a 1; b 3,3; n 11.
3 2
11. f x 01
,x 2,3x 4x 1, a –1; b 0; n 6.
4 3
12. f x 2x 1,3x x 4, a 0; b 2,3; n 8.
13. f x 3x 3 2,2 x 2 4,4 x 1, a –1,4; b 0; n 8.
3 2
14. f x x 3,5x 4x 2, a –1; b 0; n 6.
4 3
15. f x 0,4 x 3,3x 0,4 x 1,5, a 0; b 2,2; n 6.
4 3
16. f x 2x 1,2 x 0,6x 1,4, a 1; b 1,5; n 7.
17. f x 0,2 x 4 0,3x 3 1,4 x , a 0; b 0,9; n 8.
18. f x x3 0,3x 2 0,4 x 3,4, a 0; b 3; n 7.
4 3 2
19. f x 11
,x 2,4 x 0,5x 1,5, a –1; b 1; n 7.

40 Университетская серия
Задачи для самостоятельного решения

20. f x 0,9x 4 0,3x 3 1,2 x 2 1,4, a 0; b 3; n 7.


3 2
21. f x x 4,3x 0,3x 10,3, a –2; b –1; n 6.
22. f x x 3
sin ln( x ) 1, a 1; b 10; n 7.
2
23. x 2x
f x ,a 1,2; b 1,8; n 7.
x 1
24. f x sin cos( x 1) x3 1,5x , a 1; b 4; n 7.
25. x3 x
f x sin e x 2,5, a 0; b 1,5; n 8.
x 1
26. 2
f x sin sin x 2 3
,a –2; b 4; n 7.
3 2
x x 2x 1
27. f x 0,3x 3 0,5x 2 3,5x 0,4 , a 1,5; b 1,9; n 7.
28. f x 3
x3 1,5x 2 2,3x 1,42 , a 0,5; b 1,5; n 6.
29. f x 1,2 x 2 0,5x 2,3 2 x, a 2,5; b 3,4; n 6.
30. f x 3
0,2 x 3
0,5x 2
0,3x 0,6, a –0,5; b 0,5; n 7.

6. С каким числом верных знаков нужно взять аргументы из задания 4, чтобы значение
функции f a, b, c, d вычислить с тремя верными знаками?
Глава 2
РЕШЕНИЕ НЕЛИНЕЙНЫХ УРАВНЕНИЙ

Постановка задачи численного решения уравнений


Основные этапы отыскания решения
Метод деления отрезка пополам
Метод простых итераций
Метод Ньютона
Метод секущих
Метод ложного положения

2.1. Постановка задачи


численного решения уравнений

Пусть задана некоторая функция f x и требуется найти все или не-


которые значения x, для которых

f x 0. (2.1)

Значение x * , при котором f x * 0, называется корнем (или решени-


ем) уравнения (2.1).
Для функции f(x) часто предполагают, что f(x) дважды непрерывно
дифференцируема в окрестности корня.
Корень x* уравнения (2.1) называется простым, если первая произ-
водная функции f(x) в точке x* не равна нулю, т. е. f x * 0. Если же
f x* 0, то корень x* называется кратным; при этом кратность корня
x* — это такое число n, что
n 1 n
f x* f x* f x* f x* 0 и f x* 0.

Геометрически корень уравнения (2.1) есть точка пересечения гра-


фика функции y f x с осью абсцисс.
На рис. 2.1 изображена функция y f x , имеющая четыре корня:
два простых x1* и x *3 и два кратных x *2 и x4* .
Большинство численных методов решения уравнения (2.1) ориенти-
ровано на отыскание его простых корней.

42 Университетская серия
2.2. Основные этапы отыскания решения

Рис. 2.1. Графическая интерпретация корней уравнения

2.2. Основные этапы отыскания решения

В процессе приближенного отыскания корней уравнения (2.1) обычно


выделяют два этапа: локализация (или отделение) корня и уточнение корня.
На первом этапе определяют отрезок a; b , содержащий один и толь-
ко один корень. Не существует универсального алгоритма локализации
корня. В некоторых случаях отрезок локализации может быть найден
из содержательного смысла задачи. Иногда удобно бывает локализовать
корень с помощью построения графика или таблицы значений функции
y f x.
Графический способ локализации корней состоит в следующем: урав-
нение (2.1) представляют в виде f1 x f 2 x , где функции y f1 x ,
y f 2 x таковы, что можно без особого труда построить их графики. То-
гда абсциссы точек пересечения этих графиков и будут точными корня-
ми (точными решениями) исходного уравнения.
ПРИМЕР 2.1
Отделить графически корни уравнения x 3 x2 3x 1 0.

Решение.
1. Перепишем исходное уравнение в виде x 3 x 2 3 x 1.
Тогда f1 x x 3 , f2 x x 2 3 x 1.
2. Построим графики этих функций в одной системе координат
и локализуем абсциссы точек их пересечения (рис. 2.2). Графики функ-
ций y f1 x , y f2 x пересекаются в трех точках, поэтому заданное
уравнение имеет три действительных корня (больше корней оно иметь
не может, поскольку левая часть уравнения — многочлен третьей степе-
ни): x1* 2 ; 1 , x2* 0;1 , x3* 2 ; 3 .

Университетская серия 43
Глава 2. Решение нелинейных уравнений

Рис. 2.2. Графический метод отделения корней уравнения x 3 x2 3x 1 0

На присутствие корня на отрезке a; b указывает различие знаков


функции на концах отрезка. Основанием для этого служит следующая
теорема математического анализа.
ТЕОРЕМА 2.1
Если функция f непрерывна на отрезке [a; b] и принимает на его концах
значения разных знаков так, что f a f b < 0, то отрезок a; b содержит,
по крайней мере, один корень уравнения f x 0.

Заметим, что сформулированная теорема позволяет локализовать


только корни нечетной кратности, поскольку в окрестности корней чет-
ной кратности функция f x сохраняет знак. Кроме того, указанная тео-
рема не гарантирует, что на заданном отрезке лежит единственный ко-
рень исходного уравнения. Добавляя к теореме 2.1 требование монотон-
ности функции f на отрезке a; b или выполнение достаточных для нее
условий (например, сохранение знака первой производной функции f
на отрезке a; b ), получим условие, гарантирующее наличие единствен-
ного корня, выраженное в следующей теореме.

ТЕОРЕМА 2.2
Если функция f непрерывна на отрезке a; b , принимает на его концах
значения разных знаков, т. е. f a f b < 0, и, кроме того, на заданном отрез-

44 Университетская серия
2.2. Основные этапы отыскания решения

ке производная f x сохраняет знак, то отрезок a; b содержит единст-


венный корень уравнения f x 0.

На указанных теоремах основан аналитический способ локализации


корней, при котором исследуют знаки функции f x , подставляя в нее
удобные значения аргумента x (исходя из вида функции) и стационар-
ные точки функции (в которых производная f x обращается в нуль).
Далее составляют таблицу значений x, знаков f x , f x (возрастание,
убывание), в результате чего делают вывод о количестве всех корней
уравнения (2.1) и их расположении на оси 0 x. В некоторых случая удобно
сделать схематический рисунок функции y f x . Рассмотрим подроб-
нее данный способ на примерах.

ПРИМЕР 2.2
Отделить аналитически корни уравнения 5 x 6x 3 0.

Решение.
1. В нашем случае f x 5 x 6 x 3. Подставим, исходя из вида
этой функции, следующие удобные значения аргумента x: x –1, x 0,
x 1, x 2 (для другой функции эти значения могут быть другими!).
Имеем (при вычислении значения функции оцениваем знак):

f 1 5 1
6( 1) 3 3,2 0; f 0 50 6 0 3 2 0;

f1 51 61 3 4 0; f 2 52 6 2 3 10 0.

Видно, что непрерывная функция f x 5 x 6 x 3 на двух отрезках


1; 0 и 1; 2 меняет свой знак. А тогда, в силу теоремы 2.1, на каждом
из этих отрезков имеется, по крайней мере, по одному корню уравнения.
2. Для точного ответа на вопрос о количестве корней и их располо-
жении исследуем первую производную функции f x 5 x 6 x 3.
Имеем: f x 5 x ln 5 6 — непрерывна на всей области своего опре-
деления.
Находим стационарную точку x0 из условия f x 5 x ln 5 6 0,
6 6
или 5 x , откуда x0 log5 0,82 и
ln 5 ln 5
f x0 f 0,82 5 0, 82 6 (0,82 ) 3 6,5 0.

Университетская серия 45
Глава 2. Решение нелинейных уравнений

Нетрудно проверить, что:


при x ; x0 f x 0, т. е. функция f x убывает;
при x x0 ; f x 0, т. е. функция f x возрастает.
Тем самым установлено, на каких промежутках функция монотонна.
3. Составим сводную табл. 2.1.
Таблица 2.1
Значения x –1 0 x0 1 2
Знак f x
Поведение функции f x точка
минимума
Наличие корня уравнения x1* 1; 0 x 2* 1; 2

Проанализируем полученную таблицу. В первой ее строке — значе-


ния x. Во второй — знаки f x при этих значениях x. В третьей строке
показано, как ведет себя функция f x : убывает или возрастает на соот-
ветственных интервалах. Например, на отрезке 1; 0 функция f x ме-
няет свой знак с « » на « » (выполнено условие теоремы 2.1), а так-
же строго монотонно убывает (условие теоремы (2.2)). Таким обра-
зом, на отрезке 1; 0 существует только один корень x1* уравнения
5 x 6 x 3 0. Аналогично x2* 1; 2 .

Ответ.
Уравнение имеет только два корня x1* 1; 0 , x2* 1; 2 .

Отметим, что при использовании аналитического метода локализации


корней часто бывает целесообразно рассмотреть значения функций на бес-
конечности, т. е. f lim f x и f lim f x .
x x

Локализовать корни алгебраического уравнения, т. е. уравнения вида


Pn x 0, (2.2)
n n 1
где Pn ( x) a0 x a1 x an 1 x an ,

позволяет следующее утверждение: любой корень x* уравнения (2.2) удовле-


творяет условию
A
x* 1 R,
a0

46 Университетская серия
2.3. Метод деления отрезка пополам

где A max ai .
1 i n

Действительно, допустив, что существует корень уравнения, не удов-


летворяющий данному условию, т. е.
A
1 ,
a0
получим, что a 0 1. Тогда
n n 1 n n 1
Pn a0 a1 an a0 a1 an
n n n
n 1 n A a0 A
a0 A a0 1 .
1 1 1 a0
Следовательно,
A
1 0 и Pn 0,
a0
что противоречит предположению о том, что — корень уравнения (2.2).
На этапе уточнения локализованного корня уравнения вычисляют
его приближенное значение с заданной точностью > 0. Приближенное
значение корня уточняют с помощью различных итерационных методов.
Суть этих методов состоит в построении последовательности x0, x1, ...,
xn, ..., приближений к точному значению корня x*.

2.3. Метод деления отрезка пополам

Метод деления отрезка пополам (или метод дихотомии, метод бисек-


ции) является самым простым и надежным способом решения нелиней-
ного уравнения.
Пусть из предварительного анализа известно, что корень уравнения
(2.1) находится на отрезке a 0 ; b0 , т. е. x* a 0 ; b 0 и f x*
Допустим, что функция f x непрерывна на отрезке a 0 ; b0 и прини-
мает на концах отрезка значения разных знаков, т. е.
f a0 f b0 < 0.
a0 b0
Разделим отрезок a 0 ; b0 пополам. Получим точку x0 .
2
Вычислим значение функции f x0 в этой точке. Если f(x0) 0, то

Университетская серия 47
Глава 2. Решение нелинейных уравнений

x0 — искомый корень, и задача решена. Если f x0 0, то f x0 — число


определенного знака: f x0 > 0 или f x0 < 0. Тогда либо на концах отрезка
a0; x0 , либо на концах отрезка x 0 ; b0 значения функции f x имеют раз-
ные знаки. Обозначим такой отрезок a1; b1 . Очевидно, что x* a1 ; b1 ,
и длина отрезка a1 ; b1 в два раза меньше, чем длина отрезка a 0 ; b0 . Пос-
тупим аналогично с отрезком a1 ; b1 . В результате получим корень x*,
или новый отрезок a 2 ; b2 и т. д. (рис. 2.3).

Рис. 2.3. Графическая интерпретация метода половинного деления


a n bn
Середина n-го отрезка xn . Очевидно, что длина отрезка
b0 a 0 2
a n ; bn будет равна , а так как x* a n ; bn , то
2n
bn a n b0 a 0
xn x* . (2.3)
2 2n 1
Погрешность метода. Оценка (2.3) характеризует погрешность мето-
да деления отрезка пополам и указывает на скорость сходимости: метод
сходится со скоростью геометрической прогрессии, знаменатель которой
1
q . Заметим, что оценка (2.3) является априорной.
2
Критерий окончания. Из соотношения (2.3) следует, что при задан-
ной точности приближения вычисления заканчиваются, когда будет вы-
b a0
полнено неравенство bn – an < 2 или неравенство n log 2 0 1.
Таким образом, количество итераций можно определить заранее. За
приближенное значение корня берется величина xn.

ПРИМЕР 2.3
Найти приближенное значение 5 2 с точностью до 0,01.

48 Университетская серия
2.4. Метод простых итераций

Решение.
Поставленная задача эквивалентна нахождению приближенного зна-
чения корня уравнения x5 – 2 0. Поскольку очевидно, что 1 5 2 2 ,
в качестве начального отрезка a1 ; b1 возьмем отрезок 1; 2 . На концах
этого отрезка функция f x x5 2 принимает значения разных знаков:
f 1 < 0, f 2 > 0.
Найдем число n делений отрезка 1, 2 , необходимых для достижения
требуемой точности. Имеем:
2 1
xn x* 10 2 ,
2n 1
следовательно, n 6.
Следовательно, не позднее шестого деления найдем 5 2 с требуемой
точностью. Результаты вычислений представлены в табл. 2.2.

Таблица 2.2

n 0 1 2 3 4 5 6
an 1,0000 1,0000 1,0000 1,1250 1,1250 1,1406 1,1406
bn 2,0000 1,5000 1,2500 1,2500 1,1875 1,1875 1,1562
xn 1,5000 1,2500 1,2500 1,1875 1,1406 1,1562 1,1484
Знак f an
Знак f bn
f xn 5,5938 0,7585 –0,2959 0,1812 –0,0691 0,0532 –0,0078
bn an 1,0000 0,5000 0,2500 0,1250 0,0625 0,0312 0,0156

Ответ.
Искомое приближение 5 2 11484
, .

2.4. Метод простых итераций

Допустим, что уравнение (2.1) можно заменить эквивалентным ему


уравнением:
x x. (2.4)

Университетская серия 49
Глава 2. Решение нелинейных уравнений

x
Например, уравнение — 0,5 0 заменить на x 0,5sin x.
sin x
Выберем каким-либо образом начальное приближение x0. Вычис-
лим значение функции x при x x0 и найдем уточненное значение
x1 x0 . Подставим теперь x1 в уравнение (2.4) и получим новое при-
ближение x2 x1 и т. д. Продолжая этот процесс неограниченно, по-
лучим последовательность приближений к корню, заданную рекуррент-
ным соотношением:
xn 1 xn . (2.5)
Формула (2.5) является расчетной формулой метода простых итераций.
Если последовательность xn сходится при n , т. е. существует
x* lim x n (2.6)
n
и функция x непрерывна, то, переходя к пределу в (2.5) и учитывая
(2.6), получим:

x* lim x n lim xn 1 lim x n 1 x* .


n n n

Таким образом, x * x * , следовательно, x * — корень уравнения


(2.4).
Сходимость метода простых итераций устанавливает следующая тео-
рема.
ТЕОРЕМА 2.3
Если в интервале, содержащем корень x* уравнения (2.4), а также его
последовательные приближения x0, x1, ..., xn, ..., вычисляемые по формуле
(2.5), выполнено условие:
| x| q <1, (2.7)
то x* = lim xn, т. е. итерационный процесс сходится, и справедлива следую-
n
щая оценка погрешности:
|xn – x* | q n|x0 – x* |. (2.8)

Оценка (2.8) является априорной. Она показывает, что метод про-


стых итераций сходится со скоростью геометрической прогрессии
со знаменателем q. Чем меньше q, тем выше скорость сходимости.

50 Университетская серия
2.4. Метод простых итераций

Как следует из теоремы 2.3, условие (2.7) является достаточным для


сходимости метода простых итераций. Его выполнение гарантирует схо-
димость процесса (2.5), но невыполнение условия (2.7), вообще говоря,
не означает, что итерационный процесс будет расходиться.
На рис. 2.4а–г изображены четыре случая взаимного расположения
линий y x и y x и соответствующие итерационные процессы.

Рис. 2.4. Графическая интерпретация метода простых итераций

На рис. 2.4а, б показан случай | x | < 1, и итерационный процесс


сходится. При этом, если (x > 0 (рис. 2.4а), сходимость носит односто-
ронний характер, а если (x < 0 (рис. 2.5б), сходимость носит двусто-
ронний, колебательный характер. Рис. 2.4в, г соответствуют случаю
x > 1 — итерационный процесс расходится. При этом может быть
односторонняя (рис. 2.4в) и двусторонняя (рис 2.4г) расходимость.
Погрешность метода. Если известна величина q в условии (2.7), то
применима следующая апостериорная оценка погрешности:

Университетская серия 51
Глава 2. Решение нелинейных уравнений

q
xn — x* xn – xn – 1 , n> 1. (2.9)
1 q

Критерий окончания. Из оценки (2.9) вытекает следующий критерий


окончания итерационного процесса. Вычисления следует продолжать
до выполнения неравенства

1 q
xn — x n 1| < .
q

Если это условие выполнено, то можно считать, что xn является при-


ближением к x* с точностью до .
При q 0,5 можно пользоваться более простым критерием оконча-
ния:

|xn — xn 1| < . (2.10)

ПРИМЕР 2.4
Решить уравнение sinx – x2 0 методом простых итераций с точно-
стью до = 0,001.

Решение.
1. Преобразуем исходное уравнение к виду (2.4):

sin x sin x
x , т. е. x .
x x

Нетрудно убедиться, что корень уравнения находится на отрезке


; . Например, вычислив значения f x на концах отрезка, получим:
6 3
f 0, а f 0. Таким образом, функция на концах отрезка имеет
6 3
разные знаки, что в соответствии с теоремой 2.1 указывает на то, что
внутри отрезка есть корень. Расположение корня иллюстрирует
рис. 2.5.
Подсчитаем первую и вторую производные функции x :
x cos x sin x sin x 2 x2
x , x .
x2 x 3

52 Университетская серия
2.4. Метод простых итераций

Рис. 2.5. Графическая интерпретация решения уравнения методом простых итераций

Так как x > 0 на отрезке ; , то производная x монотонно


6 3
возрастает на этом отрезке и принимает максимальное значение на пра-

вом его конце, т. е. в точке . Поэтому справедлива оценка:


3
x 0,312 .
3
Таким образом, условие (2.7) выполнено, q < 0,5 и можно восполь-
зоваться критерием окончания вычислений в виде (2.10). В табл. 2.3
приведены приближения, полученные по расчетной формуле (2.5). В ка-
честве начального приближения выбрано значение x0 1.

Таблица 2.3

n 0 1 2 3 4 5

xn 1,0000 0,8415 0,8861 0,8742 0,8774 0,8765

Критерий окончания выполняется при n 5, |x5 — x4| < 0,001. Схо-


димость двусторонняя, качественный характер такой сходимости пред-
ставлен на рис. 2.4б.

Ответ.
Приближенное значение корня с требуемой точностью x* 0,8765.

Университетская серия 53
Глава 2. Решение нелинейных уравнений

2.5. Метод Ньютона

Метод Ньютона, или метод касательных, является наиболее эффек-


тивным методом решения нелинейных уравнений.
Пусть корень x* a; b , так что f a f b < 0. Предположим, что функ-
ция f x непрерывна на отрезке a; b и дважды непрерывно дифференци-
руема на интервале a; b . Пусть также x0 b. Проведем касательную
к графику функции y f x в точке B0 x0; f x0 (рис. 2.6).

Рис. 2.6. Графическая интерпретация метода касательных

Уравнение касательной будет иметь вид:


y f x0 f x0 x x0 . (2.11)
Первое приближение получим, взяв абсциссу точки пересечения
этой касательной с осью 0x, т. е. положив в (2.11) y 0:
f x0
x1 x0 .
f x1
Поступая аналогично с точкой B1(x1, f(x1)), затем с точкой B2 x2; f x2
и т. д., в результате получим последовательность приближений x1, x2, ...,
xn, ..., причем
f xn
xn 1 xn . (2.12)
f xn
Выражение (2.12) является расчетной формулой метода Ньютона.

54 Университетская серия
2.5. Метод Ньютона

Метод Ньютона можно рассматривать как частный случай метода


простых итераций, для которого
f x
x x .
f x
Сходимость метода Ньютона устанавливает следующая теорема.
ТЕОРЕМА 2.4
Пусть x* — простой корень уравнения f x 0, и в некоторой окре-
стности этого корня функция f дважды непрерывно дифференцируема.
Тогда найдется такая малая -окрестность корня x*, что при произволь-
ном выборе начального приближения x0 из этой окрестности итерацион-
ная последовательность, определенная по формуле (2.12), не выходит за
пределы окрестности и справедлива оценка:
2
xn 1 x* С xn x* , n 0, (2.13)
где С = –1.

Оценка (2.13) означает, что метод сходится с квадратичной скоростью.

Сходимость метода Ньютона зависит от того, насколько близко


к корню выбрано начальное приближение. Неудачный выбор начально-
го приближения может дать расходящуюся последовательность. Полезно
иметь в виду следующее достаточное условие сходимости метода: пусть
a; b — отрезок, содержащий корень; если в качестве начального приближе-
ния x0 выбрать тот из концов отрезка, для которого
fxf x 0, (2.14)
то итерации (2.12) сходятся, причем монотонно.
Рис. 2.6 соответствует случаю, когда в качестве начального прибли-
жения был выбран правый конец отрезка: x0 b.
Погрешность метода. Оценка (2.13) является априорной и неудобна
для практического использования. На практике пользуются следующей
апостериорной оценкой погрешности:
xn – x * xn – x n – 1 . (2.15)
Критерий окончания. Оценка (2.15) позволяет сформулировать сле-
дующий критерий окончания итераций метода Ньютона. При заданной

Университетская серия 55
Глава 2. Решение нелинейных уравнений

точности > 0 вычисления нужно вести до тех пор, пока не будет выпол-
нено неравенство
xn – xn – 1| < .
p
Метод Ньютона применим, например, для вычисления a , где a > 0,
p
p — натуральное число. Вычисление a эквивалентно решению уравне-
ния xp a. Таким образом, нужно найти корень уравнения
fx 0,
где f(x) xp — a.

Поскольку f x pxp – 1, итерационная формула (2.12) метода Нью-


тона примет вид:
p
xn a p 1 a
xn 1 xn p 1
xn p 1
. (2.16)
p xn p p xn
ПРИМЕР 2.5
Вычислить 3 7 с точностью до 10–3.

Решение.
Используя формулу (2.16), запишем выражение для вычисления
корня:
2 7
xn 1 xn 2
.
3 3 xn
Простой корень уравнения x3 – 7= 0 расположен на отрезке 1; 2 .
Действительно, на концах отрезка 1; 2 функция f x x3 – 7 принимает
разные знаки, f 1 –6 < 0, f 2 1 > 0. Кроме того, при x = 2 выпол-
нено достаточное условие сходимости (2.14): f 2 f 2 0.
Поэтому в качестве начального приближения можно взять x0 2.
Результаты приведены в табл. 2.4.

Таблица 2.4

n 0 1 2 3 4

xn 2,00000 1,91667 1,91294 1,91293 1,91293

56 Университетская серия
2.6. Метод секущих

Результат необходимой точности получен уже на второй итерации.

Ответ.
3
7 1,913.

2.6. Метод секущих

В этом и следующем параграфах рассмотрим две модификации мето-


да Ньютона — метод секущих и метод ложного положения.
Как видно из формулы (2.12), метод Ньютона требует для своей реали-
зации вычисления производной, что ограничивает его применение. Ме-
тод секущих (или метод хорд) лишен этого недостатка. Если производ-
ную заменить ее приближением:
f xn f xn 1
f xn ,
xn xn 1

то вместо формулы (2.13) получим расчетную формулу метода секущих:


xn xn 1 f xn
xn 1 xn . (2.17)
f xn f xn 1

Рис. 2.7. Геометрическая иллюстрация метода секущих

Переход к формуле (2.17) геометрически означает, что касательные


заменены секущими. Метод секущих является двухшаговым методом, по-

Университетская серия 57
Глава 2. Решение нелинейных уравнений

скольку для вычисления приближения xn 1 необходимо вычислить два


предыдущих приближения xn и xn 1 и, в частности, на первой итерации
надо знать два начальных значения x0 и x1.
На рис. 2.7 приведена геометрическая иллюстрация метода секущих.
Очередное приближение xn 1 получается как точка пересечения
с осью 0x секущей, соединяющей точки графика функции f x с коорди-
натами xn 1; f xn 1 и xn; f xn .
Сходимость метода секущих устанавливает следующая теорема.
ТЕОРЕМА 2.5
Пусть x* — простой корень уравнения f x 0, и в некоторой окрестно-
сти этого корня функция f дважды непрерывно дифференцируема, причем
f x 0 . Тогда найдется такая малая -окрестность корня x*, что при
произвольном выборе начальных приближений x0 и x1 из этой окрестности
итерационная последовательность, определенная по формуле (2.17), схо-
дится и справедлива оценка:

5 1
xn 1 — x* C xn — x* p, n 0, p = 1,618. (2.18)
2

Сравнение оценок (2.13) и (2.18) показывает, что p < 2, и метод


секущих сходится медленнее, чем метод Ньютона. Но в методе Нью-
тона на каждой итерации надо вычислять и значение функции, и зна-
чение ее производной, а в методе секущих — только функцию. По-
этому при одинаковом объеме вычислений в методе секущих можно
сделать примерно вдвое больше итераций и получить более высокую
точность.
Так же, как и метод Ньютона, при неудачном выборе начальных
приближений (вдали от корня) метод секущих может расходиться. Кро-
ме того, применение метода секущих осложняется из-за того, что в зна-
менатель расчетной формулы метода (2.17) входит разность значений
функции. Вблизи корня эта разность мала, и метод теряет устойчи-
вость.
Критерий окончания итераций метода секущих такой же, как и для
метода Ньютона. При заданной точности > 0 вычисления нужно вести
до тех пор, пока не будет выполнено неравенство:
xn — x n — 1 | < .

58 Университетская серия
2.7. Метод ложного положения

ПРИМЕР 2.6
Вычислить положительный корень уравнения 4 1 – x2 – ex 0
с точностью до 10–3 методом секущих.

Решение.
Корень этого уравнения находится на отрезке 0; 1 , так как
f 0 3 > 0, а f 1 e < 0. Подсчитаем вторую производную функции
f x –8 ex. Условие f x f x 0 выполняется для точки b 1. В ка-
честве начального приближения возьмем x0 b 1, второго начального
значения — x1 0,5. Проведем вычисления по расчетной формуле
(2.17). Результаты приведены в табл. 2.5.

Таблица 2.5

n 0 1 2 3 4 5
xn 1,0000 0,5000 0,6660 0,7093 0,7033 0,7034

Ответ.
Положительный корень требуемой точности х* 0,703.

2.7. Метод ложного положения

Рассмотрим еще одну модификацию метода Ньютона.


Пусть известно, что простой корень x* уравнения f(x) 0 находится
на отрезке a; b и на одном из концов отрезка выполняется условие
fx f x 0. Возьмем эту точку в качестве начального приближения.
Пусть для определенности это будет b. Положим, x0 a. Проведем
из точки B b; f b прямые через расположенные на графике функции
точки Bn с координатами xn; f xn , n = 0, 1, ... . Абсцисса точки пересе-
чения такой прямой с осью 0x есть очередное приближение xn 1.
Геометрическая иллюстрация метода приведена на рис. 2.8.
Прямые на рис. 2.6 заменяют касательные в методе Ньютона. Эта за-
мена основана на приближенном равенстве:
f b f xn
f xn . (2.19)
b xn

Университетская серия 59
Глава 2. Решение нелинейных уравнений

Рис. 2.8. Геометрическая интерпретация метода ложного положения

Заменим в расчетной формуле Ньютона (2.12) производную f xn


правой частью приближенного равенства (2.19). В результате получим
расчетную формулу метода ложного положения:
b xn
xn 1 xn f xn . (2.20)
f b f xn
Метод ложного положения обладает только линейной сходимостью.
Сходимость метода тем выше, чем меньше отрезок a; b .
Критерий окончания итераций метода ложного положения такой же,
как и для метода Ньютона. При заданной точности > 0 вычисления
проводят до тех пор, пока не будет выполнено неравенство:
xn — x n — 1 | < .

ПРИМЕР 2.7
Вычислить корень уравнения x3 2x — 11 0 с точностью до
10–3 методом ложного положения.

Решение.
Корень этого уравнения находится на отрезке 1; 2 , так как
f 1 –8 < 0, а f 2 1 > 0. Для ускорения сходимости возьмем более
узкий отрезок 1,9; 2 , поскольку f 1,9 < 0, а f 2,0 > 0. Вторая произ-
водная функции f x) x3 2x – 11 равна f x = 6x. Условие f x f x 0
выполняется для точки b = 2. В качестве начального приближения возь-
мем x0 a 1,9. Тогда по формуле (2.20) имеем:

60 Университетская серия
Задачи для самостоятельного решения

b x0 2 ,0 1,9
x1 x0 f x0 1,9 0,341 1,9254.
f b f x0 1 0,341
Продолжая итерационный процесс, получим результаты, приведен-
ные в табл. 2.6.

Таблица 2.6
n 0 1 2 3
xn 1,9000 1,9254 1,9263 1,9263

Ответ.
Корень требуемой точности х* 1,926.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Задача отделения корней уравнения и методы ее решения.


2. Способ отделения корней алгебраического уравнения вида Pn x 0.
3. Метод половинного деления.
4. Метод простых итераций.
5. Способы преобразования уравнения к виду, для которого выполняются условия схо-
димости метода итераций.
6. Метод касательных (метод Ньютона).
7. Метод хорд (метод секущих).
8. Метод ложного положения.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. Отделите корни уравнения f x =0 графически и уточните один корень методом поло-


винного деления.
1. 3x 5x 3 0. 16. 2
x 0.
x 3
x 2
2. 0,5 1 x 2 0. 17. e x x 1 0.

Университетская серия 61
Глава 2. Решение нелинейных уравнений

3. e x x2 3 0. 18. 3x 2x 5 0.
x 2
4. 2 2x 2 4 0. 19. x 3 2x 1 0.

5. ln x 4 2x 1 0. 20. 2 x x
3e 0.
x 1 x 2
6. 3 3 4x 0. 21. 0,5 1 x 1 0.

7. ln x 2 x 0. 22. x 3 x 2 0.

8. x x 3 2 0.
2 23. 3x 2x 2 4 0.
2
9. ln x 3 0. 24. 2 e x 2x 3 0.
x
25. 1 2
10. 2 sin x x 0. 0.
x
11. 0,5e x 3 x 0. 26. 2 x 3 ln( x ) 0.
2x
12. x 2 2x 1
0. 27. e 2x 1 0.

13. x sin x 4 0. 28. 3x ln x 5 0.

14. 29. 2 x
x cos x 1 0. x 3 0.
2
15. x 2 sin( x ) 1 0. 30. ln x 3 3 0.
x

2. Отделите корни уравнения f x = 0 аналитически. Уточните корни методом касатель-


ных и методом простых итераций с точностью до 0,001.
1. x 3 3x 2 9x 8 0. 16. x 3 4x 2 0.
2. x 3 6x 4 0. 17. x 4 18x 2 6 0.
3. x 3 3x 2 6x 3 0. 18. 3x 4 8x 3 6x 2 10 0.
3 2 3 2
4. x 01
,x 0,4 x 1,5 0. 19. x x 4x 2 0.
5. x 3 x2 4x 1 0. 20. x 4 4x 3 8x 2 17 0.
6. x 3 2x 2 5x 1 0. 21. x 4 x3 2x 2 3x 4 0.
3 2 4 3 2
7. x 0,2 x 0,5x 1,2 0. 22. 3x 4x 12 x 0.
8. x 3 3x 1 0. 23. 3x 4 8x 3 18x 2 2 0.
3 2 4 3 2
9. 2 x x 4x 3 0. 24. 3x 4x 12 x 5 0.
3 2 3 2
10. x 3x 9x 1 0. 25. 2 x 9x 3x 2 0.

62 Университетская серия
Задачи для самостоятельного решения

11. x 3 0,2 x 2 0,3x 3 0. 26. x 4 4x 4 0.


12. x 3 4x 2 5x 2 0. 27. 2 x 4 x2 10 0.
3 2 4 3
13. x ,x
01 0,4 x 1,5 0. 28. 3x 8x 6x 2 5 0.
3 2 3 2
14. x 4x 3x 1 0. 29. x 0,4 x 0,6x 1,6 0.
15. x 3 3x 2 x 1 0. 30. x 3 0,2 x 2 0,5x 1 0.

3. Отделите корни уравнения f x = 0 аналитически. Уточните корни методом хорд


и методом ложного положения с точностью до 0,001.
1. x 3 8х 1 0. 16. x 3 – 3x 2 9x – 10 0.
3 3 2
2. x – 12x 4 0. 17. x 3x 3x–2 0.
3. x 3 3x 2 – 24x –10 0. 18. x 3 0,4x 2 0,6x–1,6 0.
4. 2x 3 9x 2 – 3 0. 19. x 4 – x 3 2x 2 –1 0.
3 2 3 2
5. x 3x –9x 3 0. 20. x – 0,2x 0,5x–1 0.
4 3 2 3 2
6. 3x 4x –12x 1 0. 21. x –3x 6x–5 0.
7. 3x 4 8x 3 6x 2 –10 0. 22. 3x 4 4x 3 –5 0.
8. x 3 – 3x 2 12x – 12 0. 23. x 3 x 2 + 2x + 1 0.
4 3 2 3 2
9. x 4x – 8x –17 0. 24. x 0,1x 0,4x – 1,2 0.
3 2 4 2
10. x 3x –6x–1 0. 25. 2x – x –10 0.
11. x 3 – 3x 2 6x–2 0. 26. x 3 – x 2 + x – 2 0.
12. x 3 – 3x 2 12x –9 0. 27. x 4 – x 3 –2x 2 3x – 5 0.
3 3
13. x – 3x –1 0. 28. x – 12x – 10 0.
3 2 3 2
14. x – 3x – 29. x – 0,1x 0,4x – 2 0.
15. x 3 3x 2 –1 0. 30. 3x 4 – 8x 3 –18x 2 + 2.
Глава 3
ЧИСЛЕННЫЕ МЕТОДЫ ЛИНЕЙНОЙ АЛГЕБРЫ

Постановка задачи решения систем линейных алгебраических уравнений


Метод исключения Гаусса решения СЛАУ. Схема единственного деления
Метод исключения Гаусса решения СЛАУ с выбором главного элемента по столбцу
Вычисление определителя методом исключения Гаусса
Вычисление обратной матрицы методом исключения Гаусса
Метод простых итераций Якоби решения СЛАУ
Метод Зейделя решения СЛАУ

3.1. Постановка задачи решения систем


линейных алгебраических уравнений

Требуется найти решение системы линейных алгебраических уравнений


(СЛАУ):
a11 x1 a12 x 2 a13 x 3 a1 n x n b1 ,
a 21 x1 a 22 x 2 a 23 x 3 a 2 n x n b2 ,
a 31 x1 a 32 x 2 a 33 x 3 a 3 n x n b3 , (3.1)

a n 1 x1 a n 2 x2 a n 3 x3 a nn x n bn .
Или в матричной форме:
Ax b, (3.2)
где

a11 a12 a13 a1 n x1 b1


a 21 a 22 a 23 a 2n x2 b2
A a 31 a 32 a 33 a 3n , x x3 , b x b3 .

a n1 an 2 an 3 a nm xn bn

Согласно известной из курса алгебры теореме Крамера система n ли-


нейных уравнений имеет единственное решение, если определитель сис-
темы отличен от нуля (det A 0). При этом значение каждого из неиз-
вестных определяется следующим образом:

64 Университетская серия
3.2. Метод исключения Гаусса решения СЛАУ. Схема единственного деления

detA j
xj , j = 1, ..., n,
detA
где det Aj — определитель матрицы, получаемой заменой j-го столбца матрицы A
столбцом правых частей b.

Однако непосредственное вычисление определителей для больших n


очень трудоемко по сравнению с численными методами.
Известные в настоящее время многочисленные приближенные мето-
ды решения систем линейных алгебраических уравнений распадаются
на две большие группы: прямые методы и методы итераций.
Прямые методы всегда гарантируют получение решения, если оно су-
ществует, однако для больших n требуется большое количество операций
и возникает опасность накопления погрешностей.
Этого недостатка лишены итерационные методы, но зато они не всег-
да сходятся и могут применяться лишь для систем определенных клас-
сов.
Среди прямых методов самым распространенным является метод ис-
ключения Гаусса, а также его модификации. Наиболее известными ите-
рационными методами являются метод простых итераций Якоби и метод
Зейделя. Эти методы будут рассмотрены далее.

3.2. Метод исключения Гаусса решения СЛАУ.


Схема единственного деления

Основная идея метода исключения Гаусса состоит в том, что система


уравнений (3.1) приводится к эквивалентной ей системе с верхней тре-
угольной матрицей (прямой ход исключения), а затем неизвестные вычис-
ляются последовательной подстановкой (обратный ход исключения).
Рассмотрим сначала простейший метод исключения Гаусса, назы-
ваемый схемой единственного деления.
Прямой ход состоит из n – 1 шагов. На первом шаге исключается пе-
ременная x1 из всех уравнений, кроме первого. Для этого нужно из вто-
рого, третьего, ..., n-го уравнений вычесть первое, умноженное на вели-
чину:
a i1
m1i , i = 2, 3, ..., n.
a11

Университетская серия 65
Глава 3. Численные методы линейной алгебры

При этом коэффициенты при x1 обратятся в нуль во всех уравнениях,


кроме первого.
Введем обозначения:
a ij1 a ij mi1 a1 i , bi1 bi mi1 b1 .
Легко убедиться, что для всех уравнений, начиная со второго, a 1i1 0.
Преобразованная система запишется в виде:

a11 x1 a12 x 2 a13 x 3 a1 n x n b1 ,


a 122 x 2 a 123 x 3 a 12 n x n b21 ,
a 132 x 2 a 133 x 3 a 13 n x n b31 , (3.3)

a 1n 2 x 2 a n1 3 x 3 a 1nn x n bn1 .

Все уравнения (3.3), кроме первого, образуют систему (n — 1)-го по-


рядка. Применяя к ней ту же процедуру, можем исключить из третьего,
четвертого, ..., n-го уравнений переменную x2. Точно так же исключаем
переменную x3 из последних n — 3 уравнений.
На некотором k-м шаге, в предположении, что главный элемент k-го
k 1
шага a kk 0, переменная xk исключается с помощью формул:
a ikk 1
mik k 1
;
a kk
a ijk a ijk 1
mik a kjk 1 ;

bik bik 1
mik bkk 1 , i k 1, k 2, , n. (3.4)
Индекс k принимает значения 1, 2, ..., n – 1.
При k n – 1 получим треугольную систему:
a11 x1 a12 x 2 a13 x 3 a1 n x n b1 ,
a 122 x 2 a 123 x 3 a 12 n x n b21 ,
2
a 33 x3 a 32n x n b32 , (3.5)

n 1
a nn xn bnn 1 .
с треугольной матрицей An.
Приведение системы (3.1) к треугольному виду (3.5) составляет пря-
мой ход метода Гаусса.

66 Университетская серия
3.2. Метод исключения Гаусса решения СЛАУ. Схема единственного деления

При использовании метода Гаусса нет необходимости в предвари-


тельном обосновании существования и единственности решения (т. е.
доказательства, что det A 0). Если на k-м шаге все элементы a ikk 1 (i k,
k 1, ..., n) окажутся равными нулю, то система (3.1) не имеет единст-
венного решения.
Обратный ход состоит в вычислении переменных. Из последнего
уравнения (3.5) определяем xn. Подставляя его в предпоследнее уравне-
ние, находим xn – 1 и т. д. Общие формулы имеют вид:
bnn 1
xn = n 1
,
a nn
1
xk k 1
bkk 1 a kk, k1 1
xk 1 a kk, k1 2
xk 2
k 1
a kn xn ,
a kk
k n – 1, n – 2, ..., 1.

Трудоемкость метода. Для реализации метода исключения Гаусса


2
требуется примерно n 3 операций для прямого хода и n2 операций
3
для обратного. Таким образом, общее количество операций составляет
2
примерно n 3 n 2 .
3
ПРИМЕР 3.1
Решить систему линейных алгебраических уравнений

2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,


0,4 x1 0,5 x2 4,0 x3 8,5 x4 21,9,
(*)
0,3 x1 1,0 x2 1,0 x3 5,2 x4 3,9,
1,0 x1 0,2 x2 2 ,5 x3 1,0 x4 9,9.
методом исключения Гаусса.

Решение.
В ходе вычислений будем делать округление чисел до четырех знаков
после десятичной точки.
Прямой ход.
1-й шаг. Вычислим множители:
a 21 0,4 a 31 0,3 a 41 1,0
m12 0,2 ; m13 0,15; m14 0,5.
a11 2 ,0 a11 2 ,0 a11 2 ,0

Университетская серия 67
Глава 3. Численные методы линейной алгебры

Вычитая из второго, третьего и четвертого уравнений системы (*)


первое уравнение, умноженное соответственно на m12 , m13 , m14 , получим
новую систему:
2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,
0,3 x2 4,02 x3 8,70 x4 21,36,
(**)
115
, x2 1,015 x3 5,05 x4 4,305,
0,30 x2 2 ,55 x3 1,50 x4 8,55.
2-й шаг. Вычислим множители:
a 132 115
, a 142 0,30
m32 1
–3,83333 ; m42 1
–1,0
a 22 0,3 a 22 0,3
Вычитая из третьего и четвертого уравнений системы (**) второе урав-
нение, умноженное соответственно на m32 и m42 , приходим к системе:
2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,
0,3 x2 4,02 x3 8,70 x4 21,36,
(***)
16,425 x3 28,300 x4 77,575,
6,570 x3 10,200 x4 29,910.
3-й шаг. Вычислим множитель:
2
a 43 6,570
m43 2
0,4.
a 33 16,425
Вычитая из четвертого уравнения системы (***) третье, умноженное
на m43 , приведем систему к треугольному виду:
2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,
0,3 x2 4,02 x3 8,70 x4 21,36,
(****)
16,425 x3 28,300 x4 77,575,
11200
, x4 112
, .
Обратный ход.
Из последнего уравнения системы (****) находим x4 –1,000. Под-
ставляя значение x4 в третье уравнение, получим x3 2,000. Подставляя
найденные значения x4 и x3 во второе уравнение, найдем x2 = 3,000. На-
конец, из первого уравнения, подставив в него найденные значения x4,
x3 и x2, вычислим x1 1,000.

Ответ.
Система (*) имеет следующее решение:
x1 1,000; x2 2,000; x3 3,000; x4 = —1,000.

68 Университетская серия
3.3. Метод исключения Гаусса решения СЛАУ с выбором главного элемента по столбцу

3.3. Метод исключения Гаусса решения СЛАУ


с выбором главного элемента по столбцу

Хотя метод Гаусса является точным, ошибки округления могут при-


вести к существенным погрешностям результата. Кроме того, исключе-
ние по формулам (3.4) нельзя проводить, если элемент главной диагона-
k 1
ли a равен нулю. Если элемент a kk мал, то велики ошибки округления
при делении на этот элемент. Для уменьшения ошибок округления при-
меняют метод исключения Гаусса с выбором главного элемента по столбцу.
Прямой ход так же, как и для схемы единственного деления, состоит
из n – 1 шагов. На первом шаге, прежде чем исключать переменную x1,
уравнения переставляют так, чтобы в левом верхнем углу был наиболь-
ший по модулю коэффициент ai1, i 1, 2, ..., n. В дальнейшем, на k-м
шаге, прежде чем исключать переменную xk, уравнения переставляют
так, чтобы в левом верхнем углу был наибольший по модулю коэффици-
ент aik, i k, k 1, ..., n. После этой перестановки исключение перемен-
ной xk производят так же, как в схеме единственного деления.
Трудоемкость метода. Дополнительные действия по выбору главных
элементов требуют примерно n2 операций, что практически не влияет
на общую трудоемкость метода.
ПРИМЕР 3.2
Решить систему линейных алгебраических уравнений из примера 3.1
методом исключения Гаусса с выбором главного элемента по столбцу.

Решение.
Прямой ход.
1-й шаг. Так как коэффициент a11 2,0 — наибольший из коэффи-
циентов первого столбца, перестановки строк не требуется, и 1-й шаг
полностью совпадает с 1-м шагом примера 3.1. Из второго, третьего
и четвертого уравнений исключаем переменную x1, и система приводит-
ся к виду (**).
2-й шаг. Наибольший по модулю коэффициент при x2 в системе (**)
a –1,15. Поэтому переставим уравнения следующим образом:

2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,


115
, x2 1,015 x3 5,05 x4 4,305,
(*** )
0,3 x2 4,02 x3 8,70 x4 21,36,
0,30 x2 2 ,55 x3 1,50 x4 8,55.

Университетская серия 69
Глава 3. Численные методы линейной алгебры

Вычислим множители:
a 132 0,3 a 142 0,30
m32 –0,26087; m42 –0,26087.
a 122 115
, a 122 115
,
Вычитая из третьего и четвертого уравнений системы (*** ) второе
уравнение, умноженное соответственно на m32 и m42 , приходим к системе:

2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,


115
, x2 1,015 x3 5,05 x4 4,305,
(**** )
4,28478 x3 7,38261 x4 20,23696,
2 ,28522 x3 2 ,81739 x4 9,67305.
3-й шаг. Вычислим множитель
2
a 43 2 ,28522
m43 2
0,53333.
a 33 4,16425
Вычитая из четвертого уравнения системы (**** ) третье, умножен-
ное на m43 , приведем систему к треугольному виду:

2 ,0 x1 1,0 x2 0,1 x3 1,0 x4 2 ,7,


115
, x2 1,015 x3 5,05 x4 4,305,
4,28478 x3 7,38261 x4 20,23696,
111998
, x4 1,11998.
Обратный ход.
Полностью совпадает с обратным ходом примера 3.1.

Ответ.
Решение системы имеет вид:
x1 = 1,000, x2 2,000, x3 3,000, x4 = —1,000.

3.4. Вычисление определителя методом исключения Гаусса

Из курса линейной алгебры известно, что определитель треугольной


матрицы равен произведению диагональных элементов. В результате
применения метода исключения Гаусса система линейных уравнений
(3.2) с квадратной матрицей A приводится к эквивалентной ей системе
(3.5) с треугольной матрицей An. Поэтому

70 Университетская серия
3.5. Вычисление обратной матрицы методом исключения Гаусса

s
det A –1 det An ,

где s — число перестановок строк, (s 0, если использовался метод Гаусса по схе-


ме единственного деления).Таким образом,

s
det A 1 a11 a 122 a 33
2 n 1
a nn .

Для вычисления определителя det A необходимо выполнить процеду-


ру прямого хода в методе Гаусса для системы уравнений A x 0, затем
найти произведение главных элементов, стоящих на диагонали треуголь-
ной матрицы, и умножить это произведение на (–1)s, где s — число пере-
становок строк.

ПРИМЕР 3.3
2 ,0 1,0 0,1 1,0
0,4 0,5 4,0 8,5
Вычислить определитель det A
0,3 1,0 1,0 5,2 .
1,0 0,2 2,5 1,0

Решение.
Данный определитель совпадает с определителем системы, рассмот-
ренной в примере 3.1. Он равен произведению диагональных элементов
основной матрицы треугольной системы (****):

det A 2,0 0,30 16,425 1,12 11,0376.

Ответ.

det A 11,0376.

3.5. Вычисление обратной матрицы методом исключения Гаусса

Напомним, что матрицей, обратной к матрице A, называется матри-


ца A–1, для которой выполнено соотношение:
A A–1 = E, (3.6)
где E — единичная матрица:

Университетская серия 71
Глава 3. Численные методы линейной алгебры

1 0 0 0
0 1 0 0
E 0 0 1 0. (3.7)

0 0 0 1

Квадратная матрица A называется невырожденной, если det A 0.


Всякая невырожденная матрица имеет обратную матрицу. Вычисление
обратной матрицы можно свести к рассмотренной выше задаче решения
системы уравнений.
Действительно, пусть A — квадратная невырожденная матрица по-
рядка n:

a11 a12 a13 a1 n


a 21 a 22 a 23 a 2n
A a 31 a 32 a 33 a 3n ,

a n1 an 2 an 3 a nn

и A–1 — ее обратная матрица:

x11 x12 x13 x1 n


x 21 x 22 x 23 x2n
1
A x 31 x 32 x 33 x3n .

x n1 xn 2 xn 3 x nn

Используя соотношения (3.6), (3.7) и правило умножения матриц,


получим систему из n2 уравнений с n2 переменными xij, i, j = 1, 2, ..., n.
Чтобы получить первый столбец матрицы E, нужно почленно умножить
каждую строку матрицы A на первый столбец матрицы A–1 и приравнять
полученное произведение соответствующему элементу первого столбца
матрицы E. В результате получим систему уравнений:

a11 x11 a12 x 21 a13 x 31 a1 n x n 1 1,


a 21 x11 a 22 x 21 a 23 x 31 a 2n x n1 0,
a 31 x11 a 32 x 21 a 33 x 31 a 3n x n1 0,

a n 1 x11 a n 2 x 21 a n 3 x 31 a nn x n 1 0.

72 Университетская серия
3.5. Вычисление обратной матрицы методом исключения Гаусса

Аналогично, чтобы получить второй столбец матрицы E, нужно по-


членно умножить каждую строку матрицы A на второй столбец матрицы
A–1 и приравнять полученное произведение к соответствующему элемен-
ту второго столбца матрицы E. В результате получим систему уравнений:
a11 x12 a12 x 22 a13 x 32 a1 n x n 2 0,
a 21 x12 a 22 x 22 a 23 x 32 a 2n xn 2 1,
a 31 x12 a 32 x 22 a 33 x 32 a 3n xn 2 0,

a n 1 x12 a n 2 x 22 a n 3 x 32 a nn x n 2 0.
Продолжая данный процесс, получим n систем по n уравнений в каж-
дой, причем все эти системы имеют одну и ту же матрицу A и отличаются
только свободными членами. Приведение матрицы A к треугольной по
формулам (3.4) делается при этом только один раз. Затем по последней
из формул (3.4) преобразуются все правые части, и для каждой правой
части делается обратный ход.

ПРИМЕР 3.4
Вычислить обратную матрицу A–1 для матрицы

1,8 3,8 0,7 3,7


0,7 2 ,1 2 ,6 2 ,8
A .
7,3 8,1 1,7 4,9
1,9 4,3 4,3 4,7

Решение.
По формулам (3.4) за три шага прямого хода преобразуем матрицу A
в треугольную матрицу:

1,8 3,8 0,7 3,7


0 3,57778 2 ,87222 1,36111
.
0 0 17,73577 19,04992
0 0 0 5,40155
Далее четыре раза применим процедуру обратного хода для столбцов
свободных членов, преобразованных по формулам (3.4) из столбцов еди-
ничной матрицы, при этом каждый раз будем получать столбцы матри-
цы A–1.
Опустив промежуточные вычисления, приведем окончательный вид
матрицы A–1.

Университетская серия 73
Глава 3. Численные методы линейной алгебры

0,21121 0,46003 0,16248 0,26956


1 0,03533 0,16873 0,01573 0,08920
A .
0,23030 0,04607 0,00944 0,19885
0,29316 0,38837 0,06128 0,18513

3.6. Метод простых итераций Якоби решения СЛАУ

Метод Гаусса обладает довольно сложной вычислительной схемой.


Кроме того, при вычислениях накапливается ошибка округления, что
может привести к недостаточно точному результату. Рассмотрим метод
простых итераций Якоби, свободный от этих недостатков, однако, тре-
бующий приведения исходной системы уравнений к специальному виду.
Для того чтобы применить метод Якоби, необходимо систему урав-
нений (3.1) с квадратной невырожденной матрицей A привести к виду:
x Bx c, (3.8)
где B — квадратная невырожденная матрица с элементами bij, i, j 1, 2, ..., n;
x — вектор-столбец неизвестных xi;
c — вектор-столбец с элементами ci, i 1, 2, ..., n.

Существуют различные способы приведения системы (3.1) к виду (3.8).


Рассмотрим самый простой их них. Представим систему (3.1) в разверну-
том виде:
a11 x1 a12 x 2 a13 x 3 a1 n x n b1 ,
a 21 x1 a 22 x 2 a 23 x 3 a 2n xn b2 ,
a 31 x1 a 32 x 2 a 33 x 3 a 3n xn b3 ,

a n 1 x1 a n 2 x2 a n 3 x3 a nn x n bn .
Из первого уравнения (3.1) выразим неизвестное значение x1:
x1 a111 b1 a12 x 2 a13 x 3 a1 n x n ,
из второго уравнения — x2:
x2 a 221 b2 a 21 x1 a 23 x 3 a 2n xn
и т. д. В результате получим систему:

74 Университетская серия
3.6. Метод простых итераций Якоби решения СЛАУ

x1 b12 x 2 b13 x 3 b1, n 1 x n 1 b1 n x n c1 ,


x2 b21 x1 b23 x 3 b2, n 1 x n 1 b2 n x n c2 ,
x3 b31 x1 b32 x 2 b3, n 1 x n 1 b3 n x n c3 , (3.9)

xn bn 1 x1 bn 2 x 2 bn , n 1 xn 1 cn .

Матричная запись системы (3.9) имеет вид (3.8). На главной диагона-


ли матрицы B находятся нулевые элементы, а остальные элементы вы-
числяются по формулам:
a ij bi
bij , сi , i, j = 1, 2, ..., n, i j.
a ii a ii
Очевидно, что диагональные элементы матрицы A должны быть от-
личны от нуля.
Выберем произвольно начальное приближение. Обычно в качестве
первого приближения берут x i0 ci или x i0 0. Подставим начальное
приближение в правую часть (3.9). Вычисляя левые части, получим зна-
чения x11 , x 12 , ..., x 1n . Продолжая этот процесс дальше, получим последова-
тельность приближений, причем k 1 -е приближение строится сле-
дующим образом:

x1k 1
b12 x 2k b13 x 3k b1, n 1 x nk 1 b1 n x nk c1 ,
x 2k 1
b21 x1k b23 x 3k b2, n 1 x nk 1 b2 n x nk c2 ,
x 3k 1
b31 x1k b32 x 2k b3, n 1 x nk 1 b3 n x nk c3 , (3.10)

x nk 1
bn 1 x1k bn 2 x 2k bn , n 1 x nk 1
cn .

Система (3.10) представляет собой расчетные формулы метода прос-


тых итераций Якоби.
Сходимость метода простых итераций. Известно следующее доста-
точное условие сходимости метода Якоби.
Если элементы матрицы A удовлетворяют условию:
n
a ii a ij , i 1, 2, ..., n, (3.11)
j 1, j i
то итерационная последовательность xk сходится к точному решению x*.
Условие (3.11) называют условием преобладания диагональных эле-
ментов матрицы A, так как оно означает, что модуль диагонального эле-

Университетская серия 75
Глава 3. Численные методы линейной алгебры

мента i-й строки больше суммы модулей остальных элементов этой стро-
ки, i 1, 2, ..., n.
Необходимо помнить, что условие сходимости (3.11) является лишь доста-
точным. Его выполнение гарантирует сходимость метода простых итераций,
но его невыполнение, вообще говоря, не означает, что метод расходится.
Справедлива следующая апостериорная оценка погрешности:

max x *i x ik max x ik 1
x ik , i 1, 2, ..., n, (3.12)
1
где = max bij, i, j 1, 2, ..., n.

Правую часть оценки (3.12) легко вычислить после нахождения оче-


редного приближения.
Критерий окончания. Если требуется найти решение с точностью до ,
то в силу (3.12) итерационный процесс следует закончить, как только на
k 1 -м шаге выполнится неравенство:

max x ik 1 x ik , i 1, 2, ..., n. (3.13)


1
Поэтому в качестве критерия окончания итерационного процесса
можно использовать неравенство:
max x ik 1
x ik 1,i 1, 2, ..., n, (3.14)
1
где 1 .

1
Если выполняется условие , то можно пользоваться более про-
стым критерием окончания: 2

max x ik 1
x ik ,i 1, 2, ..., n. (3.15)
В других случаях использование критерия (3.15) неправомерно и мо-
жет привести к преждевременному окончанию итерационного процесса.

ПРИМЕР 3.5
Решить систему линейных алгебраических уравнений
20,9 x1 1,2 x2 2 ,1 x3 0,9 x4 21,70,
1,2 x1 21,2 x2 1,5 x3 2 ,5 x4 27,46,
2 ,1 x1 1,5 x2 19,8 x3 1,3 x4 28,76,
0,9 x1 2 ,5 x2 1,3 x3 32 ,1 x4 49,72 .
методом простых итераций Якоби.

76 Университетская серия
3.6. Метод простых итераций Якоби решения СЛАУ

Решение.
Заметим, что метод Якоби сходится, так как выполняется условие
преобладания диагональных элементов (3.11):
20,9 > 1,2 2,1 0,9 ,

21,2 > 1,2 1,5 2,5 ,

19,8 > 2,1 1,5 1,3 ,

32,1 > 0,9 + 2,5 1,3 .


Пусть требуемая точность = 10–3. Вычисления будем проводить
с четырьмя знаками после десятичной точки.
Приведем систему к виду (3.9):

x1 0,0574 x2 0,1005 x3 0,0431 x4 1,0383,


x2 0,0566 x1 0,0708 x3 0,1179 x4 1,2953,
x3 0,1061 x1 0,0758 x2 0,0657 x4 1,4525,
x4 0,0280 x1 0,0779 x2 0,0405 x3 1,5489.
Величина = max bij, i, j 1, 2, 3, 4 равна 0,1179, т. е. выполняется
1
условие и можно пользоваться критерием окончания итерацион-
2
ного процесса (3.15).
В качестве начального приближения возьмем элементы столбца сво-
бодных членов:
x10 1,0383; x20 1,2953; x30 1,4525; x40 1,5489.
Вычисления будем вести до тех пор, пока все величины xik 1 xik ,
i = 1, 2, 3, 4, а следовательно, и max xik 1 xik не станут меньше = 10–3.
Последовательно вычисляем:
при k 1:
x11 0,0574 x20 0,1005 x30 0,0431 x40 1,0383 0,7512 ,
x12 0,0566 x10 0,0708 x30 0,1179 x40 1,2953 0,9511,
x13 0,1061 x10 0,0758 x20 0,0657 x40 1,4525 11423
, ,
x14 0,0280 x10 0,0779 x20 0,0405 x30 1,5489 1,3601.
при k 2:
x12 0,8106, x22 1,0118, x32 1,2117, x42 1,4077;

Университетская серия 77
Глава 3. Численные методы линейной алгебры

при k 3:
x13 0,7978, x23 0,9977, x33 1,1975, x43 1,3983;
при k 4:
x14 0,8004, x24 1,0005, x34 1,2005, x44 1,4003.
Находим модули разностей значений xik при k 3иk 4:
x14 x13 0,026, x24 x23 0,028, x34 x33 0,0030, x44 x43 0,0020.
Так как все они больше заданной точности = 10–3, продолжаем итера-
ции.
При k = 5:
x15 0,7999, x52 1,9999, x53 1,1999, x54 1,3999.
Вычисляем модули разностей значений xik при k 4иk 5:
x15 x14 0,0005, x52 x24 0,0006, x53 x34 0,0006, x54 x44 0,0004.
Все они меньше заданной точности = 10–3, поэтому итерации за-
канчиваем. Приближенным решением системы являются следующие
значения:
x1 0,7999, x2 0,9999, x3 1,1999, x4 1,3999.
Для сравнения приведем точные значения переменных:
x1 0,8, x2 1,0, x3 1,2, x4 1,4.

Ответ.
x1 0,7999, x2 0,9999, x3 1,1999, x4 1,3999.

3.7. Метод Зейделя решения СЛАУ

Модификацией метода простых итераций Якоби можно считать ме-


тод Зейделя.
В методе Якоби на (k 1)-й итерации значения x ik 1 , i 1, 2, ..., n
вычисляются подстановкой в правую часть (3.10) вычисленных на преды-
дущей итерации значений x ik . В методе Зейделя при вычислении x ik 1

78 Университетская серия
3.7. Метод Зейделя решения СЛАУ

используются значения x1k 1 , x 2k 1 , x ik 1 , уже найденные на k 1 -й


итерации, а не x1k , x 2k , ..., x ik 1 , как в методе Якоби, т. е. k 1 -е прибли-
жение строится следующим образом:

x1k 1
b12 x 2k b13 x 3k b1, n 1 x nk 1 b1 n x nk c1 ,
x 2k 1
b21 x1k 1
b23 x 3k b2, n 1 x nk 1 b2 n x nk c2 ,
x 3k 1
b31 x1k 1
b32 x 2k 1
b3, n 1 x nk 1 b3 n x nk c3 , (3.16)

x nk 1
bn 1 x1k 1
bn 2 x 2k 1
bn , n 1 x nk 1
1
cn .

Формулы (3.16) являются расчетными формулами метода Зейделя.


Введем в рассмотрение нижнюю и верхнюю треугольные матрицы:
0 0 0 0 b12 b1 n
b21 0 0 0 0 b2 n
B1 b31 b32 0 и B2 0 0 b3 n .

bn 1 bn 2 0 0 0 0
Матричная запись расчетных формул (3.16) имеет вид:
xk 1
B1 x k 1
B2 x k c. (3.17)
Так как B B1 B2 , точное решение x* исходной системы удовлетво-
ряет равенству:
x* B1 x * B2 x * c.
Сходимость метода Зейделя. Достаточным условием сходимости ме-
тода Зейделя является выполнение неравенства:
max bij, < 1, i, j = 1, 2, ..., n. (3.18)
Неравенство (3.18) означает, что для сходимости метода Зейделя дос-
таточно, чтобы максимальный элемент матрицы B был меньше единицы.
Если выполнено условие (3.18), то справедлива следующая апостериор-
ная оценка погрешности:
2
max x *i x ik max x ik 1
x ik , i = 1, 2, ..., n, (3.19)
1
где — максимальный элемент матрицы B;
2— максимальный элемент матрицы B2.

Университетская серия 79
Глава 3. Численные методы линейной алгебры

Правую часть оценки (3.19) легко вычислить после нахождения оче-


редного приближения.
Критерий окончания. Если требуется найти решение с точностью до ,
то в силу (3.17) итерационный процесс следует закончить, как только
на k 1 -м шаге выполнится неравенство:

2
max x ik 1
x ik , i = 1, 2, ..., n.
1
Поэтому в качестве критерия окончания итерационного процесса
можно использовать неравенство:
max x ik 1
x ik ,i 1, 2, ..., n,
1
где 1 .
2
1
Если выполняется условие , то можно пользоваться более про-
стым критерием окончания: 2

max x ik 1
x ik , i = 1, 2, ..., n.
Метод Зейделя, как правило, сходится быстрее, чем метод Якоби.
Однако возможны ситуации, когда метод Якоби сходится, а метод Зейде-
ля расходится или сходится медленнее.

ПРИМЕР 3.6
Решить систему линейных алгебраических уравнений из примера 3.5
методом Зейделя.

Решение.
Первые шаги полностью совпадают с процедурой решения по мето-
ду Якоби, а именно: система приводится к виду (3.13), затем в качестве
начального приближения выбираются элементы столбца свободных
членов (3.14).
Проведем теперь итерации методом Зейделя:
при k = 1:
x11 0,0574 x20 0,1005 x30 0,0431 x40 1,0383 0,7512 .
При вычислении x12 используем полученное значение x11 :
x12 0,0566 x11 0,0708 x30 0,1179 x40 1,2953 0,9674.

80 Университетская серия
Вопросы для самопроверки

При вычислении x13 используем полученные в свою очередь значе-


ния x11 и x12 :
x13 0,1061 x11 0,0758 x12 0,0657 x40 1,4525 11977
, .
При вычислении x14 используем полученные ранее значения x11 , x12 , x13 :
x14 0,0280 x11 0,0779 x12 0,0405 x13 1,5489 1,4037.
Аналогичным образом проведем вычисления при k = 2 и k = 3. По-
лучим:
при k = 2:
x12 0,8019, x22 0,9996, x32 1,9996, x42 1,4000;
при k = 3:
x13 0,80006, x23 1,00002, x33 1,19999, x43 1,40000.
Известны точные значения переменных:
x1 0,8, x2 1,0, x3 1,2, x4 1,4.
Сравнение с примером 3.5 показывает, что метод Зейделя сходится
быстрее и дает более точный результат.

Ответ.
x1 0,80006, x2 1,00002, x3 1,19999, x4 1,40000.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Метод исключения Гаусса по схеме единственного деления.


2. Метод исключения Гаусса с выбором главного элемента по столбцу.
3. Алгоритм нахождения обратной матрицы и определителя методом Гаусса.
4. Метод простых итераций Якоби решения систем линейных уравнений.
5. Метод Зейделя решения систем линейных уравнений.
6. Метод отыскания собственных значений матрицы.

Университетская серия 81
Глава 3. Численные методы линейной алгебры

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. Решите систему уравнений методом Гаусса с выбором главного элемента по столбцу


с точностью до третьего знака после запятой.
1. 3,2 x1 4,2 x 2 2,1x 3 5; 16. 1,2 x1 1,3x 2 11 , x 3 0,4;
7 x1 11, x 2 2,2 x 3 4,7; 0,8x1 0,5x 2 2,4 x 3 01,;
0,4 x1 1,4 x 2 0,6x 3 1,2. 2 x1 01 , x 2 1,3x 3 1,5.
2. 0,4 x1 11
, x 2 7 x 3 61
,; 17. 01
, x1 0,4 x 2 0,3x 3 01
,;
11
, x1 2,1x 2 51 , x3 4,1; 0,04 x1 0,34 x 2 0,05x 3 0,31;
0,7 x1 0,8x 2 0,3x 3 0,2. 013
, x1 1,5x 2 0,6x 3 0.
3. 2,5x1 31, x 2 4,2 x 3 7,5; 18. 0,6x1 01, x 2 01
, x 3 0,3;
0,6x1 0,7 x 2 0,5x 3 0,4; 01
, x1 0,3x 2 01, x 3 01
,;
x1 2,1x 2 0,8x 3 11 ,. 0,2 x1 0,21x 2 0,71x 3 0,42.
4. 7,1x1 1,2 x 2 2,2 x 3 4,8; 19. 1,2 x1 0,2 x 2 0,3x 3 0,6;
0,4 x1 1,4 x 2 0,6x 3 1; 0,2 x1 1,6x 2 01 , x3 0,3;
3,2 x1 4,3x 2 2,1x 3 51
,. 0,3x1 01 , x 2 1,5x 3 0,4.
5. 11
, x1 2,2 x 2 51, x3 4,2; 20. 0,3x1 1,2 x 2 0,2 x 3 0,6;
0,7 x1 0,8x 2 0,2 x 3 0,2; , x1 0,2 x 2 1,6x 3
01 0,3;
0,4 x1 11
, x 2 7 x 3 6,2. 1,5x1 0,3x 2 01 , x3 4.
6. 0,6x1 0,7 x 2 01
, x3 0,4; 21. 1,9x1 x 2 1,3x 3 0,7;
x1 2,1x 2 0,9x 3 1,2; 0,4 x1 1,5x 2 11
, x3 2,1;
2,5x1 3,1x 2 5x 3 7,5. , x1 1,3x 2 1,9x 3
11 2,4.
7. 31
, x1 1,7 x 2 0,6x 3 0,9; 22. 6,4 x1 11,8x 2 10x 3 41,7;
1,7 x1 3,5x 2 0,8x 3 2,6; 7,4 x1 19x 2 11,8x 3 49,5;
0,6x1 0,8x 2 1,9x 3 1,7. 5,8x1 7,4 x 2 6,4 x 3 27,7.
8. , x1 12 x 2 0,2 x 3 01
01 ,; 23. 0,4 x1 , x 2 018
011 , x 3 0,4;
0,2 x1 0,7 x 2 01
, x3 ,;
01 0,3x1 0,6x 2 01, x 3 01,;
, x1 0,2 x 2 0,6x 3 0,4.
01 0,2 x1 0,24 x 2 01, x 3 0,22.
9. 0,7 x1 , x2
01 , x3
01 0,3; 24. 0,2 x1 0,3x 2 0,4 x 3 1,2;
, x1
01 0,3x 2 0,4 x 3 0,3; 0,4 x1 0,35x 2 112
, x 3 0,86;
0,2 x1 0,3x 2 01
, x3 01
,. 1,1x1 01, x 2 0,8x 3 0,7.
10. 0,3x1 1,2 x 2 01, x 3 0,3; 25. 1,2 x1 0,2 x 2 0,4 x 3 1,5;
1,4 x1 0,3x 2 0,2 x 3 0,4; 0,4 x1 0,36x 2 012, x 3 1,21;
, x1 0,3x 2 0,7 x 3
01 0,3. 0,3x1 0,4 x 2 0,2 x 3 01
,.

82 Университетская серия
Задачи для самостоятельного решения

11. 0,2 x1 0,4 x 2 014


, x3 , ;
017 26. 1,3x1 1,2 x 2 2,3x 3 2;
, x1 0,4 x 2 0,8x 3 0,6;
01 1,2 x1 0,9x 2 0,3x 3 4,1;
1,2 x1 01
, x 2 0,3x 3 11
,. 31, x1 x 2 0,4 x 3 01
,.
12. 1,2 x1 0,5x 2 0,8x 3 1,2; 27. 1,6x1 2,18x 2 0,72 x 3 115
, ;
0,6x1 0,7 x 2 0,4 x 3 015
, ; , x 2 0,53x 3 0,83;
0,43x1 016
0,3x1 0,43x 2 0,9x 3 0,5. 0,34 x1 0,57 x 2 0,83x 3 0,42.
13. 0,7 x1 1,4 x 2 0,2 x 3 1,8; 28. 0,8x1 0,3x 2 0,6x 3 1,2;
0,5x1 0,2 x 2 0,4 x 3 0,8; 0,4 x1 0,57 x 2 0,32 x 3 0,84;
0,9x1 0,4 x 2 0,6x 3 0,6. 0,5x1 0,6x 2 0,3x 3 0,3.
14. 0,8x1 1,6x 2 1,7 x 3 11,; 29. 11
, x1 0,3x 2 1,2 x 3 0,6;
1,2 x1 2,7 x 2 x 3 0,4; 0,4 x1 0,9x 2 01
, x3 0,66;
0,5x1 0,2 x 2 0,4 x 3 1,4. 0,2 x1 3x 2 0,64 x 3 0,38.
15. 1,6x1 , x 2 0,6x 3 0,81;
012 30. 0,7 x1 0,8x 2 11, x 3 0,7;
0,4 x1 0,25x 2 3,3x 3 0,6; 11
, x1 01, x 2 0,5x 3 0,8;
0,3x1 0,5x 2 11
, x 3 0,9. 0,3x1 0,2 x 2 0,5x 3 01
,.

2. Вычислите определитель матрицы А с точностью до четвертого знака после запятой.


1. 16.

2. 17.

3. 18.

4. 19.

Университетская серия 83
Глава 3. Численные методы линейной алгебры

5. 20.

6. 21.

7. 22.

8. 23.

9. 24.

10. 25.

11. 26.

12. 27.
.

13. 28.

84 Университетская серия
Задачи для самостоятельного решения

14. 29.

15. 30.

3. Решите систему уравнений из задачи 1 методом обратной матрицы с точностью до


третьего знака после запятой.

4. Решите систему уравнений из задачи 1 методом простых итераций с точностью


до 0,001, предварительно приведя исходную систему к допустимому для итерации
виду. Определите число шагов итераций, достаточных для достижения требуемой точности.

5. Вычислите собственные значения матрицы А методом итераций.


1. 16.

2. 17.

3. 18.

4. 19.

5. 20.

Университетская серия 85
Глава 3. Численные методы линейной алгебры

6. 21.

7. 22.

8. 23.

9. 24.

10. 25.

11. 26.

12. 27.

13. 28.

14. 29.

15. 30.
Глава 4
ЧИСЛЕННЫЕ МЕТОДЫ ТЕОРИИ ПРИБЛИЖЕНИЙ

Постановка задачи приближения функций


Интерполяционный полином Лагранжа
Интерполяционная формула Ньютона для неравномерной сетки
Интерполяционная формула Ньютона для равномерной сетки
Обратное интерполирование
Численное дифференцирование
Метод интерполяций отыскания собственных значений матрицы

4.1. Постановка задачи приближения функций

По определению, функцией называют соотношение, при котором


любому допустимому значению аргумента х поставлено в соответствие
значение f x . Функции могут задаваться формулой, графиком или таб-
лицей.
В практических расчетах довольно часто встречаются функции f(x),
заданные таблицами значений для некоторого конечного множества ар-
гументов — хi X (i 0, n : f x0 , f x1), f x2 , ..., f xn . Значения в остальных
точках, не входящих во множество узлов X, неизвестны. Задание функ-
ций таблично ограничивает возможность их применения. Так, напри-
мер, невозможно вычислить значения интеграла или производной такой
функции.
В некоторых задачах определение значения функции, заданной ана-
литически, сопряжено со значительными вычислениями. Для упроще-
ния составляют таблицу нескольких значений функции и переходят к ее
новому аналитическому представлению.
Для того чтобы из функции, заданной таблично, получить функцию,
заданную формулой, решают задачу интерполяции. В этом случае строят
интерполирующую функцию x , относительно простую для вычислений,
которая в точках хi i 0, n (узлах интерполяции) принимает значения
f xi , а в остальных точках области определения (на отрезке a; b ) при-
ближенно представляет функцию f х с некоторой степенью точности.
В дальнейших вычислениях используют x вместо функции f х .
Геометрически интерполирование представляет собой построение
кривой, проходящей через заданное множество точек (рис. 4.1).

Университетская серия 87
Глава 4. Численные методы теории приближений

Рис. 4.1. Геометрическая интерпретация задачи интерполяции

Задачей интерполяции называется задача определения параметров ani


из системы уравнений:
xi, a0, a1, ..., an f(xi), i 0, n. (4.1)
В общем случае задача построения кривой, проходящей через задан-
ное множество точек, имеет множество решений. Если же x, а линей-
но зависит от параметров, имеет место линейная интерполяция. Линей-
ную интерполяционную функцию можно представить в виде обобщен-
ного многочлена:
n
x, a ak k x. (4.2)
k 0

Подставляя (4.2) в (4.1), получим систему линейных уравнений для


определения параметров аi:
n
ak k xi f xi , i 0, n. (4.3)
k 0

Задача интерполяции имеет единственное решение, если при любом


расположении отличных друг от друга узлов определитель системы (4.3)
отличен от нуля:

при x i x j. (4.4)

88 Университетская серия
4.1. Постановка задачи приближения функций

Воспользуемся методом Крамера решения системы линейных алгеб-


раических уравнений для определения параметров аi:

i
ai ,

где i — частный определитель, полученный из путем замены столбца i столб-


цом f xi . Раскладывая i по столбцу i, получим:
n
f xj ij
j 0
ai , (4.5)

где ij — соответствующие алгебраические дополнения. Подставляя выражение


(4.5) в (4.2), будем иметь:
n
x f xi i x, (4.6)
i 0

где i ( x) — линейная комбинация функций i x.

Поскольку, по определению интерполяционной функции, должно


выполняться равенство
n
f xj f xi i xj ,
i 0

то очевидно, что функции i x j удовлетворяют следующему усло-


вию:
1, i j
i xj , i, j 0, 1, , n.
0, i j
Выберем в качестве функций i x последовательность x n , x n 1 , ...,
2
x , x, 1. Определитель (4.4) системы уравнений (4.3) будет иметь вид:
x 0n x 0n 1
1
x1n x1n 1
1
.
1
x nn x nn 1
1

Из курса линейной алгебры известно, что такой определитель носит


название определителя Вандермонда и равен:

Университетская серия 89
Глава 4. Численные методы теории приближений

n
xi xj 0.
i, j 0
i j

Таким образом, интерполирующую функцию x можно построить


в виде алгебраического многочлена:
n
x ai x n i
a0 x n a1 x n 1
an . (4.7)
i 0

Единственность решения задачи интерполяции (4.7) подтверждается


следующей теоремой.
ТЕОРЕМА 4.1
Задача построения интерполяционного многочлена в виде (4.7), удовле-
творяющего условиям (4.3), на частичном отрезке xi; xi n по функции
f xi , заданной таблично, имеет единственное решение.

4.2. Интерполяционный полином Лагранжа

Пусть требуется построить интерполяционный полином x в виде


(4.7) по заданным узлам интерполяции хi i 0, n . Согласно теореме 4.1
x определяется однозначно. Для нахождения i x необходимо найти
многочлен степени n, обращающийся в нуль в точках x0, x1, ..., xi – 1, xi 1,
..., xn и равный 1 в точке xi. Следовательно,
n
i x A x x0 x x1 x xi 1 x xi 1 x xn A x xj .
j 0
j i
Так как xi 1, то
n
A xi x0 xi x1 xi xi 1 xi xi 1 xi xn A xi xj 1
j 0
j i
и окончательное выражение для i(x) будет иметь вид:
x x0 x x1 x xi 1 x xi 1 x xn
i x
xi x0 xi x1 xi xi 1 xi xi 1 xi xn
(4.8)
n x xj
.
j 0 xi xj
i j

90 Университетская серия
4.2. Интерполяционный полином Лагранжа

Подставляя это выражение в формулу (4.6), получим:


n n n x xj
x f xi i x f xi
i 0 i 0 j 0 xi xj
i j
x x1 x xn
f x0
x0 x1 x0 xn
x x0 x x2 x xn
f x1
x1 x 0 x1 x 2 x1 x n
x x 0 x x1 x xn 1
f xn .
xn x0 xn x1 xn xn 1

Такой многочлен называют интерполяционным многочленом Лагранжа


и обозначают
n
Ln x f xi i x, (4.9)
i 0
n x xj
где i x — коэффициенты Лагранжа.
j 0 xi xj
i j

Если произвести точные вычисления по формуле Лагранжа, то зна-


чения интерполяционного многочлена Ln x в узлах интерполяции x0, x1,
..., xn будут совпадать со значениями исходной функции f х . Тогда, если
исходная функция представляет собой многочлен степени n, то функции
Ln x и f х тождественно совпадают, а следовательно, совпадают значе-
ния и в остальных точках. Однако в общем случае в точках, отличных от
узловых, значения Ln x и f х различны.
Метод интерполирования Лагранжа содержит три вида погрешно-
стей: первая — это погрешность метода, связанная с тем, что Ln x отли-
чается от f х . Вторая — неустранимая погрешность приближенных зна-
чений f хi . И, наконец, третья — это погрешность округления. Таким об-
разом, полная погрешность приближенного значения интерполяционного
полинома L~n x составит:

1 2 3.

Для оценки погрешности метода 1 будем считать, что интерполи-


руемая функция f х обладает на отрезке а; b непрерывными производ-
ными до порядка n и производная f n x дифференцируема на а; b .

Университетская серия 91
Глава 4. Численные методы теории приближений

Рассмотрим вспомогательную функцию


z f z Ln z K z x0 z x1 z xn ,
где K — константа.

Очевидно, что x 0 x1 xn 0. Для того чтобы z 0


в произвольной точке, K должно определяться из выражения:
f z Ln z
K .
z x0 z x1 ... z xn
При таком K функция z обращается в нуль на отрезке а; b в n 2
точках x0, x1, ..., xn и z. На основании теоремы Ролля о нуле производной
первая производная z на отрезке а; b обращается в нуль хотя бы
n 1 раз. По теореме Ролля, примененной к z , получим, по крайней
мере, n точек, в которых на отрезке а; b в нуль обращается вторая про-
изводная z . Рассуждая аналогично, определим, что существует одна
точка на интервале а; b , в которой n 1 0.
В то же время
n 1 n 1
z f z K n 1 !, (4.10)
так как Ln x — многочлен степени n, и его n 1 -я производная обра-
щается в нуль. Выражая K из (4.10), получим:
n 1
f
K .
n 1!
Поскольку точка неизвестна, оценка погрешности интерполяции 1
на всем отрезке а, b определяется из выражения:
Mn 1
f x Ln x max n x 1, (4.11)
n 1! a; b

n 1
где M n 1
max f ;
a; b

n x x x0 x x1 x xn .

Если значения функции в узлах интерполирования f хi заданы при-


ближенно, с абсолютной погрешностью abs, тогда оценку неустранимой
погрешности 2 можно получить из соотношения

92 Университетская серия
4.2. Интерполяционный полином Лагранжа

abs
n n x xj
2 . (4.12)
i 0j 0 xi xj
i j

Погрешность округления 3 определяется методами, изложенными в главе 1.


На практике наиболее часто используют полиномы Лагранжа пер-
вой, второй и третьей степени. Для их построения требуются соответст-
венно два, три и четыре узла интерполяции.
Многочлен Лагранжа первой степени:
x x1 x x0
L1 ( x) f ( x0 ) f ( x1 ) .
x0 x1 x1 x0
Многочлен Лагранжа второй степени:
x x1 x x2
L2 x f x0
x0 x1 x 0 x 2
x x0 x x2 x x0 x x1
f x1 f x2 .
x1 x 0 x1 x2 x2 x0 x2 x1

Многочлен Лагранжа третьей степени:


x x1 x x2 x x3 x x0 x x2 x x3
L3 x f x0 f x1
x0 x1 x 0 x2 x0 x3 x1 x 0 x1 x 2 x1 x 3
x x0 x x1 x x 3 x x0 x x1 x x 2
f x2 f x3 .
x2 x0 x2 x1 x 2 x3 x3 x0 x3 x1 x 3 x2

ПРИМЕР 4.1
По значениям функции f x sin x в узловых точках x 0, , ,
6 4 2
2
определить значение функции в точке x* с максимальной точностью.
5
Решение.
1. Составим табл. 4.1 значений функции f(x) = sin x в узловых точках.

Таблица 4.1

x 0
6 4 2

f x sin x 0 0,5 0,7 1

Университетская серия 93
Глава 4. Численные методы теории приближений

2. Так как известны четыре узла интерполяции, будем строить много-


член Лагранжа третьей степени. Вычислим коэффициенты Лагранжа
i x по формуле (4.8), воспользовавшись таблицей значений xi — xj
(табл. 4.2).

Таблица 4.2

xj
n
xi xj x
0 j 0
i
xi 6 i j

3 x x x
0 x—0 48 6 4 2
6 4 2 48 3

3 x x x
x 4 2
6 6 6 12 3 216 216 3

3 x x x
x 6 2
4 4 12 4 4 192 192 3

3 x x x
x 6 4
2 3 4 2 24 24 3

3. Определим погрешность метода по формуле (4.11):


M4 *
1 x x0 x* x1 x* x2 x* x3 ,
4!
где M 4 max f IV x max sin x 1.
0, 0,
2 2

Тогда
1 2 2 2 2
1 0 0,6 10 2 .
24 5 5 6 5 4 5 2
4. Максимальная погрешность результата составит 1 2 10 2 ,
следовательно, вычислительная погрешность будет равна
2 2
2 1 10 0,6 10 0,4 10 2 .

94 Университетская серия
4.3. Интерполяционная формула Ньютона для неравномерной сетки

Используя формулы (4.11) и (4.12) и учитывая принцип равных


влияний, при расчете погрешности получим:
3 2
abs 2 0,4 10
i x 3592 и 3
0,1 10 6 .
i 0
x 3592
i
i 0

Таким образом, значение функции в узлах интерполяции необходи-


мо брать с шестью знаками после запятой.
5. Перепишем таблицу значений с учетом верных знаков (табл. 4.3).

Таблица 4.3

x 0
6 4 2
f x sin x 0,000000 0,500000 0,707107 1,000000

Вычислим значение функции:


2
L3 0,000000 0,168 0,500000 1,296 0,707107 1,792
5
1,000000 0,336 0,95.

Ответ.
2
L3 0,95 0,001.
5

4.3. Интерполяционная формула Ньютона для неравномерной сетки

Рассмотрим функцию f x и множество узлов интерполяции хi а; b


i 0, n , xi xj, i j. Пусть узлы интерполяции упорядочены по возраста-
нию: хi < хj для i < j.
Для этой функции определим следующие отношения:
f x1 f x0 f x2 f x1
f x 0 , x1 , f x1 , x 2 ,...
x1 x0 x2 x1 (4.13)
f xn f xn 1
..., f x n 1 , x n .
xn xn 1

Университетская серия 95
Глава 4. Численные методы теории приближений

Эти отношения называют разделенными разностями первого порядка.


Используя выражения (4.13), можно вычислить разделенные разности
второго порядка по формулам:
f x1 , x 2 f x 0 , x1 f x2 , x3 f x1 , x 2
f x 0 , x1 , x 2 , f x1 , x 2 , x 3
x2 x0 x3 x1
f xn 1 , xn f xn (4.14)
2 , xn 1
f xn 2 , xn 1 , xn .
xn xn 2

Аналогично выражениям (4.13) и (4.14) определяют разделенные раз-


ности порядка k по следующей рекуррентной формуле:

f xi 1 , ..., xi k f x i , ..., x i k 1
f x i , ..., x i k . (4.15)
xi k xi

Разделенные разности удобно записывать в виде табл. 4.4.

Таблица 4.4

Порядок разделенных разностей


xi f xi
1 2 3 n

xi f x0
f x0, x1
x1 f x1 f x0, x1, x2
f x1, x2 f x0, x1, x2, x3
x2 f x2 f x1, x2, x3
f x2, x3
x3 f x3
f x0, ,xn
xn 3 f xn 3

f x n 3, x n 2

xn 2 f xn 2 f x n 3, x n 2, x n 1

f x n 2, x n 1 f x n 3, x n 2, x n 1, x n
xn 1 f xn 1 f x n 2, x n 1, x n
f x n 1, x n
xn f xn

96 Университетская серия
4.3. Интерполяционная формула Ньютона для неравномерной сетки

Разделенные разности обладают следующими свойствами.


1. Разделенная разность порядка k может быть определена по фор-
муле:
k f ( xi )
f x 0 , x1 , , x k k
. (4.16)
i 0
( xi x j)
j 0
j i

Следствие 1. Разделенная разность суммы или разности функций


равна сумме или разности разделенных разностей слагаемых, соответст-
венно уменьшаемого и вычитаемого.
Следствие 2. Постоянный множитель можно выносить за знак разде-
ленной разности.
Следствие 3. Разделенная разность есть симметрическая функция
своих аргументов, т. е.

f xi , xi 1 ,..., x i k f x i 1 , x i ,..., x i k
f x i 2 , x i 1 , x i ,..., x i k f xi k ,..., x i 1 , xi .
2. Разделенная разность порядка k от является однородным много- хn
членом относительно своих аргументов степени n — k; при k n равна 1
и при k > n равна 0.
Для разделенных разностей справедлива следующая теорема.
ТЕОРЕМА 4.2
(О связи c производной функции).
Рассмотрим функцию f x и множество узлов интерполяции хi а; b
i 0, n , xi xj, i j. Пусть функция f x имеет на отрезке а; b непре-
рывную производную порядка п. Тогда существует такая точка а; b ,
что справедливо равенство:
n
f
f x0 , , xn . (4.17)
n!

Следствие 4. На основании теоремы 4.2 и свойства 2 можно заклю-


чить, что разделенные разности порядка п от многочлена степени
п постоянны, а разделенные разности более высокого порядка равны
нулю.
Перейдем к определению интерполяционного полинома Ньютона.

Университетская серия 97
Глава 4. Численные методы теории приближений

Пусть на множестве узлов интерполирования x0, x1, ..., xk для функ-


ции f(x) построен многочлен Лагранжа Lk(x).
Рассмотрим многочлен Лагранжа Ln(x) и представим его в виде:

Ln x L0 x L0 x L1 x L1 x . (4.18)
Ln 1 x Ln 1 x Ln x
Перегруппируем слагаемые в выражении (4.18)

Ln x L0 x L1 x L0 x Lk x Lk 1 x (4.19)
Ln x Ln 1 x
и рассмотрим отдельную разность, стоящую в правой части: Lk x Lk 1 x .
Этот многочлен обращается в нуль в точках x 0 , x1 ,..., x k –1 , поэтому его
можно записать в виде:
Lk x Lk 1 x K x x0 x x1 x xk 1 , (4.20)
где K — константа.

Для определения константы K подставим xk вместо x и получим:


f xk Lk 1 xk K xk x0 xk x1 xk xk 1 . (4.21)
Из (4.21) с учетом (4.9) и (4.16) получим выражение для K:
f xk Lk 1 xk
K
xk x0 xk x1 xk xk 1 xk x0 xk x1 xk xk 1
k 1 k 1 xk xj
f xi (4.22)
f xk i 0 j 0 xi xj
i j

xk x0 xk x1 xk xk 1 xk x0 xk x1 xk xk 1
k f xi
k
f x 0 , x1 , , x k .
i 0
xi xj
j 0
i j

Подставляя (4.22) в (4.20), а затем в (4.19), запишем интерполяцион-


ный многочлен Ньютона для неравных промежутков:

Nn x f x0 f x 0 , x1 x x 0 f x 0 , x1 , x 2 x x 0 x x1 (4.23)
... f x0 , , xn x x0 x x1 x xn 1 .

98 Университетская серия
4.3. Интерполяционная формула Ньютона для неравномерной сетки

Формула Ньютона (4.23) более удобна для вычислений, чем формула


Лагранжа (4.9). Добавление одного или нескольких узлов не приводит
к пересчету всего выражения, а лишь требует включения дополнитель-
ных слагаемых.
Остаточный член формулы Ньютона такой же, как и в формуле Лаг-
ранжа (4.11). Представим остаточный член многочлена Ньютона в дру-
гой форме. Для этого рассмотрим разделенную разность:
f x
f x, x 0 ,..., x n
x x0 x x1 x xn
f x0 (4.24)
x0 x x0 x1 x0 xn
f xn
.
xn x xn x0 xn xn 1

Из (4.24) выразим f x :
n n x xj
f x f xi f x, x 0 , ..., x n x x0 x x1 x xn
i 0 j 0 xi xj
i j
Ln x f x, x 0 , ..., x n x x0 x x1 x xn .

В частности, если f х имеет производную порядка n l, то на осно-


вании теоремы 4.2 получим:
f ( n 1) ( )
f x, x 0 , , x n .
(n 1)!
Следовательно, оценка погрешности интерполяционной формулы Нью-
тона может быть получена по формуле:

f x Nn x max f x, x 0 , ..., x n x x0 x x1 x xn 1. (4.25)


a, b

Отметим, что разделенная разность f x, x 0 , , x n в выражении (4.25)


может быть определена только в том случае, если известно значение
функции f x . Однако тогда нет необходимости использовать формулу
Ньютона. С помощью выражения для остаточного члена (4.25) мож-
но оценивать фактическую погрешность интерполяционной формулы
Ньютона.

Университетская серия 99
Глава 4. Численные методы теории приближений

ПРИМЕР 4.2
По значениям функции f x ex в узловых точках x = 0; 0,25; 0,6;
1,05 , заданных с пятью верными знаками, определить значение функ-
ции в точке x* 0,15 и оценить погрешность результата.

Решение.
1. Составим таблицу разделенных разностей (табл. 4.5).

Таблица 4.5

Порядок разделенных разностей


xi f xi
1 2 3

0,00 1,0000
1,1361
0,25 1,2840 0,6688
1,5374 0,2723
0,60 1,8221 0,9547
2,3012
1,05 2,8577

2. Подставим полученные значения в формулу (4.23), так как x* на-


ходится между узлами 1 и 2:

N3 x 1,0000 11361
, x 0,6688 x x 0,25
0,2723 x x 0,25 x 0,60 0,2723 x 3 0,4373 x 2 1,0097 x 1,
тогда
N 3 0,15 11622
, .
3. Оценим погрешность приближенного значения N3 по формуле
(4.25):
n 1
f
1 max x x0 x x1 x xn
a, b n 1!
2 ,8575
0,15 0,10 0,45 0,9 0,00072 .
4!
4. Абсолютная погрешность конечной разности порядка m равна
2m *, следовательно, вычислительная погрешность составит:

100 Университетская серия


4.4. Интерполяционная формула Ньютона для равномерной сетки

2 0 20 0,000002 2 1 0,00005 2 2 0,00004 2 3 0,000524.


5. Округлим результат до четырех верных знаков:
N 3 0,15 , .
1162
6. Суммируя погрешность метода, вычислительную погрешность
и погрешность округления, получим:
0,00072 0,000524 0,00037 0,0016.

Ответ.
N 3 0,15 1162
, 0,0016.

4.4. Интерполяционная формула Ньютона для равномерной сетки

Рассмотрим функцию f x на множестве равноотстоящих узлов ин-


терполяции x i i 0, n и обозначим:
y0 f x0 , y 1 f x1 f x0 h , y2 f x2 f x0 2h , ...
..., yn f xn f x0 nh ,
где h — шаг сетки. Как и прежде, узлы интерполяции хi x0 ih упорядочены
по возрастанию: хi < хj для i < j.

Назовем разности
y0 y1 y 0 , y1 y2 y1 ,..., y n 1 yn yn 1

конечными разностями первого порядка.


Из конечных разностей первого порядка можно получить конечные
разности второго порядка:
2 2 2
y0 y1 y0 , y1 y2 y1 , ..., yn 2 yn 1 yn 2.

Аналогично конечные разности порядка k вычисляются по следующей


рекуррентной формуле:
k k 1 k 1
yi yi 1 yi .

Университетская серия 101


Глава 4. Численные методы теории приближений

Как и разделенные разности, конечные разности удобно записывать


в виде табл. 4.6.

Таблица 4.6

Порядок конечных разностей


xi f xi
1 2 3 n

x0 y0
y0
2
x1 y1 y0
3
y1 y0
2
x2 y2 y1
y2
x3 y3
n
y0
xn 3 yn 3

yn 3
2
xn 2 yn 2 yn 3

3
yn 2 yn 3

2
xn 1 yn 1 yn 2

yn 1

xn yn

Рассмотрим свойства конечных разностей.


1. Конечная разность порядка k может быть выражена непосредст-
венно через значения функции:
p k
k
yi yi k C k1 yi k 1 C k2 yi k 2 1 C kp yi k p 1 yi . (4.26)
Следствие 1. Конечная разность k y i суммы или разности функций
f x f x f x равна сумме или разности конечных разностей функ-
ций k y i k
y i k
yi .
Следствие 2. При умножении функции на постоянный множитель
конечные разности умножаются на тот же множитель.
2. На множестве равноотстоящих узлов x i i 0, n , т. е. при хi 1 –
– хi = h конечные и разделенные разности связаны соотношением:

102 Университетская серия


4.4. Интерполяционная формула Ньютона для равномерной сетки

k
yi
f ( xi , xi 1 ,..., x i k) . (4.27)
k !h k
Следствие 3. Конечные разности n-го порядка от многочлена степе-
ни n постоянны, а конечные разности n 1 -го порядка равны нулю.
Определим интерполяционную формулу Ньютона для равномерной
сетки.
Обратимся к формуле Ньютона для неравных промежутков (4.23).
В качестве узлов интерполирования x i i 0, n используем равномерную
сетку: x0, x1 x0 h, ..., xn x0 nh и заменим разделенные разности
выражением через конечные разности согласно формуле (4.27). В резуль-
тате получим:
2
y0 y0
Nn x y0 x x0 x x0 x x1
h 2! h 2 (4.28)
n
y0
x x0 x xn 1 .
n! h n
x x0
Обозначим t и перепишем выражение (4.28) с учетом этого
обозначения: h

2
y0 y0
N nI x N nI x 0 ht y0 t tt 1
1! 2! (4.29)
n
y0
... tt 1 t n 1.
n!

Формулу (4.29) называют интерполяционной формулой Ньютона для


интерполирования вперед. Конечные разности, которые используются для
ее вычисления, расположены по диагонали вниз, начиная с y0. В табл. 4.7
эти элементы выделены рамкой.
Если узлы интерполяции упорядочить по убыванию: хi > хj для i < j,
т. е. в качестве узлов интерполирования для формулы (4.23) выбрать рав-
номерную сетку x0, x1 x0 — h, ..., xn x0 — nh, то с учетом симметрии
разделенных разностей относительно аргументов получим:

Nn x f x0 f x 0 h, x 0 x x 0
f x 0 2 h, x 0 h, x 0 x x 0 h x x 0 (4.30)
f x 0 nh, ..., x 0 x x 0 n 1 h x x0 n 2 h x x0 .

Университетская серия 103


Глава 4. Численные методы теории приближений

Таблица 4.7

Порядок конечных разностей


xi f xi
1 2 3 n

x0 y0

y0
2
x1 y1 y0
3
y1 y0

2
x2 y2 y1

y2
x3 y3
n
y0

xn 3 yn 3

yn 3
2
xn 2 yn 2 yn 3

3
yn 2 yn 3

2
xn 1 yn 1 yn 2

yn 1

xn yn

Заменим в выражении (4.30) разделенные разности конечными:


y 1 2
y 2
Nn x y0 x x0 x x0 h x x0
h 2! h 2 . (4.31)
n
y n
x x0 n 1h x x0 .
n! h n
x x0
Подставляя t в равенство (4.31), будем иметь:
h
y 1 2
y 2
N nII x N nII x 0 ht y0 t tt 1
1! 2! . (4.32)
n
y n
tt 1 t n 1.
n!

104 Университетская серия


4.4. Интерполяционная формула Ньютона для равномерной сетки

Формулу (4.32) называют интерполяционной формулой Ньютона для


интерполирования назад. Конечные разности, которые используются для
ее вычисления, расположены по диагонали вверх, начиная с y0. В табл. 4.8
эти элементы выделены рамкой.

Таблица 4.8

Порядок конечных разностей


xi f xi
1 2 3 n

x n y n

y n
2
x n 1 y n 1 y n
3
y n 1
y n

2
x n 2 y n 2 y n 1

y n 2

x n 3 y n 3
n
y n

x 3 y 3

y 3
2
x 2 y 2 y 3
3
y 2
y 3

2
x 1 y 1
y 2

y 1

x0 y0

Остаточные члены формул Ньютона для интерполирования вперед


(4.29) и назад (4.32) можно представить следующим образом:
n 1
f
f x N nI x x x0 x x0 h x x0 nh
n 1!
n 1
f
hn 1
tt 1 t 2 t n
n 1!
и

Университетская серия 105


Глава 4. Численные методы теории приближений

n 1
f
f x N nII x x x0 x x0 h x x0 nh
n 1!
n 1
f
hn 1
tt 1 t 2 t n.
n 1!

Из соотношений (4.17) и (4.27), связывающих выражение производ-


ной и разделенной разности и конечной и разделенной разности при ус-
ловии, что производная и конечная разность на отрезке интерполирова-
ния меняется незначительно, получим оценки остаточных членов фор-
мул Ньютона:
tt 1 t 2 t n
f x N nI x n 1
y0
n 1!
и
tt 1 t 2 t n
f x N nII x n 1
y n.
n 1!

В этом параграфе были выведены две интерполяционные формулы,


которые являются различной формой записи многочлена Лагранжа.
С точностью до обозначений эти формулы тождественны, если в них ис-
пользуются одни и те же узлы интерполирования.

4.5. Обратное интерполирование

На практике нередко возникают задачи отыскания значения аргу-


мента по заданному значению функции. Такая задача носит название об-
ратной интерполяции.
Пусть известны значения функции yi в точках xi, i = 1, 2, ..., n. Требу-
ется определить значение аргумента x * x i ; x i 1 , соответствующее за-
данному значению y * y i ; y i 1 функции f x , т. е. найти корень урав-
нения
fx y *, (4.33)
принадлежащий интервалу x i ; x i 1 . Предполагается, что интервал
x i ; x i 1 настолько мал, что этот корень — единственный.

106 Университетская серия


4.5. Обратное интерполирование

Механизм решения данной задачи заключается в следующем. Функ-


цию f x аппроксимируем (заменим) ее интерполяционным полиномом
Pn x , а уравнение (4.33) — уравнением
Pn x y* . (4.34)
Находим действительный корень x уравнения (4.34), принадлежащий
интервалу x i ; x i 1 . В результате получается лишь приближенное реше-
ние уравнения (4.34) — точка x. И теперь полагаем, что x * x.
Оценим погрешность такого решения. Пусть суммарная погреш-
ность интерполирования есть , т. е.
f x Pn x ,
а погрешность решения уравнения (4.34) есть , т. е.
x x . (4.35)
Тогда приращение функции в точке x можно представить как
y* f x f x* f ( x) f x* x ,
x x* x , 0, 1 .

Отсюда, принимая во внимание, что


Pn x y* ,
имеем:
Pn x f x f x* x .
Предположив теперь, что
min f x m1 0,
xi , xi 1

используя оценку (4.26), получим:

x* x . (4.36)
m1
Далее
x* x x* x x x x* x x x.

Университетская серия 107


Глава 4. Численные методы теории приближений

Следуя оценкам (4.35) и (4.36), окончательно находим:

x* x . (4.37)
m1
Таким образом, как решение задачи обратного интерполирования,
так и нахождение погрешности (4.37) определяются двумя процессами:
построением интерполяционного полинома и решением уравнения (4.34),
т. е. определением корней интерполяционного полинома.
Следует иметь в виду, что увеличение степени полинома, с одной
стороны, уменьшает погрешность , с другой — увеличивает трудоем-
кость решения уравнения (4.34). Поэтому степень интерполяционного
полинома должна быть наименьшей при условии достижения требуемой
точности.
При практическом решении задачи обратного интерполирования
на равномерной сетке узлов в качестве интерполяционных полиномов
можно воспользоваться первым или вторым интерполяционным поли-
номом Ньютона.
Рассмотрим еще один подход к решению задачи обратного интерпо-
лирования, основанный на существовании гладкой функции g y , обрат-
ной к f x .
Пусть функция g y непрерывна вместе с достаточным количеством
своих производных на минимальном интервале, содержащем значения
yi f x i , i 0, 1, , y * f x * . В этом случае определение x* экви-
валентно вычислению обратной функции g y , заданной своими значе-
ниями xi в узлах yi, в точке y y*, так как
x* g y* .
Таким образом, задача обратного интерполирования сведена к задаче
интерполирования обратной функции g y .
Например, если обратную функцию g y приближать интерполяцион-
ным полиномом Лагранжа, то решение поставленной задачи будет иметь
вид:
n n y* yj
x* Ln y * xi .
i 0 j 0 yi yj
j i

Оценка остаточного члена останется такой же, как и при прямом ин-
терполировании:

108 Университетская серия


4.6. Численное дифференцирование

n 1
g
x* Ln y * y* y0 y* y1 y* yn ,
n 1!
где g n 1 — производная п 1 -го порядка обратной функции в точке , при-
надлежащей интервалу между минимальным и максимальным yi, i 0, 1, ..., n.

Оценка же вычислительной погрешности усложнится, поскольку


теперь выражение Ln y* нелинейно зависит от приближенных вели-
чин yi.
Приведенный способ решения задачи обратного интерполирования
является более эффективным, нежели прием, содержащий одним из эта-
пов решение уравнения. Особенно он удобен, если решение задачи об-
ратного интерполирования требуется найти для достаточно большого
числа значений y* или когда необходимо получить явное выражение для
корня уравнения (4.33).
Недостатком рассмотренного метода является требование гладкой
обратной функции, что далеко не всегда выполнимо (например, для не-
монотонных функций).

4.6. Численное дифференцирование

К численному дифференцированию прибегают, когда функция f x ,


для которой нужно найти производную, задана таблично или имеет
сложное аналитическое выражение. В первом случае методы дифферен-
циального исчисления просто неприменимы, а во втором — их исполь-
зование вызывает значительные трудности.
Одним из способов построения формул численного дифференциро-
вания является дифференцирование интерполяционных полиномов.
Пусть известны значения функции f(x) в точках x 0 , x1 , , x n . Требуется
вычислить f m x , m n. Построим интерполяционный полином Ln x
и положим, что
m
f x Lnm x . (4.38)
Точно так же мы можем заменять значения производных функций
значениями производных других интерполяционных полиномов: Стир-
линга, Бесселя и т. д. Можно показать, что остаточный член формул чис-
ленного дифференцирования (4.38) имеет вид:

Университетская серия 109


Глава 4. Численные методы теории приближений

Rn m x f m
x Lnm x
m m! n j 1 m j
f i n x,
j 0 m j !n j 1!

dm j m j
где n x x x0 x x1 n x , x xn , n
dx m j
i — некоторые точки из интервала между наименьшим и наибольшим из чи-
сел x.

Пусть функция задана на равномерной сетке узлов с шагом h. Взяв


интерполяционный полином Стирлинга dS 2 k , построенный по точкам
x 0 , x i x 0 ih, i 1, 2, , k, продифференцируем его один раз.
Получим следующую формулу для первой производной:

dS 2 k x 0 ht 2
dt d y0 y 1 y 1
f x y0 t t2
dx dx dt 2 2!
3
y 1
3
y 2
t t2 1 4
y 2
t2 t2 1
2 3! 4! (4.39)
3 3
1 y0 y 1 2
y 1 y 2
y 1t 3t 2 1
h 2 12
4
y 2
2t 3 t ,
12

x x0
где t .
h
Для второй производной, дифференцируя по х (4.39), получим
3 3 4
1 2
y 1 y 2 y 2
f x y 1 t 6t 2 1 .
h2 2 12
В частности, при x x0 t 0 будем иметь:
3 3
1 y0 y 1 y 1 y 2
f x0 , (4.40)
h 2 12
4
1 2 y 2
f x0 y 1 .
h2 12

110 Университетская серия


4.6. Численное дифференцирование

В некоторых случаях выгоднее выражать производные в узловых точ-


ках не через конечные разности, а непосредственно через значения функ-
ции.
Получим остаточный член формулы численного дифференцирова-
ния (4.40). Для этого продифференцируем по х остаточный член полино-
ма Стирлинга степени 2k и подставим x x0:
2k 1
d dt d f x
R2 k x h 2k 1
t t2 1 t2 k2
dx x x0 dx dx 2 k 1!
t 0
2k 1
f k 2
1 k ! h 2k , a; b .
2 k 1!

Полная погрешность формул численного дифференцирования на


примере формулы (4.40) для первого слагаемого составит:
h2M3 *
полн h , (4.41)
6 h
где M 3 max f x ;
a, b
*
— абсолютная погрешность каждого из чисел yi.

В формуле 4.41 с уменьшением h первое слагаемое (остаточная


погрешность) убывает, а второе (вычислительная погрешность) — воз-
растает. Возникает вопрос о подборе оптимального шага h*, для которого
полная погрешность имела бы минимальное значение. Найдем такой
шаг:
2 hM 3 *
полн h 0,
6 h2
откуда
3 *
h* 3 .
M3
В точке h h* функция полн h имеет действительно минимальное
значение, поскольку
M3 *
полн h 0.
3 h2

Университетская серия 111


Глава 4. Численные методы теории приближений

При вычислении второй производной или производных более высо-


кого порядка, когда в знаменатель соответствующей формулы численно-
го дифференцирования входит h2 или hk и k > 2, вопрос о выборе опти-
мального шага является еще более актуальным.

4.7. Метод интерполяции отыскания собственных значений матрицы

Напомним, что для квадратной матрицы А порядка n и выражения


Ах х при х 0, число называется собственным значением матрицы,
а ненулевой вектор х — соответствующим ему собственным вектором.
Перепишем исходное выражение в виде:

А– E х 0, х 0. (4.42)

Для существования решения задачи (4.42) должно выполняться условие:

det А – E 0.

Этот определитель является многочленом n-й степени от , который


носит название характеристического многочлена. n корней этого много-
члена являются собственными значениями, среди которых могут быть
одинаковые (кратные).
При подстановке собственных значений в (4.42) можно определить
соответствующий собственный вектор.
Если известен характеристический многочлен, то все его корни не-
трудно вычислить, например, методами, изложенными в главе 2.
Для определения собственных значений пользуются двумя типами
методов: прямыми и итерационными. Прямые методы позволяют по-
строить характеристический многочлен за конечное число действий,
а в итерационных методах — как предел последовательности итераций.
Однако каким бы способом ни был получен характеристический много-
член, его корни, т. е. собственные значения, определяются итерационно.
Нахождение характеристического многочлена высокой степени гораздо
труднее, чем отыскание его корней.
Простейшим прямым методом получения характеристического много-
члена является метод интерполяции.
Пусть F x — характеристический многочлен, полином степени n.
Для построения этого полинома любым интерполяционным методом

112 Университетская серия


4.7. Метод интерполяции отыскания собственных значений матрицы

требуется n + 1 значение этого полинома. Выбирая произвольно n 1


значение i (i 0, 1, ..., n), вычислим значение полинома
F i det A i E (4.43)
и по этим значениям построим интерполяционный многочлен Ньютона.
Если выбрать равноотстоящие узлы интерполяции i, интерполяцион-
ный многочлен Ньютона можно записать в виде:
n
F f , ~ ~ ~ , (4.44)
0 1 i 0 1 i 1
i 0
где f 0, 1
, , i — разделенные разности порядка i, определяемые по формуле:

i f k
f 0, 1, , i i
. (4.45)
k 0
k j
j 0
i k

В силу единственности многочлен (4.44) будет характеристическим


с заданными коэффициентами.
Трудоемкость метода. Метод интерполяции требует большого числа
действий. Для вычисления коэффициентов характеристического много-
члена по интерполяционной формуле (4.44) необходимо вычислить
n 1
n 1 определитель, что потребует n 1 n 2 n 3 умножений и
3
nn 1
делений и для получения самих коэффициентов еще умножений.
2
ПРИМЕР 4.3
Вычислить собственные значения матрицы:
13 16 16
A 5 7 6.
6 8 7
Решение.
1. В качестве i для построения характеристического многочлена
выберем равноотстоящие значения:

0 6, 1 4, 2 2, 3 0.
Тогда по формуле (4.43) получим следующие значения узлов интер-
поляции:

Университетская серия 113


Глава 4. Численные методы теории приближений

19 16 16
F 0 det A 6E 5 1 6 147;
6 8 1
17 16 16
F 1 det A 4E 5 3 6 25;
6 8 3
15 16 16
F 2 det A 2E 5 5 6 9;
6 8 5
13 16 16
F 3 det A 5 7 6 3.
6 8 7
2. Вычислим разделенные разности по формуле (4.45). Результат за-
пишем в табл. 4.9:
Таблица 4.9

i i F i f i, i 1 f i, i 1, i 2 f 0 1 2, 3]

0 6 147
122 44
61 11
2 4
1 4 25
6
34 1
17 6
2 2 9 2
20
5
6 4
3 3 3
2

3. Используя разделенные разности, по формуле (4.44) построим


интерполяционный полином Ньютона:

F 147 61 6 11 6 4 1 6 4 2
3 2
5 3.
4. Найдем корни полинома
3 2
F( ) 5 3 0. (*)

114 Университетская серия


Вопросы для самопроверки

Целые корни полинома находятся среди делителей свободного чле-


на. Рациональные корни могут быть определены методами, изложенны-
ми в главе 2.
Целыми делителями числа –3 являются числа –3, –1, 1 и 3. Прове-
рим выполнение равенства (*) для этих значений:
F ( 3) 0, F ( 1) 8 0, F (1) 0, F (3) 37 0.
Так как из трех корней полинома (*) найдены только два: *1 3
*
и 2 1, один из корней будет кратным.
Условие кратности корня F * 0 (см. параграф 2.1). Проверим
выполнение этого условия:
2
F ( ) 3 2 5,
F (1) 0, F ( 3) 16 0.
* * *
Следовательно, корни полинома (*) 1 3 и 2 3 1. Других
корней нет.

Ответ.
* * *
Собственные числа матрицы A: 1 3и 2 3 1.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Постановка задачи интерполирования. Единственность интерполяционного полинома.


2. Остаточный член интерполяционного полинома.
3. Интерполяционный полином Лагранжа. Его погрешности.
4. Разделенные разности. Рекуррентные формулы для их расчета.
5. Выражение разделенных разностей через узловые значения функции.
6. Выражение остаточного члена интерполяционного полинома через разделенную раз-
ность.
7. Интерполяционный полином Ньютона с разделенными разностями.
8. Конечные разности и их свойства.
9. Интерполяционные формулы Ньютона, погрешности формул Ньютона.

Университетская серия 115


Глава 4. Численные методы теории приближений

10. Постановка задачи обратного интерполирования и ее решение в общем случае.


Оценка погрешности.
11. Решение задачи обратного интерполирования для монотонной функции. Оценка
погрешности.
12. Численное дифференцирование. Вывод формул для первой производной. Вычисли-
тельная погрешность.
13. Остаточный член формул подсчета первой производной.
14. Выражения для численного определения второй производной.
15. Остаточный член формул подсчета для второй производной. Полная погрешность.
16. Выбор оптимального шага формул численного дифференцирования.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. По значениям функции f x в узловых точках х x1, x2, x3, x4 , заданных с четырь-


мя верными знаками, постройте полином Лагранжа, определите значение функции
в точке x* и оцените погрешность результата.
1. fx 2x, x 0, 1, 3, 5 , 16. fx lg x, x 350, 360, 365, 375 ,
x* 4. x* 355.
2. fx 2x, x 0, 2, 3, 5 , 17. fx lg x, x 100, 120, 130, 145 ,
x* 1. x* 125.
3. fx 2x, x 1, 2, 4, 5 , 18. fx lg x, x 5, 10, 20, 25 ,
x* 3. x* 15.
4. fx 2x, x –1, 1, 2, 3 , 19. fx lg x, x 10, 50, 100, 110 ,
x* 0. x* 70.
5. fx 2x, x –2, –1, 1, 3 , 20. fx lg x, x 90, 100, 105, 120 ,
x* 2. x* 110.
6. fx 3x, x 0,0, 1,0, 2,0, 2,5 , 21. fx ln x, x 1,2, 1,3, 1,5, 1,9 ,
x* 1,2. x* 1,7.
7. fx 3x, x 0, 0,5, 0,9, 1,2 , 22. fx ln x, x 3, 4, 5, 7 ,
x* 0,7. x* 4,5.
8. fx 3x, x 1,0, 1,5, 1,9, 2,0 , 23. fx ln x, x 2, 3, 5, 6 ,
*
x =1,7. x* 4.

116 Университетская серия


Задачи для самостоятельного решения

9. f x 3x, x 1,0, 2,0, 4,0, 4,5 , 24. fx ln x, x 1,0, 1,5, 2,0, 2,5 ,
x* 3. x* 1,75.
10. f x 3x, x 0,0, 1,0, 1,5, 2,0 , 25. fx ln x, x 1, 2, 2,5, 3,0 ,
x* 0,5. x* 1,5.
11. f x x, x 0, 1, 3, 4 , 26. fx ex , x 0, 2, 3, 4 ,
x* 2. x* 2,5.
12. f x x, x 0,0, 0,5, 1,0, 2,0 , 27. fx ex , x 0,2, 0,5, 1,0, 1,3 ,
x* 1,5. x* 0,7.
13. f x x, x 0, 2, 5, 7 , 28. fx ex , x 2, 4, 6, 7 ,
x* 6. x* 5.
14. f x x, x 1, 2, 4, 7 , 29. fx ex , x 1,3, 1,5, 2,0, 2,2 ,
x* 3. x* 1,8.
15. f x x, x 0,0, 1,5, 2,0, 3,0 , 30. fx ex , x 3,0, 3,5, 4,0, 5,0 ,
x* 0,5. x* 4,25.

2. По значениям функции f x в узловых точках х x1, x2, x3, x4 из задачи 1, задан-


ных с четырьмя верными знаками, постройте полином Ньютона, определите значение
функции в точке x* и оцените погрешность результата.
3. По значениям функции f x в узловых точках х x1, x2, x3, x4, x5 , заданных с че-
тырьмя верными знаками, постройте полином Ньютона, определите значение функ-
ции в точке x* и оцените погрешность результата.
1. f x ln x, x 3, 4, 5, 6, 7 , 16. f x 3x, x 0,5, 1,0, 1,5, 2,0, 2,5 ,
x* 4,5. x* 1,2.
2. f x ln x, x 1, 3, 5, 7, 9 , 17. f x 3 x, x 0, 1, 2, 3, 4 ,
x* 4. x* 1,7.
3. f x ln x, x 1,0, 1,5, 2,0, 2,5, 3,0 , 18. f x 3x, x 1,0, 1,5, 2,0, 2,5, 3,0 ,
x* 1,75. x* 2,7.
4. f x ln x, x 1, 2, 3, 4, 5 , 19. f x 3x, x 0,0, 0,5, 1,0, 1,5, 2,0 ,
x* 1,5. x* 1,25.
5. f x ln x, x 2, 4, 6, 8, 10 , 20. f x 3x, x 1, 2, 3, 4, 5 ,
x* 5. x* 2,5.
6. f x x, x 0, 1, 2, 3, 4 , 21. f x 2x, x –1, 1, 3, 5, 7 ,
x* 1,5. x* 2.
7. f x x, x 0,0, 0,5, 1,0, 1,5, 2,0 , 22. f x 2 x, x 0, 2, 4, 6, 8 ,
x* 0,7. x* 1.

Университетская серия 117


Глава 4. Численные методы теории приближений

8. f x x, x 0, 2, 4, 6, 8 , 23. f x 2 x, x –2, –1, 0, 1, 2 ,


x* 7. x* 1,5.
9. f x x, x 1, 3, 5, 7, 9 , 24. f x 2 x, x –3, –1, 1, 3, 5 ,
x* 2. x* 0.
10. f x x, x 0,0, 1,5, 3,0, 4,5, 6,0 , 25. f x 2 x, x –3, –2, –1, 0, 1 ,
x* 5. x* 0,5.
11. f x ex , x 1, 2, 3, 4, 5 , 26. f x lg x, x 350, 360, 370, 380, 390 ,
x* 2,5. x* 355.
12. f x ex, x 0,0, 0,5, 1,0, 1,5, 2,0 , 27. f x lg x, x 110, 120, 130, 140, 150 ,
x* 0,7. x* 125.
13. f x ex , x 0, 2, 4, 6, 8 , 28. f x lg x, x 5, 10, 15, 20, 25 ,
x* 5. x* 17.
14. f x ex, x 1,0, 1,5, 2,0, 2,5, 3,0 , 29. f x lg x, x 10, 50, 90, 130, 170 ,
x* 1,8. x* 60.
15. f x ex, x 2,5, 3,0, 3,5, 4,0, 4,5 , 30. f x lg x, x 90, 100, 110, 120, 130 ,
x* 4,25. x* 105.
Глава 5
ИНТЕРПОЛИРОВАНИЕ С КРАТНЫМИ УЗЛАМИ И СПЛАЙНЫ

Разделенные разности с кратными узлами


Интерполяционный полином Эрмита
Интерполирование сплайнами
Кривые Безье
B-сплайновые кривые

5.1. Разделенные разности с кратными узлами

Рассмотрим узлы интерполяции:


1 k0 1
x0 x0 x02 x0
1 k1 1
x1 x0 x1 2 x0

xn x n1 x n2 x nk n 1

j
такие, что все точки x i различны. В частности, можно положить
j
xi xi j 1 , i 0, 1, , n, j 1, 2, , ki 1,
где 0 — малая величина. Построим по всем этим точкам разделенную разность
порядка m k0 k1 kn 1:

f x 0 , x 0 , , x 0 ; x1 , x1 , , x1 ; x n , x n , , x n ;
k 0 раз k 1 раз k n раз
(5.1)
1 k0 1
j
lim f x0 , x0 , , x0 ; ; x n , x n1 , , x nk n 1
.
xi xi 0

Рассмотрим сначала случай, когда под знаком разделенной разности


в левой части (5.1) повторяется только один узел xi и разделенная раз-
ность порядка ki – 1 вычисляется только по этому повторяющемуся узлу.
Согласно определению:
1 ki 1
f xi , xi , , xi lim
j
f xi , xi , , xi .
xi xi
k i раз

Университетская серия 119


Глава 5. Интерполирование с кратными узлами и сплайны

По теореме 4.2 и формуле (4.17) о взаимосвязи между разделенной


разностью и производной имеем:
ki 1
1 ki 1 f
f xi , xi , , xi , (5.2)
ki 1!
где — точка, принадлежащая наименьшему отрезку, содержащему все точки
1 k 1
x i , x i , , x i i . Перейдя в равенстве (5.2) к пределу при x i j x i , получим:
ki 1
f xi
f xi , xi , , xi .
ki 1!
k i раз
ki 1
Таким образом, если при i 0, 1, ..., n производная f x непре-
рывна, то существуют разделенные разности

f xi , xi , , xi , i 1, 2, , n.
k i раз
Этот факт обеспечивает также существование разделенной разности
с кратными узлами левой части (5.1), так как все остальные разделенные
разности, необходимые для ее вычисления, находятся путем последова-
тельного применения рекуррентных формул (4.15) и их обобщений. Что-
бы не приводить громоздкого вывода для общего случая формулы (5.1),
рассмотрим табл. 5.1. Представленные в этой таблице вычисления пере-
носятся на общий случай без особых затруднений.
Итак, требуется найти f [x 0 , x 0 ; x1 , x1 ; x 2 , x 2 , x 2 ], если заданы f x 0 ,
f x 0 ; f x1 , f x1 ; f x 2 , f x 2 , f x 2 .
В первом столбце приведены аргументы искомой разделенной разно-
сти. Во втором — в тех строках, что и аргументы, помещены соответст-
вующие значения функции. Третий столбец предназначен для разделен-
ных разностей первого порядка. Они размещаются между строк, в кото-
рых находятся соответствующие узлы (аргументы) и значения функции.
Если узлы повторяются, то сюда записывают значение первой производ-
ной. В остальных случаях здесь располагаются обычные разделенные
разности первого порядка. Четвертый столбец предназначен для разде-
ленных разностей второго порядка. Они находятся обычным способом
по рекуррентной формуле:
f [x 0 , x1 ] f [x 0 , x 0 ] f [x 0 , x1 ] f '( x 0 )
f [x 0 , x 0 , x1 ] .
x1 x0 x1 x0

120 Университетская серия


5.1. Разделенные разности с кратными узлами

Таблица 5.1

Порядок разделенных разностей


xi f xi
1 2 6

x0 f x0
f x0
1!
x0 f x0 f x 0 , x 0 , x1
f x 0 , x1
x1 f x1 f x 0 , x1 , x1
f x1
f x 0 , x 0 , x1 , x1 ; x 2 , x 2 , x 2
1!
x1 f x1 f x1 , x1 , x 2
f x1 , x 2
x2 f x2 f x1 , x 2 , x 2
f x2
1!
f x2
x2 f x2
2!
f x2
1!
x2 f x2

Если позволяет кратность узла, как в случае с x2, в соответствующую


ячейку помещают значение второй производной:
f x2
f x2 , x2 , x2 .
2!
Аналогично поступают и для остальных разностей. Их вычисляют
по обычным рекуррентным формулам. Например, итоговая разделенная
разность будет получена из соотношения:
f x 0 ; x1 , x1 ; x 2 , x 2 , x 2 f x 0 , x 0 ; x1 , x1 ; x 2 , x 2
f x 0 , x 0 ; x1 , x1 ; x 2 , x 2 , x 2 .
x2 x0

Университетская серия 121


Глава 5. Интерполирование с кратными узлами и сплайны

5.2. Интерполяционный полином Эрмита

Рассмотрим задачу построения полинома Эрмита. Для этого, как


и при определении разделенных разностей с кратными узлами, наря-
ду с узлами интерполяции x 0 , x1 , , x n выберем на отрезке a; b точки
x i j , причем все узлы различны. Построим по совокупности точек
m 1 k 0 k1 k n интерполяционный полином Ньютона с разде-
ленными разностями:
1 1 1
Nm x f x0 x x0 f x0 , x0 x x0 x x0 f x0 , x0 , x02
1 k0 2 1 k0 1
x x0 x x0 x x0 f x0 , x0 , , x0
k0 1 k1 1
x x0 x x0 x x1 x x1 x x nk n 2

f x 0 , , x nk n 1
.

j
В обеих частях этого равенства перейдем к пределу при x i xi .
Получим полином Эрмита:
2 f x0
Hm x f x0 x x0 f x0 x x0
2!
k0 1
k0 1 f x0 k0
x x0 x x0 f x0 , x0 , , x 0 ; x1 (5.3)
k0 1! (5.3) k 0 раз

k0 k1 kn 1
x x0 x x1 x xn f x0 , x0 , , x0 ; ; xn , xn , , xn .
k 0 раз k n раз

Покажем, что полученный таким образом полином H m x решает


поставленную задачу. Первые k0 членов правой части (5.3) являются
первыми k0 членами разложения функции f x в ряд Тейлора. Осталь-
k
ные же члены содержат множитель x x 0 0 . Поэтому выполняются
условия

H mj x i f ( j) xi , (5.4)

относящиеся к узлу x0. Можно записать N m x , взяв за начальный узел


не x0, а любую из точек x 0 , x1 , , x n . При этом и сам многочлен, и его

122 Университетская серия


5.2. Интерполяционный полином Эрмита

предел останутся прежними, изменится только форма их записи. Таким


образом, условия (5.4) будут выполнены и для остальных узлов.
Остаточный член полинома Эрмита получится из остаточного члена
полинома N m x переходом к пределу при x i j x i , i 0, 1, , n:

m 1
f k0 1
x x0 x x0
lim Rm x lim m 1!
j j
xi xi xi xi
x xn x x nk n 1

m 1
f k0 k1 kn
x x0 x x1 x xn ,
m 1!
и остаточная погрешность определится как
Mm 1 k0 k1 kn m 1
1 x x0 x x1 x xn , Mm 1 max f x .
m 1! a, b

Интерполяционный полином Эрмита можно получить другим спо-


собом. Наряду с H m x рассмотрим интерполяционный полином Ла-
гранжа Ln x , принимающий в точках x 0 , x1 , , x n значения f x 0 ,
f x1 , , f x n . Разность H m x Ln x должна быть многочленом степе-
ни не выше m, обращающимся в нуль в точках x 0 , x1 , , x n . Следова-
тельно,
Hm x Ln x n 1 x Hm n 1 x,
где n 1
x x x 0 x x1 x xn ;
Hm n 1
x — многочлен степени m n 1 .

При любом H m n 1 x функция


Hm x Ln x n x Hm n 1 x
принимает в узлах интерполирования x i значения f x i . Подберем те-
перь H m n 1 x так, чтобы были выполнены и остальные условия (5.4).
Дифференцируя последнее равенство, получим:
Hm x Ln x n 1 x Hm n 1 x n 1 x Hm n 1 x.
Пусть x x i , тогда:
H m xi Ln x i n 1 xi H m n 1 xi .

Университетская серия 123


Глава 5. Интерполирование с кратными узлами и сплайны

Так как n 1 x i 0, в каждой точке, в которой задана величина


H m xi f x i , найдем H m n 1 x i .
Дифференцируя еще раз, получим:
Hm x
Ln x n 1 x Hm n 1 x
2 n 1 x Hm n 1 x n 1 x Hm n 1 x.
Полагая снова x x i , найдем:
H m xi Ln x i n xi H m n 1 xi 2 n xi H m n 1 x.
Из этого равенства можно найти H m n 1 x в тех точках, в которых заданы
H m xi f x i . Продолжим этот процесс далее. Каждый раз коэф-
фициентом при старшей производной от H m n 1 x в точках x i будет
n 1 x i . Таким образом, мы сведем нашу задачу отыскания H m x
к отысканию многочлена H m n 1 x , удовлетворяющего условиям:
Hm n 1 x0 z0 ; Hm n 1 x1 z1 ; Hm n 1 xn zn ;
Hm n 1 x0 z0 ; Hm n 1 x1 z; Hm n 1 xn zn ;

k 2 k0 2 k 2 k1 2 kn 2
H m 0n 1
x0 z0 ; H m 1n 1
x1 z1 ; Hm n 1
xn znk n 2
,
j
где z i , j 0,1, , ki 2, i 0,1, , n — известные числа.

Для построения H m n 1 x применим точно такой же прием. Полу-


чим некоторые условия, наложенные на этот многочлен, где
m1 k 0 k1 k n n 1. В итоге необходимо построить интерполя-
ционный полином Лагранжа по его значениям в некоторых из точек x i .
На практике полином Эрмита часто записывают в различных фор-
мах, которые определяются количеством заданных узлов и их кратно-
стью. Например, полином Эрмита третьей степени, построенный по точ-
кам x 0 , x1 , в которых заданы также значения первой производной, мож-
но записать в виде:
H3 x F1 x f x 0 F2 x f x1 F3 x f x0 F4 x f x1 , (5.5)
где F1 x , F2 x , F3 x , F4 x — полиномы третьей степени, удовлетворяющие ус-
ловиям:
F1 x0 1; F2 x0 0; F3 x0 0; F4 x0 0;
F1 x1 0; F2 x1 1; F3 x1 0; F4 x1 0;
F1 x0 0; F2 x0 0; F3 x0 1; F4 x0 0;
F1 x1 0; F2 x1 0; F3 x1 0; F4 x1 1.

124 Университетская серия


5.3. Интерполирование сплайнами

Очевидно, что полином H 3 x , определяемый формулой (5.5), удов-


летворяет (5.4):

H 3 x0 f x 0 ; H 3 x1 f x1 ;
H 3 x0 f x 0 ; H 3 x1 f x1 .
Иногда интерполяционный многочлен Эрмита строится методом не-
определенных коэффициентов, т. е. рассматривается многочлен
Hm x C0 x m C1 x m 1
Cm
и коэффициенты C 0 , C1 , , C m определяются из условий (5.4).
Вычислительная погрешность интерполяционного полинома Эрмита
в точке x для каждой из его форм определяется так же, как и для интер-
поляционных полиномов Лагранжа, Ньютона и т. д. Например, для (5.5)
вычислительная погрешность выглядит следующим образом:
* ** * **
2 F1 x F2 x F3 x F4 x ,
*
где , ** , * , ** — абсолютные погрешности величин f x 0 , f x1 , f x 0 , f x1
соответственно.

5.3. Интерполирование сплайнами

Интерполирование многочленом Лагранжа, Ньютона или их моди-


фикациями на всем отрезке a; b с использованием большого числа узлов
часто приводит к плохому приближению из-за большой вычислительной
погрешности и высокой чувствительности таких многочленов к ошиб-
кам при вычислении их коэффициентов. Для того чтобы избежать этого,
a; b разбивают на отрезки и на каждом из них приближенно заменяют
функцию f x многочленом невысокой степени (кусочно-полиномиаль-
ная интерполяция).
Одним из способов интерполирования на всем отрезке является ин-
терполирование с помощью сплайн-функций1. Сплайн-функцией или
просто сплайном называют кусочно-полиномиальную функцию, опре-
деленную на отрезке a; b и имеющую на этом отрезке некоторое число
непрерывных производных.

1 Английское слово spline («сплайн») означает гибкую линейку, используемую


для проведения гладких кривых через заданные точки плоскости.

Университетская серия 125


Глава 5. Интерполирование с кратными узлами и сплайны

Максимальная по всем частичным отрезкам степень полиномов назы-


вается степенью сплайна, а разность между степенью сплайна и порядком
наивысшей непрерывной на a; b производной — дефектом сплайна.
Рассмотрим частный, но распространенный в вычислительной прак-
тике случай, когда сплайн определяется с помощью многочленов третьей
степени (кубический сплайн).
Пусть в точках
a x0 x1 xn b
заданы значения функции f x y i f x i , i 0, 1, , n. Кубическим сплай-
ном, соответствующим функции f x и данным узлам x i , называется
функция P(x), удовлетворяющая следующим условиям:
а) на каждом отрезке x i ; x i 1 , i 0, 1, , n 1 функция P x является
многочленом третьей степени;
б) функция P x , а также ее первая (и вторая) производная непре-
рывны на a; b ;
в) P x i y i , i 0, 1, , n.
Последнее условие называют условием интерполирования, а сплайн,
определяемый условиями «а»—«в», также известен как интерполяционный
кубический сплайн.
Предположим, что значения производной функции f x в каждой
из узловых точек: f x i y i , i 0, 1, , n. По значениям y i и y i ,
i 0, 1, , n построим для функции f x на каждом отрезке x i ; x i 1 ,
i 0, 1, , n 1, интерполяционный полином Эрмита третьей степени
в виде (5.4). Для этого введем вспомогательные функции:
2 3
xi 1 x xi 1 x
F1 i ( x) 3 2 ;
hi hi
2 3
x xi x xi
F2 i ( x) 3 2 ;
hi hi
2 3
(5.6)
xi 1 x xi 1 x
F3 i ( x) hi ;
hi hi
2 3
x xi x xi
F4 i ( x) hi ,
hi hi

где hi xi 1
xi , i 0,1, , n 1.

126 Университетская серия


5.3. Интерполирование сплайнами

Для функций (5.6) и их производных


2
xi 1 x xi 1 x
F1 i 6 6 ;
h i2 h i3
2
x xi x xi
F2 i 6 6 ;
h i2 h i3
2
xi 1 x xi 1 x
F3 i 2 3 ;
hi h i2
2
x xi x xi
F4 i 2 3
hi h i2
определены условия (5.5), i 0, 1, , n 1, поэтому полином
Pi x F1 i x y i F2 i x y i 1 F3 i x y i F4 i x y i 1 (5.7)
является полиномом Эрмита для функции f x на каждом отрезке
x i ; x i 1 , а функция P x Pi x , i 0, 1, , n 1 — интерполяционным
кубическим сплайном с непрерывной первой производной, т. е. с дефек-
том, равным 2. Если значения первой производной функции не заданы,
их определяют с помощью формул численного дифференцирования. По-
лученный таким образом сплайн называют локальным, так как он строит-
ся отдельно на каждом отрезке x i ; x i 1 непосредственно по форму-
ле (5.7). Этот способ построения сплайна удобен, если в процессе рабо-
ты (часто в диалоговом режиме с визуализацией результатов на экране)
требуется исправить какое-то одно значение функции или ее производ-
ной.
Построим теперь интерполяционный кубический сплайн с непрерыв-
ной второй производной, т. е. с дефектом, равным 1, по y i , i 0, 1, , n.
Пусть P x непрерывна в узлах, т. е.
Pi 1 xi Pi xi , i 1, 2, , n 1.
Выразим с помощью формулы (5.7) обе части этого соотношения:
y i 1 F1 i 1 xi y i F2 i 1 x i y i 1 F3 i 1 x i y i F4 i 1 xi
y i F1 i x i y i 1 F2 i x i y i F3 i x i yi 1 F4 i xi .
Вторые производные от функций (5.6) имеют вид:
6 xi x 6 x xi 1
F1 i 1 x 12 ; F2 i 1 x 12 ;
h i2 1 h i3 1 h i2 1 h i3 1

Университетская серия 127


Глава 5. Интерполирование с кратными узлами и сплайны

2 xi x 2 x xi 1
F3 i 1 x 6 2
; F4 i 1 x 6 ;
hi 1 hi 1 hi 1 h i2 1
6 x x 6 x xi
F1 i x 2
12 i 1 3 ; F2 i x 12 ;
hi hi h i2 h i3
2 x x 2 x xi
F3 i x 6 i 1 2 ; F4 i x 6
hi hi hi h i2
и в точке x i соответственно равны
6 6
F1 i 1 x i ; F2 i 1 xi ;
h i2 1 h i2 1
,
2 4
F3 i 1 x i ; F4 i 1 xi ;
hi 1 hi 1

6 6
F1 i ( x i ) ; F2 i ( x i ) ;
h i2 h i2
.
4 2
F3 i ( x i ) ; F4 i ( x i ) .
hi hi
Отсюда получаем:
6 6 2 4 6 6 4 2
yi 1 yi yi 1 yi yi yi 1 yi yi 1
h i2 1 h i2 1 hi 1 hi 1 h i2 h i2 hi hi
или

1 hi hi 1 1
yi 1 2 yi yi 1
hi 1 hi hi 1 hi
1
yi 1
h i2 1
(5.8)
h i2 h i2 1
3 yi ,i 1, 2, , n 1.
h i2 h i2 1
1
yi 1
h i2

Введем обозначения:
hi 1
ai , i 1, 2, , n 1.
hi 1 hi

128 Университетская серия


5.3. Интерполирование сплайнами

Очевидно, что 0 ai 1и
hi
1 ai .
hi 1 hi

hi 1 hi
Умножим равенство (5.8) на .
hi 1 hi
Получим:
1 ai
1 ai yi 1 2 yi ai yi 1 3 yi 1
hi 1
hi hi 1 ai
yi yi 1 ,i 1, 2, ,n 1
hi 1 hi hi

или
yi yi 1
1 ai yi 1 2 yi ai yi 1 3 1 ai
hi 1
yi 1 yi
ai ,i 1, 2, , n 1.
hi

Итак, получена система из n 1 уравнений с n 1 неизвестными


y 0 , y1 , , y n . Необходимо задать еще два условия, которые называют-
ся краевыми, так как они обычно связаны с «крайними» значениями y 0
и y n . Рассмотрим два варианта задания краевых условий.
1. Известны значения первой производной на концах отрезка:
y0 f a ; yn f b.
2. Известны значения второй производной на концах отрезка f a
и f b . Пусть P a f a иP b f b . Тогда при i 0 и при i n со-
ответственно имеем:
6 6 4 2
y0 y1 y0 y1 f a;
h 02 h 02 h0 h0
(5.9)
6 6 2 4
yn 1 yn yn 1 yn f b,
h n2 1
2
hn 1 hn 1 hn 1

где f a и f b — заданные величины.

Университетская серия 129


Глава 5. Интерполирование с кратными узлами и сплайны

Из соотношений (5.9) получим:


1 3 3 h0
y0 y1 y0 y1 f a;
2 2 h0 2 h0 4
1 3 3 hn 1
yn yn 1 yn 1 yn f b.
2 2 hn 1 2 hn 1 4

Таким образом, оба варианта задания краевых условий дают два со-
отношения вида:
y0 c0 y1 d 0 , c1 1;
yn cn y n 1 d n , cn 1.

Если постановка задачи не несет в себе задания краевых условий,


то обычно полагают, что P x 0 P xn 0. В этом случае сплайн назы-
вается свободным кубическим сплайном. Такой сплайн обладает свойством
минимальной кривизны, определяемым следующей теоремой.
Пусть в точках
a x0 x1 xn b
заданы значения интерполируемой функции f x , y i f x i , i 0, 1, , n.
Среди всех дважды непрерывно дифференцируемых функций, таких что
yi f xi , f a f b 0,
т. е. на «естественном» сплайне, достигается минимум функционала:
b
F f f x dx.
a

Оценим остаточную и вычислительную погрешности в точке x для


локального сплайна. Предположим, что аппроксимируемая функция
имеет на отрезке a; b непрерывную производную четвертого порядка.
Значения f x i известны с одинаковой абсолютной погрешностью * .
Тогда для любого x x i ; x i 1 , i 0, 1, , n 1 остаточная погрешность
определяется следующим образом:
2 2
M 4i x xi x xi 1
1 ,
4!
где M 4i max f IV x ,
xi , xi 1

130 Университетская серия


5.4. Кривые Безье

а вычислительная погрешность равна:


* * * **
2 F1 i x F2 i x F3 i x F4 i x ,
*
где и ** — полные абсолютные погрешности величин f x i и f x i 1 , соот-
ветственно заданных или вычисленных по формулам численного дифферен-
цирования.

Для глобального сплайна на всем отрезке a; b справедливы следую-


щие оценки остаточных погрешностей в случае равноотстоящих узлов
x i 0, 1, , n:
max f x P x M4 h 4 ;
a, b
max f x P x M4 h 3 ;
a, b
max f x P x M4 h 2 ;
a, b
IV
M4 max f x .
a, b

5.4. Кривые Безье

Следующие два параграфа посвящены методам геометрического мо-


делирования гладких кривых.
В общем виде задача графического построения кривой формулирует-
ся следующим образом: на множестве точек
P Pi , i 0, n. (5.10)
необходимо построить кривую порядка n, лежащую внутри выпуклой
оболочки, образованной точками множества P.
Строго говоря, рассмотренные ниже методы построения кривых Безье
и В-сплайновых кривых в общем виде не являются интерполяцией, по-
скольку получаемые кривые проходят не через все заданные точки. Од-
нако некоторое сходство с задачами интерполяции все же существует:
контрольные точки определяют форму полученной кривой.
Для демонстрации принципов построения кривых по заданному
множеству точек рассмотрим механизм построения кривых разбиения.
Процедура разбиения позволяет рекурсивно создать сегменты ломаной,
которые в конечном варианте и образуют аппроксимацию искомой кри-

Университетская серия 131


Глава 5. Интерполирование с кратными узлами и сплайны

вой. Исходное множество контрольных точек последовательно преобра-


зуется во множество точек кривой.
Идея разбиения относительно проста: на каждой итерации отрезки
между контрольными точками делят на две части, которые в свою оче-
редь порождают новую контрольную точку.
Проиллюстрируем процедуру разбиения графически. Рассмотрим
ломаную, заданную тремя произвольными точками P0, P1 и P2, рис. 5.1а.
Кривая пройдет через точки P0 и P2 внутри треугольника P0P1P2.

Рис. 5.1. Графическая иллюстрация процедуры разбиения:


а — ломаная, заданная тремя произвольными точками P0 , P1 , P2 ; б — разбиение
1 1 1 1
отрезков P0 P1 и P1 P2 ; в — разбиение отрезков P0 P1 , P0 P3 , P3 P1 и P1 P2 ;
г — кусочно-линейная аппроксимация кривой

1
На каждом из отрезков P0 P1 и P1 P2 обозначим середину точками P0
1 1 1
и P1 соответственно. Середина отрезка P0 P1 — точка P3 будет точкой
на искомой кривой. Также точка P3 образует два новых подмножества
1 1
контрольных точек: P0 P0 P3 и P3 P1 P2 (рис. 5.1б).
Выполняя аналогичную процедуру разбиения отдельно для каждого
1 1
из подмножеств контрольных точек P0 P0 P3 и P3 P1 P2 , получим новые
контрольные точки P4 и P5, которые, аналогично точке P3 , яляются точ-

132 Университетская серия


5.4. Кривые Безье

ками искомой кривой, а также образуют новые подмножества контроль-


ных точек: P0 P0 2 P4 , P4 P1 2 P3 , P3 P2 2 P5 и P5 P3 2 P2 (рис. 5.1в).
Продолжая эту процедуру, получим множество точек кривой, соеди-
ненных отрезками, образующих их кусочно-линейную аппроксимацию
искомой кривой (рис. 5.1г).
Механизм построения кривой Безье в целом повторяет процедуру раз-
биения, рассмотренную выше. Для построения кривой Безье можно ис-
пользовать деление отрезка не только на равные части, как было рас-
смотрено выше, но и произвольным образом, в зависимости от парамет-
ра t, определяющего положение точки деления. Параметр t может
принимать значение от 0 до 1. Очевидно, построение кривой разбиения
соответствует значению t 0,5.
Уточним постановку задачи для получения кривой Безье. На задан-
ном множестве точек (5.10) требуется построить кривую, проходящую
через точки P0 и Pn и лежащую внутри выпуклой оболочки, описываемой
множеством точек (5.10). Точки P0 , P1 , P2 , ..., Pn являются контрольными
точками, определяющими кривизну линии.
Кривая Безье степени n задается параметрическими уравнениями вида:
n
Bt Bin t Pi , (5.11)
i 0

где Pi — множество контрольных точек;


t — параметр, t ([0; 1];
Bin t — многочлены Бернштейна;
n — степень полинома Бернштейна и соответственно кривой Безье;
i — порядковый номер контрольной точки.

Многочлены Бернштейна являются весовыми коэффициентами в урав-


нениях кривой Безье и определяются по формуле:
n i n! n i
Bin t C in t i 1 t ti 1 t . (5.12)
i! n i !
Уравнение (5.11) можно записать в матричном виде:
Bt P BT, (5.13)
xt
где B t yt — координаты точки кривой;
zt

Университетская серия 133


Глава 5. Интерполирование с кратными узлами и сплайны

x0 x1 xn
P P0 , ..., Pn y0 y1 y n — контрольные точки;
z0 z1 zn
t0
T t 1 — вектор параметрических коэффициентов;

tn
B ij , i, j 0,n — базисная матрица Безье;
j i j i n! j! j i n!
ij 1 C nj C i j 1 1 .
j! n j ! i ! j i ! i! n j ! j i !

Степень n в уравнении (5.11) определяет вид кривой Безье. Наиболее


часто используемые кривые — линейная, квадратическая и кубическая.
Линейная кривая Безье получается при n 1. Для ее построения ис-
пользуют две контрольные точки: P0 и P1 . Тогда уравнение (5.12) примет
вид:
Bt 1 t P0 tP1 , t 0; 1 .
Кривая представляет собой отрезок прямой между точками P0 и P1.
Длина отрезка определяется параметром t. При t 1 кривая полностью
совпадает с отрезком P0 P1 . При t 0,75 кривая составляет 3/4 длины от-
резка P0 P1 от конца P0 .
Квадратическая кривая Безье получается при n 2. Она определяется
тремя контрольными точками P0 , P1 и P2 . Уравнение (5.11) преобразуется
к виду:
2
Bt 1 t P0 2t 1 t P1 t 2 P2 , t 0; 1 .
Кубическая кривая Безье получается при n 3. Такая кривая задает-
ся четырьмя контрольными точками P0 , P1 , P2 и P3 . Эти точки могут быть
заданы как на плоскости, так и в пространстве. Уравнение (5.11) в этом
случае представляют следующим образом:
3 2
Bt 1 t P0 3t 1 t P1 3t 2 1 t P2 t 3 P3 , t 0; 1 .
Кривые высших степеней строятся также по выражению (5.11) и ис-
пользуются реже.
Перечислим основные свойства кривых Безье:
1. Многочлены Бернштейна (5.12) неотрицательны.

134 Университетская серия


5.4. Кривые Безье

n
2. Сумма коэффициентов Бернштейна равна единице: Bin t 1.
i 1
3. Многочлены Бернштейна не зависят от множества контрольных
точек P.
4. Кривая Безье является гладкой. Для нее выполняются следующие
условия:
первая производная радиуса-вектора равна:
n 1
B t n Pi 1 Pi Bin 1
t;
i 0
вторая производная радиуса-вектора равна:
n 2
B t nn 1 Pi 2 2 Pi 1 Pi Bin 2
t.
i 0
5. Кривая Безье проходит через точки P0 и Pn , касаясь отрезка P0 P1
в точке P0 контрольной ломаной B t n P1 P0 и отрезка Pn 1 Pn в точке
Pn контрольной ломаной B t n Pn Pn 1 .
6. Кривая Безье лежит в выпуклой оболочке, описываемой множе-
ством точек (5.10).
7. Кривая Безье симметрична. При перемене порядка нумерации мно-
жества точек (5.10) на противоположный P0 , P1 , , Pn Pn , Pn 1 , , P0
кривая сохраняет свою форму.
8. Кривая Безье аффинно-инвариантна.
9. Кривая Безье проективно-неинвариантна.
10. Форма кривой Безье повторяет контрольную ломаную. Число
точек пересечения кривой с произвольной прямой не больше числа то-
чек пересечения этой прямой контрольной ломаной.
11. Форма кривой Безье зависит от порядка нумерации контроль-
ных точек во множестве (5.10).
12. Если все контрольные точки P0 , P1 , , Pn компланарны (лежат
в одной плоскости), кривая Безье лежит в этой же плоскости.
13. Если все контрольные точки P0 , P1 , , Pn коллинеарны (лежат
на одной прямой), кривая Безье совпадает с отрезком P0 Pn .
14. Изменение хотя бы одной контрольной точки во множестве
(5.10) приводит к изменению всей кривой Безье.
15. Добавление во множество контрольных точек хотя бы одной
точки требует пересчета уравнений кривой Безье.
16. Множество контрольных точек (5.10) однозначно определяет
кривую Безье.

Университетская серия 135


Глава 5. Интерполирование с кратными узлами и сплайны

17. Старшая степень функциональных многочленов Бернштейна


на единицу меньше количества контрольных точек.
Обычно на практике используются кривые Безье третьего порядка.
В таком случае кривая, построенная по набору из n точек, состоит из на-
бора кривых третьего порядка. Первая кривая строится на основе точек
P0 , P1 , P2 , P3 . Вторая — на основе P3 , P4 , P5 , P6 и т. д.
ПРИМЕР 5.1
На множестве контрольных точек P (2 ; 2 ), (3; 6), (4; 6), (5; 2 ) по-
строить кубическую кривую Безье.

Решение.
Рассмотрим выражение (5.13) для кривой Безье третьей степени при
условиях, что:
xt
Bt — координаты точки кривой;
yt
2 3 4 5
P — контрольные точки;
2 6 6 2
1 3 3 1
0 3 6 3
B — базисная матрица Безье.
0 0 3 3
0 0 0 1
Параметр t зададим последовательно в интервале от 0 до 1 с шагом
0,1. Получим набор векторов коэффициентов T:
1 1,000 1,000
0 0,100 0,200
t 0 T ,t 0,1 T ,t 0,2 T , ...,
0 0,010 0,040
0 0,001 0,008
1,000 1
0,900 1
t 0,9 T ,t 1 T .
0,810 1
0,729 1

Вычисляя произведение (5.13) при разных значениях параметра t, по-


лучим:
2 2,30 2,60
Bt 0 , B t 0,1 , B t 0,2 , ...,
2 2,08 3,92

136 Университетская серия


5.5. B-сплайновые кривые

4,70 5
Bt 0,9 ,B t 1 .
3,08 2

Изобразим на рис. 5.5 контрольную ломаную и полученную кривую.

Рис. 5.2. Контрольная ломаная и кривая Безье

5.5. B-сплайновые кривые

B-сплайн (базисный или фундаментальный сплайн) является более


общим представлением кривой Безье.
В-сплайн является параметрической сплайн-функцией p t , кото-
рая строится как взвешенная сумма m базисных функций N in t . В са-
мом простом случае каждая базисная функция состоит из n полино-
мов, каждый из которых в свою очередь определен на шкале парамет-
ров t.
В общем виде задача графического построения кривой на основе
В-сплайна формулируется следующим образом: на множестве точек
P Pi , i 0, m. (5.14)
необходимо построить кривую порядка n, n m 1 , лежащую внут-
ри выпуклой оболочки, образованной точками множества P. Точки
P0, P2, ..., Pm являются контрольными точками, определяющими кривиз-
ну В-сплайна.

Университетская серия 137


Глава 5. Интерполирование с кратными узлами и сплайны

B-сплайн — это гладкая кривая, т. е. кривая с n непрерывными стар-


шими производными, где n — порядок сплайна1. Как правило, B-сплайн
составляют из дуг полиномов третьей степени. С одной стороны, поли-
ном третьей степени обеспечивает необходимую гладкость, с другой —
является наименее сложным для вычисления. В общем случае B-сплайн,
в отличие от кривой Безье, не проходит через контрольные точки.
По сравнению с кривыми Безье В-сплайн имеет некоторые преиму-
щества, а именно:
аппроксимация исходной ломаной В-сплайнами точнее, чем кри-
вой Безье;
порядок многочлена Бернштейна, а следовательно, и кривой Безье
зависит от числа вершин исходной ломаной. Изменение поряд-
ка многочлена требует изменения количества вершин. У В-сплай-
на порядок многочлена n – 1 и количество контрольных точек m
не зависят друг от друга;
каждая точка кривой Безье строится как линейная комбинация
всех контрольных точек исходной ломаной. Изменение коорди-
нат одной точки приводит к изменениям всей кривой Безье. Для
В-сплайновой кривой порядка n при изменении координат одной
точки требуется пересчет n элементарных кривых.
В-сплайн порядка n (т. е. степени n – 1) задается параметрическим
выражением:
m
pt N in t Pi , (5.15)
i 0
где Pi — множество контрольных точек, i 0, m;
t — вектор узлов, t t1 , t 2 , ... ;
N in (t ) — весовая функция;
n — порядок функции В-сплайна (степень полинома n – 1);
i — порядковый номер контрольной точки.

Фундаментальное выражение весовой функции N in t задается ре-


куррентной формулой:
t ti ti n t
N in t N i, n 1 t N i 1, n 1 t , (5.16)
ti n 1 ti ti n ti 1

1 Порядок полинома n
число его коэффициентов. С учетом свободного члена
старшая степень переменной на единицу меньше порядка n – 1 .

138 Университетская серия


5.5. B-сплайновые кривые

1, t t i ;t i 1
N i1
0, t t i ;t i 1 .

Любая неопределенность 0/0 или деление на 0 в выражении (5.16)


понимается как 0.
Уравнение (5.16) можно записать в матричном виде:

pt P T, (5.17)

xt
где p t yt — координаты точки кривой;
zt

P P n , , Pi , ,P n — контрольные точки, если n нечетное;


i i
2 2

P P n , , Pi , ,P n — контрольные точки, если n четное;


i 1 i
2 2
0
t ti
1
t ti — вектор параметрических коэффициентов, t1
T t tm n;

n
t ti
i 1, m n — индекс;
ij , i, j 0,n — базисная матрица В-сплайновой кривой.

Как отмечалось выше, наиболее часто используют В-сплайн четвер-


того порядка, описываемый полиномом третьей степени. Такая кривая
носит название кубического В-сплайна.
Кубический В-сплайн задается четырьмя контрольными точками P0,
P1, P2 и P3. Контрольные точки могут быть заданы как на плоскости, так
и в пространстве. Уравнение (5.15) для кубического В-сплайна преобра-
зуется следующим образом:
3
pt a i t Pi , t 0; 1 , (5.18)
i 0

(1 t ) 3 3t 3 6t 2 4 3t 3 3t 2 3t 1 t3
где a0 (t ) , a1 , a2 , a3 — функцио-
6 6 6 6
нальные коэффициенты.

Университетская серия 139


Глава 5. Интерполирование с кратными узлами и сплайны

Параметрические уравнения кубического В-сплайна в матричном


виде (5.17) используют базисную матрицу:
1 3 3 1
1 4 0 6 3
.
6 1 3 3 3
0 0 0 1
Как правило, В-сплайн не проходит ни через одну контрольную точ-
ку. Однако можно добиться, чтобы В-сплайн проходил через конечные
точки Р0 и Рm . Для этого используют так называемые кратные контроль-
ные точки.
Если Рi Рi 1 Рi s , тогда контрольную точку Рi называют точ-
кой кратности s.
В случае, когда контрольные точки Р0 и Рm являются s-кратными,
начальная и конечная точки кривой приближаются соответственно
к этим точкам. Если же кратность Р0 и Рm равна степени полинома
s n 1 , тогда начальная и конечная точки кривой совпадают с контроль-
ными.
Используя особенность кратных контрольных точек, можно изме-
нить форму В-сплайновой кривой, добавляя кратные точки в середину
множества контрольных точек.
Если, аналогично случаю с крайними точками, степень полинома
и кратность точки Рi совпадают s n 1 , то в этой точке Рi кривая будет
иметь излом. По мере увеличения разницы между кратностью вершины s
и порядком n В-сплайна моделируемая кривая все больше будет откло-
няться от контрольной ломаной (рис. 5.3).

Рис. 5.3. В-сплайновые кривые третьего, пятого и шестого порядка

140 Университетская серия


5.5. B-сплайновые кривые

На рис. 5.3 контрольные точки Р0 , Р2 и Р4 имеют кратность s 2.


Построенные на множестве P P0 , P1 , P2 , P3 , P4 В-сплайновые кривые
третьего, пятого и шестого порядка наглядно иллюстрируют степень от-
клонения полученной кривой от ломаной и излом в контрольной точке
Р2 у полинома второй степени.
Перечислим основные свойства составного В-сплайна.
1. Функциональные коэффициенты a i t неотрицательны.
2. Сумма функциональных коэффициентов равна единице:
n
ai t 1.
i 1

3. Функциональные коэффициенты не зависят от множества конт-


рольных точек P.
4. В-сплайн является гладкой кривой. В точке стыка кубического
В-сплайна выполняются следующие условия:
1
p i ti 1 pi 1
ti 1 Pi 4Pi 1 Pi 2 ;
6
i i 1 1
p ti 1 p ti 1 Pi Pi 2 ;
2
i i 1
p ti 1 p ti 1 Pi 2 Pi 1 Pi 2.

5. В общем случае В-сплайн не проходит ни через одну контроль-


ную точку.
6. Кратность контрольной точки усиливает ее притяжение. Если
степень полинома В-сплайна совпадает с кратностью контрольной точ-
ки, то В-сплайн проходит через эту точку.
7. В-сплайн лежит внутри объединения m – n выпуклых оболочек,
образованного точками:

P n ,P n , , Pi , ,P n ,P n , если n нечетное, i 1, m n;
i i 1 i 1 i
2 2 2 2

P n ,P n , , Pi , ,P n ,P n , если n четное, i 1, m n,
i 1 i 2 i 1 i
2 2 2 2

n
где означает целую часть числа, результат деления n на 2.
2

Университетская серия 141


Глава 5. Интерполирование с кратными узлами и сплайны

8. В-сплайн повторяет контрольную ломаную. Число точек пересе-


чения В-сплайновой кривой с произвольной прямой не больше числа
точек пересечения этой прямой контрольной ломаной.
9. Если все контрольные точки P0 , P1 , , Pm (лежат в одной плоско-
сти) (компланарны), то составная В-сплайновая кривая лежит в этой же
плоскости.
10. Если все контрольные точки P0 , P1 , , Pm (лежат на одной пря-
мой) (коллинеарны), то составная В-сплайновая кривая совпадает с от-
резком прямой P0 Pm .
11. В-сплайн аффинно-инвариантен.
12. В-сплайн проективно-неинвариантен.
13. Изменение одной контрольной точки во множестве (5.14) при-
водит к изменению только части В-сплайновой кривой. Изменение вер-
шины Pi приводит к изменению n соседних кривых, в построении кото-
рых участвует эта точка.
14. Добавление во множество контрольных точек одной точки требует
пересчета n соседних кривых, в построении которых участвует эта точка.
15. Множество контрольных точек (5.14) однозначно определяет
В-сплайн.
ПРИМЕР 5.2
На множестве контрольных точек:
P 1; 1 , 2 ; 6 , 4; 2 , 5; 7 , 6; 2 , 7; 7
построить кубический В-сплайн.

Решение.
Определим значения коэффициентов a 0 , a1 , a 2 , a 3 для выражения
(5.18).

Таблица 5.2

t 0,0 t 0,1 t 0,2 t 0,3 t 0,4 t 0,5


a0 0,167 0,122 0,085 0,057 0,036 0,021
a1 0,667 0,657 0,631 0,590 0,539 0,479
a2 0,167 0,221 0,283 0,348 0,415 0,479
a3 0,000 0,000 0,001 0,005 0,011 0,021

142 Университетская серия


5.5. B-сплайновые кривые

Продолжение табл. 5.2

t 0,6 t 0,7 t 0,8 t 0,9 t 1,0


a0 0,011 0,005 0,001 0,000 0,000
a1 0,415 0,348 0,283 0,221 0,167
a2 0,539 0,590 0,631 0,657 0,667
a3 0,036 0,057 0,085 0,122 0,167

Для каждого значения t определим значения координат В-сплайна.


Для первого кубического сегмента, т. е. для контрольных точек P0 ,
P1 , P2 , P3 получим:
1 2 4 5 2 ,17
pt 0 0,167 0,667 0,167 0 ,
1 6 2 7 4,50
1 2 4 5 2 ,32
pt 0,1 0,122 0,657 0,221 0,0002 и т. д.,
1 6 2 7 4,51
1 2 4 5 3,83
pt 1 0 0,167 0,667 0,167 .
1 6 2 7 3,50
Первый сегмент будет иметь вид, показанный на рис. 5.4а.
Второй сегмент (рис. 5.4б), построенный по точкам P1 , P2 , P3 , P4 будет
иметь следующие координаты (табл. 5.3).

Таблица 5.3

t x y
0,0 3,83 3,50
0,1 3,98 3,59
0,2 4,11 3,75
0,3 4,24 3,97
0,4 4,36 4,22
0,5 4,48 4,48
0,6 4,59 4,74
0,7 4,70 4,97
0,8 4,80 5,16
0,9 4,90 5,29
1,0 5,00 5,33

Университетская серия 143


Глава 5. Интерполирование с кратными узлами и сплайны

Рис. 5.4. Построение кубического B-сплайна:


а — первый сегмент; б — второй сегмент; в — третий сегмент; г — общий
B-сплайн

144 Университетская серия


Вопросы для самопроверки

Последний, третий сегмент (рис. 5.4в), построенный по точкам P2,


P3, P4, P5, будет иметь координаты (табл. 5.4).

Таблица 5.4

t x y

0,0 5,00 5,33


0,1 5,10 5,29
0,2 5,20 5,16
0,3 5,30 4,97
0,4 5,40 4,75
0,5 5,50 4,50
0,6 5,60 4,25
0,7 5,70 4,03
0,8 5,80 3,84
0,9 5,90 3,71
1,0 6,00 3,67

Объединяя все сегменты в общий В-сплайн, получим изображение,


показанное на рис. 5.4г.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Задача геометрического построения гладких кривых.


2. Контрольные точки кривой.
3. Механизм построения кривых разбиения.
4. Точки множества контрольных точек P Pi , i 0, n, через которые проходит
кривая Безье.
5. Основные свойства многочленов Бернштейна.
6. Основные виды кривых Безье. Кривые Безье первого, второго и третьего порядка.
7. Понятие В-сплайна.

Университетская серия 145


Глава 5. Интерполирование с кратными узлами и сплайны

8. Точки множества контрольных точек P Pi , i 0,m, через которые проходит


В-сплайн.
9. Увеличение кратности контрольных точек при построении В-сплайна.
10. Основные свойства функциональных коэффициентов.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. На множестве контрольных точек P 0 P0 , P1 , P2 , P3 постройте кубическую


кривую Безье с последовательностью контрольных точек P 1 P0 , P1 , P2 , P3 ,
P 2 P0 , P3 , P2 , P1 , P 3 P0 , P1 , P3 , P2 , P 4 P0 , P2 , P1 , P3 .

1. P 4; 2 , 3; 5 , 8; 4 , 7; 1 . 16. P 2; 2 , 5; 5 , 7; 5 , 9; 2 .

2. P 0; 9 , 2; 0 , 6; 4 , 5; 10 . 17. P 7; 7 , 8; 9 , 8; 7 , 7; 6 .

3. P 0; 9 , 1; 4 , 2; 11 , 3; 8 . 18. P 9; 1 , 7; 5 , 5; 4 , 6; 2 .

4. P 4; 2 , 3; 5 , 6; 4 , 5; 3 . 19. P 3; 1 , 2; 3 , 2; 6 , 4; 8 .

5. P 1; 0 , 7; 0 , 2; 9 , 6; 8 . 20. P 1; 2 , 3; 0 , 0; 6 , 4; 7 .

6. P 7; 0 , 7; 4 , 3; 4 , 3; 0 . 21. P 4; 4 , 5; 5 , 9; 1 , 7; 1 .

7. P 5; 9 , 5; 5 , 4; 8 , 9; 8 . 22. P 3; 2 , 4; 6 , 5; 4 , 4; 1 .

8. P 3; 1 , 4; 4 , 6; 3 , 5; 2 . 23. P 8; 2 , 7; 6 , 9; 5 , 9; 4 .

9. P 7; 9 , 5; 7 , 5; 4 , 9; 0 . 24. P 4; 4 , 6; 6 , 7; 0 , 5; 0 .

10. P 1; 5 , 2; 3 , 4; 4 , 3; 6 . 25. P 5; 8 , 3; 3 , 5; 2 , 7; 4 .

11. P 1; 4 , 2; 1 , 2; 5 , 4; 6 . 26. P 2; 1 , 2; 7 , 6; 4 , 4; 8 .

12. P 2; 7 , 4; 5 , 6; 7 , 5; 9 . 27. P 4; 3 , 5; 5 , 0; 4 , 1; 7 .

13. P 4; 5 , 7; 5 , 7; 2 , 5; 0 . 28. P 1; 3 , 2; 1 , 5; 3 , 4; 5 .

14. P 6; 2 , 4; 3 , 4; 2 , 5; 2 . 29. P 2; 1 , 1; 7 , 5; 4 , 5; 1 .

15. P 2; 9 , 0; 5 , 1; 3 , 3; 7 . 30. P 2; 8 , 8; 8 , 6; 4 , 2; 3 .

146 Университетская серия


Задачи для самостоятельного решения

0
2. На множестве контрольных точек P P0 , P1 , P2 , P3 , P4 , P5 постройте кубиче-
ский В-сплайн.

1. P 3; 2 , 4; 5 , 5; 1 , 7; 4 , 8; 1 , 9; 3 . 16. P 9; 3 , 8; 5 , 7; 6 , 6; 4 , 5; 3 , 4; 2 .

2. P 0; 9 , 2; 3 , 4; 6 , 6; 5 , 8; 3 , 9; 0 . 17. P 5; 0 , 7; 2 , 7; 5 , 5; 3 , 3; 5 , 3; 2 .

3. P 0; 1 , 1; 5 , 3; 3 , 5; 9 , 6; 7 , 8; 9 . 18. P 1; 2 , 2; 3 , 3; 3 , 4; 2 , 3; 1 , 2; 1 .

4. P 4; 2 , 5; 5 , 6; 1 , 7; 5 , 8; 3 , 9; 6 . 19. P 2; 5 , 1; 8 , 3; 9 , 5; 6 , 4; 5 , 7; 3 .

5. P 1; 0 , 2; 9 , 4; 8 , 5; 6 , 7; 2 , 8; 7 . 20. P 1; 2 , 1; 4 , 3; 3 , 5; 4 , 5; 2 , 3; 0 .

6. P 7; 0 , 3; 2 , 1; 5 , 4; 8 , 5; 5 , 6; 1 . 21. P 2; 2 , 3; 4 , 5; 3 , 7; 4 , 8; 2 , 5; 1 .

7. P 5; 9 , 7; 5 , 4; 1 , 2; 5 , 3; 7 , 6; 8 . 22. P 0; 3 , 1; 5 , 3; 5 , 4; 3 , 3; 1 , 1; 1 .

8. P 2; 6 , 5; 7 , 7; 5 , 6; 2 , 4; 1 , 2; 2 . 23. P 2; 0 , 0; 2 , 3; 5 , 5; 2 , 4; 0 , 6; 1 .

9. P 1; 2 , 3; 6 , 5; 5 , 5; 3 , 3; 2 , 2; 0 . 24. P 0; 2 , 2; 4 , 3; 4 , 4; 2 , 3; 0 , 2; 0 .

10. P 8; 5 , 9; 3 , 7; 2 , 6; 4 , 7; 6 , 8; 5 . 25. P 1; 1 , 1; 5 , 3; 4 , 5; 5 , 5; 1 , 3; 0 .

11. P 1; 1 , 1; 5 , 5; 5 , 5; 0 , 6; 1 , 6; 3 . 26. P 2; 1 , 1; 3 , 2; 5 , 5; 5 , 6; 3 , 5; 1 .

12. P 2; 0 , 2; 3 , 4; 4 , 4; 1 , 6; 2 , 6; 4 . 27. P 4; 3 , 4; 5 , 5; 6 , 6; 5 , 6; 3 , 7; 4 .

13. P 1; 3 , 1; 0 , 4; 1 , 4; 5 , 6; 5 , 6; 1 . 28. P 1; 5 , 2; 3 , 5; 0 , 8; 3 , 9; 5 , 5; 4 .

14. P 6; 2 , 6; 8 , 4; 7 , 5; 3 , 3; 3 , 2; 6 . 29. P 8; 1 , 7; 0 , 7; 4 , 5; 6 , 4; 4 , 4; 2 .

15. P 2; 9 , 3; 3 , 5; 4 , 6; 6 , 8; 6 , 9; 4 . 30. P 4; 0 , 7; 1 , 6; 4 , 4; 3 , 2; 4 , 1; 1 .
Глава 6
ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ ФУНКЦИЙ ОДНОЙ ПЕРЕМЕННОЙ

Постановка задачи численного интегрирования


Метод прямоугольников
Метод трапеций
Метод Симпсона
Правило Рунге практической оценки погрешности

6.1. Постановка задачи численного интегрирования

Далеко не все интегралы можно вычислить по известной из матема-


тического анализа формуле Ньютона—Лейбница:
b
b
I f x dx F x a F b –F a , (6.1)
a
где F x — первообразная функции f x .

Например, в элементарных функциях не выражается интеграл


b
x2
e dx. Но даже в тех случаях, когда удается выразить первообразную
0
функцию F x через элементарные функции, она может оказаться очень
сложной для вычислений. Кроме того, точное значение интеграла по форму-
ле (6.1) нельзя получить, если функция f x задается таблицей. В этих случа-
ях обращаются к методам численного интегрирования. К ним, в частности,
относятся метод прямоугольников, метод трапеций и метод Симпсона.
Суть численного интегрирования заключается в том, что подынтег-
ральную функцию f x заменяют другой, приближенной функцией так,
чтобы, во-первых, она была близка к f x и, во-вторых, интеграл от нее
легко вычислялся. Например, можно заменить подынтегральную функ-
цию интерполяционным многочленом. Также широко используют квад-
ратурные формулы:
b n
f x dx Ai f x i , (6.2)
a i 0

где xi — некоторые точки на отрезке a; b ,называемые узлами квадратурной формулы;


Ai — числовые коэффициенты, называемые весами квадратурной формулы;
n 0 — целое число.

148 Университетская серия


6.2. Метод прямоугольников

6.2. Метод прямоугольников

Метод прямоугольников основан на использовании геометрической


b
интерпретации интеграла. Будем интерпретировать интеграл f x dx как
0
площадь криволинейной трапеции, ограниченной графиком функции
y f x , осью абсцисс и прямыми x a и x b (рис. 6.1).

Рис. 6.1. Графическая иллюстрация геометрической интерпретации интеграла

b a
Разобьем отрезок a; b на n равных частей длиной h так, что h .
n
При этом получим точки a x0 x1 x2 xn b и xi 1 xi h,
i 0, 1, , n – 1 (рис. 6.2).

Рис. 6.2. Графическая иллюстрация разбиения криволинейной трапеции

Заменим приближенно площадь криволинейной трапеции площадью


ступенчатой фигуры, изображенной на рис. 6.3.

Университетская серия 149


Глава 6. Численное интегрирование функций одной переменной

Рис. 6.3. Графическая иллюстрация метода прямоугольников

Эта фигура состоит из n прямоугольников. Основание i-го прямо-


угольника образует отрезок x i ; x i 1 длины h, а высота основания равна
xi xi 1
значению функции в середине отрезка xi ; xi 1 , т. е. f
2
(рис. 6.4).

Рис. 6.4. Графическая иллюстрация одного сегмента метода средних прямоугольников

Тогда получим квадратурную формулу средних прямоугольников:


b xi xi
b an 1
1
I f x dx I пр f . (6.3)
a n i 0 2
Формулу (6.3) называют также формулой средних прямоугольников.
Иногда используют формулы:

150 Университетская серия


6.2. Метод прямоугольников

л b an 1
I I пр f xi , (6.4)
n i 0

b a n
п
I I пр f xi , (6.5)
n i 1

которые называют соответственно квадратурными формулами левых


и правых прямоугольников.
Геометрические иллюстрации этих формул приведены на рис. 6.5
и 6.6.

Рис. 6.5. Графическая иллюстрация метода левых прямоугольников

Рис. 6.6. Графическая иллюстрация метода правых прямоугольников

Для оценки погрешности формулы прямоугольников воспользуемся


следующей теоремой.

Университетская серия 151


Глава 6. Численное интегрирование функций одной переменной

ТЕОРЕМА 6.1
Пусть функция f дважды непрерывно дифференцируема на отрезке
a ; b . Тогда для формулы прямоугольников справедлива следующая оценка
погрешности:
M2 b a 2
I I пр h ,
24
где M 2 max f x .
a, b

ПРИМЕР 6.1
1
x2
Вычислить значение интеграла e dx по формуле средних прямо-
0

угольников с шагом h 0,1.

Решение.
Воспользуемся формулой (6.2).
x2
Составим таблицу значений функции e (табл. 6.1).
Таблица 6.1

x x2 x x2 x x2
e e e
0,00 1,0000000 0,35 0,8847059 0,70 0,6126264
0,05 0,9975031 0,40 0,8521438 0,75 0,5697828
0,10 0,9900498 0,45 0,8166865 0,80 0,5272924
0,15 0,9777512 0,50 0,7788008 0,85 0,4855369
0,20 0,9607894 0,55 0,7389685 0,90 0,4448581
0,25 0,9394131 0,60 0,6976763 0,95 0,4055545
0,30 0,9139312 0,65 0,6554063 1,00 0,3678794

Производя вычисления по формуле (6.2), получим: Iпр 0,74713088.


Оценим погрешность полученного значения. Имеем:
x2 x2
f x e (4 x 2 – 2 )e .
Нетрудно убедиться, что f x M2 2 . Поэтому по формуле (6.3):
2 1 2
I I пр 0,1 0,84 10 3 .
24
1
x2
Ответ. e dx 0,75.
0

152 Университетская серия


6.3. Метод трапеций

6.3. Метод трапеций

Метод трапеций так же, как и метод прямоугольников, опирается на


геометрический смысл интеграла. Заменим график функции y f x
(рис. 6.1) ломаной линией (рис. 6.7), полученной следующим образом.
Из точек a x 0 , x1 , x 2 , , x n b проведем ординаты до пересече-
ния с кривой y f x . Концы ординат соединим прямолинейными от-
резками.

Рис. 6.7. Графическая иллюстрация метода трапеций

Площадь криволинейной трапеции приближенно можно считать


равной площади фигуры, составленной из трапеций. Так как площадь
b a
трапеции, построенной на отрезке x i ; x i 1 длины h , равна
n
f xi f xi 1
h, то, пользуясь этой формулой для i 0, 2, ..., n – 1,
2
получим квадратурную формулу трапеций:

b f x0 f x1 f x1 f x2
I f x dx I тр h
a 2 2 (6.6)
f xn 1 f xn b a f x0 f xn n 1
f xi .
2 n 2 i 1

Для оценки погрешности формулы трапеций воспользуемся следую-


щей теоремой.

Университетская серия 153


Глава 6. Численное интегрирование функций одной переменной

ТЕОРЕМА 6.2
Пусть функция f дважды непрерывно дифференцируема на отрезке
a ; b . Тогда для формулы трапеций справедлива следующая оценка погреш-
ности:
M2 b a 2
I I тр h ,
12
где M 2 max f x .
a, b

ПРИМЕР 6.2
1
x2
Вычислить значение интеграла e dx по формуле трапеций и срав-
0
нить полученный результат с результатом примера 6.1.

Решение.
2
Используя таблицу значений функции e x из примера 6.1 и произ-
водя вычисления по формуле трапеций (6.5), получим: Iтр 0,74621079.
Оценим погрешность этого значения. В примере (6.1) вывели оцен-
ку: f x M 2 2 . Поэтому по формуле (6.6) будем иметь:
2 1 2
I I пр 0,1 1,7 10 3 .
12

1
x2
Ответ. e dx 0,75.
0

Сравнивая результаты примеров 6.1 и 6.2, видим, что метод средних


прямоугольников имеет меньшую погрешность, т. е. он более точный.

6.4. Метод Симпсона

При использовании метода Симпсона (или метода парабол) заменим


график функции y f x на отрезке x i ; x i 1 , i 0, 2, , n 1 параболой,
проведенной через точки x i , f x i , x i , f x i , x i 1 , f x i 1 , где x i —
середина отрезка x i ; x i 1 . Эта парабола есть интерполяционный много-
член второй степени L2 x с узлами xi, x i , xi 1. Нетрудно убедиться, что
уравнение этой параболы имеет вид:

154 Университетская серия


6.4. Метод Симпсона

f xi 1 f xi
y L2 x f xi x xi
h
f xi 2 f xi f xi 2
(6.7)
1
x xi ,
h2
2
b a
где h .
n
Проинтегрировав функцию (6.7) на отрезке x i ; x i 1 , получим:
xi 1 xi 1
h
Ii f x dx L2 x dx f xi 4 f xi f xi 1 . (6.8)
xi xi 6
Суммируя выражение (6.8) по i 0, 1, 2, , n 1, получим квадратур-
ную формулу Симпсона (или формулу парабол):
b n 1 n 1
h
I f x dx IC f x0 f xn 4 f xi 2 f xi . (6.9)
a 6 i 0 i 1

Для оценки погрешности формулы Симпсона воспользуемся следую-


щей теоремой.
ТЕОРЕМА 6.3
Пусть функция f имеет на отрезке a ; b непрерывную производную
четвертого порядка f 4 x . Тогда для формулы Симпсона (6.7) справедлива
следующая оценка погрешности:
M4 b a
I IC h 4, (6.10)
2880
где M 4 max f 4 x .
a, b

Заметим, что если число элементарных отрезков, на которые делится


отрезок a; b , четно, т. е. n 2m, то параболы можно проводить через уз-
лы с целыми индексами и вместо элементарного отрезка x i ; x i 1 дли-
ны h рассматривать отрезок x 2 i ; x 2 i 2 длины 2h. Тогда формула Симпсо-
на примет вид:

h m m 1
I f x0 f x2m 4 f x2i 1 2 f x2i ,
3 i 1 i 1

Университетская серия 155


Глава 6. Численное интегрирование функций одной переменной

а вместо оценки (6.8) будет справедлива следующая оценка погрешно-


сти:
M4 b a
I IC h4 .
180

ПРИМЕР 6.3
1
x2
Вычислить значение интеграла e dx по формуле Симпсона
0

и сравнить полученный результат с результатами примеров 6.1 и 6.2.


Решение.
2
Используя таблицу значений функции e x из примера 6.1 и произ-
водя вычисления по формуле Симпсона (6.9), получим: IС = 0,74682418.
Оценим погрешность этого значения. Вычислим четвертую произ-
водную f 4 x :
4 x2 4
f x 16 x 4 – 48 x 2 12 e , f x 12 .
Поэтому
12 1 4
I IС 0,1 0,42 10 –6 .
2880
Сравнивая результаты примеров 6.1, 6.2 и 6.3, видим, что метод
Симпсона имеет меньшую погрешность, чем метод средних прямоуголь-
ников и метод трапеций.

1
x2
Ответ. e dx 0,746824.
0

6.5. Правило Рунге практической оценки погрешности

Оценки погрешности по формулам (6.3), (6.6) и (6.10) являются ап-


риорными. Они зависят от длины элементарного отрезка h, и при доста-
точно малом h справедливо приближенное равенство:
I —I h Ch k , (6.11)

156 Университетская серия


6.5. Правило Рунге практической оценки погрешности

где Ih — приближенное значение интеграла, вычисленное по одной из формул


(6.2), (6.4), (6.7), С 0 и k 0 — величины, не зависящие от h.

Если уменьшить шаг h в два раза, то в соответствии с (6.11) получим:


h 1 k 1
I —I 2 Ch I —I h . (6.12)
2 2k
Непосредственное использование оценок погрешности (6.3), (6.6)
и (6.10) неудобно, так как при этом требуется вычисление производ-
ных функции f x . В вычислительной практике используют другие
оценки.
Вычтем из (6.11) выражение (6.12):
h 1
I 2 Ih Ch k 2 k —1 .
2k
Учитывая (6.12), получим следующее приближенное равенство:
h
h I 2 Ih
I I 2 . (6.13)
2k 1
Выражение (6.13) дает апостериорную оценку погрешности. Для вы-
числения этой оценки пользуются правилом Рунге дробления шага. Пра-
вило Рунге — это эмпирический способ оценки погрешности, основан-
ный на сравнении результатов вычислений, проводимых с разными ша-
гами h.
При использовании формул прямоугольников и трапеций k 2,
формулы Симпсона — k 4. Поэтому для этих формул приближенное
равенство (6.13) принимает вид:

1 h2 h
I I пр I пр I пр ;
3
1 h2 h
I I тр I тр I тр ;
3
1 h2
I IС IС I Сh .
15
С помощью правила Рунге можно приближенно вычислить интег-
рал с заданной точностью . Нужно начать с некоторого значения шага h
и последовательно уменьшать это значение в два раза, каждый раз вы-

Университетская серия 157


Глава 6. Численное интегрирование функций одной переменной

числяя приближенное I h i . Процедура прекращается, когда результа-


ты двух последующих вычислений будут различаться меньше, чем
на .

ПРИМЕР 6.4
1
x2
Вычислить значение интеграла e dx с точностью до 10–4, ис-
0
пользуя формулу трапеций и правило Рунге дробления шага.

Решение.
Найдем значение заданного интеграла с точностью до 10–4, ис-
пользуя формулу трапеций и применяя вышеизложенную процедуру
дробления шага. В примере 6.2 при h1 0,1 было получено значение ин-
теграла I h 0,74621079. Уменьшим шаг вдвое: h2 0,05 и вычислим:
1 h2 1
I h2 0,74667084, 2 I I h1 0,74667084 – 0,74621079 1,5 10–4 .
3 3
Так как 2 , то снова дробим шаг: h3 0,025, вычисляем:
1 h3 1
I h3 0,74678581 и 2 I I h2 0,74678581 – 0,74667084 4 10 –5 .
3 3
Поскольку 3 , требуемая точность достигнута и I 0,7468 0,0001.
1
x2
Ответ. e dx 0,7468 0,0001.
0

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Задача численного интегрирования.

2. Метод прямоугольников. Графическая интерпретация метода.

3. Метод трапеций. Графическая интерпретация метода.

4. Метод Симпсона (метод парабол). Графическая интерпретация метода.

5. Правило Рунге практической оценки погрешности.

158 Университетская серия


Задачи для самостоятельного решения

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

b
1. Вычислите интеграл f x dx:
a
a) по формуле прямоугольников с точностью до 10–2;
b) по формуле трапеций с точностью до 10–3;
c) по формуле Симпсона с точностью до 10–4.
1 2,5
1. x 16.
dx . ln 2 x x 1 dx.
0 1 x 1,5

4
2. 1
x 17. ex
dx . dx .
0 1 x2 3 x2

1 2
3. ex 18.
dx . ln x 1 x 2 dx .
0 1 x 1

1 2,5
4. x 19. x 2
dx . dx .
0 x 2
x 1 2 x2 x 1

2 2
5. ln x 20. x
dx . dx .
1 x 1 1 x2 x 1

2 1,5
6. 21. x
x2 x x dx . 3
dx .
0 0 1 x

2 2,5
7. 22.
1 x x2 1 x 2 dx. ln 2 x x dx.
1 2

4 2,5
8. 23. x
ln x 1 x dx . dx .
2 1 1 x2

4
9. 1.5
x2 24. x3 x
dx . 2
dx .
1 1 x 2 x 2

4 3
10. x 25.
dx . ln x x 2 dx .
3 ln 2 x 2

Университетская серия 159


Глава 6. Численное интегрирование функций одной переменной

2 2
11. x 1 26.
dx . ln 2 x 1 x 2 dx.
1 x2 1

1,5 2,5
12. ex 27.
dx . ln x x dx .
1 1 x 1,5

2 4
13. 28. x 1
ln x 1 x 2 dx . dx .
1 2 x2

2,5 2,5
14. ex 29. x3
2
dx . 2
dx .
1 1 x 2 1 x

2 2
15. x 30.
dx . ln x 1 x dx .
0,51 x 1
Глава 7
ЧИСЛЕННОЕ РЕШЕНИЕ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ

Постановка задачи Коши


Метод Эйлера
Модифицированные методы Эйлера
Метод Рунге—Кутта

7.1. Постановка задачи Коши

Известно, что обыкновенное дифференциальное уравнение первого по-


рядка имеет вид:
y t f t, y t . (7.1)
Решением уравнения (7.1) является дифференцируемая функция y t ,
которая при подстановке в данное уравнение обращает его в тождество.
На рис. 7.1 приведен график решения дифференциального уравнения
(7.1). Такой график называют интегральной кривой.

Рис. 7.1. Графическая иллюстрация решения дифференциального уравнения

Производную y t в каждой точке t , y можно геометрически интер-


претировать как тангенс угла наклона касательной к графику решения,
проходящего через эту точку, т е. k tg f t, y .

Университетская серия 161


Глава 7. Численное решение дифференциальных уравнений

Уравнение (7.1) определяет целое семейство решений. Чтобы выде-


лить одно решение, задают начальное условие:

y t0 y0 , (7.2)

где t 0 — некоторое заданное значение аргумента t;


y 0 — начальное значение функции.

Задача Коши заключается в отыскании функции y y t , удовлетво-


ряющей уравнению (7.1) и начальному условию (7.2). Обычно определя-
ют решение задачи Коши на отрезке, расположенном справа от началь-
ного значения t 0 , до некоторого значения T, T t 0 , т. е. для t t 0 , T .
Разрешимость задачи Коши определяет следующая теорема.

ТЕОРЕМА 7.1
Пусть функция f t , y определена и непрерывна при t0 t T,
y и удовлетворяет условию Липшица:

f t , y1 — f t , y2 L y1 — y2 ,

где L — некоторая постоянная;


y1 , y 2 — произвольные значения.
Тогда для каждого начального значения y 0 существует единственное
решение y t задачи Коши для t t 0 , T .

Даже для простых дифференциальных уравнений первого порядка


не всегда удается получить аналитическое решение. Поэтому большое
значение имеют численные методы решения. Численные методы позво-
ляют определить приближенные значения искомого решения y t на не-
которой выбранной сетке значений аргумента t i , i 0, 1, . Точки ti
называют узлами сетки, а величину hi = ti 1 — ti — шагом сетки. Час-
то рассматривают равномерные сетки, для которых шаг hi постоянен,
T t0
hi h . При этом решение получается в виде таблицы, в которой
n
каждому узлу сетки t i соответствуют приближенные значения функции
y t в узлах сетки y i y ti .
Численные методы не позволяют найти решение в общем виде, зато
они применимы к широкому классу дифференциальных уравнений.

162 Университетская серия


7.2. Метод Эйлера

Сходимость численных методов решения задачи Коши. Пусть y t — ре-


шение задачи Коши. Назовем глобальной погрешностью (или просто
погрешностью) численного метода функцию i y ti – yi, заданную
в узлах сетки ti. В качестве абсолютной погрешности примем величину

R max y t i yi .
0 i n

Численный метод решения задачи Коши называется сходящимся, ес-


ли для него R 0 при h 0. Говорят, что метод имеет p-й порядок точ-
ности, если для погрешности справедлива оценка
R Ch p, p 0,
где C — константа, C 0.

7.2. Метод Эйлера

Простейшим методом решения задачи Коши является метод Эйлера.


Будем решать задачу Коши
y t f t, y t ,
y t0 y0

T t0
на отрезке t 0 , T . Выберем шаг h и построим сетку с системой уз-
лов n

ti t0 ih, i 0, 1, , n.
В методе Эйлера вычисляются приближенные значения функции y(t)
в узлах сетки: y i y ti .
Заменив производную y t конечными разностями на отрезках
t i ; t i 1 , i 0, 1, , n 1, получим приближенное равенство:
yi 1 yi
f ti , yi , i 0, 1, , n 1,
h
которое можно переписать так:
yi 1 yi hf t i , y i , i 0, 1, , n 1. (7.3)

Университетская серия 163


Глава 7. Численное решение дифференциальных уравнений

Формула (7.3) и начальное условие (7.2) являются расчетными фор-


мулами метода Эйлера.
Геометрическая интерпретация одного шага метода Эйлера заключа-
ется в том, что решение на отрезке t i ; t i 1 заменяют касательной
y y t i t t i , проведенной в точке t i ; y t i к интегральной кривой,
проходящей через эту точку. После выполнения n шагов неизвестную
интегральную кривую заменяют ломаной линией (ломаной Эйлера).
Для оценки погрешности метода Эйлера воспользуемся следующей
теоремой.
ТЕОРЕМА 7.2
Пусть функция f удовлетворяет условиям:

дf df дf дf
K, f L,
дy dt дt дy

где K и L — некоторые неотрицательные числа.


Тогда для метода Эйлера справедлива следующая оценка погрешности:

l 2 L KL l 2 h KL
R max y ti yi e e ,
0 i n 2n 2

где l — длина отрезка t 0 ; T .

Таким образом, метод Эйлера имеет первый порядок точности.


Оценка погрешности метода Эйлера часто бывает затруднительна,
так как требует вычисления производных функции f t , y t .
Грубую оценку погрешности дает правило Рунге практической оценки
погрешности численного решения задачи Коши (правило двойного пересче-
та), которое используется для различных одношаговых методов, имею-
щих p-й порядок точности.
h
Правило Рунге заключается в следующем. Пусть y i2 — приближения,
h
полученные с шагом , а y ih — приближения, полученные с шагом h.
2
Тогда справедливо приближенное равенство:
h h
1
y i2 y ti p
y i2 y ih . (7.4)
2 1

164 Университетская серия


7.2. Метод Эйлера

Таким образом, чтобы оценить погрешность одношагового метода


h
с шагом , нужно найти то же решение с шагом h и вычислить величину,
2
стоящую справа в формуле (7.4):
h
1
R y i2 y ih . (7.5)
2p 1
Поскольку метод Эйлера имеет первый порядок точности, т. е. p 1,
то приближенное равенство (7.5) примет вид:
h
R y i2 y ih .

Используя правило Рунге, можно приближенно решить задачу Коши


с заданной точностью . Нужно, начав вычисления с некоторого значе-
ния шага h, последовательно уменьшать это значение в два раза, каждый
h
раз вычисляя приближенное значение y i2 , i 0, 1, , n. Вычисления
прекращаются тогда, когда выполняется условие:
h
1
R P
y i2 y ih . (7.6)
2 1
Для метода Эйлера условие (7.6) примет вид:
h
R y i2 y ih .
h
Приближенным решением будут значения y i2 , i = 0, 1, ..., n.

ПРИМЕР 7.1
Решить задачу Коши на отрезке [0; 1] методом Эйлера, если

2t
y t y— ,y0 1.
y

Решение.
1 0
Возьмем шаг h 0,2 . Тогда n 5.
0,2

Университетская серия 165


Глава 7. Численное решение дифференциальных уравнений

В соответствии с (7.3) получим расчетную формулу метода Эйлера:

2 ti
yi 1 yi 0,2 yi ,
yi

где y0 1, i 0, 1, 2, 3, 4, 5.
Искомое приближенное решение запишем в виде табл. 7.1.
Таблица 7.1
i 0 1 2 3 4 5
ti 0 0,2 0,4 0,6 0,8 1,0
yi 1,0000 1,2000 1,3733 1,5294 1,6786 1,8237

2t
Исходное уравнение y t y есть уравнение Бернулли. Его ре-
y
шение можно найти в явном виде: y 2t 1.
Для сравнения приближенного и точного решений запишем послед-
нее в виде табл. 7.2.
Таблица 7.2
i 0 1 2 3 4 5
ti 0 0,2 0,4 0,6 0,8 1,0
y ti 1,0000 1,1832 1,3416 1,4832 1,6124 1,7320

Из табл. 7.2 видно, что погрешность составляет


R max y ti yi 0,0917.
0 k 5

Ответ. y0 1,0000, y1 1,2000, y2 1,3733,


y3 1,5294, y4 1,6786, y5 1,8237.

7.3. Модифицированные методы Эйлера

Первый модифицированный метод Эйлера


Первый модифицированный метод Эйлера является одношаговым
методом со вторым порядком точности.

166 Университетская серия


7.3. Модифицированные методы Эйлера

Суть метода заключается в следующем. Сначала вычисляют вспомо-


h
гательные значения искомой функции y i 1 в точках t i 1 t i с помо-
2 2 2
щью формулы
h h
yi 1 yi fi yi f ti , yi .
2 2 2
Затем находят значение правой части уравнения (7.1) в средней точке
fi 1 f ti 1 , yi 1 и полагают, что
2 2 2

yi 1 yi hf 1 ,i 0, 1, , n 1. (7.7)
i
2
Формулы (7.7) являются расчетными формулами первого модифициро-
ванного метода Эйлера.

Второй модифицированный метод Эйлера—Коши


Второй модифицированный метод Эйлера—Коши так же, как и пер-
вый, является одношаговым методом со вторым порядком точности.
Суть метода заключается в следующем. Сначала вычисляют вспомо-
гательные значения
~
yi yi hf t i , y i .
1

Затем приближения искомого решения находятся по формуле:


h
yi 1 yi f ti , yi f ti 1, y~i 1 , i 0, 1, , n 1. (7.8)
2
Формулы (7.8) являются расчетными формулами второго модифициро-
ванного метода Эйлера—Коши.
Оценка погрешности. Приближенная оценка погрешности модифи-
цированных методов Эйлера осуществляется, как и для простого метода
Эйлера, с использованием правила Рунге (см. параграф 7.2). Так как оба
модифицированных метода Эйлера имеют второй порядок точности,
т. е. p 2, то оценка погрешности (7.5) примет вид:
1 h2
R yi y ih .
3

Университетская серия 167


Глава 7. Численное решение дифференциальных уравнений

Используя правило Рунге, можно приближенно решить задачу Коши


модифицированными методами Эйлера с заданной точностью . Начав
вычисления с некоторого значения шага h, последовательно уменьшают
это значение в два раза, каждый раз определяя приближенное значение
h
y i2 , i 0, 1, ..., n. Вычисления прекращают, когда выполняется условие:
1 h2
R yi y ih .
3
h
Приближенным решением являются значения y i2 , i 0, 1, ..., n.

ПРИМЕР 7.2
Решить задачу Коши из примера 7.1 первым модифицированным
методом Эйлера.

Решение.
2t
Для решения задачи Коши y t y— , y0 1, как и в приме-
y
1 0
ре 7.1, выберем шаг h 5. 0,2. Тогда n
0,2
В соответствии с (7.3) получим расчетную формулу первого модифи-
цированного метода Эйлера:
yi 1 yi hfi 1 yi 0,2 fi 1 ,
2 2

2t 1
i
2
где f 1 f t 1, y 1 y 1 ;
i
2
i
2
i
2
i
2 y 1
i
2

h
t 1 ti t i 01 ,;
i
2 2
h 2t i
y 1 yi f ti , yi yi 01
, yi ;
i
2 2 yi
t0 0, y 0 1, i 0,1, , 4.

Решение представим в виде табл. 7.3.


Третий столбец табл. 7.3 содержит приближенное решение yi, i 0, 1, ..., 5.
Сравним полученное приближенное решение с точным решением,
представленным в примере 7.1. Видим, что погрешность составляет

168 Университетская серия


7.3. Модифицированные методы Эйлера

R max y ti yi 0,0042 .
0 k 5

Таблица 7.3

h ti yi hf i
i ti yi f ti , y i 1 1 1
2 2 2 2

0 0,0 1,0000 0,1000 0,1 1,1000 0,1836


1 0,2 1,1836 0,0850 0,3 1,2682 0,1590
2 0,4 1,3426 0,0747 0,5 1,4173 0,1424
3 0,6 1,4850 0,0677 0,7 1,5527 0,1302
4 0,8 1,6152 0,0625 0,9 1,6777 0,1210
5 1,0 1,7362

Ответ. y0 1,0000, y1 1,1836, y2 1,3426,


y3 1,4850, y4 1,6152, y5 1,7362.

ПРИМЕР 7.3
Решить задачу Коши из примера 7.1 вторым модифицированным
методом Эйлера—Коши.

Решение.
2t
Для решения задачи Коши y t y— ,y0 1, рассмотренной
y
1 0
в примерах 7.1 и 7.2, как и ранее, зададим шаг h 5. 0,2 . Тогда n
0,2
В соответствии с (7.8) получим расчетную формулу метода Эйлера—
Коши:
h
yi 1 yi f ti , yi f ti 1 , y~i 1 yi 0,1 f ti , yi f ti 1 , y~i 1 ,
2
2t
где f t i , y i yi — i ;
yi
~ 2t i
yi 1 yi hf t i , y i yi 0,1 y i ;
yi
t0 0, y 0 1, i 0, 1, , 4.

Решение представим в виде табл. 7.4.

Университетская серия 169


Глава 7. Численное решение дифференциальных уравнений

Таблица 7.4

h f ti ~
i ti yi f ti , y i ti ~
yi 1, yi 1
1 1
2
0 0 1 0,1 0,2 1,2 0,867
1 0,2 1,1867 0,0850 0,4 1,3566 0,767
2 0,4 1,3484 0,0755 0,6 1,4993 0,699
3 0,6 1,4938 0,0690 0,8 1,6180 0,651
4 0,8 1,6272 0,0645 1,0 1,7569 0,618
5 1,0 1,7542

Таблица заполняется последовательно по строкам: сначала первая


строка, затем вторая и т. д. Третий столбец таблицы содержит прибли-
женное решение yi, i 0, 1, ..., 5.
Сравним полученное приближенное решение с точным решением
из примера 7.1. Погрешность составляет
R max y ti yi 0,0222 .
0 k 5

Ответ. y0 1,0000, y1 1,1867, y2 1,3484,


y3 1,4938, y4 1,6272, y5 1,7542.

7.4. Метод Рунге—Кутта

Метод Рунге—Кутта является одним из наиболее часто используемых


методов численного решения дифференциальных уравнений высокой
точности. Метод Эйлера можно рассматривать как простейший вариант
метода Рунге—Кутта.
Рассмотрим задачу Коши для дифференциального уравнения
y t f t, y t
с начальным условием y t 0 y0 .
T t0
Как и в методе Эйлера, выберем шаг h и построим сетку
с системой узлов: n

ti t0 ih, i 0, 1, , n.

170 Университетская серия


7.4. Метод Рунге—Кутта

Обозначим через yi приближенное значение искомого решения в точ-


ке ti.
Приведем расчетные формулы метода Рунге—Кутта четвертого по-
рядка точности:
1
yi 1 yi h k i1 2 k i2 2 k i3 k i4 , (7.9)
6
где ki1 f ti , yi ;
h h 1
ki2 f ti , yi ki ;
2 2
h h 2
ki3 f ti , yi ki ;
2 2
ki4 f t i h, y i hki3 .

Оценка погрешности метода Рунге—Кутта затруднительна. Грубую


оценку дает правило Рунге (см. параграф 7.2). Так как метод Рунге—Кут-
та имеет четвертый порядок точности, т. е. p 4, то оценка погрешности
(7.5) примет вид:
1 h2
R yi y ih .
15
Используя правило Рунге, можно приближенно решить задачу Коши
методом Рунге—Кутта четвертого порядка точности с заданной точно-
стью . Как известно, начинают вычисления с некоторого значения ша-
га h, затем последовательно уменьшают это значение в два раза, каждый
h
раз определяя приближенное значение y i2 , i 0, 1, ..., n. Вычисления
прекращают, когда выполняется условие:
1 h2
R yi y ih .
15
h
Приближенным решением будут значения y i2 , i 0, 1, ..., n.

ПРИМЕР 7.4
Решить задачу Коши ( y t 2 ty, y 0 1 на отрезке 0; 1 )(*) методом
Рунге—Кутта четвертого порядка.

Университетская серия 171


Глава 7. Численное решение дифференциальных уравнений

Выберем шаг h = 0,1.


1 0
Тогда n 10.
0,1
В соответствии с (7.9) расчетные формулы примут вид:
1
yi 1 yi h ki1 2 ki2 2 ki3 ki4 , i 0, 1, , 10,
6
где ki1 2t i y i ;

h h 1
ki2 2 ti yi ki ;
2 2
h h 2
ki3 2 ti yi ki ;
2 2

ki4 2 ti h yi hki3 .

2
Исходная задача (*) имеет точное решение: y t e t , поэтому по-
грешность определяется как абсолютная величина разности между точ-
ными и приближенными значениями i y ti yi .
Найденные по формулам (7.9) приближенные значения решения yi
и их погрешности i представлены в табл. 7.5.

Таблица 7.5

ti yi i ti yi i

0,1 1,01005 10–9 0,6 1,43333 5 10–7


0,2 1,04081 4 10–9 0,7 1,63232 2 10–6
0,3 1,09417 2 10–8 0,8 1,89648 3 10–6
0,4 1,17351 6 10–8 0,9 2,24790 6 10–6
0,5 1,28403 2 10–7 1,0 2,71827 2 10–5

Ответ. y0 1,00000, y1 1,01005, y2 1,04081, y3 1,09417,


y4 1,17351, y5 1,28403, y6 1,43333, y7 1,63232,
y8 1,89648, y9 2,24790, y10 2,71827.

172 Университетская серия


Задачи для самостоятельного решения

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. Задача численного решения дифференциального уравнения первого порядка.


2. Метод Эйлера приближенного решения дифференциального уравнения. Геометриче-
ский смысл метода.
3. Модифицированные методы Эйлера.
4. Метод Рунге—Кутта.

ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОГО РЕШЕНИЯ

1. Решите уравнение y f x, y t на интервале t0 ; T с начальным условием


y t0 y 0 , принимая h 0,1:
a) методом Эйлера;
b) модифицированными методами Эйлера;
c) методом Эйлера—Коши;
d) методом Рунге—Кутта.

Задание
Номер
варианта
y f x, y t t0; T y t0 y0

1 y t2 y2 0; 1 y0 1

2 y t2 y2 0; 1 y0 1

3 y 2t y 0; 1 y0 1

4 y t 2y 0; 1 y0 1

5 y t2 y 0; 1 y0 1

6 y t y2 0; 1 y0 0,5

7 y 2t y 0; 1 y0 0,5

8 y 2t 3y 0; 1 y0 0,5

9 y 3t 2y 0; 1 y0 0,5

Университетская серия 173


Глава 7. Численное решение дифференциальных уравнений

Задание
Номер
варианта
y f x, y t t0; T y t0 y0

10 y 2t 3y 0; 1 y0 0,5

11 y 3t 2y 0; 1 y0 0

12 y 2t 2 – 3y 0; 1 y0 0

13 y 3t 2 – 2y 0; 1 y0 0

14 y 2t 3y 2 0; 1 y0 0

15 y 3t 2y 2 0; 1 y0 0

16 y t2 y2 1; 2 y1 0

17 y t2 y2 1; 2 y1 0

18 y 2t y 1; 2 y1 0

19 y t 2y 1; 2 y1 0

20 y t2 y 1; 2 y1 0

21 y t y2 1; 2 y1 1

22 y 2t y 1; 2 y1 1

23 y 2t 3y 1; 2 y1 1

24 y 3t 2y 1; 2 y1 1

25 y 2t 3y 1; 2 y1 1

26 y 3t 2y 1; 2 y1 0,5

27 y 2t 2 3y 1; 2 y1 0,5

28 y 3t 2 2y 1; 2 y1 0,5

29 y 2t 3y 2 1; 2 y1 0,5

30 y 3t 2y 2 1; 2 y1 0,5
ЛИТЕРАТУРА

Бахвалов Н. С. Численные методы: учеб. пособие. М.: Наука, 1975.

Бахвалов Н. С., Жидков Н. П., Кобельков Г. М. Численные методы: учеб. посо-


бие. М.: Лаборатория Базовых Знаний, 2001.

Березин И. С., Жидков H. П. Методы вычислений. Т. 1, 2. М.: Государственное


издательство физико-математической литературы, 1962.

Волков Е. А. Численные методы: учеб. пособие. М.: Наука, 1987.

Демидович Б. П., Марон И. А. Основы вычислительной математики: учебное по-


собие. СПб.: Лань, 2008.

Калиткин H. H. Численные методы / под ред. А. A. Самарского. М.: Главная ре-


дакция физико-математической литературы изд-ва «Наука», 1978.

Пантелеев A. B., Киреев В. И. Численные методы в примерах и задачах: учеб.


пособие для ВТУЗов. М.: Высшая школа, 2008.

Сальвадори М. Дж. Численные методы в технике. М.: Издательство иностран-


ной литературы, 1955.

Самарский A. A., Гулин A. B. Численные методы: учеб. пособие. М.: Наука, 1989.

Турчак Л. И. Основы численных методов: учеб. пособие. М.: Наука, 1987.


Пантина Ирина Викторовна,
Синчуков Александр Валерьевич

ВЫЧИСЛИТЕЛЬНАЯ МАТЕМАТИКА

Учебник

Формат издания 60 901/16


Печать офсетная. Гарнитура NewtonC
Печ. л. 11,0. Тираж 0 экз.

Главный редактор В. Х. Педро


Редактор Л. А. Осипова
Корректор Н. Н. Сутягина
Компьютерная верстка Н. В. Зимина
Дизайн обложки НТБ Софт

Московский финансово-промышленный университет «Синергия»


125190, Москва, Ленинградский пр-т, д. 80, корп. Г, оф. 509
Тел.: (495) 987-43-74
e-mail: book@mfpa.ru
www.book.mfpa.ru