- •1. Вычислительный эксперимент. Типы погрешностей. Погрешность округления. Представление чисел на эвм.
- •2. Накопление погрешностей округления.
- •3. Метод Гаусса. Подсчет числа действий. Метод Гаусса с выбором главного элемента.
- •4. Условия применимости метода Гаусса и метода Гаусса с выбором главного элемента.
- •5.Обусловленность, устойчивость решения слу
- •6.Итерационные методы решения линейных уравнений. Метод Якоби, Зейделя.
- •7.Достаточное условие сходимости стационарных итерационных методов.
- •8. Сходимость метода Якоби, Зейделя, метода простых итераций.
- •9. Необходимое и достаточное условие сходимости.
- •10. Оценка скорости сходимости итерационных методов в случае симметричных матриц a и b
- •11. Многочлен Чебышева с нормировкой по старшему коэффициенту.
- •12. Многочлен Чебышева с нормировкой по значению многочлена в нуле
- •13. Явный итерационный метод Чебышева
- •14. Неявный итерационный метод Чебышева.
- •15. Метод минимальных поправок, метод минимальных невязок
- •16. Метод скорейшего спуска, метод сопряжённых градиентов. Подсчёт числа итераций для решения системы линейных уравнений с точностью до ℰ итерационными методами.
- •17. Интерполирование и приближение функций. Интерполяционная формула Лагранжа.
- •18. Погрешность интерполяции. Оптимальный выбор узлов интерполяции.
- •19. Сходимость интерполяционных процессов. Интерполяция с кратными узлами.
- •20. Интерполяция кубическими сплайнами.
- •21. Скорость процесса интерполяции кубическими сплайнами.
- •22. Наилучшее приближение в гильбертовом пространстве.
- •23. Численное интегрирование. Формула прямоугольника, трапеции, Симпсона. Оценка погрешности.
- •24. Апостерионная оценка погрешности методом Рунге. Автоматический выбор шага интегрирования.
- •25. Численное дифференцирование. Связь между точностью вычисления функции и шагом сетки.
- •26. Решение нелинейных уравнений методом простых итераций, релаксации. Сходимость метода релаксации.
- •27. Сходимость метода простых итераций
- •28. Метод Ньютона. Сходимость метода Ньютона.
- •29. Метод Ньютона в случае кратных корней. Односторонние приближения по методу Ньютона.
- •30. Итерационные методы решения снлу. Сходимость метода простых итераций
- •31. Производная от оператора. Метод Ньютона для систем нелинейных уравнений.
- •32. Метод Рунге-Кутта второго порядка. Семейство методов второго порядка. Методы третьего и четвертого порядка.
- •1. Методы второго порядка
- •2. Методы третьего порядка.
- •3. Методы четвертого порядка.
- •33. Доказательство сходимости метода Рунге-Кутта.
- •34. Многошаговые разностные методы. Погрешность аппроксимации метода.
- •35. Устойчивость многошагового метода по начальным данным.
- •36. Оценка решения неоднородного разностного уравнения. Устойчивость многошагового метода по правой части.
- •37. Разностная аппроксимация Пуассона. Порядок аппроксимации
- •38. Оператор 2 разностной производной на отрезке. Собственные функции и собственные значения оператора
- •39.Разностный оператор Лапласа. Собственные значения и собственные функции
- •40. Устойчивость и сходимость разностной аппроксимации уравнения Пуассона.
- •1) Метод простых итераций.
- •2) Метод Чебышева.
- •3) Метод сопряжённых градиентов.
- •45. Асимптотическая устойчивость разностных схем.
- •46. Вариационные методы в математической физике.
- •47. Метод Ритца.
- •48. Метод Галеркина.
17. Интерполирование и приближение функций. Интерполяционная формула Лагранжа.
Задача
интерполирования состоит в том, чтобы
по значениям функции
в нескольких точках отрезка восстановить
ее значения в остальных точках этого
отрезка. Разумеется, такая задача
допускает сколь угодно много решений.
Задача интерполирования возникает,
например, в том случае, когда известны
результаты измерения
некоторой физической величины
в точках
,
и требуется определить ее значения в
других точках. Иногда возникает
необходимость приближенной замены или
аппроксимации данной функции другими
функциями, которые легче вычислить. В
частности, рассматривается задача о
наилучшем приближении в нормированном
пространстве
,
когда заданную функцию
требуется заменить линейной комбинацией
заданных элементов из
так, чтобы отклонение
было минимальным. Результаты и методы
теории интерполирования и приближения
функций нашли широкое применение в
численном анализе, например при выводе
формул численного дифференцирования
и интегрирования, при построении сеточных
аналогов задач математической физики.
Интерполяционная формула Лагранжа.
Пусть
на отрезке
заданы точки
(узлы
интерполирования), в которых известны
значения функции
.
Задача интерполирования алгебраическими
многочленами состоит в том, чтобы
построить многочлен
(1)
степени , значения которого в заданных точках совпадают со значениями функции в этих точках.
Для
любой непрерывной функции
сформулированная задача имеет единственное
решение. Действительно, для отыскания
коэффициентов
получаем
систему линейных уравнений
(2)
определитель
которой (определитель Вандермонда)
отличен от нуля, если среди точек
,
нет совпадающих.
Многочлен
,
удовлетворяющий условиям
(3)
называется
интерполяционным многочленом для
функции
,
построенным по узлам
Решение системы (2) можно записать различным образом. Наиболее употребительна запись интерполяционного многочлена в форме Лагранжа и в форме Ньютона.
Интерполяционная формула Лагранжа позволяет представить многочлен в виде линейной комбинации
(4)
значений функции в узлах интерполирования.
Найдем
явное выражение для коэффициентов
.
Из условий интерполирования (3) получаем
Эти соотношения будут выполнены, если на функции наложить условия
которые
означают, что каждая из функций
,
имеет не менее
нулей на
.
Поскольку
- многочлен степени
,
коэффициенты
естественно искать также в виде
многочленов степени
,
а именно в виде
.
Из
условия
находим
Таким образом, коэффициенты интерполяционного многочлена (4) находятся по формулам
(5)
Часто
коэффициенты
записывают в другом виде. Введем многочлен
степени
:
(6)
и вычислим его производную в точке :
.
Тогда получим, что
Итак, интерполяционный многочлен Лагранжа имеет вид
(7)
или, более подробно,
18. Погрешность интерполяции. Оптимальный выбор узлов интерполяции.
Остаточный член интерполяционной формулы.
Заменяя функцию интерполяционным многочленом , мы допускаем погрешность
,
которая
называется погрешностью интерполирования
или, что то же самое, остаточным членом
интерполяционной формулы. Ясно, что в
узлах интерполирования эта погрешность
равна нулю. Оценим погрешность в любой
точке
.
Для этого рассмотрим вспомогательную
функцию
, (1)
где
,
— постоянная и
(2)
Пусть
требуется оценить
в заданной точке
,
не являющейся узлом интерполирования.
Выберем постоянную
из условия
.
Для этого достаточно положить
.
Предположим,
что
имеет
непрерывную
производную на отрезке
.
Функция
имеет
не менее
нулей на этом отрезке, а именно в точках
.
Поэтому производная
имеет не менее чем
нулей на
,
- не менее
нулей и т. д., функция
по крайней мере один раз обращается в
нуль на
.
Тем самым существует точка
,
в которой
.
Поскольку
,
получаем
Таким образом доказано, что погрешность интерполирования можно представить в виде
(3)
где и - многочлен, определенный согласно (2).
Отсюда следует оценка
(4)
где
.
В частности, если
— алгебраический многочлен степени
,
то интерполирование, проведенное по
любым точкам
,
осуществляется точно, т. е.
.
Оптимальный выбор узлов интерполирования.
Величину
,
входящую в оценку (4), можно минимизировать
за счет выбора узлов интерполирования.
Задача состоит в том, чтобы подобрать
узлы
,
так, чтобы минимизировать величину
.
Эта задача решается с помощью многочлена Чебышева степени:
причем в качестве узлов интерполирования надо взять корни многочлена (7), т. е. точки
(8)
При этом
и оценка (4) примет вид
(9)
