Численное дифференцирование функций.

Численное дифференцирование функций.

Уточнение методами Ромберга и Эйткена.

Выполнила: студент гр.МКН-206

Тимергалин Р.Д

Проверила: доцент кафедры КМ

Зиннатуллина О.Р.

Уфа 2011

СОДЕРЖАНИЕ

Введение…………………………………………………………………3

Программная реализация метода………………………………………8

Оценка погрешности результата………………………………………12

Заключение……………………………………………………………...21

Список литературы……………………………………………………..22

ВВЕДЕНИЕ

Численное дифференцирование функций

Пусть функция f(x) дифференцируема в точке x. Тогда значение производной определяется следующими пределами [1]

Численное дифференцирование функций. - student2.ru

Численное дифференцирование функций. - student2.ru . (1)

Вычисление первой производной

Для вычисления производной необходимо проведение ряда операций. Можно вычислять значения функции и проводить с ними арифметические действия. Но мы не можем вычислять пределы, поскольку это требует бесконечных затрат ресурсов (времени, памяти и т.д.). Получим приближенные формулы:

Численное дифференцирование функций. - student2.ru . (2)

Пусть Численное дифференцирование функций. - student2.ru - шаг разбиения. Введем обозначение Численное дифференцирование функций. - student2.ru и т.д. Тогда (2) можно переписать в виде

Численное дифференцирование функций. - student2.ru . (3)

Первое из этих трех отношений носит название правой разностной производной, второе – левой, третье – центральной разностной производной.

Вычисление второй производной

Для приближенного вычисления второй производной в качестве примера используем формулу [1]

Численное дифференцирование функций. - student2.ru , (4)

где Численное дифференцирование функций. - student2.ru определяется по формуле (3).

Отметим, что значения правой и левой разностных производных в точке Численное дифференцирование функций. - student2.ru одновременно являются центральными разностными производными Численное дифференцирование функций. - student2.ru и Численное дифференцирование функций. - student2.ru , рассчитанными соответственно в точках Численное дифференцирование функций. - student2.ru и Численное дифференцирование функций. - student2.ru (см. рис. 1).

Численное дифференцирование функций. - student2.ru

Рис 1. Схема численного дифференцирования

Тогда

Численное дифференцирование функций. - student2.ru . (5)

Численная фильтрация

При экстраполяции требуется априорное знание характера зависимости результата расчетов от числа узлов (или математической модели погрешности), например

Численное дифференцирование функций. - student2.ru , (6)

где Численное дифференцирование функций. - student2.ru – точное значение; Численное дифференцирование функций. - student2.ru – приближенный результат, полученный при числе узловых точек, равном n; Численное дифференцирование функций. - student2.ru – коэффициенты, которые предполагаются не зависящими от n; Численное дифференцирование функций. - student2.ru – величина, полагаемая малой по сравнению с Численное дифференцирование функций. - student2.ru при тех значениях n, которые использовались в данных конкретных расчетах, k1,…, kL – произвольные действительные числа (предполагается, что k1<k2<…< <kL).

В математическом анализе обычно оценивается только первый член, поскольку остальные являются асимптотически (при n®¥) бесконечно малыми более высокого порядка. Однако для конечных n остальные слагаемые могут вносить существенный вклад и должны приниматься во внимание.

Если решение задачи представляет собой функцию с несколькими непрерывными производными, то можно допустить возможность его разложения по формуле Тейлора, тогда Численное дифференцирование функций. - student2.ru – это часть ряда натуральных чисел. Тогда к задаче нахождения предельного при Численное дифференцирование функций. - student2.ru значения z можно подойти как к задаче интерполяции зависимости Численное дифференцирование функций. - student2.ru от параметра Численное дифференцирование функций. - student2.ru алгебраическим многочленом с последующей экстраполяцией до Численное дифференцирование функций. - student2.ru . Есть и другой подход, приводящий при условии постоянства Численное дифференцирование функций. - student2.ru к тому же алгоритму, но не требующий целочисленности Численное дифференцирование функций. - student2.ru . Это решение задачи численной фильтрации, т.е. последовательное устранение степенных слагаемых суммы (6) при сохранении значения константы z. Рассмотрим два значения Численное дифференцирование функций. - student2.ru , Численное дифференцирование функций. - student2.ru , вычисленные при числе узлов, равном Численное дифференцирование функций. - student2.ru и Численное дифференцирование функций. - student2.ru соответственно. Составим линейную комбинацию

Численное дифференцирование функций. - student2.ru

и потребуем, чтобы, суммарный коэффициент при z был равен 1, а при Численное дифференцирование функций. - student2.ru (для определенного j) равен 0. Отсюда получим формулу фильтрации, которая совпадает с экстраполяционной формулой Ричардсона [1]

Численное дифференцирование функций. - student2.ru . (7)

Проводя последовательно экстраполяцию по всем парам соседних значений, получим отфильтрованную зависимость, не содержащую члена с Численное дифференцирование функций. - student2.ru

Численное дифференцирование функций. - student2.ru , (8)

где Численное дифференцирование функций. - student2.ru . (9)

Заметим, что отфильтрованная последовательность Численное дифференцирование функций. - student2.ru содержит на один член меньше, чем исходная. Если она содержит больше одного члена, то ее также можно отфильтровать, устранив степенную составляющую с Численное дифференцирование функций. - student2.ru . Операции фильтрации можно повторять последовательно для Численное дифференцирование функций. - student2.ru ,…, Численное дифференцирование функций. - student2.ru , если исходная последовательность содержит достаточное количество членов. Результаты экстраполяций удобно представлять в виде треугольной матрицы

Численное дифференцирование функций. - student2.ru (10)

Применение повторной экстраполяции при kj=j известно под названием метода Ромберга. При его применении возникает ряд ограничений.

Применение повторной экстраполяции приводит к изменению коэффициентов суммы (6). При Численное дифференцирование функций. - student2.ru увеличение абсолютной величины коэффициентов может оказаться весьма существенным. Это ограничивает число возможных экстраполяций.

Величина Численное дифференцирование функций. - student2.ru в (6) может оказаться суммой регулярной составляющей, имеющей вид Численное дифференцирование функций. - student2.ru , и нерегулярной составляющей Численное дифференцирование функций. - student2.ru , обусловленной погрешностью исходных данных, которая, например, связана с ограниченной разрядностью чисел в машинном представлении. Тогда исходная нерегулярная часть погрешности, содержащаяся в вычисленных значениях Численное дифференцирование функций. - student2.ru , при каждой экстраполяции умножается на коэффициент

Численное дифференцирование функций. - student2.ru .

Для метода Ромберга, применяемого к последовательности (6) при Численное дифференцирование функций. - student2.ru , произведение таких множителей ограничено числом, приблизительно равным 8 (получено численно), т.е. метод Ромберга является устойчивым к погрешности исходных данных, но сам уровень нерегулярной погрешности может ограничить число возможных экстраполяций.

Процесс Эйткена

При оценке погрешности частичных сумм значение k в (2.4) может быть неизвестно. В этом случае можно использовать следующую модификацию правила Ричардсона. Вычислим три значения z1, z2, z3 при трех номерах последовательности: n, nQ, nQ2 и составим систему трех уравнений [1, 9]

Численное дифференцирование функций. - student2.ru (11)

Найдем разности

Численное дифференцирование функций. - student2.ru ,

Численное дифференцирование функций. - student2.ru ,

и, разделив одну на другую, определим Qk

Численное дифференцирование функций. - student2.ru . (12)

Теперь можно найти z

Численное дифференцирование функций. - student2.ru . (13)

Как и в рассмотренных ранее случаях, мы нашли экстраполированное (уточненное) значение z=z*, а вместе с ним и оценку погрешности zi-z*.

Этот способ экстраполяции при неизвестном порядке точности принято называть алгоритмом Эйткена или d2-алгоритмом, который в более общем случае применяется для экстраполяции векторных последовательностей

Численное дифференцирование функций. - student2.ru .

В последнем выражении zi – векторы, а скобками обозначается скалярное произведение.

Критерий размытости оценки

Оценка погрешности по правилу Рунге сводится к сравнению значения zn с экстраполированным значением Численное дифференцирование функций. - student2.ru . Поскольку эта оценка справедлива при допущении, что величина Численное дифференцирование функций. - student2.ru точнее, чем zn, то необходима проверка справедливости этого допущения. Это можно сделать следующим образом. Повторим процесс экстраполяции и получим значение Численное дифференцирование функций. - student2.ru . Разность Численное дифференцирование функций. - student2.ru представляет собой оценку погрешности приближенного значения zn.. Разность Численное дифференцирование функций. - student2.ru является оценкой погрешности экстраполированного значения Численное дифференцирование функций. - student2.ru или оценкой погрешности оценки погрешности (рис. 10). Отношение Численное дифференцирование функций. - student2.ru имеет смысл относительной размытости оценки погрешности.

Если Численное дифференцирование функций. - student2.ru , то это означает, что относительная размытость оценки Численное дифференцирование функций. - student2.ru мала, и такой оценке можно доверять.

Численное дифференцирование функций. - student2.ru

Рис. 10. Размытость оценки погрешности

Пусть оценка погрешности представляется в виде интервала Численное дифференцирование функций. - student2.ru . Для определения порогового значения dn для принятия или отклонения полученной оценки желательно на основании имеющейся информации установить, не может ли при гипотетическом продолжении экстраполяций произойти переход получающихся значений левее Численное дифференцирование функций. - student2.ru или правее Численное дифференцирование функций. - student2.ru . Для этого предположим, что при последующих гипотетических экстраполяциях значение Численное дифференцирование функций. - student2.ru , как коэффициента уменьшения расстояния между соседними экстраполированными значениями, будет сохраняться: Численное дифференцирование функций. - student2.ru . Тогда предельное удаление предельного значения от Численное дифференцирование функций. - student2.ru определяется суммой геометрической прогрессии Численное дифференцирование функций. - student2.ru . Отсюда следует неравенство

Численное дифференцирование функций. - student2.ru , (14)

где K³1 – коэффициент «запаса» надежности оценки. Необходимость введения коэффициента K вызвано желанием получать достаточно надежные оценки в условиях неопределенности, вызванной влиянием нерегулярных составляющих погрешности. Тогда получим условие (критерий принятия оценки)

Численное дифференцирование функций. - student2.ru .

Примем величину K=2. Тогда пороговое значение Численное дифференцирование функций. - student2.ru , тогда при Численное дифференцирование функций. - student2.ru оценка принимается, а при Численное дифференцирование функций. - student2.ru отвергается. Это же значение было получено эмпирически при анализе реальных численных данных [9].

Заключение

В результате выполненной работы “численное дифференцирование методом левой, правой и центрально-разностной формулами“ были получены следующие результаты. Были вычислены погрешности по методу Ромберга и Эйткена, и получены следующие графики.

СПИСОК ЛИТЕРАТУРЫ

1. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы. -М.: Наука, 2004. -636 с.

2. Самарский А.А. Численные методы математической физики.-М.: Научный мир, 2000.-316с.:

3. Самарский А.А. Задачи и упражнения по численным методам.-М.: Эдиториал УРСС, 2000.-208с

4. Самарский А. А. Математическое моделирование. Идеи. Методы. Примеры / А. А. Самарский , А. П. Михайлов.-2-е изд., испр..-М.: ФИЗМАТЛИТ, 2005.-320 с.;

5. Крылов В.И., Бобков В.В., Монастырный П.И. Вычислитель­ные методы. Т. I, II. -М.: Наука, 1987. -600 с.

6. Васильков Ю.В. Компьютерные технологии вычислений в математическом моделировании: Учеб.пособие.-М.: Финансы и статистика, 2001.-256с.

7. Подвальный С. Л. Численные методы и вычислительный эксперимент: учебное пособие для вузов / С. Л. Подвальный, Л. В. Холопкина , Д. В. Попов; УГАТУ; Воронеж. гос. техн. ун-т.-Уфа: УГАТУ, 2005.-224 с.; 21 см.-Библиогр.: с. 220-224 (49 назв.).-ISBN 5-86911-491-8.

8. Житников В.П., Шерыхалина Н.М., Ураков А.Р. Линейные некорректные задачи. Верификация численных результатов. Учебное пособие. -Уфа: УГАТУ, 2002. -91 с.

9. Smith D.A., Ford W.F. Acceleration of linear and logarithmic convergence. – SIAM J. Numer. Anal., 1979, v. 16. -P. 223-240.

10. Smith D. A., Ford W. F. Numerical comparisons of non-linear convergence accelerations. – Mathematics of Computation, 1982, v. 38, 158. -P. 481–499.

11. Прудников А. П. Интегралы и ряды. В 3-х т. / А. П. Прудников, Ю. А. Брычков, О. И. Маричев.-М.: ФИЗМАТЛИТ, 2003.

Численное дифференцирование функций.

Наши рекомендации