Содержание

Введение

1. Постановка задачи

2. Математические и алгоритмические основы решения задачи

2.1 Метод прямоугольников

2.2 Метод трапеций

2.3 Метод парабол (метод Симпсона)

2.4 Увеличение точности

2.5 Метод Гаусса

2.6 Метод Гаусса-Кронрода

3. Функциональные модели решения задачи

4. Программная реализация решения задачи

5. Пример выполнения программы

Заключение

Список использованных источников и литературы

_{Введение}

Появление и непрерывное совершенствование быстродействующих электронных вычислительных машин (ЭВМ) привело к подлинно революционному преобразованию науки вообще и математики в особенности. Изменилась технология научных исследований, колоссально увеличились возможности теоретического изучения, прогноза сложных процессов, проектирования инженерных конструкций. Решение крупных научно-технических проблем, примерами которых могут служить проблемы овладения ядерной энергией и освоения космоса, стало возможным лишь благодаря применению математического моделирования и новых численных методов, предназначенных для ЭВМ.

В настоящее время можно говорить, что появился новый способ теоретического исследования сложных процессов, допускающих математическое описание, - вычислительный эксперимент, т.е. исследование естественнонаучных проблем средствами вычислительной математики. Разработка и исследование вычислительных алгоритмов, и их применение к решению конкретных задач составляет содержание огромного раздела современной математики - вычислительной математики.

Численные методы дают приближенное решение задачи. Это значит, что вместо точного решения и (функции или функционала) некоторой задачи мы находим решение у другой задачи, близкое в некотором смысле (например, по норме) к искомому. Основная идея всех методов - дискретизация или аппроксимация (замена, приближение) исходной задачи другой задачей, более удобной для решения на ЭВМ, причем решение аппроксимирующей задачи зависит от некоторых параметров, управляя которыми, можно определить решение с требуемой точностью. Например, в задаче численного интегрирования такими параметрами являются узлы и веса квадратурной формулы. Далее, решение дискретной задачи является элементом конечномерного пространства.

Численное интегрирование (историческое название: квадратура) - вычисление значения определённого интеграла (как правило, приближённое), основанное на том, что величина интеграла численно равна площади криволинейной трапеции, ограниченной осью абсцисс, графиком интегрируемой функции и отрезками прямых, которые являются пределами интегрирования.

Необходимость применения численного интегрирования чаще всего может быть вызвана отсутствием у первообразной функции представления в элементарных функциях и, следовательно, невозможностью аналитического вычисления значения определённого интеграла по формуле Ньютона-Лейбница. Также возможна ситуация, когда вид первообразной настолько сложен, что быстрее вычислить значение интеграла численным методом.

_{1. Постановка задачи}

Сущность большинства методов вычисления определенных интегралов состоит в замене подынтегральной функции аппроксимирующей функцией, для которой можно легко записать первообразную в элементарных функциях.

Аппроксимация, или приближение - математический метод, состоящий в замене одних математических объектов другими, в том или ином смысле близкими к исходным, но более простыми. Аппроксимация позволяет исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более простых или более удобных объектов (например, таких, характеристики которых легко вычисляются или свойства которых уже известны). В теории чисел изучаются диофантовы приближения, в частности приближения иррациональных чисел рациональными. В геометрии рассматриваются аппроксимации кривых ломаными. Некоторые разделы математики целиком посвящены аппроксимации, например, теория приближения функций, численные методы анализа.

Также в задачах такого рода активно используются интерполяционные методы нахождения значений функции.

Интерполяция - в вычислительной математике способ нахождения промежуточных значений величины по имеющемуся дискретному набору известных значений.

Многим из тех, кто сталкивается с научными и инженерными расчётами часто приходится оперировать наборами значений, полученных экспериментальным путём или методом случайной выборки. Как правило, на основании этих наборов требуется построить функцию, на которую могли бы с высокой точностью попадать другие получаемые значения. Такая задача называется аппроксимацией кривой. Интерполяцией называют такую разновидность аппроксимации, при которой кривая построенной функции проходит точно через имеющиеся точки данных.

Существует также близкая к интерполяции задача, которая заключается в аппроксимации какой-либо сложной функции другой, более простой функцией. Если некоторая функция слишком сложна для производительных вычислений, можно попытаться вычислить её значение в нескольких точках, а по ним построить, то есть интерполировать, более простую функцию. Разумеется, использование упрощенной функции не позволяет получить такие же точные результаты, какие давала бы первоначальная функция. Но в некоторых классах задач достигнутый выигрыш в простоте и скорости вычислений может перевесить получаемую погрешность в результатах.

На практике чаще всего применяют интерполяцию полиномами. Это связано прежде всего с тем, что полиномы легко вычислять, легко аналитически находить их производные и множество полиномов плотно в пространстве непрерывных функций.

Для решения нашей задачи необходимо предусмотреть ввод необходимых данных и реализацию контрольно примера.

Также необходимо реализовать подпрограммы в виде функций. Главная функция будет выполнять основные действия (подсчет значения интеграла и вывод в файл результата), вызывая другие подпрограммы.

Главная функция будет вызывать функцию подсчета интеграла с заданной точностью вычислений, которая в свою очередь на каждом шаге будет вызывать функцию подсчета значения функции.

Пример 1.

Вычислим интеграл методом Гаусса.

Решение.

.

.

.

Ответ: 3.584.

Пример 2.

Вычислим интеграл методом Гаусса.

Решение.

.

.

.

Ответ: - 0.588.

_{2. Математические и алгоритмические основы решения задачи}

Кратко рассмотрим основные методы численного интегрирования и выясним, почему самый лучший и быстрый метод интегрирования - десятиточечный метод Гаусса.

_{2.1 Метод прямоугольников}

Метод прямоугольников получается при замене подынтегральной функции на константу. В качестве константы можно взять значение функции в любой точке отрезка . Наиболее часто используются значения функции в середине отрезка и на его концах. Соответствующие модификации носят названия методов средних прямоугольников, левых прямоугольников и правых прямоугольников. Формула для приближенного вычисления значения определённого интеграла методом прямоугольников имеет вид

,

где , или , соответственно.

_{2.2 Метод трапеций}

Если функцию на каждом из частичных отрезков аппроксимировать прямой, проходящей через конечные значения, то получим метод трапеций.

Площадь трапеции на каждом отрезке:

.

Погрешность аппроксимации на каждом отрезке:

,

где

.

Полная формула трапеций в случае деления всего промежутка интегрирования на отрезки одинаковой длины h:

, где

Погрешность формулы трапеций:

, где

_{2.3 Метод парабол (метод Симпсона)}

Использовав три точки отрезка интегрирования можно заменить подынтегральную функцию параболой. Обычно в качестве таких точек используют концы отрезка и его среднюю точку. В этом случае формула имеет очень простой вид

.

Если разбить интервал интегрирования на 2N равных частей, то имеем

,

где .

_{2.4 Увеличение точности}

Приближение функции одним полиномом на всем отрезке интегрирования, как правило, приводит к большой ошибке в оценке значения интеграла.

Для уменьшения погрешности отрезок интегрирования разбивают на части и применяют численный метод для оценки интеграла на каждой из них.

При стремлении количества разбиений к бесконечности, оценка интеграла стремится к его истинному значению для любого численного метода.

Приведённые выше методы допускают простую процедуру уменьшения шага в два раза, при этом на каждом шаге требуется вычислять значения функции только во вновь добавленных узлах. Для оценки погрешности вычислений используется правило Рунге.

_{2.5 Метод Гаусса}

Описанные выше методы используют фиксированные точки отрезка (концы и середину) и имеют низкий порядок точности (0 - методы правых и левых прямоугольников, 1 - методы средних прямоугольников и трапеций, 3 - метод парабол (Симпсона)). Если мы можем выбирать точки, в которых мы вычисляем значения функции , то можно при том же количестве вычислений подынтегральной функции получить методы более высокого порядка точности. Так для двух (как в методе трапеций) вычислений значений подынтегральной функции, можно получить метод уже не 1-го, а 3-го порядка точности:

.

В общем случае, используя точек, можно получить метод с порядком точности . Значения узлов метода Гаусса по точкам являются корнями полинома Лежандра степени .

Значения узлов метода Гаусса и их весов приводятся в справочниках специальных функций. Наиболее известен метод Гаусса по пяти точкам.

_{2.6 Метод Гаусса-Кронрода}

Недостаток метода Гаусса состоит в том, что он не имеет лёгкого (с вычислительной точки зрения) пути оценки погрешности полученного значения интеграла. Использование правила Рунге требует вычисления подынтегральной функции примерно в таком же числе точек, не давая при этом практически никакого выигрыша точности, в отличие от простых методов, где точность увеличивается в разы при каждом новом разбиении. Кронродом был предложен следующий метод оценки значения интеграла

,

где - узлы метода Гаусса по точкам, а параметров , , подобраны таким образом, чтобы порядок точности метода был равен .

Тогда для оценки погрешности можно использовать эмпирическую формулу:

,

где - приближённое значение интеграла, полученное методом Гаусса по точкам.

_{3. Функциональные модели решения задачи}

Функциональные модели решения задачи представлены на рисунках 1 и 2.

Используемые обозначения:

g10c1, g10c2, g10c3, g10c4, g10c5 - константы десятиточечного метода Гаусса;

g10x1, g10x2, g10x3, g10x4, g10x5 - константы десятиточечного метода Гаусса;

m, n - вспомогательные переменные;

s1, s2, s3, s4, s5, s - вспомогательные переменные;

a, b - пределы интегрирования;

f - интегрируемая функция;

gc - посчитанный интеграл на интервале (a, b);

ga, gb - переменные для подсчета интеграла на половине интервала;

eps - точность интегрирования;

k - вспомогательная переменная.

Рисунок 1 - Функциональная модель решения задачи десятиточечного метода Гаусса, реализованная методом Gaus_Calc

Рисунок 2 - Функциональная модель решения задачи для функции Gaus

_{4. Программная реализация решения задачи}

;; интегрируемая функция

(defun F (x)

;; 1 пример

;; (/ (* 2 (expt x 3)) (expt x 4))

;; 2 пример

;; (* 3.142 (sin (* 3.142 x)))

;; 3 пример

(* (/ (log (+ x 1)) x) (exp (* - 1 x)))

)

;; десятиточечный метод Гаусса

(defun Gauss_Calc (a b f)

(setq g10c1 (/ 0.9739065285 6.2012983932))

(setq g10c2 (/ 0.8650633667 6.2012983932))

(setq g10c3 (/ 0.6794095683 6.2012983932))

(setq g10c4 (/ 0.4333953941 6.2012983932))

(setq g10c5 (/ 0.1488743390 6.2012983932))

(setq g10x1 (/ 0.0666713443 6.2012983932))

(setq g10x2 (/ 0.1494513492 6.2012983932))

(setq g10x3 (/ 0.2190863625 6.2012983932))

(setq g10x4 (/ 0.2692667193 6.2012983932))

(setq g10x5 (/ 0.2955242247 6.2012983932))

(setq m (/ (+ b a) 2))

(setq n (/ ( - b a) 2))

(setq s1 (* g10c1 (+ (funcall f (+ m (* n g10x1))) (funcall f ( - m (* n g10x1))))))

(setq s2 (* g10c2 (+ (funcall f (+ m (* n g10x2))) (funcall f ( - m (* n g10x2))))))

(setq s3 (* g10c3 (+ (funcall f (+ m (* n g10x3))) (funcall f ( - m (* n g10x3))))))

(setq s4 (* g10c4 (+ (funcall f (+ m (* n g10x4))) (funcall f ( - m (* n g10x4))))))

(setq s5 (* g10c5 (+ (funcall f (+ m (* n g10x5))) (funcall f ( - m (* n g10x5))))))

(setq s (+ s1 s2 s3 s4 s5))

(* s ( - b a))

)

;; рекурсивная ф-ция подсчета с заданной точностью

;; gc - ранее посчитаный интеграл на интервале (a,b)

(defun Gauss (a b eps gc f)

;; разбиваем интервал на две половины

(setq k (/ (+ a b) 2))

;; в каждой половине считаем интеграл

(setq ga (Gauss_Calc a (/ (+ a b) 2) f))

(setq gb (Gauss_Calc (/ (+ a b) 2) b f))

(if (> (abs ( - (+ ga gb) gc)) eps)

(progn

(setq ga (Gauss a (/ (+ a b) 2) (/ eps 2) (Gauss_Calc a (/ (+ a b) 2) f) f))

(+ ga (Gauss (/ (+ a b) 2) b (/ eps 2) (Gauss_Calc (/ (+ a b) 2) b f) f))

)

(+ ga gb)

)

)

;; открываем файл для чтения

(setq input-stream (open " d: \\predel. txt": direction: input))

(setq a (read input-stream))

(setq b (read input-stream))

(setq eps (read input-stream))

(close input-stream)

;; находим интеграл

(setq integral (Gauss a b eps (Gauss_Calc a b (function F)) (function F)))

;; открываем файл для записи

(setq output-stream (open " d: \\test. txt": direction: output))

(format output-stream "Integral = ~a" integral)

(close output-stream)

_{5. Пример выполнения программы}

Пример 1.

Рисунок 3 - Пределы интеграла и точность вычисления для интегрируемой функции

Рисунок 4 - Результат вычисления интеграла функции с заданными пределами и точностью вычисления

Пример 2.

Рисунок 5 - Пределы интеграла и точность вычисления для интегрируемой функции

Рисунок 6 - Результат вычисления интеграла функции с заданными пределами и точностью вычисления

Пример 3.

Рисунок 7 - Пределы интеграла и точность вычисления для интегрируемой функции

Рисунок 8 - Результат вычисления интеграла функции с заданными пределами и точностью вычисления

_{Заключение}

Проблема повышения качества вычислений, как несоответствие между желаемым и действительным, существует и будет существовать в дальнейшем. Ее решению будет содействовать развитие информационных технологий, которое заключается как в совершенствовании методов организации информационных процессов, так и их реализации с помощью конкретных инструментов - сред и языков программирования.

Итогом работы можно считать созданную функциональную модель вычисления интеграла функции методом Гаусса. Созданная функциональная модель и ее программная реализация могут служить органической частью решения более сложных задач.

_{Список использованных источников и литературы}

1. Бронштейн И.Н. Справочник по математике для инженеров и учащихся втузов [Текст] / И.Н. Бронштейн, К.А. Семендяев. - М.: Наука, 2007. - 708 с.

2. Кремер Н.Ш. Высшая математика для экономистов: учебник для студентов вузов. [Текст] / Н.Ш. Кремер, 3-е издание - М.: ЮНИТИ-ДАНА, 2006. C.412.

3. Калиткин Н.Н. Численные методы. [Электронный ресурс] / Н.Н. Калиткин. - М.: Питер, 2001. С.504.

4. Численное интегрирование [Электронный ресурс] - Режим доступа: http://ru. wikipedia.org/wiki/Численное_интегрирование

5. Семакин И.Г. Основы программирования. [Текст] / И.Г. Семакин, А.П. Шестаков. - М.: Мир, 2006. C.346.

6. Симанков В.С. Основы функционального программирования [Текст] / В.С. Симанков, Т.Т. Зангиев, И.В. Зайцев. - Краснодар: КубГТУ, 2002. - 160 с.

7. Степанов П.А. Функциональное программирование на языке Lisp. [Электронный ресурс] / П.А. Степанов, А.В. Бржезовский. - М.: ГУАП, 2003. С.79.

8. Хювенен Э. Мир Лиспа [Текст] / Э. Хювенен, Й. Сеппянен. - М.: Мир, 1990. - 460 с.