Excel w zastosowaniach

inynieryjnych
Autor: Zbigniew Smogur
ISBN: 83-7197-641-0
Stron: 168

Poznaj ukryte moliwoci Excela

Jak tworzy diagramy, wykresy i tabele?
W jaki sposb wykorzystywa w Excelu algorytmy numeryczne?
Jak przeprowadzi zoone analizy statystyczne?

Excel 2003 to narzdzie, z ktrym zetkn si chyba kady uytkownik komputera. Ten
arkusz kalkulacyjny stanowicy element pakietu biurowego MS Office wykorzystywany
jest w firmach, szkoach, organizacjach i przez uytkownikw prywatnych. Za jego
pomoc wystawiane s faktury, przygotowywane zestawienia, wykresy, listy danych
i inne dokumenty. Jednak Excel nie jest programem przeznaczonym tylko dla
handlowcw i finansistw. To take potne narzdzie dla inynierw, projektantw
i naukowcw, ktrzy z pewnoci doceni jego moliwoci przeprowadzania nawet
najbardziej zoonych oblicze, symulacji i analiz.
Excel w zastosowaniach inynieryjnych to ksika, dziki ktrej dowiesz si, w jaki
sposb wykorzysta wszystkie niesamowite moliwoci tego programu. Czytajc j,
nauczysz si tworzy wykresy, przeprowadza analizy trendw, rozwizywa rwnania
liniowe, nieliniowe i rniczkowe za pomoc algorytmw numerycznych oraz korzysta
z moduu Solver. Dowiesz si, w jaki sposb wykonywa obliczenia statystyczne przy
uyciu Analysis Toolpak oraz automatyzowa dziaanie programu z wykorzystaniem
makropolece i jzyka VBA. Przeczytasz ponadto o moliwociach wsppracy Excela
z innymi aplikacjami.

Wydawnictwo Helion
ul. Kociuszki 1c
44-100 Gliwice
tel. 032 230 98 63
e-mail: helion@helion.pl

Tworzenie zoonych formu obliczeniowych

Wykresy i diagramy
Przyblianie i szacowanie wartoci za pomoc regresji liniowej i wielomianowej
Algorytmy cakowania i rniczkowania numerycznego
Rozwizywanie rwna i ukadw rwna
Obliczenia na szeregach liczbowych
Analiza statystyczna
Makropolecenia i VBA
Wymiana danych z innymi programami

Wykorzystaj w swojej pracy potne moliwoci Excela

Spis treci
Wstp ............................................................................................... 7
Rozdzia 1. Wprowadzenie i przedstawienie moliwoci ............................................ 9
1.1. Precyzja, zakres liczb, bdy i dostpne funkcje .......................................................... 9
1.2. Zaokrglanie wynikw i wartoci .............................................................................. 11
1.3. Dostpne operatory i funkcje ..................................................................................... 12
1.4. Funkcje dodatku Analysis ToolPak ........................................................................... 28
1.5. Inne narzdzia wykorzystywane w obliczeniach
oraz zastosowaniach inynieryjnych i naukowych ................................................... 31
1.6. Podsumowanie ........................................................................................................... 31
1.7. Zadania do samodzielnego wykonania ...................................................................... 32

Rozdzia 2. Praca z tabelami i formuami ............................................................ 33

2.1. Uywanie w formuach obliczeniowych odwoa do komrek i zakresw ............... 34
2.2. Uywanie w formuach obliczeniowych nazw komrek i nazw zakresw ................ 35
2.3. Obliczanie listy wartoci zakresw ............................................................................ 37
2.4. ledzenie formu. Pokazywanie formu ..................................................................... 39
2.5. Tworzenie tabel ze skopiowanymi formuami i (lub) wartociami ............................ 40
2.6. Praca z tabelami przestawnymi .................................................................................. 41
2.7. Podsumowanie ........................................................................................................... 45
2.8. Zadania do samodzielnego wykonania ...................................................................... 46

Rozdzia 3. Wykresy, czyli najlepszy sposb prezentowania danych ..................... 47

3.1. Wykresy najczciej uywane w zastosowaniach inynieryjnych ............................. 49
3.1.1. Wykresy kolumnowe ....................................................................................... 49
3.1.2. Wykresy supkowe ........................................................................................... 50
3.1.3. Wykresy liniowe .............................................................................................. 50
3.1.4. Wykresy typu X Y ........................................................................................... 52
3.2. Pozostae typy wykresw Excela ............................................................................... 55
3.2.1. Wykresy warstwowe ........................................................................................ 55
3.2.2. Wykresy piercieniowe .................................................................................... 55
3.2.3. Wykresy radarowe ........................................................................................... 55
3.2.4. Wykresy powierzchniowe ................................................................................ 55
3.2.5. Wykresy giedowe ........................................................................................... 56
3.2.6. Wykresy bbelkowe ......................................................................................... 56
3.3. Wykresy przestawne w Excelu .................................................................................. 56
3.4. Formatowanie i uatrakcyjnianie wykresw ................................................................ 58
3.5. Podsumowanie ........................................................................................................... 61

Excel w zastosowaniach inynieryjnych

Rozdzia 4. Dopasowywanie krzywych ................................................................ 63

4.1. Regresja liniowa ........................................................................................................ 63
4.2. Regresja wykadnicza ................................................................................................ 68
4.3. Linie trendu ................................................................................................................ 69
4.4. Interpolacja liniowa ................................................................................................... 72
4.5. Podsumowanie ........................................................................................................... 74
4.6. Zadania do samodzielnego wykonania ...................................................................... 74

Rozdzia 5. Cakowanie i rniczkowanie numeryczne ......................................... 75

5.1. Funkcje rniczkowe w ujciu numerycznym ........................................................... 76
5.1.1. Typy funkcji obliczajcych rnic ................................................................. 76
5.1.2. Bdy oblicze ................................................................................................. 77
5.1.3. Przykady obliczania funkcji rniczkowych .................................................. 77
5.2. Cakowanie numeryczne ............................................................................................ 79
5.2.1. Wybrane metody cakowania numerycznego .................................................. 79
5.2.2. Caki niewaciwe ............................................................................................ 80
5.2.3. Przykady cakowania numerycznego .............................................................. 81
5.3. Podsumowanie ........................................................................................................... 83
5.4. Zadania do samodzielnego wykonania ...................................................................... 83

Rozdzia 6. Rozwizywanie rwna ..................................................................... 85

6.1. Rozwizywanie rwna liniowych ............................................................................ 85
6.2. Rozwizywanie rwna nieliniowych ....................................................................... 87
6.2.1. Metoda kolejnych przyblie ........................................................................... 87
6.2.2. Metoda spadku wzgldem wsprzdnych ....................................................... 89
6.2.3. Metoda Newtona .............................................................................................. 91
6.3. Narzdzie Solver i Szukaj wyniku ............................................................................. 92
6.4. Podsumowanie ........................................................................................................... 95
6.5. Zadania do samodzielnego wykonania ...................................................................... 95

Rozdzia 7. Rozwizywanie ukadw rwna ....................................................... 97

7.1. Rozwizywanie rwna rniczkowych metod macierzy ........................................ 98
7.2. Rozwizywanie ukadw rwna za pomoc iteracji Gaussa-Seidla ....................... 100
7.3. Rozwizywanie ukadw rwna przy wykorzystaniu narzdzia Solver ................. 103
7.4. Podsumowanie ......................................................................................................... 105
7.5. Zadania do samodzielnego wykonania .................................................................... 105

Rozdzia 8. Rwnania rniczkowe ................................................................... 107

8.1. Rozwizywanie rwna rniczkowych metod szeregw Taylora ........................ 107
8.2. Rozwizywanie rwna rniczkowych metod Eulera .......................................... 108
8.3. Rozwizywanie rwna rniczkowych metod Rungego-Kutty ............................ 110
8.4. Rozwizywanie czstkowych rwna rniczkowych ............................................ 111
8.4.1. Eliptyczne czstkowe rwnania rniczkowe ................................................ 112
8.4.2. Paraboliczne czstkowe rwnania rniczkowe .............................................. 112
8.4.3. Hiperboliczne czstkowe rwnania rniczkowe .............................................. 113
8.5. Podsumowanie ......................................................................................................... 113

Rozdzia 9. Sumowanie szeregw liczbowych .................................................... 115

9.1. Wybrane funkcje wbudowane Excela do obliczania szeregw liczbowych ............. 116
9.2. Iteracyjne obliczanie szeregw liczbowych ............................................................. 118
9.3. Podsumowanie ......................................................................................................... 121
9.4. Zadania do samodzielnego wykonania .................................................................... 121

Spis treci

Rozdzia 10. Analiza statystyczna i probabilistyka ............................................ 123

10.1. Informacje wstpne .............................................................................................. 124
10.2. Obliczanie wartoci prawdopodobiestwa ........................................................... 124
10.3. Rozkady w Excelu .............................................................................................. 125
10.3.1. Rozkad normalny .................................................................................... 126
10.3.2. Rozkad Poissona ..................................................................................... 127
10.4. Inne zagadnienia zwizane ze statystyk i probabilistyk ................................... 129
10.4.1. rednia ..................................................................................................... 129
10.4.2. Mediana ................................................................................................... 130
10.4.3. Moda ........................................................................................................ 130
10.4.4. Wariancja ................................................................................................. 130
10.4.5. Odchylenie standardowe .......................................................................... 131
10.4.6. Inne wartoci statystyki ............................................................................ 131
10.4.7. Przykad ................................................................................................... 131
10.5. Narzdzia pakietu Analysis ToolPak ................................................................... 133
10.6. Podsumowanie ..................................................................................................... 135
10.7. Zadania do samodzielnego wykonania ................................................................ 136

Rozdzia 11. Makra i Visual Basic for Applications ........................................... 137

11.1. Nagrywanie i edytowanie makr ........................................................................... 138
11.2. Przegld i moliwoci jzyka Visual Basic for Applications ............................... 141
11.2.1. Tworzenie funkcji i procedur ................................................................... 141
11.2.2. Odwoania do komrek ............................................................................ 142
11.2.3. Zmienne i stae ......................................................................................... 143
11.2.4. Zapis matematyczny ................................................................................ 145
11.2.5. Odczytywanie danych z pliku i zapisywanie do niego ............................. 146
11.2.6. Ptle i instrukcje warunkowe ................................................................... 147
11.2.7. Inne mechanizmy ..................................................................................... 150
11.3. Przykadowa funkcja jzyka Visual Basic for Applications ................................ 151
11.4. Analiza kodu ........................................................................................................ 154
11.5. Podsumowanie ..................................................................................................... 155
11.6. Zadania do samodzielnego wykonania ................................................................ 156

Podsumowanie ............................................................................. 157

Skorowidz ................................................................................... 159

Rozdzia 5.

Cakowanie
i rniczkowanie
numeryczne
Cakowanie i rniczkowanie numeryczne to nic innego jak aproksymacja caek i pochodnych analitycznych. Nie s one czstymi operacjami przeprowadzanymi przy uyciu komputerw. Zazwyczaj wykonywane s na funkcjach analitycznych i nie ma potrzeby obliczania ich metodami numerycznymi. Jednake nie s one zupenie bezuyteczne.
wietnie sprawdzaj si wwczas, gdy funkcja ma posta dyskretn (jest zbiorem pojedynczych wartoci) lub gdy bardzo trudno obliczy cak lub rniczk przy uyciu standardowych metod analitycznych.
W Excelu mona zastosowa numeryczne cakowanie i rniczkowanie zarwno
w postaci aplikacji pisanych w jzyku VBA, jak i korzystajc ze zwyczajnych, wbudowanych mechanizmw, w jakie s wyposaone arkusze. W rozdziale tym skupimy
si jedynie na standardowych mechanizmach Excela, ktre pozwalaj na obliczanie caek
i rniczek.
Pliki referencyjne
Wszystkie przykady zamieszczone w tym rozdziale dostpne s na serwerze pod adresem
ftp://ftp.helion.pl/przyklady/excinz.zip. Po rozpakowaniu archiwum naley znale plik o nazwie
Roz_5.xlsx. Ponadto archiwum zawiera plik Odp_5.xlsx z odpowiedziami do pyta kontrolnych
znajdujcych si na kocu tego rozdziau.

76

Excel w zastosowaniach inynieryjnych

5.1. Funkcje rniczkowe

w ujciu numerycznym
Najlepszym sposobem na rniczkowanie problematycznych funkcji jest skorzystanie
z wyrae na obliczanie rnicy wstecznej, przedniej oraz centralnej.

5.1.1. Typy funkcji obliczajcych rnic

Istniej trzy rnice, ktre su do szacowania rniczki w punkcie w oparciu o rne
dane. Jest to rnica wsteczna, rnica przednia (progresywna) oraz rnica centralna. Rnica przednia suy do szacowania wartoci pochodnej w danym punkcie
na podstawie danych znajdujcych si za tym punktem. Analogicznie rnica wsteczna suy do szacowania wartoci pochodnej w danym punkcie na podstawie danych
znajdujcych si przed tym punktem. Rnica centralna szacuje warto pochodnej
na podstawie danych symetrycznie rozoonych po obu stronach punktu, dla ktrego szacowana jest pochodna. Poniej znajduj si wyraenia dla dwch pierwszych
pochodnych w punkcie x0 . We wszystkich wzorach h okrela dugo odcinka pomidzy punktami. Oto wzory:

dy y1 y0
=
rnica przednia,
dx
h

dy y1 y1
=
rnica centralna,
dx
2h

dy y0 y1
=
rnica wsteczna,
dx
h

d 2 y y2 2 y1 + y0
=
rnica przednia,
dx 2
h2

d 2 y y1 2 y0 + y1
=
rnica centralna,
dx 2
h2

d 2 y y0 2 y1 + y2
=
rnica wsteczna.
dx 2
h2

W wielu publikacjach zajmujcych si t tematyk mona bez problemu odnale

wzory na rnice do szacowania pochodnych wyszych rzdw. Tak wic, aby za
pomoc Excela oszacowa wartoci pochodnych, naley wybra odpowiedni typ rnicy i wpisa odpowiedni formu w arkuszu. Automatycznie rodzi si jednak pytanie o to, ktr z rnic wybra. Najlepszym rozwizaniem w wikszoci przypadkw
jest wykorzystanie rnicy centralnej. Ma ona jednak jedn wad wymaga dokadnie
takiej samej iloci danych po obu stronach punktu. Jeeli nie moemy speni tego
warunku, naley sign po rnic wsteczn lub przedni. Przykadowe obliczenia
znajduj si w dalszej czci tego rozdziau.

Rozdzia 5. Cakowanie i rniczkowanie numeryczne

77

5.1.2. Bdy oblicze

Numeryczne rniczkowanie jest bardzo rzadko wykorzystywanym mechanizmem rwnie ze wzgldu na to, e jest niezwykle wraliwe na wszelkiego rodzaju bdy numeryczne. W przypadku rniczkowania numerycznego pod uwag naley wzi dwa
rodzaje bdw: bdy obcicia oraz bdy zaokrglania wynikw. Ten pierwszy generalnie jest nastpstwem szacowania pochodnych na podstawie ograniczonych zbiorw dyskretnych, na przykad zbiorw pomiarw lub odczytw z urzdze rejestrujcych.
Przy gbszej analizie mona zauway, e warto tego bdu jest proporcjonalnie uzaleniona od wielkoci odstpu midzy punktami danych. To do niebezpieczne, gdy
rodzi pokus zmniejszania wartoci odstpu midzy punktami danych. W pewnym zakresie to dziaa, ale trzeba by ostronym, gdy do szybko uzyskiwane wyniki pochodnych bd obarczane duymi bdami zaokrgle.
Bdy zaokrgle to jedne z najpowszechniejszych bdw wystpujcych przy obliczeniach komputerowych. S one nastpstwem tego, e kada, nawet najdokadniejsza,
maszyna moe przechowywa z gry okrelon liczb cyfr po przecinku. Jest to tak
zwana precyzja liczby. Jeeli bdziemy odejmowa dwie prawie takie same liczby
(zmniejsza szeroko przedziau), wynik bdzie coraz mniejszym uamkiem. Tak wic
moe doj do sytuacji, gdy rnica obliczana z podanych w poprzednim punkcie
wzorw wyjdzie poza precyzj liczby, powodujc zwikszanie si bdu zaokrglenia.
Innymi sowy, bd zaokrglania bdzie rs wraz z maleniem bdu obcicia.

5.1.3. Przykady obliczania funkcji rniczkowych

Formuy na obliczanie rnic szacujcych wartoci pochodnych mona zastosowa praktycznie do numerycznego wyznaczania dowolnej pochodnej funkcji. Jak ju jednak
wyjanilimy wczeniej, ze wzgldu na do du podatno na bdy, do numerycznego rniczkowania naley siga, kiedy wyznaczanie analityczne jest bardzo trudne
lub niemoliwe. Na potrzeby ksiki wykorzystamy jednak prosty przykad, aby chtni
mogli atwo porwna wyniki numeryczne z wynikami analitycznymi.
Z punktu widzenia matematyki pochodna funkcji to narzdzie do badania przebiegu
jej zmiennoci w pewnym przedziale o wartociach rzeczywistych. Pochodne maj szerokie zastosowanie w wielu dziedzinach nauki i techniki. Wykorzystuje si je w fizyce,
ekonomii, inynierii. Na przykad w ekonomii koszt marginalny jest pochodn funkcji
wyraajcej koszt w zalenoci od wielkoci produkcji. W fizyce na poziomie szkoy
redniej uczymy si, e pochodna funkcji pooenia w zalenoci od czasu jest jej prdkoci chwilow. Druga pochodna tej funkcji to oczywicie przyspieszenie. Dla zainteresowanych wyznaczenie trzeciej pozwoli okreli warto zrywu.
Wanie pochodne funkcji pooenia od czasu bd przedmiotem omawianego przykadu. Aby mona byo atwo zweryfikowa wyniki, zamy, e rozwaamy przyspieszenie ziemskie, a wic przyspieszenie grawitacyjne cia spadajcych swobodnie
z pominiciem oporw ruchu. Przyjmijmy dokadno do 5 miejsc po przecinku.
m
Wwczas warto przyspieszenia ziemskiego wynosi: g = 9,80665 2 . Z fizyki wiemy,
s

e w przypadku ruchu jednostajnie przyspieszonego droga x obliczana jest ze wzoru:

78

Excel w zastosowaniach inynieryjnych

x = V pt +

g 2
t .
2

Natomiast prdko chwilowa wyliczana jest ze wzoru: V = V p + gt . W obu

przypadkach V p oznacza prdko pocztkow w danym momencie.

Przykadowy arkusz kalkulacyjny moe wyglda tak, jak ten przedstawiony na rysunku 5.1. Arkusz zawiera dwie tabele. W pierwszej z nich (komrki A5:E12) znajduj si wyliczenia w przypadku pominicia bdw wartoci x. Wwczas wyliczenia
analityczne (kolumna C) pokrywaj si z wynikami uzyskanymi za pomoc rnicy
centralnej (kolumna D). W kolumnie E znajduje si pochodna drugiego stopnia (wyliczenie przyspieszenia) uzyskana take za pomoc rnicy centralnej. W tym przypadku
dokadno wyliczenia jest rwnie bardzo dobra.
Rysunek 5.1.
Obliczanie pochodnych
za pomoc
rniczkowania
numerycznego
w przypadku,
gdy dane nie s
obarczone bdem,
oraz w przypadku
przeciwnym

Druga tabela jest analogiczna do pierwszej, ale w kolumnie B dodano losowy bd, ktry
symuluje bdy pomiaru. Niestety Excel nie pozwala na generowanie liczb uamkowych.
W zwizku z tym zastosowany zosta may trik. Na kocu wyliczenia analitycznego
skopiowanego z pierwszej tabeli dodano formu 1/RANDBETWEEN(1;1000)). Dziki niej
uzyskujemy losowy uamek bdcy ilorazem jedynki i losowej liczby cakowitej z przedziau od 1 do 1000.
Wida goym okiem, e niewielkie bdy wartoci x wzgldem wartoci okrelonych analitycznie (znajdujcych si w pierwszej z dwch tabel) powoduj, e pochodne wyliczone za pomoc rnicy centralnej obarczone s bardzo duym bdem obliczeniowym.
Wanie ze wzgldw na te bdy, o ktrych szerzej traktuje punkt 5.1.2, rniczkowanie numeryczne jest uywane bardzo rzadko. Kiedy jednak decydujemy si na jego
zastosowanie, musimy mie pewno, e nasze dane wejciowe nie s obarczone bdem lub bd ten jest na tyle may, e nie zafaszuje wynikw.

Rozdzia 5. Cakowanie i rniczkowanie numeryczne

79

5.2. Cakowanie numeryczne

W przeciwiestwie do rniczkowania numerycznego cakowanie numeryczne jest duo
mniej podatne na bdy. Cakowanie numeryczne jest bardzo uytecznym mechanizmem.
Kady inynier oraz student studiw technicznych spotka si z niejedn cak, ktrej nie
da si obliczy w sposb analityczny. I tutaj pojawia si miejsce dla metod numerycznych.
Wikszo z metod numerycznych obliczania caek jest do siebie podobna. Oglnie
mwic, polegaj one na dzieleniu przedziau cakowania na mniejsze fragmenty, obliczaniu wartoci funkcji dla danego przedziau, a nastpnie zsumowaniu wszystkich tych
wartoci czstkowych. Do czsto poszczeglne metody rni si jedynie uywanymi
wspczynnikami. Wanie dlatego, a take dlatego, e literatura dotyczca cakowania
numerycznego jest do bogata, w rozdziale znajduj si tylko wybrane metody cakowania numerycznego oraz ich implementacja w arkuszu Excela.

5.2.1. Wybrane metody cakowania numerycznego

Kada osoba o wyksztaceniu technicznym wie, e caka z punktu widzenia matematyki to
sumowanie liczb, dugoci, powierzchni lub innych elementw. Z tego wzgldu cakowanie jest bardzo powszechnie wykorzystywanym mechanizmem. Niejednokrotnie analityczne rozwizywanie caek jest bardzo mudne i trudne. W takich przypadkach mona
odwoa si do cakowania numerycznego, ktre, cho jest tylko przyblieniem rozwizania analitycznego, to jednak do dokadnym. Do najpopularniejszych metod cakowania numerycznego nale: metoda prostoktw, metoda trapezw oraz metoda Simpsona.

Metoda prostoktw
Metoda prostoktw jest bodaje najprostsz z metod cakowania numerycznego. Polega
ona na podziale przestrzeni midzy krzyw funkcji i osi X ograniczonej dwoma punktami na rwne czci i wypenienie jej prostoktami o wysokoci rwnej wartoci
funkcji w jednym z punktw i szerokoci opartej na dugoci interwau, przez ktry podzielony zosta przedzia caki. Mona to zapisa nastpujcym wzorem:
n 1

I = yi (xi +1 xi ) , gdzie I oznacza warto caki.

i =1

Metoda ta mimo swojej prostoty do dobrze aproksymuje caki tak dugo, jak ich krzywe
s wzgldnie gadkie, a warto interwau nie jest zbyt dua. Jej zalet jest rwnie to,
e niezwykle atwo mona j zaimplementowa w arkuszu kalkulacyjnym.

Metoda trapezw
Metoda ta polega na podzieleniu przedziau caki na czci i poprowadzeniu prostych
midzy kolejnymi parami punktw na osi danych tak, e tworzone s trapezy. Maten 1

matycznie mona to okreli nastpujcym wzorem: I =

i =1

I oznacza warto caki.

( yi + yi+1 ) (x
2

i +1

xi ) , gdzie

80

Excel w zastosowaniach inynieryjnych

Metoda ta gwarantuje nieco lepsze oszacowanie wartoci caki ni metoda kwadratw.

Mimo wraenia, e jest ona bardziej skomplikowana od metody kwadratw, jej implementacja w arkuszu Excela nie jest w aden sposb kopotliwa.

Metoda Simpsona
Standardowa i najbardziej powszechna metoda Simpsona nazywana jest metod .
W metodzie tej do przyblienia wartoci caki uywa si sumy wartoci wycinkw pola
pod krzyw paraboli. Przedzia cakowania naley podzieli na rwne fragmenty, a nastpnie obliczy sum wielomianw interpolacyjnych przybliajcych parabol, ktre
ograniczone s do trzech pierwszych skadnikw. Skadnikami tymi s: punkt pocztkowy i kocowy danego przedziau oraz punkt lecy dokadnie w jego rodku. Matematycznie mona to zapisa w sposb nastpujcy:
n/2

I =
i =1

n 2
h
( y2i2 + 4 y2i1 + y2i ) = h ( yi + 4 yi+1 + yi+2 ) , gdzie I oznacza warto caki.
3
i =1, 3, 5,... 3

W literaturze powiconej cakowaniu numerycznemu mona czsto spotka zmodyfikowan wersj tej metody, ktra nosi nazw metody . Pozwala ona na nieco dokadniejsz aproksymacj cakowanej funkcji. Jej zapis matematyczny wyglda za
nastpujco:
n

I =
i =1

n3
3h
( y3i3 + 3 y3i2 + 3 y3i1 + y3i ) = 3h ( yi + 3 yi+1 + 3 yi+2 + yi+3 ) ,
8
i =1, 4 , 7 ,... 8

gdzie

oznacza

warto caki.

5.2.2. Caki niewaciwe

W inynierii bardzo czsto musimy obliczy wartoci caek niewaciwych, a wic
caek, ktrych przedzia cakowania jest nieskoczony lub kiedy funkcja podcakowa
jest nieograniczona. Przykadem takiej caki jest chociaby caka Gaussa, ktra ma zastosowanie midzy innymi w rachunku prawdopodobiestwa i obliczaniu cigej transformaty Fouriera.
Przy numerycznym szacowaniu wartoci caek niewaciwych moemy swobodnie korzysta z dobrodziejstw cakowania analitycznego po to, aby zamieni cak niewaciw na cak waciw. Najczciej stosuje si wic podstawienie, dziki czemu mona
zmieni granice cakowania tak, by przedzia cakowania z nieskoczonoci zmieni si
w przedzia skoczony.
Jeeli funkcja podcakowa jest funkcj niecig w punkcie bdcym doln granic cakowania, naley doda do tego punktu niewielk warto i przeprowadzi normalne
cakowanie jedn z dostpnych metod numerycznych. Oczywicie warto powinna
by tak maa, by nie zwiksza bdu oblicze. Mwic inaczej, powinna by na tyle
maa, by warto caki bya zbiena.

Rozdzia 5. Cakowanie i rniczkowanie numeryczne

81

Skoro o bdach mowa, to istnieje jeszcze jeden sposb, cho najgorszy z moliwych.
Jeeli zadowala nas pewna dokadno oszacowania wartoci, to zawsze mona zakoczy cakowanie numeryczne przed osigniciem koca przedziau cakowania. Innymi sowy, dopuszczalne jest zmienienie granic cakowania z nieograniczonych na
ograniczone, zapewniajce dopuszczalny przez nas bd szacowania wartoci caki.

5.2.3. Przykady cakowania numerycznego

W tym miejscu stworzymy arkusz Excela pozwalajcy obliczy warto caki za pomoc trzech przedstawionych metod cakowania numerycznego.
Aby mona byo atwo oszacowa jako metod numerycznych, jako przykad posuy
nam prosta caka, ktrej rozwizanie mona atwo odczyta z tablic caek. Dziki temu
analitycznie wyliczymy dokadn warto caki, co pozwoli nam pniej oszacowa bd
2

metod numerycznych. Rozwamy nastpujc cak:

x dx . Jej rozwizanie anali1

tyczne ma nastpujc posta:

2

x dx = ln x
1

= ln 2 ln 1 = ln(2) ln(1) = 0,693147 0 = 0,693147

1

Stwrzmy teraz arkusz Excela do oblicze teje caki kolejnymi metodami numerycznymi. Chocia dwie pierwsze metody metoda kwadratw oraz trapezw nie wymagaj, aby przedziay byy jednakowej wielkoci, to i tak zakres cakowania podzielimy na takie wanie rwne przedziay o delcie wynoszcej 0,1. Dziki temu uprocimy
arkusz, gdy w przeciwnym razie musielibymy tworzy osobne tabele dla kadej
z metod, a tak powstanie jedna zbiorcza dla wszystkich trzech. Aby zrealizowa nasze
zadanie, stwrzmy nastpujcy arkusz:
w komrce A1 wpisujemy: Warto rzeczywista caki,
w komrce A3 wpisujemy: Metoda kwadratw,
w komrce A4 wpisujemy: Warto bdu,
w komrce A6 wpisujemy: Metoda trapezw,
w komrce A7 wpisujemy: Warto bdu,
w komrce A9 wpisujemy: Metoda Simpsona (1/3),
w komrce A10 wpisujemy: Warto bdu,
w komrce D1 wpisujemy: Wartoci numerycznego obliczenia caki,
w komrce D3 wpisujemy: x,
w komrce E3 wpisujemy: Kwadraty,
w komrce F3 wpisujemy: Trapezy,
w komrce G3 wpisujemy: Simpson,

82

Excel w zastosowaniach inynieryjnych

komrki D4:D14 wypeniamy wartociami od 1 do 2, co 0,1,
w komrce E4 wpisujemy: =1/D4*(D5-D4) i kopiujemy formu do komrek

E5:E13,
w komrce F4 wpisujemy: =(1/D4+1/D5)/2*(D5-D4) i kopiujemy formu

do komrek F5:F13,
w komrce G4 wpisujemy: =((D5-D4)/3)*(1/D4+4/D5+1/D6), a nastpnie

kopiujemy formu do co drugiej komrki w kolumnie, a do komrki G12.

Komrki o numerach nieparzystych wypeniamy zerami,
w komrce B1 wpisujemy: 0,693147,
w komrce B3 wpisujemy: =SUMA(E4:E13),
w komrce B4 wpisujemy: =B3-B1,
w komrce B6 wpisujemy: =SUMA(F4:F13),
w komrce B7 wpisujemy: =B6-B1,
w komrce B9 wpisujemy: =SUMA(G4:G12),
w komrce B10 wpisujemy: =B9-B1.

Przygotowany arkusz z przykadowym formatowaniem wyglda tak, jak ten pokazany

na rysunku 5.2. W kolumnie z wyliczeniami metody Simpsona w co drugim wierszu
wpisalimy wartoci 0 dlatego, e metoda ta jest sum jedynie elementw nieparzystych
szeregu.

Rysunek 5.2. Przykadowy arkusz do obliczania wartoci caki 1/x za pomoc metody kwadratw,
trapezw oraz metody Simpsona

Od razu mona zauway, e metoda Simpsona jest najdokadniejsza. Bardzo dobre przyblienie gwarantuje rwnie metoda trapezw. Nieco gorzej wypada metoda kwadratw
z bdem kilka rzdw wielkoci wikszym od pozostaych metod. Bd ten mona jednak
bardzo atwo ograniczy. Wystarczy zmniejszy wielko przedziaw wartoci x z 0,1
do 0,05, a bd zmniejszy si prawie dwukrotnie. Dalsze zmniejszanie przedziau bdzie za
sob pociga jeszcze wiksze ograniczenie wielkoci bdu cakowania numerycznego.

Rozdzia 5. Cakowanie i rniczkowanie numeryczne

83

5.3. Podsumowanie
Rniczkowanie i cakowanie numeryczne jest wzgldnie prostym mechanizmem do
zaimplementowania w arkuszu Excela. Rniczkowanie ze wzgldu na swoj podatno
na bdy jest zdecydowanie rzadziej uywane, jednak cakowanie numeryczne mona
powszechnie spotka. Wynika to std, e bdy w cakowaniu numerycznym s wzgldnie niewielkie, a poza tym mona je do prosto ogranicza. Ponadto analityczne rozwizywanie wielu caek wie si ze mudnymi i dugimi przeksztaceniami, w ktrych
atwo si pomyli. Bd cakowania numerycznego jest do niewielki, std komputerowe obliczanie caek jest tak powszechne.
Jeeli kto zainteresowany jest innymi metodami cakowania numerycznego, takimi
jak metody Newtona-Cotesa, Bodego, Monte Carlo czy Gaussa, powinien sign po literatur powicon stricte metodom numerycznym. Do atwo znale w niej szczegowe opisy tyche zagadnie.

5.4. Zadania do samodzielnego

wykonania
Wszystkie caki znajdujce si w poniszych zadaniach mona atwo obliczy w sposb analityczny. Pozwoli to na porwnanie wynikw z tymi uzyskanymi przy pomocy
metod numerycznych.
1. Zmodyfikuj arkusz wykorzystywany w tym rozdziale tak, aby do obliczania

pochodnych uywane byy najpierw rnice przednie, a nastpnie rnice

wsteczne. Porwnaj uzyskiwane wyniki.
2. Zmie wartoci bdu, modyfikujc wartoci funkcji RANDBETWEEN. Sprawd,

kiedy symulowany bd pomiaru bdzie na tyle niewielki, by nie wpywa

znaczco na rniczkowanie numeryczne.

3. Oblicz przedstawionymi metodami cak

2x

sin xdx . Uzyskane wyniki

porwnaj z rozwizaniem analitycznym, ktre dane jest wzorem

4. Oblicz przedstawionymi metodami cak

e2 x
(2 sin x + cos x ) .
4

xdx

1 + sin 2 x . Uzyskane wyniki

0

porwnaj z rozwizaniem analitycznym, ktre dane jest wzorem

x
1

tg x + ln cos x .
2