
- •Математические модели и численные методы
- •Структура погрешности при решении задачи на эвм
- •Решение уравнений с одной переменной Постановка задачи
- •Отделение корней
- •I. Графический способ отделения корней
- •II. Отделения корней программным способом.
- •Уточнение корней
- •Метод половинного деления
- •Метод хорд
- •Метод касательных
- •Метод простой итерации
- •Оценка погрешности метода итераций
- •Преобразование к итерационному виду
- •Решение системы линейных алгебраических Постановка задачи
- •Метод Гаусса
- •Метод простой итерации
- •Решение слу методом Зейделя
- •Интерполирование функций Постановка задачи
- •Интерполяционный многочлен Лагранжа
- •Интерполяционный многочлен Ньютона для равноотстоящих узлов
- •Первая интерполяционная формула Ньютона
- •Вторая интерполяционная формула Ньютона
- •Численное дифференцирование
- •Вычисление производной по определению
- •Вычисление производной на основе интерполяционного многочлена Лагранжа
- •Численное интегрирование
- •Формула трапеций
- •Формула Симпсона
- •Приближенное вычисление несобственных интегралов с бесконечными пределами
- •Аппроксимация некоторых несобственных интегралов определенными интегралами с точностью ε.
- •Упрощение подынтегральных функций
- •Приближенное вычисление несобственных интегралов от функции с бесконечным разрывом
- •Численное решение дифференциальных уравнений Основные определения и постановка задачи
- •Метод Эйлера
- •Методы Рунге-Кутта
- •Классический метод Рунге-Кутта
- •Метод наименьших квадратов Постановка задачи
- •Нахождение приближающей функции в виде линейной функции
- •Нахождение приближающей функции в виде других элементарных функций
- •Нахождение приближающей функции в виде квадратичной функции
Метод Эйлера
В основе метода Эйлера лежит идея графического построения решения дифференциального уравнения, этот метод называется также методом ломаных Эйлера.
Угловой
коэффициент касательной к интегральной
кривой в точке M0(x0,y0)
равен
.
Найдем ординату y1 касательной, соответствующей абсциссе x1=x0+h.
Уравнение
касательной к кривой в точке M0
имеет вид
или
,
откуда y1=y0+hf(x0,y0).
Аналогично,
угловой коэффициент касательной к
интегральной кривой в точке M1(x1,y1)
равен
.
Точку M2(x2,y2)
получим соответственно
x2=x1+h y2=y1+hf(x1,y1).
Продолжая вычисления по данной схеме, получим формулы Эйлера для приближенного решения задачи Коши с начальными данными (x0,y0) на сетке отрезка [a, b] с шагом h:
xi=xi-1+h yi=yi-1+hf(xi-1,yi-1). (4)
M4
M3
y
M2
M1
M0
O
x
x0
x1
x2
x3
x4
Погрешность метода Эйлера можно оценить неравенством
,
(5)
которое
можно представить в виде d=Ch,
где
.
Таким образом, метод Эйлера имеет первый
порядок точности.
Практическую оценку погрешности решения, найденного на сетке с шагом h/2, в точке xi[a, b] производят с помощью приближенного равенства – правила Рунге:
(6)
где P – порядок точности численного метода.
Таким образом, оценка полученного результата по правилу Рунге вынуждает проводить вычисления дважды: с шагом h и h/2, причем совпадение десятичных знаков в полученных двумя способами результатах дает основание считать их верными.
Блок-схема решения ДУ методом Эйлера |
|
Методы Рунге-Кутта
Численные методы решения задачи Коши , y(x0)=y0 на равномерной сетке {x0=a, x1, x2, …, xm=b} отрезка [a, b] с шагом являются методами Рунге-Кутта, если, начиная с данных y(x0)=y0 решение ведется по следующим рекуррентным формулам:
;
(i=1, 2, …, m) (7)
,
Метод называют методом Рунге-Кутта порядка P, если от имеет P-й порядок точности по шагу h на сетке.
Метод Эйлера можно назвать методом Рунге-Кутта первого порядка.
Метод Рунге-Кутта второго порядка называют методом Эйлера-Коши, если P=2, c1=0, c2=1, d1=d2=1/2
; (i=1, 2, …, m) (8)
Для
практической реализации погрешности
решения можно применять правило Рунге,
полагая P=2:
Классический метод Рунге-Кутта
Метод Рунге-Кутта четвертого порядка получаем при
P=4, c1=0, c2= c3=1/2, c4=1, d1=d4=1/6, d2=d3=1/3
Расчетные формулы имеют вид:
; (i=1, 2, …, m) (9)
То есть берутся 4 направления и усредняются.
Для
практической реализации погрешности
решения можно применять правило Рунге,
полагая P=4:
Метод наименьших квадратов Постановка задачи
Пусть данные некоторого эксперимента представлены в виде таблицы:
xi |
x1 |
x2 |
… |
xn |
|
yi |
y1 |
y2 |
… |
yn |
(1) |
Поставим
задачу об отыскании аналитической
зависимости между x
и y, т.е. некоторой
формулы y=f(x).
При этом потребуем, чтобы график искомой
функции изменялся плавно и не слишком
уклонялся от экспериментальных данных.
Поиск такой зависимости называют
«сглаживанием» экспериментальных
данных. Формулу y=F(x)
– эмпирической формулой или
уравнением регрессии y
на x.
Предположим, что приближающая функция y=F(x) имеет значения.
xi |
x1 |
x2 |
… |
xn |
|
|
|
|
… |
|
(2) |
Рассматривая
совокупности (1) и (2) как координаты двух
точек
n-мерного
пространства, найдем расстояние между
ними по евклидовой метрике
Потребуем, чтобы эта величина была наименьшей. Это равносильно тому, что сумма квадратов должна быть наименьшей:
или
Тогда задача приближения функции f формулируется следующим образом: для функции f, заданной таблицей, найти функцию F определенного вида так, чтобы сумма квадратов была наименьшей.