- •Г.Г КАШЕВАРОВА, Т.Б. ПЕРМЯКОВА
- •Предисловие
- •Введение
- •Общие сведения о математическом моделировании.
- •Численные методы
- •Элементы теории погрешности
- •Понятия мастера и надстройки
- •Глава 1. Основные понятия матричного исчисления. Матрицы в расчетах строительных объектов
- •1.1. Матрицы и векторы. Определения
- •1.2. Матрицы специального вида
- •1.3. Действия над матрицами
- •1.4. Нормы матрицы и вектора
- •1.5. Матрицы в задачах строительной механики
- •1.5.1. Матрицы влияния внутренних сил
- •1.5.2. Матричная форма расчета статически определимых ферм
- •1.5.3, Матричная форма метода сил
- •1.5.4. Матричная форма метода перемещений
- •1.6. Матрицы в расчетах инженерных сетей
- •1.7. Функции Excel для операций над матрицами
- •Категория: математические. Функции:
- •2.1. Системы линейных алгебраических уравнений
- •2.2.1. Метод Гаусса
- •2.2.2. Метод Гаусса для СЛАУ с ленточными матрицами
- •2.2.3. Метод прогонки
- •2.2.4. Метод (схема) Холецкого
- •2.3. Итерационные методы решения систем линейных алгебраических уравнений
- •2.3.1. Метод Якоби (простых итераций)
- •2.3.2. Метод Гаусса - Зейделя.
- •2.3.3. Условия сходимости итерационного процесса
- •2.5. Обусловленность задач и вычислений, или как узнать, что получены правильные ответы
- •2.6. Вычисление определителя
- •2.7. Вычисление обратной матрицы
- •2.8. Нахождение собственных значений и собственных векторов матриц
- •2.8.1. Вводные замечания
- •2.8.2. Методы развертывания вековых определителей
- •2.8.3. Итерационные методы определения максимального по модулю собственного значения
- •2.9.1. Реализация метода Гаусса средствами приложения Excel
- •Последовательность действий:
- •2.9.4. Реализация метода Зейделя средствами приложения Excel
- •Последовательность действий:
- •3.1. Отделение корней
- •3.2. Этап уточнения корня
- •3.2.1. Метод половинного деления (бисекций)
- •3.2.2.Метод хорд
- •3.2.3. Метод Ньютона (метод касательных)
- •3.2.4. Модифицированный метод Ньютона
- •3.3. Системы нелинейных уравнений
- •3.4. Реализация численных методов решения нелинейных уравнений средствами приложения Excel
- •3.4.1. Решение нелинейных уравнений
- •Последовательность действий
- •4.2.3. Интерполяционный полином Эрмита
- •4.2.4. Сплайн-интерполяция
- •Глава 4. Аппроксимация
- •4.1. Задача и способы аппроксимации
- •4.2. Интерполирование функций
- •4.2.1. Постановка задачи интерполирования
- •4.2.2. Интерполяционная формула Лагранжа
- •4.3. Среднеквадратичное приближение функций
- •4.3.1. Метод наименьших квадратов
- •4.3.4. Квадратичное (параболическое) приближение
- •4.3.4. Эмпирические формулы с двумя параметрами. Метод выравнивания
- •4.4. Решение задач аппроксимации с помощью электронных таблиц Excel
- •4.4.1. Построение линейной эмпирической формулы методом наименьших квадратов
- •Последовательность действий
- •Последовательность действий
- •5.1. Квадратурные формулы прямоугольников
- •5.2. Квадратурная формула трапеций
- •5.3. Квадратурная формула Симпсона
- •5.4. Реализация методов численного интегрирования средствами приложения Excel
- •Глава 6. Численные методы решения дифференциальных уравнений с начальными и краевыми условиями
- •6.1.1. Задачи Коши и краевые задачи
- •6.2.1.Классификация уравнений и типы задач
- •6.3. Численные методы решения задач Коши
- •6.3.1. Метод Эйлера
- •(геометрический метод решения задачи Коши)
- •6.4. Численные методы решения краевых задач
- •Разностная схема краевой задачи для обыкновенного дифференциального уравнения 2-го порядка
- •Конечно-разностная аппроксимация функций двух переменных
- •Сходимость метода конечных разностей
- •6.5. Вариационный подход к решению краевых задач
- •6.5.1. Основные понятия вариационного исчисления
- •6.5.2. Связь решения краевой задачи с нахождением минимума функционала
- •6.5.3. Метод Ритца
- •6.6.1. Решение задачи Коши методом Эйлера
- •Построение второй итерации
- •Последовательность действий.
- •Порядок построения графиков приближенных решений краевой задачи
- •Глава 7. Метод конечных элементов
- •7.1. Основные положения МКЭ
- •Построение расчетной модели
- •Аппроксимация искомой функции
- •Составление разрешающих уравнений
- •Решение системы линейных алгебраических уравнений
- •7.2.1. Классификация конечных элементов
- •Одномерный конечный элемент
- •Двухмерные конечные элементы.
- •элемента
- •Одномерный симплекс-элемент
- •Двухмерный треугольный симплекс-элемент
- •7.2.3. Интерполирование векторных величин
- •7.2.4. Разбиение области на конечные элементы
- •7.2.5 Нумерация узлов и элементов
- •7. 3. Основные соотношения МКЭ
- •7.3.1. Получение разрешающих уравнений на примере плоской задачи теории упругости
- •7.3.2. Примеры разрешающих уравнений в задачах расчета строительных объектов
- •7.4. Другие типы конечных элементов
- •7.4.1. Элементы Эрмита
- •7.5. Теоретическая и практическая сходимость МКЭ
- •7.6.1. Специализированные программные комплексы
- •7.6.2. Универсальные программные комплексы
- •8.1.1. Математическая модель задачи оптимизации
- •8.1. Общие сведения
- •8.1.2. Необходимые и достаточные условия экстремума функции
- •8.1.3. Классификация задач математического программирования
- •8.2. Постановка задачи оптимального проектирования
- •8.2.1. Определение входных и выходных параметров
- •8.2.2. Выбор целевой функции
- •8.2.3. Назначение ограничений
- •8.2.4. Нормирование управляемых и выходных параметров
- •8.2.5. Примеры постановок задач оптимального проектирования
- •8.3. Задачи линейного программирования
- •8.3.1. Общая постановка задачи ЛП
- •8.3.2. Геометрический смысл системы линейных неравенств с двумя неизвестными
- •8.3.4. Симплекс-метод решения задач линейного программирования
- •Задача об оптимальном плане выпуска продукции
- •Задача об оптимальном раскрое материалов (о минимизации отходов)
- •Задача о планировании смен на предприятии
- •Задача о покрытии местности при строительстве объектов
- •Транспортная задача
- •Задача о назначениях (проблема выбора)
- •8.3.6. Двойственные задачи в линейном программировании
- •8.4. Нелинейные задачи оптимизации
- •8.4.1. Выпуклые множества и выпуклые функции
- •8.4.2. Классификация численных методов решения нелинейных задач оптимизации
- •Основные этапы поиска экстремума
- •8.4.3. Численные методы одномерного поиска
- •Метод перебора или равномерного поиска
- •Метод дихотомии (или половинного деления)
- •Метод квадратичной интерполяции
- •Метод покоординатного спуска
- •Метод градиентного спуска
- •Метод наискорейшего спуска
- •Метод сопряженных градиентов
- •Метод Ньютона
- •Метод штрафных функций
- •8.5. Решение задач оптимизации с помощью электронных таблиц Excel
- •Литература
- •Оглавление
- •Численные методы решения задач строительства на ЭВМ
4.3.4. Квадратичное (параболическое) приближение
Чаще всего линейная аппроксимация является достаточно грубым приближением. При решении технических задач возникает необходимость использования более сложной аппроксимирующей функции.
Ограничимся случаем т -2. Эмпирическая формула (уравнение регрессии 2-го порядка) в этом случае называется квадратичной (или параболической) и имеет вид
y=iр(х,a,b,c)=a+bx+cx2 |
(4.28) |
Неизвестные параметры а, Ъ, с согласно МИК находим из условия минимизации функции S(a,b,c), суммы квадратов отклонений
|
;/ |
п |
|
S(a,b,c) = Y j (Ф(*/• a’b’с) ~У,)2 = X ( а + Ъх, +сх! -У ,)2 |
|||
|
/ = ] |
/=1 |
|
|
(4.29) |
|
|
После |
дифференцирования |
и |
соответствующих |
преобразований получим нормальную систему для определения
неизвестных параметров а, 6, с. |
п |
п |
п |
||
ап + b ]Гх, + |
/=1 |
х? = Y*y>> |
/=1 |
/=1 |
°1Lxi +b1Lx'2+cZx'3 |
(4-зо) |
||
/=1 |
/=1 |
/=1 |
/=1 |
aY , х? + bY j х? + |
х * =£ х'2-у' • |
||
/=1 |
/=1 |
/=1 |
/=1 |
Решая систему (4.30), получим эмпирическую формулу 2-го порядка, степень точности такого приближения для исследуемого процесса оценивается по величине среднеквадратичного отклонения (4.27).
Если точность этого приближения не устраивает, повышают степень аппроксимирующей функции т (но надо помнить, что
/77 < /7 — 1 ) .
4.3.4. Эмпирические формулы с двумя параметрами. Метод выравнивания
Для описания многих технологических процессов используются эмпирические формулы, содержащие два параметра
у=<р(х, а, Ъ). |
(4.31) |
Например:у=а х y=a+b/x, |
у —х/(а+Ъх), у=а Ьх ит.д. |
Пусть заранее известно, что экспериментальные точки
M(xi,yt), i=1 . .п, заданные табл. 4.1 не лежат на одной прямой. Для нахождения параметров а, Ъ используется метод выравнивания.
Идея метода. Вводятся новые переменные |
|
х‘ =ф(х,у); у = \ ц ( х , у) |
(4.32) |
так, чтобы преобразованные точки М*(х*, у*), / = 1 , в |
плоскости |
X 'OY* могли быть аппроксимированы линейной зависимостью |
|
у*=А+Вх* |
(4.33) |
Здесь х* =ф(х,,у,); у *=\|/(х,,у/), (i=\,2,...,n) (рис.4.5). |
|
Рис.4.5. Схема метода выравнивания
Параметры А и В находятся методом наименьших квадратов
(см. пункт 4.2.2).
■ Пример 4.2. Пусть заранее известно, что экспериментальные точки M(xi, yi), i=l,2,...n, заданы табл. 4.1 и не лежат на одной прямой. А эмпирическая формула имеет вид:
у = а х ь |
(4.34) |
Прологарифмируем выражение (4.34)
lny~ln а + b In х
и введем новые переменные:
у* = 1пу; х* =1пх.
Обозначив А=1п а\ В=Ь, получим вид эмпирической формулы в новой системе координат
у*=А+Вх*
Неизвестные параметры А, В находим, используя МНК, и по аналогии с (4.25) строим нормальную систему
п
п -А + В^)Г х]
ы1 |
(4.35) |
|
|
х ' + |
) 2= х ** • у* |
Переходя к старым переменным, получим систему уравнений для определения параметров а, Ь.
|
п |
п |
|
|
п-\па + |
1v\Xj = |
пу,, |
|
|
|
/=1 |
/=1 |
(4.36) |
|
п |
п |
п |
||
|
||||
In(7^1 па; + 6 ^ (1 |
па;) 2 = ^ 1 па; •Iny,. |
|
||
/=1 |
/=1 |
/=1 |
|
|
Решив эту систему относительно а, b и подставив их значения в выражение (4.34), получим нужную эмпирическую формулу. Насколько она хороша, можно оценить приведенным выше способом.