
- •Лекция 1
- •Лекция 2
- •Уравнении с одним неизвестным
- •Метод деления отрезка пополам (метод бисекции).
- •Метод Ньютона (метод касательных).
- •Метод простой итерации.
- •Лекция 3 Системы линейных уравнений
- •3.Прямые методы
- •Итерационные методы
- •Метод Гаусса — Зейделя.
- •Системы уравнений.
- •Лекция 4 Аппроксимация функций.
- •Точечная аппроксимация.
- •Многочлены Чебышева.
- •Линейная и квадратичная интерполяция.
- •Сплайны.
- •Многочлен Лагранжа.
- •Лекция 5.
- •Метод Симпсона.
- •Использование сплайнов.
- •Кратные интегралы.
- •Метод Монте-Карло.
- •Лекция 6. Численное дифференцированно.
- •Погрешность численного дифференцирования.
- •Метод неопределенных коэффициентов.
- •Улучшение аппроксимации.
- •Частные производные.
- •Лекция 7.
- •Основные понятия.
- •Задачи оптимизации.
- •Одномерная оптимизация.
- •1. Задачи на экстремум.
- •Метод золотого сечения.
- •Метод градиентного спуска.
- •Лекция 8. Задачи с ограничениями.
- •Линейное программирование.
- •Геометрический метод.
- •Симплекс-метод.
- •Задача о ресурсах.
Кратные интегралы.
Численные методы используются также для вычисления кратных интегралов. Ограничимся здесь рассмотрением двойных интегралов вида
(9).
Одним из простейших способов вычисления
этого интеграла является метод ячеек.
Рассмотрим сначала случай, когда
областью интегрирования
является прямоугольник:
.
По теореме о среднем найдем среднее
значение функции
:
,
(10).
Будем считать, что среднее значение
приближенно равно значению функции
в центре прямоугольника, т, е.
.
Тогда из (10) получим выражение
для приближенного вычисления двойного
интеграла:
(11).
Точность
этой формулы можно повысить, если разбить
область
на прямоугольные ячейки
(рис. 1):
.
Применяя к каждой ячейке формулу (11),
получаем
.
Суммируя эти выражения по всем ячейкам, находим значение двойного интеграла:
(12).
В правой части стоит интегральная сумма;
поэтому при неограниченном уменьшении
периметров ячеек (или стягивании их
в точки) эта сумма стремится к значению
интеграла для любой непрерывной функции
.
Можно показать, что погрешность такого приближения интеграла для одной ячейки оценивается соотношением
.
Суммируя эти выражения по всем ячейкам и считая все их площади одинаковыми, получаем оценку погрешности метода ячеек в виде
.
Таким образом, формула (12) имеет второй
порядок точности. Для повышения точности
можно использовать обычные методы
сгущения узлов сетки. При этом по каждой
переменной шаги уменьшают в одинаковое
число раз, т. е. отношение
остается постоянным.
Если область
непрямоугольная, то в ряде случаев ее
целесообразно привести к прямоугольному
виду путем соответствующей замены
переменных. Например, пусть область
задана в виде криволинейного
четырехугольника:
.
Данную область можно привести к
прямоугольному виду с помощью замены
.
Кроме того, формула (12) может быть обобщена и на случай более сложных областей.
Другим довольно распространенным методом вычисления кратных интегралов является их сведение к последовательному вычислению определенных интегралов.
Интеграл (9) для прямоугольной области можно записать в виде
,
.
Для вычисления обоих определенных интегралов могут быть использованы рассмотренные ранее численные методы.
Если область
имеет более сложную структуру, то она
либо приводится к прямоугольному виду
с помощью замены переменных, либо
разбивается на простые элементы.
Для вычисления кратных интегралов используется также метод замены подынтегральной функции многомерным интерполяционным многочленом. Вычисление коэффициентов этих многочленов для простых областей обычно не вызывает затруднений.
Существует ряд других численных методов вычисления кратных интегралов. Среди них особое место занимает метод статистических испытаний, который мы вкратце изложим.
Метод Монте-Карло.
Во многих задачах исходные данные носят случайный характер, поэтому для их решения должен применяться статистико-вероятностный подход. На основе таких подходов построен ряд численных методов, которые учитывают случайный характер вычисляемых или измеряемых величин. К ним принадлежит и метод статистических испытаний, называемый также методом Монте-Карло, который применяется к решению некоторых задач вычислительной математики, в том числе и для вычисления интегралов.
Метод Монте-Карло состоит в том, что
рассматривается некоторая случайная
величина
,
математическое ожидание которой равно
искомой величине
:
.
Проводится серия
независимых испытаний, в результате
которых получается (генерируется)
последовательность
случайных чисел
,
и по совокупности этих значений
приближенно определяется искомая
величина
,
.
Пусть
- равномерно распределенная на отрезке
случайная величина. Это означает, что
ее плотность распределения задается
соотношением
.
Тогда любая функция
также будет случайной величиной, и ее
математическое ожидание равно
.
Следовательно, читая это равенство в
обратном порядке, приходим к выводу,
что интеграл
может быть вычислен как математическое
ожидание некоторой случайной величины
,
которая определяется независимыми
реализациями
случайной величины
с равномерным законом распределения:
.
Аналогично могут быть вычислены и кратные интегралы. Для двойного интеграла получим
,
Где
- независимые реализации случайных
величин
, равномерно распределенных на отрезке
.
Для использования метода Монте-Карло при вычислении определенных интегралов, как и в других его приложениях, необходимо вырабатывать последовательности случайных чисел с заданным законом распределения. Существуют различные способы генерирования таких чисел.
Можно построить некоторый физический процесс (генератор) для выработки случайных величин, однако при использовании ЭВМ этот способ непригоден, поскольку трудно дважды получить одинаковые совокупности случайных чисел, которые необходимы при отладке программ.
Известны многие таблицы случайных чисел, которые вычислялись независимо. Их можно вводить в ЭВМ, хранить в виде файла на магнитной ленте или магнитном диске коллективного пользования. А еще лучше заготовить собственный файл случайных чисел.
В настоящее время наиболее распространенный способ выработки случайных чисел на ЭВМ состоит, в том, что в памяти хранится некоторый алгоритм выработки таких чисел по мере потребности в них (подобно тому, как вычисляются значения элементарных функций, а не хранятся их таблицы). Поскольку эти числа генерируются по наперед заданному алгоритму, то они не совсем случайны (псевдослучайны), хотя и обладают свойственными случайным числам статистическими характеристиками.