- •1 Выполнение курсовой работы
- •1.1 Решение систем линейных уравнений
- •1.1.1 Общие положения
- •1.1.2. Метод исключения (метод Гаусса)
- •Компактная схема Гаусса (схема Холецкого)
- •1.1.4. Метод Гаусса – Жордана
- •1.1.5. Метод простой итерации
- •1.1.7 Полученные решения
- •Интерполирование функций
- •Общие положения
- •Интерполяционная формула Лагранжа
- •1.2.3 Сплайн-интерполяция
- •1.2.4 Полученные решения
- •Решение обыкновенных дифференциальных уравнений
- •1.3.1 Общие положения
- •1.3.2. Модификации метода Эйлера
- •1.4.2 Полученные решения
- •1.5 Многомерная оптимизация
- •Общие сведения
- •1.5.2 Полученные решения
- •2 Исходные тексты
-
Интерполирование функций
-
Общие положения
Необходимо определить значения функции при некоторых частных значениях независимого переменного , находящегося в интервале . Аналитическое выражение неизвестно. – точки, в которых известны значения функции: , т.е. существует ряд точек , лежащих на кривой (рис. 5.1).
Другими словами, на отрезке заданы узлов интерполяции , а также значения функции в этих точках:
.
Требуется построить непрерывную (интерполирующую) функцию , принимающую в узлах интерполяции те же значения, что и , т.е. такую, что
.
-
Интерполяционная формула Лагранжа
Если на отрезке даны различных значений аргумента и для функции известны значения:
,
то приближенное значение функции на отрезке определяют с помощью интерполяционной формулы Лагранжа
1.2.3 Сплайн-интерполяция
Кубическая сплайн-интерполяция означает, что между любыми соседними узлами
функция интерполируется кубическим полиномом, равным значению функции в каждом узле и во всех узлах непрерывны его первая и вторая производные (условия сопряжения).
Кубический полином
интерполирует функцию на интервале , а
(5.7)
на интервале .
1.2.4 Полученные решения
ans =
Точное значение функции в точке 0.4975710 , по формуле Лагранжа 0.4975864 , погрешность 0.0000154
ans =
Точное значение функции в точке 0.4975710 , применяя кусочно-линейное интерполирование 0.4877625 , погрешность 0.0098085
ans =
Точное значение функции в точке 0.4975710 , применяя кусочно-квадратичное интерполирование -0.4559234 , погрешность 0.9534945
ans =
Точное значение функции в точке 0.4975710 , применяя интерполирование сплайнами 0.5551660 , погрешность 0.0575950
-
Решение обыкновенных дифференциальных уравнений
1.3.1 Общие положения
Пусть на отрезке требуется найти функцию , удовлетворяющую уравнению
и начальному условию
.
Здесь – заданная непрерывная функция заданных аргументов.
Решить приведенную задачу численно – это значит для заданной последовательности чисел из отрезка и числа , не находя самого решения , вычислить (приближенно) значения этого решения в точках .
В этом случае можно искомую интегральную функцию заменить ломаной, вершинами которой являются точки при условии, что направление отрезка совпадает с направлением интегральной кривой в точке . Иначе говоря, необходимо, чтобы
,
Следует:
.
1.3.2. Модификации метода Эйлера
Более точным является усовершенствованный метод Эйлера, когда сначала вычисляют промежуточные значения
, ,
а потом значения:
.
Другой модификацией метода Эйлера является усовершенствованный метод Эйлера-Коши. Его сущность заключается в следующем: сначала выбирают «грубое» приближение к решению – затем, исходя и данного выражения, вычисляют а потом приближенно полагают, что
.
Усовершенствованный метод Эйлера можно еще более уточнить, применив итерационную обработку каждого значения . Исходя из «грубого» приближения строят итерационный процесс вида:
, .
Процесс итерации продолжают до тех пор, пока два последующих приближения и не будут совпадать в соответствующих десятичных знаках. После этого полагают – общая часть приближений и .
Метод Эйлера с итерационной обработкой дает на каждом шагу погрешность порядка и нередко используется в вычислительной практике.
1.3.3. Метод Рунге-Кутты
Метод Рунге-Кутты характеризуется повышенной точности и принадлежит к многошаговым методам численного интегрирования задачи Коши
.
Пусть – шаг интегрирования. Вычисление приближенного значения при решении задачи Коши в точке методом Рунге-Кутты заключается в выполнении операций, связанных с определением на каждом ом шаге коэффициентов
и далее значений
1.3.4 Полученные решения
Графики зависимостей:
Решение в общем виде:
-
Одномерная оптимизация
-
Общие сведения
Пусть функция определена на . Задачей одномерной оптимизации называют задачу, в которой требуется найти
.
Решением или точкой максимума (минимума) задачи называют точку такую, что
для всех .
Для нахождения интервала, на котором функция имеет экстремум, воспользуемся алгоритмом Свенна.
Алгоритм Свенна
Исходные данные: х0 – начальная точка, h – шаг поиска (h>0).
Шаг 1. Вычислить f(x0); f(x0 +h); f(x0 -h); k=1.
Шаг 2. Если f(x0 -h) ≤ f(x0) ≤ f(x0 +h), то x1 = x0 + h, перейти к шагу 4.
Шаг 3. Если f(x0 -h) ≥ f(x0) ≥ f(x0 +h), то х1 = x0 - h, h = -h, перейти к шагу 4, в противном случае (f(x0 -h) ≤ f(x0) ≥ f(x0 +h)), a = x0 – h; b = x0 + h, конец.
Шаг 4. xk+1 = xk + 2kh , вычислить f(xk+1).
Шаг 5. Если f(xk+1 ) ≥ f(xk ), то к = к + 1, перейти к шагу 4.
Шаг 6. Если h > 0, то a = xk-1 , b = xk+1, конец, в противном случае a = xk+1 , b = xk-1 , конец.
Случай f(x0 -h) ≥ f(x0) ≤ f(x0 +h) (шаг 3) не рассматривается, т.к. он противоречит предположению об унимодальности функции f(x).
Для нахождения экстремума воспользуемся методом Ньютона.
Алгоритм
-
Задается начальное приближение x0.
-
Пока не выполнено условие остановки, в качестве которого можно взять или (то есть погрешность в нужных пределах), вычисляют новое приближение: .
Основная идея метода заключается в следующем: задаётся начальное приближение вблизи предположительного корня, после чего строится касательная к исследуемой функции в точке приближения, для которой находится пересечение с осью абсцисс. Эта точка и берётся в качестве следующего приближения. И так далее, пока не будет достигнута необходимая точность.
Условия применимости накладывает теорема Канторовича:
Пусть задано уравнение , где и надо найти его решение.
Тогда ограничения на исходную функцию будут выглядеть так:
-
функция должна быть ограничена;
-
функция должна быть гладкой, дважды дифференцируемой;
-
её первая производная равномерно отделена от нуля;
-
её вторая производная должна быть равномерно ограничена.