- •1.1 Понятие о моделировании.
- •1.2 Системы массового обслуживания
- •2.1. Виды моделирования.
- •2.2Моделирование простейшей одноканальной системы смо
- •3.1. Математическое моделирование. Источники ошибок. Необходимость тестирования.
- •3.2 Простейший поток событий
- •4.1 Необходимость тестирования компьютерных моделей.
- •4.2. Замкнутые смо
- •5.1. Сравнение некоторых пакетов, расчетов и моделирований.
- •5.2. Открытая смо
- •6.1 Примеры задач приводящих к необходимости решения дифференциальных уравнений.
- •6.2 Понятие о конкурирующих стратегиях. Пример алгоритма для выбора рациональной стратегии.
- •7.1 Сведение произвольной системы оду произвольного порядка к системе оду 1-го порядка.
- •7.2 Приближение инженерных данных. Виды приближений.
- •Поточечное среднеквадратическое приближение.
- •Непрерывное приближение в среднеквадратичном смысле.
- •Равномерное приближение.
- •8.1 Примеры сведения дифференциальных уравнений и их систем произвольного порядка к системе оду 1-го порядка в канонической форме Коши.
- •8.2. Интерполирование. Аппроксимация методом наименьших квадратов. Равномерное приближение. Поточечная аппроксимация табличных данных по методу наименьших квадратов.
- •9.1 Пример решения задачи о колебаниях одно массовой системы на основе использования встроенной процедуры Rkadapt.
- •9.2 Разложение аппроксиматора по системе базисных функций. Сведение задачи аппроксимации к системе лау.
- •10.1 Математическое моделирование механических колебательных систем со сосредоточенными параметрами .Системы с распределенными и сосредоточенными параметрами.
- •Пример использования разложения аппроксиматора по базисным функциям в виде мономов.
- •11.1 Методика получения модели механических колебательной системы сосредоточенными параметрами на основе уравнений Лагранжа 2-ого рода
- •11.2Интерполирование, алгебраическое интерполирование, классический подход
- •12.1 Пример получения математической модели для двух массовой колебательной системы
- •12.2 Интерполирование на основе формулы Лагранжа
- •13.1 Математическая модель колебательной системы с вращательными степенями свободы
- •13.2 Пример документа MathCad реализующий поточечную среднеквадратичную аппроксимацию
- •14.1 Некоторые примеры MathCad для решения различных задач
- •14.2 Остаточный член формулы Лагранжа, пример оценки точности интерполирования с использованием остаточного члена
- •15.1 Пошаговые методы решения задачи Коши
- •15.2 О наилучшем выборе узлов интерполирования
- •16.1 Метод Эйлера для решения задачи Коши, реализация этого метод в среде MathCad
- •16.2 Тригонометрическое интерполирование
- •17.1 Модификация метода Эйлера для решения задачи Коши
- •17.2 Использование интерполирования при решении различных задач и реализация в среде MathCad
- •18.1 Метод типа Рунге-Кутта для решения задачи Коши
- •18.2 Использование встроенных функций для линейной аппроксимации по методу наименьших квадратов
- •19.1 Связь модифицированных методов Эйлера и методов Рунге-Кута второго порядка для решения задачи Коши
- •19.2 Понятие о сплайнах
- •20.1 Метод Рунге-Кута 4-ого порядка для решения задачи Коши формулы метода и их реализация в среде MathCad
- •20.2 Определение сплайна. Дефект сплайна, пример линейного сплйна
- •21.1.Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •21.2 Кубический сплайн дефекта 2 (или сплайн Эрмита).
- •22.1 Метод стрельбы
- •22.2 Кубические сплайны дефекта 1
- •23.1 Использование случайных величин при моделировании различных явлений и процессов
- •23.2 Алгоритм «прогонка» для решения системы линейных уравнений с диагональным преобладанием.
- •24.1 Задача Бюффона как пример использования случайных величин при решении детерминированной задачи.
- •24.2 Пример использования сплайна для приближенного интегрирования функции
- •25.2 Использование параметрических сплайнов для интерполирования кривых
- •26.1 Пример реализации метода типа Монте-Карло в среде Mathcad для вычисления площади произвольной фигуры
- •26.2 Параметрический Эрмитов кубический сплайн.
- •27.1 Основные виды моделирования их преимущества и недостатки
- •27.2 Рациональные сплайны.
- •28.1 Декомпозиция и диакоптика
- •28.2Параметрический рациональный сплайн.
- •29.1 Понятие о компонентных и топологических уравнениях
- •Механическая поступательная система.
- •29.2 О выборе узлов сетки при интерполировании различными сплайнами
- •30.1 Примеры получения эквивалентах схем для механических поступательных систем
- •30.2 Узловой метод построения математической модели
17.1 Модификация метода Эйлера для решения задачи Коши
Если заменить площадь криволинейной трапеции, представляющей собой величину этого интергала, например, на площадь прямоугольника
y0
X
y=y(x)
Y
X0
X1
α0
h
Δy
Модификации метода Эйлера
h
Можно показать, что погрешность этой ф-лы – – метод 2-го порядка. Точность увеличивается на порядок, но приходится ещё раз обращаться к правой части ДУ
Усовершенствованный метод Эйлера
Метод с погрешностью
17.2 Использование интерполирования при решении различных задач и реализация в среде MathCad
У нас задачи интерполирования заключались в том, чтобы в узлах совпадало только значение функции. Понятно, что аналогичную задачу можно сформулировать выдвигая требования, чтобы в узлах совпадали ешё и значения производных. Если говорить только о первых производных, то задача решается с помощью полином Эрмита, которые будут аналогами базисных функций. Кроме того в некоторых ситуациях нужно выполнять интерполяцию для функции нескольких переменных.
Идея интерполирования лежит в основе многих методов приближенных вычислений:
1) приближенные вычисления функции
2) численное интегрирование
Т.е. подинтегрированную функцию f(x) заменяют интерполяционным полиномом, а затем от него вычисляется определенный интеграл. Операция приближенного интегрирования основана на этом подходе достаточна точна.
Тоже справедливо и для функций заданных таблично:
3) Численное дифференцирование
К сожалению эта операция имеет приближенную точность:
4) Численное решение
алгебраических и тангенциальных уравнений:
Пусть исходная функция f(x) задана аналитически на интервале [a,b] и её значения могут быть вычислены в нужных точках. Пусть f(x)=0 – корень этого уравнения уединен на интервале [a,b], тогда по значениям этой функции в узлах строят интерполяционный полином, находят его корень на этом интервале и считают, что он приблизительно равен корню уравнения на этом интервале.
18.1 Метод типа Рунге-Кутта для решения задачи Коши
y(x+h) = y(x) +
Выполним замену переменной
t=x
t=x+h
Введем три набора параметров
…..
…..
………………
A0,A1,…..Aq
При помощи и наборов будем последовательно вычислять величины.
………..
Эти величины могут быть вычислены последовательно. Теперь при помощи параметров группы А составим линейную компбинацию.
Будем приближать величину т.е.
Погрешность этого приближения обозначим . Разложим по формуле Тейлора
(1) Основная идея этого подхода в том, чтобы подобрать такие наборы ( ), которые обеспечили бы как можно лучшее приближение к составленной линейной комбинации. Это значит, что при произвольной функции f в выражении 1 как можно большее количество слагаемых в формуле Тейлора оказались =0 т.е. чтобы для как можно большего k.
Методы 1-го порядка точности.
Пусть q=0 тогда А0 тогда после вычисления
y(x+h) y(x)+hf(x,y) Мы получим формулу метода Эйлера, это значит что частный случай метода Рунге-Кутта.