- •Лекция 1.
- •1.1. Основные понятия и определения.
- •1.2. Требования к модели. Функции модели
- •1.3. Классификация моделей
- •1.3.1. Статические и динамические модели
- •1.3.2. Детерминированные и стохастические модели
- •1.3.3. Классификация математических моделей.
- •Лекция 2. Разновидности математических задач, возникающих при моделировании эмс.
- •2.1. Приближение функций. Интерполяция, экстраполяция, аппроксимация. Приближение периодических функций.
- •2.2. Алгебра комплексных чисел.
- •2.3. Решение систем линейных алгебраических уравнений (слау), матричная алгебра.
- •2.4. Решение систем нелинейных алгебраических уравнений.
- •2.5. Решение систем обыкновенных дифференциальных уравнений.
- •2.6. Решение систем дифференциальных уравненийв частных производных.
- •Лекция 3. Ошибки вычислений.
- •3.1. Общие характеристики вычислительных процессов.
- •3.2. Классификация погрешностей.
- •3.3. Абсолютная и относительная погрешности. Точные десятичные знаки.
- •Лекция 4. Приближение функций
- •4.1. Каноническая форма интерполяционного полинома.
- •4.2. Интерполяционный полином Лагранжа.
- •4.3. Интерполяция сплайнами.
- •4.3.1. Линейный сплайн
- •4.3.2. Кубический сплайн
- •Лекция 5. Аппроксимация функций.
- •5.1. Степенной базис
- •5.2. Базис в виде классических ортогональных полиномов
- •5.3. Малая помехоустойчивость метода наименьших квадратов при решении задач идентификации
- •5.3.1. Теория множественности моделей
- •Лекция 6. Приближение периодических функций.
- •6.1. Общие сведения.
- •6.2. Ряды Фурье.
- •6.3. Функции Уолша.
- •Лекция 7. Решение систем линейных алгебраических уравнений.
- •7.1. Область применения слау в задачах математического моделирования эмс.
- •7.2. Прямые методы решения слау.
- •7.3. Итерационные методы.
- •Лекция 8. Решение нелинейных уравнений.
- •8.1. Отделение корней уравнения.
- •8.1.1. Графический метод отделения корней.
- •8.1.2. Аналитический метод отделения корней.
- •8.2. Метод половинного деления (метод дихотомии).
- •8.3. Метод хорд.
- •8.4. Метод касательных (метод Ньютона-Рафсона).
- •Лекция 9. Численное интегрирование и дифференцирование.
- •9.1. Метод прямоугольников.
- •9.2. Метод трапеций.
- •9.3. Метод Симпсона.
- •9.4. Численное дифференцирование.
- •Лекция 10. Решение систем обычных дифференциальных уравнений (оду).
- •10.1. Метод Эйлера.
- •10.2. Методы Рунге-Кутты.
- •10.2.1. Метод Рунге-Кутты-Мерсона
- •10.3. Метод Адамса.
- •10.4. Визуализация решений оду.
- •Лекция 11. Визуальное моделирование динамических систем.
- •Лекция 12. Численное решение систем дифференциальных уравнений в частных производных.
- •12.1. Уравнения математической физики.
- •12.1.1. Уравнения параболического типа.
- •12.1.2. Уравнения гиперболического типа.
- •12.1.3. Уравнения эллиптического типа
- •12.2. Основные понятия метода сеток.
- •Лекция 13. Решение оптимизационных задач.
- •13.1. Методы безусловной одномерной оптимизации
- •13.1.1. Постановка задачи.
- •13.1.2 Метод обратного переменного шага.
- •13.1.3. Метод половинного деления
- •13.1.4. Метод квадратичной аппроксимации (метод Пауэлла).
- •13.2 Методы оптимизации многомерных функций.
- •13.2.1. Метод покоординатного спуска.
- •13.2.2. Метод наискорейшего спуска (метод градиентов)
- •13.2.3. Метод Нелдера-Мида.
- •13.2.3. Метод пчелиного роя.
- •Лекция 14. Идентификация параметров эмс.
- •14.1. Аппроксимация переходных характеристик элементарными динамическими звеньями
- •14.1.1. Апериодическая переходная характеристика
- •14.1.2.Колебательная переходная характеристика.
8.3. Метод хорд.
Рассматриваемый метод так же, как и метод дихотомии, предназначен для уточнения корня на интервале [а, и], на концах которого левая часть решаемого уравнения f(x) принимает резные знаки.
Очередное приближение теперь в отличие от метода дихотомии берем не в середине отрезка, а в точке xl где пересекает ось абсцисс прямая линия, проведенная через точки f(a) и f(b) (рис. 8.2).
Рисунок 8.2 – Пояснение к решению нелинейного уравнения методом хорд.
Уравнение прямой линии, проходящей через точки f1= f(a) и f2 = f(b), запишем в общем виде
у(х) = kх + с.
Коэффициенты к и с уравнения этой прямой определим из условий
f1 = kа + с; f2 = kb + с.
Вычитал левые и правые части последних соотношений, получим
Точку пересечения прямой у(х) с осью абсцисс получим, приравнивая у(х) нулю
В зависимости от знака функции в уточненной точке x1 на основании теоремы Больцано-Коши уточняем, какой отрезок будет использован для следующего шага поиска.
Процесс поиска корня останавливается тогда, когда расстояние между очередными приближениями станет меньше заданной погрешности ε:
Дискуссионный вопрос. Предположим, что график заданной функции хотя и имеет единственный корень, но имеет особенность: он очень медленно изменяется в районе нуля. Какие проблемы возникнут при использовании метода секущих или метода половинного деления, при отыскании корня подобной функции?
8.4. Метод касательных (метод Ньютона-Рафсона).
Рассмотрим графическую иллюстрацию метода (рис. 8.3).
П редположим, что графическим методом определено начальное приближение х0 к корню. В точке х0 вычислим левую часть решаемого уравнения f0 = f(x0), а также производную в этой точке f'(x0) = tg α. Следующее приближение к корню найдем в точке xl, где касательная к функции f(x), проведенная из точки (X0, f0), пересекает ось абсцисс. Затем считаем точку х1 в качестве начальной и продолжаем итерационный процесс. Из рис. 8.3 видно, что таким способом можно приближаться к корню х*. При этом с каждой итерацией расстояние между очередным хк+1 и предыдущим хк приближениями к корню будет уменьшаться. Процесс уточнения корня закончим, когда выполнится условие
|xk + 1- хk| < ε
где ε - допустимая погрешность определения корня.
Из геометрических соотношений рис. 8.3 получим основную формулу метода Ньютона
Метод Ньютона обладает высокой скоростью сходимости. Обычно абсолютная точность решения 10-5 - 10-6 достигается через 5-6 итераций.
Недостатком метода является необходимость вычисления на каждой итерации не только левой части уравнения, но и ее производной.
Можно, несколько уменьшив скорость сходимости, ограничиться вычислением производной f'(x) только на первой итерации, а затем вычислять лишь значения f(x), не изменяя производной f'(x). Это алгоритм так называемого модифицированного метода Ньютона.
Лекция 9. Численное интегрирование и дифференцирование.
Ставится задана вычислить интеграл вида
(9.1)
где а и b - нижний и верхний пределы интегрирования; f(x) – непрерывная функция на отрезке [а, b].
К численному интегрированию обращаются тогда, когда нельзя через элементарные функции аналитически записать первообразную интеграла (9.1) или когда подобная запись имеет сложный вид.
Сущность большинства методов вычисления определенных интегралов состоит в замене подынтегральной функции f(x) аппроксимирующей функцией φ(x), для которой можно легко записать первообразную в элементарных функциях, т.е.
где S - приближенное значение интеграла; R - погрешность вычисления интеграла
Используемые на практике методы численного интегрирования можно сгруппировать в зависимости от способа аппроксимации подынтегральной функции. Дадим краткую характеристику групп наиболее распространенных методов.
Методы Ньютона-Котеса основаны на полиномиальной аппроксимации подынтегральной функции. Методы этого класса отличаются друг от друга степенью используемого полинома, от которой зависит количество узлов, где необходимо вычислить функцию f(x). Алгоритмы методов просты и легко поддаются программной реализации.
Сплайновые методы базируются на аппроксимации подынтегральной функции сплайнами, представляющими собой кусочный полином. Методы различаются по типу выбранных сплайнов. Такие методы имеет смысл использовать в задачах, где алгоритмы сплайновой аппроксимации применяются для обработки данных.
В методах наивысшей алгебраической точности (методы Гаусса-Кристоффеля и другие) используются неравноотстоящие узлы, расположенные по алгоритму, обеспечивающему минимальную погрешность интегрирования для наиболее сложных функций при заданном количестве узлов. Методы различаются способами выбора узлов и широко используются для интегрирования, в том числе они применимы и для несобственных интегралов. Хотя из-за необходимости хранения числовых констант и стандартизации пределов интегрирования программы указанных методов требуют несколько большего объема памяти по сравнению с методами Ньютона-Котеса.
В класс специальных группируются методы, алгоритмы которых разрабатываются на основе учета особенностей конкретных подынтегральных функций, что позволяет существенно сократить время и уменьшить погрешность вычисления интегралов.