- •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.
10.2. Методы Рунге-Кутты.
Для уменьшения погрешности метода интегрирования ОДУ, использующего разложение искомого решения в ряд Тейлора (6.6), необходимо учитывать большее количество членов ряда Однако при этом возникает необходимость аппроксимации производных от правых частей ОДУ. Основная идея методов Рунге-Кутты заключается в том, что производные аппроксимируются через значения функции f(x, у) в точках внутри интервала [х0, х0 + h], которые выбираются из условия наибольшей близости алгоритма к ряду Тейлора. В зависимости от старшей степени h, с которой учитываются члены ряда, построены вычислительные схемы Рунге-Кутты разных порядков точности.
Наибольшую популярность получил метод Рунге-Кутты 4-го порядка. Вычислительные формулы этого метода имеют такой вид:
Эта вычислительная схема требует вычисления правых частей ОДУ в четырех точках.
10.2.1. Метод Рунге-Кутты-Мерсона
Мерсон предложил модификацию метода Рунге-Кутты четвертого порядка, позволяющую оценивать погрешность на каждом шаге и принимать решение об изменении шага.
Схема Мерсона требует на каждом шаге вычислять правую часть ОДУ в пяти точках, но за счет только одного дополнительного коэффициента по cравнению с классической схемой Рунге-Кутты на каждом шаге можно определить погрешность решения R.
Если погрешность велика, то полученное решение отбрасывается, а шаг интегрирования уменьшается в два раза, если значение погрешности меньше порогового, то шаг интегрирования увеличивается в два раза.
Автоматический выбор шага позволяет значительно сократить время решения ОДУ. При автоматическом выборе шага интегрирования иногда возникает необходимость вывода (использования) результатов только в фиксированных точках. Также возникает опасность очень сильного дробления шага интегрирования на отдельных участках.
10.3. Метод Адамса.
При решении задачи Коши методами Рунге-Кутты необходимо вычислять правые части ОДУ в нескольких точках на каждом шаге. Количество точек Зависит от порядка используемого метода После того как искомая интегральная кривая у(х) определена в нескольких точках х0, х1,..., хп, можно применить алгоритмы интерполяции и сократить количество вычислений правых частей ОДУ для получения решения в очередной точке хп+1. Подобные методы называют многоточечными, или многошаговыми.
При анализе четырех известных точек интегральной кривой с помощью интерполяционного полинома Ньютона, получим экстраполяционную формулу Адамса:
(10.5)
Значительная величина коэффициента в остаточном члене обусловлена тем, да точка х4 лежит вне интервала расположения узлов [х0, х3], по значениям функции f(x),в которых построен интерполяционный полином. То есть мы имеем дело с экстраполяцией, погрешность которой всегда больше, чем при интерполяции.
С целью уменьшения погрешности способом, аналогичным получению формулы (10.5), по узлам xl, х2, х3, х4 строится интерполяционная формула Адамса
(10.6)
Последняя формула является неявной, так как искомая величина у4 необходима для вычисления значения функции f4 = f(x4, у4), входящего в правую часть. Выражение (10.6) можно рассматривать как нелинейное уравнение относительно неизвестной величины у4 и решать его одним из численных методов. Наиболее часто здесь используется метод простых итераций, хотя в некоторых случаях оказывается более предпочтительным метод Ньютона. Следует иметь в виду, что каждая итерация потребует нового вычисления правой части дифференциального уравнения f(x, у).
Решение, определенное по экстраполяционной формуле (10.5), обычно выбирается в качестве начального приближения для итерационных методов. Поэтому выражение (10.5) рассматривается как формула прогноза, тогда выражение (10.6) является формулой коррекции.