- •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.
3.2. Классификация погрешностей.
Во время численного решения математических и прикладных задач почти всегда на тома или ином этапе возникают погрешности таких трех типов.
1. Погрешность задачи. Она связана с приближенным характером исходной модели ( в частности, с невозможностью учесть все факторы в процессе изучения моделированного явления). Кроме того, параметрами математического описания модели есть приближенные числа (например, из-за невозможности выполнения абсолютно точных измерений). Для вычислителя погрешность задачи считают неустранимой (безусловной), хотя постановщик задачи иногда может ее изменить.
Иногда неустранимую погрешность разделяют па две части:
а) неустранимой погрешностью называют лишь погрешность, которая является следствием неточности задания числовых данных, которые входят в математическое описание задачи;
б) погрешность, которая является следствием несоответствия математического описания задачи к реальности, называют погрешностью математической модели.
2. Погрешность метода. Эта погрешность связана с образом решения сформулированной математической задачи. Она появляется вследствие замены исходной математической модели другой или конечной последовательность других, например, линейных моделей. В случае создания численных методов создается возможность отслеживания таких погрешностей и сведения их к как угодно малому уровню. Поэтому погрешность метода является устранимой (условной).
3. Погрешность округлений (погрешность операций). Этот тип погрешностей обусловлен необходимостью выполнять арифметические операции над числами, полученными усечением к количеству разрядов, которые связано с используемой вычислительной техникой.
Все три описанных типа погрешностей в сумме представляют полную погрешность результата решения задачи. Поскольку первый тип погрешностей не зависит от вычислителя, то ресниц служит для него лишь ориентиром точности, с которой надо рассчитывать математическую модель. Нет потребности решать задачу точнее, чем это обусловлено неопределенностью входных данных. Итак, погрешность метода подчиняют погрешности задачи. В конце концов, во время вывода оценок погрешностей численных методов обычно предполагают, что все операции над числами выкапывают точно. Это означает, что погрешность округлений не должная существенно влиять па результаты реализации методов, то есть должна подчиняться погрешности метода. Влияние погрешностей округлений нужно учитывать как па стадии отбора и алгоритмизации численных методов, так и в случае выбора вычислительных и программных средств, а также выполнение отдельных действий и вычисления значений функции.
3.3. Абсолютная и относительная погрешности. Точные десятичные знаки.
Каждое положительное число А может быть изображено в виде конечной или бесконечной десятичной дроби
А = k1·10m + k2·10m-1 + ... + kn·10m-n+1 + ... ,
где k1, k2, … , kn,... - десятичные знаки ( цифры) числа а, k1≠ 0.
Однако в случае решения задач па компьютерах мы можем использовать лишь числа с конечным и заранее определенным количеством разрядов. Предположим, что для изображения чисел используется n разрядов. Тогда приближенное число а, представляющее точное число А, изобразится как
а = k1·10m + k2·10m-1 + ... + kn·10m-n+1,
где k1≠ 0, n - количество десятичных знаков.
Значащей цифрой будем считать любую из цифр 1, .... 9, а также цифру 0, если она есть промежуточной или стоит в конце числа и является результатом измерения или вычисления.
Например:
а1 = 0,000105 - три значащие цифры,
а2 = 20 - две значащие цифры,
а3 = 3000 - четыре значащие цифры,
а4 = 3,0·103 или 30·102 - две значащие цифры.
Пусть А и а - два близких числа, А будем считать точным, а - приближенным.
Величину Δа = |А — а| называют абсолютной погрешностью приближенного числа а, а δа =Δа /a - его относительной погрешностью
Пример 1.1.
Пусть А = π= 3,1415... , а = 3,14.
Тогда Δа = 0,0015... , δа = 0.0006.
Пример 1.2
Сформируем вслед за Д. Уилкинсоном полином 20-го порядка, задавая его корни как числа натурального ряда:
Р(х) = (х- 1)(х- 2)...(х- 20) = х20– 210·x19 +...+ 20!
Если сейчас внести незначительную погрешность в коэффициент второго члена а19 = 210 => (210+ 2-23) = 210,000000119, то среди корней, найденных по коэффициентам полинома, неожиданно появятся десять комплексных корней. Обсудим причину этого явления.