- •Понятие о моделировании.
- •2.1. Виды моделирования.
- •3.1. Математическое моделирование. Источники ошибок. Необходимость тестирования.
- •4.1. Сравнительные характеристики пакетов mathcad, matlab, maple, mathematica. Основные приемы работы в mathcad.
- •5.1. Понятие о системах с сосредоточенными и распределенными параметрами.
- •6.1. Сведение системы оду произвольного порядка к системе оду первого порядка в нормализованной форме Коши.
- •7.1. Процедуры решения ду в среде mathcad. Примеры соответствующих документов mathcad.
- •8.1. Последовательность получения математической модели колебательной механической системы с сосредоточенными параметрами.
- •9.1. Численные методы решения оду.
- •10.1. Метод Эйлера и его модификации для решения оду
- •11.1.Методы типа Рунге-Кутта для решения оду
- •13.1. Понятие о граничных задачах для оду. Метод стрельбы для решения граничной задачи.
- •14.1. Построение уравнения изогнутой оси балки при различных условиях на ее концах на основе метода стрельб.
- •15.1.Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •16.1.Понятие о жестких дифференциальных уравнениях. Процедуры для решения таких уравнений в среде mathcad.
- •17.1. Классификация методов решения оду.
- •19.1. Задача Бюффона как пример использования случайных величин при решении детерминированной задачи.
- •20.1.Вычисление площадей и объемов с использованием случайных величин.
- •21.1.О выборе количества экспериментов для получения заданной степени точности при использовании случайных величин.
- •22.1Метод Судзуо-Какутани для решения граничных задач теории потенциалов
- •23.1. Понятие о конкурирующих стратегиях
- •24.1. Моделирование смо.
- •25.1. Приближение инженерных данных.Виды приближения.
- •Поточечное среднеквадратическое приближение.
- •Непрерывное приближение в среднеквадратичном смысле.
- •Равномерное приближение.
- •1.2.Узловой метод получения математической модели системы.
- •2.2. Метод получения топологических уравнений с использованием м-матрицы.
- •3.2. Получение эквивалентной системы технических объектов.
- •4.2. Компонентные уравнения для различного типа подсистем.
- •Механическая поступательная система.
- •Механическая вращательная подсистема
- •5.2. Основные положения получения математической модели технического объекта на макроуровне.
- •6.2. Особенности выбора узлов сетки при интерполяции различными сплайнами.
- •7.2. Параметрический рациональный сплайн.
- •8.2. Обобщенные кубические сплайны.
- •9.2. Параметрический Эрмитов кубический сплайн.
- •10.2. Интерполяция кривых локальными сплайнами.
- •11.2. Вычисление интеграла по таблице значений функции с использованием интерполирующего полинома Эрмита.
- •12.2. Кубический сплайн дефекта 2 (s3,2(X)).
- •13.2. Определение сплайна. Сплайн первой степени.
- •14.2. Алгоритм «прогонка» для решения системы линейных уравнений с диагональным преобладанием.
- •15. 2. Сплайны. История возникновения. Понятие о звене сплайна.
- •16.2. Использование обратного интерполирования для решения уравнений.
- •17.2. Метод Мюллера для решения трансцендентных уравнений.
- •18.2 Области использования интерполирования.
- •19.2. Тригонометрическая интерполяция.
- •20.2. О наилучшем выборе узлов интерполирования.
- •21.2. Остаточный член интерполяционной формулы Лагранжа.
- •24.2. Разложение аппроксиматора по системе базисных функций.
15.1.Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
При численном решении любой задачи возникает 2 вопроса:
С какой точностью необходимо решить задачу?
Какую цену
Чем большей точности требуется достигнуть, тем большее количество времени придется потратить на вычисление. Сущ. Определенные задачи, для которых приемлимая точность не может быть получена некоторыми классами методов.
Приемлимо к ДУ, проверить точность полученного решения можно с использованием некоторых способов:
Двойной пересчет с помощью другого метода или более мелкого шага интегрирования.
Применение более грубой расчетной схемы, для которой можно качественно оценить решение.
Способ Рунге для оценки такой погрешности.
Предполагает, что на зад. интервале решение выполняется с постоянным по величине шагом, а затем решение выполняется с удвоенным по величине шагом H=2h. Пусть при этом используется метод m-го порядка точности. Тогда на отдельном шаге h величина локальной погрешности составит: .
Предполагаем, что c шагом h выполняется 2n шагов, тогда Н→n.
Предположение на котором основан метод Рунге заключается в том, что на отдельном шаге погрешность равна:
- приближенное решение в конечной точке tk после 2n шагов величины h.
- приближенное решение в точке tk после n шагов величиной H=2h.
Y2n – неизвестное решение.
Считая на каждом шаге погрешность одинаковой, можно записать:
При вычислении с удвоенным шагом:
Система двух уравнений с двумя неизвестными A и Y2n. Решая, получим:
В частности для более распространенного метода Рунге-Кутта 4-го порядка (m=4):
На этом подходе основаны алгоритмы с адаптацией шага:
Решение меняется быстро, а область медленно. Для того, чтобы с достаточной точностью отследить быстрое изменение решения на 1 участке потребуется достаточно малый шаг. При выходе на 2 участок такой малый шаг уже не нужен, т.к. решение меняется гораздо медленнее. Управление величиной шага можно поручить программе, которая должна по истечению нескольких шагов отслеживать точность решения и если погрешность достаточно мала, увеличивать шаг(например вдвое), если велика дробить шаг.
Критерием будет:
16.1.Понятие о жестких дифференциальных уравнениях. Процедуры для решения таких уравнений в среде mathcad.
Существует ситуации, когда в соответствии с физическим содержанием задачи в решении присутствует несколько составляющих, имеющих существенно различные временные const в том смысле, что одни составляющие быстро изменяются по сравнению с другими.
Видно, что во 2-ой зоне вклад в решение 2-ой и 3-ей составляющей незначителен. Но для того, чтобы правильно отследить эти составляющие в 1-ой зоне потребуется достаточно мелкий шаг на всем интервале наблюдения. Такие задачи накладывают жесткие ограничения на величину шага интегрирования.
Рассмотрим следующую систему уравнений:
Через небольшое время наблюдения:
Если попытаться решить эту задачу методом Эйлера:
h=0.01 t=t0+h=0.01
u1=1+0.01(998+1998) = 30.96
v1=1+0.01(-999-1999) = -28.98
Если продолжить процесс интегрирования для следующих шагов, то расхождения окажутся еще больше. Этот пример показывает, что существуют задачи, для которых стандартные методы решения не подходят. Это пример жестких ДУ. Для решения этих задач разраб. специальные методы Гира И Пурлиж-Штерна.