- •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.
17.1. Классификация методов решения оду.
Рассмотрим наши методы относительно к так называемым шаговым (пошаговым) методам интегрирования ОДУ.
Шаг интегрирования может быть постоянным или переменным. Мы рассмотрим такие методы, где для получения решения в очередной момент времени нам требовалось знать решение только в предыдущий момент времени. Такие методы называются одношаговые.
Существуют методы, в которых для построения решения в данный момент времени нужно знать решение задачи в нескольких предшествующих моментах.
Многошаговый метод:
Многошаговый метод не может начать работу по известному лишь в одной точке начальному условию. То есть для его разгона требуется предварительно запустить какой-то одношаговый метод и с его помощью подготовить решение в нескольких точках. Эти методы еще называются несамостартующими или несаморазгоняющими.
В рассмотренных нами методах значение неизвестного решения выражалось в явном виде через решение в предшествующих точках. Поэтому такие методы называются явными.
Существуют и другие методы, где yi+1 – неизвестное решение – является решением какого-то уравнения, чаще всего нелинейного, связанного с видом правой части ОДУ, т.е. неизвестное решение неявно входит в какую-то зависимость. Такие методы называются неявными. В них дополнительно дополнительно придется решать дополнительное уравнение, в общем случае трансцендентное. Обычно такие уравнения решаются методом Ньютона. Такие методы имеют повышенную точность и соответственно позволяют значительно увеличить шаг по независимой переменной.
18.1. Понятие о методах типа Монте-Карло.
В 1943г. в исследовательских лабораториях Лос- Анджелесе при разработки ядерной бомбы возникла задача об определении глубины проникновения электронов в заданное вещество. Решить её не удалось. Тогда Станислав Улом и Ждон фон Нейманом предложили подход основную стратегию, которую используют игроки при игре в кости. Эта стратегия была стратегия была основана на поведении случайных величин. По имени города- это метод получил название Монте – Карло. В дальнейшим по традиции многие методы стали называться метод Монте – Карло.
Изобразим схему метода.
Заметим, что этот подход может использоваться, как для моделирования явлений имеющих в своей основе поведение случайных величин (такие величины называются - стохастическими) так и для явлений процессов, где случайные величины не присутствуют (детерминированные).
19.1. Задача Бюффона как пример использования случайных величин при решении детерминированной задачи.
В 18в. француз Граф Бюффон прадложил для вычисления с произволбным количеством знаков использовать наблюдение за следующим процессом.
Тонкая игла длинной 2l бросается случайным образом на поверхность разлинованную с шагом 2d.
Тогда ситуация пересечение иглы с линией будет соответствовать тому, что точка с координатой ( ) будет лежать в заштрихованной области.
Рассмотрим углы от 0 до в силу симметричности.
Таким образом рассмотрим прямоугольную область .
И рассмотрим область лежащая ниже , то вероятность возникновения пересечения будет равна отношению . В математическом плане если выбираем без предпочтения координату от 0 до и координату y из интервала , то это соответствует произвольной точки , и если выполняется условие , то точка будет находиться в точке .
Величины:
=
=
Тогда .
Как известно при увеличении следует что: , где есть частота появления события.
При увеличении n получаем значение с большим количеством знаков.
Реализация в Mathcad: runif(a,b,N) – выдаёт n случайных величин с равномерном законом распределения. На отрезке от 0 до W – rnd(W).
Алгоритм:
1.Задать число экспериментов n и ограничить цикл от 0 до n(что будет соответствовать n опытов).
2.Обращаемся к функции runif(0, ,N).
3.Генерировать случайные величины от 0 до t.
4.Проверить выполнения неравенства . Если выполняется то n+1.
5.После проверки используем функцию