- •Кафедра автоматизации и систем управления
- •Введение.
- •Лабораторная работа № 1. Основы работы с системой MathCad.
- •Ввод формул
- •Лабораторная работа № 2. График функции.
- •Варианты
- •Лабораторная работа № 3. Расширенные скалярные операторы
- •Варианты
- •Задание 2
- •Рассмотрим некоторые способы создания массивов:
- •В любом месте документа допускается как переопределение любого из элементов массива, так и изменение его размерности
- •2. С использованием встроенной функции :
- •Функции, возвращающие специальные характеристики матриц
- •Задание 1
- •Порядок выполнения задания
- •Лабораторная работа № 6. График поверхности
- •Порядок выполнения задания
- •Лабораторная работа № 7 решение нелинейных уравнений
- •Задание 1.
- •Порядок выполнения задания
- •Варианты
- •Порядок выполнения задания
- •Решение нелинейного уравнения
- •Поиск корней с помощью функции root:
- •Лабораторная работа № 8. Аппроксимация функций
- •Линейная интерполяция
- •Сплайн-интерполяция
- •Линейная регрессия
- •Задание 1.
- •Порядок выполнения задания
- •Варианты
- •Варианты
- •Лабораторная работа № 9. Решение дифференциальных уравнений
- •Задание 1.
- •Порядок выполнение задания
- •Варианты:
- •Варианты
- •1. Решение дифференциальных уравнений.
- •2. Дифференциальное уравнение второго порядка
- •Лабораторная работа № 10 Разложение в ряд
- •Внимание
- •Разложение выражения в ряд с разным порядком аппроксимации
- •Разложение выражения в ряд по разным переменным
- •Интегральные преобразования
- •Примечание
- •Прямое преобразование Фурье
- •Прямое и обратное преобразование Лапласа
- •Прямое и обратное z-преобразование
- •Лабораторная работа №11 поиск экстремума функции
- •Экстремум функции одной переменной
- •Условный экстремум
- •Три примера поиска условного экстремума
- •Экстремум функции многих переменных
- •Задание
- •Варианты
Экстремум функции одной переменной
Поиск экстремума функции включает в себя задачи нахождения локального глобального экстремума. Последние называют ещё задачами оптимизации. В MathCAD с помощью встроенных функций решаются только задача поиска локального экстремума. Чтобы найти глобальный максимум (или минимум), требуется либо сначала вычислить все их локальные значения и потом выбрать из них наибольший (наименьший), либо предварительно просканировать с некоторым шагом рассматриваемую область, чтобы выделить из неё подобласть набольших значений функции и осуществить поиск глобального экстремума, уже находясь в его окрестности. Последний путь таит в себе некоторую опасность уйти в зону другого локального экстремума, но часто может быть предпочтительнее из соображений экономии времени.
Для поиска локальных экстремумов имеют две встроенные функции, которые могут применятся как в пределах вычислительного блока, так и автономно.
Minimize(f,x1,…,xM) – вектор значений аргументов, при которых функция f достигает минимума;
Maximize(f,x1,…,xM) – вектор значений аргументов, при которых функция f достигает максимума;
(f,x1,…,xM) – функция;
x1,…,xM – аргументы, по которым производится минимизация (максимизация).
Всем аргументам функции f предварительно следует присвоить некоторые значения, причём для тех переменных, по которым производится минимизация, они будут восприниматься как начальные приближения. Примеры вычисления экстремума функции одной переменной без дополнительных условий показаны ниже (Минимизация функции одной переменной) Поскольку никаких дополнительных условий в них не вводится, поиск экстремумов выполняется для любых значений x от -∞ до ∞.
Примеры:
Минимум функции одной переменной
f(x) : = x4 + 5∙x3 - 10∙x
x : = -1
Minimize (f, x) = -3.552
x : = 1
Minimize (f, x) = 0.746
Максимум функции одной переменной
f(x) : = x4 + 5∙x3 - 10∙x
x : = 1
Maximize (f, x) = -0.944
x : = -10
Maximize (f, x) =
Как видно из примеров, существенное влияние на результат оказывает выбор начального приближения, в зависимости от чего в качестве ответа выдаются различные локальные экстремумы. В последнем случае численный метод вообще не справляется с задачей, поскольку начальное приближение x = -10 выбрано далеко от области локального максимума, и поиск решения уходит в сторону увеличения f (x), т. е. расходится к x→∞.
Условный экстремум
В задачах на условный экстремум функции минимизации максимизации должны быть включены в вычислительный блок, т. е. Им должно предшествовать ключевое слово Given и функцией поиска экстремума с помощью булевых операторов записываются логические выражения (неравенства, уравнения), задающие ограничения на значения функции. В примерах, приведённых далее, показаны образцы поиска условного экстремума на различных интервалах, определённых неравенствами. Сравните результаты работы этих примеров с работой предыдущих примеров.
Три примера поиска условного экстремума
f(x) : = x4 + 5∙x3 - 10∙x
x : = 1
Given
-5 < x < -2
Minimize (f, x) = -3.552
x : = 1
Given
x > 0
Minimize (f, x) = 0.746
x : = 10
Given
-3 < x < 0
Maximize (f, x) = -0.944
Не забывайте о важности выбора правильного начального приближения и в случае задач на условный экстремум. Например, если вместо -3 < x < 0 в последнем примере задать –5 < x < 0, то при том же самом начальном x = -10 будет найден максимум Maximize (f,x) = -0.944, что неверно, поскольку максимальное значение достигается функцией f (x) на левой границе интервала при x = -5.
Выбор начального приближения x = -4 решает задачу правильно, выдавая в качестве результата Maximize (f,x) = -5.