- •Новочеркасск 2008 Содержание
- •Тема №1 Модели и моделирование.
- •Погрешности численных методов.
- •Тема №2 Аппроксимация функций.
- •Интерполяционная формула Лагранжа.
- •Сплайны
- •Сплайны третьей степени
- •Метод наименьших квадратов
- •Тема №3 Решение нелинейных уравнений.
- •Метод половинного деления.
- •Метод простых итераций.
- •Метод Хорд
- •Метод Ньютона (касательных).
- •Тема №4 Решение систем линейных уравнений.
- •1) Прямые
- •2) Итерационные
- •Метод Гаусса.
- •Метод прогонки.
- •Уточнение решения (итерационный метод).
- •Метод Гаусса-Зейделя.
- •Тема №5 Решение систем не линейных уравнений.
- •Простой Итерации
- •Метод Ньютона для систем уравнений.
- •Метод возмущения параметров.
- •Тема №6 Численное интегрирование.
- •Метод прямоугольников.
- •Метод трапеции
- •Метод Симпсона.
- •Метод Гаусса.
- •Метод Монте-Карло.
- •Метод Монте-Карло для вычисления кратных интегралов.
- •Тема №7 Решение обыкновенных дифференциальных уравнений (оду).
- •Метод Эйлера.
- •Модифицированный метод Эйлера.
- •Метод Рунге – Кутта.
- •Метод Рунге-Кутта для решения систем оду
- •Метод Рунге-Кутта для оду высших порядков.
- •Метод стрельбы.
- •Метод конечных разностей (мкр) (метод сеток).
- •Тема №8 Решение дифференциальных уравнений с частными производными.
- •Уравнение теплопроводности.
- •Явная разностная схема для уравнения теплопроводности.
- •Неявная разностная схема для уравнения теплопроводности.
- •Тема №9 Задачи оптимизации.
- •Метод половинного деления.
- •Метод золотого сечения.
- •Метод покоординатного подъёма (спуска).
- •Метод градиентного подъёма (спуска).
- •Метод наискорейшего подъёма.
- •Тема №10 Задания для самостоятельной проработки. Транспортная задача.
- •Задача о ресурсах.
- •Волновое уравнение.
- •Уравнение Лапласа.
Метод Монте-Карло.
Во многих задачах исходные данные носят случайный характер. Для решения таких задач применяется статистико-вероятностный подход. На основе такого подхода разработан метод статистических испытаний, называемый также методом Монте-Карло. В методе Монте-Карло для случайной величины X с определённым законом распределения находится математическое ожидание, причем в качестве приблизительного значения математического ожидания можно использовать среднее значение из серии испытаний случайной величины X.
Это соотношение можно использовать для приближенного вычисления интеграла. Пусть Т – это случайная величина равномерно распределённая на отрезке . Равномерность распределения означает, что плотность распределения этой случайной величины во всех точках отрезка имеет одинаковое значение равное единице. То есть плотность распределения для этой случайной величины равна
В компьютерах встроены генераторы случайных чисел, имеющие нормальное распределение. Для вычисления по определению математического ожидания используется следующая формула
где, - это случайные числа равномерно распределённые на .
Тогда
При вычислении интеграла на путем замены интеграл приводится к отрезку если отрезок разбить на n частей, и каждый отрезок преобразовать в единичный, то для интеграла по
где - это случайное число на .
Метод 27
Метод Монте-Карло для вычисления кратных интегралов.
Особенно эффективно применение метода Монте-Карло для вычисления кратных интегралов. Например, двойной интеграл по области в виде единичного квадрата может быть представлен в виде
где - это случайные числа, равномерно распределённые на интервале
При интегрировании по прямоугольнику R, не совпадающему с единичным квадратом, необходимо сначала произвести преобразование переменных.
Обобщим метод Монте-Карло на область произвольной конфигурации. Пусть требуется вычислить двойной интеграл по области произвольной конфигурации.
Построим прямоугольник R охватывающий область и введём функцию, совпадающую с области и равную нулю за пределами области .
Очевидно, что искомый интеграл
Точность зависит от качества генератора, не совсем точная (равномерная плотность распределения).
Тема №7 Решение обыкновенных дифференциальных уравнений (оду).
К решению дифференциальных уравнений приводит большое число научно-исследовательских задач и задач инженерной практики, но лишь не многие из них удается решить аналитически, поэтому численные методы решения дифференциальных уравнений играют такую важную роль в инженерной практике.
Дифференциальные уравнения, содержащие одну независимую переменную и производные по ней, называются обыкновенными дифференциальными уравнениями.
Для решения дифференциального уравнения необходимо задание дополнительных условий, если дополнительные условия задаются при одном значении независимой переменной, то такие условия называются начальными, а задача решения уравнения называется задачей с начальными условиями или задача Коши.
Если условия задаются при двух или более значениях переменной, то такие условия называются граничными, а задачу называют краевой.
В задаче Коши роль независимой переменной играет величина (время), а дополнительное условие для начального момента времени (). В краевых задачах в качестве независимой переменной выступает координата отрезка, а граничные условия задаются в начале и конце отрезка.
Для решения задачи Коши и краевой принимают различные численные методы. Часто краевую задачу решают путем сведения её к задаче Коши. Отсюда следует, что обычно задачи Коши являются более легкими для численного решения.
При численном решении вводится шаг по координате, и решение находится в точках отстоящих друг от друга на величину шага. Для решения задачи Коши разработано множество методов, которые можно разделить на 2 группы:
1 группа – одношаговые методы.
В них для нахождения решения в следующей точке (удаленной на расстояние h) требуется информация лишь об одном предыдущем шаге.
2 группа – многошаговые методы.
Методы прогноза и коррекции.
В них для нахождения значения в следующей точке требуется информация из нескольких предыдущих точек.
При численном решении дифференциальных уравнений можно выделить 3 типа погрешности:
-
погрешность округления;
-
погрешность усечения, связана с аппроксимацией бесконечных рядов несколькими первыми членами, обусловлена численным методом;
-
погрешность распространения, она является результатом накопления погрешностей появившихся на предыдущих этапах счета.
Метод 28