Лабораторная работа: Решение задач методами Эйлера и Рунге-Кутта

1. Построить кубический сплайн, интерполирующий функцию у = ¦(х) на [1,00; 1,20] для равномерного разбиения с шагом h = 0,04:

¦(х) = lnx

Найти значения в точках 1,05; 1,13; 1,17.

Решение

Построим таблицу значений функции на интервале [1,00; 1,20] с шагом

h = 0,04:

Сплайн-интерполяция таблично заданной функции

1. На отрезке [ a, b] задать одномерную сетку

h_x = {x_i / x_i = x_{i –1} + h_i , h_i > 0, i = 1, 2, 3, …, n; x₀ = a, x_n = b}

и значения y_i = f(x_i ) в узлах сетки x_i , i = 0, 1, 2, …, n.

Задать x^* Î (a, b).

2. Положить a_i = y_j , i = 0, 1, 2, …, n.

3. Составить и решить трех диагональную систему методом прогонки:

Определить значения коэффициентов c_i , i = 0, 1, 2, …, n.

4. Определить значения коэффициентов d_i и b_i , i = 1, 2, 3, …, n, воспользовавшись формулами:

d_i = (c_i –c_{i – 1} ) / h_i , i = 1, 2, …

5. Определить значение индекса 0 < k£n из условия x^* Î [x_{k – 1} , x_k ].

6. Вычислить по формуле

S(x^* ) = S_k (x^* ) = a_k + b_k (x^* – x_k ) + (c_k / 2)(x^* – x_k )² + (d_k / 6)(x^* – x_k )³ .

7. Процесс завершен: S(x^* ) – результат интерполяции табличных данных в точку x^* Î (a, b).

Результаты вычислений удобнее представлять в виде таблицы:

Значение функции в точке находится по формуле:

S(x^* ) = S_k (x^* ) = a_k + b_k (x^* – x_k ) + (c_k / 2)(x^* – x_k )² + (d_k / 6)(x^* – x_k )³

2. Найти решение задачи Коши для дифференциального уравнения на равномерной сетке [a, b] с шагом 0,2 методом Эйлера и классическим методом Рунге-Кутта

, , 0 £ х £ 1

Решение. Метод Эйлера

- разностная аппроксимация Эйлера. Точность метода . Метод Рунге-Кутта

дифференциальный интерполирующий уравнение сплайн

Результаты вычислений удобнее представлять в виде таблиц:

Метод Эйлера

x	y
0	0	1
0,2	0,2	1
0,4	0,416	1.04
0,6	0,67392	1.1232
0,8	1,00639	1.25798
1	1,45926	1.45926

Метод Рунге-Кутта

i							=
0	0	1	0	0,02	0,0202	0,040808	1,0202
1	0,2	1,0202	0,0408081	0,0624363	0,0630852	0,0866629	1,08329
2	0,4	1,08329	0,086663	0,112662	0,113962	0,14367	1,19722
3	0,6	1,19722	0,143666	0,177667	0,180047	0,220362	1,37713
4	0,8	1,37713	0,22034	0,267713	0,271977	0,329821	1,64872
5	1	1,64872	0,329743	0,398989	0,406607	0,493278	2,05442

3. Найти решение задачи безусловной минимизации ¦(х) ®min, х ÎR² . Установить множество глобального решения

¦(х) =

Решение

Данная задача решается методом сопряженных направлений (градиентов). Алгоритм данного метода представлен далее.

Метод сопряженных направлений

1 Начать с точки x⁽⁰⁾ = (x₁ ⁽⁰⁾ , x₂ ⁽⁰⁾ , …, x_n ⁽⁰⁾ )^т и n-линейно независимых направлений s⁽ⁱ⁾ ,

i = 1, 2, …, n, которые могут быть выбраны, например, совпадающими с координатными направлениями e⁽ⁱ⁾ , i = 1, 2, …, n. Положить k = 1.

2 Начиная с точки x⁽⁰⁾ осуществить одномерный поиск для функции f(x) в направлении s⁽ⁿ⁾ и определить точку z⁽¹⁾ .

3 Начиная с точки z⁽¹⁾ осуществить последовательно n – 1 одномерный поиск для f(x) сначала в направлении s⁽¹⁾ , а затем из полученной точки в направлении s⁽²⁾ и т. д. до одномерного поиска в направлении s^{(n – 1)} включительно. В результате этих действий будет определена точка x⁽²⁾ .

4 Начиная с точки x⁽²⁾ осуществить одномерный поиск для f(x) в направлении s⁽ⁿ⁾ и определить точку z⁽²⁾ .

Согласно обобщенному свойству "параллельного подпространства" направление

s^{( n + 1)} = z⁽²⁾ – z⁽¹⁾

будет сопряженным по отношению к направлениям s^{( n )} , s^{( n – 1)} , …, s^{( n – k + 1)} (для k = 1 – только к направлению s^{( n )} ).

5 Начиная с точки z⁽²⁾ осуществить поиск в направлении s^{( n + 1)} и определить x^* .

6 Положить k: = k + 1. Если k = n, перейти к выполнению п. 8.

7 Положить z⁽¹⁾ : = x^* и s^{( i )} : = s^{( i + 1)} , i = 1, 2, …, n.и перейти к выполнению п. 2.

8 Процесс вычислений завершен: x^* – точка минимума функции f(x).

Результаты вычислений удобнее представлять в виде таблицы:

Таблица результатов

k
0	0	0	1	1	0
1	0	0	1	0	2	2	0	-4
2	2	0	0	1	-2	2	-2	-8

Точка (2,-2) – точка минимума функции. В этой точке функция принимает значение .