- •1. Решение слпу с трехдиагональной матрицей методом прогонки.
- •2. Решение нелинейного уравнения методом хорд и методом Ньютона.
- •3. Модификации метода Ньютона для решения нелинейного уравнения. Метод секущих для нелинейного уравнения.
- •Метод хорд для нелинейного уравнения.
- •Упрощенный метод Ньютона.
- •Модификация метода Ньютона для системы двух уравнений.
- •4. Определение действительных корней алгебраического уравнения.
- •5. Определение комплексных корней алгебраического уравнения методом Лина.
- •6.Решение системы нелинейных уравнений методом Ньютона.
- •10.Численное решение задачи Коши для обыкновенного дифференциального уравнения методом Милна.
- •11.Численное решение краевой задачи для обыкновенного дифференциального уравнения методом конечных разностей.
- •12. Численное решение краевой задачи для обыкновенного дифференциального уравнения методом прогонки.
- •13. Численное решение задачи Дирихле для уравнения Лапласа методом сеток.
- •14. Численное решение смешанной задачи для дифференциального уравнения параболического типа методом сеток.
- •15. Численное решение смешанной задачи для дифференциального уравнения гиперболического типа методом сеток.
- •16. Задачи оптимизации. Основные понятия (проектные параметры, целевая функция). Постановка задачи. Основные типы задач оптимизации.
- •17. Одномерная задача оптимизации. Аналитическое решение и решение методом золотого сечения.
- •18. Одномерная задача оптимизации. Решение и решение методом Фибоначчи.
- •Одномерная задача оптимизации. Решение методом Пауэлла
- •Метод пауэлла
- •21.Многомерная задача оптимизации. Аналитическое решение и решение методом покоординатного спуска.
- •Метод покоординатного спуска
- •22.Многомерная задача оптимизации. Решение методом градиентного спуска.
- •Метод градиентного спуска
- •23. Многомерная задача оптимизации. Решение методом наискорейшего спуска.
- •Метод наискорейшего спуска
- •24.Задачи математического программирования. Решение методом штрафных функций.
- •25. Линейное программирование. Постановка задачи. Решение геометрическим методом.
- •26. Линейное программирование. Решение задачи симплекс-методом.
- •27.Линейное программирование. Решение задачи методом потенциалов.
- •28. Решение интегрального уравнения методом замены ядра уравнения на вырожденное.
- •29. Решение интегрального уравнения Фредгольма II рода методом Крылова-Боголюбова.
- •30. Решение интегрального уравнения Фредгольма II рода методом Бубнова-Галеркина.
- •Основа метода
- •31.Решение интегрального уравнения Фредгольма I рода методом регуляризации Тихонова.
- •Метод регуляризации Тихонова
27.Линейное программирование. Решение задачи методом потенциалов.
Метод потенциалов является модификацией симплекс-метода решения задачи линейного программирования применительно к транспортной задаче.
Алгоритм
Метод потенциалов является модификацией симплекс-метода, в котором базисная матрица B[M, NB] представлена в виде дерева.Двойственные переменные симплекс-метода для транспортной задачи называются потенциалами.
Потенциалы P[M] вычисляются по формуле C[NB]=B[M, NB]P[M], что эквивалентно P[M]= C[NB]B-1[NB,M]
Для
дуги
потенциалы
дуг связаны формулой P[i]+C[n]=P[j].
Таким образом, потенциал потребителя равна потенциалу производителя + стоимость перевозки. С экономической точки зрения это можно трактовать как стоимость продукта в точке потребления.
Проверка оптимальности плана P[i]+C[n]>=P[j] легко трактуется с экономической точки зрения — если стоимость продукта в точке потребления больше стоимости в точке производства + цена перевоза, по этой дуге следует везти. Величина P[j]-P[i]-C[n] называется невязкой дуги.
Добавление дуги приводит к возникновению цикла в дереве. Увеличение провоза по вводимой дуге приводит к пересчету потоков в цикле, провоз по одной из дуг при этом уменьшится до нуля. Дугу с нулевым потоком удаляем из базиса, при этом базисный граф остается деревом (цикл разрывается).
Остается только пересчитать потенциалы — добавить (или вычесть — зависит от направления дуги) ко всем вершинам «повисшей ветки» величину невязки P[j]- P[i]-C[n]
Процесс завершается, когда условие оптимальности P[i]+C[n]>=P[j] выполняется для всех дуг.
28. Решение интегрального уравнения методом замены ядра уравнения на вырожденное.
Интегральным уравнением называется такое уравнение, неизвестная функция в котором содержится под знаком интеграла. В общем случае интегральное уравнение имеет вид
(1
Аппроксимация ядра вырожденным
Некоторые сведения об уравнениях с вырожденным ядром. Ядро уравненияK(x,s) называют вырожденным, если оно представимо в виде
(9)
Функцииi (i = 1,…, n) можно, очевидно, считать линейно независимыми. Аналогичное можно сказать о функциях i (i = 1,…, n).
Когда в интегральном уравнении (5) ядро K(x,s)имеет форму (9), то его решение, если оно существует, представимо в следующем виде:
(10)
где коэффициенты Ai есть некоторые неизвестные постоянные
Для нахождения этих коэффициентов может быть просто построена линейная система уравнений. Введем следующие обозначения:
Подставим в уравнение (5)вместоу представление (10):
Ввиду линейной независимости функций i(x) коэффициенты при них в левой и правой частях равенства должны быть одинаковыми и после сравнения их мы получим систему уравнений для Ai:
.
(11)
Построение решения у(x) приводит в случае вырожденного ядра K(x,s) к вычислению величинfi, ij и к решению линейной системы (11).
Рассматриваемый метод приближенного решения основан на том соображении, что если в заданноминтегральном уравнении ядро заменить на близкое к нему вырожденное ядро, то решение нового вспомогательного уравнения, как следует ожидать, будет близким к решению заданного уравнения. Построение же решения вспомогательного уравнения будет намного проще ввиду вырожденности ядра. Решение вспомогательного уравнения может быть сделано сколь угодно близким к решению заданного уравнения, если, во-первых, число не есть собственное значение заданного уравнения и, во-вторых, вырожденное ядро вспомогательного уравнения взято достаточно близким к заданному ядру. Укажем некоторые приемы построения вырожденных ядер.
