Детерминированные модели динамических систем с конечным числом степеней свободы

Различают динамические и стохастические системы. Динамические системы описываются алгебраическими или дифференциальными уравнениями, а характеризующие их величины изменяются непрерывно так, что небольшое относительное изменение внешнего воздействия, входного сигнала или параметра приводит к сопоставимому изменению состояния системы. Например, движение материальной точки в силовом поле, электромагнитные колебания в колебательном контуре, изменение численности популяции, изменения концентрации того или иного вещества в химических реакциях и т.д. При изучении подобных систем используется непрерывно-детерминированный подход, а соответствующие ему математические схемы называются D-схемами (от англ. dynamic). Анализ систем с небольшим числом степеней свободы требует совместного решения небольшого числа уравнений [3]. В ряде случаев решение задачи может быть найдено только численными методами.

В некоторых случаях компьютерное моделирование изучаемой динамической системы не требует вычисления производных и интегралов, а сводится к решению алгебраических уравнений, исследованию функции одного или нескольких аргументов графическими методами (построение графика, поверхности, силовых линий, линий тока, линий равного уровня, потенциала, температуры, световых лучей и т.д.) [4]. Используемая компьютерная программа должна содержать один или несколько вложенных циклов, в которых осуществляется многократное выполнение одной и той же вычислительной процедуры, связанной с нахождением значения функции в узлах одномерной или многомерной сетки. Результаты вычислений выводятся на экран в числовом или графическом виде: печатается массив чисел, либо строятся графики, поверхности, изолинии, линии наибыстрейшего спуска и т.д.

Достаточно часто изучение того или иного процесса требует решения алгебраического уравнения f (x) = g (x), которое можно записать в виде F (x) = f (x) - g (x) = 0. Для решения уравнений и систем уравнений используют прямые (точные) и итерационные (приближенные) методы [5]. В вычислительной математике под точным решением понимают решение с точностью до погрешности округления, которое выдала бы идеальная ЭВМ с бесконечной разрядностью машинного слова, работающая по точным формулам. Прямые методы дают точное решение, причем число арифметических операций может быть оценено заранее. Например,

для точного решения квадратного уравнения сначала определяют дискриминант, а затем находят корни с тем количеством знаков, на которое рассчитан компьютер. Итерационные методы имеют следующие особенности: 1) получается приближенное решение с заданной точностью; 2) для его нахождения требуется выполнить большое количество итераций (приближений); 3) требующееся число операций заранее неизвестно.

В случае, когда функция F (x) = f (x) - g (x) является полиномом первой, второй или третьей степени, применяются аналитические методы нахождения точного значения корня. Если же F (x) –– полином четвертой и более высокой степени, тригонометрическая или трансцендентная функция, то используются приближенные (численные) методы. При этом решение состоит из двух этапов: 1) локализация корня, то есть приближенное установление числового интервала, внутри которого он находится; 2) уточнение корня путем уменьшения содержащего его интервала до требуемого значения e.

Для отделения корней можно использовать теорему: если значения функции F (x) на концах интервала [ a; b ] имеют разные знаки (при этом

F (a) × F (b) < 0), то внутри этого интервала содержатся не менее одного корня уравнения F (x) = 0.

Наиболее простой способ численного решения уравнения состоит в использовании метода табуляции. Его алгоритм заключается в следующем: 1) локализовать корень уравнения F (x) = 0, то есть найти интервал [ a; b ], внутри которого график функции y = F (x) однократно пересекает ось абсцисс; 2) протабулировать функцию F (x) = f (x) - g (x) при дискретных значениях аргумента xi = a + ih, где h = D x - шаг изменения аргумента, i =1,2,3,..; 3) найти интервал [ xi, xi +1], внутри которого функция y = F (x) пересекает ось абсцисс (при этом значения F (xi) и F (xi +1) имеют противоположные знаки); 4) если ширина интервала [ xi, xi +1] превышает требуемую точность e, то считать, что a = xi, b = xi +1 и перейти к операции 2, табулируя функцию с меньшим шагом.

Более удобным является метод половинного деления. Он состоит в следующем: 1) локализуют корень уравнения F (x) = 0, определяя содержащий его интервал [ a; b ]; 2) отрезок [ a; b ] делят точкой c = (a + b) / 2 пополам; 3) если F (c) = 0, то значение x = c и есть корень уравнения; если это не так, то из двух отрезков [ a; c ] и [ c; b ] выбирается тот, на границах которого функция y = F (x) имеет противоположные знаки (F (a) × F (b) < 0); 4) если ширина отрезка, содержащего корень, превышает заданную точность e, то снова повторяют операции 2 и 3, то есть делят выбранный отрезок пополам и выбирают тот, что содержит корень. В противном случае, –– приближенное значение корня равно одному из границ отрезка. В качестве примера рассмотрим решение трансцендентного уравнения x ² = e^-x, которое можно записать как e^-x - x ²=0. Соответствующий алгоритм А-1, записанный в псевдокоде, представлен ниже. Существуют и другие методы численного решения подобных уравнений [6]: метод простой итерации, метод касательных, метод секущих, метод парабол и т.д.

В некоторых случаях создание компьютерной модели предполагает решение системы алгебраических уравнений [19]. Например, расчет цепи постоянного тока из нескольких контуров с источниками ЭДС методом Кирхгофа требует решения системы алгебраических уравнений, число которых равно количеству ветвей. Чтобы рассчитать трехфазную цепь необходимо решить систему из нескольких уравнений в комплексных числах.

Для решения систем линейных уравнений также используются точные (конечные) и приближенные итерационные (бесконечные) методы. Точные методы позволяют получить точное решение с помощью конечного числа операций. К ним относятся метод Крамера, метод исключения Гаусса, состоящий в приведении матрицы коэффициентов к треугольному виду. Приближенные методы предполагают построение итерационного процесса, который дает последовательность значений, при определенных условиях сходящуюся к точному решению системы. Обычно ограничиваются первыми 100 или 1000 итераций, что позволяет определить приближенное решение с заданной точностью.

Методом Гаусса можно решить любую систему линейных алгебраических уравнений, однако в случаях, когда уравнения имеют достаточно много нулевых коэффициентов, итерационные методы позволяют получить результат за меньшее количество шагов и требуют меньший объем памяти. Для решения системы нелинейных уравнений используются приближенные методы: метод простой итерации, метод Ньютона [6].

Поведение динамических систем описывается функциями непрерывного аргумента. Но цифровая ЭВМ обрабатывает информацию дискретно: ее программа состоит из отдельных команд, циклов, подпрограмм, процедур, каждая из которых осуществляет отдельный акт преобразования исходных данных. Выход состоит в применении метода сеток, предполагающего дискретизацию области изменения аргументов, в замене функции непрерывного аргумента функцией дискретного аргумента.

Не редко исследуемое явление или процесс описывается обыкновенным дифференциальным уравнением (ОДУ), связывающим независимую переменную x, искомую функцию y и несколько ее первых производных: F (x, y, y ',..., yⁿ)=0, где n –– порядок старшей производной.

Функция y = f (x) называется решением ОДУ, если при ее подстановке дифференциальное уравнение превращается в истинное высказывание. Любое ОДУ имеет бесконечно много решений, для выбора искомого необходимо учесть начальные условия.

Для численного решения подобных уравнений используется метод конечных разностей, который состоит в следующем. Область непрерывного изменения аргументов заменяют сеткой и переходят к функциямдискретного аргумента. Производные, входящие в дифференциального уравнения, заменяют соответствующими им конечно–разностными аппроксимациями, а интегралы –– суммами с большим, но конечным числом слагаемых, в которых складываются небольшие, но конечные величины. Использование этого метода для решения дифференциальных уравнений приводит к тому, что получается система алгебраических уравнений, содержащих значения искомой функции в узлах сетки.

Как известно, производная функции y = f (x) –– это предел отношения приращения функции Dy = f (x + Dx) - f (x) к приращению аргумента Dx в случае, когда приращение аргумента стремится к 0:

. (1)

При этом дифференциал dx –– бесконечно малое приращение аргумента, а dy –– соответствующая ему линейная часть приращения функции. Производная характеризует быстроту изменения функции и крутизну графика в данной точке x. Она равна тангенсу угла между касательной и положительным направлением оси абсцисс. Частная производная функции многих переменных f (x1,..., xn) по переменной x1 в точке (x1,..., xn) есть предел приращения функции f (x1 + Dx1,..., xn) - f (x1,..., xn) к приращению аргумента Dx1 при фиксированных значениях остальных независимых переменных.

Для численного дифференцирования используется метод сеток: области непрерывного изменения аргументов функции y = f (x1,..., xn,t) заменяют конечным множеством узлов, образующих одномерную или многомерную пространственно-временную сетку. От функции непрерывного аргумента переходят к функции дискретного аргумента, приближенно вычисляют ее значения на различных временных слоях, находят производные и интегралы. При этом бесконечно малые приращения функции y = f (x1,..., xn,t) и приращения ее аргументов заменяются малыми, но конечными разностями.

Дата добавления: 2015-08-31