Составители:
Практикум по решению задач на ЭВМ
решении систем с числом неизвестных большим, чем число уравнений.
Однако даже если корней будет бесконечно много, численный метод ста-
нет производить расчёты до тех пор, пока логические выражения в вычис-
лительном блоке не будут выполнены (в пределах погрешности). После
этого итерации будут остановлены и выдано решение.
Задачи поиска экстремума функции означают
нахождение её максимума
(наибольшего значения) или минимума (наименьшего значения) в некото-
рой области определения её аргументов. Ограничения значений аргумен-
тов, задающих эту область, как и прочие дополнительные условия, должны
быть определены в виде системы неравенств и (или) уравнений. В таком
случае говорят о задаче на условный экстремум.
Для решения задач
поиска максимума и минимума в Mathcad имеются
функции Minerr, Maximize и Minimize. Все они используют те же гради-
ентные численные методы, что и функция Find для решения уравнений.
Поиск экстремума функции включает в себя задачи нахождения локаль-
ного и глобального экстремума. Последние называют ещё задачами опти-
мизации.
В Mathcad с помощью встроенных функций решается
только задача по-
иска локального экстремума. Чтобы найти глобальный максимум (или ми-
нимум), требуется либо сначала вычислить все их локальные значения и
потом выбрать из них наибольший (наименьший), либо предварительно
просканировать с некоторым шагом рассматриваемую область, чтобы вы-
делить из неё подобласть наибольших (наименьших) значений функции и
осуществить поиск глобального экстремума
, уже находясь в его окрестно-
сти. Но это может повлечь за собой неосторожность уйти в зону другого
локального экстремума, но зачастую это может сэкономить время. Для по-
иска локальных экстремумов имеются две встроенные функции, которые
могут применяться как в пределах вычислительного блока, так и автоном-
но.
• Minimize(f,x
1
,…,x
M
) – вектор значений аргументов, при которых
функция f достигает минимума;
• Maximize(f,x
1
,…,x
M
) – вектор значений аргументов, при которых
функция f достигает максимума.
Проиллюстрируем сказанное примерами.
минимум 41912y(x 6331x
xxy
dx
d
rootx 3x
максимум 41922y(x 6331x
xxy
dx
d
rootx 3x
32533.3-:x 5x16x2xy
min
min
max
max
3
.).
),(::
.).
),(::
...,:)(
min
max
−==
⎟
⎠
⎞
⎜
⎝
⎛
==
=−=
⎟
⎠
⎞
⎜
⎝
⎛
=−=
−=+−=
103
Практикум по решению задач на ЭВМ решении систем с числом неизвестных большим, чем число уравнений. Однако даже если корней будет бесконечно много, численный метод ста- нет производить расчёты до тех пор, пока логические выражения в вычис- лительном блоке не будут выполнены (в пределах погрешности). После этого итерации будут остановлены и выдано решение. Задачи поиска экстремума функции означают нахождение её максимума (наибольшего значения) или минимума (наименьшего значения) в некото- рой области определения её аргументов. Ограничения значений аргумен- тов, задающих эту область, как и прочие дополнительные условия, должны быть определены в виде системы неравенств и (или) уравнений. В таком случае говорят о задаче на условный экстремум. Для решения задач поиска максимума и минимума в Mathcad имеются функции Minerr, Maximize и Minimize. Все они используют те же гради- ентные численные методы, что и функция Find для решения уравнений. Поиск экстремума функции включает в себя задачи нахождения локаль- ного и глобального экстремума. Последние называют ещё задачами опти- мизации. В Mathcad с помощью встроенных функций решается только задача по- иска локального экстремума. Чтобы найти глобальный максимум (или ми- нимум), требуется либо сначала вычислить все их локальные значения и потом выбрать из них наибольший (наименьший), либо предварительно просканировать с некоторым шагом рассматриваемую область, чтобы вы- делить из неё подобласть наибольших (наименьших) значений функции и осуществить поиск глобального экстремума, уже находясь в его окрестно- сти. Но это может повлечь за собой неосторожность уйти в зону другого локального экстремума, но зачастую это может сэкономить время. Для по- иска локальных экстремумов имеются две встроенные функции, которые могут применяться как в пределах вычислительного блока, так и автоном- но. • 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. Проиллюстрируем сказанное примерами. y( x ) := 2 x 3 − 16 x + 5 x := - 3 .3,−3.25..3 ⎛ d ⎞ x := −3 xmax := root ⎜ y( x ), x ⎟ ⎝ dx ⎠ xmax = −1.633 y(xmax ) = 22.419 максимум ⎛ d ⎞ x := 3 xmin := root ⎜ y( x ), x ⎟ ⎝ dx ⎠ xmin = 1.633 y(xmin ) = −12.419 минимум 103
Страницы
- « первая
- ‹ предыдущая
- …
- 101
- 102
- 103
- 104
- 105
- …
- следующая ›
- последняя »