Презентации по Математике

Модели сложных систем
Модели сложных систем
1. ОБЩЕЕ ПРЕДСТАВЛЕНИЕ О МОДЕЛИРОВАНИИ СЛОЖНЫХ ОБЪЕКТОВ Под моделированием понимается процесс исследования объекта, представляемого в виде системы, включающий построение модели, изучение ее свойств и перенос полученных сведений на моделируемый объект. Общими функциями моделирования являются описание, объяснение и прогнозирование поведения реального объекта. Типовыми целями моделирования является поиск оптимальных или близких к оптимальным решений, оценка эффективности решений, определение свойств системы, установление взаимосвязей между ее характеристиками, перенос полученной информации на реальный объект. Термин «модель» имеет весьма многочисленные трактовки; в наиболее общей формулировке модель – это объект, который имеет сходство в некоторых отношениях с прототипом и служит средством описания и/или объяснения, и/или прогнозирования поведения прототипа. Формальное определение модели определяет модель как изоморфизм А на . Частные модели могут обозначаться как гомоморфизм: , в котором оператор f указывает на способ построения требуемой модели. Важнейшим качеством модели является представление упрощенного образа реального объекта, отражающего не все свойства прототипа, а только существенные для проведения исследований. Сложные объекты характеризуются выполняемыми процессами (функциями), структурой и поведением во времени. Для адекватного моделирования этих аспектов выделяют функциональные, информационные и поведенческие модели, пересекающиеся друг с другом и формирующие на пересечении область возможных решений для поиска оптимальных свойств объекта. Функциональная модель объекта описывает совокупность выполняемых им функций, характеризует морфологию объекта (его построение) – состав функциональных элементов и их взаимосвязи. Информационная (кибернетическая) модель отражает отношения между элементами объекта в виде структур данных (состав и взаимосвязи). Поведенческая (событийная) модель описывает информационные процессы (динамику функционирования), характеризующиеся категориями «состояние объекта», «событие», «переход из одного состояния в другое», «условия перехода», «последовательность событий». Значение моделирования важно для сложных объектов, где натурные эксперименты невозможны в виду их сложности и больших затрат, уникальности, длительности эксперимента. Главная трудность состоит в многоаспектности объектов и их физической неоднородности.
Продолжить чтение
Координаты вектора
Координаты вектора
Свойства координат векторов: 1. Координаты нулевого вектора в любом из базисов равны нулю. 2. Координаты вектора в данном базисе определяются однозначно. 3. При сложении векторов их соответствующие координаты складываются. 4. При умножении вектора на число все его координаты умножаются на это число. 5. Координаты линейной комбинации векторов равны таким же линейным комбинациям соответствующих координат слагаемых. *Базис - упорядоченный (конечный или бесконечный) набор векторов в векторном пространстве, такой, что любой вектор этого пространства может быть единственным образом представлен в виде линейной комбинации векторов из этого набора. Векторы базиса называются базисными векторами. Скалярное и векторное произведение векторов. Скалярным произведением двух векторов называется число, равное произведению их модулей на косинус угла между векторами. Основные свойства скалярного произведения: 1. Переместительное свойство 2. Распределительное свойство 3. Сочетательное свойство относительно числового множителя 4. Скалярное произведение обращается нуль в том и только том случае, когда векторы перпендикулярны 5. Так как модуль вектора, число неотрицательное, то знак скалярного произведения определяется знаком
Продолжить чтение
Системы поддержки принятия решений (СППР). Математические и инструментальные методы поддержки принятия решений
Системы поддержки принятия решений (СППР). Математические и инструментальные методы поддержки принятия решений
Пример Рассмотрим фирму "Русские автомобили" . Задача: Совет директоров фирмы должен решить: Какой образец автомобиля запускать в серию - маленького верткого "Алешу" или представительного "Добрыню"? При дешевом бензине потребители предпочтут "Добрыню", при дорогом - "Алешу". Будущая цена бензина неизвестна, это – фактор риска для фирмы "Русские автомобили". Добрыня Больше, тяжелее; Требует больше бензина на 100 км; Солиднее и вместительнее; Алеша Меньше; Требует меньше бензина на 100 км; Пример (продолжение) Итак, каждый из двух вариантов решения имеет плюсы и минусы. Для принятия решения явно не хватает следующей количественной информации: насколько вероятна к моменту выхода продукции на рынок низкая цена бензина и насколько - высокая; каковы будут финансовые результаты работы фирмы при различных вариантах сочетания цены бензина и типа выпускаемого автомобиля (а таких сочетаний четыре: низкая цена бензина - автомобиль "Алеша", низкая цена бензина - автомобиль "Добрыня", высокая цена бензина - автомобиль "Алеша", высокая цена бензина - автомобиль "Добрыня") 
Продолжить чтение
Системы поддержки принятия решений (СППР). Математические методы поддержки принятия решений
Системы поддержки принятия решений (СППР). Математические методы поддержки принятия решений
Постановка задачи принятия решений D= F – формулировка задачи принятия решения, включая содержательное описание проблемы, достигаемые цели, требования к окончательному результату. A – совокупность возможных вариантов (альтернатив), из которых производится выбор. Их должно быть не меньше 2. X – совокупность признаков (атрибутов), описывающих варианты и их отличительные особенности. G – совокупность условий, ограничивающих область допустимых вариантов решения. Могут задаваться содержательным образом или формальными требованиями к вариантам и их признакам. P – предпочтения одного или нескольких ЛПР, которые служат основой для оценки и сравнения возможных вариантов решения проблемы. Пример Формулировка задачи (F) Выбрать наиболее походящую площадку для строительства гостиницы в г. Иркутске. Альтернативы (А) 130 квартал (a1) Предместье Марата (a2) Байкальский тракт (м-н Солнечный) (a3) М-н Ново-Ленино (a4) Студгородок (a5) Ограничения (G) Стоимость земли должна не превышать средней по области Предпочтения (P) a5>a1 Характеристики (Х, шкалы измерений) Близость к транспортным узлам (x1) Наличие пунктов связи(x2) Наличие пунктов питания (x3) Наличие торгово-развлекательных центров (x4) Наличие удобных маршрутов транспорта (x5) Близость достопримечательностей (x6) Стоимость земли (x7) Вид из окна (x8)
Продолжить чтение
Принятие решений при неполной информации. Классификация методов теории принятия решений
Принятие решений при неполной информации. Классификация методов теории принятия решений
Классификация методов теории принятия решений Задача принятия решений при неполной информации В ранее рассмотренных моделях в большинстве случаев предполагалось, что ЛПР обладает полной информацией (своими оценками или экспертизами) при принятии решений о рассматриваемой проблеме. Однако, так бывает далеко не всегда. Очень часто возникает ситуация, когда степень привлекательности альтернативы по тому или иному критерию не детерминирована, а является переменной и зависит от случайных факторов. Например, некоторое лицо, имеет на руках денежную сумму и желает получить с них прибыль. Он может положить деньги в Сбербанк РФ, где процент дохода минимален, но надежность возврата вклада фактически 100%. Другой альтернативой является вложение денег в акции какой-нибудь компании и получить по ним большие дивиденды, но есть риск потерять деньги, в случае падения курса акций. Как видно, критерий прибыли для второй альтернативы имеет переменный показатель.
Продолжить чтение
Свойства математических моделей
Свойства математических моделей
И наконец, исходя их определения ММ, вытекает свойство универсальности ММ. Это можно объяснить тем, что в математике используют абстрактные основополагающие понятия, немногочисленные, но весьма емкие по содержанию. Это позволяет конкретные факты из самых различных областей знаний рассматривать как проявление этих понятий и отношений между ними. Совокупность таких понятий и отношений, выраженных при помощи системы математических символов и обозначений и отражающих некоторые свойства изучаемого объекта, и называют математической моделью этого объекта. В данном случае математика выступает, по существу, в роли универсального языка науки. Его универсальность французский математик Анри Пуанкаре (1854-1912) определил всего одной фразой: „Математика — это искусство называть разные вещи одним и тем же именем". СВОЙСТВА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ 1. МОДЕЛИРОВАНИЕ ПАРАМЕТРОВ ТЕРМИЧЕСКОГО ЦИКЛА ЗТВ для массивного тела (трехмерного теплоотвода): (1) для пластины (двухмерного теплоотвода): (2) ТИПИЧНЫЕ МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССОВ СВАРКИ Основными параметрами термического цикла ЗТВ при однопроходной сварке или наплавке являются максимальная температура Тм , мгновенная скорость охлаждения ω при данной температуре Т и длительности нагрева tH выше Т. В зависимости от схемы распространения теплоты применяют различные формулы для расчета скорости охлаждения:
Продолжить чтение
Обратные тригонометрические функции
Обратные тригонометрические функции
Содержание: Обратные тригонометрические функции, свойства, графики Историческая справка Преобразование выражений, содержащих обратные тригонометрические функции Решение уравнений Задания различного уровня сложности Из истории тригонометрических функций Древняя Греция.III в до н. э. Евклид, Аполоний Пергский. Отношения сторон в прямоугольном треугольнике. Ок. 190 до н. э Гиппарх Никейский. Возможно он первый составил таблицу хорд, аналог современных таблиц тригонометрических функций. Абу-аль-Ваф ввел тригонометрические функции тангенс и котангенс. Первая половина XV в. Аль-Каши произвел уникальные расчеты, которые были нужны для составления таблицы синусов с шагом 1’. I-II вв. индийские математики вводят понятие синуса. 1423-1461- австрийский математик и астроном Георг фон Пойербах был одним из первых европейских ученых, которрый применил понятие синуса. 1602-1675 французский математик, астроном и физик Жиль Роберваль построил синусоиду. XV в. Региомонтан ввел термин тангенс. 1739 г. И. Бернулли ввел современные обозначения синуса и косинуса. 1770 г. Георг Симон Клюгель вводит новый термин тригонометрические функции. 1772 г. Ж. Лагранж вводит первую из шести обратных тригонометрических функций. Карл Шерфер ввел современные обозначения для обратных тригонометрических функций.
Продолжить чтение