Курсовая работа по уравнениям Фредгольма пошаговый алгоритм решения методом квадратур в MATLAB

Интегральные уравнения являются мощным инструментом в арсенале прикладной математики и целого ряда инженерных наук. Они позволяют моделировать сложные физические процессы, от задач теории упругости до проблем теплопереноса. Однако для многих уравнений, возникающих в реальных приложениях, найти точное аналитическое решение оказывается невозможно или чрезвычайно трудоемко. Этот факт обуславливает острую необходимость в разработке и применении численных методов, которые позволяют получить приближенное решение с любой заданной точностью.

Целью данной курсовой работы является численное решение интегрального уравнения Фредгольма второго рода с использованием метода квадратур. Для достижения этой цели будут решены следующие задачи: выполнен теоретический анализ уравнений Фредгольма, обоснован выбор численного метода, разработан пошаговый алгоритм решения, проведена его программная реализация в среде MATLAB, а также выполнен анализ точности и сходимости полученных результатов.

Глава 1. Теоретический анализ задачи

1.1. Что представляют собой интегральные уравнения Фредгольма

Интегральным уравнением Фредгольма называется уравнение, в котором искомая функция находится под знаком интеграла с постоянными пределами интегрирования. В математической физике и прикладных задачах принято классифицировать эти уравнения на два основных типа: уравнения первого и второго рода.

Наиболее часто в приложениях, таких как задачи о собственных колебаниях систем или при сведении краевых задач к интегральной форме с помощью функций Грина, встречается уравнение Фредгольма второго рода. Его канонический вид выглядит следующим образом:

y(x) — λ ∫_a^b K(x,t)y(t)dt = f(x)

Разберем компоненты этого уравнения:

• y(x) — это искомая функция, которую необходимо найти.
• K(x,t) — ядро уравнения, известная функция двух переменных, определяющая характер взаимодействия в системе.
• f(x) — свободный член или правая часть, также известная функция.
• λ — числовой параметр, который может иметь важный физический смысл (например, собственное значение).

В отличие от него, уравнение первого рода, где отсутствует искомая функция вне интеграла (слагаемое y(x)), описывает другие классы задач, например, в гравиразведке. Именно наличие функции y(x) как вне, так и внутри интеграла делает уравнение второго рода особенно удобным для применения многих численных методов.

1.2. Как выбирают численный метод для решения интегральных уравнений

Для численного решения интегральных уравнений существует несколько хорошо зарекомендовавших себя подходов. Среди них можно выделить:

• Метод последовательных приближений (итерационный метод)
• Метод Галеркина
• Метод наименьших квадратов
• Метод квадратур (или метод конечных сумм)

Для целей данной курсовой работы был выбран метод квадратур. Суть этого метода заключается в фундаментальной идее замены определенного интеграла в уравнении конечной суммой, вычисленной по одной из квадратурных формул (например, формуле трапеций, Симпсона и т.д.).

Выбор этого метода обусловлен двумя ключевыми преимуществами. Во-первых, его концептуальная ясность: замена сложной операции интегрирования на простое арифметическое суммирование интуитивно понятна. Во-вторых, он представляет собой прямой и надежный путь к преобразованию исходного функционального уравнения в задачу из области линейной алгебры — систему линейных алгебраических уравнений (СЛАУ), методы решения которой хорошо изучены и эффективно реализованы в современных вычислительных средах, таких как MATLAB.

Глава 2. Практическая реализация и анализ

2.1. Как интегральное уравнение превращается в систему линейных уравнений

Ключевой этап метода квадратур — это математическое преобразование исходного интегрального уравнения в СЛАУ. Рассмотрим этот процесс пошагово. Начнем с нашего уравнения Фредгольма II рода: y(x) — λ ∫_a^b K(x,t)y(t)dt = f(x).

Шаг 1: Дискретизация. Введем на отрезке интегрирования [a, b] равномерную сетку из N узлов: x_i = a + i*h, где i = 0, 1, …, N-1, а h = (b-a)/N — шаг сетки.

Шаг 2: Замена интеграла суммой. Заменим интеграл в уравнении квадратурной суммой. Для простоты и наглядности используем формулу трапеций. Тогда интеграл можно приближенно записать как:
∫_a^b g(t)dt ≈ h * [ (g(t₀) + g(t_N-1))/2 + ∑_j=1^N-2 g(t_j) ]. Для упрощения выкладок часто используют модифицированную формулу прямоугольников или трапеций, которая приводит к более простому виду системы. Применим простейшую формулу левых прямоугольников: ∫_a^b g(t)dt ≈ h * ∑_j=0^N-1 g(t_j).

Подставив это приближение в исходное уравнение, получим:
y(x) — λ * h * ∑_j=0^N-1 K(x, t_j)y(t_j) ≈ f(x).

Шаг 3: Построение системы. Запишем это приближенное равенство для каждого из узлов нашей сетки x_i. Обозначив y(x_i) как y_i, мы получим систему из N уравнений:

y_i — λ * h * ∑_j=0^N-1 K(x_i, t_j)y_j = f(x_i), для i = 0, 1, …, N-1.

Это и есть искомая система линейных алгебраических уравнений. Ее можно представить в классической матричной форме AY = F, где Y — вектор-столбец неизвестных значений [y₀, y₁, …, y_N-1]^T, а элементы матрицы A и вектора правой части F вычисляются по формулам:

• A_ij = δ_ij — λ * h * K(x_i, t_j) (где δ_ij — символ Кронекера, равный 1 при i=j и 0 иначе)
• F_i = f(x_i)

Решив эту систему, мы найдем приближенные значения искомой функции y(x) в узлах сетки.

2.2. Построение пошагового алгоритма для программной реализации

На основе математических выкладок предыдущего раздела можно сформулировать четкий, не зависящий от конкретного языка программирования, алгоритм. Он является дорожной картой для создания программного кода.

1. Инициализация. Задать все входные данные: пределы интегрирования a и b, количество узлов сетки N, значение параметра λ, а также определить аналитический вид ядра K(x,t) и правой части f(x) как функции.
2. Дискретизация. Сформировать вектор узлов сетки x (и аналогичный ему t) от a до b с шагом h=(b-a)/N.
3. Построение СЛАУ. Создать в памяти компьютера матрицу A размером N x N, заполнив ее нулями, и вектор-столбец F размером N x 1.
4. Заполнение. Организовать циклы для вычисления элементов матрицы и вектора. В двойном цикле (по i от 1 до N, по j от 1 до N) вычислить каждый элемент A_ij. В одинарном цикле (по i от 1 до N) вычислить элементы вектора F_i, используя формулы из предыдущего раздела.
5. Решение. Вызвать стандартную библиотечную функцию для решения СЛАУ вида AY = F. Результатом ее работы будет вектор Y, содержащий искомые значения функции в узлах.
6. Вывод. Отобразить полученный вектор решений Y на экране или сохранить его в файл для дальнейшего анализа.

2.3. Воплощение алгоритма в коде на MATLAB

Среда MATLAB идеально подходит для реализации подобных алгоритмов благодаря мощным встроенным возможностям для работы с матрицами и векторами. Ниже представлен пример m-файла, реализующего описанный алгоритм.

Ключевой особенностью реализации в MATLAB является удобство определения функций. Ядро K(x,t) и правую часть f(x) удобнее всего задавать в виде анонимных функций. Например:

K = @(x, t) x.*t;
f = @(x) 1 - x;

Это позволяет легко менять вид уравнения, не переписывая основной код. Векторизованные операции в MATLAB делают код компактным. Вместо явных циклов для формирования сетки можно использовать функцию linspace(a, b, N).

Самым важным является решение СЛАУ. В MATLAB это делается чрезвычайно просто с помощью оператора «обратный слэш»:

Y = A \ F;

Этот оператор инкапсулирует в себе эффективные алгоритмы решения систем линейных уравнений. Полный код функции может принимать на вход анонимные функции K и f, пределы интегрирования и число узлов, а возвращать вектор узлов и вектор решения.

2.4. Как анализировать и визуализировать полученные результаты

Получение вектора чисел Y — это лишь половина работы. Важнейшей частью курсовой является анализ точности решения. Для этого необходимо выбрать такое уравнение, для которого известно точное аналитическое решение y_exact(x).

Процесс анализа выглядит следующим образом:

1. Запускаем написанный скрипт для выбранного тестового уравнения и получаем вектор приближенных значений Y_approx.
2. Вычисляем вектор точных значений Y_exact, просто подставив узлы сетки в формулу точного решения.
3. Вычисляем вектор погрешности, например, абсолютной: |Y_exact — Y_approx|.
4. Для наглядности результаты сводятся в таблицу.

Сравнение точного и приближенного решений

Узел x_i	Точное значение y_exact(x_i)	Приближенное значение y_approx(i)	Абсолютная погрешность
…	…	…	…

Однако самым мощным инструментом анализа является визуализация. С помощью встроенных функций MATLAB строится график, на котором одновременно отображаются точное решение (сплошной линией) и приближенное (маркерами в узлах). Визуальное совпадение кривых дает мгновенное представление о качестве численного решения.

2.5. Как исследовать сходимость численного метода

Академическая строгость требует не просто получить решение для одного N, а доказать, что метод работает корректно в принципе. Для этого исследуют сходимость — свойство метода уменьшать погрешность при увеличении числа узлов сетки N.

Для этого проводится вычислительный эксперимент: программа запускается в цикле для ряда возрастающих значений N, например, N = 10, 20, 40, 80, 160… Для каждого запуска вычисляется максимальная погрешность на сетке. Затем строится график зависимости этой максимальной погрешности от числа узлов N. Если метод сходится, эта зависимость должна быть монотонно убывающей — чем больше N, тем меньше ошибка. Получение такого графика является убедительным доказательством работоспособности и корректности реализованного метода.

Кратко подводя итог, в рамках курсовой работы была рассмотрена задача численного решения интегральных уравнений Фредгольма второго рода. Были изучены теоретические основы, на базе которых был выбран и детально описан метод квадратур. Этот метод позволил свести исходную задачу к системе линейных алгебраических уравнений. Был разработан пошаговый алгоритм и выполнена его программная реализация в среде MATLAB. Проведенный анализ результатов на примере с известным точным решением показал высокую точность и подтвердил теоретическое свойство сходимости метода. Таким образом, можно сделать вывод, что метод квадратур является эффективным и надежным инструментом для решения поставленного класса задач.