Классический анализ функций

МЕТОДЫ ИССЛЕДОВАНИЯ ФУНКЦИЙ КЛАССИЧЕСКОГО АНАЛИЗА [c.87]

Остается заметить, что методы исследования функций классического анализа являются той базой, на которой основано использование и более тонких и общих методов решения задач оптимизации, поэтому указанные методы не теряют своего значения в теории оптимальных процессов по мере дальнейшего ее развития. [c.138]

Аналогичное препятствие на пути применения классических методов поиска экстремума отмечалось также и при отыскании экстремума функции х (/) методами классического анализа (см. главу И1). [c.242]

В настоящее время для решения оптимальных задач применяют в основном следующие методы 1) методы исследования функций классического анализа 2) методы, основанные на использовании неопределенных множителей Лагранжа 3) вариационное исчисление 4) динамическое программирование 5) принцип максимума 6) линейное программирование 7) нелинейное программирование. В последнее время разработан и успешно применяется для решения определенного класса задач метод геометрического программирования (см. главу X). [c.29]

Методы исследования функций классического анализа (см. главу III) представляют собой наиболее известные методы решения несложных оптимальных задач, с которыми инженер знакомится при изучении курса математического анализа. Обычной областью использования данных методов являются задачи с известным аналитическим выражением критерия оптимальности, что позволяет найти не очень сложное, также аналитическое выражение для производных. Полученные приравниванием нулю производных уравнения, определяющие экстремальные решения оптимальной задачи, крайне редко удается решить аналитическим путем, поэтому, как правило, применяют вычислительные машины. При этом надо решить систему конечных уравнений, чаще всего нелинейных, для чего приходится использовать численные методы, аналогичные методам нелинейного программирования (см. главу IX), [c.30]

Дополнительные трудности при решений оптимальной задачи методами исследования функций классического анализа возникают вследствие того, что система уравнений, получаемая в результате их применения, обеспечивает лишь необходимые условия оптимальности. Поэтому все решения данной системы (а их может быть и несколько) должны быть проверены на достаточность. В результате такой проверки сначала отбрасывают решения, которые не определяют экстремальные значения критерия оптимальности, а затем среди остающихся экстремальных решений выбирают решение, удовлетворяющее условиям оптимальной задачи, т. е. наибольшему или наименьшему значению критерия оптимальности в зависимости от постановки задачи. [c.31]

По существу метод динамического программирования представляет собой алгоритм определения оптимальной стратегии управления на всех стадиях процесса. При этом закон управления на каждой стадии находят путем решения частных задач оптимизации последовательно для всех стадий процесса с помощью методов исследования функций классического анализа или методов нелинейного программирования. Результаты решения обычно не могут быть выражены в аналитической форме, а получаются в виде таблиц. [c.32]

Выше уже неоднократно отмечалось, что математическая формулировка оптимальной задачи часто эквивалентна задаче отыскания экстремума функции одной или многих переменных. Поэтому для решения таких оптимальных задач могут быть использованы различные методы исследования функций классического анализа и главным образом методы поиска экстремума. [c.92]

Методы исследования функций классического анализа в основном применяют в тех случаях, когда известен аналитический вид зависимости оптимизируемой функции R от независимых переменных Х . Это позволяет найти также в аналитическом виде производные оптимизируемой функции, используя которые и формулируют необходимые и достаточные условия существования экстремума. [c.92]

Решение задач, связанных с отысканием оптимальных условий проведения химических реакций, несомненно играет важнейшую роль в общей организации химического производства, так как зачастую позволяет при этом же аппаратурном оформлении и тех же затратах сырья получить большой выход полезной продукции или повысить ее качество. Кроме того, химические процессы решающим образом влияют на > экономику производства, поэтому существенное значение приобретает экономически обоснованный выбор эксплуатационных параметров химических реакторов. В данном разделе изучены оптимальные условия для ряда простейших реакций, проводимых в различных аппаратах, с учетом разных экономических оценок эффективности процессов. При этом рассмотренные ниже примеры могут явиться иллюстрацией возможностей использования методов исследований функций классического анализа для решения частных задач оптимизации химических реакторов. [c.108]

Решение задачи оптимизации непрерывного реактора идеального вытеснения в общем случае значительно более сложно, чем оптимизация реактора идеального смешения. Это в первую очередь обусловлено тем, что реактор вытеснения представляет собой объект с распределенными параметрами и его математическое описание содержит дифференциальные уравнения, решение которых в аналитической форме может быть получено лишь в весьма ограниченном числе случаев. В связи с этим ниже рассмотрены некоторые частные задачи оптимизации реакторов идеального вытеснения, которые можно решить при использовании методов исследования функций классического анализа в аналитической форме либо в форме процедуры вычислений, приводящей к определению оптимальных условий. [c.117]

Рассмотренными выше примерами использования методов исследования функций классического анализа, разумеется, не исчерпываются возможности их применения для решения оптимальных задач химической технологии. Число примеров легко может быть увеличено, особенно за счет тех случаев, когда нельзя получить решения в аналитической форме и необходимы численные методы. [c.146]

Область использования методов исследования функций классического анализа относится главным образом к тем задачам, когда относительно просто можно найти аналитическое выражение для параметров, входящих в критерий оптимальности. Однако применение этих методов оказывается также полезным при предварительном анализе и более сложных задач в первоначальном, возможно относительно грубом приближении. [c.146]

Методы исследования функций классического анализа, рассмотренные в предыдущих главах, за исключением лишь некоторых случаев, наиболее эффективно применяются для оптимизации процессов с сосредоточенными параметрами. Лишь в ряде случаев, используя особенности математического описания конкретных процессов, указанными методами удается решить некоторые задачи оптимизации процессов с распределенными параметрами. Для этих процессов решение характеризуется не совокупностью значений конечного числа независимых переменных, а соответствующей функцией независимой переменной (как, например, при решении задачи выбора оптимального температурного профиля в реакторе вытеснения). [c.202]

Следует отметить, метод неопределенных множителей. Лагранжа позволяет выписать только необходимые условия экстремума для непрерывно дифференцируемых функций. Найденные при таком подходе значения х могут и не доставлять экстремального значения оптимизируемой функции, поэто.му для получения окончательного ответа необходимо проводить дополнительное исследование точек Х тем или иным методом, как это делалось ранее при рассмотрении методов классического анализа. [c.30]

В настоящее время для решения оптимальных задач применяют в основном следующие методы 1) исследование функций классического анализа 2) метод множителей Лагранжа 3) вариационное исчисление 4) динамическое программирование 5) принцип максимума 6) линейное программирование. Однако общего метода, пригодного для решения всех без исключения задач, возникающих на практике, нет. Вместе с тем каждый из перечисленных выше методов имеет предпочтительные области применения. Так, метод динамического программирования наилучшим образом приспособлен для решения задач оптимизации многостадийных процессов. Такие задачи чаще всего возникают при проектировании процессов ООС и СК, осуществляемых либо в многоступенчатых реакторах, либо в каскадах реакторов. Поэтому мы в сжатой форме рассмотрим основные положения метода динамического программирования. [c.191]

В восьми главах книги рассмотрение ведется только на примере переноса тепла. Однако как физические, так и математические аспекты данного вопроса гораздо шире. Поэтому, чтобы показать другие возможности метода, в книге дается приложение. Показано применение вариационного подхода в таких областях физики, как массообмен и термодинамика необратимых процессов. Приводится иллюстрация применения метода Лагранжа к анализу задачи термоупругости. Очевидна также возможность применения данного метода к вязким жидкостям при использовании классической диссипативной функции Релея. Аналогичные методы можно применять также для описания электромагнитных явлений. Показаны более широкие математические возможности анализа, основанного на понятии скалярного произведения. Данное понятие представляет собой эффективное средство преобразования в функциональном пространстве. Оно включает такие методы, как преобразование линейных дифференциальных уравнений в нелинейные с помощью координат типа глубины проникновения. Такое рассмотрение дает возможность свести в единую систему различные методы, известные в прикладной математике под разными названиями. Кроме того, существование порога разрешения в физических задачах позволяет дать более реалистическое определение понятия полноты для обобщенных координат, которое учитывает дискретный характер вещества в противоположность математической модели континуума. [c.22]

Хотя в общем случае эта посылка не доказана, но в каждой конкретной задаче такой подход, в конце концов, оправдывается получением разложений в ряд или интеграл по специальным функциям, для которых формулы обращения были изучены еще в рамках классического анализа. Очевидно, такая ситуация не может удовлетворить требованиям [c.296]

Чтобы решить задачу отыскания области оптимальных условий ведения процесса, используют метод градиента, но при этом в отличие от классического приема отыскания кратчайшего направления градиента путем сравнения пробных шагов по каждому из варьируемых факторов, направление градиента определяют с помощью методов дробного или полного факторного эксперимента. Такое сочетание позволяет в условиях случайных возмущений проводить поиск оптимально. Из векторного анализа известно, что градиентом функции отклика г/ = / х , [c.158]

Однако макроскопические свойства системы могут быть выведены и иным путем — из анализа микроскопических свойств объектов и сил взаимодействия, существующих между ними. Наиболее простой и бесхитростный способ решения такой задачи состоит в том, чтобы, зная исходные данные (начальные условия), решить соответствующее уравнение связи для каждой частицы. Ситуация при этом носит достаточно общий характер — если объекты системы достаточно велики и подчиняются законам классической физики, то необходимо решать уравнения классической механики (Сравнения Ньютона) при знании начальных координат и импульсов каждого объекта если же речь идет о микрообъектах, подчиняющихся законам квантовой механики, то необходимо решать волновое уравнение Шредингера при знании начальных волновых функций и сил взаимодействия. Единственные затруднения такого прямолинейного анализа состоят в том, что, во-первых, число объектов в реальных системах весьма велико (например, при нормальных условиях Т = = 29.3 К, Р = 1 ат, в 1 см содержится N = 2,7-10 молекул — число Лошмидта, что означает необходимость решения 3-2,7-10 8-10 уравнений при 6-3-2,7 х X 10 5-10 значениях начальных условий) и, во-вторых, точные значения начальных условий неизвестны. Поэтому необходим иной подход [11]. [c.24]

При анализе низкомолекулярной полимеризации ниже используется классический подход, поскольку определение термодинамических функций сырья и продуктов не вызывает затруднений. Процессы получения высокомолекулярных соединений имеют ряд особенностей и рассмотрены отдельно. Для них, как правило, не удается определить термодинамические функции конечных продуктов, поэтому изучают вероятность представительных реакций зарождения и роста полимерной цепи. В связи с этим сочетают термодинамический и кинетический анализы. При получении высокомолекулярных соединений нужно учитывать гетерогенность реакций, причем получаемый продукт может быть частично кристаллическим и охарактеризован лишь средней степенью полимеризации (иногда законом распределения полимера по молекулярной массе). [c.245]

Подробно динамический анализ статистического поведения молекулярных систем проведен в работах [330, 334]. Степень эргодичности многоатомной молекулы характеризуется спектрами автокорреляционных функций обобщенных импульсов нормальных колебаний, получаемых при расчете классических траекторий. Площадь спектра определяет энергию данной нормальной моды, поэтому по виду спектра во времени можно охарактеризовать процессы перераспределения энергии внутри молекулы. При малых энергиях молекула ведет себя как набор слабосвязанных гармонических осцилляторов и спектры состоят из дискретных линий, а при больших энергиях появляются дополнительные линии в спектре и непрерывный фон. [c.105]

Нормально-координатный анализ включает решение классической механической задачи для колеблющейся молекулы при определенном виде функции потенциальной энергии (обычно поля валентных сил). Результатом анализа является расчет частот с использованием ряда соответствующих силовых постоянных. Если между вычисленными и наблюдаемыми частотами имеется удовлетворительное совпадение, то соответствующий набор силовых постоянных рассматривают как представление потенциальной энергии системы. [c.276]

В любой момент времени все свойства ансамбля классических систем передает совокупность точек Г-пространства, каждая из которых определяет импульсы и координаты всех молекул соответствующей ей системы. Движение молекул в системе приводит к движению каждой изображающей точки по своей фазовой траектории. Анализ этого движения позволяет сделать определенные выводы о свойствах интересующей нас функции р (р, д). Математическая сторона проблемы — это рассмотрение движения совокупности точек в фазовом пространстве. При М оо это переходит в задачу о движении некоторой фазовой жидкости с плотностью, пропорциональной р (р, д) и зависящей от координат избранной точки в Г-пространстве. [c.194]

Основой для рассмотрения гидродинамических закономерностей процесса в технологических аппаратах являются законы классической механики. Однако в целом ряде практически важных случаев сложность конструктивного оформления аппаратов, фи-зико-химические особенности используемых сред не позволяют непосредственно применять уравнения гидромеханики для анализа и моделирования гидродинамической составляющей процесса. В этих условиях наиболее эффективно использование формализованных представлений о движении частиц потока в аппарате в виде математических моделей структуры потоков [7]. Основу для выбора гидродинамической модели (идеального смешения, идеального вытеснения, диффузионной, ячеечной, комбинированной п т. д.) составляют числовые характеристики распределения элементов потока по времени пребывания или функции распределения. [c.66]

В настоян ее время для решения оптимальных задач применяют в основном следую1цие методы 1) методы исследования функций классического анализа 2) методы, основанные на использовании неопределенных множителей Лагранжа 3) вариационное исчисление 4) динамическое программирование 5) принцип максимума 6) лгшеГнше программирование 7) нелинейное программирование. [c.29]

Как правило, нельзя рекомендовать какой-либо один метод, который можно использовать для решения всех без исключения задач, возникающих на практике. Одни методы в этом отношении являются более общими, другие — менее общими. Наконец, целую группу методов (методы исследования функций классического анализа, метод множителей Лагранжа, нелинейное программирование) иа определенных этапах реикния оптимальной задачи можно применять в сочетании с другими методами, например динамическим программированием и принципом максимума. [c.29]

Методы исследования функций классического анализа при наличии ограниченной области изменения независимых переменных можно использовать только для отыскания экстремальных значении внутри указанной области. В особенности это относится к задачам с большим числом независимых переменных (црактически больше двух), в которых анализ значений критерия оптимальности на границе допустимой области изменения переменных станоппт, я весьма слом ным. [c.30]

Пособие имеет следующую структуру, В перво.м разделе излагаются методы классического анализа приспособленные для решения экстре.чальных задач. Они в основном базируются на свойствах дифференцируемых функций и представляют собой необходи.мые и достаточные условия существования экстрему.ма для функций одной и дшогих независимых пере.менных. Изложение этого раздела в основном базируется на классических учебниках математического анализа, прикладные примеры, как в этом разделе, так и в остальных, заимствованы по большей части нз книг В.В. Кафарова, А.И. Бояринова 2), 3]. [c.4]

Подставляя полученные соотношения в оптимизируемую функцию /.. мы получим функцию, которая заииснт только от п — гп независимых переменных. Тем самым мы избавляе.мся от ограничений и уменьшаем раз.мерность пространства, в котором решается задача. Полученная задача безусловной опти-.мизации. может решаться описанными ранее. методами классического анализа. [c.28]

Задача анализа функции существенно упрощается, если рассмотреть наиболее расиространенные типы барьеров (треугольный, Эккарта и барьер, образованный пересечением двух парабол), для которых А1Гп монотонно убывает от вершины к основанию. Для этих барьеров, как нетрудно убедиться, рассматривая выражение (Д.5), критерии того, является переход нвантовым или классическим, соответственно имеют вид [c.359]

Классический метод анализа функций одного незавиаимого параметра F(xi) позволяет найти координаты точек экстремумов из условия F xi)=0. При этом вид экстремума выясняется по известным правилам для второй цроизводной если F (дс ) >0, то min+ если f"(j i)< 0, то max [c.205]

Аналитическое направление, входя в сферу классического анализа, опирается на асимптотические методы и аппарат теории аналитических функций. Аналитическим методам в теории сингулярных дифференциальных операторов второго порядка посвящены двухтомная монография Е. Ч. Титчмарша ([95(2)], 1960 первое издание— 1946, 1958) и известная книга Б. М. Левитана ([61(1)], 1950). Из результатов относительно природы спектра дифференциальных операторов высших порядков, достигнутых аналитическим путем, следует отметить теоремы И. М. Рапопорта ([82(1)], 1951), вошедшие в его монографию ([82(2)], 1954), и некоторые результаты М. А. Наймарка (см. [72(3)], 1954). [c.10]

Константа скорости мономолекулярной реакции зависит от всех трех стадий, точное описание которых возможно лишь на базе анализа разнообразных процессов молекулярной динамики. В предыдущей главе было показано, как можно рассчитывать оечения различных химических процессов на основе исследования классических траекторий движения молекул в ходе химической реакции. Для получения интегральной характеристики процесса — константы скорости реакции — необходимо провести усреднение полученного сечения по функции распределения, соответствующей данной реакции. Эта функция распределения, как правило, определяется с помощью статистического описания мономолекулярной реакции. [c.188]

В квантовой химии традиционно осуществляют анализ характеристик атомов и связей в молекуле в терминах атомных зарядов и порядков связей. Наиболее известен анализ заселенностей по Малли-кену. Разработаны и другие схемы анализа эффективных атомных зарядов, в том числе с привлечением карт электронной плотности и путем анализа экспериментальных данных по изменению колебательных спектров молекул при изотопическом замещении. После вычисления волновых функций могут быть найдены величины, коррелирующие с классическими представлениями валентности, см. [28]. [c.185]

Средняя кинетическая энергия электрона Т возрастает при образовании молекулы. В наглядном классическом представлении электрон должен двигаться в мле дв ядер быстрее, чем в атоме. Но средняя потенциальная энергия и =—2Тсильно понижается р льтате притяжения к двум ядрам. Общее понижение энергии Е=и- -Т есть, таким образом, результат преобладающего понижения потенциальной энергии электрона. Поэтому система из двух ядер и электрона оказывается более устойчивой, чем система разъединенных ядер, иными словами, благодаря понижению потенциальной энергии электрона возникает химическая связь. Характерной ее особенностью является коллективизирование электрона всеми (здесь двумя) ядрами молекулы. Такая связь называется к о-в а л е н т н о к или чисто коаалентной, как в молекуле Н , где яд )а одинаковы это означает, что оба ядра молекулы владеют электроном в равной мере. Общее электронное облако обтекает оба ядра. По свойствам симметрии электронного облака образовавшаяся связь называется ст-связью. В основе химической (ковалентной) связи лежат волновые свойства электронов, отражаемые квантовой механикой. В рамках принятого здесь для волновой функции приближения МО ЛКАО в этом можно убедиться при анализе роли кулоновского и обменного интегралов в формуле (26.19). Упростим формулу, пренебрегая величиной 5" по сравнению с единицей. Тогда [c.101]

Справочник химика 21

Химия и химическая технология