- •Оглавление
- •§ 2. Существование и единственность интерполяционного многочлена
- •§ 3. Интерполяционный многочлен Лагранжа
- •§ 4. Погрешность интерполяционного многочлена Лагранжа
- •§ 5. Минимизация погрешности интерполяционного многочлена Лагранжа. Многочлен Чебышева
- •§ 6. Схема Эйткена
- •§ 7. Численное дифференцирование
- •§ 8. Погрешность простейших формул численного дифференцирования
- •§ 9. Разделенные разности. Многочлен Ньютона.
- •§ 10. Интерполяция с кратными узлами
- •§ 11. Кубическая сплайн-интерполяция
- •ГлаваIii. Численное интегрирование
- •§ 1. Простейшие квадратурные формулы. Составные формулы
- •§ 2. Метод неопределенных коэффициентов
- •§ 3. Формулы Ньютона-Котеса
- •§ 4. Формулы Гаусса
- •§ 5. Погрешность квадратурных формул. Правило Рунге.
- •ГлаваIv. Численные методы алгебры
- •§1. Системы линейных уравнений: метод простых итераций, метод Зейделя
- •§2. Метод наискорейшего спуска
- •§ 3. Обратная интерполяция для решения нелинейных уравнений
- •§ 4. Системы нелинейных уравнений: метод простых итераций
- •§ 5. Системы нелинейных уравнений: метод Ньютона
- •§ 6. Методы спуска
- •Глава V. Дифференциальные уравнения и системы
- •§ 1. Задача Коши для обыкновенных дифференциальных уравнений: применение формулы Тейлора
- •§ 2. Метод Эйлера. Методы Рунге-Кутта
- •§ 3. Конечно-разностные методы
- •§ 4. Уравнения второго порядка
§2. Метод наискорейшего спуска
Итерационные методы решения СЛУ сводятся к поиску вектора , минимизирующего функцию.
Воспользуемся теорией ФНП из мат.анализа:
–вектор, в направлении которого скорость возрастания наибольшая.
, где – частная производная по переменнойl.
Получаем рекуррентную формулу:
(6),
где – некоторый параметр, определяемый из условия:
.
Особый случай.
Пусть A – симметричная и положительно определенная матрица.
Пусть .
Точка минимума такой функции является решением уравнения .
Доказывается подстановкой и по определению – пропускаем.
Тогда .
.
Пусть .
, где – параметр, определяемый из условия:
.
Выведем формулу для нахождения .
Рассмотрим
(т.к. A – симметричная, то
Т.о. – квадратная функция с положительным коэффициентом при.
(т.к. A – положительно определенная, то для любого)
в точке минимума.
–значение, при котором .
§ 3. Обратная интерполяция для решения нелинейных уравнений
Задача: Дано: f(x) = 0
Найти: x0, такой, что f(x0)=0.
Пусть точное решение xT [a,b] и f(x) обратима на [a,b], т.е. существует обратная функция g(x) = f–1(x): g(f(x))=x.
Тогда g(0)=g(f(xT))=xT.
Алгоритм:
1) Выбрать [a,b]: f(x) обратима (монотонна).
2) Выбрать узлы x0, ..., xn [a,b].
Вычислить значения f(x) в узлах: f(x0), ..., f(xn).
3) Для g(x): f(x0), ..., f(xn) — узлы
x0, ..., xn — значения в узлах.
Найти интерполяционный многочлен Ln(x) g(x).
4) Ln(0) g(0) = xT — приближенное значение корня уравнения.
§ 4. Системы нелинейных уравнений: метод простых итераций
Задача: Дано: (7),
где – столбец неизвестных,– столбец, состоящий из скалярных функций отn переменных.
Метод простых итераций:
1) Преобразовать уравнение (7) в уравнение вида (8) ;
2) Составить рекуррентную формулу: (9);
3) Выбрать любое начальное приближение . По формуле (9) найти,, …,;
4) Если норма разности уменьшается, то метод сходится, и последнее найденное приближениеприблизительно равно решению системы (7).
Опр. Метрическое пространство H — множество, на котором задана функция метрики (расстояния) (a,b), удовлетворяющая условиям:
1) (a,b) 0, и (a,b) = 0 a = b;
2) (a,b) = (b,a);
3) (a,b) + (b,c) (a,c).
В нашем случае H = n, .
Опр. Отображением в метрическом пространстве называется функция
g : H H.
Опр. Отображение называется сжимающим, если существует число q:
0 ≤ q < 1, такое, что для любых x1, x2 H выполняется
(g(x1),g(x2)) ≤ q(x1, x2).
Теорема.
Если отображение является сжимающим, то уравнениеимеет единственное решениеи.
Док-во:
1. Поскольку является сжимающим, то
(обозначили ).
Тогда для l > k выполняется
Т.о. при l , k выполняется , следовательно последовательность ,, …,,… сходится к предельному значению.
2.
.
Это неравенство верно для любого k, т.е. меньше сколь угодно маленького положительного числа, т.е..
Следовательно, — точное решение уравнения (8).
3. Предположим, что уравнение (8) имеет два точных решения и.
.
.
Теорема доказана.
Частный случай. Пусть n = 1, т.е. система состоит из одного уравнения
f(x) = 0 с одной неизвестной x.
Уравнению равносильно x = g(x). Решение xT — точка пересечения графиков функций y = x и y = g(x).
x1 = g(x0), x2 = g(x1), …
На этом рисунке метод простых итераций сходится.
На следующем — нет.
Аналогом метода Зейделя является способ, когда координаты нового приближения вычисляются по очереди из одного уравнения системы:
.