
- •Введение
- •Глава 1. Погрешность результата численного решения задачи
- •1.1. Источники и классификация погрешностей
- •1.2. Абсолютная и относительная погрешности. Формы записи данных.
- •1.3. Вычислительная погрешность
- •Глава 2. Решение нелинейных уравнений
- •2.1. Отделение корней уравнения
- •2.1.1. Аналитический метод отделения корней
- •2.1.2. Графический метод отделения корней
- •2.2. Уточнение приближенных корней
- •2.2.1. Метод половинного деления
- •2.2.2 Метод хорд
- •2.2.3. Метод Ньютона – метод касательных
- •2.2.4. Модифицированный метод Ньютона
- •2.2.5. Метод секущих
- •2.2.6. Метод итераций
- •Глава 3. Решения систем линейных алгебраических уравнений
- •3.1. Метод итераций
- •3.1.1. Оценка погрешности приближений процесса итераций
- •3.1.2. Приведение линейной системы к виду, удобному для итерации:
- •3.2. Метод Зейделя
- •3.3. Метод релаксаций
- •Глава 4. Решение систем нелинейных уравнений
- •4.1. Метод Ньютона для систем нелинейных уравнений
- •4.2. Распространение метода Ньютона на системы из n уравнений с n неизвестными
- •4.3. Метод итераций для систем нелинейных уравнений
- •4.4. Распространение метода итераций на системы из n уравнений с n неизвестными
- •Глава 5. Интерполяция
- •5.1. Постановка задачи интерполирования
- •5.2. Конечные разности
- •5.3. Интерполяционная формула Ньютона №1
- •5.4. Интерполяционная формула Ньютона №2
- •5.5. Интерполяционный многочлен Лагранжа
- •5.5.1. Вычисление лагранжевых коэффициентов
- •5.5.2. Схема Эйткина
- •5.5.3. Остаточный член формулы Лагранжа
- •5.6. Обратное интерполирование
- •5.6.1 Итерационные методы для обратного интерполирования
- •Глава 6. Аппроксимация функций с помощью сплайнов
- •6.1. Кубические сплайны
- •Глава 7. Методы обработки экспериментальных данных
- •7.1 Построение эмпирической формулы.
- •7.2. Метод выбранных точек (метод натянутой нити)
- •7.3 Метод средних
- •7.4. Метод наименьших квадратов
- •7.5. Метод выравнивания
- •7.6. Метод наименьших квадратов для полиномов
- •Глава 8. Численное интегрирование
- •8.1. Квадратурные формулы Ньютона-Котеса
- •8.1. Формула трапеций и ее остаточный член
- •8.2. Общая формула трапеций и ее остаточный член
- •8 .3 Формула Симпсона и ее остаточный член
- •8.4. Общая формула Симпсона и ее остаточный член
- •8.5. Формулы Ньютона-Котеса высших порядков
- •8.6. Квадратурная формула Чебышева
- •8.7. Квадратурная формула Гаусса
- •Глава 9. Приближенное решение обыкновенных дифференциальных уравнений
- •9.1. Аналитические методы
- •9.1.1. Метод последовательного дифференцирования
- •9.1.2. Метод последовательных приближений.
- •9.1.3 Метод неопределенных коэффициентов.
- •9.2. Численные методы
- •9.2.1. Метод Эйлера
- •9.2.2. Модифицированные методы Эйлера Первый улучшенный метод Эйлера
- •Второй улучшенный метод Эйлера
- •Третий улучшенный метод Эйлера
- •9.2.3. Метод Рунге-Кутта для уравнений первого порядка
- •Список литературы
3.3. Метод релаксаций
Пусть дана система: (3.1)
Преобразуем
эту систему следующим образом: перенесем
свободные члены налево и разделим первое
уравнение на
,
второе – на
и т.д. Тогда получим систему, приготовленную
к релаксации:
,
где
и
.
Пусть - начальное приближение решения системы. Подставляя эти значения в систему, получим в правых частях уравнений системы некоторые числовые значения . Будем называть их невязками. Невязки обращаются в нуль при подстановке корней в уравнения системы
.
Если одной из
неизвестных
дать
приращение
,
то соответствующая невязка
уменьшится
на величину
,
а все остальные невязки
увеличатся
на величину
.
Таким образом, чтобы обратить очередную
невязку
в нуль, достаточно величине
дать
приращение
и
мы будем иметь
и
Суть метода заключается в том, чтобы на каждом шаге обращать в нуль максимальную по модулю невязку, изменяя значения соответствующей компоненты приближения. Процесс заканчивается, когда все невязки преобразованной системы будут равны нулю с заданной степенью точности.
Пример3.1: Пусть дана линейная система. Решить с точностью 0.01.
.
Приведем систему к виду, удобному для релаксации:
.
Выбирая в качестве
начальных приближений корней нулевые
значения
,
находим
,
,
.
Согласно общей
теории полагаем:
.
Отсюда получаем невязки
Далее
полагаем
Суммируя
все приращения
получим значения корней:
Удобно располагать вычисления в таблице:
x1 |
R1 |
x2 |
R2 |
x3 |
R3 |
0
0.93 |
.60 0.16 |
0
0.86 |
0.70 0.16 |
0 0,80
0.18 |
0.80 -0.80 |
0.76 0.17 |
0.86 -0.86 |
0 0.09 |
|||
0.93 -0.93 |
0.13 |
0 0.09 |
0.09 0.09 |
||
0.07 |
0 0.04 |
0.09 0.04 |
0.18 -0.18 |
||
0.04 0.03 |
0.13 -0.13 |
0.02 |
0 0.01 |
||
0.07 -0.07 |
0.01 |
0 0.01 |
0.01 0.01 |
||
|
0 0 |
0.01 0 |
0.02 -0.02 |
||
0 0 |
0.01 -0.01 |
|
0 0 |
||
0 |
|
0 |
|
0 |
|
1.00 |
|
1.00 |
|
1.00 |
|
Ответ:
Глава 4. Решение систем нелинейных уравнений
4.1. Метод Ньютона для систем нелинейных уравнений
Пусть дана система
Согласно методу Ньютона последовательные приближения вычисляются по формулам
,
,
где
,
,
а якобиан
.
Начальные приближения
и
определяются приближенно (графически
и т.п.).
Метод Ньютона эффективен только при достаточной близости начального приближения к решению системы.
Пример 4.1 Решить нелинейную систему уравнений в Mathcad с пятью верными знаками после запятой.
Преобразуем систему, выразив х из обоих уравнений.
Левые части уравнений исходной системы зададим в виде функций пользователя с двумя переменными.
Правые части преобразованной системы зададим в виде функций пользователя от переменной y. Построим их на графике.
Точка пересечения
кривых на графике лежит в прямоугольнике
1.5<x<1.75
;1.1<y<1.3.
За начальное приближение корней системы
примем x=1.7
и y=1.3
Вычисления с
помощью встроенных функций Mathcadа
Ответ: x=1.23427 y=1.66153
Рис.4.1. Решение примера 4.1 в Mathcad