7.Решение нелинейных уравнений. Отделение корней. Метод половинного деления. Метод хорд. Метод касательных.

Нелинейное ур-е (НУ) в общем виде y=f(x), f(x;y)=0, x є

Нахождение корней НУ делится на 2 этапа:

1. Отделение корней

2. Уточнение корней

Корень ур-я f(x;y)=0 считается отделенным на , если на этом отрезке содержится ровно 1 корень данного ур-я. Т.о., отделить корни – значит разбить всю ОДЗ на отрезки, в каждом из к-х существует только 1 корень. Аналитически для нахождения корня исп. теоремы из мат.анализа:

Теорема 1: если f(x) непрерывна на и f(a)*f(b)<0, то внутри сущ.по крайней мере 1 корень ур-я f(x;y)=0.

Теорема 2: если f(x) непрерывна и монотонна на и f(a)*f(b)<0, то внутри этого отрезка содержится корень ур-я f(x)=0, и при том только 1.

Отсюда следует, что если на концах отрезка знаки разные, то существует хотя бы 1 корень. В том случае, если знаки одинаковы, то возникают след варианты:

1. Касание (1 корень либо их нечетное кол-во)

2. Кривая не пересекает ось, корней нет.

3. Внутри отрезка ф-я пересекает ось Х четное кол-во раз

Отделение корней:

1. разбивается на n частей, причем n дб достаточно большое, чтобы отрезки разбиения были малы

2. Рассматриваются все маленькие отрезки и определяются те отрезки, на концах которых функция имеет разные знаки. В случае, если знак одинаковый, вычисляется . Такая же разность вычисляется для след уч-ка. Если для этих двух разностей выполняется: , то мы предполагаем, что на уч-ке существует корень типа касание. В этом случае мы проверяем величину значения ф-ции . Если оно мало, т.е. , то в этом случае мы считаем, что - корень ур-я.

У точнение корней. Задача: для непрерывной f(x) требуется найти корень с точностью до , известно, что корень отделен на . Можно считать, что a,b-первые приближенные зн-я корня, a – значение с недостатком, b – с избытком. Необходимо уменьшить для решения задачи, чтобы длина не превышала . В этом случае в кач-ве корня ур-я можно взять любую точку из .

Метод половинного деления.

f(c)=0 => с-корень, если нет, то , , из них берем тот, на кот-м f(a)*f(c)<0 или f(c)*f(b)<0. Обозначим новый отрезок как , находим с1 – середину и т.д. Таким образом строится итерационный пр-с, к-й заканчивается в том случае, когда , тогда за корень ур-я

, погрешность данного метода не превышает , <

Метод хорд.

Шаг1. Строим стягивающую хорду между точками пересечения прямой x=a и f(x), x=b и f(x), ур-е хорды:

- эта прямая пересекает ось х в т.с

Чтобы найти координату с нужно:

Шаг 2. Таким образом разделили отрезок на 2, выбираем из них тот, где ф-я на концах имеет разные знаки, концы обозначаем , и для него проделываем те же самые процедуры, получаем , строим итерационный процесс, к-й продолжается до тех пор, пока не будет выполнено след условие: , x=c_n. Погрешность метода:

<

Метод касательных.

1. определим точку пересечения х=А и f(x). Из этой точки ф-ции строим касательную, ур-е которой: . Отсюда можно найти точку пересечения касательной с осью Х – т. А1.

2. Ищем точку пересечения прямой х=А1 и f(x), из этой точки строим касательную к f(x) и вычисляем точку её пересечения с осью ОХ\

3. Итерационный пр-с выполняется до тех пор, пока , x= .

Для метода касательных характерно, что мы приближаемся к истинному значению корня только с одной стороны.

Погрешность:

8.Решение систем нелинейных уравнений. Метод итерации, условие сходимости. Методы спуска. Метод покоординатного спуска. Метод градиентного спуска. Метод наискорейшего градиентного спуска. Метод Ньютона.

F( )=0

=>

Первый этап: приближенные значения корней

Второй этап: уточнение корней.

Метод итерации:

начальные значения корня ( )

Пускай к-либо способом мы преобразовали ур-е. начальное приближение мы подставляем в правую часть, получаем:

=> =>

Строим итерационный пр-с, к-й сходится к решению в том случае, если все собственные числа |A|<1.

Более слабое условие: сумма модулей коэф-тов столбцов дБ меньше 1.

Этот ит пр-с заканчивается в том случае, когда разность между всеми неизвестными на (k+1)-шаге и на к-м шаге не будет превосходить заданного значения и за решение можно взять решение, найденное на к+1 шаге.

Погрешность решения можно оценить с пом формулы:

, M=max( )

Методы спуска:

Для всех этих методов характерно наличие ф-ции f такой, что при переходе от одной точки решения x0 к след x1 значение f уменьшится.

Ф-я Ф-целевая ф-я и многие задачи по решению СНАУ сводятся к нахождению Ф.

Можно заметить, что при значениях переменных xi, явл корнями системы, Ф=0. Это происходит только в идеальном случае. Для приближенного решения надо найти min Ф(х) на области определения. Задача по решению СНАУ сводится к задаче поиска экстремума ф-ции. Таким образом, идея методов спуска в том, чтобы из начальной точки перейти в таким образом, чтобы зн-я Ф уменьшилось. Этот итерационный пр-с можно повторять, но на каждом шаге зн-е Ф д уменьшаться. Этот ит пр-с заканчивается, когда . За решение можно взять вектор .

Метод покоординатного спуска:

Из исходной СНАУ составляем Ф и дано

1. Фиксируем все переменные, кроме , и находим min Ф на ООФ по переменной . Новое значение переменной : Ф . Значение Ф( уменьшилось, тк искали min Ф по координате .

2. Фиксируем все пер, кроме , находим min в ООФ, находим , так делаем n шагов. Перейдем от к : Ф и значение Ф в уменьшилось.

Аналогично поступая, находим . Ф( ) Ф( , делаем так, пока . За решение берем вектор .

Метод градиентного спуска:

Градиент – это вектор, к-й имеет направление нормали к пов-ти уровня Ф(x)=const в сторону возрастания ф-ции.

Нам задано приблизительно , выбираем шаг h>0. Строим ит пр-с: ). Поскольку стоит минус, то будем переходить в сторону убывания ф-ции, на каждом шаге зна-е Ф уменьшается. Так до тех пор, пока

Метод наискорейшего градиентного спуска:

На каждой итерации меняется значение шага h. Можно определить зн-е Ф слева и справа. )

))

Для того, чтобы на каждой итерации h был max возможным, необходимо, чтобы на этой итерации значение Ф max уменьшалось. )).На каждой итерации получается свое значение шага.

Метод Ньютона:

Для этого метода х0 дб достаточно приближенным к решению.

Это разложение подставляем вместо исходной ф-ции

Если исходные нелинейные ур-я были относительно , то преобразованную систему мы получили относительно .

Системе в матричном виде относительно вектора : - линейная система.

Получаем вектор перехода к нелин системе.

- начальная точка для следующей итерации.

За решение исх системы берем

9. Понятие интерполяции. Виды интерполяции. Конечные и разделенные разности. Их свойства и применение. Интерполяция параболическими полиномами по методу Ньютона и методу Лагранжа. Понятие сплайн – интерполяции. Интерполяция сплайнами второго порядка.

Интерполяция – это построение достаточно простой для вычисления ф-ции f(x), совпадающей в узлах со значениями исходной ф-ции f(x), а в остальных точках отрезка [a,b] приближенно представляющая функцию с заданной точностью.

Различают в зависимости от решаемых задач несколько классов интерполяции ф-ции.

Дана f(x):

Нужно построить

1. Параболическая интерполяция

В основе применения лежит теорема Вейерштрасса: если f(x) непрерывна на [a,b],то для любого сколь угодно малого 𝛆 существует полином , такой что для любого х [a,b]:

В данном случае задача сводится к поиску полинома наименьшей степени k и требуемой точности совпадения.

Самый простой путь поиска коэффициентов: ищем в виде полинома. Для каждой заданной точки составляем равенство искомого полинома и значения ф-ции в узле. Получаем СЛАУ, при этом степень полинома должна соответствовать кол-ву уравнений +1.

2. Интерполяция тригонометрическими полиномами

m-порядок полинома.

3. Интерполяция показательными полиномами

- постоянная времени

-придаточный коэф-т

Для поиска степени искомого полинома используем конечные разности.

Ф-я f(x) задана таблично, узлы - равноотстающие конечные разности 1-го порядка.

…

Конечных разностей первого порядка на 1 меньше кол-ва узлов.

Конечные разности 2-го порядка:

Конечные разности k-го порядка:

Свойства конечных разностей:

1. Конечные разности константы=0

2. 

3. 

4. 

При h конечные разности первого порядка соответствуют , = и т.д.

Разделенные разности. В том случае, когда шаг переменный, используем разделенные разности.

, - первый порядок

k-й порядок:

Свойства разделенных разностей эквивалентны свойствам конечных разностей

Степень интерполяционного полинома в случае не равно отстоящих узлов выбираются таким образом, чтобы она совпадала с порядком разделенных разностей.

ИП Лагранжа

Пускай дана таблично заданная ф-я f(x), и мы установили, что искомый многочлен дБ степени k. Для построения полинома строится полином след.вида:

, где - многочлен Лагранжа

1. Степень i-го полинома влияния=k

2. I-й полином влияния в i-м узле=1.

3. I-й полином влияния во всех остальных узлах=0

В точке λ, которая не совпадает ни с одним узлом, погрешность равна: . Если искомая ф-я f(x)-полином, тогда погрешность=0.

Теорема: существует единственный полином в степени k, проходящий через (k+1) точку плоскости, удовлетворяющий начальным условиям.

Погрешность можно оценить следующим образом:

К достоинствам полинома Лагранжа можно отнести тот факт, что коэф-ты полинома зависят только от узлов интерполяции, но в том случае, если добавлен хотя бы 1 узел, то придется пересчитывать все полиномы.

Полином Ньютона.

F(x):

Строится с помощью разделенных разностей.

Свойства:

1. Степень

2. В узлах полином совпадает с исходной ф-ей

Положительные стороны:

1. Не требуется вычислять степень полинома. Можно взять 2-ю степень, построить, проверить погрешность, если не удовлетворяет, то повышаем степень до необх точности.

2. При добавлении новой k+1 точки, все найденные ранее коэф-ты сохраняются, а к полиному добавляется:

Сплайн-интерполяция.

f(x) задана на таблично, весь отрезок разбит точками .

Сплайн порядка n – функция, определенная на , такая, что на каждом ( задана полиномом S_ni=

Пусть ф-я S_n на имеет k непрерывных , тогда d=n-k – дефект сплайна.

Параболическая сплайн-интерполяция

Пусь f(x) задана таблично, S₂(x)=S_2i(x)=

На каждом

Для построения такого сплайна необходимо найти 3n коэф-та, все они находятся из след условий:

1. Совпадение сплайна на каждом отрезке с заданной ф-ей

2. Непрерывность первой производной в узлах. Равенство производных соседних полиномов в узле – условие для внутренних узлов.

3. Мы можем задать значение 1-й производной в x₀ либо в x_n.

Этих условий достаточно, для определение единственного сплайна S₂ на отрезке.

Погрешность оценивается след образом:

, h=max