
- •1. Внутренняя сортировка данных методом подсчета. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •2. Внутренняя сортировка данных методом выбора. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •3. Внутренняя сортировка данных методом простых вставок. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •4. Внутренняя сортировка данных методом Шелла. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •5. Внутренняя сортировка данных методом «пузырька». Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •6. Внутренняя сортировка данных «быстрым» методом. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •7. Численное решение уравнения методом половинного деления (дихотомии). Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •Метод хорд
- •9. Численное решение уравнения методом Ньютона (касательных). Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •10. Численное решение уравнения модифицированным методом Ньютона. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм. Модифицированный метод Ньютона
- •Модифицированный метод Ньютона (метод секущих)
- •Метод ньютона-рафсона
- •11. Численное решение уравнения методом секущих. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •Условие сходимости
- •12. Численное решение уравнения методом простых итераций. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм. Метод простых итераций
- •13. Численное интегрирование методом прямоугольников. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм. Метод прямоугольников
- •Пример реализации
- •14. Численное интегрирование методом трапеций. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм. Метод трапеций
- •Составная формула
- •Формула
- •Представление в виде метода Рунге-Кутта
- •Составная формула (формула Котеса)
- •16. Численное интегрирование методом Гаусса-Лежандра. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
- •17. Численное интегрирование методом Монте-Карло. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм. Интегрирование методом Монте-Карло
- •Обычный алгоритм Монте-Карло интегрирования
- •Геометрический алгоритм Монте-Карло интегрирования
- •Использование выборки по значимости
- •Применения
- •Случай равномерного распределения узлов интерполяции
- •Интерполяция полиномами Лагранжа и Ньютона
- •Погрешность интерполирования
- •Выбор узлов интерполяции
- •Изложение метода
- •Метод прогонки
- •Пример: интерполирование неизвестной функции
- •Ошибка интерполяции
- •Пример: интерполяция синуса
- •Дискретное преобразование Фурье
- •Пример использования
- •Погрешность вычислений
- •Программная реализация
Модифицированный метод Ньютона (метод секущих)
В этом методе для вычисления производных на каждом шаге поиска используется численное дифференцирование по формуле:
Тогда рекуррентная формула (4.6) будет иметь вид:
|
(4.10) |
где
Метод ньютона-рафсона
Повышение эффективности метода за счёт использования информации о производной накладывает дополнительные ограничения на функцию. Кроме унимодальности функция должна быть непрерывной и дважды дифференцируемой.
2.5.1. Метод Ньютона-Рафсона.
Пусть -
непрерывная и дважды дифференцируемая
функция.
Требуется
найти корень уравнения .
Зададим –
начальную точку поиска. Построим линейную
аппроксимацию функции
в
точке
.
Для этого разложим
в
ряд Тейлора в точке
и
отбросим все члены второго порядка и
выше.
Сходимость метода зависит от выбора начальной точки и вида функции.
не сходится
Условие
выхода
11. Численное решение уравнения методом секущих. Эффективность данного алгоритма. Привести фрагмент программы, поясняющий данный алгоритм.
Метод секущих — один из численных методов решения уравнений.
В
качестве функции берут
любую постоянную
,
знак которой совпадает со
знаком производной
в окрестности
(и,
в частности, на отрезке, соединяющем
и
).
Постоянная
не
зависит также и от номера шага. Тогда
формула итераций оказывается
очень проста:
и
на каждой итерации нужно один раз
вычислить значение функции .
Выясним
смысл этой формулы, а также смысл условия
о совпадении знаков и .
Рассмотрим прямую, проходящую через
точку
на
графике
с
угловым коэффициентом .
Тогда уравнением этой прямой будет
Иллюстрация последовательных приближений метода секущих.
Найдём
точку пересечения этой прямой с осью из
уравнения
откуда .
Следовательно, эта прямая пересекает
ось
как
раз в точке следующего приближения. Тем
самым получаем следующую геометрическую
интерпретацию последовательных
приближений. Начиная с точки
,
через соответствующие точки
графика
проводятся
секущие с угловым коэффициентом
того
же знака, что производная
.
(Заметим, что, во-первых, значение
производной вычислять не обязательно,
достаточно лишь знать, убывает функция или
возрастает; во-вторых, что прямые,
проводимые при разных
,
имеют один и тот же угловой
коэффициент
и,
следовательно, параллельны друг другу.)
В качестве следующего приближения к
корню берётся точка пересечения
построенной прямой с осью
.
На
чертеже справа изображены итерации
при в
случае и
в случае
.
Мы видим, что в первом случае меняющаяся
точка
уже
на первом шаге «перепрыгивает» по другую
сторону от корня
,
и итерации начинают приближаться к
корню с другой стороны. Во втором случае
последовательные точки
приближаются
к корню, оставаясь всё время с одной
стороны от него.
Условие сходимости
Достаточное условие сходимости, таково:
Это неравенство может быть переписано в виде
откуда получаем, что сходимость гарантируется, когда, во-первых,
так
как (тем
самым проясняется смысл выбора знака
числа
),
а во-вторых, когда
при
всех
на
всём рассматриваемом отрезке, окружающем
корень. Это второе неравенство заведомо
выполнено, если
где .
Таким образом, угловой коэффициент
не
должен быть слишком мал по абсолютной
величине: при малом угловом коэффициенте
уже на первом шаге точка
может
выскочить из рассматриваемой окрестности
корня
,
и сходимости итераций к корню может не
быть.