13 Лекция 3 продолжение «Решение слау»
Решение в системе Mahtcad :
Использование вычислительного блока Given-Find
Сходимость метода Зейделя
Требование критерия сходимости аналогично методу простых итераций.
Существует устойчивое мнение , что метод Зейделя сходится быстрее к точному решению , чем метод простых итераций.
Это действительно только в случае , когда матрица А симметрична и положительно определена.
Дело в том , что эти два метода ориентированы на решение разных классов задач: метод простых итераций- на системы с матрицами, близкими к диагональным, метод Зейделя- на системы с матрицами близкими к нижним треугольным.
7. Численные методы решения нелинейных уравнений и систем. Решение нелинейных уравнений.
Задача отыскания корней нелинейного уравнения решается в два этапа.
Первый – этап локализации ( отделения ) корней
Второй – этап итерационного уточнения корней.
Итерационный метод называется одношаговым, если для вычисления последующего приближения требуется использовать только предыдущее приближение, и к- шаговым , если для вычисления последующего приближения используется к предыдущих приближений в этом случае столько же данных необходимо , чтобы начать метод.
Скорость сходимости метода:
Метод сходимости сходится со скорость геометрической прогрессии , знаменатель которой q<1, если для nN справедлива оценка
.
Для решения нелинейных уравнений также применяется метод Ньютона( касательных) , однако имеются две трудности :
-
вычисления первой производной либо невозможны , либо весьма трудоемки.
-
Локальная сходимость метода. Последовательные приближения могут сходится к точному решению только в малой -окрестности точки x . Неудачный выбор начального приближения может дать расходящуюся последовательность .
Для преодоления этой трудности используют метод Ньютона в сочетании с другим методом , например бисекции.
Метод Ньютона для решения систем нелинейных уравнений.
Пусть дана система n нелинейных уравнений с n неизвестными вида:
Отыскание решения начинается с локализации корней. Обычно эта задача уже очень сложна , поэтому иногда полное решение локализации невозможно . в простейших случаях помогут графические методы.
В методе Ньютона применяется линеаризация системы.
Пусть по выбранному нулевому приближению построены последующие. Заменим каждую из функций системы уравнений линейной частью ее разложения в ряд Тейлора в точке :
В матричной форме:
где - матрица Якоби
Если матрица невырожденная, т.е. ее определитель det0 , то существует обратная матрица . Тогда существует единственное решение , которое и принимают за очередное приближение к точному решению.
Итерационная формула метода Ньютона для СНЛАУ:
Чаще решается именно нижнее уравнение и затем вычисляется поправка к приближению.
Теоретически условия сходимости метода Ньютона таковы:
-
определитель матрицы Якоби ни в одном цикле не равен нулю;
-
все элементы этой матрицы во всех циклах имеют конечные значения.
На практике из-за погрешностей реализации нужно, чтобы модуль определителя был не слишком мал, а модули элементов не слишком велики.
Акцентируем принципиальный момент: фактически метод Ньютона –это аппроксимация нелинейной системы серией линейных аналогично тому, как нелинейную кривую аппроксимирует серия касательных прямых при решении уравнений с одним неизвестным.
Для систем возможен и модифицированный вариант метода Ньютона. В таком случае во всех циклах используется стартовая матрица Якоби А=.
Тогда имеем:
Это заметно сокращает объём вычислений в каждом цикле, но циклов требуется больше. Сходимость линейная , знаменатель прогрессии тем меньше , чем ближе приближение к точному x .
Баланс этих факторов зависит от свойств конкретных систем: чем сложнее структура элементов , тем обычно эффективнее модифицированный вариант.
Другой вариант метода Ньютона используется при невозможности вычисления производных. Их заменяют конечно-разностными соотношениями, но в этом случае проблемой является выбор шага численного дифференцирования. Этот вопрос мы обсудим в теме ЧД.
Рассмотрим пример:
Получим первое приближение
Таблица последовательных приближений :
-
i
x
y
z
0
0.5
0.5
0.5
1
0.875
0.5
0.375
2
0.78981
0.49662
0.36993
3
0.78521
0.49662
0.36992