3.Метод Чебышева.
xk+1 =xk – (f(xk))/f'(xk) - (f(xk)* f''(xk))/ 2(f'(xk))3 ;
Интервал изоляции [-7;-6].
k |
xk |
Xk+1 –Xk |
F(xk) |
f'(xk) |
f''(xk) |
0 |
-7 |
0,562781 |
39 |
-69,7228 |
59,49799 |
1 |
-6,43722 |
0,192484 |
8,031607 |
-42,1906 |
39,63389 |
2 |
-6,24474 |
0,017682 |
0,61162 |
-35,0733 |
34,43372 |
3 |
-6,22705 |
-9,4E-05 |
-0,0032 |
-34,4683 |
33,98989 |
4 |
-6,22715 |
|
4,59E-05 |
-34,4715 |
33,99224 |
x1 =-7 – (39)/(-69.7228) - 39* 59.49799/ 2(-69.7228)3=-6.43722
Интервал изоляции [1;2].
k |
xk |
Xk+1 –Xk |
F(xk) |
f'(xk) |
f''(xk) |
0 |
1 |
0,164886 |
-0,5 |
2,653426 |
-1,75977 |
1 |
1,164886 |
0,030778 |
-0,08653 |
2,361084 |
-1,78572 |
2 |
1,195665 |
0,005303 |
-0,01471 |
2,306053 |
-1,79024 |
3 |
1,200968 |
0,000904 |
-0,0025 |
2,296556 |
-1,79101 |
4 |
1,201872 |
|
-0,00043 |
2,294937 |
-1,79114 |
x1 =1 – (-0.5)/( 2,653426) – (-0.5)* (-1,75977)/ 2(2,653426)3=1,164886
Интервал изоляции [3;4].
k |
xk |
Xk+1 –Xk |
F(xk) |
f'(xk) |
f''(xk) |
0 |
4 |
-0,27529 |
-0,9375 |
-3,04332 |
-1,96997 |
1 |
3,724709 |
-0,05873 |
-0,17427 |
-2,50185 |
-1,96366 |
2 |
3,665978 |
-0,01066 |
-0,03072 |
-2,38656 |
-1,96215 |
3 |
3,655322 |
-0,00188 |
-0,0054 |
-2,36566 |
-1,96187 |
4 |
3,653439 |
|
-0,00095 |
-2,36196 |
-1,96182 |
x1 =4 – (-0,9375)/(-3,04332) -(-0,9375) * (-1.96997)/ 2(-3,04332)3=3,724709
Сравнение результатов, полученных по разным методам решения[3;4].
метод |
значение |
количество |
решения |
корня |
итераций |
деление отрезка пополам |
3,652832 |
10 |
Метод Чебышева |
3,653439 |
4 |
Ньютона |
3,653036 |
3 |
Более выгоден метод Ньютона т.к. он потребовал меньшее количество итераций.
2.Часть работы.Слау.
П остановка задачи. Требуется найти решение системы m линейных уравнений, которая в общем виде записывается в виде
36х1-5x2-11х3 -19х4=-9
х1+33х2-11х3-20х4=-8
5х1-х2+26х3-19х4=-7
11х1+4х2-5х3+21х4=-6
В матричном виде эта система уравнений записывается так:
Ах=f, где
36 -5 -11 -19
А= 1 33 -11 -20 - матрица системы,
5 -1 26 -19
11 4 -5 21
-9 х1
b= -8 - вектор правых частей х= х2 - вектор неизвестных
-7 х3
-6 х4
Таким образом, задача состоит в том, чтобы при известных коэффициентах матрицы А и элементах вектора f найти такие значения (х1,х2… хm)T, что при подстановке их в систему уравнений они превращаются в тождества.
Необходимым и достаточным условием существования единственного решения СЛАУ является условие detА≠0. В случае равенства нулю определителя матрица называется вырожденной и при этом СЛАУ либо не имеет решения, либо имеет их бесчисленное множество.
Все методы решения линейных алгебраических задач можно разбить на два класса: прямые( методы Крамера, обратной матрицы и Гаусса) и итерационные( методы простой итерации, Якоби и Гаусса – Зейделя).
Метод обратной матрицы. Если detA≠0, то существует матрица А-1, обратная к данной. Умножим исходную систему уравнений на обратную, получим: А-1Ах=А-1f.
Известно, что произведение обратной матрицы на исходную дает единичную матрицу Е, следовательно, получаем Ех=А-1f, х=А-1f
Решение СЛАУ свелось к умножению известной обратной матрицы на вектор правых частей. Т.о., задача решения СЛАУ и задача нахождения обратной матрицы связаны между собой, поэтому часто решение СЛАУ называют задачей обращения матрицы.
Метод простой итерации. Преобразуем исходную систему линейных уравнений Ах=f к эквивалентной системе вида:
х=хα+β, где
х – искомый вектор, а α и β – некоторые новые матрица и вектор соответственно. В качестве первого приближения можно взять хi(0)=0. Следующие приближения находим по рекуррентным формулам
х(к+1)=αх(к)+β, к=0,1,2,…
Такой итерационный процесс будем называть методом простых итераций(МПИ). Достаточным условием сходимости МПИ к решению системы при любом начальном векторе х(0) является требование ||α||<1, где ||α|| | - норма матрицы α.
Существует несколько способов построения порождающей матрицы α, для которой выполняется достаточное условие сходимости.
Метод Гаусса- Зейделя
В отличии от метода Якоби, в котором вычисление всех компонент вектора (k+1)-го приближения проводилось однообразно, в методе Гаусса- Зейделя для расчета i-й компоненты следующего приближения используется уже вычисленное на том, т.е. (k+1)-м шаге, новые значения первых i-1 компонент:
X1(k+1)=1/a11(f1-a11(k)-a13x3(k)-…-a1mxm(k))
X2(k+1)=1/a22(f2-a21(k+1)-a23x3(k)-…-a2mxm(k))
Xi(k+1)=1/aij(fi-ai1(k+1)-ai2x2(k+1)-…-ai,i-1xi-1(k+1)- ai,i+1xi+1(k)-…-a2mxm(k))
Xm(k+1)=1/amm(fm-am1(k+1)-am2x2(k+1)-…-am,m-1xm-1(k+1))
Или, в компактном виде:
Xi(k+1)=1/aij(fi- xj(k+1)- xj(k)), i=1,2…,m.
Достаточным условием сходимости этого метода, как и для метода Якоби, является условие диагонального преобладания:
/ aij/> , i=1,2…,m.
Формулировка задания.
Найти для своего варианта решение системы линейных уравнений Аx=b;
Методом обратной матрицы x= А-1*b, используя функции Excel.
Методом простой итерации с точностью до 0,001
Xi(k+1)=1/aij(bi- xj(k)- xj(k))
Методом Гаусса- Зейделя с точностью до 0,001
Xi(k+1)=1/aij(bi- xj(k)- xj(k))
Здесь k-номер итерации, n- количество уравнений, хi(0)- начальное приближение. Оформить вычисления в виде таблиц.