- •Приближенные числа
- •Правила вычислений с приближенными числами.
- •Приближенное решение алгебраических и трансцендентных уравнений. Отделение корней и уточнение приближенных корней. Графическое решение уравнений.
- •Метод половинного деления (метод «вилки»).
- •Метод хорд.
- •Метод Ньютона (метод касательных).
- •Метод итерации. Приведение уравнений к виду, удобному для итерации.
- •Приближенное решение систем линейных уравнений. Метод итераций.
- •Приближенное решение систем нелинейных уравнений. Метод итерации.
- •Постановка задачи интерполирования функций. Общее решение задачи интерполирования функции полиномом.
- •Интерполяционная формула Лагранжа
- •Интерполирование сплайнами
- •14 Аппроксимирование функций (15 не нашли)
- •Аппроксимирование функций. Метод ортогональных функций.
- •Квадратурная формула Ньютона-Котеса
- •Квадратурная формула Гаусса
- •Численные метода решения задачи Коши для обыкновенных дифференциальных уравнений. Метод Эйлера. Метод Эйлера-Коши
- •Метод Рунге-Кутта
- •Редукция к задаче Коши двухточечной краевой задачи для линейного уравнения второго порядка.
- •Метод коллокации.
- •23.Аппроксимация производных конечно-разностными соотношениями.
- •Метод конечных разностей численного решения обыкновенных дифференциальных уравнений.
- •Принципы построения сеток на плоскости и в пространстве.
- •26. Построение разностных схем для уравнений параболического типа.
- •27. Экстремумы функций. Классификация методов безусловной оптимизации.
- •28. Общая характеристика методов оптимизации нулевого порядка.
- •Метод прямого поиска (метод Хука-Дживса).
- •Метод деформируемого многогранника (метод Нелдера-Мида).
- •Метод вращающихся координат (метод Розенброка).
- •Метод параллельных касательных (метод Пауэлла).
- •Общая характеристика методов оптимизации первого порядка.
- •34.Метод наискорейшего спуска
- •35. Общая характеристика методов оптимизации второго порядка. Метод Ньютона.
- •36. Метод Ньютона с регулировкой шага (метод с переменной метрикой)
- •37. Метод статистических испытаний (метод Монте-Карло)
- •38. Вычисление кратных интегралов методом Монте-Карло
- •39. Структура искусственной нейронной сети (инс)
- •40. Компьютерная модель нейрона (нейроэлемента, нэ)
- •41. Функции активации нейроэлементов
- •45.Методы обучения элементарного перцептрона.
- •46.Многослойный перцептрон.
- •47. Понятие обучающей выборки.
Метод хорд.
Пусть корень с уравнения принадлежит отрезку [a, b], причем производные и непрерывны и сохраняют определенные знаки на данном отрезке. Сначала изучается расположение корней и осуществляется отделение корней. Затем выбирается начальное приближение x0.
Правильный выбор начального приближения x0 влияет на сходимость метода. При неправильном выборе x0 каждое следующее приближение может все дальше удаляться от корня уравнения, т.е. метод хорд будет расходиться. Поэтому важным является следующее правило выбора начального приближения: неподвижен тот конец интервала [a,b], для которого знак функции f(x) совпадает со знаком ее второй производной , т. е. должно выполняться условие >0.
Если >0, то точкаа является неподвижной, а в качестве начального приближения выбираем точку b, т. е. и формула, определяющая алгоритм вычислений, имеет вид
. (3)
Если >0, то точка b является неподвижной, и в качестве начального приближения выбираем точку а, т. е. и формула имеет вид
. (4)
Пример.
Методом хорд найти корни уравнения .
Построив график функции , находим, что данное уравнение имеет один действительный корень, лежащий в интервале [1,4; 1,5].
Проверим условие нахождения корня в данном интервале < 0.
f(1,4) = - 0,05788 < 0,
f(1,5) = 0,21640 > 0.
<0, следовательно, условие нахождения корня в найденном интервале выполняется.
Далее найдем .
= 1,42857 > 0,
= 1,33333 > 0.
Определим неподвижную точку согласно условию > 0. Так как > 0, то точка = 1,5 является неподвижной, а в качестве начального приближения корня выбираем точку = 1,4.
Каждое (n+ 1) приближение корня вычисляем по формуле .
= 1,42152,
= 1,42153,
= 1,42153.
Сравнивая и , видим, что корнем уравнения является число = 1,42153.
Метод Ньютона (метод касательных).
Основное достоинство метода – быстрая сходимость. Метод Ньютона универсален и пригоден для решения обширного класса уравнений.
Пусть корень с уравнения принадлежит отрезку [a, b], причем , и непрерывны и сохраняют определенные знаки на данном отрезке.
Если - некоторое приближение к корню с уравнения, то за новое приближение x1 принимают точку пересечения касательной, проведенной в точке к графику функции f(x), с осью Ox.
Алгоритм поиска корня задает итерационная формула, позволяющая каждое последующее приближение к корню вычислить через предыдущее,
, n = 0, 1, 2,... (2)
Если начальное приближение выбрано неудачно, то может случиться так, что следующее приближение x1 к корню уравнения окажется вне интервала [a, b], что указывает на необходимость выбора другого начального приближения. В противном случае метод Ньютона может сходиться очень медленно, что приведет к накоплению погрешности вычисления, или не сходиться вообще.
Пример.
Методом Ньютона (касательных) вычислить корни уравнения .
Графически находим два интервала [-1,4; -1,3] и [0,5; 0,6].
Сразу найдем корень, принадлежащий [-1,4; -1,3].
f(-1,4) = 0,20660 > 0,
f(-1,3) = -0,03747 < 0.
< 0, следовательно, корень находится в этом интервале.
Корень будем уточнять по формуле .
За начальное приближение принимаем тот конец интервала [-1,4; -1,3], для которого выполняется условие > 0.
, .
= 2,27253 > 0, = 2,24660 > 0.
Для точки = -1,4 выполняется условие > 0, поэтому положим = -1,4.
= -1,31909,
= -1,31598,
= -1,31597,
= -1,31597.
Один корень уравнения = -1,31597.
Все в том же порядке повторим для интервала [0,5; 0,6].
f(0,5) = -0,10128 < 0,
f(0,6) = 0,18212 > 0.
< 0, следовательно, корень находится в этом интервале.
Для уточнения корня опять воспользуемся формулой .
За начальное приближение принимаем тот конец интервала [0,5; 0,6], для которого выполняется условие > 0.
Так как для точки = 0,6 выполняется условие > 0, то положим = 0,6.
Проделав выкладки, аналогичные предыдущим, получим = 0,53727.