- •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 итерации. Приведение уравнений к виду, удобному для итерации.
Метод итерации является универсальным: его можно применять для решения обширного класса как линейных, так и нелинейных уравнений. Сущность этого метода заключается в следующем. Пусть дано уравнение , (5)
где - непрерывная функция, и требуется найти его вещественные корни. Преобразуем уравнение (5) в эквивалентное уравнение вида . (6)
Выберем начальное приближение x0 и, подставив его в правую часть уравнения (6), получим число . Затем вычислим и т. д. Получим последовательность чисел , определяемую равенством
, n = 0, 1, 2,... (7)
Для того, чтобы последовательность сходилась к корню с уравнения (5), необходимо выполнение условия сходимости: если функция определена и дифференцируема на отрезке [a, b] и q<1 при всех a x b, то процесс итерации , n = 0, 1, 2,... сходится к корню с уравнения независимо от начального значения.
Условие сходимости метода итерации q<1, (8)
где q – максимальное значение производной на интервале, в котором находится корень уравнения (если корней несколько, то условие сходимости должно выполняться для каждого интервала).
Чем ближе к нулю максимальное значение производной q, тем выше скорость сходимости метода.
Замечание. Пусть в некоторой окрестности [a, b] корня с уравнения производная сохраняет постоянный знак и выполнено неравенство q<1. Тогда, если производная положительна, т. е. 0 q<1, то последовательные приближения , n = 0, 1, 2,..., сходятся к корню монотонно. Если же производная отрицательна, т.е. 1<q 0 то последовательные приближения колеблются около корня с.
Для метода итерации большое значение имеет способ преобразования уравнения (5) к виду (6), т. е. выбор функции , которая должна подчиняться условию сходимости q<1.
Рассмотрим один достаточно общий прием приведения уравнения (5) к виду (6), для которого обеспечено выполнение неравенства (8).
Пусть искомый корень лежит в интервале [a, b], причем 0 <m M, (9)
для , где m – наименьшее значение производной на [a, b], а M – наибольшее значение производной на [a, b].
Если производная отрицательна, то вместо уравнения рассматриваем уравнение .
Заменим уравнение (5) эквивалентным уравнением вида
, >0. (10)
Сравнивая (10) и (6), видим, что .
Так как метод итерации должен быть сходящимся и для функции должно выполняться условие (8), то будем иметь
0 = q< 1. (11)
Учитывая выражение (9), получим следующую оценку:
0 q. (12)
Можно положить:
(13)
< 1. (14)
В методе итерации в качестве начального приближения чаще всего принимается один из концов интервала [a, b].
Оценка погрешности n-го приближения к корню с уравнения такова:
, (15)
где на [a, b].
Замечание1. При нахождении корня уравнения с заданной точностью >0 или при оценке погрешности n-го приближения можно, не вычисляя точного значения числа на [a, b], ограничиться следующей практической рекомендацией:
(16)
Замечание2. Преимущество метода итерации заключается в том, что сходимость процесса не зависит от выбора начального приближения . Отдельная ошибка, допущенная при вычислениях, не выводящая за пределы отрезка [a, b], не повлияет на конечный результат. Здесь мы встречаемся со свойством самоисправляемости сходящегося итерационного процесса.
Пример 1.
Методом итерации решить уравнение .
Графически отделяя корни данного уравнения, заключаем, что уравнение имеет единственный действительный корень, принадлежащий отрезку 1,1; 1,2.
Преобразуем данное уравнение к виду (6) следующим образом: . При таком преобразовании функция . Проверим выполнение условия сходимости (8).
.
1
1.
Видно, что условие сходимости (8) не выполняется и такое преобразование не подходит, т. к. метод будет расходиться.
Пример 2.
Методом итерации найти решение уравнения . (17)
При помощи графического метода отделим корни уравнения, т. е. найдем интервалы, в каждом из которых содержится единственный корень уравнения. Данное уравнение имеет один действительный корень, который содержится в интервале 1,6; 1,7.
Проверим условие нахождения корня в интервале :
f(1,6) = - 0,144 0,
f(1,7) = 0,353 0.
, следовательно, корень данного уравнения действительно содержится в интервале 1,6; 1,7.
Преобразуем уравнение к виду : (18)
. (19)
Сравнивая (18) и (19), видим, что .
Проверим выполнение условия сходимости q<1,
где q – максимальное значение производной на интервале 1,6; 1,7.
≈ 0,356 <1,
≈ 0,436 <1.
Условие сходимости выполняется и корень уравнения можно уточнять, используя итерационную формулу .
= 1,6.
= 1,61853,
= 1,62528,
x3 = 1,62781, x4 = 1,62877, x5 = 1,62913, x6 = 1,62927, x7 = 1,62932, x8 = 1,62934, x9 = 1,62935,
x10 = 1,62935, x11 = 1,62936, x12 = 1,62936.
Корень уравнения x = 1,62936.
Можно предложить еще такой способ: представим исходное уравнение в виде .
Отсюда .
Сравнивая полученное выражение и (6), видим, что .
Проверим условие сходимости (8): .
= 0,512 <1,
= 0,493 <1.
Условие сходимости выполняется и корень уравнения можно уточнять, используя формулу . = 1,6.
= 1,6144,
= 1,62175,
x3 = 1,62550, x4 = 1,62740, x5 = 1,62836, x6 = 1,62885, x7 = 1,62910, x8 = 1,62923, x9 = 1,62929,
x10 = 1,62932, x11 = 1,62934, x12 = 1,62935, x13 = 1,62936, x13 = 1,62936. Корень уравнения x = 1,62936.