- •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.
Приближенное решение систем нелинейных уравнений. Метод итерации.
Пусть дана система нелинейных уравнений
(2.11)
или в матричной форме (2.12), где матрица F(X) имеет вид
Пусть система (2.11) приведена к виду: (2.13)
или в матричной форме (2.14), где матрица Ф(X) имеет вид
Каждое последующее (n+1) приближение можно вычислить по итерационной формуле
, (n = 1, 2, …) (2.15)
Условие сходимости: процесс итерации (2.15) сходится к единственному решению системы (2.14), если выполняется одно из условий
£ qi< 1, (i = 1, 2, …, n) или £ qi< 1, (i = 1, 2, …, n)
Начальное приближение выбирают произвольно из области сходимости метода итерации.
Процесс итерации может быть применен также к общей системе нелинейных уравнений (2.12). Перепишем эту систему в виде
(2.16), где L - неособенная матрица (ее определитель не равен нулю).
Сравнивая (2.14) и (2.16), видим, что
,
Если F(X) имеет непрерывную производную
в некоторой окрестности изолированного решения системы (2.11), то, учитывая (2.17), получим
Учитывая условие сходимости процесса итерации, матрицу L выбираем таким образом, чтобы
Отсюда, если матрица неособенная, то будем иметь
Учитывая сказанное, получим итерационную формулу для нахождения корней системы (2.1)
Замечание: в случае, если , следует выбрать другое начальное приближение X(0).
Пример:
Методом итерации решить систему нелинейных уравнений
В матричном виде заданная система уравнений имеет вид F(X) = 0, где
Итерационная формула, по которой можно найти корни данной нелинейной системы, имеет следующий вид
В качестве начального приближения возьмем матрицу
Тогда
, =36
Если определитель матрицы = 0 , то необходимо выбрать другое начальное приближение X(0).
;
, , , , ,
Решением данной системы является матрица
Постановка задачи интерполирования функций. Общее решение задачи интерполирования функции полиномом.
Иногда нам известны значения функции f(x) лишь в наборе точек x0, x1, x2…xn (x0<x1< ... <xn), но не известно аналитическое выражение для f(x). Часто, но не обязательно, точкиx являются равноотстоящими. В то же время необходимо найти значение функции в промежуточных точках. Порой при этом надо провести более или менее гладкую кривую через заданный набор точек, возможно даже и за пределами заданного набора.
Если надо найти значение функции для x0<x1< ... <xn, то эта задача интерполяции, если x за пределами набора точек – задача экстраполяции.
Интерполяция связана с аппроксимацией функции, но отличается от нее.
Пусть в точках а = x0< x1< ... <xn = b, называемых узлами интерполяции, функция задана таблицей своих значений
(3.1)
Задача интерполирования заключается в том, чтобы построить функцию g(x)(интерполирующая функция), принадлежащую известному классу и принимающую в узлах интерполяции те же значения, что и f(x) , т. е. такую, что
Геометрически это означает, что нужно провести кривую y = g(x) некоторого определенного типа, проходящую через систему заданных точек.
Линейную комбинацию
(3.2)
с действительными коэффициентами ci называют обобщенным многочленом (полиномом) по системе функций {ji(x)} , i = 0, 1, …, n.
На практике чаще всего используются следующие системы:
1) 1, x, x2, …, xn, … -- алгебраическая интерполяция;
2) 1, sinx, cosx,…, sinnx, cosnx, … -- тригонометрическая интерполяция (применяется для приближения периодических функций);
3) -- экспоненциальная интерполяция (где ai - некоторая числовая последовательность попарно различных действительных чисел).
Любую функцию можно разложить по полиномиальному набору функции.
Рассмотрим интерполирование функции f(x) полиномом Qn(x) степени не выше n, удовлетворяющим условию (3.2), т. е. таким, что
(3.4)
Такой полином называется интерполяционным.
Как известно, существует единственный полином вида степени не выше n, принимающий в точках x0 , x1 , x2 , … , xn заданные значения.
Коэффициенты аi полинома Qn(x) можно определить из следующей системы уравнений:
(3.5) (где ) (комет.:x и yизвестны, а подлежат определению). Определителем этой системы является определитель Вандермонда
¹ 0.Он отличен от нуля при всяких различных между собой xi, следовательно, интерполяционный многочлен существует и он единственный.