- •1)Векторное (линейное) пространство - математическое понятие, обобщающее понятие совокупности всех (свободных) векторов обычного трехмерного пространства.
- •Вопрос 21.Ортогональная, ортонормированная матрица, неквадратная матрица с ортогональными (ортонормированными) столбцами.
- •Вопрос 22.Обращение матрицы методом Гаусса
- •Вопрос 23.Разложение матрицы в произведение ортогональной и треугольной (метод Шмидта)
- •Вопрос 24.Ортогональные функции и ортогональные полиномы
- •Вопрос 25.Построение полинома ортогонального на дискретной системе точек
- •По моментам весовой функции
- •По рекуррентным формулам
- •Вопрос 26.Собственные векторы и собственные числа матрицы
- •Вопрос 27.Матрица простой структуры, ее свойства
- •Вопрос 28.Сингулярное разложение
- •Вопрос 29.Нормы векторов и матриц Норма вектора
- •Норма матрицы
- •Вопрос 30.Метрическое векторное пространство
- •Вопрос 32.Градиент, свойства градиента
- •Вопрос 33.Матричная форма записи ряда Тейлора. Формула Тейлора
- •Различные формы остаточного члена
- •Вопрос 34.Минимизация погрешности интерполяции
- •Вопрос 35.Обобщенный подход к процессу интерполяции Интерполяция функций интерполяционными полиномами
- •Задача интерполяции функции, интерполяционные полиномы
- •Вопрос 36.Численное взятие производной.
- •Введение
- •Погрешность вычислений
- •Вопрос 37.Решение системы линейных уравнений методом Гаусса Метод Гаусса
- •Вопрос 38.Матрица перестановок
- •Определение
- •Свойства
- •Вопрос 39.Решение системы линейных алгебраических уравнений методом Гаусса с выбором главного элемента по столбцам Метод Гаусса с выбором главного элемента
- •Вопрос 40.Решение системы линейных алгебраических уравнений методом вращения Метод вращения
- •40.Решение системы линейных алгебраических уравнений методом вращения
- •41.Решение системы линейных уравнений методом факторизации матрицы
- •42.Итерационный процесс решения систем линейных алгебраических уравнений
- •43.Функции невязки, ошибок
- •44.Метод простой итерации
- •45.Итерационный метод смещения
- •Пример.
- •46) Метод Якоби
- •47) Метод Зейделя
- •48) Метод релаксации Метод релаксации - итерационный метод решения систем линейных уравнений.
- •49) Метод Чебышева
- •50/51) Метод минимальных невязок (Одношаговый, двухшаговый - гугл не нашел )
- •52) Решение нелинейного уравнения одной переменной методом дихотомии
- •53) Метод золотого сечения
- •56) Симплекс метод (метод Нелдера – Мида)
- •57) Метод наискорейшего спуска
- •59) Решение систем нелинейных уравнений нескольких переменных методом Ньютона
- •60.Решение нелинейного уравнения нескольких переменных методом Левенберга - Марквардта
- •61.Решение системы нелинейных уравнений методом спуска
- •62.Решение системы нелинейных уравнений методом Ньютона
- •63.Решение системы нелинейных уравнений методом Левенберга - Марквардта
- •64.Структура м – функции
- •65.Арифметические операторы Матлаб
- •65)Арифметические операторы.
57) Метод наискорейшего спуска
Метод наискорейшего спуска является одной из наиболее фундаментальных процедур минимизации дифференцируемой функции нескольких переменных. Вектор d называется направлением спуска для функции f в точке x, если существует такое d > 0, что f(x+lym*d)<f(x) для всех lym принадлежащих интервалу (0, d). В частности, если
Алгоритм метода наискорейшего спуска
При заданной точке x алгоритм наискорейшего спуска заключается в реализации линейного поиска вдоль направления или, что то же самое, вдоль направления -grad(f(x)).
Начальный этап. Пусть eps > 0 - константа остановки. Выбрать начальную точку , положить и перейти к основному этапу.
Основной этап. Если , то остановиться; в противном случае положить и найти - оптимальное решение задачи минимизации
при . Положить , заменить и повторить основной этап.
58) –––––
59) Решение систем нелинейных уравнений нескольких переменных методом Ньютона
В отличие от систем линейных уравнений для систем нелинейных уравнений не известны прямые методы решения. Лишь в отдельных случаях систему можно решить непосредственно. Например, для системы из двух уравнений иногда удается выразить одно неизвестное через другое и таким образом свести задачу к решению одного нелинейного уравнения относительно одного неизвестного. Поэтому итерационные методы для нелинейных систем приобретают особую актуальность.
Метод Ньютона.
Рассмотрим нелинейную систему уравнений
(23)
или в векторной форме f (x) = 0, (23 ')
где
f
x
Для решения системы (23? ) будем пользоваться методом последовательных приближений.
Предположим, известно k-е приближение
одного из изолированных корней x = векторного уравнения (23 '). Тогда точный корень уравнения (23') можно представить в виде
где - поправка (погрешность корня).
Подставляя выражение (24) в (23'), будем иметь
(25)
Предполагая, что функция f (x) непрерывно дифференцируема в некоторой выпуклой области, содержащей x и x^(k), разложим левую часть уравнения (25) по степеням малого вектора D x^(k) , ограничиваясь линейными членами,
или, в развернутом виде,
(26)
Из формул (26) и (26') вытекает, что под производной f '(x) следует понимать матрицу Якоби системы функций f1, f2, ..., fn относительно переменных x1, x2, ..., xn, т. е.
f ' (x) = W(x) = ,
или в краткой записи
f ' (x) = W(x) = (i, j = 1, 2, …, n).
Поэтому формула (26) может быть записана в следующем виде:
Если det W ( х ) = , то
Отсюда видно, что метод Ньютона решения системы (23) состоит в построении итерационной последовательности:
. (27)
Если все поправки становятся достаточно малыми, счет прекращается. Иначе новые значения используются как приближенные значения корней, и процесс повторяется до тех пор, пока не будет найдено решение или не станет ясно, что получить его не удастся.
Пример 9. Методом Ньютона приближенно найти положительное решение системы уравнений
исходя из начального приближения .
Полагая:
имеем:
f (х)=
Отсюда
Составим матрицу Якоби
W(x) =
Имеем
Следовательно, матрица - неособенная. Составим обратную ей матрицу
W -1 ( х(0) ) =
По формуле (27) получаем первое приближение
х(1) = x(0) - W -1(x(0) ) f (x(0) ) = - = + = .
Аналогично находятся дальнейшие приближения. Результаты вычислений приведены в Таблице 3.
Таблица 3
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 |
Останавливаясь на приближении , будем иметь:
x = 0,7852; y = 0,4966; z =0,3699.