- •В.В.Бурляев численные методы в примерах на excel
- •1. Решение нелинейного уравнения с одним неизвестным.
- •1.1 Отделение корней.
- •1.2 Уточнение корней: метод итераций.
- •1.3 Уточнение корней: метод Ньютона.
- •1.4. Уточнение корней: метод бисекции ( деления отрезка пополам ).
- •1.5 Уточнение коней: подпрограмма excel “Подбор параметра”.
- •2. Системы линейных алгебраических уравнений.
- •2.1. Матричный метод.
- •2.2. Метод приближенных вычислений.
- •2.3. Метод Гаусса – Зайделя.
- •3. Решение систем нелинейных уравнений.
- •3.1. Выбор начальных приближений.
- •3.2 Метод Ньютона.
- •3.3. Метод итераций.
- •4. Численные методы одномерной оптимизации.
- •4.1. Метод дихотомии.
- •4.2. Метод золотого сечения.
- •4.3. Встроенная подпрограмма excel “Поиск решения”.
- •5. Многомерные задачи оптимизации.
- •5.1. Безусловная оптимизация: метод покоординатного спуска.
- •5.2. Безусловная оптимизация: метод наискорейшего спуска.
- •5.3. Безусловная оптимизация: подпрограмма excel “Поиск решения”.
- •5.4. Условная оптимизация: метод штрафных функций.
- •5.5. Условная оптимизация: подпрограмма excel “Поиск решения”.
- •5.6. Условная оптимизация: линейное программирование.
- •6. Метод наименьших квадратов.
- •7. Вычисление определенных интегралов.
- •8. Численное решение обыкновенного дифференциального уравнения
- •8.1. Метод Эйлера.
- •8.2. Метод Рунге-Кутта четвертого порядка.
- •8.3. Метод прогноза и коррекции: метод Адамса.
- •9. Решение систем обыкновенных дифференциальных уравнений.
- •9.1. Задача Коши.
- •9.2. Краевая задача: метод стрельбы.
- •9.3. Краевая задача: метод прогонки.
- •10. Численное решение уравнений с частными производными
3.3. Метод итераций.
Пусть задана система нелинейных уравнений 2-го порядка
f1(x1,x2) = 0
f2(x1,x2) = 0
причем левые части уравнений известны в виде формул. Заданы также числовые значения начальных приближений х10 и х20, а также Е - точность вычислений значений корней.
Для применения итераций исходная система приводится к виду
х1 = g1(x1,x2)
x2 = g2(x1,x2),
где функции gi называются итерирующими. Алгоритм решения задается итерирующими формулами
х1i+1 = g1(x1i,x2i)
x2i+1 = g2(x1i,x2i),
где i -номер итерации, i = 0,1,2,... Для прекращения итераций вычисляются значения
p1i+1 = х1i+1 - x1i
p2i+1 = x2i+1 - x2i,
D=( p1i2+p2i2)(1/2),
и D сравнивается с Е. Итерации продолжаются до тех пор, пока не выполнится условие D<=E. Чтобы процесс вычислений сходился к этому условию, нужно выполнение достаточного условия сходимости:
dg1/dx1 + dg1/dx2
dg2/dx1 + dg2/dx2.
Возможно также суммирование по столбцам.
Пример 3.3.
Решим систему из примера 3.1 методом итераций. Начальные приближения также возьмем из того же примера. Пусть Е = 0,00001. Выпишем формулы для итерирующих функций
g1(x1,x2) = (x13 + x23 + 3)/6
g2(x1,x2) = (x13 - x23 + 2)/6.
При изменении независимых переменных в пределах 0<= x1<=1 и 0<= x2<=1 достаточное условие сходимости выполняется, т.к.
dg1/dx1 + dg1/dx2x12)/2 + (x22)/2
dg2/dx1 + dg2/dx2x12)/2 + -(x22)/2.
Проведем вычисления на том же рабочем листе, что и в примере 4.2.
Отведем столбец А, начиная с 26 строки под значения х1, столбец В под значения х2, столбец С - под g1, столбец D - под g2, следующие три столбца под р1,р2 и D.
4. Численные методы одномерной оптимизации.
Одномерная задача оптимизации в общем случае формулируется следующим образом: найти значение независимой переменной Х, заданной на интервале[a,b], при котором некоторая целевая функция f(X) принимает минимальное значение. Если ставится задача нахождения максимума, например, функции g(X), то преобразованием f(X) = - g(X) она приводится к отысканию минимума f(X). Целевая функция f(X) должна быть задана в виде формулы. Если существует производная f’(X), то задача сводится к решению уравнения f’(X) = 0, например, методами, описанными в разделе 2.
Численные методы оптимизации используются тогда, когда целевая функция недифференцируема и, в общем случае, может быть не гладкой и даже непрерывной, т.е. может иметь разрывы первого рода по Дирихле.
Единственное условие, предъявляемое к целевой функции - она должна быть унимодальной на интервале [a,b], т.е. иметь на этом интервале только один минимум и не иметь ни максимумов, ни точек перегиба. Математически свойство унимодальности записывается так. Функция f(X) называется унимодальной на интервале [a,b], если на этом интервале существует такая точка Х*, что для значений Х
X1<X2<X*<X3<X4
выполняется условие
f(X1)>f(X2)>f(X*)<f(X3)<f(X4).
В этом определении очень важно, что все неравенства - строгие.
Процесс нахождения минимума унимодальной функции численными методами оптимизации, называемыми иногда методами поиска, состоит в последовательном сужении интервала [a,b] - начального интервала неопределенности - так, чтобы его длина достигала значения Е - заданной погрешности решения.