- •1 Предмет мча.Особенности и задачи
- •Задачи Численного анализа
- •3. Решение нелинейных уравнений. Постановка задачи
- •4 Решение нелинейных уравнений. Отделение корней.
- •5. Решение нелинейных уравнений методом деления отрезка пополам.
- •6. Решение нелинейных уравнений методом простой итерации.
- •7. Условие сходимости мпи для нелинейных ур-ий.
- •8 Метод Ньютона.
- •9.Условие сходимости метода Ньютона
- •10. Модификация метода Ньютона для решения нелинейных ур-ний.
- •11. Решение нелинейных уравнений. Метод секущих
- •12. Решение нелинейных уравнений. Метод хорд.
- •13. Метод парабол.
- •14. Решение систем нелин.Ур-ий. Постановка задачи.
- •15. Решение систем нелин.Ур-ий. Отделение корней
- •16. Решение систем нелин.Ур-ий. Метод простой итерации
- •17. Решение систем нелин. Ур-ий. Метод релаксации.
- •18. Решение систем нелин.Ур-ий .Метод Ньютона
- •19. Решение си-м ура-нии методом Ньютона для 2х ур-нии.
- •20. Сходимость итерационного процесса
- •Когда матрица b и параметр не зависят от номера итерации то (3)
- •22. Постановка задачи интерполирования. Экстраполяция
- •23. Интерполирование алгебраическими многочленами
- •24. Интерполяционный полином Лагранжа. Методы записи.
- •25. Оценка погрешн. Интерп. Пол. Лагранжа. Примен. Пол. Лагранжа
- •26. Интерполяционная схема Эйткена
- •27. Конечные разности и разностные отношения
- •28. Интерполяционный многочлен Ньютона для неравномерной сетки
- •29. Интерполяционные формулы Ньютона для равномерной сетки
- •30. Сходимость интерполяционного процесса
- •31. Интерполирование сплайнами. Пострение кубического сплайна
- •32. Определение коэффициентов в кубическом сплайне.
- •33. Различные постановки задачи интерполирования
- •34. Многомерная интерполяция
- •35. Задача интерполяции в общей постановке
- •36. Наилучшее приближение функции, заданной таблично
- •37. Метод наименьших квадратов. Постановка задачи
- •38 Числ. Диференц. Конечными разност. Оценка погрешн. Источн. Погр.
- •39 Использ. Интерпо. Фо-мул для решен задачи числ. Дифференц
- •40 Улучшение аппроксим. Произв.(фо-лы Рунге-Ромберга)
- •41 Постановка задачи вычисл. Итегралов в квадратурах
- •42 Простейшие Квадратурные фо-лы. Оценка погрешности.
- •43 Числен. Интегр. С заран. Задан. Точн. Априорное нах. Шага интегрир.
- •44 Оценка точн. Квадр. Фо-лы по пр. Рунге Автом выбор шага интегрир.
- •45 Процесс Эйткина уточнения квадратурных формул
- •46 Квадрат. Фо-лы интерпол. Типа. Фо-лы ньютона-котеса
- •47 Квадр. Фо-л наивысш. Алгебр степени точн. Кв. Форм типа Гаусса
- •48 Приближенное выч-е интегралов в особых случаях.
- •49 Численные методы для нахождения кратных интегралов.
- •50 Решение кратных интегралов методом ячеек
12. Решение нелинейных уравнений. Метод хорд.
Если в методе
секущих
(2) вместо точки
взять точку
,
получаем метод хорд
k=1,2,…
(4)Метод - двухшаговым,
требует, чтобы 1 из концов отрезка, на
котором ищется решение, был неподвижен.
В качестве неподвижного конца отрезка
выбирается тот, для которого знак функции
совпадает со знаком ее второй производной.
Если f(a)*f(b)<0, т.е. известно, что на отрезке [a,b] существует корень уравнения f(x)=0, то целесообразно использовать метод хорд в следующем виде:
1.если
для
нужно взять
,
тогда
2.если
для
,
нужно взять
,
тогда
Т.о. в методе хорд кривая f(x) заменяется хордами, проходящими через концы отрезка, на котором эта кривая y=f(x) имеет разные знаки. За начальное приближение берем один из концов отрезка, на котором функция имеет знак противоположный знаку второй производной. На втором конце отрезка значение функции – это неподвижная точка. Последовательность приближений к корню х* будет монотонной и односторонней - располагается по ту сторону от корня, где выбрано начальное приближение.
Метод секущих
(хорд) является более экономичным по
сравнению с методом Ньютона по количеству
функций, подлежащих расчету: на каждой
итерации в методе секущих необходимо
рассчитать только значение
,
т.к. значение
уже известно из предыдущей итерации.
В практической реализации используют комбинацию двух и более методов, так называемые полиалгоритмы.
13. Метод парабол.
Методы, использующие исключение отрезков, основаны на сравнении функций в 2х точках пробного отрезка, учитываются лишь значения функции в этих точках.
Учесть информацию о значениях функции между точками позволяют методы полиномиальной аппроксимации. Их основная идея заключена в том, что функция Φ(u) аппроксимируется полиномом, а точка его минимума служит приближением к u*. Разумеется, в этом случае кроме свойства унимодальности (т.е. наличия единственного минимума на рассматриваемом отрезке), необходимо на Φ(u) наложить и требования достаточной гладкости для ее полиномиальной аппроксимации.
Для повышения точности поиска u* можно как увеличивать степень полинома, так и уменьшать пробный отрезок. Поскольку первый прием приводит к заметному увеличению вычислительной работы и появлению дополнительных экстремумов, обычно пользуются полиномами второй (метод парабол) или третьей (метод кубической интерполяции) степени.
Алгоритм поиска минимума состоит в следующем.
Выбираем на пробном отрезке три точки u1, u2, u3 такие, что u1 < u2 < u3 и .
Построим параболу (квадратичный полином)
Q(u) = a0 + a1 (u - u1) + a2 (u - u1)(u - u2),
график которой проходит через точки (u1,f(u1)), (u2,f(u2)), (u3,f(u3)).
Коэффициенты ak, k = 1, 2, 3 находим из системы уравнений
Q(u1) = f(u1),
Q(u2) = f(u2),
Q(u3) = f(u3),
откуда
Точку минимума Q(u) находим, приравнивания его производную к нулю:
Далее полагаем: (очередное приближение точки минимума). Эту процедуру можно продолжить до достижения необходимой точности, выбирая новые точки uk, k = 1, 2, 3. Для этого можно использовать методы исключения отрезков, используя в качестве двух пробных точек u2 и , таких, что u2, .
