2.1. Вариант 1

Применительно к СНАУ получим следующий алгоритм:

1. Выбрать начальный вектор , положить

2. Вычислить вектор . Если все , где e- заданная точность расчета, то получено решение, расчет окончен. Если и , то итерационный процесс расходится, расчет завершить аварийно.

3. Построить матрицу Якоби

и вычислить значения всех производных в точке .

4. Решить систему уравнений, определив вектор поправок

5. Вычислить новое приближение

и положить .

6. Если , где -заданное предельное число итераций, то аварийно завершить расчет, иначе перейти к п.2 алгоритма.

7. Конец алгоритма.

Метод Ньютона при начальном приближении близком к некоторому решению часто обладает устойчивой квадратичной сходимостью. При плохой начальной точке имеет место расходящийся итерационный процесс. Метод Ньютона расходится, если матрица Якоби плохо обусловлена в окрестности решения. Часто перед использованием метода Ньютона выполняют несколько итераций, например, методом последовательных приближений для того, чтобы иметь «хорошее» начальное приближение.

В качестве косвенного критерия расхождения итерационного процесса можно использовать изменение знака Якобиана - определителя матрицы Якоби. Однако это условие, являясь достаточным, не является необходимым. Якобиан может быть вычислен, как побочный продукт решения методом Гаусса системы из п.3 алгоритма.

2.2. Вариант 2

Алгоритм:

Задаём абсолютную или относительную погрешность , число уравнений , максимальное число итераций и вектор начальных приближений (с компонентами ).
Используя разложение в ряд Тейлора, формулируем матрицу Якоби , необходимую для расчёта приращений при малом изменении переменных. Матрица Якоби в развёрнутом виде записывается следующим образом:

Поскольку аналитическое дифференцирование в общем случае нежелательно, заменяем частные производные в матрице Якоби их приближенными конечно-разностными значениями