Xreferat.com » Рефераты по математике » Вычислительная математика

Вычислительная математика

alt="Вычислительная математика" width="50" height="46" align="BOTTOM" border="0" /> » 1.618. (2.21)


Сравнение оценок (2.15) и (2.21) показывает, что p < 2, и метод секущих сходится медленнее, чем метод Ньютона. Но в методе Ньютона на каждой итерации надо вычислять и функцию, и производную, а в методе секущих – только функцию. Поэтому при одинаковом объеме вычислений в методе секущих можно сделать примерно вдвое больше итераций и получить более высокую точность.

Так же, как и метод Ньютона, при неудачном выборе начальных приближений (вдали от корня) метод секущих может расходиться. Кроме того применение метода секущих осложняется из-за того, что в знаменатель расчетной формулы метода (2.20) входит разность значений функции. Вблизи корня эта разность мала, и метод теряет устойчивость.

Критерий окончания. Критерий окончания итераций метода секущих такой же, как и для метода Ньютона. При заданной точности e > 0 вычисления нужно вести до тех пор, пока не будет выполнено неравенство


|xn – xn – 1| < e. (2.22)


Пример 2.4.

Применим метод секущих для вычисления положительного корня уравнения 4(1 – x2) – ex = 0 с точностью e = 10-3.

Корень этого уравнения находится на отрезке [0, 1], так как f (0) = 3 > 0, а f (1) = –e < 0. Подсчитаем вторую производную функции: f "(x) = –8 – ex. Условие f(x)f " (x) і 0 выполняется для точки b = 1. В качестве начального приближения возьмем x0 = b = 1. В качестве второго начального значения возьмем x1 = 0.5. Проведем вычисления по расчетной формуле (2.20). Результаты приведены в табл. 2.4.


Таблица 2.4

n xn

0

1

2

3

4

5

1.0000

0.5000

0.6660

0.7093

0.7033

0.7034


2.7 Метод ложного положения


Рассмотрим еще одну модификацию метода Ньютона.

Пусть известно, что простой корень x* уравнения f(x) = 0 находится на отрезке [a, b] и на одном из концов отрезка выполняется условие f(x)f"(x) і 0. Возьмем эту точку в качестве начального приближения. Пусть для определенности это будет b. Положим x0 = a. Будем проводить из точки B = (b, f(b)) прямые через расположенные на графике функции точки Bn с координатами (xn, f(xn), n = 0, 1, … . Абсцисса точки пересечения такой прямой с осью OX есть очередное приближение xn+1.

Геометрическая иллюстрация метода приведена на рис. 2.10.


Рис. 2.10

Прямые на этом рисунке заменяют касательные в методе Ньютона (рис. 2.8). Эта замена основана на приближенном равенстве


f '(xn) » Вычислительная математика. (2.23)


Заменим в расчетной формуле Ньютона (2.13) производную f '(xn) правой частью приближенного равенства (2.23). В результате получим расчетную формулу метода ложного положения:


xn +1 = xn –.Вычислительная математика. (2.24)


Метод ложного положения обладает только линейной сходимостью. Сходимость тем выше, чем меньше отрезок [a, b].

Критерий окончания. Критерий окончания итераций метода ложного положения такой же, как и для метода Ньютона. При заданной точности e > 0 вычисления нужно вести до тех пор, пока не будет выполнено неравенство


|xn – xn – 1| < e. (2.25)


Пример 2.5.

Применим метод ложного положения для вычисления корня уравнения x3 + 2x – 11 = 0 с точностью e = 10-3.

Корень этого уравнения находится на отрезке [1, 2], так как f (1) = –8 < 0, а f (2) = 1 > 0. Для ускорения сходимости возьмем более узкий отрезок [1.9, 2], поскольку f (1.9) < 0, а f (2) > 0. Вторая производная функции f (x) = x3 + 2x – 11 равна 6x. Условие f(x)f"(x) і 0 выполняется для точки b = 2. В качестве начального приближения возьмем x0 = a = 1.9. По формуле (2.24) имеем

x1 = x0 –.Вычислительная математика = 1.9 + Вычислительная математика » 1.9254.


Продолжая итерационный процесс, получим результаты, приведенные в табл. 2.5.


Таблица 2.5

n xn

0

1

2

3


1.9

1.9254

1.9263

1.9263

Тема 3. Решение систем линейных алгебраических уравнений


3.1 Постановка задачи


Требуется найти решение системы линейных уравнений:


Вычислительная математикаa11x1 + a12 x2 + a13x3 + … + a1nxn = b1

a21x1 + a22 x2 + a23x3 + … + a2nxn = b2

a31x1 + a32 x2 + a33x3 + … + a3nxn = b3 (3.1)

.

an1x1 + an2 x2 + an3x3 + … + annxn = bn


или в матричной форме:


Ax = b, (3.2)


Вычислительная математикагде

Вычислительная математикаВычислительная математикаa11 a12 a13 … a1n x1 b1

a21 a22 a23 … a2n x2 b2

A = a31 a32 a33 … a3n x =x3 , b =b3


an1 an2 an3 ann xn bn


По правилу Крамера система n линейных уравнений имеет единственное решение, если определитель системы отличен от нуля (det A Вычислительная математика0) и значение каждого из неизвестных определяется следующим образом:


xj = Вычислительная математика, j = 1, …, n, (3.3)

где det Aj – определитель матрицы, получаемой заменой j-го столбца матрицы A столбцом правых частей b.

Непосредственный расчет определителей для больших n является очень трудоемким по сравнению с вычислительными методами.

Известные в настоящее время многочисленные приближенные методы решения систем линейных алгебраических уравнений распадаются на две большие группы: прямые методы и методы итераций.

Прямые методы всегда гарантируют получение решения, если оно существуют, однако, для больших n требуется большое количество операций, и возникает опасность накопления погрешностей.

Этого недостатка лишены итерационные методы, но зато они не всегда сходятся и могут применяться лишь для систем определенных классов.

Среди прямых методов наиболее распространенным является метод исключения Гаусса и его модификации, Наиболее распространенными итерационными методами является метод простых итераций Якоби и метод Зейделя.

Эти методы будут рассмотрены в следующих разделах.


3.2 Метод исключения Гаусса. Схема единственного деления


Основная идея метода исключений Гаусса состоит в том, что система уравнений (3.1) приводится к эквивалентной ей системе с верхней треугольной матрицей (прямой ход исключений), а затем неизвестные вычисляются последовательной подстановкой (обратный ход исключений).

Рассмотрим сначала простейший метод исключения Гаусса, называемый схемой единственного деления.

Прямой ход состоит из n – 1 шагов. На первом шаге исключается переменная x1 из всех уравнений, кроме первого. Для этого нужно из второго, третьего, …, n-го уравнений вычесть первое, умноженное на величину

mВычислительная математика = Вычислительная математика, i = 2, 3, …, n. (3.4)


При этом коэффициенты при x1 обратятся в нуль во всех уравнениях, кроме первого.

Введем обозначения:


aВычислительная математика = aij – mВычислительная математикаa1j , bВычислительная математика= bi – mВычислительная математикаb1. (3.5)


Легко убедиться, что для всех уравнений, начиная со второго, aВычислительная математика= 0, i = 2, 3, …, n. Преобразованная система запишется в виде:


Вычислительная математика a11x1 + a12 x2 + a13x3 + … + a1nxn = b1

aВычислительная математикаx2 + aВычислительная математикаx3 + … + aВычислительная математикаxn = bВычислительная математика

aВычислительная математика x2 + aВычислительная математикаx3 + … + aВычислительная математикаxn = bВычислительная математика (3.6)


aВычислительная математикаx2 + aВычислительная математикаx3 + … + aВычислительная математикаxn = bВычислительная математика


Все уравнения (3.6), кроме первого, образуют систему (n – 1)-го порядка. Применяя к ней ту же процедуру, мы можем исключить из третьего, четвертого, …, n-го уравнений переменную x2. Точно так же исключаем переменную x3 из последних n – 3 уравнений.

На некотором k-ом шаге в предположении, что главный элемент k-ого шага aВычислительная математикаВычислительная математика0, переменная xk исключается с помощью формул:


mВычислительная математика = Вычислительная математика,

aВычислительная математика = aВычислительная математика – mВычислительная математикаaВычислительная математика ,

bВычислительная математика= bВычислительная математика – mВычислительная математикаbВычислительная математика, i, j = k + 1, k + 2, …, n. (3.7)


Индекс k принимает значения 1, 2, …, n – 1.

При k = n – 1 получим треугольную систему:


Вычислительная математикаa11x1 + a12 x2 + a13x3 + … + a1nxn = b1

aВычислительная математикаx2 + aВычислительная математикаx3 + …+ aВычислительная математикаxn = bВычислительная математика

aВычислительная математикаx3 + …+ aВычислительная математикаxn = bВычислительная математика (3.8)


aВычислительная математикаxn = bВычислительная математика


с треугольной матрицей An.

Приведение системы (3.1) к треугольному виду (3.8) составляет прямой ход метода Гаусса.

При использовании метода Гаусса нет необходимости в предварительном обосновании существования и единственности решения (т. е. доказательства, что det A № 0). Если на k-ом шаге все элементы aВычислительная математика (i = k, k + 1, …, n) окажутся равными нулю, то система (3.1) не имеет единственного решения.

Обратный ход состоит в вычислении переменных. Из последнего уравнения (3.8) определяем xn... Подставляя его в предпоследнее уравнение, находим xn-1, и т. д. Общие формулы имеют вид:


xn = Вычислительная математика,

xk = Вычислительная математика(bВычислительная математика- aВычислительная математика xk+1 - aВычислительная математика xk+2 - … - a

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: