- •Приближенное решение алгебраических и трансцендентных уравнений
- •Содержание работы
- •Основные понятия
- •Этап 1. Отделение корней
- •Аналитический способ отделения корней.
- •Рекуррентная формула для вычисления последовательных приближений
- •Упрощенный вариант метода
- •Оценка погрешности приближения
- •Оценка погрешности приближения
- •Метод итераций
- •Оценка погрешности приближения
- •Постановка задачи ( общая формулировка )
- •Варианты заданий
- •Содержание отчета
- •Вопросы и задания для самоконтроля
- •Лабораторная работа № 2 Решение систем линейных уравнений
- •Содержание работы
- •Основные понятия
- •Метод Крамера
- •Метод Гаусса
- •Прямой ход
- •Обратный ход
- •Контроль вычислений
- •Текущий контроль (контроль прямого хода).
- •Заключительный контроль (контроль обратного хода).
- •Применение метода Гаусса для вычисления определителей
- •Применение метода Гаусса для обращения матриц
- •Метод Гаусса с выбором главного элемента
- •Метод Гаусса–Жордана
- •Метод простых итераций
- •Преобразование слу к итерационному виду
- •Оценка погрешности приближений
- •Метод Зейделя
- •Постановка задачи
- •Варианты заданий
- •Содержание отчета
- •Вопросы и задания для самоконтроля
- •1. Изучение
- •Основные понятия
- •Случаи применения интерполяции
- •Теорема существования и единственности интерполяционного полинома
- •Интерполяционные полиномы Ньютона
- •Конечные разности
- •Разделенные разности
- •2. Т.К. В формуле присутствуют , , , ••• , то она удобна для интерполяции в начале таблицы и не используется в конце.
- •Разделенные разности:
- •И ; . Нтерполяционный полином Лагранжа
- •Экстраполяция
- •Обратная интерполяция
- •Оценка погрешности приближения функции интерполяционным полиномом
- •Рассмотрим вспомогательную функцию
- •По теореме Ролля
- •Практическая оценка погрешности
- •Если ,
- •Постановка задачи Функция заданна таблично
- •Варианты заданий
- •Содержание отчета
- •Вопросы и задания для самоконтроля
Метод простых итераций
Предварительно необходимо привести систему к виду
где
В матричной форме : x = + x ,
где - матрица-столбец ,
- квадратная матрица .
Выбор начального приближения
x(0) = .
Замечание. В принципе , x(0) может быть произвольным . Сходимость процесса зависит только от свойств матрицы .
Формирование последовательных приближений
x(1) = + x(0) ,
x(2) = + x(1) ,
.
.
.
x(k) = + x(k-1) ,
.
.
.
Если последовательность x(0), x(1) x(2), ... , x(k), ... имеет предел ( - матрица-столбец ) , то он является решением системы .
Формулы приближений в развернутом виде
xi(0) = i ( ii = 0 ) ,
( i = 1,2,...,n ) ,
( k = 1,2 ,... ) .
Достаточное условие сходимости итерационного процесса любая норма < 1 .
Замечание . Каноническая норма матрицы - число , определяемое следующим образом :
m – норма: ,
l – норма: ,
k – норма: .
П ример.
Преобразование слу к итерационному виду
Выделение уравнений с коэффициентами .
2. Размещение выделенных уравнений по принципу aik=ajj - максимальный коэффициент - диагональный .
3. Заполнение свободных строк новой системы.
Новое уравнение есть линейная комбинация выделенного (-ых) с одним из оставшихся от
неиспользованных уравнений.
Цель преобразований получить эквивалентную матрицу с максимальными диагональными элементами.
Оценка погрешности приближений
x(k) - x(k-1) .
Достоинство метода : удобен для программирования .
Недостаток : предварительное приведения СЛУ к виду , удобному для итераций , в некоторых случаях может оказаться трудоемкой процедурой .
Пример . Решение СЛУ методом простых итераций с точностью 10-3 (табл. 2.9) .
Преобразование к итерационному виду :
Приведенная СЛУ :
Таблица 2.9
k |
x1(k) |
х2(k) |
x3(k) |
x4(k) |
0 1 2 3 4 5 6 7 8 9 |
-2,75 -2,2663 -1,9067 -1,9684 -2,0112 -2,0038 -1,9987 -1,9996 -2,0002 -2,0001 |
1,0000 0,0227 -0,1299 -0,0022 0,0155 0,0003 -0,0019 -0,0000 0,0002 0 |
0,1818 1,1234 1,0998 0,9852 0,9880 1,0018 1,0014 0,9998 0,9998 1,0000 |
-1,5714 -1,1266 -0,9267 -0,9848 -1,0087 -1,0018 -0,9989 -0,9998 -1,0001 -1,0000 |
, где = 0,001
Метод Зейделя
Данный метод является модификацией метода простых итераций .
Порядок выполнения итерации:
или
.
Достаточное условие сходимости метода Зейделя аналогично достаточному условию сходимости метода простых итераций.
Достоинство метода скорость сходимости возрастает и следовательно увеличивается точность результата (при фиксированном количестве итераций).
Недостаток возрастает трудоемкость .
Пример . Решение СЛУ методом Зейделя с точностью 10-3 (табл. 2.10) .
Таблица 2.10
k |
x1(k) |
x2(k) |
x3(k) |
x4(k) |
0 1 2 3 4 5 6 7 |
-2,75 -2,2663 -1,8990 -2,0199 -1,9947 -2,0012 -1,9997 -2,0001 |
1,0000 0,1840 -0,0523 0,0117 -0,0029 0,0007 -0,0002 0,0000 |
0,1818 1,2580 0,9451 1,0141 0,9967 1,0008 0,9998 1,0001 |
-1,5714 -0,8882 -1,0301 -0,9931 -1,0017 -0,9996 -1,0001 -1,0000 |