- •Введение
- •Глава 1. Погрешность результата численного решения задачи
- •1.1. Источники и классификация погрешностей
- •1.2. Абсолютная и относительная погрешности. Формы записи данных.
- •1.3. Вычислительная погрешность
- •Глава 2. Решение нелинейных уравнений
- •2.1. Отделение корней уравнения
- •2.1.1. Аналитический метод отделения корней
- •2.1.2. Графический метод отделения корней
- •2.2. Уточнение приближенных корней
- •2.2.1. Метод половинного деления
- •2.2.2 Метод хорд
- •2.2.3. Метод Ньютона – метод касательных
- •2.2.4. Модифицированный метод Ньютона
- •2.2.5. Метод секущих
- •2.2.6. Метод итераций
- •Глава 3. Решения систем линейных алгебраических уравнений
- •3.1. Метод итераций
- •3.1.1. Оценка погрешности приближений процесса итераций
- •3.1.2. Приведение линейной системы к виду, удобному для итерации:
- •3.2. Метод Зейделя
- •3.3. Метод релаксаций
- •Глава 4. Решение систем нелинейных уравнений
- •4.1. Метод Ньютона для систем нелинейных уравнений
- •4.2. Распространение метода Ньютона на системы из n уравнений с n неизвестными
- •4.3. Метод итераций для систем нелинейных уравнений
- •4.4. Распространение метода итераций на системы из n уравнений с n неизвестными
- •Глава 5. Интерполяция
- •5.1. Постановка задачи интерполирования
- •5.2. Конечные разности
- •5.3. Интерполяционная формула Ньютона №1
- •5.4. Интерполяционная формула Ньютона №2
- •5.5. Интерполяционный многочлен Лагранжа
- •5.5.1. Вычисление лагранжевых коэффициентов
- •5.5.2. Схема Эйткина
- •5.5.3. Остаточный член формулы Лагранжа
- •5.6. Обратное интерполирование
- •5.6.1 Итерационные методы для обратного интерполирования
- •Глава 6. Аппроксимация функций с помощью сплайнов
- •6.1. Кубические сплайны
- •Глава 7. Методы обработки экспериментальных данных
- •7.1 Построение эмпирической формулы.
- •7.2. Метод выбранных точек (метод натянутой нити)
- •7.3 Метод средних
- •7.4. Метод наименьших квадратов
- •7.5. Метод выравнивания
- •7.6. Метод наименьших квадратов для полиномов
- •Глава 8. Численное интегрирование
- •8.1. Квадратурные формулы Ньютона-Котеса
- •8.1. Формула трапеций и ее остаточный член
- •8.2. Общая формула трапеций и ее остаточный член
- •8 .3 Формула Симпсона и ее остаточный член
- •8.4. Общая формула Симпсона и ее остаточный член
- •8.5. Формулы Ньютона-Котеса высших порядков
- •8.6. Квадратурная формула Чебышева
- •8.7. Квадратурная формула Гаусса
- •Глава 9. Приближенное решение обыкновенных дифференциальных уравнений
- •9.1. Аналитические методы
- •9.1.1. Метод последовательного дифференцирования
- •9.1.2. Метод последовательных приближений.
- •9.1.3 Метод неопределенных коэффициентов.
- •9.2. Численные методы
- •9.2.1. Метод Эйлера
- •9.2.2. Модифицированные методы Эйлера Первый улучшенный метод Эйлера
- •Второй улучшенный метод Эйлера
- •Третий улучшенный метод Эйлера
- •9.2.3. Метод Рунге-Кутта для уравнений первого порядка
- •Список литературы
3.1.1. Оценка погрешности приближений процесса итераций
Пусть и - два последовательных приближения системы (3.2). Тогда для приближения справедлива оценка
:,
если выполнено первое условие теоремы 3.1, или
,
если выполнено второе условие теоремы 3.1. Процесс итерации заканчивают, когда указанные оценки свидетельствуют о достижении заданной точности ε.
или
3.1.2. Приведение линейной системы к виду, удобному для итерации:
Сходимость накладывает жесткие условия на коэффициенты данной линейной системы . Однако, если , то с помощью линейного комбинирования уравнений системы, последнюю всегда можно заменить эквивалентной системой , такой, что условия сходимости будут выполнены. Умножим уравнение (3.1) на матрицу, где - матрица с малыми по модулю, одинаковыми элементами. Тогда будем иметь:
или , где и .
Все элементы матрицы ε выбираем одинаковыми из условия . Это обеспечивает выполнение достаточного условия сходимости метода.
Пример 3.1 Решить систему методом итераций в Mathcad с тремя верными цифрами после запятой
Точность вычислений
Решение исходной системы матричным методом
2*I+II
II+2*III
II-3III
В качестве начального приближения возьмем столбец свободных членов, сделаем 6 приближений, вектор разностей между соседними приближениями обозначим z. Результаты поместим в матрицу x.
Ответ:
3.2. Метод Зейделя
Метод Зейделя является модификацией метода итерации. Он заключается в том, что при вычислении (k+1)-го приближения неизвестного при i>1 используют уже вычисленные ранее (k+1)-е приближения неизвестных
Пусть дана приведенная линейная система
Выберем произвольно начальные приближения корней ,
Далее, предполагая, что k-е приближения корней известны, согласно Зейделю будем строить (k+1)-е приближения корней по следующим формулам:
Процесс повторяется до тех пор, пока разница между двумя соседними приближениями не будет меньше необходимой точности.
Условия сходимости те же, что и для метода итераций.
Пример 3.2. Пусть дана линейная система и приближенные корни системы:
и .
Приведем систему к виду, удобному для итераций
поэтому метод сходится
Взяв в качестве начальных приближений: , получим:
при k=1
при k = 2
Найдем разность по модулю между соседними приближениями:
|-| = 0,00048
|-| = 0,00047
|-| = 0,00016
Так как для приведенной системы выполняется условие сходимости при ,то полученное приближение имеет погрешность, не превышающую 0,0005.
Таким образом, в качестве решения можем принять .