Содержание
- 2. Введем обозначения
- 3. Тогда исходную систему запишем относительно векторной функции F векторного аргумента Следовательно, исходную задачу можно рассматривать как
- 4. Однако, переход от к вносит в задачу нахождения нулей свою специфику. Метод Ньютона решения систем нелинейных
- 5. или в компактной форме: Для задачи о неподвижной точке нелинейного отображения запишем
- 6. формальное равенство: где определяет метод простых итераций и Пусть известно - е приближение одного из изолированных
- 7. Тогда точный корень уравнения можно представить: где поправка (погрешность корня). Имеем Предполагая, что непрерывно дифференцируема в
- 8. членами Под производной следует понимать матрицу Якоби системы функций относительно переменных т.е.
- 9. Тогда Если то Следовательно, метод Ньютона для решения исходной системы состоит в построении итерационной последовательности: k=0,1,2,
- 10. Пример. Найти методом Ньютона решение системы уравнений исходя из начального приближения
- 11. Полагая имеем
- 12. Подставляя данные, получаем Составим матрицу Якоби:
- 13. При этом Т.к. то найдем обратную ей матрицу
- 14. Получим первое приближение:
- 15. а Аналогично находим дальнейшие приближения В результате получим ( )
- 16. Решение нелинейных систем методами спуска Общий недостаток всех рассмотренных ранее методов решения систем нелинейных уравнений состоит
- 17. Пусть задана система Образуем новую функцию Т.к. эта функция не отрицательна, то всегда найдется точка такая,
- 19. Т.е., если удается получить точку минимизирующую функцию и если при этом окажется, что то точка истинное
- 20. Последовательность точек приближений к точке минимума функции получают по формуле где вектор, определяющий направление минимизации, а
- 21. Исходя из геометрического смысла задачи, итерационный метод называется методом спуска. При выборе направления спуска определяющим является
- 22. Направление наибольшего возрастания функции в данной точке показывает её градиент в этой точке. Поэтому антиградиент функции
- 23. Тогда суть градиентного метода Достоинство градиентного метода решения нелинейных систем – глобальная сходимость. Главный недостаток –
- 24. Пример. Найти максимум функции Методом скорейшего спуска при ограничениях: Функция является выпуклой, поэтому её локальный максимум
- 25. Пусть исходная точка Подставляя координаты в выражение градиента, получим Используя формулу получим Используя скалярное произведение векторов
- 26. найдём Отсюда а=0,7449 – величина длины шага. Тогда координаты следующей точки и градиента:
- 27. Выполняя в цикле представленные расчёты, процесс итерации заканчиваем при достижении заданной точности отклонения В нашем примере
- 28. Пример. Найти направление наискорейшего возрастания функции в точке и вычислить значение производной в этом направлении. Решение.
- 30. Скачать презентацию