Численные методы решения нелинейных уравнений
В этом разделе приведены примеры решенных задач по теме нахождения корней нелинейных уравнений численными методами. На первом этапе обычно происходит локализация (отделение) корней (графически или аналитически), на втором — уточнение (поиск) корней разными методами: Ньютона, Стеффенсена, секущих, хорд, касательных, простой итерации.
Примеры приближенных решений нелинейных уравнений онлайн
Задача 1. Методом бисекции найти решение нелинейного уравнения на отрезке $[a;b]$ с точностью $\varepsilon = 10^<-2>$. Выбрав полученное решение в качестве начального приближения, найти решение уравнения методом простой итерации с точностью $\varepsilon=10^<-4>$. Для метода простой итерации обосновать сходимость и оценить достаточное для достижения заданной точности число итераций.
Задача 2. Отделить корни нелинейного уравнения аналитически $2 arcctg x -x+3=0$.
Задача 3. Отделить корни нелинейного уравнения аналитически и уточнить один из них методом проб с точностью до 0,01. $$3x^4-8x^3-18x^2+2=0.$$
Задача 4. Отделить корни нелинейного уравнения графически (например, в среде EXCEL) уточнить один из них методом проб с точностью до 0,01. $$x^2-20 \sin x =0.$$
Задача 5. Отделите корни уравнения графически и уточните один из них методом хорд с точностью до 0,001. Уточните один из корней этого уравнения методом касательных с точностью до 0,001. $$ \sqrt
Задача 6.Отделить корни уравнения графически и уточнить один из них методом итераций с точностью до 0,001. $$\sqrt
Задача 7. На отрезке $[0;2]$ методом Ньютона найти корень уравнения $-x^3-2x^2-4x+10=0$ с точностью 0,01.
Задача 8. Методом хорд найти отрицательный корень уравнения $x^3-2x^2-4x+7=0$ с точностью 0,0001. Требуется предварительное построение графика функции и отделение корней.
Задача 9. Решить нелинейные уравнения с точностью до 0.001. $$1)\, x^3-12x-5=0\, (x \gt 0), \, 2)\, \tan x -1/x=0. $$
Решение нелинейных уравнений
Уравнения, в которых содержатся неизвестные функции, произведенные в степень больше единицы, называются нелинейными.
Например, y=ax+b – линейное уравнение, х^3 – 0,2x^2 + 0,5x + 1,5 = 0 – нелинейное (в общем виде записывается как F(x)=0).
Системой нелинейных уравнений считается одновременное решение нескольких нелинейных уравнений с одной или несколькими переменными.
Существует множество методов решения нелинейных уравнений и систем нелинейных уравнений, которые принято относить в 3 группы: численные, графические и аналитические. Аналитические методы позволяют определить точные значения решения уравнений. Графические методы наименее точны, но позволяют в сложных уравнениях определить наиболее приближенные значения, с которых в дальнейшем можно начинать находить более точные решения уравнений. Численное решение нелинейных уравнений предполагает прохождения двух этапов: отделение корня и его уточнение до определенно заданной точности.
Отделение корней осуществляется различными способами: графически, при помощи различных специализированных компьютерных программ и др.
Рассмотрим несколько методов уточнения корней с определенно заданной точностью.
Методы численного решения нелинейных уравнений
Метод половинного деления.
Суть метода половинного деления заключается в делении интервала [a,b] пополам (с=(a+b)/2) и отбрасывании той части интервала, в которой отсутствует корень, т.е. условие F(a)xF(b)
Рис.1. Использование метода половинного деления при решении нелинейных уравнений.
Рассмотрим пример. Необходимо решить уравнение х^3 – 0,2x^2 + 0,5x + 1,5 = 0 с точностью до e 0, то начала отрезка a переносится в x (a=x), иначе, конец отрезка b переносится в точку x (b=x). Полученный отрезок делим опять пополам и т.д. Весь произведенный расчет отражен ниже в таблице.
Рис.2. Таблица результатов вычислений
В результате вычислений получаем значение с учетом требуемой точности, равной x=-0,946
При использовании метода хорд, задается отрезок [a,b], в котором есть только один корень с установленной точностью e. Через точки в отрезке a и b, которые имеют координаты (x(F(a);y(F(b)), проводится линия (хорда). Далее определяются точки пересечения этой линии с осью абсцисс (точка z).
Если F(a)xF(z)
Рис.3. Использование метода хорд при решении нелинейных уравнений.
Рассмотрим пример. Необходимо решить уравнение х^3 – 0,2x^2 + 0,5x + 1,5 = 0 с точностью до e 0;
Определим вторую производную F’’(x) = 6x-0,4.
F’’(-1)=-6,4 0 соблюдается, поэтому для определения корня уравнения воспользуемся формулой:
, где x0=b, F(a)=F(-1)=-0,2
Весь произведенный расчет отражен ниже в таблице.
Рис.4. Таблица результатов вычислений
В результате вычислений получаем значение с учетом требуемой точности, равной x=-0,946
Метод касательных (Ньютона)
Данный метод основывается на построении касательных к графику, которые проводятся на одном из концов интервала [a,b]. В точке пересечения с осью X (z1) строится новая касательная. Данная процедура продолжается до тех пор, пока полученное значение не будет сравним с нужным параметром точности e (F(zi)
Рис.5. Использование метода касательных (Ньютона) при решении нелинейных уравнений.
Рассмотрим пример. Необходимо решить уравнение х^3 – 0,2x^2 + 0,5x + 1,5 = 0 с точностью до e 0 выполняется, поэтому расчеты производим по формуле:
Весь произведенный расчет отражен ниже в таблице.
Рис.6. Таблица результатов вычислений
В результате вычислений получаем значение с учетом требуемой точности, равной x=-0,946
Если материал был полезен, вы можете отправить донат или поделиться данным материалом в социальных сетях:
Нелинейные системы и уравнения
В более общем случае мы имеем не одно уравнение (1), а систему нелинейных уравнений $$ \begin
Метод Ньютона
Решение нелинейных уравнений
При итерационном решении уравнений (1), (3) задается некоторое начальное приближение, достаточно близкое к искомому решению \( x^* \). В одношаговых итерационных методах новое приближение \( x_
В итерационном методе Ньютона (методе касательных) для нового приближения имеем $$ \begin
Вычисления по (4) проводятся до тех пор, пока \( f(x_k) \) не станет близким к нулю. Более точно, до тех пор, пока \( |f_(x_k)| > \varepsilon \), где \( \varepsilon \) — малая величина.
Простейшая реализация метода Ньютона может выглядеть следующим образом:
Чтобы найти корень уравнения \( x^2 = 9 \) необходимо реализовать функции
Данная функция хорошо работает для приведенного примера. Однако, в общем случае могут возникать некоторые ошибки, которые нужно отлавливать. Например: пусть нужно решить уравнение \( \tanh(x) = 0 \), точное решение которого \( x = 0 \). Если \( |x_0| \leq 1.08 \), то метод сходится за шесть итераций.
Теперь зададим \( x_0 \) близким к \( 1.09 \). Возникнет переполнение
Возникнет деление на ноль, так как для \( x_7 = -126055892892.66042 \) значение \( \tanh(x_7) \) при машинном округлении равно \( 1.0 \) и поэтому \( f^\prime(x_7) = 1 — \tanh(x_7)^2 \) становится равной нулю в знаменателе.
Проблема заключается в том, что при таком начальном приближении метод Ньютона расходится.
Еще один недостаток функции naive_Newton заключается в том, что функция f(x) вызывается в два раза больше, чем необходимо.
Учитывая выше сказанное реализуем функцию с учетом следующего:
- обрабатывать деление на ноль
- задавать максимальное число итераций в случае расходимости метода
- убрать лишний вызов функции f(x)
Метод Ньютона сходится быстро, если начальное приближение близко к решению. Выбор начального приближение влияет не только на скорость сходимости, но и на сходимость вообще. Т.е. при неправильном выборе начального приближения метод Ньютона может расходиться. Неплохой стратегией в случае, когда начальное приближение далеко от точного решения, может быть использование нескольких итераций по методу бисекций, а затем использовать метод Ньютона.
При реализации метода Ньютона нужно знать аналитическое выражение для производной \( f^\prime(x) \). Python содержит пакет SymPy, который можно использовать для создания функции dfdx . Для нашей задачи это можно реализовать следующим образом:
Решение нелинейных систем
Идея метода Ньютона для приближенного решения системы (2) заключается в следующем: имея некоторое приближение \( \pmb
Таким образом, \( k \)-я итерация метода Ньютона состоит из двух стадий:
1. Решается система линейных уравнений (СЛАУ) \( \pmb
2. Находится значение вектора на следующей итерации \( \pmb
Для решения СЛАУ можно использовать приближенные методы. Можно также использовать метод Гаусса. Пакет numpy содержит модуль linalg , основанный на известной библиотеке LAPACK, в которой реализованы методы линейной алгебры. Инструкция x = numpy.linalg.solve(A, b) решает систему \( Ax = b \) методом Гаусса, реализованным в библиотеке LAPACK.
Когда система нелинейных уравнений возникает при решении задач для нелинейных уравнений в частных производных, матрица Якоби часто бывает разреженной. В этом случае целесообразно использовать специальные методы для разреженных матриц или итерационные методы.
Можно также воспользоваться методами, реализованными для систем линейных уравнений.
http://reshit.ru/Reshenie-nelineynyh-uravneniy
http://slemeshevsky.github.io/num-mmf/snes/html/._snes-FlatUI001.html