Решение нелинейных уравнений методом ньютона информатика

Курсовая работа: Метод Ньютона для решения нелинейных уравнений

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

«Приднестровский государственный университет им. Т.Г. Шевченко»

Кафедра физики, математики и информатики

по дисциплине: «Практикум по решению задач на ЭВМ»

«Метод Ньютона для решения нелинейных уравнений»

студентка III курса;

с доп. специальностью английский

преподаватель Панченко Т. А.

Внедрение ЭВМ во все сферы человеческой деятельности требует от специалистов разного профиля овладения навыками использования вычислительной техники. Повышается уровень подготовки студентов вузов, которые уже с первых курсов приобщаются к использованию ЭВМ и простейших численных методов, не говоря уже о том, при что выполнении курсовых и дипломных проектов применение вычислительной техники становится нормой в подавляющем большинстве вузов.

Вычислительная техника используется сейчас не только в инженерных расчетах и экономических науках, но и таких традиционно нематематических специальностях, как медицина, лингвистика, психология. В связи с этим можно констатировать, что применение ЭВМ приобрело массовый характер. Возникла многочисленная категория специалистов — пользователей ЭВМ, которым необходимы знания по применению ЭВМ в своей отрасли — навыки работы с уже имеющимся программным обеспечением, а также создания своего собственного программного обеспечения, приспособленного для решения конкретной задачи. И здесь на помощь пользователю приходят описания языков программирования высокого уровня и численные методы .

Численные методы разрабатывают и исследуют, как правило, высококвалифицированные специалисты-математики. Для большинства пользователей главной задачей является понимание основных идей и методов, особенностей и областей применения. Однако, пользователи хотят работать с ЭВМ не только как с высокоинтеллектуальным калькулятором, а еще и как с помощником в повседневной работе, хранилищем информации с быстрым и упорядоченным доступом, а так же с источником и обработчиком графической информации. Все эти функции современной ЭВМ я предполагаю продемонстрировать в настоящей курсовой работе.

Цели и задачи.

Целью данной курсовой работы является изучение и реализация в программном продукте решения нелинейных уравнений при помощи метода Ньютона. Данная работа состоит из трёх разделов, заключения и приложения. Первый раздел — теоретический и содержит общие сведения о методе Ньютона. Второй – это практическая часть. Здесь описывается метод Ньютона разобранный на конкретных примерах. Третий посвящён тестированию программы и анализу получившихся результатов. В заключении представлен вывод о проделанной работе.

Цельюданной курсовой работы является программная реализация метода Ньютона для решения нелинейных уравнений.

Для этого необходимо выполнить следующие задачи:

1. Изучить необходимую литературу.

2. Обзорно рассмотреть существующие методы по решению нелинейных уравнений.

3. Изучить метод Ньютона для решения нелинейных уравнений.

4. Рассмотреть решение нелинейных уравнений методом Ньютона на конкретных примерах.

5. Разработать программу для решения нелинейных уравнений методом Ньютона.

6. Проанализировать получившиеся результаты.

Рассмотрим задачу нахождения корней нелинейного уравнения

Корнями уравнения (1) называются такие значения х, которые при подстановке обращают его в тождество. Только для простейших уравнений удается найти решение в виде формул, т.е. аналитическом виде. Чаще приходится решать уравнения приближенными методами, наибольшее распространение среди которых, в связи с появлением компьютеров, получили численные методы.

Алгоритм нахождения корней приближенными методами можно разбить на два этапа. На первом изучается расположение корней и проводится их разделение. Находится область [a,b], в которой существует корень уравнения или начальное приближение к корню x₀ . Простейший способ решения этой задачи является исследование графика функции f(x) . В общем же случае для её решения необходимо привлекать все средства математического анализа.

Существование на найденном отрезке [a,b], по крайней мере, одного корня уравнения (1) следует из условия Больцано:

f(a)*f(b) 0 некоторая константа. Если m=1 , то говорят о сходимости первого порядка; m=2 — о квадратичной, m=3 — о кубической сходимостях.

Итерационные циклы заканчиваются, если при заданной допустимой погрешности выполняются критерии по абсолютным или относительным отклонениям:

; (5,6)

или малости невязки:

(7)

Эта работа посвящена изучению алгоритма решения нелинейных уравнений с помощью метода Ньютона.

1.1 Обзор существующих методов решения нелинейных уравнений

Существует много различных методов решения нелинейных уравнений, некоторые из них представлены ниже:

1)Метод итераций . При решении нелинейного уравнения методом итераций воспользуемся записью уравнения в виде x=f(x). Задаются начальное значение аргумента x₀ и точность ε. Первое приближение решения x₁ находим из выражения x₁ =f(x₀ ), второе — x₂ =f(x₁ ) и т.д. В общем случае i+1 приближение найдем по формуле xi+1 =f(xi). Указанную процедуру повторяем пока |f(xi)|>ε. Условие сходимости метода итераций |f'(x)| ε. Для определения точки пересечения (i+1) касательной с осью абсцисс воспользуемся следующей формулой x_i+1 =x_i -F(x_i )\ F’(x_i ). Условие сходимости метода касательных F(x₀ )∙F»(x)>0, и др.

3). Метод дихотомии. Методика решения сводится к постепенному делению начального интервала неопределённости пополам по формуле С_к =а_к +в_к /2.

Для того чтобы выбрать из двух получившихся отрезков необходимый, надо находить значение функции на концах получившихся отрезков и рассматривать тот на котором функция будет менять свой знак, то есть должно выполняться условие f (а_к )* f (в_к ) 0 ;

x* О [a,c] , если f(c)Ч f(b) 0 ;

Метод Ньютона (касательных) характеризуется квадратичной скоростью сходимости, т.е. на каждой итерации удваивается число верных знаков. Однако этот метод не всегда приводит к нужному результату. Рассмотрим этот вопрос подробнее.

Преобразуем уравнение (1) к эквивалентному уравнению вида:

В случае метода касательных . Если известно начальное приближение к корню x=x₀ , то следующее приближение найдем из уравнения x₁ =g(x₀ ), далее x₂ =g(x₁ ). Продолжая этот процесс, получим рекуррентную формулу метода простой итерации

Итерационный процесс продолжается до тех пор, пока не будут выполнены условия (5-7).

Всегда ли описанный вычислительный процесс приводит к искомому решению? При каких условиях он будет сходящимся? Для ответа на эти вопросы опять обратимся к геометрической иллюстрации метода.

Корень уравнения представляется точкой пересечения функций y=x и y=g(x). Как видно из рис. 3(а), если выполняется условие , то процесс сходится, иначе – расходится (рис3(б)).

Итак, для того чтобы итерационный процесс был сходящимся и приводил к искомому результату, требуется выполнение условия:

(12)

Переход от уравнения f(x)=0 к уравнению х=g(x) можно осуществлять различными способами. При этом важно, чтобы выбранная функция g(x) удовлетворяла условию (12). К примеру, если функцию f(x) умножить на произвольную константу q и добавить к обеим частям уравнения (1) переменную х, то g(x)=q*f(x)+x . Выберем константу q такой, чтобы скорость сходимости алгоритма была самой высокой. Если 1 (0) так, чтобы выполнилось условие

Задать малое положительное число ε , как точность вычислений. Положить к = 0.

2. Вычислить х (к+1) по формуле (9) :

.

3. Если | x (k+1) — x (k) | (k+1) . Иначе увеличить к на 1 (к = к + 1) и перейти к пункту 2.

Решим вручную несколько нелинейных уравнений методом Ньютона, а потом сверим результаты с теми, которые получатся при реализации программного продукта.

Решить уравнение методом Ньютона.

sin x 2 + cosx 2 — 10x. = 0.

Вычисления производить с точностью ε = 0, 001.

Вычислим первую производную функции.

F’(x)=2x cosx 2 — 2x sinx 2 — 10.

Теперь вычислим вторую производную от функции.

F’’(x)=2cosx 2 — 4x 2 sinx 2 — 2sinx 2 — 4x 2 cosx 2 = cosx 2 (2-4x 2 ) — sinx 2 (2+4x 2 ).

Построим приближённый график данной функции.

Теперь, исходя из графика, возьмём первый приближённый корень и проверим условие (16) : f(x (0) ) * f’’(x (0) ) > 0.

Пусть x (0) = 0, 565, тогда f(0. 565)*f’’(0. 565) = -4. 387 * (-0. 342) = 1. 5 > 0,

Условие выполняется, значит берём x (0) = 0, 565.

Теперь составим таблицу значений, для решения данного уравнения.

Отсюда следует, что корень уравнения х = 0, 101.

Решить уравнение методом Ньютона.

cos x – e -x2/2 + x — 1 = 0

Вычисления производить с точностью ε = 0, 001.

Вычислим первую производную функции.

F’(x) = 1 – sin x + x*e -x2/2 .

Теперь вычислим вторую производную от функции.

F’’(x) = e -x2/2 *(1-x 2 ) – cos x.

Построим приближённый график данной функции.

Теперь, исходя из графика, возьмём первый приближённый корень и проверим условие (16) : f(x (0) ) * f’’(x (0) ) > 0.

Пусть x (0) = 2, тогда f(2)*f’’(2) = 0. 449 * 0. 010 = 0.05 > 0,

Условие выполняется, значит берём x (0) = 2.

Теперь составим таблицу значений, для решения данного уравнения.

Отсюда следует, что корень уравнения х = 1. 089.

Решить уравнение методом Ньютона.

Вычисления производить с точностью ε = 0, 001.

Вычислим первую производную функции.

Теперь вычислим вторую производную от функции.

Построим приближённый график данной функции.

Теперь, исходя из графика, возьмём первый приближённый корень и проверим условие (16) : f(x (0) ) * f’’(x (0) ) > 0.

Пусть x (0) = 1, тогда f(2)*f’’(2) = 0. 632 * 1, 632 = 1, 031 > 0,

Условие выполняется, значит берём x (0) = 1.

Теперь составим таблицу значений, для решения данного уравнения.

Отсюда следует, что корень уравнения х = 0, 703.

Решить уравнение методом Ньютона.

Вычислим первую производную функции.

F’(x) = -sin x + e -x/2 /2+1.

Теперь вычислим вторую производную от функции.

F’’(x) = -cos x — e -x/2 /4.

Построим приближённый график данной функции.

Теперь, исходя из графика, возьмём первый приближённый корень и проверим условие (16) : f(x (0) ) * f’’(x (0) ) > 0.

Пусть x (0) = 1, тогда f(2)*f’’(2) = -0. 066 * (-0. 692) = 0. 046 > 0,

Условие выполняется, значит берём x (0) = 1.

Теперь составим таблицу значений, для решения данного уравнения.

Отсюда следует, что корень уравнения х = 1. 162.

Решить уравнение методом Ньютона.

Вычислим первую производную функции.

Теперь вычислим вторую производную от функции.

Построим приближённый график данной функции.

Теперь, исходя из графика, возьмём первый приближённый корень и проверим условие (16) : f(x (0) ) * f’’(x (0) ) > 0.

Пусть x (0) = 1, тогда f(2)*f’’(2) = 0. 350 * 2, 350 = 0. 823 > 0,

Условие выполняется, значит берём x (0) = 1.

Теперь составим таблицу значений, для решения данного уравнения.

Отсюда следует, что корень уравнения х = 0, 881.

3.1 Описание программы

Данная программа создана для работы в текстовом и графическом режиме. Она состоит из модуля Graph, Crt, трёх функций и трёх процедур.

1. модуль Crt предназначен для обеспечения контроля над текстовыми режимами экрана, расширенными кодами клавиатуры, цветами, окнами и звуком;

2. модуль Graph предназначен для обеспечения контроля над графическими объектами;

3. procedure GrafInit — инициализирует графический режим;

4. function VF – вычисляет значение функции;

5. function f1 – вычисляет значение первой производной функции;

6. function X_Newt – реализует алгоритм решения уравнения методом Ньютона.

7. procedure FGraf – реализует построение графика заданной функции f(x);

Ots=35 — константа, определяющая количество точек для отступа от границ монитора;

fmin, fmax – максимальные и минимальные значения функции;

SetColor(4) – процедура, которая устанавливает текущий цвет графического объекта, используя палитру, в данном случае это красный цвет;

SetBkColor(9) – процедура, которая устанавливает текущий цвет фона, используя палитру, в данном случае – это светло-синий цвет.

8. Procedure MaxMinF – вычислят максимальные и минимальные значения функции f(x).

Line – процедура, которая рисует линию из точки с координатами (x1, у1) в точку с координатами (х2, у2);

MoveTo – процедура, перемещающая указатель (СР) в точку с координатами (х, у);

TextColor(5) – процедура, устанавливающая текущий цвет символов, в данном случае – это розовый;

Outtexty(х, у, ‘строка’) – процедура, которая выводит строку, начиная с позиции (х, у)

CloseGraph – процедура, закрывающая графическую систему.

3.2 Тестирование программы

Для тестирования программы возьмем те примеры, которые решали в практической части работы, чтобы сверить результаты и проверить правильность работы программы.

1) sin x 2 + cosx 2 — 10x. = 0.

Данная программа вычисляет корни нелинейного уравнения методом Ньютона с точностью eps и чертит приблизительный график функции на отрезке [a, b].

Введите точность вычисления eps=0. 01

Корень уравнения, найденный методом Ньютона:

сделаем проверку, подставив полученный ответ в уравнение.

Получим : х=0, 0000002

2) cos x – e -x2/2 + x — 1 = 0.

Данная программа вычисляет корни нелинейного уравнения методом Ньютона с точностью eps и чертит приблизительный график функции на отрезке [a, b].

Введите точность вычисления eps=0. 001

Корень уравнения, найденный методом Ньютона:

сделаем проверку, подставив полученный ответ в уравнение.

Получим : х=-0, 0000000

Данная программа вычисляет корни нелинейного уравнения методом Ньютона с точностью eps и чертит приблизительный график функции на отрезке [a, b].

Введите точность вычисления eps=0. 01

Корень уравнения, найденный методом Ньютона:

сделаем проверку, подставив полученный ответ в уравнение.

Получим : х=0, 0000000

4) cos x –e -x/2 +x-1=0.

Данная программа вычисляет корни нелинейного уравнения методом Ньютона с точностью eps и чертит приблизительный график функции на отрезке [a, b].

Введите точность вычисления eps=0. 001

Корень уравнения, найденный методом Ньютона:

сделаем проверку, подставив полученный ответ в уравнение.

Получим : х=0, 0008180

Данная программа вычисляет корни нелинейного уравнения методом Ньютона с точностью eps и чертит приблизительный график функции на отрезке [a, b].

Введите точность вычисления eps=0. 001

Корень уравнения, найденный методом Ньютона:

Сделаем проверку, подставив полученный ответ в уравнение.

Получим : х=0, 0000000

Целью работы было создать программу, которая вычисляет корень нелинейного уравнения методом Ньютона. Исходя из этого, можно сделать вывод, что цель достигнута, так как для ее осуществления были решены следующие задачи:

1.Изучена необходимая литература.

2.Обзорно рассмотрены существующие методы по решению нелинейных уравнений.

3.Изучен метод Ньютона для решения нелинейных уравнений.

4.Рассмотрено решение нелинейных уравнений методом Ньютона на примере.

5.Проведены тестирование и отладка программы.

Список используемой литературы

1. Б.П. Демидович, И.А Марон. Основы вычислительной математики. – Москва, изд. «Наука»; 1970.

2. В.М. Вержбицкий. Численные методы (линейная алгебра и нелинейные уравнения). – Москва, «Высшая школа»; 2000.

3. Н.С.Бахвалов, А.В.Лапин, Е.В.Чижонков. Численные методы в задачах и упражнениях. – Москва, «Высшая школа»; 2000.

4. Мэтьюз, Джон, Г.,Финк, Куртис, Д. Численные методы MATLAB, 3-е издание.- Москва, «Вильяс»; 2001.

Решение нелинейных уравнений в Excel и Mathcad (стр. 1 )

Из за большого объема этот материал размещен на нескольких страницах: 1 2 3

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

Кафедра прикладной математики и вычислительной техники

Решение нелинейных уравнений в Excel и Mathcad

к выполнению лабораторных работ

по дисциплине «Вычислительная математика»

Решение нелинейных уравнений в Excel и Mathcad: Метод. указ. / Сост. , — Самара: СГАСУ, 20с.

Методические указания разработаны в соответствии с Государственным образовательным стандартом изучения дисциплины «Вычислительная математика».

Рассмотрена реализация численных методов при решении нелинейных уравнений и систем уравнений в Excel и MathCad. Приведены варианты заданий для индивидуального выполнения и вопросы для самоконтроля и тестирования.

Предназначены для студентов специальности 230201 – «Информационные системы и технологии» всех форм обучения.

Рецензент к. ф-м. н.

Ó , составление, 2012

1 Решение нелинейного уравнения

1.1 Общие сведения о решении нелинейного уравнения

1.2 Отделение корней

1.3 Уточнение корней стандартными средствами Excel и Mathcad

1.4 Метод деления отрезка пополам

1.6 Метод Ньютона (касательных)

1.7 Комбинированный метод

1.8 Метод итераций

2 Решение систем нелинейных уравнений

2.1 Общие сведения о решении систем нелинейных уравнений

2.2 Решение систем нелинейных уравнений методом Ньютона

2.3 Решение систем нелинейных уравнений методами итераций

3 Задания к лабораторным работам

Лабораторная № 1. Отделение корней и стандартные инструменты решения нелинейного уравнения

Лабораторная № 2. Сравнение методов уточнения корней нелинейного уравнения

Лабораторная № 3. Решение систем нелинейных уравнений

Лабораторная № 4. Программирование методов решения нелинейных уравнений и систем

4 Вопросы и тесты для самоконтроля

Список рекомендуемой литературы

1 Решение нелинейного уравнения

1.1 Общие сведения о решении нелинейного уравнения

Как правило, нелинейное уравнения общего вида f(х)=0 невозможно решить аналитически. Для практических задач достаточно найти приближенное значение x, в определенном смысле близкое к точному решению уравнения хточн.

В большинстве случаев поиск приближенного решения включает два этапа. На первом этапе отделяют корни, т. е. находят такие отрезки, внутри которых находится строго один корень. На втором этапе уточняют корень на одном из таких отрезков, т. е. находят его значение с требуемой точностью.

Достигнутая точность может оцениваться либо «по функции» (в найденной точке x, функция достаточно близка к 0, т. е. выполняется условие |f(x)|≤ ef, где ef требуемая точность по оси ординат), либо «по аргументу» (найден достаточно маленький отрезок [a,b], внутри которого находится корень, т. е. |b–a|≤ ex, где ex требуемая точность по оси абсцисс).

1.2 Отделение корней

Отделение корней может производиться сочетанием графического и аналитического исследования функции. Такое исследование опирается на теорему Вейерштрасса, в соответствии с которой для непрерывной на отрезке [a,b] функции f(х) и любого числа y, отвечающего условию f(a)≤y≤f(b), существует на этом отрезке точка x, в которой функция равна y. Следовательно, для непрерывной функции достаточно найти отрезок, на концах которого функция имеет разные знаки, и можно быть уверенным, что на этом отрезке есть корень уравнения f(х)=0.

Для ряда методов уточнения желательно, чтобы найденный на первом этапе отрезок содержал только один корень уравнения. Это условие выполняется, если функция на отрезке монотонна. Монотонность, можно проверить либо по графику функции, либо по знаку производной.

Пример Найти с точностью до целых все корни нелинейного уравнения y(x)=x3 ‑ 10x + 7=0 а) построив таблицу и б) построив график. Найти корень уравнения на выделенном отрезке, используя опции «Подбор параметра» и «Поиск решения».

Решение Создадим в Excel таблицу, содержащую аргументы и значения функции и по ней построим точечную диаграмму. На рисунке 1 приведен снимок решения.

На графике видно, что уравнение имеет три корня, принадлежащие отрезкам [-4, -3], [0, 1] и [2, 3]. Эти отрезки можно выявить и наблюдая за сменой знаков функции в таблице. По построенному графику можно сделать вывод, что на указанных отрезках функция f(x) монотонна и, следовательно, на каждом из них содержится только по одному корню.

Такой же анализ может быть выполнен и в пакете Mathcad. Для этого достаточно набрать определение функции f(x), используя оператор присваивания (:=) и естественные общепринятые обозначения математических операций и стандартных функций, задать цикл для изменения аргумента, например, а затем вывести на экран таблицу значений функции (располо­жен­ными в одной строке командами x= f(x)=) и график. Цикл можно задать, например, командой x:=-5,-4.5…5. Шаг цикла формируется путем задания начального и следующего за ним значений переменной, а перед конечным значением переменной ставится точка с запятой, которая будет визуально отображена на экране в виде многоточия.

Рисунок 1 – Таблица и график для отделения корней нелинейного уравнения

1.3 Уточнение корней стандартными средствами Excel и Mathcad

Во всех методах уточнения корней необходимо задать начальное прибли­же­ние, которое затем и будет уточняться. Если уравнение имеет несколько кор­ней, в зависимости от выбранного начального приближения будет найден один из них. При неудачно выбранном начальном приближении решение может и не быть найдено. Если в результате первого этапа расчетов уже выделен отрезок, содержа­щий единственный корень уравнения, в качестве начального приближения можно взять любую точку этого отрезка.

В Excel для уточнения значений корней можно использовать опции «Подбор параметра» и «Поиск решения». Пример оформления решения приведен на рисунках 2 и 3.

Рисунок 2 – Ввод значений для использования средств решения уравнения в Excel

Рисунок 3 – Результаты использования средств решения уравнения в Excel

В Mathcad для уточнения корней уравнения можно использовать функцию root(….) или блок решения. Пример использования функции root(…) приведен на рисунке 4, а блока решения на рисунке 5. Следует обратить внимание, что в блоке решения (после заголовка блока Given) между левой и правой частями уравнения должен стоять жирный знак равенства (тождества), который можно получить выбором из соответствующей палитры инструментов, либо нажатием одновременно клавиши Ctrl и =.

Рисунок 4 – Решение уравнения с использованием функции root(…) в Mathcad

Рисунок 5 – Решение уравнения с использованием блока решения в Mathcad

Как видим, каждый стандартный инструмент находит решение уравнения с определенной точностью. Эта точность зависит от метода, используемого в пакете и, в определенной степени, настроек пакета. Управлять точностью результата здесь достаточно сложно, а часто и невозможно.

В то же время, очень просто построить собственную таблицу или написать программу, реализующие один из методов уточнения корней. Здесь можно использовать критерии точности расчета, задаваемые пользователем. При этом достигается и понимание процесса расчетов без опоры на принцип Митрофанушки: «Извозчик есть, довезет».

Далее рассмотрены несколько наиболее распространенных методов. Отметим очевидный момент: при прочих равных условиях тот метод уточнения корней будет более эффективен, в котором результат с той же погрешностью найден с меньшим числом вычислений функции f(x) (при этом достигается и максимальная точность при одинаковом числе вычислений функции).

1.4 Метод деления отрезка пополам

В этом методе на каждом шаге отрезок делится на две равные части. Затем сравнивают знаки функции на концах каждой из двух половинок (например, по знаку произведения значений функций на концах), определяют ту из них, в которой содержится решение (знаки функции на концах должны быть разные), и. сужают отрезок, перенося в найденную точку его границу (а или b). Условием окончания служит малость отрезка, где содержится корень («точность по x»), либо близость к 0 значения функции в средине отрезка («точность по y»). Решением уравнения считают середину отрезка, найденного на последнем шаге.

Пример. Построить таблицу для уточнения корня уравнения x3 –10x+7=0 на отрезке [-4, -3] методом деления отрезка пополам. Определить сколько шагов надо сделать методом деления отрезка пополам и какая при этом достигается точность по х, для достижения точности по y, равной 0,1; 0,01; 0, 001.

Решение Для решения можно использовать табличный процессор Excel, позволяющий автоматически продолжать строки. На первом шаге заносим в таблицу значения левого и правого концов выбранного начального отрезка и вычисляем значение середины отрезка с=(a+b)/2, а затем вводим формулу для вычисления функции в точке a (f(a)) и растягиваем (копируем) её для вычисления f(c) и f(b). В последнем столбца вычисляем выражение (b—a)/2, характеризующего степень точности вычислений. Все набранные формулы можно скопировать во вторую строку таблицы.

На втором шаге нужно автоматизировать процесс поиска той половины отрезка, где содержится корень. Для этого испльзуется логическая функция ЕСЛИ (Меню: ВставкаФункцияЛогические). Для нового левого края отрезка мы проверяем истинность условия f(a)*f(c)>0, если оно верно, то мы в качестве нового значения левого конца отрезка берем число c (т. к. это условие показывает, что корня на отрезке [a, c] нет), иначе оставляем значение a. Аналогично, для нового правого края отрезка мы проверяем истинность условия f(c)*f(b)>0, если оно верно, то мы в качестве нового значения правого конца отрезка берем число c (т. к. это условие показывает, что корня на отрезке [c, b] нет), иначе оставляем значение b.

Вторую строку таблицы можно продолжить (скопировать) на необходимое число последующих строк.

Итерационный процесс завершается, когда очередное значение в последнем столбце становится меньшим, чем заданный показатель точности ex. При этом, значение середины отрезка в последнем приближении, принимается в качестве приближенного значения искомого корня нелинейного уравнения. На рисунке 6 приведен снимок решения. Для построения аналогичного процесса в Mathcad можно использовать бланк, подобный приведенному на рисунке 7. Число шагов N может варьиро­вать­ся до достижения в таблице результатов требуемой точности. При этом таблица будет автоматически удлиняться или укорачиваться.

Итак, одним из трех корней нелинейного уравнения x3 – 10x + 7=0, найденным с точностью e=0,0001, является x= — 3,46686. Как мы видим, он действительно принадлежит отрезку [-4; -3].

Рисунок 6 – Уточнение корня методом деления отрезка пополам в Excel

Рисунок 7 – Уточнение корня методом деления отрезка пополам в Mathcad

1.5 Метод хорд

В этом методе нелинейная функция f(x) на отделенном интервале [а, b] заменяется линейной – уравнением хорды, т. е. прямой соединяющей граничные точки графика на отрезке. Условие применимости метода – монотонность функции на начальном отрезке, обеспечивающая единственность корня на этом отрезке. Расчет по методу хорд аналогичен расчету методом деления отрезка пополам, но теперь на каждом шаге новая точка x внутри отрезка [a,b] рассчитывается по любой из следующих формул:

.

1.6 Метод Ньютона (касательных)

Идея, на которой основан метод, аналогична той, которая реализована в методе хорд, только на каждом шаге кривая f(x) заменяется касательной к ней, проведенной в предыдущей найденной точке. В качестве начальной точки в зависимости от свойств функции берется или левая граница отрезка, содержащего корень – x0 = а (если f(а) f»(х) > 0), или правая его граница: x0 = b (если f(b) f»(х)>0). Расчет нового приближения на следующем шаге i+1 производится по формуле:

.

Алгоритм применим для монотонных функций, сохраняющих выпуклость или вогнутость в промежутке между начальным приближением и корнем уравнения (т. е. должен сохраняться знак первой и второй производных функции f(x)). работоспособен при выпуклых и монотонных функциях f(x). В расчетах нет необходимости отслеживать две границы отрезка, поэтому достаточно на каждом шаге вычислять значения x, f(x) и f′(x). При этом легко оценить «точность по y», по значению левой части уравнения на очередном шаге. Для оценки «точности по x» нужно отслеживать разницу приближений на предыдущем и последующих шагах, которая связана с разницей между найденным приближением и точным значением корня.

Следует обратить внимание на следующую особенность метода: последовательность x1, x2, x3,… приближается к корню с другой стороны, в отличие от использования метода хорд при прочих равных условиях.

Главным достоинством метода касательных является квадратичная скорость сходимости, что во многих случаях может привести к сокращению числа вычислений функции.

Уточнить корень уравнения tg (0,55x+0,1) – x2=0 на отрезке [0.6, 0.8] методом касательных до точности 0,001.

Точность вычислений можно оценить из соотношения

2 Решение систем нелинейных уравнений

2.1 Общие сведения о решении систем нелинейных уравнений

Систему n нелинейных уравнений с n неизвестными x1, x2, . xn записывают в виде:

где F1, F2,…, Fn – функции независимых переменных, среди которых есть нелинейные.

Как и в случае систем линейных уравнений, решением системы является такой вектор X*, который при подстановке обращает одновременно все уравнения системы в тождества.

Система уравнений может не иметь решений, иметь единственное решение, конечное или бесконечное количество решений. Вопрос о количестве решений должен решаться для каждой конкретной задачи отдельно.

Численные методы решения системы уравнений носят итерационный характер и требуют задания начального приближения X0.

Рассмотрим две группы таких методов: метод Ньютона с различными его модификациями и методы итераций (простых итераций и Зейделя).

2.2 Решение систем нелинейных уравнений методом Ньютона

Будем рассматривать этот метод на примере системы двух нелинейных уравнений с двумя неизвестными:

Начальные значения x0 и y0 определяются графически. Для нахождения каждого последующего приближения (xi+1, yi+1) используют вектор значений функций и матрицу значений их первых производных, рассчитанные в предыдущей точке (xi, yi).

,

Для расчета новых приближений на шаге i+1 используется матричная формула

.

Следует обратить внимание, что в последней формуле используется вычисление матрицы, обратной к матрице первых производных.

Расчет останавливают при выполнении одного (а иногда и обоих) из двух условий. Первое из них заключается в том, что на очередном шаге максимальное по модулю из изменений аргументов x и y становится меньше заданная погрешность по аргументам. В соответствии со вторым из условий, на очередном шаге максимальное по модулю значение левых частей уравнений должно отличаться от нуля меньше, чем заданная погрешность по функциям.

В упрощенном методе Ньютона матрица производных и матрица, обратная к ней вычисляются только один раз (в начальной точке) и для расчетов используется матричная формула

.

Приведенные формулы особенно легко записать в Mathcad, где имеются операторы для вычисления производных и действий с матрицами. Однако при правильном использовании матричных операций эти формулы достаточно просто записываются и в Excel. Правда, здесь придется заранее получить формулы для вычисления производных. Для аналитического вычисления производных также может быть использован Mathcad.

2.3 Решение систем нелинейных уравнений методами итераций

Для реализации этих методов исходную систему уравнений необходимо путем алгебраических преобразований явно выразить каждую переменную через остальные. Для случая двух уравнений с двумя неизвестными новая система будет иметь вид

.

Для решения такой системы задаются начальным приближением x0, y0. Уточненные решения получают по шагам, подставляя в правые части уравнений значения, найденные на предыдущем шаге. В методе простых итераций для уточнения решения используют формулы:

.

Если одно из решений системы и начальные значения x0 и y0 лежат в области D, задаваемой неравенствами: a ≤ x ≤ b, c ≤ y ≤ d, то расчет по методу простых итераций сходится при выполнении в области D соотношений:

Численные методы решения систем нелинейных уравнений

Введение

Многие прикладные задачи приводят к необходимости нахождения общего решения системы нелинейных уравнений. Общего аналитического решения системы нелинейных уравнений не найдено. Существуют лишь численные методы.

Следует отметить интересный факт о том, что любая система уравнений над действительными числами может быть представлена одним равносильным уравнением, если взять все уравнения в форме , возвести их в квадрат и сложить.

Для численного решения применяются итерационные методы последовательных приближений (простой итерации) и метод Ньютона в различных модификациях. Итерационные процессы естественным образом обобщаются на случай системы нелинейных уравнений вида:

(1)

Обозначим через вектор неизвестных и определим вектор-функцию Тогда система (1) записывается в виде уравнения:

(2)

Теперь вернёмся к всеми любимому Python и отметим его первенство среди языков программирования, которые хотят изучать [1].

Этот факт является дополнительным стимулом рассмотрения числительных методов именно на Python. Однако, среди любителей Python бытует мнение, что специальные библиотечные функции, такие как scipy.optimize.root, spsolve_trianular, newton_krylov, являются самым лучшим выбором для решения задач численными методами.

С этим трудно не согласится хотя бы потому, что в том числе и разнообразие модулей подняло Python на вершину популярности. Однако, существуют случаи, когда даже при поверхностном рассмотрении использование прямых известных методов без применения специальных функций библиотеки SciPy тоже дают неплохие результаты. Иными словами, новое- это хорошо забытое старое.

Так, в публикации [2], на основании проведенных вычислительных экспериментов, доказано, что библиотечная функция newton_krylov, предназначенная для решения больших систем нелинейных уравнений, имеет в два раза меньшее быстродействие, чем алгоритм TSLS+WD
(two-step least squares), реализованный средствами библиотеки NumPy.

Целью настоящей публикации является сравнение по числу итераций, быстродействию, а главное, по результату решения модельной задачи в виде системы из ста нелинейных алгебраических уравнений при помощи библиотечной функции scipy.optimize.root и методом Ньютона, реализованного средствами библиотеки NumPy.

Возможности решателя scipy.optimize.root для численного решения систем алгебраических нелинейных уравнений

Библиотечная функция scipy.optimize.root выбрана в качестве базы сравнения, потому что имеет обширную библиотеку методов, пригодных для сравнительного анализа.

scipy.optimize.root(fun, x0, args=(), method=’hybr’, jac=None, tol=None,callback=None, ptions=None)
fun — Векторная функция для поиска корня.
x0 –Начальные условия поиска корней

method:
hybr -используется модификация Пауэлл гибридный метод;
lm – решает системы нелинейных уравнений методом наименьших квадратов.
Как следует из документации [3] методы broyden1, broyden2, anderson, linearmixing, diagbroyden, excitingmixing, krylov являются точными методами Ньютона. Остальные параметры являются «не обязательными» и с ними можно ознакомится в документации.

Методы решения систем нелинейных уравнений

Приведенный далее материал действительно можно прочитать в литературе, например в [4], но я уважаю своего читателя и для его удобства приведу вывод метода по возможности в сокращенном виде. Те, кто не любит формулы, этот раздел пропускают.

В методе Ньютона новое приближение для решения системы уравнений (2) определяется из решения системы линейных уравнений:

(3)

Определим матрицу Якоби:

(4)

Запишем(3) в виде:

(5)

Многие одношаговые методы для приближенного решения (2) по аналогии с двухслойными итерационными методами для решения систем линейных алгебраических уравнений можно записать в виде:

(6)

где — итерационные параметры, a — квадратная матрица n х n, имеющая обратную.

При использовании записи (6) метод Ньютона (5) соответствует выбору:

Система линейных уравнений (5) для нахождения нового приближения может решаться итерационно. В этом случае мы имеем двухступенчатый итерационный процесс с внешними и внутренними итерациями. Например, внешний итерационный процесс может осуществляться по методу Ньютона, а внутренние итерации — на основе итерационного метода Зейделя

При решении систем нелинейных уравнений можно использовать прямые аналоги стандартных итерационных методов, которые применяются для решения систем линейных уравнений. Нелинейный метод Зейделя применительно к решению (2) дает:

(7)

В этом случае каждую компоненту нового приближения из решения нелинейного уравнения, можно получить на основе метода простой итерации и метода Ньютона в различных модификациях. Тем самым снова приходим к двухступенчатому итерационному методу, в котором внешние итерации проводятся в соответствии с методом Зейделя, а внутренние — с методом Ньютона.

Основные вычислительные сложности применения метода Ньютона для приближенного решения систем нелинейных уравнений связаны с необходимостью решения линейной системы уравнений с матрицей Якоби на каждой итерации, причем от итерации к итерации эта матрица меняется. В модифицированном методе Ньютона матрица Якоби обращается только один раз:

(8)

Выбор модельной функции

Такой выбор не является простой задачей, поскольку при увеличении числа уравнений в системе в соответствии с ростом числа переменных результат решения не должен меняться, поскольку в противном случае невозможно отследить правильность решения системы уравнений при сравнении двух методов. Привожу следующее решение для модельной функции:

Функция f создаёт систему из n нелинейных уравнений, решение которой не зависит от числа уравнений и для каждой из n переменных равно единице.

Программа для тестирования на модельной функции c результатами решения системы алгебраических нелинейных уравнений с помощью библиотечной функции optimize.root для разных методов отыскания корней

Только один из методов, приведенных в документации [3] прошёл тестирование по результату решения модельной функции, это метод ‘krylov’.

Решение для n=100:

Solution:
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1.]
Krylov method iteration = 4219
Optimize root time 7.239 seconds:

Вывод: С увеличением числа уравнений вдвое заметно появление ошибок в решении. При дальнейшем увеличении n решение становится не приемлемым, что возможно из-за автоматической адаптации к шагу, эта же причина резкого падения быстродействия. Но это только моё предположение.

Программа для тестирования на модельной функции c результатами решения системы алгебраических нелинейных уравнений с помощью программы написанной на Python 3 с учётом соотношений (1)-(8) для отыскания корней по модифицированному методу Ньютона

Решение для n=100:

Solution:
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1.]
Newton iteration = 13
Newton method time 0.496 seconds

Решение для n=200:

Solution:
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1.]
Newton iteration = 14
Newton method time 1.869 seconds

Чтобы убедиться в том, что программа действительно решает систему, перепишем модельную функцию для ухода от корня со значением 1 в виде:

Получим:
Solution:
[ 0.96472166 0.87777036 0.48175823 -0.26190496 -0.63693762 0.49232062
-1.31649896 0.6865098 0.89609091 0.98509235]
Newton iteration = 16
Newton method time 0.046 seconds

Вывод: Программа работает и при изменении модельной функции.

Теперь вернёмся к начальной модельной функции и проверим более широкий диапазон для n, например в 2 и 500.
n=2
Solution:
[1. 1.]
Newton iteration = 6
Newton method time 0.048 seconds
n=500