Алгоритм МН:
1) В качестве начального приближения берем точку, достаточно близкую к точному решению.
2) В этой точке проводим касательную к графику функций до пересечения с Ох – получаем ит.д.
3) Процедура повторяется, пока не будет достигнута заданная точность (универсальный критерий прерывания).
Формула метода Ньютона:
уравнение касательной ,находим точку пересечения с Ох
(3.2)
П.5 Скорости сходимости МПД, МХ, МН:
1)Скорость сходимости МПД:
На каждом шаге длина интервала уменьшается вдвое. Таким образом, через kшагов достигаетсяточность - , решаем неравенство
Необходимое число шагов:
То есть, МПД сходится со скоростью геометрической прогрессии со знаменателем ½ (для добавления одного верного десятичного знака – 3 шага).
2) Скорость сходимости МХ:
Теорема 3.1:
Если на интервале [ a,b ] функция f – непрерывна и дифференцируема, ее производная на этом интервале имеет постоянный знак, т.е. f – либо монотонно убывает, либо монотонно возрастает на всем интервале, то верна следующая оценка:
(3.3)
где - решение, найденное на k -ом шаге,
Следствие 3.2:
Если , то если (так как ), т.е. универсальный критерий прерывания работает корректно.
Теорема 3.3:
Скорость сходимости в МХ не хуже геометрической прогрессии со знаменателем , а именно имеет следующая оценка
Комментарии:
Если и очень близки друг к другу, например - ,то тогда искорость сходимости МХ будет выше, чем скорость сходимости МПД.
Итак, выгодно, чтобы и были близки друг к другу, это будет так, если длина интервала будет стремиться к нулю, но в МХ это не так, это происходит в МПД, поэтому выгодно комбинировать МХ и МПД.
3) Скорость сходимости МН:
Теорема 3.4:
Если функция f(x) дважды непрерывна и дифференцируемана [ a,b ] и ,и на нем не
меняет свои знаки, т.е. монотонно возрастает или убывает и при этом не меняет характера выпуклости. Имеет место неравенство:
(3.4)
;
Комментарии:
Квадрат обеспечивает удваивание числа верных знаков после каждой итерации.
Таким образом, метод Ньютона работает гораздо быстрее, нежели МПД или МХ.
МН имеет гипергеометрическую скорость сходимости.
Тонкие места МН:
1) Какую из 2-х точек интервала [ a,b ] выбрать в качестве начального приближения .
a |
b |
a |
b |
a |
b |
a |
b |
В качестве стартовой точки выгоднее брать точку, в которой знак 2-ой производной совпадает со знаком функции.
2) В отличие от МПД и МХ – МН сходится не всегда.
МН может и не сходится(*)
будет сходиться, когда близко к корню, если выбрано неудачно(далеко от корня).
П.6 Многомерный вариант метода Ньютона:
МПД и МХ применимы только для решения НУ, метод Ньютона может быть легко видоизменен, и его можно применять для решения СНУ.
Рассмотрим СНУ n на n (n – уравнений, n – неизвестных):
F(X)=0, X= .
При решении СНУ поступаем таким же образом, как и при решении НУ.
1) Выбираем стартовую точку , достаточно близкую к корню.
2)В одномерном варианте мы заменяли функцию на касательную и приравнивали её к нулю. Аналогичным образом поступаем и для функции многих переменных, только там заменяем на дифференциал, т.е.:
||
Решаем данное уравнение относительно X:
W – матрица частных производных (матрица Якоби)
умножим на матрицу обратную матрице W слева:
(3.5)
Окончательный вид формулы многомерного варианта метода Ньютона:
(3.6)
Замечание:
есть 2 варианта реализации вычисления по формуле (3.6):
а) Явно вычислить обратную матрицу (например, с помощью присоединенной матрицы)
б) Заметим, что вектор есть ни что иное, как решение СЛАУ
(3.7) , поэтому мы можем не вычислять обратную матрицу, а только решить СЛАУ (3.7) (например методом Гаусса) и решение этой матрицы подставить в (3.7б) .
Пример решения СНУ методом Ньютона:
Приводим к виду F(X)=0:
,в качестве стартовой точки возьмем
Сделаем один шаг по многомерному методу Ньютона:
||
Затем находим и т.д., пока не будет достигнута заданная точность:
П.7 Вариации метода Ньютона:
7.1 Комбинированный метод (сочетание МН и МХ):
МН быстро сходится, но, увы, не всегда. МХ всегда сходится, но не быстро. Комбинируя оба метода, получаем метод, обладающий достоинствами МХ и МН, а именно – сходится всегда и очень быстро (со скоростью МН).
На каждом шаге КМ проводим и хорду, и касательную, получаем новый интервал.
7.2 Видоизмененный метод Ньютона:
Иногда вычисление производной функции вызывает большие проблемы и чтобы на каждом шаге не вычислять производные, мы вычисляем производную один раз в точке и используем формулу видоизмененного МН:
(3.8)
Видоизмененный МН сходится хуже, чем обычный МН – со скоростью геометрической прогрессии. Эффекта удваивания числа верных знаков после каждой итерации в нем нет.
П.8 Метод итераций, решение НУ и СНУ:
Одномерный вариант МИ.
Предполагается, что НУ приведено к виду удобному для итераций.
(3.9)
Запускаем итерационный процесс (3.10):
(3.10)
Теорема 3.5:
Если итерационный процесс сходится, то сходится к точному решению НУ (3.9), при условии непрерывности функции u.
Доказательство:
в формуле (3.10) переходим к пределу
предел заносим внутрь, используя непрерывность функции u.
Рассмотрим пример решения НУ:
приводим к виду удобному для итераций, добавим x с обеих сторон:
процесс зациклился – не сходится
Попробуем по-другому: перед тем, как прибавить x, разделим на 2.
запускаем итерационный процесс для данной функции u:
данный итерационный процесс сходится к - .
Графическая интерпретация МИ:
итерационный процесс сходится и итерационный процесс расходится
сходится монотонно(рис.1)монотонно (рис.2)
сходится не монотонно, по спирали расходится не монотонно, по спирали
(рис.3) (рис.4)
Заметим закономерности:
1) Если возрастает, то итерационный процесс всегда ведет себя монотонно, при этом он может и сходится и расходится.
Если же убывает, то итерационный процесс ведёт себя не монотонно, идет по спирали, при этом он может, как сходиться, так и расходиться.
2) Если то итерационный процесс сходится (рис.1 и рис.3).
Если же , то итерационный процесс расходится (рис.2 и рис.4)
Метод итераций может применяться не только для решения НУ, но и для решения СНУ. Все происходит точно так же, т.е. СНУ приводим к виду удобному для итераций.
X – вектор, U – вектор функция.
(3.10)
Если итерационный процесс (3.10) то он сходится к точному решению - .
Наша задача выяснить условия, при которых итерационный процесс сходится.
Ответ на этот вопрос даёт теорема 3.6.
Теорема 3.6:
Итерационный процесс 3.10 сходится, если отображение U – сжимающее, т.е. для любых
X, Y (3.11),где С – const, С < 1 (коэффициент сжатия).
Доказательство:
докажем , при k, l тем самым покажем, что итерационный процесс сходится.
= (по формуле геометрической прогрессии со знаменателем С)=