Для розв’язання нелінійних систем можна використати також метод ітерацій. Після того, як буде знайдено початкове наближення до розв’язку , система зводиться до вигляду
(23)
при цьому функції и повинні задовольняти умові збіжності
(в умовах збіжності суми абсолютних величин похідних не повинні перевищувати в деякому околі розв’язку , але оскільки початкове наближення - з околу розв’язку , то в умовах збіжності можна узяти окіл початкової точки). Послідовні наближення до розв’язку визначаються за формулами:
Має місце наступна оцінка точності методу
ПРИКЛАД 29. Знайти з точністю до методом ітерацій розв’язок системи
Початкове наближення було знайдене раніше:
Для застосування методу ітерації зводимо систему до вигляду :
Умова збіжності методу ітерацій виконується. Дійсно,
і можна узяти .
Знаходимо перше наближення і оцінюємо його точність:
Аналогічно отримуємо
Значить, .
|
|
Побудова ітеруючих функцій и вимагає деякого досвіду і винахідливості, можна рекомендувати наступний прийом. Візьмемо та у вигляді
і визначимо коефіцієнти з умов
(умова збіжності виконується).
Для даного прикладу цей спосіб дає:
Задачі
Знайти методом ітерацій з точністю до один розв’язок нелінійних систем в задачах 46 - 57.
СИНГУЛЯРНЕ РОЗКЛАДЕННЯ МАТРИЦІ
Сингулярне розкладення матриці (SingularValueDecomposition, SVD) є зручним методом при роботі з матрицями. Сингулярне розкладення показує геометричну структуру матриці і дозволяє наочно представити наявні дані. Сингулярне розкладення матриці дуже корисне при розв’язанні різних завдань, наприклад:
- стискування і розпізнавання зображень;
- розв’язок лінійних систем рівнянь алгебри;
- обчислення визначників;
- обчислення рангу матриці;
- дослідження обумовленості матриці;
- наближення методом найменших квадратів.