Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Методы вычислительной
математики
Слайды к видеолекциям для слушателей курса «Методы
вычислительной математики» на Национальной платформе
открытого образования
Доцент Высшей школы искусственного интеллекта СПбПУ Петра
Великого, канд. физ.-мат. наук В.Г. Пак
Доцент Высшей школы интеллектуальных систем и
суперкомпьютерных технологий СПбПУ Петра Великого, канд.
физ.-мат. наук Т.Х. Черкасова
Методы вычислительной математики
Решение нелинейных систем. Метод Ньютона
Лекция 13.1 Численное решение систем
нелинейных уравнений. Локализация
решения. Метод Ньютона
2
Решение нелинейных систем. Метод Ньютона
1. Постановка задачи
1. Постановка задачи
Надо решить систему уравнений
𝑓1 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 0,
𝑓2 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 0,
⋮
𝑓𝑛 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 0,
где 𝑓1 , 𝑓2 , … , 𝑓𝑛 – заданные нелинейные функции. Систему можно записать в векторном
виде
𝐹 𝑥 = 0,
где
𝑥1
𝑓1 𝑥1 , 𝑥2 , … , 𝑥𝑛
𝑥2
𝑓 𝑥 , 𝑥 , … , 𝑥𝑛
𝑥 = ⋮ ,𝐹 𝑥 = 2 1 2
,0 = 0 ,
⋮
⋮
𝑥𝑛
𝑓𝑛 𝑥1 , 𝑥2 , … , 𝑥𝑛
𝑥 – вектор неизвестных, 𝐹 – вектор-функция от вектора 𝑥 .
Решением системы называется вектор 𝑥 , при подстановке которого в систему она
превращается в тождество: 𝐹 𝑥 = 0. Точное решение обозначается 𝑥 , приближённое 𝑥 ∗ : 𝐹 𝑥 ∗ ≈ 0 в пределах заданной точности. Задача состоит в вычислении 𝑥 ∗ .
3
Решение нелинейных систем. Метод Ньютона
2. Локализация решения
2. Локализация решения
На предварительном определяется область локализации
решения. Она осуществляется исследованием многомерной
функции 𝐹 . Область локализации (отделения решения) в данном
случае – это область n-мерного векторного пространства. Чаще
всего это n-мерный шар 𝑆𝑎 𝑟 векторного пространства ℝ𝑛 с
центром в точке 𝑎 радиуса 𝑟:
𝑆𝑎 𝑟 = 𝑥 ∈ ℝ𝑛 𝑥 − 𝑎 ≤ 𝑟 .
Или же это n-мерный прямоугольный параллелепипед
𝑃𝑎 𝑑1 ; … ; 𝑑𝑛 с центром в точке 𝑎 размером 2𝑑𝑖 по i-й оси:
𝑃𝑎 𝑑1 ; … ; 𝑑𝑛 = 𝑥 ∈ ℝ𝑛 𝑥𝑖 − 𝑎𝑖 ≤ 𝑑𝑖 , 𝑖 ∈ 1, … , 𝑛 .
4
Решение нелинейных систем. Метод Ньютона
3. Метод Ньютона
3. Метод Ньютона
Пусть решение 𝑥 изолировано в некоторой области локализации и в ней
имеется приближение 𝑥 (𝑘) к 𝑥 . Разложим функции 𝑓𝑖 в ряды Тейлора в точке 𝑥 в
окрестности 𝑥 (𝑘) :
𝑛
𝑓1 𝑥 = 𝑓1 𝑥
𝑘
+
𝑗=1
1
+
2
𝑛
𝑖,𝑗=1
𝜕2
𝑓 𝑥
𝜕𝑥𝑖 𝜕𝑥𝑗 1 𝑘
𝑥𝑖 − 𝑥𝑖
𝑛
𝑓2 𝑥 = 𝑓2 𝑥
𝑘
+
𝑗=1
1
+
2
𝑛
𝑖,𝑗=1
𝜕2
𝑓 𝑥
𝜕𝑥𝑖 𝜕𝑥𝑗 2 𝑘
𝑘
𝑛
+
𝑖,𝑗=1
𝜕2
𝑓 𝑥
𝜕𝑥𝑖 𝜕𝑥𝑗 𝑛 𝑘
𝑘
𝑥𝑗 − 𝑥𝑗
𝑥𝑗 − 𝑥𝑗
𝑘
𝑥𝑗 − 𝑥𝑗
𝑥𝑗 − 𝑥𝑗
𝑘
+
+⋯,
𝑘
𝑘
+
+ ⋯,
⋮
𝑗=1
1
+
2
𝑘
𝜕
𝑓 𝑥
𝜕𝑥𝑗 2 𝑘
𝑥𝑖 − 𝑥𝑖
𝑛
𝑓𝑛 𝑥 = 𝑓𝑛 𝑥
𝜕
𝑓 𝑥
𝜕𝑥𝑗 1 𝑘
𝜕
𝑓 𝑥
𝜕𝑥𝑗 𝑛 𝑘
𝑥𝑖 − 𝑥𝑖
5
𝑘
𝑥𝑗 − 𝑥𝑗
𝑥𝑗 − 𝑥𝑗
𝑘
𝑘
+
+ ⋯.
Решение нелинейных систем. Метод Ньютона
3. Метод Ньютона
Предполагаем, что функции 𝑓𝑖 непрерывно дифференцируемы
по всем аргументам в некоторой области, содержащей 𝑥 и 𝑥 (𝑘) .
Для вторых частных производных достаточно потребовать их
существования в точке 𝑥 (𝑘) . Если 𝑥 и 𝑥 (𝑘) достаточно близки, то
эту систему можно линеаризовать:
𝑛
𝜕
𝑘
𝑘
𝑓1 𝑥 ≈ 𝑓1 𝑥
+
𝑓1 𝑥𝑘 𝑥𝑗 − 𝑥𝑗
,
𝜕𝑥𝑗
𝑗=1
𝑛
𝑓2 𝑥 ≈ 𝑓2 𝑥
𝑘
+
𝑗=1
𝑛
𝑓𝑛 𝑥 ≈ 𝑓𝑛 𝑥
𝑘
𝜕
𝑓2 𝑥𝑘
𝜕𝑥𝑗
𝑥𝑗 − 𝑥𝑗
𝑘
,
𝑥𝑗 − 𝑥𝑗
𝑘
.
⋮
+
𝑗=1
𝜕
𝑓𝑛 𝑥𝑘
𝜕𝑥𝑗
Поскольку 𝑓𝑖 𝑥 = 0 (𝑥 – точное решение системы), то:
6
Решение нелинейных систем. Метод Ньютона
3. Метод Ньютона
𝑛
𝑓1 𝑥
𝑘
+
𝑗=1
𝑛
𝑓2 𝑥
𝑘
+
𝑗=1
𝑛
𝑓𝑛 𝑥
𝑘
+
𝑗=1
𝜕
𝑓 𝑥
𝜕𝑥𝑗 1 𝑘
𝑥𝑗 − 𝑥𝑗
𝑘
= 0,
𝜕
𝑓 𝑥
𝜕𝑥𝑗 2 𝑘
𝑥𝑗 − 𝑥𝑗
𝑘
= 0,
𝑥𝑗 − 𝑥𝑗
𝑘
= 0.
⋮
𝜕
𝑓 𝑥
𝜕𝑥𝑗 𝑛 𝑘
Получили систему уравнений для нахождения компонент 𝑥𝑗 точного вектора
решения 𝑥 . В матричной форме она имеет вид
𝐹 𝑥 (𝑘) + 𝐹 ′ 𝑥 𝑘 𝑥 − 𝑥 𝑘 = 0,
𝜕
𝜕
𝜕
𝑓 𝑥
𝑓 𝑥
𝑓 𝑥 ⋯
𝜕𝑥𝑛 1
𝜕𝑥1 1
𝜕𝑥2 1
𝜕
𝜕
𝜕
𝐹 ′ 𝑥 = 𝜕𝑥1 𝑓2 𝑥 𝜕𝑥2 𝑓2 𝑥 ⋯ 𝜕𝑥𝑛 𝑓2 𝑥 .
⋮
⋮
⋮
⋱
𝜕
𝜕
𝜕
𝑓 𝑥
𝑓 𝑥 ⋯
𝑓 𝑥
𝜕𝑥1 𝑛
𝜕𝑥2 𝑛
𝜕𝑥𝑛 𝑛
7
Решение нелинейных систем. Метод Ньютона
3. Метод Ньютона
Здесь 𝐹 ′ - функциональная матрица частных производных вектор-функции 𝐹 ,
которая называется матрицей Якоби, 𝐹 ′ 𝑥 𝑘 – матрица Якоби в точке 𝑥 𝑘 .
Решая эту систему относительно 𝑥 , получаем этот вектор:
𝑥−𝑥
𝑘
= − 𝐹′ 𝑥
𝑘
−1
⋅𝐹 𝑥
𝑘
⇒ 𝑥≈𝑥
𝑘
− 𝐹′ 𝑥
−1
𝑘
∙𝐹 𝑥
𝑘
⇒
−1
⇒ 𝑥 (𝑘+1) = 𝑥 𝑘 − 𝐹 ′ 𝑥 𝑘
∙𝐹 𝑥 𝑘 .
Тут мы вспоминаем, что вычислили 𝑥 на самом деле приближѐнно, и этот вектор
принимаем за следующее приближение к корню 𝑥 (𝑘+1) . Итак, получили расчѐтную
формулу метода Ньютона
𝑥 (𝑘+1) = 𝑥
𝑘
− 𝐹′ 𝑥
𝑘
−1
∙𝐹 𝑥
𝑘
,
𝑘 = 0, 1, 2, … .
Для уменьшения трудоѐмкости метода можно не считать 𝑥 (𝑘+1) по явной
формуле, а решать на каждом шаге систему линейных уравнений. Обозначим
𝑦 (𝑘) = 𝑥 (𝑘+1) − 𝑥 𝑘 .
Вектор 𝑦 (𝑘) находится как решение линейной системы
𝐹 ′ 𝑥 𝑘 𝑦 (𝑘) = −𝐹 𝑥 𝑘 .
Новая итерация 𝑥 (𝑘+1) тогда равна
𝑥 (𝑘+1) = 𝑦 (𝑘) + 𝑥 𝑘 ,
𝑘 = 0, 1, 2, … .
8
Решение нелинейных систем. Метод Ньютона
4. Упрощѐнный метод Ньютона
3. Упрощѐнный метод Ньютона
Вычисления можно немного упростить, используя на каждом
шаге одну и ту же матрицу Якоби. Это значит, что она
вычисляется один раз в начале для итерации 𝑥 0 и
подставляется в расчѐтную формулу на каждом шаге. Это и есть
упрощѐнный метод Ньютона. Его расчѐтная формула:
𝑥 (𝑘+1) = 𝑥 𝑘 − 𝐹0′ ∙ 𝐹 𝑥 𝑘 ,
𝐹0′
𝐹′
−1
𝑘 = 0, 1, 2, … , где
=
𝑥
.
Можно вычислять 𝑥 (𝑘+1) неявно, решая систему уравнений
𝐴𝑦 (𝑘) = −𝐹 𝑥 𝑘 ,
где 𝐴 = 𝐹 ′ 𝑥 0 , 𝑦 (𝑘) = 𝑥 (𝑘+1) − 𝑥 𝑘 , 𝑘 = 0, 1, 2, … . Новая
итерация 𝑥 (𝑘+1) равна
𝑥 (𝑘+1) = 𝑦 (𝑘) + 𝑥 𝑘 .
9
Решение нелинейных систем. Метод Ньютона
5. Сходимость и оценка погрешности
5. Сходимость и оценка погрешности
Теорема 1. Пусть в некоторой окрестности решения 𝑥 системы функции 𝑓𝑖 (𝑖 =
= 1, … , 𝑛) дважды непрерывно дифференцируемы по всем аргументам и матрица
Якоби 𝐹 ′ не вырождена. Тогда найдѐтся такая малая -окрестность решения 𝑥 , что
при произвольном выборе начального приближения 𝑥 0 в ней итерационная
последовательность метода Ньютона не выходит за пределы этой окрестности,
сходится к 𝑥 и верна оценка
1
2
𝑘+1
𝑘+1
𝑘
∆𝑥
= 𝑥
−𝑥 ≤
𝑥 −𝑥 ,
𝛿
𝑘 = 0, 1, 2, … .
Из теоремы следует важный вывод: метод Ньютона имеет квадратичную
скорость сходимости. Это позволяет использовать простой критерий останова
итерационного процесса:
𝑥 𝑘 − 𝑥 𝑘−1 < 𝜀 ,
где 𝜀 > 0 – заданная точность.
Упрощѐнный метод Ньютона сходится со скоростью геометрической
прогрессии, если начальное приближение 𝑥 0 достаточно близко к решению 𝑥 . В
качестве критерия останова можно взять выполнение неравенств
(𝑘)
(𝑘−1)
𝑥𝑖 − 𝑥𝑖
𝑖 = 1, … , 𝑛, 𝜀 > 0 – заданная точность.
10
< 𝜀,