Варіант 6

Завдання 1
1. Знайти корінь рівняння х4+2х3-х-1=0 . Надати математичне
обґрунтування алгоритму розв’язання, його пакетну реалізацію.
Математичне обгрунтування
Завдання ітераційних методів – наближено знайти розв’язок рівняння.
Для розв’язання поставленної задачі було обрано метод Ньютона(або метод
дотичних).
Суть методу: будуємо ітераційну послідовність х0, х1, х2, х3, xn за формулою
f ( xn )
x n+1=x n − поки модуль різниці між наступним і попереднім членом
f ' ( x n)
послідовності не стане більшим за задану точність( у нас в умові точність не
вказана, але зазвичай це чотири цифри після коми). Причому останній член
xn ітераційної послідовності буде приблизно дорівнювати точному розв’язку(
x n х ¿).

1.Будуємо графік нашого рівняння f(x) = х4+2х3-х-1=0 та аналітично

визначаємо корені рівняння та їх локалізацію:

Рисунок 1 - графік функції

У моєму випадку існує два кореня, оскільки функція є парною, корені
рівняння знаходяться на інтервалах [-2, -1.5] i [0.5, 1].
2. Доводимо аналітично існування коренів на наших проміжках
[-2, -1.5] i [0.5, 1] так, щоб f (a)∗f (b) було менше нуля(теорема Ролля).

→ -1.188 < 0

→-1.188 < 0
Умова виконується, корені на проміжках існують.
3. Перевіряємо достатні умови, щоб метод Ньютона був збіжним і працював:
А) Обираємо такі початкові наближення х01 і х02 з наших інтервалів
[-2, -1.5] i [0.5, 1].так, щоб виконувались нерівності
f ( x 01 )∗f ' ' ( x 01 ) >0
f ( x 02 )∗f ' ' ( x 02 ) >0

За х01 з інтервалу [-2, -1.5] візьмемо х01 = -2:

За х02 з інтервалу [0.5, 1] візьмемо х01 = 1:

Б) f ' ( x ) , f '' ( x ) ≠ 0, неперервні і зберігають знак на інтервалах [-2, -1.5] i [0.5,1]

Умова виконується для обох інтервалів, похідні першого і другого порядків не
дорівнюють нулю, неперервні і не змінюють знак на інтервалах [-2, -1.5] i
[0.5,1].
3. Беремо початкові наближення з пункту 3(А). Починаємо ітераційний
процес.
f ( xn )
x n+1=x n − - формула ітераційного процесу
f ' ( x n)
f ( x )=¿ х4+2х3-х-1 - рівняння
f ' ( x )=4 x3 +6 x 2−1 – перша похідна

До кореня з інтервалу [-2, -1.5] ми взяли початковий х01 = -2:

4 3
f ( x01 ) f (−2 ) (−2 ) +2∗(−2 ) −(−2 ) −1
x 11=x 01− ' =−2− ' =−2− 3 2
=−1.8
f ( x 01) f (−2 ) 4∗(−2 ) + 6∗(−2 ) −1

З інтервалу [0.5,1] взяли х02 = 1:

4 3
f ( x 02) f ( 1) ( 1 ) +2∗( 1 ) −1−1
x 12=x 02− ' =1− ' =1− 3 2
=0.8
f ( x 02 ) f (1) 4∗( 1 ) +6∗( 1 ) −1

Це ми знайшли перше наближення до кореня.

Вхідні дані для наступної ітерації - вихідні із попередньої: наприклад,
для ітерації №2 вхідними будуть x n 1=−1.8 , x n2 =0.8 .
І так далі…
Пакетна реалізація

Отже, корені рівняння: х1 = -1.867, х2 = 0.867.

 Завдання 2
Постановка задачі
8. Для системи лінійних алгебраїчних рівнянь АХ=В з матрицями
1.23 −0.45 0.11 0.01 0 0 2.34
(
A= 0.12 1.56 −0.34 +3 0
0.08 2.01 −3.56 0)(0.01
0
0 ; B= 1.45
0.01 −0.86) ( )
дослідити обумовленість та вплив похибки вхідних даних на результат.

Математичне обгрунтування
Перевіряємо похибку вхідних даних:
Говорячи про похибку вхідних даних, треба згадати про обумовленість задачі
– вплив похибки вхідних даних на результат. Вона вираховується за
формулою: condA=‖A−1‖×‖ A‖. Найкращим числом обумовленості є 1.
Знайдемо ж її за допомогою вбудованої в пакет MathCad функції:

Міра обумовленості заданої матриці набагато більше одиниці, тому наша

матриця погано обумовлена, заздалегідь можна сказати, що похибка вхідних
даних буде теж достатньо великою.
Оцінка впливу похибки вхідних данних для метода розраховується за
формулою:
‖ ΔX‖ condA Δb ΔΑ
‖X‖
≤
1−condA
‖ ΔΑ(‖ ‖‖ ‖‖ ‖‖ ‖‖)
b
+
Α
‖ Α‖

∆ X - різниця між точним і реальним розв’язками.

~
X – реальний розв’язок. ~
X – точний розв’язок( X =X + ΔX ).
 ~
А - матриця “точної” системи(Ã = А + ΔА), А - матриця реальної системи,

∆ А -матриця коефіцієнтів, можливих похибок округлення основної матриці.

~ ~
b - матриця “точної” системи(b=b+ Δb), b - матриця реальної системи, ∆ b -

матриця коефіцієнтів, можливих похибок округлення основної матриці

P – похибка вхідних даних

del_A - матриця коефіцієнтів, можливих похибок округлення основної
матриці
del_B - матриця коефіцієнтів, можливих похибок округлення основної матриці
condi() – функція яка знаходить міру обумовленості матриці
normi() – функція яка знаходить норму матриці або max()-аналогічна для
вектора
Похибка вхідних даних склала 5-6%. Похибка достатня, отже вхідні дані
вплинули на кінцевий результат.
 Завдання 3
Постановка задачі
17.Розв’язати задачу екстраполяції в точці x ¿=0.25 для функції y=f(x), заданої
таблично:
Надати математичне обґрунтування алгоритму та пакетну реалізацію.
х 0.35 1.15 2.15 3.65 4.15 5.5
у 1.12 3.42 6.11 12.75 20.10 28.14
Математичне обгрунтування
Апроксимація – наближення на певній множині точок. Інтерполяція – точкове
наближення на дискретній множині.
Задача інтерполяції для заданої функції: при заданих значеннях x = { 0.35,
1.15, 2.15, 3.65, 4.15, 5.5} треба побудувати неперервну інтерполюючу
функцію F(x), заданого класу, таку, що вона збігається з yi при xi (i= 1, 2, …, n)
(проходить через усі точки початкової функції).
Особливість інтерполяції: ми знаходимо корінь поза межами відомих
значень точок початкової функції (х*=0.25 знаходиться до першого вузла
інтерполяції).
1. Для аналітичного представлення інтерполюючої функції скористаємося
поліномами та задамо її поліномом (n-1 =5)порядку:
F ( x )=a0 +a1 ⋅ x+ a2 ⋅ x 2 +a3 ⋅ x 3+ a4 ⋅ x 4 + a5 ⋅ x 5

2. Задача звелася до пошуку невідомих коефіцієнтів полінома.

Скористаємося інтерполюванням за Лагранжем, оскільки у нас задана
наперед відома незмінна кількість вузлів інтерполяції.
Степінь полінома = n–1 = 5.
З умови ми маємо F(0.35)=1.12, F(1.15)=3.42, F(2.15)=6.11, F(3.65)=12.75,
F(4.15)=20.10, F(5.5)=28.14.
Інтерполюючий поліном за Лагранжем п’ятого степеня, де L5 ( x , x i) -
допоміжні поліноми Лагранжевих коефіцієнтів 5 порядку, має вигляд:
6
F ( x )=∑ L5 ( x , x i ) ⋅ y i=¿ L5 ( x , x1 ) ⋅ y 1 + L5 ( x , x2 ) ⋅ y 2 +. L5 ( x , x 3 ) ⋅ y 3 + L5 ( x , x 4 ) ⋅ y 4 +¿ ¿
i=1
( x −1.15 )( x−2.15 )( x−3.65 )( x−4.14 ) ( x−5.5 )
+ L5 ( x , x 5 ) ⋅ y 5 + L 5 ( x , x 6 ) ⋅ y 6 = 1.12+ …
( 0.35−1.15 )( 0.35−2.15 ) ( 0.35−3.65 )( 0.35−4.15 ) ( 0.35−5.5 )

І так робимо з кожним вузлом інтерполяції, враховуючи, що x ≠ xi.

3. Підставляємо до формули F(х* = 0.25) і отримуємо результат.
F(0.25) = 1.56

Завдання 4
Постановка задачі
19. Розв’язати систему нелінійних алгебраїчних рівнянь з точністю ԑ=0.0001.
Надати математичне обґрунтування алгоритму та пакетну реалізацію.
sin ( x−1 )=1.3− y
{
x−sin ( y +1 )=0.8

Математичне обгрунтування
1.Приводимо систему до вигляду системи нелінійних алгебраїчних
рівнянь(СНАР):
sin ( x−1 )−1.3+ y =0
{x−sin ( y +1 )−0.8=0

Розв’язком СНАР називається вектор (x, y) значення якого перетворюють

обидві функції одночасно на 0.
2.Вибираємо метод. Розв’язувати СНАР ми будемо методом градієнтного
спуску.
3.Складаємо функцію багатьох змінних U – сума квадратів лівих частин СНАР:

f ( ⃗x )= sin ( x−1 )−1.3+ y

{ x−sin ( y +1 )−0.8

U ( x , y )=(sin ( x−1 )−1.3+ y)2 +( x−sin ( y +1 ) −0.8)2

Функція U ( x , y ) приймає своє найменше нульове значення тоді і тільки тоді,

коли усі функції-доданки одночасно рівні нулю.
4.Знаходимо градієнт. Частинні похідні функції U утворюють вектор, який
називається градієнт ∇U:

Розв’язати СНАР – знайти значення аргументів x, y функції U, де вона набуває

свого мінімуму ¿- необхідна умова екстремуму, й цей екстремум - мінімум),
й ці значення будуть співпадати з розв’язком системи рівнянь.

5.Вибираємо початкове наближення і починаємо спуск.

Нехай вектор x*, y*- розв’язки системи, а x 0, y 0–початкові наближення.
Беремо початкові наближення x 0=0, y 0=0.Починаємо наближатися
(спускатися) до кореня з x 0, y 0 до x*, y* з кроком λ∗∇ U (x 0). Перший спуск
буде здійснюватися так:
x 1=x 0−λ∗∇ U (x 0)
y 1= y 0 −λ∗∇ U ( y 0)

Де x 1 , y 1- наступні наближення, x 0 , y 0 – початкові наближення, λ∗∇ U (x 0) –

крок градієнта(градієнт вказує в яку сторону функція росте, відповідно
антиградієнт(з мінусом) вказує на мінімум функції), λ – число, на практиці
використовують дуже малу сталу.
Продовжуємо спуск поки ‖∇ U ‖≤ 0.0001 (поки норма градієнту функції строго
більша за задану точність). Початкові параметри для наступного спуску–
вихідні параметри попереднього.
Пакетна реалізація
За допомогою функції Given…Find і початкового наближення коренів (x=y=0),
знаходимо значення коренів СНАР:

x* = 1.8
y* = 0.583

Завдання 5
46.Метричні простори. Норми метричних просторів.
Взагалі метрика – функція двох аргументів(d: X × X → R, де Х – множина, d –
метрика на цю множину), причому для неї виконуються такі умови:
1. Невід’ємна при будь яких x, y – відстань між точками завжди додатня;
2. Невироджена при будь яких x, y: функція дорівнює нулю тодi i тiльки
тодi, коли x=y – відстань між точками з однаковими координатами
рівна нулю;
3. Для довільних x, y, z виконується правило трикутника: d(x,z)≤d(x,y)
+d(y,z);
4. Симетрична при будь яких x, y: d(x,y)=d(y,x) – відстань від х до у те ж
саме, що й відстань від у до х.
Враховуючи, що Х-будь-яка множина, а d – метрика на неї, ми називаємо
пару (X, d) метричним простором. А відстань між його точками називається
метрика.
Векторний (лінійний) простір — множина всіх векторів на площині або в
просторі.
Векторний простір, на якому встановлено норму, називається нормованим
простором.
Якщо задано E – нормований простір, то величина ρ(x, y) =‖x – y‖ - метрика.
Лінійний простір Е називається нормованим простором, якщо кожному
числу x, яке належить простору Е, поставлено у відповідність невід’ємне
число ‖x‖ (норма х) так, що виконані наступні аксіоми:
Аксіоми норми:
1) ‖x‖ ≥ 0;
2) ‖λx‖=|λ|*|x|;
3) ‖x+y‖ ≤ ‖x‖+‖y‖.
Таким чином, норма — це визначена усюди на множині Е функція з
невід’ємними значеннями і з властивостями 1–3, а нормований простір –
пара (V, ‖·‖), де V -векторний простір, а ‖·‖ - норма.
У нормованому метричному просторі можна ввести такі норми як:
n
1) ‖x‖=∑ |x i|
i=1

2) ‖x‖=max
1 ≤i ≤n
|x i|
 n
3) ‖x‖= √ 2
∑ |x i|
i=1