Методы решения систем нелинейных уравнений

СОДЕРЖАНИЕ

 

Введение ……………………………………………………………......1

1. МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ.. 2

2. ВЕКТОРНАЯ ЗАПИСЬ НЕЛИНЕЙНЫХ СИСТЕМ. 2

3. МЕТОД НЬЮТОНА, ЕГО РЕАЛИЗАЦИИ И МОДИФИКАЦИИ.. 4

3.1. МЕТОД НЬЮТОНА.. 4

3.2. МОДИФИЦИРОВАННЫЙ МЕТОД НЬЮТОНА …………………………………..6

3.3. МЕТОД НЬЮТОНА С ПОСЛЕДОВАТЕЛЬНОЙ АППРОКСИМАЦИЕЙ МАТРИЦ 7

3.4. РАЗНОСТНЫЙ МЕТОД НЬЮТОНА.. 9

3.5. ОБОБЩЕНИЕ ПОЛЮСНОГО МЕТОДА НЬЮТОНА НА МНОГОМЕРНЫЙ СЛУЧАЙ 9

4. ДРУГИЕ МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ.. 16

4.1. МЕТОД ПРОСТЕЙШИХ СЕКУЩИХ.. 16

4.2. МЕТОД ПРОСТЫХ ИТЕРАЦИЙ.. 17

4.3. МЕТОД БРАУНА.. 19

4.4. МЕТОД СЕКУЩИХ БРОЙДЕНА.. 22

4.5. О РЕШЕНИИ НЕЛИНЕЙНЫХ СИСТЕМ МЕТОДАМИ СПУСКА.. 27

Практическая часть …………………………………………………………...33

Список источников ……………………………………………………………..44

 

Введение

Вычислительная математика — раздел математики, включающий круг вопросов, связанных с производством вычислений и использованием компьютеров. В более узком понимании вычислительная математика — теория численных методов решения типовых математических задач.

 

К задачам вычислительной математики относят:

-решение систем линейных уравнений

-нахождение собственных значений и векторов матрицы

-нахождение сингулярных значений и векторов матрицы

-решение нелинейных алгебраических уравнений

-решение систем нелинейных алгебраических уравнений

-решение дифференциальных уравнений (как обыкновенных дифференциальных уравнений, так и уравнений с частными производными)

-решение систем дифференциальных уравнений

-решение интегральных уравнений

-задачи аппроксимации

-задачи интерполяции

-задачи экстраполяции

-задачи численной оптимизации

 

Основное отличие вычислительной математики заключается в том, что при решении вычислительных задач человек оперирует машинными числами, которые являются дискретной проекцией вещественных чисел на конкретную архитектуру компьютера. Так, например если взять машинное число длиной в 8 байт, то в нём можно запомнить только 264 разных чисел, поэтому важную роль в вычислительной математике играют оценки точности алгоритмов и их устойчивость к представлениям машинных чисел в компьютере. Именно поэтому, например, для решения линейной системы алгебраических уравнений очень редко используется вычисление обратной матрицы, так как этот метод может привести к ошибочному решению в случае с сингулярной матрицей, а очень распространённый в линейной алгебре метод, основанный на вычислении определителя матрицы и её дополнения требует гораздо больше арифметических операций, чем любой устойчивый метод решения линейной системы уравнений.

МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ

Рассматривается ряд методов решения систем алгебраических и трансцендентных уравнений. Среди них метод простых итераций, метод Ньютона в разных модификациях (в частности, n -полюсный метод Ньютона), метод Брауна, метод секущих Бройдена. Показывается связь между данной задачей и за дачей безусловной минимизации функции нескольких переменных. Проводится сравнение методов на примере решения конкретной системы. С единых позиций изучается сходимость основного и упрощенного методов Ньютона и метода, получаемого из метода Ньютона применением итерационного процесса Шульца для приближенного обращения матриц Якоби.

МЕТОД НЬЮТОНА, ЕГО РЕАЛИЗАЦИИ И МОДИФИКАЦИИ

 

МЕТОД НЬЮТОНА

Пусть () — некоторая последовательность невырожденных вещественных n x n-матриц. Тогда, очевидно, последовательность задач

, k = 0,1,2,...

имеет те же решения, что и исходное уравнение (2.1а), и для приближенного нахождения этих решений можно формально записать итерационный процесс

, k = 0,1,2,... (3.1.1)

имеющий вид метода простых итераций (4.2.1b) при . В случае - это действительно МПИ с линейной сходимостью последовательности () Если же различны при разных k, то формула (3.1.1) определяет большое семейство итерационных методов с матричными параметрами . Рассмотрим некоторые из методов этого семейства.

Положим , где

— матрица Якоби вектор-функции F(x). Подставив это в (3.1.1), получаем явную формулу метода Ньютона

, (3.1.2)

обобщающего на многомерный случай скалярный метод Ньютона (5.14). Эту формулу, требующую обращения матриц на каждой итерации, можно переписать в неявном виде:

. (3.1.3)

Применение (3.1.3) предполагает при каждом k = 0,1,2,... решение линейной алгебраической системы

относительно векторной поправки , а затем прибавление этой поправки к текущему приближению для получения следующего:

.

К решению таких линейных систем можно привлекать самые разные методы как прямые, так и итерационные в зависимости от размерности n решаемой задачи и специфики матриц Якоби (например, можно учитывать их симметричность, разреженность и т.п.).

Сравнивая (3.1.3) с формальным разложением F(x) в ряд Тейлора

,

видим, что последовательность () в методе Ньютона получается в результате подмены при каждом k=0,1,2,... нелинейного уравнения F(x) = 0 или, что то же (при достаточной гладкости F(x)), уравнения

линейным уравнением

т. е. с пошаговой линеаризацией. Как следствие этого факта, можно рассчитывать, что при достаточной гладкости F(x) и достаточно хорошем начальном приближении сходимость порождаемой методом Ньютона последовательности () к решению будет квадратичной и в многомерном случае. Имеется ряд теорем, устанавливающих это при тех или иных предположениях. В частности, одна из таких теорем приводится ниже.

Новым, по сравнению со скалярным случаем, фактором, осложняющим применение метода Ньютона к решению n-мерных систем, является необходимость решения n-мерных линейных задач на каждой итерации (обращения матриц в (3.1.2) или решения СЛАУ в (3.1.3)), вычислительные затраты на которые растут с ростом n, вообще говоря, непропорционально быстро. Уменьшение таких затрат — одно из направлений модификации метода Ньютона.

 

РАЗНОСТНЫЙ МЕТОД НЬЮТОНА

На базе метода Ньютона (3.1.2) можно построить близкий к нему по поведению итерационный процесс, не требующий вычисления производных. Сделаем это, заменив частные производные в матрице Якоби J(x) разностными отношениями, т.е. подставив в формулу (3.1.1) вместо матрицу где

При удачном задании последовательности малых векторов (постоянной или сходящейся к нулю) полученный таким путем разностный (или иначе, дискретный) метод Ньютона имеет сверхлинейную, вплоть до квадратичной, скорость сходимости и обобщает на многомерный случай метод (5.29). При задании векторного параметра h — шага дискретизации — следует учитывать точность машинных вычислений (macheps), точность вычисления значений функций , средние значения получаемых приближений.

 

МЕТОД ПРОСТЕЙШИХ СЕКУЩИХ

Можно связать задание последовательности () с какой-либо сходящейся к нулю векторной последовательностью, например, с последовательность невязок () или поправок (). Так, полагая где j=1,…n, a k=1,2, …,приходим к простейшему методу секущих — обобщению скалярного метода секущих (5.32):

, (4.1.1)

где

k =1,2,3,….

Этот метод является. двухшаговым и требует задания двух начальных точек и . При п = 1 сходимость метода(4.1.1) имеет порядок . Можно рассчитывать на такую же скорость и в многомерном случае.

К методу секущих так же, как и к методу Ньютона, можно применить пошаговую аппроксимацию обратных матриц на основе метода Шульца. Расчетные формулы этой модификации легко выписать, заменив в совокупности формул ААМН (3.3.1) матрицу на матрицу из (4.1.1)

МЕТОД ПРОСТЫХ ИТЕРАЦИЙ

 

Пусть система (2.1) имеет вид (преобразована к виду):

(4.2.1)

или иначе, в компактной записи,

, (4.2.1а)

где

.

Для этой задачи о неподвижной точке нелинейного отображения запишем формально рекуррентное равенство,

(4.2.1b)

которое определяет метод простых итераций (МПИ) (или метод последовательных приближений) для задачи (4.2.1).

Если начать процесс построения последовательности () с некоторого вектора и продолжить по формуле (4.2.1b), то при определенных условиях эта последовательность со скоростью геометрической прогрессии будет приближаться к вектору — неподвижной точке отображения Ф(х). А именно, справедлива следующая теорема.

Теорема 4.1.

Пусть функция Ф(х) и замкнутое множество таковы, что:

1) ;

2)

Тогда Ф(х) имеет в М единственную неподвижную точку ; последовательность ( ), определяемая МПИ (4.2.1b), при любом сходится к и справедливы оценки

Теорема 4.2.

Пусть функция Ф(х) дифференцируема в замкнутом шаре причем :

. Тогда, если центр и радиус r шара S таковы, что , то справедливo заключение теоремы 4.1 с М=S.

Если потребовать непрерывную дифференцируемость Ф(х), то более просто перейти от теоремы 4.1 к теореме 4.2, применив следующее утверждение.

Лемма 4.1. Пусть функция непрерывна и дифференцируема на множестве и пусть . Тогда Ф(х) удовлетворяет на множестве М условию Липшица

.

Запись МПИ (4.2.1b) в развернутом виде, т.е. совокупность рекуррентных равенств

напоминает МПИ для СЛАУ, который укладывается в эту схему, если все функции — линейные. Учитывая, что в линейном случае, как правило, по сравнению с МПИ более эффективен метод Зейделя, здесь тоже может оказаться полезной модификация. А именно, вместо (4.2.1b) можно реализовать следующий метод итераций:

(4.2.2)

Заметим, что как и для линейных систем, отдельные уравнения в методе (4.2.2) неравноправны, т.е. перемена местами уравнений системы (4.2.1) может изменить в каких-то пределах число итераций и вообще ситуацию со сходимостью последовательности итераций. Чтобы применить метод простых итерации или его зейделеву модификацию (4.2.2) к исходной системе (2.1), нужно, как и в скалярном случае, сначала тем или иным способом привести ее к виду (4.2.1). Это можно сделать, например, умножив (2.1а) на некоторую неособенную n-x-n матрицу – А и прибавив к обеим частям уравнения - A F (x)=0 вектор неизвестных х. Полученная система x = x-A F (x)

эквивалентна данной и имеет вид задачи о неподвижной точке (4.2.1а). проблема теперь состоит лишь в подборе матричного параметра А такого, при котором вектор-функция Ф(х):=х-А F (x) обладала бы нужными свойствами.

 

МЕТОД БРАУНА

В отличие от пошаговой линеаризации векторной функции F(x), приведшей к методу Ньютона (3.1.2), Брауном (1966 г.) предложено проводить на каждом итерационном шаге поочередную линеаризацию компонент вектор-функции F(x), т.е. линеаризовать в системе (2.1) сначала функцию , затем и т.д., и последовательно решать получаемые таким образом уравнения. Чтобы не затенять эту идею громоздкими выкладками и лишними индексами, рассмотрим вывод расчетных формул метода Брауна в двумерном случае.

Пусть требуется найти решение системы

(4.3.1)

и пусть уже получены приближения .

Подменим первое уравнение системы (4.3.1) линейным, полученным по формуле Тейлора для функции двух переменных:

Отсюда выражаем х (обозначим этот результат через ):

(4.3.2)

При находим значение переменной :

которое будем считать лишь промежуточным приближением (т.е. не ), поскольку оно не учитывает второго уравнения системы (4.3.1).

Подставив в g(x, у) вместо х переменную , придем к некоторой функции G(y):= g(, у) только одной переменной у. Это позволяет линеаризовать второе уравнение системы (4.3.1) с помощью формулы Тейлора для функции одной переменной:

(4.3.3)

При нахождении производной G'(y) нужно учесть, что G(y) = g( (y), у) есть сложная функция одной переменной у, т.е. применить формулу полной производной

Дифференцируя по у равенство (4.3.2), получаем выражение

подстановка которого в предыдущее равенство при дает

При известных значениях G( ) = g( k, ) и G'( ) теперь можно разрешить линейное уравнение (4.3.3) относительно у (назовем полученное значение ):

Заменяя в (4.3.2) переменную у найденным значением , приходим к значению

Таким образом, реализация метода Брауна решения двумерных нелинейных систем вида (4.3.1) сводится к следующему.

При выбранных начальных значениях каждое последующее приближение по методу Брауна находится при k = 0,1,2,... с помощью совокупности формул

,

счет по которым должен выполнятся в той очередности, в которой они записаны.

Вычисления в методе Брауна естественно заканчивать, когда выполнится неравенство (с результатом ). В ходе вычислений следует контролировать немалость знаменателей расчетных формул. Заметим, что функции f и g в этом методе неравноправны, и перемена их ролями может изменить, ситуацию со сходимостью.

Указывая на наличие квадратичной сходимости метода Брауна, отмечают, что рассчитывать на его большую по сравнению с методом Ньютона эффективность в смысле вычислительных затрат можно лишь в случае, когда фигурирующие в нем частные производные заменяются разностными отношениями.

МЕТОД СЕКУЩИХ БРОЙДЕНА

Чтобы приблизиться к пониманию идей, лежащих в основе предлагаемого вниманию метода, вернемся сначала к изучавше­муся в двух предыдущих главах одномерному случаю.

В процессе построения методов Ньютона и секущих решения нелинейного скалярного уравнения

(4.4.1)

функция f(x) в окрестности текущей точки подменяется линейной функцией (аффинной моделью)

(4.4.1а)

Приравнивание к нулю последней, т.е. решение линейного уравнения

,

порождает итерационную формулу

(4.4.2)

для вычисления приближений к корню уравнения (4.4.1).

Если потребовать, чтобы заменяющая функцию f(x) вблизи точки аффинная модель имела в этой точке одинаковую с ней производную, то, дифференцируя (4.4.1а), получаем Значение коэффициента

,

подстановка которого в (4.4.2) приводит к известному методу Ньютона (5.14). Если же исходить из того, что наряду с равенством должно иметь место совпадение функций f(x) и в предшествующей точке т.е. из равенства

,

или, в соответствии с (4.4.1а)

, (4.4.3)

то получаем коэффициент

,

превращающий (4.4.2) в известную формулу секущих.

Равенство (4.4.3), переписанное в виде

,

называют соотношением секущих в Оно легко обобщается на n -мерный случай и лежит в основе вывода метода Бройдена. Опишем этот вывод.

В n-мерном векторном пространстве соотношение секущих представляется равенством

, (4.4.4)

где — известные n-мерные векторы, — данное нелинейное отображение, а — некоторая матрица линейного преобразования в . С обозначениями

, (4.4.5)

соотношение секущих в обретает более короткую запись:

(4.4.4а)

Аналогично одномерному случаю, а именно, по аналогии с формулой (4.4.2), будем искать приближения к решению векторного уравнения (2.1а) по формуле

(4.4.6)

Желая, чтобы эта формула обобщала метод секущих (5.32), обратимую n x n-матрицу в ней нужно подобрать так, чтобы она удовлетворяла соотношению секущих (4.4.4). Но это соотношение не определяет однозначно матрицу : глядя на равенство (4.4.4а), легко понять, что при n>1 существует множество матриц , преобразующих заданный n-мерный вектор в другой заданный вектор (отсюда — ясность в понимании того, что могут быть различные обобщения одномерного метода секущих).

При формировании матрицы будем рассуждать следующим образом.

Переходя от имеющейся в точке аффинной модели функции F(x)

(4.4.7)

к такой же модели в точке

(4.4.8)

мы не имеем о матрице линейного преобразования никаких сведений, кроме соотношения секущих (4.4.4). Поэтому исходим из того, что при этом переходе изменения в модели должны быть минимальными. Эти изменения характеризует разность . Вычтем из равенства (4.4.8) определяющее равенство (4.4.7) и преобразуем результат, привлекая соотношение секущих (4.4.4). Имеем:

Представим вектор в виде линейной комбинации фиксированного вектора определенного в (4.4.5), и некоторого вектора t, ему ортогонального:

,

Подстановкой этого представления вектора в разность получаем другой ее вид

(4.4.9)

Анализируя выражение (4.4.9), замечаем, что первое слагаемое в нем не может быть изменено, поскольку

- фиксированный вектор при фиксированном k. Поэтому минимальному изменению аффинной модели будет отвечать случай, когда второе слагаемое в (4.4.9) будет нуль-вектором при Iвсяких векторах t, ортогональных векторам , т.е. следует находить из условия

. (4.4.10)

Непосредственной проверкой убеждаемся, что условие (4.4.10) будет выполнено, если матричную поправку взять в виде одноранговой nхn-матрицы

.

Таким образом, приходим к так называемой формуле пересчета С. Бройдена (1965 г.)

(4.4.11)

которая позволяет простыми вычислениями перейти от старой матрицы к новой такой, чтобы выполнялось соотношение секущих (4.4.4а) в новой точке и при этом изменения в аффинной модели (4.4.7) были минимальны

Совокупность формул (4.4.6), (4.4.11) вместе с обозначениями (4.4.5) называют методом секущих Бройдена или просто методом Бройдена решения систем нелинейных числовых уравнений.

Хотя в методах секущих обычным является задание двух начальных векторов ( и ), для метода Бройдена характерно другое начало итерационного процесса. Здесь нужно задать один начальный вектор , начальную матрицу и далее в цикле по k = 0,1,2,... последовательно выполнять следующие операции:

1. решить линейную систему

(4.4.12)

относительно вектора :

2. найти векторы и :

, ; (4.4.13)

3. сделать проверку на останов(например, с помощью проверки на малость величин и/или и если нужная точность не достигнута, вычислить новую матрицу по формуле пересчета(см. (4.4.11))

(4.4.14)

В качестве матрицы , требуемой равенством (4.4.12) для запуска итерационного процесса Бройдена, чаще всего берут матрицу Якоби или какую-нибудь ее аппроксимацию. При этом получаемые далее пересчетом (4.4.14) матрицы , ,... не всегда можно считать близкими к соответствующим матрицам Якоби , ,... (что может иногда сыграть полезную роль при вырождении матриц ). Но, в то же время, показывается, что при определенных требованиях к матрицам Якоби матрицы обладают «свойством ограниченного ухудшения», означающим, что если и происходит увеличение с увеличением номера итерации k, то достаточно медленно. С помощью этого свойства доказываются утверждения о линейной сходимости() к х*

при достаточной близости к х* и к а в тех предположениях, при которых можно доказать квадратичную сходимость метода Ньютона (3.1.2), — о сверхлинейной сходимости последовательности приближений по методу Бройдена.

Как и в случаях применения других методов решения нелинейных систем, проверка выполнимости каких-то условий сходимости итерационного процесса Бройдена весьма затруднительна.

Формуле пересчета (4.4.14) в итерационном процессе можно придать чуть более простой вид.

Так как, в силу (4.4.12) и (4.4.13),

,

а

,

то из формулы (4.4.14) получаем формально эквивалентную ей формулу пересчета

, (4.4.14а)

которую можно использовать вместо (4.4.14) в совокупности с формулой (4.4.6) или с (4.4.12), (4.4.13) (без вычисления вектора ). Такое преобразование итерационного процесса Бройдена несколько сокращает объем вычислений (на одно матрично-векторное умножение на каждой итерации). Не следует, правда, забывать, что при замене формулы (4.4.14) формулой (4.4.14а) может измениться ситуация с вычислительной устойчивостью метода; к счастью, это случается здесь крайне редко, а именно, в тех случаях, когда для получения решения с нужной точностью требуется много итераций по методу Бройдена, т.е. когда и применять его не стоит.

 

Практическая часть

Вычисление погрешностей

Задание

Пусть a, b, y – приближенные числа с верными в строгом смысле значащими цифрами, х – верное число. Вычислите:

Оцените погрешность результата. Результаты расчетов расположите в таблице.

Решение

Представлено на рисунке 1.1.

 

a	2,41	b	-0,794	x	2,019	y	1,96
∆a	0,005	∆b	0,0005	∆x	0,0005	∆y	0,005
δa	0,207469	δb	0,062972	δx	0,024765	δy	0,255102
z1	-1,91	z2	7,53	z3	-9,44	z4	0,925	z	-10,2031
∆z1	0,005175	∆z2	0,003765	∆z3	0,00141	∆z4	-0,00022	∆z	0,003914
δz1	0,270441	δz2	0,05	δz3	0,014835	δz4	-0,02342	δz	-0,00858
-1,91354	a*b
7,53079	exp(x)
-9,44	z1-z2
0,925212	sin(y)

Рисунок 1.1 – Результаты расчетов.

 

СОДЕРЖАНИЕ

 

Введение ……………………………………………………………......1

1. МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ.. 2

2. ВЕКТОРНАЯ ЗАПИСЬ НЕЛИНЕЙНЫХ СИСТЕМ. 2

3. МЕТОД НЬЮТОНА, ЕГО РЕАЛИЗАЦИИ И МОДИФИКАЦИИ.. 4

3.1. МЕТОД НЬЮТОНА.. 4

3.2. МОДИФИЦИРОВАННЫЙ МЕТОД НЬЮТОНА …………………………………..6

3.3. МЕТОД НЬЮТОНА С ПОСЛЕДОВАТЕЛЬНОЙ АППРОКСИМАЦИЕЙ МАТРИЦ 7

3.4. РАЗНОСТНЫЙ МЕТОД НЬЮТОНА.. 9

3.5. ОБОБЩЕНИЕ ПОЛЮСНОГО МЕТОДА НЬЮТОНА НА МНОГОМЕРНЫЙ СЛУЧАЙ 9

4. ДРУГИЕ МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ.. 16

4.1. МЕТОД ПРОСТЕЙШИХ СЕКУЩИХ.. 16

4.2. МЕТОД ПРОСТЫХ ИТЕРАЦИЙ.. 17

4.3. МЕТОД БРАУНА.. 19

4.4. МЕТОД СЕКУЩИХ БРОЙДЕНА.. 22

4.5. О РЕШЕНИИ НЕЛИНЕЙНЫХ СИСТЕМ МЕТОДАМИ СПУСКА.. 27

Практическая часть …………………………………………………………...33

Список источников ……………………………………………………………..44

 

Введение

Вычислительная математика — раздел математики, включающий круг вопросов, связанных с производством вычислений и использованием компьютеров. В более узком понимании вычислительная математика — теория численных методов решения типовых математических задач.

 

К задачам вычислительной математики относят:

-решение систем линейных уравнений

-нахождение собственных значений и векторов матрицы

-нахождение сингулярных значений и векторов матрицы

-решение нелинейных алгебраических уравнений

-решение систем нелинейных алгебраических уравнений

-решение дифференциальных уравнений (как обыкновенных дифференциальных уравнений, так и уравнений с частными производными)

-решение систем дифференциальных уравнений

-решение интегральных уравнений

-задачи аппроксимации

-задачи интерполяции

-задачи экстраполяции

-задачи численной оптимизации

 

Основное отличие вычислительной математики заключается в том, что при решении вычислительных задач человек оперирует машинными числами, которые являются дискретной проекцией вещественных чисел на конкретную архитектуру компьютера. Так, например если взять машинное число длиной в 8 байт, то в нём можно запомнить только 264 разных чисел, поэтому важную роль в вычислительной математике играют оценки точности алгоритмов и их устойчивость к представлениям машинных чисел в компьютере. Именно поэтому, например, для решения линейной системы алгебраических уравнений очень редко используется вычисление обратной матрицы, так как этот метод может привести к ошибочному решению в случае с сингулярной матрицей, а очень распространённый в линейной алгебре метод, основанный на вычислении определителя матрицы и её дополнения требует гораздо больше арифметических операций, чем любой устойчивый метод решения линейной системы уравнений.

МЕТОДЫ РЕШЕНИЯ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ

Рассматривается ряд методов решения систем алгебраических и трансцендентных уравнений. Среди них метод простых итераций, метод Ньютона в разных модификациях (в частности, n -полюсный метод Ньютона), метод Брауна, метод секущих Бройдена. Показывается связь между данной задачей и за дачей безусловной минимизации функции нескольких переменных. Проводится сравнение методов на примере решения конкретной системы. С единых позиций изучается сходимость основного и упрощенного методов Ньютона и метода, получаемого из метода Ньютона применением итерационного процесса Шульца для приближенного обращения матриц Якоби.