Documente Academic
Documente Profesional
Documente Cultură
Analiza circuitelor rezistive neliniare necesită soluția unor sisteme de ecuații algebrice neliniare.
Unul dintre cei mai eficienti algoritmi numerici care ne permite să rezolvăm o ecuatie sau un
sistem de ecuatii neliniare este algoritmul Newton-Raphson.
Pentru al explica, considerăm la început cel mai simplu caz al unei ecuații cu o singură variabilă
x.
f(x)=0 (1)
Metoda Newton-Raphson este o metodă iterativă, iar formula de iterație este
( )
( ) ( )
= − ( ) , (2)
unde
( ) ( )
= . (3)
Se incepe cu o aproximare inițială x(0) si apoi se calculeaza solutia la iteratia 1, adica x(1) din
relatia (2).Apoi solutia la iteratia 2, x(2) cu ajutorul lui x(1) . Folosim succesiv relatia 2 până când
x(j) converge la soluție x*.
( ) ( )
Procesul de calcul Newton-Raphson este continuat până − ≅0
Din relatia (2) obtinem :
( )
( ) ( )
− =
( ( ))
( ) ( )
Daca − =0
( )
atunci =0
1
Astfel consideram ca solutia de la iteratia (j) aproximeaza Solutia ecuatiei x*.
( ) ∗
≅
Exemplul 1
f’(x)=3x2+1.
Prin urmare, relatia (2) devine:
( )
( ) ( )
+ ( )−4
= −
3( ( ) ) + 1
( )
−4
=0− =4
1
( ) ./0 0.0
= 4− = 2.694
01
( )
2.694 + 2.694 − 4
= 2.694 − = 1.893
3 ∗ 2.694 + 1
(0)
=1.495
(6)
= 1.386
(/)
= 1.379
(8)
= 1.379
(8) (/)
De vreme − = 0 , presupunem x* = 1.379
2
REZOLVAREA SISTEMELOR DE ECUATII ALGEBRICE LINIARE
PRIN METODE ITERATIVE
Metodele iterative sunt metode care permit obţinerea soluţiei numerice a unui sistem de ecuaţii
prin generarea unui sir care tinde către soluţia exactă. Elementele acestui şir de iteraţii se
calculează recursiv, iar procesul se opreşte după un număr finit de paşi, la îndeplinirea criteriului
de eroare.
Chiar dacă soluţia obţinută prin metode iterative este afectata de erori de trunchiere, erori care nu
apar în cazul metodelor directe, este totuşi posibil ca soluţia obţinută prin metode iterative să fie
mai precisă ca cea obţinută prin metode directe.
Pentru a aduce sistemul de rezolvat la forma unei aplicaţii cu punct fix în general se caută o
descompunere a matricei A într-o diferenţă de două matrice de forma :
sistemul putând fi astfel adus la forma x = B-1 ( b+Cx) adică soluţia la pasul k fiind:
3
ρ (M) < 1 (3.3)
Atunci cind numarul de necunoscute din sistem este mare utilizarea algoritmului Gauss
devine ineficienta din punct de vedere computational si in acest caz este indicata folosirea
metodei aproximatiilor succesive.
Fie sistemul :
Ax = b
care in forma explicita este :
................................................
(3.5)
................................................
................................................
a n1 x1 + a n 2 x 2 + ... + a nn x n = bn
cu matricea A :
a11 a12 ...a1n
a a 22 ... a 2 n
21
..... ...... ..... .....
A=
..... ..... ..... .....
.... ..... ..... .....
a n1 a n 2 ... a nn
4
b1 x1
b x
2 2
b = ... x = ...
... ...
bn xn
x1 = β 1 + α 12 x 2 + α 13 x3 + ... + α 1n x n
x = β + α x + α x + ... + α x
2 2 22 2 23 3 1n n
......................................................
> (3.6)
......................................................
......................................................
x n = β n + α n 2 x 2 + α 23 x3 + ... + α nn x n
unde
bi
βi =
a ii
aij
α ij = − i≠ j
aii
α ij = 0 i = j
β1 α 11 α 12 ... α 1n
β α α 22 ... α 2 n
β= 2
α = 21
... ... ... ... ...
β n α n1 α 2 n ... α nn
(k ) ( k −1)
x =α ⋅x +β (3.7)
5
(1) ( 0) (0)
Exemplu:pentru k =1 se obtine solutia la prima iteratie x = β + α x unde x este
aproximarea initiala.
Dacă există un vector soluţie aproximaţie iniţială pentru care x (k ) converge atunci sistemul
are soluţia pentru orice altă aproximaţie iniţială.
Chiar daca vectorul aproximaţie iniţială se alege arbitrar, totuşi este indicat să alegem ca
vector aproximaţie iniţiala o soluţie a sistemului obţinută printr-o aproximare grosieră.
Sistemul are solutie utilizând metoda aproximatiilor succesive dacă matricea A este o
matrice diagonal dominantă, adică:
n
ai i > ∑ ai j i = 1, n
j =1
j ≠i
4 x1 + 0,24 x 2 − 0,08 x3 = 8
0,09 x1 + 3x2 − 0,15 x3 = 9
0,04 x + 0,08 x + 4 x = 20
1 2 3
6
(1)
x1 = 2 − 0,06 ⋅ 3 + 0,02 ⋅ 5 = 1,92
(1)
x2 = 3 − 0,03 ⋅ 2 + 0,05 ⋅ 5 = 3,19
(1)
x3 = 3 − 0,03 ⋅ 2 + 0,05 ⋅ 5 = 3,19
(2)
x1 = 1,9094
(2)
x2 = 3,1944
( 2)
x3 = 5,0446
3.4.Analiza complexitatii
Efortul de calcul
7
(k ) ( k −1) k
εk = x −x ≤ M x − x = M .ε k −1 ≤ M .ε 0 (3.13)