Лабораторна робота

Тема: НАБЛИЖЕНИЙ РОЗВ’ЯЗОК СИСТЕМ ЛІНІЙНИХ ТА НЕЛІНІЙНИХ

АЛГЕБРАЇЧНИХ РІВНЯНЬ (СЛАР)
Мета роботи: навчитися наближено обчислювати розв’язки систем лінійних
алгебраїчних рівнянь (СЛАР) методами простих ітерацій (Якобі), Гауса-Зейделя, а також
систем нелінійних рівнянь за допомогою методу ітерацій та методу Ньютона при заданій
точності.
Очікувані результати: визначити наближений розв’язок СЛАР методами Гауса
(Жордана-Гауса), LU-методом, простих ітерацій (Якобі), Гауса-Зейделя; визначити
наближений розв’язок системи нелінійних рівнянь за допомогою методу ітерацій та
методу Ньютона.
Обладнання: методичні вказівки до виконання лабораторної роботи, конспект
лекцій, пакет математичної прикладної програми Matlab+Simulink.
Стислі теоретичні відомості
Точні методи розв’язування СЛАР. Метод Гаусса.
Методи розв’язування систем лінійних алгебраїчних рівнянь в основному
поділяються на дві групи: 1) точні методи, які представляють собою скінченні
алгоритми для обчислення коренів системи (такі, наприклад, як, правило Крамера, метод
Гаусса, метод ЖорданаГаусса, метод оберненої матриці та ін.);
2) ітераційні методи, які дозволяють отримати корені системи із заданою точністю (до
них від-носяться метод ітерації, метод Зейделя та ін.).
Найбільш розповсюдженим методом розв’язування систем лі-нійних рівнянь є метод
послідовного виключення невідомих, який називають методом Гаусса. Схему метода
Гаусса покажемо на прикладі системи 4-х рівнянь з 4-ма невідомими:
 a11x1  a12 x2  a13 x3  a14 x4  b1 ,
a x  a x  a x  a x  b ,
 21 1 22 2 23 3 24 4 2
 (1)
 a31x1  a32 x2  a33 x3  a34 x4  b3 ,
 a41x1  a42 x2  a43 x3  a44 x4  b4 .
Нехай a11  0 (головний елемент). Цього завжди можна досягти перестановкою
рівнянь системи (1). Поділивши коефіцієнти першого рівняння системи (1) на a11 ,
одержимо рівняння:
x1  a12
(1)
x2  a13
(1)
x3  a14
(1)
x4  b1(1) , (2)
a1 j b1
де a1(1j)  , b1(1)  , ( j  1 ).
a11 a11
Користуючись рівнянням (2), легко виключити із системи (1) невідоме x1 . Для цього
досить до другого рівняння системи (1) додати рівняння (2), помножене на  a21 , потім до
третього рівняння системи (1) додати рівняння (2), помножене на  a31 і, на кінець, до
четвертого рівняння додати рівняння (2), помножене на  a41 . В результаті одержимо
систему із трьох рівнянь:
a22
(1)
x2  a23
(1)
x3  a24
(1)
x4  b2(1) ,
 (1)
a32 x2  a33 x3  a34 x4  b3 ,
(1) (1) (1)
(3)
a (1) x  a (1) x  a (1) x  b(1) ,
 42 2 43 3 44 4 4

у якій коефіцієнти aij(1) та bi(1) ( i, j  2 ) обчислюються за формулами:

aij(1)  aij  ai1  a1(1j) ; bi(1)  bi  ai1b1(1) .
Поділивши далі коефіцієнти першого рівняння системи (3) на a22
(1)
 0 , одержимо
рівняння

1
 x2  a23
( 2)
x3  a24
( 2)
x4  b2( 2) , (4)
a2(1j) b2(1)
де a2( 2j)  (1)
, b2( 2)  (1)
, ( j  2 ).
a22 a22
Виключаючи тепер x2 таким же способом, яким виключали x1 , прийдемо до
наступної системи рівнянь:
a33
( 2)
x3  a34
( 2)
x4  b3( 2) ,
 ( 2) (5)
a43 x3  a44 x4  b4 ,
( 2) ( 2)

де aij( 2)  aij(1)  ai(21)  a2( 2j) ; bi( 2)  bi(1)  ai(21)  b2( 2) , (i, j  3) .
Поділивши коефіцієнти першого рівняння системи (5) на a33
(2)
 0 , одержимо
рівняння
x3  a34
( 3)
x4  b3(3) , (6)
a3( 2j )
b3( 2)
де a3(3j)  ( 2) ( 2)
, ( j  3 ).
, b3(3) 
a33 a33
Виключаючи тепер x3 аналогічним чином, будемо мати рівняння
(3)
a44 x4  b4(3) , (7)
де 
aij(3)  aij( 2) ai(22)  a2(3j) , bi(3)  bi( 2)  ai(22)  b2(3) , (i, j  4) .
Звідси знаходимо
b4(3)
x4  ( 3)
 b4( 4) .
a44
Решта невідомих послідовно знаходяться із рівнянь (6), (4), (2):
x3  b3(3)  a34
( 3)
x4 ,
x2  b2  a23 x3  a24
( 2) ( 2) (3)
x4 ,
x1  b1(1)  a12
(1)
x2  a13
(1)
x3  a14
(1)
x4 .
Таким чином, алгоритм методу Гаусса зводиться до приведення матриці системи (1)
до трикутного вигляду (прямий хід) і послідовного визначення невідомих x4 , x3 , x2 , x1
(зворотний хід).
Аналогічним чином метод Гаусса застосовується до розв’я-зування систем лінійних
алгебраїчних рівнянь, що містять n рівнянь з n невідомими.
LU метод розв’язку СЛАР.

2
3
 Ітераційні методи розв’язування систем лінійних алгебраїчних рівнянь. Метод
простої ітерації
При великій кількості невідомих схема методу Гаусса, яка дає точний розв’язок
системи стає досить складною. Тому іноді зручніше користуватися наближеними
методами. Одним із таких методів є метод простої ітерації.
Нехай потрібно знайти розв’язок лінійної системи
a11 x1  a12 x2    a1n xn  b1 ,

a21 x1  a22 x2    a2 n xn  b2 ,
 (8)
. . . . . . . . . . . . . . . . . . . . . . . . . .
an1 x1  an 2 x2    ann xn  bn .
Ввівши в розгляд матриці
 a11 a12  a1n   x1   b1 
a a22  
a2 n   
x2  b 
A   21 , X  , B   2 ,
     
     
 an1 an 2  ann   xn  bn 
систему (8) можна записати у вигляді:

4
 AX  B . (9)
Припускаючи, що діагональні елементи
aii  0 ( i  1, n ),
розв’яжемо перше рівняння системи (8) відносно x1 , друге – відносно x2 і т.д. Тоді
отримаємо еквівалентну систему
 x1  1  11x2  13 x3    1n xn ,
x     x   x     x ,
 2 2 21 1 23 3 2n n
 (10)

 xn  n   n1 x1   n 2 x2     n , n 1 xn 1 ,

bi a
де  i  ,  ij   ij , при i  j і ij  0 при i  j ( i, j  1, n ).
aii aii
Ввівши в розгляд матриці
 11 12  1n   1 
  22   2 n   
   21 і    2,
     
   
 n1  n 2   nn   n 
систему (10) можна записати в матричній формі:
X    X . (11)
Розв’язок системи (11) будемо знаходити методом послідовних наближень. За
початкове (нульове) наближення приймемо, наприклад, стовпчик вільних членів X (0)   .
Далі послідовно знаходимо інші наближення:
X (1)    X ( 0 ) (перше наближення),
X ( 2 )    X (1) (друге наближення) і т.д.
Взагалі кажучи, будь-яке (k  1) -е наближення обчислюють за формулою:
X ( k 1)    X ( k ) ( k  0, 1, 2, ). (12)
Якщо послідовність наближень X , X , X , …, X ( 0) (1) ( 2) (k )
, … має границю
X  lim X ( k ) , то ця границя і буде розв’язком системи (11).
k 

Напишемо формули для обчислення наближень у розгорнутому вигляді:

 x (0)   ,
 i i
 ( k 1) n
 xi  i   ij x (jk ) , (13)
 j 1

(ii  0; i  1, n; k  0, 1, 2, ).
Метод простої ітерації добре збігається, якщо елементи матриці  малі за
абсолютною величиною. Іншими словами, для успішного застосування методу простої
ітерації абсолютні величини діагональних елементів системи (8) повинні бути досить
великими порівняно з абсолютними величинами недіагональних елементів цієї системи
(вільні члени при цьому ніякої ролі не грають).
Метод Зейделя
Метод Зейделя представляє собою деяку модифікацію методу простої ітерації.
Головна його ідея полягає в тому, що при обчисленні (k  1) -го наближення невідомої xi
вже враховуються обчислені раніше (k  1) -і наближення невідомих x1 , x2 ,…, xi 1 .
Нехай задана приведена лінійна система:
n
xi  i  
j 1
ij x j , (i  1, n) .

5
 Виберемо довільним чином початкові наближення коренів x1(0) , x2(0) , …, xn(0) . Далі,
вважаючи, що k -ті наближення xi(k ) коренів відомі, згідно методу Зейделя будуємо (k  1) -
і наближення за формулами:
n
x1( k 1)  1  
j 1
(k )
1jxj ;

n
x2( k 1)  2   21x1( k 1)  
j 2
(k )
2 jxj ;

...............................
i 1 n
xi( k 1)  i  
j 1
( k 1)
ij x j  j i
(k )
ij x j ;

...............................
n 1
xn( k 1)  n  
j 1
( k 1)
nj x j   nn xn( k ) .

Достатні умови збіжності ітераційних методів та оцінка точності обчислень.

Методи простої ітерації та Зейделя збігаються, якщо виконується хоча б одна з
достатніх умов:
n n n n
а)  m
 max  | ij |  1 ; або б)  l
 max  | ij |  1 ; або в)  k
  | ij |2 1.
i j1 j i1 i 1 j 1
Для оцінки точності обчислень методом простої ітерації використовують нерівність:
k

X *  X (k )   X (1)  X ( 0)   , (14)
1 
де X * – точний розв’язок системи,  – точність знаходження розв’язку.
Зокрема, якщо за початкове наближення вибрати стовпчик вільних членів, тобто
X   , то оцінка точності обчислень матиме вигляд:
( 0)

k 1

X X
* (k )
   . (15)
1 
Для оцінки точності обчислень методом Зейделя можна вико-ристати оцінки (14) і
(15) або більш точну
k
| xi  xi( k ) |  max | x (j1)  x (j0) | , ( i  1, n ),
1  j
n

| 
j i
ij |
де   max i 1
  m
.
| 
i
1 ij |
j 1

Наближений розв’язок системи двох нелінійних рівнянь методом ітерацій.

Для розв'язку систем нелінйних рівнянь можна також використовувати і метод простої
ітерації (послідовних наближень). Процес збіжність даного методу, на відміну від методу
Ньютона, є набагато повільнішим, проте він не вимагає, на кожній ітерації, знаходження розв'язку
системи лінійних алгебраїчних рівнянь.
Для простоти, розглянемо систему, яка складається з двох нелінійних рівнянь:
 f 1 ( x, y )  0
 (16)
 f 2 ( x, y )  0
Згідно методу ітерації, систему (16) потрібно замінити рівносильною їй системою,
наступного виду:

6
  x  φ 1 ( x, y )

 y  φ 2 ( x, y )
Припустимо, що розв'язок систем (16) міститься на деякому замкнутому прямокутнику D, і
при чому він є єдиним ( D  {( x * , y * ) : a1  x *  b1 , a2  y *  b2 } ). Вибравши в якості
початкового наближення довільну точку ( x 0 , y 0 )  D , і використавши формули:
 x k 1  φ1 ( x k , y k )

 y k 1  φ 2 ( x k , y k )
отримаємо послідовність точок ( xk , yk ), k=0,1,2,…, яка збігається до шуканого розв'язку системи
(16). Умова збіжності методу ітерації та умова зупинки ітераційного процесу із заданою точністю
ε має вигляд:
| x k 1  x k | ε
 (17)
| y k 1  y k | ε
Чисельний метод Ньютона для розв’язання систем нелінійних рівнянь.
Розглянимо систему, яка складається з двох рівнянь, серед яких є хоча б одне нелінійне:
 f ( x, y )  0
 (18)
 g ( x, y )  0
де f(x,y) та g(x,y) неперервні та диференційовні функції.
Розв'язок даної системи будемо шукати використовуючи метод Ньютона. Для цього,
припустимо, що нам вже відоме п-е наближення x n , y n для невідомих х та у. Більш точне
наближення xn1 , y n1 , згідно методу Ньютона, можна отримати наступним чином. Покладемо
xn1  xn  Δxn , yn1  yn  Δyn (19)
і підставимо дані значенняч у систему (18). В результаті отримаємо:
 f ( x n  Δx n , y n  Δy n )  0,

 g ( x n  Δx n , y n  Δy n )  0
Далі, розклавши функції f(x,y) та g(x,y) в околі точки з координатами ( x n , y n )у ряд
Тейлора, та обмежившись лише лінійними членами відносно Δxn , Δy n , будемо мати:
 f ( x n  Δx n , y n  Δy n )  f ( x n , y n )  Δx n f x ( x n , y n )  Δy n f y ( x n , y n )  0,

 (20)
 g ( x n  Δx n , y n  Δy n )  g ( x n , y n )  Δx n g x ( x n , y n )  Δy n g y ( x n , y n )  0

Система (20) являє собою систему рівнянь відносно невідомих приростів Δxn , Δy n . Для
зручності, перепишемо її у наступному вигляді:
Δx n f x ( x n , y n )  Δy n f y ( x n , y n )   f ( x n , y n ),
 (21)
Δx n g x ( x n , y n )  Δy n g y ( x n , y n )   g ( x n , y n )
Дану систему можна розв'язати будь-яким з відомих нам методів, наприклад методом
Гауса або Крамера (відносяться до точних чисельних методів). В нашому випадку доцільніше
скористатись методом Крамера, виходячи з того, що розмірність матриці не є великою. Отже,
ввівши позначення для функцій та для частинних похідних у точках
, розв'язок системи
(21) можна записати у наступному вигляді:
 fn f yn f xn  f n
 gn g yn g  gn
Δx n  , Δy n  xn
f xn f yn f xn f yn
g xn g yn g xn g yn

7
 Далі, знайдені значення Δxn , Δy n підставляємо в формули (19) і отримуємо наступне (п+1)
-е наближення.
Таким чином, застосування методу Ньютона для знаходження розв'язку системи
нелінійних рівнянь призводить до вирішення сукупності систем лінійних рівнянь виду (21). Однак
для забезпечення збіжності методу Ньютона до шуканого рішення необхідно вдало вибрати
початкове наближення, яке найчастіше визначають графічним способом.
Ітераційний процес знаходження розв'язку системи (18) за методом Ньютона є нескінченним.
Тому для знаходження розв'язку з заданою точністю ε, як правило теж використовують умову
зупинки (17).
Завдання.
Завдання 1. (Прямі методи розв’язання СЛАР). Розв’язати систему лінійних
алгебраїчних рівнянь Axb запропонованими методами. Порівняти дані методи за
кількістю операцій.
А) методом Гауса;
Б) за допомогою LU-розкладу.

8
9
10
 Завдання 2. (Ітераційні методи розв’язання СЛАР). Розв’язати систему лінійних
алгебраїчних рівнянь Axb запропонованими методами з точністю до 10-6. (Матриці A і b
брати як в завданні 1):
1) методом Якобі; 2
2) методом Зейделя.
Завдання 3. (Чисельні методи розв’язання системи нелінійних рівнянь). Розв’язати
систему нелінійних рівнянь методом простої ітерації з точністю до 10-6.
Варіант 1 Варіант 2 Варіант 3
0.3x  0.6 y  8.5 x  1  0,
2 0.5 x  0.6 y  8.5 x  3  0, 2 x 2  6.2 y  16.4 x  1  0,
  
2 y  0.06 x3  1  0. 3 y  0.07( x  2) 2  2  0. 2 y  0.08 x  0.4  0.
Варіант 4 Варіант 5 Варіант 6
0.3x 2  0.4 y  1.3x  0.7  0, 2 x  2  0.7 y  5.2 x  2  0, 0.3 x  1  2.7 y  3.2 x  0.5  0,
  3  3
2.5 y  0.01 x  1  4.3  0. 4 y  0.07 x  1  0. 2 y  0.6 x  3  0.
Варіант 7 Варіант 8 Варіант 9
5.3x  0.9 y  2 x  0.4  0,
2 1.3x  2.5 y  4 x  0.5  0,
2 6.3x3  7.5 y  4.2 x  2.5  0,
  
0.9 y 3  0.5 x  y  2  0. 1.9 y 2  0.6 x  y  7  0. 1.8 y 3  7.6 x  y  10  0.
Варіант 10 Варіант 11 Варіант 12
8.3x  1.5 y  5.2 x  7.5  0,
3 2 sin x  3 y  1, 3 sin x  2 y  1.4,
  
2.5 y 3  3.8 x  y  5  0.  x  cos y  2. 2 x  1.5 cos y  3.
Варіант 13 Варіант 14 Варіант 15
1.2 sin x  1.7 y  2.3, 1.3 sin x  1.6 y  2.4, 1.9 sin x  2.1y  3.4,
  
0.3x  1.4 cos y  0.1. 0.4 x  1.3 cos y  0.2. 0.4 x  0.7 cos y  1.8.
Варіант 16 Варіант 17 Варіант 18
1.4 sin y  1.2 x  3.1, 1.7 sin y  1.8 x  4.3, 1.8 sin y  1.9 x  4.4,
  
0.5 y  1.2 cos x  0.3. 0.8 y  0.3 cos x  1.5. 0.9 y  0.4 cos x  1.6.
Варіант 19 Варіант 20
1.5 sin y  1.1x  4.3, 1.6 sin y  1.7 x  4.2,
 
0.6 y  1.4 cos x  0.7. 0.7 y  1.8 cos x  0.5.
Завдання 4. (Чисельні методи розв’язання системи нелінійних рівнянь). Розв’язати
систему нелінійних рівнянь методом Ньютона з точністю до 10-6.
Завдання 5. Розв’язати СЛАР та нелінійне рівняння засобами Simulink.
Скласти програму для обчислення даного завдання у MatLab+Simulink. Фрагмент
програмного коду, що забезпечує основні обчислення, у вигляді скріншотів разом із
розрахунками вставити у звіт лабораторної роботи.

11
 Зробити висновки (порівняти методи за кількістю ітерацій).

Хід лабораторної роботи

Завдання 1
А) Для розв’язку задачі методом Гауса маємо
0.80 x1  0.10 x2  0.10 x3  1840,

0.20 x1  0.70 x2  0.10 x3  1860, (1)
0.05x  0.05x  0.90 x  236.
 1 2 3

Випишемо розширену матрицю системи (1):

 0.80 0.10 0.10 1840   1 0.125 0.125 2300   1 0.125 0.125 2300 
     
 0.20 0.70 0.10 1860    0 0.675 0.075 1400    0 1 0.111 2074.074  
 0.05 0.05 0.90 236   0 0.044 0.894 121   0 0 0.889 30.156 
    
 1 0.125 0.125 2300 
 
 0 1 0.111 2074.074 
0 0 1 33.921 

Отже, x3  33.921 , x2  2070.309 , x1  2036.971.
У програмі Matlab цей метод можна описати за допомогою функції:

12
Маємо результат:

Б) Розв’яжемо (1) за допомогою LU-розкладу:

Маємо результат:

13
 Завдання 2
А) Розв’яжемо (1) методом простих ітерацій (методом Якобі). Для даної системи
виконуються умови збіжності ітераційного процесу: | 0.8 || 0.1 |  | 0.1 |, | 0.7 || 0.2 |  | 0.1 |,
| 0.9 || 0.05 |  | 0.05 | . Тому розв’яжемо перше рівняння системи (1) відносно х1, друге –
відносно х2, а третє – відносно х3:
 1
 x1  0.80 (1840  0.10 x2  0.10 x3 ),
  x1( k 1)  2300  0.1250 x2( k )  0.1250 x3( k ) ,
 1 
 x2  (1860  0.20 x1  0.10 x3 ), або  x2( k 1)  2657.1429  0.2857 x1( k )  0.1429 x3( k ) , (2)
 0.70  ( k 1)
 x3  262.2222  0.0556 x1  0.0556 x2 .
(k ) (k )
 1
 x3  0.90 (236  0.05 x1  0.05 x2 ).

За нульові наближення приймемо відповідні значення вільних членів системи (2):
x1  2300 .0000 , x20  2657 .1429 , x30  262 .2222 .
0

Із системи (2) знайдемо перше та наступні наближення, а результати обчислень

подамо у таблиці 3.
Таблиця 3.
0
N ітерації х1 х2 х3
0 2300.00 2657.14 262.22
1 1935.08 1962.56 -13.39
2 2056.35 2106.20 45.51
3 2031.04 2063.14 30.78
4 2038.26 2072.48 34.59
5 2036.62 2069.87 33.67
6 2037.06 2070.47 33.90
З таблиці 3 видно, що для п’ятої та шостої ітерації виконується нерівність
| xi( 3)  xi( 2 ) | 1 , отже: x1  2037 , x2  2070 , x3  34 .
Нижче реалізован метод Якобі засобами Matlab:

14
Результат роботи програми:

15
 Б) Розв’яжемо систему лінійних алгебраїчних рівнянь Axb методом Зейделя з
точністю до цілих. Оскільки для даної системи виконуються умови збіжності ітераційного
процесу, розв’яжемо перше рівняння системи (*) відносно х1, друге – відносно х2, а третє –
відносно х3, матимемо:

16
  x1( k 1)  2300  0.1250 x2( k )  0.1250 x3( k ) ,
 ( k 1) ( k 1)
 x2  2657.1429  0.2857 x1  0.1429 x3 ,
(k )
(18)
 ( k 1) ( k 1) ( k 1)
 x3  262.2222  0.0556 x1  0.0556 x2 .
За нульові наближення приймемо відповідні значення вільних членів системи (18):
x  2300 .0000 , x2( 0 )  2657 .1429 , x3( 0 )  262 .2222 .
(0)
1

Із системи (18) знайдемо перше та наступні наближення, а результати обчислень

подамо у таблиці 4.
Таблиця 4.
N0 ітерації х1 х2 х3
0 2300.0000 2657.1429 262.2222
1 1935.0795 2066.8192 39.7166
2 2036.6831 2069.5871 33.9136
3 2037.0625 2070.3080 33.8524
З таблиці 3 видно, що для другої та третьої ітерації виконується нерівність
| xi  xi( 2 ) | 1 , отже: x1  2037 , x2  2070 , x3  34 .
( 3)

Реалізація даного методу у Matlab має вигляд:

Результат роботи програми:

17
 Завдання 3
Розв’язати систему нелінійних рівнянь 2-го порядку методом ітерацій. Якщо система
має вигляд:
0.2 x 2  0.5 y  4.3x  1.7  0,

3.5 y  0.02 x  1  2.3  0.
1) Знайдемо розв’язок методом ітерацій. Для цього запишемо систему у вигляді:
 x  0.3953  0.0465x 2  0.1163 y,

 y  0.6571  0.0057 x  1.
Якщо побудувати графік цих рівнянь (рис. 1), матимемо наближені значення
x0  0.3, y0  0.6 .

Рис. 1.

18
 Перевіримо умови збіжності методу:
φ1  0.3953  0.1163 y  0.0465x2 , φ 2  0.6571  0.0057 x  1 ,
φ1 φ1 φ 2 φ 2
 0.0279,  0.1163,  0.0034, 0
x x0 y0 y x0 y0
x x0 y0 y x0 y0

φ1 φ 2
Тому q1    0.0279  0.0034  0.0313 ,
x x0 y0 x x0 y0

φ1 φ 2
q2    0.1163  0  0.1163 .
y x0 y0
y x0 y0

Оскільки M  max{q1, q2}  0.1163  0.5 , то збіжність методу хороша.

А наступні наближення будемо шукати із системи:
 xk 1  0.3953  0.0465xk2  0.1163 yk ,

 yk 1  0.6571  0.0057 xk  1.
Обчислимо:
x1  -0.3214, y1  0.6618; | x0  x1 | 0.021  0.01,| y0  y1 | 0.06  0.01
x2  0.3136, y2  0.6619; | x2  x1 | 0.008  0.01,| y2  y1 | 0.001  0.01
Отже, x  0.31, y  0.66.
* *

Реалізація даного методу у Matlab має вигляд:

Результат роботи програми:

19
 Завдання 4
Для зручності обчислень та реалізації даного методу у Matlab, представимо
приклад розв’язку нелінійної системи вручну.
Додаток. Розв’язати систему нелінійних рівнянь 2-го порядку методом Ньютона.
Якщо система має вигляд:
0.2 x 2  0.5 y  4.3x  1.7  0,

3.5 y  0.02 x  1  2.3  0.
Позначимо:
F1  0.2 x 2  0.5 y  4.3 x  1.7, F2  3.5 y  0.02 x  1  2.3 .
Знайдемо похідні цих функцій:
0.01
F1x  0.4 x  4.3, F1y  0.5 F2x   F2y  3.5
x 1
При x0  0.3, y0  0.6 : F1x  4.18, F1y  0.5 F2x  0.012 F2y  3.5 .
(0) (0) (0) (0)

Обчислимо визначники та величини:

F1x F1y  0.5
(0) ( 0)
4.18
Δ0  (0)   14.6240 ,
F2x F2y  0.012 3.5
( 0)

 F1 F1y  0.1280  0.5

( 0) ( 0)

Δ 
0
(0)   0.3396
 F2 F2y
y ( 0)
0.2167 3.5
F1x
(0)
 F1
(0)
4.18  0.128
Δ0x    0.9044
F2x
(0)
 F2
(0)
 0.012 0.2167
Δ0y Δ0
h0   0.0232, l0  x  0.0618 ;
Δ0 Δ0
x1  x0  h0  0.3232, y1  y0  l0  0.6618 .
| x0  x1 | 0.023  0.01,| y0  y1 | 0.062  0.01 .
4.1707  0.5
Δ1   14.5914 ,
 0.0122 3.5
 0.0001  0.5
Δ1y   0.004
 0.000002 3.5

20
 4.1707  0.000108
Δ1x   0.000011
 0.0122  0.000002
h1  2.59  105 , l1  7.59  107 ;
x2  x1  h1  0.3233, y2  y1  l1  0.6618 .
| x2  x1 | 0.01,| y2  y1 | 0.01.
Отже, x*  0.3233, y*  0.6618.

Завдання 5
Додаток. Для розв’язку лінійних систем та рівнянь (лінійних та нелінійних) може
використовуватись Simulink.
Simulink – середовище графічного програмування на основі Matlab. Призначений
для моделювання, імітації та аналізу динамічних систем. Його основний інтерфейс – це
інструмент для побудови графічних блок-схем та їх налаштування.
Для цього запускаємо Matlab, запускаємо Simulink, створити нову модель Simulink.
Для розв’язку лінійних рівнянь можуть знадобитися наступні блоки:

Приклад такого розв’язку має вигляд:

21
 Як приклад, розв’язати лінійну систему в Simulink можна наступним чином:

Або у матричному вигляді:

Або, використавши наступні блоки:

Отримаємо:

22
Також, для кращого засвоєння матеріалу, можете скористатися Matlab help та наступними
посиланнями:
Розв’язок лінійних систем:
https://www.youtube.com/watch?v=08Q-1k3bl84
Розв’язок нелінійних систем:
https://www.youtube.com/watch?v=A_AZd09Rml8

23