- •Л.В. Маркова, е.А. Корчевская,
- •С о д е р ж а н и е
- •П р е д и с л о в и е
- •Глава 1 Элементы теории погрешностей п 1.1 Источники погрешностей
- •П 1.2 Вычисление абсолютной и относительной погрешностей
- •П 1.3 Округление чисел
- •П 1.4 Вычисление погрешностей арифметических операций
- •П 1.5 Оценка погрешности по способу границ
- •Лабораторная работа № 1
- •Задание
- •Глава 2 объектно-ориентированный подход к программированию методов линейной алгебры
- •П 2.1 Создание матричной иерархии классов
- •Лабораторная работа № 2
- •Задание
- •П 2.2 Создание иерархии классов вычислительных методов алгебры
- •Лабораторная работа № 3
- •Задание
- •Глава 3 решение систем линейных алгебраических уравнений
- •П 3.1 Метод Гаусса решения систем линейных алгебраических уравнений
- •Лабораторная работа № 4
- •Задание
- •П 3.2 Метод Гаусса с выбором главного элемента для решения систем линейных алгебраических уравнений
- •Лабораторная работа № 5
- •Задание
- •П 3.3 Решение системы линейных алгебраических уравнений методом Жордана-Гаусса
- •Лабораторная работа № 6
- •Задание
- •П 3.4 Метод квадратного корня для решения систем линейных алгебраических уравнений
- •Лабораторная работа № 7
- •Задание
- •П 3.5 Вычисления определителя и нахождения обратной матрицы
- •Лабораторная работа № 8
- •Задание
- •П 3.6 Решение системы линейных алгебраических уравнений методом прогонки
- •Лабораторная работа № 9
- •Задание
- •П 3.7 Метод простых итераций решения систем линейных алгебраических уравнений
- •Лабораторная работа № 10
- •Задание
- •П 3.8 Метод Зейделя решения систем линейных алгебраических уравнений
- •Лабораторная работа № 11
- •Задание
- •П 3.9 Итерационные методы вариационного типа решения систем линейных алгебраических уравнений
- •Лабораторная работа № 12
- •Задание
- •Глава 4 вычисление собственных значений и собственных векторов матриц
- •П 4.1 Метод Данилевского для нахождения собственных значений и собственных векторов
- •Лабораторная работа № 13
- •Задание
- •П 4.2 Итерационный степенной метод нахождения наибольшего по модулю собственного значения и соответствующего собственного вектора
- •Лабораторная работа № 14
- •Задание
- •П 4.3 qr-алгоритм для нахождения собственных значений матрицы
- •Лабораторная работа № 15
- •Задание
- •П 4.4 Метод Якоби для нахождения собственных значений и собственных векторов
- •Лабораторная работа № 16
- •Задание
- •П р и л о ж е н и я Приложение 1 Основные сведения о матрицах
- •Функции MathCad
- •Л и т е р а т у р а
- •Красоткина вычислительные методы алгебры. Практикум
- •2 10038, Г. Витебск, Московский проспект, 33.
Лабораторная работа № 12
Цель: изучить метод скорейшего спуска решения систем линейных алгебраических уравнений.
Задание
1. В классе «Итерационные методы решения СЛАУ» («IterationMethods») реализуйте метод скорейшего спуска («methodSkorSpusk»). Для реализации метода используйте объекты класса «SquareMatrix» и «Vector». Для перемножения матрицы и вектора, для нахождения скалярного произведения векторов используйте методы, реализованные в данных классах. Доступ к элементам осуществляйте с помощью методов getElement и setElement.
2. Решите систему линейных алгебраических уравнений методом скорейшего спуска () в соответствии с вариантом.
3. Решите эту же задачу, используя пакет для математических вычислений.
4. Сравните результат выполнения п. 2 с решением, полученным в п. 3.
Варианты заданий
№ 1 |
№ 2 |
№ 3 |
№ 4 |
№ 5 |
№ 6 |
№ 7 |
№ 8 |
№ 9 |
№ 10 |
№ 11
|
№ 12 |
№ 13 |
№ 14 |
№ 15 |
№ 16 |
Глава 4 вычисление собственных значений и собственных векторов матриц
Пусть А действительная числовая квадратная матрица размера (n*n).
Ненулевой вектор , удовлетворяющий условию
, (1)
называется собственным вектором матрицы А.
Число в равенстве (1) называется собственным значением. Говорят, что собственный вектор X соответствует (принадлежит) собственному значению .
Равенство (1) равносильно однородной относительно X системе:
. (2)
Система (2) имеет ненулевое решение для вектора X (при известном ) при условии . Это равенство есть характеристическое уравнение:
, (3)
где характеристический многочлен n-й степени.
Корни характеристического уравнения (3) являются собственными (характеристическими) значениями матрицыА, а соответствующие каждому собственному значению , ненулевые векторы, удовлетворяющие системе
или , (4)
являются собственными векторами.
Требуется найти собственные значения и собственные векторы заданной матрицы. Поставленная задача часто именуется второй задачей линейной алгебры [7].
Проблема собственных значений (частот) возникает при анализе поведения мостов, зданий, летательных аппаратов и других конструкций, характеризующихся малыми смещениями от положения равновесия, а также при анализе устойчивости численных схем. Характеристическое уравнение вместе с его собственными значениями и собственными векторами является основным в теории механических или электрических колебаний на макроскопическом или микроскопическом уровнях.
Множество всех собственных значений матрицы А называется спектром матрицы А. Различают полную и частичную проблему собственных значений, когда необходимо найти весь спектр и собственные векторы либо часть спектра, например: и. Величина называется спектральным радиусом.
Если для собственного значения найден собственный вектор, то вектор, где – произвольное число, также является собственным вектором, соответствующим этому же собственному значению , т.е. все собственные векторы матрицы определяются с точностью до числового множителя.
Попарно различным собственным значениям соответствуют линейно независимые собственные векторы; k-кратному корню характеристического уравнения соответствует не более k линейно независимых собственных векторов.
Симметрическая матрица имеет полный спектр действительных собственных значений ;k-кратному корню характеристического уравнения симметрической матрицы соответствует ровно k линейно независимых собственных векторов.
К настоящему времени создано немало специальных вычислительных приемов, упрощающих численное нахождение собственных значений и собственных векторов матрицы. Все эти методы, как и в случае проблемы численного решения системы линейных алгебраических уравнений, можно разделить на точные и итерационные методы [8].
К первой группе относятся методы, по которым сначала строят собственный многочлен матрицы, затем, находя его корни, получают собственные значения матрицы и уже по ним находят соответствующие собственные векторы. Методы этой группы получили название точных методов. Точные методы позволяют решать полную проблему собственных значений, т.е. дают возможность находить все собственные значения матрицы и все принадлежащие им собственные векторы. Полная проблема собственных значений в некоторых случаях может быть решена также и специальными итерационными методами. Эти методы, конечно, более трудоемки, чем точные методы.
В методах второй группы собственные значения матрицы определяются непосредственно, без обращения к собственному многочлену, при этом одновременно вычисляются и соответствующие собственные векторы. Вычислительные схемы таких методов носят итерационный характер. В них используется многократное умножение матрицы на вектор. Схемы этого типа обычно приводят к последовательности векторов, имеющей своим пределом собственный вектор, и к числовой последовательности, предел которой является соответствующим собственным значением. Как правило, итерационные методы позволяют с достаточной точностью определить лишь первые (наибольшие по модулю) собственные значения и соответствующие им собственные векторы. Поэтому методы этой группы чаще всего применяются к решению частичной проблемы собственных значений, т.е. их чаще используют лишь для отыскания одного или нескольких собственных значений матрицы и соответствующих собственных векторов. Большим достоинством итерационных методов перед точными является простота и единообразие производимых действий, что особенно ценно при использовании быстродействующих вычислительных машин.
Полная и частичная проблемы собственных значений сильно различаются как по методам их решения, так и по области приложений. Для решения полной проблемы собственных значений используют метод Данилевского, QR-алгоритм, итерационный метод вращения (метод Якоби). Степенной метод нахождения наибольшего по модулю собственного значения и соответствующего собственного вектора метод решения частичной проблемы собственных значений.