- •1. Алгоритм и его свойства (рассмотреть алгоритм умножения).
- •2. Языки программирования.
- •3. Разветвляющиеся алгоритмы. Алгоритм вычисления арксинуса - агсsin х.
- •4. Программа вычисления арксинуса - Агcsin.
- •5. Программа расчета машинного "эпсилона" - Ерsilon.
- •6. Циклические алгоритмы. Программа вычисления конечного произведения (степени числа а).
- •7. Циклические алгоритмы. Алгоритм вычисления бесконечного произведения.
- •8. Циклические алгоритмы. Программа вычисления бесконечного произведения.
- •9. Программа вычисления гипотенуз с использованием функции Роwer.
- •10. Процедура РrintLine и ее использование в программах.
- •11. Процедура МахМin и ее вызов с различными параметрами.
- •12. Процедура сортировки одномерного массива.
- •13. Задача поиска корней уравнения. Метод половинного деления.
- •14. Алгоритм метода половинного деления.
- •15. Метод простой итерации для поиска корней. Геометрическая интерпретация.
- •16. Приведение уравнения к виду, пригодному для применения метода итераций.
- •17. Общая оценка погрешности приближения к корню.
- •23. Оценка погрешности приближения в методе простой итерации.
- •24. Метод Ньютона и оценка погрешности приближения
- •25. Модификации метода Ньютона и оценка погрешности приближения.
- •26. Метoд хорд и оценка погрешности приближения.
- •1.6. Метод хорд
- •27. Понятие нормы. Нормы векторов в конечномерном пространстве
- •28. Нормы матриц. Согласованность и подчиненность норм.
- •29. Обусловленность систем уравнений. Коэффициент обусловленности.
- •Таким образом
- •30. Свойства коэффициента обусловленности
- •31. Решение систем линейных алгебраических уравнений. Метод Гаусса.
- •32. Алгоритм метода Гаусса.
- •33. Метод Гаусса с выбором главного элемента
- •34. Решение систем линейных алгебраических уравнений методом прогонки.
- •35. Алгоритм метода прогонки.
- •36, Метод простой итерации для решения систем линейных алгебраических уравнений.
- •37. Сходимость последовательности векторов и матричной прогрессии.
- •38. Сходимость метода простой итерации для решения систем линейных уравнений
- •39. Оценки погрешности метода простой итерации для решения систем уравнений.
- •40. Метод Зейделя для решения систем линейных алгебраических уравнений.
- •41. Алгоритм метода Зейделя.
- •Xnew←t*pi
- •XI← xnew
- •42. Метод последовательной верхней релаксации.
- •43. Постановка и решение задачи интерполирования функции.
- •44. Алгебраическое интерполирование.
- •45. Интерполяционный полином в форме Лагранжа.
39. Оценки погрешности метода простой итерации для решения систем уравнений.
Теорема 2. (о погрешностях приближения в МПИ) Пусть Bq<1. Тогда справедливы оценки погрешности:
, (апостериорная оценка)
. (априорная оценка)
Доказательство: Рассмотрим два соседних приближения:
x(k+1)=Bx(k)+f,
x(k)=Bx(k-1)+f.
Возьмем разность между этими приближениями:
x(k+1)- x(k)=Bx(k)- Bx(k-1)= B(x(k)- x(k-1))
и про нормируем это выражение:
,
. (*)
Из последнего неравенства (*) видно в силу условия q<1, что элементы итерационной последовательности сближаются с ростом номера k. Оценим разность между (k+m)-ым и k-м членами последовательности при m>0:
Устремляя при фиксированном k , т.е.
.
Используя вновь соотношение (*), получим
откуда и получается априорная оценка погрешности:
.
Теорема 2 доказана.
40. Метод Зейделя для решения систем линейных алгебраических уравнений.
При вычислении очередного (k+1)-го приближения в МПИ в правую часть расчетной формулы (13) подставляется предыдущее, k-ое приближение, т.е. вектор x(k), все компоненты которого имеют одинаковый итерационный индекс: (x1(k), x2(k),…, xn(k)). Однако элементы вектора вычисляются последовательно, поэтому , например, при вычислении x2(k+1) уже вычислен x1(k+1) в новом приближении. Метод, в котором для подсчета i-ой компоненты (k+1)-ого приближения используются уже найденные на этом, т.е. (k+1)-м шаге, новые значения первых i-1 компонент, называется методом Зейделя. Если приведение системы к итерационному виду сделано как это описано в предыдущем параграфе, то расчетная формула для элементов решения
, i=1,2,…, n. (15)
В развернутом виде метод Зейделя определяется системой равенств:
x1(k+1) = (b1-a12x2(k)-a13x3(k)-…-a1nxn(k))/a11,
x2(k+1 )= (b2-a21x1(k+1)-a23x3(k)-…-a2nxn(k))/a22,
…………………………………………… (16)
xn(k+1) = (bn-an1x1(k+1)-an2x2(k+1)-…-an,n-1xn-1(k+21))/ann.
В сравнении с МПИ метод Зейделя сходится быстрее. Кроме того, при его реализации на компьютере не нужен отдельный массив для хранения нового приближения. Вычисленные компоненты нового вектора x(k+1) заносятся на место соответствующих компонент старого вектора x(k), в этой связи метод Зейделя называют методом последовательных смещений. В МПИ нужно целиком сохранять массив значений x(k), подставляемый в правую часть расчетной формулы (13), до тех пор, пока не сформирован полностью новый массив x(k+1) – результат текущего итерационного шага. Поэтому МПИ называют методом одновременных смещений.
Достаточные условия метода Зейделя такие же как и для МПИ.
Процесс итераций продолжаем до тех пор, пока значения xi(k+1) (i=1,2,…,n) не станут близким к значениям xi(k) с заданной погрешностью .