- •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.
29. Обусловленность систем уравнений. Коэффициент обусловленности.
Каждая задача имеет входные данные и объект вычислений – решение. В силу неизбежного появления погрешностей в исходных данных задачи (в процессе создания математической модели), а также погрешностей округления при выполнении арифметических действий следует иметь представление о том, насколько чувствительно решение к таким погрешностям. Под обусловленностью вычислительной задачи как раз и понимают чувствительность ее решения к малым изменениям входной информации. Если малым изменениям входных данных отвечают малые изменения решения, то говорят, что задача хорошо обусловлена; если же возможны сильные изменения решения, то задача плохо обусловлена.
Как количественно характеризовать степень обусловленности вычислительной задачи. Пусть B – вектор, составленный из точных исходных данных задачи; x – ее решение. Пусть, далее B характеризует ошибки, внесенные в исходные данные, а вектор x – изменение решения, вызванное этими ошибками. Предположим, что ошибки, вносимые в исходные данные, малы:
||δB||<.
Если удастся доказать существование такого положительного числа K, что для всякого вектора ошибки δB, подчиненного этому условию, справедлива оценка
||δx||≤K·||δB||,
то это число K и можно принять за меру обусловленности задачи.
Для системы линейных уравнений исходные данные – это n2 коэффициентов исходной матрицы и n элементов вектора свободных членов; искомое решение – n-мерный вектор x. В матричном виде система записывается
Ax=b, (1)
где A – невырожденная (Δ=detA≠0) квадратная матрица n-го порядка; b - n-мерный вектор свободных членов; x - n-мерный вектор неизвестных.
Пусть вектор правых частей изменился на величину δb, т.е. вместо истинного вектора b используется вектор b+δb. Реакцией решения x на возмущение δb будет вектор поправок δx, т.е. если x – решение системы (1), то x+δx – решение системы:
A(x+δx)=b+δb. (2)
Такую систему называют возмущенной системой, а ее решение – возмущенным решением. Понимая под абсолютной погрешностью приближенного вектора норму разности между точным и приближенным векторами, а под относительной погрешностью – отношение абсолютной погрешности к норме вектора, выясним связь между погрешностями вектора свободных членов и вектора-решения. Раскроем скобки в (2): Ax+Aδx=b+δb. Так как Ax=b, то Aδx=δx. Для невырожденной матрицы существует A-1 и δx=A-1δb. Пронормируем последнее равенство:
||δx||=||A-1+δb||≤||δx||≤||A-1||·||δb||,
а также равенство (1), записанное в обратном порядке - b=Ax:
||b||=||Ax||≤||A||·||x||.
Эти два числовых неравенства одинакового смысла можно перемножить
||δx||·|b|≤||A||·||A-1||·||δb||·||x||.
Из последнего делением на ||b||·||x|| получаем искомую связь
(||δx||/||x||)≤||A||·||A-1||·(||δb||/||b||). (3)
Положительное число ||A||·||A-1|| - коэффициент этой связи – называют числом обусловленности матрицы A и обозначают cond(A) (от английского слова conditioned – «обусловленный»). Легко показать, что то же самое число служит коэффициентом роста относительных погрешностей при неточном задании элементов матрицы A в (1). А именно, если матрица получила возмущение δA и x+δx – решение возмущенной системы
(A+δA)(x+δx)=b,
то справедливо неравенство
(||δx||/||x+δx||)≤cond(A)·(||δA||/||A||). (4)
Итак, неравенства (3) и (4) показывают, что чем больше число обусловленности, тем сильнее сказывается на решении линейной системы ошибки в исходных данных. Число обусловленности показывает, во сколько раз может возрасти относительная погрешность исходных данных в самом решении.
Рассмотрим числовой пример плохообусловленной системы:
x1+0.99x2=1.99
0.99x1+0.98x2=1.97
То есть, имеем
A= b= точное решение: x=
Пусть
b+δb= , т.е. δb=
Для оценок возьмем норму-максимум.
||δb||/||b||=0.000106/1.989903≈0.000053
x+δx= ||δx||/||x||=2/1=2