- •1. Погрешность
- •1.1. Определение погрешности
- •1.2. Источники погрешности
- •1.3. Способы оценки погрешности
- •2. Аппроксимация, интерполяция функций
- •2.1. Задачи аппроксимации и интерполяции
- •2.2. Интерполяционный многочлен Ньютона.
- •2.3. Интерполяционная формула Лагранжа
- •2.4. Погрешность и трудоемкость интерполяции
- •2.5. Нелинейная интерполяция
- •2.6. Эрмитова интерполяция
- •2.7. Интерполяция сплайнами
- •2.8. Аппроксимация функций методом наименьших квадратов
- •2.9. Двумерная интерполяция
- •3. Численное дифференцирование
- •3.1. Полиномиальные формулы
- •3.2. Конечноразностные формулы
- •3.3. Метод Рунге - Ромберга
- •3.4. Вычисление частных производных
- •4. Вычисление интегралов
- •4.1. Квадратурные формулы Ньютона-Котеса
- •4.2. Формула средних
- •4.3. Формула трапеций
- •4.4. Формула Симпсона
- •4.5. Формулы Гаусса и Маркова
- •4.6. О сходимости квадратурных формул
- •4.7. Нестандартные случаи интегрирования
- •4.8. Вычисление кратных интегралов
- •4.9.Метод ячеек
- •5. Решение систем линейных алгебраических уравнений
- •5.1. Постановка задачи
- •5.2. Корректность задачи
- •5.3. Методы решения слау
- •5.4. Метод Гаусса (схема единственного деления)
- •5.5. Метод прогонки
- •5.6. Метод lu-разложения
- •5.7. Метод квадратного корня
- •5.7. Итерационные методы решения слау
- •5.8. Обращение матриц
- •6. Алгебраическая проблема собственных значений
- •6.1. Постановка задачи
- •6.2. О методах решения характеристического уравнения
- •6.3. Преобразование подобия
- •6.4. Итерационный метод вращений (Якоби)
- •6.5. О выборе аннулируемых элементов
- •7. Методы решения нелинейных уравнений и систем
- •7.1. Постановка задачи
- •7.2. Метод половинного деления (дихотомия)
- •7.3. Метод простых итераций
- •7.4. Метод Ньютона (касательных)
- •7.5. Метод секущих
- •7.6. Метод парабол
- •7.4. Метод Ньютона решения системы нелинейных уравнений
5.8. Обращение матриц
Отыскание матрицы, обратной заданной матрице A, основывается на тождестве
, (5.51)
где - единичная матрица. Это матричное равенство можно рассматривать как n СЛАУ относительно n неизвестных векторов, являющихся столбцами матрицы . Таким образом, задача обращения матрицы эквивалентна задаче решения n СЛАУ с одной и той же матрицей, но с разными правыми частями.
6. Алгебраическая проблема собственных значений
6.1. Постановка задачи
Рассматривается матричное (векторное) уравнение
, (6.1)
для которого ищется решение - ненулевой вектор и значение параметра ,.при котором это решение существует. Такое значение называется собственным значением матрицы , а вектор - ее собственным вектором.
После записи уравнения (1 ) в виде
, (6.2)
где матрица называется характеристической матрицей, легко видеть,что ненулевое решение существует, если
(6.3)
Уравнение (3) относительно искомого параметра называется характеристическим уравнением и после раскрытия определителя приобретает вид алгебраического уравнения n-й степени, которое:
, (6.4)
которое имеет n корней, собственных значений, . Многочлен называется характеристическим многочленом. Подставив каждое из собственных значений в матричное уравнение (2) и решив его, можно найти собственные вектора ,.
Если ищутся все n собственных значений и векторов, то говорят о полной проблеме собственных значений, если же интересуются только некоторыми собственными значениями, то это - частичная проблема собственных значений.
Все методы решения проблемы собственных значений можно разделить на две группы:
методы, непосредственно решающие нелинейное уравнение (3) или (4);
методы, преобразующие задачу определения собственных значений матрицы в задачу определения собственных значений матрицы специального вида, например, треугольной или диагональной.
6.2. О методах решения характеристического уравнения
Для решения характеристического уравнения могут использоваться общие методы решения нелинейных уравнений, которые будут рассматриваться в 7-м разделе этого пособия. Составной частью этих методов является вычисление определителя для заданных значений . Вычислять его можно
изученными в 5-м разделе методами линейной алгебры (Гаусса, LU - разложения и т.д.);
представив сначала определитель в виде характеристического многочлена, то есть, вычислив его коэффициенты ai.
Для вычисления коэффициентов характеристического многочлена можно сначала вычислить определитель методами линейной алгебры в (n+1)-й точке а затем интерполировать его на этой сетке, например, методом Ньютона (метод интерполяции Микеладзе).
6.3. Преобразование подобия
Матрица
(6.5)
называется подобной матрице . Преобразование (5) называется преобразованием подобия. Легко показать, что преобразование подобия не изменяет собственных значений матрицы.
Вывод: преобразованиями подобия можно привести матрицу к виду, удобному для определения собственных значений, например, диагональному.
Для преобразования подобия удобно использовать унитарные матрицы, обладающие свойством
, (6.6)
например, матрицу вращения
; (6.7)
. (6.8)
Здесь матрица почти единичная, за исключением элементов
. (6.9)