- •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. Решение систем линейных алгебраических уравнений
5.1. Постановка задачи
Рассматривается система n линейных алгебраических уравнений (сокращенно - СЛАУ) с n неизвестными
(5.1)
где aij - заданные коэффициенты, bi - известные свободные члены. Требуется решить СЛАУ (1), то есть, найти такие значения , которые при подстановке их в уравнения (5.1), обращали бы их в тождества.
СЛАУ (1) удобно записывать в символической форме
(5.2)
или в символической матричной форме:
, (5.3)
где матрицы имеют следующий вид:
, , . (5.4)
Далее будем предполагать, что и, т.о., СЛАУ (1) имеет решение и оно единственно.
5.2. Корректность задачи
Задача поставлена корректно, если:
решение задачи существует;
оно единственно,
решение непрерывно зависит от входных данных.
Входные данные задачи (5.1) () задаются с погрешностью и тогда вместо (5.1) в действительности будет решаться задача
. (5.5)
Рассмотрим два частных случая:
. Тогда из (5.3), (5.5) следует
; (5.6)
. Тогда из (5.5) следует
. (5.7)
В формулах, связывающих относительные погрешности решения с относительными погрешностями задания правых частей (5.6) и коэффициентов матрицы (5.7), фигурирует множитель
, (5.8)
который называется числом обусловленности. Если это число велико (), то небольшие погрешности входных данных приводят к большим погрешностям решения. Такие матрицы (и соответствующие СЛАУ) называются плохо обусловленными и решение таких СЛАУ может быть связано со значительными трудностями. В противном случае матрицы (и соответствующие СЛАУ) называются хорошо обусловленными.
5.3. Методы решения слау
Все методы решения СЛАУ делят на две группы: прямые и итерационные.
Прямые методы имеют следующие отличительные особенности:
их погрешность равна нулю;
решение гарантируется после предопределенного количества вычислительных операций;
требуется заранее вычисленная матрица A.
Итерационные методы имеют следующие отличительные особенности:
их погрешность отлична от нуля;
решение может быть получено, если метод сходится; количество вычислительных операций заранее неизвестно и зависит от требуемой точности;
при вычислениях, как правило, последовательно используются отдельные уравнения и не обязательно заранее вычислять всю матрицу A.
алгоритм очень прост.
5.4. Метод Гаусса (схема единственного деления)
Идея метода состоит в приведении заданной СЛАУ к СЛАУ с треугольной матрицей (прямой ход) с последующим ее решением (обратный ход).
Прямой ход заключается в исключении поддиагональных слагаемых и начинается с того, что первое (ведущее) уравнение СЛАУ (5.1) делится на т.н. ведущий коэффициент a11= a11,0:
. (5.9)
Затем каждое из уравнений делится на коэффициент, находящийся под ведущим (ai1) и от него вычитается ведущее уравнение (9). Получается СЛАУ, состоящая из уравнения (9) и уравнений без первого столбца вида
(5.10)
Теперь ведущим выбирается второе уравнение СЛАУ, а ведущим коэффициентом - a22,1. После деления ведущего уравнения на ведущий коэффициент получаем
. (5.11)
Затем каждое из уравнений делится на коэффициент, находящийся под ведущим (ai1) и от него вычитается ведущее уравнение (5.11). Получается СЛАУ, состоящая из уравнений (5.9), (5.11) и уравнений без первых двух столбцов вида
(5.12)
Последовательное повторение этих операций приводит СЛАУ к виду
(5.13)
Обратный ход - это решение СЛАУ (13), начиная с последнего уравнения.
Всего производится приблизительно 2/3n3 арифметических действий (около половины из них - сложения, столько же умножений и n делений).
Вычисление определителя матрицы A использует результаты прямого хода:
Метод Гаусса неприменим, если какой-либо ведущий коэффициент равен нулю. Также нежелательно, если ведущий коэффициент близок к нулю. Это ухудшает точность расчетов. Для избежания таких ситуаций каждый раз ведущим назначается такое уравнение, которое дает максимальный по модулю ведущий элемент (главный элемент). Это связано с перестановкой уравнений (строк матрицы A) перед этапом исключения поддиагональных элементов каждого столбца. Такая модификация метода называется методом Гаусса с выбором главного элемента по столбцу.
Вычисление определителя этим методом отличается тем, что перемена местами строк определителя изменяет его знак на противоположный:
(5.15)
Здесь p - количество перемен местами уравнений на этапе прямого хода.