Билет 11
1)LU-,LQ-,QR- разложения и их использования для решения систем линейных алгебарических уравнений, вычисления определителя матрицы.
Lu- разложение (на основе метода Гауса)
Ax=Y;
LUx=Y;
Любая квадратная матрица А, у которой главные миноры не равны нулю, с помощью невырожденного преобразования S может быть преобразована в матрицу u,при этом матрица S(преобразования)- нижняя треугольная.
SA=u
S=
U=
Существует нижняя треугольная матрица L,такая что SL=LS=E;обратная к матрице S(L=S-1), причём L- нижняя треугольная.
| a11 0 .. . . 0 |
L= | a21 a22 0 0 |
|... ... akkk-1. . 0 |
|an1 an21 .. annn-1|
-шаг метода Гауса, такое разложение единственое для
Обратная от нижней треугольной матрицы- нижняя треугольная
S [x1....xn]=
x1=1
0
0
xn=0
0
1
Достоинства:
Простота, быстрота, часто применяется
Недостатки:
Такое разложения не существует всегда
QR разложение
Q- ортогональная матрица
R- верхняя треугольная матрица
QQ^T= Q^T Q=E
Q^T QRX=Q^T y
R O
P=3/2 n^2
i i
|
| |
|
.
y= .
0
i
det A= det(QR)=det Q det R= r11 .. .. .. ..rnn
Независимо от того вырождена матрица или нет есть решения всегда.
На практике часто прибегают решению вырожденой матрицы, для:
Оценка точности, вычисления собственных значений.
Всевозможные аналитическое преобразование.
Определение рагна матрицы.
LQ- разложение
А
0
L
= Q
Это разложение можно получиться с помощью:
-разложения
- вращения
A
Существуют нормальнованные разложения
Решения систем уравнений:
Ax=y 1)Lz=y
LQx=y 2)x=Q^T z
Предпочтительно, если нужно вычислять не все строки, а какой то процент строк.
LQ- вектор строка
Нормализованные разложения каждый раз выбирается строка с максимальной нормой
2)Уточнение собственных значений методом Ньютона.
Lim=0 Det A(λi)=0
-
Подставка в матрицу собственных значений и разложение матрицы.
Трацепевидная матрица- собственное значение
Треугольная матрица- не решается
-
hz=d\dx A(λi) qn - последняя строка ортогональной матрицы (собственый вектор)
[d\dx A(λi)=A1, если задача A1λ+A0]
-
Ньютоновская поправка
λi+1=λi- 1/Z(n) - оценка точности,
-уточнение собственных
значений (если необходимо)
-собственный вектор
A(λi)=LQ^T