- •Экзаменационные вопросы
- •Нахождение корней методом половиного деления
- •Достоинства и недостатки
- •Оценка погрешности приближенного корня (при любом методе вычислений)
- •Метод итерации
- •Геометрическая модель
- •Условие сходимости итерационного процесса
- •Оценка приближения
- •Вторая формула для вычисления погрешности
- •Условия окончания процесса итерации
- •Метод Ньютона (метод касательных)
- •Геометрическая интерпретация метода Ньютона
- •Сходимость итерационного процесса в методе Ньютона
- •Оценка приближения
- •Векторы и матрицы. Основные определения
- •Элементарные преобразования матриц
- •Подобные матрицы
- •Треугольные матрицы
- •Абсолютная величина. Норма матрицы
- •Канонические нормы
- •Решение систем линейных уравнений
- •Метод Гаусса
- •Прямой ход
- •Обратный ход
- •Процедура приведения матрицы к треугольному виду
- •Обращение матриц методом Гаусса (Вычисление обратной матрицы методом Гаусса)
- •Итерационные методы решения систем линейных уравнений
- •Метод Якоби
- •Сходимость метода Якоби
- •Оценка погрешности приближения процесса итерации в методе Якоби
- •Приведение линейной системы к виду, удобному для итерации
- •Метод Зейделя
- •Сходимость метода Зейделя (первое достаточное условие)
- •Полная проблема собственных значений
- •Метод Данилевского
- •Исключительные случаи метода Данилевского
- •Вычисление собственных векторов по Данилевскому
- •Метод вращений
- •Трехдиагональная матрица
- •Ортогональные матрицы
- •Преобразование симметричной матрицы к трехдиагональному виду посредством вращений
- •Вычисление собственных векторов трехдиагональной матрицы и исходной матрицы
- •Частная проблема собственных значений
- •Определение наибольшего по модулю собственного значения матрицы
- •Постановка задачи интерполирования
- •Конечные разности
- •Обобщенная степень
- •Конечные разности для обобщенной степени
- •Первая интерполяционная формула Ньютона
- •Вторая интерполяционная формула Ньютона
- •Интерполяционная формула Лагранжа (для произвольных узлов интерполирования)
- •Оценки погрешностей
- •Оценка погрешности интерполяционной формулы Лагранжа
- •Оценка погрешностей интерполяционных формул Ньютона
- •Формула прямоугольников
- •Погрешность формулы прямоугольников
- •Обобщенная теорема о среднем
- •Квадратурные формы Ньютона-Котеса
- •Формула трапеций
- •Формула погрешности
- •Общая формула трапеций
- •Формула Симпсона и ее погрешность
- •Погрешность формулы Симпсона (без вывода)
- •Общая формула Симпсона
- •Приближенное (численное) дифференцирование
- •Формулы приближенного дифференцирования, основанные на первой интерполяционной формуле Ньютона
- •Нормальная система дифференциальных уравнений
- •Задача Коши
- •Метод Эйлера
- •Достоинства и недостатки метода Эйлера
- •Метод Рунге-Кутта
- •Постановка задачи об апроксимации ф-и
- •Системы ф-ий, ортогональные на интервале
- •Полные системы
|
|
4 5 x21 |
|
x22 = |
0 1 |
|
|
|
||||||
(4x11 |
|
2 |
1 |
x11 |
|
x12 |
|
|
1 |
0 |
(x21 |
|
|
|
+ 5x21 |
= 0 |
=) |
(3x21 |
=2 |
2 |
|
2 |
=) |
= |
6 2 |
||||
2x11 |
+ x21 = 1 |
|
x11 |
+ |
1 x21 |
= 1 |
|
x11 |
= |
5 |
||||
(4x12 |
|
|
|
(3x22 |
|
|
|
|
|
|
(x22 |
|
3 |
|
+ 5x22 |
= 1 |
) |
= 1 |
|
|
|
) |
= |
31 |
|||||
2x12 |
+ x22 = 0 |
= |
x12 |
+ |
21 x22 |
= 0 |
= |
x12 |
= |
61 |
||||
|
|
|
|
|
|
5 |
6 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
||||
|
|
|
A 1 = |
|
64 |
26 |
|
|
|
|
|
8Итерационные методы решения систем линейных уравнений
8.1Метод Якоби
Пусть дана линейная система
Ax = b (1)
где матрица
A = (aij) i; j = 1; 2; :::; n
имеет имеет обратную матрицу, Векторы свободных коэффициентов и неизвестных
= |
0 21 x = |
0x21 |
||||||
|
|
1 |
|
|
|
|
x1 |
|
|
B |
C |
|
|
Bx |
C |
||
|
|
|||||||
|
B nC |
B nC |
||||||
|
@ |
::: |
A |
@ |
::: |
A |
||
|
|
|
Предполагаем, что диагональные элементы aii 6= 0. Разрешим первое уравнение системы (1) относительно x1, второе относительно x2, и т. д. Получим эквивалентную систему
i 1
xi = P aij xj j=1 aii
n
j=Pi+1 aii xj + aii i = 1; 2; :::n (2) |
|
aij |
bi |
Условимся считать значение суммы (2) равным нулю, если верхний предел суммирования меньше нижнего. В дальнейшем верхний индекс будет указывать номер итерации
x(k) = (x(1k); :::; x(nk))
где x(ik) k-атая итерация i-ой компоненты вектора x.
В методе Якоби исходят из записи системы в виде (2), причем итерации определяются следующим образом
(k+1) |
|
i 1 aij (k) |
n |
aij (k) |
|
bi |
||||
|
= |
jP |
|
|
P |
|
|
|
|
|
xi |
|
|
|
+ aii k = 0; 1; 2::: i = 1; 2; ::; n (3) |
||||||
=1 aii xj |
j=i+1 aii xj |
Начальные значения x(0)i для любого i задаются произвольно. Примечание 1. Условие aii 6= 0 не является обязательным. Имея систему
n
P
aijxj = bi i = 1; :::; n
j=1
всегда можно положить
aii = a(1)ii + a(2)ii
a(1)ii 6= 0
21
тогда i-ое уравнение, эквивалентное данному будет
|
|
n |
aij |
(k) |
|
bi |
|
|
|
jP |
|
|
|
|
|
x = |
(1) x |
|
+ (1) |
||||
i |
=1 aii |
j |
|
aii |
Здесь при i = j коэффициент имеет вид
(2) a
ii(1) (4) aii
Примечание 2. Систему у-ний (2) можно записать по-иному.
( ij = 0 |
i = j i aii |
||
ij = |
aij |
i 6= j = |
|
aii |
bi |
||
|
|||
Тогда система (2) преобразуется к виду |
|
|
8
>x1 = 1 + 12x2 + . . . + 1nxn
>
>
<x2 = 2 + 21x1 + 22x3 + . . . + 2nxn
(5)
>:::
>
>
:xn = n + n2x1 + . . . + n;n 1xn 1
Введем матрицу , где ii = 0.
Векторы свободных коэффициентов и неизвестных
= |
0 2 |
1 x = |
0x2 |
1 |
(6) |
||||||
|
|
1 |
|
|
|
|
x1 |
|
|
||
|
B |
|
C |
|
|
Bx |
|
C |
|
||
|
|
|
|
|
|||||||
|
B |
|
nC |
B |
|
nC |
|
||||
|
@ |
::: |
A |
@ |
::: |
A |
|
||||
|
|
|
|
|
|
Тогда систему (5) можно записать в матричной форме
x= + x
Апоследовательные приближения можно записать в виде
x(1) = + x(0)
x(2) = + x(1)
и т. д.
Любое k + 1 приближение вычисляют по формуле
x(k+1) = + x(k) (7)
8.1.1Сходимость метода Якоби
Пусть задана линейная система
x = + x (8)
где матрица и векторы ; x определяются выражениями (6).
Теорема. Процесс итераций для линейной системы (8) сходится к единственному решению, если какаялибо каноническая норма матрицы меньше 1. То есть, для итерационного процесса
x(k) = + x(k 1) (9)
достаточное условие сходимости есть
jj jj < 1.
22
Следствие 1. Процесс итерации системы (8) сходится, если:
nn
PP
1. норма jj jjm = max j ijj < 1 или j ijj < 1i = 1; :::; n
i j=1 j=1
nn
PP
2. норма jj jjl = j |
i=1j |
|
ijj |
< 1 |
или i=1j |
ijj |
< 1 j = 1; :::; n |
max |
|
|
|
|
s
|
n n |
3. jj jjk = |
iP P |
=1j=1j ijj2 < 1 |
Док-во. Нормы 1-3 являются каноническими нормами, поэтому условие теоремы выполняется.
Следствие 2. Для системы
n
P
aijxj = bi i = 1; 2; :::; n (13)
j=1
процесс итерации сходится, если выполняемы неравенства:
n
P
1. jaiij > jaijj i = 1; 2; :::; n
j=1
n
P
2. jajjj > jaijj j = 1; 2; :::; n
i=1
при суммировании пропускаются значения i = j (без док-ва).
8.1.2Оценка погрешности приближения процесса итерации в методе Якоби
Погрешность приближения оценивается неравенством
jjx x(k)jj 6 jj jjk jjx(1) x(0)jj (14)
1 jj jj
где x решение системы, x(k)- приближение на k том шаге. В частности, если выбрать x(0) = , то
|
|
|
|
|
|
|
|
(1) = + |
|
|
|
|
|
|
|
|
|
x |
|
|
|
тогда |
|
|
|
|
|
|
||||
|
|
|
|
(k) |
jj 6 |
jj jjk |
jj jjk+1 |
|||
|
|
|
||||||||
jjx x |
1 jj jj |
jj + jj = |
1 jj jj |
jj jj (15) |
В неравенствах (14; 15) можно брать любую каноническую норму. Число шагов, обеспечивающих заданную точность (погрешность ") может быть определено из (15)
jjx x(k)jj 6 jj jjk+1 jj jj 6 " (16)
1 jj jj
Окончание итерации определяется либо условие (16) или
max jx(ik+1) x(ik)j < "
16i6n
8.1.3Блок-схема алгоритма метода Якоби
Входные параметры: n-число уравнений, число неизвестных A = (aij) - матрица коэффициентов, b вектор правой части, x0 вектор начальных приближений " погрешность
Выходные параметры: x(k+1) решения, k + 1 число итераций
23