- •1. Лабораторная работа №1. МЕТОДЫ ОЦЕНКИ ПОГРЕШНОСТЕЙ
- •1.1. Погрешности приближенных вычислений
- •1.1.1. Правила оценки погрешностей
- •1.1.2. Оценка ошибок при вычислении функций
- •1.1.3. Правила подсчета цифр
- •1.1.4. Вычисления со строгим учетом предельных абсолютных погрешностей
- •1.1.5. Вычисления по методу границ
- •1.2. Пример выполнения лабораторной работы
- •1.2.1. Задание к лабораторной работе
- •1.2.2. Решение типового примера
- •1.2.3. Варианты заданий
- •2. Лабораторная работа №2. МЕТОДЫ РЕШЕНИЯ СИСТЕМЫ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
- •2.1. Прямые методы решения
- •2.1.1. Постановка задачи
- •2.1.2. Метод Гаусса
- •2.1.3. Оценки погрешностей решения системы
- •2.2. Итерационные методы решения
- •2.2.1. Метод простой итерации (МПИ)
- •2.2.2. Метод Якоби
- •2.2.3. Метод Зейделя
- •2.2.4. Метод релаксации
- •2.3. Пример выполнения лабораторной работы
- •2.3.1. Задание к лабораторной работе
- •2.3.2. Решение типового примера
- •2.3.3. Варианты заданий
- •3. Лабораторная работа №3. РЕШЕНИЕ НЕЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
- •3.1. Численные методы решения нелинейных уравнений
- •3.1.1. Локализация корней
- •3.1.2. Метод Ньютона
- •3.1.3. Модификации метода Ньютона
- •3.1.4. Метод Стеффенсена
- •3.1.5. Метод секущих
- •3.1.6. Задача «лоцмана»
- •3.1.7. Метод хорд
- •3.1.8. Метод простой итерации
- •3.2. Пример выполнения лабораторной работы
- •3.2.1. Задание к лабораторной работе
- •3.2.2. Решение типового примера
- •3.2.3. Варианты заданий
- •4. Лабораторная работа №4. РЕШЕНИЕ СИСТЕМ НЕЛИНЕЙНЫХ УРАВНЕНИЙ
- •4.1. Численные методы решения систем нелинейных уравнений
- •4.1.1. Метод Ньютона
- •4.1.2. Метод простой итерации
- •4.1.3. Метод наискорейшего спуска
- •4.2. Пример выполнения лабораторной работы
- •4.2.1. Задание к лабораторной работе
- •4.2.2. Решение типового примера
- •4.2.3. Варианты заданий
- •5. Лабораторная работа №5. ИНТЕРПОЛЯЦИЯ ТАБЛИЧНО ЗАДАННЫХ ФУНКЦИЙ
- •5.1. Интерполяция таблично заданных функций
- •5.1.1. Интерполяционный многочлен Лагранжа
- •5.1.2. Полином Ньютона
- •5.1.3. Кусочно-линейная и кусочно-квадратичная аппроксимация
- •5.2. Пример выполнения лабораторной работы
- •5.2.1. Задание к лабораторной работе
- •5.2.2. Решение типового примера
- •5.2.3. Варианты заданий
- •6. Лабораторная работа №6. АППРОКСИМАЦИЯ ФУНКЦИИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ
- •6.1. Метод наименьших квадратов
- •6.2. Пример выполнения лабораторной работы
- •6.2.1. Задание к лабораторной работе
- •6.2.2. Решение типового примера
- •6.2.3. Варианты заданий
- •7. Лабораторная работа №7. ЧИСЛЕННОЕ ИНТЕГРИРОВАНИЕ
- •7.1. Численное интегрирование
- •7.1.1. Задача численного интегрирования
- •7.1.1. Квадратурная формула прямоугольников
- •7.1.2. Квадратурные формулы Ньютона – Котеса
- •7.1.3. Квадратурные формулы трапеций и Симпсона
- •7.1.4. Правило Рунге
- •7.2. Пример выполнения лабораторной работы
- •7.2.1. Задание к лабораторной работе
- •7.2.2. Решение типового примера
- •7.2.3. Варианты заданий
- •8. Лабораторная работа №8. ЧИСЛЕННЫЕ МЕТОДЫ РЕШЕНИЯ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ
- •8.1. Численные методы решения обыкновенных дифференциальных уравнений
- •8.1.1. Постановка задачи
- •8.1.2. Метод Эйлера
- •8.1.4. Выбор шага интегрирования
- •8.1.5. Многошаговые методы Адамса
- •8.2. Пример выполнения лабораторной работы
- •8.2.1. Задание к лабораторной работе
- •8.2.2. Решение типового примера
- •8.2.3. Варианты заданий
- •ЗАКЛЮЧЕНИЕ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
|
|
|
2.1.3. Оценки погрешностей решения системы |
|
|
|
|
||||||||||||
|
Приведем оценки погрешностей системы (2.1). |
|
|
|
|
||||||||||||||
|
Пусть A |
|
= |
(aij) |
– матрица |
коэффициентов |
системы, |
||||||||||||
|
æ |
n |
|
ö |
|
|
|
|
|
|
T |
|
|
|
|
|
T |
|
|
A |
aij |
– |
ее |
норма, b = (b1 ,b2 |
,...,bn ) |
, x = (x1 , x2 |
,..., xn ) |
– |
|||||||||||
= maxç |
å |
÷ |
|
|
|||||||||||||||
|
1£i£n è |
j=1 |
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
соответственно |
|
столбики |
свободных |
членов |
|
|
|
и |
|
неизвестных, |
|||||||||||||||||||||||||||||
|
|
|
|
|
= max |
|
b |
|
, |
|
x |
|
= max |
|
x |
|
– нормы, D |
|
, D |
|
|
и d |
|
= |
D |
|
|
, |
d |
|
= |
Dx |
|
– |
|||||
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
b |
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
i |
|
|
b |
|
x |
|
b |
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
x |
|
|
|||||||||||
|
|
|
|
|
1£i£n |
|
|
|
|
|
|
|
1£i£n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
соответственно их абсолютные и относительные погрешности.
Тогда абсолютная погрешность решения системы(2.1) имеет оценку:
Dx £ A-1 × Db ,
а относительная погрешность – оценку:
dx £ A × A-1 ×db .
2.2.Итерационные методы решения
2.2.1. Метод простой итерации (МПИ)
Система вида Ax = b может быть преобразована к эквивалентной ей системе
x = (E - A)x + b . |
|
Обозначим через B = (E - A) , тогда x = Bx + b . |
|
Образуем итерационный процесс |
|
x k +1 = Bx k + b . |
(2.8) |
Теорема (о простых итерациях). Необходимым и достаточным |
условием сходимости МПИ (2.8) при любом начальном векторе |
x |
0 |
к |
||||||
решению |
x |
* |
системы (2.2) является выполнение условия: или ||B|| < 1 |
||||||
(хотя бы в одной норме), или все собственные числа |
. |
|
|
|
|||||
Для |
определения |
количества |
итераций, необходимых |
для |
достижения заданной точности ε, можно воспользоваться априорной
26
оценкой погрешности решения системы и это значение найти из неравенства:
B k
1 - B
× x1 - x 0 < e .
Апостериорную (уточненную) оценку погрешности решения находят по формуле
D |
|
|
£ |
|
|
B |
|
|
|
|
|
|
|
× |
|
|
|
x |
k - |
x |
k -1 |
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
x |
k |
|
|
|
B |
|||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||
|
|
|
1 |
- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2.2.2. Метод Якоби
Для сходимости МПИ необходимо выполнение соответствующих условий. Одним достаточно эффективным способом приведения системы к виду, чтобы было выполнено условие сходимости МПИ,
является метод Якоби.
Представим А = L + D + R, где D – диагональная матрица, L, R –
левая |
и |
правая |
строго |
треугольные |
матрицы(с нулевыми |
диагоналями). |
|
|
|
|
Тогда систему (2.2) можно записать в виде Если на диагонали исходной матрицы нет0, то эквивалентной к
формуле (2.2) задачей будет x = -D -1 (L + R)x + D -1b ,
где B = -D-1 (L + R) , c = D -1b – вектор свободных членов.
Тогда итерационный процесс Якоби:
|
|
|
|
|
|
|
|
x |
k +1 = -D-1 (L + R) |
x |
k + D-1b . |
(2.9) |
|||
Чтобы записать метод Якоби в развернутом ви, деостаточно |
|||||||
заметить, что обратной матрицей к |
матрицеD = (aii )in=1 служит |
||||||
диагональная матрица D-1 с элементами dii = |
1 |
. |
|||||
|
|||||||
|
|
|
|
|
|
aii |
Тогда (2.9) имеет вид:
27
ìx k +1 |
= - (a12 x2k |
+ ... + a1n xnk |
- b1 ) |
|||||
ï |
1 |
|
|
a11 |
|
|
|
|
ï |
|
|
|
|
|
|
|
|
ï |
|
|
k |
k |
- b2 ) |
|
|
|
ïx k +1 |
= - |
(a21 x2 |
+ ... + a2n xn |
|
|
|||
í |
2 |
|
|
a22 |
. |
|||
ï... |
|
|
|
|||||
ï |
|
|
|
|
|
|
|
|
ï |
|
|
k |
|
k |
|||
ïxnk +1 = - |
(an1 x1 |
+ ... + an,n-1 xn - bn ) |
||||||
|
ann |
|
|
|
|
|||
î |
|
|
|
|
|
|
|
|
Теорема. В |
случае диагонального преобладания в матрицеА, |
n
метод Якоби (2.9) сходится. aii > å aij " i =1, n i ¹ j .
j =1
2.2.3. Метод Зейделя
Метод Зейделя применяется в основном к системам, в которых преобладающими элементами являются диагональные. В противном
случае скорость его сходимости практически не |
отличается от |
|||||||||||||||||||||||
скорости сходимости МПИ. |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
Рассмотрим систему (2.1), где aii |
¹ 0 |
i = |
|
. |
|
|
|
|
|
|
||||||||||||||
1, n |
|
|
|
|
|
|
||||||||||||||||||
В (2.1) разделим i-е уравнение на aii |
~ |
|
aij |
~ |
|
b |
. |
|||||||||||||||||
|
|
|
|
i |
||||||||||||||||||||
и обозначим aij |
= |
|
, bi |
= |
|
|||||||||||||||||||
aii |
aii |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Получим |
|
эквивалентную (2.1) |
систему, выразив |
в каждомi-м |
||||||||||||||||||||
уравнении компонент решения xi |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
ìx |
|
~ |
~ |
|
x |
|
~ |
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
= b |
- a |
|
2 |
- ... - a |
|
n |
|
|
|
|
|
|
|
|
|
|
|||||||
ï |
1 |
1 |
12 |
|
1n |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
~ |
~ |
x |
~ |
|
x |
|
|
|
|
|
|
|
|
|
|
|
||||||
ïx |
|
= b |
- a |
|
- ... - a |
2 n |
n . |
|
|
|
|
|
|
|
(2.10) |
|||||||||
í |
|
2 |
2 |
|
21 1 |
|
|
|
|
|
|
|
|
|
|
|||||||||
ï... |
~ |
~ |
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
ï |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
îxn |
= bn |
- an1 x1 |
- ... - an,n-1 xn-1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||
Идея метода Зейделя: При проведении итераций по формуле |
||||||||||||||||||||||||
(2.10) используется результат предыдущих уравнений |
в |
процессе |
||||||||||||||||||||||
одной итерации. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
28
Общая формула:
k +1 |
~ |
i-1 ~ |
k +1 |
n ~ |
k |
(2.11) |
||||||
xi |
= bi - |
åaij |
x j |
- åaij |
x j . |
|||||||
|
|
j =1 |
|
j =i+1 |
|
|
|
|
|
|
|
|
|
|
j ¹i |
|
|
|
|
|
|
|
|
|
|
Теорема. |
Для |
того чтобы метод Зейделя сходился, достаточно |
||||||||||
|
|
|
|
|
|
|
n |
|
|
|
|
|
выполнения |
одного из |
условий: |
aii |
> å |
aij |
" i = |
1, n |
i ¹ j |
или А – |
|||
|
|
|
|
|
|
|
j =1 |
|
|
|
|
|
вещественная, симметричная, положительно определенная матрица.
2.2.4. Метод релаксации
Пусть имеется система линейных алгебраических уравнений. Преобразуем эту систему следующим образом.
Перенесем свободные члены налево и разделим первое уравнение
на ( - a11 ), второе |
|
уравнение на( - a22 ) и т.д. Получим |
систему, |
|||||||||||||||||||||
подготовленную к релаксации: |
|
|
||||||||||||||||||||||
|
ì- x |
~ |
|
x |
|
|
|
~ |
|
x |
|
|
~ |
|
|
|||||||||
|
+ a |
|
2 |
+ ... + a |
|
n |
+ b = 0 |
|
|
|||||||||||||||
|
ï |
~ |
1 |
12 |
|
|
~ |
|
1n |
|
|
~ |
1 |
|
|
|||||||||
|
x |
- x |
|
+ |
|
|
x |
|
|
|
|
= 0 |
|
|
||||||||||
|
ïa |
|
|
... + a |
2 n |
n |
+ b |
, |
(2.12) |
|||||||||||||||
|
í |
|
|
21 |
1 |
|
|
|
2 |
|
|
|
|
|
|
|
2 |
|
||||||
|
ï... |
|
~ |
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
||||||
|
ï |
~ |
|
|
|
|
|
|
|
|
|
|
|
|
= 0 |
|
|
|||||||
|
îan1 x1 |
+ an 2 x2 + ... - xn |
+ bn |
|
|
|||||||||||||||||||
~ |
|
|
aij |
(i ¹ j) , |
~ |
b |
. |
|
|
|
|
|
|
|
|
|||||||||
aij |
= - |
|
bi = |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
aii |
aii |
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
Пусть |
x |
0 |
= (x0 ,..., x |
0 )Т |
– начальное приближение системы (2.12). |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
n |
|
|
|
|
|
|
Подставляя эти значения в систему (2.12), получим невязки.
ì |
0 |
~ |
0 |
n |
~ |
0 |
|
ïR1 |
= b1 |
- x1 |
+ åa1 j |
x j |
|
||
ï |
|
|
|
j =2 |
|
|
|
|
~ |
|
n |
~ |
|
|
|
ï |
0 |
0 |
0 |
|
|||
ïR2 |
= b2 |
- x2 |
+ åa2 j x j |
(2.13) |
|||
í |
|
|
|
j ¹2 |
|
. |
|
|
|
|
|
j =1 |
|
|
|
ï |
|
|
|
|
|
|
|
ï... |
|
~ |
|
|
|
|
|
ï |
0 |
0 |
n-1 |
~ |
0 |
|
|
ïRn |
= bn |
- xn |
+ åanj x j |
|
|||
î |
|
|
|
j =1 |
|
|
|
29