- •Вычислительная математика лабораторный практикум
- •Содержание
- •Метод исключения Гаусса
- •Введение
- •Построение алгоритма исключения Гаусса
- •3. Реализация алгоритма Гаусса в Excel
- •4. Реализация алгоритма Гаусса в пакете Mathcad
- •5. Реализация алгоритма Гаусса на языке Turbo Pascal
- •6. Вычисление определителя и обратной матрицы
- •7. Выбор ведущего элемента
- •8. Числа обусловленности
- •9. Задания для самостоятельной работы
- •Контрольные вопросы
- •1.Введение
- •Метод Якоби для решения слау
- •Метод Зейделя для решения слау
- •Задания для самостоятельной работы
- •5. Контрольные вопросы
- •Численные методы решения нелинейных уравнений
- •1. Введение
- •2. Отделение корней уравнения
- •3. Метод дихотомии для решения нелинейных уравнений
- •4. Метод Ньютона для решения нелинейных уравнений
- •5. Задания для самостоятельной работы
- •6. Контрольные вопросы
- •Полиномиальная интерполяция
- •1. Интерполяция данных каноническим полиномом
- •2. Интерполяционный полином Ньютона
- •3. Интерполяционный полином Лагранжа
- •4. Задания для самостоятельной работы
- •Контрольные вопросы
- •Метод наименьших квадратов
- •1. Введение
- •2. Линейная аппроксимация
- •3. Аппроксимация нелинейными функциями
- •4. Аппроксимация полиномом
- •Задания для самостоятельной работы
- •6. Контрольные вопросы
- •1. Введение
- •2. Постановка задачи
- •3. Численное дифференцирование с заданной точностью
- •Модификация алгоритма численного дифференцирования Использование центральной разности (6.3) для приближения производной позволяет проводить вычисления с точность порядка :
- •Результаты вычислений сведем в таблицу:
- •5. Действия над приближенными числами
- •6. Задания для самостоятельной работы
- •Контрольные вопросы
- •1. Введение
- •2. Метод прямоугольников
- •3. Метод трапеций
- •4. Метод парабол
- •5. Вычисление интегралов с заданной точностью
- •Метод Гаусса
- •7. Задания для самостоятельной работы
- •2. Провести расчеты знакомого уже нам интеграла ошибок
- •8. Контрольные вопросы
- •Список литературы
- •Учебное издание
Метод Якоби для решения слау
Для решения системы (1.1) итерационным методом, преобразуем ее к виду:
Эти преобразования для i-го компонента запишем так:
(2.1)
Зададим произвольное начальное приближение для неизвестных, например, положив их равными или . Затем подставим эти значения в правую часть соотношения (2.1), в результате получим первое приближение для неизвестных
Продолжая этот итерационный процесс, получим рекуррентное соотношение метода Якоби (или метода простых итераций):
(2.2)
Обсудим подробнее формулу преобразований (2.1) исходной системы (1.1). Для этого удобней перейти к матричной форме записи. Представим матрицу в виде суммы трех матриц
(2.3)
где - диагональная матрица с той же главной диагональю, - нижняя треугольная, -
верхняя треугольная матрицы, в которых на диагоналях расположены нули. Нетрудно показать, что
С одной стороны, если вектор абсолютных отклонений, а - вектор невязок, то рекуррентное соотношение (2.2) метода Якоби можно представить в виде:
(2.4)
С другой стороны, преобразование системы от вида (1.1) к (2.2) можно записать так
(2.5)
где , . Нетрудно заметить, что обратной к диагональной матрице является матрица с элементами диагонали .
В учебниках по численным методам доказывается, что если какая-либо из норм матрицы меньше единицы:
(2.6)
то итерационный процесс сходится к точному решению системы при любом выборе начального приближения .
Достаточным условием сходимости итерационного процесса является условие преобладания по модулю диагональных элементов в исходной матрице :
(2.7)
при этом хотя бы для одного уравнения неравенство должно выполняться строго. Достаточность означает, что для некоторых систем итерационный процесс может сходиться и при нарушении условия (2.7).
И еще остановимся немного на способах завершения итерационного процесса. Это можно сделать по критерию малости абсолютных отклонений:
, (2.8)
относительных разностей:
(2.9)
или невязок:
, (2.10)
где - наперед заданная малая величина.
Реализацию метода Якоби можно провести в Excel. Рассмотрим методику на примере системы .
В качестве начального значения взято . Заданная точность =0,00001. Дальнейшее вычисление приведем в виде таблицы.
Таблица 2.1. Вспомогательная таблица для вычисления корней системы методом Якоби.
-
k
x1k
x2k
x3k
max|xik+1-xik|
0
1
0
1
-
1
2,33333
1,50000
1,00000
1,50000
2
1,83333
0,83333
1,05556
0,05556
3
2,07407
1,06944
1,00000
0,24074
4
1,97685
0,96296
0,99846
0,00154
5
2,01183
1,01196
0,99537
0,04900
6
1,99447
0,99524
1,00004
0,00467
7
2,00160
1,00275
1,00026
0,00751
8
1,99917
0,99914
1,00038
0,00013
9
2,00042
1,00032
0,99999
0,00125
10
1,99989
0,99979
0,99997
0,00002
11
2,00006
1,00006
0,99997
0,00027
12
1,99997
0,99998
1,00000
0,00003
13
2,00001
1,00002
1,00000
0,00004
14
2,00000
1,00000
1,00000
0,00000
В пакете Mathcad реализация метода Якоби для рассмотренной системы будет выглядеть следующим образом. Для начала приведем эту систему к нормальному виду
Дальнейшая реализация приведена в пакете Mathcad .