- •Часть 1
- •Оглавление
- •Введение
- •1. Источники и причины погрешностей математической модели
- •Погрешность математической модели
- •Погрешность исходных данных
- •Погрешность численного метода
- •Погрешность проведения расчетов на вычислительных машинах
- •Погрешности округления чисел в эвм
- •Погрешность результатов вычисления арифметических операций
- •“Потеря порядка” и “переполнение” при проведении вычислений на эвм
- •Машинная реализация вычислений
- •Контрольные вопросы и задания
- •2. Системы линейных алгебраических уравнений
- •Прямые методы решения
- •Метод Гаусса
- •Определение числа операций алгоритма метода Гаусса
- •Вычисление определителя матрицы
- •Построение обратной матрицы
- •Метод квадратного корня
- •Определение числа операций алгоритма метода квадратного корня
- •Устойчивость системы линейных алгебраических уравнений
- •Итерационные методы решения
- •Метод Якоби1
- •Метод Зейделя1
- •Сходимость итерационных методов
- •Скорость сходимости
- •Полиномы Чебышёва1
- •Итерационный метод с чебышёвским набором параметров
- •Неявный метод с чебышёвским набором параметров
- •Метод минимальных невязок
- •Метод минимальных поправок
- •Метод скорейшего спуска
- •Неявный метод скорейшего спуска
- •Контрольные вопросы и задания
- •3.НелинейныЕ уравнения
- •Методы вычисления корней нелинейного уравнения1 Метод половинного деления2
- •Метод простых итераций
- •Метод Ньютона2
- •Модификации метода Ньютона
- •Системы нелинейных уравнений
- •Метод простых итераций
- •Метод релаксации
- •Метод Ньютона
- •Нелинейный вариант метода Якоби
- •Нелинейный вариант метода Зейделя
- •Контрольные вопросы и задания
- •Интерполяция степенными функциями
- •Интерполяционный многочлен Ньютона
- •Интерполяционная формула Лагранжа
- •Погрешность полинома Ньютона (Лагранжа)
- •Сходимость интерполяционного процесса
- •Интерполяционный многочлен Эрмита1
- •Интерполяция сплайнами
- •Построение кубического сплайна
- •Сходимость процесса интерполяции кубическими сплайнами
- •Наилучшее приближение в гильбертовом пространстве
- •Метод наименьших квадратов
- •Контрольные вопросы и задания
- •5. Алгебраическая проблема собственных значений
- •Устойчивость собственных значений и векторов
- •Определение собственных значений и векторов Метод интерполяции
- •Трехдиагональные матрицы
- •Поиск собственных векторов
- •Частичная проблема собственных значений
- •Метод линеаризации
- •Степенной метод
- •Метод обратных итераций
- •Контрольные вопросы и задания
- •6.Численное дифференцирование Конечно-разностная аппроксимация
- •Применение интерполяционных формул
- •Контрольные вопросы и задания
- •7.Численное интегрирование
- •Формула прямоугольников
- •Формула трапеций
- •Формула Симпсона1
- •Формула Эйлера1
- •Оценка погрешности методом Рунге2
Частичная проблема собственных значений
Часто возникает задача определения не всего спектра собственных значений и векторов, а лишь каких-то, например, максимального и минимального собственных значений и соответствующих им векторов. В этом разделе рассматриваются простейшие способы вычисления собственных чисел и векторов. Для более широкого знакомства с проблемой собственных значений можно дополнительно обратиться к монографиям [11, 12].
Метод линеаризации
Пусть рассматривается задача (5.1), которую представим в компонентной форме
. (5.7)
Полученное выражение можно рассматривать как систему n нелинейных уравнений с (n+1) неизвестными величинами . Для замыкания системы уравнений можно добавить условие нормирования собственного вектора:
. (5.8)
Использование метода Ньютона для решения системы нелинейных уравнений (5.7) - (5.8) приводит к итерационному процессу
,
,
где .
Учитывая конкретный вид уравнений (5.7) и (5.8), получаем
(5.9)
В результате такого итерационного процесса будет найдено какое-то собственное значение и соответствующий ему собственный вектор, в зависимости от начального приближения.
Пример 5.5. Определить методом линеаризации собственные векторы матрицы
.
Согласно формулам (5.9) получаем итерационную процедуру для вычисления собственных значений и векторов:
На каждом этапе расчетов очередное приближение решения определяется по формулам
.
Результаты расчетов сведены в табл. 5.2.
Таблица 5.2
Расчет собственного значения и вектора методом линеаризации
-
Номер итерации
0
1,0
1,0
1,0
1
-0,375
1,875
4,75
2
0,45741931
1,082795321
6,26862705
3
0,376979184
0,946529203
6,038835844
4
0,371426686
0,928555837
6,000515885
5
0,371390677
0,928476699
6,000000051
6
0,371390676
0,928476691
6,000000000
Очевидно, что решение сошлось к найденным ранее собственному вектору и собственному значению .
Степенной метод
Степенной метод предназначен для определения наибольшего (по модулю) собственного значения.
Пусть все собственные числа упорядочены следующим образом:
.
Рассмотрим итерационный процесс вида
.
Разложим начальное приближение по базису из собственных векторов матрицы A:
.
Тогда очевидно, что
;
;
. . .
.
Для достаточно большого числа итераций получим, что . Отсюда следует, что , то есть построенная указанным способом последовательность векторов сходится (с точностью до направления) к вектору , соответствующему наибольшему собственному значению .
Кроме того, учитывая, что имеет место зависимость
, (5.10)
получим итерационный процесс для вычисления наибольшего (по модулю) собственного значения:
.