
- •Вопросы по вычислительной математике.
- •Погрешности при численном решении задач: погрешность исходных данных, погрешность аппроксимации, погрешность округления. Погрешность исходных данных
- •Погрешность численного метода
- •Погрешности округления чисел в эвм
- •Абсолютная и относительная погрешности. Погрешность результатов арифметических операций.
- •Погрешность результатов вычисления арифметических операций
- •Прямые методы решения слау: метод Гаусса. Метод Гаусса
- •Прямые методы решения слау: метод квадратного корня. Метод квадратного корня
- •Определение числа операций алгоритма метода квадратного корня
- •Итерационные методы решения слау: метод Якоби. Метод Якоби
- •Итерационные методы решения слау: метод Зейделя. Метод Зейделя
- •Сходимость итерационных методов
- •Методы решения нелинейных уравнений: метод простых итераций, условие сходимости. Метод простых итераций
- •Методы решения нелинейных уравнений: метод деления пополам. Метод половинного деления
- •Методы решения нелинейных уравнений: метод Ньютона, оценка погрешности и сходимость. Модификации метода Ньютона.
- •Модификации метода Ньютона
- •Методы решения систем нелинейных уравнений: метод простых итераций, методы Ньютона, Якоби и Зейделя. Системы нелинейных уравнений
- •Метод простых итераций
- •Метод Ньютона
- •Нелинейный вариант метода Якоби
- •Нелинейный вариант метода Зейделя
- •Интерполирование функций. Необходимое условие для системы функций I(X).
- •Интерполирование с помощью алгебраических многочленов: интерполяционный полином Ньютона. Интерполяционный многочлен Ньютона
- •Интерполирование с помощью алгебраических многочленов: интерполяционный полином Лагранжа. Интерполяционная формула Лагранжа
- •Погрешность полиномов Ньютона и Лагранжа. Сходимость интерполяционного процесса. Погрешность полинома Ньютона (Лагранжа)
- •Сходимость интерполяционного процесса
- •Интерполяция сплайнами.
- •Интерполяция с помощью метода наименьших квадратов. Метод наименьших квадратов
- •Численное дифференцирование: аппроксимация производных конечными разностями, погрешность. Конечно-разностная аппроксимация
- •Численное дифференцирование: вычисление производных с помощью интерполяционных полиномов.
- •Численное интегрирование: квадратурные формулы прямоугольников, погрешность. Формула прямоугольников
- •Численное интегрирование: формула трапеций, погрешность. Формула трапеций
- •Численное интегрирование: формула Симпсона, погрешность. Формула Симпсона
- •Численные методы решения оду. Схема Эйлера; оценка точности решения. Метод Эйлера
- •Численные методы решения оду: схема Рунге-Кутты 2-го порядка.
- •Методы решения систем дифференциальных уравнений: метод Эйлера, метод Рунге-Кутты. Метод Эйлера для системы дифференциальных уравнений
- •Метод Рунге-Кутты для системы дифференциальных уравнений
- •Граничная задача. Сеточный метод.
- •Разрешимость системы алгебраических уравнений метода сеток
- •Оценка порядка аппроксимации
- •Метод прогонки для решения сеточной задачи.
Прямые методы решения слау: метод квадратного корня. Метод квадратного корня
Метод квадратного корня предназначен
для решения систем линейных алгебраических
уравнений вида Ax = f с симметричной
матрицей коэффициентов
.
Метод основан на разложении матрицы коэффициентов А в произведение
, (2.4)
где S - верхняя треугольная матрица с положительными значениями на главной диагонали; D - диагональная матрица со значениями +1 или -1.
Согласно теореме 2.1 при неравенстве нулю всех угловых миноров матрицу А можно разложить в произведение A = LU.
Представим нижнюю треугольную матрицу
L с ненулевыми коэффициентами на главной
диагонали в виде произведения NK,
где N - нижняя треугольная матрица с
единицами на главной диагонали, К -
диагональная матрица, причем
:
После перемножения матриц N и K получаем
систему линейных уравнений относительно
величин
:
Очевидно, что
,
то есть вычисление решения z системы
уравнений с нижней треугольной матрицей;
2) Dy = z , вычисление решения системы уравнений с диагональной матрицей;
3) Sx = y , определения из системы уравнений с верхней треугольной матрицей искомого решения.
Построим разложение вида (2.4) для симметричной матрицы третьего ранга:
.
Положим
,
тогда из уравнения
получим
.
Далее, из уравнения
следует, что
.
В силу условия
и теоремы 2.2 можно ожидать, что
.
Аналогично можно вычислить
;
.
Полагая
,
получим
- в силу упомянутого условия .
;
Нетрудно убедиться, что также
.
Рассмотрим процедуру построения матриц S и D в случае произвольного числа уравнений m.
Верхняя треугольная матрица
по определению имеет нулевые элементы:
. (2.6)
Диагональная матрица D может быть
определена формально с использованием
символа Кронекера
.
Теперь можно подсчитать результат
перемножения матриц:
Из последнего выражения с учетом соотношения (2.6) получаем систему алгебраических уравнений:
.
При i = j получаем соотношения для вычисления диагональных значений матриц S и D:
“Наддиагональные” элементы матрицы S определяются по формулам
.
Определение числа операций алгоритма метода квадратного корня
Подсчитаем число операций умножения и деления, необходимых для реализации алгоритма метода квадратного корня.
1. Факторизация исходной матрицы, то есть вычисление матриц S и D:
;
2. Выполнение “обратного” хода:
;
3. Вычисление m раз значений квадратных корней.
Общее количество операций равно
,
или приблизительно
,
что практически в два раза меньше, чем
число операций в алгоритме метода
Гаусса.
Итерационные методы решения слау: метод Якоби. Метод Якоби
Последнее выражение представим в виде итерационной схемы
, (2.9)
где n - номер итерации. Для получения
решения используется следующий алгоритм.
В качестве нулевого приближения
выбираются какие-либо (зачастую
произвольные) значения
искомых величин, которые подставляются
в правую часть выражения (2.9), что позволяет
определить первое приближение
неизвестных
.
Затем полученный результат вновь
подставляется в правую часть выражения
(2.9) и вычисляются
,
и так далее. Вычислительный процесс
заканчивается, например, когда выполняется
условие
,
где > 0 - заданная точность вычисления результата.
Пример 2.3. Рассмотрим систему алгебраических уравнений
Точное решение этой системы x = 0,5, y=1,5 .
Из первого уравнения выразим первую неизвестную x
,
а из второго - неизвестную y,
.
Представим полученные выражения в виде итерационной схемы
В качестве начального приближения
примем
.
Результаты расчетов сведены в табл.
2.1. На рис. 2.1 графически показан ход
выполнения итерационного процесса
метода Якоби.
Таблица 2.1
Результаты выполнения итерационной процедуры метода Якоби
-
n
x(n)
y(n)
0
0
0
1
1,25
1,8
2
0,35
1,05
3
0,725
1,59
4
0,255
1,365
5
0,5675
1,527
6
0,4865
1,4595
7
0,5203
1,5081
8
0,4959
1,4879
9
0,5061
1,5024
10
0,4988
1,4964
11
0,5018
1,5007
12
0,4996
1,4989
13
0,5005
1,5002
Представим матрицу коэффициентов А в
виде суммы
,
где
- нижняя треугольная матрица с нулевой
диагональю;
- верхняя треугольная матрица с нулевой
диагональю;
- диагональная матрица. Теперь систему
уравнений Ax = f можно представить в
виде:
и метод Якоби будет выглядеть следующим образом:
.
Учитывая, что
,
последнее выражение можно также
представить в форме
. (2.10)
Y
3
4x + 2y = 5
2
1
3x + 5y = 9
0 X
0 1 2 3