
- •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
- •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
С учетом этого коэффициенты
матриц N и K можно представить в общем
виде
;
.
Теперь матрицу А можно представить разложением
A = NKU. (2.5)
Благодаря симметрии матрицы А имеет
место равенство
,
что позволяет произвести следующие
преобразования:
,
,
,
.
В силу того, что
являются диагональными матрицами,
- нижние треугольные,
-
верхние треугольные, в левой части
последнего равенства находится нижняя
треугольная матрица, а в правой части
- верхняя треугольная. Равенство возможно
лишь при условии, что и в левой, и в правой
частях этого тождества расположены
диагональные матрицы.
Матрицы
имеют единицы на главной диагонали;
следовательно, их произведение также
содержит единичную главную диагональ,
то есть
.
Отсюда следует, что соотношение (2.5) можно переписать в виде
.
Далее, представим матрицу K в виде
,
где
.
Сравнивая теперь соотношение
с формулой (2.4), получаем для матрицы S
выражение
,
то есть верхнюю треугольную матрицу с
положительными элементами на главной
диагонали. Таким образом, конструктивно
показано разложение (2.4).
Обозначим
,
тогда алгоритм метода квадратного корня
можно рассматривать как последовательность
трех процессов:
,
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
.