
- •Основи чисельних методів математики (з використанням Excel) Передмова
- •Розділ 1. Методи обчислень: предмет, основні поняття та застосування
- •§ 1. Предмет і застосування
- •§ 2. Основні поняття
- •1. Похибки наближень.
- •2. Граничні похибки. Похибки функції.
- •3. Похибки розв'язку.
- •4. Стійкість і коректність.
- •Питання, тести
- •Розділ 2. Інтерполяція функцій
- •§1. Задача інтерполювання
- •§2. Інтерполяційна формула Лагранжа
- •§3. Поділені різниці. Формула Ньютона з поділеними різницями
- •§4. Інтерполяційна формула за допомогою Excel
- •§5. Інтерполювання за схемою Ейткіна
- •§6. Скінчені різниці. Інтерполяційні формули Ньютона для рівновіддалених вузлів
- •§7. Інтерполювання із скінченими різницями за допомогою Excel
- •§8. Інші методи інтерполювання
- •Питання, тести
- •Завдання
- •Розділ 3. Чисельне диференціювання та інтегрування.
- •§ 1. Однобічні формули чисельного диференціювання
- •§ 2. Оцінки похибки чисельного диференціювання
- •§ 3. Чисельне інтегрування. Квадратурні формули
- •§ 4. Квадратурні формули Ньютона – Котеса
- •§ 5. Узагальнені квадратурні формули.
- •§ 6. Метод подвійного перерахунку.
- •1. R2n ( f ) ≈ (правило Рунге) (14)
- •§ 7. Метод кратного перерахунку за допомогою Excel
- •Питання, тести
- •Завдання
- •Розділ 4. Чисельні методи розв‘язування рівнянь з однією змінною
- •§ 1. Відокремлення коренів
- •§ 2. Метод дихотомії (поділу відрізка пополам)
- •§ 3. Ітераційні методи та оператор стиску.
- •§ 4. Похибки ітераційного процесу
- •§ 5. Реалізація методу простої ітерації за допомогою електронних таблиць
- •§ 6. Метод Ньютона. Порядок збіжності ітераційного процесу.
- •§ 7. Метод лінійного інтерполювання.
- •§ 8. Інші приклади ітераційних методів.
- •Питання, тести
- •Завдання
- •Розділ 5. Методи розв’язування систем лінійних рівнянь
- •§ 1. Метод Гаусса
- •Метод Гаусса в матричній формі
- •Елементарні операції над матрицею:
- •§ 2. Метод Гаусса за допомогою Excel
- •§ 3. Матричні операції в Excel
- •3. Множення матриць.
- •§ 4. Метод простої ітерації для слр
- •§ 5. Метод Зейделя
- •Питання, тести
- •Завдання
- •Розділ 6. Методи лінійного програмування
- •§ 1. Оптимізаційні задачі. Математичне програмування
- •§ 2. Геометричний зміст задач лінійного програмування. Графічний метод
- •§3. Канонічна форма задачі лінійного програмування. Опорні розв’язки
- •§4. Симплекс – таблиця
- •§5. Симплекс – метод.
- •§6. Розв’язування задач лінійного програмування за допомогою excel
- •§7 Приклади
- •§8. Пошук початкового опорного розв’язку. Метод штучного базису
- •Властивості допоміжної задачі.
- •Питання, тести
- •Завдання
- •Розділ 7. Чисельні методи розв’язування звичайних диференціальних рівнянь
- •§ 1. Метод Ейлера
- •§ 2. Метод Ейлера за допомогою Excel
- •§ 3. Методи Рунге – Кутта
- •§ 4. Подвійний перерахунок для методів Рунге – Кутта
- •§ 5. Кратний перерахунок для методів Рунге – Кутта за допомогою Excel
- •§ 6. Методи Рунге – Кутта з вищими порядками похибки
- •Питання, тести
- •Завдання
- •Іменний покажчик
- •Предметний покажчик
- •Література
3. Множення матриць.
Добуток
m
n
–
матриці А на n
p матрицю В – це така
m
р
–
матриця С = АВ,
елемент сij
якої є скалярним добутком вектор –
рядка і матриці А на вектор – стовпець
j матриці
В. Добуток 2
3 матриці А =
на 2
2 матрицю В =
С = АВ
не існує, оскільки число стовпців
матриці А дорівнює 3 і не дорівнює числу
рядків матриці В.
Для множення матриць є спеціальний вбудований оператор Excel МУМНОЖ. Наприклад, у наступній електронній таблиці
|
A |
B |
C |
D |
E |
F |
1 |
3 |
-5 |
|
5 |
0 |
-4 |
2 |
4 |
0 |
|
3 |
1 |
7 |
3 |
-7 |
2 |
|
|
|
|
задані 3
2 матриця А =
і
2
3 матриця В =
.
Для знаходження 3
3 матриці С = АВ
виділимо діапазон А5:С7 і
(можливо за допомогою
вікна цього оператора) введемо в нього
формулу =МУМНОЖ(А1:В3;D1:F2).
-
A
B
C
D
E
F
1
3
-5
5
0
-4
2
4
0
3
1
7
3
-7
2
4
5
=МУМНОЖ(А1:В3;D1:F2)
6
7
Після цього, притримуючи кнопки Alt i Shift, треба натиснути не Enter. В результаті отримаємо матрицю С:
|
A |
B |
C |
D |
E |
F |
1 |
3 |
-5 |
|
5 |
0 |
-4 |
2 |
4 |
0 |
|
3 |
1 |
7 |
3 |
-7 |
2 |
|
|
|
|
4 |
|
|
|
|
|
|
5 |
0 |
-5 |
-47 |
|
|
|
6 |
20 |
0 |
-16 |
|
|
|
7 |
-29 |
2 |
42 |
|
|
|
Якщо спробувати помножити матриці А і В з нерівними числами стовпців у А та рядків у В, то отримаємо повідомлення про помилку #ЗНАЧ! .
4. Матриця, обернена до квадратної матриці А порядку n – це така квадратна матриця А-1 того ж порядку, що А А-1 = А-1 А = Е, де Е – одинична матриця. Якщо А має обернену, то її можна знайти методом Гаусса.
Розглянемо
n
2n матрицю АЕ,
яку можна отримати, дописавши праворуч
від матриці А одиничну матрицю того ж
порядку. Наприклад, якщо А =
, то АЕ =
.
Зведемо матрицю АЕ до діагональної
форми методом Гаусса. Тоді вона отримає
вигляд ЕВ, де В – деяка квадратна
матриця порядку n. Наприклад
при n = 3
ЕВ =
.
Стверджується, що така
матриця В і є обернена до А, тобто В =
А-1.
Справді,
як ми бачили вище, якщо звести до
діагональної форми СЛР з матрицею
системи А, то стовпець вільних членів
у розширеній матриці цієї системи є
розв’язком даної СЛР. Тому перший
стовпець матриці В є розв’язком СЛР
Ах =
,
наприклад,
=
,
тобто
=
.
Аналогічно другий стовпець матриці В
є розв’язком СЛР Ах =
,
наприклад,
=
,
тобто
=
,
… . Але за означенням множення матриць
це означає, що АВ = Е, тобто В = А-1.
Задача
2. Знайти матрицю,
обернену до матриці А =
методом Гаусса.
Розв’язання. Задамо в електронній таблиці матрицю АЕ:
|
A |
B |
C |
D |
E |
F |
1 |
4,05 |
-0,93 |
-0,41 |
1 |
0 |
0 |
2 |
1,18 |
3,78 |
-0,87 |
0 |
1 |
0 |
3 |
-0,96 |
-1,02 |
3,68 |
0 |
0 |
1 |
Зведемо її до діагональної так само, як і в попередньому параграфі:
|
A |
B |
C |
D |
E |
F |
1 |
4,05 |
-0,93 |
-0,41 |
1 |
0 |
0 |
2 |
1,18 |
3,78 |
-0,87 |
0 |
1 |
0 |
3 |
-0,96 |
-1,02 |
3,68 |
0 |
0 |
1 |
4 |
|
|
|
|
|
|
5 |
1 |
-0,22963 |
-0,10123 |
0,246914 |
0 |
0 |
6 |
0 |
4,050963 |
-0,75054 |
-0,29136 |
1 |
0 |
7 |
0 |
-1,24044 |
3,582815 |
0,237037 |
0 |
1 |
8 |
|
|
|
|
|
|
9 |
1 |
0 |
-0,14378 |
0,230398 |
0,056685 |
0 |
10 |
0 |
1 |
-0,18528 |
-0,07192 |
0,246855 |
0 |
11 |
0 |
0 |
3,352991 |
0,14782 |
0,30621 |
1 |
12 |
|
|
|
|
|
|
13 |
1 |
0 |
0 |
0,236737 |
0,069816 |
0,042881 |
14 |
0 |
1 |
0 |
-0,06376 |
0,263775 |
0,055257 |
15 |
0 |
0 |
1 |
0,044086 |
0,091324 |
0,298241 |
0,236737
0,069816 0,042881
Отже, матриця В = –0,06376 0,263775 0,055257 є оберненою до матриці А. Це
0,044086 0,091324 0,298241
можна перевірити безпосередньо за означенням за допомогою вбудованого оператора МУМНОЖ. Результат множення А на В, тобто результат дії оператору МУМНОЖ(A1:C3; D13:F15) дорівнює
1 |
-3,46945E-17 |
-1,38778E-17 |
6,25E-17 |
1 |
-5,55112E-17 |
0 |
-5,55112E-17 |
1 |
Оскільки числа ~ 10-17 з точки зору Excel не відрізняються від нуля, то отримана матриця є одиничною. Якщо є сумнів, то можна змінити формат чарунки з общий на числовой . Тоді дістанемо
1,00 |
0,00 |
0,00 |
0,00 |
1,00 |
0,00 |
0,00 |
0,00 |
1,00 |
Знайти обернену матрицю можна також і за допомогою спеціального вбудованого оператора Excel МОБР. Треба виділити квадратний діапазон того ж розміру, що й у даної матриці, (в цьому прикладі з 9 чарунок), задати в ньому цей оператор, єдиним аргументом якого є діапазон даної матриці (тут це МОБР(А1:С3) ) і притримуючи кнопки Alt i Shift, натиснути не Enter. Результат в даному випадку просто співпадає з отриманим вище методом Гаусса.
Звичайно, не кожна квадратна матриця А має звернену, тільки та, визначник якої не дорівнює нулю: А 0. Тому перед безпосереднім розв’язуванням задачі 2 було б доцільно знайти визначник даної матриці. Це можна зробити за допомогою відповідного вбудованого оператора Excel МОПРЕД. Треба виділити чарунку і задати там цей оператор, єдиним аргументом якого є діапазон заданої матриці. Після цього можна натиснути ОК або Enter: на відміну від МОБР та МУМНОЖ результатом дії цього оператора є числове значення, а не масив чарунок. В даному прикладі формула МОПРЕД(А1:С3) дає значення визначника А = 55,01051.
Якщо
значення визначника матриці відмінне
від нуля, але досить мале порівняно з
її елементами, то відповідна СЛР погано
обумовлена. СЛР називають
добре обумовленою, якщо малі збурення
коефіцієнтів мало збурюють її розв’язки
і в противному разі погано обумовленою.
Наприклад, СЛР
,
розв’язком якої є пара (1; 0) погано
обумовлена. Справді, якщо число 6,1 у
правій частині першого рівняння змінити
на 0,02, то СЛР
матиме розв’язком пару (5,1; - 7,35). Якщо
коефіцієнт 6,1 у лівій частині першого
рівняння змінити на 0,01, то розв’язком
СЛР
буде пара (0,36730972; 1,204918). Причиною поганої
обумовленості цієї системи є її майже
виродженість: її визначник дорівнює
0,04 і становить лише 0,27%
значення найбільшого з
коефіцієнтів системи 14,7.