
- •1. Устойчивость численных методов к ошибкам округления.
- •2. Способы оценки погрешности решения.
- •4. Слау. Устойчивость метода Гаусса. Выбор ведущего элемента.
- •Устойчивость метода Гаусса.
- •Задача численного решения уравнения сводится, во-первых, к отделению корней, во-вторых, к последующему уточнению корней.
- •Лемма об оценке погрешности приближенного решения уравнения .
- •Задача численного решения уравнения сводится, во-первых, к отделению корней, во-вторых, к последующему уточнению корней.
- •Теорема о сходимости и точности метода итераций.
- •8. Снау. Метод итераций.
- •Метод итераций для системы уравнений.
- •Метод Ньютона.
- •Теорема о сходимости и точности метода Ньютона.
- •10. Снау. Метод Ньютона.
- •Метод Ньютона для решения систем нелинейных уравнений.
- •Модификации метода Ньютона. Краткий обзор.
- •11. Интерполяционная формула Лагранжа.
- •Интерполяционная формула Лагранжа.
- •12. Интерполяционная формула Ньютона.
- •Интерполяционная формула Ньютона.
- •14. Вычисление одномерных интегралов. Формула трапеций. (методичка)
- •Постановка задачи.
- •Формула трапеций.
- •15. Вычисление одномерных интегралов. Формула Симпсона. (методичка)
- •Постановка задачи.
- •Формула Симпсона.
- •16. Вычисление двойных интегралов. Формула Симпсона.
- •17. Соду. Явный метод Эйлера. Условие устойчивости. (методичка)
- •Явный метод Эйлера.
- •18. Соду. Неявный метод Эйлера. Устойчивость метода. (методичка)
- •Неявный метод Эйлера.
- •19. Уравнения, описывающие стационарные процессы, процессы переноса, волновые процессы. Постановка краевых задач.
- •20. Метод интегральных тождеств. Kp-аппроксимация стационарного уравнения теплопроводности.
- •21. Метод интегральных тождеств. Kp-аппроксимация нестационарного уравнения теплопроводности.
4. Слау. Устойчивость метода Гаусса. Выбор ведущего элемента.
Устойчивость метода Гаусса.
Опуская обременительные преобразования в методе обратного анализа ошибок округления, отметим, что возмущенная система метода Гаусса имеет вид
.
Запишем оценку нормы матрицы возмущения:
.
Вид этой оценки удовлетворял бы критерию устойчивости Уилкинсона, если бы множитель g(A) имел небольшое значение. Поясним смысл множителя g(A).
Пусть
обозначает матрицу, полученную из A
после k
шагов исключения. Обозначим
.
Тогда
.
Следовательно, g(A) показывает, во сколько раз могут возрасти элементы матрицы A в ходе исключения переменных по сравнению с их исходным уровнем. По этой причине g(A) называют коэффициентом роста матрицы A .
Элементы активной части матрицы Ak в методе Гаусса вычисляются по формуле
.
Для ограничения роста элементов матрицы в процессе гауссова исключения желательно, чтобы поправочные члены
в
этой формуле были не слишком большими.
Это достигается процедурой выбора
элемента
,
который называют главным.
Выбор главного элемента по столбцу. В этом случае ограничение роста элементов матрицы Ak на k–м шаге гауссова исключения достигается перестановкой строк таким образом, чтобы гарантировать неравенство
.
С
этой целью при исключении переменной
в качестве главного элемента выбирается
элемент
матрицы Ak-1
по правилу
,
т. е. наибольший по модулю элемент в k–м столбце матрицы Ak-1 (рис. 3.1). Строки r и k переставляются и только после этого выполняется k–й шаг исключения прямого хода Гаусса.
П
ри
столбцовой стратегии выбора главных
элементов справедлива такая оценка для
значения параметра ak,
определяющего коэффициент роста:
.
Она
допускает, что
и, следовательно, коэффициент роста
.
По этой причине метод Гаусса с выбором главного элемента по столбцам является условно устойчивым. Несмотря на это, он широко используется на практике, так как g(A) редко достигает своего верхнего предела.
Выбор
главного элемента по всей матрице.
В этой стратегии в качестве главного
элемента при исключении неизвестной
xk
выбирается элемент
по правилу
,
т.
е. наибольший по модулю элемент в
квадратной
подматрице матрицы Ak-1
(рис. 3.2).
Строки
k
и r,
а также столбцы k
и l
переставляются и далее выполняется k–й
шаг исключения. Такая стратегия
гарантирует выполнение неравенства
и, следовательно, ограничивает рост элементов в процессе исключения Гаусса.
Оценка коэффициента роста элементов матрицы A в этом случае имеет более благоприятный вид:
.
?5. СЛАУ. Точность метода Гаусса. Направления повышенной точности.
Точность метода Гаусса.
Привлекая оценку нормы матрицы возмущения, можно записать, что
.
Анализ неравенства позволяет определить пути повышения точности метода Гаусса: выбор главных элементов, работа с числами удвоенной длины, переобусловливание системы линейных алгебраических уравнений.
6. Уравнение f(x)=0. Лемма об оценке погрешности приближенного решения.
Пусть требуется решить уравнение
,
т.
е. найти все корни
,
удовлетворяющие этому уравнению на
отрезке
.