- •Численные методы
- •Правила округления.
- •Оценка погрешностей арифметических операций и функций.
- •Оценка погрешности функции одной переменной.
- •Лекция № 2. Особенности машинной арифметики. Корректность вычислительной задачи.
- •Принцип равных влияний.
- •Представление данных в эвм.
- •Нелинейные уравнения.
- •Метод простой итерации (мпи).
- •Универсальный алгоритм приведения уравнения к виду,
- •Лекция № 5.
- •Обусловленность задачи решения слау.
- •Лекция № 6. Решение слау прямыми методами. Метод Гаусса и его модификации.
- •Модификации метода Гаусса.
- •Lu-разложение или матричная форма метода Гаусса.
- •Применение прямых методов для решения слау.
- •Метод простой итерации.
- •Лекция № 8.
- •Лекция № 9.
- •Лекция № 10.
- •Итерационный процесс
- •С чебышевским набором параметров.
- •Многочлены Чебышёва.
- •Вспомогательная задача.
- •Чебышёвский процесс для вычисления решения системы.
- •Лекция № 11.
- •Лекция № 13.
- •Нелинейная задача метода наименьших квадратов.
- •Метод Фибоначчи.
- •Градиентные методы.
Применение прямых методов для решения слау.
Метод частичного выбора (однократное вычисление системы).
система с разными правыми частями.
Если нашли , то решаем фактически .
метод Холецкого.
A разреженная. Метод прогонки.
Метод простой итерации.
Расчётные формулы:
Пример.
Покоординатная форма записи для МПИ:
Теорема 2.
О достаточном условии сходимости МПИ.
Пусть рассматривается МПИ и пусть выполняется условие . Тогда МПИ сходится при любом начальном приближении и справедливы оценки:
–решение системы .
Следствие.
Критерий окончания МПИ:
, где – заданная точность.
Существуют две формы записи МПИ:
Матричная форма.
Покоординатная форма.
Если матрица B обладает свойством диагонального преобладания , то можно доказать, что .
Иногда диагональное преобладание можно получить, переставляя строки в исходной системе уравнений.
Лекция № 8.
РЕАЛИЗАЦИЯ МПИ НА MathCAD.
Алгоритм:
Вычисление по МПИ с заданной точностью .
Методы Зейделя и релаксации.
Покоординатная форма записи метода Зейделя.
Матричная форма записи метода Зейделя.
Достаточное условие сходимости МПИ .
Достаточное условие сходимости МЗ .
Теорема 1.
Пусть рассматривается метод Зейделя . Тогда если , то метод Зейделя сходится при любом начальном приближении и справедливы следующие оценки:
Следствие 1.
Метод Зейделя сходится со скоростью геометрической прогрессии.
Следствие 2.
Критерий окончания .
Геометрическая интерпретация метода Зейделя.
Замечание.
Метод Зейделя может зациклиться.
SOR метод (верхней релаксации).
Каноническая форма записи итерационных методов.
Определение 1.
Канонической формой итерационного метода общего вида называется:
Если , то метод называется неявным, иначе – явным.
Если зависят от номера итерации, то метод называется итерационным, иначе – стационарным.
B – итерационная матрица.
–итерационный параметр.
Вектор погрешности
Вектор ошибки удовлетворяет уравнению
Определение 2.
называется матрицей перехода от вектора погрешности от к для МПИ .
Теорема 2.
Если все собственные числа матрицы S , то метод итерационно сходится при любом начальном приближении.
Необходимость
Достаточность
Предположим дополнительно, что S имеет собственные векторы, образующие собственный базис.
Лекция № 9.
ИТЕРАЦИОННЫЕ МЕТОДЫ
ДЛЯ ПОЛОЖИТЕЛЬНО ОПРЕДЕЛЁННЫХ МАТРИЦ.
Итерационные методы в канонической форме.
Критерий Сильвестра:
Запишем наиболее распространённые методы в канонической форме:
Метод Якоби.
Метод релаксации.
–параметр, берётся всегда положительным.
Метод Зейделя .
Условия сходимости итерационных методов
для симметричных, положительно определённых матриц.
Теорема 1.
Пусть и . Тогда итерационный метод сходится при любом начальном приближении.
Докажем, что .
Рассмотрим числовую последовательность . Докажем, что убывает.
Следствие 1.
Пусть матрица A обладает свойством диагонального преобладания, т. е. . Тогда метод Якоби сходится при любом начальном приближении.
.
Следствие 2.
Если , то метод релаксации и, в частности метод Зейделя , сходится при любом начальном приближении.
Утверждение 1.
Пусть и – спектр матрицы. Тогда метод простой итерации сходится при и любом начальном приближении.
Пусть , тогда метод сходится при любом начальном приближении.
Если – собственные числа A, то .
Если –собственный вектор.
минимальная погрешность метода;
метод сходится.
Замечание.
В МПИ необходимым и достаточным условием выбора параметра является.