- •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.
Лекция № 10.
Итерационный процесс
С чебышевским набором параметров.
Многочлены Чебышёва.
Имели дело больше со стационарными процессами:
Многочлены Чебышёва определяются:
Свойство 1.
–чётная функция.
–нечётная функция.
Свойство 2.
Свойство 3.
Свойство 4.
Нули многочленов на :
Свойство 5.
Экстремумы многочлена Чебышева.
Графики монотонны:
Рассмотрим нормировку:
Теорема 1.
Среди всех многочленов степени n со старшим коэффициентом наименее уклоняющимся от нуля является многочлен , т. е.
Предположим, что не удовлетворяет условиям теоремы.
Рассмотрим точки экстремума .
будет совпадать с максимальным значением .
Точек экстремума должно быть n корней.
Это противоречит основной теореме Гаусса.
Утверждение 1.
Пусть , тогда в качестве .
Равенство достигается, если .
Утверждение 2.
–максимальное собственное число.
Вспомогательная задача.
многочлен степени n.
Корни
Далее будем обозначать .
Чебышёвский процесс для вычисления решения системы.
Для решения задачи минимакса примем в качестве параметра множество нулей многочлена Чебышева на отрезке . Воспользуемся многочленом , обладающим свойством и построим этот многочлен.
Теорема 2.
Пусть , тогда рассматривая итерационный процесс следует выбрать итерационный параметр следующим образом:
При этом если число итераций n фиксировано, то достигается минимум:
–определено выше.
Замечание.
Особенность многочлена Чебышева в том, что фиксируется число итераций заранее и .
Замечание.
Так как при построении итерационных процессов , то выбор числа итераций .
Замечание.
–решение с заданной точностью. Число n удваивают (в этом случае) не производят вычисление ещё раз.
Замечание.
Существуют такие наборы, как, например, , которые обеспечивают устойчивость итерационных процессов.
Лекция № 11.
ИССЛЕДОВАНИЕ СКОРОСТИ СХОДИМОСТИ
ИТЕРАЦИОННЫХ МЕТОДОВ.
Основные определения.
–малое число, а – достаточно большое число.
–число раз, в которое требуется уменьшить исходную погрешность.
Итерационные метод сходятся с геометрической скоростью сходимости.
–оценка числа итераций.
Определение 1.
Скоростью сходимости итерационного метода называется величина
S – матрица перехода.
Пример.
Метод простой итерации с оптимальным выбором параметра.
Чебышевский процесс.
Так как , то при достаточно больших n стремится к 1. Для оценки числа итераций будем использовать:
Пример.
Метод Якоби.
Метод разойдётся, так как матрица не обладает свойством диагонального преобладания.
МПИ с оптимальным выбором параметра.
Если спектр (разброс) большой, то матрица плохо обусловлена.
Метод Зейделя.
создаётся за 66 итераций.
Метод с Чебышёвский набором параметров.
Оценим сначала число итераций.
Недостатком данного метода является то, что необходимо знать собственные числа матрицы.
Другие итерационные методы.
Неявный итерационный процесс.
В неявных методах матрица B называется предобусловливателем.
Метод минимальных невязок.
Определение 1.
Невязкой называется вектор .
Метод минимальных невязок состоит в том, что параметр выбирается из условия при фиксированной норме невязки .
Условие экстремума .
Теорема 1.
Метод минимальных поправок.
–поправка.
Лекция № 12.
ЧАСТИЧНАЯ ПРОБЛЕМА СОБСТВЕННЫХ ЗНАЧЕНИЙ.
Вспомогательные сведения.
P – матрица перехода от исходного базиса к базису из собственных векторов.
Утверждение 1.
Пусть и – различные собственные числа, и – собственные вектора и матрица A самосопряженная . Тогда .
Пример.
Собственные числа растут и, вообще говоря, задача поиска собственных чисел большая проблема.
Исчерпывание корней.
Находим хотя бы один корень, делим и опять применяем этот метод.
QR-алгоритм.
Рассмотрим матрицу:
Обозначим через круг на комплексной плоскости с центром в точке .
Определение 1.
Кругом Гержгорина называется множество комплексной плоскости .
Теорема 1.
Любые собственные значения матрицы A находятся в объединении кругов Гержгорина.
–максимальная координата собственного вектора.
Следствие 1.
Если круг Гержгорина изолирован, то в нём находится одно собственное значение.
Следствие 2.
Если k кругов образуют замкнутую область, то там ровно k собственных значений матрицы A.
Для простоты пусть A – матрица простой структуры и пусть все собственные значения различны.
–максимальное собственное значение.
Степенным методом называется метод (итерационный):
Теорема 2.
Пусть A – матрица простой структуры и пусть – базис из собственных векторов. Тогда и справедлива оценка:
Докажем только сходимость.
Модификация:
Пример.