- •Введение.
- •Глава 1.
- •Устойчивость, корректность, сходимость.
- •Лекция 2.
- •«Абсолютная и относительная погрешности.
- •Погрешность суммы и разности приближенных чисел.»
- •Абсолютная и относительная погрешности.
- •Погрешность суммы и разности приближенных чисел.
- •Лекция 3.
- •Погрешность возведения в степень и извлечения корня из приближенных чисел.
- •Оценка погрешности результата вычислений по формуле.
- •Лекция 4.
- •Обратная задача теории приближенных вычислений.
- •О вычислениях без строгого учета погрешностей.
- •Глава 2.
- •Метод половинного деления.
- •Лекция 6.
- •«Понятие метрического пространства.
- •Теоретическое обоснование метода простых итераций.»
- •Понятие метрического пространства.
- •Теоретическое обоснование метода простых итераций.
- •Лекция 7. «Метод простых итераций.» Метод простых итераций.
- •Var x1,x2:real;
- •Оценка погрешности метода Ньютона.
- •Глава 3.
- •Метод Гаусса с выбором главного элемента.
- •Лекция 10.
- •Достаточные условия применимости метода прогонки.
- •Итерационные методы. Метод простых итераций.
- •Лекция 11.
- •«Метод Зейделя.
- •Метод Ньютона решения систем нелинейных уравнений.»
- •Метод Зейделя.
- •Метод Ньютона решения систем нелинейных уравнений.
- •Глава 4.
- •Вычисление значений многочленов.
- •Интерполирование функции многочленом.
- •Лекция 13.
- •«Интерполяционный многочлен в форме Лагранжа.
- •Остаточный член интерполирования.»
- •Интерполяционный многочлен в форме Лагранжа.
- •Остаточный член интерполирования.
- •Лекция 14.
- •Локальная интерполяция. Сплайны.
- •Лекция 15.
- •Квадратичная интерполяция.
- •Интерполяция кубическими сплайнами.
- •Обратная интерполяция с помощью многочлена Лагранжа.
- •Эмпирические зависимости. Метод наименьших квадратов.
- •Глава 5.
- •Формулы прямоугольников.
- •Формула трапеций.
- •Формула Симпсона.
- •Оценка погрешности квадратурных формул.
- •Лекция 17.
- •Понятие об адаптивных алгоритмах.
- •Особые случаи численного интегрирования.
- •Метод ячеек. Вычисление кратных интегралов.
- •Используемая литература.
- •Рекомендуемая литература
- •Дополнительная литература
Метод Гаусса с выбором главного элемента.
При
«обычном» применении метода Гаусса на
k-том
шаге исключается k-тое
неизвестное. Это возможно, если коэффициент
при k-том
неизвестном отличен от нуля. Условием
применимости такого метода является
неравенство нулю всех угловых миноров
матрицы A,
то есть
,
,
,...,
.
Однако, может оказаться, что система
имеет единственное решение, хотя
какой-либо из угловых миноров матрицыA
равен 0. Кроме того, заранее обычно
неизвестно, все ли угловые миноры матрицы
A
отличны от 0. Отметим также, что если в
процессе вычислений встречаются ведущие
элементы, которые достаточно малы по
сравнению с другими элементами матрицы,
то это способствует увеличению
погрешностей округлений (при делении
на маленькие числа погрешность
возрастает).
Избежать указанных недостатков «обычного» метода Гаусса позволяет метод Гаусса с выбором главного элемента.
Пусть,
как и прежде, дана система
.
Сначала добиваются выполнения условий
,
путем перестановки в случае необходимости
двух уравнений системы. Найденный
максимальный по модулю коэффициент,
обозначенный при перенумерации через
,
называют первым главным элементом.
Исключив
из всех уравнений, начиная со второго,
получим систему
.
Далее
с полученной системой без первого
уравнения поступим аналогично, как и
со всей системой
.
А именно, осуществив, если нужно,
перестановку двух уравнений и произведя
соответствующую перенумерацию,
обеспечиваем выполнение неравенств
,
.
Найденный максимальный по модулю
коэффициент, обозначенный
,
называется вторым главным элементом.
Исключив
из всех уравнений, начиная с третьего,
получим систему
.
Если
определитель системы
отличен от нуля, то после
-го
шага будет получена система вида
.
Заметим, что можно на k-ом шаге искать главный элемент не только в k-ом столбце на местах ниже диагонального, а во всех столбцах, начиная с k-го и кончая m-ым, и во всех строках, начиная с k-ой, кончая m-ой. Преимущество этой модификации заключается в том, что погрешность округлений будет еще меньшей, однако этот метод не очень удобен для реализации вследствие перестановок столбцов, что приведет к перенумерации не только коэффициентов, но и неизвестных.
Описанные выше рассуждения называют прямым ходом метода Гаусса.
Обратный
ход будет заключаться в последовательном
определении
,
,
…,
.
Заметим, что применение метода Гаусса с выбором главного элемента позволяет вычислить определитель матрицы A по формуле
,
где k – число перестановок строк и столбцов на всех шагах приведения матрицы к треугольному виду. Заметим также, что описанный выше алгоритм можно использовать в различных задачах линейной алгебры: при вычислении рангов матриц, при нахождении обратной матрицы и так далее.
Если
определитель матрицы равен нулю, то это
обстоятельство выяснится при вычислениях,
так как на некотором шаге окажется
равным нулю главный элемент или элемент
.
Лекция 10.
«Метод прогонки решения систем алгебраических уравнений
с трехдиагональной матрицей.
Достаточные условия применимости метода прогонки.
Итерационные методы. Метод простых итераций.»
Метод прогонки решения систем алгебраических уравнений
с трехдиагональной матрицей.
Метод прогонки является модификацией метода Гаусса для частного случая разряженных систем трехдиагональной матрицы, которые возникают при моделировании некоторых инженерных и краевых задач.
Рассмотрим следующую задачу:
,
(3.1)
где
,
,
,
,
для всех
.
Матрица этой системы

содержит нули
везде кроме главной диагонали и двух
соседних и является трехдиагональный.
Это система линейных алгебраических
уравнений относительно величин
,
,
…,
.
Будем находить
неизвестные
по следующей формуле:
(
)
с неизвестными коэффициентами прогонки
и
(
).
Подставим
в (3.1).
,
,
,
.
Так как это равенство
выполняется для любого
,
то
и
.
Итак для![]()
(3.2)
(3.3)
Это прогоночные
коэффициенты. Для определения
и
заметим, что
и
.
Отсюда видно, что
и
.
Зная
и
,
из (3.2) и (3.3) определим все прогоночные
коэффициенты. Этот процесс называется
прямым ходом прогонки:
.
Далее заметим,
что по условию
.
С другой стороны
.
Итак
,
.
Теперь, зная
,
можно найти все
(
).
Этот процесс называется обратным ходом
прогонки.
Метод прогонки является точным методом, а, следовательно, результат, отвлекаясь от погрешностей вычислений, можно считать точным.
