- •Определение 2. Величина называется абсолютной погрешностью представления числа X с помощью числа .
- •1.2 Распространение ошибок округления в арифметических операциях.
- •1.7.2. Простейшие свойства многочленов Чебышева.
- •11. Численное интегрирование. Использование функциональных рядов.
- •12. Квадратурные формулы на основе интерполяции. Формулы для коэффициентов и остаточного члена.
- •13. Базовые квадратурные формулы прямоугольников, трапеций и парабол. Формулы теоретической погрешности.
- •14. Обобщенные квадратурные формулы трапеций и Симпсона
- •15. Теоретические оценки погрешности обобщенных формул трапеций и Симпсона.
- •17. Общие свойства полиномов ортогональных с весом.
- •18. Алгебраическая степень точности квадратурной формулы. Квадратурные формулы Гаусса-Кристоффеля.
- •19. Теорема о необходимых условиях выбора узлов в формулах Гаусса-Кристоффеля.
- •20. Классические ортогональные многочлены. Построение ортогональных многочленов Лежандра на каноническом отрезке [-1,1].
- •2. Покажем, что - неподвижная точка. Из сходимостиследует, т.Е.
- •22. Метод простых итераций решения функциональных уравнений и систем. Условия сходимости.
- •23. Метод Ньютона. Геометрическая интерпретация. Теорема о сходимости метода в одномерном случае.
- •24. Метод Ньютона в многомерном случае. Организация итерационного алгоритма.
- •25. Численные методы решения слау. Прямые и итерационные методы – общие понятия.
- •26. Нормы вещественных квадратных матриц. Спектральные свойства матриц.
- •27. Обусловленность матриц и систем лау. Определение числа обусловленности.
- •28. Метод итераций для слау второго рода. Теорема о достаточных условиях сходимости.
- •29. Спектральный признак сходимости (теорема о необх. И достат. Условиях сходимости).
- •30. Стационарные итерационные процедуры. Приведение слау первого рода к системе второго рода.
- •31. Метод простых итераций Ричардсона. Условия сходимости.
- •32. Теорема о выборе ускоряющего множителя в методе Ричардсона.
- •33. Метод Якоби. Организация алгоритма. Теорема о достаточных условиях сходимости.
- •34. Метод Зейделя как ускорение метода Якоби. Организация алгоритма. Теорема об условиях сходимости.
- •35. Метод последовательной верхней релаксации. Организация алгоритма.
- •36. Численное дифференцирование на основе интерполяции.
- •37. Численное дифференцирование на равномерной сетке, основанное на тэйлоровском разложении. Теоремы об аппроксимации первой и второй производной.
- •38. Задача Коши. Постановки задачи в одномерном случае для первой и второй производной. Сведение к системе уравнений с первой производной.
- •39. Метод Эйлера. Алгоритм, геометрическая интерпретация, порядок точности.
- •40. Методы Рунге-Кутты повышенной точности. Метод “предиктор – корректор” и метод «средней точки».
- •41. Общая постановка краевой задачи для оду 2-го порядка. Классификация граничных условий.
- •42. Метод “стрельбы” решения краевой задачи с граничными условиями первого рода.
- •43. Метод конечных разностей решения линейной краевой задачи для оду 2-го порядка.
- •45. Устойчивость разностных схем. Спектральный признак устойчивости для уравнений с постоянными коэффициентами. Примеры для оду и уравнений в частных производных.
- •16. Правило Рунге практической оценки погрешности квадратурной формулы Симпсона.
- •10. Среднеквадратичное приближение. Метод наименьших квадратов в регрессионном анализе. Вывод уравнения прямой регрессии.
29. Спектральный признак сходимости (теорема о необх. И достат. Условиях сходимости).
Теорема 3.8. (Спектральный признак сходимости). Для сходимости метода простых итераций СЛАУ второго рода необходимо и достаточно, чтобы .
Необходимость. Заметим, что если оператор удовлетворяет условию сжатости, то согласно теореме 3.6.
Пусть теперь известно, что итерационная процедура (28) сходится при . От противного: пусть, т.е. необходимое условие не выполняется. Тогдаи- соответствующий собственный вектор. Выберем начальное приближениеи запустим итерационную процедуру (29).
что противоречит сходимости приначальном приближении.
Достаточность. Докажем для частного случая, когда - вещественная и симметрическая матрица.
Выберем спектральную норму (норму -2):
, где - сингулярные числа матрицы.
Согласно свойству 6) , где- собственные значения матрицы.- т.е. получили достаточное условие сходимости согласно теореме 3.7. в норме -2.
Т.к. все матричные нормы эквивалентны, то сходимость в норме -2 влечет за собой сходимость и в остальных нормах.
30. Стационарные итерационные процедуры. Приведение слау первого рода к системе второго рода.
Пусть задана система ЛАУ (23) общего вида (первого рода)
. |
(1) |
Требуется привести данную систему к специальному виду
x=Tx+d |
(2) |
с матрицей (оператором) Т, удовлетворяющей условию в какой либо матричной норме.
Рассмотрим простейший прием такого преобразования – тождественное преобразование:
, |
( (31) |
где Н - некоторая невырожденная матрица.
Из (31) следует, что
x=Tx+d, где . |
( (32) |
Определение 1. Итерационная процедура, основанная на представлениях (31)-(32)
|
(5) |
называется линейной стационарной итерационной процедурой; при этом матрица Т в представлении (32) называется матрицей перехода, а матрица Н – матрицей расщепления.
Определение 2. Более общая линейная нестационарная итерационная процедура записывается в виде:
,
где Hk – матрица расщепления k-го шага. Соответственно матрица перехода Tk=E-HkA – называется матрицей перехода k-го шага.
31. Метод простых итераций Ричардсона. Условия сходимости.
I. Метод простых итераций ( Метод Ричардсона).
Положим . Матрица перехода в этом случае имеет вид:
.
Получаем так называемый метод простых итераций или метод Ричардсона.
, или .
Выясним условия сходимости метода Ричардсона.
Пусть - собственное значение матрицы,- собственное значение матрицы.является корнем характеристического уравнения
.
- корнем уравнения
,
или: , откуда следует, что
.
Согласно теореме 3.8. условие сходимости:
.
Последнее условие, например, выполняется, если .
32. Теорема о выборе ускоряющего множителя в методе Ричардсона.
2. Ускоренный метод Ричардсона.
Пусть , где- некоторый вещественный параметр сходимости, с помощью которого можно оптимизировать процедуру Ричардсона (ускоряющий множитель).
Матрица перехода в этом случае имеет вид:
.
Требуется так выбрать параметр , чтобы минимизировать спектральный радиус.
Теорема 3.9. Пусть . Обозначим.
Тогда и достигается при, где- оптимальное значение параметра сходимости ускоренной итерационной процедуры Ричардсона:
.
Т.к. , то все собственные значения матрицыположительны (свойство 6 из параграфа 3.4.2):.
Выберем в качестве матричной нормы – спектральную норму . По определению,, поэтому чем меньше радиус сходимости, тем быстрее сходится итерационная процедура в соответствии с принципом сжатых отображений.
Пусть - собственное значение матрицы- корень уравнения
.
Пусть - собственное значение матрицыявляется корнем уравнения
.
Из сравнения двух характеристических уравнений следует:
.
Таким образом,
.
φ(λ)
Т.к. функция кусочно линейна, тодостигается на концах отрезка, следовательно
.
Найдем такое , для которого
. |
(33) |
Не трудно проверить, что при выполняется следующее условие:
,
т.е. указанное в теореме значение как раз и является оптимальным в смысле критерия (33). Действительно, пусть, например,
Из последних равенств видно, что при любом знаке один из модулей будет, т.е., что и требовалось доказать.
Лемма 3.2. Пусть матрица удовлетворяет условиюи является вещественной и симметрической, тогда максимальный коэффициент сжатия в ускоренном методе Ричардсонаможет быть записан в виде
,
где , и.(─ число обусловленности в норме-2).
Т.к. , то, поэтому по свойству 6)
,
а по свойству 7) собственные числа матриц ивзаимообратны.
Отсюда следует, что
, ,
и в обозначениях теоремы 3.9. можем записать:
.
Т.о. .
Следствие. Если система первого рода плохо обусловлена (), тои метод Ричардсона сходится плохо и становится чувствительным к возмущениям правой части. В этом случае необходимо перейти к более эффективным методам решения СЛАУ (например, к методу сопряженных градиентов, методу минимизации невязки и др. [1,5]).