- •Список принятых сокращений
- •Тема 1. Методы решения систем линейных уравнений
- •Лекция 1. Метод Гаусса
- •Концепция методов
- •Метод Гаусса
- •Верхняя треугольная система линейных уравнений
- •Метод исключения Гаусса и выбор главного элемента
- •Схема единственного деления
- •Лекция 2. Итерационные методы
- •Метод итераций
- •Замечания о точности расчета
- •Достаточное условие
- •Приведение линейной системы к виду удобному для итерации.
- •Метод Зейделя
- •Тема 2. Методы решения нелинейных уравнений
- •Лекция 3. Метод половинного деления
- •Приближенное решение нелинейных уравнений
- •Отделение корней
- •Метод половинного деления
- •Лекция 4. Метод Ньютона
- •Методика решения задачи
- •Ошибка деления на нуль.
- •Скорость сходимости.
- •Модификации метода Ньютона.
- •Упрощенный метод Ньютона
- •Метод Ньютона-Бройдена
- •Метод секущих
- •Тема 3. Численное интегрирование
- •Лекция 5. Метод трапеций
- •Постановка задачи
- •Формула трапеций
- •Погрешность формулы трапеций
- •Общая формула трапеций
- •Лекция 6. Метод Симпсона
- •Формула Симпсона
- •Остаточный член формулы Симпсона
- •Общая (обобщенная) формула Симпсона
- •Тема 4. Обработка экспериментальных данных
- •Лекция 7. Интерполирование
- •Постановка задачи
- •Линейная интерполяция
- •Квадратичная интерполяция
- •Интерполяционная формула Лагранжа.
- •Вычисление Лагранжевых коэффициентов
- •Интерполяция сплайном
- •Лекция 8. Метод наименьших квадратов
- •Постановка задачи
- •Метод наименьших квадратов
- •Линейная аппроксимация (интерполяция)
- •Коэффициент линейной корреляции
- •Квадратичная аппроксимация
- •Приложения
- •Транспонирование
- •Вычисление определителя матрицы
- •Нахождение обратной матрицы
- •Сложение и вычитание матриц
- •Умножение матрицы на число
- •Умножение матриц
- •Итерационные методы решения уравнений
- •Стандартные формы уравнений
- •Поиск корней графическим методом
- •Простой итерационный метод догадки и проверки
- •Представление уравнения в форме 2
- •Прямая подстановка
- •Итерации в ячейке
- •Введение в надстройку Поиск решения
- •Активирование надстройки Поиск решения
- •Установка надстройки Поиск решения
- •Применение надстройки Поиск решения
- •Приложение 3. Контрольные вопросы
- •Приложение 4. Список лабораторных работ
- •Часть 1. Вычислительная техника
- •Часть 2. Численные методы
- •Список литературы.
- •Основная литература
- •Дополнительная литература
- •Интернет-ресурсы
x1 = −0,4 + 0 x1 − 0,2 x2 + 0,1 x3 − 0,2 x4 |
|
|
= 0,2 + 0,2 x1 + 0 x2 − 0,2 x3 + 0 x4 |
x2 |
|
|
= −0,4 + 0,2 x1 − 0,4 x2 + 0 x3 + 0,2 x4 |
x3 |
|
|
= −1,111 + 0,333 x1 + 0 x2 + 0 x3 + 0 x4 |
x4 |
к которой можно применить метод итераций.
Метод Зейделя
Метод Зейделя представляет собой некоторую модификацию метода итераций. Основная идея метода состоит в том, что при вычислении (k + 1)-го
приближения неизвестной xi учитывать уже вычисленные (k + 1)-е приближения неизвестных x1 , x2 ,...,xi−1 .
Пусть дана приведенная система линейных уравнений:
n |
|
|
xi = βi + ∑αij xj |
(i = 1,2,...,n) |
(2.6) |
j=1
Выбираем начальное приближение (разумное): x1(0) , x2(0) ,..., xn(0)
Далее предполагая, что k -е приближение известно, будем строить (k + 1)-е приближение корней по следующим формулам:
x1(k+1)
x2(k+1)
|
n |
|
= β1 |
+ ∑αij x(jk ) |
|
|
j=1 |
|
|
+α21 x1(k+1) |
n |
= β2 |
+ ∑α2 j x(jk ) |
|
|
|
j=2 |
........................................ |
|
(2.7) |
|
i−1 |
n |
||
|
|||
xi(k+1) = βi + ∑αij x(jk+1) |
+ ∑αij x(jk ) |
|
|
j=1 |
j=i |
|
|
........................................ |
|
|
|
n−1 |
|
|
|
xn(k+1) = βn + ∑αnj x(jk+1) +αnn xn(k ) |
(k = 0,1,2,...) |
j=1
Или в развернутом виде:
x1(k+1) =α11 x1(k ) +α12 x2(k ) +α13 x3(k ) + ...+α1n xn(k ) + β1
x2(k+1) =α21 x1(k+1) +α22 x2(k ) +α23 x3(k ) + ...+α2n xn(k ) + β2
(2.8)
x3(k+1) =α31 x1(k+1) +α32 x2(k+1) +α33 x3(k ) + ...+α3n xn(k ) + β3
M
xn(k+1) =αn1 x1(k+1) +αn2 x2(k+1) +αn3 x3(k+1) + ...+αnn−1 xn(k−+11) +αnn xn(k ) + βn
20
Отметим, что указанная выше теорема сходимости для метода итераций остается верной и для метода Зейделя.
Обычно, но не всегда, метод Зейделя дает лучшую сходимость Пример 3. Методом Зейделя решить систему уравнений:
10 x1 + x2 + x3 = 122 x1 + 10 x2 + x3 = 13
2 x1 + 2 x2 + 10 x3 = 14
Приведем систему к виду, удобному для итераций:
x1 = 1,2 − 0,1 x2 − 0,1 x3x2 = 1,3 − 0,2 x1 − 0,1 x3x3 = 1,4 − 0,2 x1 −0,2 x2
В качестве нулевых приближений корней возьмем:
x1(0) = 1,2 |
x2(0) = 0 |
x3(0) = 0 |
Применяя метод Зейделя последовательно получим: Первый шаг:
x1 = 1,2 − 0,1 0 − 0,1 0 = 1,2
x2 = 1,3 − 0,2 1,2 − 0,1 0 = 1,06
x3 = 1,4 − 0,2 1,2 − 0,2 1,06 = 0,948
Второй шаг:
x1 = 1,2 − 0,1 1,06 − 0,1 0,948 = 0,9992
x2 = 1,3 − 0,2 0,9992 − 0,1 0,948 = 1,00536
x3 = 1,4 − 0,2 0,9992 − 0,2 1,00536 = 0,999098
и т.д.
Результаты вычислений с точностью до четырех знаков приведены в таблице 2.2
Таблица 2.2 Вычисление решения системы линейных уравнений методом Зейделя
k |
x1(k ) |
x2(k ) |
x3(k ) |
0 |
1,2000 |
0,0000 |
0,0000 |
1 |
1,2000 |
1,0600 |
0,9480 |
2 |
0,9992 |
1,0054 |
0,9991 |
3 |
0,9996 |
1,0001 |
1,0001 |
4 |
1,0000 |
1,0000 |
1,0000 |
5 |
1,0000 |
1,0000 |
1,0000 |
Точные значения корней: x1 = 1 , x2 = 1, x3 = 1 Пример расчета представлен на рис. 2.1
21
22
Рис. 2.1
Пример расчета по методу Зейделя в Microsoft Excel