- •Глава 1. Численные методы.
- •1.1 Структура погрешности в численном анализе.
- •Округление.
- •Погрешность вычисления функции при неточном задании аргументов. (Вопрос вычисления функции при наличии ошибки в вычислении ее аргумента)
- •1.2. Понятие близости в метрическом пространстве.
- •Примеры классов функций и соответствующих нормированных пространств.
- •1.3. Задача приближения функций. Интерполяция.
- •Задача наилучшего приближения в нормированном пространстве.
- •Задача приближения полиномами.
- •Общая задача интерполяции.
- •1.4. Интерполяционный многочлен Ньютона.
- •Пример:
- •Запись интерполяционного многочлена для равноотстоящих узлов.
- •1.5. Среднеквадратичное приближение функции.
- •1.6. Классические ортогональные многочлены и их применение в задачах приближения функций.
- •С другой стороны
- •1.7. Некоторые общие свойства ортогональных полиномов.
- •1.8. Многочлены Чебышева, их свойства и применение в задачах приближения функций.
- •Первые применения многочленов Чебышева к задаче интерполяции.
- •1.9. Равномерное приближение функций на отрезке.
- •1.10 Теоремы о равномерном приближении функций на отрезке.
- •Глава II. Численное интегрирование.
- •2.1. Квадратурные формулы на основе интерполяций.
- •Формулы Ньютона-Котеса.
- •2.2 Квадратурные формулы Гаусса-Кристоффеля.
- •Глава III. Численные методы алгебры.
- •3.1. Принцип сжатых отображений.
- •3.2. Метод простых итераций для функциональных уравнений.
- •3.3.Метод Ньютона.
- •3.4. Численные методы линейной алгебры.
- •3.4.1. Нормы матриц. Спектральные свойства матриц.
- •Для любой квадратной матрицы и любой согласованной матричной нормы имеет место неравенство:
- •Простейшие следствия из определений.
- •3.4.2. Обусловленность матриц и систем уравнений.
- •3.4.3. Итерационные методы решения систем лау.
- •3.4.4 Стационарные итерационные процедуры. Теоремы о сходимости.
- •Некоторые определения.
- •Глава IV. Численные методы решения обыкновенных дифференциальных уравнений.
- •4.1. Численное дифференцирование.
- •4.2.Численные методы решения задачи Коши.
- •4.2.1. Оценка погрешности метода Эйлера.
- •1. Ошибка растет с номером шага k.
- •4.2.2.Методы Рунге-Кутта.
- •4.3. Численные методы решения краевых задач для оду.
- •4.3.1.Задача аппроксимации на сетке.
- •4.3.2.Аппроксимация, устойчивость и сходимость разностных схем.
- •Итерационная процедура устойчива по правой части тогда и только тогда, когда
- •При этом, если выполняется условие
Для любой квадратной матрицы и любой согласованной матричной нормы имеет место неравенство:
Пусть-произвольное собственное значение матрицы A, и - соответствующий собственный вектор.
Оценим по норме:
Определение 4.
Сингулярным числом матрицыА называется собственное значение матрицы .
Определение 5.
Матрица А называется положительно (неотрицательно) определенной (пишут: или), если соответствующая квадратичная форма
.
Простейшие следствия из определений.
Следствие 1. Критерий Сильвестра:
все ведущие угловые миноры матрицы А положительны.
Следствие 2.
, причем .
следует из критерия Сильвестра
Следствие 3.
все собственные значения .
Пусть - собственное значение, соответствующее собственному векторуx.
По условию результат.
Следствие 4.
Пусть А – вещественная матрица матрица
Имеем: {по свойству скалярного произведения}
Следствие 5.
Сингулярные числа вещественной матрицы А – неотрицательны
Следует из С3 и С4.
Следствие 6.
Пусть А – вещественная матрица .
Имеем:
Следствие 7.
Если А – невырожденная матрица собственные значения матрицА и A-1 взаимообратны.
Пусть результат.
3.4.2. Обусловленность матриц и систем уравнений.
Пусть дана система ЛАУ с невырожденной матрицей А :
Ax=b, (6)
и пусть вектор правой части b вычисляется с ошибкой .
Заменим правую часть “возмущенным” значением , тогда решение приобретет ошибкуи система примет вид:
. (7)
Оценим относительную ошибку решения в зависимости от относительной величины возмущения правой части.
Из (6) и (7) следует:
или
{согласованность матриц}(8)
С другой стороны, из (6) следует
подставим в (8)
. (9)
Определение 6.
Число называетсячислом обусловленности матрицы А.
Таким образом, из (9) следует, что максимальная относительная ошибка решения пропорциональна числу обусловленности матрицы А:
.
Если (система уравненийплохо обусловлена), то небольшие погрешности вычисления правой части (небольшие “возмущения”) могут приводить к весьма большим отклонениям от точного решения.
Заметим, что это явление не связано с явлением неустойчивости (т.е. накоплением ошибок при вычислениях), а является следствием специфического свойства матрицы А и наблюдается даже в том случае, когда все вычисления делаются абсолютно точно, а возмущение правой части вызвано неточностями начальных данных при формировании системы. На семинаре и лабораторной работе будут рассмотрены примеры плохо обусловленных систем.
3.4.3. Итерационные методы решения систем лау.
Рассмотрим вначале систему ЛАУ вида
x=Tx+d, ,T- матрица (10)
Назовем эту систему системой “второго рода”, в отличии от вида системы (1) – системы “первого рода”.
Систему второго рода (10) естественно пытаться решать итерационным методом
, k=0,1,….. (11)
В этом методе используются лишь операции сложения и умножения, и не используется операция деления – наиболее опасная для накопления ошибок.
Очевидно, что оператор Т - линейный и отображает Rn в себя.
Тогда согласно У2 из лекции 10, если для какой-либо из матричных нормвыполняются условия теоремы 1существует единственная неподвижная точкаx* оператора Т, удовлетворяющая системе
x*=Tx*+d, (12)
причем процедура (11) сходится к точке x* со скоростью геометрической прогрессии.
Действительно, из (11) и (12)
xk+1-x*=T(xk-x*)={продолжая рекурсию}=…=Tk(x0-x*)
Оценивая по норме, получаем:
{согласованность+мультипликативность матричной нормы}прирезультат: сходимость с линейной скоростью.
Лекция 11.