- •Таганрогский государственный радиотехнический университет
- •Введение
- •1 Численное интегрирование
- •1.1 Основные методы численного интегрирования
- •1.2 Пример выполнения лабораторной работы №1
- •1.3 Варианты заданий к лабораторной работе №1
- •2 Методы решения нелинейных уравнений
- •2.1 Метод половинного деления
- •2.2 Метод хорд (метод линейной интерполяции)
- •2.3 Метод секущих
- •2.4 Метод Ньютона
- •2.5 Пример выполнения лабораторной работы №2
- •2.6 Варианты заданий к лабораторной работе №2
- •3 Прямые методы решения систем линейных алгебраических уравнений
- •3.1 Метод Гаусса для решения систем линейных алгебраических уравнений.
- •3.2. Алгоритм lu-разложения.
- •3.3. Метод прогонки.
- •3.4 Пример выполнения лабораторной работы №3
- •Вводим функцию, реализующую алгоритм прогонки
- •3.5 Варианты заданий к лабораторной работе №3
- •4 Итерационные методы решения систем линейных алгебраических уравнений
- •4.1. Итерационные методы Якоби и Зейделя.
- •4.2. Каноническая форма итерационных методов.
- •4.3. Вариационно-итерационные методы решения слау.
- •4.4 Пример выполнения лабораторной работы №4
- •Задаем матрицу коэффициентов и столбец свободных членов
- •Вводим функцию, реализующую алгоритм метода Зейделя
- •4.5 Варианты заданий к лабораторной работе №4
- •5 Методы решения задачи Коши
- •5.1. Метод Эйлера.
- •5.2. Метод Рунге-Кутта.
- •Пример выполнения лабораторной работы №5
- •5.4 Варианты заданий к лабораторной работе №5
- •6 Методы приближения функций
- •6.1. Интерполяционный полином Лагранжа и Ньютона.
- •6.2 Интерполяционный кубический сплайн.
- •6.3 Понятие о методе наименьших квадратов.
- •6.4 Интерполяционный тригонометрический полином
- •6.5 Пример выполнения лабораторной работы №6
- •Интерполяционный полином Лагранжа.
- •6.6 Варианты заданий к лабораторной работе №6
4.1. Итерационные методы Якоби и Зейделя.
Рассмотрим простейшие итерационные методы решения СЛАУ, - методы Якоби (простой итерации) и Зейделя. Будем рассматривать систему
|
Ах = f, |
(4.1) |
где
|
|
(4.2) |
- матрица, имеющая обратную матрицу, х = (х1, х2, …, хn)T, f = (f1, f2, …, fn)T – соответственно векторы-столбцы неизвестных и правых частей.
Начнем рассмотрение с метода Якоби. Будем считать, что все аii 0, i = 1, 2, …, n, где аii – элементы матрицы А, лежащие на главной диагонали. Преобразуем систему (4.1) к виду
|
|
(4.3) |
В равенстве (4.3) значение суммы считается, как это принято, равным нулю, если значение верхнего предела суммирования меньше значения нижнего предела суммирования.
Далее верхний индекс будет указывать номер итерации (приближения), например,
![]()
Зададим произвольным образом начальное приближение номера к = 0, например так
![]()
Исходя из равенства (4.3), итерационное равенство (формулу) метода Якоби запишем так
|
|
(4.4) |
Окончание итераций определяется:
1) по числу итераций, заданному заранее (максимальному числу итераций);
2) по величине так называемой стабилизации
![]()
> 0 заданное число, близкое к 0;
3)
по убыванию нормы вектора невязки
на k-ой итерации, где
|
rk = f – Axk, |
(4.5) |
в
заданное число раз по сравнению с нормой
вектора начальной невязки
,
т.е. при выполнении неравенства
![]()
Напомним,
что в качестве нормы вектора rk
можно взять величины:
или
k = = 0,1,…
С вычислительной точки зрения способ 3) хотя и более громоздкий, по сравнению со способами 1) и 2), однако, он дает наиболее объективную информацию о погрешности полученного решения.
Идея
метода Зейделя состоит в том, чтобы
найденные значения
использовать для вычисления
,
усовершенствовав формулу (4.4) так:
|
|
(4.6) |
4.2. Каноническая форма итерационных методов.
Для
исследования сходимости итерационных
методов, т.е. установления справедливости
равенства
где х – точное решение системы (2.1),
удобнее записывать эти методы в матричной,
а не в координатной форме.
Представим матрицу А в виде суммы трех матриц
А = А- + D + A+, где


-
диагональная часть матрицы А.
Очевидно, метод Якоби с использованием введенных обозначений в векторной форме принимает вид
хk+1 = -D-1(А+ + А-)хk + D-1 f,
где D-1 – матрица, обратная к матрице D

Метод Якоби еще можно записать так
|
D(хk+1 – xk) +Axk = f. |
(4.7) |
Аналогичным образом из соотношений (4.6) можно получить представление метода Зейделя в векторной форме
|
(D + А-)(хk+1 – xk) + Axk = f. |
(4.8) |
Далее мы увидим, что векторные равенства (4.7) и (4.8) являются частными случаями так называемой канонической формы одношаговых (двухслойных) итерационных схем вида
|
|
(4.9) |
где В – квадратная невырожденная матрица nn, называемая стабилизатором, k+1 – число, называемое итерационным параметром.
Матрица А называется положительно определенной, если скалярное произведение (Ах, х) > 0 для всех ненулевых векторов, или что то же самое (хТ, Ах) > 0.
Сформулируем теорему, принадлежащую А.А. Самарскому.
Теорема. Пусть А – симметричная положительно определенная матрица, k+1 > 0, и пусть выполнено неравенство для любого ненулевого вектора х из n-мерного пространства.
((В – 0,5А)х, х) > 0.
Тогда итерационный метод (4.9) сходится, т.е.
![]()
Покажем, как использовать данную теорему для доказательства сходимости, например, метода Зейделя.
Сравнивая (4.8) и (4.9) приходим к равенствам
В = D + А-, = 1.
Таким образом, если А = АТ и А – положительно определенная матрица, то при условии выполнения неравенства В – 0,5 А > 0, что является краткой формой записи неравенства относительно скалярных произведений
((В – 0,5 А)х, х) > 0, x Rn,
метод Зейделя сходится.
Заметим, что
|
В – 0,5 А = В – 0,5 А = D + А- - 0,5(А+ + D + А-) = = 0,5 D + 0,5(А- - А+). |
(4.10) |
Нетрудно проверить, что для любого n-мерного вектора х (х Rn)
|
((A- - A+)x, x) = 0. |
(4.11) |
C другой стороны, из неравенства (Ах, х) > 0 x Rn вытекает неравенство
|
(Dх, х) > 0 |
(4.12) |
В самом деле, выберем х = (0, … 0, i, 0 … 0) где i 0. Тогда

Поскольку i – любое, то все аii > 0, i = 1, 2, …, n. Значит справедливо неравенство (4.12). В силу (4.11) и (4.12) из (4.10) имеем
В – 0,5 А > 0.


,
к = 0, 1, 2, …