- •Обчислювальний експеримент. Теорія попиту.
- •Абсолютна і відносна похибки
- •Методи розв’язання системи лінійних рівнянь (слр). Прямі методи слр.
- •Метод Гауса чисельного розв’язку слр.
- •Вивід розрахункових формул
- •Модифікація методу Гауса
- •Умови застосування методу Гауса і його зв'язок з розкладом матриці на множники.
- •Обчислення визначника
- •Обчислення обернених матриць
- •Обумовленість с-ми лінійних рівнянь Стійкість слар
- •Обумовленість слар, число обумовленості
- •Метод прогонки для розв’язання слар
- •Ітераційні методи розв’язання слар
- •Ітераційний метод Якобі
- •Ітераційний метод Зейделя
- •Канонічна форма однокрокових ітераційних методів
- •Приклад розв’язання методом Зейделя та Якобі
- •Метод простої ітерації
- •Дослідження збіжності ітераційних методів
- •Необхідна і достатня умова збіжності у стаціонарних методах
- •Оцінки швидкості збіжності стаціонарних ітераційних методів
- •Многочлени Чебишева 1-го роду і многочлени Чебишева на відрізку [0,1]
- •Многочлен Чебишева на проміжку [a,b]
- •Ітераційні методи Чебишовським набором параметрів
- •Неявний Чебишевський ітераційний метод
- •Інтерполяція функцій
- •Інтерполяційний многочлен Лагранжа
- •Розділені різниці. Інтерполяційний многочлен Ньютона
- •Властивості розділених різниць
- •Побудова інтерполяційного многочлена Ньютона
- •Приклад
- •Скінченні різниці
- •Формула залишкового члена інтерполяційного многочлена Лагранжа
- •Інтерполяції за допомогою раціональних функцій
- •Інтерполювання періодичних функцій
- •Інтерполяційний многочлен Ерміта
- •Збіжність інтерполяційних процесів
- •Інтерполяція сплайнами
Канонічна форма однокрокових ітераційних методів
Доцільно ввести деякий єдиний запис ітераційного методу. Канонічною формою одно крокових ітераційних методів системи (1) будем називати запис, де - розвязок на n- ій ітерації
(9)
- матриця яка визначає той чи інший ітераційний метод, – ітераційний параметр.
Припустимо, що введемо деяке початкове наближення , тоді існує матриця . Тоді з рівняння (9) у нас можуть бути визначені послідовно , тоді для знаходження достатньо розв’язати таку систему рівнянь у матричній формі
Ітераційний процес буде називатися нестаціонарним, якщо параметри будуть вибиратися окремо. Якщо , , то такий проуес називається стаціонарним.
Якщо , то такий процес називається явним ітераційним методом.
Приклад розв’язання методом Зейделя та Якобі
- точний розвязок.
Методом Якобі: - початкове наближення
Методом Зейделя: - початкове наближення
Порівнявши виконані операції на обох методах дійшли висновку, що метод Зейделя збігається швидше ніж метод Якобі.
Метод простої ітерації
Метод простої ітерації – це явний стаціонарний метод з сталими параметром .
(10)
Якщо ж параметр буде змінний то одержимо метод Річадсона (11)
(11)
Для ітераційних методів (10) і (11) є відомий метод вибору параметрів та в тому випадку коли матриця А є симетрична і додатньовизначена
Узагальненим метод Зейделя (8) є метод з введеним парметром і може бути записаний
(12)
Такий метод (12), де носить назву верхньої релаксації. Введем розрахункові формули для методу (12)
Запишемо метод верхньої релаксації в координатній формі
Дослідження збіжності ітераційних методів
Розглянемо систему Ax=f (1) із не виродженою дійсною матрицею А і одно кроковий стаціонарний метод, процес може бути записаний у виді (2) .
(2) де - задане початкове наближення
Будемо говорити що ітераційний метод (2) є збіжним якщо . Під нормою вектора будемо розуміти середньоквадратичну норму , де елемент m – вимірного векторного простору H із заданим скалярним добутком , u,v
При дослідженні збіжності будемо використовувати деякі матричні нерівності. Для дійсної матрисі С нерівність означає що , . Тоді з випливає параметр , що , якщо і С – симетрична матриця, тоді всі її власні значення є додатніми, і тоді в якості ми можемо вибрати min з цих власних значень . якщо і С – не симетрична, тоді транспонована до С і тоді за беремо min власне значення Із оцінки випливає що . Якщо , тоді , то може і не існувати ю
Похибка розв’язання системи (1) методом (2) на n-ій ітерації може бути записана . Підставивши похибку у рівняння (2)
(3)
Тоді справедлива теорема
Теорема 1
Нехай А–симметрична додатньовизначена матриця і нехай виконується ,(4) тоді ітераційний метод (2) є збіжним.
Доведення. Достатньо показат, що середньоквадратична норма розвязку рівння (3) при будь-якому початковому наближенні . Для цього спочатку покажемо, що при виконанні умови (4) послідовність являєтья не зростаючою, тоді із рівняння (3) можемо записати
Так як матриця А за умовами теореми є симетричною , тоді попередню нерівність можемо переписати
(5)
Тоді враховуючи нерівність (4) . Таким чином послідовність є монотонною і обмеженою знизу нулем і (6). Із додатньої визначеності матриці випливає існування константи , тоді із рівності (5) одержимо нерівність , перейшовши до границі при і врахувавши рівність (6) бачимо що . врахувавши що матриця А є додатньовизначеною і відповідно оборотною . З останньої нерівності Доведено.
Наслідок 1.
Нехай матриця А –додатньовизначена і симетрична з діагональною перевагою, тобто для неї виконується така нерівність (7) , тоді метод Якобі є збіжним.
Доведення. Умова збіжності (4) у даному випадку матиме вигляд . покажемо, що така матрична нерівність випливає із нерівності (7). Запишемо квадратну форму . Скориставшись оцінками для квадратичної форми
так як матриця А – симетрична і додатньовизначина, то
(8), тоді (7) можна записати
і тоді (8) запишеться
(9)
Остання оцінка еквівалентна умові . Доведено.
Наслідок 2
Нехай матриця А і додатньовизначена і симетрична, тоді метод верхньої релаксації
збігається при умові .
Відповідно метод Зейделя збігається при .
Доведення .
Із симетричності матриці А транспонована для , тому
. Умова (4) прийме вигляд = враховуючи попередні рівності можемо записати
Виконання такої нерівності можливе, якщо
Наслідок. Теорема (необхідна і достатня умова збіжності методу простої ітерації )
(10)
Для того щоб ітераційний процес (10) був збіжним необхідно і досить, щоб (11)
Доведення
Достатність. Для того, щоб ітераційний процес був збіжним достатньо щоб виконувалось (4) і тоді (12), тоді умова (12) еквівалентна тому, що всі власні значення матриці повинні бути додатніми. Нехай матриця A має власні значення тоді
є власними значеннями . тоді найменшим серед цих власних значень , цього достатньо, щоб вон обуло і тоді звідки випливає (11)ю
Необхідність. Покажемо, що нерівність (11) є необхідною умовою для збіжності (10). Припустимо, що нерівність (11) порушена, тоді знайдеться деяке початкове наближення ,для якого при . Покажемо це, припустимо , де - точний розвязок системи (1) а - власний вектор матриці А, що відповідає , тобто тоді при виборі початкового наближення похибка . Тоді з формули (10)
.
Припустимо, що ,
=
Враховуючи, що є власними значеннями можемо записати
, тоді .
Враховуючи властивості норми
Якщо тоді
Якщо тоді ,
Таким чином умова є необхідною умовою для збіжності ітераційного методу (10).