- •III семестр. Ммф нгу
- •Конспект лекций1
- •2003 – 2004 Учебный год
- •Содержание
- •Лекция 1. Традиционные задачи линейной алгебры
- •Векторные и матричные нормы
- •Число обусловленности
- •Лекция 2. Прямые методы решения линейных уравнений Метод исключения Гаусса – схема единственного деления
- •Теорема об lu разложении
- •Разложение Холесского
- •Метод квадратного корня
- •Метод вращений решения системы уравнений Элементарная матрица вращения
- •–Ый шаг метода вращений
- •Решение системы с вырожденной матрицей –разложение с перестановками столбцов матрицы
- •Совместность системы с вырожденной матрицей
- •Применение –разложения с перестановками столбцов для решения совместной системы
- •Метод прогонки решения систем с трехдиагональной матрицей –разложение трехдиагональной матрицы :
- •Формулы метода прогонки для системы :
- •Асимптотическая скорость сходимости
- •Метод Зейделя (Гаусса–Зейделя, Некрасова)
- •Необходимое и достаточное условие сходимости метода Зейделя в случае симметричной матрицы с положительной главной диагональю
- •Лекция 7. Функционал ошибки
- •Метод полной релаксации
- •Метод неполной релаксации
- •Метод минимальных невязок
- •Метод простой итерации
- •Оценки сходимости мнс и ммн
- •Лекция 9. Метод Ричардсона с чебышевскими параметрами Задача оптимизации параметров
- •Полином Чебышева и решение задачи оптимизации параметров
- •Циклический метод Ричардсона: формулы и сходимость
- •Об устойчивости метода Ричардсона
- •Трехчленные формулы реализации метода Ричардсона с чебышевскими параметрами
- •Лекция 10. Многошаговые методы. Вариационная оптимизация
- •Метод сопряженных градиентов
- •Переобуславливатель
- •Положительно определенные матрицы
- •Лекция 11. Проблема собственных значений
- •Корректность задачи на собственные значения
- •Степенной метод вычисления максимального собственного значения матрицы
- •Степенной метод вычисления минимального собственного значения матрицы
- •Применение ортогонализации и степенного метода для вычисления очередного собственного значения
- •Лекция 12. Метод деления пополам (бисекций)
- •Идея метода бисекций вычисления
- •Приведение самосопряженной матрицы к трехдиагональному виду ортогональным преобразованием подобия с помощью матриц вращения
- •Якобиевы матрицы
- •О вычислении чпз
- •О вычислении собственного вектора
- •Лекция 13. Метод вращений (Якоби)
- •Выбор вращения
- •Сходимость собственных значений
- •Сходимость собственных векторов
- •Литература
Лекция 1. Традиционные задачи линейной алгебры
Задачи: |
Методы (теория определителей): |
решение системы уравнений
|
метод Крамера:
|
вычисление обратной матрицы:
|
определение столбца матрицы :
|
вычисление определителя
|
по определению
|
спектральная задача:
|
собственные значения – корни полинома
собственные векторы – решения систем
r линейно независимых решений, где
|
Непригодность этих методов:
количество умножений при вычислении одного определителя:
если производительность ЭВМ оп/сек, то
|
ошибки округления:
если , , , , то
т.е. определитель вычисляется с большой ошибкой и, следовательно, решения поставленных задач вычисляются с такой же ошибкой. |
Векторные и матричные нормы
Векторные |
Матричные |
|||||||||
Примеры:
– кубическая или равномерная
– октаэдрическая
–сферическая или евклидова |
|
Теорема. |
Любые две нормы и в конечномерном пространстве эквивалентны:
|
Примеры:
|
!!! Константы эквивалентности зависят от размерности пространства !!!
При решении системы линейных уравнений могут быть неточно заданы либо правая часть либо матрица , где компоненты вектора и элементы матрицы малы по сравнению с соответствующими элементами исходных вектора и матрицы. Тогда вместо решения мы получим его приближение , причем компоненты вектора–ошибки могут быть большими.
Оценим норму ошибки через нормы возмущений правой части и матрицы системы, считая, что матричная норма подчинена векторной норме.