
- •Часть 1
- •Оглавление
- •Введение
- •1. Источники и причины погрешностей математической модели
- •Погрешность математической модели
- •Погрешность исходных данных
- •Погрешность численного метода
- •Погрешность проведения расчетов на вычислительных машинах
- •Погрешности округления чисел в эвм
- •Погрешность результатов вычисления арифметических операций
- •“Потеря порядка” и “переполнение” при проведении вычислений на эвм
- •Машинная реализация вычислений
- •Контрольные вопросы и задания
- •2. Системы линейных алгебраических уравнений
- •Прямые методы решения
- •Метод Гаусса
- •Определение числа операций алгоритма метода Гаусса
- •Вычисление определителя матрицы
- •Построение обратной матрицы
- •Метод квадратного корня
- •Определение числа операций алгоритма метода квадратного корня
- •Устойчивость системы линейных алгебраических уравнений
- •Итерационные методы решения
- •Метод Якоби1
- •Метод Зейделя1
- •Сходимость итерационных методов
- •Скорость сходимости
- •Полиномы Чебышёва1
- •Итерационный метод с чебышёвским набором параметров
- •Неявный метод с чебышёвским набором параметров
- •Метод минимальных невязок
- •Метод минимальных поправок
- •Метод скорейшего спуска
- •Неявный метод скорейшего спуска
- •Контрольные вопросы и задания
- •3.НелинейныЕ уравнения
- •Методы вычисления корней нелинейного уравнения1 Метод половинного деления2
- •Метод простых итераций
- •Метод Ньютона2
- •Модификации метода Ньютона
- •Системы нелинейных уравнений
- •Метод простых итераций
- •Метод релаксации
- •Метод Ньютона
- •Нелинейный вариант метода Якоби
- •Нелинейный вариант метода Зейделя
- •Контрольные вопросы и задания
- •Интерполяция степенными функциями
- •Интерполяционный многочлен Ньютона
- •Интерполяционная формула Лагранжа
- •Погрешность полинома Ньютона (Лагранжа)
- •Сходимость интерполяционного процесса
- •Интерполяционный многочлен Эрмита1
- •Интерполяция сплайнами
- •Построение кубического сплайна
- •Сходимость процесса интерполяции кубическими сплайнами
- •Наилучшее приближение в гильбертовом пространстве
- •Метод наименьших квадратов
- •Контрольные вопросы и задания
- •5. Алгебраическая проблема собственных значений
- •Устойчивость собственных значений и векторов
- •Определение собственных значений и векторов Метод интерполяции
- •Трехдиагональные матрицы
- •Поиск собственных векторов
- •Частичная проблема собственных значений
- •Метод линеаризации
- •Степенной метод
- •Метод обратных итераций
- •Контрольные вопросы и задания
- •6.Численное дифференцирование Конечно-разностная аппроксимация
- •Применение интерполяционных формул
- •Контрольные вопросы и задания
- •7.Численное интегрирование
- •Формула прямоугольников
- •Формула трапеций
- •Формула Симпсона1
- •Формула Эйлера1
- •Оценка погрешности методом Рунге2
Определение числа операций алгоритма метода Гаусса
Подсчитаем число операций умножения и деления (наиболее длительные операции при вычислениях на ЭВМ), необходимое для реализации алгоритма метода Гаусса.
1. Вычисление коэффициентов
(сумма членов арифметической прогрессии):
.
2. Вычисление коэффициентов
(сумма слагаемых арифметической
прогрессии 2-го порядка [6]):
.
3. Вычисление значений
:
.
4. Вычисление значений
производится m раз.
5. Вычисление
при “обратном ходе” метода Гаусса:
.
Общее количество операций умножения и деления определяется суммой всех определенных выше выражений:
.
Иными словами, количество операций
умножения и деления приблизительно
пропорционально
,
что и определяет затраты на выполнение
метода Гаусса.
Вычисление определителя матрицы
Вычитание строк в методе Гаусса (образование линейных комбинаций уравнений) не изменяет значения определителя матрицы [7]. Знак определителя может измениться лишь при использовании процедуры выбора “главного” элемента, когда производится перестановка строк (столбцов) преобразуемой матрицы. В результате выполнения всех необходимых преобразований метода Гаусса определитель исходной матрицы может быть вычислен достаточно просто:
.
Здесь учтено, что L и U - треугольные матрицы и, кроме того, матрица U содержит только единицы на главной диагонали.
Таким образом, сохраняя значения коэффициентов, расположенных после преобразования уравнений (до операции деления коэффициентов строки на первый ненулевой элемент) на главной диагонали, можно вычислить определитель исходной матрицы.
Построение обратной матрицы
Пусть
- коэффициенты обратной матрицы
.
Согласно определению
- символ Кронекера1.
Теперь q-й столбец
обратной матрицы можно рассматривать
как результат решения системы линейных
алгебраических уравнений вида
.
Таким образом, для нахождения обратной матрицы необходимо решить m систем линейных алгебраических уравнений с правыми частями, определенными специальным образом. При этом матрицу коэффициентов следует преобразовать лишь один раз, но одновременно преобразовывать m правых частей всех систем уравнений.
Метод квадратного корня
Метод квадратного корня предназначен
для решения систем линейных алгебраических
уравнений вида Ax = f с симметричной
матрицей коэффициентов
.
Метод основан на разложении матрицы коэффициентов А в произведение
, (2.4)
где S - верхняя треугольная матрица с положительными значениями на главной диагонали; D - диагональная матрица со значениями +1 или -1.
Согласно теореме 2.1 при неравенстве нулю всех угловых миноров матрицу А можно разложить в произведение A = LU.
Представим нижнюю треугольную матрицу
L с ненулевыми коэффициентами на главной
диагонали в виде произведения NK,
где N - нижняя треугольная матрица с
единицами на главной диагонали, К -
диагональная матрица, причем
:
После перемножения матриц N и K получаем
систему линейных уравнений относительно
величин
:
Очевидно, что
С учетом этого коэффициенты
матриц N и K можно представить в общем
виде
;
.
Теперь матрицу А можно представить разложением
A = NKU. (2.5)
Благодаря симметрии матрицы А имеет
место равенство
,
что позволяет произвести следующие
преобразования:
,
,
,
.
В силу того, что
являются диагональными матрицами,
- нижние треугольные,
-
верхние треугольные, в левой части
последнего равенства находится нижняя
треугольная матрица, а в правой части
- верхняя треугольная. Равенство возможно
лишь при условии, что и в левой, и в правой
частях этого тождества расположены
диагональные матрицы.
Матрицы
имеют единицы на главной диагонали;
следовательно, их произведение также
содержит единичную главную диагональ,
то есть
.
Отсюда следует, что соотношение (2.5) можно переписать в виде
.
Далее, представим матрицу K в виде
,
где
.
Сравнивая теперь соотношение
с формулой (2.4), получаем для матрицы S
выражение
,
то есть верхнюю треугольную матрицу с
положительными элементами на главной
диагонали. Таким образом, конструктивно
показано разложение (2.4).
Обозначим
,
тогда алгоритм метода квадратного корня
можно рассматривать как последовательность
трех процессов:
,
то есть вычисление решения z системы
уравнений с нижней треугольной матрицей;
2) Dy = z , вычисление решения системы уравнений с диагональной матрицей;
3) Sx = y , определения из системы уравнений с верхней треугольной матрицей искомого решения.
Построим разложение вида (2.4) для симметричной матрицы третьего ранга:
.
Положим
,
тогда из уравнения
получим
.
Далее, из уравнения
следует, что
.
В силу условия
и теоремы 2.2 можно ожидать, что
.
Аналогично можно вычислить
;
.
Полагая
,
получим
- в силу упомянутого условия .
;
Нетрудно убедиться, что также
.
Рассмотрим процедуру построения матриц S и D в случае произвольного числа уравнений m.
Верхняя треугольная матрица
по определению имеет нулевые элементы:
. (2.6)
Диагональная матрица D может быть
определена формально с использованием
символа Кронекера
.
Теперь можно подсчитать результат
перемножения матриц:
Из последнего выражения с учетом соотношения (2.6) получаем систему алгебраических уравнений:
.
При i = j получаем соотношения для вычисления диагональных значений матриц S и D:
“Наддиагональные” элементы матрицы S определяются по формулам
.