
- •Глава 3 основы численных методов
- •§ 3.1. Основные понятия линейной алгебры
- •3.1.1. Линейное пространство. Евклидово пространство.
- •3.1.2. Арифметическое пространство. Векторы и операции над ними. Линейная зависимость векторов. Базис.
- •3.1.3. Матрицы и операции над ними. Некоторые виды матриц.
- •3.1.4. Скалярное произведение векторов.
- •3.1.5. Норма вектора. Некоторые свойства векторных норм. Абсолютная и относительная погрешности. Сходимость.
- •3.1.6. Норма матрицы. Некоторые свойства матричных норм.
- •3.1.7. Число обусловленности матрицы.
- •§ 3.2. Прямые методы решения систем линейных алгебраических уравнений
- •3.2.1. Общий вид системы линейных алгебраических уравнений (слау). Понятие о прямых методах решения слау.
- •3.2.2. Метод Гаусса.
- •3.2.3. Вычисление определителя матрицы коэффициентов системы. Некоторые свойства определителей.
- •3.2.4. Выбор главного элемента.
- •3.2.6. Итерационное уточнение.
- •3.2.7. Метод Гаусса для ленточной слау.
- •3.2.8. Слау с несколькими правыми частями.
- •3.2.9. Вычисление обратной матрицы .
- •§ 3.3. Итерационные методы решения систем линейных алгебраических уравнений
- •3.3.1. Понятие об итерационных методах решения слау.
- •3.3.2. Метод Зейделя и метод простой итерации.
- •3.3.3. Общий вид итерационного процесса.
- •§ 3.4. Методы вычисления собственных значений и собственных векторов матриц
- •3.4.1. Основные определения.
- •3.4.2. Характеристическое уравнение.
- •3.4.3. Понятие о методах решения проблемы собственных значений.
- •3.4.4. Определение максимального по модулю собственного числа степенным методом.
- •3.4.5. Собственные значения обратной матрицы.
- •3.4.6. Обобщенная проблема собственных значений.
- •3.4.7. Вычисление минимального собственного числа степенным методом.
- •§ 3.5. Методы численного интегрирования
- •3.5.1. Понятие о формулах численного интегрирования.
- •3.5.2. Формула прямоугольников (формула средних).
- •3.5.3. Формула трапеций.
- •3.5.4. Формула Симпсона.
- •3.5.5. Точность квадратурных формул.
- •3.5.6. Вычисление интеграла с заданной точностью.
- •3.5.7. О современных методах численного интегрирования.
- •§ 3.6. Методы решения нелинейных уравнений
- •3.6.1. Уравнения с одним неизвестным (скалярные).
- •3.6.2. Решение систем нелинейных уравнений.
- •§ 3.7. Метод наименьших квадратов
- •3.7.1. Понятие о методе наименьших квадратов (мнк).
- •3.7.2. Применение мнк для решения переопределенных систем линейных алгебраических уравнений.
3.4.5. Собственные значения обратной матрицы.
Пусть
,
т.е. и – собственное значение и собственный вектор матрицы A.
Умножая обе части данного равенства на
,
получим
.
Следовательно,
– собственный вектор матрицы
,
а
– собственное значение матрицы
.
3.4.6. Обобщенная проблема собственных значений.
Пусть даны матрицы и , при этом – невырожденная. Требуется найти ненулевой вектор и число , удовлетворяющие равенству
.
(3.4.23)
В этом случае и , соответственно, называются обобщенными собственным числом и собственным вектором.
Умножая на
обе части (3.4.23), получим
.
(3.4.24)
Таким образом, задачу можно свести к
определению собственных чисел и векторов
матрицы
.
На практике в современных стандартных программных комплексах реализована непосредственно обобщенная проблема собственных значений. Для этих целей, например, используется так называемый QZ-алгоритм, представляющий собой устойчивое обобщение QR-алгоритма.
3.4.7. Вычисление минимального собственного числа степенным методом.
Как уже отмечалось в п. 3.4.5. собственные векторы матриц и
совпадают, а собственные значения связаны соотношением
,
(3.4.25)
откуда
,
(3.4.26)
где
– минимальное собственное значение
матрицы
;
– максимальное собственное значение
матрицы
.
Таким образом, для определения минимального собственного числа матрицы достаточно вычислить максимальное собственное число матрицы степенным методом.
§ 3.5. Методы численного интегрирования
3.5.1. Понятие о формулах численного интегрирования.
Пусть требуется вычислить определенный интеграл вида
.
(3.5.1)
Для многих функций
первообразные представляют собой
достаточно сложные комбинации элементарных
функций, либо вовсе не выражаются через
них. В таких случаях использование
формулы Ньютона-Лейбница на практике
не представляется возможным. Во многих
практических случаях достаточно получить
значение интеграла с заданной точностью
.
Для вычисления приближенного значения
интеграла существуют формулы численного
интегрирования. Суть построения формул
численного интегрирования состоит в
следующем.
Разобьем отрезок
на
частей. Для простоты изложения положим
эти части одинаковой длины
.
Пронумеруем точки разбиения так, как показано на рис. 3.5.1. Имеем:
,
при этом
.
Рис. 3.5.1. К вопросу о численном интегрировании.
Исходный интеграл (3.5.1) может быть представлен в виде суммы интегралов по полученным в результате разбиения «малым» отрезкам:
.
(3.5.2)
Интегралы
(3.5.3)
вычисляются по приближенным формулам.
Простейшие формулы для приближенного вычисления интегралов по отрезку называются квадратурными формулами [8,66]. Рассмотрим некоторые из них ниже, а также изучим вопросы их точности. Порядок точности квадратурной формулы определяется степенью полинома (многочлена), для которой эта квадратурная формула точна.