- •Ширапов д.Ш.
- •Глава 1. Погрешности приближенных вычислений и основные теоремы ………………………………………...
- •Глава 2. Прямые методы решения систем линейных алгебраических уравнений ……………………………….
- •Глава 3. Итерационные методы решения систем линейных алгебраических уравнений ………………………..
- •Глава 4. Методы решения задач на собственные значения и собственные вектора………………………………
- •Введение
- •Глава 1. Погрешности приближенных вычислений и основные теоремы
- •Погрешности приближенных вычислений
- •Обусловленность системы линейных алгебраических уравнений
- •1.3. Основные теоремы
- •Доказательство
- •Доказательство
- •Доказательство
- •Глава 2. Прямые методы решения систем линейных алгебраических уравнений
- •2.1. Метод Гаусса
- •2.2. Метод Гаусса с выбором главного элемента
- •2.3. Алгоритм вычисления определителя матрицы
- •2.4. Алгоритм вычисления обратной матрицы
- •2.5. Метод Халецкого
- •2.6. Метод квадратных корней
- •2.7. Метод прогонки
- •Глава 3. Итерационные методы решения систем линейных алгебраических уравнений
- •3.1. Метод простой итерации
- •3.1.1. О сходимости итерационных процессов для систем линейных алгебраических уравнений
- •3.1.2. Оценки погрешности метода простой итерации
- •3.2. Метод Зейделя
- •3.3. Метод релаксации
- •3.4. Каноническая форма двухслойных итерационных методов
- •3.4.1. Каноническая форма метода простой итерации
- •3.4.2. Каноническая форма метода Зейделя
- •3.4.3. Теоремы двухслойных итерационных методов
- •3.5. Вариационно-итерационные методы
- •3.5.1. Метод минимальных невязок
- •3.5.2. Метод скорейшего спуска
- •Глава 4. Методы решения задач на собственные значения
- •4.1. Устойчивость задачи на собственные значения
- •4.2. Метод вращения Якоби
- •4.2.1. Различные варианты метода Якоби
- •4.3. Степенной метод
- •4.4. Обратный степенной метод
- •4.5. Итерационный метод
- •4.6. Методы для матриц, не принадлежащих к специальному классу
- •4.7. Обобщенная задача на собственные значения
- •4.7.1. Обобщенный метод Якоби
- •4.7.2. Метод приведения обобщенной задачи к стандартной
- •Задание № 2.2
- •Задание № 2.3
- •Задание № 2.4
- •Задание № 2.5
- •Задание № 2.6
- •Задание № 2.7
- •Задания к главе 3 Задание № 3.1
- •Задание № 3.2
- •Задания к главе 4 Тестовые примеры
- •Задание для индивидуального выполнения
- •Литература
3.3. Метод релаксации
Имеем систему уравнений
(3.19)
Для описания метода релаксации [2, 3, 9, 11] преобразуем систему (3.19) следующим образом. Перенесем свободные члены налево и разделим первое уравнение на -а11, второе на -а22 и т.д. Тогда получим
(3.20)
где bij=-aij/aii , (ij), ci=bi/aii , (i,j=1, 2,…, n).
Пусть х(0)=( ) – начальное приближение, тогда подставляя его в (3.20) получим невязки
(3.21)
Если в (3.21) одной из неизвестных дать приращение , то соответствующая невязка уменьшится на , а остальные невязки (iк) увеличатся на величину bik , (i=1, 2,…, n; ik; k=1, 2,…,n ).
Следовательно, чтобы обратить невязку в нуль, достаточно величине дать приращение
= ,
тогда будем иметь следующую систему уравнений на первой итерации
= ,
далее, чтобы на m – ой итерации обратить в нуль невязку дадим переменной приращение
= .
Тогда получим систему уравнений
= .
Процесс итерации заканчивается, когда все невязки последней преобразованной системы будут равны нулю с требуемой точностью.
В методе рекомендуется на каждой итерации обращать в нуль максимальную по модулю невязку путем изменения значения, соответствующей компоненты приближения.
Алгоритм метода релаксации будет таким.
Задается начальное приближение
х(0)=( ).
Вычисляются невязки начального приближения
.
Находим величину ак= , которой соответствует невязка и приращение
= .
Дальше вычисляются невязки первого приближения
=
и т.д.
Затем находим величину ак= , которой соответствует невязка и приращение
= , что позволяет вычислить невязку m-го приближения
=
и т.д. m=m+1, m+2,…, M. M.
Итерация заканчивается при выполнении условия
где 0<<1.
Неизвестные вычисляются по формуле
xi=
Замечание. Описанный здесь метод называется полной релаксацией. Если в процессе полной релаксации для системы уравнений (3.19) с положительно-определенной матрицей выполнено условие: Последовательность индексов i компонент xi (i=1, 2,…, n) имеет интервал повторяемости L , т.е. на каждом отрезке длины L индекс i принимает хотя бы по одному разу все числа 1, 2,…, n , то процесс сходится к решению системы (3.19), где L – любое натуральное число.
3.4. Каноническая форма двухслойных итерационных методов
Если при решении СЛАУ
Ax=b (3.22)
итерационным методом для вычисления вектора решений x(k+1) используется только значения предыдущей итерации x(k), то такой метод называется двухслойным или одношаговым. Если x(k+1) вычисляется через значения двух итерации x(k) и x(k-1) , то метод называется трехслойным или двухшаговым. Здесь рассмотрим только двухслойные методы.
Отметим, что важную роль в итерационных методах играет запись их в канонической форме. Для приведения (3.22) к канонической форме представим матрицу системы в виде
A=B-C, (3.23)
где В – невырожденная матрица.
Из (3.22) и (3.23) получим
x=B-1Cx+B-1b.
Тогда итерации можно проводить по формуле
x(k+1)=x(k)-B-1(Ax(k)-b) или
B(x(k+1)-x(k))+ Ax(k)=b . (3.24)
Для ускорения сходимости итерационных методов в формулу (3.24) водят числовые параметры, которые могут зависеть от номера итерации. Тогда вместо (3.24) используется
В + Ax(k)=b, (3.25)
где 1, 2,…, k+1,… - итерационные параметры.
k+1>0 , k=0, 1, 2,…
Если В=Е – единичный оператор, то формула (3.25) примет вид
+ Ax(k)=b.
Отметим, что в общем случае матрица В может зависеть от номера итерации k , ниже мы предполагаем, что матрица В не зависит от номера итерации.
Итерационный метод (3.25) называется стационарным, если k+1= не зависит от номера итерации, в противном случае – нестационарным.