- •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
1.3. Основные теоремы
В этом параграфе приводятся основные теоремы, которые имеют широкое применение в численных методах решения СЛАУ.
Теорема Адамара [1]. Если для матрицы А порядка n выполняется n неравенств
akk- >0, ( ), (1.16)
то матрица А является невырожденной.
Доказательство
Пусть матрица А- вырождена, т.е. detA=0. Тогда существуют такие числа х1, х2, …, хn c максимальным xk>0, что выполняется
( ).
Также выполняется
akkxk xjxk ( ).
Далее сокращая на xk, получим
akk ( )
или akk- 0, ( ). Следовательно, при выполнении неравенств (1.16) detA0, т.е. А – невырождена. Теорема доказана.
Теорема о LU разложении [9]. Пусть все главные миноры матрицы А n-го порядка отличны от нуля, то есть
а110, 0, …, detA0, (1.17)
тогда матрица А представима в виде
A=LU, (1.18)
где L – нижняя треугольная матрица, U – верхняя треугольная матрица.
Доказательство
Доказательство проведем по методу математической индукции. Для n=1 утверждение (1.18) выполняется так как a11=l11u11 .
Тогда пусть теорема верна для матрицы An-1 порядка (n-1), т.е.
An-1=Ln-1Un-1 . (1.19)
Покажем, что (1.19) влечет за собой (1.18). Для этого представим матрицу А в следующем виде
А= = , (1.20)
где
Аn-1= , Z= , V= .
Дальше А будем искать в виде (1.18). Тогда имеем
A= = . (1.21)
Из (1.21) получаем
Ln-1Un-1=An-1 , Ln-1Y=Z , XUn-1=V , XY+lnnunn=ann . (1.22)
Первое из уравнений (1.22) выполняется из предположения (1.19). Так как detAn-10 по условию (1.17), то матрицы Ln-1 и Un-1 обратимы. Следовательно, из второго и третьего уравнений из (1.22) однозначно определяются вектор-столбец Y и вектор-строка Х.
Таким образом, остается определить только диагональные элементы lnn и unn из четвертого уравнения. Это всегда можно сделать, приписав одному из чисел lnn , unn произвольное и отличное от нуля значение, тогда второе число определится однозначно. Теорема доказана.
Отметим, что эта теорема является типичной теоремой существования, где доказано, что матрица А представима в виде (1.18), но не указан алгоритм построения треугольных матриц L , U.
Теорема 1.1 [7, 9]. Если матрица А имеет только простые собственные значения, то существуют преобразования подобия, приводящие её к диагональной форме.
Доказательство
Расположим n – линейно независимые собственные вектора матрицы А в столбцах матрицы Т
Т= . Тогда
АТ=А = =
= =Т.
Т-1АТ=. Теорема доказана.
Отметим, что преобразование Т-1АТ называется преобразованием подобия.
Теорема 1.2 [9]. Пусть detA0, тогда матрица А разлагается в произведение
A=QR, (1.23)
где Q – ортогональная матрица, R – верхняя треугольная матрица.
Доказательство
Для доказательства необходимо найти такое преобразование, которое ортогонализирует столбы матрицы А. Пусть ai – столбцы матрицы А. Так как detA0, то система векторов ai являются линейно независимой и образует базис в пространстве Rn.
Тогда отыскание нужного преобразования сводится к задаче об ортогонализации базиса. Ортогональный базис будем строить с помощью алгоритма Грама-Шмита.
Пусть Q=(q1, q2,…, qn) – искомая матрица с ортогональными столбцами qi.
Положим a1=q1. Далее вектор а2 разложим по ортогональным векторам q1, q2:
a2=r12q1+q2 , (q1, q2)=0, r12=( q1, a2)/ (q1, q1).
Затем вектор а3 разложим по ортогональным векторам q1, q2, q3:
a3=r13q1+ r23q2+q3, (q1, q3)=0, (q2, q3)=0, r13=(q1, a3)/(q1, q1), r23=(q2, a3)/(q2, q2) и т.д.
Окончательно, получим
ai=r1iq1+ r2iq2+…+ri-1,iqi-1+qi . (1.24)
Коэффициенты разложения (1.24) определяются из условий ортогональности (qi, qj)=0 при ij :
rij=(qi, aj)/(qi, qi), i<j.
Матричная запись (1.24) будет
A=Q =QR. Теорема доказана.
Для нахождения векторов qi из (1.24) получим
qi=ai-r1iq1-r2iq2-…-ri-1,Iqi-1.
Теорема 1.3 [9]. Пусть detA0, тогда матрица А разлагается в произведение
A=QL,
где Q – ортогональная матрица, L – нижняя треугольная матрица.
Доказательство
Теорема доказывается аналогично теореме 1.2.