- •Пример.
- •Метод Лагранжа приведения квадратичной формы к каноническому виду
- •Матричная форма записи квадратичной формы
- •Пример.
- •Метод Лагранжа и метод Гаусса
- •Приведение квадратичных форм к каноническому виду
- •[Править] Доказательство [править] Критерий положительной определённости квадратичной формы
- •[Править] Критерий отрицательной определённости квадратичной формы
[Править] Доказательство [править] Критерий положительной определённости квадратичной формы
Доказательство критерия Сильвестра основано на методе Якоби приведения квадратичной формы к каноническому виду.
-
Для положительной определённости квадратичной формы необходимо и достаточно, чтобы главные миноры её матрицы были положительны.
1. «Необходимо.» Имеется положительно определённая квадратичная форма. j-ый диагональный элемент положителен, так как k(x)>0 в том числе и для вектора со всеми нулевыми координатами, кроме j-ой. При приведении матрицы к каноническому виду не будет нужно переставлять строки, и знаки главных миноров матрицы не изменятся. А в каноническом виде диагональные элементы положительны, и миноры положительны; следовательно, (так как их знак не менялся при преобразованиях), у положительно определённой квадратичной формы в любом базисе главные миноры матрицы положительны.
2. «Достаточно.» Имеется положительность миноров. Первый минор определяет знак первого диагонального элемента в каноническом виде. Знак отношения Mi+1/Mi определяет знак i+1-ого элемента в диагональном виде. Так получим, что в каноническом виде все элементы на диагонали положительные, то есть квадратичная форма определена положительно.[1]
[Править] Критерий отрицательной определённости квадратичной формы
-
Для отрицательной определённости квадратичной формы необходимо и достаточно, чтобы главные миноры чётного порядка её матрицы были положительны, а нечётного порядка — отрицательны.
Доказательство сводится к предыдущему случаю, так как матрица A является отрицательно определённой тогда и только тогда, когда матрица − A является положительно определённой. При замене матрицы A на противоположную главные миноры нечётного порядка меняют знак, а главные миноры чётного порядка остаются такими же.
Условие сходимости итерационного процесса ~ Метод Якоби ~ Метод Зейделя ~ Метод простой итерации
Рассматривается система Ax = b. Для применения итерационных методов система должна быть приведена к эквивалентному виду x=Bx+d. Затем выбирается начальное приближение к решению системы уравнений и находится последовательность приближений к корню. Для сходимости итерационного процесса достаточно, чтобы было выполнено условие . Критерий окончания итераций зависит от применяемого итерационного метода.
Метод Якоби.
Самый простой способ приведения системы к виду удобному для итерации состоит в следующем: из первого уравнения системы выразим неизвестное x1, из второго уравнения системы выразим x2, и т. д. В результате получим систему уравнений с матрицей B, в которой на главной диагонали стоят нулевые элементы, а остальные элементы вычисляются по формулам:
, i, j = 1, 2, ... n.
Компоненты вектора d вычисляются по формулам:
, i = 1, 2, ... n.
Расчетная формула метода простой итерации имеет вид
,
или в покоординатной форме записи выглядит так:
, i = 1, 2, ... m.
Критерий окончания итераций в методе Якоби имеет вид:
, где .
Если , то можно применять более простой критерий
окончания итераций
ПРИМЕР 1. Решение системы линейных уравнений методом Якоби.
Метод Зейделя.
Метод можно рассматривать как модификацию метода Якоби. Основная идея состоит в том, что при вычислении очередного (n+1)-го приближения к неизвестному xi при i >1 используют уже найденные (n+1)-е приближения к неизвестным x1, x2, ..., xi - 1, а не n-ое приближение, как в методе Якоби. Расчетная формула метода в покоординатной форме записи выглядит так:
,
i = 1, 2, ... m.. Условия сходимости и критерий окончания итераций можно взять такими же как в методе Якоби.
ПРИМЕР 2. Решение систем линейных уравнений методом Зейделя.
Пусть матрица системы уравнений A - симметричная и положительно определенная. Тогда при любом выборе начального приближения метод Зейделя сходится. Дополнительных условий на малость нормы некоторой матрицы здесь не накладывается.
Метод простой итерации.
Если A - симметричная и положительно определенная матрица, то систему уравнений часто приводят к эквивалентному виду:
x = x - (Ax - b), - итерационный параметр.
Расчетная формула метода простой итерации в этом случае имеет вид:
x (n+1) = x n - (Ax n - b).
Здесь B = E - A и параметр > 0 выбирают так, чтобы по возможности сделать минимальной величину .
Пусть и - минимальное и максимальное собственные значения матрицы A. Оптимальным является выбор параметра . В этом случае принимает минимальное значение равное .