- •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
Неявный метод с чебышёвским набором параметров
Рассмотрим неявную итерационную схему с положительно определенными матрицами А и В:
. (2.21)
Эта система уравнений для погрешностей принимает вид
.
Указанные свойства матрицы В позволяют представить ее в виде . Тогда предыдущее соотношение можно представить в форме
.
Обозначим . Тогда
,
где - симметричная положительно определенная матрица, причем минимальное (максимальное) собственное значение матрицы является одовременно и минимальным (максимальным) собственным значением для матрицы С.
Теорема 2.7. Пусть А и В - симметричные и положительно определенные матрицы. - наименьшее и наибольшее собственные значения матрицы . Для заданного числа N итераций неявный чебышёвский метод (2.21) имеет минимальную погрешность при наборе , определенном условиями предыдущей теоремы, где .
Удачным выбором матрицы В можно приблизить значение параметра к 1, что приведет к понижению погрешности .
Метод минимальных невязок
Погрешность решения системы линейных алгебраических уравнений вида1 Ax = f определить невозможно, поскольку точное решение x неизвестно. Однако можно оценить невязку
,
определяющую, насколько полученное решение не удовлетворяет исходному уравнению.
Рассмотрим явный итерационный метод:
.
Определим из этого соотношения величину :
.
При использовании итерационной схемы для (n+1) шага следует так подобрать итерационный параметр , чтобы при известном значение невязки стало наименьшим.
Оценим невязку для следующего шага:
.
Определим, как и ранее, квадрат нормы невязки:
.
При выводе последнего выражения учтено, что
,
- в силу симметрии матрицы.
Полученное соотношение между невязками на соседних шагах итерационной процедуры можно рассматривать как функциональную зависимость . Для нахождения значения итерационного параметра, при котором невязка минимальна, воспользуемся теоремой Ферма1 :
,
.
Оценка невязки получаемого решения:
.
Здесь - наименьшее и наибольшее собственные значения матрицы А; n - номер итерации.
Метод минимальных поправок
Неявную итерационную схему
можно представить виде
где, как и ранее, . Вектор назовем поправкой. Очевидно, что поправка удовлетворяет уравнению
.
Предполагая, что В - симметричная положительно определенная матрица, определим норму в виде
.
Подсчитаем значение квадрата нормы поправки :
При получении последнего выражения использовались следующие соотношения:
,
,
,
.
Очевидно, что величина будет минимальной при условии
,
.
Для реализации метода минимальных поправок требуется на каждой итерации решать систему уравнений , откуда находится сама поправка . Кроме этого необходимо определить решение системы уравнений , а именно, вычислить , требующееся для нахождения итерационного параметра.
Погрешность метода минимальных поправок оценивается следующим образом (с учетом введенного определения нормы):
.
Как и ранее, - наименьшее и наибольшее собственные значения матрицы ; n - номер итерации.