Численные методы решения СЛАУ (часть 2)

Содержание

Слайд 2

План

Погрешность прямых методов
Устойчивость по входным данным
Итерационные методы
Приведение СЛАУ к итерационному виду
Метод простой

План Погрешность прямых методов Устойчивость по входным данным Итерационные методы Приведение СЛАУ
итерации
Метод Зейделя
Метод релаксации

Слайд 3

Погрешность прямых методов решения СЛАУ

Источники ошибок:
ограниченность разрядной сетки ЭВМ;
погрешность представления исходных данных

Погрешность прямых методов решения СЛАУ Источники ошибок: ограниченность разрядной сетки ЭВМ; погрешность
(коэффициентов системы A и (или) вектора правой части F).

Слайд 4

Уточнение корней

Обозначим прибл. решение системы (1) через xi (i=1,2,…,n). Подставим это решение

Уточнение корней Обозначим прибл. решение системы (1) через xi (i=1,2,…,n). Подставим это
в исходную систему:
Ax = f.
Вычтем эти системы:
A(x – x )= f - f.
Обозначим через y = x – x, ε = f – f

невязка

Слайд 5

Уточнение корней

Получим новую систему:
Ay=ε.
Решая ее, находим прибл. корни y.
Это решение используется для

Уточнение корней Получим новую систему: Ay=ε. Решая ее, находим прибл. корни y.
уточнения x:
x = x + y.
Этот процесс можно повторять.

Слайд 6

Устойчивость по входным данным

Фактически вместо исходной системы при наличии погрешности исходных данных

Устойчивость по входным данным Фактически вместо исходной системы при наличии погрешности исходных
решается не система (1),
а «возмущенная система (2):

(1)

(2)

Слайд 7

Устойчивость по входным данным

Необходимо оценить, как связаны погрешность решения ΔX=X*-X с абсолютными

Устойчивость по входным данным Необходимо оценить, как связаны погрешность решения ΔX=X*-X с
погрешностями коэффициентов матрицы ΔA=A*-A и свободных членов Δf=f*-f.
Это т.н. коэффициентная устойчивость и устойчивость по правой части.

Слайд 8

Устойчивость по входным данным

Для оценки погрешности и устойчивости системы обратимся к основным

Устойчивость по входным данным Для оценки погрешности и устойчивости системы обратимся к
характеристикам СЛАУ, известным из курса алгебры.
Напомним некоторые определения.

Слайд 9

Определение 1. Норма вектора

Нормой вектора X называется неотрицательное число ||X|| такое, что

Определение 1. Норма вектора Нормой вектора X называется неотрицательное число ||X|| такое, что

Слайд 10

Определение 2. Норма матрицы

Нормой матрицы A называется неотрицательное число ||A|| такое, что

Определение 2. Норма матрицы Нормой матрицы A называется неотрицательное число ||A|| такое, что

Слайд 11

Виды норм

матрицы:

вектора:

кубическая

октаэдрическая

сферическая

Виды норм матрицы: вектора: кубическая октаэдрическая сферическая

Слайд 12

Упражнение. Найдите нормы вектора

 

3

 

7

 

Упражнение. Найдите нормы вектора 3 7

Слайд 13

Упражнение. Найдите нормы матриц

 

 

кубическую:

октаэдрическую:

 

сферическую:

Упражнение. Найдите нормы матриц кубическую: октаэдрическую: сферическую:

Слайд 14

Погрешность решения

Относительная погрешность решения связана с погрешностью правой части следующим образом:
Константа пропорциональности

Погрешность решения Относительная погрешность решения связана с погрешностью правой части следующим образом:
MA- число обусловленности матрицы.

Слайд 15

Число обусловленности матрицы

Обусловленность – это внутреннее свойство матрицы, не связанное со способом

Число обусловленности матрицы Обусловленность – это внутреннее свойство матрицы, не связанное со
решения системы уравнений. Если это число велико, матрица называется плохо обусловленной. Решение СЛАУ считается ненадежным, если

Слайд 16

Примеры

Классическим примером плохо обусловленной матрицы является матрица Гильберта с элементами
Уже при

Примеры Классическим примером плохо обусловленной матрицы является матрица Гильберта с элементами Уже при n=8 MH≥1010.
n=8 MH≥1010.

Слайд 17

Точное решение:
x=1, y=1.

Небольшое отклонение в исходных данных резко меняет решение:

Эта система дает

Точное решение: x=1, y=1. Небольшое отклонение в исходных данных резко меняет решение:
решение x=3.000, y=-1.0203.

Число обусловленности матрицы A в данном случае порядка 40 000.

Слайд 18

В двумерном случае возможна графическая трактовка понятия обусловленности: прямые, являющиеся геометрическими образами

В двумерном случае возможна графическая трактовка понятия обусловленности: прямые, являющиеся геометрическими образами
уравнений пересекаются под очень острым углом:

Слайд 19

Графическая трактовка понятия обусловленности

Небольшое искажение данных (параллельный перенос при изменении свободных членов,

Графическая трактовка понятия обусловленности Небольшое искажение данных (параллельный перенос при изменении свободных
поворот при возмущении матрицы коэффициентов) приводит к значительному перемещению точки пересечения (геометрического образа решения).

Слайд 20

 

 

Какие из систем плохо обусловлены?

 

 

Ответ: 1), 4)

Какие из систем плохо обусловлены? Ответ: 1), 4)

Слайд 21

Число обусловленности

На практике для нахождения числа обусловленности пользуются его свойством:
где λmax и

Число обусловленности На практике для нахождения числа обусловленности пользуются его свойством: где
λmin – наибольшее и наименьшее по модулю собственные числа матрицы A.

Слайд 22

Обусловленность матрицы

Решающую роль в обусловленности играет не близость к 0 определителя, а

Обусловленность матрицы Решающую роль в обусловленности играет не близость к 0 определителя,
разброс собственных значений матрицы.

Слайд 23

Погрешность решения

Знание числа обусловленности позволяет оценить и погрешности округления на ЭВМ. Если

Погрешность решения Знание числа обусловленности позволяет оценить и погрешности округления на ЭВМ.
каждая компонента вектора правой части округляется с относительной погрешностью O(2-m), где m – разрядность сетки ЭВМ, то решение задачи (1) не может быть найдено с точностью, большей, чем MAO(2-m).

Слайд 24

Обусловленность систем

Решение плохо обусловленных систем – некорректная задача. Чтобы преодолеть некорректность используют

Обусловленность систем Решение плохо обусловленных систем – некорректная задача. Чтобы преодолеть некорректность
метод регуляризации, основанный на привлечении дополнительной информации о решении.

Слайд 25

Итерационные методы

В случае произвольной матрицы А и достаточно большого числа n

Итерационные методы В случае произвольной матрицы А и достаточно большого числа n
решение системы (1) с помощью прямых методов затруднительно. В этом случае применяются итерационные методы.

Слайд 27

Приведение системы к итерационному виду

Для этого систему (1) переписываем в виде, удобном

Приведение системы к итерационному виду Для этого систему (1) переписываем в виде,
для итерационного процесса:


В матричном виде:

(2)

Слайд 28

Пример. Пусть дана система

Приведение системы к итерационному виду

Пример. Пусть дана система Приведение системы к итерационному виду

Слайд 29

Способ 1. Поделив каждое уравнение на соответствующий диагональный элемент (если они не

Способ 1. Поделив каждое уравнение на соответствующий диагональный элемент (если они не
равны нулю) и решив уравнения относительно диагональных переменных, получим:

(*)

Приведение системы к итерационному виду

Слайд 30

Способ 2. Вычленим единицу из каждого диагонального элемента и выразим полученные неизвестные:

Эти

Способ 2. Вычленим единицу из каждого диагонального элемента и выразим полученные неизвестные:
системы эквивалентны, т.е. имеют одинаковые решения.

(**)

Приведение системы к итерационному виду

Слайд 31

Все итерационные методы решения системы, приведённой к итерационному виду, состоят в

Все итерационные методы решения системы, приведённой к итерационному виду, состоят в том,
том, что выбирается некоторое начальное приближение (вектор X0), которое подставляется в правую часть итерационной системы. В левой части тогда получаем решение на первой итерации, затем подставляем его в правую часть - и т. д. Последовательность векторов строится до тех пор, пока не будет достигнута заданная точность:

Слайд 32

Итерационные методы различаются только по способу построения последовательности.

Формулы метода

Итерационные методы различаются только по способу построения последовательности. Формулы метода простой итерации: Метод простой итерации
простой итерации:

Метод простой итерации

Слайд 33

Метод простой итерации

Прерываем итерационный процесс, когда выполнится условие достижения заданной точности.
Для первой

Метод простой итерации Прерываем итерационный процесс, когда выполнится условие достижения заданной точности.
приведенной системы (*) из примера последовательность приближений решения:

x(0)=(0,0,0)
x(1)=(0.8,0.5,0.5)
x(2)=(0.85,0.55,0.425)

……………………..

Слайд 34

Достаточное условие сходимости метода простой итерации

Рассмотрим, при каком условии сходится построенная последовательность

Достаточное условие сходимости метода простой итерации Рассмотрим, при каком условии сходится построенная
векторов. Сходимость векторов рассматривается покоординатная, т.е. расстояние между векторами вычисляется по формуле:

Слайд 35

Теорема. Итерационный процесс сходится к единственному решению, если какая-либо каноническая норма матрицы

Теорема. Итерационный процесс сходится к единственному решению, если какая-либо каноническая норма матрицы

Нормой квадратной матрицы А называется вещественное число , удовлетворяющее следующим условиям:
Для канонической нормы выполняется еще два дополнительных условия:

Слайд 36

Доказательство

Запишем k-ое приближение итерационной последовательности
через все предыдущие

Доказательство Запишем k-ое приближение итерационной последовательности через все предыдущие

Слайд 37

Т.к. , то
Используем формулу, аналогичную сумме бесконечной убывающей геометрической прогрессии со

Т.к. , то Используем формулу, аналогичную сумме бесконечной убывающей геометрической прогрессии со знаменателем q
знаменателем q<1:

Слайд 38

Т.о., предельный вектор X является решением итерационной системы. Теорема доказана.

Т.о., предельный вектор X является решением итерационной системы. Теорема доказана.

Слайд 39

Следствие 1. Итерационный процесс сходится, если для системы (2) выполняется любое из

Следствие 1. Итерационный процесс сходится, если для системы (2) выполняется любое из
неравенств:

1)

2)

3)

кубическая

октаэдрическая

сферическая

Слайд 40

Следствие 2. Для исходной системы (1) достаточным условием сходимости метода итераций является

Следствие 2. Для исходной системы (1) достаточным условием сходимости метода итераций является
одно из:
В приведенном примере итерации сходятся для системы (*) согласно следствия 1, для системы (**) - следствия 2.

или

Слайд 41

Проверка условий сходимости

Приведем систему к диагональному преобладанию путем линейной комбинации строк

У1 =

Проверка условий сходимости Приведем систему к диагональному преобладанию путем линейной комбинации строк
У1+У2
У2 = 2*У1 – У2
У3 = У1-2*У2+У3

Слайд 42

Оценка погрешности метода простой итерации

Если матрица α удовлетворяет условию
,

Оценка погрешности метода простой итерации Если матрица α удовлетворяет условию , то
то для оценки погрешности приближенного вектора
Х(k) имеет место формула:

Слайд 43

Метод Зейделя

В этом методе для нахождения i-ой компоненты решения на (к+1)-ой

Метод Зейделя В этом методе для нахождения i-ой компоненты решения на (к+1)-ой
итерации используются уже найденные на (к+1) значения

Слайд 44

Метод Зейделя

 

Таким образом, при вычислении очередной компоненты xi используются вычисленные x1, x2,

Метод Зейделя Таким образом, при вычислении очередной компоненты xi используются вычисленные x1,
…, xi-1 с новой итерации, в то время как в методе простой итерации используются все значения с предыдущей.

Слайд 45

В матричном виде метод Зейделя можно записать в следующем виде:

D – диагональ

В матричном виде метод Зейделя можно записать в следующем виде: D – диагональ матрицы α
матрицы α

Слайд 46

Условие сходимости

Достаточное условие сходимости практически аналогично методу простой итерации. Однако, в некоторых

Условие сходимости Достаточное условие сходимости практически аналогично методу простой итерации. Однако, в
случаях оно менее строгое, т.е. метод Зейделя может сходиться, когда метод простой итерации расходится. Обычно метод Зейделя дает лучшую скорость сходимости, чем метод простой итерации.

Слайд 47

Условие сходимости метода Зейделя

Необходимое и достаточное условие: модули всех корней уравнения (3)

Условие сходимости метода Зейделя Необходимое и достаточное условие: модули всех корней уравнения
должны быть меньше 1.

Слайд 48

Метод релаксации

Метод релаксации является обобщением метода Зейделя. Алгоритм построения итерационной

Метод релаксации Метод релаксации является обобщением метода Зейделя. Алгоритм построения итерационной последовательности
последовательности в данном случае имеет вид:
где ω=const>0 – параметр релаксации, управляющий скоростью сходимости итерационного процесса.