Содержание
- 2. План Погрешность прямых методов Устойчивость по входным данным Итерационные методы Приведение СЛАУ к итерационному виду Метод
- 3. Погрешность прямых методов решения СЛАУ Источники ошибок: ограниченность разрядной сетки ЭВМ; погрешность представления исходных данных (коэффициентов
- 4. Уточнение корней Обозначим прибл. решение системы (1) через xi (i=1,2,…,n). Подставим это решение в исходную систему:
- 5. Уточнение корней Получим новую систему: Ay=ε. Решая ее, находим прибл. корни y. Это решение используется для
- 6. Устойчивость по входным данным Фактически вместо исходной системы при наличии погрешности исходных данных решается не система
- 7. Устойчивость по входным данным Необходимо оценить, как связаны погрешность решения ΔX=X*-X с абсолютными погрешностями коэффициентов матрицы
- 8. Устойчивость по входным данным Для оценки погрешности и устойчивости системы обратимся к основным характеристикам СЛАУ, известным
- 9. Определение 1. Норма вектора Нормой вектора X называется неотрицательное число ||X|| такое, что
- 10. Определение 2. Норма матрицы Нормой матрицы A называется неотрицательное число ||A|| такое, что
- 11. Виды норм матрицы: вектора: кубическая октаэдрическая сферическая
- 12. Упражнение. Найдите нормы вектора 3 7
- 13. Упражнение. Найдите нормы матриц кубическую: октаэдрическую: сферическую:
- 14. Погрешность решения Относительная погрешность решения связана с погрешностью правой части следующим образом: Константа пропорциональности MA- число
- 15. Число обусловленности матрицы Обусловленность – это внутреннее свойство матрицы, не связанное со способом решения системы уравнений.
- 16. Примеры Классическим примером плохо обусловленной матрицы является матрица Гильберта с элементами Уже при n=8 MH≥1010.
- 17. Точное решение: x=1, y=1. Небольшое отклонение в исходных данных резко меняет решение: Эта система дает решение
- 18. В двумерном случае возможна графическая трактовка понятия обусловленности: прямые, являющиеся геометрическими образами уравнений пересекаются под очень
- 19. Графическая трактовка понятия обусловленности Небольшое искажение данных (параллельный перенос при изменении свободных членов, поворот при возмущении
- 20. Какие из систем плохо обусловлены? Ответ: 1), 4)
- 21. Число обусловленности На практике для нахождения числа обусловленности пользуются его свойством: где λmax и λmin –
- 22. Обусловленность матрицы Решающую роль в обусловленности играет не близость к 0 определителя, а разброс собственных значений
- 23. Погрешность решения Знание числа обусловленности позволяет оценить и погрешности округления на ЭВМ. Если каждая компонента вектора
- 24. Обусловленность систем Решение плохо обусловленных систем – некорректная задача. Чтобы преодолеть некорректность используют метод регуляризации, основанный
- 25. Итерационные методы В случае произвольной матрицы А и достаточно большого числа n решение системы (1) с
- 27. Приведение системы к итерационному виду Для этого систему (1) переписываем в виде, удобном для итерационного процесса:
- 28. Пример. Пусть дана система Приведение системы к итерационному виду
- 29. Способ 1. Поделив каждое уравнение на соответствующий диагональный элемент (если они не равны нулю) и решив
- 30. Способ 2. Вычленим единицу из каждого диагонального элемента и выразим полученные неизвестные: Эти системы эквивалентны, т.е.
- 31. Все итерационные методы решения системы, приведённой к итерационному виду, состоят в том, что выбирается некоторое начальное
- 32. Итерационные методы различаются только по способу построения последовательности. Формулы метода простой итерации: Метод простой итерации
- 33. Метод простой итерации Прерываем итерационный процесс, когда выполнится условие достижения заданной точности. Для первой приведенной системы
- 34. Достаточное условие сходимости метода простой итерации Рассмотрим, при каком условии сходится построенная последовательность векторов. Сходимость векторов
- 35. Теорема. Итерационный процесс сходится к единственному решению, если какая-либо каноническая норма матрицы Нормой квадратной матрицы А
- 36. Доказательство Запишем k-ое приближение итерационной последовательности через все предыдущие
- 37. Т.к. , то Используем формулу, аналогичную сумме бесконечной убывающей геометрической прогрессии со знаменателем q
- 38. Т.о., предельный вектор X является решением итерационной системы. Теорема доказана.
- 39. Следствие 1. Итерационный процесс сходится, если для системы (2) выполняется любое из неравенств: 1) 2) 3)
- 40. Следствие 2. Для исходной системы (1) достаточным условием сходимости метода итераций является одно из: В приведенном
- 41. Проверка условий сходимости Приведем систему к диагональному преобладанию путем линейной комбинации строк У1 = У1+У2 У2
- 42. Оценка погрешности метода простой итерации Если матрица α удовлетворяет условию , то для оценки погрешности приближенного
- 43. Метод Зейделя В этом методе для нахождения i-ой компоненты решения на (к+1)-ой итерации используются уже найденные
- 44. Метод Зейделя Таким образом, при вычислении очередной компоненты xi используются вычисленные x1, x2, …, xi-1 с
- 45. В матричном виде метод Зейделя можно записать в следующем виде: D – диагональ матрицы α
- 46. Условие сходимости Достаточное условие сходимости практически аналогично методу простой итерации. Однако, в некоторых случаях оно менее
- 47. Условие сходимости метода Зейделя Необходимое и достаточное условие: модули всех корней уравнения (3) должны быть меньше
- 48. Метод релаксации Метод релаксации является обобщением метода Зейделя. Алгоритм построения итерационной последовательности в данном случае имеет
- 50. Скачать презентацию