Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Глава IV. Численные методы алгебры ⇐ ПредыдущаяСтр 3 из 3
§1. Системы линейных уравнений: метод простых итераций, метод Зейделя
Задача: Дано: , i=1,...,m. Найти: , удовлетворяющее системе. Пусть система Крамеровская, т.е. m = n. Запишем систему в матричной форме:
(1),
где – столбец неизвестных, – столбец свободных коэффициентов.
Метод простых итераций: 1. Преобразуем уравнение (1) в уравнение вида (2) (B=E-A); 2. Составим рекуррентную формулу: (3); 3. Выберем любое начальное приближение . По формуле (3) найдем , , …, ; 4. Если метод сходится, то последнее найденное приближение приблизительно равно решению системы (2). Определения нормы вектора: Опр. 1. . Опр. 2. . Опр. 3. . Определения нормы матрицы, согласованной с нормой вектора: Опр. . Следовательно: Опр. 1. . Опр. 2. . Опр. 3. , где – собственное значение матрицы , – сопряженная к A матрица ( . Замечание: Если уменьшается при , то метод простых итераций сходится. Теорема. (Достаточное условие сходимости метода простых итераций) Если ||B|| < 1, то система (2) имеет единственное решение, и итерационный процесс по формуле (3) сходится со скоростью убывающей геометрическое прогрессии.
Док-во: 1. Если – решение системы (2), то . Тогда однородная система имеет решение, удовлетворяющее , т.е. решение существует (нулевой вектор) и единственное. Следовательно система (2) имеет единственное решение (по теореме об общем решении СЛУ, равной сумме общего решения однородной системы и частного решения неоднородной). 2. Пусть – точное решение системы (2). Тогда – погрешность на шаге k, и ; при . Если обозначить , то норма погрешности меньше членов убывающей геометрической прогрессии с шагом q. Теорема 2. (без док-ва) (Необходимое и достаточное условие сходимости метода простых итераций) Пусть система (2) имеет единственное решение. Итерационный процесс по формуле (3) сходится к решению системы (2) при любом начальном приближении тогда и только тогда, когда все собственные значения матрицы B по модулю меньше 1.
Своеобразная модификация метода простых итераций – метод Зейделя.
Метод Зейделя: Пусть в системе (1) в матрице A все диагональные элементы отличны от нуля. 1. Определим матрицы ; . Получим систему (4). 2. Построим рекуррентную формулу (5). 3. Выберем любое начальное приближение .
Система (5) имеет вид Из первого уравнения системы (5) найдем , из второго уравнения системы (5) найдем , и т.д. Таким образом, найдем . Аналогично, найдем , …, . 4. Если норма разности уменьшается, то метод сходится, и последнее найденное приближение приблизительно равно решению системы (4).
Замечание: Формула (5) равносильна формуле . Тогда . Итерационный процесс сходится, если все собственные значения матрицы по модулю меньше 1.
Теорема 3. (без док-ва) Если A – вещественная, симметричная, положительно определенная (т.е. все главные миноры положительны) матрица, то метод Зейделя сходится.
§2. Метод наискорейшего спуска Итерационные методы решения СЛУ сводятся к поиску вектора , минимизирующего функцию . Воспользуемся теорией ФНП из мат.анализа: – вектор, в направлении которого скорость возрастания наибольшая. , где – частная производная по переменной l. Получаем рекуррентную формулу: (6), где – некоторый параметр, определяемый из условия: . Особый случай. Пусть A – симметричная и положительно определенная матрица. Пусть . Точка минимума такой функции является решением уравнения . Доказывается подстановкой и по определению – пропускаем. Тогда . . Пусть . , где – параметр, определяемый из условия: . Выведем формулу для нахождения . Рассмотрим (т.к. A – симметричная, то Т.о. – квадратная функция с положительным коэффициентом при . (т.к. A – положительно определенная, то для любого ) в точкеминимума.
– значение, при котором . § 3. Обратная интерполяция для решения нелинейных уравнений
Задача: Дано: f(x) = 0 Найти: x0, такой, что f(x0)=0. Пусть точное решение xT Î [a,b] и f(x) обратима на [a,b], т.е. существует обратная функция g(x) = f–1(x): g(f(x))=x. Тогда g(0)=g(f(xT))=xT.
Алгоритм: 1) Выбрать [a,b]: f(x) обратима (монотонна). 2) Выбрать узлы x0, ..., xn Î [a,b]. Вычислить значения f(x) в узлах: f(x0), ..., f(xn). 3) Для g(x): f(x0), ..., f(xn) — узлы x0, ..., xn — значения в узлах. Найти интерполяционный многочлен Ln(x) » g(x). 4) Ln(0) » g(0) = xT — приближенное значение корня уравнения.
Задача: Дано: (7), где – столбец неизвестных, – столбец, состоящий из скалярных функций от n переменных.
Метод простых итераций: 1) Преобразовать уравнение (7) в уравнение вида (8) ; 2) Составить рекуррентную формулу: (9); 3) Выбрать любое начальное приближение . По формуле (9) найти , , …, ; 4) Если норма разности уменьшается, то метод сходится, и последнее найденное приближение приблизительно равно решению системы (7).
Опр. Метрическое пространство H — множество, на котором задана функция метрики (расстояния) r(a,b), удовлетворяющая условиям: 1) r(a,b) ³ 0, и r(a,b) = 0 Û a = b; 2) r(a,b) = r(b,a); 3) r(a,b) + r(b,c) ³ r(a,c).
В нашем случае H = ún, . Опр. Отображением в метрическом пространстве называется функция g : H ® H. Опр. Отображение называется сжимающим, если существует число q: 0 ≤ q < 1, такое, что для любых x1, x2 Î H выполняется r(g(x1),g(x2)) ≤ q×r(x1, x2). Теорема. Если отображение является сжимающим, то уравнение имеет единственное решение и . Док-во: 1. Поскольку является сжимающим, то (обозначили ).
Тогда для l > k выполняется Т.о. при l ® ¥, k ® ¥ выполняется , следовательно последовательность , , …, ,… сходится к предельному значению . 2. . Это неравенство верно для любого k, т.е. меньше сколь угодно маленького положительного числа, т.е. . Следовательно, — точное решение уравнения (8). 3. Предположим, что уравнение (8) имеет два точных решения и . . . Теорема доказана.
Частный случай. Пусть n = 1, т.е. система состоит из одного уравнения f(x) = 0 с одной неизвестной x. Уравнению равносильно x = g(x). Решение xT — точка пересечения графиков функций y = x и y = g(x).
x1 = g(x0), x2 = g(x1), … На этом рисунке метод простых итераций сходится. На следующем — нет.
Аналогом метода Зейделя является способ, когда координаты нового приближения вычисляются по очереди из одного уравнения системы:
.
§ 5. Системы нелинейных уравнений: метод Ньютона
Идея метода: Пусть — приближенное решение уравнения (7), достаточно близкое к искомому точному решению. В окрестности уравнение (7) заменяется линейным уравнением (вспомогательной линейной задачей), решение которого берется в качестве следующего приближения.
1 случай) m = 1, т.е. одно уравнение f(x) = 0 с одной неизвестной. Пусть x0 — "хорошее" начальное приближение. — линейное уравнение, заменяющее исходное — решение линейного уравнения
— рекуррентная формула, метод Ньютона
Геометрическая иллюстрация метода:
На следующем рисунке показана ситуация зацикливания: Общий случай) Дано: (7) Опр. Линейный оператор назовем производной отображения в точке , если при . Действие линейного оператора совпадает с произведением матрицы A на вектор , где , ,
Пусть — точно решение уравнения (7); — некоторое приближение, близкое к ; тогда .
рекуррентная формула, метод Ньютона.
Замечание: Матрица A–1 (зависящая от ) существует тогда и только тогда, когда A невырожденная. Теорема (о сходимости метода Ньютона) (без док-ва) При выполнении условий: "аналог сжимаемости": для некоторого a1 ≥ 0, любого и любого , где ; "аналог дифференцируемости": , для некоторого a2 ≥ 0, любых ; и при итерационный процесс Ньютона сходится с оценкой погрешности .
§ 6. Методы спуска
По аналогии с методами спуска для системы линейных уравнений заменим задачу решения системы (7) задачей минимизации функции . Идея методов спуска: 1) Выбирается начальное приближение ; 2) Выбирается направление, в котором убывает; 3) В этом направлении от выбирается следующее приближение ; 4) По рекуррентной формуле последовательно находят приближения ,…, ; 5) Последнее приближение .
1 способ) Покоординатный спуск Пусть . Подставим в значения всех координат , кроме первой переменной. Получим функцию от одной переменной. Найдем ее точку минимума. Это будет x1(1). Затем подставим в x1(1) и значения всех остальных координат , кроме второй переменной. Получим функцию от одной переменной. Найдем ее точку минимума. Это будет x1(2). Продолжая таким образом, получим . И т.д. Проиллюстрируем поведение алгоритма для m = 2. Модификации алгоритма: 1) Случайный покоординатный спуск — порядок переменных выбирается случайным образом. 2) "Метод муравьиной кучи" — покоординатный спуск выполняется для нескольких разных нулевых приближений.
Недостатки алгоритма: 1) Не гарантирует сходимости. 2) Не гарантирует приближение к глобальному экстремуму.
2 способ) Метод наискорейшего спуска. Использует рекуррентную формулу , где – некоторый параметр, определяемый из условия: . 3 способ) Условная минимизация Задача: Найти точку , в которой достигается минимум , при условиях в виде неравенств или равенств: Методы решения таких задач получили название математическое программирование. Если все функции F, j, y являются линейными — линейное программирование. Если есть нелинейные функции — нелинейное программирование. Если искомое решение должно состоять из целых чисел — целочисленное программирование. § 1. Задача Коши для обыкновенных дифференциальных уравнений: применение формулы Тейлора
Задача Коши: Дано: — дифференциальное уравнение 1-го порядка; — отрезок, на котором определена искомая y(x); — начальное условие. Найти: функцию y(x), удовлетворяющую уравнению и начальному условию. Пусть f(x,y) — аналитическая в окрестности т.(x0,y0) (т.е. может быть представлена рядом по степеням (x – x0) и (y – y0). Алгоритм: 1. Известна . Найдем . . – – – – – – – – – – – . 2. Подставляя (x0,y0) получим: . . . (числовые значения) . – – – – – – – – – – – . 3. По формуле Тейлора составим:
Замечание: Пусть R — радиус сходимости ряда . Если , то погрешность формулы не уменьшается при .
Дальнейшее обобщение алгоритма: Пусть отрезок разбит на n частей, — точки деления (узлы). 1. На найдем . Тогда . 2. На найдем . Тогда . И т.д. n. На найдем . Тогда . Т.е. найден набор приближенных значений искомой функции в узлах . § 2. Метод Эйлера. Методы Рунге-Кутта
Пусть отрезок разбит на n частей, — точки деления (узлы), . При m = 1, формула из § 1 имеет вид:
— формула Эйлера.
Методы Рунге-Кутта — класс методов, включающий в себя метод Эйлера. Общая идея методов: Пусть даны параметры: q, a2,…,aq; p1,…,pq; bij, 0 < j < i £ q. Найдем последовательно: – – – – – – – – – – – – – Тогда Т.е. находят последовательно по рекуррентной формуле Частные случаи: 1) q = 1, p1 = 1 — метод Эйлера. 2) q = 2, p1 = = p2; a2 = 1 = b21 Обоснование справедливости формулы: Заменим интеграл квадратурной формулой трапеций т.к. получаем Заменим в правой части по формуле Эйлера Тогда 3) q = 2, p1 = 0, p2 = 1; a2 = = b21 Обоснование справедливости формулы: Заменим интеграл квадратурной формулой прямоугольников
Заменим в правой части по формуле Эйлера § 3. Конечно-разностные методы
Задача: Дано:
Пусть отрезок разбит на n частей одинаковой длины h, — узлы. Найти: — значения y(x) в узлах. Явные конечно-разностные методы используют соотношения вида где коэффициенты , подбираются так, чтобы формула была точна для многочленов наивысшей степени.
Неявные конечно-разностные методы используют соотношения вида где новое значение yk присутствует в обеих суммах. Простейшие методы такого типа получаются на основе квадратурных формул интегрирования: По формуле трапеций получаем — неявный конечно-разностный метод. Для использования формулы Симпсона применяют другое равенство — неявный конечно-разностный метод. Формулу прямоугольников применим также для равенства
—явный конечно-разностный метод. Замечание: вторая и третья формулы имеют низкую сходимость, т.е. при уменьшении h погрешность уменьшается медленнее, чем в первой формуле. § 4. Уравнения второго порядка
I. Дифференциальное уравнение, в котором отсутствует . Задача Коши: Дано:
, – начальные условия Пусть отрезок разбит на n частей одинаковой длины h, — узлы. Найти: — значения y(x) в узлах. Для каждого узла выполняется Заменим в левой части вторую производную формулой численного дифференцирования по трем точкам: Правую часть заменим линейной комбинацией Тогда получим формулу явный метод. Если правую часть заменим другой линейной комбинацией , то получим формулу неявный метод.
Коэффициенты подбираются так, чтобы формула была точна для многочленов наивысшей степени.
Пример. Метод Нумерова — неявный метод, m = 1, четвертого порядка точности.
Вывод формулы методом неопределенных коэффициентов: Нужно найти формулу точную для y(x), являющейся многочленом до четвертой степени. Пусть xk = 0. Для y(x) = x2
Для y(x) = x3 Для y(x) = x4 Получается система Решение системы: Применение метода: 1) По формуле Эйлера находим . 2) По рекуррентной формуле находим . II. Задача Коши: Дано:
, – начальные условия отрезок разбит на n частей одинаковой длины h, — узлы. Найти: — значения y(x) в узлах. В ходе решения будут найдены также значения в узлах. Явный метод использует равенства Неявный метод использует равенства Пример. Явный метод, m = 0. |
||
Последнее изменение этой страницы: 2018-04-12; просмотров: 241. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |