Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Абсолютная и относительная погрешности вектора.
Абсолютная погрешность вектора x* Относительная погрешность вектора x* . Выбор той или иной конкретной нормы в практических задачах диктуется тем, какие требования предъявляются к точности решения. Пусть — точное решение линейной системы , а — решение системы с возмущенной матрицей : , , вычитая из второго уравнения первое, имеем , откуда и, следовательно, . Величину принято называть числом обусловленности матрицы. Оценка числа обусловленности. Замечательно, что число обусловленности матрицы совершенно также определяет влияние на погрешности решения возмущения правой части системы. Пусть — решение системы с возмущенной правой частью: : , , , , и т.е. Заметим, что если , то . Такое определение числа обусловленности позволяет дать следующую геометрическую интерпретацию обусловленности матрицы. Матрица отображает n-мерную единичную сферу (множество векторов единичной длины ) в множество векторов различной длины . Это множество — r-мерный эллипсоид в Rn,r — ранг матрицы А, для невырожденных систем r = n. На рисунке изображен случай n =2. Здесь и — наибольшее и наименьшее сингулярные числа матрицы — соответственно большая и малая полуоси эллипса и плохая обусловленность отвечает сильно вытянутым эллипсам. Таким образом, чем больше число обусловленности, тем чувствительнее решение линейной системы к погрешностям округления. Системы (матрицы) с большим числом обусловленности называют плохо обусловленными. Реальное вычисление числа обусловленности предполагает знание нормы обратной матрицы, вычисление которой сравнимо по количеству операций с решением системы. Однако для анализа обусловленности системы достаточно знать какую-либо хорошую оценку числа обусловленности, например, часто вычисляется очень точная оценка, нижняя граница истинного числа обусловленности , где — j-й столбец матрицы А, , , — специально выбранный вектор, координаты которого . Решение линейной системы методом Гаусса Методы решения систем линейных алгебраических уравнений можно разделить на точные и приближенные. Примером точных методов может служить метод Крамера, который на самом деле никогда не применяется из-за огромного количества вычислений и связанных с ними ошибок округления. Точные методы решения линейных систем применяют для решения линейных систем относительно небольшой размерности (до ). Метод Гаусса — точный метод решения невырожденной системы линейных алгебраических уравнений. Метод Гаусса, его еще называют методом гауссовых исключений, состоит в том, что систему линейных алгебраических уравнений относительно неизвестных приводят последовательным исключением неизвестных к эквивалентной системе с треугольной матрицей решение которой находят по формулам Общее число арифметических операций прямого хода метода Гаусса , считая размерность системы n.
Пример. Легко убедиться, что точным решением системы является вектор . Если решить эту задачу методом Гаусса, выполняя вычисления с тремя значащими цифрами, то в результате округлений получится совершенно непригодное решение . Решение системы линейных алгебраических уравнений методом простых итераций Точные методы решения линейных систем применяют для решения линейных систем относительно небольшой размерности (до ). Для решения систем большей размерности ( ) используют итерационные методы. Для решения систем еще больших размерностей(> 106 ) применяют специальные методы, которые здесь не рассматриваются Метод прогонки – алгоритм решения систем линейных алгебраических уравнений с трехдиагональными матрицами. Общее число арифметических операций прямого хода 8n. Итерационные методы хороши для систем с разреженными матрицами. Разреженными называют матрицы, большинство элементов которых — нули. Рассмотрим простейший итерационный метод решения линейной системы — метод простых итераций. Метод состоит в следующем. Сначала система уравнений преобразуется к виду и ее решение вычисляется как предел последовательности Преобразовать систему к виду можно, например, выделив диагональные элементы: . Теорема.Пусть выполнено условие . Практически это означает, что итерационные последовательности хорошо сходятся для тех матриц, у которых диагональные элементы велики по сравнению с внедиагональными. Тогда 1) решение системы существует и единственно; 2) при произвольном начальном приближении метод простой итерации сходится и справедлива оценка погрешности .(*) 1) Из курса линейной алгебры известно, что система линейных алгебраических уравнений имеет единственное решение при любой правой части тогда и только тогда, когда соответствующая однородная система имеет только нулевое решение. Пусть - решение однородной системы . . Т.к. по условию , это неравенство возможно только при . Следовательно, =0 и тем самым первое утверждение теоремы доказано. 2) Вычитая из равенства равенство , получим . Вычисляя норму левой и правой частей этого равенства и используя неравенство получим : . Справедливость неравенства (*) установлена. Учитывая, что не зависит от k, а при получаем, что при . В качестве условия окончания итерационного процесса можно взять условие , где — заданная погрешность. Тогда полагаем . Решение системы методом Зейделя. В итерационном методе Зейделя (метод Зейделя называют методом Гаусса-Зейделя, процессом Либмана, методом последовательных замещений) . При вычислении каждой последующей компоненты решения используются уточненные значения предыдущих компонент. Метод Зейделя легко записать в компактной матричной форме: , , . Если , то , . В практических расчетах используют то же условие окончания итерационного процесса, что и в методе простых итераций.
|
||
Последнее изменение этой страницы: 2018-04-12; просмотров: 227. 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... |