- •Содержание
- •Глава 1. Численные методы в теории приближений
- •Глава 2. Численное интегрирование.
- •Глава 3. Численные методы алгебры.
- •Глава 4. Численные методы решения обыкновенных дифференциальных уравнений.
- •Предисловие
- •Глава 1. Численные методы в теории приближений.
- •1.1. Структура погрешности в численном анализе.
- •1.3 Понятие близости в метрическом пространстве.
- •1.2 Распространение ошибок округления в арифметических операциях.
- •1.4. Задача интерполяции как простейшая задача приближения функций.
- •1.5 Конечные разности и их свойства.
- •1.6 Интерполяционный полином Ньютона
- •1.7 Многочлены Чебышева, их свойства и применение в задаче интерполяции.
- •1.7.1. Основные определения.
- •1.7.2. Простейшие свойства многочленов Чебышева.
- •1.7.3. Применение многочленов Чебышева в задаче интерполяции.
- •1.8 Среднеквадратичное приближение функций.
- •1.8.1. Общая постановка задачи и ее разрешимость.
- •1.8.2. Среднеквадратичное приближение функций алгебраическими многочленами.
- •1.8.3. Среднеквадратичная ошибка аппроксимации полиномами Лежандра.
- •Глава 2. Численное интегрирование.
- •2.1. Использование функциональных рядов.
- •2.2. Квадратурные формулы на основе интерполяции.
- •2.3. Квадратурные формулы Ньютона-Котеса.
- •2.4. Некоторые общие свойства ортогональных с весом полиномов.
- •2.5.Квадратурные формулы Гаусса-Кристоффеля.
- •Глава 3. Численные методы алгебры.
- •3.1. Принцип сжатых отображений.
- •3.2. Метод простых итераций для функциональных уравнений.
- •3.3. Метод Ньютона.
- •3.4. Численные методы решения систем лау.
- •3.4.1. Прямые методы решения систем лау.
- •3.4.2. Нормы векторов и матриц.
- •3.4.3. Обусловленность матриц и систем уравнений.
- •3.4.4. Итерационные методы решения систем лау.
- •3.4.5. Стационарные итерационные процедуры.
- •Глава 4. Численные методы решения обыкновенных дифференциальных уравнений (оду).
- •4.1. Численное дифференцирование на основе интерполяции.
- •4.2. Численное дифференцирование на равномерной сетке.
- •4.3. Задача Коши для оду.
- •4.3.1. Постановка задачи.
- •4.3.2. Метод Эйлера и его модификации.
- •4.4. Численные методы решения краевых задач для оду.
- •4.4.1. Постановка задачи для диффернциального уравнения 2-го порядка.
- •4.4.2. Метод конечных разностей (метод сеток).
- •4.4.3. Аппроксимация, устойчивость и сходимость разностных схем.
- •, Где с не зависит от h (т.Е. От n). Без доказательства (см.[1,2]).
- •Литература
3.4.3. Обусловленность матриц и систем уравнений.
Пусть дана система
ЛАУ с невырожденной матрицей А
:
Ax=b, |
(23) |
и пусть вектор
правой части b
вычисляется с ошибкой
.
Заменим правую
часть “возмущенным” значением
,
тогда решение приобретет ошибку
и система примет вид:
|
(24) |
Оценим относительную
ошибку решения
в зависимости от относительной величины
возмущения правой части
.
Из (23) и (24) следует:
или
.
Из совокупности равенств
|
(25)
|
С другой стороны, из (23) следует
.
Последнее неравенство подставим в (25)
|
(26) |
Определение 6.
Число
называется числом
обусловленности
матрицы А.
Таким образом, из (26) следует, что относительная ошибка решения пропорциональна числу обусловленности матрицы А:
.
Если
(система уравнений плохо
обусловлена),
то небольшие погрешности вычисления
правой части (небольшие “возмущения”)
могут приводить к весьма большим
отклонениям от точного решения.
Заметим, что это явление не связано с явлением неустойчивости (т.е. накоплением ошибок при вычислениях), а является следствием специфического свойства матрицы А и наблюдается даже в том случае, когда все вычисления делаются абсолютно точно, а возмущение правой части вызвано неточностями начальных данных при формировании системы.
Примеры плохо обусловленных систем рекомендуется рассмотреть на семинаре и лабораторной работе.
3.4.4. Итерационные методы решения систем лау.
Рассмотрим вначале систему ЛАУ специального вида
x=Tx+d,
|
(27) |
Назовем эту систему системой второго рода, в отличие от вида системы (23) из параграфа 3.4.3. – системы первого рода.
Систему второго рода (27) естественно пытаться решать итерационным методом
|
(28) |
В этом методе используются лишь операции сложения и умножения, и не используется операция обращения матрицы – наиболее опасная для накопления ошибок.
Теорема 3.6. Для
любой согласованной матричной нормы
имеет место неравенство
.
Пусть
- собственный вектор матрицы
,
- соответствующее собственное значение.
Тогда справедлива следующая цепочка
равенств и неравенств:
,
в силу согласованности норм. Отсюда
получаем
.
В силу произвольности собственного
значения
,
получаем требуемый результат
.
Теорема 3.7.
(Достаточное
условие сходимости).
Пусть система
(1)
невырождена, т.е. имеет единственное
решение
,
матрица
- вещественная, причем
(в какой-либо матричной форме), тогда
итерационная процедура (28) сходится к
решению
при
со скоростью геометрической прогрессии.
.Поскольку
- решение системы (27), то
.
Найдем разность
.
Обозначим
- вектор ошибки k-ого шага. Тогда
получаем итерационную процедуру
|
(29) |
Оператор - линейный и отображает в себя. Согласно основному принципу сжатых отображений (теорема 3.1, замечание 2) для банахова пространства): если оператор T удовлетворяет условию Липшица с константой
то оператор T в уравнении (29) – сжимающий и выполняется принцип сжатых отображений.
В нашем случае имеем:
.
Т.к.
по условию
оператор
- сжимающий и, следовательно, существует
единственная неподвижная точка уравнения
(30)
Обозначим эту
точку
.
Таким образом, выполняются уравнения:
и, кроме того, по
определентю
.
Отсюда
,
Откуда получаем:
.
Из единственности решения системы (27)
получаем:
,
т.е.
и итерационная процедура (28) сходится
к единственной неподвижной точке
со скоростью геометрической прогрессии
.
Теорема 3.8.
(Спектральный
признак сходимости).
Для сходимости
метода простых итераций СЛАУ второго
рода необходимо и достаточно, чтобы
.
Необходимость.
Заметим, что
если оператор
удовлетворяет условию сжатости, то
согласно теореме 3.6
.
Пусть теперь
известно, что итерационная процедура
(28) сходится при
.
От противного: пусть
и
- соответствующий собственный вектор.
Выберем начальное приближение
и запустим итерационную процедуру (29).
что противоречит
сходимости при
начальном приближении
.
Достаточность. Докажем для частного случая, когда - вещественная и симметрическая матрица.
Выберем спектральную норму (норму -2):
,
где
- сингулярные числа матрицы
.
Согласно свойству
6)
,
где
- собственные значения матрицы
.
- т.е. получили достаточное условие
сходимости согласно теореме 3.7. в норме
-2.
Т.к. все матричные нормы эквивалентны, то сходимость в норме -2 влечет за собой сходимость и в остальных нормах.

{согласованность
матриц}