Решение систем линейных алгебраических уравнений итерационными методами

Страницы работы

17 страниц (Word-файл)

Содержание работы


Лабораторная рАбота  №3

Тема:    Решение систем линейных алгебраических уравнений (СЛАУ) итерационными методами.

Цель:   Научиться решать системы линейных алгебраических уравнений с применением ЭВМ итерационными методами

Задание:

1. Составить программу ЭВМ для решения СЛАУ методом соответственно варианту.

2. Решить две СЛАУ, матрица и правые части, которых были заданы в лабораторной работе №1 (создаются программами lr1K2.exe и lr1bK2.exe соответственно варианту).

3. Оценить погрешность значений неизвестных.

Метод решения СЛАУ для вариантов:

3,6,9,12,15,18,21,24,27,30 - спрягающих градиентов.

Теоретическая часть работы

Методика решения:

Итерационные методы решения СЛАУ

            Рассмотренные методы решения СЛАУ путем сводки к треугольному виду – метод последовательного исключения неизвестных Гаусса, рекуррентными формулами схемы Халецкого и квадратного корня – принадлежат к классу так называемых “точных методов”. К сожалению, характеристика “точный” в данном случае не гарантирует получения точного решения, а означает, что метод позволяет за определенное число математических операций получить точное решение при условии отсутствия погрешности вычислений. На практике, при использовании в вычислениях на ЭВМ представления вещественных чисел с фиксированным количеством разрядов всегда собравшиеся погрешность округления а отсюда и погрешность вычислений. С увеличением размеров системы растет количество математических операций нужных для ее решения и как следствие погрешность вычислений. В случае так называемых плохо обусловленных систем погрешность решения полученного за “точными” методами может оказаться неприемлемой.

            Разработанные итерационные методы решения СЛАУ, которые позволяют последовательно уточнять решение, начиная с некоторого приближения. Для этих методов также существуют границы точности, которую можно достичь при их применении, но они могут оказаться роботоспроможними, когда “точные” уже не работают. Кроме того, они, в определенных случаях, требуют меньшей памяти ЭВМ.

Метод простой итерации

            Превратим СЛАУк эквивалентной системе:

                                                                               (1)

            Выберем начальное приближение решения  и используем (1) как итерационную формулу:

                                                                 (2)

 С помощью которой получим последовательность приближений решения , 

Если эта последовательность совпадает, то  является точным решением (1) –и значит начальной системы.

            Варианты эквивалентных превращений системы:

,

.

            где  - произвольная матрица, а – скаляр, от значений которых зависит сходимость метода.

                        Условия сходимости метода итераций:

(, )

            То есть последовательность приближений решения будет совпадать, если при умножении на матрицув (1) модуль вектора уменьшается (другими словами матрица  является оператором, что сжимает): . Условие сходимости может быть определено через норму матрицы.

нормы векторов и матриц

Норму матрицы можно определить следующим образом:

,

где  является символом нормы. То есть норма матрицы равняется максимальному значению коэффициента увеличения нормы векторов от умножения на эту матрицу. В зависимости от определения нормы векторов им будут отвечать такие нормы матриц.

1.  Норма вектора определяется как его модуль:

                                                (3)

где наибольшее за модулем собственное число матрицы. Такая норма матрицы зовется спектральной.

2.  Норма вектора определяется как его наибольшая за модулем координата:

,                                                (4)

то есть норма матрицы равняется максимальной из сумм абсолютных значений элементов ее строк.

3.  Норма вектора определяется как грусть абсолютных значений его координат:

,                                                   (5)

то есть норма матрицы равняется максимальной из сумм абсолютных значений элементов ее столбцов.

Условием сходимости интеграционного процесса вычисляется по формуле (2) будет   , где норма вычисляется за одной из формул –(3), (4), или (5).

Метод Зейделя

Метод Зейделя основан на следующем превращении системе уравнений:

,

где:;       ;      и      .

Соответствующая итерационная формула будет такой:

,

но, чтобы не вычислять обратную матрицу , можно воспользоваться эквивалентной формулой:

,

Решая в каждой итерации систему с треугольной матрицей.

Алгоритм метода Зейделя:

n:=0;  ;

цикл

вычислить  с ;

n:=n+1;

пока    или   n > nmax

Связь задачи решения СЛАУ с симметричной положительный определенной матрицей и минимизации квадратичной формы

Матрица есть симметрично, если и положительный определенной, если  при будь которых . хотя СЛАУ с такой матрицей является случаем части, они встречают часто при решении прикладных задач. для СЛАУ с положительный определенной матрицей развязок системы одновременно дает минимум квадратичной формы:

и наоборот вектор, что минимизирует эту форму является решением системы. это дало основу для разработки так называемых градиентных методов которые являются эффективными при решении больших систем.

Похожие материалы

Информация о работе