- •Численные методы
- •Решение трансцендентных и алгебраических уравнений
- •Постановка задачи
- •Метод половинного деления
- •Метод хорд
- •Метод итераций
- •Метод Ньютона
- •Модифицированный метод Ньютона
- •Метод секущих
- •Интегрирование функций Постановка задачи
- •Формула прямоугольников
- •Алгоритм программы метода прямоугольника
- •Формула трапеций
- •Формула Симпсона
- •Квадратурная формула Чебышева
- •Квадратурная формула Гаусса
- •Методы решения слау Постановка задачи
- •Метод Крамера
- •Метод Гаусса
- •Связь метода Гаусса с lu-факторизацией
- •Вычисление определителя
- •Обращение матрицы
- •Алгоритм схемы Халецкого
- •Вычисление невязки решения
- •Итерационные методы
- •Теорема Самарского о сходимости стационарных методов
- •Метод Якоби
- •Алгоритм метода Якоби
- •Возможные ошибки
- •Теорема сходимости метода Якоби
- •Рекомендации
- •Метод Зейделя
- •Интерполяционный многочлен Лагранжа
- •Интерполяционная формула Ньютона.
- •Интерполяционные и экстраполяционные формулы при равноотстоящих значениях аргумента.
- •Формула Ньютона для интерполирования вперед и экстраполирования назад
- •Формула Ньютона для интерполирования назад и экстраполирования вперед
- •Интерполяционные формулы Гаусса.
- •Построение кривой по точкам Общие понятия
- •Метод наименьших квадратов
- •Метод линеаризации данных по методу наименьших квадратов.
- •Интерполирование сплайнами Кусочно-линейное и кусочно-квадратичное интерполирование
- •Простейший подход к сглаживанию
- •Кусочно-кубические сплайны
- •Список литературы
Теорема Самарского о сходимости стационарных методов
Теорема. Пусть,и, тогда итерационный процесс
(3.15)
сходится при любом выборе начального приближения .
Метод Якоби
Представим матрицу Aв виде суммы трех матриц, где
- нижняя треугольная матрица с 0 на главной диагонали.
- верхняя треугольная матрица с 0 на главной диагонали.
.
Для метода Якоби имеем и:
.
. (3.16)
Запишем метод в координатной форме:
для всех .
для всех .
Предполагается, что для всех.
Алгоритм метода Якоби
Задание исходных матрицы Aи вектора правой частиf.
Проверка выполнения условия для всех.
Задание начального приближения .
Строго говоря, задавать любое начальное приближение для любого итерационного метода нельзя. При формулировке любого итерационного метода обычно оговариваются условия выбора . Если этих условий нет, то часто берутили. От выборазависит скорость сходимости метода, поэтому иногда прибегают к подбору.
Выполнение следующей итерации . Вычисление очередного приближения.
Проверка условия сходимости. Обычно используют критерий , где- норма.
В случае выполнения условия - печать решения и невязки, количества выполненных итераций.
Возможные ошибки
Плохое начальное приближение.
Ошибки при организации суммирования.
Замена в формулах известного приближения на искомое.
Ошибка с индексами переменных.
Неправильно переписанная формула метода.
Ошибка в критерии условия сходимости.
Теорема сходимости метода Якоби
Теорема. Пустьс диагональным преобладанием, тогда метод Якоби сходится для любого начального приближения.
Рекомендации
Если задача не подходит под условие теоремы, то это еще не значит, что метод нельзя использовать.
При составлении программы рекомендуется придумать новую вспомогательную задачу с матрицей с диагональным преобладанием, решение для которой заранее известно. Отладив программу для вспомогательной задачи, приступайте к решению своей конкретной задачи.
На практике проверить достаточные условия сходимости бывает довольно трудно или невозможно. Поэтому часто метод и его параметры подбирают эмпирически.
Метод Зейделя
Для метода Зейделя берут и:
.
. (3.17)
Запишем метод в координатной форме:
для всех .
Теорема сходимости метода Зейделя
Теорема. Пусть, тогда метод Зейделя сходится для любого начального приближения.
Метод верхней релаксации
Положим и- параметр >0:
.
(3.18)
Запишем метод в координатной форме:
для .
Итак,
.
,
и т.д.
Теорема сходимости метода верхней релаксации
Теорема. Пустьи, тогда метод верхней релаксации сходится для любого начального приближения.
Метод итерации
Решаем систему уравнений . Предполагаем, чтодля всех.
Разрешим первое уравнение системы относительно , второе уравнение относительнои т.д. В результате получим следующую систему уравнений:
, (3.19)
где ,приипри.
Следовательно, систему (3.19) можно записать в виде .
Алгоритм метода итерации
Выбираем начальное приближение .
Вычисляем ,и т.д.
Вычисления проводим до тех пор, пока не будет выполнен критерий сходимости итерационного процесса. Например, .
Метод итераций хорошо сходится, если элементы малы по абсолютной величине. Иными словами, матрица системы имеет диагональное преобладание.
Аппроксимация и интерполирование функций
Общие понятия
Определение. Аппроксимация - это замена одной функции другой близкой к исходной и обладающей "хорошими" свойствами, позволяющими легко производить над ней те или иные аналитические или вычислительные операции.
Простейшая задача интерполирования: на отрезке [a,b] задана (n+1) точка, эти точки называются узлами интерполирования, и (n+1) значение функции в этих точках. Требуется построить функцию F(x), принадлежащую известному классу и принимающую в узлах интерполирования те же значения, что и f(x), т.е.
.
Геометрически это означает, что нужно найти кривую некоторого определенного типа, проходящую через систему заданных точек. Это задача становится однозначной, если вместо произвольной функции строить полином Pn(x) степени n такой, что
,
тогда внутри промежутков (xi, xi+1) построенный полином будет приближенно описывать функцию f(x).
Полученную интерполяционную формулу обычно используют для нахождения приближенного значения функции f(x) в точках, отличных от узлов интерполирования.