Главная страница

Лабы Антонова. Тема Решение задач вычислительными методами. Основные понятия


Скачать 1.35 Mb.
НазваниеТема Решение задач вычислительными методами. Основные понятия
Дата24.10.2018
Размер1.35 Mb.
Формат файлаpdf
Имя файлаЛабы Антонова.pdf
ТипРешение
#54374
страница2 из 5
1   2   3   4   5
Тема 3. Решение систем линейных алгебраических уравнений
3.1. Постановка задачи
Требуется найти решение системы линейных уравнений:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ … + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ … + a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ … + a
3n
x
n
= b
3
(3.1)
…………………………………………….
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ … + a
nn
x
n
= b
n
или в матричной форме:
Ax = b, (3.2) где
a
11
a
12
a
13
… a
1n
x
1
b
1
a
21
a
22
a
23
… a
2n
x
2
b
2
A = a
31
a
32
a
33
… a
3n
, x = x
3 ,
b = b
3
……………………… … …
a
n1
a
n2
a
n3
… a
nn
x
n
b
n
По правилу Крамера система n линейных уравнений имеет единственное решение, если определитель системы отличен от нуля (det A

0) и значение каждого из неизвестных определяет- ся следующим образом:
x
j
=
A
A
j
det det
, j = 1, …, n, (3.3) где det A
j
– определитель матрицы, получаемой заменой j-го столбца матрицы A столбцом правых частей
b.
Непосредственный расчет определителей для больших n является очень трудоемким по сравнению с вычислительными методами.

Известные в настоящее время многочисленные приближенные методы решения систем ли- нейных алгебраических уравнений распадаются на две большие группы: прямые методы и методы итераций.
Прямые методы всегда гарантируют получение решения, если оно существуют, однако, для больших n требуется большое количество операций, и возникает опасность накопления погрешно- стей.
Этого недостатка лишены итерационные методы, но зато они не всегда сходятся и могут применяться лишь для систем определенных классов.
Среди прямых методов наиболее распространенным является метод исключения Гаусса и его модификации, Наиболее распространенными итерационными методами является метод про- стых итераций Якоби и метод Зейделя.
Эти методы будут рассмотрены в следующих разделах.
3.2. Метод исключения Гаусса. Схема единственного деления
Основная идея метода исключений Гаусса состоит в том, что система уравнений (3.1) при- водится к эквивалентной ей системе с верхней треугольной матрицей (прямой ход исключений), а затем неизвестные вычисляются последовательной подстановкой (обратный ход исключений).
Рассмотрим сначала простейший метод исключения Гаусса, называемый схемой единствен-
ного деления.
Прямой ход состоит из n – 1 шагов. На первом шаге исключается переменная x
1
из всех уравнений, кроме первого. Для этого нужно из второго, третьего, …, n-го уравнений вычесть пер- вое, умноженное на величину
m
1
i
=
11 1
a
a
i
, i = 2, 3, …, n. (3.4)
При этом коэффициенты при x
1 обратятся в нуль во всех уравнениях, кроме первого.
Введем обозначения:
a
1
ij
= a
ij
– m
1
i
a
1j
, b
1
i
= b
i
– m
1
i
b
1
. (3.5)
Легко убедиться, что для всех уравнений, начиная со второго, a
1 1
i
= 0, i = 2, 3, …, n. Преоб- разованная система запишется в виде:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ … + a
1n
x
n
= b
1
a
1 22
x
2
+ a
1 23
x
3
+ … + a
1 2n
x
n
= b
1 2
a
1 32
x
2
+ a
1 33
x
3
+ … + a
1 3n
x
n
= b
1 3
(3.6)
…………………………………………….
a
1 2
n
x
2
+ a
1 3
n
x
3
+ … + a
1
nn
x
n
= b
1
n
Все уравнения (3.6), кроме первого, образуют систему (n – 1)-го порядка. Применяя к ней ту же процедуру, мы можем исключить из третьего, четвертого, …, n-го уравнений переменную x
2
Точно так же исключаем переменную x
3 из последних n – 3 уравнений.
На некотором k-ом шаге в предположении, что главный элемент k-ого шага a
1

k
k k

0, пере- менная x
k исключается с помощью формул:
m
k
i
=
1 1


k
kk
k
ik
a
a
,
a
k
ij
= a
1

k
ij
– m
k
i
a
1

k
k j
,
b
k
i
= b
1

k
i
– m
k
i
b
1

k
k
, i, j = k + 1, k +2, …, n. (3.7)
Индекс k принимает значения 1, 2, …, n – 1.
При k = n – 1 получим треугольную систему:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ … + a
1n
x
n
= b
1
a
1 22
x
2
+ a
1 23
x
3
+ …+ a
1 2n
x
n
= b
1 2

a
2 33
x
3
+ …+ a
2 3n
x
n
= b
2 3
(3.8)
…………..………………………….
a
1

n
nn
x
n
= b
1

n
n
с треугольной матрицей A
n
Приведение системы (3.1) к треугольному виду (3.8) составляет прямой ход метода Гаусса.
При использовании метода Гаусса нет необходимости в предварительном обосновании су- ществования и единственности решения (т. е. доказательства, что det A  0). Если на k-ом шаге все элементы a
1

k
ik
(i = k, k +1, …, n) окажутся равными нулю, то система (3.1) не имеет единственного решения.
Обратный ход состоит в вычислении переменных. Из последнего уравнения (3.8) определя- ем x
n..
. Подставляя его в предпоследнее уравнение, находим x
n-1
, и т. д. Общие формулы имеют вид:
x
n
=
1 1


n
nn
n
n
a
b
,
x
k
=
1 1

k
kk
a
(b
1

k
k
- a
1 1
,


k
k
k
x
k+1
- a
1 2
,


k
k
k
x
k+2
- … - a
1

k
k n
x
n
), k = n – 1, n – 2, …, 1 (3.9)
Трудоемкость метода. Для реализации метода исключения Гаусса требуется примерно
2/3n
3
операций для прямого хода и n
2
операций для обратного хода. Таким образом, общее количе- ство операций составляет примерно 2/3n
3
+ n
2
Пример 3.1.
Применим метод исключения Гаусса по схеме единственного деления для решения системы уравнений:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7 0.4x
1
+ 0.5x
2
+ 4.0x
3
8.5x
4
= 21.9 0.3x
1
1.0x
2
+ 1.0x
3
+ 5.2x
4
= 3.9 (3.10)
1.0x
1
+ 0.2x
2
+ 2.5x
3
1.0x
4
= 9.9
Будем делать округление чисел до четырех знаков после десятичной точки.
Прямой ход. 1-ый шаг. Вычислим множители:
m
1 2
=
11 21
a
a
=
0 2
4 0
= 0.2; m
1 3
=
11 31
a
a
=
0 2
3 0
= 0.15; m
1 4
=
11 41
a
a
=
0 2
0 1
= 0.5.
Вычитая из второго, третьего и четвертого уравнений системы (3.10) первое уравнение, умноженное соответственно на m
1 2
, m
1 3
, m
1 4
, получим новую систему:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7 0.3x
2
+ 4.02x
3
8.70x
4
= 21.36
1.15x
2
+ 1.015x
3
+ 5.05x
4
= 4.305 (3. 11)
0.30x
2
+ 2.55x
3
1.50x
4
= 8.55 2-ой шаг. Вычислим множители:
m
2 3
=
1 22 1
32
a
a
=
3 0
15 1

= – 3.83333; m
2 4
=
1 22 1
42
a
a
=
3 0
30 0

= –1.0.
Вычитая из третьего и четвертого уравнений системы (3.11) второе уравнение, умноженное соответственно на m
2 3
и m
2 4
, приходим к системе:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7 0.3x
2
+ 4.02x
3
8.70x
4
= 21.36 16. 425x
3
28.300x
4
= 77.575 (3.12)
6.570x
3
10.200x
4
= 29.910 3-ий шаг. Вычислим множитель:

m
3 4
=
2 33 2
43
a
a
=
425 16 570 6
= 0.4.
Вычитая из четвертого уравнения системы (3.12) третье, умноженное на m
3 4
, приведем си- стему к треугольному виду:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7 0.3x
2
+ 4.02x
3
8.70x
4
= 21.36 16. 425x
3
28.300x
4
= 77.575 (3.13)
1.12x
4
= 1.12
Обратный ход. Из последнего уравнения системы (3.13) находим x
4
= 1.000. Подставляя значение x
4
в третье уравнение, получим x
3
= 2.000. Подставляя найденные значения x
4
и x
3
во вто- рое уравнение, найдем x
2
= 3.000. Наконец, из первого уравнения, подставив в него найденные зна- чения x
4
, x
3
и x
2
, вычислим x
1
= 1.000.
Итак система (3.10) имеет следующее решение:
x
1
= 1.000, x
2
= 2.000, x
3
= 3.000, x
4
= – 1.000.
3.3. Метод исключения Гаусса с выбором главного элемента по столбцу
Хотя метод Гаусса является точным методом, ошибки округления могут привести к суще- ственным погрешностям результата. Кроме того исключение по формулам (3.7) нельзя проводить, если элемент главной диагонали a
1

k
k k
равен нулю. Если элемент a
1

k
k k
мал, то велики ошибки округ- ления при делении на этот элемент. Для уменьшения ошибок округления применяют метод исклю-
чения Гаусса с выбором главного элемента по столбцу. Прямой ход так же, как и для схемы един- ственного деления, состоит из n – 1 шагов. На первом шаге прежде, чем исключать переменную x
1
, уравнения переставляются так, чтобы в левом верхнем углу был наибольший по модулю коэффи- циент a
i1
, i = 1, 2, …, n. В дальнейшем, на k-м шаге, прежде, чем исключать переменную x
k
, урав- нения переставляются так, чтобы в левом верхнем углу был наибольший по модулю коэффициент
a
ik
, i = k, k + 1, …, n. После этой перестановки исключение переменной x
k
производят, как в схеме единственного деления.
Трудоемкость метода. Дополнительные действия по выбору главных элементов требуют примерно n
2
операций, что практически не влияет на общую трудоемкость метода.
Пример 3.2.
Применим метод исключения Гаусса с выбором главного элемента по столбцу для решения системы уравнений (3.10) из примера 3.1. Прямой ход. 1-ый шаг. Так как коэффициент a
11
= 2.0 наибольший из коэффициентов первого столбца, перестановки строк не требуется и 1-ый шаг пол- ностью совпадает с 1-ым шагом примера 3.1. Из второго, третьего и четвертого уравнений исклю- чается переменная x
1
и система приводится к виду (3.11).
2-ой шаг. Наибольший по модулю коэффициент при x
2
в системе (3.11) a
1 32
= 1.15. Поэто- му переставим уравнения следующим образом:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7
1.15x
2
+ 1.015x
3
+ 5.05x
4
= 4.305 (3.14)
0.3x
2
+ 4.02x
3
8.70x
4
= 21.36
0.30x
2
+ 2.55x
3
1.50x
4
= 8.55
Вычислим множители:
m
2 3
=
1 22 1
32
a
a
=
15 1
3 0

= –0.26087 m
2 4
=
1 22 1
42
a
a
=
15 1
30 0


= 0.26087.
Вычитая из третьего и четвертого уравнений системы (3.14) второе уравнение, умноженное соответственно на m
2 3
и m
2 4
, приходим к системе:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7
1.15x
2
+ 1.015x
3
+ 5.05x
4
= 4.305 (3.15)
4.28478x
3
– 7.38261x
4
= 20.23696

2.28522x
3
2.81739x
4
= 9.67305 3-ий шаг. Вычислим множитель:
m
3 4
=
2 33 2
43
a
a
=
425 16 4
28522 2
= 0.53333.
Вычитая из четвертого уравнения системы (3.15) третье, умноженное на m
3 4
, приведем си- стему к треугольному виду:
2.0x
1
+ 1.0x
2
0.1x
3
+ 1.0x
4
= 2.7
1.15x
2
+ 1.015x
3
+ 5.05x
4
= 4.305 (3.16)
4.28478x
3
– 7.38261x
4
= 20.23696 1.11998x
4
= 1.11998
Обратный ход. Обратный ход полностью совпадает с обратным ходом примера 3.1. Реше- ние системы имеет вид:
x
1
= 1.000, x
2
= 2.000, x
3
= 3.000, x
4
= – 1.000.
3.4. Вычисление определителя методом исключения Гаусса
Из курса линейной алгебры известно, что определитель треугольной матрицы равен произ- ведению диагональных элементов. В результате метода исключений Гаусса система линейных уравнений (3.2) с квадратной матрицей A приводится к эквивалентной ей системе (3.8) с треуголь- ной матрицей A
n
. Поэтому det A = (–1)
s det A
n
, где s – число перестановок строк, (s = 0, если использовался метод Гаусса по схеме единственного деления).Таким образом, det A = (–1)
s
a
11
a
1 22
a
2 33
…a
1

n
nn
. (3.17)
Итак, для вычисления определителя det A необходимо выполнить процедуру прямого хода в методе Гаусса для системы уравнений Ax = 0, затем найти произведение главных элементов, стоя- щих на диагонали треугольной матрицы и умножить это произведение на (–1)
s
, где s – число пере- становок строк.
Пример 3.3.
Вычислим определитель det A =
2.0 1.0 0.1 1.0 0.4 0.5 4.0 8.5 0.3 1.0 1.0 5.2 1.0 0.2 2.5 1.0
Данный определитель совпадает с определителем системы, рассмотренной в примере 3.1.
Он равен произведению диагональных элементов треугольной матрицы (3.13): det A = 2.0  0.30  16.425  1.12 = 11.0376.
Если же обратиться к примеру 3.2, то, учитывая, что была одна перестановка строк, т.е. s =
1, получим: det A = (–1)  2.0  (–1.15)  4.28478  1.11998 = 11.0375.
3.5. Вычисление обратной матрицы методом исключения Гаусса
Обратной матрицей к матрице A называется матрица A
-1
, для которой выполнено соотно- шение:
A A
-1
= E, (3.18) где E – единичная матрица:
1 0 0 … 0 0 1 0 … 0
E = 0 0 1 … 0
. (3.19)
…………….
0 0 0 … 1

Квадратная матрица A называется невырожденной, если det A  0. Всякая невырожденная матрица имеет обратную матрицу.
Вычисление обратной матрицы можно свести к рассмотренной выше задаче решения си- стемы уравнений.
Пусть A – квадратная невырожденная матрица порядка n:
a
11
a
12
a
13
… a
1n
a
21
a
22
a
23
… a
2n
A = a
31
a
32
a
33
… a
3n
………………………
a
n1
a
n2
a
n3
… a
nn
и A
-1
– ее обратная матрица:
x
11
x
12
x
13
… x
1n
x
21
x
22
x
23
… x
2n
A
-1
= x
31
x
32
x
33
… x
3n
………………………
x
n1
x
n2
x
n3
… x
nn
Используя соотношения (3.18), (3. 19) и правило умножения матриц, получим систему из n
2
уравнений с n
2
переменными x
ij
, i, j = 1, 2, …, n. Чтобы получить первый столбец матрицы E, нужно почленно умножить каждую строку матрицы A на первый столбец матрицы A
-1 и приравнять полу- ченное произведение соответствующему элементу первого столбца матрицы E. В результате полу- чим систему уравнений:
a
11
x
11
+ a
12
x
21
+ a
13
x
31
+ … + a
1n
x
n1
= 1
a
21
x
11
+ a
22
x
21
+ a
23
x
31
+ … + a
2n
x
n1
= 0
a
31
x
11
+ a
32
x
21
+ a
33
x
31
+ … + a
3n
x
n1
= 0(3.20)
……………………………………………….
a
n1
x
11
+ a
n2
x
21
+ a
n3
x
31
+ … + a
nn
x
n1
= 0
Аналогично, чтобы получить второй столбец матрицы E, нужно почленно умножить каж- дую строку матрицы A на второй столбец матрицы A
-1 и приравнять полученное произведение со- ответствующему элементу второго столбца матрицы E. В результате получим систему уравнений:
a
11
x
12
+ a
12
x
22
+ a
13
x
32
+ … + a
1n
x
n2
= 0
a
21
x
12
+ a
22
x
22
+ a
23
x
32
+ … + a
2n
x
n2
= 1
a
31
x
12
+ a
32
x
22
+ a
33
x
32
+ … + a
3n
x
n2
= 0(3.21)
……………………………………………….
a
n1
x
12
+ a
n2
x
22
+ a
n3
x
32
+ … + a
nn
x
n2
= 0
и т. д.
Всего таким образом получим n систем по n уравнений в каждой системе, причем все эти си- стемы имеют одну и ту же матрицу A и отличаются только свободными членами. Приведение мат- рицы A к треугольной по формулам (3.7) делается при этом только один раз. Затем по последней из формул (3.7) преобразуются все правые части, и для каждой правой части делается обратный ход.
Пример 3.4.
Вычислим обратную матрицу A
-1 для матрицы A =
1.8 –3.8 0.7 –3.7 0.7 2.1 –2.6 –2.8 7.3 8.1 1.7 –4.9 1.9 –4.3 –4.3 –4.7
По формулам (3.7) за три шага прямого хода преобразуем матрицу A
в треугольную матрицу
1.8 –3.8 0.7 –3.7 0 3.57778 –2.87222 –1.36111 0 0 17.73577 19.04992 0 0 0 5.40155
Далее, применим процедуру обратного хода четыре раза для столбцов свободных членов, преобразованных по формулам (3.7) из столбцов единичной матрицы:

1 0 0 0 0 1 0 0 0 , 0 , 1 , 0 .
0 0 0 1
Каждый раз будем получать столбцы матрицы A
-1
. Опустив промежуточные вычисления, приведем окончательный вид матрицы A
-1
:
–0.21121 –0.46003 0.16248 0.26956
–0.03533 0.16873 0.01573 –0.08920 0.23030 0.04607 –0.00944 –0.19885 .
–0.29316 –0.38837 0.06128 0.18513
3.6. Метод простой итерации Якоби
Метод Гаусса обладает довольно сложной вычислительной схемой. Кроме того, при вычис- лениях накапливается ошибка округления, что может привести к недостаточно точному результату.
Рассмотрим метод простой итерации Якоби, свободный от этих недостатков, хотя требующий при- ведения исходной системы уравнений к специальному виду.
Для того, чтобы применить метод простой итерации, необходимо систему уравнений
Ax = b (3.22)
с квадратной невырожденной матрицей A привести к виду
x = Bx + c, (3.23) где B – квадратная невырожденная матрица с элементами b
ij
, i, j = 1, 2, …, n, x – вектор-столбец не- известных x i
, c – вектор-столбец с элементами c
i
, i = 1, 2, …, n.
Существуют различные способы приведения системы (3.22) к виду (3.23). Рассмотрим самый простой. Представим систему (3.22) в развернутом виде:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ … + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ … + a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ … + a
3n
x
n
= b
3
(3.24)
…………………………………………….
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ … + a
nn
x
n
= b
n
Из первого уравнения системы (3.24) выразим неизвестную x
1
:
x
1
= a
1 11

(b
1
– a
12
x
2
– a
13
x
3
– … – a
1n
x
n
), из второго уравнения – неизвестную x
2
:
x
2
= a
1 22

(b
2
– a
21
x
1
– a
23
x
3
– … – a
2n
x
n
),
и т. д. В результате получим систему:
x
1
= b
12
x
2
+ b
13
x
3
+ … + b
1,n-1
x
n-1
+ b
1n
x
n
+ c
1
x
2
= b
21
x
1
+ b
23
x
3
+ … + b
2,n-1
x
n-1
+ b
2n
x
n
+ c
2
x
3
= b
31
x
1
+ b
32
x
2
+ … + b
3,n-1
x
n-1
+
b
3n
x
n
+ c
3
(3.25)
…………………………………………………………………..
x
n
=
b
n1
x
1
+ b
n2
x
2
+ b
n3
x
3
+ b
n,n-1
x
n-1
+ c
n
Матричная запись системы (3.25) имеет вид (3.23). На главной диагонали матрицы B нахо- дятся нулевые элементы, а остальные элементы вычисляются по формулам:
b
ij
=
ii
ij
a
a

, c
i
=
ii
i
a
b
, i, j = 1,2, …n, i

j. (3.26)
Очевидно, что диагональные элементы матрицы A должны быть отличны от нуля.
Выберем произвольно начальное приближение Обычно в качестве первого приближения бе- рут x
0
i
= c
i
или x
0
i
= 0. Подставим начальное приближение в правую часть (3.25). Вычисляя левые части, получим значения x
1 1
, x
1 2
, …, x
1
n
. Продолжая этот процесс дальше, получим последователь- ность приближений, причем (k + 1)-е приближение строится следующим образом:

x
1 1

k
= b
12
x
k
2
+ b
13
x
k
3
+ … + b
1,n-1
x
k
n 1

+ b
1n
x
k
n
+ c
1
x
1 2

k
= b
21
x
k
1 1
+ b
23
x
k
3
+ … + b
2,n-1
x
k
n 1

+ b
2n
x
k
n
+ c
2
x
1 3

k
= b
31
x
k
1
+ b
32
x
k
2
+ … + b
3,n-1
x
k
n 1

+
b
3n
x
k
n
+ c
3
(3.27)
…………………………………………………………………………………..
x
1

k
n
=
b
n1
x
k
1
+ b
n2
x
k
2
+ b
n3
x
k
3
+ b
n,n-1
x
k
n 1

+ c.
n
Система (3.27) представляет собой расчетные формулы метода простой итерации Якоби.
Сходимость метода простой итерации. Известно следующее достаточное условие сходи- мости метода простой итерации Якоби.
Если элементы матрицы A удовлетворяют условию:
|a
ii
| >



n
i
j
j
ij
a
,
1
|
|
, i = 1, 2, …, n. (3.28) то итерационная последовательность x
k
сходится к точному решению x
*
Условие (3.28) называют условием преобладания диагональных элементов матрицы A, так как оно означает, что модуль диагонального элемента i-ой строки больше суммы модулей осталь- ных элементов этой строки, i = 1, 2, …, n.
Необходимо помнить, что условие сходимости (3.28) является лишь достаточным. Его вы- полнение гарантирует сходимость метода простых итераций, но его невыполнение, вообще говоря, не означает, что метод расходится.
Справедлива следующая апостериорная оценка погрешности: max|x
*
i
- x
k
i
| 



1
max|x
1

k
i
x
k
i
|, i = 1, 2, …, n, (3.29) где

= max |b
ij
| i, j = 1, 2, …, n.
Правую часть оценки (3.29) легко вычислить после нахождения очередного приближения.
Критерий окончания. Если требуется найти решение с точностью

, то в силу (3.29) итера- ционный процесс следует закончить как только на (k+1)-ом шаге выполнится неравенство:



1
max|x
1

k
i
x
k
i
| <

, i = 1, 2, …, n. (3.30)
Поэтому в качестве критерия окончания итерационного процесса можно использовать нера- венство max|x
1

k
i
x
k
i
| <

1
, i = 1, 2, …, n. (3.31) где

1 =



1

.
Если выполняется условие


2 1
, то можно пользоваться более простым критерием окон- чания: max|x
1

k
i
x
k
i
| <

, i = 1, 2, …, n. (3.32)
В других случаях использование критерия (3.32) неправомерно и может привести к прежде- временному окончанию итерационного процесса.
Пример 3.5.
Применим метод простой итерации Якоби для решения системы уравнений
20.9x
1
+ 1.2
x
2
+ 2.1x
3
+ 0.9x
4
= 21.70 1.2x
1
+ 21.2
x
2
+ 1.5x
3
+ 2.5x
4
= 27.46 2.1x
1
+ 1.5
x
2
+ 19.8x
3
+ 1.3x
4
= 28.76 (3.33)
0.9x
1
+ 2.5
x
2
+ 1.3x
3
+ 32.1x
4
= 49.72
Заметим, что метод простой итерации сходится, т. к. выполняется условие преобладания диагональных элементов (3.28):
|20.9| > |1.2 + 2.1 + 0.9|,

|21.2| > |1.2| + |1.5| + |2.5|,
|19.8| > |2.1| + |1.5| + |1.3|,
|32.1| > |0.9| + |2.5| + |1.3|.
Пусть требуемая точность

= 10
-3
. Вычисления будем проводить с четырьмя знаками после десятичной точки.
Приведем систему к виду (3.25):
x
1
=0.0574
x
2
0.1005x
3
0.0431x
4
+ 1.0383
x
2
= 0.0566x
1
0.0708x
3
0.1179x
4
+ 1.2953
x
3
= 0.1061x
1
0.0758
x
2
0.0657x
4
+ 1.4525 (3.34)
x
4
= 0.0280x
1
0.0779
x
2
0.0405x
3
+ 1.5489
Величина

= max |b
ij
|, i, j = 1, 2, 3,4 равна 0.1179, т. е. выполняется условие


2 1
, и можно пользоваться критерием окончания итерационного процесса (3.32).
В качестве начального приближения возьмем элементы столбца свободных членов:
x
0 1
= 1.0383, x
0 2
= 1.2953, x
0 3
= 1.4525, x
0 4
= 1.5489. (3.35)
Вычисления будем вести до тех пор, пока все величины |x
1

k
i
x
k
i
|, i = 1, 2, 3, 4, а следова- тельно, и max|x
1

k
i
x
k
i
| не станут меньше

= 10
-3
Последовательно вычисляем: при k = 1
x
1 1
=0.0574x
0 2
0.1005x
0 3
0.0431x
0 4
+ 1.0383 = 0.7512
x
1 2
= 0.0566x
0 1
0.0708x
0 3
0.1179x
0 4
+ 1.2953 = 0.9511
x
1 3
= 0.1061x
0 1
0.0758 x
0 2
0.0657x
0 4
+ 1.4525 = 1.1423 x
1 4
= –0.0280x
0 1
– 0.0779x
0 2
– 0.0405x
0 3
+ 1.5489 = 1.3601 при k = 2
x
2 1
= 0.8106, x
2 2
= 1.0118, x
2 3
= 1.2117, x
2 4
= 1.4077. при k = 3
x
3 1
= 0.7978, x
3 2
= 0.9977, x
3 3
= 1.1975, x
3 4
= 1.3983. при k = 4
x
4 1
= 0.8004, x
4 2
= 1.0005, x
4 3
= 1.2005, x
4 4
= 1.4003.
Вычисляем модули разностей значений x
k
i
при k = 3 и k = 4:
| x
4 1
– x
3 1
| = 0.026, | x
4 2
– x
3 2
| = 0.028, | x
4 3
– x
3 3
| = 0.0030, | x
4 4
– x
3 4
| = 0.0020.
Так как все они больше заданной точности

= 10
-3
, продолжаем итерации.
При k = 5
x
5 1
= 0.7999, x
5 2
= 0.9999, x
5 3
= 1.1999, x
5 4
= 1.3999.
Вычисляем модули разностей значений x
k
i
при k = 4 и k = 5:
| x
5 1
– x
4 1
| = 0.0005, | x
5 2
– x
4 2
| = 0.0006, | x
5 3
– x
4 3
| = 0.0006, | x
5 4
– x
4 4
| = 0.0004.
Все они меньше заданной точности

= 10
-3
, поэтому итерации заканчиваем. Приближенным решением системы являются следующие значения:
x
1

0.7999, x
2

0.9999, x
3

1.1999, x
4

1.3999.
Для сравнения приведем точные значения переменных:
x
1
= 0.8, x
2
= 1.0, x
3
= 1.2, x
4
= 1.4.
3.7. Метод Зейделя
Модификацией метода простых итераций Якоби можно считать метод Зейделя.

В методе Якоби на (k+1)-ой итерации значения x
1

k
i
, i = 1, 2, …, n. вычисляются подстанов- кой в правую часть (3.27) вычисленных на предыдущей итерации значений x
k
i
. В методе Зейделя при вычислении x
1

k
i
используются значения x
1 1

k
, x
1 2

k
, x
1 1


k
i
, уже найденные на (k+1)-ой итерации, а не x
k
1
, x
k
2
, …, x
k
i 1

, как в методе Якоби, т.е. (k + 1)-е приближение строится следующим образом:
x
1 1

k
= b
12
x
k
2
+ b
13
x
k
3
+ … + b
1,n-1
x
k
n 1

+ b
1n
x
k
n
+ c
1
x
1 2

k
= b
21
x
1 1

k
+ b
23
x
k
3
+ … + b
2,n-1
x
k
n 1

+ b
2n
x
k
n
+ c
2
x
1 3

k
= b
31
x
1 1

k
+ b
32
x
1 2

k
+ … + b
3,n-1
x
k
n 1

+
b
3n
x
k
n
+ c
3
(3.36)
…………………………………………………………………………………..
x
1

k
n
= b
n1
x
1 1

k
+ b
n2
x x
1 2

k
+ b
n3
x x
1 3

k
+ … + b
n,n-1
x
1 1


k
n
+ c.
n
Формулы (3.36) являются расчетными формулами метода Зейделя.
Введем нижнюю и верхнюю треугольные матрицы:
0 0 0 … 0 0 b
12
b
13
… b
1n
b
21 0
0 … 0 00
b
23
… b
2n
B
1
= b
31
b
32 0 … 0 и
B
2
=
00 0 … b
3n .
……………………… …..………………
b
n1
b
n2
b
n3
0 0 0 0 … 0
Матричная запись расчетных формул (3.36) имеет вид:
x
k+1
= B
1
x
k+1
+ B
2
x
k
+ c.(3.37)
Так как B = B
1
+ B
2
, точное решение x
*
исходной системы удовлетворяет равенству:
x
*
= B
1
x
*
+ B
2
x
*
+ c.(3.38)
Сходимость метода Зейделя. Достаточным условием сходимости метода Зейделя является выполнение неравенства:

= max |b
ij
|,< 1, i, j = 1, 2, …, n. (3.39)
Неравенство (3.39) означает, что для сходимости метода Зейделя достаточно, чтобы макси- мальный по модулю элемент матрицы B был меньше единицы.
Если выполнено условие (3.39), то справедлива следующая апостериорная оценка погрешно- сти: max|x
*
i
- x
k
i
| 



1 2
max|x
1

k
i
x
k
i
| i = 1, 2, …, n, (3.40) где

максимальный элемент матрицы B,

2
максимальный элемент матрицы B
2
.
Правую часть оценки (3.40) легко вычислить после нахождения очередного приближения.
Критерий окончания. Если требуется найти решение с точностью

, то в силу (3.37) итера- ционный процесс следует закончить как только на (k+1)-ом шаге выполнится неравенство:



1 2
max|x
1

k
i
x
k
i
| <

, i = 1, 2, …, n. (3.41)
Поэтому в качестве критерия окончания итерационного процесса можно использовать нера- венство max|x
1

k
i
x
k
i
| <

1
, i = 1, 2, …, n. (3.42) где

1 =
2 1




.
Если выполняется условие


2 1
, то можно пользоваться более простым критерием окон- чания:
max|x
1

k
i
x
k
i
| <

, i = 1, 2, …, n. (3.43)
Метод Зейделя как правило сходится быстрее, чем метод Якоби. Однако возможны ситуа- ции, когда метод Якоби сходится, а метод Зейделя сходится медленнее или вообще расходится.
Пример 3.6.
Применим метод Зейделя для решения системы уравнений (3.33) из примера 3.5. Первые шаги полностью совпадают с процедурой решения по методу Якоби, а именно: система приводится к виду (3.34), затем в качестве начального приближения выбираются элементы столбца свободных членов (3.35). Проведем теперь итерации методом Зейделя.
При k = 1
x
1 1
=0.0574x
0 2
0.1005x
0 3
0.0431x
0 4
+ 1.0383 = 0.7512
При вычислении x
1 2
используем уже полученное значение x
1 1
:
x
1 2
= 0.0566 x
1 1
0.0708x
0 3
0.1179x
0 4
+ 1.2953 = 0.9674
При вычислении x
1 3
используем уже полученные значения x
1 1
и x
1 2
:
x
1 3
= 0.1061 x
1 1
0.0758 x
1 2
0.0657x
0 4
+ 1.4525 = 1.1977
При вычислении x
1 4
используем уже полученные значения x
1 1
, x
1 2
, x
1 3
: x
1 4
= –0.0280 x
1 1
– 0.0779 x
1 2
– 0.0405x x
1 3
+ 1.5489 = 1.4037
Аналогичным образом проведем вычисления при k = 2 и k = 3. Получим: при k = 2
x
2 1
= 0.8019, x
2 2
= 0.9996, x
2 3
= 1.9996, x
2 4
= 1.4000. при k = 3
x
3 1
= 0.80006, x
3 2
= 1.00002, x
3 3
= 1.19999, x
3 4
= 1.40000.
Известны точные значения переменных:
x
1
= 0.8, x
2
= 1.0, x
3
= 1.2, x
4
= 1.4.
Сравнение с примером 3.5 показывает, что метод Зейделя сходится быстрее и дает более точный результат.
1   2   3   4   5


написать администратору сайта