Численные методы решения систем линейных уравнений
-2x2-3(-3/5)
= 1,
-2x2+9/5
= 1,
-2x2 =
1-9/5,
-2x2 =
-4/5,
x2 =
(-4/5):(-2) = (-4/5)*(-1/2) = 2/5.
Корень x2
= 2/5 найден. Подставим его и корень х3 в верхнее (первое) уравнение
системы (x1-x2+x3 = 0):
x1-2/5+(-3/5)
= 0,
x1-5/5
= 0,
x1 =
5/5 = 1.
Проверка:
т. е.
т. е.
и т. д.
Вывод.
Итак, метод
Гаусса (или, иначе, метод последовательного исключения неизвестных) состоит в
следующем:
1.
Путем
элементарных преобразований систему уравнений приводят к эквивалентной ей
системе с верхне-треугольной матрицей. Эти действия называют прямым ходом.
2.
Из
полученной треугольной системы переменные находят с помощью последовательных
подстановок (обратный ход).
3.
При этом
все преобразования проводятся над так называемой расширенной матрицей системы,
которую и приводят к верхнее - треугольному виду в прямом ходе метода.
Итерация
для линейных систем.
Способ итераций
дает возможность получить последовательность приближенных значений, сходящихся
к точному решению системы, подобно тому, как это делается для одного уравнения.
Для
определенности ограничимся системой из четырех уравнений с четырьмя
неизвестными (система четвертого порядка), которую запишем в виде:
Разрешим первое
уравнение системы относительно х1:
х1 = (-a12/a11)х2-a13/a11х3-a14/a11х4-a15/a11.
Затем разрешим
второе уравнение относительно х2 и т. д. Тогда систему можно
переписать в виде:
где α = -aik/aii, i = 1, 2, 3, 4; k =
1, 2, 3, 4, 5.
Система является
частным случаем записи вида:
При этом линейная
функция L1 фактически не зависит от х1.
Зададим
какие-либо начальные значения неизвестных (нулевые приближения):
х1(0),
х2(0), х3(0), х4(0).
Подставляя эти
значения в правые части системы (*), получим первые приближения:
Полученные первые
приближения могут быть так же использованы для получения вторых, третьих и т.
д. приближений. Т. е. можно записать:
Условия
сходимости итерационного процесса.
Установим
условия, выполнение которых обеспечит сходимость получающихся приближений к
истинному (точному) решению системы х1, х2, х3,
х4.
Не вдаваясь в
подробности, скажем, что для того чтобы итерационный процесс сходился к точному
решению, достаточно, чтобы все коэффициенты системы были малы по сравнению с
диагональными.
Это условие можно
сформулировать и более точно:
Для сходимости
процесса итераций достаточно, чтобы в каждом столбце сумма отношений
коэффициентов системы к диагональным элементам, взятым из той же строки, была
строго меньше единицы:
Итерация
Якоби.
Рассмотрим
систему линейных уравнений:
Уравнения можно
записать в виде:
Это позволяет
предложить следующий итерационный процесс:
или (другой вид
записи)
Покажем, что если
начать с точки P0 = (х1(0), х2(0),
х3(0), х4(0)) = (1, 2, 2), то
итерация (3) сходится к решению (2, 4, 3). Подставим х1 = 1, х2
= 2, х2 = 2 в правую часть каждого уравнения из (3), чтобы получить
новые значения:
Новая точка P1
= (х1(1), х2(1), х3(1),
х4(1)) = (1.75, 3.375, 3), ближе, чем P0.
Итерация,
использующая (3), генерирует последовательность точек {Pk}, которая
сходится к решению (2, 4, 3):
k
|
х1(k)
|
х2(k)
|
х3(k)
|
0
|
1.0
|
2.0
|
2.0
|
1
|
1.75
|
3.375
|
3.0
|
2
|
1.84375
|
3.875
|
3.025
|
3
|
1.9625
|
3.925
|
2.9625
|
4
|
1.990625
|
3.9765625
|
3.0
|
5
|
1.99414063
|
3.9953125
|
3.0009375
|
…
|
…
|
…
|
…
|
15
|
1.99999993
|
3.99999985
|
3.0009375
|
…
|
…
|
…
|
…
|
19
|
2.0
|
4.0
|
3.0
|
Этот процесс
называется итерацией Якоби и может использоваться для решения
определенных типов линейных систем.
Итерация
Гаусса-Зейделя.
Процесс итерации
Якоби иногда можно модифицировать для ускорения сходимости.
Отметим, что
итеративный процесс Якоби производит три последовательности – {х1(k)},
{х2(k)}, {х3(k)}, {х4(k)}.
Кажется разумным, что х1(k+1) может быть использовано
вместо х2(k). Аналогично х1(k+1) и
х2(k+1) можно использовать в вычислении х3(k+1).
Например, для уравнений из системы (1) это даст следующий вид итерационного
процесса Гаусса-Зейделя, использующий (3*):
Такой
итерационный процесс даст результаты:
k
|
х1(k)
|
х2(k)
|
х3(k)
|
0
|
1.0
|
2.0
|
2.0
|
1
|
1.75
|
3.75
|
2.95
|
2
|
1.95
|
3.96875
|
2.98625
|
3
|
1.995625
|
3.99609375
|
2.99903125
|
…
|
…
|
…
|
…
|
8
|
1.99999983
|
3.99999988
|
2.99999996
|
9
|
1.99999998
|
3.99999999
|
3.0
|
10
|
2.0
|
4.0
|
3.0
|
Т. е. к точному
решению мы пришли уже на 10-ом шаге итерации, а не на 19, как в итерации Якоби.
Вывод.
1.
Способ
итераций дает возможность получить последовательность приближенных значений,
сходящихся к точному решению системы. Для этого система приводится к виду (для
случая системы из четырех уравнений):
Эти формулы как
раз и задают собственно итерационный процесс.
2.
При этом
чтобы итерационный процесс сходился к точному решению, достаточно, чтобы все
коэффициенты системы были малы по сравнению с диагональными.
Это условие можно
сформулировать и более точно:
Для сходимости
процесса итераций достаточно, чтобы в каждом столбце сумма отношений
коэффициентов системы к диагональным элементам, взятым из той же строки, была
строго меньше единицы:
3.
Следует
так же сказать, что итерационный процесс может проводиться как в виде итерации
Якоби, так и в виде итерации Гаусса-Зейделя. В последнем случае сходимость
итерационного процесса может существенно улучшиться.
II.
Практическая
часть.
1) Метод
обратной матрицы.
|