Задачи с диагональными матрицами. Метод прогонки.
П
р
и
м
е
р с
и
с
т
е
м
ы л
и
н
е
й
н
ы
х у
р
а
в
н
е
н
и
й – р
а
з
н
о
с
т
н
ы
й (
з
а
м
е
н
я
е
т
д
и
ф
ф
е
р
е
н
ц
и
а
л
ь
н
ы
й
2
о
г
о
п
о
р
я
д
к
а
)о
п
е
р
а
т
о
р
н
ад
и
с
к
р
е
т
н
о
м
м
н
о
ж
е
с
т
в
ет
о
ч
е
к
.
D
x
=
F
0
n
+
1
1
2
i1
i
i+
1
n
1
n
_
_
_
_
c
d
1
,n
в
н
у
т
р
е
н
н
и
ет
о
ч
к
и
:a
ix
i1b
ix
i
ix
i
1
i i
x
x
c
x
d
л
е
в
а
я
г
р
а
н
и
ц
а
: a
0
0b
0
1
0
2
0
п
р
а
в
а
я
г
р
а
н
и
ц
а
:
}
a x b x
cx
d
n
!n
1
n
1n
n
!n
1
г
р
а
н
и
ч
н
ы
еу
с
л
о
в
и
я
n
1
И
м
е
е
м
д
в
ес
и
с
т
е
м
ы
:
a
x
x
c
x
d
0
0b
0
1
0
2
0
м
.и
с
к
л
ю
ч
и
т
ьx
0
{axbxcx
d
10
{
м
.и
с
к
л
ю
ч
и
т
ь
x
n
+
1
11
12
1
a
x
x
c
x
d
n
n
1b
n
n
n
n
1
n
a
x
x
c
x
d
n
1
n
1b
n
1
n
n
1
n
1
n
1
~ ~ ~
b
x
c
x
d
1
1
1
2
1
~
~
~
a
x
b
x
d
nn
1
nn
n
У
б
р
а
в
з
н
а
к
“
~
”
п
о
л
у
ч
и
м
с
и
с
т
е
м
у
в
и
д
а
:
b
c
0
.....
0
d
1
1
1
a
b
c
.....
0
d
22
2
2
0
a
b
.....
0
d
3
3
3
–
н
о
р
м
а
л
ь
н
а
я
с
и
с
т
е
м
а
м
е
т
о
д
а
п
р
о
г
о
н
к
и
.....
.....
.....
.....
.....
.....
0
.....
a
b
c
(
1
)
d
n
1n
1
n
1
n
1
d
.....
.....
0
a
b
n
nn
Т
а
к
к
а
к
в
м
а
т
р
и
ц
е
н
о
р
м
а
л
ь
н
о
й
с
и
с
т
е
м
ы
м
н
о
г
о
н
у
л
е
в
ы
х
э
л
е
м
е
н
т
о
в
,
н
е
т
с
м
ы
с
л
а
и
с
п
о
л
ь
з
о
в
а
т
ь
а
л
г
о
р
и
т
м
м
е
т
о
д
а
Г
а
у
с
с
а
.
Н
а
д
о
е
г
о
и
з
м
е
н
и
т
ь
П
о
м
е
т
о
д
у
Г
а
у
с
с
а
м
а
т
р
и
ц
а
п
р
и
в
о
д
и
т
с
я
к
в
е
р
х
н
е
й
т
р
е
у
г
о
л
ь
н
о
й
ф
о
р
м
е
,
к
о
т
о
р
а
я
д
л
я
н
о
р
м
а
л
ь
н
о
й
с
и
с
т
е
м
ы
(
1
)
п
р
и
м
е
т
в
и
д
:
x
x
0
.
0
0
x
x
.
0
.
.
.
.
.
0
.
.
x
x
0
.
.
0
x
П
оэтому для обратного хода метода Гаусса будет верно рекуррентное
соотнош
ение:
b
xn n ; xi
P
Q
i
n 1,1
i
1x
i
1
i
1
ann
где P
рогоночныекоэффициенты
i
1 –п
i
1, Q
di
ai xi1 bi xi ci xi1
P
i xi Q
i
xi1
di
aiP
ix
i a
iQ
i b
ix
i c
ix
i
1
xi(aiP
di aiQ
i b
i )
i c
ix
i
1
ci
aiQ
i di
xi
xi1
bi aiP
bi aiP
i
i
P
i
1
Q
i
1
Дляграничныхточек(верхнихдвухстрок):
c1
d1
b1x1 c1x2
d1 x1 b x2 b
1
1
P
Q
2
2
Н
ахождение P
ойход;
i –прям
i ,Q
Реализацияф-л(2)–обратныйход.
(2a)
D f: М е т о д п р о г о н к и н а з ы в а е т с я к о р р е к т н ы м , е с л и д л я л ю б о г о i (b i a i P i ) 0 .
У т в : М е т о д п р о г о н к и у с т о й ч и в , е с л и д л я л ю б о г о i |P i | < 1 ( п о г р е ш н о с т ь п р и о б р а т н о м
х о д е н е в о зр а с та е т).
И з (2 а ) с л е д у е т в и д м а тр и ц ы :
c1
0
b1
a 2 P2 b2 c 2
0
0
0 a n Pn bn
0
0
0
0
c n Р а с п и ш е м |А | ч е р е з а л г е б р а и ч е с к и е д о п о л н е н и я :
a n b n
n 2
| A | b 1 ( a i P i b i ) ( b n ) ( a n 1 P n 1 b n 1 ) a n c n
i2
n1
a
c
n
n
b 1
b n ( a i P i b i )
i2
a n 1Pn 1 b n 1
-P n
n
b 1 ( a i P i b i )
i2
Итерационные методы решения систем линейных уравнений: метод
простой итерации, метод Зейделя. Условие сходимости и оценка
погрешности. Обращение матрицы.
x x DAx Db
Ax b
Метод простой итерации
x Bx c
x
решение
:
xn x
n
x n 1 Bx n c
Существует три этапа построения итерационной процедуры:
1. Построение итерационного цикла;
2. Оценка сходимости итерационного цикла;
3. Оптимизация итерационного цикла (максимальная скорость сходимости)
Df
x
( k 1)
x
A = const
(k ) n
(k )
A x
x
( k 1)
- итерационный метод n-ого порядка сходимости
k - номер итерации
n – порядок сходимости
еорема (достаточное условие сходимости метода простой итерации)
сли
B 1 ,то система
x Bx c
имеет единственное решение, и итерации сходятся к решению со
скоростью геометрической прогрессии.
Доказательство: 1) x * x* Bx * c
решение
x * B x * c x * 1 B c x * (1 B ) 1 c
B 1
Докажем единственность решения: пусть x1, x2 - решения
x1 x 2 x 2 x1 x решение
x1 B x1 c
x1 x 2 B x1 x 2 x1 x 2
x 2 B x 2 c
(см. свойства нормы)
2) x * - решение x* Bx * c
x n 1 x* r n 1
(r
–
невязка)
Ч. т. д.
x n 1 B x n c
B ( x n x*) B r n B n 1 r0 r n 1 B n 1 r0 0
Оценка погрешности
Если
B x B x и B 1 , то
x
Доказательство:
A( x ( k ) x*) Ax ( k ) b
Для
( k 1)
B
x*
x ( k ) x ( k 1)
1 B
Ax b
D
D : x * Bx* c E B DA
c Db
x ( k 1) Bx ( k ) c c x ( k 1) Bx ( k )
( E B)( x ( k ) x*) ( E B) x ( k ) Bx ( k ) x ( k 1) x ( k ) x ( k 1) Bx ( k 1) c Bx ( k ) c B( x ( k 1) x ( k ) )
( E B)( x ( k ) x*) ( x ( k ) x*) B ( x ( k ) x*) x ( k ) x * B ( x ( k ) x*)
(k )
(k )
(k )
x x * B x x * (1 B ) x x *
( k 1)
(k )
( k 1)
(k )
B ( x x ) B x x
(1 B ) x ( k ) x * B x ( k 1) x ( k )
Ч. т. д.
Есть достаточное условие сходимости итерационного цикла, но нет необходимого.
( - собственные значения матрицы B)
Теорема (необходимое и достаточное условие сходимости метода простой итерации)
Существует и единственно решение
для любых
x * ( Ax* b)
и
x ( 0 ) тогда и только тогда, когда для любых
x :
(k )
x ( k 1) Bx ( k ) c
i i 1 и Bx i x.
(Это правило справедливо для вычислений без ошибок округления.)
Пример простого итерационного цикла:
Ax b
n
aii xi bi
a
ij
x j
j i
aii x
( k 1)
i
n
bi
(k )
a
x
ij j
j i
i 1, n
x
( k 1)
i
bi
aii
n
aij
a
j i
x (jk )
x ( k 1) B x ( k ) c
ii
В B нули на главной диагонали.
B 1
Из
B
c
1
n
aij
a
j i
ii
n
1 a ii aij
j i
n
a ii aij
- условие преобладания диагональных элементов
j i
( k 1)
В методе простой итерации x
не используются до завершения итерационного
цикла, хотя являются лучшими приближениями, что неэкономично. От этого недостатка
свободен метод Зейделя (Гаусса-Зейделя).
( k 1)
ii i
a x
bi
i 1
a x
j 1
i
( k 1)
ij j
a x
j 1
( k 1)
ij j
n
n
(k )
a
x
ij j
j i 1
aij x (jk ) bi Bx ( k 1) Cx ( k ) b x ( k 1) B 1Cx ( k ) B 1b
j i 1
B – нижняя треугольная матрица
С – верхняя треугольная матрица с нулями на главной диагонали
Необходимое и достаточное условие сходимости:
для любых i
i 1 i : ( B 1C ) x i x
Можно уйти от нахождения обратной матрицы:
B 1C E 0 - характеристическое уравнение
(у этих уравнений общие
)
B 1C E B 1 C B 0
корни
a11
a12
a 21
a 22
a n1
an2
a1n
a2n
0
a nn
i 1
Геометрическая интерпретация метода Зейделя
n=2
1)
a11 x1* a12 x 2* b1
a 21 x1* a 22 x 2* b2
X2
уравнения прямых (плоскостей в n-мерном пространстве)
Метод Зейделя
L2
( k 1)
b1 a12 x 2( k )
a11 x1
( k 1)
( k 1)
a
x
b
a
x
22 2
2
21 1
(k)
(k+1)
L1
( x1( k ) , x 2( k ) ) ( x1( k 1) , x 2( k ) ) ( x1( k 1) , x 2( k 1) )
X1
2)
Метод Зейделя
X2
(k+1)
a 22 x 2( k 1) b2 a 21 x 2( k )
a11 x1( k 1) b1 a12 x 2( k 1)
(k)
X1
( x1( k ) , x 2( k ) ) ( x1( k 1) , x 2( k ) ) ( x1( k 1) , x 2( k 1) )
Сходимость метода может изменить характер при перестановке уравнений.
Возможно и “зацикливание” метода.
Теорема
Если А – вещественная, симметричная, положительно определённая (т. е. все главные
миноры неотрицательны) матрица, то метод Зейделя сходится.
Доказательство:
( f , h) ( x) f ( x)h( x)dx
- скалярное произведение векторов f и h
X
Часто ( x ) 1
f (x) - комплексно сопряжённое
x * - решение
~
x - приближенное решение
Введём функцию F(y)
F ( y ) ( A( ~
x x*), ~
x x*) ( Ax*, x*) ( A~
x, ~
x x*) ( Ax*, ~
x x*) ( Ax*, x*)
( A~
x, ~
x ) ( A~
x , x*) ( Ax*, ~
x ) ( Ax*, x*) ( Ax*, x*) ( A~
x, ~
x ) ( A~
x , x*) ( Ax*, ~
x)
Так как матрица симметрична
F ( y ) ( A~
x, ~
x ) 2( Ax*, ~
x ) ( A~
x, ~
x ) 2(b, ~
x)
Так как матрица положительно определённая , то
( A( ~
x x*), ~
x x*) 0 при
~
~
x x * существует единственное x такое, что
~
x x *
и
F ( ~x ) F ( x*) min F ( x)
X
Способ нахождения min функции
F ( x1 , , x n ) - метод покоординатного спуска:
F
F
x1( 0) xn( 0) x1(1) , x2( 0) , xn( 0) :
0 (min F ) x1(1) , x2(1) , x3( 0) , xn(0) :
0
x1
X1
x2
x (1 )
x( 2 )
n
F
( Ax, x)
(2 bi xi ) 2 akj x j bk 0
xk xk
xk i
j 1
n
( akj x j bk )
- система уравнений метода Зейделя
j 1
Если
x ( m ) x *, то существует ml
F ( m )
( x ) 0
xm
такое, что
l 1, L
l 1, L - некоторый набор уравнений
( x j ) x (k )
Выберем минимальный номер k такой, что
покоординатного спуска. Тогда
x( k )
F
0, и уточним x k по методу
x k
x ( k 1)
(k )
( k 1)
F ( x , x , x ) F ( x1 , xl , x n )
1 l n
F (k )
F ( k 1)
F ( k ) F ( k 1)
И хоть одно неравенство строгое (для минимального k). Следовательно, метод сходится.
Ч. т. д.
( x1( 0) , xk( 0 )1 , xk( 0) , xn( 0) ) ( x1(1) , xk(1)1 , xk(1) , xn(1) )
x1(1) , xk(1)1
xk(1)
- не уточняются
-F
xk(1) , xn(1)
- F не увеличивается (но может уменьшиться)
Оценка скорости сходимости – см. Бахвалов и др. “Численные методы”
Общая схема итерационного процесса
U , H - матрицы
k
- итерационный параметр
x ( k 1) x ( k )
Ax b Ux Ux H ( Ax b) U k
HAx ( k ) Hb
k
Df Если U k U и k , то итерационный процесс стационарный.
Df Если U E , то итерационный процесс неявный.
Если U E , то итерационный процесс (итерационная схема) явный.
Df
U D L
D - диагональная матрица
- релаксационные методы
- параметр релаксации
L
- нижняя треугольная матрица с нулями на главной диагонали
>1 – методы верхней релаксации
<1 – методы нижней релаксации
=1 – методы полной релаксации (метод Зейделя)
Итерационные методы эффективны для диагональных матриц или нерегулярных
матриц (много нулей).
Неудобны для одинаковых матриц А и разных b ( Ax b).
Оценка числа итераций – см. Кошелева “Численные методы и алгоритмы решения задач
ракетной техники”, изд. МАИ.
Нахождение обратной матрицы
11 12
1
A 22 21
A 1 A E
n
ij a ji ij
j 1
i 1, n
a11
A a22
a12
a21
Система линейных уравнений