5.5.2. Итерационные методы решения слау
Найти решение СЛАУ с матрицей и правой частью итерационными методами Якоби, Зейделя и ОСП. Решение получить с заданной относительной точностью . Указать количество итераций необходимых каждому методу для достижения заданной точности. На практических занятиях с использованием калькуляторов в случаях слабой сходимости ограничиться числом , отразив это в результатах. На лабораторных работах с использованием пакета Mathcad это ограничение снимается. Отметить также случаи явной расходимости метода.
В качестве оптимального параметра для сходимости метода ОСП в задаче с матрицей (5.3.1.2) размером следует принимать:
-
, в случае (и в случае периодического продолжения на трехдиагональную матрицу с большим значением )
-
, для задач с трехдиагональной матрицей с постоянной главной диагональю, где . В частности, для матриц с .
В случаях расходимости всех трех используемых методов следует применить комбинированный метод Якоби-Зейделя и ОСП. Для этого потребуется найти собственные числа матрицы Якоби (5.3.2.3) и на этой основе сделать вывод о значении для ряда оптимальной простой итерации с матрицей (5.3.3.1), в которой - матрица (5.3.2.3). Этот же оптимальный параметр можно использовать для построения ряда простой итерации с оператором (5.3.3.1), где -оператор Зейделя (5.3.2.5). Однако, в последнем случае оптимальный параметр, как правило, может быть значи-
тельно улучшен и в необходимых случаях он указан.
Варианты заданий.
№ вар. |
|
|
| Оптимальный параметр для метода Зейделя-ОСП |
1. |
|
|
|
|
2. |
|
|
|
|
3. |
|
|
| k=0.1 |
4. |
|
|
| k=0.1 |
5. |
|
|
| k=0.2 |
6. |
|
|
|
|
7. |
|
|
| k=0.25 (n=2), k=0.65 (n=100) |
8. |
|
|
|
k= 1 (n=2), k= 1.85 (n=100) |
9. |
|
|
|
k=0.3 (n=2), k=0.8 (n=100) |
10. |
|
|
|
k= - 0.17 |
11. |
|
|
|
|
12. |
|
|
|
|
13 |
|
|
|
|
14. |
|
|
|
|
15 |
|
|
|
|
При выполнении лабораторных работ с помощью пакета Mathcad указанные варианты видоизменяются до больших трехдиагональных матриц с и . Для этого главная и две побочные диагонали периодически продолжаются на большую матрицу. Остальные коэффициенты матрицы нулевые. Так, матрица варианта №2 выглядит следующим образом:
Оптимальный параметр для метода ОСП остаётся при этом неизменным (несмотря на трансформацию спектра матрицы- увеличение радиуса круга при неизменном положении его центра) и определяется так, как указано выше для малых матриц.
Решить задачу для различных векторов правой части:
1). 2). 3). для всех . Относительная точность вычислений для всех вариантов .
Варианты помеченные * используются только для практических работ с n=2 и для n=100 решений в виде сходящегося итерационного процесса не имеют. В этом случае выбирается вариант с номером = 16 - №вар.
В результате работы представить для каждого метода:
-
вектор решения (несколько первых компонент)
-
число итераций
-
невязку решения (по норме)
-
спектр матрицы (с помощью стандартных функций Mathcad)
Сравнить значение оптимального параметра, полученного исходя из знания спектра оператора, и найденного по вышеизложенным правилам.
Сравнить решение СЛАУ, полученное стандартным методом Mathcad и Вашим итерационным методом.
Сделать выводы о причинах хорошей (плохой) сходимости итерационного метода и о её зависимости от начального приближения (правой части ).
Найти число обусловленности исходной матрицы (с помощью стандартных функций Mathcad).
Для вариантов задания с быстрой сходимостью () сравнить при время решения СЛАУ стандартным методом Mathcad и итерационным методом.
Yandex.RTB R-A-252273-3- Численные методы,
- Введение
- 1. Абсолютная и относительная погрешности.
- 1.1. Число верных знаков приближенного числа
- 1.2. Погрешность функций
- 1.3. Погрешность простейших функций двух переменных
- 1.4. Примеры и задания
- 2. Приближение функций
- 2.1. Интерполяционные полиномы
- 2.2. Интерполяционный полином Лагранжа
- 2.3. Интерполяционный полином Ньютона
- 2.3. Примеры и задания для практических занятий
- Второй интерполяционный полином Ньютона:
- 3. Численные методы решений трансцендентных и алгебраических уравнений
- 3.1. Метод простой итерации для решения нелинейных и трансцендентных уравнений
- 3.2. Метод хорд и секущих
- 3.3. Метод касательных
- Скорость сходимости итерационных методов
- Условие выхода из вычислительного процесса по заданной точности в методах простой итерации
- Пример и задание для практических занятий
- 4. Численное интегрирование
- 4.1. Метод Ньютона – Котеса
- 4.2. Метод прямоугольников.
- 4.3. Метод трапеций
- 4.4. Метод парабол. (Метод Симпсона)
- 4.5. Квадратурные формулы Гаусса
- 4.6. Задание для практических занятий
- Численные методы линейной алгебры
- 5.1. Численное решение слау
- 5.2. Прямые методы решения слау
- 5.2.1. Метод Гаусса (Метод исключений)
- 5.2.2. Вычислительная схема метода Гаусса
- 5.2.3. Ортогонализация матриц
- 5.2.4. Решение системы уравнений методом ортогонализации
- 5.3. Итерационные методы решения слау
- 5.3.1. Метод простой итерации
- 5.3.2. Метод Якоби и метод Зейделя
- 5.3.3. Метод оптимального спектрального параметра (осп) для простой итерации
- 5.4. Нахождение собственных векторов и собственных значений матриц
- 5.5. Примеры и задания к теме
- 5.5.1. Прямые методы решения слау
- 5.5.2. Итерационные методы решения слау
- 5.5.3. Нахождение собственных значений и векторов
- 6. Численные методы решения обыкновенных дифференциальных уравнений
- 6.1. Метод разложения в ряд Тейлора
- 6.2. Общая схема метода Рунге - Кутта
- 6.3 Методы Рунге-Кутта низших порядков
- 6.3.1 Метод Эйлера
- 6.3.2. Метод трапеций и прямоугольника
- 6.4. Методы Рунге-Кутта высших порядков
- 6.5. Задание к теме и пример решения оду
- Численное решение начально-краевых задач для дифференциальных уравнений в частных производных
- Конечные разности.
- Гиперболические уравнения
- Параболические уравнения
- Уравнения эллиптического типа
- 7.4.1. Разностная схема уравнений
- Лабораторные задания к теме «Численное решение уравнений в частных производных»
- 7.5.1. Гиперболические уравнения
- 7.5.2. Параболические уравнения
- 7.5.3. Эллиптические уравнения
- Литература
- Содержание