Ciąg dalszy:
Zatem jeśli eliminację Gaussa można wykonać do końca, to układ
można zapisać:
Etap I - jest równoważny przekształceniu wyjściowego układu do postaci
.
Wyznaczenie x polega na rozwiązaniu dwóch układów z macierzami trójkątnymi.
gdzie
(obliczanie
)
Ilość obliczeń gdy znamy rozkład LU:
mnożeń i dzieleń
dodawań
tyle samo, co przy obliczaniu
gdy znane
Korzyść z rozkładu LU
Rozwiązywanie wielu układów o tej samej max A i różnych prawych stronach (zwłaszcza zależnych od x).
Przechowywanie w pamięci
Zauważmy:
dla
można wpisać w miejsce
zaraz po obliczeniu;
Elementów
nie trzeba pamiętać
i U w miejsce A;
Twierdzenie (o rozkładzie trójkątnym)
Niech
-->
,
[Author:JDz]
utworzone z elementów początkowych k - wierszy i kolumn A.
Jeśli
(
) to istnieje jedyny rozkład
na czynniki takie, że L jest macierzą trójkątną dolną oraz
, a macierz U jest trójkątna górna.
Przykład macierzy A, która nie ma rozkładu LU
(nieosobliwa)
METODY ITERACYJNE
załóżmy
jeśli nie, to przestawiamy wiersze A
można zapisać
(1)
Metoda Jakobiego (iteracji prostej)
Tworzy się ciąg przybliżeń
(2)
jako początkowe przybliżenie często przyjmuje się
jeśli
to x jest rozwiązaniem pierwotnego układu.
Metoda Gaussa-Seidela
Używa bezpośrednio ulepszonych wartości do obliczenia pozostałych zmiennych, w tej samej iteracji:
-->
[Author:JDz]
(3)
Jednocześnie trzeba pamiętać tylko jedno --> przybliżenie[Author:JDz] .
Zbieżność szybsza niż w metodzie Jakobiego, lecz metoda może być użyta tam, gdzie Jakobiego jest zbieżna.
ZBIEŻNOŚĆ
Powyższe metody można wyrazić w postaci
(4)
opisującej ogólnie metody iteracyjne stacjonarne
gdyż:
-->
(5)
[Author:JDz]
naddiagonalna
poddiagonalna
metoda Jakobiego
(6)
metoda Gaussa-Seidela
(7)
(6), (7) są szczególnymi postaciami (4)
gdzie
Twierdzenie:
Warunkiem koniecznym i wystarczającym, aby metoda stacjonarna
była zbieżna dla dowolnego przybliżenia początkowego
jest nierówność:
gdzie
jest promieniem spektralnym macierzy B
APROKSYMACJA (czyli przybliżanie funkcji)
rysunki
- znana lub określona tablicą
- funkcja aproksymująca
Przybliżenie obarczone błędem aproksymacji.
Aproksymacja liniowa.
X - przestrzeń liniowa unormowana (skończenie lub nieskończenie wymiarowa)
(funkcja aproksymowana)
- n - wymiarowa podprzestrzeń liniowa przestrzeni X
Aproksymacja funkcji
polega na wyznaczeniu takich współczynników
funkcji
(1), gdzie
są funkcjami bazowymi
- wymiarowej podprzestrzeni liniowej
, aby
spełniała pewne warunki, np. optymalizowała normę różnicy
.
Są też inne typy aproksymacji, np. aproksymacja wymierna określona:
gdzie
,
są elementami tej samej bazy k - wymiarowej podprzestrzeni liniowej
, zaś
,
są stałymi współczynnikami, które należy wyznaczyć.
Aproksymacja Pade'go
Zastosowania - rozwiązywanie zagadnień chemii i fizyki
Aproksymacja liniowa
Trzeba określić:
odpowiednią podprzestrzeń liniową
i związaną z nią bazę
odpowiednią normę
Wybór podprzestrzeni
Jeśli funkcja
jest ciągła na przedziale
to funkcje
będą elementami pewnej
- wymiarowej podprzestrzeni
- jakiej?
Jeśli
jest okresowa, to przydatna jest podprzestrzeń funkcji trygonometrycznych z bazą
.
Podprzestrzeń wielomianów stopnia co najwyżej n z bazą jednomianów
lub z bazą wielomianów Czebyszewa
funkcje bazowe mało wrażliwe na błędy
lub bazę wielomianów Lagrange'a
Czyli chodzi o to, żeby wszystkie minory główne były różne od zera
Jaki podział w indeksach sumy? Aha! Uzywamy nowo obliczonych wartości k+1 kroku dla x-ów o mniejszych indeksach niż aktualny
Że niby które?
What the fuck!?