Студопедия.Орг Главная | Случайная страница | Контакты | Мы поможем в написании вашей работы!  
 

Упражнение. Решить несовместную систему уравнений методом наименьших квадратов



Решить несовместную систему уравнений методом наименьших квадратов

3 x 1x 2=1

x 1+ x 2=0

4 x 1=–1

2. Приближение функции тригонометрическими полиномами. Пусть f (t) – непрерывная функция на отрезке [0,2p]. Ставится задача подобрать тригонометрический многочлен P (t) данного
порядка, наименее отклоняющийся от f (t). За меру отклонения P (t) от функции f (t) берется квадратичное уклонение

.

Многочлен P (t) порядка n имеет вид

.

Напомним, что в пространстве непрерывных функций С (0,2p) скалярное произведение двух векторов f (t) и g(t) задается интегралом

.

Тогда S определяет квадрат расстояния от f (t) до P (t), т.е. квадрат длины вектора (f (t)– P (t)),

.

Чтобы минимизировать интеграл снова нужно из точки f (t) опустить перпендикуляр на подпространство R 1, натянутое на базис, состоящий из (2 n +1) функций

.

Заметим, что базис {е} – ортогональный и нормированный. Тогда решением будет многочлен P (t),

где c k= (f, e k), k =0,1,…,2 n.

Используя определение скалярного произведения в , получаем

.


ПРИЛОЖЕНИЕ 2 О приближенном вычислении собственных значений матрицы

Нахождение собственных значений и собственных векторов матриц требуется во многих физических и технических задачах при исследовании устойчивости различных процессов, например при определении устойчивости и колебаний различных инженерных сооружений.

Задачу отыскания всех собственных значений и собственных векторов матрицы называют полной проблемой собственных значений, а нахождение лишь некоторых из них – частичной проблемой собственных значений.

Задача численного нахождения собственных значений и векторов является одной из наиболее сложных вычислительных задач алгебры.

Как известно, собственные значения l матрицы А являются корнями характеристического многочлена det(A –l E). Может показаться, что основная трудность состоит в отыскании корней этого многочлена, однако, для произвольной матрицы, особенно большого размера, затруднительно вычислить сами коэффициенты характеристического многочлена. Поэтому большинство численных методов основываются не на получении характеристического многочлена матрицы А, а на различных преобразованиях, упрощающих матрицу.

В практических задачах чаще всего требуется вычислить не все собственные значения, а лишь некоторые из них. Так, в вопросах устойчивости требуется найти минимальное (или максимальное) по модулю собственное значение матрицы.

Для этого проще всего использовать итерационные методы. Опишем такой алгоритм для нахождения максимального по модулю собственного значения и соответствующего собственного вектора.

Пусть матрица А порядка n имеет все действительные собственные значения l1, l2, …, ln
и соответствующие собственные векторы которые образуют базис в . Предположим, что собственные значения удовлетворяют условиям:

т.е.

собственные значения монотонно убывают по модулю, причем l1– максимальное значение (строго больше остальных).

Возьмем произвольный вектор (начальное приближение), разложим его по базису { u }

Умножим теперь матрицу А на вектор , в результате получим вектор

или коротко

А теперь умножим матрицу А на вектор и получим вектор

Продолжая процесс, через k шагов получим

Преобразуем полученное равенство:

Так как то

Это означает, что при больших k слагаемые в разложении вектора убывают и не играют существенной роли, а значит, вектор будет “почти” коллинеарен вектору .

, т.е. .

Приведенные рассуждения положены в основу итерационного метода нахождения наибольшего по модулю собственного значения. Этот метод носит название степенного метода. При достаточно большом l1длины полученных векторов сильно растут, поэтому при реализации алгоритма обычно проводят нормировку .

Алгоритм степенного метода состоит в следующем:

1. Задается начальное приближение

2. Последовательно вычисляются по формулам:

k -й шаг итерации

3. Вычисление ведется до тех пор, пока не станет где e - заданная точность.

4. Собственный вектор

Это означает, что последовательность длин d kвекторов сходится к максимальному собственному значению l1, а последовательность векторов к собственному вектору , отвечающему собственному значению l1.

Отметим, что скорость сходимости степенного метода зависит от того, насколько lmaxпревышает остальные собственные значения, чем больше отношение тем быстрее сходится метод.

Так, для матрицы

точное значение lmax= 10,123, lmin= 1,887. Уже на третьем шаге итерации получаем

l1» d 3= 10,125,

что дает хорошее приближение для l1.

Если наибольшее по модулю собственное значение имеет кратность больше единицы,
то итерационный процесс сходится к одному из собственных векторов собственного подпространства . Выбирая различные начальные векторы , можно построить все линейно независимые собственные векторы подпространства .

Если же нужно найти не наибольшее, а наименьшее собственное значение , то следует использовать соображение: если – собственный вектор А с собственным значением l, то

Таким образом вектор u является собственным и для матрицы А–1, отвечающим собственному значению

Отсюда следует, что

Значит, для нахождения минимального собственного значения матрицы А следует найти обратную матрицу А–1 и для нее найти максимальное собственное значение.


Задания для самостоятельной работы

1.Решите самостоятельно следующие задачи (номер варианта совпадает с вашим номером в списке группы):

Задача № 1. Найти собственные значения и собственные векторы матрицы A:

Варианты:

№ 1 № 2 № 3

№ 4 № 5 № 6

№ 7 № 8 № 9

№ 10 № 11 № 12

№ 13 № 14 № 15

№ 16 № 17 № 18

№ 19 № 20 № 21

№ 22 № 23 № 24

№ 25 № 26 № 27

№ 28 № 29 № 30

Задача № 2. Привести кривую второго порядка к каноническому виду ортогональным преобразованием.

Варианты:

№ 1. 4 xyx 2y 2+ 3 = 0.

№ 2. 2 x 2+ 2 y 2– 2 xy – 9 = 0.

№ 3. xy = 4.

№ 4. 2 xy – 2 x 2– 2 y 2+ 9 = 0.

№ 5. 4 xy – 3 x 2– 3 y 2+ 25 = 0.

№ 6. 15 – x 2y 2– 4 xy = 0.

№ 7. 6 xy – 5 x 2– 5 y 2+ 16 = 0.

№ 8. xy – 8 = 0.

№ 9. 3 x 2+ 3 y 2– 4 xy – 10 = 0.

№ 10. x 2+ y 2– 8 xy – 15 = 0.

№ 11. 5 x 2+ 5 y 2– 2 xy – 24 = 0.

№ 12. 4 xy + 1 = 0.

№ 13. 2 x 2+ 2 y 2– 2 xy – 1 = 0.

№ 14. 3 x 2+ y 2– 4 xy = 0.

№ 15. x 2+ y 2+ xy – 9 = 0.

№ 16. xy – 8 = 0.

№ 17. 4 xyx 2y 2+ 3 = 0.

№ 18. 3 x2 + 3 y 2– 4 xy – 10 = 0.

№ 19. 2 x 2+ 2 y 2– 2 xy – 9 = 0.

№ 20. x 2+ y 2– 8 xy – 15 = 0.

№ 21. xy – 4 = 0.

№ 22. 5 x 2+ 5 y 2– 2 xy – 24 = 0.

№ 23. 2 xy – 2 x 2– 2 y 2+ 9 = 0.

№ 24. 4 xy + 1 = 0.

№ 25. 4 xy – 3 x 2– 3 y 2+ 25 = 0.

№ 26. x 2+ y 2= 0.

№ 27. 15 – x 2y 2– 4 xy = 0.

№ 28. 3 x 2+ y 2– 4 xy = 0.

№ 29. 6 xy – 5 x 2– 5 y 2+ 16 = 0.

№ 30. x 2+ y 2+ xy – 9 = 0.

Задача № 3. При каких значениях параметра квадратичная форма Q(x) положительно определена (указать ближайшее целое ).

Варианты:

№ 1.

№ 2.

№ 3.

№ 4.

№ 5.

№ 6.

№ 7.

№ 8.

№ 9.

№ 10.

№ 11.

№ 12.

№ 13.

№ 14.

№ 15.

№ 16.

№ 17.

№ 18.

№ 19.

№ 20.

№ 21.

№ 22.

№ 23.

№ 24.

№ 25.

№ 26.

№ 27.

№ 28.

№ 29.

№ 30.

Задача № 4. Определить координаты образа A(x), если задан вектор x и матрица A линейного преобразования A: R3 ® R3.

Варианты:

№ 1, № 16 ; № 2, № 17 ;

№ 3, № 18 ; № 4, № 19 ;

№ 5, № 20 ; № 6, № 21 ;

№ 7, № 22 ; № 8, № 23 ;

№ 9, № 24 ; № 10, № 25 ;

№ 11, № 26 ; № 12, № 27 ;

№ 13, № 28 ; № 14, № 29 ;

№ 15, № 30 .

Задача № 5. В пространстве V многочленов P(t) степени n£2 со стандартным базисом, e2= t, e3= t2 задана система векторов f 1, f 2, f 3и оператор A: V®V;

1) проверить, что f 1, f 2, f 3является тоже базисом;

2) проверить линейность оператора А;

3) найти матрицу перехода С от базиса { e } к базису { f };

4) найти матрицы Ae, Af оператора A в обоих базисах;

5) проверить формулу Af= C–1AeC.

Варианты:

№ 1, 16. f 1= 1 + t; f 2= t + t 2; f 3= 1 + t 2; A (p) = t × p ¢.

№ 2, 17. f 1= 1 + t; f 2= t + t 2; f 3= 1 + t 2; A (p) = p + p ¢.

№ 3, 18. f 1= 1 + t; f 2= t + t 2; f 3= 1 + t 2; A (p) = 2 pp ¢.

№ 4, 19. f 1= 1; f 2= 1 + t; f 3= 1 + t + t 2; A (p) = t × p ¢.

№ 5, 20. f 1= 1; f 2= 1 + t; f 3= 1 + t + t 2; A (p) = p + p ¢.

№ 6, 21. f 1= 1; f 2= 1 + t; f 3= 1 + t + t 2; A (p) = 2 pp ¢.

№ 7, 22. f 1= 1 – t; f 2= tt 2; f 3= t 2; A (p) = t × p ¢.

№ 8, 23. f 1= 1 – t; f 2= tt 2; f 3= t 2; A (p) = p + p ¢.

№ 9, 24. f 1= 1 – t; f 2= tt 2; f 3= t 2; A (p) = 2 pp ¢.

№ 10, 25. f 1= t (1 + t); f 2= t (t –1); f 3= 1; A (p) = t × p ¢.

№ 11, 26. f 1= t (1 + t); f 2= t (t –1); f 3= 1; A (p) = p + p ¢.

№ 12, 27. f 1= t (1 + t); f 2= t (t –1); f 3= 1; A (p) = 2 pp ¢.

№ 13, 28. f 1= t 2+ t + 1; f 2= t 2+ t; f 3= t 2; A (p) = t × p ¢.

№ 14, 29. f 1= t 2+ t + 1; f 2= t 2+ t; f 3= t 2; A (p) = p + p ¢.

№ 15, 30. f 1= t 2+ t + 1; f 2= t 2+ t; f 3= t 2; A (p) = 2 p.


ТРЕНИНГ УМЕНИЙ





Дата публикования: 2015-03-26; Прочитано: 380 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!



studopedia.org - Студопедия.Орг - 2014-2024 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.04 с)...