Различные схемы реализации метода Гаусса.
При решении систем уравнений методом Гаусса важным моментом является выбор разрешающего элемента. В предыдущем примере в качестве разрешающего элемента мы выбирали элементы главной диагонали исходной матрицы. Но совершенно очевидно, что возможны и другие варианты.
На рисунке изображены несколько схем реализации метода Гаусса для матрицы размерности 3 x 3 :
Выбор разрешающего элемента влияет на точность вычислений. Это утверждение легко проверить, если разрешить некую систему уравнений методом Гаусса по различным схемам выбора разрешающего элемента и сравнить значения невязки, которые получаются в каждом случае.
В том случае, когда нам нужно решить несколько однотипных систем линейных уравнений, возникает естественное желание неким образом автоматизировать данный процесс. Для этого рекомендуется создать макрос решения системы уравнений методом Гаусса с пустой исходной таблицей. После выполнения макроса исходную таблицу можно заполнять различными начальными данными и результаты вычислений фиксировать на отдельном листе.
Ï ð è ì å ð 2. Составить макрос для решения методом Гаусса системы линейных уравнений размерности 4 x 4.
Р е ш е н и е .
A1 | A2 | A3 | A4 | A0 |
| Исходная |
|
|
|
|
|
| матрица |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 | A2 | A3 | A4 | A0 |
| Шаг 1 |
=A3/$A$3 | =B3/$A$3 | =C3/$A$3 | =D3/$A$3 | =E3/$A$3 |
|
|
=A4-A10*$A$4 | =B4-B10*$A$4 | =C4-C10*$A$4 | =D4-D10*$A$4 | =E4-E10*$A$4 |
|
|
=A5-A10*$A$5 | =B5-B10*$A$5 | =C5-C10*$A$5 | =D5-D10*$A$5 | =E5-E10*$A$5 |
|
|
=A6-A10*$A$6 | =B6-B10*$A$6 | =C6-C10*$A$6 | =D6-D10*$A$6 | =E6-E10*$A$6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 | A2 | A3 | A4 | A0 |
| Шаг 2 |
=A10-A18*$B$10 | =B10-B18*$B$10 | =C10-C18*$B$10 | =D10-D18*$B$10 | =E10-E18*$B$10 |
|
|
=A11/$B$11 | =B11/$B$11 | =C11/$B$11 | =D11/$B$11 | =E11/$B$11 |
|
|
=A12-A18*$B$12 | =B12-B18*$B$12 | =C12-C18*$B$12 | =D12-D18*$B$12 | =E12-E18*$B$12 |
|
|
=A13-A18*$B$13 | =B13-B18*$B$13 | =C13-C18*$B$13 | =D13-D18*$B$13 | =E13-E18*$B$13 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 | A2 | A3 | A4 | A0 |
| Шаг 3 |
=A17-A26*$C$17 | =B17-B26*$C$17 | =C17-C26*$C$17 | =D17-D26*$C$17 | =E17-E26*$C$17 |
|
|
=A18-A26*$C$18 | =B18-B26*$C$18 | =C18-C26*$C$18 | =D18-D26*$C$18 | =E18-E26*$C$18 |
|
|
=A19/$C$19 | =B19/$C$19 | =C19/$C$19 | =D19/$C$19 | =E19/$C$19 |
|
|
=A20-A26*$C$20 | =B20-B26*$C$20 | =C20-C26*$C$20 | =D20-D26*$C$20 | =E20-E26*$C$20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 | A2 | A3 | A4 | A0 |
| Шаг 4 |
=A24-A34*$D$24 | =B24-B34*$D$24 | =C24-C34*$D$24 | =D24-D34*$D$24 | =E24-E34*$D$24 |
|
|
=A25-A34*$D$25 | =B25-B34*$D$25 | =C25-C34*$D$25 | =D25-D34*$D$25 | =E25-E34*$D$25 |
|
|
=A26-A34*$D$26 | =B26-B34*$D$26 | =C26-C34*$D$26 | =D26-D34*$D$26 | =E26-E34*$D$26 |
|
|
=A27/$D$27 | =B27/$D$27 | =C27/$D$27 | =D27/$D$27 | =E27/$D$27 |
|
|
Полученный результат |
|
|
|
| ||
X1 | X2 | X3 | X4 |
|
|
|
=E31 | =E32 | =E33 | =E34 |
|
|
|
|
|
|
|
|
|
|
Оценка точности вычислений |
|
|
|
| ||
A1 | A2 | A3 | A4 | SUM | A0 | (A0-SUM)^2 |
=A17*$A$38 | =B17*$A$38 | =C17*$A$38 | =D17*$A$38 | =СУММ(A42:D42) | =E3 | =(F42-E42)^2 |
=A18*$B$38 | =B18*$B$38 | =C18*$B$38 | =D18*$B$38 | =СУММ(A43:D43) | =E4 | =(F43-E43)^2 |
=A19*$C$38 | =B19*$C$38 | =C19*$C$38 | =D19*$C$38 | =СУММ(A44:D44) | =E5 | =(F44-E44)^2 |
=A20*$D$38 | =B20*$D$38 | =C20*$D$38 | =D20*$D$38 | =СУММ(A45:D45) | =E6 | =(F45-E45)^2 |
|
|
| Величина невязки: | R(x) | =СУММ(G42:G45) |
- Математические методы системного анализа и теория принятия решений Методическое пособие
- 1. Теория принятия решений 4
- 2. Линейное программирование 9
- 3. Нелинейное программирование 42
- 4. Игровые методы обоснования решений 51
- 5. Задачи распознавания образов 62
- Предисловие
- 1. Теория принятия решений
- 1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- Основные понятия и принципы исследования операций.
- Примеры задач исследования операций.
- 1.2. Математические модели операций Искусство моделирования.
- 1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- Пример выбора решения при определенности: линейное программирование.
- Проблема выбора решений в условиях неопределенности.
- Выбор решения по многим критериям.
- «Системный подход».
- 2. Линейное программирование
- 2.1. Краткое представление о математическом программировании Предмет математического программирования.
- Краткая классификация методов математического программирования.
- 2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- Задача о наилучшем использовании ресурсов.
- Задача о выборе оптимальных технологий.
- Задача о смесях.
- Задача о раскрое материалов.
- Транспортная задача.
- 2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- Решение систем линейных уравнений методом Гаусса.
- Реализация метода исключения неизвестных в среде Excel.
- Различные схемы реализации метода Гаусса.
- Опорные решения системы линейных уравнений.
- 2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- Каноническая форма представления задачи линейного программирования.
- Переход к канонической форме.
- 2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- Геометрическая интерпретация.
- 2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- Графический метод решения задачи линейного программирования.
- 2.7. Симплексный метод Идея симплекс-метода.
- Теоретические обоснования симплекс-метода.
- Переход к нехудшему опорному плану.
- Зацикливание.
- Алгоритм симплекс-метода.
- 2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- Связь между решениями прямой и двойственной задач.
- Геометрическая интерпретация двойственных задач.
- 2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- 3. Нелинейное программирование
- 3.1. Общая задача нелинейного программирования Постановка задачи.
- Примеры задач нелинейного программирования (экономические).
- Геометрическая интерпретация задачи нелинейного программирования.
- 3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- 3.3. Классические методы оптимизации Метод прямого перебора.
- Классический метод дифференциальных исчислений.
- 3.4. Метод множителей лагранжа
- 3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- Метод Франка-Вулфа.
- Метод штрафных функций.
- 4. Игровые методы обоснования решений
- 4.1. Предмет и задачи теории игр Основные понятия.
- Классификация выборов решений.
- Антагонистические матричные игры.
- Чистые и смешанные стратегии и их свойства.
- 4.2. Методы решения конечных игр Упрощение матричной игры.
- Решение матричной игры размерностью 22.
- Графическое решение матричной игры.
- Сведение задач теории игр к задачам линейного программирования.
- 4.3. Задачи теории статистических решений Игры с природой.
- Критерии принятия решений.
- 5. Задачи распознавания образов
- 5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- Обсуждение задачи опознавания.
- Язык распознавания образов.
- Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- Общая постановка задачи.
- Геометрическая интерпретация задачи распознавания.
- Классификация задач распознавания.
- 5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- 5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- Методы создания системы признаков.
- Признаковое пространство.
- Сокращение размерности исходного описания.
- Методы построения решающего правила.
- 5.4. Меры и метрики Понятие о сходстве.
- Меры сходства и метрики.
- Примеры функций мер сходства.
- 5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- Получение исходного описания.
- Создание системы признаков.
- Сокращение размерности исходного описания.
- Нахождение решающего правила (метод эталонов).
- Коррекция решающего правила.
- 5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- Минимизация числа эталонов.
- Габаритные эталоны.
- Применение метода эталонов к частично пересекающимся образам.
- Дополнительная минимизация числа признаков.
- Квадратичный дискриминантный анализ.
- Распознавание с отказами.
- 5.8. Алгоритм голотип-1 Назначение
- Постановка задачи
- Метод решения задачи.
- Условия применимости.
- Условия применимости.
- 5.10. Алгоритм направление опробования Назначение
- Постановка задачи.
- Метод решения задачи.
- Условия применимости.
- Транспортная задача Математическая постановка.
- Постановка задачи.
- Теоретическое введение.
- Методы нахождения опорного плана транспортной задачи.
- Определение оптимального плана транспортной задачи.
- Заключение.
- Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- Постановка задачи.
- Методы отсечения.
- Алгоритм Гомори.
- Первый алгоритм р. Гомори решения полностью целочисленных задач.
- Приближенные методы.
- Заключение.
- Параметрическое программирование Введение.
- Формулировка задачи.
- Теоретическая часть.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи
- Постановка задачи.
- Решение.
- Геометрическое решение.
- Решение задачи симплекс-методом.
- Результат.
- Некооперативные игры n лиц с ненулевой суммой Введение.
- Теоретическая часть.
- Постановка и решение задачи.
- Заключение.
- Cписок литературы