Lineáris algebra epizód tartalma:
Itt szuper érthetően elmeséljük, hogy mi az a Richardson iteráció, hogyan lehet vele egyenletrendszereket megoldani, mire kell vigyázni a Richardson iteráció használata közben. Megoldunk néhány egyenletrendszert a Ricgardson iteráció segítségével.
Itt jön egy újabb iterációs módszer, amit Richardson iterációnak neveztek el.
Az iteráció konvergenciája mindig ezen a B mátrixon múlik…
A Richardson iteráció lényege pedig az, hogy nem bízza a B mátrixot a véletlenre.
Itt van az eredeti egyenletrendszer…
És beszorozzuk valami nem nulla számmal.
Aztán még rendezgetünk egy kicsit…
És meg is van a Richardson iteráció általános alakja.
A dolog azért nagyon ravasz, mert így a B mátrixot kedvünk szerint tudjuk úgy alakítgatni, hogy a spektrálsugara 1-nél kisebb legyen.
Próbáljuk ki a Richardson iterációt ennek az egyenletrendszernek a megoldására.
Elkészítjük a Richardson iteráció B mátrixát:
És most kipróbálunk néhány -t.
A cél az, hogy a B mátrix spektrálsugara 1-nél kisebb legyen.
A B mátrix spektrálsugara a sajátértékek abszolútértékei közül a legnagyobb.
Hogyha például …
Akkor a spektrálsugár…
A B mátrix sajátértékeinek abszolútértékei közül a legnagyobb.
Ezek itt a sajátértékek…
És a sajátértékek abszolútértékei közül a legnagyobb…
Ez lesz a spektrálsugár.
…
Hát, ez sajna 1-nél nagyobb, úgyhogy az iteráció divergens.
Nem baj, akkor keresünk másik -t.
Nézzük, mi van akkor, ha mondjuk .
Megint kiszámoljuk a sajátértékeket.
És a spektrálsugár…
Még mindig 1-nél nagyobb.
Hát, még az se jó.
Próbáljuk ki az értéket is…
És bumm. Ez jó.
A spektrálsugár végre 1-nél kisebb.
Az iteráció konvergens lesz, a rekurziós képlet pedig:
Nézzünk meg még egy ilyet.
Oldjuk meg ezt az egyenletrendszert a Richardson iterációval.
Lássuk a B mátrixot:
És most jó lenne, ha nem kellene annyit szenvednünk az –val, mint az előbb…
Szerencsére itt jön erre egy remek kis feltétel.
Ha az egyenletrendszer együtthatómátrixa nxn-es szimmetrikus pozitív definit mátrix, és sajátértékei akkor a Richardson iteráció ezekre az paraméterekre konvergens:
Az optimális paraméter pedig:
Az optimális paraméterhez tehát szükségünk van az A mátrix sajátértékeire.
És most jöhet az iteráció.
Az iteráció szép lassan konvergál a megoldáshoz.
Hogyha öt egymást követő tag már alig tér el egymástól, akkor szinte biztosak lehetünk benne, hogy meg is van a megoldás.