Butun axtardiqlarinizi tapmaq ucun buraya: DAXIL OLUN
  Mp4 Mp3 Axtar Yukle
  Video Axtar Yukle
  Shekil Axtar Yukle
  Informasiya Melumat Axtar
  Hazir Inshalar Toplusu
  AZERI CHAT + Tanishliq
  1-11 Sinif Derslikler Yukle
  Saglamliq Tibbi Melumat
  Whatsapp Plus Yukle(Yeni)

  • Ana səhifə
  • Təsadüfi
  • Yaxınlıqdakılar
  • Daxil ol
  • Nizamlamalar
İndi ianə et Əgər Vikipediya sizin üçün faydalıdırsa, bu gün ianə edin.

Yakobi üsulu

  • Məqalə
  • Müzakirə

Yakobi üsulu — rəqəmsal xətti cəbrdə diaqonal dominant xətti bərabərliklərin həllinin tapılması alqoritmi. Hər bir diaqonal element həll edilir və təxmini dəyər daxil edilir. Proses həllə yaxınlaşana kimi davam etdirilir. Bu üsula Karl Qustav Yakob Yakobinin adı verilib.

Mündəricat

  • 1 Təsviri
  • 2 Nümunə
  • 3
  • 4 İstinadlar

Təsviri

Fərz edək ki,

A x = b {\displaystyle A\mathbf {x} =\mathbf {b} }  

n dərəcəli xətti bərabərliklərdir, burada:

A = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] , x = [ x 1 x 2 ⋮ x n ] , b = [ b 1 b 2 ⋮ b n ] . {\displaystyle A={\begin{bmatrix}a_{11}&a_{12}&\cdots &a_{1n}\\a_{21}&a_{22}&\cdots &a_{2n}\\\vdots &\vdots &\ddots &\vdots \\a_{n1}&a_{n2}&\cdots &a_{nn}\end{bmatrix}},\qquad \mathbf {x} ={\begin{bmatrix}x_{1}\\x_{2}\\\vdots \\x_{n}\end{bmatrix}},\qquad \mathbf {b} ={\begin{bmatrix}b_{1}\\b_{2}\\\vdots \\b_{n}\end{bmatrix}}.}  

Sonra A matrisi diaqonal D komponentinə və onun qalığı R matrisinə bölünür:

A = D + R where D = [ a 11 0 ⋯ 0 0 a 22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ a n n ]  and  R = [ 0 a 12 ⋯ a 1 n a 21 0 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ 0 ] . {\displaystyle A=D+R\qquad {\text{where}}\qquad D={\begin{bmatrix}a_{11}&0&\cdots &0\\0&a_{22}&\cdots &0\\\vdots &\vdots &\ddots &\vdots \\0&0&\cdots &a_{nn}\end{bmatrix}}{\text{ and }}R={\begin{bmatrix}0&a_{12}&\cdots &a_{1n}\\a_{21}&0&\cdots &a_{2n}\\\vdots &\vdots &\ddots &\vdots \\a_{n1}&a_{n2}&\cdots &0\end{bmatrix}}.}  

Bunun həlli təkrarlanmaqla belə tapılır

x ( k + 1 ) = D − 1 ( b − R x ( k ) ) , {\displaystyle \mathbf {x} ^{(k+1)}=D^{-1}(\mathbf {b} -R\mathbf {x} ^{(k)}),}  

burada x ( k ) {\displaystyle \mathbf {x} ^{(k)}}  , x {\displaystyle \mathbf {x} }  -nin k dərəcəli approksimasiyası yaxud təkrarlanması və x ( k + 1 ) {\displaystyle \mathbf {x} ^{(k+1)}}  , x {\displaystyle \mathbf {x} }  -nin növbəti yaxud k + 1 dərəcəli təkrarlanmasıdır. Element əsaslı formula beləcə aşağıdakı kimidir:

x i ( k + 1 ) = 1 a i i ( b i − ∑ j ≠ i a i j x j ( k ) ) , i = 1 , 2 , … , n . {\displaystyle x_{i}^{(k+1)}={\frac {1}{a_{ii}}}\left(b_{i}-\sum _{j\neq i}a_{ij}x_{j}^{(k)}\right),\quad i=1,2,\ldots ,n.}  

xi(k+1) hesablanması x(k)-də özündən başqa hər bir elementin olmasını tələb edir.

Nümunə

Xətti bərabərlik sistemi A x = b {\displaystyle Ax=b}   formasında və onun ilkin fərz edilən həlli x ( 0 ) {\displaystyle x^{(0)}}   verilib

A = [ 2 1 5 7 ] ,   b = [ 11 13 ] and x ( 0 ) = [ 1 1 ] . {\displaystyle A={\begin{bmatrix}2&1\\5&7\\\end{bmatrix}},\ b={\begin{bmatrix}11\\13\\\end{bmatrix}}\quad {\text{and}}\quad x^{(0)}={\begin{bmatrix}1\\1\\\end{bmatrix}}.}  

Biz x {\displaystyle x}   hesablamaq üçün yuxarıda verilən x ( k + 1 ) = D − 1 ( b − R x ( k ) ) {\displaystyle x^{(k+1)}=D^{-1}(b-Rx^{(k)})}   bərabərliyindən istifadə edirik. Əvvəlcə biz bərabərliyi daha rahat olan D − 1 ( b − R x ( k ) ) = T x ( k ) + C {\displaystyle D^{-1}(b-Rx^{(k)})=Tx^{(k)}+C}   formasında yazırıq, burada T = − D − 1 R {\displaystyle T=-D^{-1}R}   və C = D − 1 b {\displaystyle C=D^{-1}b}  . Nəzərə alın ki, R = L + U {\displaystyle R=L+U}  , burada L {\displaystyle L}   və U {\displaystyle U}  , A {\displaystyle A}   matrisinin aşağı və yuxarı hissələridir. Verilən dəyərlərə əsasən

D − 1 = [ 1 / 2 0 0 1 / 7 ] ,   L = [ 0 0 5 0 ] and U = [ 0 1 0 0 ] . {\displaystyle D^{-1}={\begin{bmatrix}1/2&0\\0&1/7\\\end{bmatrix}},\ L={\begin{bmatrix}0&0\\5&0\\\end{bmatrix}}\quad {\text{and}}\quad U={\begin{bmatrix}0&1\\0&0\\\end{bmatrix}}.}  

biz T = − D − 1 ( L + U ) {\displaystyle T=-D^{-1}(L+U)}   tapırıq

T = [ 1 / 2 0 0 1 / 7 ] { [ 0 0 − 5 0 ] + [ 0 − 1 0 0 ] } = [ 0 − 1 / 2 − 5 / 7 0 ] . {\displaystyle T={\begin{bmatrix}1/2&0\\0&1/7\\\end{bmatrix}}\left\{{\begin{bmatrix}0&0\\-5&0\\\end{bmatrix}}+{\begin{bmatrix}0&-1\\0&0\\\end{bmatrix}}\right\}={\begin{bmatrix}0&-1/2\\-5/7&0\\\end{bmatrix}}.}  

Daha sonra C {\displaystyle C}   tapılır

C = [ 1 / 2 0 0 1 / 7 ] [ 11 13 ] = [ 11 / 2 13 / 7 ] . {\displaystyle C={\begin{bmatrix}1/2&0\\0&1/7\\\end{bmatrix}}{\begin{bmatrix}11\\13\\\end{bmatrix}}={\begin{bmatrix}11/2\\13/7\\\end{bmatrix}}.}  

T {\displaystyle T}   və C {\displaystyle C}   hesablandıqdan sonra biz x {\displaystyle x}  -i x ( 1 ) = T x ( 0 ) + C {\displaystyle x^{(1)}=Tx^{(0)}+C}   kimi hesablayırıq:

x ( 1 ) = [ 0 − 1 / 2 − 5 / 7 0 ] [ 1 1 ] + [ 11 / 2 13 / 7 ] = [ 5.0 8 / 7 ] ≈ [ 5 1.143 ] . {\displaystyle x^{(1)}={\begin{bmatrix}0&-1/2\\-5/7&0\\\end{bmatrix}}{\begin{bmatrix}1\\1\\\end{bmatrix}}+{\begin{bmatrix}11/2\\13/7\\\end{bmatrix}}={\begin{bmatrix}5.0\\8/7\\\end{bmatrix}}\approx {\begin{bmatrix}5\\1.143\\\end{bmatrix}}.}  

Təkrarlamanın nəticələri belədir

x ( 2 ) = [ 0 − 1 / 2 − 5 / 7 0 ] [ 5.0 8 / 7 ] + [ 11 / 2 13 / 7 ] = [ 69 / 14 − 12 / 7 ] ≈ [ 4.929 − 1.714 ] . {\displaystyle x^{(2)}={\begin{bmatrix}0&-1/2\\-5/7&0\\\end{bmatrix}}{\begin{bmatrix}5.0\\8/7\\\end{bmatrix}}+{\begin{bmatrix}11/2\\13/7\\\end{bmatrix}}={\begin{bmatrix}69/14\\-12/7\\\end{bmatrix}}\approx {\begin{bmatrix}4.929\\-1.714\\\end{bmatrix}}.}  

Bu proses yığılmaya kimi (yəni ‖ A x ( n ) − b ‖ {\displaystyle \|Ax^{(n)}-b\|}   kiçik olana qədər) davam etdirilir. 25 təkrarlamadan sonra həll belədir

x = [ 7.111 − 3.222 ] . {\displaystyle x={\begin{bmatrix}7.111\\-3.222\end{bmatrix}}.}  

  • Şablon:CFDWiki
  • Black, Noel; Moore, Shirley; and Weisstein, Eric W. Jacobi method (ing.) Wolfram MathWorld saytında.
  • Jacobi Method from www.math-linux.com
  • Numerical matrix inversion

İstinadlar

Mənbə — "https://az.wikipedia.org/w/index.php?title=Yakobi_üsulu&oldid=7512268"
Informasiya Melumat Axtar