
- •1.1 Что такое погрешности числа и вычислений.
- •1.2. Дайте определение погрешности.
- •1.4. Укажите формы записи абсолютной погрешности.
- •1.14. Привести формы записи числа с фиксированной и плавающей запятой. Привести примеры записи.
- •1.15. Что такое сомнительные и верные числа числа. Способы их вычисления.
- •1.24. Понятие вычислительного эксперимента.
- •1.27. Сколько значащих цифр в числе 1223.0034
- •1.28. Как влияет способ представления чисел в эвм на точность результатов.
- •3.1. Назовите приближенные методы решения систем нелинейных уравнений
- •3.6.Основные понятия итерационного процесса
- •3.20.Правило останова итерационных методов решения нелинейных уравнений
- •Метод простых итераций (метод Якоби) для решения систем нелинейных уравнений
- •Метод Ньютона для решения систем нелинейных уравнений
- •4.10 Нормой матрицы l называют такое вещественное число, которое удовлетворяет следующим условиям:
- •4.11 Примеры норм матриц
- •4.18. В чем сущность метода итерации для решения слау, как еще называют этот метод.
- •Метод Зейделя
- •Вычисление определителей методом Гаусса
- •5.1 Обыкновенное дифференциальное уравнение и уравнение в частных производных
- •5.2 Задача Коши и краевая задача
- •5.3 Методы Рунге-Кутта
- •5.7 Решение систем дифференциальных уравнений
- •5.8 Дайте определение задачи Коши
- •5.9 Дайте определение краевой задачи
- •5.10 Приведите классификацию дифференциальных уравнений
- •5.20 Методы Рунге для решении задачи Коши (идея и особенности)
- •5.21 Метод Эйлера для решения задачи Коши
- •5.22 Принцип Рунге для оценки шага при решении задачи Коши
- •5.23 Источники погрешности методов Рунге - Кутта
- •6.1 Основные задачи аппроксимации функций
- •6.2 Понятие интерполяции данных, критерий интерполяции
- •6.4 Фильтрация и сглаживание данных
- •6.5 Регрессионное уравнение
- •6.6 Метод наименьших квадратов
- •6.7 Экстраполяция данных (прогноз данных)
- •6.8 Показатели эффективности аппроксимации
- •6.9 Решение задач аппроксимации в пакете MathCad
- •6.10 Приведите понятие аппроксимации функций
- •6.11 Приведите понятие интерполирования данных (глобальная и локальная интерполяция)
- •6.12 Что такое сглаживание данных
- •6.17 В чем состоит основная идея сплайн аппроксимации.
- •6.18 Критерий метода наименьших квадратов
- •6.20. Процедуры интерполирования данных в ппп MathCad
- •6.21 Понятие регрессионного уравнения
- •6.22 Что такое базисные функции? Пример базисных функций.
- •6.23 Суть метода наименьших квадратов
- •6.24 Понятие аппроксимации
- •6.25. Показатели эффективности приближения данных
4.10 Нормой матрицы l называют такое вещественное число, которое удовлетворяет следующим условиям:
||α||=0 тогда и только тогда, когда Lij=0
||α*a||=|a|*||α||
||α*B||=||α||*||B||
||α+B||=||α||+||B||
4.11 Примеры норм матриц
4.12 |
Укажите условия сходимости метода Якоби для решения СЛАУ |
Для
того, чтобы метод простых итераций
(Якоби) сходился при любом начальном
векторе
необходимо чтобы какая-либо норма
матрицы α<1 (||α||<1)
Нормой матрицы α называют такое вещественное число, которое удовлетворяет следующим аксиомам.
1) ||α||=0 => αij=0
2) ||λα||=|λ|*||α||
3) ||αβ||≤||α||*||β||
4) ||α+β||≤||α||+||β||
α,β – матрицы, λ-const
Достаточным условием сходимости решения системы A·x = f, является то, что матрица A является матрицей с преобладающими диагональными элементами, то есть
4.13 |
Методика приведения СЛАУ к сходящемуся виду |
Для приведения матрицы А к сходящемуся виду практически поступают следующим образом:
1. Из заданной системы выделяют уравнения, модули коэффициентов которых больше суммы модулей остальных коэффициентов в виде этих уравнениях.
2. Каждое из выделенных уравнений записывается в такую строку новой системы, чтобы этот максимальный элемент стал диагональным.
3. Из оставшихся и выделенных уравнений системы составляются линейно независимые между собой линейные комбинации так, чтобы выполнялся принцип 2., были заполнены все свободные строки новой системы и были использованы все уравнения исходной системы.
4.14 |
Дайте сравнительную оценку методам решения СЛАУ. |
Существуют 3 основных метода решения СЛАУ: метод Гаусса, метод Якоби и метод Зейделя.
Метод Гаусса является прямым методом решения СЛАУ. Это значит, что в отличие от методов Якоби и Зейделя он не накапливает ошибок вычислений, но применим только к матрицам ограниченной размерности, и плохо работает с разряженными матрицами.
Метод Зейделя в отличие от метода Якоби позволяет достичь требуемых значений погрешности за меньшее количество итераций, следовательно он более эффективен, чем метод Якоби.
Метод Гаусса лучше работает не разреженными матрицами ограниченной размерности, в противном случае более эффективен метод Зейделя.
4.15 |
Чем точные методы решения СЛАУ отличаются от приближенных? |
Применяемые в настоящее время методы решения СЛАУ можно разбить на две группы: точные и приближённые.
Точными методами называются такие методы, которые в предположении, что вычисления ведутся точно (без округлений), за конечное число действий позволяют получить точные значения неизвестных xi.
Приближенными методами называются такие методы, которые даже в предположении, что вычисления ведутся без округлений, позволяют получить решение системы (x1, x2, ..., xn) лишь с заданной точностью. Точное решение СЛАУ в этих случаях может быть получено теоретически как результат бесконечного процесса.
К приближенным методам относятся метод простой итерации, метод Зейделя и т.п.я матрицы А к сходящимуся
4.16 |
В каких случаях целесообразно использовать итерационные методы решения СЛАУ? |
Не итерационные методы способны считать СЛАУ с определенной точностью. Если нам нужно посчитать с другой точностью, той которая необходима нам, нужно использовать итерационные методы. В итерационных методах мы сами задаем точность.
4.17 Что влияет на скорость сходимости итерационного процесса
На скорость сходимости итерационного процесса влияет: входные данные, т.е. вектор начальных приближений, выбранный метод вычислений.