- •Определение 2. Величина называется абсолютной погрешностью представления числа X с помощью числа .
- •1.2 Распространение ошибок округления в арифметических операциях.
- •1.7.2. Простейшие свойства многочленов Чебышева.
- •11. Численное интегрирование. Использование функциональных рядов.
- •12. Квадратурные формулы на основе интерполяции. Формулы для коэффициентов и остаточного члена.
- •13. Базовые квадратурные формулы прямоугольников, трапеций и парабол. Формулы теоретической погрешности.
- •14. Обобщенные квадратурные формулы трапеций и Симпсона
- •15. Теоретические оценки погрешности обобщенных формул трапеций и Симпсона.
- •17. Общие свойства полиномов ортогональных с весом.
- •18. Алгебраическая степень точности квадратурной формулы. Квадратурные формулы Гаусса-Кристоффеля.
- •19. Теорема о необходимых условиях выбора узлов в формулах Гаусса-Кристоффеля.
- •20. Классические ортогональные многочлены. Построение ортогональных многочленов Лежандра на каноническом отрезке [-1,1].
- •2. Покажем, что - неподвижная точка. Из сходимостиследует, т.Е.
- •22. Метод простых итераций решения функциональных уравнений и систем. Условия сходимости.
- •23. Метод Ньютона. Геометрическая интерпретация. Теорема о сходимости метода в одномерном случае.
- •24. Метод Ньютона в многомерном случае. Организация итерационного алгоритма.
- •25. Численные методы решения слау. Прямые и итерационные методы – общие понятия.
- •26. Нормы вещественных квадратных матриц. Спектральные свойства матриц.
- •27. Обусловленность матриц и систем лау. Определение числа обусловленности.
- •28. Метод итераций для слау второго рода. Теорема о достаточных условиях сходимости.
- •29. Спектральный признак сходимости (теорема о необх. И достат. Условиях сходимости).
- •30. Стационарные итерационные процедуры. Приведение слау первого рода к системе второго рода.
- •31. Метод простых итераций Ричардсона. Условия сходимости.
- •32. Теорема о выборе ускоряющего множителя в методе Ричардсона.
- •33. Метод Якоби. Организация алгоритма. Теорема о достаточных условиях сходимости.
- •34. Метод Зейделя как ускорение метода Якоби. Организация алгоритма. Теорема об условиях сходимости.
- •35. Метод последовательной верхней релаксации. Организация алгоритма.
- •36. Численное дифференцирование на основе интерполяции.
- •37. Численное дифференцирование на равномерной сетке, основанное на тэйлоровском разложении. Теоремы об аппроксимации первой и второй производной.
- •38. Задача Коши. Постановки задачи в одномерном случае для первой и второй производной. Сведение к системе уравнений с первой производной.
- •39. Метод Эйлера. Алгоритм, геометрическая интерпретация, порядок точности.
- •40. Методы Рунге-Кутты повышенной точности. Метод “предиктор – корректор” и метод «средней точки».
- •41. Общая постановка краевой задачи для оду 2-го порядка. Классификация граничных условий.
- •42. Метод “стрельбы” решения краевой задачи с граничными условиями первого рода.
- •43. Метод конечных разностей решения линейной краевой задачи для оду 2-го порядка.
- •45. Устойчивость разностных схем. Спектральный признак устойчивости для уравнений с постоянными коэффициентами. Примеры для оду и уравнений в частных производных.
- •16. Правило Рунге практической оценки погрешности квадратурной формулы Симпсона.
- •10. Среднеквадратичное приближение. Метод наименьших квадратов в регрессионном анализе. Вывод уравнения прямой регрессии.
24. Метод Ньютона в многомерном случае. Организация итерационного алгоритма.
Пусть задана система нелинейных уравнений
или в более компактной форме:
,
где и─-мерные вектор-столбцы.
Для реализации метода решения и исследования сходимости необходимо, чтобы функции были достаточно гладкими, например,, где.
Рассмотрим i-ое уравнение системы: и пусть- некоторое приближение к корню, полученное наk-ой итерации.
Разложим функцию в многомерный ряд Тейлора в точке:
, |
(17) |
где
-
- вектор-градиент функции в точке, а- скалярное произведение векторовa и b. Пренебрегая остаточным членом в (17), положим
или в более компактной матричной форме:
, |
(18) |
где
-
- так называемая матрица Якоби первых производных в точке .
Пусть . Разрешим систему линейных алгебраических уравнений (18) относительноx:
И положим :
|
(19) |
Векторное уравнение (19) представляет собой итерационную процедуру Ньютона в многомерном случае. Для ее запуска необходимо задать начальную точку . Однако при произвольном выборе начальной точки нельзя гарантировать сходимость процедуры Ньютона. Вопрос о сходимости (19) в теоретическом плане более сложный, чем тот же вопрос о сходимости метода Ньютона в одномерном случае. Рассмотрим некоторые основные моменты проблемы исследования сходимости процедуры (19).
Прежде всего, отметим, что для реализации метода Ньютона необходимо, чтобы матрица Якоби была невырождена в некоторой окрестности точки. Тогда обратная матрицасуществует в этой окрестности. Аналогично одномерному случаю, процедуру (19) можно рассматривать как итерационный поиск неподвижной точки для уравнения
,
где --мерная оператор-функция. Можно показать, что . Поэтому, как и в одномерном случае существует окрестность точки, в которой оператор-функцияявляется сжимающим оператором с некоторой константой сжатия, тем меньшей, чем ближе точкак точке(в эвклидовой норме). Поэтому о характере сходимости многомерного метода Ньютона справедливы утверждения, аналогичные одномерному случаю.
Например, если - строго выпукла вG, и начальное приближениевыбирается достаточно близко к, то итерационная процедура Ньютона (19) сходится с линейной скоростью, а, начиная с некоторого номера, - и с квадратичной скоростью.
25. Численные методы решения слау. Прямые и итерационные методы – общие понятия.
Пусть задана система линейных алгебраических уравнений (ЛАУ) в стандартной форме:
,
где - матрица,,,.
Если - то решение системы существует и единственно.
Формальное решение системы можно записать по известным формулам Крамера
,
где определители вычисляются по известному правилу.
Однако с вычислительной точки зрения формальное решение не эффективно (хотя и устойчиво) – требует слишком много операций на вычисление определителей (для каждого определителя слагаемых). Это совершенно неприемлемо даже для современных компьютеров уже при. Поэтому используются другие методы численного решения. Эти методы делятся на две большие группы: 1)– прямые методы и 2) – итерационные методы.
Прямые методы основаны на последовательном исключении неизвестных и приведении матрицы A к треугольному виду (метод Гаусса и его модификации, основанные на определенном правиле выбора главного элемента). Эти методы дают решение СЛАУ за конечное число арифметических операций – это их основное преимущество. Число операций, затрачиваемых на приведение системы к треугольному виду и последующее решение пропорционально . Основной недостаток прямых методов – возможно сильное накопление ошибок округлений при делении на малые числа. Кроме того, возможно возникновение так называемой неустранимой погрешности, если система (и соответственно матрица)плохо обусловлена. Это свойство систем обсуждается далее в п.п.3.4.2.
Итерационные методы более эффективны в вычислении и применяются для разреженных (слабо заполненных) систем порядка и более.