- •1.Источники и классификация погрешностей. Неустранимая и вычислительная погрешность.
- •2. Постановка задачи интерполирования. Существование и единственность обобщенного интерполяционного многочлена.
- •3. Интерполяционный многочлен Лагранжа.
- •4. Схема Эйткина
- •5. Остаточный член интерполяционного многочлена Лагранжа.
- •6. Минимиз. Оценки остаточного члена интерпол. Мн-на.
- •7. Разделенные разности и интерполяционная формула Ньютона с разделенными разностями.
- •8. Конечные разности и интерполяционные формулы Ньютона с конечными разностями.
- •9. Составление таблиц.
- •10. Сходимость интерполяционного процесса
- •11.Общая задача интерполирования алгебраическими многочленами. Интерполяционный многочлен Эрмита с узлами кратности 2.
- •13 . Оптимизация шага при численном диф-нии
- •14. Интерполяционные квадратурные формулы
- •15. Квадратурные формулы Ньютона-Котеса
- •16. Простейшие квадрат ф-лы н-Кот. И оценка их погрешности.
- •17. Составные квадратурные формулы средних прямоугольников, трапеций, парабол и оценка их погрешности
- •18. Квадратурные формулы Гаусса
- •20. Метод наименьших квадратов.
- •22.Обобщённые мног-ны наилучших среднеквадратических приближений.
- •24. Многочлены наилучших равномерных приближений. Примеры.
- •25. Наилучшие приближения в линейном нормированном пространстве.
- •26. Интерполяционные сплайны.
- •27. Существование и единственность кубического сплайна.
- •28.Краткие сведения о нормах векторов и матриц.
- •29. Обусловленность линейных алгебраических систем.
- •30. Метод Гаусса решения системы линейных ур-ний.
- •31. - Разложение квадратных матриц.
- •32. Разложение симметричных матриц. Метод квадр. Корней решения лин. Алг.Систем
- •34. Принцип сжимающих отображений в метрическом пространстве.
- •35. Метод простой итерации решения лин. Алг. Систем и усл. Его сходимости.
- •36. Метод Якоби решения линейных алгебраических систем
- •37. Метод Зейделя решения лин. Алг. Систем.
- •38. Метод покоординатного спуска решения линейных алгебраических систем.
- •39. Метод скорейшего спуска решения линейных алгебраических систем
- •40. Степенной метод решения частичной проблемы собственных значений.
- •41. Метод Данилевского раскрытия характеристического уравнения
- •42. Метод вращений решения полной проблемы собственных значений.
- •43. Метод бисекции и простой итерации решения уравнений с одним неизвестным.
- •44. Методы хорд и касательных как частные случаи метода простой итерации.
- •45. Методы локализации корней алгебраического уравнения.
- •46. Метод Лобачевского решения алгебраических уравнений.
- •47. Методы простой итерации и Зейделя решения системы нелинейных уравнений.
- •48. Метод Ньютона и аналоги метода Зейделя решения системы нелинейных уравнений.
- •49. Классификация численных методов решения задачи Коши. Методы Эйлера, трапеций и к-э.
- •50. Метод Рунге-Кутта решения задачи Коши. Построение методов р-к второго порядка точности.
- •51. Оценка погрешности и сходимость одношаговых методов решения задачи Коши.
- •52. Экстраполяц. Метод Адамса решения задачи Коши.
- •53. Интерполяционный метод Адамса решения задачи Коши.
- •54. Общий вид линейных многошаговых методов решения задачи Коши.
- •55. Условие корней многошаговых методов решения задачи Коши
- •56. Сходимость многошаговых методов решения Коши.
- •57. Сеточные методы решения краевых задач для обыкновенных дифференциальных уравнений.
- •58. Сходимость сеточного метода решения краевых задач для обыкновенных диф. Уравнений.
- •59. Методы прогонки и пристрелки решения разностных схем при решении краевых задач для обыкновенных д.У.
- •60. Эквивалентность граничных и вариационных задач
- •61. Метод Ритца решения вариационных задач.
- •62. Построение системы линейных уравнений для определения значений параметров в методе Ритца.
- •63. Вариационно-разностный вариант метода Рица.
- •64. Сеточные методы решения краевой задачи для уравнения Пуассона. Фоpмулиpовка исходной диффеpенциальной краевой задачи
- •Постpоение pазностной схемы
- •65. Основные понятия теории разностных схем.
- •66. Сходимость сеточного метода
- •Фоpмулиpовка исходной дифференциальной краевой задачи
- •67.Метод матричной прогонки решения разностной схемы. Фоpмулиpовка исходной диффеpенциальной краевой задачи
- •68. Разностные схемы для одномерного параболического уравнения. Фоpмулиpовка исходной диффеpенциальной задачи
- •69. Разностные схемы решения задачи Коши для уравнения гиперболического типа.
- •70. Сеточные методы решения смешанной задачи для уравнений гиперболического типа.
- •71. Метод квадратур решения интегрального уравнения Фредгольма 2-го рода.
- •72. Решение интегрального уравнения Фредгольма 2-го рода с вырожденным ядром.
- •Решение интегр. Ур-ния с вырожденным ядром.
- •73. Решение интегрального уравнения Фредгольма 2-го рода методом вырожденного ядра.
- •Способы приближения невырожденного ядра вырожденным.
28.Краткие сведения о нормах векторов и матриц.
Будем обозначатьпространство векторов столбцов: ,пространство квадратных матриц.
Нормой вектора наз. Число ||x|| удвл. Условиям:
1) ||x||>=0, ||x||=0 x=0.
2) ||µx||= |µ|*||x||,
3) ||x+y||<= ||x||+||y||, x, y.
Нормой матрицы B наз. Число ||B|| удвл. след. условиям:
||B||>=0, ||B||=0 B=0
|| µB||=| µ| *||B||,
||B+C||<=||B||+||C||,
||B*C||<=||B||*||C||,
Если для матричной нормы имеют место условия 1-3, то такая норма наз. обобщённой или аддитивной. Если выполняются все 4 условия, то норма называется мультипликативной.
Интерес представляют матричные нормы, связанные с векторной нормой. Одна из таких связей может быть условием согласованности, а именно, матричная норма называется согласованной с векторной нормой, если ||Вx||<= ||B||*||x||,,x.
Более сильным условием, чем условие согласованности является условие подчинённости, т.е. матричная норма называется подчинённой векторной норме, если ||B||=
Очевидно, что последнее равенство можно записать в виде ||B||=(1)
Заметим, что подчинённая норма единичной матрицы Е всегда равна 1. Действительно,
||E||=.
Рассмотрим важнейшие случаи векторных норм и им подчинённых матричных норм:
Норма бесконечность или кубическая норма:
Матричная норма, ей подчин. определ. так:
Докажем, это: имеем
Теперь для док-ва осталось поделить полученную оценку на и воспользоваться (1).
Норма-единица или октандрическая норма
. Подчин. ей матричная норма определяется так:
Евклидова или сферичная норма
=
Матричная норма, ей подчин. определ. так: , гдесобственные значения матрицы В*ВТ. Докажем это. Будем обозначать (. , .) – скалярное произведение в . Тогда,м-ца В*ВТ является симм. положит. определ. ,а поэтому обладает различными положительными собственными значениями , которые соотв. лин. нез.cобств.
векторы . Представим векторx=
Тогда, В*ВТx,x)=( В*ВТТ
Теперь справедливость утверждения следует из формулы (1).
Матричная норма Фробениуса
=Эта норма согласована с Евклидовой векторной нормой, но не является подчинённой.
29. Обусловленность линейных алгебраических систем.
Рас-м сис-мы лин. алг. ур-й (1) и, (2)
которые отличаются только правыми частями. Будем считать, что обе системы имеют решения: соответственно ипри любых правых частях. Обозначим,. Сис-ма (1) наз-ся устойчивой по правой части, если при любыхсправедлива оценка, (3) где- константа, не зависящая от правых частей.
Устойчивость по правой части означает, что абсолютная погрешность решения системы стремится к нулю при стремлении к нулю абсолютной погрешности правой части.
Теорема 1. Если , то (1) устойч. по правой части.
Доказательство. Система (1) имеет единственное решение при любой правой части. При вычитании (2) из (1) имеем , откуда получаеми, (4) то есть, выполняется неравенство (3) с константой. Теорема доказана.
Число наз-ся числом обусловленности м-цыA.
Для практики важной является оценка относительной погр-ти решения. Из (1) следует неравенство .(5)
Перемножая (5) и (4), получим искомую оценку
, (6). Т. о., число обусловленности показывает, во сколько раз относительная погр-ть решения больше относительной погр-ти правой части при точно заданной матрице. Матрицы с большим числом обусловленности наз. плохо обусловленными матрицами.
Пусть - собств. вектор матрицы А, соответствующий наибольшему по модулю собственному значению:. Отсюда последовательно получаем
, . Поскольку, то. Из полученных нер-в следует, что
. (7)
Из свойства (7) для числа обусловленности матрицы А следует свойство . (8)
Отметим еще одно свойство числа обусловленности
. (9)
Рассмотрим наряду с системой (1) систему (10) и проведем полную оценку погрешности. Обозначим.
Лемма 1. Пусть С – квадратная матрица и . Тогда существует обратная матрицаи выполняется оценка. (11)
Доказательство. Для любого вектора имеем
, (12) где . След-но, однородная системаимеет только тривиальное решение. Поэтомуи существует матрица. Возьмем произв. вектори обозначим. При подстановке этого выражения дляв (12) получимили. Поскольку полученное нер-во выполняется для любого ненулевого вектора, то отсюда с учетом определения нормы матрицы следует оценка (11). Лемма доказана.
Теорема 2. Пусть матрица имеет обратную и выполнено условие. (13) Тогда матрицаимеет обратную и имеет место оценка(14)
Доказательство. Имеем . По условию (13) выполняется. Поэтому согласно лемме 1 существует, а значит, существует и
. (15) Первое утверждение теоремы доказано.
Из (1) и (10) имеем и, откуда для искомой погрешности получаем
.Т. о., и. (16)
Из (15) и леммы 1 следует оценка
. (17)
Используя в (16) оценку (17) и учитывая, что приходим к искомой оценке (14). Теорема доказана.