- •1. Источники и виды погрешностей. Абсолютная и относительная погрешности. Вычислительная погрешность и погрешность функции.
- •3. Решение систем линейных алгебраических уравнений. Правило Крамера и обратная матрица. Вычислительная сложность.
- •4. Решение систем линейных уравнений. Метод исключения Гаусса с верхней и нижней треугольной матрицами. Методы прямой и обратной подстановки. Решение линейных систем алгебраических уравнений
- •Метод исключения Гаусса без перестановки строк
- •5. Решение систем линейных уравнений с симметричными и положительно определенными матрицами. Разложение Холесского с внутренним произведением.
- •6. Разложение Холесского с внешним произведением и с поблочным вычислением матриц.
- •Доказательство теоремы Халецкого
- •7. Метод исключения Гаусса и lu-разложение. Понятие эквивалентности систем уравнений, понятие и состав элементарных операций.
- •8. Алгоритм исключения Гаусса без перестановки строк. Lu- и ldv-разложения.
- •9. Алгоритм исключения Гаусса при наличии вырожденных главных подматриц. Алгоритм с перестановкой строк или с выбором главного элемента.
- •10. Свойства и определения матричных и векторных норм. Теорема Коши – Шварца. Число обусловленности системы линейных уравнений. Геометрический смысл числа обусловленности. Матричная норма
- •Геометрический смысл плохо обусловленных и хорошо обусловленных матриц
- •11. Задачи приближения и интерполяции функций и эмпирических данных.
- •13. Формулы численного дифференцирования интерполяционным методом.
- •14. Формулы численного дифференцирования методом неопределенных коэффициентов.
- •15. Наиболее распространенные формулы численного дифференцирования.
- •16. Задачи и методы численного интегрирования. Квадратурные формулы.
- •Элементарные квадратурные формулы, полученные методом интерполяции
- •17. Численное интегрирование интерполяционными методами.
- •18. Численное интегрирование методом неопределенных коэффициентов.
- •Частные случаи
- •19. Квадратурные формулы Ньютона – Котеса.
- •20. Формулы прямоугольника, трапеций и Симпсона.
- •21. Ортогональные и ортонормальные системы функций и многочленов. Скалярное произведение. Ортогонализация произвольной системы линейно независимых функций. Формула Грама – Шмидта.
- •22. Квадратурные формулы Гаусса. Наиболее распространенные формулы.
- •23. Интегрирование быстро осциллирующих функций. Интегрирование функций на больших интервалах изменения аргумента.
- •24. Тригонометрическая интерполяция и дискретное преобразование Фурье.
- •25. Быстрое преобразование Фурье.
- •26. Задача наименьших квадратов. Прямой метод решения.
- •27. Задача наименьших квадратов. Решение методом qr-разложения.
- •28. Алгоритм qr-разложения. Ортогональные матрицы и матрицы плоского вращения.
- •29. Задача численного решения обыкновенных дифференциальных уравнений. Задача Коши и граничные задачи.
- •30. Решение задачи Коши с помощью формулы Тейлора.
- •31. Методы Рунге – Кутта. Формулы Эйлера и Адамса.
- •32.Конечно-разностные методы решения задачи Коши.
- •33. Явные формулы Адамса.
- •34. Решение задачи Коши методом неопределенных коэффициентов.
- •35. Решение систем обыкновенных дифференциальных уравнений методом Эйлера.
- •36. Определение градиента функции нескольких переменных.
- •Метод градиента
- •37. Матрица Якоби системы функций нескольких переменных.
- •38. Решение нелинейных уравнений методом простой итерации.
- •39. Решение нелинейных уравнений методом Ньютона.
- •46. Необходимые и достаточные условия минимума и максимума функции многих переменных. Необходимые и достаточные условия экстремума функции нескольких (двух) переменных
- •47. Форма функции многих переменных в окрестности точки седла.
- •48. Градиентный метод минимизации функции многих переменных.
- •49. Минимизация функции многих переменных методом Ньютона.
- •Применительно к задачам оптимизации
- •50. Формула и множители Лагранжа в задаче оптимизации
- •Описание метода
- •51. Производная по направлению и возможное направление спуска.
- •52. Обратные и некорректные задачи.
1. Источники и виды погрешностей. Абсолютная и относительная погрешности. Вычислительная погрешность и погрешность функции.
Источники погрешностей:
-
математические задачи являются неточными, в частности неточно заданы исходные данные описания;
-
применяемый для решения метод часто не является точным: получение точного решения возникающей математической задачи требует неограниченного или неприемлемо большого числа арифметических операций, поэтому вместо точного решения задачи приходится прибегать к приближенному;
-
при вводе данных в машину, при выполнении арифметических операций и при выводе данных производятся округления.
Виды погрешностей (соответствующие источникам погрешностей):
-
неустранимая погрешность;
-
погрешность метода;
-
вычислительная погрешность
Неустранимую погрешность разделяют на две части:
а) неустранимая погрешность – следствие неточности задания числовых данных, входящих в математическое описание задачи.
б) погрешность математической модели – погрешность, которая является следствием несоответствия математического описания задачи реальности.
Если a – точное значение некоторой величины, а a* –неизвестное приближение к нему, то абсолютной погрешностью приближенного значения a* называют обычно некоторую величину a* про которую известно, что
Относительная погрешность приближенного значения – некоторая величина a* про которую известно, что
Относительную погрешность часто выражают в процентах.
Точные решения какой-либо задачи договоримся обозначать , тогда абсолютная погрешность измеряется .
Относительная погрешность:
Вычислительная погрешность:
Погрешность функции:
???2. Матричные вычисления. Сложение и умножение матриц. Блочные матрицы и операции с ними. Быстрое матричное умножение.
Матричные вычисления можно условно разделить на несколько типов. Первый тип – простейшие действия, которые реализованы операторами и несколькими функциями, предназначенными для создания, объединения, сортировки, получения основных свойств матриц и т. п.
Второй тип – более сложные функции, которые реализуют алгоритмы вычислительной линейной алгебры, такие как решение систем линейных уравнений
Простейшие операции:
-
транспонирование (поменять строки и столбцы местами)
-
сложение и вычитание
-
сложение матрицы со скаляром
-
смена знака матрицы
-
умножение матрицы на скаляр
-
умножение матрицы на вектор
-
умножение двух матриц
-
нахождение определителя матрицы
-
нахождение обратной матрицы
-
возведение матрицы в степень и т.д.
Суммой матриц и одинаковых размеров называется матрица тех же размеров, у которой Обозначение: .
Разность матриц
Умножение матрицы на число
Произведением матрицы на число называется матрица тех же размеров, у которой Обозначение: .
Умножение матриц
Произведением матрицы размером на матрицу размером называется матрица , размером , у которой . Обозначение: .
Блочная матрица – вид квадратной матрицы, каждый элемент которой является квадратной подматрицей меньшей, кратной размерности.
Пример:
Матрица размерностью 4×4:
является блочной, состоящей из четырех подматриц-блоков размерностью 2×2
Если каждый блок будет определен как:
,
то, блочная матрица может быть записана в следующем виде:
Операции над матрицами:
При сложении блочных матриц нужно, чтобы подматрицы были одного размера.
При умножении блочной матрицы на число a каждая подматрица умножается на a.
При перемножении блочных матриц необходимо согласовать размеры подматриц.
При транспонировании блоки на главной диагонали транспонируются и остаются на месте, остальные блоки меняются местами и транспонируются.