- •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.
28. Алгоритм qr-разложения. Ортогональные матрицы и матрицы плоского вращения.
модулю 1.
Это следует из неравенства Коши-Шварца:
Сохранение углов между векторами следует из равенства:
QR-разложение может быть осуществлено методами вращения и отражения.
Рассмотрим вращение вектора на плоскости.
Матрица вращения задается в виде: , – угол вращения.
Свойство ортогональной матрицы – сохранение угла между векторами.
Видно, что матрица вращения – ортогональная матрица:
Если принять, что или , то .
Рассмотрим систему линейных алгебраических уравнений второго порядка:
Найдем матрицу Q такую, что
, где
Рассмотрим систему уравнений с матрицей .
Плоской матрицей вращения называется матрица, имеющая вид:
Можно подтвердить, что матица Q является ортогональной матрицей с определителем, равным 1.
Применение указанной матрицы к i-му столбцу матрицы A: , дает вектор , имеющий в j-ой позиции 0. (Верхний индекс обозначает номер вектора).
Применяя к исходной матрице указанные плоские матрицы вращения получим матрицу:
С помощью указанных матриц вращения все элементы матрицы R ниже главной диагонали становятся равными нулю.
Для исключения соответствующих элементов, коэффициенты c и s определяются выражениями:
Произведение ортогональных матриц является ортогональной матрицей.
Чтобы решить задачу, матрица A дополняется матрицей , матрица A является произвольной.
Учитывая, что ортогональное преобразование вектора невязки:
второе слагаемое не зависит от коэффициентов многочлена, линейное значение первого слагаемого сводится к решению системы уравнений: , где R – верхняя треугольная матрица.
Решение задачи наименьших квадратов при , сводится к задаче решения системы алгебраических уравнений с верхней треугольной матрицей:
Чтобы применить метод QR-разложения к решению задачи наименьших квадратов, нужно привести матрицу A к квадратной форме:
матрица B – произвольная.
Исходное уравнение:
Матрица является квадратной . К этой системе можно применить метод QR-разложения.
Применяя метод вращения, уравнение записывается: ,
размерность вектора , размерность вектора ,
– ортогональная матрица, – верхняя треугольная матрица.
Разобьем матрицу R на блоки:
Умножая матрицу R справа на можем записать:
невязка (ошибка)
От неизвестных параметров зависит только первое слагаемое нормы невязки.
Минимальное значение этого слагаемого, если матрица A максимальный размер, определяется из уравнения: .
Таким образом, задача наименьших квадратов решается в два этапа.
На первом этапе осуществляется QR-разложение расширенной матрицы и определяются ее подматрицы и .
На втором этапе решается задача решения системы линейных алгебраических уравнений, матрица которой представлена в QR форме.
Матрица Q является ортогональной матрицей, т.е. матрицей, транспонирование которой совпадает с обратной матрицей.
Матрица R – верхняя треугольная матрица, решение которой осуществляется методом обратной подстановки.