- •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.
3. Решение систем линейных алгебраических уравнений. Правило Крамера и обратная матрица. Вычислительная сложность.
Потребность в решении таких уравнений встречается во всех задачах вычислительной математики.
Задача решения этих уравнений заключается в обеспечении возможно меньшей сложности, выраженной в числе необходимых операций или действий.
Стандартным приемом решения таких систем является подход, основанный на формулах Крамера. Но применение этих формул сопряжено с большим объемом вычислений и поэтому в вычислительной математике используются различные способы сведения исходного уравнения к уравнениям, решение которых значительно проще:
, , , .
Пусть матрица – матрица, получившаяся из матрицы заменой столбца на вектор правой части линейной системы, тогда какой-либо компонент вектора решения можно представить следующим образом:
, где
– определитель матрицы ,
Сложность метода Крамера заключается в сложности нахождения определителя высокого порядка.
Для определителей более высокого порядка таких простых формул не существует, для них могут быть использованы формулы разложения по минорам или алгебраическим дополнениям некоторой строки или столбца матрицы:
, где
– алгебраическое дополнение элемента
, где
– минор матрицы , который получается из нее после вычеркивания строки и столбца.
представляет собой определители, размеры которых на единицу меньше размера определителя матрицы .
Определитель матрицы можно представить следующим образом:
, число перестановок .
Степень у (-1) в квадратных скобках – обозначает четность перестановки.
,
определители:
Обратная матрица:
, где
– единичная матрица.
Элемент обратной матрицы :
Вычислительная сложность– сумма операций сложения и умножения, которые необходимо выполнить в алгоритме вычисления многочлена.
4. Решение систем линейных уравнений. Метод исключения Гаусса с верхней и нижней треугольной матрицами. Методы прямой и обратной подстановки. Решение линейных систем алгебраических уравнений
Потребность в решении таких уравнений встречается во всех задачах вычислительной математики.
Задача решения этих уравнений заключается в обеспечении возможно меньшей сложности, выраженной в числе необходимых операций или действий.
Стандартным приемом решения таких систем является подход, основанный на формулах Крамера. Но применение этих формул сопряжено с большим объемом вычислений и поэтому в вычислительной математике используются различные способы сведения исходного уравнения к уравнениям, решение которых значительно проще:
, , , .
Пусть матрица – матрица, получившаяся из матрицы заменой столбца на вектор правой части линейной системы, тогда какой-либо компонент вектора решения можно представить следующим образом:
, где
– определитель матрицы ,
Сложность метода Крамера заключается в сложности нахождения определителя высокого порядка.
Для определителей более высокого порядка таких простых формул не существует, для них могут быть использованы формулы разложения по минорам или алгебраическим дополнениям некоторой строки или столбца матрицы:
, где
– алгебраическое дополнение элемента
, где
– минор матрицы , который получается из нее после вычеркивания строки и столбца.
представляет собой определители, размеры которых на единицу меньше размера определителя матрицы .
Определитель матрицы можно представить следующим образом:
, число перестановок .
Степень у (-1) в квадратных скобках – обозначает четность перестановки.