- •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.
- •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
- •8. Алгоритм исключения Гаусса без перестановки строк. Lu- и ldv-разложения.
- •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.
