- •1. Предмет и метод вычислительной математики
- •2. Метод исключения Гаусса
- •3. Метод Гаусса с выбором главного элемента
- •6. Метод итерации. Для решения слау. Оценка погрешности
- •7. Метод Зейделя.
- •1 3. Метод итераций для решения трансцендентных уравнений. Сходимость
- •14. Метод итераций для решения трансцендентных уравнений. Оценка погрешности
- •15. Метод итерация для системы 2х уравнений
- •16. Метод Крылова
- •17. Определение собственных векторов в методе Крылова
- •18. Метод Данилевского
- •19. Вычисление собственных векторов по методу Данилевского
- •20. Нахождение наибольшего по модулю собственного значения матрицы и соответствующего собственного вектора
- •27. Оценка погрешности формулы ньютона
- •32. Формула трапеций
- •33. Формула Симпсона
- •34. Общая формула трапеций( правило трапеций)
- •35. Общая формула Симпсона (параболическая формула)
- •36.Правило Рунге
- •37. Квадратурные формулы наивысшей степени точности (формула Гаусса)
- •38. Классификация численных методов приближенного решения обыкновенных диффуров
- •39. Метод Эйлера
- •40. Модифицированный метод Эйлера
16. Метод Крылова
пусть есть матрица А = Matrix[n](aij) (1)
- называется собственным значением матрицы А если:
,(2)
det(A- ) = 0 = (-1)n( - p1 - p2 - .... - pn) = 0
проблема собственных значений бывает полная и частная (найти все или нет)
Метод Крылова
А обращает в 0 свой характеристический многочлен
Pn - коэффициенты
вообще говоря суть метода Крылова - найти P1 .. Pn
(4) =>
(5)
(6), подставим (6) в (5) и получим
(7)
(8)
(9)
если матрица С получилась вырожденной то неудачно взято начальное приближение, нужно замутить бектрекинг с точкой возврата на выбор начального приближения
вывод:
это метод вычисления Р
алг в общем виде:
1) берем y0, строим (6)
2) составляем система (9), решаем ее, например, гауссом, получили p1.. pn
3) после метода Крылова находим
17. Определение собственных векторов в методе Крылова
есть .. (10) p1.... pn
.. (11) - линейно не зависимые вектора базиса. искомые собственные вектора(СВ)
разложим по СВ (12)
(13)
учтем , ,...., , из (13) получим
(14)
из (12) и (14) имеет
(15)
и причем
и по схеме Горнера (???wtf)
, j=1..n-1
мы построили линейную комбинацию для x1
для остальных (19)
18. Метод Данилевского
До определения коэффициентов характеристического уравнения матрицу A/* A= matrix[n](aij)*/ с помощью n-1 преобразований подобия заменяют подобной ей матрицей Фробениуса
= P
где pi - коэффициенты ее характеристического многочлена
S: P = S-1AS
На первом этапе делаю следующее:
(an1,an2,..,ann) -> ( 0,0,...,1,0), при условии что ann-1 !=0
потом все эл-ты n-1 столбца делим на ann-1 (an1,an2,..,1,ann) и теперь из каждого столбца вычитают n-1й умноженный на anj т.е.
где
B=AMn-1
где
(матрица С подобна матрице А);
где
Шаг 2:
Матрицу С преобразуем в D Теперь повторяем все вышесказанные для n-2 столбца и так далее n-1 раз и получим форму Фробениуса
теперь находим :
- аналитически
- метод хорд\касательных и т.д
- Лобачевского
19. Вычисление собственных векторов по методу Данилевского
λ - собственные значения которые уже известны
дано λ,А,Р
- собственный вектор P(см 18й билет)
= 0
получим
...
20. Нахождение наибольшего по модулю собственного значения матрицы и соответствующего собственного вектора
(A - λE) =0
- собственные вектора
Определение Первым собственным значением называется наибольшее по модулю собственное значение матрицы А
нахождение 1ого СЗ является частной проблемой собственных значений
пусть у А ∃! собственное значение тогда
Теорема Перрона
если А - действително(е,я?????) и все эл-ты А >0 то - действительное число
Итерационный метод нахождения 1ого СЗ
возьмем произвольный вектор и разложим по собственному вектору
(1)
A - итерация вектора
а считать мы будем
..., . разложим N-ую итерацию по этому базису
, m =1,2,3....
/* */
Собственный вектор разложим по базису
(3) подставим в (2)
будем полагать что с1 !=0 - этого всегда можно добиться
Вывод:
1) берем произв. вектор (m=0)
2) вычисляем m+1-ию итерацию
3) находим N-ое приближение 1ого СЗ
4) находим (n+1)ое приближение
5) сравниваем
если условие выполняется то
если нет то в пункт 6
6) нормируем вектор
21. Интерполирование функцией
22. конечные разности и их свойства
23. первая интерполяционная формула ньютона
24. вторая интерполяционная формула ньютона
25. интерполяционная формула лагранжа
26. оценка погрешности формулы Лагранжа
Rn(x)= f(x) - Ln(x)
Rn(xi) =0 i=0..n
будем изучать что на [a;b] фнк имеет до n+1 производные
введем ψ(x) = f(x) - Ln(x) - k Πn+1(x) (10) //k=? = const
ψ(x) имеет n+1 корень
подберем так чтобы ψ( ) =0,
, !=0
(11)
Правило Ролля ( Тролля))
найдется такая точка Ы что тогда на концах [Ыi, Ыi+1] найдется такая формула
= (12) =>
(13)
если сравнить (11) и (13) то ,