- •1)Векторное (линейное) пространство - математическое понятие, обобщающее понятие совокупности всех (свободных) векторов обычного трехмерного пространства.
- •Вопрос 21.Ортогональная, ортонормированная матрица, неквадратная матрица с ортогональными (ортонормированными) столбцами.
- •Вопрос 22.Обращение матрицы методом Гаусса
- •Вопрос 23.Разложение матрицы в произведение ортогональной и треугольной (метод Шмидта)
- •Вопрос 24.Ортогональные функции и ортогональные полиномы
- •Вопрос 25.Построение полинома ортогонального на дискретной системе точек
- •По моментам весовой функции
- •По рекуррентным формулам
- •Вопрос 26.Собственные векторы и собственные числа матрицы
- •Вопрос 27.Матрица простой структуры, ее свойства
- •Вопрос 28.Сингулярное разложение
- •Вопрос 29.Нормы векторов и матриц Норма вектора
- •Норма матрицы
- •Вопрос 30.Метрическое векторное пространство
- •Вопрос 32.Градиент, свойства градиента
- •Вопрос 33.Матричная форма записи ряда Тейлора. Формула Тейлора
- •Различные формы остаточного члена
- •Вопрос 34.Минимизация погрешности интерполяции
- •Вопрос 35.Обобщенный подход к процессу интерполяции Интерполяция функций интерполяционными полиномами
- •Задача интерполяции функции, интерполяционные полиномы
- •Вопрос 36.Численное взятие производной.
- •Введение
- •Погрешность вычислений
- •Вопрос 37.Решение системы линейных уравнений методом Гаусса Метод Гаусса
- •Вопрос 38.Матрица перестановок
- •Определение
- •Свойства
- •Вопрос 39.Решение системы линейных алгебраических уравнений методом Гаусса с выбором главного элемента по столбцам Метод Гаусса с выбором главного элемента
- •Вопрос 40.Решение системы линейных алгебраических уравнений методом вращения Метод вращения
- •40.Решение системы линейных алгебраических уравнений методом вращения
- •41.Решение системы линейных уравнений методом факторизации матрицы
- •42.Итерационный процесс решения систем линейных алгебраических уравнений
- •43.Функции невязки, ошибок
- •44.Метод простой итерации
- •45.Итерационный метод смещения
- •Пример.
- •46) Метод Якоби
- •47) Метод Зейделя
- •48) Метод релаксации Метод релаксации - итерационный метод решения систем линейных уравнений.
- •49) Метод Чебышева
- •50/51) Метод минимальных невязок (Одношаговый, двухшаговый - гугл не нашел )
- •52) Решение нелинейного уравнения одной переменной методом дихотомии
- •53) Метод золотого сечения
- •56) Симплекс метод (метод Нелдера – Мида)
- •57) Метод наискорейшего спуска
- •59) Решение систем нелинейных уравнений нескольких переменных методом Ньютона
- •60.Решение нелинейного уравнения нескольких переменных методом Левенберга - Марквардта
- •61.Решение системы нелинейных уравнений методом спуска
- •62.Решение системы нелинейных уравнений методом Ньютона
- •63.Решение системы нелинейных уравнений методом Левенберга - Марквардта
- •64.Структура м – функции
- •65.Арифметические операторы Матлаб
- •65)Арифметические операторы.
42.Итерационный процесс решения систем линейных алгебраических уравнений
Итерационные методы решения СЛАУ используются для решения СЛАУ большой размерности с разреженными матрицами, а также для уточнения решения СЛАУ, полученного с помощью прямого метода. Формулировка и применение итерационных методов требует определенных знаний и определенного опыта. Выбор эффективного итерационного метода решения конкретной задачи существенно зависит от ее характерных свойств и от архитектуры вычислительной машины, на которой будет решаться задача. Поэтому никаких общих правил выбора наилучшего итерационного метода решения не существует.
43.Функции невязки, ошибок
Метод минимизации обобщенной невязки
Итерационный метод минимизации обобщенной невязки также реализован в системе MATLAB. Для этого используется функция gmres:
gmres (А, В. restart) — возвращает решение X СЛУ А*Х=В. А —квадратная матрица. Функция gmres начинает итерации от начальной оценки, представляющей собой вектор размера и, состоящий из нулей. Итерации производятся либо до сходимости к решению, либо до появления ошибки, либо до достижения максимального числа итераций. Сходимость достигается, когда относительный остаток norm(B-A*X)/norm(B) меньше или равен заданной погрешности (по умолчанию 1е-6). Максимальное число итераций — минимум из n/restart и 10. Функция gmres (...) имеет и ряд других форм записи, аналогичных описанным для функции bieg(...). Пример:
» gmres(A.B)
GMRES(4) converged at Iteration 1(4) to a solution with relative residual le-016
ans =
1.0000
2.0000
3.0000
4.0000
Квазиминимизация невязки — функция qmr
Метод решения СЛУ с квазиминимизацией невязки реализует функция qmr:
qmr (А, В) — возвращает решение X СЛУ А*Х=Ь. Матрица А должна быть квадратной. Функция qmr начинает итерации от начальной оценки, представляющей собой вектор длинойп, состоящий из нулей. Итерации производятся либо до сходимости метода, либо до появления ошибки, либо до достижения максимального числа итераций. Максимальное число итераций — минимум из п и 20. Функция qmr(...) имеет и ряд других форм записи, аналогичных описанным для функции bi eg (...). Пример:
» qmr(A.B)
QMR converged at iteration 4 to a solution
with relative residual l.le-014
ans =
1.0000
2.0000
3 .0000
4.0000
44.Метод простой итерации
Одной из самых распространенных и важных задач вычислительной математики является решение системы линейных алгебраических уравнений (СЛАУ):
a11 x1 + a12 x2 + … + a1n xn = b1
a21 x1 + a22 x2 + … + a21 xn = b2
……………………………………. .
an1 x1 + an1 x2 +… + ann xn = bn,
или в векторно-матричном виде:
Ax = B, (1)
г де
а 11 а12 ......а1n
а21 а22 -… .. а2n
А = ................
а n1 аn2 … . ann
b 1
b2
B =
b n
x 1
x2
x =
x n
45.Итерационный метод смещения
1) От узла к узлу с помощью вычислительного шаблона производится расчет новых значений переменных по старым, пока не будут получены значения во всех узлах. 2) Затем производится одновременная замена значений переменных во всех узлах сетки. Поскольку новые значения искомого решения вводятся одновременно во всех узлах сетки, порядок, в котором производятся вычисления, не имеет значения. 3) Вычисления заканчиваются, когда изменение значений переменных во всех узлах становится меньше некоторой заранее заданной величины. Любой итерационный метод требует задания начального приближенного решения, которое может быть получено любым разумным способом. Часто для получения приближенных значений переменных в узлах сетки пользуются линейной интерполяцией. Очевидно, чем ближе исходное приближение к решению, тем меньше итераций необходимо для его получения. Для пояснения метода одновременных смещений рассмотрим пример.