5.Подгонка или аппроксимация; метод наименьших квадратов

Аппроксима́ция, или приближе́ние — научный метод, состоящий в замене одних объектов другими, в каком-то смысле близкими к исходным, но более простыми.

Аппроксимация позволяет исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более простых или более удобных объектов (например, таких, характеристики которых легко вычисляются или свойства которых уже известны). В теории чисел изучаются диофантовы приближения, в частности, приближения иррациональных чисел рациональными. В геометриирассматриваются аппроксимации кривых ломаными. Некоторые разделы математики в сущности целиком посвящены аппроксимации, например, теория приближенияфункций, численные методы анализа.

В исследовании операций под аппроксимационным алгоритмом понимается алгоритм, использующийся для поиска приближённого решения оптимизационной задачи.

Аппроксимационные алгоритмы часто связаны с NP-трудными задачами, поскольку для них вряд ли найдётся эффективный алгоритм точного решения за полиномиальное время, так что имеет смысл попробовать найти близкое оптимальному решение. В отличие от эвристических алгоритмов, дающих достаточно хорошие решения за приемлемое время, аппроксимационные алгоритмы обеспечивают доказуемое качество решения в заранее определённых границах времени. В идеале аппроксимация даёт решение, отличающееся от оптимального на некоторый небольшой множитель (например, в пределах 5 %). Аппроксимационные алгоритмы всё чаще используются для решения задач, для которых известны точные алгоритмы, работающее за полиномиальное время, но работающие долго.

Метод наименьших квадратов  — математический метод, применяемый для решения различных задач, основанный на минимизации отклонений суммы квадратов некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений (когда количество уравнений превышает количество неизвестных), для поиска решения в случае обычных (не переопределенных) нелинейных систем уравнений, для аппроксимации точечных значений некоторой функцией. МНК является одним из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным.

6.Конечно-разностные системы. Одноименная конечно разносная система

Конечно-разностная схема должна аппроксимировать исходную краевую задачу. Порядок аппроксимации разностной схемы указывает на то, с каким порядком точности разностные операторы приближают исходные дифференциальные уравнения к начальным и граничным условиям. Важным понятием является устойчивость разностных схем. Расчет по устойчивым схемам гарантирует, что ошибки округления не приведут к большим погрешностям в искомом решении. Для достаточно широкого класса задач аппроксимация и устойчивость обеспечивают сходимость решения конечно-разностных уравнений к решению исходной системы дифференциальных уравнений.

Конечно-разностная схема может имеет порядок точности и является условно устойчивой а так-же быть  явной.  Она позволяет выразить в явном виде неизвестные значения на расчетном временном слое через известные его значения, рассчитанные на предыдущих временных слоях.

Построение рациональных конечно-разностных схем  применительно к особенностям вычислительных машин выделяется в этап вычислительной схематизации, правильное решение которого в значительной степени определяет эффективность моделирования.