- •2. Позиционная и нормализованная формы записи чисел. Значащие и верные цифры позиционной системы.
- •3. Ошибки округления чисел. Распространение ошибок округления в арифметических операциях. Абсолютная и относительная погрешность суммы, разности, произведения и частного.
- •Определение 2. Величина называется абсолютной погрешностью представления числа X с помощью числа .
- •4. Близость в метрическом и нормированном пространствах. Расстояние и норма, их определения и свойства. Основные классы функций:
- •5. Постановка задачи интерполяции. Интерполяционный многочлен Лагранжа. Теорема о погрешности интерполяции. Единственность многочлена Лагранжа.
- •6. Интерполяция на равномерной сетке. Конечные разности и их свойства.
- •1) Докажем, что операторы и перестановочные. .
- •7. Интерполяционный многочлен Ньютона. Построение и оценка погрешности.
- •8. Ортогональность в гильбертовом пространстве. Многочлены Чебышёва. Определение, построение, свойства.
- •9. Применение многочленов Чебышёва к задаче интерполяции. Теорема об оптимальном выборе узлов.
- •10. Среднеквадратичное приближение функций. Постановка задачи, теорема о существовании и единственности.
- •20. Классические ортогональные многочлены. Построение ортогональных многочленов на каноническом отрезке [-1,1].
- •11. Численное интегрирование. Использование функциональных рядов.
- •12. Квадратурная формула на основе интерполяции. Формулы дл коэффициентов и остаточного члена.
- •13. Базовые квадратурные формулы прямоугольников, трапеций и парабол. Формула теоретической погрешности.
- •14. Обобщенные квадратурные формулы трапеции и Симпсона (формулы Ньютона-Котеса).
- •15. Теоретич. Оценки погрешности обобщённых формул трапеции и Симпсона.
- •16. Правило Рунге практической оценки погрешности квадратурной формулы Симпсона.
- •17. Общие свойства полиномов ортогональных с весом.
- •18. Алгебраическая степень точности квадратурной формулы. Квадратурные формулы Гаусса-Кристоффеля.
- •19. Теорема о необходимых и достаточных условиях выбора узлов в формулах Гаусса-Кристоффеля.
- •21. Принцип сжатых отображений. Теорема о неподвижной точке. Доказать единственность неподвижной точки. Следствия теоремы для банаховых пространств и пространства
- •22. Метод простых итераций решения функциональных уравнений и систем. Условия сходимости.
- •23. Метод Ньютона. Геометрическая интерпретация. Теорема о сходимости метода в одномерном случае.
- •24. Метод Ньютона в многомерном случае. Организация итерационного алгоритма.
- •25. Численные методы решения слау. Прямые и итерационные методы, общие понятия.
- •26. Нормы вещественных квадратных матриц. Спектральные свойства матриц.
- •27. Обусловленность матриц и систем лау. Число обусловленности в спектральной норме.
- •28. Метод итераций для слау специального вида. Теорема о достаточных условия сходимости.
- •29. Спектральный признак сходимости.(теорема о необх. И дост. Усл. Сходимости)
- •30.Стационарные итерационные процедуры. Приведение слау к системе специального вида.
- •31. Метод простых итераций Ричардсона. Условия сходимости.
- •32. Теорема о выборе ускоряющего множителя в методе Ричардсона.
- •33. Метод Якоби. Организация алгоритма. Теорема о достаточных условиях сходимости.
- •34. Метод Зейделя как ускорение метода Якоби. Организация алгоритма. Теорема об условиях сходимости.
- •35. Метод последовательной верхней релаксации. Задача выбора ускоряющего множителя.
- •36. Численное дифференцирование на основе интерполяции.
- •37. Численное дифференцирование на равномерной сетке, основанное на тэйлоровском разложении. Теорема об аппроксимации первой и второй производной.
- •38. Задача Коши. Постановка задачи. Сведение к системе для уравнения n-ого порядка.
- •39. Метод Эйлера. Алгоритм, геометрическая интерпретация, порядок точности.
- •40. Методы Рунге-Кутты повышенной точности. Метод «предиктор-корректор» и метод «средней точки».
- •41. Общая постановка краевой задачи для решения оду второго порядка. Классификация граничных условий.
- •42. Метод «стрельбы» решения краевой задачи с граничными условиями первого рода.
- •43. Метод конечных разностей решения линейной краевой задачи для оду второго порядка.
- •44. Каноническая разностная схема для линейного оду второго порядка, имеющая порядок аппроксимации .
- •45. Устойчивость разностных схем. Спектральный признак устойчивости для уравнений с постоянными коэффициентами. Примеры для оду и уравнений в частных производных.
24. Метод Ньютона в многомерном случае. Организация итерационного алгоритма.
Пусть задана система нелинейных уравнений
или в более компактной форме: f(x)=0, где ─ -мерная вектор-функция (вектор-столбец). Для реализации метода решения и исследования сходимости необходимо, чтобы функции были достаточно гладкими, например, , где . Рассмотрим i-ое уравнение системы: и пусть - некоторое приближение к корню , полученное на k-ой итерации. Разложим функцию в многомерный ряд Тейлора в точке :
, |
(17) |
где -
- вектор-градиент функции в точке , а - скалярное произведение векторов a и b. Пренебрегая остаточным членом в (17), положим
или в более компактной матричной форме:
, |
(18) |
где
-
- так называемая матрица Якоби первых производных в точке .
Пусть . Разрешим систему линейных алгебраических уравнений (18) относительно x:
И положим :
|
(19) |
Векторное уравнение (19) представляет собой итерационную процедуру Ньютона в многомерном случае. Для ее запуска необходимо задать начальную точку . Однако при произвольном выборе начальной точки нельзя гарантировать сходимость процедуры Ньютона. Вопрос о сходимости (19) в теоретическом плане более сложный, чем тот же вопрос о сходимости метода Ньютона в одномерном случае. Рассмотрим некоторые основные моменты проблемы исследования сходимости процедуры (19).
Прежде всего отметим, что для реализации метода Ньютона необходимо, чтобы матрица Якоби была невырождена в некоторой окрестности точки . Тогда обратная матрица существует в этой окрестности. Аналогично одномерному случаю, процедуру (19) можно рассматривать как итерационный поиск неподвижной точки для уравнения , где - -мерная оператор-функция. Можно показать, что . Поэтому, как и в одномерном случае существует окрестность точки , в которой оператор-функция является сжимающим оператором с некоторой константой сжатия , тем меньшей, чем ближе точка к точке (в эвклидовой норме).
Поэтому о характере сходимости многомерного метода Ньютона справедливы утверждения, аналогичные одномерному случаю.
Например, если - строго выпукла в G, и начальное приближение выбирается достаточно близко к , то итерационная процедура Ньютона (19) сходится с линейной скоростью, а, начиная с некоторого номера, - и с квадратичной скоростью.
Замечание. Строгую формулировку достаточных условий сходимости метода Ньютона в многомерном случае можно найти в цитируемой литературе (см., например, [2]). На практике эти условия, как правило, проверить чрезвычайно сложно. Поэтому при работе на компьютере (например, в пакете MATLAB) используют метод проб и ошибок при выборе начальной точки . На начальном этапе важно найти так называемую зону притяжения, т.е. такую область , что при выборе процедура (19) сходится.
25. Численные методы решения слау. Прямые и итерационные методы, общие понятия.
Пусть задана система линейных алгебраических уравнений (ЛАУ) в стандартной форме:
,
где - матрица , , , .
Если - то решение системы существует и единственно.
Формальное решение системы можно записать по известным формулам Крамера
,
где определители вычисляются по известному правилу.
Однако с вычислительной точки зрения формальное решение не эффективно (хотя и устойчиво) – требует слишком много операций на вычисление определителей (для каждого определителя слагаемых). Это совершенно неприемлемо даже для современных компьютеров уже при . Поэтому используются другие методы численного решения. Эти методы делятся на две большие группы: 1)– прямые методы и 2) – итерационные методы.
Прямые методы основаны на последовательном исключении неизвестных и приведении матрицы A к треугольному виду (метод Гаусса и его модификации, основанные на определенном правиле выбора главного элемента). Эти методы дают решение СЛАУ за конечное число арифметических операций – это их основное преимущество. Число операций, затрачиваемых на приведение системы к треугольному виду и последующее решение пропорционально . Основной недостаток прямых методов – возможно сильное накопление ошибок округлений при делении на малые числа. Кроме того, возможно возникновение так называемой неустранимой погрешности, если система (и соответственно матрица ) плохо обусловлена. Это свойство систем обсуждается далее в п.п.3.4.2.
Итерационные методы более эффективны в вычислении и применяются для разреженных (слабо заполненных) систем порядка и более.
Метод Гаусса обычно изучается в курсе линейной алгебры, и мы его рассматривать не будем. Более подробно рассмотрим итерационные методы. Для тех или иных оценок решения понадобится понятие нормы вектора и нормы матрицы, которые мы и обсудим в следующем параграфе.