- •1.Понятие«вычислительная задача». Типы вычислительных задач и их постановка.
- •3. Условия корректности вычислительной задачи.
- •2. Метод Гаусса решения систем линейных алгебраических уравнений: класс метода, прямой и обратный ходы, оценка трудоемкости.
- •Трудоёмкость метода Гаусса
- •Условие сходимости метода простых итераций
- •Трудоёмкость метода простых итераций
- •Условие сходимости метода Зейделя
- •Наглядное представление метода Зейделя
- •7. Источники погрешностей вычислений.
- •8. Метод бисекции решения нелинейных уравнений: условие локализации корня, алгоритм решения, условие окончания, надежность и эффективность метода.
- •9. Погрешности представления (округления) чисел в эвм. Понятие «представимое множество эвм». Способы округления.
- •11. Понятия «абсолютная погрешность» и «относительная погрешность». Реальные оценки погрешностей.
- •Упрощенный метод Ньютона
- •13. Правила записи приближенных чисел, понятия «значащие цифры числа» и «верные значащие цифры числа».
- •15. Абсолютная и относительная погрешности сложения.
- •14. Метод Ньютона–Рафсона решения систем нелинейных уравнений: алгоритм решения, условие окончания.
- •Алгоритм решения:
- •16. Метод Лагранжа интерполяции данных: тип метода, вид и степень общего полинома Лагранжа, условие интерполяции, задача построения полинома Лагранжа, недостаток метода.
- •17. Абсолютная и относительная погрешности вычитания.
- •18. Метод сплайнов интерполяции данных: тип метода, количество и степень сплайн-полиномов, условие интерполяции и условия сопряженности сплайнов, эффективность метода.
- •19. Абсолютная и относительная погрешности умножения.
- •20. Абсолютная и относительная погрешности деления.
- •21. Абсолютная и относительная погрешности деления.
- •24. Методы центральных прямоугольников, трапеций и Симпсона вычисления определенных интегралов: расчетные формулы, порядок точности, оценка погрешности, вычисление погрешности по правилу Рунге.
- •27. Общее понятие «численный метод».
- •28. Метод Монте-Карло вычисления определенных интегралов: расчетная формула, алгоритм метода.
- •29. Понятие «численный метод эквивалентных преобразований».
- •35. Понятие «итерационный (приближенный) численный метод.
- •Условие сходимости метода простых итераций
- •Трудоёмкость метода простых итераций
- •36.Решение оду модифицированным методом Эйлера: порядок точности, начальные условия, расчетная формула для получения решения, графическая интерпретация, вычисление погрешности по правилу Рунге.
- •37.«Численный метод статистических испытаний (случайный численный метод)»
1.Понятие«вычислительная задача». Типы вычислительных задач и их постановка.
Решение задачи с помощью компьютера - это процесс автоматического преобразования исходной информации (исходных данных) в искомый результат в соответствии с заданной последовательностью выполнения действий, называемой алгоритмом. Вычислительные задачи связаны с вычислением в традиционном (арифметическом) смысле этого слова неизвестного значения информационного объекта (переменной, функции и т.д.). Основными элементарными операциями, выполняемыми при решении таких задач, являются арифметические операции сложения, вычитания, умножения, деления, возведения в степень и т.д. В постановке вычислительной задачи выделяют три обязательных элемента: условие задачи, известные данные (исходные данные) и неизвестное (неизвестные). Условие задачи представляет собой явно или неявно выраженное соотношение между данными и неизвестными задачи.
3. Условия корректности вычислительной задачи.
Корректность. Определим вначале понятие устойчивости решения.
Решение задачи y* называется устойчивым по исходным данным x*, если оно зависит от исходных данных непрерывным образом. Это означает, что малому изменению исходных данных соответствует малое изменение решения. Строго говоря, для любого e > 0 существует d = d(e) > 0 такое, что всякому исходному данному x*, удовлетворяющему условию |x - x*| < d, соответствует приближенное решение y*, для которого |y – y*| < e.
Говорят, что задача поставлена корректно, если выполнены следующие три условия:
1. Решение существует при любых допустимых исходных данных.
2. Это решение единственно.
3. Это решение устойчиво по отношению к малым изменениям исходных данных.
Если хотя бы одно из этих условий не выполнено, задача называется некорректной.
2. Метод Гаусса решения систем линейных алгебраических уравнений: класс метода, прямой и обратный ходы, оценка трудоемкости.
Метод последовательного исключения неизвестных Гаусса является одним из универсальных, точных и прямых методов, позволяющих за конечное количество действий получить точное решение системы.
Решение по этому методу выполняется в два хода: прямой и обратный.
При прямом ходе исходная система уравнений:
приводится к эквивалентной системе с треугольной матрицей коэффициентов:
При обратном – из эквивалентной системы идёт последовательное, начиная с конца, определение неизвестных xj, j = n, n – 1, …, 1 по следующим рекуррентным формулам:
– при j = n получаем
– при j = n – 1, n – 2, … , 1 получаем
Трудоёмкость метода Гаусса
Количество действий прямого хода:
Количество действий обратного хода:
.
Суммарное количество действий:
Здесь n – количество уравнений (порядок) системы.
При n = 3
4. Метод простых итераций решения систем линейных алгебраических уравнений: класс метода, оценка трудоемкости, условие сходимости, получение начального приближения, алгоритм решения, условие окончания.
Это приближённый метод. Он позволяет получить решение сис-темы линейных алгебраических уравнений с погрешностью, не превышающей заданную допустимую величину ε, за ограниченное количество итераций.
Имеем исходную систему уравнений:
(1.5)
Запишем систему (1.5) в матричной форме:
A X = B,
где A (n n) – матрица коэффициентов aij;
B(n) – вектор правых частей bi;
X(n) – вектор решений xj.
Можно представить исходную систему матричным уравнением
A X – B = 0
или в развёрнутой матричной форме
Вектор-столбец в правой части с нулевыми значениями элементов получается, когда вектор X есть точное решение системы. В противном случае получим вектор-«невязок»
Обозначим через Z вектор приближённых значений решения системы. Вначале это будет нулевое приближение – вектор Z(0). В качестве начального приближения решения системы можно брать .
При подстановке в систему (1.8) на место X вектора Z(0) получим:
(1.9)
где – вектор-«невязок» начального (нулевого) приближения относительно точного решения.
Цель и суть метода простых итераций – сведение к нулю «невязок» в решении системы (1.9). Практически стремятся к выполнению условия
где S – номер итерации, S = 0, 1, 2, …
Общая формула
где j – номер слагаемого скалярного произведения i-той строки матрицы A на вектор Z.