- •Вопросы к экзамену по курсу вм и ппп
- •1. Математическая модель является всего лишь приближенным описанием объекта.
- •3. Применяемые для решения методы как правило являются приближенными.
- •4. При вводе данных при выполнении арифметических операций и при выводе результатов происходит округление.
- •Вида погрешностей:
- •15. Прямые методы решения слау
- •24. Метод релаксации.
- •18. Метод Холецкого для решения слау.
- •20. Компактная схема метода Гаусса для треугольного разложения матрицы системы.
- •21. Метод прогонки.
- •19. Метод Гаусса и lu-разложение.
- •27. Решение проблемы собственных значений для симметричных матриц.
- •28. Решение проблемы собственных значений для матриц общего вида.
- •29. Метод Гивенса
- •30. Метод обратных итераций
20. Компактная схема метода Гаусса для треугольного разложения матрицы системы.
21. Метод прогонки.
Для трехдиагональных систем. Используется при решении задач матфизики и аппрокс. сплайнами
19. Метод Гаусса и lu-разложение.
1. Схема единственного деления (без отбора)
2. С выбором главного элемента по столбцу (схема частичного выбора)
3. –«- по всей матрице (схема полного выбора)
26. Нормы векторов и матриц. Нормой вектора называется число , удовлетворяющее трем аксиомам: 1) причем = 0 тогда и только тогда, когда = 0; 2) для любого вектора и любого числа ;
3) для любых векторов и . Наиболее употребительными являются следующие три нормы: , , . Абсолютная и относительная погрешности вектора вводятся с помощью формул: и .
Нормой матрицы называется величина . Введенная норма обладает свойствами, аналогичными свойствам нормы вектора: 1) причем = 0 тогда и только тогда, когда A = 0; 2) для любой матрицы A и любого числа ; 3) для любых матриц A и B; 4) . Каждой из векторных норм соответствует своя подчиненная норма матрицы: , , . В оценках вместо нормы используется евклидова норма матрицы , так как . Абсолютная и относительная погрешности матрицы вводятся аналогично погрешностям вектора с помощью формул: , .
27. Решение проблемы собственных значений для симметричных матриц.
Метод |
Результат |
Примечания |
1. Якоби |
Диагональная форма матрицы |
Теоретически требует бесконечного числа шагов |
2. Гивенса |
Трехдииональльная форма матрицы |
Требует знания корней простого полинома |
3. Хаусхолдера |
Трехдиагональная форма матрицы |
Требует знания корней простого полинома |
28. Решение проблемы собственных значений для матриц общего вида.
Метод |
Результат |
Примечания |
1.Классика |
Собственные значения |
Требует нахождения корней полинома общего вида |
2.Обратных итераций |
Собственные значения и собственные векторы |
Оптимален, когда есть прибл. значение собств. числа |
3.Степенной (в т.ч. со сдвигом) |
Макс. по модулю собственное число |
|
4. QR |
Квазидиагональная форма матрицы |
Лучший метод, обладающий наибольшей общностью |
5. LR |
-“- |
Бывает неустойчив |
Вещественное число λ и вектор z называются собственной парой матрицы A, если они удовлетворяют следующему условию: Az = λz. При этом для вещественной матрицы A может быть поставлена задача поиска только собственных чисел, или как собственных чисел, так и векторов.
1. Все п собственных значений симметричной матрицы размерности пХп, состоящей из действительных чисел, действительные. Это полезно помнить, так как матрицы, встречающиеся в инженерных расчетах, часто бывают симметричными.
2. Если собственные значения матрицы различны, то ее собственные векторы ортогональны. Совокупность п линейно независимых собственных векторов образует базис рассматриваемого пространства. Следовательно, для совокупности линейно независимых собственных векторов
Xi, где i == 1,. . ., n,
любой произвольный вектор в том же пространстве можно выразить через собственные векторы.