- •Экзаменационные вопросы
- •Нахождение корней методом половиного деления
- •Достоинства и недостатки
- •Оценка погрешности приближенного корня (при любом методе вычислений)
- •Метод итерации
- •Геометрическая модель
- •Условие сходимости итерационного процесса
- •Оценка приближения
- •Вторая формула для вычисления погрешности
- •Условия окончания процесса итерации
- •Метод Ньютона (метод касательных)
- •Геометрическая интерпретация метода Ньютона
- •Сходимость итерационного процесса в методе Ньютона
- •Оценка приближения
- •Векторы и матрицы. Основные определения
- •Элементарные преобразования матриц
- •Подобные матрицы
- •Треугольные матрицы
- •Абсолютная величина. Норма матрицы
- •Канонические нормы
- •Решение систем линейных уравнений
- •Метод Гаусса
- •Прямой ход
- •Обратный ход
- •Процедура приведения матрицы к треугольному виду
- •Обращение матриц методом Гаусса (Вычисление обратной матрицы методом Гаусса)
- •Итерационные методы решения систем линейных уравнений
- •Метод Якоби
- •Сходимость метода Якоби
- •Оценка погрешности приближения процесса итерации в методе Якоби
- •Приведение линейной системы к виду, удобному для итерации
- •Метод Зейделя
- •Сходимость метода Зейделя (первое достаточное условие)
- •Полная проблема собственных значений
- •Метод Данилевского
- •Исключительные случаи метода Данилевского
- •Вычисление собственных векторов по Данилевскому
- •Метод вращений
- •Трехдиагональная матрица
- •Ортогональные матрицы
- •Преобразование симметричной матрицы к трехдиагональному виду посредством вращений
- •Вычисление собственных векторов трехдиагональной матрицы и исходной матрицы
- •Частная проблема собственных значений
- •Определение наибольшего по модулю собственного значения матрицы
- •Постановка задачи интерполирования
- •Конечные разности
- •Обобщенная степень
- •Конечные разности для обобщенной степени
- •Первая интерполяционная формула Ньютона
- •Вторая интерполяционная формула Ньютона
- •Интерполяционная формула Лагранжа (для произвольных узлов интерполирования)
- •Оценки погрешностей
- •Оценка погрешности интерполяционной формулы Лагранжа
- •Оценка погрешностей интерполяционных формул Ньютона
- •Формула прямоугольников
- •Погрешность формулы прямоугольников
- •Обобщенная теорема о среднем
- •Квадратурные формы Ньютона-Котеса
- •Формула трапеций
- •Формула погрешности
- •Общая формула трапеций
- •Формула Симпсона и ее погрешность
- •Погрешность формулы Симпсона (без вывода)
- •Общая формула Симпсона
- •Приближенное (численное) дифференцирование
- •Формулы приближенного дифференцирования, основанные на первой интерполяционной формуле Ньютона
- •Нормальная система дифференциальных уравнений
- •Задача Коши
- •Метод Эйлера
- •Достоинства и недостатки метода Эйлера
- •Метод Рунге-Кутта
- •Постановка задачи об апроксимации ф-и
- •Системы ф-ий, ортогональные на интервале
- •Полные системы
5.3Треугольные матрицы
Квадратная матрица называется треугольной, если элементы стоящие выше (ниже) главной диагонали равны 0. Верхняя треугольная матрица имеет вид
01
t11 |
t12 |
t13 |
::: |
t1n |
B 0 |
t22 |
t23 |
::: |
t2nC |
BC
T = |
B |
0 |
0 |
t33 |
::: |
t3n |
C |
|
|
0 |
0 |
0 |
::: |
t |
|
||
|
@ |
::: |
::: |
::: |
::: |
A |
||
|
B |
|
|
|
... |
|
nnC |
где ti;j = 0 при i > j
Нижняя треугольная матрица имеет вид
01
t11 |
0 |
0 |
::: |
0 |
C |
Bt21 |
t22 |
0 |
::: |
0 |
BC
T = t31 |
t32 |
t33 |
::: |
0 |
|
B n1 |
n2 |
n3 ... |
nnC |
||
Bt::: |
t::: |
t::: |
::: |
t::: |
C |
@ |
|
|
|
|
A |
где tij = 0 при i < j
5.4Абсолютная величина. Норма матрицы
Под абсолютной величиной (модулем матрицы) A = (aij) понимают матрицу jAj = (jaijj).
Под нормой матрицы A = (aij) понимают действительное число jjAjj, удовлетворяющее условиям:
1.jjAjj > 0. Причем jjAjj = 0 тогда и только тогда, когда A = 0
2.jj Ajj = j jjjAjj,где - некое число. т.е. jj Ajj = jjAjj
3.jjA + Bjj 6 jjAjj + jjBjj
4.jjABjj 6 jjAjjjjBjj
5.4.1Канонические нормы
Норму называют канонической, если дополнительно выполнены условия
1.Если A = (aij), то jjAjj > jaijj, причем для A = (a11) jjAjj = ja11j
2.Из неравенства jAj 6 jBj следует неравенство jjAjj 6 jjBjj.
Вдальнейшем потребуются три следующие нормы:
1. |
jjAjjm = maxi |
Pj jaijj - m-норма |
||
2. |
jjAjjl = maxPjaijj - l-норма |
|||
|
j |
i |
|
|
|
jjAjjk = r |
|
||
3. |
i;j jaijj2 |
- k-норма |
||
|
|
P |
|
|
В частности для вектора
0 1
x1
Bx2C X = B C @::: A
xn
эти нормы имеют следующий вид
jjXjjm = maxjxij
i
|
|
|
|
|
|
|
jjXjjl = Pi |
jxnj |
|||
|
|
jjk = r |
|
||
jj |
|
j ja1jj2 |
|||
X |
P
17