Оглавление

1 Предел и непрерывность функций одной и нескольких переменных.

Свойства функций, непрерывных на отрезке (2 стр.) . . . . . . . . . 4
2 Производная и дифференциал функций одной и нескольких пере-
менных. Достаточные условия дифференцируемости. . . . . . . . . 6
3 Определенный интеграл, его свойства. Основная формула инте-
грального исчисления. . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Числовые ряды. Абсолютная и условная сходимость. Признаки схо-
димости: Даламбера, интегральный, Лейбница. . . . . . . . . . . . . 11
5 Функциональные ряды. Равномерная сходимость. Признак Вей-
ерштрасса. Непрерывность суммы равномерно сходящегося ряда
непрерывных функций. (3 стр.) . . . . . . . . . . . . . . . . . . . . . 14
6 Криволинейный интеграл, формула Грина. . . . . . . . . . . . . . . 17
7 Производная функции комплексного переменного. Условия Коши-
Римана. Аналитическая функция. . . . . . . . . . . . . . . . . . . . 19
8 Степенные ряды в действительной и комплексной области. Радиус
сходимости. (3 стр.) . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
9 Ряд Фурье по ортогональной системе функций. Неравенство Бессе-
ля, равенство Парсеваля, сходимость ряда Фурье. . . . . . . . . . . 24
10 Прямая и плоскость, их уравнения. Взаимное расположение прямой
и плоскости, основные задачи на прямую и плоскость. . . . . . . . . 26
11 Алгебраические линии и поверхности второго порядка, канониче-
ские уравнения, классификация. . . . . . . . . . . . . . . . . . . . . 29
12 Системы линейных алгебраических уравнений. Теорема Кронекера-
Капелли. Общее решение системы линейных алгебраических урав-
нений . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
13 Линейный оператор в конечномерном пространстве, его матрица.
Норма линейного оператора. . . . . . . . . . . . . . . . . . . . . . . 36
14 Ортогональные преобразования евклидова пространства. Ортого-
нальные матрицы и их свойства. . . . . . . . . . . . . . . . . . . . . 38
15 Характеристический многочлен линейного оператора. Собственные
числа и собственные векторы. . . . . . . . . . . . . . . . . . . . . . . 40

1
16 Формализация понятия алгоритма. Машины Тьюринга, нормаль-
ные алгоритмы Маркова. Алгоритмическая неразрешимость. Зада-
ча останова. Задача самоприменимости. (4 стр.) . . . . . . . . . . . 41
17 Понятие архитектуры ЭВМ. Принципы фон Неймана. Компоненты
компьютера: процессор, оперативная память, внешние устройства.
Аппарат прерываний. (3 стр.) . . . . . . . . . . . . . . . . . . . . . . 45
18 Операционные системы. Процессы, взаимодействие процессов, раз-
деляемые ресурсы, синхронизация взаимодействующих процессов,
взаимное исключение. Программирование взаимодействующих про-
цессов с использованием средств ОС UNIX (сигналы, неименован-
ные каналы, IPC). (5 стр.) . . . . . . . . . . . . . . . . . . . . . . . . 48
19 Системы программирования. Основные компоненты систем про-
граммирования, схема их функционирования. Общая схема рабо-
ты компилятора. Основные методы, используемые при построении
компиляторов. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
20 Основные принципы объектно-ориентированного программирова-
ния. Реализация этих принципов в языке С++. Примеры. (3 стр.) . 56
21 Базы данных. Основные понятия реляционной модели данных. Ре-
ляционная алгебра. Средства языка запросов SQL. (3 стр.) . . . . . 59
22 Виды параллельной обработки данных, их особенности. Компьюте-
ры с общей и распределенной памятью. Производительность вычис-
лительных систем, методы оценки и измерения. (3 стр.) . . . . . . . 62
23 Основные методы обработки изображений: тональная коррекция,
свёртка изображений, выделение краёв. (3,5 стр.) . . . . . . . . . . 65
24 Линейные обыкновенные дифференциальные уравнения и системы.
Фундаментальная система решений. Определитель Вронского. (4 стр.) 69
25 Теоремы существования и единственности решения задачи Коши
для обыкновенного дифференциального уравнения первого поряд-
ка, разрешенного относительно производной. (3 стр.) . . . . . . . . 73
26 Функции алгебры логики. Реализация их формулами. Совершенная
дизъюнктивная нормальная форма. . . . . . . . . . . . . . . . . . . 76
27 Схемы из функциональных элементов и простейшие алгоритмы их
синтеза. Оценка сложности схем, получаемых по методу Шеннона. 78
28 Вероятностное пространство. Cлучайные величины. Закон больших
чисел в форме Чебышева. (4 стр.) . . . . . . . . . . . . . . . . . . . 80
29 Квадратурные формулы прямоугольников, трапеций и парабол. (3
стр.) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
30 Методы Ньютона и секущих для решения нелинейных уравнений.
(3 стр.) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

2
31 Численное решение задачи Коши для обыкновенных дифференци-
альных уравнений. Примеры методов Рунге-Кутта. . . . . . . . . . 90
32 Задача Коши для уравнения колебания струны. Формула Даламбера. 92
33 Постановка краевых задач для уравнения теплопроводности. Метод
разделения переменных для решения первой краевой задачи. . . . . 94

3
1 Предел и непрерывность функций одной и
нескольких переменных. Свойства функций,
непрерывных на отрезке (2 стр.)
Множество всех упорядоченных совокупностей (x1 , ..., xm ) m чисел x1 , ..., xm
называется m-мерным координатным пространством Am .
Координатное пространство Am называется m-мерным евклидовым
0 0 0
пространством E m , если между любыми двумя точками M (x1 , ..., xm ) и
00 00 00
M (x1 , ..., xm ) координатного пространства Am определено расстояние
q
0 00 00 0
ρ(M , M ) = (x1 − x1 )2 + ... + (x00m − x0m )2

Если каждой точке M из {M } точек E m ставится в соответствие по известному

закону некоторое число u, то говорят, что на множестве {M } задана функция
u = u(M ) или u = f (M ). {M } — область задания функции u = f (M ). Число
u, соответствующее данной M из {M } — значение функции в M . Совокупность
{u} всех частных значений u = f (M ) — множество значений этой функции.

Опр 1. Число b называется предельным значением функции u = f (M ) в

точке A (пределом функции при M → A), если для ∀ сходящейся к A последо-
вательности M1 , ..., Mn ... точек множества {M}, элементы Mn которой отличны
от A (Mn 6= A), соответствующая посл-ть f (M1 ), ..., f (Mn ), ... значений функций
сходится к b.

Опр 2. Число b называется предельным значением функции u = f(M) в точке

A, если для ∀ε > 0 ∃δ : для всех точек M из области задания функции, удовле-
творяющих условию 0 < ρ(M, A) < δ, выполняется |f (M ) − b| < ε.

lim f (M ) = b или xlim

→a
f (x1 , ..., xm ) = b
M →A 1 1
...
xm →am

Опр 3. Функция f(x) называется непрерывной в т. a, если lim f (x) = f (a)

x→a

Опр 4. Функция f(M) удовлетворяет в точке M = A условию Коши, если

0 00
для ∀ε > 0∃δ: для ∀M и M из области задания функции f(M), удовлетворяющих
0 00
0 < ρ(M , A) < δ, 0 < ρ(M , A) < δ, для соответствующих значений функций:
f (M 0 − f (M 00 )) < ε

Теорема. (Критерий Коши). Чтобы функция f(M) имела конечное предельное

значение в точке M = A, необходимо и достаточно, чтобы функция f(M) удовле-
творяла в этой точке условию Коши.

4
Свойства функций, непрерывных на отрезке:

1. Пусть f(M) и g(M) непрерывны в A. Тогда f (M ) + g(M ), f (M ) − g(M ),

f (M )g(M ), f (M )/g(M ) (последнее при условии g(M ) 6= 0) непрерывны в
A.

2. Пусть функции x1 = φ1 (t1 , ..., tk ), ..., xm = φ1 (t1 , ..., tk ) (1) заданы на мно-
жестве {N} евклидова пространства E k , t1 , ..., tk — координаты точек в
E k ⇒ ∀N (t1 , ..., tk ) из {N} ставится в соответствие с помощью (1) точ-
ка M (x1 , ..., xm ) евклидова пространства E m . Пусть {M } — множество
всех этих точек, u = f (x1 , ..., xm ) - функция m переменных, заданная на
{M } ⇒ на множестве {N} пространства E k определена сложная функция
u = f (x1 , ..., xm ), где x1 , ..., xm — функции определяются формулами (1).

3. Теорема о сохранении знака. Если u = f (M ) непрерывна в A ∈ E m и

f (A) 6= 0, то ∃ такая ε-окрестность точки A, в пределах которой во всех
точках области своего задания f (M ) не обращается в 0 и имеет знак, сов-
падающий со знаком f (A).

4. Теорема о достижении значения. Пусть u = f (M ) непрерывна во всех

точках связного множества {M} евклидова пространства E m , причём f (A) и
f (B) — значения этой функции в точках A и B этого множества. Пусть C —
∀ число между f(A) и f(B). Тогда на ∀ непрерывной кривой L, соединяющей
A и B и целиком расположенной в {M}, ∃ N : f(N) = C.

5. 1-я Вейерштрасса. Если u = f (M ) непрерывна на замкнутом ограничен-

ном множестве {M}, то она ограниченна на этом множестве.

6. 2-я Вейерштрасса. Если u = f (M ) непрерывна на замкнутом ограни-

ченном множестве {M}, то она достигает на этом множестве своих точной
верхней границы и точной нижней границы.

7. Функция u = f (M ) называется равномерно непрерывной на множестве

{M} евклидова пространства E m , если для
 ∀ε00 > 0 ∃δ = δ(ε) > 0, что для
0 00 0 
0 00
∀M и M : ρ(M , M ) < δ, выполняется f (M ) − f (M ) < ε.

Теорема. (О равномерной непрерывности). Непрерывная на замкну-

том ограниченном множестве {M } функция равномерно непрерывна на
{M }.

5
2 Производная и дифференциал функций одной и
нескольких переменных. Достаточные условия
дифференцируемости.
Опр 1. Производной функции f в точке x0 называется предел при ∆x → 0 раз-
ностного отношения (если этот предел существует):
∆y f (x0 + ∆x) − f (x0 )
f 0 (x0 ) = lim
= lim
∆x→0 ∆x ∆x→0 ∆x
Опр 2. Функция f называется дифференцируемой в точке x0 , если она опреде-
лена в некоторой окрестности этой точки, а приращение ∆y этой функции в точ-
ке x0 , отвечающее приращению аргумента ∆x, может быть представлено в виде
∆y = A∆x+ω(∆x), где A — не зависящее от ∆x конечное число, а ω(∆x) = o(∆x)
при ∆x → 0
Теорема. Функция одной переменной f дифференцируема в точке x0 в том, и
только в том случае, если она имеет в этой точке конечную производную.
Опр 3. Функция u = f (x1 , ..., xm ) называется дифференцируемой в
M (x1 , ..., xm ), если её полное приращение в M можно представить:
∆u = A1 ∆x1 + ... + Am ∆xm + α1 ∆x1 + ... + αm ∆xm , (1)
где A1 , ..., Am — некоторые не зависящие от ∆x1 , ..., ∆xm числа, а α1 , ..., αm —
бесконечно малые при ∆x1 → 0, ..., ∆xm → 0 функции, равные 0 при ∆x1 = ... =
∆xm = 0
Опр 4. Частная производная функции f (x1 , ..., xm ) по переменной xi — это пре-
дел отношения приращения функции по xi к приращению этой переменной, при
стремлении этого приращения к нулю:
∂f f (x1 , . . . , xi−1 , xi + ∆x, xi+1 , . . . , xm ) − f (x1 , . . . , xi−1 , xi , xi+1 , . . . , xm )
= lim
∂xi ∆x→0 ∆x
Теорема. Если u = f (x1 , ..., xm ) дифференцируема в M (x1 , ..., xm ), то в этой
точке ∃ частные производные по всем аргументам, причём
∂u
= Ai ,
∂xi
где Ai определяются из условия дифференцируемости функции.
Опр 5. Дифференциалом du дифференцируемой в M (x1 , ..., xm ) функции u =
f (x1 , ..., xm ) называется главная линейная относительно приращений аргументов
часть приращения этой функции в M.
∂u ∂u
du = A1 ∆x1 + ... + Am ∆xm = ∆x1 + ... + ∆xm
∂x1 ∂xm

6
Теорема. (Достаточное условие дифференцируемости). Если u =
f (x1 , ..., xm ) имеет частные производные по всем аргументам в некоторой окрест-
0 0
ности M0 (x1 , ..., xm ), причём все эти частные производные непрерывны в M0 , то
функция дифференцируема в M0 .
0 0
Доказательство. Для функции двух переменных u = f (x, y). Пусть f x и f y ∃ в
окрестности M0 (x0 , y0 ) и непрерывны в ней. Дадим x и y столь малые приращения
∆x и ∆y, чтобы M (x0 + ∆x, y0 + ∆y) ∈ этой окрестности M0 .
Выражение [f (x0 + ∆x, y0 + ∆y) − f (x0 , y0 + ∆y)] - приращение функции f (x0 , y0 +
∆y) переменной x на [x0 , x0 + ∆x]. Т.к. u = f (x, y) имеет частные производные, то
0
f (x0 , y0 + ∆y) дифференцируема и её производная по x — это fx . По Т.Лагранжа,
0
∃ такое θ1 из 0 < θ1 < 1 : [f (x0 + ∆x, y0 + ∆y) − f (x0 , y0 + ∆y)] = fx (x0 + θ1 ∆x, y0 +
∆y)∆x
Аналогично для некоторого θ2 из 0 < θ2 < 1: [f (x0 , y0 + ∆y) − f (x0 , y0 + ∆y)] =
0
fy (x0 , y0 + θ2 ∆y)∆y
0 0 0 0 0
fx и fy непрерывны в M0 ⇒ fx (x0 + θ1 ∆x, y0 + ∆y) = fx (x0 , y0 ) + α, fy (x0 , y0 +
0
θ2 ∆y) = fy (x0 , y0 ) + β, где α и β — бесконечно малые при ∆x → 0, ∆y → 0 ⇒
0 0
∆u = fx (x0 , y0 )∆x + fy (x0 , y0 )∆y + α∆x + β∆y ⇒ u = f (x, y) дифференцируема
в M0 .

Теорема. (О дифференцируемости сложной функции). Пусть функция

x = φ(t) дифференцируема в некоторой точке t0 , а функция y = f(x) дифферен-
цируема в точке x0 = φ(t0 ). Тогда сложная функция f (φ(t)) дифференцируема в
0 0 0
точке t0 , причём её производная имеет вид [f (φ(t0 ))]1 = fx (x0 ) ∗ φ1 (t0 ).

7
3 Определенный интеграл, его свойства. Основ-
ная формула интегрального исчисления.
Пусть f (x) задана на [a, b], a < b, T — разбиение [a, b]: a = x0 < x1 < ... <
xn = b на n частичных сегментов [x0 , x1 ], . . . , [xn−1 , xn ]. Пусть ξi — любая точка
[xi−1 , xi ], ∆xi = xi − xi−1 — длина сегмента. ∆ = max ∆xi

Опр 1. Число I{xi , ξi }, где

n
X
I{xi , ξi } = f (ξ1 )∆x1 + f (ξ2 )∆x2 + ... + f (ξn )∆xn = f (ξi )∆xi
i=1

называется интегральной суммой f (x), соответствующей данному разбиению T

сегмента [a, b] и данному выбору промежуточных точек ξi на частичных сегментах
[xi−1 , xi ].

Опр 2. Число I называется пределом интегральных сумм I{xi , ξi } при ∆ →

0, если для ∀ε > 0∃δ = δ(ε) : для ∀ разбиения T сегмента [a, b], для которого ∆ =
max ∆xi < δ, независимо от выбора точек ξi на [xi−1 , xi ] выполняется неравенство
|I{xi , ξi } − I| < ε.
I = lim I{xi , ξi }
∆→0

Опр 3. Функция называется интегрируемой (по Риману) на [a, b], если ∃ конеч-
ный предел I интегральных сумм f (x) при ∆ → 0. Предел I — определённый
Rb
интеграл от f (x) по [a, b]: I = f (x)dx
a

Утв. Неограниченная на [a, b] функция f (x) не интегрируема на [a, b].

Пусть f(x) ограничена на [a, b], T — разбиение [a, b] точками a = x0 < x1 <
... < xn = b, Mi и mi — точная верхняя граница и точная нижняя граница f (x)
на [xi−1 , xi ]. Суммы S = ni=1 Mi ∆xi и s = ni=1 mi ∆xi называются верхней и
P P

нижней суммами f (x) для данного T сегмента [a, b].

Свойства верхних и нижних сумм:

1. Для ∀ фиксированного разбиения T и для ∀ε > 0 точки ξi (ξi∗ ) на [xi−1 , xi ]

можно выбрать так, что:

0 ≤ S − I{xi , ξi } < ε(0 ≤ I{xi , ξi∗ } − s < ε)

2. Если разбиение T 0 сегмента [a, b] получено путём добавления новых точек

к точкам T, то s ≤ s0 , S 0 ≤ S.

3. Пусть T 0 и T 00 — ∀ разбиения [a, b]. Тогда: s0 ≤ S 00 , s00 ≤ S 0 .

8
 4. Множество {S} верхних сумм данной f (x) для всевозможных разбиений
[a, b] ограничено снизу. Множество {s} нижних сумм — сверху.

5. Пусть разбиение T 0 сегмента [a, b] получено из разбиения T добавлением к

последнему p новых точек, и пусть s0 , S 0 и s, S — нижние и верхние суммы
разбиений T 0 и T . Тогда для разностей S − S 0 и s − s0 можно получить оцен-
ку, зависящую от максимальной длины ∆ частичных сегментов разбиения T ,
числа p добавленных точек точной верхней границы и точной нижней гра-
ницы M и m функции f (x) на [a, b]: S −S 0 ≤ (M −m)p∆, s0 −s ≤ (M −m)p∆

6. Пусть I — точная нижняя граница множества {S} верхних сумм, I — точ-

ная верхняя граница множества {s} нижних сумм: I = inf{S}, I = sup{s}.
Числа I и I — верхний и нижний интегралы Дарбу от f (x).
Лемма Дарбу. Верхний и нижний интеграллы Дарбу I и I от f (x) по [a, b]
являются соответственно пределами верхних и нижних сумм при ∆ → 0.

Теорема. Чтобы ограниченная на [a, b] функция f (x) была интегрируемой на

[a, b], необходимо и достаточно, чтобы для ∀ε > 0 нашлось такое разбиение T
сегмента [a, b], для которого S − s 6 ε.

Свойства определённого интеграла:

Ra
1. a f (x)dx = 0
Ra Rb
2. b f (x)dx = − a f (x)dx

3. Пусть f (x) и g(x) интегрируемы на [a, b]. Тогда f (x) + g(x), f (x) − g(x) и
f (x) · g(x) также интегрируемы на [a, b], причём
Z b Z b Z b
[f (x) ± g(x)]dx = f (x) ± g(x)
a a a

4. Если f(x) интегрируема на [a, b], то cf (x) (c =const) тоже:

Z a Z a
cf (x)dx = c f (x)dx
b b

5. Пусть f(x) интегрируема на [a, b]. Тогда f(x) интегрируема на ∀[c, d] ∈ [a, b]

6. Пусть f(x) интегрируема на сегментах [a, c] и [c, b]. Тогда f(x) интегрируема
на [a, b], причём
Z b Z c Z b
f (x)dx = f (x)dx + f (x)dx
a a c

9
Теорема. Любая непрерывная на интервале (a; b) функция f (x) имеет на этом
интервале
Rx первообразную. Одной из первообразных является функция F (x) =
c f (t) dt, где c — ∀ фиксированная точка из (a, b).

Основная формула интегрального исчисления. Любые две первообраз-

ные f (x) отличаются на постоянную ⇒ согласно теореме выше, можно утвер-
ждать, что любая первообразная Φ(x) непрерывна на [a, b] функции f (x) имеет
вид: Z x
Φ(x) = f (t)dt + C,
a
где C — некоторая постоянная.
Полагая в этой формуле сначала x = a, а затем x = b и используя свойство
№1 определённых интегралов:
Z b
Φ(a) = C, Φ(b) = f (t)dt + C ⇒
a
Z b
f (t)dt = Φ(b) − Φ(a) = Φ|ba
a
это основная формула интегрального исчисления (формула Ньютона-
Лейбница).

10
4 Числовые ряды. Абсолютная и условная сходи-
мость. Признаки сходимости: Даламбера, инте-
гральный, Лейбница.
Рассмотрим произвольную числовую последовательность u1 , u2 , ..., uk , ... и
формально образуем из её элементов бесконечную сумму вида
∞
X
u1 + u2 + ... + uk + ... = uk . (1.1)
k=1

Формально составленную сумму принято называть числовым рядом. При этом

отдельные слагаемые uk принято называть членами ряда. Сумму первых n членов
ряда (1.1) принято называть n-й частичной суммой ряда и обозначать символом
Sn . Итак, по определению
n
X
Sn = u1 + u2 + ... + un = uk . (1.2)
k=1

Опр 1. Ряд (1.1) называется сходящимся, если сходится последовательность

{Sn } частичных сумм (1.2) этого ряда. При этом предел S указанной последова-
тельности {Sn } называется суммой ряда (1.1).

Опр 2. Ряд ∞
P P∞
n=1 un называется абсолютно сходящимся, если ряд n=1 |un |
также сходится.

Опр 3. Ряд ∞
P
n=1 un называется условно сходящимся, если сам он сходится, а
ряд, составленный из модулей его членов, расходится.

Теорема. (Признак Даламбера).

I. Если для всех номеров k, по крайней мере начиная с некоторого номера, спра-
ведливо неравенство
pk+1 pk+1
≤q<1 ( ≥ 1)
pk pk
то ряд ∞
P
k=1 pk сходится (расходится).
II. Если существует предел
pk+1
lim = L,
k→∞ pk

то ряд ∞
P
k=1 pk сходится при L < 1 и расходится L > 1.

11
Теорема. (Интегральный признак). Пусть при x ≥ 1 функция f(x) неотрица-
тельна и не возрастает. Тогда Rряд ∞
P
k=1 fk сходится или расходится одновременно
+∞
с несобственным интегралом 1 f (x)dx.
Теорема. (Признак Лейбница). Пусть последовательность {uk } явля-

12
ется невозрастающей и бесконечно малой. Тогда знакочередующийся ряд
P∞ k−1
k=1 (−1) uk сходится.

Доказательство. S2n = (u1 − u2 ) + (u3 − u4 ) + ... + (u2n−1 − u2n ). Поэтому в силу

невозрастания последовательности {uk } последовательность {S2n } не убывает. С
другой стороны, {S2n } = u1 − (u2 − u3 ) − ... − (u2n−2 − u2n−1 ) − u2n . Поэтому в силу
невозрастания последовательности {uk } и того, что u2n ≥ 0, последовательность
{S2n } ограничена сверху числом u1 . Следовательно, {S2n } сходится к некоторому
числу S. Но из того, что S2n−1 = S2n − u2n и lim u2n = 0, вытекает сходимость
n→∞
последовательности {S2n−1 } к тому же S.

13
5 Функциональные ряды. Равномерная сходи-
мость. Признак Вейерштрасса. Непрерывность
суммы равномерно сходящегося ряда непрерыв-
ных функций. (3 стр.)
Предположим, что на числовой прямой E 1 или в m-мерном евклидовом про-
странстве E m задано некоторое множество {x}.

Опр 1. Если каждому натуральному числу n ставится в соответствие по опре-

делённому закону некоторая функция fn (x), определённая на множестве {x}, то
множество занумерованных функций f1 (x), f2 (x), ..., fn (x), ... мы и будем назы-
вать функциональной последовательностью.

Опр 2. Рассмотрим функциональную последовательность {un (x)}, областью

определения которой является некоторое множество {x}.
Формально написанную сумму
∞
X
un (x) = u1 (x) + u2 (x) + ... + un (x) + ...
n=1

бесконечного числа членов указанной функциональной последовательности будем

называть функциональным рядом.

Опр 3. При этом отдельные функции un (x) мы будем называть членами рас-
сматриваемого ряда, а множество {x}, на котором определены эти функции, будем
называть областью определения этого ряда.

Предположим, что функциональная последовательность

f1 (x), f2 (x), ..., fn (x), ... (1)

сходится на множестве {x} пространства E m к предельной функции f(x).

Опр 4. Будем говорить, что последовательность (1) сходится к сумме функций

f(x) равномерно на множестве {x}, если для любого ε > 0 найдётся номер
N (ε) такой, что для всех номеров n, удовлетворяющий условию n ≥ N (ε), и для
всех точек множества {x} справедливо неравенство

|fn (x) − f (x)| < ε

Опр 5. Функциональный ряд называется равномерно сходящимся на мно-

жестве {x} к сумме S(x), если последовательность {Sn (x)} его частичных сумм
сходится равномерно на множестве {x} к предельной функции S(x).

14
Теорема. (Критерий Коши). Для того чтобы функциональный ряд
∞
X
uk (x) (2)
k=1

равномерно на множестве {x} сходился к некоторой сумме, необходимо и доста-

точно, чтобы для произвольного ε > 0 нашёлся номер N (ε), гарантирующий спра-
ведливость неравенства
n+p
X
| uk (x)| < ε
k=n+1
для всех номеров n, удовлетворяющих условию n ≥ N (ε), всех натуральных p (p
= 1, 2, ...) и всех точек x множества {x}.
Теорема. (Признак Вейерштрасса). Если функциональный ряд
∞
X
uk (x) (1*)
k=1

определён на множестве {x} пространства E m и если существует сходящийся чис-

ловой ряд
X∞
ck
k=1
такой, что для всех точек x множества {x} и для всех номеров k справедливо
неравенство
|uk (x)| ≤ ck ,
то функциональный ряд (1*) сходится равномерно на множестве {x}.
Теорема. 2. Если функциональный ряд
∞
X
uk (x) (2*)
k=1

сходится равномерно на множестве {x} к сумме S(x) и у всех членов этого ряда
существует в точке x0 предел

lim uk (x) = bk ,
x→x0

то и сумма ряда S(x) имеет в точке x0 предел, причём

∞
X ∞
X
lim S(x) = [ lim uk (x)] = bk ,
x→x0 x→x0
k=1 k=1
P
т.е. символ lim предела и символ суммирования можно переставлять местами
(или, как говорят, к пределу можно переходить почленно).

15
Следствие. Если в условиях теоремы 2 дополнительно потребовать, чтобы точка
x0 принадлежала множеству {x} и чтобы все члены uk (x) функционального ряда
(2*) были непрерывны в точке x0 , то и сумма S(x) этого ряда будет непрерывна
в точке x0 .

16
6 Криволинейный интеграл, формула Грина.
Опр 1. Спрямляемая кривая — кривая, имеющая конечную длину, при этом
длиной кривой называется предел последовательности длин ломаных, вписанных
в эту линию, при условии, что длина наибольшего звена > 0.
Этот предел всегда ∃, но может быть равен ∞ ⇒ кривая неспрямляемая.

Пусть на кривой L определены три непрерывные вдоль этой кривой функции

f (x, y), P (x, y), Q(x, y).

Опр 2. Если при max ∆lk → 0 существует конечный предел If интегральных сумм
k
σf вне зависимости от выбора разбиений {tk } и точек τk , то этот предел называется
криволинейным интегралом первого рода от функции f по кривой L:
Z Z
If = f (x, y)dl = f (x, y)dl
L AB

Опр 3. Если существует предел интегральной суммы σP [соответственно σQ ] при

∆ → 0, то этот предел называется криволинейным интегралом второго ро-
да от функции P(x, y) [соответственно Q(x, y)] по кривой L=AB и обозначается
символом Z Z
P (x, y)dx [ Q(x, y)dy]
AB AB
Сумму Z Z
P (x, y)dx + Q(x, y)dy
AB AB
принято называть общим криволинейным интегралом второго рода и обо-
значать символом Z
P (x, y)dx + Q(x, y)dy
AB

Из определения криволинейных интегралов следует, что:

1. криволинейный интеграл первого рода не зависит от того, в каком направ-

лении пробегает кривая L, а для криволинейного интеграла второго рода
изменение направления кривой ведёт к изменению знака, т.е.
Z Z
P (x, y)dx + Q(x, y)dy = − P (x, y)dx + Q(x, y)dy
AB BA

2. физически криволинейный интеграл первого рода представляет собой массу

кривой L, линейная плотность которой равно f(x, y);

17
 общий линейный интеграл второго рода физически представляет собой рабо-
ту по перемещению материальной точки A в B вдоль кривой L под действием
силы, имеющей составляющие P(x, y) и Q(x, y).

Опр 4. Область D называется односвязной, если любая кусочно гладкая за-

мкнутая без самопересечения кривая, расположенная в D, ограничивает область,
все точки которой также принадлежат D.

Пусть π - плоскость в пространстве E 3 , k — единичный вектор нормали к π,

D - односвязная область на π. Пусть, далее, область D удовлетворяет следующим
условиям:

1. граница C области D является замкнутой кусочно гладкой кривой без особых

точек;

2. на плоскости π можно выбрать такую прямоугольную декартову систему

координат, что все прямые, параллельные координатным осям, пересекают
C не более чем в двух точках.

Пусть t — единичный вектор касательной к кривой C, согласованной с k, т.е.

положительное направление обхода кривой C совпадает в точке приложения век-
тора t с направлением этого вектора, и если смотреть с конца нормали k, то
контур C ориентирован положительно (Его обход осуществляется против часовой
стрелки). Говорят, что ориентация кривой C согласована с нормалью "по правилу
штопора".

Теорема. (Формула Грина). Пусть a — векторное поле, дифференцируемое в

области D, удовлетворяющей условиям 1) и 2), и такое, что его производная по
любому направлению непрерывна в объединении D ∩ C = D. Тогда справедлива
формула ZZ I
(k, rot a)dσ = (a, t)dl
D C

Выражение справа обычно называют циркуляцией векторного поля a по

кривой C, а выражение слева — потоком векторного поля rot a через область
D.

18
7 Производная функции комплексного перемен-
ного. Условия Коши-Римана. Аналитическая
функция.
Дифференцируемость функции.
Опр 1. Пусть f (z) определена на Uδ (z0 ), δ > 0. Если существует предел

f (z) − f (z0 )
lim ,
z→z0 z − z0
то этот предел называют производной функции f (z) в точке z0 и обознача-
ют f 0 (z0 ).

Положим

f (z) = u(x, y) + iυ(x, y),

z = x + iy,
z0 = x0 + iy0

∆f = f (z) − f (z0 ),
∆f = ∆u + i∆υ,
∆z = z − z0 ,
∆z = ∆x + i∆y,

где

∆u = u(x, y) − u(x0 , y0 ),
∆υ = υ(x, y) − υ(x0 , y0 ),
∆x = x − x0 ,
∆y = y − y0 .

Опр 2. Функция f (z) называется дифференцируемой, если приращение ∆f =

A∆z + o(1)∆z, lim o(1) = 0, где A не зависит от ∆z
∆z→0

Условия Коши-Римана

u0x = υy0 , u0y = −υx0 . (1)

19
Теорема. Для того, чтобы функция f (z) = u(x, y)+iυ(x, y) была дифференциру-
ема в точке z0 = x0 +iy0 , необходимо и достаточно, чтобы функции u(x, y) и υ(x, y)
были дифференцируемы в точке (x0 , y0 ) и выполнялись условия Коши-Римана.

Доказательство. Предположим, что функции u(x, y) и υ(x, y) дифференцируе-

мы в точке (x0 , y0 ) и выполнены условия (1).
Пусть u0x = aυy0 , u0y = −b = −υx0 . Имеем

∆u = a∆x − b∆y + ō1 (1)∆x + ō2 (1)∆y,

∆υ = b∆x − a∆y + ō3 (1)∆x + ō4 (1)∆y,
lim ō1 (1) = lim ō2 (1) = lim ō3 (1) = lim ō4 (1)
∆x→0 ∆x→0 ∆x→0 ∆x→0
∆y→0 ∆y→0 ∆y→0 ∆y→0

Отсюда ∆f = ∆u + ∆iv =
a∆x − b∆y + ō1 (1)∆x + ō2 (1)∆y + ib∆x + ia∆y + iō3 (1)∆x + iō4 (1)∆y =
∆x(a + ib) + ∆y(−b + ia) + ∆x(ō1 (1) + iō3 (1)) + ∆y(ō2 (1) + iō4 (1)) =
(a + ib)(∆x + ∆iy) + ∆x∆x(ō1 (1) + iō3 (1)) + ∆y(ō2 (1) + iō4 (1)).

Тем самым

∆f ∆x ∆y
= a + ib + (ō1 (1) + iō3 (1)) + (ō2 (1) + iō4 (1)) .
∆z ∆z ∆z

Так как |∆x| ≤ |∆z|, |∆y| ≤ |∆z|, то

∆f
lim = a + ib = f 0 (z0 ) = u0x + iυx0 = υy0 − iu0y = u0x − iu0y = υy0 + iυx0
∆z→0 ∆z

Аналитическая функция
Достаточное условие, при котором существует f 0 (z).
Если f (z) = u(x, y) + iυ(x, y) и функции u(x, y), υ(x, y) в области D име-
ют непрерывные частные производные первого порядка и выполняются условия
Коши-Римана, то функция f (z) дифференцируема в области D и f 0 (z) ∈ (D).

Опр 3. Функция f (z) называется аналитической в области D, если она в области

D имеет производную f 0 (z) ∈ (D).

20
8 Степенные ряды в действительной и комплекс-
ной области. Радиус сходимости. (3 стр.)
Степенной ряд и область его сходимости
Опр 1. Степенным рядом называется функциональный ряд вида
∞
X
a0 + an xn = a0 + a1 x + a2 x2 + . . . ,
n=1

где a0 , a1 , a2 , . . . , an , . . . — постоянные вещественные числа, называемые коэф-

фициентами ряда.
Составим с помощью коэффициентов an ряда чиисловую последовательность:
np o
n
|an | , (n = 1, 2, . . .). (2)

Теорема Коши-Адамара
1. Если последовательность (2) не ограничена, то степенной ряд сходится лишь
при x = 0.

2. Если последовательность (2) ограничена и имеет верхний предел L > 0,

то ряд абсолютно сходится для значений x, удовлетворяющих |x| < L1 , и
расходится для значений x, удовлетворяющих неравенству |x| > L1 .

3. Если последовательность (2) ограничена и ее верхний предел L = 0, то ряд

абсолютно сходится для всех значений x.
Доказательство. (1.) Пусть последовательность (2) не ограничена. Тогда при
x 6= 0 последовательность p p
|x| n |an | = n |an xn |
также не ограничена, т.е. у этой последовательности имеютсяpчлены со сколь
угодно большими номерами n, удовлетворяющие неравенству n |an xn | > 1, или
|an xn | > 1. Но это означает, что для ряда (при x 6= 0) нарушено необходимое
условие сходимости, т. е. ряд расходится при x 6= 0.
Доказательство. (2) Пусть последовательность (2) ограничена и ее верхний пре-
дел L > 0. Докажем, что ряд абсолютно сходится при |x| < L1 , и расходится при
|x| > L1 .
(а) Фиксируем сначала любое x, удовлетворяющее неравенству |x| < L1 . Тогда
1
найдется ε > 0, такое, что |x| < L+ε . В силу свойств верхнего предела все
p
элементы n |an |, начиная с некоторого номера n, удовлетворяют неравенству
pn ε
|an | < L +
2

21
 Таким образом, начиная с этого номера n, справедливо неравенство
p
n n
p
n
L + 2ε
|an x | = |x| |an | < < 1,
L+ε
т. е. ряд абсолютно сходится по признаку Коши.

(б) Фиксируем теперь любое x, удовлетворяющее неравенству |x| > L1 . То-

1
гда найдется ε > 0 такое, что |x| > L−ε . По определению верхнего пре-
дела
n p из o последовательности (2) можно выделить подпоследовательность
nk
|ank | (k = 1, 2, . . .), сходящуюся к L. Но это означает, что, начиная
с некоторого номера k, справедливо неравенство
p
L − ε < nk |ank | < L + ε.

Таким образом, начиная с этого номера k, справедливо неравенство

p
nk
p L−ε
|ank xnk | = |x| nk |ank | > = 1,
L−ε
или
|ank xnk | > 1,
откуда видно, что нарушено необходимое условие сходимости ряда и он рас-
ходится.

Доказательство. (3) Пусть последовательность (2) ограничена и ее верхний пре-

дел L = 0. Докажем, что ряд абсолютно сходится при любом x.
Фиксируем произвольное x 6= 0 (при x 6= 0 ряд заведомо абсолютно сходит-
ся). Поскольку верхний предел L = 0 и последовательность (2) не может иметь
отрицательных предельных точек, число L = 0 является единственной предель-
ной точкой, а следовательно, является пределом этой последовательности, т. е.
последовательность (2) является бесконечно малой.
1
Но тогда для положительного числа 2|x| найдется номер, начиная с которого
p
n 1
|an | < .
2|x|
Стало быть, начиная с указанного номера,
pn
√ 1
|an xn | = |x| n an < < 1,
2
т. е. ряд абсолютно сходится к признаку Коши.
Доказанная теорема непосредственно приводит к следующему фундаменталь-
ному утверждению.

22
Радиус сходимости
Теорема. Для каждого степенного ряда, если он не является рядом, сходящимся
лишь в точке x = 0, существует положительное число R (возможно, равное беско-
нечности) такое, что этот ряд абсолютно сходится при |x| < R и расходится при
|x| > R.
Это число R называется радиусом сходимости рассматриваемого степенного
ряда, а интервал (−R, R) называется промежутком сходимости этого ряда. Для
вычисления радиуса сходимости справедлива формула
1
R= p
lim n |an |
n→∞
p
(в случае, когда lim n
|an | = 0, R = ∞)
n→∞

Для случая комплексного пространства:

∞
an (z − z0 )n называется степенным рядом с центром разложения
P
Ряд вида
n=0
в точке z0 , где {an } — фиксированная последовательность комплексных чисел.
p ∞
P
Теорема (Коши-Адамара). Если R = 0 (т. е. lim n
|an | = ∞), то ряд an (z −
n→∞ n=0
p
z0 )n сходится только в точке z0 . Если R = ∞ (т. е. lim n |an | = 0), то ряд сходится
n→∞
абсолютно во всей комплексной плоскости C и равномерно внутри C. Если 0 <
R < ∞, то ряд сходится абсолютно внутри круга |z − z0 | < R, равномерно внутри
круга; вне замкнутого круга ряд сходится.

23
9 Ряд Фурье по ортогональной системе функ-
ций. Неравенство Бесселя, равенство Парсева-
ля, сходимость ряда Фурье.
Опр 1. Два элемента f и g евклидова пространства называются ортогональны-
ми, если скалярное произведение hf, gi этих элементов равно нулю.

Рассмотрим в произвольном бесконечномерном евклидовом пространстве E

некоторую последовательность элементов.

ψ1 , ψ2 , ..., ψn , .... (*)

Опр 2. Последовательность (*) называется ортонормированной системой, ес-

ли входящие в эту последовательность элементы попарно ортогональны и имеют
норму, равную единице.

Пусть в произвольном бесконечномерном евклидовом пространстве E зада-

на произвольная ортонормированная система элементов {ψk }. Рассмотрим какой
угодно элемент f пространства E.

Опр 3. Назовём рядом Фурье элемента f по ортонормированной системе {ψk }

ряд вида
∞
X
fk ψk .
k=1
в котором через fk обозначены постоянные числа, называемые коэффициента-
ми Фурье элемента f и определяемые равенствами

fk = hf, ψk i k = 1, 2, ...
∞
X
Sn = f k ψk
k=1
называется n-й частичной суммой ряда Фурье.

Рассмотрим наряду с n − q частичной суммой произвольную линейную ком-

бинацию первых n элементов ортонормированной системы {ψk }
∞
X
Ck ψk
k=1

с какими угодно постоянными числами C1 , C2 , ..., Cn .

Договоримся называть величину ||f − g|| отклонением f по норме данного евкли-
дова пространства.

24
Следствие. (1). Для произвольно элемента f данного евклидова пространства,
любой ортонормированной системы {ψk } и любой ортонормированной системы
{ψk } при произвольном выборе постоянных Ck для любого номера n справедливо
неравенство
n
X n
X
2 2
||f || − fk ≤ || Ck ψk − f ||2
k=1 k=1

Следствие. (Тождество Бесселя). Для произвольно элемента f данного ев-

клидова пространства, любой ортонормированной системы {ψk } и любого номера
n справедливо равенство
n
X n
X
2 2
|| fk ψk − f || = ||f || − fk2
k=1 k=1

Опр 4. Ортонормированная система {ψk } называется замкнутой, если для лю-

бого элемента f данного евклидова пространства E и для любого положительного
числа ε найдётся такая линейная комбинация конечного числа элементов {ψk },
отклонение которой от f (по норме пространства E) меньше ε.

Теорема. Если ортонормированная система {ψk } является замкнутой, то для лю-

бого элемента f рассматриваемого евклидова пространства неравенство Бесселя
переходит в точное равенство
∞
X
fk2 = ||f ||2
k=1

называемое равенством Персеваля.

Доказательство. Фиксируем произвольный элемент f рассматриваемого евкли-

дова пространства и произвольное положительное число ε. Так как система fk
является замкнутой, то найдётся такой номер n и такие числа C1 , C2 , ..., Cn , что
квадрат нормы, стоящий в правой части неравенства из следствия 1, будет мень-
ше ε. В силу следствия 1 это означает, что для произвольного ε > 0 найдётся
номер n, для которого
n
X
2
||f || − fk2 < ε
k=1
Для всех номеров, превосходящих указанный номер n, это неравенство будет тем
более справедливо, так как при возрастании n сумма, стоящая в левой части может
только возрасти.
В соединении с неравенством Бесселя это означает, что ряд nk=1 fk2 сходится к
P

сумме ||f ||2 . Теорема доказана.

25
10 Прямая и плоскость, их уравнения. Взаимное
расположение прямой и плоскости, основные
задачи на прямую и плоскость.
Теорема. Пусть на плоскости фиксирована декартова прямоугольная система
координат Oxy. Если ненулевой вектор ~n = (A, B) перпендикулярен к прямой l
этой плоскости, то все точки прямой l удовлетворяют уравнению вида Ax + By +
C = 0. Всякое такое уравнение определяет относительно фиксированной системы
координат Oxy некоторую прямую линию (A2 + B 2 6= 0).
Доказательство. Все векторы в данной плоскости перпендикулярные к прямой
l, коллинеарны вектору ~n.
Фиксируем точку M0 (x0 , y0 ) ∈ l.
−−−→
∀M (x, y) ∈ l, M0 M ⊥ ~n ⇒ (M~0 M , ~n) = 0 ⇒
⇒ A(x − x0 ) + B(y − y0 ) = 0 или Ax + By + c = 0, где C = −(Ax0 + By0 ).
Обратно, если A2 + B 2 6= 0, то уравнение Ax + By + C = 0 имеет хотя бы одно
решение
AC BC
x0 = − 2 , y0 = − .
A + B2 A2 + B 2
Вычитая из равенства Ax + By + C = 0 равенство Ax0 + By0 + C = 0, получим
−−−→
A(x − x0 ) + B(y − y0 ) = 0, что означает перпендикулярность вектора ~n и ∀M0 M ,
где M0 = M0 (x0 , y0 ), а координаты точки M (x, y) удовлетворяют уравнению Ax +
By + C = 0.
Теорема. Пусть в пространстве фиксирована декартова прямоугольная система
координат Oxyz. Если ненулевой вектор ~n = (A, B, C) перпендикулярен к плоско-
сти π, то все точки плоскости π удовлетворяют уравнению вида Ax+By+Cz+D =
0. Всякое такое уравнение определяет относительно фиксированной системы ко-
ординат Oxyz некоторую плоскость (A2 + B 2 + C 2 6= 0).
Опр 1. Уравнение (
Ax + By + C = 0,
A2 + B 2 6= 0.
называется общим уравнением прямой линии на плоскости, а вектор ~n =
(A, B) — нормальным вектором прямой.
Опр 2. Уравнение (
Ax + By + Cz + D = 0,
A2 + B 2 + C 2 6= 0.
называется общим уравнением плоскости в пространстве, а вектор ~n =
(A, B, C) — нормальным вектором плоскости.

26
 Каноническое уравнение прямой и плоскости. Любой ненулевой вектор,
параллельный прямой линии или принадлежащий ей, называется ее направляю-
щим вектором. Пусть прямая l на плоскости проходит через точку M0 (x0 , y0 ) и
−−−→
имеет направляющий вектор ~q = (m, n). Точка M (x, y) ∈ l ⇔ M0 M и ~q кол-
y−y0
линеарны, т.е. их координаты пропорциональны: x−x m =
0
n — каноническое
уравнение прямой на плоскости. Если известно, что прямая l проходит через
две несовпадающие точки M0 (x0 , y0 ) и M1 (x1 , y1 ), то в качестве направляюще-
−−−→
го вектора можно взять M0 M1 . Тогда получим уравнение прямой: xx−x 0
1 −x0
= yy−y 0
1 −y0
.
Можно также записать в виде:
 
 x − x 0 y − yo 
x1 − x0 y1 − y0  = 0
 

Аналогично для плоскости. Любой ненулевой вектор, параллельный плоскости

или принадлежащий ей, называется ее направляющим вектором. Пусть 3 различ-
ные точки M0 (x0 , y0 , z0 ), M1 (x1 , y1 , z1 ), M2 (x2 , y2 , z2 ) не лежат на одной прямой.
−−−→ −−−→
Тогда векторы M0 M1 = (x1 − x0 , y1 − y0 , z1 − z0 ) и M0 M2 = (x2 − x0 , y2 − y0 , z2 − z0 )
не коллинеарны. Точка M (x, y, z) будет лежать в одной плоскости с точками
−−−→ −−−→ −−−→
M0 , M1 , M2 ⇐⇒ векторы M0 M1 , M0 M2 , M0 M компланарны, т.е.
 
 x − x0 y − yo z − z0 
 
x1 − x0 y1 − y0 z1 − z0  = 0
 
x − x y − y z − z 
2 0 2 0 2 0

Если имеются 2 направляющих не коллинеарных вектора плоскости q~1 =

(m1 , n1 , k1 ) и q~2 = (m2 , n2 , k2 ), то плоскость, проходящая через точку M0 (x0 , y0 , z0 )
задается уравнением:  
x − x0 y − yo z − z0 
 
1  = 0
 m1 n 1 k 

 m n2 k2 
2
- каноническое уравнение плоскости.

Теорема. Пусть плоскость π задана общим уравнением Ax + By + Cz + D =

0, а прямая l задана каноническим уравнением x−x
m
0
= y−y n
0
= z−z
k . Прямая l
0

принадлежит плоскости π ⇐⇒ Ax0 + By0 + Cz0 + D = 0 и Am + Bn + Ck = 0.

Прямая l параллельна плоскости π ⇐⇒ Ax0 +By0 +Cz0 +D 6= 0 и Am+Bn+Ck =
A
0. Прямая l перпендикулярна плоскости π ⇐⇒ m = Bn = Ck . Угол φ между прямой
l и плоскостью π:
|Am + Bn + Ck|
sin φ = √ √
A2 + B 2 + C 2 ∗ m2 + n2 + k 2
Основные задачи на прямую и плоскость.

27
1. Найти уравнение прямой, проходящей через т.M0 (x0 , y0 , z0 ) и перпендику-
y−y0
лярной плоскости Ax + By + Cz + D = 0. Ответ: x−x
A = B = C .
0 z−z0

2. Найти уравнение плоскости, проходящей через т.M0 (x0 , y0 , z0 ) и перпендику-

y−y1
лярной прямой x−x z−z1
m = n = k . Ответ: m(x−x0 )+n(y−y0 )+k(z−z0 ) = 0.
1

y−y1
3. Найти уравнение плоскости, проходящей через прямую x−x m =
1
n = z−z1
k и
через т.M0 (x0 , y0 , z0 ), не лежащую на этой прямой. Ответ:
 
 x − x0 y − yo z − z0 
 
x1 − x0 y1 − y0 z1 − z0  = 0
 
 m n k 

y−y1
4. Найти уравнение плоскости, проходящей через прямую x−x z−z1
m1 = n1 = k1 и
1

y−y2
параллельной другой данной прямой x−x z−z2
m2 = n2 = k2 (две данные прямые
2

не параллельны). Ответ:
 
x − x1 y − y1 z − z1 
 
1  = 0
 m1 n1 k 

 m n2 k2 
2

5. Найти уравнение плоскости, проходящей через две данные точки

M0 (x0 , y0 , z0 ) и M1 (x1 , y1 , z1 ) и перпендикулярной данной плоскости Ax +
By + Cz + D = 0 (прямая M0 M1 и данная плоскость не перпендикулярны).
Ответ:  
 x − x0 y − yo z − z0 
 
x1 − x0 y1 − y0 z1 − z0  = 0
 
 A B C 

28
11 Алгебраические линии и поверхности второго
порядка, канонические уравнения, классифи-
кация.
Опр 1. Пусть Oxy — афинная система координат на плоскости. Алгебраиче-
ская линия второго порядка определяется уравнением F (x, y) = 0, где F (x, y)
— алгебраический многочлен второй степени от переменных x и y с вещественны-
ми коэффициентами:

F (x, y) = a11 x2 + 2a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0, (3)

a211 + a212 + a222 6= 0.

Группа слагаемых a11 x2 + 2a12 xy + a22 y 2 называется квадратичной частью

уравнения, группа слагаемых 2a13 x + 2a23 y — линейной частью, а a33 — сво-
бодным членом.

Введем обозначения:
     
a11 a12 a13 x
A= ,b = ,X = .
a12 a22 a23 y

Уравнение (1) примет вид:

X T AX + 2bT X + a33 = 0, A = AT , A 6= 0. (4)

Введем матрицу  
a11 a12 a13  
A b
B = a12 a22 a23  = T
b a33
a13 a23 a33

Числа I1 = trA, I2 = |A|, K3 = |B| называются инвариантами 2-го порядка, число

   
a11 a13  a22 a23 
K2 =  +  − полуинвариантом.
a13 a33  a23 a33 

Теорема. Общее уравнение линии второго порядка, заданное в прямоугольной

декартовой системе координат, переходом к другой прямоугольной системе коор-
динат приводится к одному из следующих типов уравнений:

1. λ1 X 2 + λ2 Y 2 + a0 = 0, где λ1 , λ2 6= 0

2. λ2 Y 2 + 2b0 X = 0, где λ2 b0 6= 0

29
 3. λ2 Y 2 + c0 = 0, где λ2 6= 0

Классификация линий второго порядка. Канонические уравнения.

Теорема. Общее уравнение (1) линии второго порядка, заданное в прямоугольной

декартовой системе координат, определяет одну и только одну из девяти линий.
Для каждой из них ∃ прямоугольная система координат, в которой уравнение
этой линии имеет канонический вид:

I тип: I1 = λ1 + λ2 , I2 = λ1 λ2 , I3 = λ1 λ2 a0
X2 Y2
1. a2 + b2 = 1, a ≥ b > 0 − эллипс;
X2 Y2
2. a2 + b2 = −1 − мнимый эллипс;
X2 Y2
3. a2 + b2 = 0 − пара мнимых пересекающихся прямых;
X2 Y2
4. a2 − b2 = 1 − гипербола;
X2 Y2
5. a2 − b2 = 0 − пара пересекающихся прямых;

II тип: I1 = λ2 , I2 = 0, I3 = λ2 b20 Y 2 = 2pX, p > 0 − парабола;

III тип: I1 = λ1 , I2 = 0, I3 = 0

1. Y 2 = a2 , a 6= 0 − пара параллельных прямых;

2. Y 2 = −a2 , a 6= 0 − пара мнимых параллельных прямых;
3. Y 2 = 0 − пара совпадающих прямых;

Опр 2. Под общим уравнением алгебраической поверхности второго порядка в

системе координат Oxyz пространства понимают уравнение вида:

a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + 2a13 xz + 2a23 yz + 2b1 x + 2b2 y + 2b3 z + c = 0, (5)

где не все коэффициенты aij равны нулю, aij = aji .

Введем обозначения:
     
a11 a12 a13 b1 x
A = a12 a22 a23  , b = b2  , X = y  .
a13 a23 a33 b3 z

Уравнение (3) примет вид:

X T AX + 2bT X + c = 0, A = AT . (6)

30
Введем матрицу  
a11 a12 a13 b1
  
a a22 a23 b2  A b

B =  12 = T
a13 a23 a33 b3  b c
b1 b2 b3 c

Инварианты: I1 = trA, I3 = |A|, I4 = |B|,

     
a11 a12  a22 a23  a33 a13 
I2 =  + + 
a12 a22  a23 a33  a13 a11 

Теорема. С помощью параллельного переноса и плоских вращений уравнение (3)

можно привести к одному из следующих типов:

1. λ1 X 2 + λ2 Y 2 + +λ3 Z 2 + a0 = 0

2. λ1 X 2 + λ2 Y 2 + b0 z = 0

3. λ1 X 2 + λ2 Y 2 + c0 = 0

4. λ2 Y 2 + p0 X = 0

5. λ2 Y 2 + q = 0

Классификация поверхностей второго порядка. Канонические урав-

нения.

Теорема. Для любой алгебраической поверхности второго порядка ∃ прямоуголь-

ная декартова система координат, в которой уравнение этой поверхности имеет
канонический вид:

1. тип:
X2 Y2 Z2
(a) a2 + b2 + c2 = 1 − эллипсоид;
X2 Y2 Z2
(b) a2 + b2 + c2 = −1 − мнимый эллипсоид;
X2 Y2 Z2
(c) a2 + b2 + c2 = 0 − вырожденный эллипсоид;
X2 Y2 Z2
(d) a2 + b2 − c2 = 1 − однополостный гиперболоид;
X2 Y2 Z2
(e) a2 + b2 − c2 = −1 − двухпол. гиперболоид;
X2 Y2 Z2
(f) a2 + b2 − c2 = 0 − эллиптический конус;

2. тип:
X2 Y2
(a) Z = a2 + b2 − эллиптический параболоид;

31
 X2 Y2
(b) Z = a2 − b2 − гиперболический параболоид;

3. тип:
X2 Y2
(a) a2 + b2 = 1 − эллиптический цилиндр;
X2 Y2
(b) a2 + b2 = −1 − мнимый эллиптический цилиндр;
X2 Y2
(c) a2 + b2 = 0 − вырожденный цилиндр;
X2 Y2
(d) a2 − b2 = 1 − гиперболический цилиндр;
X2 Y2
(e) a2 − b2 = 0 − пара пересекающихся плоскостей;

4. тип: Y 2 = 2pX, p > 0 − параболический цилиндр;

5. тип:

(a) λ2 q0 < 0 : Y 2 = a2 − пара параллельных плоскостей;

(b) λ2 q0 > 0 : Y 2 = −a2 − пара мнимых параллельных плоскостей;
(c) q0 = 0 : Y 2 = 0 − пара совпадающих плоскостей;

32
12 Системы линейных алгебраических уравне-
ний. Теорема Кронекера-Капелли. Общее ре-
шение системы линейных алгебраических
уравнений


a11 x1 + a12 x2 + ... + a1n xn = b1


a x + a x + ... + a x = b
21 1 22 2 2n n 2


...

am1 x1 + am2 x2 + ... + amn xn = bm


Опр 1. Две СЛАУ эквиваленты, если множества их решений совпадают .

Опр 2. СЛАУ совместна, если ∃ решение.

Опр 3. СЛАУ совместна и определена, если ∃! решение.

Теорема. СЛАУ с квадратной невырожденной матрицей совместна и имеет един-

ственное решение.

Правило Крамера
Решение СЛАУ через определитель
 
a1,1 ... a1,i−1 b1 a1,i+1 ... a1,n
 a ... a2,i−1 b2 a2,i+1 ... a2,n 
2,1
1  
xi =  ... ... ... ... ... ... ... 
 
∆ 
an−1,1 ... an−1,i−1 bn−1 an−1,i+1 ... an−1,n 
an,1 ... an,i−1 bn an,i+1 ... an,n

Опр 4. B = (A|b) — расширенная матрица.

Теорема (Кронеккера-Капелли). СЛАУ совместна ⇐⇒ rg(A|b) = rgA.

Доказательство. (⇒) СЛАУ совместна ⇒ ∃x1 , x2 , ..., xn : a1 x1 +a2 x2 +...+an xn =

b ⇒ столбец b является линейной комбинацией столбцов a1 , ..., an ⇒ rg(A|b) =
rgA
(⇐) Пусть rg(A|b) = rgA = r. Возьмём в матрице А произвольный базис-
ный минор. Так как rg (A|b) = r, то он же будет базисным минором матрицы
(A|b). Следовательно последний столбец матрицы (A|b) будет являться линейной
комбинацией столбцов матрицы A. Коэффициенты этой комбинации являются
решением СЛАУ Ax=B, то есть система совместна

33
Пусть система



 a11 x1 + ... + a1,r xr + a1,r+1 xr+1 + ... + a1n xn = b1

. . .



ar1 x1 + ... + ar,r xr + ar,r+1 xr+1 + ... + arn xn = br (3)




 ...


a x + ... + a x + a
m1 1 m,r r m,r+1 xr+1 + ... + amn xn = bm

совместна и rg A = rg B = r. Будем считать, что базисный минор матрицы А

находится в левом верхнем углу:
 
a11 ... a1r
a21 ... a2r 
 
Mr =   6= 0
 ... ... ... 
ar1 ... arr

Рассмотрим укороченную систему:


a11 x1 + ... + a1,r xr + a1,r+1 xr+1 + ... + a1n xn = b1


... (4)


a x + ... + a x + a x + ... + a x = b
r1 1 r,r r r,r+1 r+1 rn n r

Теорема. Укороченная система эквивалентна исходной системе

Запишем систему в виде


a11 x1 + ... + a1,r xr = b1 − a1,r+1 xr+1 − ... − a1n xn


...

a x + ... + a x = b − a
r,r+1 xr+1 − ... − arn xn

r1 1 r,r r r

Придав свободным членам xr+1 , ..., xn произвольные значения cr+1 , ..., cn , получим
систему уравнений относительно неизвестных x1 , x2 , ..., xr с квадратной невырож-
денной матрицей:

a11 x1 + ... + a1,r xr = b1 − a1,r+1 cr+1 − ... − a1n cn


... (5)

a x + ... + a x = b − a

c − ... − a c
r1 1 r,r r r r,r+1 r+1 rn n

Эта система имеет единственное решение c1 , c2 , ..., cr . Очевидно, совокупность

c1 , c2 , ..., cn является решением исходной системы.

34
Теорема. Придавая свободным неизвестным произвольные значения и вычисляя
значения главных неизвестных, из полученной системы можно получить все ре-
шения исходной системы.

Доказательство. Пусть (c1 , ..., cr , cr+1 , ..., cn ) — произвольное решение (4). Возь-
мём числа (cr+1 , ..., cn ) в качестве свободных переменных xr+1 , ..., xn и бу-
дем вычислять значения главных неизвестных из системы (5). Так как
(c1 , ..., cr , cr+1 , ..., cn ) — решение (4), то (c1 , ..., cr ) — решение системы (5). Так как
система (5) имеет единственное решение, то в качестве решения можем получить
только (c1 , ..., cr ).

Теорема. СЛАУ с n неизвестными имеет единственное решение

⇐⇒ rgB = rgA = n.

Доказательство. Если rgB < rgA, то среди неизвестных будет хотя бы одно
свободное неизвестное. Тогда получим бесконечно много решений.
Общее решение Решим полученную систему (4) относительно главных неиз-
вестных: x1 = f1 (xr+1 , ..., xn ), ..., xr = fr (xr+1 , ..., xn ), где f1 , ..., fr - однозначно
определённые функции. Эти соотношения при произвольных xr+1 , ..., xn описыва-
ют множество всех решений исходной системы и называются общим решением
системы.

Опр 5. Однородная СЛАУ. Система уравнений Ax = 0 всегда совместна: имеет

тривиальное решение x = 0.

Теорема. Однородная система с n неизвестными имеет нетривиальное решение

⇔ rgA < n.

Теорема. Однородная система Ax = 0 с квадратной матрицей A имеет нетриви-

альное решение ⇔ |A| = 0.

35
13 Линейный оператор в конечномерном про-
странстве, его матрица. Норма линейного опе-
ратора.
Рассмотрим множество V элементов x, y, z... и поле P действительных или
комплексных чисел. Пусть в V введены две операции: сложение его элементов и
умножение его элементов на числа из P. Это значит, что для любых x, y ∈ V
определён элемент z = x + y ∈ V , а для любых x ∈ V, λ ∈ P определён элемент
y = λ·x ∈ V . Пусть введённые две операции удовлетворяют следующим аксиомам:
1. x + y = y + x;

2. (x + y) + z = x + (y + z);

3. существует такой элемент 0 ∈ V , что x + 0 = x для любого x ∈ V ;

4. для любого x ∈ V существует такой элемент (−x) ∈ V , что x + (−x) = 0;

5. 1 · x = x, 1 ∈ P

6. λ · (x + y) = λ · x + λ · y, λ ∈ P ;

7. (λ + µ)x = λ · x + µ · x, λ, µ ∈ P ;

8. (λµ)x = λ(µx).
Тогда V называется линейным пространством над полем P.
Если P — поле действительных чисел, то V — действительное линейное простран-
ство.
Если P — поле комплексных чисел, то V — комплексное линейное пространство.
Максимальное число линейно независимых векторов пространства V назы-
вается его размерностью. Если размерность пространства V конечна, то оно
называется конечномерным.
Опр 1. Пусть даны 2 линейных пространства V и W над общим полем P. Отобра-
жение A : V → W называется линейным отображением (линейным оператором),
если для ∀x, y ∈ V, α ∈ P выполнены равенства:
1) A(x + y) = A(x) + A(y)
2) A(αx) = αA(x)
α(V, W ) — множество всех линейных операторов действующих из V в W.
Теорема. Пусть e1 , e2 , . . . , en — базис пространства V, a g1 , g2 , . . . , gn - ∀ векторы
пространства W. Тогда существует единственный линейный оператор A : V → W ,
который переводит векторы e1 , e2 , . . . , en в векторы g1 , g2 , . . . , gn соответственно.

36
 Pn
Доказательство. Строим оператор по правилу: если x =
Pn i=1 xi ei ∈ V , то
Ax = i=1 xi Aei . Из единственности разложения вектора по базису следует, что
правило однозначно определяет образ x, при этом Aei = gi . Линейность опера-
тора вытекает из линейности координат. Если B - любой другой оператор, удо-
влетворяющий условию теоремы, то Bx = ni=1 B(xi ei ) = ni=1 xi gi = Ax ⇒ A
P P

единственнен.
Матрица линейного оператора
Пусть e = e1 , e2 , . . . , en и f = f1 , f2 , . . . , fn — базисы конечномерных про-
странств V и W. Линейный оператор A : V → W однозначно определяется зада-
нием векторов Ae1 , . . . , Aen . В свою очередь Aei однозначно определяются своими
координатами
 в базисе f:
Ae1 = a11 f1 + . . . + am1 fm


Ae2 = a12 f1 + . . . + am2 fm


Ae = a f + . . . + a f
n 1n 1 mn m

 
a11 . . . a1n
Опр 2. Af e =  . . . . . . . . .  называется матрицей оператора A в паре базисов
am1 . . . amn
e и f.

Опр 3. Пусть V — линейное пространство над полем P.

Нормой в линейном пространстве V называется отображение

|| · || : V → R,

ставящее в соответствие каждому вектору x ∈ V действительное число ||x|| ∈ R

и удовлетворяет аксиомам: для любых x, y ∈ V, α ∈ P

1. ||x|| ≥ 0, причём норма равна нулю только если x = 0;

2. ||αx|| = |α| · ||x||;

3. ||x + y|| ≤ ||x|| + ||y||.

Опр 4. Линейное пространство V с заданной на нём нормой || · || называется

линейным нормированным пространством. Число ||x|| называется нормой
вектора x.

37
14 Ортогональные преобразования евклидова
пространства. Ортогональные матрицы и их
свойства.
Опр 1. E — евклидово пространство, если Dx, y → (x, y) : (x, y) =
(y, x); (λx, y) = λ(x, y).
Опр 2. Линейный оператор P ∈ L(V, V ) — ортогональный, если ∀x, y ∈ V :
(P x, P y) = (x, y).
Теорема. P — ортогональный ???титтк??? ∃P −1 : P ∗ = P −1 .
Доказательство. (⇒): (P x, P y) = (P ∗ P x, y) = (x, y) ⇒ ((P ∗ P − I)x, y) = 0,
фиксируем x, ∀y ⇒ (P ∗ P − I)x = θ ⇒ P ∗ P = I.
Доказательство. (⇐): P P ∗ = P ∗ P = I ⇒ (P x, P y) = (x, P ∗ P y) = (x, Iy) =
(x, y).
Опр 3. Матрица A — ортогональная, если AT A = AAT = I.
Утв. {ei } ортонормированный базис в V ⇒ P — ортогональный ⇔ ортогональна
его матрица в {ei }: (
1, i = j
(ei , ej ) =
0, i 6= j
(собственные значения по мод. = 1).
Доказательство. Три случая:
− dim = 1 : x = αe, α ∈ R ⇒ P e = λe,
(P e, P e) = {λ2 (e, e)} = (e, e) ⇒ λ = ±1 ⇒ ∃P+ x = x и P− x = −x — два
ортогональных преобразования.

− dim = 2 :



a2 + b 2 = 1
 2 2
a = d


  
a b
P = ; P P T = P T P = I ⇒ b2 = c2
c d 



ac + bd = 0


ab + cd = 0

 
cos ϕ −sin ϕ
a = cos ϕ, b = sin ϕ; P = , det P± = ±1.
±sin ϕ ±sin ϕ
P+ — собственная матрица — поворот на ϕ;
P− — несобственная матрица — поворот на ϕ и отражение.

38
 − dim = n:
 
1
  
 

 1 


 −1 

{ei } =  
 

−1
 
 
 

 cos ϕ −sin ϕ 

 ±sin ϕ ±sin ϕ 


Для ∀ оператора в вещественном пространстве ∃ одномерное, либо 2-мерное

инвариантное подпространство λ0 = a + bi ⇒ действие ортогонального оператора
в ортонормированном базисе — последовательные повороты и отражения.

39
15 Характеристический многочлен линейного
оператора. Собственные числа и собственные
векторы.
Пусть A ∈ L(V, V ) — линейный оператор.

Опр 1. λ — собственное значение A, если ∃x — собственный вектор (x 6= 0) :

Ax = λx.

Опр 2. |A − λI| — характеристический многочлен оператора A.

Уравнение det(A − λI) = 0 — характеристическое уравнение оператора A.

Теорема. λ — собственное значение ⇔ λ — корень характеристического уравне-

ния.

Доказательство. (⇒): λ — собственное значение, ∃x : Ax = λx, x 6= 0,

(A − λI)x = 0 ⇒ ker(A − λI) 6= 0 ⇒.

(
dim(ker(A − λI)) ≥ 1
⇒ dim(im(A − λI)) ≤ n − 1 ⇒
dim(ker(A − λI)) + im(im(A − λI)) = n

⇒ (A − λI) < n ⇒ det(A − λI) = 0.

Доказательство. (⇐): ∃λ — корень характеристического уравнения ⇒
⇒ dim(im(A − λI)) ≤ n − 1 ⇒ dim(ker(A − λI)) ≥ 1 ⇒ ∃x : (A − λI)x = 0.

Следствие. ∀ линейный оператор имеет собственные значения.

Теорема. Характеристический многочлен подобных матриц совпадает.

Доказательство. A = C −1 BC ⇒ |A − λI| = |B − λI|;

|A − λI| = |C −1 BC − λI| = |C −1 (B − λI)C| = |C −1 ||B − λI||C| = |B − λI|.

40
16 Формализация понятия алгоритма. Машины
Тьюринга, нормальные алгоритмы Марко-
ва. Алгоритмическая неразрешимость. Задача
останова. Задача самоприменимости. (4 стр.)
Опр 1. Интуитивное понятие алгоритма — четкая система действий, позво-
ляющая определенным образом обработать входные данные и выдать результат
решения задачи.
Важен исполнитель алгоритма. Одна и та же система действий для одного
исполнителя будет алгоритмом, а для другого — нет.

Опр 2. Алгоритм применим к входным данным, если исполнитель за конечное

число шагов остановится и выдаст (какой-то) ответ. В противном случае алго-
ритм неприменим к конкретным входным данным, т.е. он не остановится, либо
завершит своё выполнение аварийно (сломается).

Основные свойства алгоритма:

− Определенность (понятность). Исполнитель алгоритма абсолютно точно

знает, как выполнять все шаги алгоритма.

− Детерминированность. Если алгоритм применим к конкретным входным

данным, то он всегда и везде выдаст одинаковый ответ, а если неприменим,
то всегда и везде зациклится или сломается.

− Дискретность или структурность. Каждый достаточно сложный шаг ал-

горитма тоже является алгоритмом и может быть разложен на более про-
стые шаги. Это же касается и обрабатываемых алгоритмом данных.

Т. к. используются неточные понятия (простота, понятность), есть нужда в

формализации. Существуют разные способы формализации понятия алгоритма,
рассмотрим два из них: машины Тьюринга и нормальные алгоритмы Маркова.

Продолжение на следующих 2х страницах.

41
Машина Тьюринга
Машина Тьюринга — гипотетическая машина (из-за использования бесконеч-
ной ленты). Автомат может двигаться вдоль ленты и по очереди обозревать со-
держимое ячеек. Он может находиться в одном из нескольких состояний q1 ...qk .
В зависимости от того, какую букву si автомат видит в состоянии qj , то есть от
пары (si , qj ) автомат может выполнить следующие действия:

− запись новой буквы в обозреваемую ячейку;

− сдвиг влево или вправо на одну ячейку;

− переход в новое состояние.

Пример. Перенести первый символ непустого слова Р в его конец.

a b c Λ комментарий
q1 Λ, R, q2 Λ, R, q3 Λ, R, q4 , R, анализ 1-го символа, удаление
q2 , R, , R, , R, a, ,! запись a справа
q3 , R, , R, , R, b, ,! запись b справа
q4 , R, , R, , R, c, ,! запись c справа

Тезис Тьюринга: если кто-то предложит какой-либо алгоритм обработки слов

в заданном алфавите, то можно построить эквивалентную машину Тьюринга,
которая будет применима и неприменима к одинаковым множествам слов.
В случае машины Тьюринга:

Опр 3. Алгоритм — это то, что может быть реализовано МТ.

Нормальный алгоритм Маркова

Нет понятия ленты и подразумевается непосредственный доступ к любым ча-
стям преобразуемого слова. Пусть A, B — слова в некотором
( )
алфавите. Нормаль-
ный алгоритм можно записать в следующем виде: Ai → Bi .
7→
Каждая пара — формула подстановки для замены подслов в преобразуемом
слове. Ищется вхождение слова A1 в исходное слово. Если нашли, то заменяем
его на B1 , если нет, то ищем A2 и так далее. Затем возвращаемся в начало и
снова ищем вхождение A1 . Процесс заканчивается, если ни одна из подстановок
не применима, либо применилась завершающая формула, в которой 7→.

Пример. A = {a, b}. Преобразовать слово P так, чтобы в его начале оказались
все символы a, а в конце – все символы b.

42
 n
ba → ab
Тезис Маркова: если кто-то предложит какой-либо алгоритм обработки слов
в заданном алфавите, то его можно нормализовать, т.е. построить эквивалент-
ный нормальный алгоритм Маркова, который будет применим и неприменим к
одинаковым множествам слов.
Машина Тьюринга и нормальные алгоритмы Маркова эквивалентны.

Самоприменимость
Опр 4. Входное слово, которое подаётся на вход алгоритму, может быть записью
какого-то другого алгоритма. В частности, на вход алгоритма можно подать и
его собственную запись (компилятор языка Free Pascal обрабатывает файл с тек-
стом самого этого компилятора). Когда алгоритм применим к своей записи, он
называется самоприменимым.

Теорема. Если есть два алгоритма таких, что выходные данные одного можно
использовать как входные данные для другого, то обязательно существует тре-
тий алгоритм, который работает как суперпозиция (композиция, последователь-
ное выполнение) двух первых алгоритмов. (Давалась без док-ва.)

Задача останова
Пусть требуется построить алгоритм X, который, получая на входе запись
любого алгоритма A и его конкретные входные данные D, определяет, применим
ли A к этим данным D (остановится ли A, получив на входе D).

Теорема (без доказательства). Такого алгоритма X не существует.

Про алгоритмически неразрешимые задачи на следующей стр.

43
Алгоритмическая неразрешимость
Опр 5. Существуют задачи, для которых в принципе невозможно построить ал-
горитм их решения, они и называются алгоритмически неразрешимыми.

Пусть требуется построить алгоритм X, который, получая на вход запись лю-

бого алгоритма A, определяет, самоприменим ли этот A, или нет.

Теорема. Алгоритм X не существует.

Доказательство. (От противного.) Пусть алгоритм X существует, и, получив на

вход запись алгоритма A, он вырабатывает ответ DA (Да), если A самоприменим,
и ответ NET (Нет), если несамоприменим.
Построим вспомогательный алгоритм Y , вот его запись в форме НАМ:
(
DA → DA
NET 7→ NET
Как видно, мы специально сделали так, чтобы выходные данные алгоритма
X можно подать на вход алгоритма Y . Тогда обязательно существует алгоритм
Z, который работает как суперпозиция X ∗ Y , то есть Z = X ∗ Y . Рассмотрим,
самоприменим ли Z.

− Пусть Z самоприменим, тогда

hзапись ZiZ → hзапись ZiX ∗ Y → hDAiY → Зациклились, предположение
неверно.

− Пусть Z несамоприменим, тогда

hзапись ZiZ → hзапись ZiX ∗ Y → hN ET iY → Стоп, предположение
неверно.

Как видно, оба предположения неверны, поэтому делаем вывод, что алгоритм
Z не существует. Однако алгоритм Y существует (мы его построили), поэтому не
существует алгоритм X.

44
17 Понятие архитектуры ЭВМ. Принципы фон
Неймана. Компоненты компьютера: процес-
сор, оперативная память, внешние устройства.
Аппарат прерываний. (3 стр.)
Опр 1. Компьютер — исполнитель алгоритма на языке машины.
Опр 2. Архитектура ЭВМ — совокупность узлов машины и взаимосвязей между
ними, рассматриваемая на определённом уровне рассмотрения этой архитектуры.
Принципы фон Неймана:
− Принцип однородности памяти — память состоит из одинаковых линей-
но упорядоченных ячеек. Время чтения из любой ячейки одинаково, время
записи в любую ячейку памяти одинаково, хотя может и не совпадать со
временем чтения.

− Принцип последовательной работы — компьютер выполняет команды по-

следовательно. Пока не выполнена текущая команда, следующая не начи-
нается. После выполнения очередной команды, считанной из ячейки памяти
на регистр команд УУ, следующая команды поступает на регистр команд из
следующей ячейки памяти. Исключение составляют команды переходов,
которые сами указывают, где в памяти расположена следующая команда.

− Принцип автоматической работы — определение ЭВМ как устройства ав-

томатической обработки данных. Компьютер обрабатывает данные автома-
тически, без участия человека (если только такое участие не предусмотрено
в самой программе, например, для операций ввода/вывода).

− Неразличимость команд и данных — команды и данные по внешнему виду

(как наборы бит) неразличимы друг от друга. Когда содержимое ячейки
памяти приходит на регистр АЛУ, то оно трактуется как данные, а когда
приходит на регистр команд в УУ, то трактуется как команда.
Опр 3. Процессор состоит из устройства управления (УУ) и арифметико-
логического устройства (АЛУ). АЛУ выполняет различные операции над дан-
ными, хранящимися на регистрах АЛУ. УУ выполняет команды языка машины,
посылая управляющие сигналы к остальным устройствам.
Опр 4. Основная (оперативная) память хранит команды программы и обраба-
тываемые данные. Ячейки памяти, расположенные не в основной памяти ЭВМ, а
в других устройствах, называются регистрами. В процессе работы команды посту-
пают на регистры в УУ, а данные — на регистры в АЛУ. АЛУ может обрабатывать

45
данные только на своих регистрах, чтобы обработать данные, расположенные в
основной памяти, их надо сначала считать на регистры в АЛУ.

Опр 5. Внешние устройства служат для обмена программами и данными между

основной (оперативной) памятью и «внешним миром».

Прерывания
Опр 6. Аппарат прерываний — способность ЭВМ быстро и гибко реагировать на
события, происходящие как внутри процессора и оперативной памяти, так и во
внешних устройствах. Каждое такое событие порождает сигнал, приходящий на
специальную электронную схему — контроллер прерываний.

Прерывания делятся на:

− Внутренние (синхронные), источником которых являются выполняемые ко-

манды программы, их нельзя закрыть и не реагировать на них.

− Внешние (асинхронные), которые вызываются событиями в периферийных

устройствах. Эти прерывания можно временно закрыть, если в данный мо-
мент процессор занять другой срочной работой.

Аппаратная реакция на прерывание заключается в сохранении информации о

считающейся в данное время программе (процесса) и переключение на выполне-
ние другой программы (процедуры обработки прерывания, т.е. события). В неко-
торых архитектурах это называется переключением контекста. Этот механизм
позволяет (при необходимости) продолжить (возобновить) выполнение прерван-
ной программы с текущего места.
Программная реакция на прерывание производится процедурой-обработчиком
прерывания и делится на два этапа. Сначала происходит минимальная программ-
ная реакция, она производится в режиме с закрытыми прерываниями от внешних
устройств. Это опасный режим, так как процессор не обращает внимание на все
события в периферийных устройствах. Затем происходит полная программная
реакция уже в режиме с открытыми прерываниями.

46
47
18 Операционные системы. Процессы, взаимо-
действие процессов, разделяемые ресурсы,
синхронизация взаимодействующих процес-
сов, взаимное исключение. Программирование
взаимодействующих процессов с использова-
нием средств ОС UNIX (сигналы, неименован-
ные каналы, IPC). (5 стр.)
Опр 1. Операционная система — это комплекс программ, обеспечивающий
управление ресурсами вычислительной системы. В структурной организации вы-
числительной системы операционная система представляется уровнями управле-
ния физическими и виртуальными ресурсами.

Опр 2. Физические ресурсы (устройства) — компоненты аппаратуры компью-

тера, используемые на программных уровнях ВС или оказывающие влияние на
функционирование всей ВС. Совокупность физических ресурсов составляет аппа-
ратный уровень вычислительной системы.

Опр 3. Логические, или виртуальные ресурсы (устройства) ВС — устрой-

ство/ресурс, некоторые эксплуатационные характеристики которого (возможно
все) реализованы программным образом.

Состав ОС:

− Ядро (монолитное / микроядро);

− Специальные программы — драйвера физических устройств, драйвера ло-

гических устройств

− Файловая система.

Типы ОС:

− Пакетные. Программы выполняются последовательно.

− Разделения времени. Эмуляция выполнения нескольких программ одновре-

менно. Необходимые условия:

∗ Наличие привилегированного режима;

∗ Прерывания;

48
 ∗ Защита памяти.

− Реального времени.

− Сетевые ОС — пользователи могут получить доступ к ресурсам другого

сетевого компьютера, только они должны знать об их наличии и уметь это
сделать.

− Распределенная система — внешне выглядит как обычная автономная си-

стема, однако управляет более чем одной вычислительной системой.
Опр 4. Под процессом понимается совокупность машинных команд и данных,
обрабатываемая в вычислительной системе и обладающая правами на владение
некоторым набором ресурсов ВС.
Опр 5. Процесс (полновесный) — объект планирования и выполняется внутри
защищённой области памяти. Легковесные процессы (нити или потоки) — могут
активироваться внутри полновесного процесса, могут быть объектами планиро-
вания, и при этом они могут функционировать внутри общей (т.е. незащищённой
от других нитей) области памяти.
Опр 6. В настоящее время широко используются так называемые параллельные
процессы. Будем говорить, что процессы называются параллельными, если их вы-
полнение хотя бы частично перекрывается по времени.
Совместное использование ресурса ВС двумя и более параллельными процес-
сами, когда каждый некоторое время владеет этим ресурсом, называется разде-
лением ресурса. Ситуация, когда процессы конкурируют за разделяемый ресурс,
называются гонкой процессов.
Пример. Имеется разделяемый ресурс in и два процесса. В некоторый момент
времени процесс A присвоил переменной in значение X. Затем в некоторый мо-
мент процесс B присвоил значение Y этой же переменной in. Далее оба процесса
читают эту переменную, и в обоих случаях процессы прочтут значение Y . То есть
символ, считанный процессом A, был потерян, а символ, считанный процессом В,
был выведен дважды. Результат выполнения процессов здесь зависит от того, в
какой момент осуществляется переключение процессов, и от того, какой конкрет-
но процесс будет выбран следующим для выполнения.
Опр 7. Взаимное исключение — способ работы с разделяемым ресурсом, при
котором когда один из процессов работает с разделяемым ресурсом, все остальные
не могут иметь к нему доступ.
Опр 8. Блокировка — доступ к разделяемому ресурсу одного из взаимодейству-
ющих процессов не обеспечивается из-за активности более приоритетных.
Опр 9. Тупик — взаимоблокировка.

49
Семафоры Дейкстры
Имеется специальный тип данных — семафор. Переменные типа семафор мо-
гут принимать целочисленные значения. Над ними определены атомарные (неде-
лимые) операции: опустить семафор down(S) (или P (S)) и поднять семафор up(S)
(или V (S)).
Операция down(S) проверяет значение семафора S и, если оно больше нуля, то
уменьшает его на 1. Если же это не так, процесс блокируется, причем связанная
с заблокированным процессом операция down считается незавершенной.
Операция up(S) увеличивает значение семафора на 1. При этом если в системе
присутствуют процессы, блокированные ранее при выполнении down на этом се-
мафоре, то один из них разблокируется и завершает выполнение операции down,
т.е. вновь уменьшает значение семафора. Увеличение значения семафора и, воз-
можно, разблокирование одного из процессов и уменьшение значения являются
атомарной неделимой операцией. Выбор процесса для разблокирования никак не
оговаривается.

Монитор
Опр 10. Монитор — это языковая конструкция с централизованным управлени-
ем (в отличие от семафоров, которые не обладают централизацией).

1. структуры данных монитора доступны только через обращения к процеду-

рам или функциям этого монитора (т.е. монитор представляет собой неко-
торый аналог объекта в объектно-ориентированных языках и реализует ин-
капсуляцию данных);

2. считается, что процесс занимает (или входит в) монитор, если он вызывает

одну из процедур или функций монитора;

3. в каждый момент времени внутри монитора может находиться не более од-

ного процесса.

Опр 11. Механизм передачи сообщений основан на двух функциональных при-

митивах: send и receive. Их можно разделить по трем характеристикам: модель
синхронизации, адресация и формат сообщения.

− Синхронизация. Операции посылки/приема сообщений могут быть блоки-

рующими и неблокирующими.

− Блокирующий send: процесс-отправитель будет заблокирован до тех пор,

пока посланное им сообщение не будет получено.

50
 − Блокирующий receive: процесс-получатель будет заблокирован до тех пор,
пока не будет получено соответствующее сообщение.

− Адресация может быть прямой или косвенной. При прямой адресации ука-
зывается конкретный адрес получателя и/или отправителя. В случае кос-
венной адресации сообщение «бросается» в некоторый общий пул, в котором
могут быть реализованы различные стратегии доступа (FIFO, LIFO и т.д.).

Сигналы
Опр 12. Сигналы — средство оказания воздействия одним процессом на другой
процесс (одним из них может быть ОС). Используются непосредственные име-
на процессов. Асинхронное взаимодействие. Действия при получении: обработка
по умолчанию, специальная обработка, игнорирование. Порядок реагирования не
определен. Чтобы установить реакцию процесса на приходящий сигнал, исполь-
зуется системный вызов signal().

Каналы
Опр 13. Неименованый канал (англ. pipe) — это объект, позволяющий реализо-
вать односторонний канал между двумя процессами. Создается вызовом pipe(),
который возвращает два файловых дескриптора, один на чтение, другой на за-
пись. Один процесс пишет в файловый дескриптор на запись, другой читает из
файлового дескриптора на чтение. При этом реального файла в файловой системе
не создается.

Предельный размер канала декларируется параметрами настройки ОС. Для

создания — системный вызов pipe(). К неименованному каналу невозможен доступ
по имени, существует в системе, пока существуют процессы, его использующие,
предназначены для синхронизации и организации взаимодействия родственных
процессов.

IPC
Опр 14. Система IP C (Inter-Process Communication) предоставляет взаимодей-
ствующим процессам общие разделяемые ресурсы.

Сообщения в очереди сообщений IP C типизированы.

int msgget(key_t key, int msgf lag);

Для отправки сообщений служит функция msgsnd():

51
int msgsnd(int msqid, constvoid ∗ msgp, size_t msgsz, int msgf lg); Получение:
int msgrcv(int msqid, void ∗ msgp, size_t msgsz, long msgtyp, int msgf lg);
Для управления данными в сообщении:
int msgctl(int msqid, int cmd, struct msgid_ds ∗ buf );
Для организации совместного использования разделяемых ресурсов необходим
некоторый механизм именования ресурсов, система предлагает некоторую унифи-
кацию именования IP C-ресурсов.
Для генерации уникальных ключей в системе имеется библиотечная функция
f tok():
key_t f tok(char ∗ f ilename, char proj);

52
19 Системы программирования. Основные ком-
поненты систем программирования, схема их
функционирования. Общая схема работы ком-
пилятора. Основные методы, используемые
при построении компиляторов.
Опр 1. Системой программирования называется комплекс программных
средств, предназначенных для поддержки программного продукта на протяже-
нии всего жизненного цикла этого продукта.

Содержание работ, производимых на отдельных этапах, базируется на резуль-

татах других этапов, все этапы должны быть согласованы между собой. Для
достижения этого согласования необходимо вести базу данных проекта, что
позволяет сохранять информацию о проекте и причинах принятия тех или иных
решений при проектировании, а также контролировать его внутреннюю согла-
сованность: изменения в составе требований должны приводить к указаниям на
места проекта, в которых эти требования использованы.

− На этапе анализа и формулирования требований (и планирования

проекта) необходимо иметь возможность использовать формальные языки
описания требований, проводить анализ этих требований и их непротиворе-
чивости, осуществлять моделирование проектируемой системы, используя
поведенческие модели, а также выявлять необоснованно завышенные тре-
бования к программному обеспечению. Используются текстовые и графиче-
ские редакторы, программные средства автоматического контроля непроти-
воречивости таблиц решений, функциональных диаграмм, текстов на язы-
ках спецификаций. На этапе проектирования: текстовые и графические
редакторы.

− Этап программирования (кодирования): Средства автоматизации на-

писания программ, помощь в автоматизации графического интерфейса
пользователя (Graphical User Interface — GUI), библиотеки и библиотекари,
средства редактирования текстов (программ), трансляторы (используются
также на других этапах разработки, например,при тестировании и отлад-
ке), Средства компоновки больших программ, которые на основе отдельно
транслируемых фрагментов (модулей) и компонентов библиотек создают ис-
полняемые программы (линковщик). Этап компоновки.

− Этапы отладки и тестирования программ: отладчики, Генераторы те-

стов, позволяющие формировать входные данные для трансляторов, Сред-

53
 ства автоматизации прогонов тестов, Средства автоматизации анализа ре-
зультатов прогона тестов, Средства анализа уровня тестового покрытия
(применяются при тестировании программ методом “белого ящика”). Сред-
ства этапа документирования. Выполнение работ на этапах внедрения
и тиражирования требует использования средств управления проектами,
а также средств управления версиями программных продуктов.

Опр 2. Термин компилятор обычно используется вместо термина транслятор в

тех случаях, когда исходным языком трансляции является язык программирова-
ния высокого уровня, например Паскаль или Си++, а объектным языком явля-
ется автокод, язык ассемблера или машинный язык некоторой вычислительной
машины.

Опр 3. В отличие от компилятора интерпретатор некоторого исходного язы-

ка выполняет действия, которые этой программой предписываются (для этого
интерпретатору необходимо передавать еще и входные данные программы). Ин-
терпретатор не порождает объектную программу, которая впоследствии должна
выполняться, а выполняет ее сам.

Начальные установки
Ввод и обработка режимов запуска компилятора и первичное заполнение таб-
лиц исходной информацией. Лексический анализатор (сканер). Просмотреть весь
текст и выделить в нем лексемы (минимальные лексические единицы или элемен-
ты текста программы, обладающие смыслом в рамках данного языка). Синтак-
сический и семантический анализаторы. Проверка на синтаксическую и семанти-
ческую правильность (соблюдение контекстных условий), деление на составные
части, формирование внутреннего представления. Фазы синтеза программ. Гене-
рация результирующей программы. Строится последовательность символов (“це-
почка”) выходного языка по правилам, которые предлагаются языком машинных
команд или языком ассемблера. Распределение памяти и регистров. Производит-
ся компоновка данных в блоки, выравнивание данных на границы физических
элементов памяти (байтов, слов, страниц), а также по регистрам специального на-
значения (векторным регистрам, регистрам устройства работы с вещественными
числами). Генерация команд и машинно-зависимая оптимизация. Окончательное
преобразование внутреннего представления транслируемой программы к записи
на машинном языке или на языке ассемблера.

Опр 4. Транслятор — это программа-переводчик. Она преобразует программу,

написанную на одном из языков высокого уровня, в программу, состоящую из
машинных команд.

54
 Трансляторы реализуются в виде компиляторов или интерпретаторов. С точки
зрения выполнения работы компилятор и интерпретатор существенно различают-
ся.

Опр 5. Компилятор читает всю программу целиком, делает ее перевод и создает

законченный вариант программы на машинном языке, который затем и выполня-
ется.

Опр 6. Интерпретатор переводит и выполняет программу строка за строкой.

55
 20 Основные принципы объектно-
ориентированного программирования. Реали-
зация этих принципов в языке С++. Примеры.
(3 стр.)
Опр 1. Основные механизмы (постулаты) ООП:

1. Инкапсуляция — механизм, связывающий вместе код и данные, которыми

он манипулирует, защищающий их от произвольного доступа внешнего кода.

2. Наследование — механизм, с помощью которого один объект (производно-

го класса) приобретает свойства другого объекта (родительского, базового
класса).

3. Полиморфизм — механизм, позволяющий использовать один и тот же ин-

терфейс для общего класса действий.
Различают статический (реализуется на этапе компиляции с помощью пе-
регрузки функций и операций), динамический (реализуется во время вы-
полнения программы с помощью механизма виртуальных функций) и па-
раметрический (реализуется на этапе компиляции с использованием ме-
ханизма шаблонов) полиморфизм.

Опр 2. В классе может быть несколько конструкторов. В соответствии с пра-

вилами языка С++ все они имеют одно имя, совпадающее с именем класса, что
является одним из проявлений статического полиморфизма. Статический по-
лиморфизм реализуется с помощью перегрузки функций и операций.

Опр 3. Под перегрузкой функций в С++ понимается описание в одной области

видимости нескольких функций с одним и тем же именем.

Пример: перегрузка операции "+"

1 class Complex {
2 double re , im ;
3 public :
4 Complex ( double r = 0 , double i = 0) : re ( r ) , im ( i ) {}
5 Complex operator +( const Complex & x ) ;
6 };
7

8 Complex Complex :: operator +( const Complex & x ) {

9 reutrn Complex ( re + x . re , im + x . im ) ;
10 }

56
 Опр 4. Наследование свойств и поведения могут контролироваться с помощью
квалификаторов доступа, задаваемых при наследовании: public, protected, private.

Опр 5. Механизм виртуальных методов заключается в том, что, результат

вызова виртуального метода с использованием указателя или ссылки зависит не
от того, на основе какого типа создан указатель, а от типа объекта, на который он
указывает. Тип данных (класс), содержащий хотя бы одну виртуальную функцию,
называется полиморфным типом (классом), а объект этого типа – полиморфным
объектом. Во всех наследниках виртуальная функция остается таковой.

Опр 6. Виртуальный деструктор – важная часть аппарата динамического по-

лиморфизма. Дело в том, что, если указатель типа базового класса указывает на
объект производного класса, то при удалении объекта с использованием данно-
го указателя в случае невиртуальности деструкторов сработает деструктор того
типа, который был использован при объявлении указателя.

Пример:
1 # include < iostream >
2 using namespace std ;
3

4 class A {
5 public :
6 virtual void f ( int x ) {
7 cout << " A :: f " << ’\ n ’;
8 }
9 };
10

11 class C : public A {
12 public :
13 void f ( int x ) {
14 cout << " C :: f " << ’\ n ’;
15 }
16 };
17

18 int main () {
19 A a1 ;
20 C c1 ;
21 C * pc = & c1 ;
22 pc - > f (1) ; // C :: f
23 A * pa = pc ;
24 pa - > f (1) ; // C :: f
25 pc = ( C *) & a1 ;
26 pc - > f (1) ; // A :: f
27 return 0;
28 }

57
Опр 7. Чистая виртуальная функция — функция вида: virtual
{Тип_возвращаемого_значения} имя функции (формальные параметры) = 0;.
Такая форма записи функции означает, что данная функция (точнее – метод
класса) не имеет тела, описывающего ее алгоритм.
Абстрактный класс — это класс, содержащий хотя бы одну чистую вирту-
альную функцию.

Опр 8. Параметрический полиморфизм позволяет применить один и тот

же алгоритм к разным типам данных. При этом тип является параметром тела
алгоритма. При обращении к функции-шаблону после имени функции в угловых
скобках указываются фактические параметры шаблона – имена реальных типов
или значения объектов.

58
21 Базы данных. Основные понятия реляционной
модели данных. Реляционная алгебра. Сред-
ства языка запросов SQL. (3 стр.)
Опр 1. Понятие типа данных в реляционной модели данных полностью соответ-
ствует понятию типа данных в языках программирования, состоит из трех основ-
ных компонентов: определение множества значений данного типа; определение
набора операций, применимых к значениям типа; определение способа внешнего
представления значений типа (литералов).
Опр 2. Домен — допустимое потенциальное, ограниченное подмножество значе-
ний данного типа.
Опр 3. Для уточнения термина отношение выделяются понятия заголовка от-
ношения, значения отношения и переменной отношения.
Пусть дана совокупность типов данных T1 , T2 , . . . , Tn , называемых также до-
менами, не обязательно различных. Тогда n-арным отношением R, или отноше-
нием R степени n называют подмножество декартовa произведения множеств
T1 , T2 , . . . , Tn .

Алгебра Кодда
Теоретико-множественные операции (ассоциативны и коммуникативны):
− объединения отношений;

− пересечения отношений; взятия разности отношений

− взятия декартова произведения отношений.

Специальные реляционные операции:
− ограничение отношения;

− проекцию отношения;

− соединение отношений;

− деление отношений.
Кроме того, в состав алгебры включается операция присваивания, позволяю-
щая сохранить в базе данных результаты вычисления алгебраических выражений,
и операция переименования атрибутов, дающая возможность корректно сформи-
ровать заголовок (схему) результирующего отношения.
Приоритеты операций:
REN AM E ≥ W HERE = P ROJECT ≥ T IM ES = JOIN = IN T ERSECT = DIV IDEBY ≥ U N ION = M IN U S

59
Утв. Операция соединения называется операцией эквисоединения, если условие
соединения имеет вид (a = b), где a и b — атрибуты разных операндов соединения.

Операция естественного соединения применяется к паре отношений A и B,

обладающих (возможно, составным) общим атрибутом c (т. е. атрибутом с одним
и тем же именем и определенным на одном и том же домене).
Пусть AB обозначает объединение заголовков отношений A и B.

Опр 4. Тогда естественное соединение A и B — это спроецированный на AB

результат эквисоединения A и B по условию A.c = B.c.

SQL
Опр 5. SQL — универсальный компьютерный язык, применяемый для создания,
модификации и управления данными в реляционных базах данных.

SQL основывается на реляционной алгебре. Язык SQL представляет собой со-

вокупность операторов; инструкций; и вычисляемых функций. Операторы SQL
делятся на:

1. операторы определения данных (Data Definition Language, DDL):

− CREAT E создает объект БД (саму базу, таблицу, представление, поль-

зователя и т. д.);
− ALT ER изменяет объект;
− DROP удаляет объект.

2. операторы манипуляции данными (Data Manipulation Language, DML):

− SELECT считывает данные, удовлетворяющие условиям;

− IN SERT добавляет новые данные;
− U P DAT E изменяет существующие данные;
− DELET E удаляет данные.

3. операторы определения доступа к данным (Data Control Language, DCL):

− GRAN T предоставляет пользователю (группе) разрешения на опреде-

ленные операции с объектом;
− REV OKE отзывает ранее выданные разрешения;
− DEN Y задает запрет, имеющий приоритет над разрешением.

4. операторы управления транзакциями (Transaction Control Language, TCL):

60
 − COM M IT применяет транзакцию;
− ROLLBACK откатывает все изменения, сделанные в контексте теку-
щей транзакции;
− SAV EP OIN T делит транзакцию на более мелкие участки.

Для выборки данных в SQL используется оператор SELECT , возвращающий

набор из одной или нескольких строк одинаковой структуры и задаваемый в сле-
дующем синтаксисе. Предикаты: predicate ::=

| comparison_predicate – для сравнения двух строчных значений;

| between_predicate — условие вхождения в диапазон значений, операнды –

строки;

| null_predicate — проверить, являются ли неопределенными значения всех

элементов строки-операнда;

| in_predicate — условие вхождения строчного значения в указанное множе-

ство значений, второй операнд — таблица или список;

| like_predicate — значение предиката равняется true, когда исходная строка

может быть сопоставлена с заданным шаблоном, операнды символьные либо
битовые строки;

| similar_predicate — true, когда шаблон должным образом сопоставляется

с исходной строкой, операнды — символьные строки;

| exists_predicate — true, когда мощность таблицы-результата выражения

запросов больше нуля, операнд — query_expression;

| unique_predicate — условие отсутствия дубликатов в результате запроса,

операнд – query_expression;

| overlaps_predicate — для проверки перекрытия во времени двух событий,

операнды — дата-время и дата-время или интервал;

| quantif ied_comparison_predicate — квантифицированное сравнение

строчного значения, кванторы ALL | SOM E | AN Y ;

| match_predicate — условие соответствия строчного значения результату

табличного подзапроса, типы SIM P LE | P ART IAL | F U LL;

| distinct_predicate — являются ли две строки дубликатами.

61
22 Виды параллельной обработки данных, их осо-
бенности. Компьютеры с общей и распреде-
ленной памятью. Производительность вычис-
лительных систем, методы оценки и измере-
ния. (3 стр.)
Параллельная обработка данных имеет две разновидности: конвейерность и
параллельность.

Опр 1. Параллельная обработка. Увеличение количества независимо рабо-

тающих устройств. Если некое устройство выполняет одну операцию за едини-
цу времени, то тысячу операций оно выполнит за тысячу единиц. Система из N
устройств ту же работу выполнит за 1000/N единиц времени (в идеальном случае).

Опр 2. Конвейерная обработка. Усложнить само устройство, чтобы на разных

этапах могли находиться разные данные. Идея заключается в выделении отдель-
ных этапов выполнения общей операции, причем каждый этап, выполнив свою
работу, передавал бы результат следующему, одновременно принимая новую пор-
цию входных данных. Получаем выигрыш в скорости обработки за счет совмеще-
ния прежде разнесенных во времени операций. Существует некоторая задержка,
для того, чтобы заполнить все этапы конвейера; когда он заполнен, происходит
ускорение обработки.

Классификацию многопроцессорных сетей по Флинну.

В контексте машины можно выделить два потока информации: поток управле-
ния (для передачи управляющих воздействий на конкретное устройство) и поток
данных (циркулирующий между оперативной памятью и внешними устройства-
ми). В связи с этим выделяют 4 основных класса: SISD (1 поток команд, 1 поток
данных. Примьютер), SIMD (1 поток команд, много потоков данных, пример -
векторные компьютеры), MISD (много п. ком., 1 п. данных), MIMD (много и
потоков команд, и данных). Среди MIMD можно выделить системы с общей ОП
и системы с распределенной памятью.

Компьютеры с общей памятью.

В системе присутствует несколько равноправных процессоров, имеющих одинако-
вый доступ к единой памяти. Всё, кроме процессоров, в одном экземпляре: образ
операционной системы, память, подсистема ввода-вывода и т.д. Все процессоры
работают с единым адресным пространством. (+) относительная простота парал-
лельного программирования; (–) сложность увеличения числа процессоров (роста
производительности).

62
UMA — системы с однородным доступом к памяти (все процессоры имеют оди-
наковый доступ к памяти). SMP — есть общая шина, соединенная со всеми про-
цессорами и с ОП.
NUMA (Non Uniform Memory Access) — это нечто среднее между SMP и MPP:
память физически распределена, но логически общедоступна. Каждый вычисли-
тельный узел компьютера содержит процессор, локальную память, контроллер
памяти и, быть может, некоторые устройства ввода/вывода. Контроллер памяти
определяет, является ли запрос к памяти локальным или его необходимо передать
удаленному узлу через коммутатор/шину. Проблема - синхронизация кэш.
ccNUMA (cache coherent NUMA). На аппаратном уровне решает проблему
когерентности кэшей. Но остаются ограничения, связанные с централизацией
— использованием системной шины, возникают ограничения, связанные с cc-
архитектурой: есть системные потоки служебной информации, что ведет к до-
полнительным накладным расходам — загрузке общей шины служебной инфор-
мацией

Компьютеры с распределенной памятью.

Состоят из вычислительных узлов, каждый из которых является полноценным
компьютером со своей памятью, ОС, устройствами ввода-вывода и т.п., взаимо-
действующих друг с другом через коммуникационную среду.
(–) сложность параллельного программирования;
(+) относительная простота увеличения числа процессоров (роста производитель-
ности).
Опр 3. Длина критического пути — минимальное количество элементарных
связей, которые нужно пройти для коммутации двух самых удаленных процессо-
ров.
Опр 4. Связность — количество элементарных связей, которые нужно удалить,
чтобы схема распалась на две несвязанные части.
Опр 5. Сложность — общее количество необходимых элементарных связей.

Опр 6. Латентность и пропускная способность сети – основные параметры

коммуникационной сети кластеров.
Опр 7. Латентность — время начальной задержки при посылке сообщений.
Опр 8. Пропускная способность сети определяется скоростью передачи ин-
формации по каналам связи и измеряется объёмом передаваемой информации в
единицу времени. Время на передачу сообщения по коммуникационной сети вы-
числяется по следующей формуле: tN = t0 + NS , где t0 — латентность, N — объём
передаваемых данных, S — пропускная способность сети.

63
 Таблица 1: p — кол-во процессов

Схема коммутации Длина критического пути Связность Сложность

линейка p-1 1 p-1
p
кольцо |2| 2 p
звезда 2 1 p-1
p(p−1)
полносвязная топология 1 p-1 2
двоичный гиперкуб log2 p log2 p p ∗ log22 p

Методы оценки производительности.

Пиковая производительность — теоретический предел производительно-
сти для данного компьютера. Пиковая производительность компьютера вычис-
ляется как сумма пиковых производительностей всех входящих в него вычисли-
тельных устройств (процессоров, ускорителей и т.д.). Даёт нижнюю оценку време-
ни выполнения программы. Производительность компьютера на любой реальной
программе никогда не только не превысит этого порога, но и не достигнет его
точно.
Реальная производительность — производительность данного компьюте-
ра на конкретном приложении. Традиционно используются два способа оценки
производительности компьютера. Один из них опирается на число команд, вы-
полняемых компьютером в единицу времени. Единица измерения — MIPS (Million
Instructions Per Second). Второй способ – число вещественных операций, выпол-
няемых компьютером в единицу времени.
Единица измерения — Flops (Floating point operations per second).
Наиболее известные тесты: Linpack, STREAM, NAS Parallel Benchmarks (NPB),
HPC Challenge

64
23 Основные методы обработки изображений: то-
нальная коррекция, свёртка изображений, вы-
деление краёв. (3,5 стр.)
Опр 1. Тональная коррекция заключается в перераспределении света и тени меж-
ду пикселями, то есть в регулировке яркости и контрастности изображения.

Как мы можем численно оценить, контрастным получилось изображение

или нет? При помощи оценки гистограммы яркости — это график, где по
горизонтальной оси отложены уровни яркости от 0 до 255, а по вертикальной оси
число пикселей изображения.

Опр 2. Часть диапазона, которая используется в изображении, называется его

тоновым диапазоном.

Крайняя слева точка гистограммы соответствует нулевой, а крайняя справа —

максимально возможной яркости. Чем шире тоновый диапазон, тем больше де-
талей может передать изображение и тем выше его качество. Условно тоновый
диапазон делится на три части. Левая часть соответствует темным местам изоб-
ражения, правая часть — светлым местам, между ними находятся средние тона.
В идеальном изображении присутствуют пиксели всех оттенков.
Что можно выявить:

− Не полностью используется диапазон яркостей;

− Концентрация яркостей вокруг определенных значений — неравномерное

заполнение диапазона яркостей.

Методы решения проблемы

− Линейная коррекция. f −1 (y) = x, y — яркость пикселя на исходном
изображении, x — яркость пикселя после коррекции. Компенсация узко-
го диапазона яркостей — линейное растяжение гистограммы (histogram
equalization):
(y − ymin ) ∗ (255 − 0)
x=
(ymax − ymin )
.

− Нелинейная коррекция. Нелинейная компенсация недостаточной кон-

трастности — далее два примера:

∗ Гамма-коррекция: изначальная цель — коррекция для правильного

отображения на мониторе, y = c ∗ xgamma ;

65
 ∗ Логарифмическая: цель — сжатие динамического диапазона при ви-
зуализации данных, y = c ∗ log(1 + x). Тут y — яркость уже после
коррекции.

Свертка
Опр 3. Свертка — это операция вычисления нового значения выбранного пиксе-
ля, учитывающая значения окружающих его пикселей.

Для вычисления значения используется матрица, называемая ядром свертки.

Обычно ядро свертки является квадратной матрицей n ∗ n, где n — нечетное,
однако ничто не мешает сделать матрицу прямоугольной.
Во время вычисления нового значения выбранного пикселя ядро свертки как
бы «прикладывается» своим центром (именно тут важна нечетность размера мат-
рицы) к данному пикселю. Окружающие пиксели так же накрываются ядром.
Далее высчитывается сумма, где слагаемыми являются произведения значений
пикселей на значения ячейки ядра, накрывшей данный пиксель. Сумма делится
на сумму всех элементов ядра свертки. Полученное значение как раз и является
новым значением выбранного пикселя.
Если применить свертку к каждому пикселю изображения, то в результате
получится некий эффект, зависящий от выбранного ядра свертки.)

Пространственная фильтрация. Линейные фильтры

Опр 4. Под фильтрацией изображений понимают операцию, имеющую своим
результатом изображение того же размера, полученное из исходного изображения
по некоторым правилам.

Обычно интенсивность (цвет) каждого пикселя результирующего изображе-

ния обусловлена интенсивностями (цветами) пикселей, расположенных в некото-
рой его окрестности в исходном изображении. Это надо для борьбы с шумом на
изображении.
Алгоритм: Заменим каждый пиксель взвешенным средним по окрестности.
Веса обозначаются как ядро фильтра. Веса для усреднения задаются в виде квад-
ратной матрицы k ∗ k.
Пусть f — изображение, g — ядро. Свертка f по g тогда обозначается как f ∗g:
P
(f ∗ g)[m, n] = f (m − k, n − l) ∗ g(k, l), где k, l пробегают число стро-
k=1, l=1
к/столбцов матрицы g — так и получаем усреднение.
Основные свойства:

− Линейность:

66
 ∗ f ilter(f1 + f2 ) = f ilter(f1 ) + f ilter(f2 );
∗ f ilter(a ∗ f1 ) = a ∗ f ilter(f1 );

− Инвариантность к сдвигу — не зависит от сдвига пиксела:

∗ f ilter(shif t(f )) = shif t(f ilter(f ))

Теорема. Любой линейный оператор, инвариантный к сдвигу, может быть

записан в виде свертки.

Полезные свойства:

 Ассоциативность: a ∗ (b ∗ c) = (a ∗ b) ∗ c.
Последовательное применение фильтров (((a∗b1 )∗b2 )∗b3 ) эквивалентно
применению фильтра: a ∗ (b1 ∗ b2 ∗ b3 );
 Дистрибутивность по сложению: a ∗ (b + c) = (a ∗ b) + (a ∗ c).

Пример. Примеры фильтров:

− box-фильтр;

− Фильтр Гаусса;

− Медианный — меняет значение на медиану по фильтру (это нелинейный

фильтр — вдруг спросят);

− unsharp (повышение резкости).

Линейная фильтрация (свёртка) изображения позволяет решать целый ряд

задач — шумоподавление, повышение резкости, оценка градиента.

Выделение краев
Задача: выделить резкие изменения (разрывы) изображения. Край — это точ-
ка резкого изменения значений функции интенсивности изображения.
h i
∂f ∂f
− Градиент изображения: ∇f = ∂x , ∂y . Градиент направлен в сторону наи-
большего изменения интенсивности.

− Сила края задается величиной (нормой) градиента:

s 
2  2
∂f ∂f
k∇f k = +
∂x ∂y

67
 − Разностная производная (для ф-ции 2-ух переменных):

∂f f (xn+1 , y) − f (xn , y)
≈
∂x ∆x
— это свёртка. [−1][1] — простейший фильтр.

Задачу выделения краёв изображения в простом случае можно решить как

поиск локальных максимумов градиента яркости.
После получения силы края во всех точках можно по-разному определять края
– отсекать по пороговому значению, выделять локальные максимумы для утонь-
шения краёв и повышения точности, отсекать по гистерезису (для начала постро-
ения кривой границы порог большой, для продолжения порог ниже).

68
24 Линейные обыкновенные дифференциальные
уравнения и системы. Фундаментальная систе-
ма решений. Определитель Вронского. (4 стр.)
Опр 1. Линейным дифференциальным оператором n-го порядка называется опе-
ратор L:

L y = a0 (t)y (n) (t) + a1 (t)y n−1 (t) + . . . + an−1 (t)y 0 (t) + an (t)y(t),

определённый для всех функций y(t), n раз дифференцируемых на [a, b], причем
L y(t) ∈ C[a, b].

Опр 2. Линейное обыкновенное дифференциальное уравнение это L y = f (t), где

L удовлетворяет определению выше.
Если f (t) = 0 на [a, b], то уравнение называется однородным, иначе неоднород-
ным.

Теорема. Сумма решений ЛОДУ с одним L является решением ЛОДУ, у кото-

рого тот же оператор, а в правой части стоит сумма их правых частей.

(Следует из линейности L.)

А это точно не в 25-м билете нужно? здесь ни к селу ни к городу:

Теорема. Решение задачи Коши L y = f, y (k) (t0 ) = y0k , k = 0, n − 1 представимо

в виде y(t) = v(t) + w(t), где
функция v(t) является решением задачи Коши для неоднородного уравнения
L v = f с нулевыми начальными условиями v (k) (t0 ) = 0, k = 0, n − 1,
а функция w(t) является решением задачи Коши для однородного уравнения
L w = 0 с ненулевыми начальными условиями w(k) (t0 ) = y0k , k = 0, n − 1.

Опр 3. Скалярные функции ϕ1 (t), . . . , ϕm (t) называются линейно зависимыми

на отрезке [a, b], если найдутся такие комплексные константы ck ∈ C, k = 1, m,
одновременно не равные нулю, что справедливо равенство
m
X
ck ϕk (t) = 0, ∀t ∈ [a, b].
k=1

Если равенство выполнено только для тривиальных c, то функции линейно

независимы.

Опр 4. Определителем Вронского системы функций ϕ1 (t), . . . , ϕm (t), состоящей

из (m − 1) раз непрерывно дифференцируемых на отрезке [a, b] функций, назы-

69
вается зависящий от переменной t ∈ [a, b] определитель
 
ϕ1 (t) ϕ2 (t) ··· ϕm (t)
 ϕ0 (t) ϕ02 (t) ··· ϕ0m (t) 
 1
W [ϕ1 , . . . , ϕm ](t) = 

.. .. . .. .
..
. .

 
(m−1) (m−1) (m−1)
ϕ1 (t) ϕ2 (t) · · · ϕm (t)

Теорема. Если система (m − 1) раз непрерывно дифференцируемых на отрезке

[a, b] скалярных функций ϕ1 (t), . . . , ϕm (t) является линейно зависимой на отрезке
[a, b], то определитель Вронского этой системы тождественно равен нулю на этом
отрезке: W [ϕ1 , . . . , ϕm ](t) ≡ 0, ∀t ∈ [a, b].

Доказательство. Так как функции ϕk (t) линейно зависимы на [a, b], то суще-
ствует нетривиальный набор констант c1 , . . . , cm , для которого на отрезке [a, b]
справедливо равенство выше. В этом равенстве допустимо почленное дифферен-
цирование до порядка m − 1 включительно:
(k)
c1 ϕ1 (t) + . . . + cm ϕ(k)
m (t) = 0, k = 0, m − 1, t ∈ [a, b].

Отсюда следует, что вектор-столбцы определителя Вронского линейно зависимы

для всех t ∈ [a, b]. Следовательно, этот определитель равен нулю для всех t ∈
[a, b].
Замечание. Из ЛНЗ не следует, что W 6= 0, контрпример: ϕ1 (t) = t3 , ϕ2 (t) =
t2 , ϕ3 (t) = |t|, W ≡ 0, но на [−1, 1] функции ЛНЗ.
Для решений y1 (t), . . . , yn (t) линейного однородного уравнения на отрезке [a, b]
справедлива следующая альтернатива: либо W [y1 , . . . , yn ](t) = 0 на [a, b] и функ-
ции y1 (t), . . . , yn (t) линейно зависимы на этом отрезке; либо W [y1 , . . . , yn ](t) 6=
0, ∀t ∈ [a, b] и функции y1 (t), . . . , yn (t) линейно независимы на [a, b].

Опр 5. Фундаментальной системой решений линейного однородного дифферен-

циального уравнения n-го порядка на отрезке [a, b] называется система из n ли-
нейно независимых на данном отрезке решений этого уравнения.

Опр 6. Общим решением линейного однородного (неоднородного) дифференци-

ального уравнения n-го порядка называется зависящее от n произвольных по-
стоянных решение этого уравнения такое, что любое другое решение уравнения
может быть получено из него в результате выбора некоторых значений этих по-
стоянных.

Теорема (3.4.1.). У любого линейного однородного уравнения L y = 0 существует

фундаментальная система решений на [a, b].

70
Доказательство. Рассмотрим постоянную матрицу B с элементами bij , i, j =
1, 2, . . . , n такую, что det B 6= 0. Обозначим через yj (t) решения задачи Коши для
уравнения L y = 0 с начальными условиями:
yj (t0 ) = b1j , yj0 (t0 ) = b2j , . . . , yjn−1 (t0 ) = bnj , j = 1, 2, . . . , n. (7)
По теореме существования и единственности решения задачи Коши для ли-
нейного дифференциального уравнения n-го порядка функции yj (t) существу-
ют и определены однозначно. Составленный из них определитель Вронского
W [y1 , . . . , yn ](t), в силу условий (7), таков, что
W [y1 , . . . , yn ](t0 ) = detB 6= 0. Следовательно, по предыдущей теореме он не ра-
вен нулю ни в одной точке отрезка [a, b]. Значит, они образуют фундаментальную
систему решений уравнения L y = 0.
Теорема (3.4.2.). Пусть y1 (t), y2 (t). . . . , yn (t) — фундаментальная система реше-
ний линейного однородного уравнения уравнения L y = 0 на отрезке [a, b]. Тогда
общее решение этого уравнения на рассматриваемом отрезке имеет вид:
yOO (t) = c1 y1 (t) + c2 y2 (t) + . . . + cn yn (t), ∀cj ∈ C. (8)
Доказательство. Так как линейная комбинация решений однородного уравнения
L y = 0 является решением этого уравнения, то при любых значениях постоянных
ck функция yOO (t), определяемая формулой (8), является решением линейного
однородного дифференциального уравнения L y = 0.
Покажем теперь, что любое решение уравнения L y = 0 может быть получе-
но из (8) в результате выбора значений постоянных ck . Пусть ye(t) — некоторое
решение уравнения L y = 0. Рассмотрим систему алгебраических уравнений от-
носительно неизвестных ck :
c1 y1 (t) + c2 y2 (t) + . . . + cn yn (t) = ye(t0 ),
c1 y10 (t) + c2 y20 (t) + . . . + cn yn0 (t) = ye0 (t0 ),
(9)
...
(n−1) (n−1) (n−1)
c1 y1 (t) + c2 y2 (t) + . . . + cn yn (t) = ye(n−1) (t0 ),
где t0 — некоторая точка отрезка [a, b]. Определитель этой системы равен опреде-
лителю Вронского в точке t0 и не равен 0, так как решения y1 (t), y1 (t), . . . , yn (t)
линейно независимы. Следовательно, система (9) имеет единственное решение
c1 , e
e c2 , . . . , e
cn .
Рассмотрим функцию
Xn
yb(t) = ck yk (t).
e
k=1
Эта функция является решением уравнения L y = 0. Так как постоянные
c1 , e
e c2 , . . . , e
cn представляют собой решение системы (9), то функция yb(t) такова,
что yb(k) (t0 ) = ye(k) (t0 ), k = 0, 1, . . . , n − 1.

71
 Следовательно, функции yb(t) и ye(t) являются решениями уравнения L y = 0
и удовлетворяют одним и тем же начальным условиям в точке t0 . По теореме
о существовании и единственности решения задачи Коши эти функции должны
совпадать:
n
X
ye(t) = yb(t) = ck yk (t).
e
k=1

Теорема (3.4.3.). Пусть y1 (t), y2 (t). . . . , yn (t) — фундаментальная система реше-

ний линейного однородного уравнения L y = 0 на отрезке [a, b], yH (t) — некоторое
(частное) решение неоднородного уравнения L y = f (t). Тогда общее решение ли-
нейного неоднородного уравнения L y = f (t) на рассматриваемом отрезке имеет
вид:

yOH (t) = yH (t) + yOO (t) = yH (t) + c1 y1 (t) + c2 y2 (t) + . . . + cn yn (t), (10)

где c1 , c2 , . . . , cn — произвольные комплексные постоянные.

Доказательство. Для любого набора констант cj ∈ C формула (10) определяет

решение линейного неоднородного уравнения L y = f (t) в силу линейности урав-
нения. Согласно определению общего решения осталось показать, что выбором
констант в (10) можно получить любое наперед заданное решение L y = f (t),
то есть для любого решения ye(t) неоднородного уравнения L y = f (t) найдутся
константы ec1 , e
c2 , . . . , e
cn такие, что на отрезке [a, b] будет выполнено равенство

ye(t) = yH (t) + e
c1 y1 (t) + e
c2 y2 (t) + . . . + e
cn yn (t). (11)

Пусть ye(t) — решение неоднородного уравнения L y = f (t). Разность y(t) =

ye(t)−yH (t) двух решений линейного неоднородного уравнения L y = f (t) является
решением однородного уравнения L y = 0. По теореме об общем решении линейно-
го однородного уравнения найдутся комплексные константы e cj такие, что на рас-
сматриваемом отрезке выполнено равенство ye(t) = ec1 y1 (t) + e
c2 y2 (t) + . . . + e
cn yn (t),
а вместе с ним и искомое равенство (11).

72
25 Теоремы существования и единственности ре-
шения задачи Коши для обыкновенного диф-
ференциального уравнения первого порядка,
разрешенного относительно производной. (3
стр.)
Пусть функция f (t, y) определена и непрерывна в прямоугольнике

Π = {(t, y) : |t − t0 | ≤ T, |y − y0 | ≤ A}.

Рассмотрим на отрезке [t0 − T ; t0 + T ] дифференциальное уравнение с условием:

y 0 (t) = f (t, y(t)) (12)

y(t0 ) = y0 (13)

Требуется определить функцию y(t), удовлетворяющую уравнению (12) и условию

(13).
Эта задача называется задачей с начальным условием или задачей Коши. Рас-
смотрим отрезок [t1 , t2 ] такой, что t0 − T ≤ t1 < t2 ≤ t0 + T, t0 ∈ [t1 , t2 ].

Опр 1. Функция y(t) называется решением задачи Коши (12), (13) на отрезке
[t1 , t2 ], если y(t) ∈ C 1 [t1 , t2 ], |y(t) − y0 | ≤ A для t ∈ [t1 , t2 ], y(t) удовлетворяет
уравнению (12) для t ∈ [t1 , t2 ] и (13).

Рассмотрим на отрезке [t0 − T, t0 + T ] уравнение относительно неизвестной

функции y(t):
Zt
y(t) = y0 + f (τ, y(τ ))dτ (14)
t0

Лемма (8). Функция y(t) является решением задачи Коши (12), (13) на отрезке
[t1 , t2 ] ⇔ когда y(t) ∈ C[t1 , t2 ], |y(t) − y0 | ≤ A для t ∈ [t1 , t2 ] и y(t) удовлетворяет
уравнению (14) для t ∈ [t1 , t2 ].

Доказательство. (в одну сторону) Пусть функция y(t) является решением зада-

чи с начальным условием (12), (13) на отрезке [t1 , t2 ]. Из определения (0) следует,
что y(t) ∈ C[t1 , t2 ], |y(t) − y0 | ≤ A для t ∈ [t1 , t2 ]. Покажем, что y(t) удовлетворяет
уравнению (14) для t ∈ [t1 , t2 ]. Интегрируя (12) от t0 до t получим:
Zt Zt
y 0 (τ )dτ = y0 + f (τ, y(τ ))dτ, t ∈ [t1 , t2 ].
t0 t0

73
 Учитывая условие (13), имеем:

Zt
y(t) = y0 + f (τ, y(τ ))dτ, t ∈ [t1 , t2 ].
t0

Следовательно, функция y(t) удовлетворяет интегральному уравнению (14)

при t ∈ [t1 , t2 ].
Доказательство. (в другую сторону) Пусть функция y(t) такова, что y(t) ∈
C[t1 , t2 ], |y(t) − y0 | ≤ A для t ∈ [t1 , t2 ] и y(t) удовлетворяет уравнению (14) для
t ∈ [t1 , t2 ], то есть:

Zt
y(t) = y0 + f (τ, y(τ ))dτ, t ∈ [t1 , t2 ]. (15)
t0

Покажем, что y(t) является решением задачи с начальным условием (12), (13).
Положив в (15) t = t0 , получим, что y(t) = y0 . Следовательно условие (13) вы-
полнено. Так как функция y(t) непрерывна на [t1 , t2 ], то правая часть равенства
(15) непрерывно дифференцируема на [t1 , t2 ] как интеграл с переменным верхним
пределом t от непрерывной функции f (τ, y(τ )) ∈ C[t1 , t2 ]. Следовательно, y(t)
непрерывно дифференцируема на [t1 , t2 ]. Дифференцируя (15), получим, что y(t)
удовлетворяет (12).

Опр 2. Функция f (t, y), заданная в прямоугольнике Π, удовлетворяет в Π усло-

вию Липшица по y, если |f (t, y1 ) − f (t, y2 )| ≤ L|y1 − y2 |, ∀(t, y1 ), (t, y2 ) ∈ Π, где L
— положительная постоянная.

Лемма (Гронуолла-Беллмана).
  Пусть функция z(t) ∈ C[a, b] и такова, что 0 ≤
Rt 
z(t) ≤ c + d  z(τ )dτ  , t ∈ [t1 , t2 ], где постоянная c неотрицательна, постоянная d
 
t0 
положительна, а t0 — произвольное фиксированное число на отрезке [a, b]. Тогда
z(t) ≤ ced|t−t0 | , t ∈ [a, b].

Теорема. Пусть функция f (t, y) непрерывна в Π и удовлетворяет в Π условию

Липшица по y.
Если y1 (t), y2 (t) — решения задачи Коши (12), (13) на отрезке [t1 , t2 ], то y1 (t) =
y2 (t) для t ∈ [t1 , t2 ].

Доказательство. Так как y1 (t) и y2 (t) — решения задачи Коши (12), (13) то из
Леммы 8 следует, что они являются решениями интегрального уравнения (14).

74
То есть:
Zt
y1 (t) = y0 + f (τ, y1 (τ ))dτ, t ∈ [t1 , t2 ],
t0
Zt
y2 (t) = y0 + f (τ, y2 (τ ))dτ, t ∈ [t1 , t2 ]
t0

Вычитая второе уравнение из первого и оценивая разность по модулю, полу-

чаем
 t 
Z Zt 
 
|y1 (t) − y2 (t)| =  f (τ, y1 (τ ))dτ − f (τ, y2 (τ ))dτ  ≤
 
t0 t0
 t 
Z 
 
≤  |f (τ, y1 (τ ))dτ − f (τ, y2 (τ ))|dτ  , t ∈ [t1 , t2 ].
 
t0

Обозначив z(t) = |y1 (t) − y2 (t)|, перепишем последнее неравенство следующим

образом:  t 
Z 
 
0 ≤ z(t) ≤ L  z(τ )dτ  t ∈ [t1 , t2 ].
 
t0

Применяя лемму Гронуолла-Беллмана с c = 0 и d = L, имеем

z(t) = 0, t ∈ [t1 , t2 ].

Следовательно, y1 (t) = y2 (t), t ∈ [t1 , t2 ].

75
26 Функции алгебры логики. Реализация их фор-
мулами. Совершенная дизъюнктивная нор-
мальная форма.
Опр 1. Функция алгебры логики (ФАЛ) f : B n → B, где B = {0, 1}.
n
Всего функций f ∈ P2 (n) от n переменных 22 .

Опр 2. В f (x1 , . . . , xn ) xi называется существенной, если

∃σ1 , . . . , σi−1 , σi+1 , . . . , σn ∈ B : f (σ1 , . . . , σi−1 , 0, σi+1 , . . . , σn ) 6=
f (σ1 , . . . , σi−1 , 1, σi+1 , . . . , σn ), и фиктивной, в обратном случае очевидно как
расписывается.

Опр 3. ФАЛ называются равными, если они переводятся одна в другую добав-
лением или отбрасыванием фиктивных переменных.

Опр 4. Формулой над F = {f1 (x1 , . . . , xn1 ), . . . , fs (x1 , . . . , xns )} называется:

1) xj из алфавита БП, реализует функцию xj ;
2) fi (A1 , . . . , Ani ), где каждая Aj — формула над F , реализует ФАЛ вида
fi (a1 , . . . , ani ).

Опр 5. Две формулы называются эквивалентными, если они реализуют равные

функции.

Значение формулы определяется индуктивно аналогично тому что выше.

x1 = x, x0 = x̄

Теорема (видимо о разложении ФАЛ по нескольким переменным). Для ФАЛ

f (x1 , . . . , xn ) и 1 6 k 6 n
_
f (x1 , . . . , xn ) = xσ1 1 · · · xσk k f (σ1 , . . . , σk , xk+1 , . . . , xn ).
σ∈B k

Доказательство. Рассмотрим дизъюнкцию выше при фиксированных x.

Либо (σ1 , . . . , σk ) = (x1 , . . . , xk ), и тогда xσ1 1 · · · xσk k f (σ1 , . . . , σk , xk+1 , . . . , xn ) =
f (x).
Либо (σ1 , . . . , σk ) 6= (x1 , . . . , xk ), и тогда xσ1 1 · · · xσk k f (σ1 , . . . , σk , xk+1 , . . . , xn ) =
0
Частные случаи:
k = 1 — разложение по переменной:

f (x) = x̄1 f (0, x2 , . . . , xn ) ∨ x1 f (1, x2 , . . . , xn ).

76
 k = n — совершенная ДНФ:
_ _
f (x) = xσ1 1 · · · xσnn f (σ1 , . . . , σn ) = xσ1 1 · · · xσnn ,
σ∈B n σ∈Nf

где Nf — все наборы, на которых f принимает значение 1.

77
27 Схемы из функциональных элементов и про-
стейшие алгоритмы их синтеза. Оценка слож-
ности схем, получаемых по методу Шеннона.
Опр 1. Схемой из функциональных элементов над базисом Б называется ориенти-
рованная ациклическая упорядоченная сеть Σ, входная выборка которой состоит
из всех истоков Σ, а вершины помечены следующим образом:
1. каждому входу (выходу) Σ сопоставлена БП из X (соответственно Z), явля-
ющаяся пометкой связанно с ним вершины, причём различным входам (выходам)
сопоставлены различные БП, а упорядоченность вершин во входной и выходной
выборках Σ определяется упорядоченностью сопоставленных им БП;
2. каждая отличная от истока вершина v схемы Σ помечена функциональным
символом φi , где ki = d+
Σ (v).

Лемма. Для каждого натурального n существует СФЭ над базисом Б Un ∈ UБС ,

n
которая реализует систему ФАЛ P~2 (n) и сложность которой равна 22 − n.
Доказательство. В силу полноты базиса в UБС существует система формул почему
~2 (n). Искомая СФЭ Un
формул??? Σ от БП x1 , . . . , xn , реализующая систему ФАЛ P
является строго приведённой СФЭ, которая эквивалентна Σ и получается из неё
в результате операций присоединения эквивалентных вершин и удаления висячих
вершин. Действительно, из построения следует, что число всех вершин СФЭ Un ,
n n
включая n её входов, равно 22 и поэтому L(Un ) = 22 − n.
  n
С ~
Следствие. LБ P2 (n) 6 22 − n.

Базис Б0 = {&, ∨, ¬}
Определения сложности.
Сложность СФЭ L(Σ) — число функциональных элементов в Σ.
Сложность ФАЛ f : L(f ) = min L(Σ) по всем Σ, реализующим функцию f .
Опр 2 (Функция Шеннона). L(n) = max L(f ) среди функций n переменных.

Синтез по совершенной ДНФ

xσ1 1 & . . . &xσnn , где Nf — все наборы σ, на кото-
W
Сов. ДНФ f (x1 , . . . , xn ) =
σ∈Nf
рых f (σ) = 1.
Сов. ДНФ — формула в Б0 , значит существует СФЭ Σf над базисом Б0 , кото-
рая реализует f .
Тогда
2n (n
L(Σf ) 6 |{z} | {z n ) + 2| n{z
− 1} + |{z} − 1},
1 2 3 4

78
где 1 — верхняя оценка |Nf |, т.е. количества дизъюнктов в совДНФ, 2 — количе-
ство конъюнкций в каждом дизъюнкте, 3 — верхняя оценка количества отрицаний
в дизъюнкте, 4 — оценка количества дизъюнкций между дизъюнктами.
Так получаем верхнюю оценку функции Шеннона: L(n) 6 L(Σf ) 6 n · 2n+1 .
(Есть ещё нижняя оценка: L(n) > 2n /n. И ещё что-то из файла 2017 я пропус-
каю.)

Метод Шеннона (многополюсник)

Опр 3. Мультиплексорная функция:
_
µn (x1 , . . . , xn , y0 , . . . , y2n −1 ) = xσ1 1 . . . xσnn yγ(σ) ,
σ∈B n

где x — адресные переменные, а y — информационные.

Сложность мультиплексора: L(µn ) 6 4 · 2n − 2.

q
Сложность многополюсника: L(Σ0 ) 6 22 .

Метод Шеннона. Выбираем параметр q, 1 6 q 6 n.

Строим схему Σf , реализующую произвольную ФАЛ f (x1 , . . . , xn ) на основе
её разложения по части переменных:
_ σ
f (x0 , x00 ) = q+1
xq+1 · · · xσnn fσ00 (x0 ), (16)
σ 00

где x0 = (x1 , . . . , xq ), x00 = (xq+1 , . . . , xn ) и fσ00 (x0 ) = f (x0 , σ 00 ) при всех σ 00 =

(σq+1 , . . . , σn ) ∈ B n−q .
При этом схема Σf представляет собой суперпозицию вида Σ00 (Σ0 ), где Σ00 —
мультиплексор порядка n−q от адресных БП x00 , информационные входы которого
при выполнении указанной суперпозиции присоединяются к выходам универсаль-
ного многополюсника Σ0 порядка q от БП x0 в соответствии с (16).
Полагая q = blog(n−2 log n)c, построим для ФАЛ f указанным выше способом
СФЭ Σf в базисе Б0 где сигмаээ это формула из леммы ??? а сигмаэ — универсальный
многополюсник. Корректность очевидна.
Оценки сложности полученной схемы Σf над Б0 :
n
 n
q 8 · 2 2
L(Σf ) 6 22 + 4 · 2n−q 6 +O
n − 2 log n n2
Так мы получаем вторую оценку ф.Ш. сверху:

Теорема. Функция Шеннона LС (n) . 8 · 2n /n.

Надо подробнее расписать сигмаээээээ видимо.

79
28 Вероятностное пространство. Cлучайные вели-
чины. Закон больших чисел в форме Чебыше-
ва. (4 стр.)
Вероятностное пространство
Опр 1. Вероятностное пространство — это тройка (Ω, F, P ),
где Ω = {ω} — пространство элементарных событий (исходов) — непустое
множество, элементы ω которого интерпретируются как взаимно исключающие
исходы изучаемого случайного явления;
F — набор подмножеств множества Ω, называемых событиями.

Опр 2 (Сигма-алгебра). Множество F, элементами которого являются подмно-

жества множества Ω (не обязательно все) называется σ-алгеброй (σ-алгеброй со-
бытий), если выполнены следующие условия:
1. Ω ∈ F (σ-алгебра событий содержит достоверное событие);
2. если A ∈ F , то A ∈ F (вместе с любым событием σ-алгебра содержит противо-
положное событие);
3. если A1 , A2 , ... ∈ F , то A1 ∪ A2 ∪ ... ∈ F (вместе с любым счётным набором
событий σ-алгебра содержит их объединение).

Опр 3 (Борелевская сигма-алгебра). Минимальная σ-алгебра, содержащая мно-

жество всех интервалов на вещественной прямой, называется борелевской σ-
алгеброй в R и обозначается B(R). Борелевское множество — элемент боре-
левской сигма-алгебры.

Опр 4. Вероятность P — функция, вещественная определенная на F и удовле-

творяющая следующим условиям:
1) P (A) 6= 0 ∀A ∈ F;
2) P (Ω) = 1;
3) P ( ∞
S P∞
A
i=1 i ) = i=1 P (Ai ), если Ai ∩ Aj = ∅ при i 6= j
⇔ 3а) P (A ∪ B) = P (A) + P (B) для A ∩ B = ∅
⇔ 3б) если ∀A1 ⊃ A2 ⊃ · · · ⊃ An ⊃ . . .
и ∞
T
i=1 Ai = ∅,
то ⇒ lim P (An ) = 0
n→∞

Свойства вероятности (из определения): выглядит не очень обязательным

1) Если A ⊆ B, то P (B \ A) = P (B) − P (A)
Т.к. B = A ∪ (B \ A), A ∩ (B \ A) = 0 ⇒ P (B) = P (A) + P (B \ A).
2) Если A ⊆ B, то P (A) 6 P (B).
3) 0 6 P (A) 6 1.

80
4) P (A) = 1 − P (A).
5) P (∅) = 0.
Примеры вероятностных пространств:

Пример (1). Пусть Ω = (ω1 , . . . , ωs ), F — всевозможные подмножества множе-

ства Ω.
P (ω1 ) = · · · = P (ωs ) = 1/s ⇒ P (A) = |A|/|Ω| — классическое опр. вероятно-
сти.

Пример (2). Пусть Ω — множество в n-мерном евклидовом пространстве, объём

µ(Ω) которого не 0, и конеченая σ-алгебра F состоит из всех измеримых (т.е.
имеющих объём) подмножеств A множества Ω.
P (A) = µ(A)/µ(Ω) для A ∈ Ω — геометрическое определение вероятности.

Случайная величина
Пусть задано вероятностное пространство (Ω, F, P ).

Опр 5 (Случайная величина). Функция ξ : Ω → R называется случайной ве-

личиной, если для любого борелевского множества B ∈ B(R) множество ξ −1 (B)
является событием, т. е. принадлежит σ-алгебре F.

ПЕРЕДЕЛАТЬ Случайные величины ξ1 , . . . , ξn называют независи-

мыми (в совокупности), если для любого набора борелевских множеств
B1 , . . . , Bn ∈ B(R) имеет место равенство P (ξ1 ∈ B1 , . . . , ξn ∈ Bn ) = P (ξ1 ∈
B1 ) · . . . · P (ξn ∈ Bn ).
Случайные величины ξ1 , ..., ξn независимы (в совокупности), если для лю-
бых x1 , . . . , xn имеет место равенство Fξ1 ,...,ξn (x1 , . . . , xn ) = Fξ1 (x1 ) · . . . · Fξn (xn ).
Случайные величины ξ1 , . . . , ξn называют попарно независимыми, если
независимы всякие две из них.

Опр 6. Распределение случайной величины ξ — это вероятностная мера µ(B) =

P (ξ ∈ B) на множестве борелевских подмножеств R.

не было в файле:

Опр 7. Распределение случайной величины ξ называется абсолютно непрерыв-

ным, если
R существует неотрицательная функция fξ : R → R+ , такая что P (X ∈
B) = fξ (x) dx.
B

Опр 8. Дискретное распределение задаётся конечным или счётным набором ве-

роятностей: X
P (ξ = xk ) = pk , P (ξ ∈ B) = pk
xk ∈B

81
Опр 9. Функцией распределения случайной величины ξ называется функция
Fξ : R → [0, 1], при каждом x ∈ R равная вероятности случайной величине ξ
принимать значения, меньшие x: Fξ (x) = P (ξ < x) = P ω : ξ(ω) < x.
Rx
Для абсолютно непрерывной ξ Fξ (x) = −∞ fξ (t) dt, где fξ (t) – плотность ве-
роятности.
P
Для дискретной ξ Fξ (x) = ξ(ωk )6x pk
Свойства:
1) lim Fξ (x) = 1;
x→+∞
2) lim Fξ (x) = lim P (ξ < x) = 0;
x→−∞ x→−∞
3) Fξ (x) – неубывающая функция;
4) Fξ (x) односторонне непрерывна (слева, если Fξ (x) = P (ξ < x)): lim F (x) =
x→x0 −0
F (x0 ).

Опр 10 (Математическое ожидание сл. в.).

R Математическим ожиданием случай-
ной величины ξ называется число M ξ = Ω ξ(ω)P ( dω), если этот интеграл Лебега
существует.
Вроде знать определение в общем случае (оно выше) не нужно и достаточно следующих +
для случая их комбинаци....
+∞
R
Если ξ абсолютно непрерывна, и её плотность pξ , то M ξ = xpξ (x) dx
P −∞
Если ξ дискретна, то ξ = xk P (ξ = xk ), если этот ряд сходится абсолютно.
k
+∞
R
В общем случае M ξ = x dFξ (x).
−∞

Опр 11. Дисперсией случайной величины ξ называется число Dξ = M (ξ − M ξ)2 .

Dξ = {определение математического ожидания} = M ξ 2 − (M ξ)2 .

ЗБЧ Чебышёва
Неравенство Чебышева. Пусть случайная величина ξ : Ω → R определена
на вероятностном пространстве (Ω, F, P ), а её математическое ожидание M ξ = m
и дисперсия Dξ конечны.
Тогда
Dξ
P (|ξ − m| > a) 6 2
a
Доказательство. Я кстати непонял
Z
1
P (|ξ − m| > a) = dF (x) 6
a2
|ξ−m|>a

82
 |ξ−m|
так как a 6 1 в области интегрирования.
Z Z
1 Dξ
(x − m)2 dF (x) 6 2 (x − m)2 µ =
a a2
|ξ−m|>a |ξ−m|>a

Теорема (ЗБЧ в форме Чебышева, ЗБЧ в слабой форме). Если ξ1 , . . . , ξn — по-

следовательность попарно независимых случайных величин, имеющих конечные
дисперсии, ограниченные одной и той же постоянной С, то
 

∀ε > 0 lim P X n − µ > ε = 0,
n→∞

n
P
где X n = Xk /n. (То есть среднее значение выборки X n сходится по вероятно-
k=1
сти к математическому ожиданию µ.)

Доказательство. Так как случайные величины независимы,

1 nσ 2 σ2
D(X n ) = D( n1 (X1 + · · · + Xn )) = 2 D(X1 + · · · + Xn ) = 2 =
n n n
Математическое ожидание последовательности µ представляет собой среднее
значение выборочного среднего:

E(X n ) = µ.

Используя неравенство Чебышёва для X n , получаем

  σ2
P( X n − µ > ε) 6 2 .
 
nε
    σ2
P( X n − µ < ε) = 1 − P( X n − µ > ε) > 1 − 2 ,
   
nε
при n → ∞ выражение стремится к 1. (А значит, по определению сходимости
P
по вероятности мы получим X n −−−→ µ.)
n→∞

Примеры распределений: YET ANOTHER TODODODODDO

83
29 Квадратурные формулы прямоугольников,
трапеций и парабол. (3 стр.)
Rb
Задача: Вычислить определенный интеграл I = a f (x)dx.
Rb
Он заменяется конечной суммой a f (x)dx ≈ nk=0 Ck f (xk ) — квадратурная
P

формула, Ck –– коэффициенты квадратурной формулы, xk –– узлы квадратурной

формулы. Rb
Ψ = a f (x)dx− nk=0 Ck f (xk ) — погрешность квадратурной формулы. Введем
P

на [a,
R b b] равномерную сетку ω = {xi = a + ih, i ∈ [0, N ], N h = b − a}.
Pn R xi n
R xi a f (x)dx = k=0 xi −1 f (x)dx. Строим квадратурные формулы для
xi −1 f (x)dx.

Формула прямоугольников

Zxi
f (x) dx ∼ f (xi−1/2 )h
xi−1
Zxi Zxi
Ψi = f (x) dx − f (xi−1/2 )h = (f (x) − f (xi−1/2 )) dx =
xi−1 xi−1
Zxi
0 (x − xi−1/2 )2 00
= f (xi−1/2 )) + (x − xi−1/2 )f (xi−1/2 ) + f (ξ)|ξ∈[xi−1 ;xi ] − f (xi−1/2 ) dx =
2
xi−1
Zxi
(x − xi−1/2 )2 h3
|Ψi | 6 M2i dx = M2i , где M2i = max |f 00 (x)|
2 24 x∈[xi−1 ;xi ]
xi−1
Zb n
X
f (x) dx ∼ f (xi−1/2 )h
a i=1
n n
X X h3 M2 N h3 M2 h2 (b − a)
Ψ= Ψi 6 M2i 6 =
i=1 i=1
24 24 24
2
⇒ Ψ = O(h )

Формула трапеций
R xi
∼ f (xi−12+f (xi ) h, получается путем замены f (x) интерполяционным
xi −1 f (x)dx
многочленом первой степени, построенным по узлам xi−1 , xi .

84
 ((x−xi−1 )f (xi )−(x−xi )f (xi−1 ))
L1i = h
(x−xi−1 )(x−xi ) 00
f (x) − L1i (x) = 2 f (ξi (x))
R xi
|Ψj | = xi−1 f (x)dx − f (xi−1 )+f 2
(xi )
h=
R xi R xi (x−xi−1 )(x−xi ) 00 M2i h3
= xi−1 (f (x) − L1i (x))dx = xi−1 2 f (ξi (x))dx ⇒ |Ψi | ≤ 12
Rb PN f (xi−1 +f (xi ))
a f (x)dx ∼ i=1 2 h
= h(0.5f (x0 ) + f (x1 ) + f (x2 ) + . . . + f (xN −1 ) + 0.5f (xN ))
M2 h2 (b−a)
— составная формула трапеций. |Ψ| ≤ 12 = O(h2 )

Формула Симпсона (парабол)

n n
X X ω(x)
Ln = Lnk = f (xk )
(x − xk )ω 0 (xk )
k=0 k=0
— интерполяционный полином в Форме Лагранжа, где
n n
Y
0
Y f (n+1) (ξ(x))
ω(x) = (x − xj ), ω (xk ) = (xk − xj ), f (x) − Ln = ω(x)
j=0
(n + 1)!
j=0,j6=k

В формуле Симпсона:
(x − xi−1/2 )(x − xi )
f (x) ∼ L2 ∼ f (xi−1 )+
(xi−1 − xi−1/2 )(xi−1 − xi )
(x − xi−1 )(x − xi )
+ f (xi−1/2 )+
(xi−1/2 − xi−1 )(xi−1/2 − xi )
(x − xi−1 )(x − xi−1/2 )
+ f (xi ) =
(xi − xi−1 )(xi − xi−1/2 )

2
= ((x − xi− 12 )(x − xi )f (xi−1 ) − 2(x − xi−1 )(x − xi )f (xi− 21 )+
h2
+(x − xi−1 )(x − xi− 21 )f (xi )), ∀x ∈ [xi−1 , xi ]

Z xi
h
L2i (x)dx = (f (xi−1 ) + 4f (xi− 21 ) + f (xi ))
xi−1 6
Zx i
Xh
⇒ f (x) dx ≈ (f (xi−1 ) + 4f (xi−1/2 ) + f (xi ))
6
xi−1

85
 Zb N
X h
f (x) dx ≈ (f (xi−1 ) + 4f (xi−1/2 ) + f (xi )) =
i=1
6
a
h

= f0 + fN + 2(f1 + . . . + fN −1 ) + 4(f1/2 + . . . + fN −1/2 )
6
M4i h5 M4 h4 (b − a)
|Ψi | 6 , |Ψ| 6
2880 2880

86
30 Методы Ньютона и секущих для решения
нелинейных уравнений. (3 стр.)
Рассмотрим функцию f (x), x ∈ R и уравнение

f (x) = 0. (17)
Пусть x∗ — вещественный корень уравнения, и определена его окрестность
радиуса a, не содержащая других корней уравнения:

Ua (x∗ ) = {x : |x − x∗ | < a},

причем функция определена в этой окрестности.
Будем считать, что начальное приближение x0 ∈ Ua (x∗ ) задано. Пусть в Ua (x∗ )
существует и не обращается в ноль первая производная функции:

f 0 (x) 6= 0, x ∈ Ua (x∗ ).
Разложим f (x∗ ) по формуле Тейлора в окрестности точки x ∈ Ua (x∗ ):

f (x∗ ) = f (x) + (x∗ − x)f 0 (x) + . . .

и отбросим в этом разложении все члены, имеющие второй и ниже порядок
малости по (x − x∗ ).
Заменим x∗ на xn+1 , а x на xn :

f (xn ) + (xn+1 − xn )f 0 (xn ) = 0

f (xn )
xn+1 = xn − (18)
f 0 (xn )
Опр 1. Итерационный процесс поиска корня уравнения (17), задаваемый форму-
лой (18) называется итерационным методом Ньютона.

Геометрическая интерпретация:
Р/м т. A(x0 , f (x0 )). Определим первую итерацию x1 как абсциссу точки пере-
сечения с осью Ox касательной к f(x), проведенной через т. A. Аналогично полу-
чаем значение x2 . Продолжая, на n-ом шаге получим значение xn , приближающее
корень x∗ уравнения (17) с заданной точностью.

87
 Метод секущих:

Опр 2. Итерационный метод решения уравнения (17) называется одношаговым,

если для нахождения n+1-ой итерации корня xn+1 используется только только
n-я итерация xn . Если для нахождения xn+1 используется не только xn , то метод
называется многошаговым (пример многошагового - метод секущих).

Запишем итерационный метод Ньютона решения уравнения (17):

f (xn )
x n+1
= x − 0 n , n ∈ Z+ , x ∈ Ua (x∗ )
n
f (x )
f (xn )−f (xn−1 )
В этом уравнении заменим f 0 (x) на его дискретный аналог xn −xn−1 , полу-
чаем итерационный метод:

n+1 n(xn − xn−1 )f (xn )

x =x − , (19)
f (xn ) − f (xn−1 )
Опр 3. Итерационный процесс (19) задает двухшаговый метод решения уравне-
ний, называемый методом секущих.

Геометрическая интерпретация:
Через точки (xn−1 , f (xn−1 )), (xn , f (xn )) проводится секущая. За новое значение
xn+1 принимается абсцисса точки переcечения секущей и оси Ox.

88
 f (x)
Обозн. S(x) = x − f 0 (x) .

Теорема. Пусть существует такая константа M > 0, для которой выполнена оцен-
ка 12 |S 00 (x)| ≤ M, x ∈ Ua (x∗ ). Тогда если начальное значение x0 выбрать в соот-
ветствии с условием |x0 − x∗ | < M1 , то итерационный метод Ньютона сходится, и
n
имеет место оценка: |xn − x∗ | ≤ M1 (M |x0 − x∗ |)2 .

89
31 Численное решение задачи Коши для обыкно-
венных дифференциальных уравнений. При-
меры методов Рунге-Кутта.
Рассмотрим задачу Коши для ОДУ:
dU (t)
dt = f (t, u), t > 0, U (0) = U0 .
Пусть D = {|t| < a, |U − Ut0 | ≤ b}, f(t, U) непрерывна по t и в D |f | ≤ M . В
D f удовлетворяет условию Липшица по U: |f (t, U 0 ) − f (t, U 00 )| ≤ L|U 0 − U 00 | ⇒
∃! решение при |t| ≤ tc = min(a, Mb ). При исследовании численных методов реше-
ния задачи Коши будем предполагать, что решение ∃! и обладает необходимыми
свойствами гладкости.

Опр 1. ωτ = {tn = nτ, n = 0, 1, . . .} - равномерная сетка с шагом τ > 0.

yn = yn (tn ) - приближенное решение, сеточная функция

Опр 2. Фиксируем t и построим последовательность сеток ωτ : τ → 0 и tn = nτ =

t. Метод сходится в точке t, если |yn − U (tn )| → 0 при τ → 0, tn = t.

Опр 3. Метод сходится на (0, T], если он сходится в ∀ точке t ∈ (0, T ].

Опр 4. Метод имеет p-й порядок точности, если ∃p > 0 : |yn − U (tn )| =
O(τ p ), τ → 0.

Опр 5. zn = yn − U (tn ) — погрешность метода.

Метод Эйлера.

(1)
Опр 6. ψn = − Un+1τ−Un + f (tn , Un ) - невязка или погрешность аппроксимации
разностного уравнения на решении исходного уравнения.
(2)
ψn = f (yn + tn , Un + zn ) − f (tn , Un )

Опр 7. Разностный метод аппроксимирует исходное дифференциальное урав-

(1)
нение, если ψn → 0 при τ → 0.
(1)
Опр 8. Разностный метод имеет p-й порядок аппроксимации, если ψn = O(τ p )

Метод Эйлера имеет 1-й порядок аппроксимации.

90
 Симметричная схема.

Т.е. имеет 2-й порядок аппроксимации.

Методы Рунге-Кутта.
Явный m-этапный метод Рунге-Кутта: пусть yn = yn (tn ) известны, задаются
ai , bij , i = 2, . . . , m, j = 1, . . . , m − 1; σi , i = 1, 2, . . . , m.
Вычисляются последовательно функции:

Если σ1 +σ2 = 1, то имеем 1-ый порядок аппроксимации. Если еще σ2 a+σ2 b21 =
0.5 2-ой порядок аппроксимации.

91
32 Задача Коши для уравнения колебания стру-
ны. Формула Даламбера.
Задача Коши для уравнения колебания струны — простейшая математическая
модель реальных волновых процессов. Задается системой:

2
utt = a uxx ,


u(x, 0) = ϕ(x), (20)


u (x, 0) = ψ(x).
t
(
dx − adt = 0,
Уравнение характеристики: dx2 − a2 dt2 = 0 ⇒
dx + adt = 0.
(
x − at = C1
⇒
x + at = C2
(
ξ = x − at
Сделаем замену переменных: ⇒ uξη = 0
η = x + at

∀ решение uη (ξ, η) = f ∗ (η) ⇒ u(ξ, η) = f ∗ (η)dη + f1 (ξ) =

R

= f1 (ξ) + f2 (η) (21)

Т.о. ∀ решение уравнения uξη = 0 м.б. представлено в виде (21), т.е. функциями
f1 , f2 ⇒ (21) — общий интеграл уравнения uξη = 0 ⇒ Найдем функции f1 , f2 :

92
Теорема. Если в формуле Даламбера ϕ - дважды непрерывно дифференцируема,
ψ - непрерывно дифференцируема, удовлетворяют уравнению и краевым услови-
ям (20), то ∃! решение, определяемое формулой Даламбера.

93
33 Постановка краевых задач для уравнения теп-
лопроводности. Метод разделения переменных
для решения первой краевой задачи.
Краевые задачи для уравнения теплопроводности представляют собой мате-
матические модели процессов распространения тепла, например, в стержне.
U (x, t) — температура в сегменте с координатами x во время t.
k
F (x, t) — плотность тепловых источников, a2 = cρ - коэффициент темпера-
туропроводности, f (x, t) = F (x,t)
cρ , c — удельная теплоемкость, k –– коэффициент
теплопроводности, ρ – плотность.

Основные типы задач:

Опр 1. U (x, t) — решение 1-ой краевой задачи для уравнения теплопроводности

(1) – (4), если
1) U ∈ C[Qh ]
2) U ∈ C 2 [Qh ] ( непрерывность вторых производных по x и первых по t)
3) U (x, t) удовлетворяет (1)-(4)
Метод разделения переменных

94
 

 Ut = a2 Uxx


U (0, t) = 0, 0 ≤ t ≤ T


 U (l, t) = 0, 0 ≤ t ≤ T

U (x, 0) = ϕ(x), 0 ≤ x ≤ l

Ищем решение в виде U (x, t) = X(x)T (t). Подставим ⇒ X(x)T 0 (t) =
00 0
a2 T (t)X 00 (x), делим на a2 XT ⇒ XX(x)(x)
= aT2 T(t)
(t) = −λ (константа)⇒
(
X 00 (x) + λX(x) = 0
T 0 (t) + a2 λT (t) = 0
Граничные
( условия: (
U (0, t) = X(0)T (t) X(0) = 0
⇒
U (l, t) = X(l)T (t) X(l) = 0
⇒ Для X(x) получаем задачу Штурма-Лиувилля. Для нее λ, при которых
∃ нетривиальное решение — собственные значения задачи Штурма-Лиувилля. А
соответствующая X(x) — функция задачи Штурма-Лиувилля.
Проведя нужные преобразования получаем формулу для решения U (x, t)

Теорема. Пусть функция ϕ ∈ C 2 [0, l] и ϕ(0) = ϕ(l) = 0 ⇒ у задачи (1)- (4)

существует решение(классическое) определяемое формулой (5).

95