6. Вывод результатов: Полученные новые координаты точек могут быть выведены на экран или использованы для дальнейших вычислений или отрисовки.

Итак, основная идея решения заключается в использовании матриц поворота для вращения точек в трехмерном пространстве относительно заданной оси и угла.

Для реализации программы вращения точек в трехмерном пространстве относительно заданной оси и угла мы можем воспользоваться математическими преобразованиями и использовать библиотеку для работы с трехмерной графикой, например, библиотеку `numpy`.

Пример кода на Python для вращения точек вокруг оси z на заданный угол:

```python

import numpy as np

def rotate_point(point, angle):

# Преобразуем угол в радианы

angle_rad = np.radians(angle)

# Матрица поворота для оси z

rotation_matrix = np.array([[np.cos(angle_rad), -np.sin(angle_rad), 0],

[np.sin(angle_rad), np.cos(angle_rad), 0],

[0, 0, 1]])

# Преобразуем точку в вектор-столбец

point_vector = np.array([[point[0]],

[point[1]],

[point[2]]])

# Выполняем умножение матрицы поворота на вектор точки

rotated_point = np.dot(rotation_matrix, point_vector)

# Возвращаем координаты вращенной точки

return rotated_point[0][0], rotated_point[1][0], rotated_point[2][0]

# Пример использования

point = (1, 0, 0) # Координаты точки (x, y, z)

angle = 90 # Угол в градусах

rotated_point = rotate_point(point, angle)

print("Координаты вращенной точки:", rotated_point)

```

Этот код вращает точку `point` вокруг оси Z на заданный угол `angle`.

– Мы используем функцию `rotate_point`, которая принимает координаты точки и угол вращения.

– Угол преобразуется в радианы.

– Затем создается матрица поворота для оси Z.

– Координаты точки преобразуются в вектор-столбец.

– Мы выполняем умножение матрицы поворота на вектор точки.

– Результатом являются координаты вращенной точки, которые выводятся на экран.

Для вращения точек вокруг других осей или для сложных операций вращения можно использовать аналогичный подход, но с другими матрицами поворота.

Для решения задачи о поиске наибольшей невозрастающей подпоследовательности в списке чисел мы можем воспользоваться динамическим программированием.

Вот примерный алгоритм решения:

1. Создаем список длиной равной исходному списку чисел, заполненный единицами. Этот список будет содержать длины наибольших невозрастающих подпоследовательностей, заканчивающихся в каждом элементе исходного списка.

2. Проходим по каждому элементу исходного списка и сравниваем его со всеми предыдущими элементами.

3. Если текущий элемент больше или равен предыдущему, длина наибольшей невозрастающей подпоследовательности, заканчивающейся в текущем элементе, будет равна максимальной длине подпоследовательности, заканчивающейся в предыдущем элементе, плюс 1.

4. В конце алгоритма находим максимальное значение в списке длин и восстанавливаем саму подпоследовательность.

Пример кода на Python:

```python

def find_max_non_increasing_subsequence(nums):

n = len(nums)

# Создаем список для хранения длин наибольших невозрастающих подпоследовательностей

lengths = [1] * n

# Заполняем список длин

for i in range(1, n):

for j in range(i):

if nums[i] <= nums[j]:

lengths[i] = max(lengths[i], lengths[j] + 1)

# Находим максимальную длину подпоследовательности

max_length = max(lengths)

# Восстанавливаем саму подпоследовательность

subsequence = []

last_index = lengths.index(max_length)

subsequence.append(nums[last_index])

for i in range(last_index – 1, -1, -1):

if nums[i] >= nums[last_index] and lengths[i] == max_length – 1: