Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2

Wielkość: px
Rozpocząć pokaz od strony:

Download "Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2"

Transkrypt

1 Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2 Jakub Sumera Zak lad Metod Obliczeniowych Chemii Uniwersytet Jagielloński promotor: dr Grzegorz Mazur 27 maja 2009

2 Plan prezentacji Wst ep 1 Wstep 2 Energia MP2 jako funkcjona l gestości 3 Gradienty energii 4 CPHF 5 Implementacja 6 Wyniki J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

3 Plan pracy Wst ep Implementacja obliczeń momentów dipolowych w metodzie LT-AO MP2 Analiza dok ladności Obliczenia momentów dipolowych dla wybranych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

4 LT-AO MP2 Energia MP2 jako funkcjona l g estości Wyrażenie na energi e E 2 = 0 e 2 (s)ds e 2 (s) = X µµ (s)y νν (s)x λλ (s)y σσ (s) µνλσ µ ν λ σ (µ ν λ σ )[2(µν λσ) (µσ λν)] Macierze pseudogestości ważone energia orbitalna (Häser, 1993) occ X µ µ(s) = C µ ic µi e ε i s i virt Y σ σ(s) = C σ ac σa e εas a J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

5 Energia MP2 jako funkcjona l g estości rozwijajac funkcje wyk ladnicza w szereg otrzymamy occ occ X(s) = C i C T i e ε i s = C i C T i i i (ε i s) n n n! = occ (ε i s) n C i C T i n! n i przekszta lcajac równania Hartree-Focka FC i = ε i SC i S 1 FC i = ε i C i occ S 1 FP = ε i C i C T i occ occ occ (S 1 F) 2 P = S 1 F ε i C i C T i = ε i S 1 FC i C T i = ε 2 i C i C T i i ( ) n occ S 1 F P = ε n i C i C T i i i i i J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

6 Energia MP2 jako funkcjona l g estości dochodzimy do zależności occ X(s) = C i C T i e ε i s = i occ (ε i s) n C i C T i n! n i X(s) = (ss 1 F) n P n! n=0 macierze X oraz Y przyjmuja postać (Surján, 2005) X(s) = e ss 1F P Y(s) = e ss 1F Q e ss 1F = n=0 1 n! (ss 1 F) n J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

7 Energia MP2 jako funkcjona l g estości Eliminacja S 1 W celu usuniecia S 1 rozwijamy f. wyk ladnicza w szereg X(s) = X(s)SS 1 = e ss 1F PSS 1 s n ( = S 1 F ) n PSS 1 n! i wykorzystujemy (n-krotnie) S 1 FPS = PF otrzymujac ostateczne wyrażenia na macierze pseudogestości (Surján, 2005) X(s) = e spf P Y(s) = e sqf Q n=0 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

8 Energia MP2 jako funkcjona l g estości Wnioski energia MP2 (oraz wyższych rzedów) jest funkcjona lem gestości! konsekwencje techniczne nie trzeba obliczać wspó lczynników MO gesta macierz niedostepna z liniowo skalujacych sie obliczeń HF potrzebna jedynie macierz gestości rzadka macierz dostepna ze wszystkich obliczeń HF gradienty energii możemy wyrazić przez pochodne macierzy gestości J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

9 Energia MP2 jako funkcjona l g estości Wnioski energia MP2 (oraz wyższych rzedów) jest funkcjona lem gestości! konsekwencje techniczne nie trzeba obliczać wspó lczynników MO gesta macierz niedostepna z liniowo skalujacych sie obliczeń HF potrzebna jedynie macierz gestości rzadka macierz dostepna ze wszystkich obliczeń HF gradienty energii możemy wyrazić przez pochodne macierzy gestości J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

10 Energia MP2 jako funkcjona l g estości Wnioski energia MP2 (oraz wyższych rzedów) jest funkcjona lem gestości! konsekwencje techniczne nie trzeba obliczać wspó lczynników MO gesta macierz niedostepna z liniowo skalujacych sie obliczeń HF potrzebna jedynie macierz gestości rzadka macierz dostepna ze wszystkich obliczeń HF gradienty energii możemy wyrazić przez pochodne macierzy gestości J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

11 Gradienty energii Gradienty energii wyrażajac energie MP2 jako E 2 = τ w α e 2 (α) α możemy zapisać jej pochodna w postaci E (ξ) 2 = τ α w α e (ξ) 2 (α) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

12 Gradienty energii Gradienty energii pochodna energii wzgledem zewnetrznego pola elektrycznego (Schweizer et al., 2008) N e (ξ) 2 (α) = 2 R µ µ(α)x (ξ) N µ µ (α) + R ν ν(α)y (ξ) ν ν (α) R λ λ = R σ σ = µ µ ν ν N (µν λ σ) [2(µν λσ) (µσ λν)] µνσ N (µν λσ ) [2(µν λσ) (µσ λν)] µνλ ( X (ξ) = e tαpf) (ξ) P + e t αpf P (ξ) ( Y (ξ) = e tαqf) (ξ) Q + e t αqf Q (ξ) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

13 Różniczkowanie energii Gradienty energii Różniczkujac macierzowa funkcje wyk ladnicza (e A) (ξ) = = n=0 n=0 i wykorzystujac w laściwości śladu 1 n! (An ) (ξ) 1 n 1 A k A (ξ) A n k 1 n! k=0 Tr(AB) = Tr(BA) po tygodniu prostych przekszta lceń otrzymujemy... J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

14 Pochodna energii Gradienty energii e (ξ) 2 [F(α)h (α) = 2Tr (ξ)] + 2Tr [P(α)P (ξ)] P(α) = Y 1 Y 1 + G(Y 2 + Y 2 ) + Re tαpf Re tαqf F(α) = Y 2 + Y 2 Y 1 = n Y 2 = n t n n 1 F(PF) n k 1 PR(PF) k n! k=0 t n n 1 (PF) n k 1 PR(PF) k P n! k=0 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

15 Równania D-CPHF CPHF Density matrix-based Coupled Perturbed Hartree-Fock ( 2 ) L(P) P }{{ 2 P (ξ) = ( ) L(P) ξ P }}{{} A B (ξ) w podejściu Ochsenfelda i Head-Gordona ( L = Tr Ph + 1 ) 2 PG( P) gdzie P = 3PSP 2PSPSP J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

16 Równania D-CPHF CPHF Jawna postać równania D-CPHF (Ochsenfeld and Head-Gordon, 1997) ( 2 L(P) P 2 ) P (ξ) = 3FP (ξ) S + 3SP (ξ) P 2FP (ξ) SPS 2FPSP (ξ) S+ 2SP (ξ) FPS 2SPFP (ξ) S 2SPSP (ξ) F+ + G(P (ξ) )PS + SPG(P (ξ) ) + SPG(P (ξ) )PS ( ) L(P) = h (ξ) PS PSh (ξ) SPh (ξ) PS ξ P J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

17 Metoda wektora Z CPHF Obliczenie e (ξ) 2 [F(α)h (α) = 2Tr (ξ)] + 2Tr [P(α)P (ξ)] wymaga rozwiazania równań D-CPHF dla każdego zaburzenia oddzielnie Koszt rozwiazania równań D-CPHF jest porównywalny z kosztem SCF Metoda wektora Z umożliwia redukcje czasu obliczeń do jednego równania D-CPHF J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

18 Metoda wektora Z CPHF Metoda przekszta lcajac równanie D-CPHF otrzymujemy (Handy and Schaefer III, 1984) AP (ξ) = B (ξ) Algorytm PP (ξ) = PA }{{ 1 } Z T B (ξ) wyznaczamy wektor Z niezależny od zaburzenia (etap kosztowny) AZ = P używajac Z obliczamy wielkości zależne od zaburzenia (etap tani) PP (ξ) = Z T B (ξ) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

19 Metoda wektora Z CPHF Metoda przekszta lcajac równanie D-CPHF otrzymujemy (Handy and Schaefer III, 1984) AP (ξ) = B (ξ) Algorytm PP (ξ) = PA }{{ 1 } Z T B (ξ) wyznaczamy wektor Z niezależny od zaburzenia (etap kosztowny) AZ = P używajac Z obliczamy wielkości zależne od zaburzenia (etap tani) PP (ξ) = Z T B (ξ) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

20 Algorytm Implementacja dla każdego punktu kwadratury przygotuj dane do preselekcji wykonaj trójetapowa transformacje wyznacz macierze R i R oblicz przyczynki do F i P rozwiaż równanie AZ = P wyznacz sk ladowe momentu dipolowego µ ξ = 2Tr(Z T B (ξ) ) + 2Tr(Fh (ξ) ) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

21 Implementacja Algorytm wieloprzebiegowy dla każdego punktu kwadratury wyznacz optymalne przebiegi dla każdego przebiegu przygotuj dane do preselekcji wykonaj trójetapowa transformacje wyznacz macierze R i R oblicz przyczynki do F i P rozwiaż równanie AZ = P wyznacz sk ladowe momentu dipolowego µ ξ = 2Tr(Z T B (ξ) ) + 2Tr(Fh (ξ) ) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

22 Implementacja Kluczowe aspekty implementacji Cześciowo przetransformowane ca lki dwuelektronowe obliczane analogicznie jak w obliczeniach poprawki do energii Efektywna preselekcja ca lek (Häser, 1993) Zarzadzanie pamieci a (drzewa) Kwadratura Podzia l na przebiegi Zrównoleglenie Stabilne numerycznie obliczanie macierzowej f. wyk ladniczej i jej pochodnych Równania D-CPHF rozwiazywane zmodyfikowana metoda sprzeżonych gradientów Moment dipolowy obliczany metoda wektora Z J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

23 Dok ladność Wyniki liniowy lańcuch wody, baza STO-3G, ε = 10 8, τ = 10 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

24 Dok ladność Wyniki liniowy lańcuch wody, baza 3-21G, ε = 10 8, τ = 10 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

25 Dok ladność Wyniki b l ad momentu dipolowego dla STO-3G jest 2 rzedy wielkości wiekszy od b l edu energii dla 3-21G jest 3 rzedy wielkości wiekszy od b l edu energii wstepne wyniki dla wiekszych baz sa zgodne z wynikami dla bazy 3-21G brak referencyjnych wyników dla dużych uk ladów obliczenia niemożliwe do przeprowadzenia konwencjonalnym MP2 metoda skończonych różnic obarczona jest dużym b l edem analiza wp lywu kwadratury i wspó lczynnika obci ecia jest w toku planowana jest weryfikacja dok ladności dla innych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

26 Dok ladność Wyniki b l ad momentu dipolowego dla STO-3G jest 2 rzedy wielkości wiekszy od b l edu energii dla 3-21G jest 3 rzedy wielkości wiekszy od b l edu energii wstepne wyniki dla wiekszych baz sa zgodne z wynikami dla bazy 3-21G brak referencyjnych wyników dla dużych uk ladów obliczenia niemożliwe do przeprowadzenia konwencjonalnym MP2 metoda skończonych różnic obarczona jest dużym b l edem analiza wp lywu kwadratury i wspó lczynnika obci ecia jest w toku planowana jest weryfikacja dok ladności dla innych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

27 Dok ladność Wyniki b l ad momentu dipolowego dla STO-3G jest 2 rzedy wielkości wiekszy od b l edu energii dla 3-21G jest 3 rzedy wielkości wiekszy od b l edu energii wstepne wyniki dla wiekszych baz sa zgodne z wynikami dla bazy 3-21G brak referencyjnych wyników dla dużych uk ladów obliczenia niemożliwe do przeprowadzenia konwencjonalnym MP2 metoda skończonych różnic obarczona jest dużym b l edem analiza wp lywu kwadratury i wspó lczynnika obci ecia jest w toku planowana jest weryfikacja dok ladności dla innych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

28 Z lożoność czasowa Wyniki liniowy lańcuch wody, ε = 10 8, τ = 10 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

29 Z lożoność pami eciowa Wyniki liniowy lańcuch wody, ε = 10 8, τ = 10 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

30 Z lożoność obliczeniowa Wyniki z lożoność czasowa baza STO-3G - O(N 2 ) z lożoność zgodna z oczekiwaniami baza 3-21G - O(N 4 ) wysoki narzut czasowy w bazie 3-21G wynika z przeprowadzenia obliczeń dla stosunkowo ma lych uk ladów; dla wi ekszych uk ladów oczekiwane jest lepsze skalowanie obliczenia by ly prowadzone przy użyciu bardzo ma lej ilości pami eci (64 MB); zwi ekszenie dost epnej pami eci powinno znacznie poprawić wydajność z lożoność pami eciowa STO-3G oraz 3-21G - O(N 2 ) z lożoność zgodna z oczekiwaniami możliwe prowadzenie obliczeń dla bardzo dużych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

31 Z lożoność obliczeniowa Wyniki z lożoność czasowa baza STO-3G - O(N 2 ) z lożoność zgodna z oczekiwaniami baza 3-21G - O(N 4 ) wysoki narzut czasowy w bazie 3-21G wynika z przeprowadzenia obliczeń dla stosunkowo ma lych uk ladów; dla wi ekszych uk ladów oczekiwane jest lepsze skalowanie obliczenia by ly prowadzone przy użyciu bardzo ma lej ilości pami eci (64 MB); zwi ekszenie dost epnej pami eci powinno znacznie poprawić wydajność z lożoność pami eciowa STO-3G oraz 3-21G - O(N 2 ) z lożoność zgodna z oczekiwaniami możliwe prowadzenie obliczeń dla bardzo dużych uk ladów J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

32 Wnioski Wyniki zastosowany formalizm jest stosowalny do uk ladów bed acych poza zasiegiem konwencjonalnego MP2 uzyskana dok ladność wyników jest zadowalajaca poprawa dok ladności możliwa przez zmiane parametrów kwadratury i preselekcji; analiza w toku możliwe jest uogólnienie formalizmu do wyższych pochodnych (polaryzowalność) J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

33 Podsumowanie Wyniki Gotowe Zaprogramowa lem przedstawiony formalizm Wykona lem testowe obliczenia majace na celu weryfikacje metody i implementacji Ponadto, zaprogramowa lem obliczanie polaryzowalności i hiperpolaryzowalności na poziomie HF W trakcie Szczegó lowa analiza b l edów stosowanych przybliżeń Obliczenia dla liniowych lańcuchów fosforowo-borowych Obliczenia dla wybranych uk ladów push-pull J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

34 Podsumowanie Wyniki Gotowe Zaprogramowa lem przedstawiony formalizm Wykona lem testowe obliczenia majace na celu weryfikacje metody i implementacji Ponadto, zaprogramowa lem obliczanie polaryzowalności i hiperpolaryzowalności na poziomie HF W trakcie Szczegó lowa analiza b l edów stosowanych przybliżeń Obliczenia dla liniowych lańcuchów fosforowo-borowych Obliczenia dla wybranych uk ladów push-pull J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

35 Bibliografia Bibliografia Handy, N. C. and Schaefer III, F.: 1984, J Chem Phys 81, 5031 Häser, M.: 1993, Theo Chim Acta 87, 147 Ochsenfeld, C. and Head-Gordon, M.: 1997, Chem Phys Lett 270, 399 Schweizer, S., Doser, B., and Ochsenfeld, C.: 2008, J Chem Phys 128, Surján, P. R.: 2005, Chem Phys Lett 406, 318 J. Sumera (ZMOCh) Gradienty energii MP2 27 maja / 29

36 Implementacj e wykonano w ramach projektu Niedoida Dzi ekuj e za uwag e

Opis korelacji elektronowej w dużych układach molekularnych. Implementacja metodologii LT-AO-MP2

Opis korelacji elektronowej w dużych układach molekularnych. Implementacja metodologii LT-AO-MP2 Opis korelacji elektronowej w dużych układach molekularnych. metodologii Jakub Sumera Krzysztof Kowalczyk 7 stycznia 2009 roku Spis treści Wstęp 1 Wstęp 2 3 4 Plan pracy Wstęp implementacja AO MP2 kwadratowo

Bardziej szczegółowo

Implementacja efektywnych metod opisu korelacji elektronowej w dużych układach molekularnych

Implementacja efektywnych metod opisu korelacji elektronowej w dużych układach molekularnych Implementacja efektywnych metod opisu korelacji elektronowej w dużych układach molekularnych Krzysztof Kowalczyk Wydział Chemii UJ Zakład Metod Obliczeniowych Chemii promotor: dr Marcin Makowski 27 maja

Bardziej szczegółowo

Uniwersytet Jagielloński Wydzia l Chemii. Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2

Uniwersytet Jagielloński Wydzia l Chemii. Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2 Uniwersytet Jagielloński Wydzia l Chemii praca magisterska Efektywny opis wybranych w laściwości dużych uk ladów molekularnych w ramach metodologii MP2 Jakub Sumera Promotor dr Grzegorz Mazur Praca wykonana

Bardziej szczegółowo

Uniwersytet Jagielloński

Uniwersytet Jagielloński Uniwersytet Jagielloński Wydzia l Chemii, Zak lad Chemii Teoretycznej praca magisterska Implementacja efektywnych metod opisu korelacji elektronowej w dużych uk ladach molekularnych Krzysztof Kowalczyk

Bardziej szczegółowo

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B:

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B: Notatki do wyk ladu XIII Oddzia lywania miedzycz asteczkowe A i B zamknietopow lokowe czasteczki, jony molekularne lub atomy. Energia oddzia lywania E oddz mi edzy A i B: E oddz = E AB (E A + E B ) ()

Bardziej szczegółowo

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =

Bardziej szczegółowo

Teoria funkcjona lu g Density Functional Theory (DFT)

Teoria funkcjona lu g Density Functional Theory (DFT) Teoria funkcjona lu g estości Density Functional Theory (DFT) Cz eść slajdów tego wyk ladu pochodzi z wyk ladu wyg loszonego przez dra Lukasza Rajchela w Interdyscyplinarnym Centrum Modelowania Matematycznego

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk lad 11 1 Wektory i wartości w lasne Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l TEORIA FUNKCJONA LÓW GȨSTOŚCI (Density Functional Theory - DFT) Monika Musia l PRZEDMIOT BADAŃ Uk lad N elektronów + K j ader atomowych Przybliżenie Borna-Oppenheimera Zamiast funkcji falowej Ψ(r 1,σ 1,r

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

Hierarchia baz gaussowskich (5)

Hierarchia baz gaussowskich (5) Hierarchia baz gaussowskich (5) Bazy split-valence czyli VDZ, VTZ, etc. (np. bazy Pople a 6-31G, 6-311G, etc) Bazy split-valence spolaryzowane VDZP, VTZP, etc. Bazy bazy Dunninga (konsystentne korelacyjnie)

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

Bardziej szczegółowo

Symetria w obliczeniach molekularnych

Symetria w obliczeniach molekularnych Zak lad Metod Obliczeniowych Chemii UJ 15 marca 2005 1 2 Możliwości przyspieszenia obliczeń 3 GAMESS 2004 4 Zastosowania symetrii Zmniejszenie zapotrzebowania na zasoby (procesor, pami eć, dysk) Utrzymanie

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

Modyfikacja schematu SCPF obliczeń energii polaryzacji

Modyfikacja schematu SCPF obliczeń energii polaryzacji Modyfikacja schematu SCPF obliczeń energii polaryzacji Zakład Metod Obliczeniowych Chemii 11 kwietnia 2006 roku 1 Po co? Jak? 2 Algorytm Analiza zbieżności 3 dla układów symetrycznych 4 Fulleren 5 Po co?

Bardziej szczegółowo

Wyk lad 13 Funkcjona ly dwuliniowe

Wyk lad 13 Funkcjona ly dwuliniowe 1 Izomorfizmy kanoniczne Wyk lad 13 Funkcjona ly dwuliniowe Definicja 13.1. Niech V i W bed przestrzeniami liniowymi. Funkcje ξ : V W R nazywamy funkcjona lem dwuliniowym, jeżeli i a,b R α,β V γ W ξa α

Bardziej szczegółowo

Algorytm określania symetrii czasteczek

Algorytm określania symetrii czasteczek O czym to b Podzi 21 września 2007 O czym to b O czym to b Podzi 1 2 3 O czym to b Podzi W lasności symetrii hamiltonianu: zmniejszenie z lożoności obliczeń i wymagań pami eciowych, utrzymanie tożsamościowych

Bardziej szczegółowo

Korelacja elektronowa w metodzie elongacji

Korelacja elektronowa w metodzie elongacji March 28, 2006 1 2 3 4 5 6 Waskie gard la metody jednowyznacznikowe wyznaczanie ca lek dwuelektronowych potrzebnych do budowy macierzy Focka: formalnie O(N 4 ), asymptotycznie O(N 2 ) diagonalizacja macierzy

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD Minimalizacja funkcji Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Architektura systemów komputerowych

Architektura systemów komputerowych Architektura systemów komputerowych Grzegorz Mazur Zak lad Metod Obliczeniowych Chemii Uniwersytet Jagielloński 12 kwietnia 2011 Grzegorz Mazur (ZMOCh UJ) Architektura systemów komputerowych 12 kwietnia

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA Ćwiczenia Zwi azki organiczne zawieraj ace uk lady π-elektronowe Sprzȩżony uk lad wi azań podwójnych: -C=C-C=C-C=C-C=C- Skumulowany uk lad wi azań podwójnych:

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

Bardziej szczegółowo

JEDNOSTKI ATOMOWE =1, m e =1, e=1, ; 1 E 2 h = 4, J. Energia atomu wodoru lub jonu wodoropodobnego w jednostkach atomowych:

JEDNOSTKI ATOMOWE =1, m e =1, e=1, ; 1 E 2 h = 4, J. Energia atomu wodoru lub jonu wodoropodobnego w jednostkach atomowych: do wyk ladu z 1.10.13 Atom wodoru i jon wodoropodobny Ze - ladunek jadra, e - ladunek elektronu, µ - masa zredukowana µ = mem j m e+m j ( µ m e ) M j - masa jadra, m e - masa elektronu, ε 0 - przenikalność

Bardziej szczegółowo

Wyk lad 10 Przestrzeń przekszta lceń liniowych

Wyk lad 10 Przestrzeń przekszta lceń liniowych Wyk lad 10 Przestrzeń przekszta lceń liniowych 1 Określenie przestrzeni przekszta lceń liniowych Niech V i W bed a przestrzeniami liniowymi Oznaczmy przez L(V ; W ) zbór wszystkich przekszta lceń liniowych

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3 ZESTAW I 1. Rozwiązać równanie. Pierwiastki zaznaczyć w płaszczyźnie zespolonej. z 3 8(1 + i) 3 0, Sposób 1. Korzystamy ze wzoru a 3 b 3 (a b)(a 2 + ab + b 2 ), co daje: (z 2 2i)(z 2 + 2(1 + i)z + (1 +

Bardziej szczegółowo

METODY NUMERYCZNE. wykład. konsultacje: wtorek 10:00-11:30 środa 10:00-11:30. dr inż. Grażyna Kałuża pokój

METODY NUMERYCZNE. wykład. konsultacje: wtorek 10:00-11:30 środa 10:00-11:30. dr inż. Grażyna Kałuża pokój METODY NUMERYCZNE wykład dr inż. Grażyna Kałuża pokój 103 konsultacje: wtorek 10:00-11:30 środa 10:00-11:30 www.kwmimkm.polsl.pl Program przedmiotu wykład: 15 godzin w semestrze laboratorium: 30 godzin

Bardziej szczegółowo

Matematyka. rok akademicki 2008/2009, semestr zimowy. Konwersatorium 1. Własności funkcji

Matematyka. rok akademicki 2008/2009, semestr zimowy. Konwersatorium 1. Własności funkcji . Własności funkcji () Wyznaczyć dziedzinę funkcji danej wzorem: y = 2 2 + 5 y = +4 y = 2 + (2) Podać zbiór wartości funkcji: y = 2 3, [2, 5) y = 2 +, [, 4] y =, [3, 6] (3) Stwierdzić, czy dana funkcja

Bardziej szczegółowo

Wyznaczniki, macierz odwrotna, równania macierzowe

Wyznaczniki, macierz odwrotna, równania macierzowe Wyznaczniki, macierz odwrotna, równania macierzowe Adam Kiersztyn Katolicki Uniwersytet Lubelski Jana Paw a II Lublin 013 Adam Kiersztyn (KUL) Wyznaczniki, macierz odwrotna, równania macierzowe marzec

Bardziej szczegółowo

Korelacja elektronowa. e z rachunku prawdopodobieństwa i statystyki. Zmienne losowe x i y sa. ρ(x, y) = ρ 1 (x) ρ 2 (y)

Korelacja elektronowa. e z rachunku prawdopodobieństwa i statystyki. Zmienne losowe x i y sa. ρ(x, y) = ρ 1 (x) ρ 2 (y) Notatki do wyk ladu XII Korelacja elektronowa Nazwa korelacja elektronowa wywodzi si e z rachunku prawdopodobieństwa i statystyki. Zmienne losowe x i y sa niezależne jeśli ρ(x, y) = ρ 1 (x) ρ 2 (y) Oznacza

Bardziej szczegółowo

Metody numeryczne Wykład 4

Metody numeryczne Wykład 4 Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania

Bardziej szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy

Bardziej szczegółowo

Procesy Stochastyczne - Zestaw 1

Procesy Stochastyczne - Zestaw 1 Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie

Bardziej szczegółowo

u nk = n c nn u n 0 wyznacza siȩ empirycznie (elementy przejść) lub próbuje oszacować w obliczeniach typu ab initio Rachunek zaburzeń Löwdina

u nk = n c nn u n 0 wyznacza siȩ empirycznie (elementy przejść) lub próbuje oszacować w obliczeniach typu ab initio Rachunek zaburzeń Löwdina Jeśli pasma nie s a energetycznie dobrze separowalne lub energetycznie zdegenerowane (kwazizdegenerowane) to ich wzajemny wp lyw musi być uwzglȩdniony wariacyjnie - w I rzȩdzie RZ dla stanow zdegenerowanych

Bardziej szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

w = w i ξ i. (1) i=1 w 1 w 2 : S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo

Bardziej szczegółowo

Uk lady modelowe II - oscylator

Uk lady modelowe II - oscylator Wyk lad 4 Uk lady modelowe II - oscylator Model Prawo Hooke a F = m d 2 x = kx = dv dt2 dx Potencja l Równanie ruchu V = 1 2 kx2 d 2 x dt 2 + k m x = 0 Obraz klasyczny Rozwiazania k x = A sin t = A sin

Bardziej szczegółowo

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Uzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Podstawienia Motywacja Podstawienie 2 Sk ladanie podstawień Motywacja Z lożenie podstawień

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Matematyka stosowana i metody numeryczne

Matematyka stosowana i metody numeryczne Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 6 Rozwiązywanie równań nieliniowych Rozwiązaniem lub pierwiastkiem równania f(x) = 0 lub g(x) = h(x)

Bardziej szczegółowo

Wyk lad 11 Przekszta lcenia liniowe a macierze

Wyk lad 11 Przekszta lcenia liniowe a macierze Wyk lad 11 Przekszta lcenia liniowe a macierze 1 Izomorfizm przestrzeni L(V ; W ) i M m n (R) Twierdzenie 111 Niech V i W bed a przestrzeniami liniowymi o bazach uporzadkowanych (α 1,, α n ) i (β 1,, β

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 19 kwietnia 2011 Testy dla dwóch grup 1 Analiza danych dla dwóch grup: test t-studenta dla dwóch grup sparowanych; test t-studenta dla dwóch grup niezależnych (jednakowe wariancje) test Z dla dwóch grup

Bardziej szczegółowo

A. Strojnowski - Twierdzenie Jordana 1

A. Strojnowski - Twierdzenie Jordana 1 A Strojnowski - Twierdzenie Jordana 1 Zadanie 1 Niech f b edzie endomorfizmem skończenie wymiarowej przestrzeni V nad cia lem charakterystyki różnej od 2 takim, że M(f) nie jest diagonalizowalna ale M(f

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

Numeryczna algebra liniowa. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1

Numeryczna algebra liniowa. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Numeryczna algebra liniowa Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Numeryczna algebra liniowa Numeryczna algebra liniowa obejmuje szereg algorytmów dotyczących wektorów i macierzy, takich jak

Bardziej szczegółowo

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane

Bardziej szczegółowo

Metoda oddzia lywania konfiguracji (CI)

Metoda oddzia lywania konfiguracji (CI) Metoda oddzia lywania konfiguracji (CI) Spinorbitale: obsadzone φ a i wirtualne φ r : ɛ a ɛ HOMO, ɛ r ɛ LUMO ê r a wykonuje podstawienie φ a φ r, np. ê 7 2 φ 1 φ 2 φ 3... φ N = φ 1 φ 7 φ 3... φ N Operator

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Pochodne cz ¾astkowe i ich zastosowanie.

Pochodne cz ¾astkowe i ich zastosowanie. Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych

Bardziej szczegółowo

edzi (local edge detectors) Lokalne operatory wykrywania kraw

edzi (local edge detectors) Lokalne operatory wykrywania kraw Lokalne operatory wykrywania kraw edzi (local edge detectors) Jeśli dwie reprezentacje sa zbyt odleg le, by można by lo latwo określić transformacje miedzy nimi, to u latwić zadanie można przez wprowadzenie

Bardziej szczegółowo

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Aproksymacja kraw. Od wielu lokalnych cech (edge elements) do spójnej, jednowymiarowej. epnej aproksymacji

Aproksymacja kraw. Od wielu lokalnych cech (edge elements) do spójnej, jednowymiarowej. epnej aproksymacji Aproksymacja kraw edzi Od wielu lokalnych cech (edge elements) do spójnej, jednowymiarowej cechy (edge). Różne podejścia: szukanie w pobliżu wst epnej aproksymacji transformacja Hough a. Wiedza o obiektach:

Bardziej szczegółowo

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas Ćwiczenie 1. Niech W = {(x 1, x 2, x 3 ) K 3 : x 2 1 + x 2 2 + x 2 3 = x 1 x 2 + x 2 x 3 + x 3 x 1 }. Czy W jest podprzestrzeni a gdy

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.

Bardziej szczegółowo

1 Grupa SU(3) i klasyfikacja cząstek

1 Grupa SU(3) i klasyfikacja cząstek Grupa SU(3) i klasyfikacja cząstek. Grupa SU(N) Unitarne (zespolone) macierze N N można sparametryzować pzez N rzeczywistych parametrów. Ale detu =, unitarność: U U = narzucają dodatkowe warunki. Rozważmy

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia. mm

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia.   mm CHEMIA KWANTOWA MONIKA MUSIA L Ćwiczenia METODY PRZYBLIŻONE ROZWIA ZYWANIA RÓWNANIA SCHRÖDINGERA METODA WARIACYJNA metoda wariacyjna ĤΨ n = E n Ψ n Ψ n ortonormalne Szukamy rozwi azań dla stanu podstawowego,

Bardziej szczegółowo

Struktura elektronowa czasteczek. przybliżenie Borna-Oppenheimera. równania Schrödingera dla elektronów przy ustalonym po lożeniu jader

Struktura elektronowa czasteczek. przybliżenie Borna-Oppenheimera. równania Schrödingera dla elektronów przy ustalonym po lożeniu jader Notatki do wyk ladu VII Struktura elektronowa czasteczek przybliżenie Borna-Oppenheimera rozwiazanie równania Schrödingera dla elektronów przy ustalonym po lożeniu jader przybliżenie jednoelektronowe metoda

Bardziej szczegółowo

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Niezb. ednik matematyczny. Niezb. ednik matematyczny Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )

Bardziej szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD Minimalizacja funkcji Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

Notatki do wyk ladu IV (z 27.10.2014)

Notatki do wyk ladu IV (z 27.10.2014) Dla orbitalnego momentu p edu (L): Notatki do wyk ladu IV (z 7.10.014) ˆL ψ nlm = l(l + 1) ψ nlm (1) ˆL z ψ nlm = m ψ nlm () l + 1 możliwych wartości rzutu L z na wyróżniony kierunek w przestrzeni (l -liczba

Bardziej szczegółowo

Systemy decyzyjne Wyk lad 4: Drzewa decyzyjne

Systemy decyzyjne Wyk lad 4: Drzewa decyzyjne Systemy decyzyjne Wyk lad 4: Outline Wprowadzenie 1 Wprowadzenie 2 Problem brakujacych wartości 3 Co to jest drzewo decyzyjne Jest to struktura drzewiasta, w której wez ly wewnetrzne zawieraja testy na

Bardziej szczegółowo

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia) PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES wykład 4 Element trójkątny płaski stan (naprężenia lub odkształcenia) Obszar zdyskretyzowany trójkątami U = [ u v u v u v ] T stopnie swobody elementu P = [ P ]

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym

Bardziej szczegółowo

Obliczenia rozproszone z wykorzystaniem MPI

Obliczenia rozproszone z wykorzystaniem MPI Obliczenia rozproszone z wykorzystaniem Zarys wst u do podstaw :) Zak lad Metod Obliczeniowych Chemii UJ 8 sierpnia 2005 1 e konkretniej Jak szybko, i czemu tak wolno? 2 e szczegó lów 3 Dyspozytor Macierz

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

Bardziej szczegółowo

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra Wstęp do metod numerycznych Faktoryzacja QR i SVD P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Transformacja Householdera Niech u R N, u 0. Tworzymy macierz W sposób oczywisty P T = P. Obliczmy

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu lista nr 7

Statystyka w analizie i planowaniu eksperymentu lista nr 7 Statystyka w analizie i planowaniu eksperymentu lista nr 7 1 B l edy pomiaru Wskutek niedoskona lości przyrzadów jak również niedoskona lości naszych zmys lów - wszystkie pomiary sa dokonywane z określonym

Bardziej szczegółowo

i elektronów w czasteczkach (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra 2M b a i b; m -masa elektronu e 2 r ij

i elektronów w czasteczkach (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra 2M b a i b; m -masa elektronu e 2 r ij Notatki do wyk ladu IX Rozdzielenie ruchu jader i elektronów w czasteczkach W dowolnym uk ladzie wspó lrzednych (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra a i b)ma postać: Ĥ

Bardziej szczegółowo

Metody rozwiązania równania Schrödingera

Metody rozwiązania równania Schrödingera Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

Analiza zrekonstruowanych śladów w danych pp 13 TeV

Analiza zrekonstruowanych śladów w danych pp 13 TeV Analiza zrekonstruowanych śladów w danych pp 13 TeV Odtwarzanie rozk ladów za pomoc a danych Monte Carlo Jakub Cholewiński, pod opiek a dr hab. Krzysztofa Woźniaka 31 lipca 2015 r. Jakub Cholewiński, pod

Bardziej szczegółowo

16 Jednowymiarowy model Isinga

16 Jednowymiarowy model Isinga 16 Jednowymiarowy model Isinga Jest to liniowy łańcuch N spinów mogących przyjmować wartości ± 1. Mikrostanem układu jest zbiór zmiennych σ i = ±1, gdzie i = 1,,..., N (16.1) Określają one czy i-ty spin

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

stany ekscytonowo-fononowe w kryszta lech oligotiofenów

stany ekscytonowo-fononowe w kryszta lech oligotiofenów Wst ep Niezwiazane stany ekscytonowo-fononowe w kryszta lech oligotiofenów Zak lad Chemii Teoretycznej 24 październik 2007 Wst ep Dlaczego oligotiofeny? Oligotiofeny Zwiazki chemiczne zbudowane z po l

Bardziej szczegółowo

{E n ( k 0 ) + h2 2m (k2 k 2 0 )}δ nn + h m ( k k 0 ) p nn. c nn = E n ( k)c nn (1) gdzie ( r)d 3 r

{E n ( k 0 ) + h2 2m (k2 k 2 0 )}δ nn + h m ( k k 0 ) p nn. c nn = E n ( k)c nn (1) gdzie ( r)d 3 r to w pobliżu dna (lub szczytu) pasma (k k 0 ) zależność E(k) jest paraboliczna ale z mas a m m 0 Jeśli pasma nie s a energetycznie dobrze separowalne lub energetycznie zdegenerowane (kwazizdegenerowane)

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

Zestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań.

Zestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań. Zestaw zadań : Sumy i sumy proste podprzestrzeni Baza i wymiar Rzędy macierzy Struktura zbioru rozwiązań układu równań () Pokazać, że jeśli U = lin(α, α,, α k ), U = lin(β, β,, β l ), to U + U = lin(α,

Bardziej szczegółowo