Pakiety Matematyczne MAP1351W,P
|
|
- Barbara Muszyńska
- 4 lat temu
- Przeglądów:
Transkrypt
1 STEINHAUS HUGO CENTER W R O C L AW Pakiety Matematyczne MAP1351W,P dr in». Marek Teuerle Centrum im. Hugona Steinhausa Politechnika Wrocªawska Wrocªaw, maja 2019
2 MATLAB Plan wykªadu:
3 MATLAB Plan wykªadu: zmienne globalne,
4 MATLAB Plan wykªadu: zmienne globalne, m-funkcje o zmiennej liczbie parametrów,
5 MATLAB Plan wykªadu: zmienne globalne, m-funkcje o zmiennej liczbie parametrów, interpolacja warto±ci funkcji,
6 MATLAB Plan wykªadu: zmienne globalne, m-funkcje o zmiennej liczbie parametrów, interpolacja warto±ci funkcji, dopasowanie funkcji deterministycznych do danych obliczenia symboliczne.
7 Zmienne globalne
8 Zmienne globalne Zmienne zadeklarowane w m-funkcjach s 'widoczne' jedynie w obr bie danej funkcji,
9 Zmienne globalne Zmienne zadeklarowane w m-funkcjach s 'widoczne' jedynie w obr bie danej funkcji, Przykªad funkcji: function y=test(x) a=x; y=a;
10 Zmienne globalne Zmienne zadeklarowane w m-funkcjach s 'widoczne' jedynie w obr bie danej funkcji, Przykªad funkcji: function y=test(x) a=x; y=a; Przykªad wywoªania: >>test(2); 2
11 Zmienne globalne Zmienne zadeklarowane w m-funkcjach s 'widoczne' jedynie w obr bie danej funkcji, Przykªad funkcji: function y=test(x) a=x; y=a; Przykªad wywoªania: >>test(2); 2 >>a+2 Undefined function or variable 'a'.
12 Zmienne globalne
13 Zmienne globalne czasami istnieje potrzeba zdeniowania takiej zmiennej, która b dzie dost pna przy wywoªaniach danej m-funkcji, przy czym ta zmienne nie jest po±ród listy argumentów wej±ciowych funkcji -> zmienna globalna,
14 Zmienne globalne czasami istnieje potrzeba zdeniowania takiej zmiennej, która b dzie dost pna przy wywoªaniach danej m-funkcji, przy czym ta zmienne nie jest po±ród listy argumentów wej±ciowych funkcji -> zmienna globalna, Przykªad funkcji: function y=test1(n) global a; y=a^n; function y=test2(n) global a; y=a^(1/n);
15 Zmienne globalne czasami istnieje potrzeba zdeniowania takiej zmiennej, która b dzie dost pna przy wywoªaniach danej m-funkcji, przy czym ta zmienne nie jest po±ród listy argumentów wej±ciowych funkcji -> zmienna globalna, Przykªad funkcji: function y=test1(n) global a; y=a^n; function y=test2(n) global a; y=a^(1/n); Przykªad wywoªania: >> global a;a=4; >> [test1(2) test2(2)] 16 2
16 Zmienne globalne u»ywaj c zmiennych globalnych trzeba uwa»a na mechanizmy rekurencyjne: Przykªad funkcji: function a=test3(n) global a; a=a^(1/n);
17 Zmienne globalne u»ywaj c zmiennych globalnych trzeba uwa»a na mechanizmy rekurencyjne: Przykªad funkcji: function a=test3(n) global a; a=a^(1/n); Prezentacja
18 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach:
19 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach: funkcja mo»e mie zestaw parametrów wej±ciowych,
20 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach: funkcja mo»e mie zestaw parametrów wej±ciowych, liczba argumentów wej±ciowych mo»emy dowolnie ustali i zale»y to od potrzeb programisty,
21 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach: funkcja mo»e mie zestaw parametrów wej±ciowych, liczba argumentów wej±ciowych mo»emy dowolnie ustali i zale»y to od potrzeb programisty, funkcje mo»e równie» zwraca zestaw parametrów wyj±ciowych.
22 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach: funkcja mo»e mie zestaw parametrów wej±ciowych, liczba argumentów wej±ciowych mo»emy dowolnie ustali i zale»y to od potrzeb programisty, funkcje mo»e równie» zwraca zestaw parametrów wyj±ciowych. Przykªad funkcji: function [a b c d]=mojafunkcja(e,f,g,h)...
23 M-funkcje o zmiennej liczbie parametrów Co ju» wiemy o funkcjach: funkcja mo»e mie zestaw parametrów wej±ciowych, liczba argumentów wej±ciowych mo»emy dowolnie ustali i zale»y to od potrzeb programisty, funkcje mo»e równie» zwraca zestaw parametrów wyj±ciowych. Przykªad funkcji: function [a b c d]=mojafunkcja(e,f,g,h)... Przykªad wywoªania: >> [q w e r]=mojafunkcja(1,1,2,1);
24 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wej±ciowych
25 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wej±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargin, która zawiera informacj o liczbie jej parametrów wej±ciowych,
26 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wej±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargin, która zawiera informacj o liczbie jej parametrów wej±ciowych, wykorzystuj c instrukcje warunkowe mo»emy obsªugiwa przypadki wywoªywa«funkcji dla ró»nej liczby parametrów wej±ciowych
27 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wej±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargin, która zawiera informacj o liczbie jej parametrów wej±ciowych, wykorzystuj c instrukcje warunkowe mo»emy obsªugiwa przypadki wywoªywa«funkcji dla ró»nej liczby parametrów wej±ciowych [prezentacja: przykªad funkcji myplotin]
28 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wyj±ciowych
29 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wyj±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargout, która zawiera informacj o liczbie jej parametrów wyj±ciowych,
30 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wyj±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargout, która zawiera informacj o liczbie jej parametrów wyj±ciowych, wykorzystuj c instrukcje warunkowe mo»emy obsªugiwa przypadki wywoªywa«funkcji dla ró»nej liczby parametrów wyj±ciowych
31 M-funkcje o zmiennej liczbie parametrów Kontrola liczby parametrów wyj±ciowych wewn trz funkcji mo»emy u»ywa zmiennej nargout, która zawiera informacj o liczbie jej parametrów wyj±ciowych, wykorzystuj c instrukcje warunkowe mo»emy obsªugiwa przypadki wywoªywa«funkcji dla ró»nej liczby parametrów wyj±ciowych [prezentacja: przykªad funkcji myplot z obsªug domy±lnych parametrów]
32 M-funkcje o zmiennej liczbie parametrów MATLAB pozwala równie» radzi sobie w sytuacji, kiedy maksymalna liczba parametrów wej±ciowych/wyj±ciowych nie jest z góry ustalona
33 M-funkcje o zmiennej liczbie parametrów MATLAB pozwala równie» radzi sobie w sytuacji, kiedy maksymalna liczba parametrów wej±ciowych/wyj±ciowych nie jest z góry ustalona wewn trz funkcji mo»emy u»ywa zmiennej varargin, która jest tablic (array) parametrów wej±ciowych,
34 M-funkcje o zmiennej liczbie parametrów MATLAB pozwala równie» radzi sobie w sytuacji, kiedy maksymalna liczba parametrów wej±ciowych/wyj±ciowych nie jest z góry ustalona wewn trz funkcji mo»emy u»ywa zmiennej varargin, która jest tablic (array) parametrów wej±ciowych, wewn trz funkcji mo»emy u»ywa zmiennej varargout, która jest tablic (array) parametrów wyj±ciowych,
35 M-funkcje o zmiennej liczbie parametrów MATLAB pozwala równie» radzi sobie w sytuacji, kiedy maksymalna liczba parametrów wej±ciowych/wyj±ciowych nie jest z góry ustalona wewn trz funkcji mo»emy u»ywa zmiennej varargin, która jest tablic (array) parametrów wej±ciowych, wewn trz funkcji mo»emy u»ywa zmiennej varargout, która jest tablic (array) parametrów wyj±ciowych, [prezentacja: przykªad funkcji plotdyn,plotdyn2, przepisz]
36 Interpolacja funkcji Zaªó»my,»e mamy zestaw danych {(x i, y i )} i 1.
37 Interpolacja funkcji Zaªó»my,»e mamy zestaw danych {(x i, y i )} i 1. Szukamy funkcji interpoluj cej dane (inter polus-bieguny, w zªy). - mi dzy,
38 Interpolacja funkcji Zaªó»my,»e mamy zestaw danych {(x i, y i )} i 1. Szukamy funkcji interpoluj cej dane (inter - mi dzy, polus-bieguny, w zªy). Punkty {(x i, y i )} i 1 nazywamy w zªami interpolacyjnymi.
39 Interpolacja funkcji Zaªó»my,»e mamy zestaw danych {(x i, y i )} i 1. Szukamy funkcji interpoluj cej dane (inter - mi dzy, polus-bieguny, w zªy). Punkty {(x i, y i )} i 1 nazywamy w zªami interpolacyjnymi. Mo»liwym rozwi zaniem jest u»ycie wielomianu interpolacyjnego Lagrange'a (wspomniany przy kwadraturach): W N (x) = N i=1 y i (x x 1 )... (x i 1 )(x i+1 )... (x x N ) (x i x 1 )... (x i x i 1 )(x i x i+1 )... (x i x N ). Gªówn wad interpolacji za pomoc wielomianów s du»e oscylacje mi dzy w zªami dla wielomianów wysokich stopni.
40 Interpolacja funkcji Zaªó»my,»e mamy zestaw danych {(x i, y i )} i 1. Szukamy funkcji interpoluj cej dane (inter - mi dzy, polus-bieguny, w zªy). Punkty {(x i, y i )} i 1 nazywamy w zªami interpolacyjnymi. Mo»liwym rozwi zaniem jest u»ycie wielomianu interpolacyjnego Lagrange'a (wspomniany przy kwadraturach): W N (x) = N i=1 y i (x x 1 )... (x i 1 )(x i+1 )... (x x N ) (x i x 1 )... (x i x i 1 )(x i x i+1 )... (x i x N ). Gªówn wad interpolacji za pomoc wielomianów s du»e oscylacje mi dzy w zªami dla wielomianów wysokich stopni. Rozwi zanie: metoda funkcji sklejanych (dla podzbiorów interpolacja za pomoc wielomianów niskiego rz du + odpowiednie sklejanie tych wielomianów dla zapewnienia gªadko±ci)
41 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów,
42 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej,
43 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji:
44 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman,
45 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman, 'spline' - interpolacja f. sklejanymi trzeciego stopnia,
46 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman, 'spline' - interpolacja f. sklejanymi trzeciego stopnia, 'cubic' - interpolacja wielomianami trzeciego stopnia.
47 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman, 'spline' - interpolacja f. sklejanymi trzeciego stopnia, 'cubic' - interpolacja wielomianami trzeciego stopnia. 'nearest' - przyjmuje warto± w najbli»szych s siaduj cych w zªach.
48 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman, 'spline' - interpolacja f. sklejanymi trzeciego stopnia, 'cubic' - interpolacja wielomianami trzeciego stopnia. 'nearest' - przyjmuje warto± w najbli»szych s siaduj cych w zªach.
49 Interpolacja funkcji W MATLABIE do interpolacji u»ywamy funkcji yi=interp1(x,y,xi,'metoda'), gdzie x i y to wektory wspóªrzednych interpolowanych punktów, xi to wektor argumentów funkcji interpoluj cej, 'metoda' - wybór metody interpolacji: 'linear' - interpolacj f. ªaman, 'spline' - interpolacja f. sklejanymi trzeciego stopnia, 'cubic' - interpolacja wielomianami trzeciego stopnia. 'nearest' - przyjmuje warto± w najbli»szych s siaduj cych w zªach. [Prezentacja: interpolacja funkcji trygonometrycznej interpoluj.m, interpoluj_runge.m]
50 Dopasowanie funkcji deterministycznych do danych W MATLABIE do dopasowywania funkcji do danych mo»na u»ywa takich narz dzi jak: metoda najmniejszych kwadratów dla wielomianów: funkcja polyfit,
51 Dopasowanie funkcji deterministycznych do danych W MATLABIE do dopasowywania funkcji do danych mo»na u»ywa takich narz dzi jak: metoda najmniejszych kwadratów dla wielomianów: funkcja polyfit, metoda najmniejszych kwadratów dla wielomianu stopnia n=1 to regresja liniowa,
52 Dopasowanie funkcji deterministycznych do danych W MATLABIE do dopasowywania funkcji do danych mo»na u»ywa takich narz dzi jak: metoda najmniejszych kwadratów dla wielomianów: funkcja polyfit, metoda najmniejszych kwadratów dla wielomianu stopnia n=1 to regresja liniowa, dedykowanej aplikacji cftool.
53 Dopasowanie funkcji deterministycznych do danych W MATLABIE do dopasowywania funkcji do danych mo»na u»ywa takich narz dzi jak: metoda najmniejszych kwadratów dla wielomianów: funkcja polyfit, metoda najmniejszych kwadratów dla wielomianu stopnia n=1 to regresja liniowa, dedykowanej aplikacji cftool.
54 Dopasowanie funkcji deterministycznych: polyt Przyklad: >> x =[0:0.1:1]; >> y =[ ]; >> p=polyfit(x,y,n)
55 Dopasowanie funkcji deterministycznych: polyt Przyklad: >> x =[0:0.1:1]; >> y =[ ]; >> p=polyfit(x,y,n) p=
56 Dopasowanie funkcji deterministycznych: polyt Przyklad: >> x =[0:0.1:1]; >> y =[ ]; >> p=polyfit(x,y,n) p= czyli dopasowany wielomian to: y(x) = x x
57 Dopasowanie funkcji deterministycznych: polyt,polyval Jak obliczy warto±ci wielomianu o wspóªczynnikach p? >> x_dense =[0:0.01:1]; >> y_dense =polyval(p,x_dense); >> plot(x,y,'o',x_dense,y_dense,':') [Prezentacja: interpolacja funkcji trygonometrycznej interpoluj.m, interpoluj_runge.m]
58 Dopasowanie funkcji deterministycznych: cftool [Prezentacja ]
59 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.
60 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.przegl d metod:
61 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.przegl d metod: ró»niczkowanie - funkcja diff (uwaga! diff dla danych numerycznych dziaªa inaczej),
62 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.przegl d metod: ró»niczkowanie - funkcja diff (uwaga! diff dla danych numerycznych dziaªa inaczej), >>syms x;
63 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.przegl d metod: ró»niczkowanie - funkcja diff (uwaga! diff dla danych numerycznych dziaªa inaczej), >>syms x; >>fun=exp(2*x) fun= exp(2*x)
64 Obliczenia symboliczne Dotychczas wszystkie obliczenia jakie prowdzili±my w MATLABie miaªy charakter numeryczny. Pakiet oferuje równie» pakiet Symbolic Toolbox, który pozwala na obliczenia symboliczne.przegl d metod: ró»niczkowanie - funkcja diff (uwaga! diff dla danych numerycznych dziaªa inaczej), >>syms x; >>fun=exp(2*x) fun= exp(2*x) >>diff(fun) 2*exp(2*x)
65 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych,
66 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych, >>syms x y; >>fun=y exp(2*x) fun= y*exp(2*x)
67 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych, >>syms x y; >>fun=y exp(2*x) fun= y*exp(2*x) >>diff(fun,y) exp(2*x)
68 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych, >>syms x y; >>fun=y exp(2*x) fun= y*exp(2*x) >>diff(fun,y) exp(2*x) >>diff(fun,x) y*2*exp(2*x)
69 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych, >>syms x y; >>fun=y exp(2*x) fun= y*exp(2*x) >>diff(fun,y) exp(2*x) >>diff(fun,x) y*2*exp(2*x) >>diff(sin(x*t^2)) t^2*cos(t^2*x)
70 Obliczenia symboliczne ró»niczkowanie: funkcje wielu zmiennych, >>syms x y; >>fun=y exp(2*x) fun= y*exp(2*x) >>diff(fun,y) exp(2*x) >>diff(fun,x) y*2*exp(2*x) >>diff(sin(x*t^2)) t^2*cos(t^2*x) domy±ln zmienn dla diff mo»na sprawdzi za pomoc funkcji symvar, np. symvar(sin(x*t^2),1)
71 Obliczenia symboliczne caªkowanie: caªka nieoznaczona - funkcja int,
72 Obliczenia symboliczne caªkowanie: caªka nieoznaczona - funkcja int, >>syms x y; >>int(-2*x/(1 + x^2)^2) 1/(x^2 + 1)
73 Obliczenia symboliczne caªkowanie: caªka nieoznaczona - funkcja int, >>syms x y; >>int(-2*x/(1 + x^2)^2) 1/(x^2 + 1) >>syms x z; >>int(x/(1 + z^2), x) x^2/(2*(z^2 + 1))
74 Obliczenia symboliczne caªkowanie: caªka nieoznaczona - funkcja int, >>syms x y; >>int(-2*x/(1 + x^2)^2) 1/(x^2 + 1) >>syms x z; >>int(x/(1 + z^2), x) x^2/(2*(z^2 + 1)) >>int(x/(1 + z^2), z) x*atan(z)
75 Obliczenia symboliczne caªkowanie: caªka nieoznaczona - funkcja int, >>syms x y; >>int(-2*x/(1 + x^2)^2) 1/(x^2 + 1) >>syms x z; >>int(x/(1 + z^2), x) x^2/(2*(z^2 + 1)) >>int(x/(1 + z^2), z) x*atan(z) domy±ln zmienn dla int mo»na równie» sprawdzi za pomoc funkcji symvar.
76 Obliczenia symboliczne caªkowanie: caªka oznaczona - funkcja int,
77 Obliczenia symboliczne caªkowanie: caªka oznaczona - funkcja int, >>syms x; >>int(x*log(1 + x), 0, 1) 1/4
78 Obliczenia symboliczne caªkowanie: caªka oznaczona - funkcja int, >>syms x; >>int(x*log(1 + x), 0, 1) 1/4 >>syms x t; >>int(2*x, [sin(t), 1]) cos(t)^2
79 Obliczenia symboliczne caªkowanie: caªka oznaczona - funkcja int, >>syms x; >>int(x*log(1 + x), 0, 1) 1/4 >>syms x t; >>int(2*x, [sin(t), 1]) cos(t)^2 domy±ln zmienn dla int mo»na równie» sprawdzi za pomoc funkcji symvar.
80 Obliczenia symboliczne suma, suma szeregu: funkcja symsum,
81 Obliczenia symboliczne suma, suma szeregu: funkcja symsum, >>syms k; >>symsum(k^2,0,10) 385
82 Obliczenia symboliczne suma, suma szeregu: funkcja symsum, >>syms k; >>symsum(k^2,0,10) 385 >>syms k; >>symsum(1/k^2, 1, Inf) pi^2/6
83 Obliczenia symboliczne suma, suma szeregu: funkcja symsum, >>syms k; >>symsum(k^2,0,10) 385 >>syms k; >>symsum(1/k^2, 1, Inf) pi^2/6 >>syms x k; >>symsum(x^k/sym('k!'), k, 0, Inf) exp(x)
84 Obliczenia symboliczne suma, suma szeregu: funkcja symsum, >>syms k; >>symsum(k^2,0,10) 385 >>syms k; >>symsum(1/k^2, 1, Inf) pi^2/6 >>syms x k; >>symsum(x^k/sym('k!'), k, 0, Inf) exp(x)
85 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit,
86 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1
87 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1 >>limit((sin(x + h) - sin(x))/h, h, 0) cos(x)
88 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1 >>limit((sin(x + h) - sin(x))/h, h, 0) cos(x) >>limit(1/x, x, 0, 'right') Inf
89 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1 >>limit((sin(x + h) - sin(x))/h, h, 0) cos(x) >>limit(1/x, x, 0, 'right') Inf >>limit(1/x, x, 0, 'left') -Inf
90 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1 >>limit((sin(x + h) - sin(x))/h, h, 0) cos(x) >>limit(1/x, x, 0, 'right') Inf >>limit(1/x, x, 0, 'left') -Inf >>limit((1+h/x)^x, x, inf) exp(h)
91 Obliczenia symboliczne granica funkcji/ci gu: funkcja limit, >>syms x h; >>limit(sin(x)/x) 1 >>limit((sin(x + h) - sin(x))/h, h, 0) cos(x) >>limit(1/x, x, 0, 'right') Inf >>limit(1/x, x, 0, 'left') -Inf >>limit((1+h/x)^x, x, inf) exp(h)
92 Obliczenia symboliczne rozwi zywanie równa«: funkcja solve,
93 Obliczenia symboliczne rozwi zywanie równa«: funkcja solve, >>syms x >>solve(x^2 + 4*x + 1 == 0) 3^(1/2) - 2-3^(1/2) - 2
94 Obliczenia symboliczne rozwi zywanie równa«: funkcja solve, >>syms x >>solve(x^2 + 4*x + 1 == 0) 3^(1/2) - 2-3^(1/2) - 2 >>syms x y >>S = solve(x + y == 1, x - 11*y == 5) S= x: [1x1 sym] y: [1x1 sym]
95 Obliczenia symboliczne rozwi zywanie równa«: funkcja solve, >>syms x >>solve(x^2 + 4*x + 1 == 0) 3^(1/2) - 2-3^(1/2) - 2 >>syms x y >>S = solve(x + y == 1, x - 11*y == 5) S= x: [1x1 sym] y: [1x1 sym] >>S = [S.x S.y] S= [ 4/3, -1/3]
96 Obliczenia symboliczne rozwi zywanie równa«: funkcja solve, >>syms x >>solve(x^2 + 4*x + 1 == 0) 3^(1/2) - 2-3^(1/2) - 2 >>syms x y >>S = solve(x + y == 1, x - 11*y == 5) S= x: [1x1 sym] y: [1x1 sym] >>S = [S.x S.y] S= [ 4/3, -1/3]
97 Obliczenia symboliczne upraszczanie wyra»e«algebraicznych: funkcja simplify,
98 Obliczenia symboliczne upraszczanie wyra»e«algebraicznych: funkcja simplify, >>syms x >>simplify(sin(x)^2 + cos(x)^2) 1
99 Obliczenia symboliczne upraszczanie wyra»e«algebraicznych: funkcja simplify, >>syms x >>simplify(sin(x)^2 + cos(x)^2) 1 >>syms c alpha beta >> simplify(exp(c*log(sqrt(alpha+beta)))) (alpha + beta)^(c/2)
100 Obliczenia symboliczne upraszczanie wyra»e«algebraicznych: funkcja simplify, >>syms x >>simplify(sin(x)^2 + cos(x)^2) 1 >>syms c alpha beta >> simplify(exp(c*log(sqrt(alpha+beta)))) (alpha + beta)^(c/2)
101 Obliczenia symboliczne rozwijanie wyra»e«algebraicznych: funkcja expand,
102 Obliczenia symboliczne rozwijanie wyra»e«algebraicznych: funkcja expand, >>syms x >> expand((x+1)^3) x^3+3*x^2+3*x+1
103 Obliczenia symboliczne rozwijanie wyra»e«algebraicznych: funkcja expand, >>syms x >> expand((x+1)^3) x^3+3*x^2+3*x+1 >>syms x y >> expand(sin(x+y)) sin(x)*cos(y)+cos(x)*sin(y)
104 Obliczenia symboliczne rozwijanie wyra»e«algebraicznych: funkcja expand, >>syms x >> expand((x+1)^3) x^3+3*x^2+3*x+1 >>syms x y >> expand(sin(x+y)) sin(x)*cos(y)+cos(x)*sin(y)
105 Obliczenia symboliczne rozwijanie funkcji w szereg Taylora (domy±lnie 5 wyrazów i x=0): funkcja taylor,
106 Obliczenia symboliczne rozwijanie funkcji w szereg Taylora (domy±lnie 5 wyrazów i x=0): funkcja taylor, >>syms x >>taylor(exp(-x)) x^4/24 - x^5/120 - x^3/6 + x^2/2 - x + 1
107 Obliczenia symboliczne rozwijanie funkcji w szereg Taylora (domy±lnie 5 wyrazów i x=0): funkcja taylor, >>syms x >>taylor(exp(-x)) x^4/24 - x^5/120 - x^3/6 + x^2/2 - x + 1 >>syms x >> taylor(sin(x),x,pi/2,'order',6) (pi/2 - x)^4/24 - (pi/2 - x)^2/2 + 1
108 Obliczenia symboliczne rozwijanie funkcji w szereg Taylora (domy±lnie 5 wyrazów i x=0): funkcja taylor, >>syms x >>taylor(exp(-x)) x^4/24 - x^5/120 - x^3/6 + x^2/2 - x + 1 >>syms x >> taylor(sin(x),x,pi/2,'order',6) (pi/2 - x)^4/24 - (pi/2 - x)^2/2 + 1
Metody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana
Bardziej szczegółowoLaboratorium 7. Zad. 1 Całkowanie w Matlabie. Zapoznać i wypróbować komendy: Przekazywanie funkcji: sqr x.^2 a = sqr(5)
Laboratorium 7 Zad. 1 Całkowanie w Matlabie. Zapoznać i wypróbować komendy: Przekazywanie funkcji: sqr = @(x) x.^2 a = sqr(5) help quad function y = myfun(x) y = 1./(x.^3-2*x-5); Q = quad(@myfun,0,2) myfun
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Teoria sterowania Obliczenia symboliczne w środowisku MATLAB Materiały pomocnicze do ćwiczeń laboratoryjnych
Bardziej szczegółowoNa podstawie informacji zdobytych na poprzednich zajęciach proszę wykonać następujące zadania:
Informatyka. I. Przypomnienie wiadomości z poprzednich zajęć: Na podstawie informacji zdobytych na poprzednich zajęciach proszę wykonać następujące zadania: 1. Proszę wygenerować wykresy funkcji sinus
Bardziej szczegółowoInterpolacja Lagrange'a, bazy wielomianów
Rozdziaª 4 Interpolacja Lagrange'a, bazy wielomianów W tym rozdziale zajmiemy si interpolacj wielomianow. Zadanie interpolacji wielomianowej polega na znalezieniu wielomianu stopnia nie wi kszego od n,
Bardziej szczegółowo01.Wprowadzenie do pakietu MATLAB
01.Wprowadzenie do pakietu MATLAB 1. Typy i formaty danych: Informacje o typach danych dost pnych w MATLABie uzyskuje si m: help datatypes, a sposoby ich wy±wietlania m help format. Do podstawowych typów
Bardziej szczegółowoĆwiczenie 4. Matlab - funkcje, wielomiany, obliczenia symboliczne
Ćwiczenie 4. Matlab - funkcje, wielomiany, obliczenia symboliczne Obliczenia z wykorzystaniem tzw. funkcji anonimowej Składnia funkcji anonimowej: nazwa_funkcji=@(lista_argumentów)(wyrażenie) gdzie: -
Bardziej szczegółowoRozdziaª 13. Przykªadowe projekty zaliczeniowe
Rozdziaª 13 Przykªadowe projekty zaliczeniowe W tej cz ±ci skryptu przedstawimy przykªady projektów na zaliczenia zaj z laboratorium komputerowego z matematyki obliczeniowej. Projekty mo»na potraktowa
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Elektrotechnika stacjonarne-dzienne pierwszego stopnia
Bardziej szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoLaboratorium 1b Operacje na macierzach oraz obliczenia symboliczne
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Laboratorium Metod Numerycznych Laboratorium 1b Operacje na macierzach oraz obliczenia symboliczne 1 Zadania 1. Obliczyć numerycznie
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoListy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.
Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Aproksymacja cz. II, wielomiany ortogonalne zastosowania PWSZ Gªogów, 2009 Iloczyn skalarny Funkcja okre±lona na przestrzeni liniowej (, ) R iloczyn skalarny wektorów
Bardziej szczegółowoWykład 6. Pakiety oprogramowania analizy matematycznej. Interpretacja wyników
Wykład 6 Pakiety oprogramowania analizy matematycznej. Interpretacja wyników 1 System algebry komputerowej System algebry komputerowej lub komputerowy system obliczeń symbolicznych (ang. Computer Algebra
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoMatlab III Instrukcje, interpolacja, dopasowanie krzywych,
Matlab III Instrukcje, interpolacja, dopasowanie krzywych, Metody numeryczne w optyce 2017 Typy danych cd.. cell macierz komórkowa (blokowa) pojedynczymi elementami takiej macierzy mogą być nie tylko liczby
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoLekcja 9 - LICZBY LOSOWE, ZMIENNE
Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my
Bardziej szczegółowoElementarna analiza statystyczna
MatLab część V 1 Elementarna analiza statystyczna W standardowym pakiecie MatLab-a istnieją jedynie podstawowe funkcje analizy statystycznej. Bardziej zaawansowane znajdują się w pakiecie statystycznym
Bardziej szczegółowoFunkcja pierwotna, całka oznaczona na podstawie funkcji pierwotnej
MATLAB - całkowanie Funkcja pierwotna, całka oznaczona na podstawie funkcji pierwotnej Do uzyskania funkcji pierwotnej służy polecenie int. Jest wiele możliwości jego użycia. Zobaczmy, kiedy wykonuje się
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoInterpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne
Interpolacja, aproksymacja całkowanie Interpolacja Krzywa przechodzi przez punkty kontrolne Aproksymacja Punkty kontrolne jedynie sterują kształtem krzywej INTERPOLACJA Zagadnienie interpolacji można sformułować
Bardziej szczegółowoLiniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach
Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie
Bardziej szczegółowoSkrypty i funkcje Zapisywane są w m-plikach Wywoływane są przez nazwę m-pliku, w którym są zapisane (bez rozszerzenia) M-pliki mogą zawierać
MatLab część III 1 Skrypty i funkcje Zapisywane są w m-plikach Wywoływane są przez nazwę m-pliku, w którym są zapisane (bez rozszerzenia) M-pliki mogą zawierać komentarze poprzedzone znakiem % Skrypty
Bardziej szczegółowoWst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd.
Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd. M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2010-11-23
Bardziej szczegółowoLekcja 9 Liczby losowe, zmienne, staªe
Lekcja 9 Liczby losowe, zmienne, staªe Akademia im. Jana Dªugosza w Cz stochowie Liczby losowe Czasami potrzebujemy by program za nas wylosowaª liczb. U»yjemy do tego polecenia liczba losowa: Liczby losowe
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Bardziej szczegółowoBash i algorytmy. Elwira Wachowicz. 20 lutego
Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad
Bardziej szczegółowoMathematica - podstawy
Mathematica - podstawy Artur Kalinowski Semestr letni 2011/2012 Artur Kalinowski Mathematica - podstawy 1 / 27 Spis tre±ci Program Mathematica 1 Program Mathematica 2 3 4 5 Artur Kalinowski Mathematica
Bardziej szczegółowoMatematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie
Bardziej szczegółowoZagadnienia na wej±ciówki z matematyki Technologia Chemiczna
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowoElementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoPakiety matematyczne. Matematyka Stosowana. dr inż. Krzysztof Burnecki
Pakiety matematyczne Matematyka Stosowana dr inż. Krzysztof Burnecki 17.04.2013 Wykład 9 Operacje symboliczne w Matlabie Graficzny interfejs użytkownika (GUI) Slajdy powstały na podstawie prezentacji Informatyka
Bardziej szczegółowo1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Technologie informatyczne
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Technologie informatyczne Interpolacja metoda funkcji sklejanych Materiały pomocnicze do ćwiczeń laboratoryjnych
Bardziej szczegółowo1 Klasy. 1.1 Denicja klasy. 1.2 Skªadniki klasy.
1 Klasy. Klasa to inaczej mówi c typ który podobnie jak struktura skªada si z ró»nych typów danych. Tworz c klas programista tworzy nowy typ danych, który mo»e by modelem rzeczywistego obiektu. 1.1 Denicja
Bardziej szczegółowoEkonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Bardziej szczegółowoSTATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH
STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH WYKŠAD 4 03 listopad 2014 1 / 47 Plan wykªadu 1. Testowanie zaªo»e«o proporcjonalnym hazardzie w modelu Cox'a 2. Wybór zmiennych do modelu Cox'a 3. Meta analiza
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowo//warunki początkowe m=500; T=30; c=0.4; t=linspace(0,t,m); y0=[-2.5;2.5];
4.3. Przykłady wykorzystania funkcji bibliotecznych 73 MATLAB % definiowanie funkcji function [dx]=vderpol(t,y) global c; dx=[y(2); c*(1-y(1)^2)*y(2)-y(1)]; SCILAB // definiowanie układu function [f]=vderpol(t,y,c)
Bardziej szczegółowoElementy metod numerycznych - zajęcia 11
Elementy metod numerycznych - zajęcia 11 Mathematica - Wolfram Alpha 1 1. Labolatoria Zajęcia za 34 punktów. Proszę wysłać krótkie zwięzłe odpowiedzi na pytania oznaczone symbolem ( x, p) i numerkiem (x),
Bardziej szczegółowoKurs z matematyki - zadania
Kurs z matematyki - zadania Miara łukowa kąta Zadanie Miary kątów wyrażone w stopniach zapisać w radianach: a) 0, b) 80, c) 90, d), e) 0, f) 0, g) 0, h), i) 0, j) 70, k), l) 80, m) 080, n), o) 0 Zadanie
Bardziej szczegółowoWykªad 6: Model logitowy
Wykªad 6: Model logitowy Ekonometria Stosowana SGH Model logitowy 1 / 18 Plan wicze«1 Modele zmiennej jako±ciowej idea 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3
Bardziej szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoEwolucja Ró»nicowa - Wprowadzenie
15 grudnia 2016 Klasykacja Algorytmy Ewolucyjne Strategie Ewolucyjne Ewolucja Ró»nicowa Autorzy : Storn i Price [1994-97] Cechy charakterystyczne Algorytm oparty na populacji Osobniki s opisane za pomoc
Bardziej szczegółowoDOPASOWYWANIE KRZYWYCH
DOPASOWYWANIE KRZYWYCH Maciej Patan Uniwersytet Zielonogórski Motywacje Przykład 1. Dane o przyroście światowej populacji są aktualizowane co każde 10 lat, celem szacowania średniego przyrostu rocznego.
Bardziej szczegółowoOptymalizacja R dlaczego warto przesi ± si na Linuxa?
Optymalizacja R dlaczego warto przesi ± si na Linuxa? 19 listopada 2014 Wi cej informacji, wraz z dodatkowymi materiaªami mo»na znale¹ w repozytorium na GitHubie pod adresem https://github.com/zzawadz/
Bardziej szczegółowoAnaliza Matematyczna MAT1317
Analiza Matematyczna MAT37 Wydziaª Informatyki i Zarz dzania Listy zada«nr -0 cz ±ciowo na podstawie skryptów: M.Gewert, Z Skoczylas, Analiza Matematyczna. Przykªady i zadania, GiS, Wrocªaw 008 M.Gewert,
Bardziej szczegółowoEkonometria. wiczenia 8 Modele zmiennej jako±ciowej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 8 Modele zmiennej jako±ciowej (8) Ekonometria 1 / 25 Plan wicze«1 Modele zmiennej jako±ciowej 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3 Predykcja
Bardziej szczegółowoMetody statystyczne w biologii - Wykªad 8. Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
Metody statystyczne w biologii - Wykªad 8 Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Regresja logistyczna 1. Podstawy teoretyczne i przykªady zastosowania
Bardziej szczegółowoOptymalizacja wypukªa: wybrane zagadnienia i zastosowania
Optymalizacja wypukªa: wybrane zagadnienia i zastosowania 21 wrze±nia 2010 r. Ogólne Wypukªe Sto»kowe Zadania sprowadzalne do SOCP/SDP Ogólne Wypukªe Sto»kowe Zadania sprowadzalne do SOCP/SDP Ogólne zadanie
Bardziej szczegółowoMETODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja Interpolacja wielomianowa Przykłady. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer.
METODY NUMERYCZNE Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh Met.Numer. wykład 3 1 Plan Aproksymacja Interpolacja wielomianowa Przykłady Met.Numer. wykład 3 2 1 Aproksymacja Metody numeryczne
Bardziej szczegółowoElementy projektowania inzynierskiego Przypomnienie systemu Mathcad
Elementy projektowania inzynierskiego Definicja zmiennych skalarnych a : [S] - SPACE a [T] - TAB - CTRL b - SHIFT h h. : / Wyświetlenie wartości zmiennych a a = b h. h. = Przykładowe wyrażenia
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku
Egzamin pisemny zestaw. ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x n, to funkcja x0 x gx ( ) + [ gx (
Bardziej szczegółowoMATLAB Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący
MATLAB Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący Laboratorium 12: Zagadnienia zaawansowane Cel: Poznanie metod rozwiązywania konkretnych problemów Czas: Wprowadzenia 10 minut, ćwiczeń
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoMetody numeryczne Numerical methods. Elektrotechnika I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoRównania liniowe i nieliniowe
( ) Lech Sławik Podstawy Maximy 11 Równania.wxmx 1 / 8 Równania liniowe i nieliniowe 1 Symboliczne rozwiązanie równania z jedną niewiadomą 1.1 solve -- Funkcja: solve() MENU: "Równania->Rozwiąż..."
Bardziej szczegółowoSzereg Taylora Javier de Lucas. f k) (x 0 ) (x x 0 ) k + R n (x, x 0 ), k! (x x 0 ) k k!
Szereg Taylora Javier de Lucas Zadanie 1. Wyka»,»e e x > 1 + x dla ka»dego x 0. Rozwiazanie: Funkcja f : x R e x R jest niesko«czenie wiele razy ró»niczkowalna w R. Z tego powodu, dla ka»dych x, x 0 R
Bardziej szczegółowoProgramowanie wspóªbie»ne
1 Programowanie wspóªbie»ne wiczenia 5 monitory cz. 1 Zadanie 1: Stolik dwuosobowy raz jeszcze W systemie dziaªa N par procesów. Procesy z pary s nierozró»nialne. Ka»dy proces cyklicznie wykonuje wªasnesprawy,
Bardziej szczegółowoINTERPOLACJA I APROKSYMACJA FUNKCJI
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku
Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x
Bardziej szczegółowoPRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Bardziej szczegółowoInformacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Bardziej szczegółowoMatlab (5) Matlab równania różniczkowe, aproksymacja
Matlab (5) Matlab równania różniczkowe, aproksymacja Równania różniczkowe - funkcja dsolve() Funkcja dsolve oblicza symbolicznie rozwiązania równań różniczkowych zwyczajnych. Równania są określane przez
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1 Podstawowe
Bardziej szczegółowoPodstawy statystycznego modelowania danych - Wykªad 7
Podstawy statystycznego modelowania danych - Wykªad 7 Tomasz Suchocki ANOVA Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz
Bardziej szczegółowoEstymacja parametru gªadko±ci przy u»yciu falek splajnowych
Estymacja parametru gªadko±ci przy u»yciu falek splajnowych Politechnika Gda«ska Wydziaª Fizyki Technicznej i Matematyki Stosowanej Wisªa, 3-7.12.2012 Przestrze«Biesowa Przestrze«Biesowa B s p,q, 1 p,
Bardziej szczegółowoLZNK. Rozkªad QR. Metoda Householdera
Rozdziaª 10 LZNK. Rozªad QR. Metoda Householdera W tym rozdziale zajmiemy si liniowym zadaniem najmniejszych wadratów (LZNK). Dla danej macierzy A wymiaru M N i wetora b wymiaru M chcemy znale¹ wetor x
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoMetody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9
Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s
Bardziej szczegółowoZadania i scenariusze zaj z laboratorium komputerowego do wykªadu z Matematyki Obliczeniowej. Leszek Marcinkowski
Zadania i scenariusze zaj z laboratorium komputerowego do wykªadu z Matematyki Obliczeniowej Leszek Marcinkowski 12 grudnia 2011 Streszczenie W skrypcie przedstawimy zestawy zada«do odbywaj cego si co
Bardziej szczegółowoInterpolacja i aproksymacja, pojęcie modelu regresji
27 styczeń 2009 SciLab w obliczeniach numerycznych - część 3 Slajd 1 Interpolacja i aproksymacja, pojęcie modelu regresji 27 styczeń 2009 SciLab w obliczeniach numerycznych - część 3 Slajd 2 Plan zajęć
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Bardziej szczegółowoVincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java
J zyk programowania JAVA c 2011 Vincent Van GOGH: M»czyzna pij cy li»ank kawy Zadanie 6. Napisz program, który tworzy tablic 30 liczb wstawia do tej tablicy liczby od 0 do 29 sumuje te elementy tablicy,
Bardziej szczegółowodr inż. Damian Słota Gliwice r. Instytut Matematyki Politechnika Śląska
Program wykładów z metod numerycznych na semestrze V stacjonarnych studiów stopnia I Podstawowe pojęcia metod numerycznych: zadanie numeryczne, algorytm. Analiza błędów: błąd bezwzględny i względny, przenoszenie
Bardziej szczegółowoAproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1
Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 9: Metody numeryczne: MCMC Andrzej Torój 1 / 17 Plan wykªadu Wprowadzenie 1 Wprowadzenie 3 / 17 Plan prezentacji Wprowadzenie 1 Wprowadzenie 3 3 / 17 Zastosowanie metod numerycznych
Bardziej szczegółowoZbiory ograniczone i kresy zbiorów
Zbiory ograniczone i kresy zbiorów Def.. Liczb m nazywamy ograniczeniem dolnym a liczb M ograniczeniem górnym zbioru X R gdy (i) x m; (ii) x M. Mówimy,»e zbiór X jest ograniczony z doªu (odp. z góry) gdy
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej szczegółowoRozdziaª 7. Rozwi zywanie równa«nieliniowych. 7.1 Funkcja octave'a fzero()
Rozdziaª 7 Rozwi zywanie równa«nieliniowych W tym rozdziale zajmiemy si metodami rozwi zywania równa«nieliniowych skalarnych. Interesuje nas znalezienie zera nieliniowej funkcji f : [a, b] R: Przetestujemy
Bardziej szczegółowoOpis matematyczny ukªadów liniowych
Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór
Bardziej szczegółowoMakroekonomia Zaawansowana
Makroekonomia Zaawansowana wiczenia 3 Racjonalne oczekiwania i krytyka Lucasa MZ 1 / 15 Plan wicze«1 Racjonalne oczekiwania 2 Krytyka Lucasa 3 Zadanie MZ 2 / 15 Plan prezentacji 1 Racjonalne oczekiwania
Bardziej szczegółowoPakiety Matematyczne MAT1351W
STEINHAUS HUGO CENTER W R O C L AW Pakiety Matematyczne MAT1351W dr in». Marek Teuerle Centrum im. Hugona Steinhausa Politechnika Wrocªawska Wrocªaw, 05 marca 2019 Kilka uwag o zmiennoprzecinkowej reprezentacji
Bardziej szczegółowoAM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium
AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego
Bardziej szczegółowoProste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
Bardziej szczegółowoRozwi zywanie Ukªadów Równa«Liniowych Ax=B metod dekompozycji LU, za pomoc JAVA RMI
Rozwi zywanie Ukªadów Równa«Liniowych Ax=B metod dekompozycji LU, za pomoc JAVA RMI Marcn Šabudzik AGH-WFiIS, al. Mickiewicza 30, 30-059, Kraków, Polska email: labudzik@ghnet.pl www: http://fatcat.ftj.agh.edu.pl/
Bardziej szczegółowoPAKIET MathCad - Część III
Opracowanie: Anna Kluźniak / Jadwiga Matla Ćw3.mcd 1/12 Katedra Informatyki Stosowanej - Studium Podstaw Informatyki PAKIET MathCad - Część III RÓWNANIA I UKŁADY RÓWNAŃ 1. Równania z jedną niewiadomą MathCad
Bardziej szczegółowoSpis tre±ci. Plan. 1 Pochodna cz stkowa. 1.1 Denicja Przykªady Wªasno±ci Pochodne wy»szych rz dów... 3
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 2 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowoEkonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Bardziej szczegółowoLab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Bardziej szczegółowo19. Obiektowo± 1 Kacze typowanie. 2 Klasy
1 Kacze typowanie 19. Obiektowo± Sk d interpreter wie, jakiego typu s np. przekazywane do metody argumenty? Tak naprawd wcale nie musi wiedzie. Do poprawnego dziaªania programu istotne jest,»e przekazywany
Bardziej szczegółowoWykład 7 - Inne moduły wspierające obliczenia numeryczne
Programowanie Wykład 7 - Inne moduły wspierające obliczenia numeryczne Plan wykładu: SymPy Zmienne symboliczne Liczby zespolone Liczby wymierne Obliczenia numeryczne Wyrażenia algebraiczne Wyrażenia wymierne
Bardziej szczegółowoZmiana baz. Jacek Jędrzejewski 2014. 1 Macierz przejścia od bazy do bazy 2
Zmiana baz Jacek Jędrzejewski 2014 Spis treści 1 Macierz przejścia od bazy do bazy 2 2 Wektory a zmiana baz 2 21 Współrzędne wektora względem różnych baz 2 22 Wektory o tych samych współrzędnych względem
Bardziej szczegółowo