Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty (II) P. F. Góra

Wielkość: px
Rozpocząć pokaz od strony:

Download "Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty (II) P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/"

Transkrypt

1 Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty (II) P. F. Góra

2 Metody DIRK Jeśli spodziewamy się problemów ze stabilnościa, w szczególności jeśli rozwiazujemy problemy sztywne, powinniśmy stosować metody niejawne. Sa one jednak bardzo kosztowne obliczeniowo: jeżeli przy użyciu metody s-etapowej rozwiazkujemy problem m-wymiarowy, w każdym kroku musimy rozwiazywać s m wymiarowy układ równań algebraicznych, w ogólności nieliniowych. Aby zmniejszyć ten koszt nie tracac stabilności metod niejawnych, stosuje się metody DIRK (ang. Diagonally Implicit Runge-Kutta), zwane też metodami półniejawnymi (ang. semi-implicit). W metodach tych macierz B ma niezerowe elementy diagonalne i poddiagonalne elementy ponaddiago- Copyright c 9- P. F. Góra 5

3 nalne sa zerowe: α β α β β..... α s β s β s β s3 β ss w w w w s Dzięki temu, stosujac s-etapowa metodę do problemu m-wymiarowego, zamiast rozwiazywać jeden układ równań algebraicznych o wymiarze s m, należy rozwiazać s układów o wymiarze m po jednym układzie na każdy etap. Jest to numerycznie prostsze. () Jeżeli dodatkowo β = β = = β ss = γ, taka metodę nazywa się metoda SDIRK (Singly Diagonally Implicit Runge-Kutta). Copyright c 9- P. F. Góra 5 3

4 Przykład γ γ γ γ γ, γ = Sprawdzamy rzad metody. Nietrywialnymi wyrażeniami, które trzeba sprawdzić, sa: γ + ( γ) = metoda jest rzędu drugiego. γ + ( γ) = γ γ+ = 3, γ γ+ (( γ) γ+γ ( γ)) = γ +γ = 6 metoda jest rzędu trzeciego. γ3 + ( γ)3 = 3γ 3γ+ = 6 4, γ γ γ+ ( γ) (( γ) γ + γ ( γ)) = 4γ 3 5γ +γ = 6+ 3 metoda nie jest rzędu czwartego () Copyright c 9- P. F. Góra 5 4

5 Obszar stabilności tej metody dany jest przez {z C: G(z) < }, gdzie G(z) = 6 (+ 3)z + 3z 6 [(3+ 3)z 6] Obszar niezacieniony jest obszarem niestabilności. Copyright c 9- P. F. Góra 5 5

6 Przykład Ciagle publikuje się i bada nowe metody RK. W pracy G. Yu. Kulikov, S. K. Shindin, Appl. Num. Math. 59, 77 (9), dyskutowane sa, między innymi, własności metody c 6(c +θ) 5 θ θ 6(c +θ) 5 c 7 6(c +θ) θ θ 5 6(c +θ) c = 3 3, θ = Copyright c 9- P. F. Góra 5 6

7 Adaptacyjne podwajanie/połowienie kroku Całkowanie ze stałym krokiem to numeryczne samobójstwo. Dobre algorytmy numerycznego całkowania ODE powinny, w miarę możności, same ustalać krok, z jakim przechodza zadany przedział. W tym celu algorytm musi znać oszacowanie błędu popełnionego w ciagu jednego kroku. Dla metod Rungego-Kutty najprostszym tego typu algorytmem jest algorytm adaptacyjnego podwajania/połowienia kroku. Przypuśćmy, że żadam, aby bład na jeden krok nie przekraczał max. Niech aktualny krok całkowania wynosi h. Przechodzę przedział [x n, x n + h] dwa razy: raz dwoma krokami o długości h i raz krokiem o długości h. Copyright c 9- P. F. Góra 5 7

8 y n y () n+ x n x n + h x n + h dwa razy z małym krokiem } {{ }} {{ } h h y n y () n+ x n x n + h raz z dużym krokiem } {{ } h Copyright c 9- P. F. Góra 5 8

9 W ten sposób otrzymuję dwa oszacowania wartości y n+. Dla metody rzędu p spełniaja one Różnica y(x n + h) = y () n+ + hp+ φ + O(h p+ ), (3a) y(x n + h) = y () n+ + (h)p+ φ + O(h p+ ). (3b) = y () n+ y() n+ (4) stanowi oszacowanie błędu. Zachodza dwa przypadki:. max : Wówczas przechodzę do punktu x n+ = x n + h, jako rozwiazanie przyjmuję y(x n + h) = y () n+, zwiększam krok Copyright c 9- P. F. Góra 5 9

10 h h i próbuję przejść następny przedział z dwa razy większym krokiem.. > max : Wówczas cofam się do punktu x n, zmniejszam krok h h/ i ponawiam cała procedurę. W tym wypadku należy się zabezpieczyć przed zmniejszeniem się kroku poniżej pewnego h min. Istotne może być jaka normę weźmiemy. Dla klasycznej metody czteroetapowej wymaga to = obliczeń prawej strony. Metoda adaptacyjnego podwajania/połowienia kroku może być stosowana także przy obliczeniach za pomoca metod niejawnych. Copyright c 9- P. F. Góra 5

11 Przykład oscylator Duffinga i podwajanie/połowienie kroku x(t) ẍ + x 3 5x = x() = 3., ẋ() = x (t) h t Mały rysunek pokazuje potencjał Duffinga. Copyright c 9- P. F. Góra 5

12 Lokalna ekstrapolacja Jeśli popełniany bład nie przekracza maksymalnego błędu dopuszczalnego, można jeszcze poprawić rozwiazanie za pomoca tak zwanej lokalnej ekstrapolacji: Przyjmijmy, że lewe strony obu równań (3) sa sobie równe. Wówczas eliminujac h p+ φ otrzymujemy y(x n + h) = y () n+ + p + O(hp+ ). (5) Może to poprawić numeryczne własności rozwiazania, ale tak naprawdę zysk na rzędzie metody jest pozorny. Copyright c 9- P. F. Góra 5

13 Zagnieżdżone (embedded) metody Rungego-Kutty Rozważmy dwie jawne s-etapowe metody Rungego-Kutty: y () n+ = y n + h y () n+ = y n + h k i = y n + hf s i= s i= w () i k i + O(h p+ ), (6a) w () i k i + O(h p+ ), (6b) x n + α i h, y n + h i j= β ij k j (6c) Metody te sa tak skonstruowane, że różnia się jedynie wagami, maja takie same punkty pośrednie, a więc taki sam zestaw wektorów {k i }, a ich rzędy różnia się o jeden. Copyright c 9- P. F. Góra 5 3

14 Obliczajac jeden zestaw pochodnych w punktach pośrednich, mamy oszacowanie błędu: = y () s ( n+ y() n+ = h w () i w () ) i k i, h p+. (7) i= Skoro h p+, to max h p+ max. Mam więc oszacowanie h max = h ( max ) /(p+). (8) Jeśli > max, zmniejszam krok h h max i powtarzam bieżacy krok. Jeśli < max, zwiększam krok h h max i z powiększonym krokiem próbuję iść dalej. Metody zagnieżdżone pozwalaja zatem na bardziej precyzyjna kontrolę kroku od podwajania/połowienia, wymagaja także mniej obliczeń (s obliczeń funkcji f). Copyright c 9- P. F. Góra 5 4

15 Przykład: Metoda Bogackiego-Shampine a 3() Puste miejsca oznaczaja zera. Uwaga: Dwa zestawy wag! Metoda typu FSAL (First Same As Last). Copyright c 9- P. F. Góra 5 5

16 Sprawdzamy rzędy tych metod: pierwszy zestaw wag drugi zestaw wag = = ; = = ; = jest rzędu drugiego ( ) ( ) + (... ) = ( 3 4 ) + = = jest rzędu drugiego ( ) + 3 ( 3 4 ( ) + 8 = ) = + 4 = 3 ; = = 6 jest rzędu trzeciego ( ) + = nie jest rzędu trzeciego Copyright c 9- P. F. Góra 5 6

17 Obszary stabilności metody Bogackiego-Shampine a dane sa przez następujace wyrażenia: Dla metody rzędu trzeciego, służacej do obliczania następnych wartości poszukiwanej funkcji: ( z 3 + 3z + 6z + 6 ) < (9a) 6 Dla metody rzędu drugiego, służacej do kontroli błędu: 48 ( z 4 + 9z 3 + 4z + 48z + 48 ) < (9b) Krok powinien być tak dobrany, aby nie wyjść poza obszar stabilności żadnej z metod. Copyright c 9- P. F. Góra 5 7

18 Obszary stabilności metody Bogackiego-Shampine a nd order 3 rd order Copyright c 9- P. F. Góra 5 8

19 Jawnie rozpisana metoda Bogackiego-Shampine a: k = f(x n, y n ) (a) k = f ( x n + h, y n + hk k 3 = f ( x n h, y n hk ) ) (b) (c) y n+ = y n + h ( 9 k + 3 k k 3 (d) k 4 = f(x n + h, y n+ ) (e) z = y n + h ( 7 4 k + 4 k + 3 k k ) 4 (f) k = k 4 (g) Wektor (e) staje się wektorem (a) w następnym kroku całkowania, a więc oblicza się go tylko raz. Wektor z bierze udział tylko w szacowaniu błędów. ) Copyright c 9- P. F. Góra 5 9

20 Metoda Fehlberga 4(5) Pierwszy zestaw wag daje rozwiazanie rzędu czwartego, drugi rzędu piatego. 55 Copyright c 9- P. F. Góra 5

21 Metoda Casha-Karpa 5(4) Pierwszy zestaw wag daje rozwiazanie rzędu piatego, drugi rzędu czwartego. Mniejsze błędy, niż Fehlberg. 4 Copyright c 9- P. F. Góra 5

22 Metoda Dormanda-Prince a 5(4), FSAL Pierwszy zestaw wag daje rozwiazanie rzędu czwartego, drugi rzędu piatego. Taka sama złożoność, jak Cash-Karp (sześć obliczeń funkcji na krok), ale mniejsze błędy. Copyright c 9- P. F. Góra 5

23 State of the art Zagnieżdżone metody Rungego-Kutty wysokiego rzędu, typu metoda Dormanda-Prince a, pozwalajace na adaptacyjna zmianę kroku, kontrolujace stabilność i wyprowadzajace wyniki ze stałym krokiem, stanowia obecnie state of the art w numerycznym rozwiazywaniu zagadnień poczatkowych dla równań nie-sztywnych. Sprawdzanie stabilności na ogół odbywa się automatycznie narastajacy bład jest oznaka niestabilności, a metoda i tak zmniejsza krok, gdy bład jest za duży. Copyright c 9- P. F. Góra 5 3

24 Pewien wariant metody punktu środkowego Przypuśćmy, iż rozwiazuj ac pewien problem Cauchy ego decydujemy się wyprowadzać wyniki z krokiem H, krok ten jednak jest za duży do obliczeń (powodowałby zbyt duży bład). Wykonujemy więc m małych kroków o długości h = H/m. () Copyright c 9- P. F. Góra 5 4

25 Stosujemy metodę z y n, (a) z = z + hf(x n, z ) (Euler) (b) dla j =, 3,..., m z j = z j + hf(x n + (j )h, z j ) (c) (pochodna w punkcie środkowym) y(x n + H) y n+ = ( zm + z m + hf(x n + H, z m ) ) (d) Copyright c 9- P. F. Góra 5 5

26 Metoda ta wymaga m + obliczeń prawej strony równania na kroku o długości H. Można pokazać, iż bład tej metody zawiera tylko parzyste potęgi h: y(x n + H) y n+ = j= a j h j. (3) W szczególności, jeśli m jest parzyste i zastosujemy metodę () dwa razy, z m i m/ kroków, dostaniemy y(x n + H) 4y m y m/ + O(h 5 ) (4) 3 a więc jest to metoda rzędu czwartego. (y m/ oznacza końcowy wynik po zastosowaniu m/ kroków o długości H/m, nie zaś połowę kroków o długości H/m.) Wyrażenia (3) i (4) bardzo przypominaja analogiczne wyrażenia dla całkowania metodami ekstrapolacji Richardsona i Romberga, a skoro tak, narzuca się zastosowanie jakiegoś ekstrapolacyjnego algorytmu całkowania ODE. Copyright c 9- P. F. Góra 5 6

27 Metoda Bulirscha-Stoera Przypuśmy, iż przechodzimy przedział [x n, x n + H] przy użyciu metody () kolejno z krokami h m = H/m dla m =, 4, 8,.... Otrzymujemy w ten sposób ciag kolejnych przybliżeń wartości y(x n + H). Jeśli tak otrzymany ciag ekstrapolujemy do nieskończonej liczby kroków pośrednich lub też, w innym sformułowaniu, do h m oszacujemy jak powinno wygladać numeryczne rozwiazanie badanego ODE w granicy infinitezymalnie małych kroków. Możemy użyć ekstrapolacji wielomianowej lub poprzez funkcje wymierne. Cała ta procedura jest dość (ale nie przesadnie) kosztowna i warto ja stosować, gdy zależy nam na szczególnie dokładnych rozwiazaniach, prawa strona równania zmienia się powoli. Copyright c 9- P. F. Góra 5 7

28 Podobnie jak w ekstrapolacji Richardsona, w zasadzie podejście to można stosować tylko gdy ciag kolejnych przybliżeń jest monotoniczny. Proces dzielenia odcinka kończymy gdy bład ekstrapolacji jest mniejszy od zadanej tolerancji. m= m=4 m=8 m= y x n x x n+ Copyright c 9- P. F. Góra 5 8

29 log m obliczenie ekstrapolacja Copyright c 9- P. F. Góra 5 9

30 .638 Graficzna ilustracja powyższych danych: obliczone ekstrapolowane h Copyright c 9- P. F. Góra 5 3

31 Zbyt duży stopień wielomianu ekstrapolacyjnego: obliczone ekstrapolowane oscylacje Rungego h Ekstrapolacja funkcjami wymiernymi byłaby lepsza. Copyright c 9- P. F. Góra 5 3

32 Przykład zastosowania metody Bulirscha-Stoera:.6.5 Bulirsch-Stoer, H=/8 rozw. biblioteczne x d y dx + xdy dx + (x )y = x Copyright c 9- P. F. Góra 5 3

33 Odpowiednik metody Bulirscha-Stoera dla układów sztywnych Jeśli spodziewamy się problemów ze stabilnościa, używamy metod niejawnych, czasami jednak dokonujemy pseudolinearyzacji celem uproszczenia obliczeń. Punktem wyjścia jest następujaca metoda niejawna: y n+ y n = hf = hf ( x n, y n+ + y n ) x n, y n + y n+ + y n y n. (5) } {{ } poprawka Copyright c 9- P. F. Góra 5 33

34 Rozwijam prawa stronę (5) wokół (x n, y n ) i porzadkuję wyrazy: I h f y xn,y n y n+ = I + h f y y n xn,y n + h f(x n, y n ) h f y y n xn,y n.(6) Powyższe wyrażenie jest liniowym (w odróżnieniu od nieliniowego wyrażenia (5)) równaniem na nieznana wielkość y n+. Opierajac się na (6), można skonstruować odpowiednik metody (). Będa w nim występowały Jakobiany f/ y obliczane w kolejnych punktach pośrednich. Dokonuję następnego uproszczenia: wszystkie Jakobiany wyliczam w lewym krańcu dużego przedziału. Ostatecznie dostaję (h = H/m): Dziękuję panu Piotrowi Kiełkowiczowi za wskazanie błędu. Copyright c 9- P. F. Góra 5 34

35 H = [ I h f y xn,y n ], (7a) z = y n, (7b) = H hf(x n, z ), (7c) z = z +, (7d) j = j + H [hf(x n + jh, z j ) j ], (7e) z j+ = z j + j, (7f) dla j =,,..., m m = H [hf(x n + H, z m ) m ], (7g) y(x n + H) z m + m. (7h) Równania H = można rozwiazać na przykład metoda rozkładu LU. Ponieważ zgodnie z przyjętym uproszczeniem macierz H jest taka sama we wszystkich krokach iteracji (7), rozkładu tego można dokonać tylko raz. Dalej postępuję tak, jak poprzednio: h. Zagęszczam podział i stosuję ekstrapolację do Copyright c 9- P. F. Góra 5 35

Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe

Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Problem Cauchy ego dy dx = f(x, y) (1) y(x

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 4. Metody Eulera, metody punktu środkowego i metody trapezowe

Komputerowa analiza zagadnień różniczkowych 4. Metody Eulera, metody punktu środkowego i metody trapezowe Komputerowa analiza zagadnień różniczkowych 4. Metody Eulera, metody punktu środkowego i metody trapezowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2013 Problem Cauchy ego dy dx = f(x, y) (1) y(x

Bardziej szczegółowo

u(t) RRZ: u (t)=f(t,u) Jednokrokowy schemat różnicowy

u(t) RRZ: u (t)=f(t,u) Jednokrokowy schemat różnicowy u(t) t Dt RRZ: u (t)=f(t,u) Jednokrokowy schemat różnicowy u(t+dt)=u(t)+f(t,u(t),dt) klasyczna formuła RK4: u(t) k 1 u k 2 k 3 k 4 4 wywołania f na krok, błąd lokalny O(Dt 5 ) gdy f tylko funkcja czasu

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

Wstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/

Wstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ Wstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Lokalna minimalizacja ciagła Minimalizacja funkcji jest jedna z najważniejszych

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur

Bardziej szczegółowo

Obliczenia iteracyjne

Obliczenia iteracyjne Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

Laboratorium II: Modelowanie procesów fizycznych Skrypt do ćwiczeń

Laboratorium II: Modelowanie procesów fizycznych Skrypt do ćwiczeń PJWSTK/KMKT-07082006 Laboratorium II: Modelowanie procesów fizycznych Katedra Metod Komputerowych Techniki Polsko Japońska Wyższa Szkoła Technik Komputerowych I. KINETYKA Kinetyka zajmuje się ruchem ciał

Bardziej szczegółowo

Matematyka licea ogólnokształcące, technika

Matematyka licea ogólnokształcące, technika Matematyka licea ogólnokształcące, technika Opracowano m.in. na podstawie podręcznika MATEMATYKA w otaczającym nas świecie zakres podstawowy i rozszerzony Funkcja liniowa Funkcję f: R R określoną wzorem

Bardziej szczegółowo

Δt)] niejawny schemat Eulera [globalny błąd O(Δt)] u(t) f(t,u) f(t,u) u(t) [t+ Δt,u(t+Δt)]

Δt)] niejawny schemat Eulera [globalny błąd O(Δt)] u(t) f(t,u) f(t,u) u(t) [t+ Δt,u(t+Δt)] jawny schemat Eulera [globalny błąd O(Δt)] niejawny schemat Eulera [globalny błąd O(Δt)] u(t) f(t,u) [t,u(t)] )]dokładne d u(t) () f(t,u) [t+ Δt,u(t+Δt)] [t+ Δt,u(t+Δt)] Δt)] Δt t Δt t u(t) [t,u(t)] dokładne

Bardziej szczegółowo

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski 1 1 Różniczkowanie numeryczne Rozważmy funkcję f(x) określoną na sieci równoodległyc węzłów. Funkcja f(x) może być dana za pomocą wzoru analitycznego

Bardziej szczegółowo

Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie = Rozwiąż układ równań: (( + 1 ( + 2 = = 1

Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie  = Rozwiąż układ równań: (( + 1 ( + 2 = = 1 Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie http://www.zadania.info/). Rozwiąż układ równań: (( + ( + 2 = 3 = 4. http://www.zadania.info/d38/2287 2. Rozwiąż układ równań: ( + 2 (

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.

Bardziej szczegółowo

Całka nieoznaczona, podstawowe wiadomości

Całka nieoznaczona, podstawowe wiadomości Całka nieoznaczona, podstawowe wiadomości Funkcją pierwotną funkcji w przedziale nazywamy funkcję taką, że dla każdego punktu z tego przedziału zachodzi Różnica dwóch funkcji pierwotnych w przedziale danej

Bardziej szczegółowo

Wstęp do metod numerycznych 9. Miejsca zerowe wielomianów. P. F. Góra

Wstęp do metod numerycznych 9. Miejsca zerowe wielomianów. P. F. Góra Wstęp do metod numerycznych 9. Miejsca zerowe wielomianów P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2014 Podstawowe Twierdzenie Algebry Rozwiazywanie równań wielomianowych P n (z) = a n z n + a n

Bardziej szczegółowo

Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50

Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Metody numeryczne Układy równań liniowych, część II Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Układy równań liniowych, część II 1. Iteracyjne poprawianie

Bardziej szczegółowo

OBLICZANIE POCHODNYCH FUNKCJI.

OBLICZANIE POCHODNYCH FUNKCJI. OBLICZANIE POCHODNYCH FUNKCJI. ROZWIĄZYWANIE RÓWNAŃ RÓŻNICZKOWYCH. ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH. Obliczanie pochodnych funkcji. Niech będzie dana funkcja y(x określona i różniczkowalna na przedziale

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów 5. Przybliżone metody rozwiązywania równań 5.1 Lokalizacja pierwiastków 5.2 Metoda bisekcji 5.3 Metoda iteracji 5.4 Metoda stycznych (Newtona) 5.5 Metoda

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

na egzaminach z matematyki

na egzaminach z matematyki Błędy studentów na egzaminach z matematyki W opracowaniu omówiłem typowe błędy popełniane przez studentów na kolokwiach i egzaminach z algebry oraz analizy. Ponadto podaję błędy rzadziej spotykane, które

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja macierzy. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja macierzy. P. F. Góra Wstęp do metod numerycznych Faktoryzacja macierzy P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Uwagi o eliminacji Gaussa Przypuśćmy, że mamy rozwiazać kilka układów równań z ta sama lewa strona,

Bardziej szczegółowo

Rzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu

Rzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu Rzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu P. Strzelecki pawelst@mimuw.edu.pl Instytut Matematyki, Uniwersytet Warszawski MISH UW, semestr zimowy 2011-12 P.

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone. Algorytm Kung a. Algorytm Kung a. Programowanie Równoległe i Rozproszone Wykład 8. Przygotował: Lucjan Stapp

Programowanie Równoległe i Rozproszone. Algorytm Kung a. Algorytm Kung a. Programowanie Równoległe i Rozproszone Wykład 8. Przygotował: Lucjan Stapp Programowanie Równoległe i Rozproszone Lucjan Stapp Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska (l.stapp@mini.pw.edu.pl) 1/34 PRiR Algorytm Kunga Dany jest odcinek [a,b] i ciągła funkcja

Bardziej szczegółowo

Równania liniowe i nieliniowe

Równania 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 szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

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

Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria

Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria Technologia Chemiczna 008/09 Zajęcia wyrównawcze. Pokazać, że: ( )( ) n k k l = ( n l )( n l k l Zajęcia nr (h) Dwumian Newtona. Indukcja. ). Rozwiązać ( ) ( równanie: ) n n a) = 0 b) 3 ( ) n 3. Znaleźć

Bardziej szczegółowo

0 + 0 = 0, = 1, = 1, = 0.

0 + 0 = 0, = 1, = 1, = 0. 5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,

Bardziej szczegółowo

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie minimalizacji bez ograniczeń f(ˆx) = min x R nf(x) f : R n R funkcja ograniczona z dołu Algorytm rozwiazywania Rekurencyjny

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

Bardziej szczegółowo

Wstęp do metod numerycznych 11. Całkowanie numeryczne

Wstęp do metod numerycznych 11. Całkowanie numeryczne Wstęp do metod numerycznych 11. Całkowanie numeryczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011/12 Całka oznaczona Obliczanie całek oznaczonych jest (lub też raczej, było) jednym z głównych

Bardziej szczegółowo

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27.1. Wiadomości wstępne Równaniem różniczkowym cząstkowym nazywamy związek w którym występuje funkcja niewiadoma u dwóch lub większej liczby zmiennych niezależnych i

Bardziej szczegółowo

12.Rozwiązywanie równań i nierówności liniowych oraz ich układów.

12.Rozwiązywanie równań i nierówności liniowych oraz ich układów. matematyka /.Rozwiązywanie równań i nierówności liniowych oraz ich układów. I. Przypomnij sobie:. Co to jest równanie /nierówność? Rodzaje nierówności. Ogólnie: Równaniem nazywamy dwa wyrażenia algebraiczne

Bardziej szczegółowo

czyli o szukaniu miejsc zerowych, których nie ma

czyli o szukaniu miejsc zerowych, których nie ma zerowych, których nie ma Instytut Fizyki im. Mariana Smoluchowskiego Centrum Badania Systemów Złożonych im. Marka Kaca Uniwersytet Jagielloński Metoda Metoda dla Warszawa, 9 stycznia 2006 Metoda -Raphsona

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

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

Algorytmy i struktury danych.

Algorytmy i struktury danych. Algorytmy i struktury danych. Wykład 4 Krzysztof M. Ocetkiewicz Krzysztof.Ocetkiewicz@eti.pg.gda.pl Katedra Algorytmów i Modelowania Systemów, WETI, PG Problem plecakowy mamy plecak o określonej pojemności

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1

Bardziej szczegółowo

Kryteria oceniania z matematyki dla klasy M+ (zakres rozszerzony) Klasa II

Kryteria oceniania z matematyki dla klasy M+ (zakres rozszerzony) Klasa II Funkcja liniowa Kryteria oceniania z matematyki dla klasy M+ (zakres rozszerzony) Klasa II Zakres Dopuszczający Dostateczny Dobry Bardzo dobry - rozpoznaje funkcję liniową na podstawie wzoru - zna postać

Bardziej szczegółowo

Analiza matematyczna. 1. Ciągi

Analiza matematyczna. 1. Ciągi Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

Wstęp do metod numerycznych 5. Numeryczne zagadnienie własne. P. F. Góra

Wstęp do metod numerycznych 5. Numeryczne zagadnienie własne. P. F. Góra Wstęp do metod numerycznych 5. Numeryczne zagadnienie własne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Zagadnienie własne Definicja: Niech A C N N. Liczbę λ C nazywam wartościa własna macierzy

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

Metody 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 Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Elektrotechnika stacjonarne-dzienne pierwszego stopnia

Bardziej szczegółowo

1. Wykład NWD, NWW i algorytm Euklidesa.

1. Wykład NWD, NWW i algorytm Euklidesa. 1.1. NWD, NWW i algorytm Euklidesa. 1. Wykład 1 Twierdzenie 1.1 (o dzieleniu z resztą). Niech a, b Z, b 0. Wówczas istnieje dokładnie jedna para liczb całkowitych q, r Z taka, że a = qb + r oraz 0 r< b.

Bardziej szczegółowo

jest ciągiem elementów z przestrzeni B(R, R)

jest ciągiem elementów z przestrzeni B(R, R) Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

Bardziej szczegółowo

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą 1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje

Mathcad 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 szczegółowo

Rozwiązywanie układów równań liniowych metody przybliżone Materiały pomocnicze do ćwiczeń z metod numerycznych

Rozwiązywanie układów równań liniowych metody przybliżone Materiały pomocnicze do ćwiczeń z metod numerycznych Rozwiązywanie układów równań liniowych metody przybliżone Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 14 stycznia 2012 P. Modliński, GiK PW Rozw.

Bardziej szczegółowo

1. Liczby wymierne. x dla x 0 (wartością bezwzględną liczby nieujemnej jest ta sama liczba)

1. Liczby wymierne. x dla x 0 (wartością bezwzględną liczby nieujemnej jest ta sama liczba) 1. Liczby wymierne. - wartość bezwzględna liczby. dla 0 (wartością bezwzględną liczby nieujemnej jest ta sama liczba) - dla < 0 ( wartością bezwzględną liczby ujemnej jest liczba do niej przeciwna) W interpretacji

Bardziej szczegółowo

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane

Bardziej szczegółowo

MATeMAtyka klasa II poziom rozszerzony

MATeMAtyka klasa II poziom rozszerzony MATeMAtyka klasa II poziom rozszerzony W klasie drugiej na poziomie rozszerzonym realizujemy materiał z klasy pierwszej tylko z poziomu rozszerzonego (na czerwono) oraz cały materiał z klasy drugiej. Rozkład

Bardziej szczegółowo

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): 1 Narysuj na płaszczyźnie zbiór dopuszczalnych rozwiazań. 2 Narysuj funkcję

Bardziej szczegółowo

Złożoność obliczeniowa zadania, zestaw 2

Złożoność obliczeniowa zadania, zestaw 2 Złożoność obliczeniowa zadania, zestaw 2 Określanie złożoności obliczeniowej algorytmów, obliczanie pesymistycznej i oczekiwanej złożoności obliczeniowej 1. Dana jest tablica jednowymiarowa A o rozmiarze

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe Zagadnienie transportowe Firma X zawarła kontrakt na dostarczenie trawnika do wykończenia terenów wokół trzech zakładów U, V i W. Trawnik ma być dostarczony z trzech farm A, B i C. Zapotrzebowanie zakładów

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. prof. dr hab.inż. Katarzyna Zakrzewska

METODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. prof. dr hab.inż. Katarzyna Zakrzewska METODY NUMERYCZNE Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą prof. dr hab.inż. Katarzyna Zakrzewska Met.Numer. Wykład 4 1 Rozwiązywanie równań nieliniowych z jedną niewiadomą

Bardziej szczegółowo

Obliczenia naukowe Wykład nr 6

Obliczenia naukowe Wykład nr 6 Obliczenia naukowe Wykład nr 6 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [1] D. Kincaid, W. Cheney, Analiza

Bardziej szczegółowo

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F

Bardziej szczegółowo

Liczby zespolone. P. F. Góra (w zastępstwie prof. K. Rościszewskiego) 27 lutego 2007

Liczby zespolone. P. F. Góra (w zastępstwie prof. K. Rościszewskiego)  27 lutego 2007 Liczby zespolone P. F. Góra (w zastępstwie prof. K. Rościszewskiego) http://th-www.if.uj.edu.pl/zfs/gora/ 27 lutego 2007 Definicja C zbiór par liczb rzeczywistych w którym określono następujace działania:

Bardziej szczegółowo

Wykład X Rozwiązywanie zagadnień początkowych dla równań różniczkowych zwyczajnych

Wykład X Rozwiązywanie zagadnień początkowych dla równań różniczkowych zwyczajnych Wykład X Rozwiązywanie zagadnień początkowych dla równań różniczkowych zwyczajnych Postawienie zadania i podstawowe idee jego rozwiązania Metody samostartujące (Eulera, Rungego-Kutty) Metody niesamostartujące

Bardziej szczegółowo

METODY OBLICZENIOWE. Projekt nr 3.4. Dariusz Ostrowski, Wojciech Muła 2FD/L03

METODY OBLICZENIOWE. Projekt nr 3.4. Dariusz Ostrowski, Wojciech Muła 2FD/L03 METODY OBLICZENIOWE Projekt nr 3.4 Dariusz Ostrowski, Wojciech Muła 2FD/L03 Zadanie Nasze zadanie składało się z dwóch części: 1. Sformułowanie, przy użyciu metody Lagrange a II rodzaju, równania różniczkowego

Bardziej szczegółowo

Równanie przewodnictwa cieplnego (I)

Równanie przewodnictwa cieplnego (I) Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca

Bardziej szczegółowo

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne

1 Równania różniczkowe zwyczajne Równania różniczkowe zwyczajne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki Politechnika Białostocka Równania różniczkowe Równaniem

Bardziej szczegółowo

Obliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński

Obliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński Obliczenia Naukowe Wykład 12: Zagadnienia na egzamin Bartek Wilczyński 6.6.2016 Tematy do powtórki Arytmetyka komputerów Jak wygląda reprezentacja liczb w arytmetyce komputerowej w zapisie cecha+mantysa

Bardziej szczegółowo

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Definicja. Niech a i b będą dodatnimi liczbami rzeczywistymi i niech a. Logarytmem liczby b przy podstawie

Bardziej szczegółowo

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku

ELEMENTY 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 szczegółowo

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

Wstęp do metod numerycznych Miejsca zerowe wielomianów Układy równań algebraicznych. P. F. Góra

Wstęp do metod numerycznych Miejsca zerowe wielomianów Układy równań algebraicznych. P. F. Góra Wstęp do metod numerycznych Miejsca zerowe wielomianów Układy równań algebraicznych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2010 Podstawowe Twierdzenie Algebry Rozwiazywanie równań wielomianowych

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH Marzena Zbrożyna DOPUSZCZAJĄCY: Uczeń potrafi: odczytać informacje z tabeli odczytać informacje z diagramu

Bardziej szczegółowo

Równania różniczkowe zwyczajne

Równania różniczkowe zwyczajne Równania różniczkowe zwyczajne Zajmiemy się teraz problemem numerycznego rozwiązywania równań różniczkowych zwyczajnych o postaci: z warunkeim początkowym. Zauważmy że przykładowe równanie różniczkowe

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

O MACIERZACH I UKŁADACH RÓWNAŃ

O MACIERZACH I UKŁADACH RÓWNAŃ O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a

Bardziej szczegółowo

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie:

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie: Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, 6 11 6 11, tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Uprośćmy najpierw liczby dane w treści zadania: 8 2, 2 2 2 2 2 2 6 11 6 11 6 11 26 11 6 11

Bardziej szczegółowo

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4  5 3$ 7&=0 5$+7&=4 17. Układ równań 17.1 Co nazywamy układem równań liniowych? Jak zapisać układ w postaci macierzowej (pokazać również na przykładzie) Co to jest rozwiązanie układu? Jaki układ nazywamy jednorodnym, sprzecznym,

Bardziej szczegółowo

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH Jednym z zastosowań metod numerycznych jest wyznaczenie pierwiastka lub pierwiastków równania nieliniowego. W tym celu stosuje się szereg metod obliczeniowych np:

Bardziej szczegółowo

Wielomiany podstawowe wiadomości

Wielomiany podstawowe wiadomości Rozdział Wielomiany podstawowe wiadomości Funkcję postaci f s = a n s n + a n s n + + a s + a 0, gdzie n N, a i R i = 0,, n, a n 0 nazywamy wielomianem rzeczywistym stopnia n; jeżeli współczynniki a i

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja Interpolacja wielomianowa Przykłady. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer.

METODY 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 szczegółowo

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

5 Równania różniczkowe zwyczajne rzędu drugiego

5 Równania różniczkowe zwyczajne rzędu drugiego 5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =

Bardziej szczegółowo

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np.

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np. Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona f(x 0, f ( f, f,..., f n gdzie 2 x ( x, x 2,..., x n dla n2 np. f ( x, y 0 g( x, y 0 dla każdej wielowymiarowej rozwinięcie w szereg Taylora

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne

UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne Układy równań liniowych Rozpatruje się układ n równań liniowych zawierających n niewiadomych: a11x1 a12x2... a1nxn b1 a21x1 a22x2... a2nxn b2... an 1x1 an2x2...

Bardziej szczegółowo

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Liczby naturalne Liczby całkowite. Liczby wymierne Liczby niewymierne Rozwinięcie dziesiętne liczby rzeczywistej Pierwiastek

Bardziej szczegółowo

Podstawowe algorytmy i ich implementacje w C. Wykład 9

Podstawowe algorytmy i ich implementacje w C. Wykład 9 Wstęp do programowania 1 Podstawowe algorytmy i ich implementacje w C Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Element minimalny i maksymalny zbioru Element minimalny

Bardziej szczegółowo

1 Całki funkcji wymiernych

1 Całki funkcji wymiernych Całki funkcji wymiernych Definicja. Funkcją wymierną nazywamy iloraz dwóch wielomianów. Całka funkcji wymiernej jest więc postaci: W (x) W (x) = an x n + a n x n +... + a x + a 0 b m x m + b m x m +...

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

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

Zajęcia: VBA TEMAT: VBA PROCEDURY NUMERYCZNE Metoda bisekcji i metoda trapezów

Zajęcia: VBA TEMAT: VBA PROCEDURY NUMERYCZNE Metoda bisekcji i metoda trapezów Zajęcia: VBA TEMAT: VBA PROCEDURY NUMERYCZNE Metoda bisekcji i metoda trapezów W ramach zajęć oprogramujemy jedną, wybraną metodę numeryczną: metodę bisekcji numerycznego rozwiązywania równania nieliniowego

Bardziej szczegółowo

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Pochodna i różniczka unkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty. P. F. Góra

Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty. P. F. Góra Komputerowa analiza zagadnień różniczkowych 5. Metody Rungego-Kutty P. F. Góra http://th-www.if.u.edu.pl/zfs/gora/ 203 Definica metody Poszukuemy rozwiazania problemu zmienności pochodne (prawe strony

Bardziej szczegółowo