Zastosowanie metod numerycznych. Teresa Regińska Instytut Matematyczny PAN. reginska/wyklady2011
|
|
- Kinga Jastrzębska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Zastosowanie metod numerycznych Teresa Regińska Instytut Matematyczny PAN reginska/wyklady2011 Wykład, CSZ PW, semestr letni 2013 Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 1/55
2 Aproksymacja pochodnej - metoda wygładzania Korzystaja c z zaburzonych danych f δ wyznaczyć gladka aproksymacjȩ g δ funkcji f Poszukiwana pochodna f aproksymować pochodna (g δ ). Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 2/55
3 Założenia: niech f C 2 [0, 1] niech := {x i } i=0,,n ; x i = ih; h = 1 n zamiast f(x i ) znamy { f i }, i = 0,, n takie, że f(x i ) f i δ Problem 1 - minimum warunkowe Wyznaczyć funkcjȩ g realizuja ca minimum: min{ g L 2 (0,1) g C 2 (0, 1), g(0) = f(0), g(1) = f(1)} przy warunku n 1 1 (W) ( n 1 f i g(x i )) 2 δ 2 i=1 Jako aproksymacjȩ f bierzemy pochodna g. Teresa Regińska 3/55
4 Uwagi: Każda funkcja g spełniaja ca (W) może być kandydatem na rozwia zanie. Wśród nich szukamy funkcji najbardziej gładkiej. Jeżeli g jest rozwia zaniem Problemu 1 a nierówność (W) dla g jest ostra, to g jest funkcja liniowa interpoluja ca wartości brzegowe, tzn. g (x) = f(0) + x(f(1) f(0)) (rozwia zanie trywialne) Poza tym przypadkiem g spełnia warunek (W) z równościa. Zatem można zastosować metodȩ Lagrange a. Niech 1 α bȩdzie mnożnikiem Lagrange a dla (W). Otrzymujemy nastȩpuja ce równoważne sformułowanie Problemu 1: Teresa Regińska 4/55
5 Definiujemy funkcjonał regularyzacyjny: Φ α (g) := 1 n 1 ( n 1 f i g(x i )) 2 + α g 2 i=1 Problem 2 - minimum funkcjonału regularyzacyjnego Niech g α := arg min{φ α (g) g C 2 (0, 1), g(0) = f(0), g(1) = f(1)} Jeśli α(δ) jest takie, że g α(δ) spełnia warunek (K) n 1 1 ( n 1 f i g α(δ) (x i )) 2 = δ 2, i=1 to jako aproksymacjȩ f bierzemy pochodna g α(δ). Teresa Regińska 5/55
6 Warunek (K) jest kryterium wyboru parametru regularyzacji α. Lemat Jeśli α(δ) wybrane jest zgodnie z kryterium (K), to g = g α(δ), Jaki jest bła d aproksymacji f przez g? Teresa Regińska 6/55
7 W pracy [M. Hanke, O. Scherzer, Amer. Math. Monthly, vol.6, , 2001] udowodniono nastȩpuja ce twierdzenia: Twierdzenie 1 Załóżmy, że f L 2 (0, 1). Jeżeli g α(δ) minimalizuje funkcjonał Φ α (g) na zbiorze funkcji C 2 [0, 1], a parametr regularyzacji α(δ) jest wybrany zgodnie z kryterium (K), to f g α(δ) L 2 ( 8 h f L 2 + ) δ f 1 2 L 2. Teresa Regińska 7/55
8 Twierdzenie 2 Φ α (g) := 1 n 1 ( n 1 f i g(x i )) 2 + α g 2 i=1 Funkcja g α minimalizuja ca funkcjonał Φ α (g) na C 2 [0, 1] jest naturalnym splajnem kubicznym na równomiernej siatce spełniaja cym warunki: g (x i +) g (x i ) = 1 ( f i g (x i )), i = 1,, n 1 α(n 1) Teresa Regińska 8/55
9 Splajny (funkcje sklejane) - wprowadzenie Dla uproszczenia: przedzial [0, 1] i siatka równomierna := {x i } i=0,,n ; 0 = x 0 < x 2 < < x n = 1; x i+1 x i = h najprostsze to splajny liniowe: funkcje cia głe na [0,1] i liniowe na przedziałach [x i, x i+1 ], i = 0,, n 1 S 1 := {g C[0, 1] : g [xi,x i+1 ] jest wielomianem stopnia 1} splajny kubiczne to funkcje cia głe wraz z druga pochodna na [0,1] i bȩda ce wielomianami stopnia 3 na przedziałach [x i, x i+1 ], i = 0,, n 1 S 3 := {g C 2 [0, 1] : g [xi,x i+1 ] jest wielomianem stopnia 3} Teresa Regińska 9/55
10 Splajny (funkcje sklejane) - wprowadzenie cd. Dla jednoznacznego wyznaczenia splajnu kubicznego na n + 1 wȩzłach potrzeba n + 3 równań. Wprowadza siȩ wiȩc tzw. naturalny splajn kubiczny, na wyznaczenie którego wystarcza n + 1 równań. Naturalny splajn kubiczny to splajn kubiczny spełniaja cy dwa dodatkowe warunki: drugie pochodne na końcach przedziału [0,1] sa równe 0. S 3 := {g S 3 : g (0) = g (1) = 0} Teresa Regińska 10/55
11 Przykład zastosowania różniczkowania numerycznego Problem rekonstrukcji współczynnika dyfuzji z eksperymentlnych pomiarów rozkładu temperatury Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 11/55
12 Rozkład temperatury u w jednowymiarowym jednorodnym ośrodku, w którym współczynnik dyfuzji a zależy od temperatury, opisany jest przez równanie paraboliczne: u t = (a(u)u x ) x, 0 < x < 1, 0 < t < T z odpowiednimi warunkami brzegowymi. "direct problem": wyznaczyć rozkład temperatury gdy znamy a(u) zadanie odwrotne: wyznaczyć współczynnik dyfuzji a(u) z eksperymentalnych danych, np. z dyskretnych pomiarów temperatury przykład: mierniki temperatury w punktach x i, pomiary w chwilach t j, przybliżone dane ũ(x i, t j ) Wyznaczyć przybliżona funkcjȩ u t(x i, t) Teresa Regińska 12/55
13 [M. Hanke, O. Scherzer, Amer. Math. Monthly, v.6, 2001] Rys.1 Rys.2 Rys.1. kółeczka - pomiary u(0, t j ); linia cia gła - wygładzaja cy splajn kubiczny Rys.2. linia przerywana - iloraz różnicowy; linia cia gła - pochodna splajnu wygładzaja cego. Teresa Regińska 13/55
14 Metody regulazyzacji Idea pochodzi od A.N. Tichonowa (lata 60-te) A.N.Tikhonov, V.Y.Arsenin, Solutions of ill-posed problems, John Wiley and Sons, New York, 1977 (tłumaczenie z rosyjskiego) Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 14/55
15 Zadanie źle postawione (*) Au = f, A : X Y, AX Y f f δ Y δ; zakładamy, że dla dokładnego f rozwia zanie u istnieje. Rodzina zadań dobrze postawionych Zadanie źle postawione zastȩpujemy rodzina zadań dobrze postawionych: B α u = f, α (0, α 0 ) taka, że istnieje funkcja α(δ), dla której u δ α(δ) := B 1 α(δ) f δ u gdy δ 0 Teresa Regińska 15/55
16 Metoda regularyzacji {B 1 α } α (0,α0 ) - rodzina regularyzuja ca dla (*) metoda wyboru parametru regularyzacji α(δ). Kluczowa sprawa jest właściwy wybór parametru regularyzacji. u δ α(δ) u 0 gdy δ 0 Teresa Regińska 16/55
17 Przykłady A m n, X = R n, Y = R m : wtedy = A - rodzina jednoelementowa B 1 α Zadanie obliczenia pochodnej; zastosowanie ilorazu różnicowego D h f(x) := f(x+h) f(x h) 2h : u δ h = D hf δ i u u δ h = O(h + δ h ) gdy f C2. Jeśli h(δ) = δ to zbieżność Rodzina regularyzuja ca - {D h } h (0,h0 ) Zadanie obliczenia pochodnej metoda wygładzania: u δ α = g α, gdzie g α C 2 minimalizuje funkcjonal φ α (g) Φ α (g) := 1 n 1 ( n 1 f i g(x i )) 2 + α g 2 i=1 Dla każdego α jest to zadanie dobrze postawione. Teresa Regińska 17/55
18 Konstrukcja rodziny regularyzuj acej dla równania całkowego Au(x) := Ω K(x, y)u(y)dy = f(x) gdy Ω Ω K(x, y) 2 dxdy < ( ) Au = f, A : L 2 (Ω) L 2 (Ω), f f δ δ Przypomnijmy: min u L 2 Au f δ L 2 nie zawsze istnieje gdy A macierz m n, to min u R n Au f δ R m może nie być jednoznaczne istnieje, ale Teresa Regińska 18/55
19 Metoda Tichonowa: Definicja: Funkcjonał regularyzuja cy dla (*) Rozwia zanie zregularyzowane F α (u, f) := Au f 2 L 2 + α u 2 L 2 u δ α := arg min u L 2 F α(u, f δ ) α nazywamy parametrem regularyzacji Teresa Regińska 19/55
20 u δ α := arg min u L 2 F α(u, f δ ) Sformułowanie równoważne gdzie (**) A Au + αu = A f A f(x) := Ω K(y, x)f(y)dy jest operatorem sprzȩżonym do Au(x) := Ω K(x, y)u(y)dy, tj. (Au, v) L 2 := Ω Au(x)v(x)dx = Ω u(x)a v(x)dx = (u, A v) L 2 Czyli rozwia zanie zregularyzowane metoda Tichonowa jest postaci: u δ α = (A A + α) 1 A f δ Teresa Regińska 20/55
21 Pytania: Czy dla każdego α (0, α 0 ) zadanie (**) jest dobrze postawione? Czy dla każdego f L 2 (Ω) istnieje rozwia zanie (**)? Czy rozwia zanie jest jednoznaczne? Czy u δ α u α 0 gdy δ 0? Jak wybrać α w zależności od poziomu błȩdu δ aby mieć możliwie najlepsze przybliżenie rozwia zania dokładnego? Odpowiedzi na te pytania w przypadku ogólnym można znaleźć np. w monografii H.W. Engl, M. Hanke, A. Neubauer, Regularization of Inverse Problems, Kluwer 1996 Teresa Regińska 21/55
22 Równanie (**) dla operatora całkowego Au(x) := Ω K(x, y)u(y)dy, A f(x) := Ω K(y, x)f(y)dy, to A Au(x) = K(z, x)k(z, y)dz u(y)dy Ω Ω }{{} Zatem równanie (**) ma postać: Ω K(x, y) K(x, y)u(y)dy + αu(x) = Ω K(y, x)f(y)dy. Jest to równanie całkowe drugiego rodzaju, które jest dobrze postawione w przestrzeni L 2 (Ω). Teresa Regińska 22/55
23 Metoda Tichonowa dla zadania wyznaczenia pochodnej funkcji, któr a znamy w przybliżeniu. Sformułowanie zadania w postaci całkowej: Au(x) := 1 0 K(x, y)u(y)dy = f(x) przy założeniu, że f(0) = 0 i Au(x) = x 0 K(x, y) = { 1 x y 0 x < y u(y)dy oraz A v(x) = K(x, y) = Równanie Tichonowa ma postać: 1 0 { 1 x x y 1 y x < y K(x, z)u(z)dz + αu(x) = 1 x 1 x u(y)dy. f δ (y)dy Teresa Regińska 23/55
24 Twierdzenie 1 (zbieżność regularyzacji Tichonowa) Jeżeli u δ α = (A A + α) 1 A f δ, a parametr regularyzacji spełnia warunki asymptotyczne: to δ lim α(δ) = 0 oraz lim = 0, δ 0 δ 0 α(δ) lim δ 0 uδ α(δ) u L 2 = 0 Twierdzenie nie odpowiada na pytanie jak wybrać α dla danego poziomu błȩdu δ. Teresa Regińska 24/55
25 Twierdzenie 2 (oszacowanie błȩdu) Założenia jak w Tw.1 + założenia dodatkowe: v L 2 (Ω) takie, że u = A v oraz v E α(δ) = c δ E, to Jeśli natomiast u δ α(δ) u L 2 ( 1 2 c + ) c δe v L 2 (Ω) takie, że u = A Av oraz v E α(δ) = c ( δ E ) 2/3, to u δ α(δ) u L 2 ( 1 2 c + c)e1/3 δ 2/3 Ważna jest informacja a priori o rozwi azaniu 2 Teresa Regińska 25/55
26 Maksymalny rza d zbieżności Jeżeli metoda Tichonowa dana jest wzorem: to u δ α = (A A + α) 1 A f δ, δ 2 3 jest maksymalnym rzȩdem zbieżności met. Tichonowa Twierdzenie 3 Jeżeli lim δ 0 uδ α(δ) u L 2δ 2 3 = 0, dla każdego f δ takiego, że f f δ δ, to u = 0. Teresa Regińska 26/55
27 Wygładzanie Regularyzacja zadanie dyskretne uwarunkowanie Przykład 1 Zad.odwrotne Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 27/55
28 Dyskretyzacja zadania źle postawionego metoda różnicowa, metoda elementu skończonego, metody rzutowe itp.; w wyniku otrzymuje siȩ dyskretne zadanie źle postawione (rodzinȩ zadań); należy zbadać istnienie rozwia zania dyskretnego dla danych dokładnych oraz to, w jaki sposób aproksymuje ono rozwia zanie dokładne zależność rozwia zania dyskretnego od błȩdów danych Regularyzacja dyskretnego zadania źle postawionego Teresa Regińska 28/55
29 Metody rzutowe Au = f, A : X X, X = L 2 (Ω) Metoda najmniejszych kwadratów na X n Niech {X i } skończenie wymiarowa aproksymacja X X 1 X 2 X oraz n X n = X Wyznaczyć u n X n o minimalnej normie takie, że Au n f 2 Av n f 2 dla każdego v n X n u n w n dla każdego w n takiego, że Au n f = Aw n f Jeśli f f δ, to rozwia zanie to oznaczamy przez u δ n. Teresa Regińska 29/55
30 Niech P n - rzut ortogonalny X na X n, tzn. P n P n = P n (rzut) oraz Niech (P n v, (I P n )w) L 2 = 0 dla każdego v, w X Y n := AX n, oraz Q n : X AX n rzut ortogonalny na Y n Zadanie dyskretne LSQ Wyznaczyć rozwia zanie uogólnione równania A n u δ n = Q n f δ gdzie A n = A Xn : X n Y n n u δ n istnieje, bo dim X n <, ale nawet przy δ = 0 u n nie musi zbiegać do u gdy Au = f jest zadaniem źle postawionym. Teresa Regińska 30/55
31 Twierdzenie, T.I. Seidmann, J Optimiz Theory App, 30,4, 1980 Dla prawie każdego f AX istnieje cia g podprzestrzeni X n taki, że cia g rozwiazań u n otrzymanych metoda LSQ jest nieograniczony ( u n ). Konieczna duża ostrożność przy wyborze dyskretyzacji! Teresa Regińska 31/55
32 Przykład Seidman a {e i } i=1 baza ortonormalna X: X n := span{e 1,, e n } Równanie Au = f Jeśli v = ξ i e i, to Av := (α 1 ξ i + β i ξ 1 )e i, i=1 i=1 gdzie α i = 1 i dla i parzystych i α i = 1 i 5 dla nieparzystych; β 1 = 0, β i = 1 i dla i > 1 Równanie Au = f dla f = ( αi ) i=1 i + β i ei ma rozwia zanie u = i 1 e i i=1 n P n u = i 1 e i i=1 Teresa Regińska 32/55
33 Przykład Seidman a, cd Rozwia zanie LSQ na X n n u n = ξ i,n e i, i=1 ( ni=1 gdzie ξ 1,n,.ξ n,n minimalizuje A ξ ) i,n e i f 2 Obliczamy ξ i,n, i = 1,..., n i otrzymujemy u n P n u 2 = ( n i=1 1 ) (α i i) 2 i=n α i i 2 + u n P n u n cia g u n nie jest zbieżny 2 1 i i=n+1 2. Teresa Regińska 33/55
34 Dualna metoda najmniejszych kwadratów Niech {Y i } skończenie wymiarowa aproksymacja AX Y 1 Y 2 AX oraz n Y n = AX Niech Q n - rzut ortogonalny X na Y n oraz A n := Q n A. Wyznaczyć u n, które jest rozwia zaniem uogólnionym równania A n u n = f n, gdzie f n = Q n f u n jest najlepszym możliwym przybliżeniem u w X n := A Y n. Teresa Regińska 34/55
35 Twierdzenie o zbieżności Jeżeli f AX, u jest rozwia azaniem AU = f, a u n jest rozwia zaniem uogólnionym Q n Au = Q n f, to u n = P n u, gdzie P n - rzut ortogonalny X na podprzestrzeń X n := A Y n oraz f f δ i f f δ δ u u n X 0 gdy n. Niech u δ n - rozwia zanie uogólnione Q n Au = Q n f δ. u δ n u u u n + u n u δ n Jeżeli µ n jest minimalna 0 wartościa szczególna A n, to u δ n u (I P n )u + δ µ n. Dualna metoda LSQ jest jednocześnie metoda regularyzacji: wybór n(δ. Teresa Regińska 35/55
36 Wrażliwość rozwia zania dyskretnego na zaburzenia danych Skończenie wymiarowe zadanie dyskretne można sprowadzić do układu równań algebraicznych z macierza A n R n m. A n u n = f n Niech u n i u n,δ oznaczaja rozwia zanie uogólnine dla prawej strony f n i f δ n Bła d wzglȩdny u n u n,δ u n κ(a n ) f n f δ n f n κ(a n ) - wskaźnik uwarunkowania Teresa Regińska 36/55
37 Wskaźnik uwarunkowania zadania dyskretnego Przypomnienie (str. 24 czȩść I) κ(a n ) := A n A n = max i=1,,r σ i min i=1,,r σ i A n - norma macierzy indukowana przez normȩ euklidesowa wektora u := u 2 i. A n := sup u =1 { A n u } σ 1,, σ r niezerowe wartości szczególne A n, tzn. σ i = λ i, gdzie λ i sa wartościami własnymi A n A n (A n rzeczywista) Teresa Regińska 37/55
38 Regularyzacja Tichonowa zadania dyskretnego Przypomnijmy: gdy A macierz m n, to min u R n Au f δ R m istnieje, ale może nie być jednoznaczne. Minimum to jest rozwia zaniem równania A Au = A f δ metoda regularyzacji Tichonowa ( ) u δ α := arg min Au f δ 2 u R n R m + α u 2 R n parametr regularyzacji α (0, α 0 ) rozwia zanie zregularyzowane u δ α jest rozwia zaniem równania (**) A Au + αu = A f δ Teresa Regińska 38/55
39 Regularyzacja Tichonowa zastosowana do dyskretnego zadania źle postawionego A n A n u δ n,α + αu δ n,α = A n f δ n u δ n,α rozwia zanie zregularyzowane dla prawej strony f δ n u n,α rozwia zanie zregularyzowane dla prawej strony f n Pytanie: Czy poprawia siȩ uwarunkowanie zregularyzowanego ukladu równań? u δ n,α u n,α? Czy u δ n,α aproksymuje rozwia zanie dokładne u? Teresa Regińska 39/55
40 Jak zmienia siȩ z α uwarunkowanie zad. zregularyzowanego? u n,α u δ n,α u n,α κ n,α f n f n,δ f n σ min (σmax+α) 2 σ max(σmin 2 +α) α (0, σmin 2 ), σmax 2 +α 2σ κ n,α = max α α [σmin 2, σ maxσ min ], σmin 2 +α 2σ min α α [σ max σ min, σmax], 2 σ max(σmin 2 +α) σ min (σmax 2 +α) α (σmax, 2 ). σ min = min{σ i : σ i > 0} Uwarunkowanie przed regularyzacja κ n = κ(a n ) = σ max σ min Teresa Regińska 40/55
41 Funkcja κ n (α) := κ n,α w przypadku, gdy n = 10, σ 1 = 1, σ n = 0.1 Teresa Regińska 41/55
42 Optymalny wybór parametru regularyzacji ze wzglȩdu na uwarunkowanie α n = σ min (A n )σ max (A n ) κ opt n := κ n,αn = 1 ( ) κ(a n ) κ(an ) 1 2 < κ(a n ) 2 κ n,α κ n,0 as α 0 or α Teresa Regińska 42/55
43 Zbieżność u δ n,α do u gdy δ 0? n lub α lub oba parametry jednocześnie musza zależeć od δ Jeśli α = α n (tj. α n = σ min (A n )σ max (A n )), to n musi zależeć od δ Oszacowanie błȩdu można badać dla ustalonej metody dyskretyzacji Ilustracja numeryczna z pracy T. R, (2004), Regularization of discrete ill-posed problems BIT Numer. Math. 44 Teresa Regińska 43/55
44 Porównanie błȩdu metody z regularyzacja i bez dla szczególnego przypadku metody Galerkina i operatora A o wartościach szczególnych σ j = 1 j. Rozwia zania u, u n, u n,α i u δ n,α sa w tej samej przestrzeni. linia przerywana - u δ n u dla δ = 0, 01 i δ = 0, 05 linia cia gła - u δ n,α n u dla δ = 0, 01 i δ = 0, 05 Teresa Regińska 44/55
45 Oprogramowanie: Prof. Per Christian Hansen (Dept. of Informatics and Mathematical Modelling, Technical Univ. of Denmark) udostȩpnił pakiet algorytmów w MATLABie do regularyzacji Per Christian Hansen A Matlab package for analysis and solution of discrete ill-posed problems, Numerical Algorithms 6 (1994) Zzipowany plik z programami na stronie pch/regutools/ Ponadto jest tam Table of contents (pdf file) pch/regutools/contents.pdf Complete manual (pdf file); pch/regutools/rtv4manual.pdf Teresa Regińska 45/55
46 Klasa zadań źle postawionych z operatorem mnożenia Wyznaczyć u L 2 (0, 1) a(x)u(x) = f(x) gdzie a C[0, 1], f L 2 (0, 1) Jeżeli a(x) a 0 > 0, to zadanie jest dobrze postawione Jeżeli 1 a nie jest funkcja całkowalna z kwadraten, to zadanie jest źle postawione Przykład: a(x) = x Teresa Regińska 46/55
47 Metody regularyzacji - schemat ϕ(a) := 1 a u(x) = ϕ(a(x))f(x) {ϕ α (a)} α (0,α0 ) rodzina regularyzuja ca ϕ α (a) ϕ(a) gdy α 0 α 0 ϕ α (a) ograniczona funkcja na R rozwia zanie zregularyzowane u δ α(x) := ϕ α (a)(x)f δ (x) Teresa Regińska 47/55
48 Metody regularyzacji - przykłady metoda Tichonowa: (A A + α)v δ α = A f δ metoda "spektralna" ϕ α (a) = ϕ α = a a 2 + α { 1 a a α 0 a < α metoda "spektralna zmodyfikowana" { 1 a a α ϕ α = a < α 1 αa u δ α(x) := ϕ α (a)(x)f δ (x) Teresa Regińska 48/55
49 Zbieżność metody spektralnej Założenia: f jest takie, że rozwia zanie dokładne jest ograniczone w normie sup przez C f f δ L 2 δ u δ α(x) = ϕ α (a(x))f δ To u δ α u L 2 C {x (0,1): a(x) α} 1dx + δ α Przykład: a(x) = x. Wówczas a(x) α gdy x α. u δ α u L 2 C α + δ α Teresa Regińska 49/55
50 Zagadnienia odwrotne Zestawienie przykładów zadań źle postawionych Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Teresa Regińska 50/55
51 Problem podstawowy, przykład Zagadnienie brzegowe dla równania ciepłoprzewodnictwa dobrze postawione przy odpowiednich założeniach u t + (au x ) x = f, 0 < x < 1, 0 < t < T, (D) u(0, x) = ϕ(x), dla x (0, 1) u x (t, 0) = g 0 (t), u x (t, 1) = g 1 (t) dla t (0, T ) Problemy odwrotne do D Klasyfikacja ze wzglȩdu na funkcje niewiadome (I 1 ) Dane: a, f, g 0, g 1. Wyznaczyć u oraz warunek pocza tkowy ϕ przy dodatkowej informacji: u(t, 0) = h 0 (t), u(t, 1) = h 1 (t), dla t (0, T ). (I 2 ) Dane: a, f, ϕ. Wyznaczyć u oraz warunki brzegowe g 0 i g 1. Teresa Regińska 51/55
52 (D) u t + (au x ) x = f, 0 < x < 1, 0 < t < T, u(0, x) = ϕ(x), dla x (0, 1) u x (t, 0) = g 0 (t), u x (t, 1) = g 1 (t) dla t (0, T ) lub u(t, 0) = h 0 (t), u(t, 1) = h 1 (t) dla t (0, T ) Problemy odwrotne do D, c.d. (I 3 ) Dane: a, f, ϕ, g 0, h 0. Wyznaczyć u (I 4 ) Dane: a, ϕ, g 0, g 1, h 0, h 1. Wyznaczyć u oraz f. (I 5 ) Dane: f, ϕ, g 0, g 1, h 0, h 1. Wyznaczyć a oraz u. (I 6 ) Dane: a, f, g 0, g 1 oraz v(x) = u(t, x). Wyznaczyć u itp Teresa Regińska 52/55
53 Klasyfikacja ze wzglȩdu na równanie równanie ciepłoprzewodnictwa u t (au x ) x = f równanie Laplace a u = f równanie Helmholtza u + k 2 u = f równanie falowe u tt u = f Niech q reprezentuje nieznane funkcje, a f wszystkie dane w zadaniu funkcje. Wówczas problem można zapisać Aq = f, gdzie A jest operatorem działaja cym z przestrzeni X nieznanych funkcji na przestrzeñ F danych pomiarowych. Teresa Regińska 53/55
54 Przykłady zadań źle postawionych (prawa kolumna), odwrotnych do zadań dobrze postawionych (lewa kolumna) Problem dobrze postawiony Problem źle postawiony Algebra Mnożenie przez macierz: gdy i det lub Analiza matematyczna Całkowanie Różniczkowanie Równania całkowe Równanie całkowe Fredholma II rodzaju Równanie całkowe Fredholma I rodzaju Równania eliptyczne Problem Dirichleta ( Neumana, mieszany ) Problem Cauchy ego lub lub dla Teresa Regińska 54/55
55 Problem dobrze postawiony Problem źle postawiony Równania paraboliczne Backwards heat eq. Sedeways heat eq. Równania hiperboliczne Wyznaczyd u i q(x) Teresa Regińska 55/55
Zastosowanie metod numerycznych. Teresa Regińska Instytut Matematyczny PAN. Wykład, CSZ PW, semestr letni 2013
Zastosowanie metod numerycznych Teresa Regińska Instytut Matematyczny PAN E-mail: reginska@impan.pl Wykład, CSZ PW, semestr letni 2013 Wykład jest współfinansowany przez Unię Europejską w ramach Europejskiego
Bardziej szczegółowoZastosowanie metod numerycznych. Teresa Regińska Instytut Matematyczny PAN. E-mail: reginska@impan.pl http://www.impan.pl/ reginska/wyklady2011
Zastosowanie metod numerycznych Teresa Regińska Instytut Matematyczny PAN E-mail: reginska@impan.pl http://www.impan.pl/ reginska/wyklady2011 Wykład cz.iii, CSZ PW, semestr letni 2013 Wykład jest współfinansowany
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F
Bardziej szczegółowoWstęp 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 szczegółowoRównania 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 szczegółowoZagadnienia stacjonarne
Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,
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 szczegółowoRównania różniczkowe cząstkowe. Wojciech Szewczuk
Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe - wstęp u x = lim x u(x + x, y) u(x, y) x u u(x, y + y) u(x, y) y = lim y y () (2) 2 u x 2 + 2xy 2 u y 2 + u = 3 u x 2 y + x 2 u + 8u = 5y
Bardziej szczegółowo1 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 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 szczegółowoWykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u
Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni
Bardziej szczegółowoInterpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna
Interpolacja Marcin Orchel 1 Wstęp Mamy daną funkcję φ (x; a 0,..., a n ) zależną od n + 1 parametrów a 0,..., a n. Zadanie interpolacji funkcji φ polega na określeniu parametrów a i tak aby dla n + 1
Bardziej szczegółowo5. Równania różniczkowe zwyczajne pierwszego rzędu
5. Równania różniczkowe zwyczajne pierwszego rzędu 5.1. Wstęp. Definicja 5.1. Niech V R 3 będzie obszarem oraz F : V R. Równaniem różniczkowym zwyczajnym rzędu pierwszego nazywamy równanie postaci Równanie
Bardziej szczegółowoObliczenia naukowe Wykład nr 2
Obliczenia naukowe Wykład nr 2 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [1] D. Kincaid, W. Cheney, Analiza
Bardziej szczegółowoMetody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa
Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem
Bardziej szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;
Bardziej szczegółowoAnaliza funkcjonalna 1.
Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.
Bardziej szczegółowoWykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej
Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E
Bardziej szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
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 szczegółowoFormy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009
Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Definicja Niech V, W,
Bardziej szczegółowoJak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)
Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych) Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki leszekp@mimuw.edu.pl Horyzonty 2014 17-03-2014 Będlewo Zadania numeryczne
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja QR i SVD P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Transformacja Householdera Niech u R N, u 0. Tworzymy macierz W sposób oczywisty P T = P. Obliczmy
Bardziej szczegółowoZadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe
Zadania z algebry liniowej Iloczyn skalarny, przestrzenie euklidesowe Definicja 1 (Iloczyn skalarny). Niech V będzie rzeczywistą przestrzenią liniową. Iloczynem skalarnym w przestrzeni V nazywamy funkcję
Bardziej szczegółowoZestaw zadań z Równań różniczkowych cząstkowych I 18/19
Zestaw zadań z Równań różniczkowych cząstkowych I 18/19 Zad 1. Znaleźć rozwiązania ogólne u = u(x, y) następujących równań u x = 1, u y = 2xy, u yy = 6y, u xy = 1, u x + y = 0, u xxyy = 0. Zad 2. Znaleźć
Bardziej szczegółowoDystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5
Dystrybucje Marcin Orchel Spis treści 1 Wstęp 1 1.1 Dystrybucje................................... 1 1.2 Pochodna dystrybucyjna............................ 3 1.3 Przestrzenie...................................
Bardziej szczegółowo1 Relacje i odwzorowania
Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X
Bardziej szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i
Bardziej szczegółowoZadania z Algebry liniowej 4 Semestr letni 2009
Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także
Bardziej szczegółowo1 Zbiory i działania na zbiorach.
Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu
Bardziej szczegółowoDystrybucje, wiadomości wstępne (I)
Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów
Bardziej szczegółowoElementy równań różniczkowych cząstkowych
Elementy równań różniczkowych cząstkowych Magdalena Jakubek kwiecień 2016 1 Równania różniczkowe cząstkowe Problem brzegowy i problem początkowy Klasyfikacja równań Rodzaje warunków brzegowych Najważniejsze
Bardziej szczegółowoSVM: Maszyny Wektorów Podpieraja cych
SVM 1 / 24 SVM: Maszyny Wektorów Podpieraja cych Nguyen Hung Son Outline SVM 2 / 24 1 Wprowadzenie 2 Brak liniowej separowalności danych Nieznaczna nieseparowalność Zmiana przetrzeń atrybutów 3 Implementacja
Bardziej szczegółowoUkłady równań liniowych. Krzysztof Patan
Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 8 Interpolacja Interpolacja polega na budowaniu tzw. funkcji interpolujących ϕ(x) na podstawie zadanych
Bardziej szczegółowox x 1. Przedmiot identyfikacji System x (1) x (2) : x (s) a 1 a 2 : a s mierzone, a = zestaw współczynników konkretyzujacych F ()
. Przedmiot identyfikacji System () x (2) x * a z y ( s ) x y = F (x,z)=f(x,z,a ),gdziex = F () znane, a nieznane x () x (2) x (s) mierzone, a = a a 2 a s zestaw współczynników konkretyzujacych F () informacja
Bardziej szczegółowoZadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych
Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych [ ] e Zadanie 1 Pokazać, że X(t) = 2t cos t sin t e 2t jest specjalną macierzą fundamentalną w sin t cos t [ 2 cos chwili τ = 0 układu
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
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 szczegółowo13 Równanie struny drgającej. Równanie przewodnictwa ciepła.
Równanie struny drgającej. Równanie przewodnictwa ciepła 13 1 13 Równanie struny drgającej. Równanie przewodnictwa ciepła. 13.1 Równanie struny drgającej Równanie różniczkowe liniowe drugiego rzędu typu
Bardziej szczegółowoRównanie 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 szczegółowoRozwiązywanie równań nieliniowych
Rozwiązywanie równań nieliniowych Marcin Orchel 1 Wstęp Przykłady wyznaczania miejsc zerowych funkcji f : f(ξ) = 0. Wyszukiwanie miejsc zerowych wielomianu n-tego stopnia. Wymiar tej przestrzeni wektorowej
Bardziej szczegółowo3. Funkcje wielu zmiennych
3 Funkcje wielu zmiennych 31 Ciagłość Zanim podamy definicję ciagłości dla funkcji wielu zmiennych wprowadzimy bardzo ogólne i abstrakcyjne pojęcie przestrzeni metrycznej Przestrzeń metryczna Metryka w
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoMetody dekompozycji macierzy stosowane w automatyce
Metody dekompozycji macierzy stosowane w automatyce Grzegorz Mzyk Politechnika Wrocławska, WydziałElektroniki 23 lutego 2015 Plan wykładu 1 Wprowadzenie 2 Rozkład LU 3 Rozkład spektralny 4 Rozkład Cholesky
Bardziej szczegółowoMetody numeryczne. Równania nieliniowe. Janusz Szwabiński.
Metody numeryczne Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl nm_slides-9.tex Metody numeryczne Janusz Szwabiński 7/1/2003 20:18 p.1/64 Równania nieliniowe 1. Równania nieliniowe z pojedynczym
Bardziej szczegółowoPrzestrzenie 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 szczegółowoBardzo łatwa lista powtórkowa
Analiza numeryczna, II rok inf., WPPT- 12 stycznia 2008 Terminy egzaminów Przypominam, że egzaminy odbędą się w następujących terminach: egzamin podstawowy: 30 stycznia, godz. 13 15, C-13/1.31 egzamin
Bardziej szczegółowoElementy metod numerycznych
Wykład nr 5 i jej modyfikacje. i zera wielomianów Założenia metody Newtona Niech będzie dane równanie f (x) = 0 oraz przedział a, b taki, że w jego wnętrzu znajduje się dokładnie jeden pierwiastek α badanego
Bardziej szczegółowoWstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie. P. F. Góra
Wstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2014 Sposoby reprezentacji liczb całkowitych i rzeczywistych patrz wykład z Teoretycznych Podstaw
Bardziej szczegółowoMetody przybliżonego rozwiązywania równań różniczkowych zwyczajnych
Metody przybliżonego rozwiązywania równań różniczkowych zwyczajnych Rozwiązywanie równań różniczkowych zwyczajnych za pomocą szeregów metody dyskretne Metoda współczynników nieoznaczonych Metoda kolejnego
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowo. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:
9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 6 Własności wielomianów ortogonalnych Wszystkie znane rodziny wielomianów ortogonalnych dzielą pewne wspólne cechy: 1) definicja za pomocą wzoru różniczkowego, jawnej sumy lub funkcji tworzącej;
Bardziej szczegółowoSzeregi funkcyjne. Szeregi potęgowe i trygonometryczne. Katedra Matematyki Wydział Informatyki Politechnika Białostocka
Szeregi funkcyjne Szeregi potęgowe i trygonometryczne Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika Białostocka Szeregi funkcyjne str. 1/36 Szereg potęgowy Szeregiem potęgowym o
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne
Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Wstęp
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 szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowoAproksymacja. j<k. L 2 p[a, b] l 2 p,n X = Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza przestrzeni liniowej Π n. Dowód.
Metody numeryczne Paweł Zieliński p. 1/19 Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza bazę przestrzeni liniowej Π n. Dowód. Lemat 2. Dowolny wielomian Q j stopnia j niższego od k jest prostopadły
Bardziej szczegółowoPrzestrzenie liniowe
Przestrzenie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 2 wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 10 Przestrzenie
Bardziej szczegółowoWprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Zazwyczaj nie można znaleźć
Bardziej szczegółowoInformacja o przestrzeniach Sobolewa
Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością
Bardziej szczegółowoDB Algebra liniowa 1 semestr letni 2018
DB Algebra liniowa 1 semestr letni 2018 Teoria oraz większość zadań w niniejszym skrypcie zostały opracowane na podstawie książek: 1 G Banaszak, W Gajda, Elementy algebry liniowej cz I, Wydawnictwo Naukowo-Techniczne,
Bardziej szczegółowo8 Całka stochastyczna względem semimartyngałów
M. Beśka, Całka Stochastyczna, wykład 8 148 8 Całka stochastyczna względem semimartyngałów 8.1 Całka stochastyczna w M 2 Oznaczmy przez Ξ zbiór procesów postaci X t (ω) = ξ (ω)i {} (t) + n ξ i (ω)i (ti,
Bardziej szczegółowo1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler
GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy
Bardziej szczegółowo2.7 Przestrzenie unormowane skończenie wymiarowe
2.7 Przestrzenie unormowane skończenie wymiarowe Rozważamy teraz przestrzenie unormowane X skończenie wymiarowe. Załóżmy, że dimx = m. Niech dalej e,e 2,...,e m będzie bazą algebraiczną tej przestrzeni
Bardziej szczegółowoMetoda rozdzielania zmiennych
Rozdział 12 Metoda rozdzielania zmiennych W tym rozdziale zajmiemy się metodą rozdzielania zmiennych, którą można zastosować, aby wyrazić jawnymi wzorami rozwiązania pewnych konkretnych równań różniczkowych
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowoUkłady 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 szczegółowoCAŁKI NIEOZNACZONE C R}.
CAŁKI NIEOZNACZONE Definicja 1 Funkcja F jest funkcją pierwotną funkcji f na przedziale I, jeżeli F (x) = f(x) dla każdego x I. Np. funkcjami pierwotnymi funkcji f(x) = sin x na R są cos x, cos x+1, cos
Bardziej szczegółowoy i b) metoda różnic skończonych nadal problem nieliniowy 2 go rzędu z warunkiem Dirichleta
b) metoda różnic skończonych nadal problem nieliniowy 2 go rzędu z warunkiem Dirichleta przedział (a,b) dzielimy na siatkę, powiedzmy o stałym kroku: punkty siatki: u A y i w metodzie strzałów używamy
Bardziej szczegółowoAlgebra liniowa. 1. Macierze.
Algebra liniowa 1 Macierze Niech m oraz n będą liczbami naturalnymi Przestrzeń M(m n F) = F n F n będącą iloczynem kartezjańskim m egzemplarzy przestrzeni F n z naturalnie określonymi działaniami nazywamy
Bardziej szczegółowoRozwiazywanie układów równań liniowych. Ax = b
Rozwiazywanie układów równań liniowych Ax = b 1 PLAN REFERATU: Warunki istnienia rozwiazań układu Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów - algorytm rekurencyjny Rozwiazanie układu
Bardziej szczegółowoWykład Matematyka A, I rok, egzamin ustny w sem. letnim r. ak. 2002/2003. Każdy zdający losuje jedno pytanie teoretyczne i jedno praktyczne.
Wykład Matematyka A, I rok, egzamin ustny w sem. letnim r. ak. 2002/2003. Każdy zdający losuje jedno pytanie teoretyczne i jedno praktyczne. pytania teoretyczne:. Co to znaczy, że wektory v, v 2 i v 3
Bardziej szczegółowoANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ
ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ FUNKCJE DWÓCH ZMIENNYCH RZECZYWISTYCH Definicja 1. Niech A będzie dowolnym niepustym zbiorem. Metryką w zbiorze A nazywamy funkcję rzeczywistą
Bardziej szczegółowo10. Metody obliczeniowe najmniejszych kwadratów
10. Metody obliczeniowe najmniejszych kwadratów 1. Dowód twierdzenia o faktoryzacji macierzy Twierdzenie 1 Każdadodatniookreślon aisymetryczn amacierzm można przedstawíc wpostaci M = PP T gdzie P jest
Bardziej szczegółowoWYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki
WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach
Bardziej szczegółowoO pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)
(niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie
Bardziej szczegółowoZadania egzaminacyjne
Rozdział 13 Zadania egzaminacyjne Egzamin z algebry liniowej AiR termin I 03022011 Zadanie 1 Wyznacz sumę rozwiązań równania: (8z + 1 i 2 2 7 iz 4 = 0 Zadanie 2 Niech u 0 = (1, 2, 1 Rozważmy odwzorowanie
Bardziej szczegółowoZagadnienia brzegowe dla równań eliptycznych
Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta
Bardziej szczegółowoMetody numeryczne. Sformułowanie zagadnienia interpolacji
Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej
Bardziej szczegółowoMatematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)
Matematyka II Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 208/209 wykład 3 (27 maja) Całki niewłaściwe przedział nieograniczony Rozpatrujemy funkcje ciągłe określone na zbiorach < a, ),
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoObliczenia 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 szczegółowoRachunek różniczkowy i całkowy w przestrzeniach R n
Rachunek różniczkowy i całkowy w przestrzeniach R n Na dzisiejszym wykładzie rozważać będziemy funkcje f : R m R n Każda taka funkcję f można przedstawić jako wektor funkcji (f 1, f 2,, f n ), gdzie każda
Bardziej szczegółowoRównania różniczkowe cząstkowe drugiego rzędu
Równania różniczkowe cząstkowe drugiego rzędu Marcin Orchel Spis treści 1 Wstęp 1 1.1 Metoda faktoryzacji (rozdzielania zmiennych)................ 5 1.2 Metoda funkcji Greena.............................
Bardziej szczegółowoWstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie. P. F. Góra
Wstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2016 Źródła błędów numerycznych Wyniki obliczeń numerycznych obarczone sa błędami. Ich najważniejszymi
Bardziej szczegółowoMetody Obliczeniowe w Nauce i Technice
5. Aproksymacja Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl Contributors Paweł Urban Jakub Ptak Łukasz Janeczko
Bardziej szczegółowoZadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy
Zadania z algebry liniowej - sem I Przestrzenie liniowe bazy rząd macierzy Definicja 1 Niech (K + ) będzie ciałem (zwanym ciałem skalarów a jego elementy nazywać będziemy skalarami) Przestrzenią liniową
Bardziej szczegółowoAlgorytm Metropolisa-Hastingsa
Seminarium szkoleniowe, 25 kwietnia 2006 Plan prezentacji 1 Problem Metoda MCMC 2 Niezależny algorytm Metropolisa-Hastingsa Bła dzenie losowe Zbieżność procedury Metropolisa-Hastingsa Problem Metoda MCMC
Bardziej szczegółowoAnaliza Funkcjonalna - Zadania
Analiza Funkcjonalna - Zadania 1 Wprowadzamy następujące oznaczenia. K oznacza ciało liczb rzeczywistych lub zespolonych. Jeżeli T jest dowolnym zbiorem niepustym, to l (T ) = {x : E K : x funkcja ograniczona}.
Bardziej szczegółowo28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w
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 szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoAnaliza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.
Analiza numeryczna Lista nr 3 (ćwiczenia) Sprawdzić że macierz ma wartości własne2+ 222 2 2 Niechx R n Udowodnić że 2 0 0 x x 2 n x 3 NiechA R n n będzie macierzą symetryczną Wiadomo że wówczas istnieje
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoAnaliza numeryczna kolokwium2a-15grudnia2005
kolokwium2a-15grudnia2005 1.Niechf(x)=a n x n +a n 1 x n 1 +...+a 0.Jakąwartośćprzyjmujeilorazróżnicowy f[x 0,...,x n ]dladowolnychn+1paramiróżnychwęzłówx j?odpowiedźuzasadnić. 2. Pokazać, że zamiana zmiennych
Bardziej szczegółowoMetody 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 szczegółowoWEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej
WEKTORY I WARTOŚCI WŁASNE MACIERZY Ac λ c (*) ( A λi) c nietrywialne rozwiązanie gdy det A λi problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej A - macierzowa
Bardziej szczegółowo