Kurs Komputerowy S System Symboliczny Mathematica

Wielkość: px
Rozpocząć pokaz od strony:

Download "Kurs Komputerowy S System Symboliczny Mathematica"

Transkrypt

1 Kurs Komputerowy S System Symboliczny Mathematica Obliczenia numeryczne Dokladnosc i precyzja Precision[wartosc] SetPrecision[wartosc, precyzja] Accuracy[wartosc] SetAccuracy[wartosc, dokladnosc] MachinePrecision In[1]:= a Sqrt Out[1]= In[]:= Precision a Out[]= In[]:= Precision 1. Out[]= MachinePrecision

2 0-obliczenia numeryczne.nb In[]:= b 1. 0 Out[]= In[]:= Precision b Out[]= 0. In[6]:= b Sqrt. Out[6]= 1.11 In[7]:= Precision b Out[7]= MachinePrecision In[8]:= $MachinePrecision Out[8]= 1.96 In[9]:= c SetPrecision b, 0 Out[9]= In[10]:= Precision c Out[10]= 0. In[11]:= Accuracy c Out[11]= In[1]:= Accuracy 1. Out[1]= 1.806

3 0-obliczenia numeryczne.nb In[1]:= d 1. 0 Out[1]= In[1]:= Accuracy d Out[1]= 0. Wynik dokladny a przyblizony wyrazenie // N N[wyrazenie] N[wyrazenie, precyzja] Chop[wyrazenie] In[1]:= a Sqrt Out[1]= In[16]:= b Sqrt. Out[16]= 1.11 In[17]:= a N Out[17]= 1.11 In[18]:= Precision Out[18]= MachinePrecision In[19]:= N a, 0 Out[19]=

4 0-obliczenia numeryczne.nb In[0]:= Precision Out[0]= 0. In[1]:= Chop 1. Out[1]= 1. In[]:= Chop ^ 10 Out[]= 0 In[]:= Chop ^ 0 Out[]= 0 In[]:= ^ 0 Out[]= In[]:= Fourier 1, 0,, 0, 7, 0, 6,, 1 Out[]= 7. 0., , , , , , , , In[6]:= InverseFourier Out[6]= 1., ,., 0., 7., , 6.,., 1. In[7]:= Chop Out[7]= 1., 0,., 0, 7., 0, 6.,., 1. Suma i iloczyn elementow ciagu NSum[wyrazenie, {zmienna, w_pocz, w_konc}] NProduct[wyrazenie, {zmienna, w_pocz, w_konc}]

5 0-obliczenia numeryczne.nb Options[polecenie] In[8]:= NSum 1 x, x, 1, 100 Out[8]= In[9]:= NSum 1 x, x, 1, Infinity Out[9]= 1.69 In[0]:= Sum 1 x, x, 1, Infinity Out[0]= Π 6 In[1]:= N Out[1]= 1.69 In[]:= Options NSum Out[]= AccuracyGoal, Compiled Automatic, EvaluationMonitor None, Method Automatic, NSumTerms 1, PrecisionGoal Automatic, VerifyConvergence True, WorkingPrecision MachinePrecision In[]:= NSum 1 x, x, 1, Infinity, WorkingPrecision 0 Out[]= In[]:= NSum 1 x, x, 1, Infinity, PrecisionGoal 0, WorkingPrecision 0 NIntegrate::ncvb : NIntegrate failed to converge to prescribed accuracy after 9 recursive bisections in x near x NIntegrate obtained and *^- for the integral and error estimates. Out[]= In[]:= Precision Out[]= 0.

6 6 0-obliczenia numeryczne.nb In[6]:= NSum 1 x, x, 1, 10, EvaluationMonitor : Print "x ", x, " ", N 1 x, 10 x x. 0. x x x. 0.0 x x x x x Out[6]= 1.977

7 0-obliczenia numeryczne.nb 7 In[7]:= NSum 1 x, x, 1, 10, WorkingPrecision 0, EvaluationMonitor : Print "x ", x, " ", N 1 x, 10 x x x x x x x x x x Out[7]= In[8]:= NProduct x x 1, x, 1, 100 Out[8]= In[9]:= Product x x 1, x, 1, 100 Out[9]= In[0]:= N Out[0]=

8 8 0-obliczenia numeryczne.nb In[1]:= Options NProduct Out[1]= AccuracyGoal, Compiled Automatic, EvaluationMonitor None, Method Automatic, NProductFactors 1, PrecisionGoal Automatic, VerifyConvergence True, WorkingPrecision MachinePrecision Rozwiazywanie rownan NSolve[rown, zmienna] (* NSolve[...] N[Solve[...]] *) In[]:= eq x x 0 NSolve eq, x Out[]= x x 0 Out[]= x.67, x In[]:= Solve eq, x Out[]= x 7, x 7 In[]:= N Out[]= x.67, x In[6]:= Clear a, b, c In[7]:= NSolve a x b x c 0, x Out[7]= x b 1. b. a c a, x b b. a c a

9 0-obliczenia numeryczne.nb 9 FindRoot[wielomian, zmienna] In[8]:= f x x x x 1 FindRoot f, x, 1 Out[8]= 1 x x x x Out[9]= x 1.10 In[0]:= FindRoot f, x, 0 Out[0]= x In[1]:= FindRoot f, x, 1 Out[1]= x In[]:= Plot f, x,, Out[]= Interpolacja, ekstrapolacja i aproksymacja Interpolation[dane] dane: {f1, f, f,...} {{x1, f1}, {x, f}, {x, f},...} {{{x1, y,...}, f1}, {{x, y,...}, f},...} Interpolation[dane,wartosc]

10 10 0-obliczenia numeryczne.nb In[]:= d 1,,, 6,, 7,, 8 fi Interpolation d Out[]= 1,,, 6,, 7,, 8 Out[]= InterpolatingFunction 1, 8, In[]:= fi fi. Out[]= Out[6]=. In[7]:= fi 10 InterpolatingFunction::dmval : Input value 10 lies outside the range of data in the interpolating function. Extrapolation will be used. Out[7]= 9 In[8]:= Plot fi x, x, 1, Out[8]=

11 0-obliczenia numeryczne.nb 11 In[9]:= Show, ListPlot d Out[9]= In[60]:= d 1, 1,,,,,, 6, 6,, 8, 7, 9,, 11, 8 fi Interpolation d Out[60]= 1, 1,,,,,, 6, 6,, 8, 7, 9,, 11, 8 Out[61]= InterpolatingFunction 1, 11, In[6]:= Show Plot fi x, x, 1, 11, ListPlot d 7 6 Out[6]= In[6]:= Options Interpolation Out[6]= InterpolationOrder, Method Automatic, PeriodicInterpolation False

12 1 0-obliczenia numeryczne.nb In[6]:= d 1,,, 6,, 7,, 8 f0 Interpolation d, InterpolationOrder 0 ; f1 Interpolation d, InterpolationOrder 1 ; f Interpolation d, InterpolationOrder ; f Interpolation d, InterpolationOrder ; f Interpolation d, InterpolationOrder ; f Interpolation d, InterpolationOrder ; Out[6]= 1,,, 6,, 7,, 8 In[71]:= GraphicsGrid Plot f0 x, x, 1, 8, Plot f1 x, x, 1, 8, Plot f x, x, 1, 8, Plot f x, x, 1, 8, Plot f x, x, 1, 8, Plot f x, x, 1, Out[71]= Fit[dane, funkcja, zmienna] In[7]:= d 1,,, 6,, 7,, 8 ; f1 Fit d, 1, x, x f Fit d, 1, x, x, x f Fit d, 1, x, x, x, x, x f7 Fit d, 1, x, x, x, x, x, x 6, x 7, x Out[7]= x Out[7]= x x Out[7]= x 0.9 x x x Out[76]= x x 68.8 x 1. x 18.0 x 1. x x 7

13 0-obliczenia numeryczne.nb 1 In[77]:= GraphicsGrid Show Plot f1, x, 0, 9, PlotRange 0, 9,, 1, ListPlot d, Show Plot f, x, 0, 9, PlotRange 0, 9,, 1, ListPlot d, Show Plot f, x, 0, 9, PlotRange 0, 9,, 1, ListPlot d, Show Plot f7, x, 0, 9, PlotRange 0, 9,, 1, ListPlot d Out[77]= In[78]:= Fit 1, 1, x, x, x Out[78]= x 0. x FindFit[dane, funkcja, parametry, zmienna] FindFit[dane,{funkcja,warunki},parametry,zmienna] In[80]:= Clear f In[81]:= f De_, Α_, xe_ : De 1 Exp Α x xe In[8]:= funkcja f, 0., Out[8]= 1 0. x

14 1 0-obliczenia numeryczne.nb In[8]:= Plot funkcja, x, 0, 10 Out[8]= 1 In[8]:= dane Table x, funkcja, x, 1, 10 Out[8]= 1,.9098,, ,, 0.,, ,, , 6, 1.070, 7, 1.99, 8, 1.681, 9, , 10, In[8]:= ff Fit dane, 1, x, x, x, x, x Out[8]= x.70 x x x In[86]:= Show Plot ff, x, 1, 10, ListPlot dane Out[86]=

15 0-obliczenia numeryczne.nb 1 In[87]:= ffit FindFit dane, a 1 Exp b x c ^, a, b, c, x Out[87]= a 1.998, b.118, c In[88]:= Show Plot f a, b, c. ffit, x, 1, 10, ListPlot dane.0..0 Out[88]= In[89]:= ffit FindFit dane, a 1 Exp b x c ^, b 0., a, b, c, x Out[89]= a.000, b , c In[90]:= Show Plot f a, b, c. ffit, x, 1, 10, ListPlot dane Out[90]= 1 Minimum i maksimum funkcji FindMinimum[funkcja, {zmienna, wartosc}]

16 16 0-obliczenia numeryczne.nb NMinimize[funkcja,zmienna] FindMaximum[funkcja,{zmienna,wartosc}] NMaximize[funkcja,zmienna] Opcje: StepMonitor i EvaluationMonitor In[91]:= f x x x x 1 Plot f, x,, Out[91]= 1 x x x x 0 Out[9]= In[9]:= f x x x x 1 FindMinimum f, x, 0 Out[9]= 1 x x x x FindMinimum::lstol : The line search decreased the step size to within the tolerance specified by AccuracyGoal and PrecisionGoal but was unable to find a sufficient decrease in the function. You may need more than MachinePrecision digits of working precision to meet these tolerances. Out[9]= , x In[9]:= FindMinimum f, x, Out[9]= 9.696, x.1906 In[96]:= FindMinimum f, x, Out[96]= 9.696, x.1906

17 0-obliczenia numeryczne.nb 17 In[97]:= NMinimize f, x Out[97]= 9.696, x.1906 In[98]:= Options NMinimize Out[98]= AccuracyGoal Automatic, EvaluationMonitor None, MaxIterations 100, Method Automatic, PrecisionGoal Automatic, StepMonitor None, WorkingPrecision MachinePrecision In[99]:= NMinimize f, x, Method "DifferentialEvolution" Out[99]= 9.696, x.1906 In[100]:= FindMaximum f, x, 0 Out[100]=.701, x In[101]:= FindMaximum f, x, 1 FindMaximum::cvmit : Failed to converge to the requested accuracy or precision within 100 iterations. Out[101]= , x In[10]:= NMaximize f, x NMaximize::cvdiv : Failed to converge to a solution. The function may be unbounded. Out[10]= , x

18 18 0-obliczenia numeryczne.nb In[10]:= i 1; FindMinimum f, x, 0, StepMonitor : Print "i ", i, " x ", x ; i i 1 x 0. i x i x i x i x i 6 x i 7 x FindMinimum::lstol : The line search decreased the step size to within the tolerance specified by AccuracyGoal and PrecisionGoal but was unable to find a sufficient decrease in the function. You may need more than MachinePrecision digits of working precision to meet these tolerances. Out[10]= , x 0.787

19 0-obliczenia numeryczne.nb 19 In[10]:= i 1; FindMinimum f, x, 0, EvaluationMonitor : Print "i ", i, " x ", x ; i i 1 x 0. i x 0. i x i x i x i 6 x i 7 x i 8 x i 9 x i 10 x i 11 x i 1 x i 1 x i 1 x i 1 x FindMinimum::lstol : The line search decreased the step size to within the tolerance specified by AccuracyGoal and PrecisionGoal but was unable to find a sufficient decrease in the function. You may need more than MachinePrecision digits of working precision to meet these tolerances. Out[10]= , x Calkowanie NIntegrate[funkcja, {zmienna, w_pocz, w_konc}]

20 0 0-obliczenia numeryczne.nb In[10]:= NIntegrate Sin x, x, 0, 1 Out[10]= In[106]:= Options NIntegrate Out[106]= AccuracyGoal, Compiled Automatic, EvaluationMonitor None, Exclusions None, MaxPoints Automatic, MaxRecursion Automatic, Method Automatic, MinRecursion 0, PrecisionGoal Automatic, WorkingPrecision MachinePrecision In[107]:= NIntegrate Sin x ^ Cos y^, x, 0, Pi, y, 0, Pi Out[107]= Rozwiazywanie rownan rozniczkowych NDSolve[{rownanie,warunki}, funkcja,{zmienna, w_pocz, w_konc}] In[109]:= DSolve y x Cos x, y x, x Out[109]= y x C 1 Sin x In[110]:= r DSolve y x Cos x, y 0 1, y x, x Out[110]= y x 1 Sin x In[111]:= f y x. r 1 Out[111]= 1 Sin x In[11]:= Table f, x, 0, 10 N Out[11]= 1., 1.817, 1.909, 1.111, 0.198, , 0.708, , , 1.11, 0.979

21 0-obliczenia numeryczne.nb 1 In[11]:= nr NDSolve y x Cos x, y 0 1, y, x, 0, 10 Out[11]= y InterpolatingFunction 0., 10., In[11]:= Table y x. nr 1, x, 0, 10 Out[11]= 1., 1.817, , 1.111, 0.198, , 0.708, , 1.989, 1.11, In[11]:= Plot f, y x. nr 1, x, 0, Out[11]= In[116]:= Options NDSolve Out[116]= AccuracyGoal Automatic, Compiled Automatic, DependentVariables Automatic, EvaluationMonitor None, InterpolationOrder Automatic, MaxStepFraction 1 10, MaxSteps , MaxStepSize Automatic, Method Automatic, NormFunction Automatic, PrecisionGoal Automatic, SolveDelayed Automatic, StartingStepSize Automatic, StepMonitor None, WorkingPrecision MachinePrecision

Kurs komputerowy S - Mathematica - cz. 3 Suma i iloczyn elementow ciagu NSum[wyr, {zm, w_pocz, w_konc}], NProduct[wyr, {zm, w_pocz, w_konc}]

Kurs komputerowy S - Mathematica - cz. 3 Suma i iloczyn elementow ciagu NSum[wyr, {zm, w_pocz, w_konc}], NProduct[wyr, {zm, w_pocz, w_konc}] OBLICZENIA NUMERYCZNE, Karolina Mikulska-Ruminska Kurs komputerowy S - Mathematica - cz. Suma i iloczyn elementow ciagu NSum[wyr, {zm, w_pocz, w_konc}], NProduct[wyr, {zm, w_pocz, w_konc}]? *Sum* System`

Bardziej szczegółowo

Sin[Pi / 4] Log[2, 1024] Prime[10]

Sin[Pi / 4] Log[2, 1024] Prime[10] In[1]:= (* WSTĘP DO PAKIETU MATHEMATICA *) (* autorzy: Łukasz Płociniczak,Marek Teuerle*) (* Składnia: nazwy funkcji z wielkiej litery a argumenty w kwadratowych nawiasach. Wywołujemy wartość SHIFT+ENTER

Bardziej szczegółowo

Kurs komputerowy S - Mathematica - cz. 2

Kurs komputerowy S - Mathematica - cz. 2 OBLICZENIA SYMBOLICZNE, Karolina MikulskaRuminska Kurs komputerowy S Mathematica cz. zmienna = wartosc Set[zmienna,wartosc] x = 7 7 x = x ^ x = 5 5 x Inaczej.. y = y ^ y y = 5 y 5 5 y = 0 y 0 000 KursS_cz.nb

Bardziej szczegółowo

Zadanie1. (* parametryzacja okręgu r'= x',y',0 *) xp = R * Cos fp ; yp = R * Sin fp ; vecrp = xp, yp, 0 ; vecr = r * Cos f, r * Sin f, z ;

Zadanie1. (* parametryzacja okręgu r'= x',y',0 *) xp = R * Cos fp ; yp = R * Sin fp ; vecrp = xp, yp, 0 ; vecr = r * Cos f, r * Sin f, z ; Zadanie1 (* parametryzacja okręgu r'= x',y',0 *) Z ogólnego twierdzenia o rozwiązaniach równania Laplace a wynika, że potencjał elektryczny nie może mieć w tym punkcie ekstremum lokalnego. Warto się jednak

Bardziej szczegółowo

Matematyka 3. Suma szeregu. Promień zbieżności szeregu. Przykład 1: Przykład 2: GenerateConditions

Matematyka 3. Suma szeregu. Promień zbieżności szeregu. Przykład 1: Przykład 2: GenerateConditions Matematyka 3 Suma szeregu? Sum i max Sum[f, {i, i max }] evaluates the sum f. Sum[f, {i, i min, i max }] starts with i = i min. Sum[f, {i, i min, i max, di}] uses steps di. Sum[f, {i, {i 1, i 2, }}] uses

Bardziej szczegółowo

= 1, = = + 1D, + 2D<,

= 1, = = + 1D, + 2D<, 'Przypadkowe bladzenie' jako przyklad prostego problemu, ktory moze byc pierwszym zadaniem, dla studiujacych 'Mathematica', zwiazanychm z rozwiazaniem 'rzeczywistego' problemu. Rozwazmy ruch jednowymiarowy

Bardziej szczegółowo

n 2 1. lim n 3 sin 2. lim k 2 + n 2 3. lim 8 k n + 2 k + 5 n 2 Oblicz granice n lim n 2 3 π + log(8) x π + log(64) lim sin sin lim

n 2 1. lim n 3 sin 2. lim k 2 + n 2 3. lim 8 k n + 2 k + 5 n 2 Oblicz granice n lim n 2 3 π + log(8) x π + log(64) lim sin sin lim . Oblicz graice. k= k 3 + 3. 3. si k= k + 8 k + k + 5 k= k= k 3 + 3 9 3 π + log(8) 3 k= k 3 + 3 k= k 3 + 3 k= 3 + k 3 Itegrate, {,, } 3 + 8 3 π + log(64) k 3 k= k= si si k + k + k + - LimitSum π 4 k +

Bardziej szczegółowo

2017 R. Robert Gajewski: Mathcad Prime 4. Solution of examples Rozwiązania przykładów

2017 R. Robert Gajewski: Mathcad Prime 4. Solution of examples Rozwiązania przykładów 07 R. Robert Gajewski: Mathcad Prime 4 0. Calculate numerically and present results in different formats and precision. 0. Oblicz numerycznie i przedstaw wyniki w różnych formatach i z różną precyzją.

Bardziej szczegółowo

Mathematica - organizacja. czyli sztuka obliczeń symbolicznych. Możliwości. Mathematica do czego można ją użyć. Możliwości, cd. Mathematica publikacje

Mathematica - organizacja. czyli sztuka obliczeń symbolicznych. Możliwości. Mathematica do czego można ją użyć. Możliwości, cd. Mathematica publikacje czyli sztuka obliczeń symbolicznych Mathematica - organizacja Dokument Mathematica zorganizowany jest w tzw. komórki. Ręczne zerowanie zmiennych Clear[variables] (* czyści wartości zmiennych*) x=. (* to

Bardziej szczegółowo

dr inż. Damian Słota Gliwice r. Instytut Matematyki Politechnika Śląska

dr inż. Damian Słota Gliwice r. Instytut Matematyki Politechnika Śląska Program wykładów z metod numerycznych na semestrze V stacjonarnych studiów stopnia I Podstawowe pojęcia metod numerycznych: zadanie numeryczne, algorytm. Analiza błędów: błąd bezwzględny i względny, przenoszenie

Bardziej szczegółowo

Mathematica od zera. Paulina Suchanek, IFT Wroclaw. Factor x 2 2 x 1. Series Log 1 x, x, 0, 5. 1. Wprowadzenie. Start. Struktura notatnika

Mathematica od zera. Paulina Suchanek, IFT Wroclaw. Factor x 2 2 x 1. Series Log 1 x, x, 0, 5. 1. Wprowadzenie. Start. Struktura notatnika Mathematica od zera Paulina Suchanek, IFT Wroclaw 1. Wprowadzenie Start Struktura notatnika Notatnik edytujemy uzywajac opcji z zakladki Format. Strukture rozdzialow wprowadzamy wybierajac opcje z okienka

Bardziej szczegółowo

TTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2

TTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2 TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 8: Structured PredicCon 2 1 Roadmap intro (1 lecture) deep learning for NLP (5 lectures) structured predic+on (4 lectures)

Bardziej szczegółowo

Dokowanie molekularne. Andrzej Bąk

Dokowanie molekularne. Andrzej Bąk Dokowanie molekularne Andrzej Bąk Import bibliotek sys, pybel, openbabel oraz gzip niezbędnych do wykonania ćwiczenia. import sys sys.path.append('/usr/lib/pymodules /python2.6') try: import sys import

Bardziej szczegółowo

TTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction

TTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction

Bardziej szczegółowo

Wykład 6. Prawo Hooke a. Robert Hooke

Wykład 6. Prawo Hooke a. Robert Hooke Wykład 6 Równania różniczkowe, funkcje DSolve oraz NDSolve. Wykres fazowy. Prawo Hooke a, drgania sprężyn. Ruch z oporem powietrza. In[1]:= ClearAll["Global`*"] wyczyść wszystko Prawo Hooke a Robert Hooke

Bardziej szczegółowo

Chapter 1: Review Exercises

Chapter 1: Review Exercises Chpter : Review Eercises Chpter : Review Eercises - Evlute the following integrls:..... 6. 8. ( + ) 9. +.. ( + ). ( ). 8. 9....... 6. 7. (csc + + ) sin tn 6. ( )( + ) 7. ) 8.. + ( + )( ). ( ) sin sin sec

Bardziej szczegółowo

Wprowadzanie wyrazen w Mathematice

Wprowadzanie wyrazen w Mathematice 1 z 52 2006-11-12 14:07 Wprowadzanie wyrazen w Mathematice Greckie litery Greckie litery jako nazwy zmiennych In[1]:= Expand[(α + β)^3] Out[1]= In[2]:= Out[2]= Expand[(\[Alpha] + \[Beta])^3] In[3]:= Out[3]=

Bardziej szczegółowo

OpenPoland.net API Documentation

OpenPoland.net API Documentation OpenPoland.net API Documentation Release 1.0 Michał Gryczka July 11, 2014 Contents 1 REST API tokens: 3 1.1 How to get a token............................................ 3 2 REST API : search for assets

Bardziej szczegółowo

Obliczenia Symboliczne

Obliczenia Symboliczne Lekcja Strona z Obliczenia Symboliczne MathCad pozwala na prowadzenie obliczeń zarówno numerycznych, dających w efekcie rozwiązania w postaci liczbowej, jak też obliczeń symbolicznych przeprowadzanych

Bardziej szczegółowo

Wielki rozkład kanoniczny

Wielki rozkład kanoniczny Ćwiczenia nr 0 Wielki rozkład kanoniczny Jest to rozkład prawdopodobieństwa dla układu o zmiennej liczbie cząstek N. Liczbę cząstek możemy potraktować jako dodatkową liczbą kwantową układu. ψ jest to stan

Bardziej szczegółowo

Algebra Symboliczna. Wykład I. Andrzej Odrzywolek. Instytut Fizyki, Zakład Teorii Względności i Astrofizyki

Algebra Symboliczna. Wykład I. Andrzej Odrzywolek. Instytut Fizyki, Zakład Teorii Względności i Astrofizyki Algebra Symboliczna Wykład I Andrzej Odrzywolek Instytut Fizyki, Zakład Teorii Względności i Astrofizyki 03.10.2007, środa, 13:15 Dane kontaktowe dr Andrzej Odrzywołek pokój 447, IV piętro E-mail: odrzywolek@th.if.uj.edu.pl

Bardziej szczegółowo

, h(x) = sin(2x) w przedziale [ 2π, 2π].

, h(x) = sin(2x) w przedziale [ 2π, 2π]. Informatyczne podstawy projektowania, IŚ, / Maima, część II. Rysowanie wykresów w dwu i trzech wymiarach (zob. 5). a. Otwórz panel okna Wykres D i zapoznaj się z nim. Wyrażenie(a) - tutaj wpisujemy funkcję

Bardziej szczegółowo

Helena Boguta, klasa 8W, rok szkolny 2018/2019

Helena Boguta, klasa 8W, rok szkolny 2018/2019 Poniższy zbiór zadań został wykonany w ramach projektu Mazowiecki program stypendialny dla uczniów szczególnie uzdolnionych - najlepsza inwestycja w człowieka w roku szkolnym 2018/2019. Składają się na

Bardziej szczegółowo

General Certificate of Education Ordinary Level ADDITIONAL MATHEMATICS 4037/12

General Certificate of Education Ordinary Level ADDITIONAL MATHEMATICS 4037/12 UNIVERSITY OF CAMBRIDGE INTERNATIONAL EXAMINATIONS General Certificate of Education Ordinary Level www.xtremepapers.com *6378719168* ADDITIONAL MATHEMATICS 4037/12 Paper 1 May/June 2013 2 hours Candidates

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

Kurs Komputerowy S System Symboliczny Mathematica

Kurs Komputerowy S System Symboliczny Mathematica Kurs Komputerowy S System Symboliczny Mathematica Dodatek Struktura FullForm[] TreeForm[] Timing[] Apply[] In[4]:= w 3 x^2 5 x 4 Out[4]= 4 5 x 3 x 2 In[5]:= FullForm w Out[5]//FullForm= Plus 4, Times 5,

Bardziej szczegółowo

n p 2 i = R 2 (8.1) i=1

n p 2 i = R 2 (8.1) i=1 8.9 Rozkład Maxwella Jest to rozkład prędkości cząstek w gazie doskonałym. Wielkość f (p) jest gęstością prawdopodobieństwa znalezienia cząstki o pędzie p. Różnica pomiędzy rozkładem Maxwella i rozkładem

Bardziej szczegółowo

Elementy metod numerycznych - zajęcia 11

Elementy metod numerycznych - zajęcia 11 Elementy metod numerycznych - zajęcia 11 Mathematica - Wolfram Alpha 1 1. Labolatoria Zajęcia za 34 punktów. Proszę wysłać krótkie zwięzłe odpowiedzi na pytania oznaczone symbolem ( x, p) i numerkiem (x),

Bardziej szczegółowo

Wykład 7 - Inne moduły wspierające obliczenia numeryczne

Wykład 7 - Inne moduły wspierające obliczenia numeryczne Programowanie Wykład 7 - Inne moduły wspierające obliczenia numeryczne Plan wykładu: SymPy Zmienne symboliczne Liczby zespolone Liczby wymierne Obliczenia numeryczne Wyrażenia algebraiczne Wyrażenia wymierne

Bardziej szczegółowo

16 Jednowymiarowy model Isinga

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

Bardziej szczegółowo

Python wstęp do programowania dla użytkowników WCSS

Python wstęp do programowania dla użytkowników WCSS Python wstęp do programowania dla użytkowników WCSS Dr inż. Krzysztof Berezowski Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej Wprowadzenie CHARAKTERYSTYKA JĘZYKA Filozofia języka

Bardziej szczegółowo

Laboratorium 1b Operacje na macierzach oraz obliczenia symboliczne

Laboratorium 1b Operacje na macierzach oraz obliczenia symboliczne Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Laboratorium Metod Numerycznych Laboratorium 1b Operacje na macierzach oraz obliczenia symboliczne 1 Zadania 1. Obliczyć numerycznie

Bardziej szczegółowo

wiczenia (z przyk adami i cz ciowymi rozwi zaniami)

wiczenia (z przyk adami i cz ciowymi rozwi zaniami) wiczenia (z przyk adami i cz ciowymi rozwi zaniami) 1. Narysuj wykresy funkcji z x 2 y 2, z 2 x 2 y 9 w R 3. Narysuj linie x 1 2 t, y 1 2 t, z 2 t. Poka wszystkie wykresy na jednym obrazku. Rozwi zanie

Bardziej szczegółowo

PAKIETY STATYSTYCZNE

PAKIETY STATYSTYCZNE . Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa

Bardziej szczegółowo

SzeregFouriera-Legendre a

SzeregFouriera-Legendre a SzeregFouriera-Legendre a Szereg Fouriera-Legendre a : n=0 P n (t) f n Współczynniki f n = Pn (t) f (t) dt - Pn (t) 2 dt - = 2 n + Pn 2 - (t) f (t) dt Pn - (t) 2 dt = 2 2 n + Zadanie Policz kwadrat normy

Bardziej szczegółowo

Maxima i Visual Basic w Excelu

Maxima i Visual Basic w Excelu 12 marca 2013 Maxima - zapoznanie z programem Maxima to program - system algebry komputerowej. Podstawowa różnica w stosunku do klasycznych programów obliczeniowych jest możliwość wykonywania obliczeń

Bardziej szczegółowo

Installation of EuroCert software for qualified electronic signature

Installation of EuroCert software for qualified electronic signature Installation of EuroCert software for qualified electronic signature for Microsoft Windows systems Warsaw 28.08.2019 Content 1. Downloading and running the software for the e-signature... 3 a) Installer

Bardziej szczegółowo

Elementy projektowania inzynierskiego Przypomnienie systemu Mathcad

Elementy projektowania inzynierskiego Przypomnienie systemu Mathcad Elementy projektowania inzynierskiego Definicja zmiennych skalarnych a : [S] - SPACE a [T] - TAB - CTRL b - SHIFT h h. : / Wyświetlenie wartości zmiennych a a = b h. h. = Przykładowe wyrażenia

Bardziej szczegółowo

Rozwiązywanie równań różniczkowych z niezerowymi warunkami początkowymi

Rozwiązywanie równań różniczkowych z niezerowymi warunkami początkowymi . Cele ćwiczenia Laboratorium nr Rozwiązywanie równań różniczkowych z niezerowymi warunkami początkowymi zapoznanie się z metodami symbolicznego i numerycznego rozwiązywania równań różniczkowych w Matlabie,

Bardziej szczegółowo

(8) Oblicz wyznacznik dowolnie wybranej macierzy stopnia czwartego. (9) Rozwi aż podany układ równań stosuj ac wzory Cramera:

(8) Oblicz wyznacznik dowolnie wybranej macierzy stopnia czwartego. (9) Rozwi aż podany układ równań stosuj ac wzory Cramera: Zadania przygotowuj ace do kolokwium (budownictwo, studia niestacjonarne, drugi semestr, 209) [7III] () Podaj przykład dowolnej macierzy A drugiego stopnia Oblicz A A T + A T A (2) Podaj przykład dowolnej

Bardziej szczegółowo

Podstawowe I/O Liczby

Podstawowe I/O Liczby Podstawowe I/O Liczby Informatyka Jolanta Bachan Implementacja algorytmów, cd. I/O: Keyboard in, screen out, no loops Jolanta Bachan 2 Implementacja algorytmów, cd. I/O: Keyboard in, screen out, no loops

Bardziej szczegółowo

Metody Numeryczne. Laboratorium 1. Wstęp do programu Matlab

Metody Numeryczne. Laboratorium 1. Wstęp do programu Matlab Metody Numeryczne Laboratorium 1 Wstęp do programu Matlab 1. Wiadomości wstępne liczby, format Program Matlab używa konwencjonalną notację dziesiętną, z kropka dziesiętną. W przypadku notacji naukowej

Bardziej szczegółowo

METHOD 2 -DIAGNOSTIC OUTSIDE

METHOD 2 -DIAGNOSTIC OUTSIDE VW MOTOMETER BOSCH METHOD 1 - OBD 2 METHOD 2 -DIAGNOSTIC OUTSIDE AFTER OPERATION YOU MUST DISCONECT ACU OR REMOVE FUSE FOR RESTART ODOMETER PO ZROBIENIU LICZNIKA ZDJĄĆ KLEMĘ LUB WYJĄĆ 2 BEZPIECZNIKI OD

Bardziej szczegółowo

Analiza matematyczna 3

Analiza matematyczna 3 Analiza matematyczna 3 Pochodna funkcji pierwsza pochodna: x'[t] x [t] Derivative[][x][t] x (t) D[x[t], t] x (t) 7. pochodna: Derivative[7][x][t] x (7) (t) D[x[t], {t, 7}] x (7) (t) pochodne funkcji wielu

Bardziej szczegółowo

Podstawowe wyrażenia matematyczne

Podstawowe wyrażenia matematyczne Lech Sławik Podstawy Maximy 3 Wyrażenia matematyczne.wxmx 1 / 7 Podstawowe wyrażenia matematyczne 1 Nazwy Nazwy (zmiennych, stałych, funkcji itp.) w Maximie mogą zawierać małe i duże litery alfabetu łacińskiego,

Bardziej szczegółowo

Ż ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż

Bardziej szczegółowo

Ś Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż

Bardziej szczegółowo

Ł Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń

Bardziej szczegółowo

Ł Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć

Bardziej szczegółowo

for - instrukcja pętli "dla" umożliwia wielokrotne obliczenie sekwencji wyrażeń s s + k s while z j

for - instrukcja pętli dla umożliwia wielokrotne obliczenie sekwencji wyrażeń s s + k s while z j Opracowanie: Anna Kluźniak / Jadwiga Matla Ćw4.mcd /9 Katedra Inmatyki Stosowanej - Studium Podstaw Inmatyki PAKIET MathCad - Część IV. PROGRAMOWANIE MathCad posiada możliwości tworzenia prostych podprogramów,

Bardziej szczegółowo

Camspot 4.4 Camspot 4.5

Camspot 4.4 Camspot 4.5 User manual (addition) Dodatek do instrukcji obsługi Camspot 4.4 Camspot 4.5 1. WiFi configuration 2. Configuration of sending pictures to e-mail/ftp after motion detection 1. Konfiguracja WiFi 2. Konfiguracja

Bardziej szczegółowo

Zamiana sumowania po stanach jednocząstkowych na całkowanie

Zamiana sumowania po stanach jednocząstkowych na całkowanie TiFS, Ćwiczenia nr 11 Zamiana sumowania po stanach jednocząstkowych na całkowanie Gęstość stanów kwantowych na osi energii f (E) określa liczbę stanów N(E) w określonym przedziale energii de: f (E) de

Bardziej szczegółowo

ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM

ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM Zbigniew ZDZIENNICKI Andrzej MACIEJCZYK Politechnika Łódzka, Łódź ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM Słowa kluczowe Struktury równoległe układów niezawodnościowych,

Bardziej szczegółowo

Witam! Czym jest Mathematica?

Witam! Czym jest Mathematica? Witam! Nazywam się Jacek Golak Pracuję w Zakładzie Fizyki Jądrowej Instytutu Fizyki UJ Moja dziedzina to teoretyczna fizyka jądrowa Numer pokoju: B2-32 e-mail: jacek.golak@uj.edu.pl strona WWW: http://users.uj.edu.pl/~golak/zestawynof.html

Bardziej szczegółowo

1 Przypadek jednej niewiadomej rzeczywistej, bez parametrów

1 Przypadek jednej niewiadomej rzeczywistej, bez parametrów 1 Przypadek jednej niewiadomej rzeczywistej, bez parametrów 1.1 Zalecana metodologia rozwiązywania W tym rozdziale zajmiemy się zagadnieniem polegającym na rozwiązaniu równania o jednej niewiadomej bez

Bardziej szczegółowo

MATEMATYKA II. znaleźć f(g(x)) i g(f(x)).

MATEMATYKA II. znaleźć f(g(x)) i g(f(x)). MATEMATYKA II PAWEŁ ZAPAŁOWSKI Równania i nierówności Zadanie Wyznaczyć dziedziny i wzory dla f f, f g, g f, g g, gdzie () f() =, g() =, () f() = 3 + 4, g() = Zadanie Dla f() = 3 5 i g() = 8 znaleźć f(g()),

Bardziej szczegółowo

Kalibrator napięcia i prądu LB02

Kalibrator napięcia i prądu LB02 Dane aktualne na dzień: 17-08-2017 03:08 Link do produktu: http://sklep.gotronik.pl/kalibrator-napiecia-i-pradu-lb02-p-3934.html Kalibrator napięcia i prądu LB02 Cena Dostępność Numer katalogowy 725,00

Bardziej szczegółowo

Równania różniczkowe liniowe rzędu pierwszego

Równania różniczkowe liniowe rzędu pierwszego Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to

Bardziej szczegółowo

Wykorzystanie programów komputerowych do obliczeń matematycznych

Wykorzystanie programów komputerowych do obliczeń matematycznych Temat wykładu: Wykorzystanie programów komputerowych do obliczeń matematycznych Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy Przykłady: Programy wykorzystywane

Bardziej szczegółowo

Liczby zespolone to (uporządkowane) pary liczb rzeczywistych, dla których dodawanie i mnożenie jest określone wzorami:

Liczby zespolone to (uporządkowane) pary liczb rzeczywistych, dla których dodawanie i mnożenie jest określone wzorami: Przytaczając definicję liczb zespolonych, wyznacznika, wypowiedź twierdzenia Cramera oraz Kroneckera-Capelliego, korzystałem z I tomu wykładów Prof. Andrzeja Staruszkiewicza dla fizyków: ALGEBRA I GEOMETRIA,

Bardziej szczegółowo

1 Obliczenia na danych

1 Obliczenia na danych 1 Obliczenia na danych 1.1 Wyrażenia w SAS 1. stałe numeryczne, czyli liczby używane w wyrażeniach SAS. Możemy je prezentować (a) w zapisie standardowym np. 5, 6.7, -2.1, (b) w notacji naukowej np. 2e5

Bardziej szczegółowo

Proposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science

Proposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science Proposal of thesis topic for mgr in (MSE) programme 1 Topic: Monte Carlo Method used for a prognosis of a selected technological process 2 Supervisor: Dr in Małgorzata Langer 3 Auxiliary supervisor: 4

Bardziej szczegółowo

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

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

Bardziej szczegółowo

www.irs.gov/form990. If "Yes," complete Schedule A Schedule B, Schedule of Contributors If "Yes," complete Schedule C, Part I If "Yes," complete Schedule C, Part II If "Yes," complete Schedule C, Part

Bardziej szczegółowo

Algorytmy i struktury danych

Algorytmy i struktury danych Algorytmy i struktury danych 4. Łódź 2018 Suma szeregu harmonicznego - Wpisz kod programu w oknie edycyjnym - Zapisz kod w pliku harmonic.py - Uruchom skrypt (In[1]: run harmonic.py) - Ten program wykorzystuje

Bardziej szczegółowo

Ćwiczenie 1 z metod obliczeniowych w nauce i technice

Ćwiczenie 1 z metod obliczeniowych w nauce i technice Ćwiczenie 1 z metod obliczeniowych w nauce i technice dla... (Temat ma być oddany wraz ze sprawozdaniem z ćwiczenia.) 1. Użyj skryptu lagrange.m do obliczenia aproksymacji Lagrange a 4 stopnia wybranej

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM ROZSZERZONY 4 MARCA 2017 CZAS PRACY: 180 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Ile jest liczb x należacych

Bardziej szczegółowo

Witam Państwa na wykładzie dotyczącym narzędzi obliczeniowych fizyki!

Witam Państwa na wykładzie dotyczącym narzędzi obliczeniowych fizyki! Witam Państwa na wykładzie dotyczącym narzędzi obliczeniowych fizyki! Nazywam się Jacek Golak Pracuję w Zespole Zakładów Fizyki Jądrowej Instytutu Fizyki UJ i jestem kierownikiem Zakładu Teorii Układów

Bardziej szczegółowo

Języki programowania wysokiego poziomu. PHP cz.2.

Języki programowania wysokiego poziomu. PHP cz.2. Języki programowania wysokiego poziomu PHP cz.2. Instrukcje strukturalne PHP Instrukcje strukturalne Instrukcja grupująca (blok instrukcji) Instrukcja warunkowa, if-else Instrukcja wyboru, switch-case

Bardziej szczegółowo

Komputerowe przetwarzanie obrazu Laboratorium 5

Komputerowe przetwarzanie obrazu Laboratorium 5 Komputerowe przetwarzanie obrazu Laboratorium 5 Przykład 1 Histogram obrazu a dobór progu binaryzacji. Na podstawie charakterystyki histogramu wybrano dwa różne progi binaryzacji (120 oraz 180). Proszę

Bardziej szczegółowo

Przykładowy program ćwiczeń

Przykładowy program ćwiczeń Przykładowy program ćwiczeń Ćwiczenie 1. Obliczenie funkcji elementarnych za pomocą szeregów. Opracowanie wyrażeń rekurencyjnych. 3 4 Realizacja w Ecelu funkcji e 1. 1!! 3! 4! Przykład 1: Obliczenie wartości

Bardziej szczegółowo

Harmonogramowanie, kosztorysowanie, planowanie budowy.

Harmonogramowanie, kosztorysowanie, planowanie budowy. Harmonogramowanie, kosztorysowanie, planowanie budowy. Adrian Bałazy, Dawid Fedko Realizacja Modelowanie Symulacje BIM Koordynacja Harmonogram Przedmiary Adrian Bałazy AUTOMATYZACJA PROCESU BUDOWLANEGO

Bardziej szczegółowo

Mathematica (1) Organizacja Mathematica Notebooks. Style dokumentów

Mathematica (1) Organizacja Mathematica Notebooks. Style dokumentów Mathematica (1) Organizacja Mathematica Notebooks Dokument Mathematica zorganizowany jest w tzw. komórki. KaŜda komórka zawiera materiał określonego rodzaju: tekst, grafikę, dane wejściowe, dane wyjściowe

Bardziej szczegółowo

Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2

Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2 Temat wykładu: Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2 Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy 1 Przykłady: Programy

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 24 MARCA 202 CZAS PRACY: 70 MINUT Zadania zamknięte ZADANIE ( PKT.) Liczba 3 3 3 jest równa A)

Bardziej szczegółowo

Instalacja

Instalacja Wprowadzenie Scilab pojawił się w Internecie po raz pierwszy, jako program darmowy, w roku 1994 Od 1990 roku pracowało nad nim 5 naukowców z instytutu INRIA (Francuski Narodowy Instytut Badań w Dziedzinie

Bardziej szczegółowo

Gradient Coding using the Stochastic Block Model

Gradient Coding using the Stochastic Block Model Gradient Coding using the Stochastic Block Model Zachary Charles (UW-Madison) Joint work with Dimitris Papailiopoulos (UW-Madison) aaacaxicbvdlssnafj3uv62vqbvbzwarxjsqikaboelgzux7gcaeywtsdp1mwsxeaepd+ctuxcji1r9w5984bbpq1gmxdufcy733bcmjutn2t1fawl5zxsuvvzy2t7z3zn29lkwyguktjywrnqbjwigntuuvi51uebqhjlsdwfxebz8qiwnc79uwjv6mepxgfcoljd88uiox0m1hvlnzwzgowymjn7tjyzertmvpareju5aqkndwzs83thawe64wq1j2httvxo6eopirccxnjekrhqae6wrkuuykl08/gmnjryqwsoqurubu/t2ro1jkyrzozhipvpz3juj/xjdt0ywxu55mina8wxrldkoetukairuekzbubgfb9a0q95fawonqkjoez/7lrdi6trzbcm7pqvwrio4yoarh4aq44bzuwq1ogcba4be8g1fwzjwzl8a78tfrlrnfzd74a+pzb2h+lzm=

Bardziej szczegółowo

Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2

Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2 Temat wykładu: Wykorzystanie programów komputerowych do obliczeń matematycznych, cz. 2/2 Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy 1 Przykłady: Programy

Bardziej szczegółowo

SymPy matematyka symboliczna w Pythonie

SymPy matematyka symboliczna w Pythonie SymPy matematyka symboliczna w Pythonie Mateusz Paprocki Continuum Analytics, Inc. 30 listopada 2015 Co to jest matematyka symboliczna? Python operuje na liczbach zmiennoprzecinkowych

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4 ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?

Bardziej szczegółowo

ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM

ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM 1-2011 PROBLEMY EKSPLOATACJI 205 Zbigniew ZDZIENNICKI, Andrzej MACIEJCZYK Politechnika Łódzka, Łódź ZASTOSOWANIE SPLOTU FUNKCJI DO OPISU WŁASNOŚCI NIEZAWODNOŚCIOWYCH UKŁADÓW Z REZERWOWANIEM Słowa kluczowe

Bardziej szczegółowo

y = The Chain Rule Show all work. No calculator unless otherwise stated. If asked to Explain your answer, write in complete sentences.

y = The Chain Rule Show all work. No calculator unless otherwise stated. If asked to Explain your answer, write in complete sentences. The Chain Rule Show all work. No calculator unless otherwise stated. If asked to Eplain your answer, write in complete sentences. 1. Find the derivative of the functions y 7 (b) (a) ( ) y t 1 + t 1 (c)

Bardziej szczegółowo

Zastosowanie pakietów algebry komputerowej do obliczeń numerycznych i symbolicznych

Zastosowanie pakietów algebry komputerowej do obliczeń numerycznych i symbolicznych Zastosowanie pakietów algebry komputerowej do obliczeń numerycznych i symbolicznych dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 14czerwca2013r. STEPHEN

Bardziej szczegółowo

Dr. inŝ. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania. Przykładowe zadania optymalizacji nieliniowej bez ograniczeń

Dr. inŝ. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania. Przykładowe zadania optymalizacji nieliniowej bez ograniczeń Wydział Elektroniki Kier: Automatyka i Robotyka Studia magisterskie II stopnia Dr. inŝ. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania Przykładowe zadania optymalizacji nieliniowej

Bardziej szczegółowo

INSTRUKCJE JAK AKTYWOWAĆ SWOJE KONTO PAYLUTION

INSTRUKCJE JAK AKTYWOWAĆ SWOJE KONTO PAYLUTION INSTRUKCJE JAK AKTYWOWAĆ SWOJE KONTO PAYLUTION Kiedy otrzymana przez Ciebie z Jeunesse, karta płatnicza została zarejestrowana i aktywowana w Joffice, możesz przejść do aktywacji swojego konta płatniczego

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 14 KWIETNIA 2018 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Liczba 5 30 2 3 5

Bardziej szczegółowo

Wykład Ćwiczenia Laboratorium Projekt Seminarium 15 30

Wykład Ćwiczenia Laboratorium Projekt Seminarium 15 30 Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim PAKIETY MATEMATYCZNE Nazwa w języku angielskim Mathematical Programming Packages Kierunek studiów (jeśli

Bardziej szczegółowo

Lista 1. (e) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę. (f) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę

Lista 1. (e) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę. (f) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę MATEMATYKA Lista 1 1. Zbadać liniową niezależność wektorów. (a) (1, 2, 3), (3, 4, 5), V = R 3 ; (b) (1, 2, 3), (3, 2, 1), (1, 1, 1), V = R 3 ; (c) (1, 0, 0, 0), ( 1, 1, 0, 0), (1, 1, 1, 0), ( 1, 1 1, 1),

Bardziej szczegółowo

ZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna

ZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna Arkusz A04 2 Poziom podstawowy ZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna odpowiedź Zadanie 1. (0-1) Liczba π spełnia nierówność: A. + 1 > 5 B. 1 < 2 C. + 2 3 4

Bardziej szczegółowo

JAVAScript w dokumentach HTML - przypomnienie

JAVAScript w dokumentach HTML - przypomnienie Programowanie obiektowe ćw.1 JAVAScript w dokumentach HTML - przypomnienie JavaScript jest to interpretowany, zorientowany obiektowo, skryptowy język programowania. Skrypty JavaScript są zagnieżdżane w

Bardziej szczegółowo

Fizyka na komputerze

Fizyka na komputerze Fizyka na komputerze O zastosowaniu systemów algebry symbolicznej Andrzej Odrzywolek Instytut Fizyki UJ, Zakład Teorii Względności i Astrofizyki 13.05.2008, wtorek, 16:00 Dane kontaktowe dr Andrzej Odrzywołek

Bardziej szczegółowo

do MATLABa programowanie WYKŁAD Piotr Ciskowski

do MATLABa programowanie WYKŁAD Piotr Ciskowski Wprowadzenie do MATLABa programowanie WYKŁAD Piotr Ciskowski instrukcje sterujące instrukcja warunkowa: if instrukcja wyboru: switch instrukcje iteracyjne: for, while instrukcje przerwania: continue, break,

Bardziej szczegółowo

Wysokowytrzymałe zestawy śrubowe HV High strength HV-sets

Wysokowytrzymałe zestawy śrubowe HV High strength HV-sets Wysokowytrzymałe zestawy śrubowe HV High strength HV-sets Zestawy HV według nowych norm PN-EN HV-sets according to new PN-EN standards -1 2007 Wymagania ogólne General requirements PN-EN 14399-2 2007-3

Bardziej szczegółowo

Równania różniczkowe zwyczajne. 1 Rozwiązywanie równań różniczkowych pierwszego rzędu

Równania różniczkowe zwyczajne. 1 Rozwiązywanie równań różniczkowych pierwszego rzędu Wydział Matematyki Stosowanej Zestaw zadań nr 13 Akademia Górniczo-Hutnicza w Krakowie WFiIS, informatyka stosowana, I rok Elżbieta Adamus 17 maja 2018r. Równania różniczkowe zwyczajne 1 Rozwiązywanie

Bardziej szczegółowo

DOPASOWYWANIE KRZYWYCH

DOPASOWYWANIE KRZYWYCH DOPASOWYWANIE KRZYWYCH Maciej Patan Uniwersytet Zielonogórski Motywacje Przykład 1. Dane o przyroście światowej populacji są aktualizowane co każde 10 lat, celem szacowania średniego przyrostu rocznego.

Bardziej szczegółowo

Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania

Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania Chemia Budowlana - Wydział Chemiczny - 1 Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania rozwiązywane na wykładzie, rozwiązywane na ćwiczeniach, oraz samodzielnie

Bardziej szczegółowo

Wstęp do programowania. Różne różności

Wstęp do programowania. Różne różności Wstęp do programowania Różne różności Typy danych Typ danych określa dwie rzeczy: Jak wartości danego typu są określane w pamięci Jakie operacje są dozwolone na obiektach danego typu 2 Rodzaje typów Proste

Bardziej szczegółowo