VIII. RÓŻNICZKOWANIE NUMERYCZNE

Wielkość: px
Rozpocząć pokaz od strony:

Download "VIII. RÓŻNICZKOWANIE NUMERYCZNE"

Transkrypt

1 VIII. RÓŻICZKOWAIE UMERYCZE Z defcj pocodej wey, że f ( x+ ) f ( x) f ( x) = ( ), >. (8.) Fucję f(x + ) ożey rozwąć przez zstosowe wzoru ylor: + f x f x f x f x + ( + ) = ( ) + ( ) + ( ) + K + f ( x) + f ( + )! ( + )! gdze (x, x + ). Podstwjąc to rozwęce do wzoru (8.) y + ( ) + ( + ) ( ϑ ), ( ) = τ + τ + τ + K + τ + α ( ), (8.) + gdze τ = f ( x), τ = ( + ) f ( x) = ( + )!,,, K,. Podoe, f ( x+ ) f ( x ) f ( x) = ( ) jeśl zstosujey rozwęce ylor do fucj f(x + ) f(x!), to otrzyy + ( ) = τ + τ + K + τ + α ( ), (8.) + gdze τ = f ( x), τ = ( + ) f ( x) = ( + )!,,, K,. Jeśl we wzorc (8.) (8.) zedy resztę, to fucję () ożey trtowć jo welo zeej (we wzorze (8.)) lu zeej (we wzorze (8.)). W ou przypdc y τ = f ( x) w celu wyzcze tej welośc stosuje sę etodę Roerg. ec ozcz pewe dy ro ec =, =, K, =, p p p

2 VIII. Różczowe uerycze 97 gdze p ( =,,..., ) ozczją róże lczy cłowte tworzące cąg rosący. rtując długośc roów jo węzły terpolcj, wrtośc df = ( ), =,, K,, jo wrtośc w węzłc, ożey zudowć welo terpolcyjy zeej (dl wzoru (8.)) lu zeej (dl wzoru (8.)). W drug przypdu welo postć speł wrue ( )= τ + τ + K + τ df ( ) = ( ), =K,,,. Wrtość ( ) jest dory przylżee pocodej. Może yć o olczo z poocą lgorytu evlle :,, =, +,. (8.4) Zwyle przyjujey = wówczs wzór (8.4) postć = +,,, 4.

3 IX. CAŁKOWAIE UMERYCZE 9.. Wprowdzee Często olczee cł, czyl wyzczee fucj perwotej, jest etod ltyczy rdzo trude lu eożlwe. Podto, jeśl fucj podcłow jest oreślo z poocą tlcy, to pojęce fucj perwotej trc ses wówczs ożey olczyć jedye przylżoą wrtość cł. Gdy przedzł cłow jest sończoy, to wele sposoów przylżoego olcz cłe poleg ty, że fucję podcłową F(x) zstępujey fucją terpolcyją (x), tórą oż łtwo cłowć. Jeśl, przyłd, (x) ozcz welo terpolcyjy Lgrge dl fucj F(x) z węzł terpolcj x, x,..., x, tz. x xj ϕ( x) = L( x) = F( x), x x = j = j j to ozczjąc Φ ( x)= j = j x x x j x j podstwjąc w ejsce fucj podcłowej F(x) welo (x) otrzyy Jeśl = F( x) dx ϕ( x) dx = A F( x ), gdze A = Φ ( x) dx. F( x) ϕ( x) < ε x [, ], to = F( x) dx A F( x ) = ( F( x) ϕ( x)) dx F( x) ϕ( x) dx ε( ). Zte ożey olczyć cłę z dowolą dołdoścą, jeśl tylo fucję F(x) oż przylżyć weloe z dowolą dołdoścą. Oprócz weloów oż stosowć e fucje terpolcyje, przyłd fucje wyere trygooetrycze. Podoy wzór przylżoego cłow otrzyy, gdy przedzł cłow podzely podprzedzły w żdy podprzedzle zstosujey ww. sposó cłow. Gdy fucj F(x) osolwośc utrudjące dore przylżee ( przyłd, gdy jest eogrczo lu w przedzle cłow e steją jej pocode sego rzędu), to opsy

4 9.. Ogóly wzór cłow ueryczego 99 sposó cłow oż zodyfowć. W tc przypdc fucję F(x) przedstwy w postc loczyu F(x) = p(x)f(x), gdze f(x) ozcz fucję, tórą oż dorze przylżyć, fucj p(x) wszele osolwośc fucj podcłowej utrudjące to przylżee. Wówczs fucj (x) ozcz welo terpolcyjy dl fucj f(x), tj. = F( x) dx = p( x) f ( x) dx p( x) ϕ( x) dx = A f ( x ), gdze A = p( x) Φ ( x) dx. Sposó te stosuje sę też do olcz cłe o esończoy przedzle cłow. Fucj p(x) oreśl wówczs szyość le fucj F(x), gdy x ±. 9.. Ogóly wzór cłow ueryczego Do przylżoego olcz cłe ędzey stosowć wzory postc I( f ) = p( x) f ( x) dx (9.) S( f ) = A f ( x ), x [, ], = (9.) gdze współczy A e zleżą od fucj f(x). Wzór (9.) zywy wdrturą, puty x węzł wdrtury. Fucję p(x) zywy fucją wgową lu róto wgą. Przy wyprowdzu wzorów postc (9.) fucję wgową ędzey uwżć z ustloą. Błąd wdrtury ozczy przez E(f), tj. E( f ) = I( f ) S( f ). Z ryteru dołdośc wdrtury przyjuje sę zgodość fucj S(W) I(W), gdze W ozcz welo. Defcj 9.. Mówy, że wdrtur (9.) jest rzędu r, gdy: ) I(W) = S(W) dl wszystc weloów W(x) stop ejszego od r, ) steje welo W(x) stop r, że I(W) S(W) (r $). werdzee 9.. Kwdrtur (9.) jest zeż dl żdej fucj f C[, ] wtedy tylo wtedy, gdy ) jest zeż dl żdego welou, tj. E(W) 6, gdy 6 4, ) steje stł M ezleż od, t że A ( ) M; = K,,. = Dowód tego twerdze pojy. #

5 IX. Cłowe uerycze 9.. Kwdrtury ewto-cotes ec x xj S( f ) = A f ( x), gdze A = p( x) Φ( x) dx Φ ( x) =. x x (9.) = j = j Błąd przylże fucj f(x) weloe terpolcyjy Lgrge L (x) jest postc R ( x) = f ( x) L ( x) = p ( + )! + + gdze > ozcz pewe put pośred przedzłu (, ) orz p+ ( x) = ( x x)( x x) K( x x). ( + ) ( x) f ( ξ), Kwdrtury (9.) z węzł rówoodległy zywy wdrtur ewto-cotes. jwęsze zczee prtycze ją tzw. wzory zęte, w tóryc ońce przedzłu cłow są węzł wg p(x) =. Mją oe postć S( f ) = A f, = gdze (9.4) tt t A = x dx = ( ) ( ) K( ) Φ ( ) dt!( )!, ( t ) przy czy = (!)/ orz f = f( + ). Pożej podjey dwe podstwowe włsośc wdrtur (9.4).. Jeżel lcz jest eprzyst, to wdrtur (9.4) e jest dołd dl wszystc weloów stop + lcz + jest jej rzęde dołdośc. Gdy lcz jest przyst, to wdrtur (9.4) jest dołd dl weloów stop + jej rząd wyos +. Ogóle rząd wdrtury ewto-cotes jest zte dy wzore [/] +, gdze [ ] ozcz część cłowtą.. Jeżel fucj f C r [, ], gdze r = [/]+, to łąd wdrtury oż przedstwć w postc ( r) E( f ) = M f ( ξ), gdze > (, ), współczy M r e zleży od fucj f. Dl = y A = ( t ) dt =, A = tdt =. r j

6 9.. Kwdrtury ewto-cotes Stąd Jest to wzór trpezów. Stosując twerdzee o wrtośc średej dl cłe ożey wyzczyć jego łąd: przy czy f C [, ], > [, ] =!. Dl = otrzyujey sąd S( f ) = ( f + f). ( ) ( ) ( ) E( f ) = ( x )( x ) f ( ξ) dx = f ( ξ ) ( x )( x ) dx = f ( ξ), 4 A =, A =, A =, S( f ) = ( f + 4 f + f). Jest to wzór prol, zwy też wzore Spso, tórego łąd wyos ( ) E( f ) = 5 4 f ( ξ ), (, ), = ξ. 9 W podoy sposó ożey wyprowdzć oleje wzory ewto-cotes (dl olejyc wrtośc ) oreślć c łędy. Jeśl wdrturę zpszey w postc S( f ) = f, s α = to wrtośc współczyów s orz " ędą te, j w poższej tlcy. " s łąd zw wzoru f () (>)/ wzór trpezów f (4) (>)/9 wzór Spso 8 5 f (4) (>)/8 wzór trzec ósyc f (6) (>)/945 wzór Mle f (6) (>)/ f (8) (>)/4 wzór Weddle Dl węszyc wrtośc etóre wrtośc " stją sę ujee wzory są uerycze eużytecze (przy olczu su w pody wyżej wzorze występuje reducj cyfr).

7 IX. Cłowe uerycze 9.4. Kwdrtury złożoe ewto-cotes Defcj 9.. Kwdrturą złożoą zywy wdrturę, tór jest suą wdrtur podprzedzłc. Ay otrzyć wdrturę złożoą leży:! przedzł cłow [, ] podzelć pewą lczę podprzedzłów,! w żdy podprzedzle zstosowć wdrturę sego rzędu wy zsuowć. Podzely przedzł [, ] częśc o długośc = (!)/. Stosując w żdy podprzedzle wzór trpezów y S( f ) = ( f + f+ ) = f + f + K + f + f, = gdze f = f( + ). Jest to tzw. wzór złożoy trpezów. Jeżel f C [, }, to łąd tego wzoru jest rówy ( ) ( ) ( ) E( f ) = f ( ξ ) = f ( ξ ), = gdze > ( +, + ( + )). Poewż śred rytetycz zjduje sę poędzy jejszą jwęszą wrtoścą fucj f () (x) w przedzle [, ] fucj t jest cągł, węc steje put > [, ], t że ( ) ( ) f ξ = f = ( ) ( ξ). Zte E ( f ) ( ) f ( ) = ( ξ). Jeżel przedzł cłow podzely częśc o długośc = (!)/, gdze ozcz lczę przystą w żdy z podprzedzłów [, + ],..., [ + (!), ] o długośc zstosujey wzór prol, po czy wy zsuujey, to otrzyy wzór złożoy prol: / = S( f ) = ( f + 4 f + f) = = [ f + f + ( f + f 4 + K+ f ) + 4( f + f + K+ f )]. Błąd tego wzoru jest rówy E ( f ) ( ) = f ( 4) ( ξ).

8 9.5. Metod Roerg 9.5. Metod Roerg J wey, w celu przylżoego olcze cł oż zstosowć wzór złożoy trpezów gdze = (!)/. Przepszy te wzór w postc ( ) = f( ) + f( + ) + + f( ) + f( ). K (9.5) Dl wzoru (9.5) jest prwdzwe poższe twerdzee. werdzee 9.. Jeżel fucj f C + [, ], to wzór (9.5) posd rozwęce gdze f ( x) dx S( f ) = f + f + K + f + f, 4 + ( ) = τ + τ + τ + K + τ + α+ ( ), (9.6) τ = f ( x ) dx, J ozczją stłe ezleże od orz steje stł M >, t że α + ( ) M dl żdego = (!)/. Dowód pojy. # Jeżel we wzorze (9.6) zedy resztę, to fucję () ożey trtowć jo welo zeej, tóry dl = szuą wrtość J. W celu olcze J oż zstosowć etodę Roerg. ec cąg =, =, K, =, p p gdze {p } ozcz rosący cąg lcz turlyc, ędze cąge długośc roów, dl tóryc olczy df = ( ), =,, K,. (9.7) rtując długośc roów jo węzły terpolcj, welośc jo wrtośc w węzłc, ożey zudowć welo terpolcyjy zeej :

9 4 IX. Cłowe uerycze ( ) = + + K +, df t że ( ) = ( ), =K,,,. Estrpolow wrtość () dorze przylż szuą wrtość cł. Wrtość t oże yć olczo z poocą lgorytu evlle. ec ozcz dl orz ( $ $ $) welo stop zeej ( ), dl tórego ( ) = j, j =, +, K,. Z lgorytu evlle dl estrpolowej wrtośc,, =, + Z poocą tego wzoru ożey utworzyć tlcę postc df = ( ),. otrzyujey wzór (9.8) ( ' ( ' ( ( ' ' 4 ( " ( ' '! þ þ þ w tórej eleet jest szuy przylżee cł. Dl roów o długoścc =! = / eleet przedstw wzór Spso. Z zleżośc (9.7) (9.8) y owe = ( ) = ( ) f + f ( ) ( ), = = + ( ) f + f f ( ) + ( ),

10 9.6. Kwdrtury Guss 5 = + Jeśl =! = /, to eleet przedstw wzór trzec ósyc. W etodze Roerg wyorzystuje sę zwyle stępujące cąg:! cąg Roerg, w tóry! cąg Bulrsc, w tóry ( ) ( ) 4 = ( ) + = ( ) ( ) 4 + = f f f f f ( ) ( ) ( ) ( ) ( ) = + f + 4 f + f 6 ( ) ( ). =, =, =, =, K, =, =, =, =, 4 =, 5 =, K Ozuje sę, że w przypdu cągu Bulrsc y ejszy łd olczeń dl olcze owej wrtośc ( ) Kwdrtury Guss J wdoo (zo. p. 9.), dl wdrtur ewto-cotes postc S( f ) = A f ( x), A = p( x) Φ ( x) dx, = rząd wyos co jej +. Rozptrzy terz przy ustloej wdze p(x) lcze prole wyoru węzłów współczyów t, y rząd wdrtury ył j jwyższy. Kwdrturę tą zywy wdrturą Guss. Poewż y do wyzcze ( + ) stłyc ( + współczyów + węzłów), leży przypuszczć, że oż je dorć t, y wdrtur ył dołd dl weloów stop ejszego ż ( + ). Dl wdrtur ewto-cotes pozlśy, że współczy żdej wdrtury rzędu co jej + są oreśloe wzore A = p ( x ) Φ ( x ) dx. Wystrczy zte odpowedo wyrć węzły x. W ty celu oecz jest zjoość weloów ortogolyc. (9.9)

11 6 IX. Cłowe uerycze Defcj 9.. Cąg weloów { P ( )} = { P( x), P( x), K, P ( x), K } (9.) zywy cąge weloów ortogolyc w przedzle [, ] z wgą p(x), gdy pxp ( ) ( xp ) ( xdx ) = dl. Dl weloów ortogolyc są prwdzwe poższe twerdze. werdzee 6.. W przedzle (, ) weloy ortogole posdją tylo jedorote perwst rzeczywste. werdzee 6.4. e steje wdrtur (6.9) rzędu wyższego ż ( + ). Kwdrtur t jest rzędu (+) wtedy tylo wtedy, gdy węzły x są perwst welou P + (x) z cągu (6.). werdzee 6.5. Wszyste współczy w wdrturc Guss są dodte. Dowody tyc twerdzeń oż zleźć.. w []. # Kwdrtury Guss zleżą od wg p(x) przedzłu [, ]. Pożej wyeoo róże przypd.! [, ] = [!, ], p(x) = Welo ortogoly (dl podego przedzłu wg) są weloy Legedre oreśloe wzore d P ( x) = ( x ),! dx wdrtury zyw sę w ty przypdu wdrtur Guss-Legedre. Współczy tyc wdrtur łąd de są wzor A + = E f = ( + ) P ( x) P ( x), ( ) [( )!] ( + )[( + )!] f ( + ) ( ξ), gdze x ozczją zer welou P + (x), > (!, ). Gdy przedzł cłow [, ] jest y ż [!, ], to leży zeć zeą cłow stosując podstwee Wówczs + t = + x. f () t dt = f + + x dx = gxdx ( )

12 9.6. Kwdrtury Guss 7 y gdze f () t dt S( f ) = A f ( t), = t przy czy x ozczją zer welou P + (x), łąd jest dy wzore + = + x, E( f ) = + 4 ( ) [( + )!] ( + )[( + )!] f ( + ) ( ξ), ξ (, ).! [, ] = [!, ], p(x) = (! x) " ( + x) $, ", $ >! Welo ortogoly są w ty przypdu weloy Jcoego oreśloe wzore d J( x, α, β ( ) α β α β ) = ( x) ( + x) [( x) + ( + x) + ],! dx wdrtury zyw sę wdrtur Guss-Jcoego. Ic współczy łąd są de wzor ( + α + β + 4) Γ( + α + ) Γ( + β + ) A = ( + α + β + ) Γ( + α + β + ) J+ ( x,, ) J + ( x,, )( + )!, α β α β + α+ β+ Γ( + α + ) Γ( + β + ) Γ( + α + β + )( + )! ( + ) E( f ) = f ( ξ), ( + α + β + )[ Γ ( + α + β + )] ( + )! gdze x ozczją zer welou J + (x, ", $), > (!, ), ' ozcz fucję g Euler: Γ( x) = t e dt, x>. Wówczs wdrtury zyw sę wdrtur Guss-Czeyszew, welo ortogoly są weloy Czeyszew perwszego rodzju oreśloe wzore W wdrturc Guss-Czeyszew wszyste współczy są rówe: x t W szczególy przypdu, gdy " = $ = otrzyujey wdrtury Guss-Legedre. Iy przypde szczególy jest " = $ =!/, tj. gdy wg d jest wzore px ( ) =. x ( x) = cos( rccos x). A = π +. α+ β

13 8 IX. Cłowe uerycze Węzły oreśl wzór! [, ) = [, 4), p(x) = e!x Welo ortogoly są weloy Lguerre oreśloe wzore Wg p(x) = e!x zpew zeżość cł x = cos ( + ) π +. L x e d ( ) = ( ) ( xe ). dx x gdze W(x) ozcz dowoly welo. Kwdrtury te zyw sę wdrtur Guss- Lguerre. Ic współczy łąd oreślją stępujące wzory: pxwxdx ( ) ( ), x A = [( + )!] + E f = L ( x ) L ( x ), ( ) [( )!] ( + )! + + f ( + ) ( ξ), gdze x ozczją perwst welou L + (x), > (, 4).! (, ) = (!4, 4), p(x) = exp(!x ) W ty przypdu y wdrtury Guss-Herte z welo ortogoly Herte, tóre są oreśloe wzore d H x e dx e x x ( ) = ( ). Wzory współczy łąd są stępujące: A = + ( + )! π + E f = f + H ( x ) H ( x ), ( ) ( ) π ( + )! + + ( + ) ( ξ), gdze x ozczją perwst welou H + (x), > (!4, 4). W prtyce e stosujey wdrtur Guss wysoego rzędu ogół e olczy żdorzowo węzłów współczyów, lecz posługujey sę odpowed tlc Kwdrtury złożoe Guss Rozptrzy wdrturę Guss-Legedre. Podzely przedzł cłow [, ] rówyc częśc. Stosując do olcze cł wdrturę złożoą ze wzor rzędu + żdy podprzedzle, otrzyy łąd E f ( ) = + 4 [( + )!] ( + )[( + )!] f ( + ) ( ξ), ξ (, ).

14 9.7. Kwdrtury złożoe Guss 9 Z wzoru tego wy, że zwęszjąc lczę podprzedzłów (tj. wrtość ) ożey dowole zejszyć łąd. Dl = = /, gdze ozcz lczę przystą, y orz (w ty przypdu x =, x =, A = A =) Błąd jest oreśloy wzore + ( j+ ) f ( x) = f ( x) dx j = + j S( f ) = f + + j f j,. j = = 5 E ( f ) ( ) f ( 4) = ( ξ), ξ (, ). 4 7

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 4. Nr: 1. Metody obliczeniowe. wykład nr 4. różniczkowanie przybliżone całkowanie numeryczne

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 4. Nr: 1. Metody obliczeniowe. wykład nr 4. różniczkowanie przybliżone całkowanie numeryczne r: Metody olczeowe - Budowctwo semestr - wyłd r Metody olczeowe wyłd r różczowe przylżoe cłowe umerycze r: Metody olczeowe - Budowctwo semestr - wyłd r Perwsz pocod uc Perwsz pocod uc dec: ' lm Ozcze:

Bardziej szczegółowo

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak Metody numeryzne Wyłd nr 7 dr. Potr Fronz Cłowne numeryzne Cłowne numeryzne to przylżone olzne łe oznzony. Metody łown numeryznego polegją n przylżenu ł z pomoą odpowednej sumy wżonej wrtoś łownej unj

Bardziej szczegółowo

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel Automty Rooty Az Wyłd 7 dr Adm Ćme cme@gh.edu.p Szereg Fourer Przypomee. Rozwżmy przestrzeń eudesową VR, tórej eemetm (putm, wetorm )są eemetowe cąg cz rzeczywstych p.,..., ) y y,..., y ). W przestrze

Bardziej szczegółowo

Metody numeryczne procedury

Metody numeryczne procedury Metod umercze procedur podstwe [Mrc et. l. 997] orz [Broszte et. l. 004] dr ż. Pweł Zlews Adem Mors w Szczece Iterpolc welomow: Zde terpolc poleg zlezeu pewe uc tór przlż dą ucę. Dl uc ze są prz tm wrtośc

Bardziej szczegółowo

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n lkowe_um- łkowe umercze Zde: olczć przlżee cłk ( ) d () użwjąc wrtośc ukcj () w puktc rówoodległc. Przjmujem (), gdze,,, () () tąd / (5) Metod prostokątów d / (6) gdze / / (7) -- :9: /6 lkowe_um- td. td.

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy

Analiza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy http://wwwiiuniwrocpl/ sle/teching/n-wdrpdf Anliz numeryczn Stnisłw Lewnowicz Styczeń 008 r Cłownie numeryczne Definicje, twierdzeni, lgorytmy 1 Pojęci wstępne Niech IF IF [, b] ozncz zbiór wszystich funcji

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. średnica podziału P. punkt pośredni k-tego odcinka podziału P

Całka oznaczona. długość k-tego odcinka podziału P. średnica podziału P. punkt pośredni k-tego odcinka podziału P Cł ozczo. De.. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De. sum cłow Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

Aproksymacja funkcji

Aproksymacja funkcji Aprosymcj fcj. Ogóle sformłowe zgde prosymcj jedowymrowej Sformłowe zgde prosymcj D - prosymcj cągł: zleźć fcję p( x ) prosymjącą (zstępjącą, przylżjącą) dą fcję cągłą ( ) f x w przedzle [ ] p( x ) powy

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale Cł ozczo. De.1. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De.2 sum cłow Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale Cł ozczo. De.1. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De.2 (sum cłow) Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

Algebra macierzowa i inne takie (krótka i prowizoryczna powtórka

Algebra macierzowa i inne takie (krótka i prowizoryczna powtórka lgebr mcerzow e te (rót prowzorycz powtór (uwg: tutj jest ezupełe osewet otcj tj. mcerze czsem są pogruboe czsem ursywe (tlcs) proszę sę e przejmowć t po prostu wyszło) PEWNE WZNE OPERCJE MCIERZOWE ozcz

Bardziej szczegółowo

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe.

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe. Wykłd 6 Cłk ozczo: olcze pól oszrów płskch. Cłk ewłścwe. Wprowdźmy jperw ocję sumow: Dl dego zoru lcz {,,..., } symol ozcz ch sumę, z.... Cłk ozczo zosł wprowdzo w celu wyzcz pól rpezów krzywolowych (rys.

Bardziej szczegółowo

4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące.

4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące. 4. Reurecj. Zleżości reurecyje, lgorytmy reurecyje, szczególe fucje tworzące. Reurecj poleg rozwiązywiu problemu w oprciu o rozwiązi tego smego problemu dl dych o miejszych rozmirch. W iformtyce reurecj

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

Metody numeryczne w przykładach

Metody numeryczne w przykładach Metody umerycze w przyłdch Podręcz Poltech Lubels Poltech Lubels Wydzł Eletrotech Iformty ul. Ndbystrzyc 38A -68 Lubl Bet Pńczy Edyt Łus J Sor Teres Guz Metody umerycze w przyłdch Poltech Lubels Lubl Recezet:

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Rozkłady prawdopodobieństwa 1

Rozkłady prawdopodobieństwa 1 Rozkłdy rwdoodoeństw Rozkłdy rwdoodoeństw. Rozkłdy dyskrete cągłe. W rzydku rozkłdu dyskretego określmy wrtośc rwdoodoeństw dl rzelczlej skończoej lu eskończoej lczy wrtośc zmeej losowej. N.... wszystke

Bardziej szczegółowo

Projekt 3 3. APROKSYMACJA FUNKCJI

Projekt 3 3. APROKSYMACJA FUNKCJI Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle

Bardziej szczegółowo

Algorytmy metod numerycznych. Monika Chruścicka

Algorytmy metod numerycznych. Monika Chruścicka Algoryty etod ueryczych Mok Chruścck Ktolck Uwersytet Luelsk J Pwł II Wydzł Nuk Społeczych, Istytut Ekoo Streszczee Artykuł zwer chrkterystykę etod ueryczych orz podstwowych lgorytów etod ueryczych. Przedstwoe

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne lz Włd 5 d d Ćel cel@gedpl Spóe pzeszee ecze De Pzeszeń eczą ρ zw spóą eżel e d sę e pzedswć w psc s dwóc zów epsc wc złączc ρ - pzeszeń spó ~ we Icze es ze spó eżel dl dwlc pów czl see cągł c γ : : γ

Bardziej szczegółowo

Matematyka wybrane zagadnienia. Lista nr 4

Matematyka wybrane zagadnienia. Lista nr 4 Mtemty wyre zgdiei List r 4 Zdie Jeżeli ułd wetorów v, v przestrzei liiowej V ie jest liiowo iezleży, to mówimy, że wetory v, v są liiowo zleże Udowodić stępujące twierdzeie: Ułd wetorów v, v ( ) jest

Bardziej szczegółowo

Nr: 1. Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 1. Metody obliczeniowe

Nr: 1. Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 1. Metody obliczeniowe Nr: Metody olczeowe - Budowctwo semestr - wyłd r Metody olczeowe Metody umerycze - sposoy rozwąz zd mtemtyczego z pomocą operc lczch t, y zde mogło yć rozwąze przez omputer. Rozwązywe ułdów rówń lowych.

Bardziej szczegółowo

Przypomnijmy tu znany wzór Taylora ze względu na jego wykorzystanie w zagadnieniach interpolacji, róŝniczkowania i całkowania numerycznego.

Przypomnijmy tu znany wzór Taylora ze względu na jego wykorzystanie w zagadnieniach interpolacji, róŝniczkowania i całkowania numerycznego. 3. Wzór Tlor. Przpomm tu z wzór Tlor ze względu ego worzste w zgdec terpolc róŝczow cłow umerczego. Jeśl uc e perwszc pocodc est cągłc w przedzle domętm [] to dl dowolc putów z przedzłu [] zcodz!! ξ gdze

Bardziej szczegółowo

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce Wyre rozkłdy prwdopodoieństw żytecze w sttystyce Rozkłd chi-kwdrt o stopich swoody - to rozkłd sy kwdrtów iezleżych zieych losowych o stdryzowy rozkłdzie orly N tz iid N = i i rozkłd y o kcji gęstości

Bardziej szczegółowo

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl Wre rozkłd prwdopodoeństw żtecze w sttstce Rozkłd ch-kwdrt o stopch swood - to rozkłd s kwdrtów ezleżch zech losowch o stdrzow rozkłdze orl tz......d. rozkłd o

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr.........

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr......... WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI prowdząc(y)... grup... podgrup... zespół... seestr... roku kdeckego... studet(k)... SPRAWOZDANIE Z PRACY LABORATORYJNEJ r......... pory wykoo

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Matematyka stosowana i metody numeryczne

Matematyka stosowana i metody numeryczne Ew Pbisek Adm Wostko Piotr Pluciński Mtemtyk stosown i metody numeryczne Konspekt z wykłdu 0 Cłkownie numeryczne Wzory cłkowni numerycznego pozwlją n obliczenie przybliżonej wrtości cłki: I(f) = f(x) dx

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Nr: 1. Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 4. Metody obliczeniowe. wykład nr 4. róŝniczkowanie przybliŝone całkowanie numeryczne

Nr: 1. Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 4. Metody obliczeniowe. wykład nr 4. róŝniczkowanie przybliŝone całkowanie numeryczne Nr: Metody olczeowe - Budowctwo semestr - wykłd r 4 Metody olczeowe wykłd r 4 róŝczkowe przylŝoe cłkowe umerycze Nr: Metody olczeowe - Budowctwo semestr - wykłd r 4 Perwsz pochod ukc Ozcze: - ukc określo

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE

CAŁKOWANIE NUMERYCZNE Wprowdzenie Kwdrtury węzły równoodległe Kwdrtury Guss Wzory sumcyjne Trnsport, studi niestcjonrne I stopni, semestr I rok kdemicki 01/013 Instytut L-5, Wydził Inżynierii Lądowej, Politechnik Krkowsk Ew

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Nadokreślony Układ Równań

Nadokreślony Układ Równań Mchł Pzos Istytut echolog Iforcyych Iżyer Ląoe Wyzł Iżyer Ląoe Poltech Kros Noreśloy Uł Róń Z oreśloy ułe loych róń lgebrczych y o czye sytuc, gy lczb loo ezleżych róń est ęsz ż yr przestrze (lczb zeych).

Bardziej szczegółowo

Obliczenia naukowe Wykład nr 14

Obliczenia naukowe Wykład nr 14 Obliczeni nuowe Wyłd nr 14 Pweł Zielińsi Ktedr Informtyi, Wydził Podstwowych Problemów Technii, Politechni Wrocłws Litertur Litertur podstwow [1] D. Kincid, W. Cheney, Anliz numeryczn, WNT, 2005. [2] A.

Bardziej szczegółowo

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19 Rozwąze ektóryh zdń tregowyh do I kolokwum sem. zmowy, 8/9 Zd.. V = ost, = 98 K W wrukh dtyzyh Q = ΔU =. Końową temperturę zjdzemy rozwązują rówe ΔU =. Zm eerg wewętrzej zhodz wskutek rekj hemzej jlepej

Bardziej szczegółowo

Ocena wpływu niepewności estymacji parametrów modeli czujników pomiarowych na wartości maksymalnych błędów dynamicznych

Ocena wpływu niepewności estymacji parametrów modeli czujników pomiarowych na wartości maksymalnych błędów dynamicznych Polech rows Wydzł Iżyer Elerycze operowe edr oy ech Iforcyych Oce wpływ epewośc esyc prerów odel czów porowych wrośc sylych łędów dyczych Dr ż. rzyszof oczy rów 5.3.5 Pl wysąpe. Błędy w porch welośc słych

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym.

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym. I. CIĄGI I SZEREGI FUNKCYJNE 1. Zbieżość puktow i jedostj ciągów fukcyjych Niech X będzie iepustym podzbiorem zbioru liczb rzeczywistych R (lub zbioru liczb zespoloych C). Defiicj 1.1. Ciąg (f ) N odwzorowń

Bardziej szczegółowo

460 Szeregi Fouriera. Definicja. Definicja. Układ trygonometryczny. Definicja Układ ortogonalny funkcji ( ϕ n

460 Szeregi Fouriera. Definicja. Definicja. Układ trygonometryczny. Definicja Układ ortogonalny funkcji ( ϕ n 6 Szeregi Fourier Defiij Dwie fuje ψ :< > C zywmy fujmi ortogolymi przedzile < > gdy ψ Defiij Ciąg fuji ) :< > C zywmy ułdem ortogolym przedzile < > gdy fuje są prmi ortogole przedzile < > tz gdy j j λ

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 5. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH. Met.Numer. wykład 5 1

METODY NUMERYCZNE. Wykład 5. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH. Met.Numer. wykład 5 1 METODY NUMERYCZNE Wykłd 5. Cłkowie umeryze dr. iż. Ktrzy Zkrzewsk, pro. AGH Met.Numer. wykłd 5 Pl Wzór trpezów Złożoy wzór trpezów Metod ekstrpolji Rirdso Metod Romerg Metod Simpso wzór prol Metod Guss

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

I. APROKSYMACJA I INTERPOLACJA FUNKCJI JEDNEJ ZMIENNEJ

I. APROKSYMACJA I INTERPOLACJA FUNKCJI JEDNEJ ZMIENNEJ Oprcowł: mgr Słwomr Mlewsk Smodzely Zkłd Metod Komputerowych w Mechce L6, WL, PK APROKSYMACJA NTERPOLACJA FUNKCJ JEDNEJ ZMENNEJ Ogóle zgdee proksymcj moż opsć stępująco: De są pukty leżące ądź to do wykresu

Bardziej szczegółowo

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera /9/ WYKŁ. UKŁY RÓWNŃ LINIOWYCH Mcierzow Metod Rozwiązywi Ukłdu Rówń Crmer Ogól postć ukłdu rówń z iewidomymi gdzie : i i... ozczją iewidome; i R k i R i ik... ;... efiicj Ukłdem Crmer zywmy tki ukłd rówń

Bardziej szczegółowo

PROGRAMOWANIE LINIOWE.

PROGRAMOWANIE LINIOWE. Wykłd 6 Progrowe lowe. Zstosow ekoocze. PROGRAMOWANIE LINIOWE. ZASTOSOWANIA EKONOMICZNE. CENY DUALNE. ANALIZA WRAŻLIWOŚCI.. RACHUNEK EKONOMICZNY. ZASADY RACJONALNEGO GOSPODAROWANIA. Rchuek ekooczy - porówe

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

Michał Pazdanowski Instytut Technologii Informacyjnych w Inżynierii Lądowej Wydział Inżynierii Lądowej Politechnika Krakowska.

Michał Pazdanowski Instytut Technologii Informacyjnych w Inżynierii Lądowej Wydział Inżynierii Lądowej Politechnika Krakowska. chł zdows Istytut echolog Iforcyych w Iżyer ądowe Wydzł Iżyer ądowe oltech Krows Iterpolc Iterpolc oże być trtow o szczególy przypde prosyc polegący ty że fuc prosyow fuc prosyuąc przyuą te se wrtośc w

Bardziej szczegółowo

Metody numeryczne. Całkowanie. Janusz Szwabiński. nm_slides-4.tex Metody numeryczne Janusz Szwabiński 23/10/ :07 p.

Metody numeryczne. Całkowanie. Janusz Szwabiński. nm_slides-4.tex Metody numeryczne Janusz Szwabiński 23/10/ :07 p. Metody numeryczne Cłkownie Jnusz Szwbiński szwbin@ift.uni.wroc.pl nm_slides-4.tex Metody numeryczne Jnusz Szwbiński 23/10/2002 10:07 p.1/69 Cłkownie numeryczne 1. Kilk uwg ogólnych 2. Kwdrtury Newton Cotes

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 4. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH

METODY NUMERYCZNE. Wykład 4. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH METODY NUMERYCZNE Wykłd. Cłkowie umeryze dr h. iż. Ktrzy Zkrzewsk, pro. AGH Pl Wzór trpezów Złożoy wzór trpezów Metod ekstrpolji Rihrdso Metod Romerg Metod Simpso wzór prol Metod Guss Cłkowie umeryze -

Bardziej szczegółowo

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów Opowł: Jo Kselńs EKONOMETRIA - WZORY Metod doou zmeh Metod Now * t I I I Metod Hellwg om L l l K p p pk h l l K p H l h pk Metod mometów e Regesj post Modele: MNK m s s Y X C s v Opowł: Jo Kselńs Współz:

Bardziej szczegółowo

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa) Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe

Bardziej szczegółowo

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA .4. STAN ODKSZTAŁCENA STRONA GEOMETRYCZNA.4.. Wetor przemeszcze Rozwżmy bryłę (cło mterle) o dowolym sztłce meszczoą w prostoątym łdze odese O (rys. ) Rys. gdze ozcz położee (mesce) pt mterlego w tym łdze,,,

Bardziej szczegółowo

LABORATORIUM DYNAMIKI MASZYN

LABORATORIUM DYNAMIKI MASZYN LABORATORIUM DYNAMII MASZYN Ćwcz 5 IDENTYFIACJA OBIETU DYNAMICZNEO NA PODSTAWIE JEO LOARYTMICZNYCH CHARATERYSTY CZĘSTOTLIWOŚCIOWYCH. Cl ćwcz Orśl rów ruchu obtu dyczgo podtw go logrytczych chrtryty czętotlwoścowych,

Bardziej szczegółowo

Ad. poszczegolne metody obliczeniowe

Ad. poszczegolne metody obliczeniowe A. poszczegole etoy olczeowe. Oów włsośc uerycze reprezetc lcz rzeczywstych rytety zeoprzecowe orz przestw powy yć uwzglęe w oprcowywu lgorytów ueryczych. F-zór lcz zeoprzecowych -postw t-ołość L,U-zres

Bardziej szczegółowo

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne. Wykłd Pojęcie fukcji, ieskończoe ciągi liczbowe, dziedzi fukcji, wykres fukcji, fukcje elemetre, fukcje złożoe, fukcje odwrote.. Fukcje Defiicj.. Mówimy, że w zbiorze liczb X jest określo pew fukcj f,

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE

CAŁKOWANIE NUMERYCZNE Wprowdzenie Kwdrtury węzły równoodległe Kwdrtury Guss Wzory sumcyjne Trnsport, studi niestcjonrne I stopni, semestr I Instytut L-5, Wydził Inżynierii Lądowej, Politechnik Krkowsk Ew Pbisek Adm Wostko Wprowdzenie

Bardziej szczegółowo

Symbol Newtona liczba wyborów zbioru k-elementowego ze zbioru n elementów. Symbol Newtona

Symbol Newtona liczba wyborów zbioru k-elementowego ze zbioru n elementów. Symbol Newtona B Głut Symol Newto Symol Newto licz wyoów ziou -elemetowego ze ziou elemetów ) ( A B B B t t żd dog: odciów do góy Ile ozwiązń m ówie: 4 6 gdzie i są ieujemymi liczmi cłowitymi? 9 84 4 4 5 Licz ozwiązń

Bardziej szczegółowo

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy 5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja

Bardziej szczegółowo

METODY KOMPUTEROWE 11

METODY KOMPUTEROWE 11 METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Mchł PŁOTKOWIAK Adm ŁOYGOWSKI Konsultcje nukowe dr nż. Wtold Kąkol Poznń / METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Metod wżonych rezduów jest slnym nrzędzem znjdown

Bardziej szczegółowo

Rozpraszania twardych kul

Rozpraszania twardych kul Wyłd XVIII Rozprszn twrdych u Rozwżmy oddzływne twrdych u opsywne potencjłem V r r Ponewż potencjł jest seryczne symetryczny uncję ową możn zpsć w postc ( r Cm R Ym( m gdze Ym( to hrmon seryczne Rozprszne

Bardziej szczegółowo

Metody obliczeniowe. Semestr II

Metody obliczeniowe. Semestr II Metody olczeowe Semestr II Metody umerycze - sposoy rozwąz zd mtemtyczego z pomocą operc lczch. Rozwązywe ułdów rówń lowych. Metody ezpośrede tercye.. Sposoy rozwązyw rówń elowych, zgdee optymlzc.. Aprosymc

Bardziej szczegółowo

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna. terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest

Bardziej szczegółowo

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas Cłki oznczone Definicj, włsności i oblicznie cłek oznczonych. Wrtość średni funkcji. Funkcj górnej grnicy cłkowni. Zstosowni cłek oznczonych. Cłki niewłściwe. Młgorzt Wyrws Ktedr Mtemtyki Wydził Informtyki

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.

Bardziej szczegółowo

Całkowanie numeryczne funkcji. Kwadratury Gaussa.

Całkowanie numeryczne funkcji. Kwadratury Gaussa. Cłkon nuryczn unkc. Kdrtury Guss. Rozżyy:. -D -punkto kdrtur Guss tod prostokątó. -D tod trpzó. -D -punkto kdrtur Guss 4. Zn grnc cłkon unoron d t dt 5. -D n-punkto kdrtur Guss 6. -D -punkto kdrtur Guss

Bardziej szczegółowo

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas

Całki oznaczone. Funkcja górnej granicy całkowania. Zastosowania całek oznaczonych. Całki niewłaściwe. Małgorzata Wyrwas Cłki oznczone Definicj, włsności i oblicznie cłek oznczonych. Wrtość średni funkcji. Funkcj górnej grnicy cłkowni. Zstosowni cłek oznczonych. Cłki niewłściwe. Młgorzt Wyrws Ktedr Mtemtyki Wydził Informtyki

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu. Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()

Bardziej szczegółowo

ZADANIA Z ANALIZY MATEMATYCZNEJ dla I roku kierunku informatyka WSZiB

ZADANIA Z ANALIZY MATEMATYCZNEJ dla I roku kierunku informatyka WSZiB pro. dr hb. Stisłw Biłs ZADANIA Z ANALIZY MATEMATYCZNEJ I roku kieruku iormtyk WSZiB I. ELEMENTARNE WŁASNOŚCI FUNKCJI. Wyzczyć dziedzię ukcji: 5 7 log[ log 5 6. b c ] d. Wyzczyć przeciwdziedzię ukcji:

Bardziej szczegółowo

Michał Pazdanowski Instytut Technologii Informacyjnych w Inżynierii Lądowej Wydział Inżynierii Lądowej Politechnika Krakowska.

Michał Pazdanowski Instytut Technologii Informacyjnych w Inżynierii Lądowej Wydział Inżynierii Lądowej Politechnika Krakowska. chł Pzdos Istytut Techolog Iforcyych Iżyer ądoe Wydzł Iżyer ądoe Poltech Kros Aprosyc Aprosycą zyy procedurę zstępo ede fuc (fuc prosyo) ą fucą (fuc prosyuąc) t sposób, by fuce te eele sę różły sese oreśloe

Bardziej szczegółowo

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski Nottki z Anlizy Mtemtycznej 4 Jcek M. Jędrzejewski ROZDZIAŁ 7 Cłk Riemnn 1. Cłk nieoznczon Definicj 7.1. Niech f : (, b) R będzie dowolną funkcją. Jeżeli dl pewnej funkcji F : (, b) R spełnion jest równość

Bardziej szczegółowo

Tok sprawdzania nośności ścian obciążonych pionowo wg metody uproszczonej zgodnie z PN-EN 1996-3

Tok sprawdzania nośności ścian obciążonych pionowo wg metody uproszczonej zgodnie z PN-EN 1996-3 To sprwdzi ośości ści ociążoyc pioowo wg eody uproszczoej zgodie z P- 996- UWAGA: ośość ści eży sprwdzć żdej odygcji, cy że gruość ści i wyrzyłość uru ścisie są ie se wszysic odygcjc..... 5. De: rodzje

Bardziej szczegółowo

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

R, R, R n itd. przestrzenie wektorowe, których elementami są wektory określone przez długość, kierunek i zwrot.

R, R, R n itd. przestrzenie wektorowe, których elementami są wektory określone przez długość, kierunek i zwrot. WYKŁAD. PRZESTRZENIE AFINICZNE, PROSTA. PŁASZCZYZNA. E PRZESTRZENIE AFINICZNE y P(,, c) x z E, E, E d. - rzesrzee ukoe, kórych elemem są uky ose rzy omocy sółrzędych, j. ukłdó lcz rzeczysych osc (, ),

Bardziej szczegółowo

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

Bardziej szczegółowo

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy

Bardziej szczegółowo

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego 5.Bde wocze pręt śckego UT-H Rdom Ittut Mechk Stoowej Eergetk Lortorum Wtrzmłośc Mterłów trukcj do ćwcze 5. Bde wocze pręt śckego I ) C E L Ć W I C Z E N I A Celem ćwcze jet dośwdczle wzczee metodą Southwell

Bardziej szczegółowo

( ) ( ) 0. ( x) )... są wielomianami stopnia m = n + r + 1. INTERPOLACJA HERMITE A. Gdzie hkihk

( ) ( ) 0. ( x) )... są wielomianami stopnia m = n + r + 1. INTERPOLACJA HERMITE A. Gdzie hkihk INERPOLCJ N czy poleg zde terpolc? Zde terpolc est wyzczee przyblżoyc wrtośc fukc w puktc e będącyc węzł orz oszcowe błędu tyc przyblżoyc wrtośc.w ty celu leży zleźć fukce p( zwą fukcą terpolcyą którą

Bardziej szczegółowo

Ekoenergetyka Matematyka 1. Wykład 15. CAŁKI OZNACZONE. Egzaminy I termin poniedziałek :00 Aula B sala 12B Wydział Informatyki

Ekoenergetyka Matematyka 1. Wykład 15. CAŁKI OZNACZONE. Egzaminy I termin poniedziałek :00 Aula B sala 12B Wydział Informatyki Ekoenergetyk Mtemtyk 1. Wykłd 15. CAŁKI OZNACZONE Egzminy I termin poniedziłek 31.01 14:00 Aul B sl 12B Wydził Informtyki Definicj (podził odcink) II termin poprwkowy czwrtek 9.02 14:00 WE-030 Podziłem

Bardziej szczegółowo

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3)

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3) ownn oznczkowe Równn óżnczkowe. Wstę Równne óżnczkow nzw ównne zwejące funkcje newdoe zenne nezleżne oz ocodne funkcj newdoc lu c óżnczk. Pzkłd d 5 d d sn d. d d e d d d. z z z z. ównne óżnczkowe zwczjne

Bardziej szczegółowo

[ ] I UKŁAD RÓWNAŃ Definicja 1 Układ m równań liniowych z n niewiadomymi x 1, x 2,., x n : II ROZW. UKŁADU RÓWNAŃ PRZY POMOCY MACIERZY ODWROTNEJ

[ ] I UKŁAD RÓWNAŃ Definicja 1 Układ m równań liniowych z n niewiadomymi x 1, x 2,., x n : II ROZW. UKŁADU RÓWNAŃ PRZY POMOCY MACIERZY ODWROTNEJ I UKŁAD RÓNAŃ Defiicj Ukłd rówń liiowych z iewidoyi,,., : Defiicj Postć cierzow ukłdu rówń: A, lu krócej A, gdzie: A,,. Mcierz A zywy cierzą ukłdu rówń, wektor zywy wektore wyrzów wolych (koluą wyrzów

Bardziej szczegółowo

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T M O D E L O W A N I E I N Y N I E R S K I E n r 4 7, I S S N 8 9 6-7 7 X M O D E L O W A N I E P A S Z C Z Y Z N B A Z O W Y C H K O R P U S W N A P O D S T A W I E P O M W S P R Z D N O C I O W Y C H

Bardziej szczegółowo

Kwadratury numeryczne

Kwadratury numeryczne Kdrtur umercze Kdrturm umerczm zm zor służące do przlżoego zcz rtośc cłe ozczoch oszrze edo lu elo mrom. Olcze cłe ozczoch oszrze elomrom sprodz sę do elorotego zstoso drtur dl oszru edomroego. Ide postępo

Bardziej szczegółowo

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak Metod umerze Wkłd r 5: Aproksmj terpolj dr Potr Frozk Aproksmj terpolj Aproksmj rówem lowm Błąd dopsow E - Fukj dwóh zmeh Fukj E m mmum dl tkh wrtoś, dl którh pohode ząstkowe względem zerują sę: E E Jest

Bardziej szczegółowo

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY . Określ ootoiczość podch fukcji, iejsce zerowe orz pukt przecięci się jej wkresu z osią OY ) 8 ) 8 c) Określjąc ootoiczość fukcji liiowej = + korzst z stępującej włsości: Jeżeli > to fukcj liiow jest

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

Całkowanie numeryczne przy użyciu kwadratur

Całkowanie numeryczne przy użyciu kwadratur Cłkownie numeryczne przy użyciu kwdrtur Pln wykłdu: 1. Kwdrtury Newton-Cotes ) wzory: trpezów, prbol etc. b) kwdrtury złożone. Ekstrpolcj ) Ekstrpolcj Richrdson b) Metod Romberg c) Metody dptcyjne 3. Kwdrtury

Bardziej szczegółowo

Analiza Matematyczna

Analiza Matematyczna Aliz Mtemtycz Przykłdy: Cłki ozczoe. Oprcowie: dr hb. iż. Agieszk Jurlewicz, prof. PWr Przykłd 9. : Korzystjąc z defiicji cłki ozczoej orz fktu, że fukcj ciągł jest cłkowl, oblicz e x dx przyjmując podził

Bardziej szczegółowo

Technika optymalizacji

Technika optymalizacji Nelowe zde optymlzj sttyzej ez ogrzeń - PN ez ogrzeń dr Ŝ. Ew Szlh Wydzł Eletro Ker.: Eletro III r. EZI Sformułowe owe zd optymlzj elowej ez ogrzeń: Fuj elu f( : Zde optymlzj poleg zlezeu wetor zmeyh deyzyjyh,

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. II Całki oznaczone i zastosowania

Zadania z analizy matematycznej - sem. II Całki oznaczone i zastosowania Zdi z lizy mtemtyczej - sem. II Cłki ozczoe i zstosowi Defiicj. Niech P = x x.. x będzie podziłem odcik [ b] części ( N przy czym x k = x k x k gdzie k δ(p = mx{ x k : k } = x < x

Bardziej szczegółowo

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel, utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem

Bardziej szczegółowo

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2 Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,

Bardziej szczegółowo

3. F jest lewostronnie ciągła

3. F jest lewostronnie ciągła Def. Zmienną losową nzywmy funkcję X: tką, że x R : { : X( ) < x }. Ozn.: zmist pisd A = { : X( ) < x } piszemy A = { X < x } zdrzenie poleg n tym, że X( )

Bardziej szczegółowo

Metoda szeregów potęgowych dla równań różniczkowych zwyczajnych liniowych. Równanie różniczkowe zwyczajne liniowe drugiego rzędu ma postać

Metoda szeregów potęgowych dla równań różniczkowych zwyczajnych liniowych. Równanie różniczkowe zwyczajne liniowe drugiego rzędu ma postać met_szer_potegowyh-.doowyh Metod szeregów potęgowyh dl rówń różizkowyh zwyzjyh liiowyh Rówie różizkowe zwyzje liiowe drugiego rzędu m postć d u d f du d gu h ( Złóżmy, że rozwiązie rówi ( może yć przedstwioe

Bardziej szczegółowo