Metody Numeryczne. Wojciech Szewczuk
|
|
- Justyna Michalik
- 5 lat temu
- Przeglądów:
Transkrypt
1 Metody Numeryczne
2 Równania nieliniowe Równania nieliniowe W tych równaniach jedna lub więcej zmiennych występuje nieliniowo, np równanie Keplera x a sin x = b. Zajmiemy się teraz lokalizacją pierwiastków równań nieliniowych zer funkcji. szukamy takiego x, że f (x) = 0 szukamy takiego X = (x 1, x 2,...x n ), że F (X ) = 0
3 Równania nieliniowe Konsekwencje własność Darboux funkcji ciągłych Jeśli f jest funkcją ciągłą w przedziale [a, b] i jeśli f (a)f (b) < 0, a więc f zmienia znak w [a, b], to ta funkcja musi mieć zero w (a, b).
4 Metoda bisekcji połowienia
5 Metoda bisekcji połowienia
6 Metoda bisekcji połowienia
7 Metoda bisekcji algorytm Dwie uwagi: w obliczeniach numerycznych lepiej jest wykonać instrukcję c a + (b a)/2 niż c (a + b)/2 zmianę znaku funkcji lepiej badać za pomocą nierówności sgn(w) sgn(u) zamiast wu < 0, gdyż w tym drugim przypadku wykonujemy zbędne mnożenie i możemy spowodować nadmiar lub niedomiar.
8 Metoda bisekcji algorytm input a, b, M, δ, ɛ u f (a) v f (b) e b a output a, b, u, v if sgn(u) = sgn(v) then stop for k = 1 to M do e e/2 c a + e w f (c) output k, c, w, e if e < δ or w < ɛ then stop if sgn(u) sgn(w) then b c v w else a c u w end if end do
9 Metoda bisekcji analiza błędu Oznaczmy kolejne otrzymywane przedziały [a 0, b 0 ], [a 1, b 1 ]... a 0 a 1 a 2... b 0 b 0 b 1 b 2... a 0 b n+1 a n+1 = 1 (bn an) (n 0) 2 Ciąg {a n} jako niemalejący i ograniczony z góry jest zbieżny. Podobnie jest zbieżny ciąg {b n}. Z ostatniej równości wynika, że b n a n = 2 n (b 0 a 0 ).
10 Metoda bisekcji analiza błędu Z ostatniego równania na poprzednim slajdzie wynika, że Oznaczmy lim bn lim an = lim n n n 2 n (b 0 a 0 ) = 0. r = lim an = lim bn. n n Przejście do granicy w nierówności 0 f (a n)f (b n) daje 0 [f (r)] 2, skąd f (r) = 0. Twierdzenie 1 Jeśli przedziały [a 0, b 0 ], [a 1, b 1 ],... są tworzone metodą bisekcji, to granice lim n a n i lim n b n istnieją, są identyczne i równe zeru funkcji f. Jeśli r = lim n c n, gdzie c n = 1 2 (an + bn), to r c n 2 (n+1) (b 0 a 0 ).
11 Metoda Newtona Metoda Newtona jest ogólną procedurą, którą można zastosować w wielu sytuacjach. Jej szczególny wariant dotyczący lokalizacji miejsc zerowych funkcji rzeczywistych nazywany jest też metodą Newtona-Raphsona. Metoda Newtona: szybsza od metody bisekcji i siecznych zbieżność kwadratowa nie zawsze zbieżna często używana w kombinacji z inną, wolniejszą, ale globalnie zbieżną metodą
12 Metoda Newtona Niech f będzie funkcją, której zera należy wyznaczyć numerycznie. Niech r będzie takim zerem, a x jego przybliżeniem. Jeśli f istnieje, to na mocy twierdzenia Taylora 0 = f (r) = f (x + h) = f (x) + hf (x) + O(h 2 ), gdzie h = r x. Jeśli nasze pierwsze przybliżenie jest dobre (h jest małe), to bezpiecznie można pominąć wyraz O(h 2 ) i rozwiązać równanie względem h. h = f (x)/f (x) Jeśli x jest przybliżeniem r to x f (x)/f (x) powinno być lepszym przybliżeniem tego zera. Metoda Newtona z definicji zaczyna od przybliżenia x 0 zera r i polega na rekurencyjnym stosowaniu wzoru x n+1 = x n f (x) f (x) (n 0).
13 Metoda Newtona algorytm input x 0, M, δ, ɛ v f (x 0 ) output 0, x 0, v if v < ɛ then stop for k = 1 to M do x 1 x 0 v/f (x 0 ) v f (x 1 ) output k, x 1, v if x 1 x 0 < δ or v < ɛ then stop x 0 x 1 end do
14 Metoda Newtona analiza błędu Niech e n = x n r będzie błędem. Załóżmy, że f jest ciągła i r jest pojedynczym zerem f. Z definicji iteracji w metodzie wynika, że: Z wzoru Taylora mamy e n+1 = x n+1 r = x n f (xn) f (x n) r = = e n f (xn) f (x = enf (x n) f (x n) n) f (x n) 0 = f (r) = f (x n e n) = f (x n) e nf (x n) e2 n f (ξ n), gdzie ξ n jest zawarte pomiędzy x n i r. Stąd mamy e nf (x n) f (x n) = 1 2 f (ξ n)e 2 n.
15 Metoda Newtona analiza błędu Wstawiając ostanie równanie do wzoru na e n+1 otrzymamy e n+1 = 1 f (ξ n) 2 f (x n) e2 n 1 f (r) 2 f (r) e2 n = Cen 2 Załóżmy, że C = 1 i że e n 10 4 Wtedy z ostatniego równania wynika, że e n i e n Parę dodatkowych iteracji wystarczy, aby otrzymać dokładność maszynową! Ostatnie równanie na e n+1 jest w przybliżeniu równe pewnej stałej pomnożonej przez e 2 n. Taka sytuacja nazywana jest zbieżnością kwadratową. Dzięki temu każda iteracja metody Newtona podwaja liczbę cyfr dokładnych przybliżenia.
16 Metoda Newtona zbieżność e n małe i 1 f (ξ n) 2 f nie jest zbyt duże = e (x n) n+1 < e n. Zdefiniujmy c(δ) = max f (x) x r δ 2 min x r δ f (x) (δ > 0). Wybieramy δ tak, żeby δc(δ) < 1. Jest to możliwe bo δ 0 = c(δ) 1 2 f (r)/f (r), a więc δc(δ) 0. Zdefiniujmy ρ = δc(δ). Załóżmy, że zaczynamy iteracje Newtona od x 0 takiego, że x 0 r δ. Daje to e 0 δ i ξ 0 r δ. Z definicji c(δ) 1 f (ξ 0 ) 2 f (x 0 ) c(δ). Z równania na e n+1 dostaniemy x 1 r = e 1 e 2 0 c(δ) = e 0 e 0 c(δ) e 0 δc(δ) = e 0 ρ < e 0 δ. Widać, że następny punkt, x 1, także leży nie dalej od r niż δ.
17 Metoda Newtona zbieżność Wykorzystując wielokrotnie nierówność możemy napisać, że: e 1 ρ e 0 e 2 ρ e 1 ρ 2 e 0 e 3 ρ e 2 ρ 3 e 0. e n ρ n e 0 0 ρ < 1 = lim n ρn = 0 = lim n en = 0
18 Metoda Newtona zbieżność Twierdzenie 2 Niech r będzie zerem pojedynczym funkcji f i niech jej druga pochodna f będzie ciągła. Wtedy istnieje takie otoczenie punktu r i taka stała C, że jeśli metoda Newtona startuje z tego otoczenia, to kolejne punkty są coraz bliższe r i takie, że x n+1 r C(x n r) 2 (n 0).
19 Metoda Newtona zbieżność W pewnych przypadkach metoda Newtona jest zbieżna dla dowolnego punktu startowego: Twierdzenie 3 Jeśli f C 2 (R), jest rosnąca, wypukła i ma zero, to jest ono jedyne, a metoda Newtona daje ciąg do niego zbieżny dla dowolnego punktu startowego. Dowód f wypukła jeśli f (x) > 0 x R f rosnąca = f (x) > 0 Wobec dwóch powyższych z wzoru na e n+1 dostaniemy e n+1 > 0 = x n > r dla (n 1). Z tego, że f jest rosnąca wynika, że f (x n) > f (r) = 0. Dlatego z e n+1 = x n+1 r = x n f (xn) f (xn) f r = en (x n) f (x n) dostaniemy e n+1 < e n. A więc ciągi {e n} i {x n} są malejące i ograniczone z dołu odpowiednio przez 0 i r oraz istnieją granice e = lim n e n i x = lim n x n. Z ostatniej równości wynika, że: e = e f (x )/f (x ) impliesf (x ) = 0 i x = r. c.n.u.
20 Metoda Newtona Przykład 1 Obliczanie pierwiastków kwadratowych Niech x = R i R > 0. x jest pierwiastkiem równania f (x) = x 2 R = 0. Stosując metodę Newtona otrzymamy wzór iteracyjny: x n+1 = 1 2 (x n + Rxn ). Jest to wzór stosowany w podprogramach pierwiastkowania. Przypisuje się go Heronowi (żył między 100 r. p.n.e i 100 r. n.e.).
21 Metoda Newtona funkcje uwikłane G(x, y) = 0 Równanie można rozwiązać względem y dla ustalonego x, stosując metodę Newtona. y k+1 = y k G(x, y k )/ G y (x, y k)
22 Metoda Newtona funkcje uwikłane Przykład 2 Zbudujemy tablicę wartości y, które dla danych x spełniają równanie G(x, y) = 0, gdzie G(x, y) = 3x 7 + 2y 5 x 3 + y 3 3. Zaczniemy od x = 0 i będziemy je zwiększać z krokiem 0.1 do x = 10. Zaczniemy od x = 0 i y = 1, wtedy G(x, y) = 0. G y (x, y) = 10y 4 + 3y 2 x 0; y 1; h 0.1; M 100; N 4 output 0, x, y, G(x, y) for i = 1 to M do x x + h for j = 1 to N do y y G(x, y)/ G (x, y) y end do output i, x, y, G(x, y) end do
23 Metoda Newtona układy równań nieliniowych f 1 (x 1, x 2 ) = 0 f 2 (x 1, x 2 ) = 0 Załóżmy, że (x 1, x 2 ) jest przybliżonym rozwiązaniem układu. Obliczmy poprawki h 1 i h 2 takie, żeby (x 1 + h 1, x 2 + h 2 ) było lepszym przybliżeniem. Zachowując tylko liniowe człony rozwinięcia Taylora rozważanych funkcji otrzymamy 0 = f 1 (x 1 + h 1, x 2 + h 2 ) f 1 (x 1, x 2 ) + h 1 f 1 x 1 + h 2 f 1 x 2, 0 = f 2 (x 1 + h 1, x 2 + h 2 ) f 2 (x 1, x 2 ) + h 1 f 2 x 1 + h 2 f 2 x 2. Jest to układ równań liniowych względem h 1 i h 2.
24 Metoda Newtona układy równań nieliniowych Macierz układu z poprzedniego slajdu jest jakobianem (wszystkie pochodne cząstkowe są obliczane w (x 1, x 2 ). [ ] f1 / x J = 1 f 1 / x 2 f 2 / x 1 f 2 / x 2 Rozwiązanie układu istnieje jeśli macierz J jest nieosobliwa. [ ] [ ] h1 = J h 1 f1 (x 1, x 2 ) 2 f 2 (x 1, x 2 )
25 Metoda Newtona układy równań nieliniowych Metoda Newtona dla układu równań nieliniowych wyraża się wzorem [ ] [ ] [ ] x (k+1) 1 x (k) x (k+1) = 1 h (k) 2 x (k) h (k) 2 gdzie układ liniowy J [ h (k) 1 h (k) 2 rozwiązujemy np. metodą eliminacji Gaussa. Układy n równań rozwiązujemy analogicznie. ] ( ) = f 1 x (k) 1, x (k) ( 2 ) f 2 x (k) 1, x (k) 2
26 Metoda siecznych Metodę Newtona definiuje wzór iteracyjny: x n+1 = x n f (xn) f (x n). Jeśli zastąpimy pochodną ilorazem różnicowym f (x n) f (xn) f (x n 1) x n x n 1 to otrzymamy równanie definiujące metodę siecznych x n x n 1 x n+1 = x n f (x n) f (x n) f (x n 1 ) (n 1). Uwaga! Potrzebne dwa punkty początkowe. Każde nowe x n+1 wymaga już obliczenia tylko jednej nowej wartości f. Inny sposób na ominięcie liczenia pochodnych można znaleźć w metodzie Steffensena: x n+1 = x n [f (x n)] 2 f (x n + f (x n)) f (x n), ale tutaj przy wyliczaniu nowego x n+1 trzeba znaleźć dwie wartości f w porównaniu do jednej w metodzie siecznych.
27 Metoda siecznych algorytm Algorytm zawiera modyfikację, polegającą na tym, że kolejne wartości funkcji będą miały moduły nierosnące. input a, b, M, δ, ɛ fa f (a); fb f (b) output 0, a, fa output 1, b, fb for k = 2 to M do if fa > fb then a b; fa fb end if s (b a)/(fb fa) b a fb fa a a fa s fa f (a) output k, a, fa if fa < ɛ or b a < δ then stop end do
28 Metoda siecznych analiza błędu e n+1 = x n+1 r = x n 1f (x n) x nf (x n 1 ) f (x n) f (x n 1 ) = x n 1f (x n) x nf (x n 1 ) f (x n) f (x n 1 ) r = (xn en) (f (xn) f (x n 1)) f (x n) f (x n 1 ) = x n 1f (x n) x nf (x n) + e nf (x n) e nf (x n 1 ) f (x n) f (x n 1 ) = f (xn)(x n 1 x n) + e nf (x n) e nf (x n 1 ) f (x n) f (x n 1 ) = f (xn)(e n 1 + r e n r) + e nf (x n) e nf (x n 1 ) f (x n) f (x n 1 ) = x n x n 1 f (x n) f (x n 1 ) 1 f (r) = e n 1f (x n) e nf (x n 1 ) f (x n) f (x n 1 ) = = = f (x n)/e n f (x n 1 )/e n 1 e ne n 1 x n x n 1 f (x n)/e n f (x n 1 )/e n 1 e ne n 1 x n x n 1 = =
29 Metoda siecznych analiza błędu Z twierdzenia Taylora mamy f (x n) = f (r + e n) = f (r) + e nf (r) e2 n f (r) + O(e 3 n ) f (r) = 0 bo mamy miejsce zerowe f (x n)/e n = f (r) enf (r) + O(e 2 n) Ostatnie równanie przepisujemy przesuwając wskaźnik o 1 f (x n 1 )/e n 1 = f (r) e n 1f (r) + O(e 2 n 1 ) Odejmujemy stronami dwie ostatnie nierówności i pomijamy wyrazy wyższych rzędów. f (x n)/e n f (x n 1 )/e n (en e n 1)f (r)
30 Metoda siecznych analiza błędu f (x n)/e n f (x n 1 )/e n 1 (e n e n 1 ) x n x n 1 = e n e n 1 = 1 2 f (r) f (x n)/e n f (x n 1 )/e n 1 (x n x n 1 ) = 1 2 f (r) e n+1 f (r) 2f (r) ene n 1 = Ce ne n 1 Otrzymaliśmy równanie podobne do równania otrzymanego przy analizie metody Newtona. Przyjmijmy teraz, że zachodzi następująca proporcjonalność asymptotyczna gdzie A jest stałą dodatnią. e n+1 A e n α,
31 Metoda siecznych analiza błędu Przyjmijmy teraz, że zachodzi następująca proporcjonalność asymptotyczna e n+1 A e n α, gdzie A jest stałą dodatnią. Ta proporcjonalność, definiująca zbieżność rzędu α, oznacza, że lim n e n+1 /(A e n α ) = 1, możemy więc napisać e n A e n 1 α e n 1 (A 1 e n ) 1/α. Wstawmy wartości asymptotyczne do niebieskiego równania A e n α C e n A 1/α e n 1/α A 1+1/α C 1 e n 1 α+1/α
32 Metoda siecznych analiza błędu A 1+1/α C 1 e n 1 α+1/α Lewa strona jest niezerową stałą, a e n 0 = 1 α + 1/α = 0 α = Zbieżność metody siecznych jest nadliniowa. Możemy wyznaczyć stałą A, gdyż wiemy, że prawa strona równania na górze jest równa 1 i 1 + 1/α = α. Dla takiego A mamy ostatecznie A = C 1/α C 0.62 = f (r) f (r) e n+1 A e n (1+ 5)/2.
33 Metoda siecznych metoda siecznych jest zbieżna wolniej od metody Newtona metoda siecznych jest zbieżna szybciej od metody bisekcji każdy krok metody siecznych wymaga obliczenia tylko jednej wartości funkcji każdy krok metody Newtona wymaga obliczenia dwóch wartości funkcji (f i f ) w pewnym sensie para kroków metody siecznych odpowiada jednemu metody Newtona
34 Metoda Brenta metoda hybrydowa niezawodność bisekcji szybkość odwrotnej interpolacji kwadratowej
35 Metoda Brenta schemat dzielimy przedział (a, b) izolacji pierwiastka na połowę określamy, w którym z przedziałów (a, c = a+b 2 i (c, b) leży pierwiastek zamiast kontynuować połowienie przez punkty a, f (a), c, f (c), b, f (b) prowadzimy parabolę i szukamy punktu przecięcia z osią X wzór na parabolę przechodzącą przez trzy dane punkty x = [y f (b)][y f (c)] [f (a) f (b)][f (a) f (c)] a+ [y f (a)][y f (c)] + [f (b) f (a)][f (b) f (c)] b + [y f (a)][y f (b)] [f (c) f (a)][f (c) f (b)] c
36 Metoda Brenta schemat podstawiając y = 0 znajdziemy nowe przybliżenie poszukiwanego pierwiastka af (b)f (c)[f (b) f (c)] + bf (c)f (a)[f (c) f (a)] + cf (a)f (b)[f (a) f (b)] x = [f (a) f (b)][f (b) f (c)][f (c) f (a)] dla zapewnienia zbieżności powyższe przybliżenie akceptujemy tylko wtedy, gdy leży ono w nowym przedziale izolacji w przeciwnym razie wynik interpolacji pomijamy i przeprowadzamy następny krok bisekcji procedurę powtarzamy aż do uzyskania żądanej dokładności
37 Metoda Brenta algorytm input a, b, M, δ, ɛ u fx(a); v fx(b); e b a if sgn(u) = sgn(v) then STOP for k = 0 to M do e e/2; c a + e; kk 0 for j = 0 to M do kk kk + 1 w fx(c) x [avw(v w) + bwu(w u) + cuv(u v)]/[(u v)(v w)(w u)] if sgn(w) sgn(u) and x c and x a then b c; c x; v w else if sgn(w) sgn(v) and x b and x c then a c; c x; u w else e b a STOP wychodzimy z pętli po j, kontynuujemy po k end if if e < δ or w < ɛ then output c, k + kk, w STOP PROGRAM end if end do if e < δ or w < ɛ then output c, k + kk, w output STOP PROGRAM end if if sgn(w) sgn(u) then b c; v w else end if end do a c; u w
38 Wielomiany p(z) = a nz n + a n 1 z n a 1 z + a 0 Poszukiwanie zer wielomianów można zastosować metody poznane do tej pory (w szczególności netodę Newtona) można skorzystać ze szczególnych włsności wielomianów metoda Bairstowa metoda Laguerre a
39 Schemat Hornera p(z) = a nz n + a n 1 z n a 1 z + a 0 oczywisty algorytm obliczania wartości v = p(z 0 ), czyli onliczanie potęg wielkości z 0, ich mnożenie przez współczynniki wielomianu i sumowanie tych współczynników wymaga 2n 1 mnożeń i n dodawań wyrażając wielomian p w postaci a 0 + z(a 1 + z(a z(a n 1 + a nz)...)) otrzymujemy algorytm, w którym wystarczy wykonać n mnożeń i n dodawań
40 Schemat Hornera algorytm input n, (a i : 0 i n), z 0 v a n for k=n-1 to 0 step -1 do v a k + z 0 v end do output v
Zagadnienia - równania nieliniowe
Zagadnienia - równania nieliniowe Sformułowanie zadania poszukiwania pierwiastków. Przedział izolacji. Twierdzenia o istnieniu pierwiastków. Warunki zatrzymywania algorytmów. Metoda połowienia: założenia,
Bardziej szczegółowoMetody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowo1 Równania nieliniowe
1 Równania nieliniowe 1.1 Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym jest numeryczne poszukiwanie rozwiązań równań nieliniowych, np. algebraicznych (wielomiany),
Bardziej szczegółowo1 Metody rozwiązywania równań nieliniowych. Postawienie problemu
1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie
Bardziej szczegółowoElementy metod numerycznych
Wykład nr 5 i jej modyfikacje. i zera wielomianów Założenia metody Newtona Niech będzie dane równanie f (x) = 0 oraz przedział a, b taki, że w jego wnętrzu znajduje się dokładnie jeden pierwiastek α badanego
Bardziej szczegółowoWprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Zazwyczaj nie można znaleźć
Bardziej szczegółowoIteracyjne rozwiązywanie równań
Elementy metod numerycznych Plan wykładu 1 Wprowadzenie Plan wykładu 1 Wprowadzenie 2 Plan wykładu 1 Wprowadzenie 2 3 Wprowadzenie Metoda bisekcji Metoda siecznych Metoda stycznych Plan wykładu 1 Wprowadzenie
Bardziej szczegółowoRozwiązywanie równań nieliniowych
Rozwiązywanie równań nieliniowych Marcin Orchel 1 Wstęp Przykłady wyznaczania miejsc zerowych funkcji f : f(ξ) = 0. Wyszukiwanie miejsc zerowych wielomianu n-tego stopnia. Wymiar tej przestrzeni wektorowej
Bardziej szczegółowoMetody rozwiązywania równań nieliniowych
Metody rozwiązywania równań nieliniowych Rozwiązywanie równań nieliniowych Ogólnie równanie o jednej niewiadomej x można przedstawić w postaci f ( x)=0, x R, (1) gdzie f jest wystarczająco regularną funkcją.
Bardziej szczegółowoROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH
Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 6 Rozwiązywanie równań nieliniowych Rozwiązaniem lub pierwiastkiem równania f(x) = 0 lub g(x) = h(x)
Bardziej szczegółowoRozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.
Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów. Plan wykładu: 1. Wyznaczanie pojedynczych pierwiastków rzeczywistych równań nieliniowych metodami a) połowienia (bisekcji)
Bardziej szczegółowoMetody numeryczne. Równania nieliniowe. Janusz Szwabiński.
Metody numeryczne Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl nm_slides-9.tex Metody numeryczne Janusz Szwabiński 7/1/2003 20:18 p.1/64 Równania nieliniowe 1. Równania nieliniowe z pojedynczym
Bardziej szczegółowoRÓWNANIA NIELINIOWE Maciej Patan
RÓWNANIA NIELINIOWE Maciej Patan Uniwersytet Zielonogórski Przykład 1 Prędkość v spadającego spadochroniarza wyraża się zależnością v = mg ( 1 e c t) m c gdzie g = 9.81 m/s 2. Dla współczynnika oporu c
Bardziej szczegółowoMETODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. prof. dr hab.inż. Katarzyna Zakrzewska
METODY NUMERYCZNE Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą prof. dr hab.inż. Katarzyna Zakrzewska Met.Numer. Wykład 4 1 Rozwiązywanie równań nieliniowych z jedną niewiadomą
Bardziej szczegółowoWstęp do metod numerycznych Rozwiazywanie równań algebraicznych. P. F. Góra
Wstęp do metod numerycznych Rozwiazywanie równań algebraicznych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2010 Co to znaczy rozwiazać równanie? Przypuśmy, że postawiono przed nami problem rozwiazania
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 1. Optymalizacja funkcji jednej zmiennej Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 28.02.2019 1 / 54 Plan wykładu Optymalizacja funkcji jednej
Bardziej szczegółowoWybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych
Wykład trzeci 1 Wybrane metody przybliżonego wyznaczania rozwiązań pierwiastków równań nieliniowych 2 Metody rozwiązywania równań nieliniowych = 0 jest unkcją rzeczywistą zmiennej rzeczywistej Rozwiązanie
Bardziej szczegółowoMETODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. Rozwiązywanie równań nieliniowych z jedną niewiadomą
METODY NUMERYCZNE Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą dr hab.inż. Katarzyna Zakrzewska, prof.agh Met.Numer. Wykład 4 1 Rozwiązywanie równań nieliniowych z jedną niewiadomą
Bardziej szczegółowoMetody numeryczne. materiały do wykładu dla studentów
Metody numeryczne materiały do wykładu dla studentów 5. Przybliżone metody rozwiązywania równań 5.1 Lokalizacja pierwiastków 5.2 Metoda bisekcji 5.3 Metoda iteracji 5.4 Metoda stycznych (Newtona) 5.5 Metoda
Bardziej szczegółowoRozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.
Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów. Plan wykładu: 1. Wyznaczanie pojedynczych pierwiastków rzeczywistych równań nieliniowych metodami a) połowienia (bisekcji)
Bardziej szczegółowoLaboratorium 5 Przybliżone metody rozwiązywania równań nieliniowych
Uniwersytet Zielonogórski Wydział Informatyki, Elektrotechniki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Elektrotechnika niestacjonarne-zaoczne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c,
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \
Bardziej szczegółowoKubatury Gaussa (całka podwójna po trójkącie)
Kubatury Gaussa (całka podwójna po trójkącie) Całka podwójna po trójkącie Dana jest funkcja dwóch zmiennych f (x, y) ciągła i ograniczona w obszarze trójkątnym D. Wierzchołki trójkąta wyznaczają punkty
Bardziej szczegółowoMetody Obliczeniowe w Nauce i Technice
7. Równania nieliniowe (non-linear equations) Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl Contributors Dawid Prokopek
Bardziej szczegółowoRozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.
Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów. Plan wykładu: 1. Wyznaczanie pojedynczych pierwiastków rzeczywistych równań nieliniowych metodami a) połowienia (bisekcji)
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c = a
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.
Bardziej szczegółowoCałkowanie numeryczne przy użyciu kwadratur
Całkowanie numeryczne przy użyciu kwadratur Plan wykładu: 1. Kwadratury Newtona-Cotesa a) wzory: trapezów, parabol etc. b) kwadratury złożone 2. Ekstrapolacja a) ekstrapolacja Richardsona b) metoda Romberga
Bardziej szczegółowoMetody numeryczne Wykład 7
Metody numeryczne Wykład 7 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Plan wykładu Rozwiązywanie równań algebraicznych
Bardziej szczegółowoMetody numeryczne w przykładach
Metody numeryczne w przykładach Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Regionalne Koło Matematyczne 8 kwietnia 2010 r. Bartosz Ziemkiewicz (WMiI UMK) Metody numeryczne w przykładach
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku
Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x
Bardziej szczegółowoMetody Numeryczne Optymalizacja. Wojciech Szewczuk
Metody Numeryczne Optymalizacja Optymalizacja Definicja 1 Przez optymalizację będziemy rozumieć szukanie minimów lub maksimów funkcji. Optymalizacja Definicja 2 Optymalizacja lub programowanie matematyczne
Bardziej szczegółowoWyznaczanie miejsc zerowych funkcji
Wyznaczanie miejsc zerowych funkcji Piotr Modliński 6 października 010 Spis treści 1 Wstęp 1 Metody iteracyjne 1.1 Zbieżność metody............ Lokalizacja zer.............3 Metody odnajdywania zer.......3.1
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku
Egzamin pisemny zestaw. ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x n, to funkcja x0 x gx ( ) + [ gx (
Bardziej szczegółowoAnaliza numeryczna kolokwium2a-15grudnia2005
kolokwium2a-15grudnia2005 1.Niechf(x)=a n x n +a n 1 x n 1 +...+a 0.Jakąwartośćprzyjmujeilorazróżnicowy f[x 0,...,x n ]dladowolnychn+1paramiróżnychwęzłówx j?odpowiedźuzasadnić. 2. Pokazać, że zamiana zmiennych
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoMetody numeryczne. dr Artur Woike. Ćwiczenia nr 2. Rozwiązywanie równań nieliniowych metody połowienia, regula falsi i siecznych.
Ćwiczenia nr 2 metody połowienia, regula falsi i siecznych. Sformułowanie zagadnienia Niech będzie dane równanie postaci f (x) = 0, gdzie f jest pewną funkcją nieliniową (jeżeli f jest liniowa to zagadnienie
Bardziej szczegółowoMETODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH
METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH Jednym z zastosowań metod numerycznych jest wyznaczenie pierwiastka lub pierwiastków równania nieliniowego. W tym celu stosuje się szereg metod obliczeniowych np:
Bardziej szczegółowoRzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu
Rzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu P. Strzelecki pawelst@mimuw.edu.pl Instytut Matematyki, Uniwersytet Warszawski MISH UW, semestr zimowy 2011-12 P.
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoWstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/
Wstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Lokalna minimalizacja ciagła Minimalizacja funkcji jest jedna z najważniejszych
Bardziej szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ
ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie minimalizacji bez ograniczeń f(ˆx) = min x R nf(x) f : R n R funkcja ograniczona z dołu Algorytm rozwiazywania Rekurencyjny
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoWstęp do metod numerycznych 9. Rozwiazywanie równań algebraicznych. P. F. Góra
Wstęp do metod numerycznych 9. Rozwiazywanie równań algebraicznych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Co to znaczy rozwiazać równanie? Przypuśmy, że postawiono przed nami problem rozwiazania
Bardziej szczegółowoMatematyka i Statystyka w Finansach. Rachunek Różniczkowy
Rachunek Różniczkowy Ciąg liczbowy Link Ciągiem liczbowym nieskończonym nazywamy każdą funkcję a która odwzorowuje zbiór liczb naturalnych N w zbiór liczb rzeczywistych R a : N R. Tradycyjnie wartość a(n)
Bardziej szczegółowoVIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.
VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. Twierdzenie 1.1. (Rolle a) Jeżeli funkcja f jest ciągła w przedziale domkniętym
Bardziej szczegółowoMatematyka ZLic - 2. Granica ciągu, granica funkcji. Ciągłość funkcji, własności funkcji ciągłych.
Matematyka ZLic -. Granica ciągu, granica funkcji. Ciągłość funkcji, własności funkcji ciągłych. Granica ciągu Ciąg a n ma granicę właściwą g R i piszemy jeśli lim n a n g lub a n g gdy n NN n N a n g
Bardziej szczegółowoAnaliza numeryczna Kurs INP002009W. Wykład 8 Interpolacja wielomianowa. Karol Tarnowski A-1 p.223
Analiza numeryczna Kurs INP002009W Wykład 8 Interpolacja wielomianowa Karol Tarnowski karol.tarnowski@pwr.wroc.pl A-1 p.223 Plan wykładu Wielomian interpolujący Wzór interpolacyjny Newtona Wzór interpolacyjny
Bardziej szczegółowoUkłady równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np.
Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona f(x 0, f ( f, f,..., f n gdzie 2 x ( x, x 2,..., x n dla n2 np. f ( x, y 0 g( x, y 0 dla każdej wielowymiarowej rozwinięcie w szereg Taylora
Bardziej szczegółowox y
Przykłady pytań na egzamin końcowy: (Uwaga! Skreślone pytania nie obowiązują w tym roku.). Oblicz wartość interpolacji funkcjami sklejanymi (przypadek (case) a), dla danych i =[- 4 5], y i =[0 4 -]. Jaka
Bardziej szczegółowoINFORMATYKA ELEMENTY METOD NUMERYCZNYCH.
INFORMATYKA ELEMENTY METOD NUMERYCZNYCH http://www.infoceram.agh.edu.pl METODY NUMERYCZNE Metody numeryczne zbiór metod rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
Bardziej szczegółowo22 Pochodna funkcji definicja
22 Pochodna funkcji definicja Rozważmy funkcję f : (a, b) R, punkt x 0 b = +. (a, b), dopuszczamy również a = lub Definicja 33 Mówimy, że funkcja f jest różniczkowalna w punkcie x 0, gdy istnieje granica
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoPochodne funkcji wraz z zastosowaniami - teoria
Pochodne funkcji wraz z zastosowaniami - teoria Pochodne Definicja 2.38. Niech f : O(x 0 ) R. Jeżeli istnieje skończona granica f(x 0 + h) f(x 0 ) h 0 h to granicę tę nazywamy pochodną funkcji w punkcie
Bardziej szczegółowoEgzamin z Metod Numerycznych ZSI, Egzamin, Gr. A
Egzamin z Metod Numerycznych ZSI, 06.2007. Egzamin, Gr. A Imię i nazwisko: Nr indeksu: Section 1. Test wyboru, max 33 pkt Zaznacz prawidziwe odpowiedzi literą T, a fałszywe N. Każda prawidłowa odpowiedź
Bardziej szczegółowoWstęp do metod numerycznych 9a. Układy równań algebraicznych. P. F. Góra
Wstęp do metod numerycznych 9a. Układy równań algebraicznych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Układy równań algebraicznych Niech g:r N równanie R N będzie funkcja klasy co najmniej
Bardziej szczegółowoMetody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50
Metody numeryczne Układy równań liniowych, część II Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Układy równań liniowych, część II 1. Iteracyjne poprawianie
Bardziej szczegółowoWprowadzenie do metod numerycznych Wykład 2 Numeryczne rozwiązywanie równań nieliniowych
Wprowadzenie do metod numerycznych Wykład 2 Numeryczne rozwiązywanie równań nieliniowych Polsko-Japońska Wyższa Szkoła Technik Komputerowych Katedra Informatyki Stosowanej Spis treści Spis treści 1 Numeryczne
Bardziej szczegółowoCiągłość funkcji jednej zmiennej rzeczywistej. Autorzy: Anna Barbaszewska-Wiśniowska
Ciągłość funkcji jednej zmiennej rzeczywistej Autorzy: Anna Barbaszewska-Wiśniowska 2018 Spis treści Definicja ciągłości funkcji. Przykłady Funkcja nieciągła. Typy nieciągłości funkcji Własności funkcji
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody poszukiwania ekstremum funkcji jednej zmiennej Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoPRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA
PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA Metody kolejnych przybli e Twierdzenie. (Bolzano Cauchy ego) Metody kolejnych przybli e Je eli funkcja F(x) jest ci g a w przedziale domkni tym [a,b] i F(a) F(b)
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Elektrotechnika stacjonarne-dzienne pierwszego stopnia
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoMetody Obliczeniowe w Nauce i Technice
8. Wyznaczanie pierwiastków wielomianów Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl Contributors Magdalena Nowak
Bardziej szczegółowoPochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji.
Pochodna funkcji Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowoLab 10. Funkcje w argumentach funkcji metoda Newtona. Synonimy nazw typów danych. Struktury. Tablice struktur.
Języki i paradygmaty programowania 1 studia stacjonarne 2018/19 Lab 10. Funkcje w argumentach funkcji metoda Newtona. Synonimy nazw typów danych. Struktury. Tablice struktur. 1. Identyfikator funkcji,
Bardziej szczegółowoInterpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna
Interpolacja Marcin Orchel 1 Wstęp Mamy daną funkcję φ (x; a 0,..., a n ) zależną od n + 1 parametrów a 0,..., a n. Zadanie interpolacji funkcji φ polega na określeniu parametrów a i tak aby dla n + 1
Bardziej szczegółowoWyznaczanie miejsc zerowych funkcji
Wyznaczanie miejsc zerowych funkcji Piotr Modliński 31 października 010 Spis treści 1 Wstęp 1 Metody iteracyjne 1.1 Zbieżność metody............ Lokalizacja zer.............3 Metody odnajdywania zer.......3.1
Bardziej szczegółowoBardzo łatwa lista powtórkowa
Analiza numeryczna, II rok inf., WPPT- 12 stycznia 2008 Terminy egzaminów Przypominam, że egzaminy odbędą się w następujących terminach: egzamin podstawowy: 30 stycznia, godz. 13 15, C-13/1.31 egzamin
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowoLogarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.
Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Definicja. Niech a i b będą dodatnimi liczbami rzeczywistymi i niech a. Logarytmem liczby b przy podstawie
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metody kierunków poparwy (metoda Newtona-Raphsona, metoda gradientów sprzężonych) Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 28.03.2019 1
Bardziej szczegółowoWstęp do metod numerycznych 11. Minimalizacja: funkcje jednej zmiennej. P. F. Góra
Wstęp do metod numerycznych 11. Minimalizacja: funkcje jednej zmiennej P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Lokalna minimalizacja ciagła Minimalizacja funkcji jest jedna z najważniejszych
Bardziej szczegółowoZnaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:
Ciągi rekurencyjne Zadanie 1 Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: w dwóch przypadkach: dla i, oraz dla i. Wskazówka Należy poszukiwać rozwiązania w postaci, gdzie
Bardziej szczegółowoWstęp do Programowania potok funkcyjny
Wstęp do Programowania potok funkcyjny Marcin Kubica 2010/2011 Outline Procedury wyższych rzędów 1 Procedury wyższych rzędów jako abstrakcje konstrukcji programistycznych Intuicje Procedury wyższych rzędów
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowo13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Bardziej szczegółowo1 Pochodne wyższych rzędów
Pochodne wyższych rzędów Pochodną rzędu drugiego lub drugą pochodną funkcji y = f(x) nazywamy pochodną pierwszej pochodnej tej funkcji. Analogicznie definiujemy pochodne wyższych rzędów, jako pochodne
Bardziej szczegółowoZadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji
Zadania z analizy matematycznej - sem. I Pochodne funkcji przebieg zmienności funkcji Definicja 1. Niech f : (a b) R gdzie a < b oraz 0 (a b). Dla dowolnego (a b) wyrażenie f() f( 0 ) = f( 0 + ) f( 0 )
Bardziej szczegółowoInstrukcje pętli przykłady. Odgadywanie hasła. 1) Program pyta o hasło i podaje adres, gdy hasło poprawne lub komunikat o błędnym haśle.
Instrukcje pętli przykłady. Odgadywanie hasła. 1) Program pyta o hasło i podaje adres, gdy hasło poprawne lub komunikat o błędnym haśle. Sub Hasla1() Dim wzor_hasla As String Dim haslo As String Dim adres
Bardziej szczegółowoy f x 0 f x 0 x x 0 x 0 lim 0 h f x 0 lim x x0 - o ile ta granica właściwa istnieje. f x x2 Definicja pochodnych jednostronnych 1.5 0.
Matematyka ZLic - 3 Pochodne i różniczki funkcji jednej zmiennej Definicja Pochodną funkcji f w punkcie x, nazwiemy liczbę oznaczaną symbolem f x lub df x dx, równą granicy właściwej f x lim h - o ile
Bardziej szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej szczegółowoII. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski
II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski 1 1 Różniczkowanie numeryczne Rozważmy funkcję f(x) określoną na sieci równoodległyc węzłów. Funkcja f(x) może być dana za pomocą wzoru analitycznego
Bardziej szczegółowoZajęcia: VBA TEMAT: VBA PROCEDURY NUMERYCZNE Metoda bisekcji i metoda trapezów
Zajęcia: VBA TEMAT: VBA PROCEDURY NUMERYCZNE Metoda bisekcji i metoda trapezów W ramach zajęć oprogramujemy jedną, wybraną metodę numeryczną: metodę bisekcji numerycznego rozwiązywania równania nieliniowego
Bardziej szczegółowoEgzamin z Metod Numerycznych ZSI, Grupa: A
Egzamin z Metod Numerycznych ZSI, 06.2005. Grupa: A Nazwisko: Imię: Numer indeksu: Ćwiczenia z: Data: Część 1. Test wyboru, max 36 pkt Zaznacz prawidziwe odpowiedzi literą T, a fałszywe N. Każda prawidłowa
Bardziej szczegółowoIX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładów Błędy obliczeń Błędy można podzielić na: modelu, metody, wejściowe (początkowe), obcięcia, zaokrągleń..
Bardziej szczegółowoW wielu obliczeniach w matematyce bądź fizyce wykonanie niektórych kroków zależy od spełnienia warunku.
W wielu obliczeniach w matematyce bądź fizyce wykonanie niektórych kroków zależy od spełnienia warunku. Nie wolno dzielić przez zero i należy sprawdzić, czy dzielna nie jest równa zeru. W dziedzinie liczb
Bardziej szczegółowoWykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Bardziej szczegółowoUKŁADY RÓWNAŃ LINIOWYCH
Projekt dofinansowała Fundacja mbanku UKŁADY RÓWNAŃ LINIOWYCH CZĘŚĆ I Układ równań to przynajmniej dwa równania spięte z lewej strony klamrą, np.: x + 0 Każde z równań musi zawierać przynajmniej jedną
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /15
Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 7/15 Rachunek różnicowy Dobrym narzędziem do obliczania skończonych sum jest rachunek różnicowy. W rachunku tym odpowiednikiem operatora
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA III ZAKRES ROZSZERZONY (90 godz.) , x
WYMAGANIA EDUACYJNE Z MATEMATYI LASA III ZARES ROZSZERZONY (90 godz.) Oznaczenia: wymagania konieczne (dopuszczający); P wymagania podstawowe (dostateczny); R wymagania rozszerzające (dobry); D wymagania
Bardziej szczegółowoWYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki
WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoRÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych
RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )
Bardziej szczegółowoAnaliza matematyczna. 1. Ciągi
Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n
Bardziej szczegółowoPochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji
Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy
Bardziej szczegółowo