3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która

Wielkość: px
Rozpocząć pokaz od strony:

Download "3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która"

Transkrypt

1 3. Interpolacja Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która przyjmuje wartości y 1, y 2,, y n, dla skończonego zbioru argumentów x 1, x 2,, x n, tzn. y i = f x i dla i=0,1,, n. Zbiór argumentów {x i },i=0,1,, n, nazywany jest węzłami interpolacji, przy czym zakłada się, że: a x 1, x 2,, x n b. Powyższą funkcję nazywa się funkcją tabelaryczną ponieważ można ją określić podając tabelę:

2 Interpolacja w sensie Lagrange'a (3.1.1) Zagadnienie interpolacji w sensie Lagrange'a polega na znalezieniu funkcji y=f x należącej do pewnej określonej klasy funkcji, która w węzłach interpolacji przyjmuje te same wartości co funkcja y= f x, tj. F x i = y i dla i=0,1,,n. Funkcję y=f x nazywa się funkcją interpolującą, a y= f x - funkcją interpolowaną.

3 Interpolacja w sensie Lagrange'a (3.1.2) Zagadnienie interpolacji wykorzystuje się najczęściej do wyznaczania przybliżonych wartości funkcji y= f x dla argumentów x leżących pomiędzy węzłami interpolacji. W związku z tym funkcję interpolującą y=f x dobra się tak, aby jeśli to możliwe, dobrze przybliżała funkcję y= f x a następnie oblicza się wartość F x przyjmując, że f (x) F (x). Wyznaczona ocena wartości f x obarczona jest błędem R x = f x F x zwanym błędem interpolacji (błędem metody), który (jeśli istnieją ku temu możliwości) powinien również zostać oszacowany. W zależności od wybranej klasy funkcji, zagadnienie interpolacji może mieć jedno rozwiązanie, wiele rozwiązań (nawet nieskończenie wiele) lub nie mieć rozwiązań wcale. W dlalszej części przyjęto, że funkcja interpolująca jest wielomianem uogólnionym, tzn, funkcją postaci: F (x)=a 0 φ 0 (x)+a 1 φ 1 (x)+...+a n φ n (x). Gdzie: φ 0 (x), φ 1 (x),... φ n (x) są funkcjami określonymi na przedziale [a ;b], w którym tworzą układ liniowo niezależny nazywany bazą.

4 Interpolacja w sensie Lagrange'a (3.1.3) Aby wielomian uogólniony stał się funkcją interpolującą, muszą zachodzić równości: F (x 0 )=a 0 φ 0 (x 0 )+a 1 φ 1 (x 0 )+...+a n φ n (x 0 )= y 0, F (x 1 )=a 0 φ 0 (x 1 )+a 1 φ 1 (x 1 )+...+a n φ n (x 1 )= y 1,..., F (x n )=a 0 φ 0 (x n )+a 1 φ 1 (x n )+...+a n φ n (x n )= y n. Równania powyższe tworzą układ n 1 równań liniowych z niewiadomymi a 0,a 1,, a n. Jeśli wyznacznik główny układu jest różny od zera tj.: φ 0(x0) φ 1(x0)... φ n( x0) φ 0 (x 1 ) φ 1 (x 1 )... φ n (x 1 ), φ 0 (x n ) φ 1 (x n )... φ n (x n ) 0 istnieje wówczas jedno rozwiazanie, którym są poszukiwane współczynniki funkcji interpolującej a 0,a 1,, a n.

5 Wzór Lagrange'a (3.2) Niech bazę funkcji interpolujących stanowi zbiór jednomianów: które tworzą układ liniowo niezależny dla przyjmuje postać zwykłego wielomianu a układ równań przyjmuje postać: a 0 +a 1 x 0 +a 2 x a n x 0 n = y 0, a 0 +a 1 x 1 +a 2 x a n x 1 n = y 1,..., a 0 +a 1 x n +a 2 x n a n x n n = y n. φ 0 (x)=1,φ 1 (x)= x,...,φ n (x)=x n F (x)=a 0 +a 1 x+...+a n x n Wyznacznik macierzy głównej układu jest wyznacznikiem Vandermonda > <x<+, wówczas funkcja 1 x0... x0 1 x 1... n x i> j 1 x n... x n = n W praktyce metoda powyższa jest rzadko stosowana ze wzgędu na czesto występujące złe uwarunkowanie zadania. n (x i x j ) 0

6 Wzór Lagrange'a (3.2.1) Do częściej stosowanych funkcji interpolacyjnych należy wielomian interpolacyjny Lagrange'a W praktyce wykorzystuje się inną postać wielomianu, wymagającą mniejszej liczby operacji arytmetycznych: gdzie Można pokazać, że wielomian Lagrange'a jest wielomianem stopnia conajwyżej n i że błąd uzyskiwany przy jego wykorzystaniu do interpolacji spełnia nierówność gdzie

7 Wzór Lagrange'a (3.2.2) Przykład: Odczytane wartości temperatury zestawiono w tabeli: Należy okereślić temperaturę o godzinie 14:30. Rozwiązanie: Do obliczenia T 14,5 zastosowano drugi wzór Lagrange'a. Stąd otrzymano:

8 Wzór Lagrange'a (3.2.3)

9 Wzór Lagrange'a (3.2.4) Odpowiedź: O godzinie 14:30 temperatura była w przybliżeniu równa 21,6 o C. Nie można ocenić błędu wyznaczonej temperatury, ponieważ nie jest znana 5 pochdna funkcji T t czyli T 5 t.

10 Wzór Lagrange'a (3.2.5) Uwaga: Chcąc zminimalizować błąd interpolacji w przedziale [a ;b], węzły interpolacji x 1, x 2,, x n powinny być zerami wielomianu Czebyszewa pierwszego rodzaju i wyrażać się wzorami: W tym przypadku błąd interpolacji jest równy:

11 Interpolacja Czebyszewa (3.3) Jeśli za zbiór funkcji bazowych przyjmie się wielomiany Czebyszewa pierwszego rodzaju określone wzorami: funkcja interpolująca przyjmie postać Wspólczynniki a 0,a 1,,a n wyznacza się rozwiązująć układ równań Uogólniony wielomian interpolacyjny F x z obliczonymi współczynnikami a 0,a 1,,a n nosi nazwę wielomianu interpolacjnego Czebyszewa.

12 Interpolacja Czebyszewa (3.3.1) Uwagi: Wielomiany Czebyszewa pierwszego rodzaju są określone na przedziale [ 1;1]. Jeśli interpoluje się funkcję y= f t w przedziale [a ;b] to trzeba dokonać podstawienia t= a b /2 [ b a /2] x. Interpolacji poddana zostanie funkcja f 1 x powiązana z funkcją f t zależnością: f 1 x = f a b /2 [ b a / 2] x Interpolacja Czebyszewa jest mniej wrażliwa na błędy zaokrągleń od interpolacji z użyciem wzoru Lagrange'a. Przykład: Odczytane wartości temperatury zestawiono w tabeli: Korzystając z wielomianu interpolacyjnego Czebyszewa określić temperaturę o godzinie 14:30.

13 Interpolacja Czebyszewa (3.3.2) Rozwiązanie: Ponieważ w przykładzie występuje 5 węzłów interpolacyjnych ( n 1=5), należy wyznaczyć pięć wielomianów bazowych o rzędach od 0 do 4: gdzie 1 x 1. Funkcja interpolowana określona jest w przedziale [a ;b]=[12 ;16] zatem wielomian interpolacyjny musi zostać przeskalowany za pomocą zależności: (jest to wyrażenie odwrotne do omawianego na poprzedniej stronie). Funkcja T =T t będzie więc interpolowana wielomianem,

14 Interpolacja Czebyszewa (3.3.3) Współczyniki liniowych: a 0,a 1,, a n należy obliczyć rozwiązując układ równań Układ ten po podstawieniu danych przyjmuje postać Rozwiązaniem układu równań są wspólczynniki wielomianu Ponieważ dla t=14,5 x=14,5/2 7=0,25 stąd Odpowiedź: O godz. 14:30 temperatura była w przybliżenu równa 21,6 o C.

15 Interpolacja trygonometryczna (3.4) W wielu przypadkach konieczna jest interpolacja funkcji okresowej y= f t. O funkcji takiej zakłada się, że jest okresowa o okresie głównym [0 ;2 ] lub w przypadku ogólniejszym [a ;b]. Ponieważ jako bazę funkcji stosuje się funkcje trygonometryczne postaci których okresem głównym jest przedział [0 ;2 ] ''wielokrotności'') w przypadku okresu głownego przeskalowanie przedziału za pomocą zależności (lub jego całkowite [a ;b] konieczne jest Funkcja interpolująca jest wielomianem trygonometrycznym o postaci F (x)= a m (a k cos(k x)+b k sin (k x)). k=1 Przy czym n=2m (liczba węzłów interpolacji jest równa n+1). Współczynniki a 0,a 1,b 1,a m,b m wyznacza się rozwiązując układ równań

16 Interpolacja trygonometryczna (3.4.1) W praktyce najważniejszy jest przypadek, gdy węzły interpolacji są równoodległe tj. W tym przypadku macierz główna układu równań pomnożona przez 2/2m 1 staje się macierzą ortogonalną. Dzięki temu można podać bezpośrednie wzory na obliczanie współczynników a 0,a 1,b 1,a m,b m.

17 Interpolacja w przypadku węzłów równoodległych (3.5) Obecnie analizowany będzie przypadek, gdy argumenty funkcji dyskretnej są rozmieszczone w równych odstępach, tzn. x i+1 x i =h=const dla i=0,1,...,n 1. Omówione poniżej wzory interpolacyjne wykorzystują pojęcie różnicy skończonej. Różnicą skończoną progresywną rzędu pierwszego dla argumentu nazywa się różnicę Δ y i = f (x i +h) f (x i )= y i+1 y i dla i=0,1,...,n 1. x i Różnice skończone progresywne rzędu k+1 definiuje się rekurencyjnie Δ k +1 y i =Δ(Δ k y i )=Δ k y i+1 Δ k y i dla i=0,1,...,n k.

18 Interpolacja w przypadku węzłów równoodległych (3.5.1) Wzór Stirlinga Numerując węzły interpolacji...,x 2, x 1, x 0, x 1, x 2,... oraz oznaczając q= x x 0. h Wzór interpolacyjny Stirlinga rozpięty na węzłach wyraża zależność: S 2m (x)= y 0 +q Δ y 1 +Δ y q2 x m,..., x 2, x 1, x 0, x 1, x 2,... x m 2! Δ2 y 1 + q(q2 1 2 ) Δ3 y 2 +Δ 3 y ! 2 + q(q2 1 2 )(q )... (q 2 (m 1) 2 ) Δ2m 1 y m +Δ 2 m 1 y m+1 (2 m 1)! 2 + q(q2 1 2 )(q )... (q 2 (m 1) 2 ) Δ 2m y (2 m)! m. Błąd interpolacji wynikający z użycia wzoru Stirlinga jest w przybliżeniu równy: R 2m (x)= f (x) S 2m (x)= = q(q2 1 2 )(q )... (q 2 m 2 ) Δ2 m+1 y m 1 +Δ 2 m+1 y m (2 m+1)! 2.

19 Interpolacja w przypadku węzłów równoodległych (3.5.2) Przykład: Znane są nastepujące wartości funkcji y= f (x): Obliczyć y= f (0,5) z dokładnością ε =10 5. Tabela: Różnice skończone funkcji y= f (x)

20 Interpolacja w przypadku węzłów równoodległych (3.5.3) Rozwiązanie: Do obliczenia przybliżonej wartości y= f (0,5) zostanie zastosowany wzor Stirlinga. Pierwszym etapem bedzie takie ponumerowanie węzłów interpolacji aby węzeł x 0 znajdował się w pobliżu argumentu x=0,5, dla którego szukana jest przybliżona wartość funkcji. Dzięki temu współczynnik q=( x x 0 )/h= 0,5 0,6 = 0,5, gdzie h=x 0,2 i+1 x i =0,2,i= 3,...,0,...,5, przyjmie małą wartość, stąd kolejne składniki wzoru Stirlinga będą szybko malały stąd do wyznaczenia wartości S 2 m (x) z zadaną dokładnością ε we wzorze interpolacyjnym wystarczy wziąć pod uwagę tylko kilka początkowych składników. W tabeli zamieszczonej na poprzediej stronie zestawiono różnice skończone do rzędu szóstego. Tłustym drukiem zostały wyróżnione liczby, które wystąpią we wzorze Stirlinga. W kolejnych iteracjach k algorytmu należy wyznaczać S 2 k (x) oraz sprawdzać warunek końca obliczeń R 2 k (x) <ε.

21 Interpolacja w przypadku węzłów równoodległych, I wzór Newtona (3.5.4) Numerując węzły interpolacji wzorze Stirlinga rozpięty na węzłach q=( x x 0 )/h. x 0, x 1,..., x n P ' n (x)= y 0 +q Δ y 0 + q(q 1) 2! x 0, x 1,..., x n oraz oznaczając podobnie jak we Pierwszy wzór interpolacyjny Newtona wyraża zależność: Δ 2 y 0 + q (q 1)(q 2) Δ 3 y 3! q(q 1)... (q n+1) Δ n y n! 0. Błąd interpolacji wynikający z użycia pierwszego wzoru Newtona jest w przybliżeniu równy: R' k (x)= f (x) P ' k (x)= q(q 1)(q 2)... (q k) Δ k +1 y (k+1)! 0. Przykład: Znane są nastepujące wartości funkcji y= f (x): Obliczyć y= f (0,1) z dokładnością ε =10 5.

22 Interpolacja w przypadku węzłów równoodległych, I wzór Newtona (3.5.5) Rozwiązanie: Do obliczenia przybliżonej wartości y= f (0,1) zostanie zastosowany pierwszy wzór interpolacyjny Newtona. Węzły interpolacji należy tak ponumerować, aby węzeł x 0 znajdował się w pobliżu argumentu x=0,1, stąd przyjmuje się x 0 =0, x 1 =0,2,..., x 8 =1,6, daje to: q=(0,0 0,1)/0,2= 0,5. W tabeli poniżej zestawiono różnice skończone (tłustym drukiem zostały wyróżnione liczby, które wystąpią w pierwszym wzorze interpolacyjnym Newtona).

23 Interpolacja w przypadku węzłów równoodległych, I wzór Newtona (3.5.6) Wartość P ' k (0,1) obliczamy iteracyjnie sprawdzając w każdym kroku, czy spełniony jest warunek R' k (0,1) <ε.

24 Interpolacja w przypadku węzłów równoodległych, II wzór Newtona (3.5.7) Węzły interpolacji numerujemy podobnie jak w pierwszym wzorze interpolacyjnym Newtona x 0, x 1,..., x n jednak przez q oznaczamy q=( x x n )/h. Drugi wzór interpolacyjny Newtona rozpięty na węzłach x 0, x 1,..., x n wyraża zależność: P ' ' n (x)= y n +q Δ y n 1 + q(q+1) Δ 2 y 2! n 2 + q (q+1)(q+2) Δ 3 y 3! y q(q+1)... (q+n 1) Δ n y n! 0. Błąd interpolacji wynikający z użycia pierwszego wzoru Newtona jest w przybliżeniu równy: R' ' k (x)= f (x) P ' ' k (x)= q(q+1)(q+2)... (q+k ) Δ k +1 y (k+1)! n (k +1). Przykład: Znane są nastepujące wartości funkcji y= f (x): Obliczyć y= f (1,5) z dokładnością ε =10 5.

25 Interpolacja w przypadku węzłów równoodległych, II wzór Newtona (3.5.8) Rozwiązanie: Do obliczenia przybliżonej wartości y= f (1,5) zostanie zastosowany drugi wzór interpolacyjny Newtona. Węzły interpolacji należy tak ponumerować, aby węzeł x n = x 8 =1,6 znajdował się w pobliżu argumentu x=1,5, stąd przyjmuje się x 0 =0, x 1 =0,2,..., x 8 =1,6, daje to: q=(1,5 1,6)/0,2= 0,5. W tabeli poniżej zestawiono różnice skończone (tłustym drukiem zostały wyróżnione liczby, które wystąpią w drugim wzorze interpolacyjnym Newtona).

26 Interpolacja w przypadku węzłów równoodległych, II wzór Newtona (3.5.9) Wartość P ' ' k (1,5) obliczamy iteracyjnie sprawdzając w każdym kroku, czy spełniony jest warunek R' ' k (1,5) <ε.

INTERPOLACJA I APROKSYMACJA FUNKCJI

INTERPOLACJA I APROKSYMACJA FUNKCJI Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega

Bardziej szczegółowo

Metody numeryczne. Sformułowanie zagadnienia interpolacji

Metody numeryczne. Sformułowanie zagadnienia interpolacji Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej

Bardziej szczegółowo

Interpolacja funkcji

Interpolacja funkcji Interpolacja funkcji Interpolacja funkcji Interpolacja funkcji Wielomianowa Splajny Lagrange a Trygonometryczna Interpolacja Newtona (wzór I ) Czebyszewa Newtona (wzór II ) ( Wielomiany Czebyszewa ) Załóżmy,

Bardziej szczegółowo

Metody numeryczne. Ilorazy różnicowe. dr Artur Woike. Wzory interpolacyjne Newtona i metoda Aitkena.

Metody numeryczne. Ilorazy różnicowe. dr Artur Woike. Wzory interpolacyjne Newtona i metoda Aitkena. Ćwiczenia nr 3. Ilorazy różnicowe Niech będą dane punkty x 0,..., x n i wartości f (x 0 ),..., f (x n ). Definiujemy rekurencyjnie ilorazy różnicowe: f (x i, x i+1 ) = f (x i+1) f (x i ) x i+1 x i, i =

Bardziej szczegółowo

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1 Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi

Bardziej szczegółowo

Interpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna

Interpolacja. 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 szczegółowo

Całkowanie numeryczne przy użyciu kwadratur

Całkowanie 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 szczegółowo

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

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja Interpolacja wielomianowa Przykłady. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer. METODY NUMERYCZNE Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh Met.Numer. wykład 3 1 Plan Aproksymacja Interpolacja wielomianowa Przykłady Met.Numer. wykład 3 2 1 Aproksymacja Metody numeryczne

Bardziej szczegółowo

Matematyka stosowana i metody numeryczne

Matematyka stosowana i metody numeryczne Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 8 Interpolacja Interpolacja polega na budowaniu tzw. funkcji interpolujących ϕ(x) na podstawie zadanych

Bardziej szczegółowo

Metody numeryczne Wykład 6

Metody numeryczne Wykład 6 Metody numeryczne Wykład 6 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Interpolacja o Interpolacja

Bardziej szczegółowo

1 Równania nieliniowe

1 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 szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Technologie informatyczne

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Technologie informatyczne Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Technologie informatyczne Interpolacja metoda funkcji sklejanych Materiały pomocnicze do ćwiczeń laboratoryjnych

Bardziej szczegółowo

Wykład 5. Metoda eliminacji Gaussa

Wykład 5. Metoda eliminacji Gaussa 1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

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

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Egzamin z Metod Numerycznych ZSI, Grupa: A

Egzamin 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 szczegółowo

Rozwiązywanie równań nieliniowych

Rozwiązywanie 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 szczegółowo

Bardzo łatwa lista powtórkowa

Bardzo 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 szczegółowo

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1 Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy

Bardziej szczegółowo

Wprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE

Wprowadzenie 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 szczegółowo

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku

ELEMENTY 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 szczegółowo

Metody numeryczne I Równania nieliniowe

Metody 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 szczegółowo

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym

Bardziej szczegółowo

Analiza numeryczna Kurs INP002009W. Wykład 8 Interpolacja wielomianowa. Karol Tarnowski A-1 p.223

Analiza 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 szczegółowo

Aproksymacja. j<k. L 2 p[a, b] l 2 p,n X = Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza przestrzeni liniowej Π n. Dowód.

Aproksymacja. j<k. L 2 p[a, b] l 2 p,n X = Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza przestrzeni liniowej Π n. Dowód. Metody numeryczne Paweł Zieliński p. 1/19 Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza bazę przestrzeni liniowej Π n. Dowód. Lemat 2. Dowolny wielomian Q j stopnia j niższego od k jest prostopadły

Bardziej szczegółowo

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

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x

Bardziej szczegółowo

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ

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

Bardziej szczegółowo

Elementy metod numerycznych

Elementy 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 szczegółowo

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

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

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY 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 szczegółowo

STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH

STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH Część. STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH.. STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH Rozwiązując układy niewyznaczalne dowolnie obciążone, bardzo często pomijaliśmy wpływ sił normalnych i

Bardziej szczegółowo

Metody numeryczne. Sformułowanie zagadnienia interpolacji

Metody numeryczne. Sformułowanie zagadnienia interpolacji Wykład nr 2 Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n (nazywane węzłami interpolacji) i wartości w węzłach y 0,..., y n. Od węzłów żądamy spełnienia warunku x i x j dla

Bardziej szczegółowo

Obliczenia naukowe Wykład nr 6

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

Bardziej szczegółowo

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH

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

Bardziej szczegółowo

Egzamin z Metod Numerycznych ZSI, Egzamin, Gr. A

Egzamin 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 szczegółowo

VII. WYKRESY Wprowadzenie

VII. WYKRESY Wprowadzenie VII. WYKRESY 7.1. Wprowadzenie Wykres jest graficznym przedstawieniem (w pewnym układzie współrzędnych) zależności pomiędzy określonymi wielkościami. Ułatwia on interpretację informacji (danych) liczbowych.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Laboratorium 5 Przybliżone metody rozwiązywania równań nieliniowych

Laboratorium 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 szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Metoda eliminacji Gaussa. Autorzy: Michał Góra Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego

Bardziej szczegółowo

Interpolacja. Interpolacja wykorzystująca wielomian Newtona

Interpolacja. Interpolacja wykorzystująca wielomian Newtona Interpolacja Funkcja y = f(x) jest dana w postaci dyskretnej: (1) y 1 = f(x 1 ), y 2 = f(x 2 ), y 3 = f(x 3 ), y n = f(x n ), y n +1 = f(x n +1 ), to znaczy, że w pewny przedziale x 1 ; x 2 Ú ziennej niezależnej

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 6 Własności wielomianów ortogonalnych Wszystkie znane rodziny wielomianów ortogonalnych dzielą pewne wspólne cechy: 1) definicja za pomocą wzoru różniczkowego, jawnej sumy lub funkcji tworzącej;

Bardziej szczegółowo

Metody rozwiązywania równań nieliniowych

Metody 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 szczegółowo

Wykład z równań różnicowych

Wykład 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 szczegółowo

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych. Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą

Bardziej szczegółowo

Analiza numeryczna kolokwium2a-15grudnia2005

Analiza 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 szczegółowo

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

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

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 7 a szeregi Fouriera (zarówno w przypadku ciągłym, jak i dyskretnym) jest szczegónym przypadkiem aproksymacji funkcjami ortogonanymi. Anaitycznie rozwiązanie zadania aproksymacji trygonometrycznej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

x y

x 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 szczegółowo

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Estymacja wektora stanu w prostym układzie elektroenergetycznym

Estymacja wektora stanu w prostym układzie elektroenergetycznym Zakład Sieci i Systemów Elektroenergetycznych LABORATORIUM INFORMATYCZNE SYSTEMY WSPOMAGANIA DYSPOZYTORÓW Estymacja wektora stanu w prostym układzie elektroenergetycznym Autorzy: dr inż. Zbigniew Zdun

Bardziej szczegółowo

Elementy projektowania inzynierskiego Przypomnienie systemu Mathcad

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

Bardziej szczegółowo

CIĄGI wiadomości podstawowe

CIĄGI wiadomości podstawowe 1 CIĄGI wiadomości podstawowe Jak głosi definicja ciąg liczbowy to funkcja, której dziedziną są liczby naturalne dodatnie (w zadaniach oznacza się to najczęściej n 1) a wartościami tej funkcji są wszystkie

Bardziej szczegółowo

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

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

Bardziej szczegółowo

INFORMATYKA ELEMENTY METOD NUMERYCZNYCH.

INFORMATYKA 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 szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

jest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru.

jest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru. Układy liniowe Układ liniowy pierwszego rzędu, niejednorodny. gdzie Jeśli to układ nazywamy jednorodnym Pamiętamy, Ŝe kaŝde równanie liniowe rzędu m moŝe zostać sprowadzone do układu n równań liniowych

Bardziej szczegółowo

Newton vs. Lagrange - kto lepszy?

Newton vs. Lagrange - kto lepszy? Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Katedra Analizy Matematycznej Agnieszka Rydzyńska nr albumu: 254231 Praca Zaliczeniowa z Seminarium Newton vs. Lagrange - kto lepszy? Opiekun

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności

Bardziej szczegółowo

Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.

Rozwiązywanie 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 szczegółowo

FUNKCJA LINIOWA - WYKRES

FUNKCJA LINIOWA - WYKRES FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości

Bardziej szczegółowo

Obliczenia iteracyjne

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

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice

Metody Obliczeniowe w Nauce i Technice 5. Aproksymacja Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl Contributors Paweł Urban Jakub Ptak Łukasz Janeczko

Bardziej szczegółowo

Wstęp do metod numerycznych Rozwiazywanie równań algebraicznych. P. F. Góra

Wstęp 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 szczegółowo

Funkcje dwóch zmiennych

Funkcje dwóch zmiennych Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.

Bardziej szczegółowo

Całkowanie numeryczne

Całkowanie numeryczne Całkowanie numeryczne Poniżej omówione zostanie kilka metod przybliżania operacji całkowania i różniczkowania w szczególności uzależnieniu pochodnej od jej różnic skończonych gdy równanie różniczkowe mamy

Bardziej szczegółowo

Równania różnicowe. Dodatkowo umawiamy się, że powyższy iloczyn po pustym zbiorze indeksów, czyli na przykład 0

Równania różnicowe. Dodatkowo umawiamy się, że powyższy iloczyn po pustym zbiorze indeksów, czyli na przykład 0 Równania różnicowe 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 Ponadto

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zestaw 12- Macierz odwrotna, układy równań liniowych

Zestaw 12- Macierz odwrotna, układy równań liniowych Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami Załóżmy, że macierz jest macierzą kwadratową stopnia n. Mówimy, że macierz tego samego wymiaru jest macierzą odwrotną

Bardziej szczegółowo

RÓWNANIA NIELINIOWE Maciej Patan

RÓWNANIA 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 szczegółowo

METODY 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. 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 szczegółowo

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja 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 szczegółowo

Metody numeryczne rozwiązywania równań różniczkowych

Metody numeryczne rozwiązywania równań różniczkowych Metody numeryczne rozwiązywania równań różniczkowych Marcin Orchel Spis treści Wstęp. Metody przybliżone dla równań pierwszego rzędu................ Metoda kolejnych przybliżeń Picarda...................2

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

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

Bardziej szczegółowo

8. PODSTAWY ANALIZY NIELINIOWEJ

8. PODSTAWY ANALIZY NIELINIOWEJ 8. PODSTAWY ANALIZY NIELINIOWEJ 1 8. 8. PODSTAWY ANALIZY NIELINIOWEJ 8.1. Wprowadzenie Zadania nieliniowe mają swoje zastosowanie na przykład w rozwiązywaniu cięgien. Przyczyny nieliniowości: 1) geometryczne:

Bardziej szczegółowo

Wprowadzenie do Mathcada 1

Wprowadzenie do Mathcada 1 Wprowadzenie do Mathcada Ćwiczenie. - Badanie zmienności funkcji kwadratowej Ćwiczenie. pokazuje krok po kroku tworzenie prostego dokumentu w Mathcadzie. Dokument ten składa się z następujących elementów:.

Bardziej szczegółowo

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych

Wybrane 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 szczegółowo

Algorytmy obliczeniowe

Algorytmy obliczeniowe PG WETiI Katedra Systemów Automatyki Algorytmy obliczeniowe Dr inż. Krzysztof Cisowski Tel: 583471274, email: krci@eti.pg.gda.pl Kierunek studiów Automatyka i Robotyka Zakres i treść przedmiotu (1) 1.

Bardziej szczegółowo

Algebra liniowa. Macierze i układy równań liniowych

Algebra liniowa. Macierze i układy równań liniowych Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Wstęp

Bardziej szczegółowo

Zajęcia nr. 3 notatki

Zajęcia nr. 3 notatki Zajęcia nr. 3 notatki 22 kwietnia 2005 1 Funkcje liczbowe wprowadzenie Istnieje nieskończenie wiele funkcji w matematyce. W dodaktu nie wszystkie są liczbowe. Rozpatruje się funkcje które pobierają argumenty

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD 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 szczegółowo

S n = a 1 1 qn,gdyq 1

S n = a 1 1 qn,gdyq 1 Spis treści Powtórzenie wiadomości... 9 Zadania i zbiory... 10 Obliczenia... 18 Ciągi... 27 Własności funkcji... 31 Funkcje liniowe i kwadratowe... 39 Wielomiany i wyrażenia wymierne... 45 Funkcje wykładnicze

Bardziej szczegółowo

Metody numeryczne w przykładach

Metody 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 szczegółowo

IX. 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. - 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 szczegółowo

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach. WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Bardziej szczegółowo

Równania nieliniowe. LABORKA Piotr Ciskowski

Równania nieliniowe. LABORKA Piotr Ciskowski Równania nieliniowe LABORKA Piotr Ciskowski przykład 1. funkcja fplot fplot ( f, granice ) fplot ( f, granice, n, linia, tol ) [ x, y ] = fplot ( )» fplot ( sin(x*x)/x, [ 0 4*pi ] )» fplot ( sin(x*x)/x,

Bardziej szczegółowo

Wstęp do metod numerycznych Zadania numeryczne 2016/17 1

Wstęp do metod numerycznych Zadania numeryczne 2016/17 1 Wstęp do metod numerycznych Zadania numeryczne /7 Warunkiem koniecznym (nie wystarczającym) uzyskania zaliczenia jest rozwiązanie co najmniej 3 z poniższych zadań, przy czym zadania oznaczone literą O

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można

Bardziej szczegółowo

WYKŁAD 9 METODY ZMIENNEJ METRYKI

WYKŁAD 9 METODY ZMIENNEJ METRYKI WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Układy równań liniowych i metody ich rozwiązywania

Układy równań liniowych i metody ich rozwiązywania Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +

Bardziej szczegółowo

Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a

Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a TEMATYKA: Krzywe Bézier a Ćwiczenia nr 7 DEFINICJE: Interpolacja: przybliżanie funkcji za pomocą innej funkcji, zwykle wielomianu, tak aby były sobie równe w zadanych punktach. Poniżej przykład interpolacji

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana

Bardziej szczegółowo

Zadania przygotowawcze, 3 kolokwium

Zadania przygotowawcze, 3 kolokwium Zadania przygotowawcze, 3 kolokwium Mirosław Sobolewski 8 grudnia. Niech φ t : R 3 R 3 bedzie endomorfizmem określonym wzorem φ t ((x, x, )) (x +, tx + x, x + ), gdzie parametr t R. a) Zbadać dla jakiej

Bardziej szczegółowo