Dyskretyzacja równania dyfuzji cd. jawny Euler niejawny Euler. schemat Cranka Nicolsona: CN to odpowiednik wzoru trapezów dla dy/dt=f(t)
|
|
- Szczepan Szczepaniak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Dyskretyzacja równania dyfuzji cd. jawny Euler niejawny Euler t +O(Δt) (błąd dyskretyzacji) t+δt +O(Δt) schemat Cranka Nicolsona: +O(Δt 2 ) CN to odpowiednik wzoru trapezów dla dy/dt=f(t)
2 Dyskretyzacja równania dyfuzji cd. Schemat CN niejawny,bez ograniczenia ij na krok jawny Euler niejawny Euler czasowy ze względu na stabilność, drugi rząd dokładności dla równania adwekcji poznaliśmy t schemat jawny tego samego rzędu dokładności, t+δt który powstaje przy inaczej wprowadzonej dyskretyzacji czasu. Schemat ten (leapfrog) był odpowiednikiem +O(Δt) (błąd dyskretyzacji) metody punktu pośredniego: +O(Δt) schemat Cranka Nicolsona: +O(Δt 2 ) CN to odpowiednik wzoru trapezów dla dy/dt=f(t)
3 leap frog (jawny, dwustopniowy) całkiem nieźle sprawdzał się dla równania adwekcji (równie dobrze co CN) czy zadziała dla równania dyfuzji? +O(Δx 2 )+O(Δt 2 ) dokładność jak CN analiza von Neumanna 2r szukamy rozwiązań postaci:
4 leap frog analiza vn cd μ k =(1 cos(kδx)) 0 dla bezwzględnej stabilności tbil ś i γ k ma być ć mniejsze ij od 1
5 leap frog analiza vn cd μ k =(1 cos(kδx)) 0 załóżmy, że r małe rozwijamy γ w szereg Taylora : rozwiązanie ogólne: właściwe równania dyfuzji pasożytnicze: rośnie co do modułu z n znak oscyluje z iteracji na iteracje i i ż t i j i i i d d i rozwiązanie pasożytniczne pojawi się i doprowadzi do eksplozji leapfrog nie jest dobrym (bzwz. stabilnym) schematem dla r. dyfuzji
6 leapfrog: dla r=1/2 widzimy, że schemat jest symetryczny y ywzględem ę czasu licząc równanie wstecz dostaniemy ten sam przepis 2r ale rozwiązanie równania dyfuzji NIE jest symetryczne względem czasu (t:= t) w przeciwieństwie do rozwiązania równania adwekcji W problemie stygnącego pręta: zanik temperatury wyznacza kierunek upływu czasu
7 odwrotny problem przewodnictwa cieplnego problem prosty : zadajemy warunki brzegowe oraz początkowe pytanie: co stanie się w przyszłości (tak wprowadzane są problemy w teorii równań różniczkowych) W praktyce, często chcemy znaleźć rozwiązania dla problemu odwrotnego: znamy obecny rozkład temperatury. Jaki był rozkład w przeszłości? Jakie były warunki brzegowe? Jaki był warunek początkowy? [typowy problem pomiarów, nie tylko zależnych od czasu] warunki brzegowe u(x=0,t)=u(x=1,t)=0 problem: dane u(x,t=t) ( szukane: u(x,t=0)
8 O czasie i problemie odwrotnym... N=100, dx=1.0/(n), D=1 dt=dx**2/d/2/10 (malutki) CN problem: chcemy T(x,t) = 1 wewnątrz wrócić do T(x,t) = 0 na zewnątrz warunku początkowego ą ustawiamy dt:= dt x t liczymy do przodu potem chcemy wrócić
9 O czasie i problemie odwrotnym... N=100, dx=1.0/(n), D=1 dt=dx**2/d/2/10 (malutki) CN problem: chcemy T(x,t) = 1 wewnątrz wrócić do T(x,t) = 0 na zewnątrz warunku początkowego ą ustawiamy dt:= dt nieco dłużej = eksplozja x t liczymy do przodu potem chcemy wrócić i bum!
10 problem odwrotny do równania dyfuzji: wszystkie metody różnic skończonych okazują się niestabilne dla ujemnego kroku czasowego [r =DΔt/Δx 2 < 0 ] wyprowadzony wcześniej z analizy von Neumanna warunek: stabilności bezwzględnej: (θ=1/2 odpowiada CN) dla Δt<0 [r<0] warunek prawy nie jest spełniony schemat CN nie jest stabilny dla równania dyfuzji schemat CN nie jest stabilny dla równania dyfuzji rozwiązywanego wstecz
11 niezależnie od startu rozkład T po pewnym czasie będzie miał kształt sin(πx) Układ zapomina o warunku początkowym problem obiektywnie trudny odwracamy znak czasu: gdy tylko w wyniku niedokładności pojawi się składowa o wysokim n natychmiast eksploduje Nie zawsze problem z cofaniem się wstecz w czasie jest trudny: Nie zawsze problem z cofaniem się wstecz w czasie jest trudny: dla równania adwekcji jest równie łatwy jak początkowy (zmiana dt równoważna zmianie kierunku prędkości unoszenia v)
12 niezależnie od startu rozkład T po pewnym czasie będzie ę miał kształt sin(πx) ( ) problem obiektywnie trudny możliwe rozwiązanie: szukać warunków początkowych ą T(x,t=0), ( ) dla których jesteśmy najbliżej danych wejściowych [T(x,t=T)] rozwiązywać równanie dla dt>0 i porównywać wynik numeryczny dla t=t z zadanym rozkładem co wymaga znacznie większego nakładu obliczeń niż w problem podstawowy
13 odwrotny problem przewodnictwa cieplnego opiszemy rozwiązanie warunków brzegowych u(x=0,t)=u(x=1,t)=0 problem: dane u(x,t=t) szukane: u(x,t=0) policzone schematem CN dla N=100 dx=1.0/(n) D1 D=1 dt=dx**2/d/2 100 kroków czasowych Jeden z możliwych algorytmów wykorzystuje liniowość równania
14 Jeden z możliwych algorytmów wykorzystuje liniowość równania 1) wybrać bazę niezależnych liniowo funkcji g(x) określonych na przedziale (0,1) np. g i (x) = (x 1/2) i ) dla każdego warunku początkowego rozwiązać równanie przewodnictwa cieplnego do chwili T dostaniemy bazę funkcji h i (x) normalizujemy je tak aby (h i,h i )=1 zgodnie z tym warunkiem normalizujemyrównież również g i
15 ewolucja czasowa 3) równanie jest liniowe g i h i wyliczymy przybliżony warunek początkowy [wsp. d] jeśli rozłożymy rozwiązanie w chwili T w bazie funkcji h i rozłożyć: np.: metodą najmniejszych kwadratów
16 + z
17 + niestety A bywa źle uwarunkowana bo h i mają tendencję do upodabniania się nawet jeśli g bardzo różne niestety = raczej reguła dla problemów odwrotnych z
18 Wyniki: dokładny warunek początkowy rozwiązanie problemu odwrotnego w bazie wielomianowej (i=0,1,...10) dokładny wynik: warunek początkowy był x(x 1)(x 1/4) baza dla i=0,1,
19 upodabnianie się funkcji bazowych nie jesteśmy bez wpływu na uwarunkowanie problemu możemy wybrać bazę tak, aby efekt zminimalizować wielomiany cos(nπx) gaussowska wielocentrowa g h t 3.00 t t
20 Równanie adwekcji dyfuzji (schematy jawne) występuje np. w mechanice płynów i pyłów w transporcie ciepła itd. D 0 Euler: przedni czasowy, centralne przestrzenne: schemat: bezwzględnie stabilny gdy czysta dyfuzja v=0 oraz r 1/2 : bezwzględnie niestabilny gdy czysta adwekcji D =0 : dla adwekcji widzieliśmy, że obecność niezerowego D stabilizuje schemat posortujmy wyrazy w powyższym równaniu względem indeksu siatki przestrzennej:
21 równanie AD, schemat Eulera zgodnie z zasadą max: schemat będzie stabilny jeśli...
22 równanie AD, schemat Eulera zgodnie z zasadą max: schemat będzie stabilny jeśli ½ r α /2 aby schemat był stabilny: który efekt ma być dominujący: adwekcja czy dyfuzja??
23 równanie AD, schemat Eulera zgodnie z zasadą max: schemat będzie stabilny jeśli ½ r α /2 (przewaga dyfuzji) liczba Peclet a (komórkowa k liczba Reynoldsa) podobny wniosek otrzymamy dla normy euklidesowej stosując analizę von Neumanna 1) zauważmy krok czasowy nie ma wpływu na stabilność jeśli prędkość unoszenia duża w porównaniu ze stałą dyfuzji: siatka przestrzenna będzie musiała być bardzo drobna. Zazwyczaj łatwiej zgodzić się na drobne dt niż na drobne dx ze względu na ograniczenia i pamięciowe. i 2) jeśli D=0 (czysta adwekcja) schemat niestabilny
24 Dla równania adwekcji lepiej sprawdzał się schemat upwind : (dla α>0 ) [uwaga!, teraz v>0 wieje ij w prawo(inny znak v)] zasada max:
25 Dla równania adwekcji lepiej sprawdzał się schemat upwind [uwaga!, teraz v>0 wieje ij w prawo(inny znak v)] zasada max: r 0 (jest), r+α 0 (jest bo v>0) ) oraz 2r+α 1 warunek znacznie mniej restrykcyjny yj yniż dla Eulera bo: stabilność można zapewnić małym krokiem czasowym Dla dowolnej siatki! Czy odnajdujemy znane warunki stabilności dla czystej dyfuzji i czystej adwekcji?
26 Dla równania adwekcji lepiej sprawdzał się schemat upwind [uwaga!, teraz v>0 wieje ij w prawo(inny znak v)] zasada max: r 0 (jest), r+α 0 (jest bo v>0) ) oraz 2r+α 1 warunek znacznie mniej restrykcyjny yj yniż dla Eulera bo: stabilność można zapewnić małym krokiem czasowym Dla dowolnej siatki! odnajdujemy znane warunki stabilności dla czystej dyfuzji i czystej adwekcji
27 problemy z przewagą adwekcji i v zmieniającym znak (α zależne od położenia) v>0 v<0 co, można zapisać jednym wzorem: (z uniknięciem instrukcji warunkowej)
28 problemy z przewagą adwekcji i v zmieniającym znak (α zależne od położenia) v>0 v<0 co, można zapisać jednym wzorem: z tzw. schemat z różniczkowaniem pod wiatr uwaga: w schemacie upwind: czynnik dyfuzji wzrasta o extra α /2 (pojawia się dyfuzja numeryczna) (w centralnym ilorazie sztucznej dyfuzji nie ma i to jak widzieliśmy powód niestabilności schematu dla czystej adwekcji) centralny (bez numerycznej dyfuzji) :
29 Przykład: problem z przewagą adwekcji D=0.01, v=1 warunek początkowy: u=1/2 dla x<1/2 x t rozwiązanie dokładne dyfuzja: widoczna w lekkim zaokrągleniu nieciągłości dla t>0 upwind dt=0.025, dx=0.05 α=0.5, 05 r= widać znacznie przesadzoną dyfuzję iloraz centralny (bezwzględnie niestabilny) widać generację niestabilności (antydyfuzja = zaostrzanie kantów) aby zniwelować dodatkową (numeryczną dyfuzję) dla schematu upwind mniejszy krok czasowy czy mniejszy krok przestrzenny?
30 p Nieliniowe równania paraboliczne Dla równań liniowych (np. dyfuzji, dyfuzji+adwekcji) schematy jawne sprowadzają się do wykonania wielu podstawień w każdym kroku niejawne prowadzą do układu równań liniowych. Zastanowimy się jak rozwiązać równanie nieliniowe. schemat niejawny, jednopoziomowy, centralne przestrzenne przedni czasowy, ważona prawa strona (dla θ=1/2 CN), weźmy nieliniowe równanie dyfuzji na m=1 się już znamy
31 u(x,t=0)=exp( x 2 /25), pudło ( 30,30), Δx=1, Δt= dyfuzja nieliniowa m= m= zwykła dyfuzja CN
32 warunek początkowyorazoraz niejednorodność w chwili początkowej = do wyjaśnienia różnic w rozwiązaniu m=1 Prawa strona równania mówi tutaj: rośnij! u m=5 nie zmieniaj się! u m xx malej! widzimy, że krańce pakietu = bez zmian. błyskawiczne stłumienie maksimum, wyrównanie brzegów
33 Nieliniowe równania paraboliczne zapiszemy jako układ równań nieliniowych dla θ=0 jawny schemat nadal forma dla θ 0 jawny schemat nadal forma podstawieniowa (nawet dla nieliniowego równania) dla θ 0 schemat niejawny metoda Newtona lub iteracja funkcjonalna
34 CN + iteracja funkcjonalna pierwszy krok czasowy, uzgodnienie punktu w centrum x=0 m=5 Δt= m=1 Δt= iteracje iteracje
35 nieliniowe równanie dyfuzji CN, zbieżność iteracji funkcjonalnej punkt centralny, pierwszy krok czasowy m= Δt= m=1 Δt= iteracje iteracje widzimy, że iteracja funkcjonalna nie rokuje dobrze dla zbieżności równania nieliniowego przy dłuższym kroku czasowym
36 jeśli z iteracją kłopoty może zastosować schemat jawny zamiast CN? Δt=0.3, 100 kroków samouzgodnienia iteracją funkcjonalną CN: jawny: 0-20 Zaczyna się dobrze pojawiają się wartości po czym pakiet zanika
37 A może schemat jawny zamiast CN? Δt=0.3, 100 iteracji CN schemat jawny pojawiają się wartości po czym pakiet znika 1) niejawność schematu jest potrzebna 2) iteracja funkcjonalna się nie sprawdza metoda Newtona
38 metoda Newtona dla nieliniowego równania dyfuzji rozwiązania schematu dla n+1 kroku czasowego spełniają układ równań nieliniowych: F(U n+1 )=0 rozwinięcie Taylora przybliżony wektor U n+1 w k tej iteracji n+1 znaczy n+1 chwila czasowa układ równań liniowych na poprawę przybliżenia V k+1: =VV k +(U n+1 VV k )
39 metoda Newtona dla nieliniowego równania dyfuzji U 0 =U J =0 macierz Jakobiego J 1 m. Jakobiego: trójprzekątniowa
40 Wyniki [CN] dla pierwszego kroku czasowego iteracja funkcjonalna m5 m=5 Δt=.1 m= Δt= iteracje iteracje Metoda Newtona: Metoda Newtona:
41 Wyniki [CN] dla pierwszego kroku czasowego m=5 Δt=.2 iteracja funkcjonalna m=1 Δt= iteracje iteracje Metoda Newtona: Metoda Newtona: Równanie liniowe = zbieżność metody Newtona w jednej iteracji
42 m=5, dt=1 z iteracją Newtona Wniosek: aby rozwiązać równania nieliniowe z rozsądnym krokiem czasowym potrzebna jest metoda niejawna do rozwiązania nieliniowych równań schematu iteracja Newtona
43 Szacowanie błędów dla równań cząstkowych zależnych od czasu na przykładzie równania adwekcji czasowa i przestrzenna pochodna zastąpione przednim ilorazem różnicowym (jest to upwind dla v<0) z góry wiemy, że wyliczone wartości będą różnić się od wartości dokładnych o pewną wartość zależną od pochodnych rozwiązania i dokładnego d szacowanie błędów: 2 opcje 1) porównanie rozwiązań na różnych siatkach 2) porównanie rozwiązań metod o innym rzędzie dokładności ale w praktyce ta wiedza nie przyda nam się do ilościowego ś i oszacowania popełnionego błędu
44 szacowanie a posteriori: 2 opcje 1) porównanie rozwiązań na różnych siatkach 2) porównanie rozwiązań metod o innym rzędzie dokładności błędy ę lokalne dwóch metod (zakładamy, żelokalny y błąd ą czasowy jest o 1 wiekszy niz przestrzenny) np: dla p=1, pierwsza metoda: U upwind [O(dt 2 ), O(dx)], druga: V CN[O(dt 3 ), O(dx 2 )]
45 szacowanie a posteriori: 2 opcje 1) porównanie rozwiązań na różnych siatkach 2) porównanie rozwiązań metod o innym rzędzie dokładności błędy ę lokalne dwóch metod (zakładamy, żelokalny y błąd ą czasowy jest o 1 wiekszy niz przestrzenny) np: dla p=1, pierwsza metoda: U upwind [O(dt 2 ), O(dx)], druga: V CN[O(dt 3 ), O(dx 2 )] błąd dokładniejszego schematu: zaniedbywalny w porównaniu z błędem mniej dokładnego ą j g y y p ę j g różnica V oraz U daje oszacowanie błędu gorszego schematu strategia: do ewolucji czasowej używamy V, możemy wypowiedzieć się o błędzie U
46 szacowanie a posteriori: 2 opcje 1) porównanie rozwiązań na różnych siatkach 2) porównanie rozwiązań metod o innym rzędzie dokładności ekstrapolacja Richardsona używamy yjednego schematu lecz dwóch siatek: (Δx, Δt) ), oraz (Δx/2, Δt/2) / ) t(n+1) t (n) t(n+1/2) t(n) x (j) Błąd w chwili n+1 w punktach rzadkiej siatki mamy:
47 mamyoszacowaniebłędu obydwu rozwiązań ale tylko na rzadkiej siatce mamy oszacowanie błędu obydwu rozwiązań ale tylko na rzadkiej siatce... co dla automatycznej kontroli Δt całkowicie wystarczy
48 ekstrapolacja Richardsona dla równań różniczkowych cząstkowych przykład upwind (iloraz przedni czasowy, wsteczny przestrzenny) dokładność ilorazów przestrzennych i czasowych identyczna (p=1) v=1 warunek początkowy: u(x)=sin(x) () () rozwiązanie dokładne u(x,t)=sin(x t) błąd lokalny O(Δx)+O(Δt 2 ) x 0 2π zawsze u(0)=u(2π) = zastosujemy periodyczne warunki brzegowe
49 ekstrapolacja Richardsona dla równań różniczkowych cząstkowych przykład x j =(j 1)Δx, j=1,...j, Δx=2π/J J=4 Δx=π/2 Δt=π/4 J =8 Δx =Δx/2 Δt =Δt/2 1.0 u(x,t=0) u(x,t=δt) Δ 0.5 u U(J=8) U(J=4) po dwóch krokach Δt =Δt/2 po jednym Δt gdzie się pokrywają: szacujemy błąd t 4 6 szacujemy błąd błąd faktyczny rewelacyjny wynik
50 ekstrapolacja Richardsona dla równań różniczkowych cząstkowych przykład oszacowanie błędu w jednym kroku Δt bardzo dokładne: wykorzystać do poprawy dokładności gęsta siatka: niebieska algorytm: w chwili t n znamy wartości funkcji na gęstej siatce 1) przepisujemy je naprzemiennie na dwie rzadsze siatki: czerwoną i czarną 2) wykonujemy krok kδt dla każdej z nich ih 3) wykonujemy dwa kroki Δt/2 na gęstszej siatce 4) szacujemy i odcinamy błędy w kroku t+δt
51 upwind z ekstrapolacją Richardsona i usunięciem błędu dokładny upwind: bez obcięcia błędu = rozwiązanie zanika (dyfuzja) t gęstsza: J=8 Δx =Δx/2 Δx/2 Δt =Δt/ x x
52 Równanie dyfuzji oraz dyfuzji adwekcji typowe paraboliczne Dziś zajmiemy się typowym równaniem hiperbolicznym równanie falowe (dla struny) (opisuje dążenie do równowagi). (oscylacje: mechaniczne, elektryczne, elektro magnetyczne) x=l u(x,t) x=p x+dx β T 2 (II zasada Newtona F=ma) α x T 1 siła naciągu struny T (kierunek poziomy):
53 Równanie dyfuzji oraz dyfuzji adwekcji typowe paraboliczne Dziś zajmiemy się typowym równaniem hiperbolicznym równanie falowe (dla struny) (dążenie do równowagi). (oscylacje) x=l u(x,t) x=p x+dx β uwaga: α x T 2 T 1 dx 0 (prędkość rozchodzenia się drgań)
54 c stałe: Ogólne rozwiązanie dla nieskończonego ośrodka (d Alamberta) dowolna funkcja drgania rozchodzące się bez zmiany kształtu [brak dyspersji w równaniu falowym] Liniowość równania: zasada superpozycji
55 Liniowość równania i zasada superpozycji: Sygnały rozchodzą się niezależnie od siebie F=exp( (x 0.5+ct) ( 2 ) +exp( (x+0.5 ct) 2 ) t x Sygnały mijają się bez zmiany kształtu [(jedna fala przenika drugą.] ponieważ równanie liniowe: jeśli wskażemy bazę zupełną funkcji ze znaną ewolucją czasową = problem rozwiązany baza: mody normalne (fale stojące) (drgania własne)
56 baza: mody normalne (fale stojące) (drgania własne) Dwupunktowe warunki brzegowe u(0,t)=u(l,t)=0 x=l x=0 x0 Poszukajmy rozwiązań, w których tylko amplituda (a nie kształt fali) nie zależy od czasu: u(x,t)=x(x)t(t) t0 t=0 t=t2 t=t3 t=t 1 T(t)=cos(ω t+φ)= C cos(ω t)+d sin(ω t) [gdy gęstość struny zmienna c może być funkcją położenia]
57 Równanie na część przestrzenną fal stojących (drania własne, drgania normalne) Dla c niezależnego od x: X n () (x)=sin(ki (k n x) k liczba cbafalowa, a, wektor falowy k = 2π/ λ tutaj λ długość fali k=ω / c WB: spełnione, gdy X(0)=X(L)=0 k n =nπ /L Fale stojące: Między warunkami brzegowymi całkowita liczba połówek długości fal.. 0 L
58 warunki brzegowe: kwantyzacja k kwantyzacja w X n (x)=sin(k n x), T n =sin(w n t), cos(w n t) T k n =nπ /L k=ω / c ω n =ck n T oznacza naciąg struny przestrzenne drgania własne nie zależą od c, ale częstości tak. Wiemy, że niższe tony dają struny o większej grubości [ ρ ]. Wiemy również, ż że im silniej struna naciągnięta tym wyższy dźwięk.
59 Drgania własne dla zmiennej gęstości struny W przypadku ogólnym [c=c(x)] przyda się rachunek numeryczny. Wyliczyć X n oraz ω n ρ(x) Dyskretyzujemy drugą pochodną, liczymy X n (x+dx)
60 Równanie własne z warunkami brzegowymi: Metoda strzałów. w parametr równania ω dokładna wartość własna w=ω w<ω w>ω w X 0 wstawić warunek brzegowy ale co wstawić za X 1?? (dla równania Poissona opisywanego dla metody Numerowa to był poważny problem) dla drgań własnych wstawiamy cokolwiek dla drgań własnych wstawiamy cokolwiek (równanie własne jest jednorodne rozwiązania określone co do stałej multiplikatywnej )
61 Test metody dla ρ(x)=1 (L=1, T 0 =1) Analityczne: k n =nπ /L X k=k k k=1.5π/l k =0.5π/L k= 0.66 =k 1 =π/l 6 π/l X (L L) 80 Miejsca zerowe wartości własne przy których funkcje własne 40 spełniają prawy warunek brzegowy 0 L k=k 2 =2π/L x x ω / π
62 Przykład: ρ(x)=1+4α(x 1/2) 2 (struna cięższa przy mocowaniach) X 1 X 4 π ω / X α=500 X x α α=0 częstości ę własne równoodległe Częstości własne maleją z α (cięższa struna) duże α częstości grupują się w pary W każdej parze: funkcja parzysta i nieparzysta. Środek struny prawie nieważki, na częstości wpływ ma kształt funkcji przy brzegach a tam zbliżony dla każdej funkcji z pary
63 Drgania własne a ogólne rozwiązania równania falowego Równanie ogólne: Warunki początkowe: u(x,t=0) oraz v(x,t=0)=du/dt Zadać wychylenie i prędkości ł ż ć ki k d i ł rozłożyć warunki początkowe na drgania własne problem zależności czasowych jest rozwiązany
64 Drgania normalne a ogólne rozwiązania równania falowego Równanie ogólne: Warunki początkowe: u(x,t=0) oraz v(x,t=0)=du/dt Zadać wychylenie i prędkości ę rozłożyć warunki początkowe na drgania własne problem zależności czasowych jest rozwiązany w chwili t=0, za kształt struny odpowiadają współczynniki c n a za prędkość współczynniki s n
65 Superpozycja drgań własnych: Warunki początkowe Uwaga: dla równań dyfuzji i adwekcji warunek początkowy był tylko jeden czasowy rząd równania był = 1. Dla równania drugiego rzędu w czasie, wartość u(x,t=0) nie wystarczy dla jednoznacznego określenia rozwiązania. dla drgań własnych jednorodnej struny: Dyskretna sinusowa transformata Fouriera
66 rozkład na mody normalne na przedziale (0,L) Rozwinięcie w szereg Fouriera: g(x) = okresowa, odcinkowo ciągła z okresem T: Rozkład na drgania normalne a szereg Fouriera: drgania podległe warunkom brzegowym g(0)=g(l)=0. dla naszego problemu L to długość struny i nie ma interpretacji okresu (na strunie mieści się połowa długości fali).
67 Warunki Dirichleta zbieżności szeregu Fouriera Rozwinięcie Fouriera zbieżne w sensie jednorodnym N o ile g(x) 1) całkowalna w kwadracie 2) odcinkowo ciągła rozwinięcie Fouriera dąży do g(x) prawie wszędzie tzn. poza punktami dyskretnymi punktami (rozwinięcie Fouriera jest wszędzie ciągłe!) Twierdzenie Dirichleta: W punktach nieciągłości szereg Fouriera zbieżny do g(x)=[ g(x 0)+g(x+0) ] / 2 tw. Dirichleta nie rozwiązuje wszystkich problemów
68 dla struny: pewien praktyczny problem z kanciastymi (nieróżniczkowalnymi) warunkami początkowymi. 1 1 π 0 π Fala prostokątna ą W punkcie nieciągłości = [g(0 )+g(0+) ]/2 = ( 1 + 1) / 2 =0
69 Nd Nad nieciągłością i ł ś i wartość schodka przestrzelona o około 18% N=5 N=15 N=55 1+2w ππ 0 π N=15 N=55 N=100 1 Zjawisko Gibbsa w= (stała Wibrahama Gibbsa) Na PC pracujemy ze skończonymi bazami: Równania różniczkowego przez rozkład warunku początkowego na drgania własne nie rozwiążemy dokładnie, jeśli ten jest nieciągły x
70 Na PC pracujemy ze skończonymi bazami... Zbieżność szeregu Fouriera w sensie bezwzględnym ę Szereg jest bezwzględnie zbieżny jeśli można go obciąć na pewnym wyrazie rozwinięcia: Rozwinięcie fali prostokątnej nie jest bezwzględnie zbieżne: 2 1 g(x) - schodkowa, bn Bo ogólny szereg harmoniczny jest rozbieżny 1 0 h(x)=exp(-x 2 ), a n Wniosek: w skończonej bazie funkcji własnych możemy rozwiązywać tylko problemy z warunkiem początkowym, 0 kó którego rozwinięcie w szereg Fouriera jest bezwzględnie zbieżne n
warunki brzegowe u(x=0,t)=u(x=1,t)=0 problem: dane u(x,t=t) szukane: u(x,t=0)
odwrotny problem przewodnictwa cieplnego problem prosty : zadajemy warunki brzegowe oraz początkowe pytanie: co stanie się w przyszłości (tak wprowadzane są problemy w teorii równań różniczkowych) W praktyce,
Równanie falowe. elektro magnetyczne) równanie falowe (dla struny) u(x,t) x=p. x=l. T 2 (II zasada Newtona F=ma) x+dx. x T 1
Równanie falowe Równanie dyfuzji oraz dyfuzji adwekcji typowe paraboliczne Dziś zajmiemy się typowym równaniem hiperbolicznym równanie falowe (dla struny) (opisuje dążenie do równowagi). (oscylacje: mechaniczne,
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1 Tomasz Chwiej 6 czerwca 2016 1 Równania różniczkowe zwyczajne Zastosowanie szeregu Taylora do konstrukcji ilorazów różnicowych: iloraz
równanie falowe (dla struny), cząstkowe, hiperboliczne [dynamika Newtonowska ośrodka ciągłego]
równanie falowe (dla struny), cząstkowe, hiperboliczne [dynamika Newtonowska ośrodka ciągłego] u(x,t) x=l x=p x+dx T x T siła naciągu struny T (kierunek poziomy): (II zasada Newtona F=ma) u(x,t) x=l x=p
adwekcja rzadko występuje w formie czystej przeważnie: łącznie z dyfuzją na razie znamy tylko dyfuzję numeryczną adwekcja=unoszenie (efekt kinetyczny)
adwekcja: adwekcja rzadko występuje w formie czystej przeważnie: łącznie z dyfuzją na razie znamy tylko dyfuzję numeryczną dziś: dyfuzja prawdziwa dyfuzja+adwekcja: występuje w problemach transportu masy
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr zimowy 2017/2018
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr zimowy 2017/2018 Tomasz Chwiej 22 stycznia 2019 1 Równania różniczkowe zwyczajne Zastosowanie szeregu Taylora do konstrukcji ilorazów
Metoda różnic skończonych dla
Metoda różnic skończonych dla cząstkowych równań różniczkowych na laboratorium rozwiązywać będziemy typowe równania: dyfuzji (również przewodnictwo cieplne) paraboliczne równanie Poissona (np. pole elektrostatyczne,
y i b) metoda różnic skończonych nadal problem nieliniowy 2 go rzędu z warunkiem Dirichleta
b) metoda różnic skończonych nadal problem nieliniowy 2 go rzędu z warunkiem Dirichleta przedział (a,b) dzielimy na siatkę, powiedzmy o stałym kroku: punkty siatki: u A y i w metodzie strzałów używamy
Metoda różnic skończonych dla
Metoda różnic skończonych dla cząstkowych równań różniczkowych na laboratorium rozwiązywać będziemy typowe równania: dyfuzji (również przewodnictwo cieplne) paraboliczne równanie Poissona (np. pole elektrostatyczne,
Ustaliliśmy, że do rozwiązywania równania adwekcji lepiej nadaje się mniej dokładny schemat upwind niż ten z ilorazem centralnym
Ustaliliśmy, że do rozwiązywania równania adwekcji lepiej nadaje się mniej dokładny schemat upwind niż ten z ilorazem centralnym α=vdt/dx upwind: centralny: stabilny, stabilny bezwzględnie stabilny, ale
równania funkcyjne opisujące relacje spełniane przez pochodne nieznanej (poszukiwanej) funkcji
Równania różniczkowe: równania funkcyjne opisujące relacje spełniane przez pochodne nieznanej (poszukiwanej) funkcji cząstkowe: funkcja więcej niż jednej zmienna, np.: czas i położenie np. wychylenie u(x,t)
adwekcja rzadko występuje w formie czystej przeważnie: łącznie z dyfuzją na razie znamy tylko dyfuzję numeryczną Adwekcja=unoszenie
adwekcja rzadko występuje w formie czystej przeważnie: łącznie z dyfuzją na razie znamy tylko dyfuzję numeryczną dziś: dyfuzja prawdziwa Dyfuzja+adwekcja: występuje w problemach transportu masy i energii
Inżynierskie metody numeryczne II. Konsultacje: wtorek 8-9:30. Wykład
Inżynierskie metody numeryczne II Konsultacje: wtorek 8-9:30 Wykład Metody numeryczne dla równań hiperbolicznych Równanie przewodnictwa cieplnego. Prawo Fouriera i Newtona. Rozwiązania problemów 1D metodą
Metoda rozdzielania zmiennych
Rozdział 12 Metoda rozdzielania zmiennych W tym rozdziale zajmiemy się metodą rozdzielania zmiennych, którą można zastosować, aby wyrazić jawnymi wzorami rozwiązania pewnych konkretnych równań różniczkowych
1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
pozbyć się ograniczenia na krok czasowy ze strony bezwzględnej stabilności: niejawna metoda Eulera
pozbyć się ograniczenia na krok czasowy ze strony bezwzględnej stabilności: niejawna metoda Eulera jawna metoda Eulera niejawna metoda Eulera jawna metoda Eulera (funkcjonuje jak podstawienie) funkcjonuje
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
Równania różniczkowe cząstkowe. Wojciech Szewczuk
Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe - wstęp u x = lim x u(x + x, y) u(x, y) x u u(x, y + y) u(x, y) y = lim y y () (2) 2 u x 2 + 2xy 2 u y 2 + u = 3 u x 2 y + x 2 u + 8u = 5y
numeryczne rozwiązywanie równań całkowych r i
numeryczne rozwiązywanie równań całkowych r i Γ Ω metoda elementów brzegowych: punktem wyjściowym było rozwiązanie równania całkowego na brzegu obszaru całkowania równanie: wygenerowane z równania różniczkowego
Metoda różnic wstecznych: interpolujemy u wielomianem od chwili n-k aż do n-1
Metoda różnic wstecznych: interpolujemy u wielomianem od chwili n-k aż do n-1 następnie żądamy, aby jego pochodna w chwili n spełniała równania różniczkowe (kolokacja) z tego warunku wyliczamy z niego
metoda różnic skończonych, zamiast rozkładu na drgania własne (który może być wolnozbieżny) v(x,t) - prędkość
równanie falowe ciąg dalszy metoda różnic skończonych, zamiast rozkładu na drgania własne (który może być wolnozbieżny) Rozwiązanie numeryczne: dzielimy strunę na N fragmentów, dla każdego z nich rozwiązujemy
Δt)] niejawny schemat Eulera [globalny błąd O(Δt)] u(t) f(t,u) f(t,u) u(t) [t+ Δt,u(t+Δt)]
jawny schemat Eulera [globalny błąd O(Δt)] niejawny schemat Eulera [globalny błąd O(Δt)] u(t) f(t,u) [t,u(t)] )]dokładne d u(t) () f(t,u) [t+ Δt,u(t+Δt)] [t+ Δt,u(t+Δt)] Δt)] Δt t Δt t u(t) [t,u(t)] dokładne
13 Równanie struny drgającej. Równanie przewodnictwa ciepła.
Równanie struny drgającej. Równanie przewodnictwa ciepła 13 1 13 Równanie struny drgającej. Równanie przewodnictwa ciepła. 13.1 Równanie struny drgającej Równanie różniczkowe liniowe drugiego rzędu typu
Metody rozwiązania równania Schrödingera
Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania
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
Równania różniczkowe cząstkowe (RRCz) równanie eliptyczne równanie Poissona
Równania różniczkowe cząstkowe (RRCz) równanie eliptyczne równanie Poissona 1. Klasyfikacja RRCz, przykłady 2. Metody numerycznego rozwiązywania równania Poissona a) FFT (met. bezpośrednia) b) metoda różnic
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
Podstawy Akustyki. Drgania normalne a fale stojące Składanie fal harmonicznych: Fale akustyczne w powietrzu Efekt Dopplera.
W-1 (Jaroszewicz) 14 slajdów Podstawy Akustyki Drgania normalne a fale stojące Składanie fal harmonicznych: prędkość grupowa, dyspersja fal, superpozycja Fouriera, paczka falowa Fale akustyczne w powietrzu
Równanie przewodnictwa cieplnego (I)
Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca
Ocena z laboratorium: 50% sprawozdanie + 50% aktywność.
Ocena z laboratorium: 50% sprawozdanie + 50% aktywność. Wykonujemy 10 ćwiczeń laboratoryjnych. Średnia policzona zostanie z 8 najlepszych ocen z aktywności i 8 najlepszych sprawozdań. [w praktyce najgorsze
Równania różniczkowe cząstkowe drugiego rzędu
Równania różniczkowe cząstkowe drugiego rzędu Marcin Orchel Spis treści 1 Wstęp 1 1.1 Metoda faktoryzacji (rozdzielania zmiennych)................ 5 1.2 Metoda funkcji Greena.............................
Równania różniczkowe zwyczajne: problem brzegowy [1D]
Równania różniczkowe zwyczajne: problem brzegowy [1D] 1) Równania różniczkowe zwyczajne jako szczególny przypadek problemów opisywanych przez eliptyczne równania cząstkowe 2) Problem brzegowy a problem
Matematyka 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
t. sztywny problem w pojedynczym równaniu: u(t)=cos(t) dla dużych ż t rozwiązanie i ustalone
Problem opisany RRZ jest sztywny gdy: 1.... jest charakteryzowany yróżnymi skalami czasowymi. 2. Stabilność bezwzględna nakłada silniejsze ograniczenia na krok czasowy niż dokładność. 3. Metody jawne się
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
użyteczne, gdy problem nie wymaga zmiany dt ważne: schematy do rozwiązywania równań cząstkowych mają często wielokrokowy charakter
Liniowe metody wielokrokowe dla równań zwyczajnych starsze niż RKo50lat użyteczne, gdy problem nie wymaga zmiany dt ważne: schematy do rozwiązywania równań cząstkowych mają często wielokrokowy charakter
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
Drgania i fale II rok Fizyk BC
00--07 5:34 00\FIN00\Drgzlo00.doc Drgania złożone Zasada superpozycji: wychylenie jest sumą wychyleń wywołanych przez poszczególne czynniki osobno. Zasada wynika z liniowości związku między wychyleniem
Rozdział 8. Analiza fourierowska. 8.1 Rozwinięcie w szereg Fouriera
Rozdział 8 Analiza fourierowska 8.1 Rozwinięcie w szereg Fouriera Rozważmy funkcję rzeczywistą f określoną na okręgu o promieniu jednostkowym. Parametryzując okrąg przy pomocy kąta φ [, π] otrzymujemy
1 Symulacja procesów cieplnych 1. 2 Algorytm MES 2. 3 Implementacja rozwiązania 2. 4 Całkowanie numeryczne w MES 3. k z (t) t ) k y (t) t )
pis treści ymulacja procesów cieplnych Algorytm ME 3 Implementacja rozwiązania 4 Całkowanie numeryczne w ME 3 ymulacja procesów cieplnych Procesy cieplne opisuje równanie różniczkowe w postaci: ( k x (t)
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
Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems)
Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems) P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Wprowadzenie Rozważmy
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
KADD Minimalizacja funkcji
Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków
- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.
4. Równania dyfuzji 4.1. Prawo zachowania masy cd. Równanie dyfuzji jest prostą konsekwencją prawa zachowania masy, a właściwie to jest to prawo zachowania masy zapisane dla procesu dyfuzji i uwzględniające
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
BŁĘDY OBLICZEŃ NUMERYCZNYCH
BŁĘDY OBLICZEŃ NUMERYCZNYCH błędy zaokrągleń skończona liczba cyfr (bitów) w reprezentacji numerycznej błędy obcięcia rozwinięcia w szeregi i procesy iteracyjne - w praktyce muszą być skończone błędy metody
u(t) RRZ: u (t)=f(t,u) Jednokrokowy schemat różnicowy
u(t) t Dt RRZ: u (t)=f(t,u) Jednokrokowy schemat różnicowy u(t+dt)=u(t)+f(t,u(t),dt) klasyczna formuła RK4: u(t) k 1 u k 2 k 3 k 4 4 wywołania f na krok, błąd lokalny O(Dt 5 ) gdy f tylko funkcja czasu
region bezwzględnej stabilności dla ogólnej niejawnej metody RK R(z) 1 może być nieograniczony niejawna 1 stopniowa
region bezwzględnej stabilności dla ogólnej niejawnej metody RK u =λu u=λu, z=λδt dla metod niejawnych: ij nie można ż obciąć bićrozwinięcia i i Taylora, bo A pełnał współczynnik wzmocnienia nie jest wielomianem,
VII. 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
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
Laboratorium komputerowe z wybranych zagadnień mechaniki płynów
FORMOWANIE SIĘ PROFILU PRĘDKOŚCI W NIEŚCIŚLIWYM, LEPKIM PRZEPŁYWIE PRZEZ PRZEWÓD ZAMKNIĘTY Cel ćwiczenia Celem ćwiczenia będzie analiza formowanie się profilu prędkości w trakcie przepływu płynu przez
Modyfikacja schematu SCPF obliczeń energii polaryzacji
Modyfikacja schematu SCPF obliczeń energii polaryzacji Zakład Metod Obliczeniowych Chemii 11 kwietnia 2006 roku 1 Po co? Jak? 2 Algorytm Analiza zbieżności 3 dla układów symetrycznych 4 Fulleren 5 Po co?
[ równanie liniowe II rzędu, bez pierwszej pochodnej]
najprostszy iloraz drugiej pochodnej produkuje przepis z błądem lokalnym rzędu 4 całkiem nieźle, ale: można lepiej = metoda Numerowa błąd lokalny rzędu 6 metoda Numerowa: [przepis na kolejne wartości rozwiązania
Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie
napisał Michał Wierzbicki Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie Prędkość grupowa paczki falowej Paczka falowa jest superpozycją fal o różnej częstości biegnących wzdłuż osi z.
Równanie przewodnictwa cieplnego (II)
Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego
Ważne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Układy 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
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
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.
Numeryczne rozwiązywanie równań różniczkowych ( )
Numeryczne rozwiązywanie równań różniczkowych Równanie różniczkowe jest to równanie, w którym występuje pochodna (czyli różniczka). Przykładem najprostszego równania różniczkowego może być: y ' = 2x które
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
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
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
Matematyka 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..
Równanie Schrödingera
Równanie Schrödingera Maciej J. Mrowiński 29 lutego 2012 Zadanie RS1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = 0 ma następującą postać: A(a Ψ(x,0) = 2 x 2 ) gdy x [ a,a] 0 gdy x / [ a,a]
Metody Numeryczne w Budowie Samolotów/Śmigłowców Wykład I
Metody Numeryczne w Budowie Samolotów/Śmigłowców Wykład I dr inż. Tomasz Goetzendorf-Grabowski (tgrab@meil.pw.edu.pl) Dęblin, 11 maja 2009 1 Organizacja wykładu 5 dni x 6 h = 30 h propozycja zmiany: 6
Weryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE
27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27.1. Wiadomości wstępne Równaniem różniczkowym cząstkowym nazywamy związek w którym występuje funkcja niewiadoma u dwóch lub większej liczby zmiennych niezależnych i
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
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
Wstęp 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
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
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
3.1 Zagadnienie brzegowo-początkowe dla struny ograniczonej. = f(x, t) dla x [0; l], l > 0, t > 0 (3.1)
Temat 3 Metoda Fouriera da równań hiperboicznych 3.1 Zagadnienie brzegowo-początkowe da struny ograniczonej Rozważać będziemy następujące zagadnienie. Znaeźć funkcję u (x, t) spełniającą równanie wraz
Interpolacja funkcji
Interpolacja funkcji Interpolacja funkcji Interpolacja funkcji Wielomianowa Splajny Lagrange a Trygonometryczna Interpolacja Newtona (wzór I ) Czebyszewa Newtona (wzór II ) ( Wielomiany Czebyszewa ) Załóżmy,
Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
MECHANIKA 2. Drgania punktu materialnego. Wykład Nr 8. Prowadzący: dr Krzysztof Polko
MECHANIKA 2 Wykład Nr 8 Drgania punktu materialnego Prowadzący: dr Krzysztof Polko Wstęp Drgania Okresowe i nieokresowe Swobodne i wymuszone Tłumione i nietłumione Wstęp Drgania okresowe ruch powtarzający
Zestaw zadań z Równań różniczkowych cząstkowych I 18/19
Zestaw zadań z Równań różniczkowych cząstkowych I 18/19 Zad 1. Znaleźć rozwiązania ogólne u = u(x, y) następujących równań u x = 1, u y = 2xy, u yy = 6y, u xy = 1, u x + y = 0, u xxyy = 0. Zad 2. Znaleźć
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)
3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która
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
lim Np. lim jest wyrażeniem typu /, a
Wykład 3 Pochodna funkcji złożonej, pochodne wyższych rzędów, reguła de l Hospitala, różniczka funkcji i jej zastosowanie, pochodna jako prędkość zmian 3. Pochodna funkcji złożonej. Jeżeli funkcja złożona
Systemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
OBLICZANIE POCHODNYCH FUNKCJI.
OBLICZANIE POCHODNYCH FUNKCJI. ROZWIĄZYWANIE RÓWNAŃ RÓŻNICZKOWYCH. ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH. Obliczanie pochodnych funkcji. Niech będzie dana funkcja y(x określona i różniczkowalna na przedziale
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.
Układy równań liniowych. Krzysztof Patan
Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych
Mechanika Kwantowa. Maciej J. Mrowiński. 24 grudnia Funkcja falowa opisująca stan pewnej cząstki ma następującą postać: 2 x 2 )
Mechanika Kwantowa Maciej J. Mrowiński 4 grudnia 11 Zadanie MK1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = ma następującą postać: A(a Ψ(x,) = x ) gdy x [ a,a] gdy x / [ a,a] gdzie a +. Wyznacz
Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Transformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
OPTYKA KWANTOWA Wykład dla 5. roku Fizyki
OPTYKA KWANTOWA Wykład dla 5. roku Fizyki c Adam Bechler 006 Instytut Fizyki Uniwersytetu Szczecińskiego Równania (3.7), pomimo swojej prostoty, nie posiadają poza nielicznymi przypadkami ścisłych rozwiązań,
Równania różniczkowe zwyczajne: problem brzegowy [1D]
Równania różniczkowe zwyczajne: problem brzegowy [1D] 1) Równania różniczkowe zwyczajne jako szczególny przypadek problemów opisywanych przez eliptyczne równania cząstkowe 2) Problem brzegowy a problem
DOPASOWYWANIE KRZYWYCH
DOPASOWYWANIE KRZYWYCH Maciej Patan Uniwersytet Zielonogórski Motywacje Przykład 1. Dane o przyroście światowej populacji są aktualizowane co każde 10 lat, celem szacowania średniego przyrostu rocznego.
Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem:
WYKŁAD 13 DYNAMIKA MAŁYCH (AKUSTYCZNYCH) ZABURZEŃ W GAZIE Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem:
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
Rodzaje fal. 1. Fale mechaniczne. 2. Fale elektromagnetyczne. 3. Fale materii. dyfrakcja elektronów
Wykład VI Fale t t + Dt Rodzaje fal 1. Fale mechaniczne 2. Fale elektromagnetyczne 3. Fale materii dyfrakcja elektronów Fala podłużna v Przemieszczenia elementów spirali ( w prawo i w lewo) są równoległe
Optymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Procesy wykładniczego wzrostu i spadku (np populacja bakterii, rozpad radioaktywny, wymiana ciepła) można modelować równaniem
FALE W OŚRODKACH SPRĘZYSTYCH
ALE W OŚRODKACH SPRĘZYSTYCH PRZYKŁADY RUCHU ALOWEGO Zjawisko rozchodzenia się fal spotykamy powszechnie. Przykładami są fale na wodzie, fale dźwiękowe, poruszający się front przewracających się kostek
4.3 Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2)
Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2)185 4.3 Wyznaczanie prędkości dźwięku w powietrzu metodą fali biegnącej(f2) Celem ćwiczenia jest wyznaczenie prędkości dźwięku w powietrzu
Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.
Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie