1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów

Podobne dokumenty
Podprzestrzenie macierzowe

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

Zmiana bazy i macierz przejścia

Funkcja wiarogodności

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

ZAGADNIENIE TRANSPORTOWE

Projekt 2 2. Wielomiany interpolujące

Analiza Matematyczna Ćwiczenia. J. de Lucas

1. Relacja preferencji

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

Reprezentacja krzywych...

Wyznaczyć prędkości punktów A i B

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

UKŁADY RÓWNAŃ LINOWYCH

Podprzestrzenie macierzowe

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

FUNKCJE DWÓCH ZMIENNYCH

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

Portfel złożony z wielu papierów wartościowych

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

VII. ZAGADNIENIA DYNAMIKI

Regresja REGRESJA

Podprzestrzenie macierzowe

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

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

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

METODY KOMPUTEROWE 1

DYNAMIKA KONSTRUKCJI

Sygnały zmienne w czasie

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

ELEMENTY ANALIZY NUMERYCZNEJ

METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ

i j k Oprac. W. Salejda, L. Bujkiewicz, G.Harań, K. Kluczyk, M. Mulak, J. Szatkowski. Wrocław, 1 października 2015

J. Wyrwał, Wykłady z mechaniki materiałów METODA SIŁ Wprowadzenie

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

Ruch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

MODELE OBIEKTÓW W 3-D3 część

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka II. x 3 jest funkcja

Fale elektromagnetyczne spektrum

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

licencjat Pytania teoretyczne:

METODY ROZWIĄZYWANIA DUŻYCH UKŁADÓW RÓWNAŃ LINIOWYCH

Indukcja matematyczna

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

Funkcja generująca rozkład (p-two)

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI

2. Wartości własne i wektory własne macierzy

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

( ) WŁASNOŚCI MACIERZY

KOMPUTEROWE WSPOMAGANIE TECHNOLOGII WYTWARZANIA ODLEWÓW

Definicja interpolacji

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)

Metody dekompozycji macierzy stosowane w automatyce

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Polaryzacja i ośrodki dwójłomne. Częśd II

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

... MATHCAD - PRACA 1/A

Teoria i metody optymalizacji

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Zasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

8. PODSTAWY ANALIZY NIELINIOWEJ

Twierdzenie Cayleya-Hamiltona

8.1 Zbieżność ciągu i szeregu funkcyjnego

Modelowanie i Analiza Danych Przestrzennych

Lista 6. Kamil Matuszewski 26 listopada 2015

Parametryzacja rozwiązań układu równań


ALGEBRA z GEOMETRIA, ANALITYCZNA,

Prawdopodobieństwo i statystyka r.

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji


Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe


Prawdopodobieństwo i statystyka

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe

v = v i e i v 1 ] T v =

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

[d(i) y(i)] 2. Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) i=1. λ n i [d(i) y(i)] 2 λ (0, 1]

Mechanika Bryły y Sztywnej - Ruch Obrotowy. Bryła a Sztywna. Model górnej kończyny Model kręgosłupa

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

21. WYBRANE WIADOMOŚCI Z MATEMATYKI

= arc tg - eliptyczność. Polaryzacja światła. Prawo Snelliusa daje kąt. Co z amplitudą i polaryzacją? Drgania i fale II rok Fizyka BC

Transkrypt:

MAEMAYKA SOSOWANA I MEODY NUMERYCZNE Wybrae z wykładów. MACIERZE, WEKORY Macerz symerycza A A A + A, A A macerze symerycze Macerz aysymerycza A -A A / (A+A ) + /(A-A ) symerycza aysymerycza częśc macerzy Macerz orogoala A A AA I czyl A A - Przykładem macerzy orogoale es macerz obrou cos( θ ) s( θ ) Q s( ) cos( ) θ θ Iloczy skalary dwóch wekorów a b a b cos (φ) a b a b + a b + a b a b b a Wekory orogoale: a b Rówoważe ozaczea loczyu skalarego: a b (.,.) (a, b) Iloczy wekorowy a b a b s (φ) a b - ( b a ) Wekory rówoległe: a b Obró wekora Zmaa współrzędych wekora przy obroce bazy, lub Q, gdze Q macerz obrou, Q Q -

Normy wekora N p orma Eukldesa ma p orma maksmum Normy macerzy N A ma a perwsza, lub N N a A Eukldesa, lub N A ma a średa warość N N N A a średa warość N N A ma a eskończoa, lub N A ma a średa warość N A ma a,, Przykład: A 5 6 7 8 9 A A ( + + + + 5 + 6 + 7 + 8 + 9 ) 5.67 + + 6 ma + 5 + 6 ma 5 8 7 8 9 + +. PODSAWY RACHUNKU ENSOROWEGO I ANALIZY PÓL.. Pole skalare wekorowe Polem skalarym azywamy fukcę, kóra każdemu pukow pewego obszaru przyporządkowue pewe skalar, aomas w polu wekorowym wekor. Gradeem pola skalarego f (, y,z ) es wekor ozaczay symbolem grad f: grad f ( f /, f / y, f / z) grad f f operaor Laplaca: f f

Dywergeca pola wekorowego Polem dywergec lub dywergecą pola wekorowego F azywamy pole skalare: dv F ( F / ) + ( F / ) + ( F / ) dv F F loczy skalary Roaca pola wekorowego. Roacą pola wekorowego F ( różczkowalego) ozaczaą ro F ( curl F) azywamy pole pseudowekorowe: k ro F F / / / F F F ω / ro v prędkość kąowa puku cała szywego es rówa połowe roac prędkośc lowe dv ro F curl grad f grad: skalar wekor (wekor esor) dv: wekor skalar (esor wekor) curl: wekor wekor u du /d wekor przemeszczeń; część symerycza esor odkszałcea (wekor esor) dv σ (σ, ) wekor rówań rówowag (esor wekor).. Podsawy rachuku esorowego esor rzędu : skalar esor rzędu : wekor (rzu a keruek), esor rzędu : macerz (dowolemu kerukow przyporządkowue wekor) esor rzędu odwzorowae lowe wekora w wekor. τ (α v + β v ) α τ (v ) + β τ (v ) α, β z R v, v z V Przykład: Rzuowae wekora a oś X Odwzorowae τ (v) p Reprezeaca macerzowa v p esor Kolumy współrzęde wekora a płaszczyzach układu Zmaa esora przy obroce bazy (zmaa układu współrzędych) QQ Q macerz obrou

rzy ezmek esora rzędu I r + yy + zz I /( r ( ) r () ) I de. OBLICZANIE WAROŚCI I WEKORÓW WŁASNYCH MACIERZY Defca A λ, A macerz, A ( A I) de λ rówae charakerysycze gdze λ, K, λ warośc włase,,, K wekory włase (p. keruk główe esora aprężea) Zbór warośc własych ozaczamy sp(a) azywamy wdmem (spekrum) macerzy A, a lczbę ma λ e promeem spekralym. - warośc wekory włase macerzy symerycze są rzeczywse; - warośc wekory włase macerzy symerycze dodao określoe są dodae λ λ λ de(a); λ + λk + λ r(a) - K - sp(a ) sp(a), - sp(s - AS) sp(a), B S - AS podobeńswo macerzy A B - eśl sp(a) { λ, K, λ }, o: ~ sp(a - ) { / λ, K, / λ } ~ sp(a k k k ) { λ, K, λ } ~ sp(a - di) { λ d, K, λ d }.. werdzee Gerszgora Sp(A) Ball(a, R ), lub > ( R ), λ ma ( a R ) λ m a m < +, R ma a k k k Przykład: A a a a R R R + + + 5

λ m > m 6 5 λ ma + < ma + 8 + 5 Iloraz Raylegha A A λ Λ λm Λ λma dla dowolego Ω.. Meoda poęgowa (domuąca warość własa ma ( ma, m ) k + A... A k k Algorym. Przymuemy. Normalzaca k v k ( k k ). Krok meody poęgowe k+ Avk. Iloraz Raylegha vk Avk Λ k + v k Avk vk k+ v v. Esymaca błedu k k Λ Λ λ λ ) v v k + k ε k +, lub ε k + k + k Λk + <? k+ λ Λ k + 5. Przerwae oblczeń ε. eśl AK krok, eśl NIE krok 6 6. Wyk ma, ma k + Meoda odwroa zadue ameszą co do modułu warość własą A λ A A λa A, gdze A eosoblwa macerz λ.. Przesuęce wdma Jeśl A λ d dowoly skalar, o ( A di) ( λ d ), czyl warośc włase przesuęe macerzy będą przesuęym waroścam macerzy A Meoda poęgowa es zbeża zawsze do warośc włase abardze odległe od przesuęca. Meoda odwroa es zbeża zawsze do warośc włase ablższe przesuęcu.

. ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ LINIOWYCH Meody służące do rozwązaa układu rówań AX B moża podzelć a: meody dokłade (bezpośrede) Gauss Jorda de A ( ) (, ) Cholesky A A A > (Choleskego-Baachewcza) meody eracye (przyblżoe) Jacob Gauss-Sedel specale froal soluo gradeów sprężoych.. Meoda elmac Gaussa (I) elmaca wprzód (doprowadzae do macerzy góro-rókąe) (II) podsawae wsecz (zadowae koleych ewadomych ) Przykład 6 - - - AMb IM [ ] [ ] (I) 6 6 7 7 5 7 7 5 6 5 6 6 7 7 7 5 6 5 5 7 zamaa werszy, 6 7 7 7 5 6 5 7 5 (II) /7; -/5; 8/5; -/7. Ogóly algorym A b a b,,,..., gdze a a L a a a a a L A L.. a a a L a

I Krok wprzód ( k ) ( k ) ( k ) k k a a m a ( k ) ( k ) ( k ) k k b b m b gdze ( k -) ak ( ) ( ) m k, a, ( k -) a b b a kk k,,..., -; k +,...,; k +,..., II Krok wsecz ( ) ( ) b a + a ( ),...,, Oblczae macerzy odwroych X A Sosuąc elmace Gaussa do układu AX I poszczególe kolumy I (macerz edoskowa) daą poszczególe kolumy X.. Meody eracye. Meoda es zbeża gdy macerz A es dodao określoa (waruek wysarczaący). gdy A es dagoale domuąca Algorymy Meoda Jacob ego Meoda Gaussa Sedela ( ) ( ) a + b a ( ) ( ) ( ) a a + b a +,,,..., Przykład Jacob Macerz A 8 6-8 - wekor sarowy umer erac.75.8.889.75 błąd bezwzględy względy.96.696 umer erac.8955.656.865.85 błąd bezwzględy względy.965.89 umer erac.95.9.79.89 Gauss-Sedel Wekor prawe sroy b 8 66 67 wekor sarowy umer erac.75.57.6.89 błąd bezwzględy względy.96.687 umer erac.78.95..99 błąd bezwzględy względy.75.7 umer erac.79.995..999

błąd bezwzględy względy.58.96 umer erac.987.9686.98.987 błąd bezwzględy względy.9.9 umer erac 5.5..5.5 błąd bezwzględy względy.55. umer erac 9 błąd bezwzględy względy.59 *.e-.85*.e- błąd bezwzględy względy.895.6 umer erac.8.9997..9999 błąd bezwzględy względy.8.5 umer erac 5.... błąd bezwzględy względy.787 *.e-.9*.e-.. Nadokreśloy układ rówań m m ( ) ( ) A b B A b A b Resduum -> m B ( ) A A b A A A b A b A A A b m m Przykład: A b y - - A A - - - 6, A b - - - 6-6 - 7-6 y 6 9 7

5. ROZWIĄZYWANIE RÓWNAŃ I UKŁADÓW RÓWNAŃ NIELINIOWYCH 5.. Rówaa elowe Meoda erac prose werdzee zbeżośc f f L ( ) ( ) ( ) Meoda f ( ) Newoa, < < lm f ( ) Meoda seczych,, ; L [ a b] f f f Regula fals, f Bsekc f-, f - - ( - - ) f - f f ( ) f ( ) < ( + )/ - f ( ) f ( ) < 5.. Układy rówań elowych Meoda Newoa Raphsoa F F F y, J - Jakoba J F F y Układ rówań szybce sę oblcza bez odwracaa macerzy +, J F lm Przykład: ( ) ( ) f y f + y - 8 - y J Jakoba y 6. BŁĄD I SABILNOŚĆ OBLICZEŃ Eapy modelowaa zwązae z błędam Obek rzeczywsy Model maemayczy Model umeryczy Oblczea

Klasyfkaca błędów Rozwązyway problem F b - orma;. Błąd bezwzględy (absoluy) ε ~ warość dokłada, % - warość przyblżoa. Błąd względy Zbeżość ~ δ δ lmδ. Błąd resdualy (resduum) R F( % ) b ; lub względy R F( % ) b / b ; Dobrze źle sformułowae zadae λma Uwarukowae, wskaźk uwarukowaa cod F λ Sablość brak sablośc m 7. INERPOLACJA I APROKSYMACJA Ierpolaca m ε a a Aproksymaca f ( ) g( ) aϕ ( ) + aϕ ( ) +... + amϕ m( ) a ϕ P ( ) gdze: a a K a - ewadome współczyk aproksymac { } { ( ) ( )} ϕ ϕ K ϕ - fukce bazowe { () (m) } K - węzły aproksymac ε ( ) f ( ) P ( ) - błąd aproksymac

7.. Ierpolaca P ( ) f,,,... Ierpolaca Lagraga f( ) P ( ),,,, () L ()f P () L () bazowe welomay Lagrage ( - )( - ) L( - )( - ) L( - ) ( )( ) L( )( ) L( ) ( ) - + L ( ) - - - - - - + ( ) f,,,, L ( ) f,,,, Dla welomay Lagraga ( )( ) ( )( ) ( - )( - ) ( )( - ) () L () - ( - )( - ) ( )( - ) () L () - ( - )( - ) ( )( - ) () L () - ( )( ) ( )( ) ( )( ) ( )( ) - - - - - - P () f + f + f - - - - - -

7.. Ierpolaca Herme P ( ) f h ( ) + f g ( ) + ( ) ( ) ( ) ( ) ( )' ( ) ( ) ( ) h L L g ( ) L ( ) 7.. Nalepsza aproksymaca f ( ) P ( ) a ϕ ε f P Poszukwae są współczyk a dla kórych m ε m f P Przykład Zaleźć alepszą lową aproksymacę dla fukc dae w posac zboru puków: {(, ), (, ), (, ), (, )} a sposób Nadokreśloy układ rówań macerz A A A A f wekor y [ ] A y [6 9] Rozwązuemy układ rówań (A A )* C A f C [-.5,.8] - współczyk aproksymac Rozwązae P() -.5 +.8

sposób P( ) a + a ( ) I ε f - P( ) ( - a - a ) +( - a - a ) +( - a - a ) +( - a - a ) I [ -( - a - a ) - ( - a - a ) - a ( - a - a ) - a ( - a - a ) ] a I [ -( - a - a ) - ( - a - a ) - ( - a - a ) - ( - a - a ) ] a.5; a.8 a Rozwązae P() -.5 +.8