Föreläsning 14: Exempel på randvärdesproblem. LU-faktorisering för att lösa linjära ekvationssystem.
|
|
- Ebba Hellström
- för 5 år sedan
- Visningar:
Transkript
1 11 april D1212 NumProg för T1 VT2005 A Föreläsning 14: Exempel på randvärdesproblem. LU-faktorisering för att lösa linjära ekvationssystem. Kapitel 8 och 5 i Q&S Stationär värmeledning i 1-D Betrakta ett rör av längden L med konstant cylindrisk tvärsnittsarea. I röret finns en vätska som värms upp av en elektrisk spole. Värmen sprider sig i röret och vid jämvikt ges temperaturen T (x) av följande differentialekvation: d dx (κdt dx ) + vρc dt = Q(x) 0 <x<l. (1) }{{}}{{ dx} diffusion konvektion I ekvationen ingår följande konstanter: värmeledningskoefficienten κ vätskans strömningshastighet i x-riktningen v dess densitet ρ och värmekapacitet C. Den elektriska spolen modelleras av funktionen 0 0 x<a Q(x) = Q 0 sin ( x a b a π) a x b 0 b<x L där a och b är sådana att 0 <a<b<l. I ändarna x =0och x = L av röret hålls vätskan vid de konstanta temperaturerna T in och T ut. Detta ger randvillkoren T (0) = T in T(L) =T ut. (2) Uppgiften är nu att skriva ett Matlab-program som beräknar temperaturfördelningen i röret vid jämvikt genom att diskretisera randvärdesproblemet (1) - (2) med andra ordningens finita differenser. Följande värden på i problemet ingåe parametrar ska användas: L =10 a =1 b =3 Q 0 =50 κ =0.5 ρ =1 C =1 T in =0 T ut = 400 v = (Fallet v =0svarar mot att bara värmediffusion förekommer.)
2 Lösning Diskretisera intervallet [0L] med ett konstant steg h = L/N genom att införa noderna x j = jh (0 j N). Temperaturen T är känd i ändpunkterna och i de inre noderna uppfyller T differentialekvationen (1) så vi har T (x 0 )=T in κ d2 T (x dx 2 j )+vρc dt (x dx j)=q(x j ) 1 j N 1 T (x N )=T ut För att approximera derivatorna använder vi andra ordningens noggranna finita differenser: T (x j+1 ) 2T (x j )+T(x j 1 ) = d2 T h 2 dx (x j)+o(h 2 ) 2 T (x j+1 ) T (x j 1 ) 2h = dt dx (x j)+o(h 2 ). Vi inför nu de obekanta T j (0 j N) och beräknar deras värden genom att lösa det linjära ekvationssystemet (det är faktiskt det!): T 0 = T in κ T j+1 2T j +T j 1 h 2 T N = T ut + vρc T j+1 T j 1 2h = Q(x j ) 1 j N 1 Om vi gjort rätt gäller det nu att T j = T (x j )+O(h 2 ) dvs vi har beräknat en andra ordningens noggrann approximation av temperaturen T inodernax j! Det linjära ekvationssystemet kan skrivas T 0 = T in ( κ h vρc 2 2h ) 2κ T j 1 +( }{{} h ) }{{} 2 β α T N = T ut T j +( κ h + vρc 2 2h ) }{{} T j+1 = Q(x j ) 1 j N 1 β + De okända värdena är ju egentligen bara T j för 1 j N 1 och för dessa skriver vi upp det linjära ekvationssystemet på matrisform: α β β α β T 1 Q(x 1 ) β T in 0 β α β T 2 Q(x 2 ) T 3 Q(x 3 ) = T β α N 1 Q(x N 1 ) β + T ut Lösningen består således i att skriva ett Matlab-program som för de olika värdena på v formulerar ovanståe linjära ekvationssystem på matrisform löser det och ritar upp lösningen. Det visar sig att lösningen blir som i följande figur:
3 400 Stationär värmeledning i 1 D 350 v=0 300 v= Temperatur v= v= x v=10 Figur 1: Temperaturfördelningen i röret vid jämvikt för olika värden på vätskans strömningshastighet v. Diskutera gärna varför graferna ser ut som de gör i de olika fallen! Matlab-program ut: Så här kan ett Matlab-program för att beräkna lösningen se %Stationär värmeledning i 1-D lösning %med finita differensmetoden. % %Magnus Strömgren clear close all %Problem parametrar L=10; a=1; b=3; Q0=50; kappa=0.5; rho=1; C=1; Tin=0; Tut=400; % %Diskretisering N=100; h=l/n; x=h*(0:n) ; xin=x(2:-1); % for v=[ ] %Matrisen A alpha=2*kappa*h^(-2); beta_p=-kappa*h^(-2)+0.5*v*rho*c*h^(-1); beta_m=-kappa*h^(-2)-0.5*v*rho*c*h^(-1);
4 D=ones(size(xin))*[beta_m alpha beta_p]; A=spdiags(D[-1 0 1]N-1N-1); %Högerledet f f=zeros(size(xin)); index=find((xin <= b) & (xin >= a)); f(index)=q0*sin((xin(index)-a)*pi/(b-a)); f(1)=f(1)-beta_m*tin; f()=f()-beta_p*tut; %Lösningen T=A\f; %Plotta figure(1) hold on plot(x[tin; T; Tut]); gtext([ v= num2str(v)]); xlabel( x ); ylabel( Temperatur ); title( Stationär värmeledning i 1-D );
5 LU-faktorisering I många av de numeriska metoder vi stött på i den här kursen har man förr eller senare behövt lösa ett linjärt ekvationssystem Ax = b. Tänkt.ex. på finita differensmetoden för randvärdesproblem interpolation/mkm och Newtons metod för system av icke-linjära ekvationer. (Om du inte kommer ihåg repetera!). Därför är det inte förvånande att utvecklandet av bra metoder för att lösa linjära ekvationssystem har varit ett av de viktigaste problemen för forskare och ingenjörer som arbetar med numeriska metoder. Vi har tidigare i kursen löst linjära ekvationssystem med operatorn \ (backslash) i Matlab utan att fundera närmare på det. Men vad gör Matlab egenligen för att beräkna lösningen? Vi ska nu beskriva en algoritm för att beräkna lösningen till Ax = b. Den kallas LU-faktorisering och kommer visa sig vara välbekant från mattekurserna. LU-faktorisering är exempel på en direkt metod för att lösa linjära ekvationssystem. Sådana karaktäriseras av att lösningen beräknas i ett på förhand känt ändligt antal steg. Det finns också iterativa metoder och dessa karaktäriseras av att man försöker beräkna lösningen genom iterationer. Iterationerna avbryts då någon feluppskattning indikerar att man kommit tillräckligt nära lösningen. Om en direkt eller iterativ metod är bäst för ett givet problem Ax = b beror på matrisen A t.ex dess dimension om den är mycket gles eller har andra egenskaper. Triangulära matriser Problemet är att beräkna en lösning till Ax = b dära är en kvadratisk matris av dimensionen n. OmAärlågtriangulär såatta = L = {l ij } med l ij =0för j>i kan vi beräkna lösningen genom enkel framåtsubstitution: x 1 = b 1 l 11 x i = 1 i 1 (b i l ij x j ) l ii j=1 i =2...n. På samma sätt om A är högtriangulär såatta = U = {u ij } med u ij =0för i>j kan vi beräkna lösningen genom bakåtsubstitution: x n = b n u nn x i = 1 u ii (b i n j=i+1 u ij x j ) i = n Observera att diagonalelementen l ii respektive u ii måste vara skilda från noll för att det ska fungera. Men detta är ju en förutsättning för att det ska gå att finna en lösning över huvudtaget: diagonalelementen är de triangulära matrisernas egenvärden och om något av dem är noll så är ju matrisen singulär!
6 Allmänna matriser Så för linjära ekvationssystem vars matriser är triangulära och har nollskilda element på diagonalen kan vi enkelt beräkna lösningen. Men vad gör vi för en allmän matris A? Jo vi kan försöka LU-faktorisera A så att A = LU där L är en lågtriangulär matris med ettor på diagonalen och U är en högtriangulär matris med nollskilda element på diagonalen. Genom att faktorisera A på det här sättet kan vi lösa Ax = b i följande steg: 1. Beräkna faktorerna L och U sådana att A = LU. 2. Lös Ly = b med framåtsubstitution. 3. Lös Ux = y med bakåtsubstitution. Låter LU-faktorisering obekant? Vad sägs om Gausselimination? Det är samma sak! Gausselimination går ju till så att man stegar sig fram kolumn för kolumn och nollar elementen under diagonalen: det är i själva verket matrisen U som man beräknar. I mattekurserna brukar man inte spara eliminationskoefficienterna men det gör vi här: dessa koefficienter är elementen i matrisen L. Algoritmen för LUfaktorisering/Gausselimination kan skrivas: for k =1...n 1 for i = k +1...n l ik = a ik a kk for j = k +1...n a ij = a ij l ik a kj Elementen i matrisen U står efter avslutad genomgång att finna i den högtriangulära delen av A: u ij = a ij för j i. Elementenl ij i matrisen L beräknas i algoritmen för i>j. För de diagonala elementen gäller att l ii =1. Vi noterar också att elementen a kk kallas pivotelement och att inget av dessa får bli noll under beräkningarnas gång om vi ska kunna LU-faktorisera matrisen A med algoritmen ovan. Pivotering Dessvärre kan det under LU-faktorisering av en matris A hända att ett pivotelement blir noll även om A är icke-singulär. Man kan dock visa att om man under faktoriseringens gång hela tiden väljer det till beloppet största elementet i de aktuella raderna som pivotelement så går det att beräkna LU-faktoriseringen för varje icke-singulär matris A. Strategin kallas radpivotering och den modifierade algoritmen blir:
7 for k =1...n 1 for i = k +1...n Hitta r så att a rk =max i=k...n a ik Byt plats på raderna k och r l ik = a ik a kk for j = k +1...n a ij = a ij l ik a kj Matlab LU-faktorisering med radpivotering är en av de algoritmer som gömmer sig bakom kommandot \ i Matlab. Vilken algoritm som faktiskt används beror som tidigare nämnts på matrisen A. Ibland kan man vilja ha tillgång till faktorerna L och U av en matris. T.ex. om man vill lösa flera linjära ekvationssystem med samma systemmatris A men olika högerled b k. Då behöver man bara faktorisera A en gång och sedan kan man lösa två triangulära ekvationssystem Ly = b k och Ux = y för varje högerled. I Matlab får man LU-faktorerna med kommandot [LU]=lu(A). Matrisen L är lågtriangulär bara om inga radpivoteringar behövdes för att beräkna faktoriseringen. Om radpivoteringar behövdes kan man få ut en lågtriangulär matris L högtriangulär U och permutationsmatrisen P (sådana att PA = LU) genom att skriva [LUP]=lu(A). Ekvationssystemet Ax = b k löses då i följande steg: 1. Beräkna faktorerna L U och P. 2. Lös Ly = P b k med framåtsubstitution. 3. Lös Ux = y med bakåtsubstitution. Nästa föreläsning: LU-faktorisering används för att illustrera önskvärda egenskaper hos algoritmer: effektivitet och noggrannhet. Vi räknar flyttalsoperationer (effektivitet) och introducerar begreppet konditionstal för att diskutera hur avrundningsfelen kan påverka den beräknade lösningen (noggrannhet).
Linjära ekvationssystem
Linjära ekvationssystem Gausselimination Vanlig gausselimination för det linjära ekvationssystemet Ax = b utgår från den utökade matrisen [A b] och applicerar elementära radoperationer på denna för att
Läs merLinjära ekvationssystem
Föreläsning 3 Linjära ekvationssystem Gausselimination Vanlig gausselimination för det linjära ekvationssystemet Ax = b utgår från den utökade matrisen [A b] och applicerar elementära radoperationer på
Läs merEgenvärdesproblem för matriser och differentialekvationer
CTH/GU STUDIO 7 TMV36b - 14/15 Matematiska vetenskaper 1 Inledning Egenvärdesproblem för matriser och differentialekvationer Vi skall se lite på egenvärdesproblem för matriser och differentialekvationer.
Läs merFMNF15 HT18: Beräkningsprogrammering Numerisk Analys, Matematikcentrum
Johan Helsing, 11 oktober 2018 FMNF15 HT18: Beräkningsprogrammering Numerisk Analys, Matematikcentrum Inlämningsuppgift 3 Sista dag för inlämning: onsdag den 5 december. Syfte: att träna på att hitta lösningar
Läs merBlock 2: Lineära system
Exempel Från labben: Block : Lineära system Del 1 Trampolinens böjning och motsvarande matris (här 6060-matris) Matrisen är ett exempel på - gles matris (huvuddelen av elementen nollor) - bandmatris Från
Läs merTentamen, del 2 Lösningar DN1240 Numeriska metoder gk II F och CL
Tentamen, del Lösningar DN140 Numeriska metoder gk II F och CL Lördag 17 december 011 kl 9 1 DEL : Inga hjälpmedel Rättas ast om del 1 är godkänd Betygsgränser inkl bonuspoäng: 10p D, 0p C, 30p B, 40p
Läs merNUMPROG, 2D1212, vt Föreläsning 9, Numme-delen. Stabilitet vid numerisk behandling av diffekvationer Linjära och icke-linjära ekvationssystem
NUMPROG, 2D1212, vt 2005 Föreläsning 9, Numme-delen Stabilitet vid numerisk behandling av diffekvationer Linjära och icke-linjära ekvationssystem Då steglängden h är tillräckligt liten erhålles en noggrann
Läs merTeorifrågor. 6. Beräkna konditionstalet för en diagonalmatris med diagonalelementen 2/k, k = 1,2,...,20.
Teorifrågor Störningsanalys 1. Värdet på x är uppmätt till 0.956 med ett absolutfel på högst 0.0005. Ge en övre gräns för absolutfelet i y = exp(x) + x 2. Motivera svaret. 2. Ekvationen log(x) x/50 = 0
Läs merTMA226 datorlaboration
TMA226 Matematisk fördjupning, Kf 2019 Tobias Gebäck Matematiska vetenskaper, Calmers & GU Syfte TMA226 datorlaboration Syftet med denna laboration är att du skall öva formuleringen av en Finita element-metod,
Läs merLösningsanvisningar till de icke obligatoriska workoutuppgifterna
Lösningsanvisningar till de icke obligatoriska workoutuppgifterna Linjära system 7. (a) Falskt. Kondition är en egenskap hos problemet oberoende av precisionen i beräkningarna. (b) Falskt. Pivotering påverkar
Läs mer2D1250 Tillämpade numeriska metoder II Läsanvisningar och repetitionsfrågor:
1 Axel Ruhe NADA 10 mars 2005 2D1250 Tillämpade numeriska metoder II Läsanvisningar och repetitionsfrågor: Dessa frågor är till hjälp vid inläsning av Linjär Algebra momenten i kursen. Hänvisningar till
Läs merNUMPROG, 2D1212, vt Föreläsning 1, Numme-delen. Linjära ekvationssystem Interpolation, Minstakvadratmetoden
NUMPROG, D, vt 006 Föreläsning, Numme-delen Linjära ekvationssystem Interpolation, Minstakvadratmetoden En av de vanligaste numeriska beräkningar som görs i ingenjörsmässiga tillämpningar är att lösa ett
Läs mer2 Matrisfaktorisering och lösning till ekvationssystem
TANA21+22/ 5 juli 2016 LAB 2. LINJÄR ALGEBRA 1 Inledning Lösning av ett linjärt ekvationssystem Ax = b förekommer ofta inom tekniska beräkningar. I laborationen studeras Gauss-elimination med eller utan
Läs merTANA09 Föreläsning 5. Matrisnormer. Störningsteori för Linjära ekvationssystem. Linjära ekvationssystem
TANA9 Föreläsning Matrisnormer Linjära ekvationssystem Matrisnormer. Konditionstalet. Felanalys. Linjära minstakvadratproblem Överbestämda ekvationssystem. Normalekvationerna. Ortogonala matriser. QR faktorisering.
Läs merLaboration 6. Ordinära differentialekvationer och glesa system
1 DN1212 VT2012 för T NADA 20 februari 2012 Laboration 6 Ordinära differentialekvationer och glesa system Efter den här laborationen skall du känna igen problemtyperna randvärdes- och begynnelsevärdesproblem
Läs merProjekt Finit Element-lösare
Projekt Finit Element-lösare Emil Johansson, Simon Pedersen, Janni Sundén 29 september 2 Chalmers Tekniska Högskola Institutionen för Matematik TMA682 Tillämpad Matematik Inledning Många naturliga fenomen
Läs merLösningsanvisningar till de icke obligatoriska workoutuppgifterna
Lösningsanvisningar till de icke obligatoriska workoutuppgifterna Intro till vektorer, matriser och Gausselimination 8. Den euklidiska normen x = x 1 + x + x n och x 1 + x + ( ) x n = x 1 x x n 9. Vi ska
Läs merLösningsanvisningar till de icke obligatoriska workoutuppgifterna
Lösningsanvisningar till de icke obligatoriska workoutuppgifterna Linjära system 7. (a) Falskt. Kondition är en egenskap hos problemet oberoende av precisionen i beräkningarna. (b) Falskt. Pivotering påverkar
Läs merKurs DN1215, Laboration 3 (Del 1): Randvärdesproblem för ordinära differentialekvationer
Kurs DN1215, Laboration 3 (Del 1): Randvärdesproblem för ordinära differentialekvationer Michael Hanke, Johan Karlander 2 april 2008 1 Beskrivning och mål Matematiska modeller inom vetenskap och teknik
Läs merDenna föreläsning. DN1212 Numeriska metoder och grundläggande programmering FN Standardform för randvärdesproblem
Denna föreläsning DN1212 Numeriska metoder och grundläggande programmering FN8 09-03-30 Hedvig Kjellström hedvig@csc.kth.se! Repetition av FN7 (GNM kap 4, 6.3)! Bandmatrismetoden/Finita differensmetoden!
Läs merTentamen i Beräkningsvetenskap I/KF, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I/KF, 5. hp, 215-3-17 Skrivtid: 14 17 (OBS! Tre timmars skrivtid!) Hjälpmedel: Bifogat
Läs merSammanfattninga av kursens block inför tentan
FÖRELÄSNING 14 Sammanfattninga av kursens block inför tentan BILD Vi har jobbat med numerisk metoder, datorprogram och tolkning av lösning. Numeriska metoder BILD olika områden: Linjära ekvationssytem,
Läs merLösningsförslag till inlämningsuppgift 3 i Beräkningsprogrammering Problem 1) function condtest format compact format long
Lösningsförslag till inlämningsuppgift 3 i Beräkningsprogrammering Problem 1) function condtest format compact format long % Skapa matrisen A med alpha=1 A = [1 2 3; 2 4 1; 4 5 6]; b = [2.1; 3.4; 7.2];
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 9 november 2015 Sida 1 / 28 Föreläsning 3 Linjära ekvationssystem. Invers. Rotationsmatriser. Tillämpning:
Läs merTMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.
MATEMATISKA VETENSKAPER TMA67 8 Chalmers tekniska högskola Datum: 8--8 kl - 8 Examinator: Håkon Hoel Tel: ankn 38 Hjälpmedel: inga TMA 67 Linjär Algebra Numerisk Analys Tentan består av 8 uppgifter, med
Läs merLaboration 1. Ekvationslösning
Laboration 1 Ekvationslösning Sista dag för bonuspoäng, se kursplanen. Kom väl förberedd och med välordnade papper till redovisningen. Numeriska resultat ska finnas noterade. Båda i laborationsgruppen
Läs merFEM1: Randvärdesproblem och finita elementmetoden i en variabel.
MVE255/TMV191 Matematisk analys i flera variabler M/TD FEM1: Randvärdesproblem och finita elementmetoden i en variabel. 1 Inledning Vi ska lösa partiella differentialekvationer PDE, dvs ekvationer som
Läs merMer om linjära ekvationssystem
CTH/GU STUDIO 4 MVE465-2016/2017 Matematiska vetenskaper 1 Inledning Mer om linjära ekvationssystem Denna studioövning fortsätter med linjära ekvationssystem och matriser, som vi först tittade på i studioövning
Läs merTentamen, del 2 DN1240 Numeriska metoder gk II för F
Tentamen, del DN140 Numeriska metoder gk II för F Fredag 14 december 01 kl 14 17 Lösningar DEL : Inga hjälpmedel. Rättas endast om del 1 är godkänd. Betygsgränser inkl bonuspoäng: 10p D, 0p C, 30p B, 40p
Läs merFöreläsning 5. Approximationsteori
Föreläsning 5 Approximationsteori Låt f vara en kontinuerlig funktion som vi vill approximera med en enklare funktion f(x) Vi kommer använda två olika approximationsmetoder: interpolation och minstrakvadratanpassning
Läs merVarning!!! Varning!!!
Kort sammanfattning av Beräkningsvetenskap I Erik Lindblad H04 Varning!!! Detta är inte en komplett genomgång av materialet i kursen Beräkningsvetenskap I. Genom att lära sig materialet nedan har man skaffat
Läs merTentamen i Beräkningsvetenskap I och KF, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Avdelningen för beräkningsvetenskap Tentamen i Beräkningsvetenskap I och KF, 5.0 hp, 2015-12-17 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671
Institutionen för Matematik LINJÄR ALGEBRA OCH NUMERISK ANALYS F Göteborg --9 TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 OBS! NYA KURSEN DAG: Tisdag 9 januari TID: 8.45 -.45 SAL: V Ansvarig:
Läs merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall
Läs merTeknisk Beräkningsvetenskap I Tema 3: Styvhetsmodellering av mjuk mark med icke-linjära ekvationer
Teknisk Beräkningsvetenskap I Tema 3: Styvhetsmodellering av mjuk mark med icke-linjära ekvationer Eddie Wadbro 18 november, 2015 Eddie Wadbro, Tema 3: Icke-linjära ekvationer, 18 november, 2015 (1 : 37)
Läs mer2D1240 Numeriska metoder gk II för T2, VT 2004 LABORATION 1. Ekvationslösning
1 Olof Runborg NADA 15 januari 2004 2D1240 Numeriska metoder gk II för T2, VT 2004 A LABORATION 1 Ekvationslösning Sista dag för bonuspoäng, se kursplanen. Kom väl förberedd och med välordnade papper till
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 26 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 26 november 2015 Sida 1 / 28 Föreläsning 6 Minsta kvadrat problem. Polynom. Interpolation. Rötter. Tillämpningar:
Läs merLaboration 1. 1 Matlab-repetition. 2 Störningsräkning 1. 3 Störningsräkning 2
Laboration 1 Hela labben måste vara redovisad och godkänd senast 19 november för att generera bonuspoäng till tentan. Kom väl förberedd och med välordnade papper till redovisningen. Numeriska resultat
Läs merLaboration 2. Laborationen löses i grupper om två och redovisas individuellt genom en lappskrivning den 3/10. x = 1±0.01, y = 2±0.05.
Laboration 2 Laborationen löses i grupper om två och redovisas individuellt genom en lappskrivning den 3/10. 1 Störningsräkning 1 Betrakta funktionen f(x,y) = e yx2. Värdena på x och y är givna av x =
Läs merFacit Tentamen i Beräkningsvetenskap I (1TD393) STS ES W K1
Facit Tentamen i Beräkningsvetenskap I (1TD393) STS ES W K1 Del A Utför överskådlig beräkning, och presentera svar på följande frågor. Det bifogade svarsarket måste användas, så lös först uppgifterna på
Läs merLaboration 1. x = 1±0.01, y = 2±0.05. a) Teoretiskt med hjälp av felfortplantningsformeln (Taylor-utveckling).
Laboration 1 Sista dag för bonuspoäng är 18 mars. Kom väl förberedd och med välordnade papper till redovisningen. Numeriska resultat ska finnas noterade. Båda i laborationsgruppen ska kunna redogöra för
Läs merTentamen del 1 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matematik Tentamen del SF5, 28-3-6, kl 8.-., Numeriska metoder och grundläggande programmering Namn:... Personnummer:... Program och årskurs:... Bonuspoäng. Ange dina bonuspoäng från kursomgången HT7-VT8
Läs merNumerisk Analys, MMG410. Exercises 2. 1/33
Numerisk Analys, MMG410. Exercises 2. 1/33 1. A är en kvadratisk matris vars alla radsummor är noll. Visa att A är singulär. Låt e vara vektorn av ettor. Då är Ae = 0 A har icke-trivialt nollrum. 2/33
Läs merKort sammanfattning av Beräkningsvetenskap I. Varning!!! Varning!!!
Kort sammanfattning av Beräkningsvetenskap I Erik Lindblad H4 Varning!!! Detta är inte en komplett genomgång av materialet i kursen Beräkningsvetenskap I. Genom att lära sig materialet nedan har man skaffat
Läs mer1 Positivt definita och positivt semidefinita matriser
Krister Svanberg, april 1 1 Positivt definita och positivt semidefinita matriser Inom ickelinjär optimering, speciellt kvadratisk optimering, är det viktigt att på ett effektivt sätt kunna avgöra huruvida
Läs mer5.7. Ortogonaliseringsmetoder
5.7. Ortogonaliseringsmetoder Om man har problem med systemets kondition (vilket ofta är fallet), lönar det sig att undvika normalekvationerna vid lösning av minsta kvadratproblemet. En härtill lämplig
Läs merSubtraktion. Räkneregler
Matriser En matris är en rektangulär tabell av tal, 1 3 17 4 3 2 14 4 0 6 100 2 Om matrisen har m rader och n kolumner så säger vi att matrisen har storlek m n Index Vi indexerar elementen i matrisen genom
Läs merM0043M Integralkalkyl och Linjär Algebra, H14, Linjär Algebra, Föreläsning 11
M0043M Integralkalkyl och Linjär Algebra, H14, Linjär Algebra, Föreläsning 11 Staffan Lundberg / Ove Edlund Luleå Tekniska Universitet Staffan Lundberg / Ove Edlund M0043M H14 1/ 41 Linjär Algebra, Föreläsning
Läs merFYSIKENS MATEMATISKA METODER
FYSIKENS MATEMATISKA METODER TREDJE UPPLAGAN TORBJÖRN ERIKSON HENRIK CHRISTIANSSON ERIK LINDAHL JOHAN LINDE LARS SANDBERG MATS WALLIN mfl Boken är typsatt i L A TEX med 11pt Times Printed in Sweden by
Läs merNumeriska metoder, grundkurs II. Dagens program. Hur skriver man en funktion? Administrativt. Hur var det man gjorde?
Numeriska metoder, grundkurs II Övning 1 för I2 Dagens program Övningsgrupp 1 Johannes Hjorth hjorth@nada.kth.se Rum 163:006, Roslagstullsbacken 35 08-790 69 00 Kurshemsida: http://www.csc.kth.se/utbildning/kth/kurser/2d1240/numi07
Läs merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18.
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 9--6 DAG: Fredag 6 januari 9 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson
Läs merLaboration 1 i SF1544: Öva på Matlab och konstruera en optimal balk Avsikten med denna laboration är att:
Laboration 1 i SF1544: Öva på Matlab och konstruera en optimal balk Avsikten med denna laboration är att: - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda laborationstillfällen,
Läs merTANA19 NUMERISKA METODER
HT2/2016 LINJE+ÅK+KLASS : TANA19 NUMERISKA METODER Laboration 2. Linjär algebra Namn : Personnummer : E-post : @student.liu.se Namn : Personnummer : E-post : @student.liu.se Godkänd datum : Sign : Retur
Läs mer15 februari 2016 Sida 1 / 32
TAIU07 Föreläsning 5 Linjära ekvationssystem. Minsta kvadrat problem. Tillämpning: Cirkelpassning. Geometriska objekt. Translationer. Rotationer. Funktioner som inargument. Tillämpning: Derivata. 15 februari
Läs merTMV166 Linjär algebra för M. Datorlaboration 2: Matrisalgebra och en mekanisk tillämpning
MATEMATISKA VETENSKAPER TMV66 07 Chalmers tekniska högskola Datorlaboration Examinator: Tony Stillfjord TMV66 Linjär algebra för M Datorlaboration : Matrisalgebra och en mekanisk tillämpning Allmänt Den
Läs merTENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20
Numerisk Analys - Institutionen för Matematik KTH - Royal institute of technology 2016-05-31, kl 08-11 SF1547+SF1543 TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20 Uppgift 1 Man vill lösa ekvationssystemet
Läs merFÖRSÄTTSBLAD TILL TENTAMEN. ELLER (fyll bara i om du saknar tentamenskod): Datum: 16 januari Bordsnummer:
FÖRSÄTTSBLAD TILL TENTAMEN Din tentamenskod (6 siffror): ELLER (fyll bara i om du saknar tentamenskod): Personnummer: - Datum: 16 januari 2013 Kursens namn (inkl. grupp): Beräkningsvetenskap I (1TD393)
Läs merGrafer och grannmatriser
Föreläsning 2, Linjär algebra IT VT2008 Som avslutning på kursen ska vi knyta samman linjär algebra med grafteori och sannolikhetsteori från första kursen. Resultatet blir så kallade slumpvandringar på
Läs merTAMS79: Föreläsning 10 Markovkedjor
TAMS79: Föreläsning 0 Markovkedjor Johan Thim december 08 0. Markovkedjor Vi ska nu betrakta en speciell tidsdiskret diskret stokastisk process, nämligen Markovkedjan. Vi börjar med en definition Definition.
Läs merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Fredag 30 augusti 2002 TID:
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 22-8-3 DAG: Fredag 3 augusti 22 TID: 8.45-2.45 SAL: V Ansvarig: Ivar Gustafsson, tel: 772 94 (ankn. 94) Förfrågningar:
Läs mert Möjliga lösningar? b
b 12 10 8 6 4 2 0 Möjliga lösningar? 0 1 2 3 4 5 6 t b 12 10 8 6 4 2 0 Elementen i residualen r 5 r 4 r 3 0 1 2 3 4 5 6 t r 1 r 2 b 12 10 8 6 4 2 0 Minstakvadratlösningen 0 1 2 3 4 5 6 t OH-bild från Matte
Läs merFöreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.
Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.1 Delkapitlet introducerar en del terminologi och beteckningar som används.
Läs merSF1624 Algebra och geometri Lösningsförslag till tentamen Lördagen den 5 juni, 2010 DEL A
SF624 Algebra och geometri Lösningsförslag till tentamen Lördagen den 5 juni, 200 DEL A ( Betrakta det komplexa talet w = i. (a Skriv potenserna w n på rektangulär form, för n = 2,, 0,, 2. ( (b Bestäm
Läs merKonvergens för iterativa metoder
Konvergens för iterativa metoder 1 Terminologi Iterativa metoder används för att lösa olinjära (och ibland linjära) ekvationssystem numeriskt. De utgår från en startgissning x 0 och ger sedan en följd
Läs merTentamen i Beräkningsvetenskap I (1TD393)
Tentamen i Beräkningsvetenskap I (TD9) Skrivtid: 6 januari kl 4 7 OBS! timmar! Hjälpmedel: Godkänd litteratur: Mathematics handbook, Physics handbook. Penna, suddgummi, miniräknare och linjal får användas.
Läs merMoment 5.5 Övningsuppgifter I 5.60a. 5.60b, 5.60.c, 61
Moment 5.5 Övningsuppgifter I 5.0a. 5.0b, 5.0.c, 1 Linjära ekvationssystem Vi har redan tidigare i kursen stött på linjära ekvationssystem. Nu är stunden kommen till en mera systematisk genomgång. Kvadratiska
Läs merTentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matemati Tentamen del 2 SF1511, 2017-03-16, l 800-1100, Numerisa metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p) Inga hjälpmedel Rättas endast om del 1 är godänd Betygsgränser
Läs merMer om linjära ekvationssystem
CTH/GU LABORATION 2 TMV141-212/213 Matematiska vetenskaper 1 Inledning Mer om linjära ekvationssystem Denna laboration fortsätter med linjära ekvationssystem och matriser Vi ser på hantering och uppbyggnad
Läs merTENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 5-4-8 DAG: Lördag 8 april 5 TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merMMA132: Laboration 2 Matriser i MATLAB
MMA132: Laboration 2 Matriser i MATLAB Introduktion I den här labben skall vi lära oss hur man använder matriser och vektorer i MATLAB. Det är rekommerad att du ser till att ha laborationshandledningen
Läs mer% Föreläsning 3 10/2. clear hold off. % Vi börjar med att titta på kommandot A\Y som löser AX=Y
% Föreläsning 3 10/2 clear % Vi börjar med att titta på kommandot A\Y som löser AX=Y % Åter till ekvationssystemen som vi avslutade föreläsning 1 med. % Uppgift 1.3 i övningsboken: A1=[ 1-2 1 ; 2-6 6 ;
Läs merTATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning
TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning Johan Thim 4 mars 2018 1 Linjära DE av godtycklig ordning med konstanta koefficienter Vi kommer nu att betrakta linjära differentialekvationer
Läs mer1.1 MATLABs kommandon för matriser
MATLABs kommandon för matriser Det finns en mängd kommandon för att hantera vektorer, matriser och linjära ekvationssystem Vi ger här en kort sammanfattning av dessa kommandon För en mera detaljerad diskussion
Läs merLinjär Algebra M/TD Läsvecka 2
Linjär Algebra M/TD Läsvecka 2 Omfattning och Innehåll 2.1 Matrisoperationer: addition av matriser, multiplikation av matris med skalär, multiplikation av matriser. 2.2-2.3 Matrisinvers, karakterisering
Läs merPreliminärt lösningsförslag
Preliminärt lösningsförslag v7, 7 januari 6 Högskolan i Skövde Tentamen i matematik Kurs: MA4G Linjär algebra MAG Linjär algebra för ingenjörer Tentamensdag: 5--7 kl 43-93 Hjälpmedel : Inga hjälpmedel
Läs merVeckoblad 4, Linjär algebra IT, VT2010
Veckoblad, Linjär algebra IT, VT Under den fjärde veckan ska vi under måndagens föreläsning se hur man generaliserar vektorer i planet och rummet till vektorer med godtycklig dimension. Vi kommer också
Läs merOmtentamen i DV & TDV
Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström (e-post wikstrom) Omtentamen i Teknisk-Vetenskapliga Beräkningar för DV & TDV Tentamensdatum: 2006-06-05 Skrivtid: 9-15 Hjälpmedel: inga
Läs merOptimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper
CTH/GU STUDIO TMV3c - 1/15 Matematiska vetenskaper Optimeringsproblem 1 Inledning Vi skall söka minsta eller största värdet hos en funktion på en mängd, dvs. vi skall lösa s.k. optimeringsproblem min f(x)
Läs mer. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6
Kursen bedöms med betyg, 4, 5 eller underkänd, där 5 är högsta betyg För godkänt betyg krävs minst 4 poäng från uppgifterna -7 Var och en av dessa sju uppgifter kan ge maximalt poäng För var och en av
Läs merLinjärisering, Jacobimatris och Newtons metod.
Linjärisering, Jacobimatris och Newtons metod Analys och Linjär Algebra, del C, K/Kf/Bt, vt0 Inledning Vi skall lösa system av icke-linjära ekvationer Som exempel kan vi ta, x = 0, x = 0, som är ett system
Läs merTMV166 Linjär Algebra för M. Tentamen
MATEMATISKA VETENSKAPER TMV66 6 Chalmers tekniska högskola 6 8 kl 8:3 :3 (SB Multisal) Examinator: Tony Stillfjord Hjälpmedel: ordlistan från kurshemsidan, ej räknedosa Telefonvakt: Olof Giselsson, ankn
Läs merInstitutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA DAG: Torsdag 28 aug 2008 TID:
Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 8-8-8 DAG: Torsdag 8 aug 8 TID: 8.3 -.3 SAL: M Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson
Läs merIntroduktion till MATLAB
29 augusti 2017 Introduktion till MATLAB 1 Inledning MATLAB är ett interaktivt program för numeriska beräkningar med matriser. Med enkla kommandon kan man till exempel utföra matrismultiplikation, beräkna
Läs merInstitutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA
Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67-8-5 DAG: Onsdag 5 augusti TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:
Läs merLaboration: Vektorer och matriser
Laboration: Vektorer och matriser Grundläggande om matriser Begreppet matris är en utvidgning av vektorbegreppet, och det används bl a när man löser linjära ekvationssystem. Namnet Matlab står för MATrix
Läs merMatrismetod för analys av stångbärverk
KTH Hållfasthetslära, J aleskog, September 010 1 Inledning Matrismetod för analys av stångbärverk Vid analys av stångbärverk är målet att bestämma belastningen i varje stång samt att beräkna deformationen
Läs merTMV141. Fredrik Lindgren. 22 januari 2013
TMV141 Fredrik Lindgren Matematiska vetenskaper Chalmers tekniska högskola och Göteborgs universitet 22 januari 2013 F. Lindgren (Chalmers&GU) Linjär algebra E1 22.01.2013 1 / 73 Outline 1 Föreläsning
Läs merMoment Viktiga exempel Övningsuppgifter
Moment Viktiga exempel Övningsuppgifter Inga Inga Inga Linjära ekvationssystem Vi har redan tidigare i kursen stött på linjära ekvationssystem. Nu är stunden kommen till en mera systematisk genomgång.
Läs merDel I: Lösningsförslag till Numerisk analys,
Lösningsförslag till Numerisk analys, 2016-08-22. Del I: (1) Nedan följer ett antal påståenden. Använd nyckelbegreppen därunder och ange det begrepp som är mest lämpligt. Skriv rätt bokstav (a)-(l) i luckan
Läs merOrdinära differentialekvationer,
(ODE) Ordinära differentialekvationer, del 1 Beräkningsvetenskap II It is a truism that nothing is permanent except change. - George F. Simmons ODE:er är modeller som beskriver förändring, ofta i tiden
Läs merTentamen del 1 SF1546, , , Numeriska metoder, grundkurs
KTH Matematik Tentamen del 1 SF154, 1-3-3, 8.-11., Numeriska metoder, grundkurs Namn:... Bonuspoäng. Ange dina bonuspoäng från kursomgången läsåret HT15/VT1 här: Max antal poäng är. Gränsen för godkänt/betyg
Läs merLösningsförslag Tentamen i Beräkningsvetenskap I, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Lösningsförslag Tentamen i Beräkningsvetenskap I, 5. hp, 14-6-4 Kursmål (förkortade), hur de täcks i uppgifterna och maximalt
Läs merKurvanpassning. Kurvanpassning jfr lab. Kurvanpassning jfr lab
Kurvanpassning jfr lab Kurvanpassning Beräkningsvetenskap II Punktmängd approximerande funktion Finns olika sätt att approximera med polynom Problem med höga gradtal kan ge stora kast Kurvanpassning jfr
Läs merNumeriska metoder, grundkurs II. Dagens program. Gyllenesnittminimering, exempel Gyllenesnittetminimering. Övningsgrupp 1
Numeriska metoder, grundkurs II Övning 5 för I Dagens program Övningsgrupp 1 Johannes Hjorth hjorth@nada.kth.se Rum :006, Roslagstullsbacken 5 08-790 69 00 Kurshemsida: http://www.csc.kth.se/utbildning/kth/kurser/d0/numi07
Läs merLinjär algebra. 1 Inledning. 2 Matriser. Analys och Linjär Algebra, del B, K1/Kf1/Bt1. CTH/GU STUDIO 1 TMV036b /2013 Matematiska vetenskaper
CTH/GU STUDIO 1 TMV06b - 2012/201 Matematiska vetenskaper Linjär algebra Analys och Linjär Algebra, del B, K1/Kf1/Bt1 1 Inledning Vi fortsätter även denna läsperiod att arbete med Matlab i matematikkurserna
Läs mer6. Temperaturen u(x) i positionen x av en stav uppfyller värmeledningsekvationen. u (x) + u(x) = f(x), 0 x 2, u(0) = 0 u(2) = 1,
Institutionen för Matematik, KTH Tentamen del 2 Analytiska och numeriska metoder för differentialekvationer SF1523 8.-11. 18/8 217 Formelsamlingen BETA är tillåtet hjälpmedel men ej miniräknare. Råd för
Läs merDagens teman. Linjära ODE-system av ordning 1:
Dagens teman Linjära ODE-system av ordning 1: Egenvärdesmetoden. Lösning av homogena system x 1 (t) = a 11 x 1 (t) + + a 1n x n (t) x 2 (t) = a 21 x 1 (t) + + a 2n x n (t) x n (t) = a n1 x 1 (t) + + a
Läs merDenna föreläsning. DN1212 Numeriska metoder och grundläggande programmering FN Runge-Kuttas metoder. Repetition av FN6 (GNM kap 6.
Denna föreläsning DN1212 Numeriska metoder och grundläggande programmering FN7 09-03-23 Hedvig Kjellström hedvig@csc.kth.se! Repetition av FN6 (GNM kap 6.1G-2G)! Runge-Kuttas metoder ökad noggrannhet!
Läs merDeterminanter, egenvectorer, egenvärden.
Determinanter, egenvectorer, egenvärden. Determinanter av kvadratiska matriser de nieras recursivt: först för matriser, sedan för matriser som är mest användbara. a b det = ad bc c d det a a a a a a a
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Stefan Engblom, tel. 471 27 54, Per Lötstedt, tel. 471 29 72 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2016-03-16 Skrivtid:
Läs mer