Använd gausseliminering med radpivotering. Spara minnesutrymme genom att lagra både Ä och Í i den datastruktur som inledningsvis innehåller
|
|
- Mona Sandberg
- för 8 år sedan
- Visningar:
Transkript
1 ÏÇÊÃÇÍÌ ÏÓÖ ÓÙØ ÍÔÔ Ø Ö Ø ÐÐ ÖĐ Ò Ò Ú Ø Ò Ô Á Ë ÔØ ¾¼½ ÁÒ Ø ØÙØ ÓÒ Ò ĐÓÖ Ò ÓÖÑ Ø ÓÒ Ø ÒÓÐÓ
2
3 Om Workout Detta häfte innehåller uppgifter som ingår i de s k workout-passen i kursen Beräkningsvetenskap I. Syftet med dessa är att du på egen hand ska arbeta igenom övningar med papper och penna. Arbetet med workout-uppgifterna, med möjlighet till hjälp från lärare, ger tillfälle att bearbeta det stoff som har behandlats i föreläsningarna. Skriftliga redovisningar av lösningar till workout-uppgifterna är obligatoriska och utgör en del av examinationen. Den som är närvarande under workout-passet redovisar direkt till läraren. Den som inte kan närvara får lämna sin redovisning senast dagen efter workout-passet. Den som lämnar in för sent utan godtagbart skäl får ytterligare uppgifter att redovisa. Uppgifterna löses lämpligen i grupp. Det är viktigt att alla i gruppen har forstått lösningarna. Har man förstått, så har man goda chanser att klara tentamen. Du kan använda workout-uppgifterna som underlag för en självdiagnos. Om du inte förstår en lösning som gruppen kommit fram till, bör du läsa på mer om det avsnittet och be lärare eller medstudenter förklara. Lägg inte en workoutuppgift åt sidan förrän du tycker att du verkligen förstår den och kan lösa den (och andra av samma typ) på egen hand. OBS! Workout-övningarna är tillrättalagda så att de går att genomföra med handräkning. De är enbart tänkta som ett stöd för ditt lärande och ska inte uppfattas som exempel på verkliga tillämpningar. I de tillämpningar som beräkningsmetoderna egentligen är tänkta för krävs datorer för att genomföra beräkningarna inom rimlig tid. Den typen av realistiska tillämpningar ger miniprojekten exempel på. i
4 ii
5 ½ Linjära system Uppvärmning obligatorisk 1. LU-faktorisera matrisen ¼ = Använd gausseliminering med radpivotering. Spara minnesutrymme genom att lagra både Ä och Í i den datastruktur som inledningsvis innehåller. Ange Ä, Í och pivoteringsmatrisen È. Medel obligatorisk 2. Lös systemet Ü = med hjälp av Ä, Í och È då är matrisen ovan och är ¼ 3 ½ = Tänk dig att du i Matlab har representerat ekvationssystemet Ü = genom att lagrats i Matlab-variabeln A och i variabeln b. Skriv den rad i Matlab som löser ekvationssystemet (med Matlabs inbyggda operation för detta) och lagrar resultatet i variabeln x. 4. Sist i denna workout finns en en algoritm i form av en Matlab-funktion som kallas naiv Gausselimination. Den kallas det därför att den inte innehåller radpivotering. Den är inte stabil och därför är den olämplig att använda i praktiken. Som nästa uppgift ska du fundera på var i algoritmen steget med radpivotering skulle läggas in. Skriv ner ditt svar på den frågan, gärna med motivering. 5. Som en övning i att läsa programtext ska du nu gå igenom programmet för bakåtsubstitution, genom att gå igenom algoritmen för bakåtsubstitution som finns sist i denna workout. Sätt dig in i algoritmformuleringen i detalj genom att torrexekvera algoritmen för matrisen ¼ ½ Í = och högerledet ¼ Ý = Med torrexekvering avses att du utför stegen i algoritmen för hand och skriver ned hur de olika variablernas värden ändras. Intensiv 6. Det är viktigt att beräkningsalgoritmer är effektiva och inte utför arbete i onödan, inte är onödigt minneskrävande, inte förstorar fel i processen (stabilitet). Ange något i algoritmen för lösning av ekvationssystem med LU-faktorisering som du tycker är kopplat till ½ ½
6 ¾ (a) effektivitet (b) stabilitet (ej förstorar fel i processen) (c) sparar minne 7. Sant eller falskt (med motivering): (a) Man kan förbättra konditionen hos ett problem genom att öka precisionen i sina beräkningar. (b) Om man använder pivotering vid lösning av ekvationssystem förbättras konditionstalet. (c) Om man använder pivotering vid lösning av ekvationssystem förbättras noggrannheten. 8. Ekvationssystemet ¼ ½ ¼ Ü 1 Ü 2 Ü 3 ½ ¼ = ½ har inte entydig lösning (matrisen är singulär). (a) Försök att lösa systemet med LU-faktorisering med pivotering på samma sätt som i uppgift 1 och 2. Lägg märke till hur avsaknaden av entydig lösning yttrar sig i lösningsprocessen. (b) Om man i Matlab lagrar systemet ovan i en matris och högerledet i en vektor, och sedan löser system får man följande resultat: >> x = A\b Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = e-17. x = 1 Vad säger varningstexten (tolka texten)? Hur kan Matlab hitta en lösning överhuvudtaget? För att besvara frågorna och för att få mer förståelse kan man i Matlab göra ytterligare tester t ex följande: >> [L,U,P]=lu(A) L = U = P = >> cond(a) ans = e+16
7 9. Antag att du ska beräkna krafterna som verkar i ett fackverk. Detta genererar ett ekvationssystem som ska lösas där högerledet innehåller de yttre krafter som verkar på fackverket. Matrisens konditionstal ÓÒ 1 ( ) 1 3. Du har följande högerled (enbart två yttre krafter som verkar) ¼ ½ = där krafterna mäts i Newton. Det är en noggrannhet på 5 på det mätinstrument som mäter krafterna. Det innebär alltså att krafterna kan vara 5 5 N och motsvarande för den andra kraften. Detta istället för de som finns i. (a) Beräkna största möjliga relativa fel i högerledet i 1-norm. (b) Man vill högst ha ett relativt fel i lösningen på 1 %, dvs ett relativt fel i Ü ska högst vara.1. Kommer det att fungera? Vad kan du få för relativt fel i Ü? (Använd 1-norm även här). (c) Om konditionstalet var ca 1 6, skulle du fortfarande kunna uppfylla relativt fel på högst 1 %? Obs! I den här uppgiften kan du bortse från avrundningsfel eftersom de är så små i jämförelse med mätfelet. Detta är ganska vanligt i praktiken. 1. I vissa tillämpningar kan man få väsentligt kortare exekveringstid genom att använda LU-faktorisering. I vilka situationer ger LU-faktorisering tidsvinst? Uttryck tidsvinsten som en formel i termer av lämpliga parametrar. Det krävs motivering, men inte härledning. 11. Laborationen som hör till det här kursblocket innehåller bland annat ett exempel som handlar om att simulera nerböjningen hos en trampolin som belastas. I exemplet är den matematiska modellen efter diskretisering ett lineärt ekvationssystem där koefficientmatrisen har bandstruktur. Det är mycket vanligt att ekvationsssystem som förekommer i datorsimuleringar har sådana koefficientmatriser. Om man utnyttjar koefficientmatrisens bandstruktur kan ett ekvationssystemet lösas betydligt snabbare än om man använder den generella gausselimineringsalgoritmen för fulla matriser. Den här uppgiften går ut på att studera detta närmare, för specialfallet då bandmatrisen är tridiagonal. Det innebär att i matrisrad är det nollor i kolonn 1 till och med 2 samt i kolonn + 2 till och med Ò. För att vi ska kunna utnyttja tridiagonaliteten för att lösa ekvationssystemet snabbare måste vi dessutom anta att koefficientmatrisen är sådan att radpivotering inte kommer att leda till några radbyten. Under denna förutsättning kan man utnyttja den tridiagonala strukturen, på så vis att man undviker att nollställa matriselement som redan från början har värdet. Skissa en pseudokod för att lösa ekvationssystemet Ü = på detta effektiva sätt om är tridiagonal och inga radbyten kommer att behövas. Om du är van programmerare kan du gärna försöka uttrycka algoritmen i Matlab också.
8 12. Visa att om man specialanpassar gausselimineringen som i föregåe uppgift, så blir komplexiteten för att LU-faktorisera en tridiagonal Ò Ò-matris ca 3Ò flyttalsoperationer. 13. Om du är van programmerare kan du fundera på hur LU-faktorisering med radpivotering skulle kunna implementeras effektivt, utan att explicita radbyten behöver genomföras. I stället skulle man ha en heltalsvektor piv för att hålla reda på ordningen mellan raderna i matrisen. Skissa en pseudokod för LU-faktorisering under dessa förutsättningar. 14. Om du har löst föregåe uppgift kan du nu skissa algoritmen för att givet Ä, Í och piv lösa ekvationssystemet Ü =. OBS! Du ska inte ställa upp matrisen È utan i stället använda vektorn piv.
9 Algoritm för naiv Gausselimination : function x = GaussNaive(A, b) % GaussNaive: naive Gauss elimination (Gauss elimination without pivoting). % x = GaussNaive(A, b) % Input: % A = coefficient matrix % b = right hand side % Output: % x = solution vector [m, n] = size(a); if m ~= n error( Matrix A must be square ); nb = n+1; Aug = [A b]; % Forward elimination for k = 1:n-1 for i = k+1:n factor = Aug(i,k)/Aug(k,k); Aug(i,k:nb) = Aug(i,k:nb)-factor*Aug(k,k:nb); % back substitution x = zeros(n,1); x(n) = Aug(n,nb)/Aug(n,n); for i = n-1:-1:1 x(i) = (Aug(i,nb)-Aug(i,i+1:n)*x(i+1:n))/Aug(i,i); Algoritm för bakåtsubstitution: function x = BackElim(U, y) % backelim: Backward elimination U*x = y, where matrix U is upper triangular % x = BackElim(U, y) % Input: % U = Upper triangular coefficient matrix % y = right hand side % Output: % x = solution vector [m, n] = size(u); if m ~= n error( Matrix U must be square ); % Backward elimination x = zeros(n,1); x(n) = y(n)/u(n,n); for i = n-1:-1:1 x(i) = (y(i)-u(i,i+1:n)*x(i+1:n))/u(i,i);
10 Integrering Uppvärmning obligatorisk 1. Beräkna integralen 1 Á = Ü 2 Ü Ü numeriskt med trapetsformeln. Använd steglängderna = 1 2 och = Beräkna samma integral som ovan men nu med Simpsons formel och steglängden = 1 4. Medel obligatorisk 3. Gör följande undersökningar utgåe från resultaten i uppgift 1. (a) Just den här integralen kan beräknas analytiskt, med partialintegration, och har värdet 2. Jämför trapetsformelns resultat i uppgift 1 med det exakta värdet på integralen. Hur stort blev absoulutbeloppet av det absoluta felet för steglängden = 1 2 respektive = 1 4? Med vilken faktor förbättrades noggrannheten i trapetsformeln när steglängden halverades? Stämmer denna förbättringsfaktor med vad du hade förväntat dig på basis av teorin? (b) De numeriska integreringsformlerna är tänkta att användas när den exakta integralen är svår eller omöjlig att beräkna. Då har man alltså ingen exakt lösning att jämföra med. Man vill ändå kunna avgöra hur noggrann det beräknade, approximativa integralvärdet är. För trapetsformeln kan man använda tredjedelsregeln för att åstadkomma en sådan uppskattning av felet. Använd nu tredjedelsregeln för att uppskatta felet i det värde du fick med steglängden = 1 4 i uppgift 1. I just det här fallet vet vi också hur stort felet verkligen är. Jämför det verkliga felet med den uppskattning tredjedelsregeln gav. Verkar tredjedelsregeln tillförlitlig? (c) Tredjedelsregeln uppkommer som ett delresultat när man gör richardsonextrapolation utgåe från trapetsformeln. Själva extrapolationen består i att det beräknade trapetsvärdet korrigeras med det uppskattade felet enligt tredjedelsregeln, vilket förmodas leda till en förbättrad approximation av integralen. Använd nu richardsonextrapolation på de värden du fick i uppgift 1. Blev resultatet en förbättrad approximation? Jämför det approximativa integralvärde du nu fått fram med det svar du fick i uppgift 2. Hur förhåller sig dessa värden till varandra? 4. För en funktion (Ø) har man mätt upp följande mätvärden t f(t) (a) Beräkna integralen, dvs Ê 5 (Ø) Ø med trapetsmetoden, steglängd = 125. (b) Lös samma problem med Simpsons metod. (c) Antag att noggrannheten ska förbättras med en faktor 16. Hur många fler mätvärden behövs i (a) respektive (b)?
11 5. Sist i denna workout finns en algoritm i form av en Matlab-funktion, trap. För att öva dig i att följa programmeringskod, torrexekvera det för integralen i uppgift 1, med Ò = 2. Om du är nybörjare i programmering ska du hoppa över de inledande if-satserna och börja vid x = a. Några kommentarer: varargin står för frivilliga extraparametrar. nargin innhåller ett heltalsvärde som är antalet parameterar som användaren faktiskt skickade in från det anropande programmet. Intensiv 6. Hur liten steglängd skulle vi behöva med trapetsmetoden för att få sex korrekta decimaler i beräkningen av integralen Á ovan? Utgå från feluppskattningen i uppgift 3c ovan. Vilken steglängd skulle behövas för den noggrannheten om vi istället använde Simpsons formel? Antag att integranden kan evalueras så noggrant att vi kan bortse från felet i funktionsberäkningarna och bara behöver ta hänsyn till diskretiseringsfelet. 7. I laborationen till detta kursblock ingår bland annat ett exempel med vattenströmning i en cylindrisk vattenledning. Flödesvolymen per tidsenhet, É, beräknas ur följande formel: 1 É = 2 ÖÚdr Längdskalan är här satt så att vattenledningens radie är 1. Med Ö avses koordinaten i radiell riktning, så att Ö = motsvarar rörets mitt och Ö = 1 dess vägg. Strömningshastigheten betecknas med Ú och beror på Ö. I laborationen var strömningshastigheten given som en formel. Nu tänker vi oss istället att strömningshastigheten Ú mäts genom att sensorer placeras radiellt i ett tvärsnitt av röret. De uppmätta värdena (i lämpliga enheter) framgår nedan: Ö Ú Hastighetsvärdena Ú är avrundade till det antal decimaler som sensorernas mätnoggrannhet medger. (a) Använd samtliga de givna mätvärdena och numerisk kvadratur för att beräkna ett approximativt värde på É. Välj själv en av de kvadraturformler som har ingått i kursen. (b) Resultatet av din beräkning ovan blir att É approximeras med ett värde É. Gör en välgrundad uppskattning av antalet korrekta decimaler i É. Som motivering räcker hänvisning till kända formler, utan att dessa behöver härledas. 8. Härled de formler som du använde i deluppgift b) ovan. 9. Härled trapetsformeln genom att ansätta (Ü) Ü (Ü ) + 1 (Ü 1 ) och bestämma koefficienterna och 1 så att formeln blir exakt för ett förstagradspolynom.
12 1. Om du är van programmerare kan du nu ta ytterligare en titt på algoritmen för trapetsformeln nedan. Ett alternativt sätt att implementera trapetsformeln i Matlab skulle kunna vara följande: Skapa en vektor av x- värden genom att använda linspace. Skapa en vektor av funktionsvärden genom att tillämpa func på x-vektorn. Skapa en vektor som innehåller koefficienterna i trapetsformeln. Beräkna trapetsvärdet som skalärprodukten mellan koefficientvektorn och funktionsvärdesvektorn. Skriv en alternativ version av trap enligt ovanståe idé. Algoritm för Trapetsformeln: function I = trap(func, a, b, n, varargin) % trap: composite trapezoidal rule quadrature % I = trap(@func, a, b, n, p1, p2,...); % Input: % func = name of function to be integrated % a, b = integration limits % n = number of segments (default = 1) % p1, p2,... = additional parameters used by func % Output: % I = integral estimate if nargin<3 error( At least 3 input arguments required ); if ~(b>a) error( Upper bound must be greater than lower ); if (nargin<4) isempty(n) n = 1; x = a; h = (b-a)/n; s = func(a,varargin{:}); for i = 1:n-1 x = x + h; s = s + 2*func(x, varargin{:}); s = s + func(b, varargin{:}); I = (b-a)*s/(2*n);
13
14 ½¼ Ickelinjära ekvationer Uppvärmning obligatorisk 1. Den icke-linjära funktionen (Ü) = Ü 3Ü = har följande graf e x 3x Hitta den rot som ligger mellan och 1. (a) Lös problemet med bisektionsmetoden. Välj startintervallet [ 5 8]. Den beräknade lösningen ska approximera den exakta med minst en korrekt decimal. Följ algoritmen i detalj, kontrollera stoppvillkoret efter varje iteration och avbryt när stoppvillkoret uppfylls. (b) Lös samma problem med Newton-Raphsons metod så att den beräknade lösningen approximerar den exakta med minst två korrekta decimaler. Välj lämplig startapproximation utgåe från plotten. Följ algoritmen i detalj och avbryt när stoppvillkoret uppfylls. MATLABs fzero ger roten Du kan i efterhand jämföra dina resultat med detta. I ovanståe algoritmer anses det ej känt. Medel obligatorisk 2. En sfärisk tank ska innehålla vatten. Vattenvolymen som tanken kan innehålla kan beskrivas med Î = 2 3Ê 3 där Î är volymen (m 3 ), Ê är sfärens radie (m) och är vattnets höjd (djupet) i tanken (m). Om Ê = 3 och tanken ska innehålla 3 m 3, vilket djup måste man fylla tanken, dvs vilken höjd på vattennivån. (a) Formulera Newton-Raphsons metod för att lösa problemet. (b) Starta med startgissningen = 1 5 och utför några iterationer. Resultatet ska ha så pass många korrekta siffror så att höjden har korrekt antal centimeter.
15 ½½ 3. Vi fortsätter med samma ekvation som i föregåe uppgift. Om du ska lösa den i Matlab är det enklast att använda Matlabs inbyggda kommando fzero. Intensiv (a) Första steget blir i så fall att skriva en egen Matlab-funktion som beskriver ekvationen ovan. Hur skulle den funktionen se ut? (b) När du har skapat den funktion som beskriver ekvationen, så kan du lösa problemet med fzero. Skriv den instruktion i Matlab, som gör att ekvationen löses och resultatet lagras i variabeln h. 4. Vilka svårigheter skulle kunna uppstå när man löser problemet i uppgift 1 med Newton-Raphsons metod? 5. Antag att vi i uppgift 1 istället skulle vilja ha lösningen med minst tolv korrekta decimaler. Hur många ytterligare iterationer skulle då behövas med bisektionsmetoden respektive Newton-Raphsons metod? Du ska besvara frågan utan att genomföra några ytterligare iterationer. Det gäller att i stället utnyttja teoretiska samband. 6. Miniräknare använder ibland Newton-Raphsons metod för att beräkna kvadratroten av positivt tal Ý, dvs Ü = Ô Ý. Härled en formel för detta, dvs för beräkning av (Ü) = Ü 1 2. Beräkna sedan Ô 3 med denna metod. Använd t ex startvärde Ü = 3 och itererar tills 3 signifikanta siffror är korrekta. 7. Sist i det här häftet visas ett exempel på hur bisektionsmetoden kan implementeras i Matlab. Sätt dig in i programmet i detalj, genom att torrexekvera det för problemet i uppgift I koden för bisektionsmetoden (enligt föregåe uppgift) används ett stoppvillkor som baseras på uppskattning av det absoluta felet. Visa att den formel som används för beräkning av fel i detta program verkligen är en uppskattning av det relativa felet. 9. Man skulle kunna kombinera Newton-Raphsons metod och bisektionsmetoden till en ny algoritm enligt följande idé. Låt Ü ( ) beteckna den approximativa lösningen efter iterationer och låt [ ] vara ett intervall i vilket såväl den rätta lösningen som Ü ( ) finns. (Iterationsprocessen inleds med att användaren ger ett intervall där lösningen finns och Ü () sätts till mittpunkten i det intervallet.) Iteration +1 börjar med att man med Newton-Raphsons metod beräknar en tentativ ny approximation Ü ( +1). Därefter kommer en delalgoritm som undersöker om det tentativa värdet blev tillräckligt bra. I så fall tilldelas Ü ( +1) värdet Ü ( +1) och intervallet [ ] lämnas oförändrat. Om å andra sidan det tentativa värdet bedöms vara dåligt, så förkastas det. Då genomförs i stället en iteration med bisektionsmetoden utgåe från [ ] vilket leder till en halvering av sökintervallet, varefter Ü ( +1) sätts till mittpunkten i det nya intervallet. Bedömningen av om det tentativa värdet är tillräckligt bra ska gå ut på att undersöka om det nya värdet är en förbättring i förhållande till föregåe värde, Ü ( ). Din uppgift blir att föreslå hur det skulle kunna kontrolleras, under förutsättning att den exakta lösningen är okänd. Uppgiften består av två delar: (i) föreslå en utformning av den delalgoritm som ska undersöka om Ü ( +1) är tillräckligt bra och (ii) ge en teoretiskt
16 ½¾ grundad motivering till ditt förslag (härledning eller annan övertygande argumentation byggd på teoretiska överväganden). Matlabfunktion för Bisektionsmetoden: function [x, fx, fel] = bisektion(f, x, tol) % [x, fx, fel] = bisektion(@f, [a b] tol); % [x, fx, fel] = bisektion(@f, [a b]); % Hittar nollställe till funktionen f(x) med Bisektionsmetoden. % Funktionen f(x) definieras i f, [a b] är startintervall, och tol är % toleransen. Om tol inte ges används 1e-4 som tolerans. % x är nollstället, fx funktionsvärdet i nollstället, fel en vektor med det % uppskattade felet i varje iteration. if nargin < 4 tol = 1^(-4); xl = x(1); xu = x(2); if sign(f(xl))==sign(f(xu)) disp( Funktionsvärdet i ändpunkterna måste ha olika tecken ); fx = []; x =[]; fel = []; return; niter = 1; fel = 1; while fel > tol xr = xl + (xu - xl)/2; x = xr; if sign(f(xl)) == sign(f(xr)) xl = xr; else xu = xr; fel = abs(xu - xl); niter = niter + 1; fx = f(x); % Lagra som ny approximation % beräkna funktionsvärdet i nollstället
Lösningsanvisningar 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
Lösningsanvisningar 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
Lösningsanvisningar 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
Tentamen 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!)
Facit Tentamen i Beräkningsvetenskap I, STS ES W K1
Facit Tentamen i Beräkningsvetenskap I, STS ES W K1 Viktig information om övningstentamen Betygsgränserna är endast preliminära. Del B och del C behöver inte beröra samma problem som inlämningsuppgifterna.
Sammanfattninga 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,
Facit Tentamen i Beräkningsvetenskap I, STS ES W K1
Facit Tentamen i Beräkningsvetenskap I, STS ES W K1 Viktig information om övningstentamen Betygsgränserna är endast preliminära. Del B och del C behöver inte beröra samma problem som inlämningsuppgifterna.
Facit 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
Facit Tentamen i Beräkningsvetenskap I (1TD393) STS ES W K1
Facit Tentamen i Beräkningsvetenskap I (1TD9) STS ES W K1 Utför överskådlig beräkning, och presentera svar på följande frågor. Det bifogade svarsarket måste användas, så lös först uppgifterna på ett kladdpapper,
Lösningsförslag 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
FÖRSÄTTSBLAD 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)
Tentamen 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.
Tentamen i: Beräkningsvetenskap I och KF
Tentamen i: Beräkningsvetenskap I och KF Skrivtid: december 2014 kl 14 00 17 00 OBS! 3 timmar! Hjälpmedel: Penna, suddgummi, miniräknare och linjal får användas. Formler finns i bifogad formelsamling.
ELLER (fyll bara i om du saknar tentamenskod): Datum: 32 maj Bordsnummer: Kontrollera att du fått rätt tentamensuppgifter
FÖRSÄTTSBLAD TILL TENTAMEN Din tentamenskod (6 siffror): ELLER (fyll bara i om du saknar tentamenskod): Personnummer: - Datum: 32 maj 4711 Kursens namn (inkl. grupp): Beräkningsvetenskap I (1TD393 DEMO)
Tentamen 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
Tentamen i Beräkningsvetenskap I, DV, 5.0 hp, OBS: Kurskod 1TD394
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I, DV, 5.0 hp, 2011-03-08 OBS: Kurskod 1TD394 Skrivtid: 08 00 11 00 (OBS! Tre timmars skrivtid!)
Facit Tentamen i Beräkningsvetenskap I (1TD393 - nya versionen, 5hp!)
Facit Tentamen i Beräkningsvetenskap I (1TD393 - nya versionen, 5hp!) Utför överskådlig beräkning, och presentera svar på följande frågor. Det bifogade svarsarket måste användas, så lös först uppgifterna
Tentamen 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, 017-0-14 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)
Block 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
Fallstudie: numerisk integration Baserad på läroboken, Case Study 19.9
Fallstudie: numerisk integration Baserad på läroboken, Case Study 19.9 Beräkningsvetenskap DV Institutionen för Informationsteknologi, Uppsala Universitet 30 september, 2013 Att beräkna arbete Problem:
Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, Del A
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, 2008-2-9 Skrivtid: 4 00 7 00 (OBS! Tre timmars skrivtid!) Hjälpmedel:
Ickelinjära ekvationer
Löpsedel: Icke-linjära ekvationer Ickelinjära ekvationer Beräkningsvetenskap I Varför är det svårt att lösa icke-linjära ekvationer? Iterativa metoder Bisektion/intervallhalvering Newton-Raphsons metod
ELLER (fyll bara i om du saknar tentamenskod): Datum: 32 maj Bordsnummer: Kontrollera att du fått rätt tentamensuppgifter
FÖRSÄTTSBLAD TILL TENTAMEN Din tentamenskod (6 siffror): ELLER (fyll bara i om du saknar tentamenskod): Personnummer: - Datum: 32 maj 4711 Kursens namn (inkl. grupp): Beräkningsvetenskap I (1TD393 DEMO)
LABORATION cos (3x 2 ) dx I =
SF1518,SF1519,numpbd14 LABORATION 2 Trapetsregeln, ekvationer, ekvationssystem, MATLAB-funktioner Studera kapitel 6 och avsnitt 5.2.1, 1.3 och 3.8 i NAM parallellt med arbetet på denna laboration. Genomför
Varning!!! 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
Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, Del A
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, 010-06-07 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)
Block 5: Ickelineära. ekvationer? Läroboken. Löpsedel: Icke-lineära. ekvationer. Vad visade laborationen? Vad visade laborationen?
Block 5: Ickelineära ekvationer Löpsedel: Icke-lineära ekvationer Varför är det svårt att lösa ickelineära ekvationer? Iterativa metoder Bisektion/intervallhalvering Newton-Raphsons metod Noggrannhet/stoppvillkor
Icke-linjära ekvationer
stefan@it.uu.se Exempel x f ( x = e + x = 1 5 3 f ( x = x + x x+ 5= 0 f ( x, y = cos( x sin ( x + y = 1 Kan endast i undantagsfall lösas exakt Kan sakna lösning, ha en lösning, ett visst antal lösningar
LABORATION 2. Trapetsregeln, MATLAB-funktioner, ekvationer, numerisk derivering
SF1518,SF1519,numpbd15 LABORATION 2 Trapetsregeln, MATLAB-funktioner, ekvationer, numerisk derivering - Genomför laborationen genom att göra de handräkningar och MATLAB-program som begärs. Var noga med
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-05-31 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Introduktionsföreläsning. Outline. Beräkningsvetenskap I. Sara Zahedi Hanna Holmgren. Institutionen för Informationsteknologi, Uppsala Universitet
Lärare Introduktionsföreläsning Beräkningsvetenskap I Institutionen för Informationsteknologi, Uppsala Universitet Sara Zahedi Hanna Holmgren 29 oktober, 2012 Outline 1 2 Information om kursen 3 Introduktion
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-01-11 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986, 0702-634722 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2011-01-15 Skrivtid: 14 00 17 00 (OBS!
Laboration 3. Funktioner, vektorer, integraler och felskattning
1 SF1520 VT2017 NA, KTH 16 januari 2017 Laboration 3 Funktioner, vektorer, integraler och felskattning Efter den här laborationen skall du kunna använda och skriva egna funktioner med flera in- och utparametrar,
1 0 3 4 3 1½. Använd gausseliminering med radpivotering. Spara minnesutrymme genom att lagra bådeäochíi den datastruktur som inledningsvis innehåller.
ÏÇÊÃÇÍÌ ÏÓÖ ÓÙØ Â Ò¾¼½¼ ÍÔÔ Ø ÖØ ÐÐ ÖĐ Ò Ò Ú Ø Ò ÔÁ Î ÁÒ Ø ØÙØ ÓÒ Ò ĐÓÖ Ò ÓÖÑ Ø ÓÒ Ø ÒÓÐÓ Om Workout Detta häfte innehåller uppgifter som ingår i de s.k. workout-passen i kursen Beräkningsvetenskap I,
Föreläsning 14: Exempel på randvärdesproblem. LU-faktorisering för att lösa linjära ekvationssystem.
11 april 2005 2D1212 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
Ordinära differentialekvationer, del 1
ÏÇÊÃÇÍÌ ÏÓÖ ÓÙØ ÍÔÔ Ø Ö Ø ÐÐ ÖĐ Ò Ò Ú Ø Ò Ô ÁÁ ¾ Ù Ù Ø ¾¼½ ÁÒ Ø ØÙØ ÓÒ Ò ĐÓÖ Ò ÓÖÑ Ø ÓÒ Ø ÒÓÐÓ ½ Inledning Kursen Beräkningsvetenskap II innehåller HT 2018 tre workout-pass. Syftet med dem är att du i
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap II, 5.0 hp, 2010-05-31 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!) Hjälpmedel: Bifogat
FMNF15 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
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Per Lötstedt, tel. 471 2986 Ken Mattsson, tel 471 2975 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2015-06-02 Skrivtid: 14
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Per Lötstedt, tel. 47 2986 Saleh Rezaeiravesh Tentamen i Beräkningsvetenskap II, 5.0 hp, 206-0-4 Skrivtid: 4 00 7 00 (OBS!
Beräkningsvetenskap introduktion. Beräkningsvetenskap I
Beräkningsvetenskap introduktion Beräkningsvetenskap I Kursens mål För godkänt betyg ska studenten kunna redogöra för de nyckelbegreppen som ingår i kursen* utföra enklare analys av beräkningsproblem och
Laboration 3. Funktioner, vektorer, integraler och felskattning
1 SF1520 K2 HT2014 NA 21 december 2015 Laboration 3 Funktioner, vektorer, integraler och felskattning Efter den här laborationen skall du kunna använda och skriva egna funktioner med flera in- och utparametrar,
Matematisk analys för ingenjörer Matlabövning 2 Numerisk ekvationslösning och integration
10 februari 2017 Matematisk analys för ingenjörer Matlabövning 2 Numerisk ekvationslösning och integration Syfte med övningen: Introduktion till ett par numeriska metoder för lösning av ekvationer respektive
Tekniska beräkningar. Vad är tekn beräkningar? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi
Tekniska beräkningar stefan@it.uu.se Vad är tekn beräkningar? Finns några olika namn för ungefär samma sak Numerisk analys (NA) Klassisk NA ligger nära matematiken: sats bevis, sats bevis, mer teori Tekniska
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2013-06-07 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Icke-linjära ekvationer
stefan@it.uu.se Eempel f ( ) = e + = 5 3 f ( ) = + + 5= f (, y) = cos( ) sin ( ) + y = Kan endast i undantagsfall lösas eakt Kan sakna lösning, ha en lösning, ett visst antal lösningar eller oändligt många
Tentamen i Teknisk-Vetenskapliga Beräkningar
Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström Tentamen i Teknisk-Vetenskapliga Beräkningar Tentamensdatum: 005-03- Skrivtid: 9-5 Hjälpmedel: inga Om problembeskrivningen i något fall
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986, 0702-634722 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2011-10-17 Skrivtid: 8 00 11 00 (OBS!
Fel- och störningsanalys
Fel- och störningsanalys Terminologi Antag att x är ett exakt värde och x är en approximation av x. Vi kallar då absoluta felet i x = x x, relativa felet i x = x x x. Ofta känner vi inte felet precis utan
Kurs 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
TMA226 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,
2 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
Fel- och störningsanalys
Fel- och störningsanalys 1 Terminologi Antag att x är ett exakt värde och x är en approximation av x. Vi kallar då absoluta felet i x = x x, relativa felet i x = x x x. Ofta känner vi inte felet precis
Omtentamen 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
Lösningsförslag 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];
Akademin för utbildning, kultur och kommunikation MMA132 Numeriska Metoder Avdelningen för tillämpad matematik Datum: 2 juni 2014
MÄLARDALENS HÖGSKOLA TENTAMEN I MATEMATIK Akademin för utbildning, kultur och kommunikation MMA32 Numeriska Metoder Avdelningen för tillämpad matematik Datum: 2 juni 204 Examinator: Karl Lundengård Skrivtid:
f(x + h) f(x) h f(x) f(x h) h
NUMPROG, D för M, vt 008 Föreläsning N: Numerisk derivering och integrering Inledning: numerisk lösning av analytiska problem Skillnader mellan matematisk analys och numeriska metoder. Grundläggande begrepp
Laboration 4. Numerisk behandling av integraler och begynnelsevärdesproblem
Lennart Edsberg NADA 3 april 007 D11, M1 Laboration 4 A Numerisk behandling av integraler och begynnelsevärdesproblem Denna laboration ger 1 bonuspoäng. Sista bonusdatum 7 april 007 Efter den här laborationen
Del 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
Tentamen i: Beräkningsvetenskap I och KF
Tentamen i: Beräkningsvetenskap I och KF Skrivtid: 9 januari 2017 kl 08 00 11 00 OBS! 3 timmar! Hjälpmedel: Endast penna, suddgummi, miniräknare och linjal får användas. Formler finns i bifogad formelsamling.
TENTAMEN 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
Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI
TEKNISKA HÖGSKOLAN I LINKÖPING Matematiska institutionen Beräkningsmatematik/Fredrik Berntsson Tentamen TAIU07 Matematiska beräkningar med MATLAB för MI Tid: 8-12, 19:e Mars, 2019 Provkod: TEN1 Hjälpmedel:
Labb 3: Ekvationslösning med Matlab (v2)
Envariabelanalys Labb 3: Ekvationslösning 1/13 Labb 3: Ekvationslösning med Matlab (v2) Envariabelanalys 2007-03-05 Björn Andersson (IT-06), bjoa@kth.se Johannes Nordkvist (IT-06), nordkv@kth.se Det finns
Institutionen 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:
Laboration 4. Numerisk behandling av integraler och begynnelsevärdesproblem
Lennart Edsberg NADA 9 mars 6 D11, M1 Laboration 4 A Numerisk behandling av integraler och begynnelsevärdesproblem Denna laboration ger 1 bonuspoäng. Sista bonusdatum 5 april 6 Efter den här laborationen
Numerisk Analys, MMG410. Lecture 12. 1/24
Numerisk Analys, MMG410. Lecture 12. 1/24 Interpolation För i tiden gällde räknesticka och tabeller. Beräkna 1.244 givet en tabel över y = t, y-värdena är givna med fem siffror, och t = 0,0.01,0.02,...,9.99,10.00.
Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 9p av totalt 20p Hjälpmedel: MATLAB
MAI/Linköpings universitet Fredrik Berntsson Tentamen TANA17 Matematiska beräkningar Provkod: DAT1 Godkänd: 9p av totalt 20p Hjälpmedel: MATLAB Redovisning Lös först uppgifterna i Matlab. Då du har en
Tentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matematik Tentamen del 2 SF1511, 2018-03-16, kl 8.00-11.00, Numeriska metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p). Rättas ast om del 1 är godkänd. Betygsgränser inkl
Introduktionsföreläsning
Introduktionsföreläsning Beräkningsvetenskap DV Institutionen för Informationsteknologi, Uppsala Universitet 29 oktober, 2012 Lärare Emanuel Rubensson (föreläsningar, lektioner) Martin Tillenius (lektioner)
Ordinära 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
Gruppuppgifter 1 MMA132, Numeriska metoder, distans
Gruppuppgifter 1 MMA132, Numeriska metoder, distans Uppgifter märkta med redovisas 1. Läs om felkalkyl i enkla fall sidan 1.2-1.3. Givet a = 1,23, E a = 0,005 c = 0,00438 ± 0,5 10 5 b = 23,71, E b = 0,003
Newtons metod. 1 Inledning. CTH/GU LABORATION 3 MVE /2014 Matematiska vetenskaper
CTH/GU LABORATION 3 MVE270-2013/2014 Matematiska vetenskaper Newtons metod 1 Inledning Vi skall lösa system av icke-linjära ekvationer. Som exempel kan vi ta, { x1 (1 + x 2 2) 1 = 0 x 2 (1 + x 2 1 ) 2
Akademin för utbildning, kultur och kommunikation MMA132 Numeriska Metoder Avdelningen för tillämpad matematik Datum: 13 jan 2014
MÄLARDALENS HÖGSKOLA TENTAMEN I MATEMATIK Akademin för utbildning, kultur och kommunikation MMA132 Numeriska Metoder Avdelningen för tillämpad matematik Datum: 13 jan 2014 Examinator: Karl Lundengård Skrivtid:
Teorifrågor. 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
NUMPROG, 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
MMA132: 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
Beräkningsvetenskap introduktion. Beräkningsvetenskap I
Beräkningsvetenskap introduktion Beräkningsvetenskap I Kursens mål För godkänt betyg ska studenten kunna redogöra för de grundläggande begreppen algoritm, numerisk metod, diskretisering maskinepsilon,
Tentamen 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
Tentamen 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:
TENTAMEN 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:
DN1212 Numeriska Metoder och Grundläggande Programmering DN1214 Numeriska Metoder för S Lördag , kl 9-12
DN Numeriska Metoder och Grundläggande Programmering DN Numeriska Metoder för S Lördag 007--7, kl 9- Skrivtid tim Maximal poäng 5 + bonuspoäng från årets laborationer (max p) Betygsgänser: för betyg D:
KTH 2D1240 OPEN vt 06 p. 1 (5) J.Oppelstrup
KTH 2D1240 OPEN vt 06 p. 1 (5) Tentamen i Numeriska Metoder gk II 2D1240 OPEN (& andra) Fredag 2006-04-21 kl. 13 16 Hjälpmedel: Del 1 inga, Del 2 rosa formelsamlingen som man får ta fram när man lämnar
NUMPROG, 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
Introduktionsföreläsning
Introduktionsföreläsning Beräkningsvetenskap DV Institutionen för Informationsteknologi, Uppsala Universitet 1 september, 2014 Lärare Emanuel Rubensson Outline 1 Vad är beräkningsvetenskap? 2 Information
Denna föreläsning. DN1212 Numeriska metoder och grundläggande programmering FN Felfortplantning och kondition
Denna föreläsning DN1212 Numeriska metoder och grundläggande programmering FN2 09-02-10 Hedvig Kjellström hedvig@csc.kth.se! Repetition av FN2! Felkalkyl (GNM kap 2)! Olinjära ekvationer (GNM kap 3)! Linjära
Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, Del A. 1. (a) ODE-systemet kan skrivas på formen
Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, 2013-03-18 Del A 1. (a) ODE-systemet kan skrivas på formen z (t) = f(t, z), där z(t) = x(t) y(t) u(t) v(t), f(t, z) = u(t) v(t) kx(t)/ ( x2 (t)
0.31 = f(x 2 ) = b 1 + b 2 (x 3 x 1 ) + b 3 (x 3 x 1 )(x 3 x 2 ) = ( ) + b 3 ( )(
Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-03-09 Del A 1. (a) För att anpassa ett polynom som går genom tre punkter behövs ett andragradspolynom. Newtons interpolationsansats ger f(x)
TANA17 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
Sammanfattning (Nummedelen)
DN11 Numeriska metoder och grundläggande programmering Sammanfattning (Nummedelen Icke-linjära ekvationer Ex: y=x 0.5 Lösningsmetoder: Skriv på polynomform och använd roots(coeffs Fixpunkt x i+1 =G(x i,
Ordinära differentialekvationer,
Sammanfattning metoder Ordinära differentialekvationer, del 2 Beräkningsvetenskap II n Eulers metod (Euler framåt, explicit Euler): y i+1 = y i + h i f (t i, y i ) n Euler bakåt (implicit Euler): y i+1
Bose-Einsteinkondensation. Lars Gislén, Malin Sjödahl, Patrik Sahlin
Bose-Einsteinkondensation Lars Gislén, Malin Sjödahl, Patrik Sahlin 3 mars, 009 Inledning Denna laboration går ut på att studera Bose-Einsteinkondensation för bosoner i en tredimensionell harmonisk-oscillatorpotential.
a = a a a a a a ± ± ± ±500
4.1 Felanalys Vill man hårddra det hela, kan man påstå att det inte finns några tal i den tillämpade matematiken, bara intervall. Man anger till exempel inte ett uppmätt värde till 134.78 meter utan att
LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod
TANA21+22/ 30 september 2016 LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER 1 Inledning Vi skall studera begynnelsevärdesproblem, både med avseende på stabilitet och noggrannhetens beroende av steglängden. Vi
Introduktionsföreläsning. Kursens innehåll. Kursens upplägg/struktur. Beräkningsvetenskap I
Lärare Introduktionsföreläsning Beräkningsvetenskap I Institutionen för Informationsteknologi, Uppsala Universitet Emanuel Rubensson (föreläsningar, lektioner) Martin Tillenius (lektioner) Elias Rudberg
Laboration 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
TAIU07 Matematiska beräkningar med Matlab
TAIU07 Matematiska beräkningar med Matlab Laboration 3. Linjär algebra Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion 2 En Komet Kometer rör sig enligt ellipsformade
Tentamen i Beräkningsvetenskap II, 5.0 hp, Del A
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Tentamen i Beräkningsvetenskap II, 5.0 hp, 2016-03-16 Del A 1. (a) Beräkna lösningen Ù vid Ø = 03 till differentialekvationen
Kort 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
2D1240 Numeriska metoder gk II för T2, VT Störningsanalys
Olof Runborg ND 10 februari 2004 2D1240 Numeriska metoder gk II för T2, VT 2004 Störningsanalys Indata till ett numeriskt problem innehåller i praktiken alltid (små) fel.felen kan bero på tex mätfel, avrundningsfel