Åbo Akademi KEMISK-TEKNISKA FAKULTETEN Adress: Åbo Telefon: Telefax: WWW:

Storlek: px
Starta visningen från sidan:

Download "Åbo Akademi KEMISK-TEKNISKA FAKULTETEN Adress: Åbo Telefon: Telefax: WWW:"

Transkript

1 Åbo Akdemi KEMISK-TEKNISKA FAKULTETEN Adress: 5 Åbo Teleo: -5 Tele: WWW: MATEMATIK IV Numerisk metoder v Tore Gustsso E-post: Tore.Gustsso@bo.i :e upplg

2 :e upplg 8.. Först korrigerde utgåv 6.8. Copright Tore Gustsso

3 Iehållsörteckig Förord... 7 INLEDNING Numerisk problem metoder och lgoritmer Approimtio med rät lijer..... Lijär iterpoltio..... Approimtio v e uktio med dess tget.... Rekursio.... Itertio....5 Diereser Frmåtdierese Dieresschem Diereser v polom Approimtio med potesserier Resttermsuppskttig Polom Multipliktio och divisio v polom... FELANALYS.... Närmevärde.... Mskiritmetik..... Lgrig v tlvärde i dtorer..... Avrudig Overlow och uderlow Kcelltio Utskitig Truktio Felortpltig Felortpltigsormel Dieretilklkles örst medelvärdessts Koditio....6 Eperimetell störigsräkig... EKVATIONSLÖSNING - ITERATION.... Metodoberoede eluppskttig.... Strtmetoder.... Itervllhlverig Sektmetode Regul lsi Newto-Rphso-metode Itertiosteori Heuristisk itertiosormler Kovergesvillkor Kovergeshstighet Trimig v itertiosormler....7 Ekvtioer med komple rötter....8 Rötter till polom Deltio Lguerres metod... 5 MATRISER OCH VEKTORER Räkeregler deiitioer och omekltur ör mtriser Likhet Additio Subtrktio Multipliktio med sklär Mtrismultipliktio Digolmtris Ehetsmtris... 5

4 ..8 Ivers mtris Trspoerd mtris Smmetrisk mtris Trigulär mtris Blockmtris Sklärprodukt Spår Ortogol mtriser Komplekojugerde mtriser Determiter Determiters egeskper Lijär vektorrum Lijär trsormtioer Lijärt beroede Lijärkombitio Lijärt beroede Rg Normer Vektorormer Mtrisormer LINJÄRA EKVATIONSSYSTEM Lijär ekvtiossstems lösbrhet Gusselimitio Trigulär ekvtiossstem Gusselimitio Pivoterig Sklig Beräkigstider LU-ktoriserig QR-ktoriserig Mtrisiverterig Noggrhetsuppskttig Koditiostl Ooggrheter i sstemmtrise Ooggrheter i högerledet Eperimetell störigsberäkig Sigulärvärdesktoriserig Rg Norm Ivers Ekvtiossstem Koditiostl Gles ekvtiossstem Itertiv lösig v lijär ekvtiossstem Jcobis metod Koverges Guss-Seidel-itertio Prktisk vädig v itertiv metoder Yougs överreltiosmetod EGENVÄRDEN OCH EGENVEKTORER Beräkig v egevärde och egevektorer Rötter till polom OLINJÄRA EKVATIONSSYSTEM Deriverig v vektoruktioer Deriverigsregler Tlorserieutvecklig Direkt substitutio Koverges Newto-Rphso-itertio...

5 5 7. Polomekvtioer Polom i ler dimesioer Gröberbser APPROXIMATION Approimtio Lijär modeller Mist kvdrtmetode Pseudoiverse Cetrerig Mist kvdrtmetode vi sigulärvärdesktoriserig INTERPOLATION Lijär iterpoltio Kvdrtisk iterpoltio Newtos iterpoltiosormel med dividerde diereser Newtos sts Dividerde diereser Newtos iterpoltiosormel Newtos rmåtdieresormel Ivers iterpoltio Fells Felgräs ör lijär iterpoltio Felgräs ör kvdrtisk iterpoltio Allmä elgräser Stckvis iterpoltio Chebsheviterpoltio Kubisk splieuktioer Lgrges iterpoltio Vl v pproimtiosmetod... RICHARDSONEXTRAPOLATION - NUMERISK DERIVERING Numerisk deriverig Richrdsoetrpoltio Allmä upprepd richrdsoetrpoltio.... Deriverig v iterpoltiospolom... 5 NUMERISK INTEGRATION Trpetsregel Rombergs metod Arbetsvolm Feluppskttig Adptiv metoder Simpsos ormel Smbdet mell Simpsos ormel och Rombergs metod Newto-Cotes ormler Guss kvdrtur Guss-Lobtto-kvdrtur Sigulär itegrder oädlig itegrtiositervll och dr problem Sigulär itegrder Serieutvecklig Oädlig itegrtiositervll Ill-koditioerde itegrder... 6 ORDINÄRA DIFFERENTIALEKVATIONER Begelsevärdesproblem Eulers metod Truktiosel Richrdsoetrpoltio Högre ordiges dieretilekvtioer Reducerig v :e ordiges dieretilekvtioer Eulers ormel ör sstem v dieretilekvtioer... 7

6 6. Ruge-Kutt-metoder :e ordiges Ruge-Kutt Automtisk vl v steglägd Bulirsch-Stoer-metode Ruge-Kutt-Dormd-Price Predictor-Corrector-metoder Numerisk istbilitet Stv dieretilekvtioer Rdvärdesproblem Dieresmetode ör lijär dieretilekvtioer Dieresmetode ör olijär dr ordiges dieretilekvtioer Reltiosmetoder Iskjutigsmetode Itegrlekvtioer... 9 PARTIELLA DIFFERENTIALEKVATIONER Dieresmetoder Oregelbude rd Crk-Nicolsos metod..... Lösig v begelsevärdesproblem..... Crk-Nicolsos metod..... Derivtor som rdvärde.... Vågekvtioe Ortogol kolloktio... 6 LINJÄR PROGRAMMERING Normlorm..... Trsormtio till ormlorm..... Nomekltur.... Simplemetode..... Bestämig v strtpukt Formulerig v lijär progrm Miimerig v e lijär uktio v bsolut värde Kurvpssig Obegräsde vribler..... Obegräsde vribler... 5 OLINJÄRA MINSTA-KVADRATPROBLEM Newtos metod Guss-Newtos metod Mrqurdts metod KÄLLOR Littertur Progrmbibliotek... Svr till övigr... APPENDIX: GRAFISK FRAMSTÄLLNING... 5 APPENDIX: MATLAB... Ide... 5

7 7 Förord Föreliggde kompedium omttr öreläsigr i Mtemtik IV: umerisk metoder vid Kemisktekisk kultete vid Åbo Akdemi. Kurse mtemtik IV: umerisk metoder är e em studieveckors kurs som behdlr umerisk lösig v mtemtisk problem. Kurse iehåller e itroduktio till ells och presettio v elemetär umerisk metoder ör ekvtioslösig pproimtio deriverig itegrerig och lösig v ordiär och prtiell dieretilekvtioer. Kurse ger äve e itroduktio till lijär progrmmerig och simplemetode. Numerisk metoder härleds edst i de omttig som ses behövs ör tt ge e örståelse ör ders uktio. Bedömig v metoders oggrhet ses vr viktig. E del v mterilet kräver tt övigseempel beräks på dtor. Som rbetsredskp hr vlts progrmmet Mtlb som hr vist sig vr eektiv ör dett ädmål. E kort itroduktio till Mtlb is biogd i Appedi. I egeskp v öreläsigsteckigr iehåller kompediet kurses teori-iehåll i kocetrerd orm och är således reltivt kortttt. Studeter bör själv kompletter tete med eempel som geomgås på öreläsigr. För självstudier k eempelsmlige v Pohl 99 rekommeders. De mtemtisk beteckigr öljer stdrde ISO -. Dett iebär tt edel beteckigr vviker rå vd som vlige väds i litterture. T.e. skrivs kostter e och i i med tikv med mtriser betecks med et kursiv stil t.e. A eller. Opertorer skrivs med tikv t.e. dieretilopertor i derivt ' d/d eller i itegrle d. Mtrisers trspoerigsbeteckig skrivs äve med tikv t.e. T A eller H A. I :e upplg år hr ågr midre midre trckel korrigerts. Kompediet hr utökts med ler eempel och beskrivigr v e del metoder hr gjorts lligre. : upplg hr tterligre utökts med ler eempel och beskrivigr hr gjorts lligre. Skiehållet är detsmm som tidigre. Appediet om Mtlb hr skrivits om med tke på de örädrigr som Mtlb hr udergått sed seste versio. Nomeklture hr i viss ll justerts eter Egelsk - svesk ordlist ör högskolemtemtike v Björ Greli. Åbo 7.. Tore Gustsso

8 8 Förord

9 9 INLEDNING. Numerisk problem metoder och lgoritmer Numerisk mtemtik väds ör tt lös mtemtisk problem då e ltisk lösig ite k erhålls t.e. ör tt - problemet är ör ivecklt ör ltisk lösig - problemet är delvis deiiert umeriskt t.e. i orm v tbeller eller mätvärde eller vilket ot är llet i tekisk smmhg ör tt det i måg ll är så mcket eklre och eektivre tt lös problemet umeriskt. Ett umeriskt problem eg. umericl problem i. umeerie probleem är e etdig beskrivig v uktiossmbdet mell idt och utdt. Både idt och utdt represeters v ett ädligt tl reell storheter. Det umerisk problemets lösig är således e ädlig mägd tl K. Det umerisk problemet k vr e diskretiserig v ett mtemtiskt problem. T.e. lösige till e dieretilekvtio ges v e mtemtisk uktio med motsvrde umerisk lösig är e tbell som ger uktiosvärde ör de mtemtisk lösige ör ett begräst tl värde på de oberoede vribel de oberoede vribler. Ot är det umerisk problemet e pproimtio dvs. ugeärlig lösig eg. pproimtio i. pproksimtio v ett mtemtiskt problem. E umerisk metod eg. umericl method i. umeerie meetelmä är ett örrde som tige pproimerr ett mtemtiskt problem eller ett sätt tt lös ett umeriskt problem. De umerisk metode ger så gott som lltid e pproimtiv lösig till det umerisk problemet. E umerisk lösig v ett mtemtiskt problem är ormlt edst pproimtiv p.g.. öljde sker - ett svr som ges umeriskt med ett begräst tl siror k edst i udtgsll vr ekt - de umerisk metode väder e pproimtio v det mtemtisk problemet - beräkigsgåge i de umerisk metode vbrts då m hr erhållit tillräckligt hög oggrhet. E lgoritm eg. lgorithm i. lgoritmi är e ullstädig beskrivig v e öljd v väldeiierde opertioer ör överörig v idt till utdt. Algoritme bsers vlige på e eller ler umerisk metoder och ger i regel e pproimtio till utdt. Numerisk lösigsmetoder utvidgr betdligt de mägd v problem som vi k lös. T.e. k vi mtemtiskt bestämm itegrler edst v de uktioer som pssr i i de å itegrtiosregler som is i mtemtikböcker med umerisk lösigr är oberoede v speciell regler. Itegrtio v e uktio som ite k bestämms eplicit ut bestäms implicit med e ekvtio behöver ite vr ågot problem ör e umerisk lösig. Mtemtisk lösig v dieretilekvtioer begräsr sig till lijär dieretilekvtioer med kostt koeicieter och ågr specilll v dr ekvtioer. Numerisk lösigsmetoder ör dieretilekvtioer käer ite till såd begräsigr. Mtemtisk lösigr är ädå värdeullre ä umerisk lösigr och mtemtisk lösigr bör bestämms i de ll som det är prktiskt. Att erhåll lösige som e uktio är mer vädbrt ä tt erhåll lösige i orm v e tbell. Dessutom är ll umerisk lösigr pproimtiv dvs de Ordet lgoritm härstmmr rå e ltisk versio v met på de uzbekisk? mtemtiker Abu J'r Muhmmd ib Mus Al-Khwrizmi c bibliotekrie och mtemtiker i Bghdd.

10 . Iledig iehåller el. Dett gör tt umerisk lösigr måste åtöljs v e elklkl eller eluppskttig som ger vädbrhete och tillörlitlighete i lösige. E umerisk lösig v ett mtemtiskt problem består tpiskt v två ser:. Diskretiser och/eller pproimer det mtemtisk problemet. Dett ger som resultt ett umeriskt problem.. Lös det umerisk problemet med ågo metod. Lösigsmetode är ot e itertio eller e rekursio. Ned ges ågr eempel på pproimtioer itertioer och rekursioer som illustrtioer v de llmä priciper ör umerisk lösig v mtemtisk problem.. Approimtio med rät lijer Måg umerisk metoder bgger på pricipe tt e mtemtisk modell pproimers med e eklre mtemtisk modell som ger e ekel umerisk lösig. De eklste pproimtioe är tt pproimer e godtcklig uktio med e lijär uktio eller i e grisk rmställig tt ersätt e godtcklig gr med e rät lije i ågot itervll. Det örkommer två vlig sätt tt bestämm de pproimerde lijär uktioe. Vi k om vi täker oss e grisk rmställig ltertivt bestämm de såsom de rät lije som går geom två giv pukter på gre v vår betrktde uktio eller som tgete till uktioe i e give pukt... Lijär iterpoltio eg. lier iterpoltio i. lierie iterpoloiti E kotiuerlig uktio ersätts i ett itervll med de rät lije som går geom pukter och se igur... Ett pproimtivt uktiosvärde ör < < erhålls ur ekvtioe ör de rät lije ~.. Om gre v böjer sig edst obetdligt k de rät lije vr e god pproimtio v de urspruglig uktioe. Om gre v böjer sig krtigt k de rät lije ortrde vr e god pproimtio om itervllet är tillräckligt litet. Som e gräsvärdesbetrktelse går ~ mot då itervllet miskr så tt går mot. ~ Figur... Lijär iterpoltio. Approimtio v e uktio med e lijär uktio ~ iom itervllet.

11 . Iledig Tillämpig på umerisk itegrtio. Approimtioe med e lijär uktio k t.e. väds ör umerisk itegrtio. Itegrle v rå till pproimers med itegrle v de pproimerde lijär uktioe. Itegrle v de pproimerde rät lije illustrers i igur.. med t uder de rät lije dvs t v e trpets: d.. Felet i de umerisk itegrles värde ser vi tdligt i igur.. som t mell gre v uktioe v och de pproimerde rät lije. Vi k misk elet om vi delr i itegrtiositervllet i ler delitervll se igur... I igur.. ges de umerisk itegrles värde v summ v tor v r trpetser. Vi hr ortrde ett el i de umerisk itegrles värde me dett hr miskt betdligt; vi k kppst se ågo t mell gre v och de pproimerde rät lijer. Om vi delr i itegrtiositervllet i delitervll ll med lägde h år vi eligt de pricip trpetsregel ör umerisk itegrtio som summ v tor uder de rät lijer ör vrje delitervll d d d L d L Då vi ör tt å ett eklre uttrck iör beteckige i i smt... h och dderr ihop termer år vi de orml ormel ör trpetsregel d T h h L.. 5 ~ Figur... Approimtio v itegrle v e uktio med t v e trpets. 5 Figur... Approimtio v itegrle v e uktio med summ v tor v r trpetser.

12 . Iledig Eempel... Bestäm ett pproimtivt värde på itegrle si I d. Vi delr i itegrtiositervllet i t.e. delitervll med itervllbredde h. Trpetsregel.. ger öljde pproimtio ör itegrle: si si si si si9 si I d L Svret hr vrudts till 6 decimler. Vilke är oggrhete i svret dvs hur måg sigiikt korrekt vrudde decimler hr vi? Noggrhete k udersöks geom tt vi bestämmer itegrle eligt trpetsregel med e itervllbredd t.e. h 5 och jämör resultte. Vi k beteck resulttet ov med T Trpetsregel med hlverd steglägd ger resulttet T Av dett k vi uppsktt itegrle med högst r decimler som I 659 kske br med tre decimler I 6595 ± 5 dvs [ ] I 659;66. Obs! Siusuktioes rgumet är givet i rdier. Siusuktioes rgumet är lltid givet i rdier om ite ågot t särskilt ges... Approimtio v e uktio med dess tget E kotiuerlig uktio pproimers i e omgivig till med dess tget: eller ~... Tillämpig på umerisk lösig v dieretilekvtioer. Approimtio v e uktio med dess tget ger t.e. e umerisk metod ör tt lös dieretilekvtioer. Betrkt dieretilekvtioe g med begelsevillkoret. Vi skll bestämm de okäd uktioe som stisierr både dieretilekvtioe och begelsevillkoret. Isätts i dieretilekvtioe år vi g...5 Vi pproimerr uktioe med dess tget i geom tt ersätt med de pproimtio som erhålls ur ekvtio.. ~ Figur... Approimtio v e uktio med uktioes tget ~ i e omgivig v.

13 . Iledig g I e omgivig v k vi således pproimer uktioe med..6 g...7 Vi väljer u ett värde > i ärhete v. Vi k u med hjälp v ekvtio..7 bestämm ett pproimtivt uktiosvärde ör de okäd uktioe g..8 där beteckige ger e pproimtio v uktiosvärdet. Fortsätter vi med tt pproimer uktioe med dess tget i pukte k vi beräk pproimtioe ör uktiosvärdet i e pukt > i ärhete v med g...9 Om vi ortsätter dett resoemg kommer de pproimtiv uktiosvärde... tt bild e umerisk lösig till dieretilekvtioe. Dess värde bildr e pproimtiv diskret beskrivig v de okäd uktioe. Vi k geerliser procedure. Vi deiierr ekvidistt -värde h K. Resoemget ov k då beskrivs med e llmä ormel ör tt lös dieretilekvtioe g med begelsevillkoret ämlige Eulers metod: h g K.. Eempel... Bestäm e pproimtiv umerisk lösig till dieretilekvtioe och med begelsevärdet. ör Dieretilekvtioe är ärdigt skrive i ormlorme g. Vi hr lltså g. Vi väljer godtckligt e steglägd h vilket betder tt lösige till dieretilekvtioe uktioe i vår umerisk lösig kommer tt beskrivs v de diskret uktiosvärde 6 8 och. Vi sätter och begelsevärdet ger. Däreter tillämpr vi Eulers ormel.. rekursivt se vsitt. ed: h 8 h h h h Dieretilekvtioes umerisk lösig preseters lämplige i tbellorm. Lösiges oggrhet örblir här oklr. Noggrhete kude udersöks på smm sätt som i eempel.. geom tt utör lösigsprocedure med olik steglägder h. De umerisk lösige viss i igur.. tillsmms med de ekt mtemtisk lösige. Leohrd Euler Schweizisk mtemtiker med grudläggde istser iom dieretil- itegrloch vritiosklkl smt iom topologi. Euler verkde som proessor i sik vid veteskpskdemi i S:t Petersburg.

14 . Iledig Obs! I rekursioe hr ll tillgäglig decimler väts med svret hr vrudts till decimler. Oödig vrudigr ie i e rekursio bör udviks. Uppskttigsvis är äve de tredje decimle i svret elktig vrör det är oödigt tt ge svret med ler decimler. I igur.. jämörs de umerisk lösig med de ekt mtemtisk lösige som ör de lijär dieretilekvtio är ekel tt bestämm. Figur.. visr tt de pproimtiv umerisk lösige vsevärt vviker rå de korrekt lösige. E kortre steglägd h i Eulers metod skulle dock vsevärt örbättr oggrhete. Svr: umerisk lösig till dieretilekvtioe : Rekursio Rekursio eg. recursio i. rekursio iebär e stegvis lösig där lösige i det seste steget bgger på lösigr ot pproimtiv rå öregåede steg. Formellt k vi beskriv rekursiosprocesse med e rekursiosormel F.. Eulers ormel.. är ett eempel på e rekursiosormel. Rekursio väds speciellt ör umerisk lösig v dieretilekvtioer. Såsom igur.. tder är steglägde h viktig ör de pproimtiv rekursiv lösiges oggrhet. Då resulttet rå vrje rekursio är beroede v ett ooggrt resultt rå öregåede rekursio är det örutom steglägde äve viktigt tt kä rekursiosormels egeskper huruvid de örstorr eller örmiskr elet rå öregåede steg. De egeskp klls rekursiosormels stbilitet och behdls sere. 9 8 rekursiv lösig Figur... Mtemtisk lösig och pproimtiv rekursiv lösig eligt Eulers metod till dieretilekvtioe med begelsevärdet Itertio Itertio eg. itertio i. iteroiti iebär e stegvis lösig där vrje steg iebär e bättre pproimtio till problemets lösig. Formellt k itertiosprocesse beskrivs med e itertiosormel F..

15 . Iledig 5 där idee klls itertioside och K ll pproimerr smm storhet. Tillämpig på ekvtioslösig. Beräkig v rote till uktioe dvs. lösig v ekvtioe k görs geom itertio. Approimer uktioe med dess tget vid ågot strtvärde se igur.. ˆ.. Approimtioes ollställe ås geom tt sätt ˆ i ekvtio.. och lös ekvtio med vseede på. Lösige betecks här.. Upprepd pproimtio v med tgete i K K och bestämig v pproimtioes ollställe logt med ekvtio.. ger Newto -Rphsos itertiosormel ör ekvtioslösig... Figur... Itertiv lösig v ekvtioe med Newto-Rphsos metod. är ett godtckligt vlt strtvärde. och är successivt örbättrde pproimtioer v ollstället. Eempel... Bestäm med Newto-Rphsos itertiosormel. Vi ställer upp e ekvtio som hr lösige t.e. ekvtioe. Omskrive i ormlorme blir de ekvtio. Vi skll lös ekvtioe itertivt med Newto-Rphsos metod... Vi hr således och. Newto- Rphsos itertiosormel blir ör de ekvtio. Vi väljer ett godtckligt me rimligt strtvärde ör itertioe: t.e.. Isättig i itertiosormel ger öljde pproimtioer ör osv: Isc Newto 6-77 Egelsk siker och mtemtiker med grudläggde istser bl.. iom iiitesimlklkle och umerisk mtemtike. Isc Newto vr verksm som proessor i sik vid uiversitetet i Cmbridge. Joseph Rphso Egelsk mtemtiker publicerde itertiosmetode som brukr häörs till Newto 5 år i Newto gjorde de metod välkäd.

16 6. Iledig Upprepd vädig v itertiosormel ger resulttet till höger. Eter :e itertioe örädrs ite mer resulttet då värdet räks på e klkltor. Resulttet iebär tt vi hr erhållit e pproimtiv lösig till ekvtioe. Lösige iehåller 9 sigiikt siror eller 8 korrekt vrudde decimler. Således är 56 med 8 korrekt vrudde decimler Diereser Iom umerisk metoder väder vi oss ot v diskret uktioer. Dess är uktioer vrs rgumet edst k t viss bestämd värde på tlel. Dlik uktioer k ite derivers då kotiuerlig gräsvärdesbetrktelser ite k görs. I stället ör dieretiler och derivtor k m ör diskret uktioer väd diereser och diereskvoter..5. Frmåtdierese Om vi hr e öljd v värde K k rmåtdierese eg. orwrd dierece i. eteepäi otettu erotus eller br dierese deiiers.5. där är dieresopertor. Högre ordiges diereser deiiers rekursivt som Approimtio v derivtor med diereskvoter är ett eempel på e direkt vädig v diereser. De pproimtio k ekelt motivers med tt gräsvärdet ör diereskvote då går mot oll är lik med derivt dett direkt i elighet med deiitioe på derivt. Om är litet k vi pproimer d d.5. Betrkt e uktio i igur.5.. Fuktioe hr diskretiserts så tt vi edst väder oss v diskret uktiosvärde och. Vi k då pproimer derivt i med diereskvote..5.5 Altertivt kude vi lik väl pproimer derivt med diereskvote

17 . Iledig Formler väds säll ör tt direkt umeriskt bestämm derivt v e uktio. Däremot väds de som pproimtioer v derivt ibggd i ett lertl umerisk metoder som då iehåller ågo sorts kotroll v oggrhete. För tt umeriskt pproimer derivt v e uktio som är deiierd geom ett tl diskret uktiosvärde väds hellre cetrldiereskvote..5.7 Högre derivtor k pproimers logt t.e. om vi hr ekvidistt -värde så tt... k dr derivt pproimers som diereskvote v pproimtioe v örst derivt d d d d d d.5.8 där idee väljs på ett ädmålseligt sätt. Det ed ädmålselig vlet v ide ör pproimtio v dr derivt i igur.5. är t dett ger öljde pproimtio ör dr derivt i. d d.5.9 Uttrcket.5.9 är e cetrldiereskvot som utttjr uktiosvärde smmetriskt på vr sid om det -värde ör vilket derivt beräks och ger därör bäst oggrhete. Rekursivt erhåller vi e ormel ör pproimtio v högre derivtor som k k k k d d.5. där idee åter gär väljs så tt ormel väder uktiosvärde så smmetriskt som möjligt krig det betrktde -värdet. Figur.5.. Approimtio v derivtor med diereskvoter

18 8. Iledig.5. Dieresschem Vi betrktr e tbellerd uktio som deiiers v kolumer och i tbelle häruder. Frmåtdiereser preseters ot i ett dieresschem eg. dierece tble i. erotuskvio som ör de ktuell uktioe år öljde utseede Presettio v diereser i ett dieresschem är ibld ördelktigt ör tt det ger e överblick v uktioes egeskper. T.e. i schemt ov iehåller kolume edst ollor vilket visr tt uktioe iråg är ett polom v :e grde se vsitt.5. ed. -kolume iehåller pproimtioer v drderivtor och ger således e överblick över gre krökig vilket k vr ttigt i måg umerisk metoder. Numerisk ooggrheter i uktiosvärde t.e. vrudigsel eller direkt elktig värde ortplts till och örstärks i högre ordiges diereser vilket k väds t.e. ör tt bestämm kvlitete hos e öljd v uppmätt värde..5. Diereser v polom Om är ett polom v grde och { i } e öljd v uktiosvärde ör ekvidistt -värde så är k ör k ett polom v grde k. Vidre är. Vi k således kostter tt uktiosvärde i dieresschemt ov härrör rå ett tredje grdes polom t. De egeskp hos diereser k t.e. utttjs ör tt udersök oggrhete i tbellerde dt. Fuktiosvärde rå ågo uktio med ett jämt örlopp bör ge upphov till ett dieresschem där högre diereser erhåller till beloppet llt midre värde. Ooggrheter eller el i tbelle v uktiosvärde ger upphov till väde belopp hos högre diereser äve i det ll tt uktioe är ett polom v låg grd eller väl k pproimers med ett sådt. Betrkt ett polom L v grde och e öljd v uktiosvärde K beräkde ör ekvidistt -värde h h K. Först dierese v k skrivs med hjälp v tlorserieutvecklig se vsitt.6 som h h h L h!. Dett är tdligt ett polom v grde t är ett polom v grde med övrig derivtor är polom v lägre grd. Bildr vi dr dierese som dierese v örst dierese på motsvrde sätt med utvecklig i e tlorserie år vi h h h L h! som är ett polom v grde t derivt v är ett polom v grde. Fortsätter vi på dett sätt till : dierese år vi

19 . Iledig 9 h h t :e dierese v är ett polom v :e grde dvs e kostt..6 Approimtio med potesserier Fuktioer pproimers ot med potesserier eg. power series ör tt potesserie polomet är ekelt tt t.e. deriver och itegrer. Iom umerisk mtemtike väds potesserier både ör tt härled umerisk metoder och ör direkt lösig v umerisk problem. E uktio som är oädligt måg gåger deriverbr i k skrivs som e tlorserie 5 L L!!.6. M kllr ekvtio.6. e tlorserieutvecklig v krig. För umerisk metoder trukers serie till ett ädligt tl termer. De trukerde tlorserie är således e pproimtio v uktioe i e omgivig v. För prktiskt bruk bör vlige vr litet ör tt serie skll koverger. Ot gäller tt <. Då vi i vsitt.. pproimerde e uktio med dess tget väde vi oss de cto v e tlorserieutvecklig trukerd till två termer. Jämör ekvtio.. med ekvtio Resttermsuppskttig Vid vädig v trukerde potesserier är det viktigt tt ku uppsktt restterme dvs. det el som truktioe ger upphov till.. S beteckr :e pr- Betrkt e storhet S som k utveckls i e serie tilsumm Truktioselet e deiiers som S j L S L j..6. e S S j..6. j Truktioselet eg. tructio error i. ktkisuvirhe meetelmävirhe k uppsktts t.e. med ågo v öljde tre metoder. Jämörelse med käd serie. Om vi k hitt e serie T b b b L vrs prtilsummor vi k beräk och ör vilke j b j ör ll j > då k vi bestämm e övre gräs ör truktioselet som 5 Brook Tlor Egelsk mtemtiker.

20 . Iledig e b j..6. j Eempel.6.. Vi betrktr e potesserie S c c c L som väds ör värde <. Vi vill bestämm e övre gräs ör truktioselet vid truktio till termer. Om vi t.e. vet tt c j ör j > k vi ställ upp e geometrisk j serie med termer b j q där q. Då < q < kovergerr serie till q b b L q eligt teori ör geometrisk serier. Således är e eller om är mcket litet e. Vid sbb koverges k således truktioselet uppsktts med "örst utelämde terme". Jämörelse med e itegrl. Betrkt serie S L. Atg tt vi k hitt e uktio j med käd obestämd itegrl såd tt j < j ör ll j > och tt j är e vtgde uktio ör j >. Series truktiosel k då begräss som e < j dj..6.5 j Figur.6.. Jämörelse v restterm med itegrl j Först örsummde terme ör ltererde serier. För e ltererde serie där termers bsolut värde går mot oll hr restterme smm tecke som örst örsummde terme och resttermes belopp överskrider ite de örst örsummde termes belopp e <..6.6

21 . Iledig S S Figur.6.. Prtilsummor S j jämört med totl summ S ör e ltererde serie. S 5... j Eempel.6.. Fuktioe si krig : si k pproimers med e potesserie. Bild tlorserie v si L.! 5! 7! 9! Divider med : 6 8 si L.! 5! 7! 9! Iom itervllet k pproimers med potesserie ov trukerd till 5 termer t.o.m. 8:e-grdsterme ut tt truktioselet överstiger 5 t serie är e l- 8 tererde serie där termers bsolut värde går mot oll och värdet v de örst bortlämde terme dvs /! är midre ä 5. Approimtioe med 5 termer i potes- 8 serie ger således åtmistoe 7 sigiikt siror..7 Polom Vid beräkig v värdet v ett polom eg. polomil i. polomi eller e ädlig potesserie på dtorer är det i viss ll ördelktigt med tke på rbetsmägde och med tke på oggrhete tt väd e speciell strtegi. Betrkt ett polom P L..7. Epoetierigr i ekv..7. utörs i e dtor med hjälp v logritmerig vilket ite är ördelktigt. Om opertioe tt beräk polomets värde är kritiskt med tke på resulttets oggrhet k ett litet el i värdet på vid epoetierig led till ett stort el i polomets värde. Om beräkigstide är kritisk är ite heller epoetierig med hjälp v logritmerig särskilt ördelktigt. Polomet.7. k omskrivs som P L L..7. Dett uttrck k beräks ebrt med multipliktio och dditio med strt rå de ierst pretese. Om beräkig v polomet k ses vr kritsikt ör e umerisk metod bör m väd sig v orme.7. rs k m öredr de ör vädre eklre orme.7..

22 . Iledig.7. Multipliktio och divisio v polom Multipliktio och divisio stetisk divisio v polom stöter m på vid viss umerisk beräkigr. T.e. produkte v två polom v grde ges v där p p p q q L q r r L r P Q L.7. k r k piq i k i r k piqi k k i k Multipliktio v polom går i måg progrmpket t.e. Mtlb uder beteckige kovolutio eg. covolutio på svesk egetlige ltig med polomdivisio stetisk divisio går uder beteckige dekovolutio eg. decovolutio. Ett specilll v divisio deltio beskrivs i vsitt.8. Övigr. Bestäm McLuri-serieutvecklige ör. Beräk sed med sirors oggrhet med hjälp v McLuriserie.. Vi vill pproimer summ v e oädlig serie S med e prtilsumm S där S k k och S k k. Hur måg termer måste vi t med i prtilsumm ör tt S skll pproimer S med 6 sirors oggrhet?

23 FELANALYS Såsom i iledige kostterts iebär de umerisk lösigsmetoder pproimtioer som i måg ll k vr mcket grov. Det är därör viktigt tt ku lser ele i resultte ör tt ku uppsktt resulttes vädbrhet. Fel uppkommer örutom geom vädig v pproimtiv metoder äve geom vrudig v decimltl och p.g.. bristde oggrhet i dtorer mskiritmetik. Fel ortplts geom uktioer och lgoritmer och k tige misk eller ök beroede på uktioers eller lgoritmers egeskper elortpltig.. Närmevärde Vid umerisk beräkigr hdsks vi ormlt med pproimtiv storheter bl.. p.g.. tt vi betrktr ett ädligt tl decimler. Vi behdlr storheters ärmevärde eg. pproimte vlue i. likirvo. Vid e ormell ls v ärmevärde ger vi dess e ege beteckig. Vi beteckr här ärmevärde med tecket tilde: ~ är ett ärmevärde till de ekt storhete. Närmevärdet iehåller då ett el. Vi deiierr bsolutelet eg. error i. virhe i ~ är e ~.. reltiv elet eg. reltive error i. suhteellie virhe i ~ är ~ r.. Absolutele och reltiv ele är turligtvis vlige okäd vid orml beräkigr. Därör rbetr vi vlige med elgräser eg. error boud som ger e övre gräs ör elets storlek. Felgräser kommer här tt betecks med stor bokstäver bsolut elgräse ör ~ : ~ E.. reltiv elgräse ör ~ : ~ R... Vid umerisk beräkigr öljer vi pricipe tt tlvärde ite vruds ie i beräkigr oberoede v hur stor elgräse är. Då vi preseterr svret bör tlvärde däremot vruds så tt tlet giv siror motsvrr elgräse. Att ge ett svr med måg siror tder tt svret är väldigt oggrt och k ge e elktig bild v svrets tillörlitlighet. Noggrhete i ett tlvärde ges ot med begrepp som "korrekt vrudt till decimler" " sigiikt decimler" eller " sigiikt siror". Då ett tl vruds till ett tl sigiikt siror betder det tt midre sigiikt siror bts ut mot ollor om de ligger till väster om decimlkomm eller läms bort om de ligger till höger om

24 . Fells decimlkomm. De sist kvrlämde sir justers uppåt om de örst bortlämde sir är större eller lik med em. Eempel... Avrud till sigiikt siror: 895 vruds till ~ 89 9 vruds till ~ vruds till ~ Då ett tlvärde är korrekt vrudt till decimler betder det tt elgräse är E 5. T.e. korrekt vrudig till decimler iebär e elgräs 5. sigiikt decimler iebär detsmm som korrekt vrudt till decimler. Atlet sigiikt siror betder tlet korrekt siror borträkt ollor till väster om de örst sir som är olik oll. T.e. ett korrekt vrudt tl iehåller 5 sigiikt siror med ett korrekt vrudt tl iehåller sigiikt siror. Begreppet "sigiikt siror" är viktigt vid umerisk beräkigr därör tt dtorer k lgr tl med ett visst tl sigiikt siror oberoede v tlets storlek. Eempel... Ett tlvärde är vrudt till decimlers oggrhet. De bsolut elgräse i det vrudde tlvärdet är E 5. Om ett korrekt vrudt tl är t.e. vet vi tt det ekt tlvärdet ligger i itervllet [5; 5 och vrudigselet dvs bsolutelet ligger i itervllet [5; 5. Vi k som ett beräkigsresultt skriv ± 5. Eempel... Resulttet v e umerisk beräkig är och metode ger e uppskttig v elgräse till 8. Svret ges lämplige som 569 ±. Observer vrudige till 6 decimler. Uppskttige v elgräse vruds vlige uppåt till e sigiikt sir. Svret k uppsktts iehåll r sigiikt siror t eligt eluppskttige är de sist medtg decimle osäker.. Mskiritmetik.. Lgrig v tlvärde i dtorer. Dtorer lgrr reell tl i ormliserd ltde biär orm som eligt de rådde stdrde ANSI/IEEE stdrd ör biär lttlsritmetik iebär tt tlet uppdels i dess örtecke e tldel som iehåller tlets sigiikt siror och e epoetdel. Det lgrde tlets värde ges v ormel p ± där <... Dtors precisio vser tlet siror i tldele. I progrm ör umerisk beräkigr lgrs lttl vlige i ord om 6 bitr IEEE dubbel precisio. Dess hr öljde represettio: tlets tecke: bit : 5 bitr p : bitr. Ett tl represeters i dtor v högst 5 sigiikt biär siror motsvrde c 6 deciml siror. Epoete p lgrs som p vilket medör tt epoete k ligg i itervllet p. Det störst och det mist lttl som k lgrs med dubbel precisio är då m respektive mi 5. Dtorprogrm k äve väd e lägre oggrhet med lttl lgrde i bitr ekel precisio. Dett ger e oggrhet v c 6-7 sigiikt deciml siror.

25 . Fells 5.. Avrudig eg. roudig i. pörists. Vrje gåg ett tl lgrs i ormliserd ltde biär orm med b bitr i tldele dvs som ett ärmevärde ~ ± ~ utörs e vkortig som ger upphov till öljde p elgräser b E b R b p E b R.... Overlow och Uderlow i. livuoto resp. livuoto. Med e give lgrigsorm is det ett störst och ett mist tl som k lgrs. Dess bestäms v tlet bitr som reserverts ör epoete. Försöker vi lgr ett större respektive midre tl t.e. som ett delresultt i e beräkig uppstår ett el som brukr beäms "overlow". Försöker vi lgr ett tl som till beloppet är så litet tt epoetdele med egtivt örtecke ite räcker till så år vi ett "uderlow" dvs tlet kommer tt lgrs som oll... Kcelltio eg. ccelltio i. merkitsevie umeroide kumoutumie. De örlust v sigiikt siror som erhålls vid subtrktio v äst lik stor tl klls kcelltio. Förluste v sigiikt siror sker därör tt dtor i vrje räkesteg vrudr tlvärdet till ett visst tl sigiikt siror. Feomeet k illustrers geom tt simuler e dtor och eter vrje räkeopertio vrud resulttet. För tt å ett översiktligt eempel k m överdriv vrudige och t.e. simuler e dtor som lgrr tlvärde med edst ågr å sigiikt siror. I öljde eempel ges eempel på kcelltio vid e mcket grov vrudig till tre sigiikt siror eter vrje räkeopertio. Då e verklig dtor vrudr till c 6 deciml siror är eomeet med kcelltio ite lit påtgligt. Det år emellertid ite egligers. T.e. vid beräkig v svår problem med rekursiv metoder med kort steglägder blir kcelltio lätt ett problem trots dtors reltivt hög oggrhet. Det störst problemet ligger kske i tt e oörsiktig dtorvädre ldrig märker problemet ut litr på ett beräkigsresultt som k vr helt elktigt. Eempel..: Beräkig v cos med geomgåede vrudig till siror ger p.g.. kcelltio edst e sigiikt sir i resulttet: cos 999 sig. siror med sig. sir För tt udvik kcelltio k m ibld omorm illkoditioerde problem till välkoditioerde. Eempel..: Uttrcket cos k omskrivs som si se ormelsmlig som med geomgåede vrudig till decimler ger resulttet ut ågo kcelltio: si 8 sigiikt siror...5 Utskitig. Utskitig k ske vid dditio v två tl v olik storleksordig som vrder är represeterde med ett givet tl siror. Vid totl utskitig kommer de till beloppet midre terme ite lls tt bidr till summ. Vid prtiell utskitig kommer edst e del v siror i de till beloppet midre terme tt bidr till summ. E estk utskitig är ite rlig. De iebär tt de e terme är så lite tt de ite behö-

26 6. Fells ver bekts med de oggrhet vi väder. Om emellertid måg såd små termer skll dders k det häd tt summ v ll dess små utskitde tl ädå ger ett betdde bidrg till hel summ. I såd ll ger utskitig ett betdde el som k vr svårt tt observer i resulttet. Algoritmer iehållde upprepde summerigr måste lltid lsers ör ll möjlig situtioer så tt el som uppkommer geom utskitig ite k ske. Eempel..: Vi skll bestämm värdet v de geometrisk serie S q q q L q 98 geom tt dder termer. Vi vet tt S S / För tt å resulttet med 6 sigiikt siror ordrs tt vi dderr 68 termer t 68:e prtilsumm 68 S / Räkr vi geomgåede med 6 siror ugeär som e dtor med ekel precisio så år vi resulttet ed. Resulttet blir S vilket iehåller edst korrekt siror. Orske är utskitig som gör tt de sist termer ite lls kommer tt bidr till summ. S S S q 98 S S q 9 S S q 8859 S S q M S S99 q M S S99 q M 5 S5 S99 q M S Truktio Truktiosel eg. tructio error i. ktkisuvirhe uppstår är e gräsvärdesprocess i e lgoritm vbrts t.e. då - e serieutvecklig vbrts - e itertio vbrts - är trpetsregel med steget h ccepters som ett ärmevärde ör ett itegrlvärde som trpetsregel teoretiskt bör ärm sig då h misks mot oll. Måg umerisk metoder k teoretiskt ses som gräsvärdesprocesser i och med tt de härletts så tt de ekt lösige erhålls som gräsvärdet då steglägde går mot oll tlet itertioer går mot oädlighete eller tlet termer i e potesserie går mot oädlighete. Avrudig kcelltio och utskitig medör tt gräsvärdesprocesse i prktike är omöjlig tt geomör.

27 . Fells 7. Felortpltig Fel i idt eller el som uppstår geom vrudig kcelltio utskitig eller truktio i beräkigsprocesse k vä eller vt vid de ortstt beräkigr. Vi k härled ormler ör hur el ortpltr sig geom räkeopertioer och då de iltrers geom mtemtisk uktioer. För de ekl räkesätte k vi härled öljde ormler ör elgräser. Additio: Subtrktio: Multipliktio: Divisio: ~ z ~ ~ e e e e z ez E z E E.. ~ z ~ ~ e e e e z ez E z E E.. ~ z ~ ~ e e e e ee ot är e e << e ee << e. Då k vi pproimer ez e e. Divisio med z ger ez e e dvs rz r r. Vi år lltså reltiv elgräse z R z R R.. ~ z ~ / ~. Alogt med multipliktio ås reltiv elgräse R z R R.... Felortpltigsormel Formler..- ger elorpltige vid de r ekl räkesätte. Det är klrt tt ormler v de tp ite räcker till ör tt lser elortpltig i prktike. Avädbrre ormler ås geom tt ök pproimtiosivå. Felortpltigsormel är e vädbr pproimtio ör eles ortpltig i ett uktiossmbd dvs rå uktioes rgumet till uktiosvärdet. Betrkt e uktio vrs rgumet represeters v ett ärmevärde ~ med bsolutelet e ~ e. Fuktiosvärdet ör ärmevärdet k då skrivs som ~ e där e beteckr elet i uktiosvärdet p.g.. elet i rgumetet. Dieretilklkles : medelvärdessts se ed ger öljde uttrck ör bsolutelet i uktiosvärdet. ~ ~ e e Figur... Felortpltig rå till. ~

28 8. Fells e ξ e ~ ξ..5 Formel..5 k ite direkt väds ör e kvtittiv bestämig v elet då både och ξ är obekt. Approimtivt k vi uppsktt elet geom tt ersätt ξ med det ed värde vi käer ämlige ~. Dett ger oss elortpltigsormel e ~ e..6 eller i orm v elgräser E ~ E..7 Eempel..: Felortpltig geom uktioe cos och si. Dess två uktioer hr i eempel.. och.. vist sig vr två olik beskrivigr v smm uktio. I eempel.. och.. visde sig de dr orme vr betdligt ördelktigre vid umerisk beräkig med små rgumet. De örst orme visde sig vr käslig ör kcelltio. Vi skll u udersök elortpltige geom dess uktioer dvs käslighete ör ooggrhet i rgumetet. cos Låt som ses vr ett ärmevärde vrudt till decimler eller till två sigiikt siror. Vi k skriv tt ± 5 eller tt ~ med elgräse E 5 och ärmevärdet ör uktioe ås som ~ 8. Felgräse ör dett ärmevärde ås ur elortpltigsormel då si blir de E E Resulttet k ges som 8 ± dvs med e sigiikt sir. si Motsvrde ls ör de uktio då si cos si ger E E dvs ekt smm resultt som ör de örst uktioe. De båd idetisk ormulerigr v smm uktio i eempel.. ger lltså smm elgräs ör uktiosvärdet trots tt vi i vsitt. kosttert tt de sere ormel är bättre koditioerd ör umerisk beräkig. Koditioerige hr emellertid betdelse edst ör mskiritmetike. Felortpltigsormel åter bektr edst de mtemtisk uktioe ite mskiritmetike. Mtemtiskt är de båd uttrcke smm uktio och då skll elortpltige geom uktioe ge smm resultt. De llmä elortpltigsormel gäller ör e uktio v ler vribler. Låt vr e uktio v vektor K som represeters v ärmevärdet ~ ~ ~ ~ K vrs elemet hr bsolutele e e K e. Då k elet i uktiosvärdet pproimers som ~ ~ ~ e e e L e..8 och elgräse ges logt v de llmä elortpltigsormel

29 . Fells 9 E ~ E ~ E ~ L E..9 Allmä elortpltigsormel örutsätter tt ele hos vribler oberoede. K är sisemell Eempel..: Med lisormel k brävidde hos e tu lis bestämms om öremålsvstådet och bildvstådet b är käd. Atg tt m hr mätt dess med c millime- b ters oggrhet ± mm och b 6 ± mm. Bräviddes ärmevärde blir ~ ~ ; mm. 6 mm De betrktde uktioe är egetlige b. Felortpltigsormel ger elgräse ~ E E Eb b b b b b mm 5 mm. 6 Vi år svret: ± 6 mm... Dieretilklkles örst medelvärdessts. Om uktioe är kotiuerlig i det slut itervllet b och deriverbr i det öpp itervllet < < b så is det mist e pukt ξ i < < b såd tt b ξ b... Figur... Dieretilklkles örst medelvärdessts. ξ b

30 . Fells.5 Koditio Numerisk problem och metoder k vr välkoditioerde eg. well-coditioed eller illkoditioerde eg. ill-coditioed i. häiriöltis. I ett välkoditioert umeriskt problem är resulttet utdt ite vsevärt midre oggrt ä idt med i ett illkoditioert problem iehåller utdt vsevärt större el ä idt. T.e. uktioe cos i eempel.. är illkoditioerd vid beräkig med låg precisio p.g.. dess käslighet ör kcelltio. Koditioe mäts med koditiostlet eg. coditio umber i. häiriölttius som deiiers som kvote mell reltiv ele i utdt och reltiv ele i idt. Eempel.5.: Koditiostlet ör beräkig v cos eligt eempel.. är vi väder elgräser i stället ör bsolutel då dess är okäd E / ~ / 8 C ~. E / 5/ I dett ll bektr vi ige mskiritmetik dvs ige kcelltio. Aväder vi däremot de umerisk metode i eempel.. med geomgåede sirors precisio ör tt bestämm cos blir koditiostlet ör de metod E / ~ C E / ~ / 8 5/ om vi räkr E e 8 där är det beräkde uktiosvärdet i eempel....6 Eperimetell störigsräkig Ett prktiskt sätt tt uppsktt huruvid e metod är välkoditioerd är tt vrier idt dvs iör störigr i idt och observer vritioer i utdt. Eempel.6.: Betrkt öljde umerisk metod med som idt och som utdt: 5 Uppsktt koditiostlet vid på bse v störigsräkig. ger. Iör e störig i idt t.e. ~. Dett ger ~ 5 5. Vi k då uppsktt koditiostlet vid till ~ / 55 / 6 ~ C. / /

31 . Fells Övigr. Atg tt vi skll beräk uktiosvärde ör på e täkt dtor som geomgåede räkr med 6 deciml sirors oggrhet. Med huru måg sirors oggrhet erhålls uktiosvärdet? b Skriv om uktioe så tt uktiosvärdet k beräks med hög oggrhet äve ör stor värde på. Med vilke oggrhet k uktiosvärdet erhålls med de omskriv uktioe?. Vi hr uktiossmbdet si z z e z. 5 Bestäm bsolut elgräse b reltiv elgräse ör uktiosvärdet då och z hr de korrekt vrudde värde 756 rdier och z 95.. Atg tt vi skll beräk cirklrs reor utgåede rå pproimtiv värde på rdier och med det pproimtiv värdet 59 ör π. Vilket är det störst reltiv elet som vi k 5 tillåt ör rdier ör tt erhåll ett reltivt el 5 hos de beräkde reor?. Bestäm e välkoditioerd lgoritm ör beräkig v lösigr till drgrdsekvtioe b c. Eligt ormelsmlige ås de två rötter ur ormel b ± b c. De ormel är ite lltid lämplig ör umerisk beräkigr. Atg t.e. tt vi i ett ibggt dtorsstem som väder c 6 deciml sirors oggrhet skll bestämm de till beloppet midre rote ör drgrdsekvtioer med koeicieter b v storleksordige och c ugeär 55. M kräver tt rote erhålls med 5-6 sigiikt siror. Hur måg sigiikt siror erhålls geom direkt vädig v de "iv" ormel ov ör de sökt rote och ovämd prmetrr? b Age e umeriskt ördelktigre ormel ör beräkig v de till beloppet midre rote. c K m geom itertio örbättr det ooggr resultte rå de "iv" ormel?

32 . Fells

33 EKVATIONSLÖSNING - ITERATION Vi skll betrkt umerisk lösig v ekvtioe. Vlige k lösige till ekvtioe eller rötter ite skrivs i slute orm. Dess beräks då pproimtivt geom itertio. Rötter blir pproimtiv dels p.g.. tt itertioe måste vbrts i ågot skede dels p.g.. vrudigsel och mskiritmetik. Om itertioe kovergerr d.v.s. om de pproimtiv lösige i vrje steg örbättrs så ger vrje itertiosmetod till slut lik god resultt. Vrje itertiosmetod behöver emellertid ite lltid koverger. I själv verket is det å itertiv metoder ör ekvtioslösig som hr e säker koverges. Äve om e itertiosmetod kovergerr k kovergeshstighete vr olik ör olik metoder vilket leder till tt olik itertiosmetoder kräver olik tl itertioer ör tt komm rm till ett resultt med ågo give oggrhet. I dett vsitt preseters ågr olik itertiv metoder ör tt lös ekvtioe. och teori ör itertiosmetoders koverges gås igeom. Först skll vi dock betrkt med vilke oggrhet e ekvtio v tpe. överhuvudtget k löss med e itertiv metod.. Metodoberoede eluppskttig De metodoberoede eluppskttige ger e gräs ör de oggrhet som ågo lösigsmetod k uppå. Vi k illustrer begreppet på öljde sätt. E Figur... De metodoberoede eluppskttige vid umerisk lösig v ekvtioe. E b Vi betrktr ekvtio. och tr tt k beräks med e kostt elgräs E. I eemplet i igur.. hr ekvtioe två rötter i och b. Bdet krig gre v ger uktioes elgräs d.v.s. osäkerhete i uktiosvärdet. Bredde v dett bd där det skär -el vid rötter ger de osäkerhet som uppstår vid bestämig v rote därör tt uktiosvärdet ite k bestämms ekt. Då bdets vertikl bredd är kostt kommer dess horisotl bredd tt vr beroede v lutige hos uktioes gr. Osäkerhetsbdets bredd vid rote är således beroede v beloppet v uktioes derivt vid rote. Om är litet vid rote blir bdet horisotl bredd stort och motsvrde rot kommer tt ku bestämms reltivt ooggrt. Dett är llet med rote. Om derivt är stor till beloppet vid e rot kommer de rot tt ku bestämms reltivt oggrt så

34 . Ekvtioslösig - itertio som är llet med rote b i igure. Kvtittivt hr vi pproimtivt tt E E. Dett klls de metodoberoede eluppskttige E E ~... Eempel... Vi skll bestämm de ed reell rote till ekvtioe b där koeicieter och b är tl som är käd edst med e decimls oggrhet: 5 ± 5 och b ± 5. Vi k lös de "omiell" ekvtioe 5 med Newto-Rphsos metod i vsitt. eller med ågo v de itertiv metoder som beskrivs i vsitte.-5. Resulttet blir korrekt vrudt till 6 decimler 97. Vilke är oggrhete i dett resultt med bektde v koeicieters ooggrheter? Vi skriver örst ekvtioe i ormlorme. b vilket deiierr uktioe i tpekvtioe. som b. Felortpltigsormel..9 ger elgräse ör uktiosvärdet : E E Eb b där E 5 är elgräse ör koeiciete och E b 5 är elgräse ör koeiciete b. Prtiell derivtor är / och / b. Vid rote 9 k då uktiosvärdet beräks iom e elgräs E De metodoberoede eluppskttige ör rote erhålls ur ekv.... Derivts värde vid rote 9 är pproimtivt 9 5. De metodoberoede eluppskttige blir E 7 E Ekvtioes ed reell rot är med bektde v osäkerhete i koeicieter: 9 ±.. Strtmetoder I m börjr sök rötter till e ekvtio geom itertio bör m udersök om ekvtioe hr e eller ler rötter och om dess är reell eller komple. M bör vet vilke eller vilk rötter m är itresserd v och vr m k vät sig tt i dess rötter. För tt strt e itertio behöver vi ett eller ler strtvärde. Ot år strtvärde ite vr godtcklig ut bör ligg reltivt är rote. Metoder ör tt hitt rimlig strtvärde k vi kll strtmetoder.

35 . Ekvtioslösig - itertio 5 Strtmetoder är t.e. - Försök och misstg: geom prövig med olik värde k grov uppskttigr v rötter görs. - Udersökig v derivt v k kompletter örsök och misstg. - Grisk tekik: uktiosgre rits eller skisss. För sbb skisser k det ibld vr lämpligt tt omskriv ekvtioe se eempel... Eempel... Bestäm ett strtvärde ör itertiv lösig v ekvtioe e. Ekvtioe omskrivs som e. Fuktiosgrer och e skisss. Ekvtioes lös- ig ligger vid det -värde där och e smmller. Av skisse igur.. k m sbbt dr slutstse tt ekvtioe hr edst e reell rot och tt de ligger vid e.5 Fig.... Skiss ör grov lösig v ekvtioe e.. Itervllhlverig Om e rot till ekvtioe. k omrigs med ett itervll < < k rotes oggrhet öks geom upprepd itervllhlverig. E.: Om > och < välj om < välj om > välj M Fortsätt tills rote k plcers i i ett tillräckligt litet itervll som är midre ä de tillåt ooggrhete. Då hr rote erhållits med öskd oggrhet. Itervllhlverig eg. the method o bisectio i. puolitusmeetelmä hr lågsm koverges me kovergese är säker. Metode bektr edst uktiosvärdets tecke ite uktioes värde. Metodes robusthet är värdeull. Så t.e. ugerr metode på ekvtioer där är diskotiuerlig är rote vilket t.e. Newto-Rphsos metod.. kude å stor problem med. E ördel med metode är tt tlet itertioer som behövs ör tt erhåll e give oggrhet k bestämms på örhd ill det urspruglig itervllets bredd är kät. Dett k vr viktigt i utomtisk reltidstillämpigr där vrje beräkig hr e viss give tid tt utörs på. Eempel... Bestäm e lösig till ekvtioe e med 5 sigiikt siror. Eempel.. ger två gräser ör lösige 5 < < 6. Urspruglig itervllbredde är. Femto itervllhlverigr de öskde ger e itervllbredd 5 5. Femto itervllhlverigr räcker till ör oggrhete. Itertioes örlopp viss i tbelle häruder där kolume ger örtecket ör uktiosvärdet e.

36 6. Ekvtioslösig - itertio Eter 7 itervllhlverigr 8 blir resulttet tt rote ligger i itervllet 567; 567. Svret är med 5 sigiikt siror Sektmetode Vi skll lös ekvtioe dvs bestämm uktioes ollställe geom tt pproimer uktioe med lijär uktioer sekter. I vsitt.. kllde vi dett lijär iterpoltio. Vi skll lltså bestämm e itertiv metod ör ekvtioslösig bserd på lijär iterpoltio. Approimer med e rät lije sekte mell två pukter på gre igur... Vi kllr de två pukters -värde och. Sektes ekvtio är då Sätter vi år vi sektes skärigspukt med -el vi kllr de Vi väljer sed två -värde sektes skärigspukt och det öregåede - värdet. Vi pproimerr på tt uktioe med sekte u mell de två pukter på gre med -värde och. De sektes skärigspukt med -el beräks på motsvrde sätt som Fig.... Sektmetode de örst sektes skärigspukt. Vi beteckr de sektes skärigspukt med -el. Upprepd pproimtio med sekter mell de två seste -värde ger upphov till itertiosormel sektmetode eg. the sect method i. sekttimeetelmä med två iitilvärde.. c och d.

37 . Ekvtioslösig - itertio 7 Ekvtioe löses geom tt utör itertiosormel.. upprepde gåger tills -värde ite mer örädrs. I igur.. ligger de två -värde i pre och så tt uktiosvärde och smt och hr olik örtecke. Dess pukter på gre ligger således på vr si sid om bskiss. Dett är ite ödvädigt ör sektmetodes uktio. De båd pukter som väds ör lijär pproimtio k lik väl ligg på smm sid om bskiss. Dett kommer äve tt häd i öljde itertio i igur.. då uktiosvärde och väds ör de lijär pproimtioe. Eempel... Bestäm e lösig till ekvtioe e med 5 sigiikt siror. Vi väljer 5 och 6 på bse v skisse i igur... Först itertioe ger e e 5 e Adr itertioe ger e e 6 e Ytterligre itertioer med sektmetode ger itertiosörloppet i tbelle till höger. Svret blir 567 med 5 sigiikt siror... Regul lsi Regul lsi är e vrit v sektmetode som k h e säkrre koverges ä sektmetode. Regul lsi kombierr itervllhlverigsmetode med sektmetode såtillvid tt sektmetodes ormel.. väds ör tt bestämm det -värdet i vrje itertio me som -värde väds det seste värde ör vilket uktiosvärdet hr motstt tecke mot uktiosvärdet. I regul lsi väds lltså lltid två pukter på vrsi sid om bskiss på gre v ör de lijär pproimtioe. Dett gör tt regul lsi i llmähet kovergerr lågsmmre ä sektmetode ill sektmetode kovergerr till rote. Me regul lsi kovergerr i viss ll där sektmetode ite kovergerr. Eempel... Bestäm e lösig till ekvtioe e med 5 sigiikt siror med regul lsi. Vi väljer 5 och 6. Först itertioe smmller med sektmetode. För de dr itertioe väljer vi i regul lsi så tt uktiosvärde 5 6 och hr olik örtecke och ör de tredje itertioe väljer vi och Itertiosörloppet viss i tbelle till höger

38 8. Ekvtioslösig - itertio.5 Newto-Rphso-metode Newto-Rphso-metode löser ekvtioe geom tt pproimer uktioe med lijär uktioer tgeter. Metode härleddes red i iledige vsitt.. Välj ett strtvärde. Vi pproimerr uktioe med dess tget i pukte se igur... Tgetes ekvtio är. Vi erhåller tgetes skärigspukt med -el geom tt sätt i tgetes ekvtio. Om vi beteckr skärigspukte med år vi uttrcket. är örhoppigsvis e bättre pproimtio till ekvtioes lösig ä iitilvärdet. Vi ortsätter med tt pproimer uktioe med dess tget i pukte och bestämmer skärigspukte ör de tgete med -el. Vi beteckr de skärigspukt med som lltså är öljde pproimtio till ekvtioes lösig. Upprepde pproimtioer v med tgete i de sest beräkde pukte bestämig v tgetes skärigspukt med -el och pproimtio v ekvtioes lösig med de sest beräkde skärigspukte ger oss Newto-Rphsos itertiosormel ör lösig v ekvtioe med ett iitilvärde c..5. Både Newto-Rphsos metod och sektmetode är ekl och eektiv itertiosmetoder. Vi k kostter öljde skillder. Newto-Rphsos metod väder sig v uktioes derivt med sektmetode väder sig ebrt v uktiosvärde. Dett betder tt sektmetode vlige är tt öredr ill vi ite ekelt k deriver uktioe. Emellertid är Newto-Rphsos metod ot eektivre ä sektmetode ill vi k utttj ett mtemtiskt uttrck ör uktioes derivt. Observer tt vi äve k väd Newto-Rphsos metod med pproimtiv värde på derivt t.e. geom tt pproimer derivt med diereskvoter ekv..5.. Figur.5.. Newto-Rphso-metode Eempel.5.. Bestäm e lösig till ekvtioe e med 5 sigiikt siror. Vi hr e och derivt ör de ktuell ekvtioe e. Newto-Rphsos itertiosormel blir

Matte C. Översikt. Funktioner. Derivatan. Användning av derivatan. Exponentialfunktionen. Logaritmiska funktioner. Geometriska summor

Matte C. Översikt. Funktioner. Derivatan. Användning av derivatan. Exponentialfunktionen. Logaritmiska funktioner. Geometriska summor Mtte C Översikt Fuktioer Poteslgr Potesuktioer Polomuktioer o Väde/vtgde uktio o M/mi pukter tersspukt o Tget Lösigsmetoder ör : grdre Rtioell uktioer Derivt Deiitio v derivt o Vis ör C Deriverigsregler:

Läs mer

Integraler. Integraler. Integraler. Integraler. Exempel (jfr lab) Integrering i Matlab. cos(3 xdx ) Från labben: Informationsteknologi

Integraler. Integraler. Integraler. Integraler. Exempel (jfr lab) Integrering i Matlab. cos(3 xdx ) Från labben: Informationsteknologi Itegrler Frå le: Itegrler Beräkigsveteskp I/KF Trpetsformel oc Simpsos formel Itegrler Itegrler Frå le: Frå le: Adptiv metod (dptiv Simpso) Lösig v itegrl i Mtl: är itegrde är kotiuerlig fuktio: väd itegrl.

Läs mer

1 Armin Halilovic: EXTRA ÖVNINGAR

1 Armin Halilovic: EXTRA ÖVNINGAR Armi Hlilovi: EXTRA ÖVNINGAR Tylors ormel TAYLORS FOREL Tylors ormel krig pukte Om uktioe oh dess + örst derivtor är kotiuerlig i det slut itervllet [, ] eller [,], dvs vi tillåter < då gäller. som ligger

Läs mer

vara en T- periodisk funktion som är integrerbar på intervallet ges av formlerna

vara en T- periodisk funktion som är integrerbar på intervallet ges av formlerna Armi Hlilovic: EXRA ÖVNINGAR FOURIERSERIER Deiitio (rigoometrisk serie Ett utryck v öljde orm [ cos( Ωx b si( Ω x är e trigoometrisk serie ] Amärkig: Först terme skriver vi som v prktisk skäl som vi örklrr

Läs mer

Taylors formel används bl. a. vid i) numeriska beräkningar ii) optimering och iii) härledningar inom olika tekniska och matematiska områden.

Taylors formel används bl. a. vid i) numeriska beräkningar ii) optimering och iii) härledningar inom olika tekniska och matematiska områden. Armi Hlilovic: EXRA ÖVNINGAR ylors ormelör evribeluktioer AYLORS FOREL FÖR FUNKIONER AV EN VARIABEL ylors ormel väds bl vid i umerisk beräkigr ii optimerig och iii härledigr iom olik tekisk och mtemtisk

Läs mer

Kompletterande material till kursen Matematisk analys 3

Kompletterande material till kursen Matematisk analys 3 Kompletterde mteril till kurse Mtemtisk lys 3 Augusti 2011 Adrzej Szulki 1 Supremum, ifimum och kotiuerlig fuktioer I ppedix A3 i [PB2] defiiers begreppe supremum och ifimum. mooto tlföljder är ekvivlet

Läs mer

11.7 Kortversion av Kapitel INTEGRALBEGREPPET

11.7 Kortversion av Kapitel INTEGRALBEGREPPET 498 11. INTEGRALBEGREPPET Defiitio 11.16 R är e obestämd itegrl. De beteckr e primitiv fuktio till f(x). Vi smmfttr skillder mell bestämd och obestämd itegrler: Obestämd itegrl: itegrle skr gräser. De

Läs mer

Rättande lärare: Niclas Hjelm & Sara Sebelius Examinator: Niclas Hjelm Datum: Tid:

Rättande lärare: Niclas Hjelm & Sara Sebelius Examinator: Niclas Hjelm Datum: Tid: TENTAMEN Kursummer: HF00 Mtemtik för bsår I Momet: TENA /TEN Progrm: Tekiskt bsår Rättde lärre: Nicls Hjelm & Sr Sebelius Emitor: Nicls Hjelm Dtum: Tid: 08-06-0 :00-7:00 Hjälpmedel: Formelsmlig: ISBN 978-9-7-779-8

Läs mer

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel. ÖPPNA OH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Någr viktig drgrdskurvor: irkel ellips hyperbel och prbel.. irkels ekvtio irkel med cetrum i och rdie hr ekvtioe pq O Amärkig. Edst

Läs mer

TNA001 Matematisk grundkurs Övningsuppgifter

TNA001 Matematisk grundkurs Övningsuppgifter TNA00 Matematisk grudkurs Övigsuppgiter Iehåll: Uppgit Uppgit 8 Uppgit 9 6 Uppgit 7 5 Uppgit 55 60 Facit sid. 8-0 Summor, Biomialsatse, Iduktiosbevis Ivers uktio Logaritmer, Expoetialuktioer Trigoometri

Läs mer

som är styckvis kontinuerlig och har styckvis kontinuerlig derivatan. Notera att f (x)

som är styckvis kontinuerlig och har styckvis kontinuerlig derivatan. Notera att f (x) Armi Hlilovic: EXRA ÖVNINGAR cosiusserier,siusserier SINUSSERIER OCH COSINUSSERIER I föregåede lektio (stecil om Fourierserier) hr vi vist hur m utvecklr e periodisk fuktio i e trigoometrisk serie K vi

Läs mer

EGENVÄRDEN och EGENVEKTORER

EGENVÄRDEN och EGENVEKTORER rmi Hliloic: EXTR ÖVNINGR EGENVÄRDEN och EGENVEKTORER Defiitio. Egeektor och egeärde för e lijär bildig Låt V r ett ektorrum och T : V V e lijär bildig frå V till V. Om det fis e ollskild ektor och e sklär

Läs mer

vara en funktion av n variabler som har kontinuerliga derivator av andra ordningen i närheten av punkten )

vara en funktion av n variabler som har kontinuerliga derivator av andra ordningen i närheten av punkten ) rmi Hliloi: EXTR ÖVNINGR Tlors ormel ör utioer ler riler TYLORS FORMEL FÖR FUNKTIONER V FLER VRIBLER PPROXIMTIONER FELNLYS --------------------------------------------------------------------------------------------

Läs mer

16.3. Projektion och Spegling

16.3. Projektion och Spegling 6.3 Projektio oh Speglig 67 6.3. Projektio oh Speglig Exempel 6.4. Bestäm mtrise för projektioe P v rmmet vikelrät mot plet W : x y z = 0. Bestäm okså ilde v svektorer e, e, e 3 oh w = e + e + 3e 3. (N-s.

Läs mer

f(x i ) Vi söker arean av det gråfärgade området ovan. Området begränsas i x-led av de två x-värdena där kurvan y = x 2 2x skär y = 0, d.v.s.

f(x i ) Vi söker arean av det gråfärgade området ovan. Området begränsas i x-led av de två x-värdena där kurvan y = x 2 2x skär y = 0, d.v.s. Dg. Remsummor och tegrler Rekommederde uppgfter 5.. Del upp tervllet [, 3] lk stor deltervll och väd rektglr med dess deltervll som bs för tt beräk re v området uder = +, över =, smt mell = och = 3. V

Läs mer

c k P ), eller R n max{ x k b dx def lim max n f ( def definition. [a,b] om

c k P ), eller R n max{ x k b dx def lim max n f ( def definition. [a,b] om RIEMANNSUMMOR OCH DEFINITIO ONEN AV INTEGRALI LEN f ( x) dx Låt f ( Låt P={xx 0,x 1,...,x } där = x 0 x 1,..., x = =, vr e idelig vv itervllet [,]. I vrje delitervll [x -1, x ] väljer och e put c. Alltså

Läs mer

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R. P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt

Läs mer

DIAGONALISERING AV EN MATRIS

DIAGONALISERING AV EN MATRIS Armi Hlilovic: ETRA ÖVNINGAR Digoliserig v e mtris DIAGONALISERING AV EN MATRIS Defiitio ( Digoliserbr mtris ) Låt A vr e vdrtis mtris dvs e mtris v typ. Mtrise A är digoliserbr om det fis e iverterbr

Läs mer

Kompletterande lösningsförslag och ledningar, Matematik 3000 kurs C, kapitel 1

Kompletterande lösningsförslag och ledningar, Matematik 3000 kurs C, kapitel 1 Kompletterde lösigsförslg oc ledigr, Mtemtik 000 kurs C, kpitel Här preseters förslg på lösigr oc tips till måg uppgifter i läroboke Mtemtik 000 kurs C Komvu som vi opps kommer tt vr till jälp är du rbetr

Läs mer

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom

Läs mer

I den här stencilen betraktar vi huvudsakligen reella talserie, dvs serier vars termer ak

I den här stencilen betraktar vi huvudsakligen reella talserie, dvs serier vars termer ak Armi Hlilovic: EXTRA ÖVIGAR SERIER (OÄDLIGA SUMMOR) Defiitio E serie är e summ v oädligt måg termer I de här stecile etrtr vi huvudslige reell tlserie, dvs serier vrs termer är reell tl (I slutet v stecile

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto Raphsos metod NEWTON-RAPHSONS METOD (e metod ör umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då

Läs mer

KVADRATISKA MATRISER, DIAGONALMATRISER, MATRISENS SPÅR, TRIANGULÄRA MATRISER, ENHETSMATRISER, INVERSA MATRISER

KVADRATISKA MATRISER, DIAGONALMATRISER, MATRISENS SPÅR, TRIANGULÄRA MATRISER, ENHETSMATRISER, INVERSA MATRISER rmi Hlilovi: EXR ÖVNINGR v Ivers mtriser KVDRISK MRISER, DIGONLMRISER, MRISENS SPÅR, RINGULÄR MRISER, ENHESMRISER, INVERS MRISER KVDRISK MRISER Defiitio E mtris me rer oh oloer, lls vrtis typ Defiitio

Läs mer

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio

Läs mer

INLEDNING: Funktioner (=avbildningar). Beteckningar och grundbegrepp

INLEDNING: Funktioner (=avbildningar). Beteckningar och grundbegrepp rmi Hliloic: EXR ÖVNINGR Lijär bildigr LINJÄR VBILDNINGR INLEDNING: Fktioer bildigr Beteckigr och grdbegrepp Defiitio E fktio eller bildig frå e mägd till e mägd B är e regel som till ågr elemet i ordr

Läs mer

Symmetriska komponenter, Enlinjediagram och Kortslutningsberäkningar

Symmetriska komponenter, Enlinjediagram och Kortslutningsberäkningar 0-0-8 F6: Per uit system ymmetris ompoeter, Elijedigrm och Kortslutigsberäigr t i Per uit (pu) beräigr Aväds ot iom elrtei och eletris drivsystem Ager impedser, strömmr och späigr som reltiv mått. viss

Läs mer

Analysens grunder. Tomas Ekholm Niklas Eriksen. Matematiska institutionen, 2001 Finansierat av Marianne och Marcus Wallenbergs Stiftelse

Analysens grunder. Tomas Ekholm Niklas Eriksen. Matematiska institutionen, 2001 Finansierat av Marianne och Marcus Wallenbergs Stiftelse VK Alyses gruder Toms Ekholm Nikls Erikse Mtemtisk istitutioe, 200 Fisiert v Mrie och Mrcus Wllebergs Stiftelse Grekisk lfbetet lf A α iot I ι rho P ρ bet B β kpp K κ sigm Σ σ gmm Γ γ lmbd Λ λ tu T τ delt

Läs mer

Räkning med potensserier

Räkning med potensserier Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som

Läs mer

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1. Lösigsförslag till tetamesskrivig i Matematik IV, 5B0 Torsdage de 6 maj 005, kl 0800-00 Hjälpmedel: BETA, Mathematics Hadbook Redovisa lösigara på ett sådat sätt att beräkigar och resoemag är lätta att

Läs mer

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

Svar till tentan

Svar till tentan UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Prov i matematik ES, K, KadKemi, STS, X ENVARIABELANALYS 0-03- Svar till teta 0-03-. Del A ( x Bestäm e ekvatio för tagete till kurva y = f (x =

Läs mer

FOURIERSERIER. Definition 1. (Trigonometrisk serie) Ett utryck av följande form. är en trigonometrisk serie.

FOURIERSERIER. Definition 1. (Trigonometrisk serie) Ett utryck av följande form. är en trigonometrisk serie. Armi Hlilovic: EXRA ÖVNINGAR FOURIERSERIER Deiiio. rigoomerisk serie E uryck v öljde orm [ cos x b si x ] är e rigoomerisk serie. Amärkig: Förs erme skriver vi som v prkisk skäl som vi örklrr ed. Deiiio.

Läs mer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren? Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok

Läs mer

är ett tal som betecknas det(a) eller Motivering: Determinanter utvecklades i samband med lösningsmetoder för kvadratiska linjära system.

är ett tal som betecknas det(a) eller Motivering: Determinanter utvecklades i samband med lösningsmetoder för kvadratiska linjära system. Armi Hlilovi: EXTRA ÖVNINGAR Determiter DETERMINANTER A Determiter v r orige Determite v e mtris A följe är ett tl som etes eta eller Eempel: 6. oh efiiers eligt Motiverig: Determiter utveles i sm me lösigsmetoer

Läs mer

n i 0 i x x i för k 1, 2,, n i 1 Något om några Grundbegrepp och Mathematica q i 1 q q 2 q n 1 qn 1 x a a,b n n k k n k n i 0 1 q

n i 0 i x x i för k 1, 2,, n i 1 Något om några Grundbegrepp och Mathematica q i 1 q q 2 q n 1 qn 1 x a a,b n n k k n k n i 0 1 q HH/ITE/BN Grudegrepp och Mthemtic Något om ågr Grudegrepp och Mthemtic Bertil Nilsso 08-08-5 p q p, q, q 0 i0 q i q q q q q k k k i0 i i för k,,,, siπ 0 \ i i c c i i, 0 Grudegrepp och Mthemtic HH/ITE/BN

Läs mer

1 av 12. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd:

1 av 12. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd: Armi Hlilovic: EXTRA ÖVNINGAR v Lijär ekvioem Guelimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekvioem med oek m m m m () m ekvioer: E lföljd (-ippel) är e löig ill eme om uiuioe ifierr

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

INTEGRALKRITERIET ( även kallas CAUCHYS INTEGRALKRITERIUM )

INTEGRALKRITERIET ( även kallas CAUCHYS INTEGRALKRITERIUM ) Armi Hlilovic: EXTA ÖVIGA Cuchys itegrlriterium ITEGALKITEIET ( äve lls CAUCHYS ITEGALKITEIUM ) POSITIVA SEIE Defiitio E serie är ositiv om 0 för ll Eftersom delsummor v e ositiv serie bildr e väde ositiv

Läs mer

Borel-Cantellis sats och stora talens lag

Borel-Cantellis sats och stora talens lag Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi

Läs mer

vara en funktion av n variabler som har kontinuerliga derivator av andra ordningen i en öppen omgivning D av punkten ) A =.

vara en funktion av n variabler som har kontinuerliga derivator av andra ordningen i en öppen omgivning D av punkten ) A =. rmi Hlilovi: EX ÖVNING lors ormel ör utioer v ler vriler v 9 YLOS FOMEL FÖ FUNKIONE V FLE VIBLE. PPOXIMIONE. FELNLYS. --------------------------------------------------------------------------------------------

Läs mer

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN Armi Halilovic: EXTRA ÖVNINGAR, SF7 LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN INLEDNING LINJÄRA DIFFERENTIAL EKVATIONER E DE är lijär om de är lijär med avseede å de obekata fuktioe oc dess derivator

Läs mer

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp) KTH-Matematik Tetameskrivig, 2008-0-0, kl. 4.00-9.00 SF625, Evariabelaalys för CITE(IT) och CMIEL(ME ) (7,5h) Prelimiära gräser. Registrerade å kurse SF625 får graderat betyg eligt skala A (högsta betyg),

Läs mer

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN 48 5 LINJER OCH PLAN 5. Lijer och pla 5.. Lijer Eempel 5.. Låt L ara e lije i rummet. Atag att P är e pukt på L och att L är parallell med e ektor, lijes riktigsektor. Då gäller att e pukt P ligger på

Läs mer

1 av 10. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd:

1 av 10. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd: Armi Hlilovic: EXTRA ÖVNINGAR v Lijär ekviosssem. Gusselimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekviosssem med oek m m m m ss) och m ekvioer: E lföljd -ippel) s s s är e lösig ill

Läs mer

Föreläsning 10: Kombinatorik

Föreläsning 10: Kombinatorik DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd

Läs mer

Integralen. f(x) dx exakt utan man får nöja sig med att beräkna

Integralen. f(x) dx exakt utan man får nöja sig med att beräkna CTH/GU STUDIO TMVb - / Mtemtisk vetenskper Integrlen Anlys och Linjär Algebr, del B, K/Kf/Bt Inledning Mn kn inte lltid bestämm integrler f() d ekt utn mn får nöj sig med tt beräkn pproimtioner. T.e. e

Läs mer

101. och sista termen 1

101. och sista termen 1 Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +

Läs mer

Lektionssammanfattning Syra-Bas-Jämvikter

Lektionssammanfattning Syra-Bas-Jämvikter Lektiossmmfttig SyrBsJämvikter Det fis ytterligre e typ v jämvikter som vi sk t upp i vi käer oss öjd. Nämlige Syrsjämvikter. De type v jämvikter väds huvudsklige för svg syror oh ser. Ett exempel på e

Läs mer

SYSTEM AV LINJÄRA DIFFERENTIALEKVATIONER GRUNDLÄGGANDE BEGREPP

SYSTEM AV LINJÄRA DIFFERENTIALEKVATIONER GRUNDLÄGGANDE BEGREPP Armi Hlilovic: ETRA ÖVNINGAR, SF676 Sysem v lijär DE Sid v 6 SYSTEM AV LINJÄRA DIFFERENTIALEKVATIONER GRUNDLÄGGANDE BEGREPP Iehåll: Mrisorm Begyelsevärdesprobleme Eises- och eydighessse ör lijär sysem

Läs mer

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Tetame i Lijär Algebra, SF164 14 december, 21. Kursexamiator: Sadra Di Rocco OBS! Svaret skall motiveras och lösige skrivas ordetligt och klart. Iga hjälpmedel är tillåta.

Läs mer

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl 1 Matematiska Istitutioe, KTH Tetame SF1633, Differetialekvatioer I, de 22 oktober 2018 kl 08.00-13.00. Examiator: Pär Kurlberg OBS: Iga hjälpmedel är tillåta på tetamesskrivige. För full poäg krävs korrekta

Läs mer

FORMELBLAD cos( ) cos cos. 21. sin( ) sin cos. 23. tan TRIGONOMETRISKA FUNKTIONER I RÄTVINKLIGA TRIANGLAR. Pytagoras sats:

FORMELBLAD cos( ) cos cos. 21. sin( ) sin cos. 23. tan TRIGONOMETRISKA FUNKTIONER I RÄTVINKLIGA TRIANGLAR. Pytagoras sats: TRIGONOMETRISKA FORMLER... si 0 si 6 FORMELBLAD HF700, Bggproduktio 6. si cos 7. si45 si 4 si( ) t( ), cos( ) cos( ) cot( ) si( ) 8. cos( ) coscos sisi si 60 si 4. 9. cos( ) coscos sisi cos 0 cos 6 5.

Läs mer

19 Integralkurvor, potentialer och kurvintegraler i R 2 och R 3

19 Integralkurvor, potentialer och kurvintegraler i R 2 och R 3 Nr9,3mj-5,Ameli 9 Integrlkurvor, potentiler och kurvintegrler i R och R 3 9. Integrlkurvor En integrlkurv r(t) ((t), (t)) till ett vektorfält F(, ) är en kurv där vektorfältet är en tngent till kurvn i

Läs mer

APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL

APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL Armi Halilovic: EXTRA ÖVNINGAR Approimatio av erie umma med e delumma APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL Låt vara e poitiv och avtagade utio ör åda att erie overgerar. Vi a

Läs mer

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL Fourierserie fortsättig Ortogoalitetsrelatioera och Parsevals formel Med hjälp av ortogoalitetsrelatioera Y Â m W t, Â W t ] =, m ¹, m = () där Xf, g\ = Ÿ T f HtL g HtL, där W ã p, ka ma bevisa följade

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Modul 5: Integrler Institutionen för mtemtik KTH 30 november 4 december Integrler Integrler är vd vi sk håll på med denn veck och näst. Vi kommer tt gör följnde: En definition v vd begreppet betyder En

Läs mer

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1 UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Svar till övigsteta ENVARIABELANALYS 0-0- Svar till övigsteta. Del A. Bestäm e ekvatio för tagete till kurva y f x) x 5 i pukte där x. Skissa kurva.

Läs mer

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1 duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a

Läs mer

(sys1) Definition1. Mängden av alla lösningar till ett ekvationssystem kallas systemets lösningsmängd.

(sys1) Definition1. Mängden av alla lösningar till ett ekvationssystem kallas systemets lösningsmängd. Armi Hlilovic: EXTRA ÖVNINGAR Lijär ekvioem. Guelimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekvioem med oek m m m m () och m ekvioer: E lföljd (-ippel) är e löig ill eme om uiuioe ifierr

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x) Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås

Läs mer

Några integraler. Kjell Elfström. x = f 1 (y) = arcsin y. . 1 y 2 Vi låter x och y byta roller och formulerar detta resultat som en sats: cos x = 1

Några integraler. Kjell Elfström. x = f 1 (y) = arcsin y. . 1 y 2 Vi låter x och y byta roller och formulerar detta resultat som en sats: cos x = 1 F r å g L u n d o m m t e m t i k Mtemtikcentrum Mtemtik NF Någr integrler Kjell Elfström Invers funktioner Om f är en funktion, och ekvtionen f() = till vrje V f hr en entdigt bestämd lösning D f, så

Läs mer

Kapitel 4.1. 4101, 4102, 4103, 4104 Exempel som löses i boken. = = = = 1. 4105 a) n a1 + a a a = = = = a a a

Kapitel 4.1. 4101, 4102, 4103, 4104 Exempel som löses i boken. = = = = 1. 4105 a) n a1 + a a a = = = = a a a Kompletterde löigförlg och ledigr, Mtemtik 000 kur C, kpitel Kpitel. 0, 0, 0, 0 Exempel om löe i boke. 0 ) 7 0 + + + 6 + 8 + 06 ) +, + 6 6 + + + 69 69 + +, + + 6 6+ 9 8+ + 07 Se boke ledig. Kotkt di lärre

Läs mer

FÖ 5: Kap 1.6 (fr.o.m. sid. 43) Induktionsbevis

FÖ 5: Kap 1.6 (fr.o.m. sid. 43) Induktionsbevis FÖ 5: K.6 fr.o.m. sid. Idutiosevis Fultet och iomiloefficieter Defiitio v! "-fultet" och iomiloefficieter " över " Disussio och evis v egeser.7 och.8. och.7 för ll =,,,...,.8 Av.8 följer t.e. tt, och Disussio

Läs mer

TENTAMEN. Tillämpad digital signalbehandling. Sven Knutsson. Typgodkänd räknare Sven Knutsson: Signalprocessorn ADSP-2105

TENTAMEN. Tillämpad digital signalbehandling. Sven Knutsson. Typgodkänd räknare Sven Knutsson: Signalprocessorn ADSP-2105 Istitutioe för dt- och eletrotei 4-8- TETAME KURSAM PROGRAM: m Eletroigejörslije å / läsperiod årsurs /läsperiod 4 KURSBETECKIG LET39 EAMIATOR Sve Kutsso TID FÖR TETAME Fredg 7 ugusti 4 l 3.3 7.3 HJÄLPMEDEL

Läs mer

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

Läs mer

Något om funktionsföljder/funktionsserier

Något om funktionsföljder/funktionsserier mtemtis metoder E, del D, FF Något om futiosföljder/futiosserier. Putvis och liformig overges Vi etrtr reellvärd futioer med gemesm defiitiosmägd D IR, M D. Me (äst) llt går helt logt för omplevärd futioer

Läs mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet? Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel

Läs mer

LINJÄR ALGEBRA II LEKTION 1

LINJÄR ALGEBRA II LEKTION 1 LINJÄR ALGEBRA II LEKTION JOHAN ASPLUND INNEHÅLL. VEKTORRUM OCH DELRUM Hel kursen Linjär Algebr II hndlr om vektorrum och hur vektorrum (eller linjär rum, som de iblnd klls) beter sig. Tidigre hr mn ntgligen

Läs mer

Digital signalbehandling Alternativa sätt att se på faltning

Digital signalbehandling Alternativa sätt att se på faltning Istitutioe för data- oc elektrotekik 2-2- Digital sigalbeadlig Alterativa sätt att se på faltig Faltig ka uppfattas som ett kostigt begrepp me adlar i grude ite om aat ä att utgåede frå e isigal x [],

Läs mer

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Lycka till! I(X i t) 1 om A 0 annars I(A) = Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys SF1625 Envribelnlys Föreläsning 13 Institutionen för mtemtik KTH 27 september 2017 SF1625 Envribelnlys Anmäl er till tentn Anmäl er till tentn nu. Det görs vi min sidor. Om det inte går, mejl studentexpeditionen

Läs mer

TILLÄMPNINGAR AV DIAGONALISERING Beräkning av potenser A n. Rekursiva samband (s.k. differensekvationer).

TILLÄMPNINGAR AV DIAGONALISERING Beräkning av potenser A n. Rekursiva samband (s.k. differensekvationer). rmi Hlilovic: ETR ÖVNINGR Tillämpigr v digoliserig TILLÄMPNINGR V DIGONLISERING Beräig v poteser. Reursiv smbd s.. differesevtioer. Beräig v poteser med hjälp v digoliserig Om mtrise är digoliserbr dvs

Läs mer

3 Signaler och system i tidsplanet Övningar 3.1 Skissa följande signalers tidsförlopp i lämpligt tidsintervall

3 Signaler och system i tidsplanet Övningar 3.1 Skissa följande signalers tidsförlopp i lämpligt tidsintervall Sigaler och sstem i tidsplaet. Skissa följade sigalers tidsförlopp i lämpligt tidsitervall a) 0 6 [ ] b) [ ] c) 07 [ ] 0 [ ] d) u [ ] e) 06u[ ] u[ ] [ ] f) r [ ] 0 r[ ] r[ ] r[ 6] 0 r[ 8] g) 08 cos π h)

Läs mer

RÄKNEOPERATIONER MED VEKTORER. LINJÄRA KOMBINATIONER AV VEKTORER. ----------------------------------------------------------------- Låt u vr en vektor med tre koordinter u. Vi säger tt u är tredimensionell

Läs mer

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x BERÄKNING AV GRÄNSVÄRDEN ( då ) MED HJÄLP AV MACLAURINUTVECKLING a) Maclauris formel ( ) f () f () f () f ( ) f () + f () + + + +!!! ( ) f ( c) där R och c är tal som ligger mella och ( + )! Amärkig Eftersom

Läs mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )

Läs mer

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}. rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.

Läs mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

Läs mer

Jag läser kursen på. Halvfart Helfart

Jag läser kursen på. Halvfart Helfart KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:

Läs mer

Sätra. Skärholmen. kurva. Sätraskogens naturreservat. vara minst 10 meter höga för att påverkan på närområdet ska bli liten.

Sätra. Skärholmen. kurva. Sätraskogens naturreservat. vara minst 10 meter höga för att påverkan på närområdet ska bli liten. Upprättd de 5 mj 2011 Arbetspl, Beskrivig, E4 Förbifrt Stockholm f å Sätr Sätr Sätrskoges turreservt Gåg- och cykelbro blir kvr i smm läge sv ä ge Skärhol msbäcke Sk ä rh ol m VA-sttio och mottgigssttio

Läs mer

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal.

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal. Komressorer F1 F Skillad mot fläktar: Betydade desitetsförädrig, ryk mäts ormalt som absolut totaltryk. vå huvudgruer av komressorer: Förträgigskomressorer urbokomressorer Egeskaer Lågt massflöde Höga

Läs mer

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b]. MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella

Läs mer

Uppgifter 3: Talföljder och induktionsbevis

Uppgifter 3: Talföljder och induktionsbevis Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e

Läs mer

TNA001- Matematisk grundkurs Tentamen Lösningsskiss

TNA001- Matematisk grundkurs Tentamen Lösningsskiss TNA00- Matematisk grudkurs Tetame 07-0- - Lösigsskiss. a) Svar: x ], [ [, [. 4x x + 4x 4x (x + ) 0 0 x x + x + x + 0 //Teckeschema// x ], [ [, [ b) I : x I : x I : x x x + = 4 = 4 Lösig sakas x + x + =

Läs mer

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl TEN HF9 Tetame i Matematik, HF9, Fredag september, kl. 8.. Udervisade lärare: Fredrik ergholm, Elias Said, Joas Steholm Eamiator: rmi Halilovic Hjälpmedel: Edast utdelat formelblad miiräkare är ite tillåte

Läs mer

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan Iledade matematisk aalys TATA79) Hösttermie 016 Föreläsigs- och lekiospla Föreläsig 1 Logik, axiom och argumet iom matematik, talbeteckigssystem för hetal, ratioella tal, heltalspoteser. Lektio 1 och Hadledigstillfälle

Läs mer

Definition 1 En funktion (eller avbildning ) från en mängd A till en mängd B är en regel som till några element i A ordnar högst ett element i B.

Definition 1 En funktion (eller avbildning ) från en mängd A till en mängd B är en regel som till några element i A ordnar högst ett element i B. Deinitionsmängd FUNKTIONER. DEFINITIONSMÄNGD OCH VÄRDEMÄNGD. Deinition En unktion (eller vbildning ) rån en mängd A till en mängd B är en regel som till någr element i A ordnr högst ett element i B. Att

Läs mer

Löpsedel: Integraler. Block 4: Integraler. Lärobok. Exempel (jfr lab) Exempel (jfr lab) Integrering i Matlab

Löpsedel: Integraler. Block 4: Integraler. Lärobok. Exempel (jfr lab) Exempel (jfr lab) Integrering i Matlab Löpsedel: Integrler Block : Integrler Grundidé, numerisk kvdrtur Noggrnnet, teoretiskt Prktisk feluppskttning med ricrdsonextrpoltion Adptiv kvdrtur Noggrnnet, inverkn v mätfel/vrundningsfel Lärook Kp

Läs mer

FAFF Johan Mauritsson 1. Geometrisk optik - reflektion och brytning. Våglära och optik. Geometrisk optik - reflektion och brytning

FAFF Johan Mauritsson 1. Geometrisk optik - reflektion och brytning. Våglära och optik. Geometrisk optik - reflektion och brytning Våglär och optik Geometrisk optik - relektio och rytig FFF30 JOHN MUITSSON Geometrisk optik system Geometrisk optik - relektio och rytig elektioslge rytigslge (Sell s lg) Totlrelektio 3 4 Ljusets utredig

Läs mer

Mängder i R n. Funktioner från R n till R p

Mängder i R n. Funktioner från R n till R p Kpitel 1 Mängder i R n. Funktioner från R n till R p 1.1. Euklidisk rummet R n : geometri Som vnligt betecknr vi med R n mängden v ll reell n-tiplr = ( 1, 2,..., n ) med origo (nollvektorn) = (,,...,)

Läs mer

b 1 och har för olika värden på den reella konstanten a.

b 1 och har för olika värden på den reella konstanten a. Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras

Läs mer

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6 SF69 - DIFFERENTIALEKVATIONER OCH TRANSFORMER II - ÖVNING 4 KARL JONSSON Iehåll. Egeskaper hos Fouriertrasforme. Kapitel 3: Z-Trasform.. Upp. 3.44a-b: Bestämig av Z-trasforme för olika talföljder.. Upp.

Läs mer

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas? Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har

Läs mer

TATA42: Föreläsning 4 Generaliserade integraler

TATA42: Föreläsning 4 Generaliserade integraler TATA42: Föreläsning 4 Generliserde integrler John Thim 5 november 28 Vi hr stött på begreppet tidigre när vi diskutert Riemnnintegrler i föregående kurs. Denn gång kommer vi lite mer tt fokuser på frågn

Läs mer

TATA42: Föreläsning 4 Generaliserade integraler

TATA42: Föreläsning 4 Generaliserade integraler TATA42: Föreläsning 4 Generliserde integrler John Thim 29 mrs 27 Vi hr stött på begreppet tidigre när vi diskutert Riemnnintegrler i föregående kurs. Denn gång kommer vi lite mer tt fokuser på frågn om

Läs mer

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har

Läs mer

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel

Läs mer

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2 Teta i MVE5/MVE95, Komplex (matematisk) aalys, F och TM/Kf 6, 8.3-.3 Hjälpmedel: Formelblad som delas ut av tetamesvaktera Telefovakt: Mattias Leartsso, 3-535 Betygsgräser: -9 (U), -9 (3), 3-39 (4), 4-5

Läs mer