ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
|
|
- Μέντωρ Ακρίδας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 2 η Σειρά Ασκήσεων Άσκηση 1. Δίνονται οι εξισώσεις: (k + k )x k x = 1000 k x + (k + k )x k x = 10 k x + (k + k )x k x = 20 k x + (k + k )x k x = 0 k x + (k + k )x k x = 12 k x + (k + k )x k x = 0 k x + (k + k )x k x = 0 k x + (k + k )x k x = 0 k x + (k + k )x k x = 0 k x + (k + k )x k x = 0 k x + (k + k )x k x = 15 k x + (k + k )x k x = 0 k x + k x = 50 Αν k = 6980, k = 6980, k = 5990, k = 153, k = 218, k = 407, k = 2448, k = 520, k = 1885, k = 3820, k = 6360, k = 6730 και k = Α. Να προσδιοριστούν τα x με τη χρήση του Mathematia. Β. Να γραφτεί πρόγραμμα σε Fortran για την αριθμητική επίλυση του παραπάνω συστήματος με τις παρακάτω μεθόδους: 1. Παραγοντοποίηση LU 2. Cholesky 3. Gauss-Seidel Για τις επαναληπτικές μεθόδους η επίλυση να γίνει με ακρίβεια 7 σημαντικών ψηφίων και σαν αρχική εκτίμηση να θεωρηθεί ότι x = 1,5 όπου i = 1,, 13. (Τα παραδοτέα θα είναι το πρόγραμμα για κάθε μέθοδο και τα αποτελέσματα που προκύπτουν). Α. Στο Mathematia η επίλυση του παραπάνω συστήματος γίνεται δίνοντας: N[LinearSolve[A,b]], όπου A το μητρώο των συντελεστών των αγνώστων και b το δεξιό μέλος. 1
2 Το αποτέλεσμα που προκύπτει είναι: {{ },{ },{ },{ },{1.0466},{1.2063},{ }, { },{ },{ },{ },{1.427},{ }}. Β. Παρακάτω φαίνεται ο πηγαίος κώδικας σε γλώσσα προγραμματισμού Fortran για τις διάφορες μεθόδους. Για κάθε μέθοδο, ο κώδικας γράφτηκε σε περιβάλλον linux (Ubuntu 10.4 LTS) και μεταγλωττίστηκε με τον ompiler gfortran έκδοση Στους πηγαίους κώδικες το μητρώο των συντελεστών των αγνώστων συμβολίζεται με a(n,n) και το δεξιό μέλος με b(n). 1. Παραγοντοποίηση LU Ο πηγαίος κώδικας είναι: program lu impliit none integer n parameter (n=13) double preision a(n,n),b(n) integer i,ipvt(n),info all initialization(n,a,b) all ludeomp(n,a,ipvt,info) all lusolve(n,a,b,ipvt,info) if (info.eq.0) then open(unit=15,file="lu.txt") write(15,*) " LU" write(15,50) write(15,*) " " write(15,100) i,b(i) do lose(15) if 50 format(2x,'i',10x,'xi') 100 format(i3,2x,f14.7) stop Η υπορουτίνα initialization δίνει τις αρχικές τιμές στο μητρώο των συντελεστών των αγνώστων και στο διάνυσμα στο δεξιό μέλος. subroutine initialization(n,a,b) impliit none 2
3 integer n,i,j double preision a(n,n),b(n) double preision k1,k2,k3,k4,k5,k6,k7 double preision k8,k9,k10,k11,k12,k13 do j=1,n a(i,j)=0.0d0 b(i)=0.0d0 matrix a k1=6980.0d0 k2=6980.0d0 k3=5990.0d0 k4=153.0d0 k5=218.0d0 k6=407.0d0 k7=2448.0d0 k8=520.0d0 k9=1885.0d0 k10=3820.0d0 k11=6360.0d0 k12=6730.0d0 k13=6220.0d0 row 1 a(1,1)=k1+k2; a(1,2)=-k2 row 2 a(2,1)=-k2; a(2,2)=k2+k3; a(2,3)=-k3 row 3 a(3,2)=-k3; a(3,3)=k3+k4; a(3,4)=-k4 row 4 a(4,3)=-k4; a(4,4)=k4+k5; a(4,5)=-k5 row 5 a(5,4)=-k5; a(5,5)=k5+k6; a(5,6)=-k6 row 6 a(6,5)=-k6; a(6,6)=k6+k7; a(6,7)=-k7 row 7 a(7,6)=-k7; a(7,7)=k7+k8; a(7,8)=-k8 row 8 a(8,7)=-k8; a(8,8)=k8+k9; a(8,9)=-k9 row 9 a(9,8)=-k9; a(9,9)=k9+k10; a(9,10)=-k10 row 10 a(10,9)=-k10; a(10,10)=k10+k11; a(10,11)=-k11 row 11 a(11,10)=-k11; a(11,11)=k11+k12; a(11,12)=-k12 row 12 a(12,11)=-k12; a(12,12)=k12+k13; a(12,13)=-k13 row 13 a(13,12)=-k13; a(13,13)=k13 3
4 right hand side vetor b b(1)=1000.0d0 b(2)=10.0d0 b(3)=20.0d0 b(5)=12.0d0 b(11)=15.0d0 b(13)=50.0d0 Στην υπορουτίνα ludeomp γίνεται η παραγοντοποίηση του μητρώου των συντελεστών των αγνώστων. Στην έξοδο, το μητρώο έχει το αποτέλεσμα της παραγοντοποίσης, δηλαδή τα τριγωνικά μητρώα L και U. subroutine ludeomp(n,a,ipvt,info) impliit none integer n,info double preision a(n,n) integer ipvt(n) double preision pivot,temp,work(n),s,maxvalue integer i,j,k,m,ip,itmp info=0 ipvt(i)=i work(i)=0.0d0 LU fatorization with partial pivoting do m=1,n find pivot ip=m maxvalue=0.0d0 do j=m,n s=0.0d0 do k=1,m-1 s=s+a(ipvt(j),k)*a(ipvt(k),m) work(ipvt(j))=a(ipvt(j),m)-s if ( dabs(work(ipvt(j))).gt.maxvalue ) then ip=j maxvalue=dabs(work(ipvt(j))) if 4
5 pivot=work(ipvt(ip)) if (dabs(pivot).lt.1.0d-15) then info=1 write(*,*) "Pivot equals zero" write(*,*) "LU deomposition an not ontinue" if itmp=ipvt(m) ipvt(m)=ipvt(ip) ipvt(ip)=itmp temp=work(m) work(m)=work(ip) work(ip)=temp a(ip,m)=a(m,m) a(m,m)=pivot ompute L and U do j=1,m-1 temp=a(m,j) a(m,j)=a(ip,j) a(ip,j)=temp do j=m+1,n temp=a(m,j) a(m,j)=a(ip,j) a(ip,j)=temp s=0.0d0 do k=1,m-1 s=s+a(m,k)*a(k,j) a(m,j)=a(m,j)-s a(j,m)=work(j)/a(m,m) Τέλος, η επίλυση του συστήματος, με την προς τα εμπρός και προς τα πίσω αντικατάσταση, γίνεται στην υπορουτίνα lusolve. Στην είσοδο, το διάνυσμα b έχει το δεξιό μέλος, ενώ στην έξοδο το αποτέλεσμα της επίλυσης, δηλαδή το διάνυσμα x. subroutine lusolve(n,a,b,ipvt,info) impliit none integer n,ipvt(n),info double preision a(n,n),b(n) 5
6 integer i,m,j double preision temp,s if (info.eq.1) forward substitution do i=2,n s=b(ipvt(i)) do j=1,i-1 s=s-a(i,j)*b(ipvt(j)) b(ipvt(i))=s bak substitution x(n)=b(ipvt(n))/a(n,n) do i=n-1,1,-1 s=b(ipvt(i)) do j=i+1,n s=s-a(i,j)*x(j) x(i)=s/a(i,i) b(i)=x(i) Το αποτέλεσμα της επίλυσης που προκύπτει για την παραγοντοποίηση LU είναι: LU i xi
7 2. Cholesky (LL T ) Το μητρώο των συντελεστών των αγνώστων είναι συμμετρικό και θετικά ορισμένο, οπότε εφαρμόζεται η μέθοδος Cholesky. Ο πηγαίος κώδικας είναι: program holesky impliit none integer n parameter (n=13) double preision a(n,n),b(n) integer i,info all initialization(n,a,b) all holeskydeomp(n,a,info) all holeskysolve(n,a,b,info) if (info.eq.0) then open(unit=15,file="holesky.txt") write(15,*) " Cholesky" write(15,50) write(15,*) " " write(15,100) i,b(i) do lose(15) if 50 format(2x,'i',10x,'xi') 100 format(i3,2x,f14.7) stop Η υπορουτίνα initialization παραμένει η ίδια και παραλείπεται ο πηγαίος της κώδικας. Στην υπορουτίνα holeskydeomp γίνεται ο υπολογισμός του κάτω τριγωνικού μητρώου L της μεθόδου Cholesky, το οποίο αποθηκεύεται στο μητρώο των συντελεστών των αγνώστων. subroutine holeskydeomp(n,a,info) impliit none integer n,info double preision a(n,n) double preision s,temp integer i,j,k info=0 7
8 s=0.0d0 do k=1,i-1 s=s+a(i,k)*a(i,k) temp=a(i,i)-s if ( temp.lt.0.0d0 )then write(*,*) "Matrix is not positive definite" write(*,*) "Cholesky fatorization an not ontinue" info=1 if a(i,i)=dsqrt(temp) if ( dabs(a(i,i)).le.1.0d-16 ) then write(*,*) "Divided by zero" write(*,*) "Cholesky fatorization an not ontinue" info=1 if ompute L(j,i), j=i+1(1)n do j=i+1,n s=0.0d0 do k=1,i-1 s=s+a(i,k)*a(j,k) a(j,i)=(a(j,i)-s)/a(i,i) Τέλος, η επίλυση του συστήματος γίνεται στην υπορουτίνα holeskysolve. Στην είσοδο, το διάνυσμα b περιέχει το δεξιό μέλος του συστήματος, ενώ στην έξοδο το αποτέλεσμα της επίλυσης, δηλαδή το διάνυσμα x. subroutine holeskysolve(n,a,b,info) impliit none integer n,info double preision a(n,n),b(n) integer i,j double preision s 8
9 if (info.eq.1) forward substitution s=b(i) do j=1,i-1 s=s-a(i,j)*b(j) b(i)=s/a(i,i) bakward substitution do i=n,1,-1 s=b(i) do j=i+1,n s=s-a(j,i)*b(j) b(i)=s/a(i,i) Το αποτέλεσμα της επίλυσης που προκύπτει για τη μέθοδο Cholesky είναι: Cholesky i xi Οι δύο μέθοδοι, που εφαρμόστηκαν μέχρι στιγμής για την επίλυση του γραμμικού συστήματος Ax = b ήταν άμεσες, δηλαδή η λύση βρέθηκε, χρησιμοποιώντας ακριβή αριθμητική, μετά από ένα πεπερασμένο πλήθος πράξεων. Στη συνέχεια, για την επίλυση του συστήματος των γραμμικών εξισώσεων, θα εφαρμοστεί μία επαναληπτική (έμμεση) μέθοδος. Η μέθοδος αυτή προσεγγίζει τη λύση ξεκινώντας με ένα αρχικό 9
10 διάνυσμα, που εκφράζει την αρχική προσέγγιση της λύσης, κατασκευάζει μία ακολουθία διανυσμάτων, η οποία σύμφωνα με ορισμένες προϋποθέσεις και με ακριβή αριθμητική συγκλίνει οριακά στην ακριβή λύση. Η μέθοδος βασίζεται στο ότι το μητρώο Α διασπάται και παίρνει την μορφή A = D L U. 3. Gauss-Seidel Η μέθοδος Gauss-Seidel ανήκει στις επαναληπτικές μεθόδους επίλυσης γραμμικών συστημάτων. Σε αυτή την περίπτωση θα πρέπει να εξεταστεί αν η μέθοδος συγκλίνει για το συγκεκριμένο σύστημα. Μία ικανή συνθήκη, για να επιτευχθεί σύγκλιση, είναι αν το μητρώο Α έχει αυστηρά διαγώνια κυριαρχία είτε κατά γραμμές είτε κατά στήλες, δηλαδή αν ισχύει a > a i = 1,, n Στην περίπτωσή μας δεν ικανοποιείται η συνθήκη αυτή, γιατί υπάρχουν γραμμές, όπως και στήλες, στις οποίες το διαγώνιο στοιχείο κατά απόλυτη τιμή είναι ίσο με το άθροισμα των απολύτων τιμών των υπολοίπων στοιχείων. Επομένως, προχωράμε να εξετάσουμε τη σύγκλιση με άλλη συνθήκη. Μία άλλη ικανή συνθήκη, που εξασφαλίζει σύγκλιση, είναι αν ισχύει: G < 1, όπου p = 1 ή. Στην παραπάνω ανισότητα, G είναι ο πίνακας επανάληψης και για τη μέθοδο Gauss-Seidel είναι ίσος με G = (D L) U. Ορίζοντας στο Mathematia τα μητρώα D, L και U, υπολογίζουμε το μητρώο G και δίνοντας στη συνέχεια N[Norm[G,1]] ή N[Norm[G, ]] προκύπτουν οι νόρμες του πίνακα επανάληψης G για p = 1 ή, αντίστοιχα. Οι νόρμες είναι ίσες με G = 1,80584 G = 0, οπότε δεν ικανοποιείται η συνθήκη. Επομένως, θα εξεταστεί αν ικανοποιείται η αναγκαία και ικανή συνθήκη για τη σύγκλιση. Η αναγκαία και ικανή συνθήκη για να συγκλίνει η επαναληπτική μέθοδος Gauss-Seidel είναι αν ισχύει: ρ(g) < 1, δηλαδή αν φασματική ακτίνα του πίνακα επανάληψης G είναι μικρότερη της μονάδας. Δίνοντας στο Mathematia N[Max[Abs[Eigenvalues[G]]]] προκύπτει ότι η φασματική ακτίνα του πίνακα επανάληψης G είναι ίση με 10
11 ρ(g) = 0, < 1. Συνεπώς, η μέθοδος Gauss-Seidel θα συγκλίνει. Ο πηγαίος κώδικας είναι: program gauss_seidel impliit none integer n parameter (n=13) double preision a(n,n),b(n),x(n),xold(n),tol integer i,maxiter,j,ionv,onvergene all initialization(n,a,b,x) maxiter=5000 tol=0.5d0*1.0d-7 do j=1,n xold(j)=x(j) open(unit=15,file="gauss_seidel.txt") write(15,*) "Gauss-Seidel" do i=1,maxiter all gsiter(n,a,b,x,xold) ionv=onvergene(n,x,xold,tol) if ( ionv.eq.1 ) then write(15,*) "Number of iterations:",i write(15,*) "Error:",tol exit else do j=1,n xold(j)=x(j) if write(15,*) " " write(15,50) write(15,*) " " write(15,100) i,x(i) do lose(15) 50 format(2x,'i',10x,'xi') 100 format(i3,2x,f14.7) 11
12 stop Στην υπορουτίνα initialization ορίζονται το μητρώο των συντελεστών των αγνώστων, το διάνυσμα b καθώς και η αρχική εκτίμηση x της λύσης. subroutine initialization(n,a,b,x) impliit none integer n,i,j double preision a(n,n),b(n),x(n) double preision k1,k2,k3,k4,k5,k6,k7 double preision k8,k9,k10,k11,k12,k13 do j=1,n a(i,j)=0.0d0 b(i)=0.0d0 x(i)=1.5d0 matrix a k1=6980.0d0 k2=6980.0d0 k3=5990.0d0 k4=153.0d0 k5=218.0d0 k6=407.0d0 k7=2448.0d0 k8=520.0d0 k9=1885.0d0 k10=3820.0d0 k11=6360.0d0 k12=6730.0d0 k13=6220.0d0 row 1 a(1,1)=k1+k2; a(1,2)=-k2 row 2 a(2,1)=-k2; a(2,2)=k2+k3; a(2,3)=-k3 row 3 a(3,2)=-k3; a(3,3)=k3+k4; a(3,4)=-k4 row 4 a(4,3)=-k4; a(4,4)=k4+k5; a(4,5)=-k5 row 5 a(5,4)=-k5; a(5,5)=k5+k6; a(5,6)=-k6 row 6 a(6,5)=-k6; a(6,6)=k6+k7; a(6,7)=-k7 row 7 a(7,6)=-k7; a(7,7)=k7+k8; a(7,8)=-k8 row 8 a(8,7)=-k8; a(8,8)=k8+k9; a(8,9)=-k9 12
13 row 9 a(9,8)=-k9; a(9,9)=k9+k10; a(9,10)=-k10 row 10 a(10,9)=-k10; a(10,10)=k10+k11; a(10,11)=-k11 row 11 a(11,10)=-k11; a(11,11)=k11+k12; a(11,12)=-k12 row 12 a(12,11)=-k12; a(12,12)=k12+k13; a(12,13)=-k13 row 13 a(13,12)=-k13; a(13,13)=k13 right hand side vetor b b(1)=1000.0d0 b(2)=10.0d0 b(3)=20.0d0 b(5)=12.0d0 b(11)=15.0d0 b(13)=50.0d0 Στην υπορουτίνα gsiter γίνεται η επανάληψη. subroutine gsiter(n,a,b,x,xold) impliit none integer n,i,j double preision a(n,n),b(n),x(n),xold(n),sum1,sum2 sum1=0.0d0 do j=1,i-1 sum1=sum1+a(i,j)*x(j) sum2=0.0d0 do j=i+1,n sum2=sum2+a(i,j)*xold(j) x(i)=(b(i)-sum1-sum2)/a(i,i) Στη συνάρτηση onvergene ελέγχεται το κριτήριο τερματισμού. integer funtion onvergene(n,x,xold,tol) 13
14 impliit none integer i,n double preision x(n),xold(n),tol,num,denom,temp num=0.0d0 temp=dabs(x(i)-xold(i)) if ( temp.gt.num ) num=temp denom=0.0d0 temp=dabs(x(i)) if ( temp.gt.denom ) denom=temp if ( (num/denom).le.tol ) then onvergene=1 tol=num/denom else onvergene=0 if Το αποτέλεσμα της επίλυσης που προκύπτει για την επαναληπτική μέθοδο Gauss-Seidel είναι: Gauss-Seidel Number of iterations: 3789 Error: E i xi
15 Άσκηση 2. Δίνεται το μη γραμμικό σύστημα εξισώσεων: 15x + y 4z = 13 x + 10y z = 11 y 25z = 22 Αν η αρχική εκτίμηση είναι (x, y, z ) = (1,1,1): A. Να επιλυθεί στο Mathematia. B. Να γραφτεί πρόγραμμα σε Fortran και να επιλυθεί αριθμητικά με τη μέθοδο Newton-Raphson για στάθμη ακρίβειας τουλάχιστον ίση με ε 10. Α. Η επίλυση του μη γραμμικού συστήματος εξισώσεων στο Mathematia γίνεται δίνοντας: FindRoot[{15x+y 2-4z-13==0,x 2 +10y-z-11==0, y 3-25z+22==0}, {x,1}, {y,1}, {z,1}, WorkingPreision->8] και υπολογίζεται: {x ,y ,z }. Β. Η αριθμητική επίλυση του μη γραμμικού συστήματος θα γίνει με εφαρμογή επαναληπτικής διαδικασίας Newton-Raphson. Σύμφωνα με τη διαδικασία αυτή, για κάθε επανάληψη i θα λύνεται ένα γραμμικό σύστημα της μορφής: όπου J ο Ιακωβιανός πίνακας, x η διόρθωση σε κάθε επανάληψη και f(x) το μη γραμμικό σύστημα. J x x = f x, Στην περίπτωση μας, ο Ιακωβιανός πίνακας είναι ίσος με: f x f J = x f x f y f y f y f z f 15 2y 4 z = 2x y 25 f z Παρακάτω φαίνεται ο πηγαίος κώδικας σε γλώσσα προγραμματισμού Fortran για την αριθμητική επίλυση του μη γραμμικού συστήματος με τη μέθοδο Newton-Rapshon. O κώδικας γράφτηκε σε περιβάλλον linux (Ubuntu 10.4 LTS) και μεταγλωττίστηκε με τον ompiler gfortran έκδοση Για την επίλυση του γραμμικού συστήματος εφαρμόστηκε η μέθοδος LU με τον αλγόριθμο, που παρουσιάστηκε στην προηγούμενη άσκηση. program newton_raphson impliit none integer n 15
16 parameter (n=3) double preision ja(n,n),f(n),x(n),xold(n),tol integer i,j,ipvt(n),info,maxiter,ionv,onvergene maxiter=100 tol=1.0d-07 x(1)=1.0d0 x(2)=1.0d0 x(3)=1.0d0 open(unit=15,file="nonlinear.txt") write(15,*) "Newton-Raphson" do i=1,maxiter all jaobian(n,x,ja) all righthand(n,x,f) all ludeomp(n,ja,ipvt,info) all lusolve(n,ja,f,ipvt,info) if (info.eq.0) then ionv=onvergene(n,f,tol) do j=1,n xold(j)=x(j) x(j)=xold(j)+f(j) if ( ionv.eq.1 ) then write(15,*) "Number of iterations:",i write(15,*) "Error:",tol exit if else exit if if (info.eq.0) then write(15,*) " " write(15,50) write(15,*) " " write(15,100) i,x(i) do if lose(15) 50 format(2x,'i',10x,'xi') 100 format(i3,2x,f14.7) stop 16
17 Η υπορουτίνα jaobian υπολογίζει τον Ιακωβιανό πίνακα του συστήματος, ενώ η υπορουτίνα righthand το δεξιό μέλος του προς επίλυση σε κάθε επανάληψη γραμμικού συστήματος. subroutine jaobian(n,x,ja) impliit none integer n double preision x(n),ja(n,n) ja(1,1)=15.0d0 ja(1,2)=2.0d0*x(2) ja(1,3)=-4.0d0 ja(2,1)=2.0d0*x(1) ja(2,2)=10.0d0 ja(2,3)=-1.0d0 ja(3,1)=0.0d0 ja(3,2)=3.0d0*x(2)*x(2) ja(3,3)=-25.0d0 subroutine righthand(n,x,f) impliit none integer n double preision x(n),f(n) f(1)=-( 15.0d0*x(1)+x(2)*x(2)-4.0d0*x(3)-13.0d0 ) f(2)=-( x(1)*x(1)+10.0d0*x(2)-x(3)-11.0d0 ) f(3)=-( x(2)*x(2)*x(2)-25.0d0*x(3)+22.0d0 ) Η συνάρτηση onvergene ελέγχει αν ικανοποιείται το κριτήριο τερματισμού. integer funtion onvergene(n,dx,tol) impliit none integer i,n double preision dx(n),tol,maxvalue,temp maxvalue=0.0d0 temp=dabs(dx(i)) if ( temp.gt.maxvalue ) maxvalue=temp if ( maxvalue.le.tol ) then 17
18 onvergene=1 tol=maxvalue else onvergene=0 if Ο κώδικας για τη μέθοδο LU είναι ο ίδιος που παρουσιάστηκε στην προηγούμενη άσκηση και παραλείπεται. Eπιλέγοντας σαν αρχική εκτίμηση: προκύπτει: x = (1 1 1) Newton-Raphson Number of iterations: 3 Error: E i xi
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2011-2012 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 2 η Σειρά Ασκήσεων 14.12.2011 Άσκηση 1. Στο επόμενο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2009-2010 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 2 η Σειρά Ασκήσεων 10.11.2009 Άσκηση 1. Στο παρακάτω
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2010-2011 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 3 η Σειρά Ασκήσεων 07.12.2010 Άσκηση 1. Δίνονται τα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2011-2012 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 1 η Σειρά Ασκήσεων 26.10.2011 Άσκηση 1. Να μετατραπεί
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2009-2010 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 1 η Σειρά Ασκήσεων 13.10.2009 Άσκηση 1. Δίνονται τα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2010-2011 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 1 η Σειρά Ασκήσεων 12.10.2010 Άσκηση 1. Να μετατρέψετε
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2009-2010 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 3 η Σειρά Ασκήσεων 08.12.2009 Άσκηση. Για τα παρακάτω
Διαβάστε περισσότεραΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης
ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2008-2009 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 14.10.2008 Να μετατραπεί ο αριθμός στο δυαδικό σύστημα.! " Ο αριθμός μετατρέπεται αρχικά
Διαβάστε περισσότεραΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης
ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, 2008-2009 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 07.01.2009 Δίνονται τα ακόλουθα ζεύγη τιμών: Να προσδιοριστεί πολυώνυμο παρεμβολής
Διαβάστε περισσότερα5269: Υπολογιστικές Μέθοδοι για Μηχανικούς Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων
5269: Υπολογιστικές Μέθοδοι για Μηχανικούς Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων http://ecourseschemengntuagr/courses/computational_methods_for_engineers/ Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων Γενικά:
Διαβάστε περισσότεραΠαράδειγμα #5 ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ & ΜΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΠΙΜΕΛΕΙΑ: Σ. Βαρούτης
Παράδειγμα #5 ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ & ΜΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΠΙΜΕΛΕΙΑ: Σ. Βαρούτης. Το παρακάτω αλγεβρικό τρι-διαγώνιο σύστημα έχει προκύψει από την επίλυση µιας συνήθους διαφορικής εξίσωσης που περιγράφει
Διαβάστε περισσότερα5269: Υπολογιστικές Μέθοδοι για Μηχανικούς Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων
5269: Υπολογιστικές Μέθοδοι για Μηχανικούς Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων http://ecourseschemengntuagr/courses/computational_methods_for_engineers/ Συστήματα Γραμμικών Αλγεβρικών Εξισώσεων Γενικά:
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Συστήματα Γραμμικών Εξισώσεων Εισαγωγή Σύστημα γραμμικών εξισώσεων a x a x a x b 11
Διαβάστε περισσότεραMatrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου
Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Περιεχόμενα παρουσίασης Πολλαπλασιασμός πίνακα με διάνυσμα Πολλαπλασιασμός πινάκων Επίλυση τριγωνικού
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 5 Ο ΕΞΑΜΗΝΟ, ΠΕΡΙΕΧΟΜΕΝΑ ΠΑΡΑΔΟΣΕΩΝ. Κεφ. 1: Εισαγωγή (διάρκεια: 0.5 εβδομάδες)
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 5 Ο ΕΞΑΜΗΝΟ, 2016-2017 ΠΕΡΙΕΧΟΜΕΝΑ ΠΑΡΑΔΟΣΕΩΝ Κεφ. 1: Εισαγωγή (διάρκεια: 0.5 εβδομάδες) Κεφ. 2: Επίλυση συστημάτων εξισώσεων (διάρκεια: 3 εβδομάδες) 2.1 Επίλυση εξισώσεων 2.2 Επίλυση
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότεραΕιδικά θέματα στην επίλυση
Ενότητα 5: Εισαγωγή Βασικές Έννοιες Ειδικά Θέματα Αριθμητικής Παραγώγισης Επίλυση Γραμμικών Συστημάτων Αλγεβρικών Εξισώσεων Φραγκίσκος Κουτελιέρης Πολυτεχνική Σχολή Τμήμα Χημικών Μηχανικών Ειδικά θέματα
Διαβάστε περισσότεραΜΑΣ 371: Αριθμητική Ανάλυση ΙI ΑΣΚΗΣΕΙΣ. 1. Να βρεθεί το πολυώνυμο Lagrange για τα σημεία (0, 1), (1, 2) και (4, 2).
ΜΑΣ 37: Αριθμητική Ανάλυση ΙI ΑΣΚΗΣΕΙΣ Να βρεθεί το πολυώνυμο Lagrage για τα σημεία (, ), (, ) και (4, ) Να βρεθεί το πολυώνυμο παρεμβολής Lagrage που προσεγγίζει τη συνάρτηση 3 f ( x) si x στους κόμβους
Διαβάστε περισσότεραβ) Με τη βοήθεια του αποτελέσµατος της απαλοιφής υπολογίστε την ορίζουσα του πίνακα του συστήµατος. x x = x
ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΤΟΥΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: Φεβρουάριος 5 ΜΑΘΗΜΑ: Αριθµητική Ανάλυση ΕΞΑΜΗΝΟ: ο Ι ΑΣΚΩΝ: Ε Κοφίδης Όλα τα ερωτήµατα είναι ισοδύναµα Καλή επιτυία! Θέµα ο α Χρησιµοποιείστε τη µέθοδο
Διαβάστε περισσότεραΚεφ. 2: Επίλυση συστημάτων εξισώσεων. 2.1 Επίλυση εξισώσεων
Κεφ. : Επίλυση συστημάτων εξισώσεων. Επίλυση εξισώσεων. Επίλυση συστημάτων με απευθείας μεθόδους.. Μέθοδοι Gauss, Gauss-Jorda.. Παραγοντοποίηση LU (ειδικές περιπτώσεις: Cholesky, Thomas).. Νόρμες πινάκων,
Διαβάστε περισσότεραΚεφ. 2: Επίλυση συστημάτων αλγεβρικών εξισώσεων. 2.1 Επίλυση απλών εξισώσεων
Κεφ. : Επίλυση συστημάτων αλγεβρικών εξισώσεων. Επίλυση απλών εξισώσεων. Επίλυση συστημάτων με απευθείας μεθόδους.. Μέθοδοι Gauss, Gauss-Jorda.. Παραγοντοποίηση LU (ειδικές περιπτώσεις: Cholesky, Thomas)..
Διαβάστε περισσότεραΜΕΜ251 Αριθμητική Ανάλυση
ΜΕΜ251 Αριθμητική Ανάλυση Διάλεξη 09, 9 Μαρτίου 2018 Μιχάλης Πλεξουσάκης Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Περιεχόμενα 1. Επαναληπτικές μέθοδοι 2. Θεωρία γενικών επαναληπτικών μεθόδων 3. Σύγκλιση
Διαβάστε περισσότεραΚεφ. 2: Επίλυση συστημάτων αλγεβρικών εξισώσεων. 2.1 Επίλυση απλών εξισώσεων
Κεφ. : Επίλυση συστημάτων αλγεβρικών εξισώσεων. Επίλυση απλών εξισώσεων. Επίλυση συστημάτων με απευθείας μεθόδους.. Μέθοδοι Gauss, Gauss-Jorda.. Παραγοντοποίηση LU ειδικές περιπτώσεις: Cholesky, Thomas..
Διαβάστε περισσότεραMatrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου
Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Περιεχόμενα παρουσίασης Πολλαπλασιασμός πίνακα με διάνυσμα Πολλαπλασιασμός πινάκων Επίλυση τριγωνικού
Διαβάστε περισσότερα3. Γραμμικά Συστήματα
3. Γραμμικά Συστήματα Ασκήσεις 3. Αποδείξτε ότι το γινόμενο δύο άνω τριγωνικών πινάκων είναι άνω τριγωνικός πίνακας. Επίσης, στην περίπτωση που ένας άνω τριγωνικός πίνακας U 2 R n;n είναι αντιστρέψιμος,
Διαβάστε περισσότεραΕπαναληπτικές μέθοδοι για την επίλυση γραμμικών συστημάτων. Μιχάλης Δρακόπουλος
Επαναληπτικές μέθοδοι για την επίλυση γραμμικών συστημάτων Μιχάλης Δρακόπουλος Σημειώσεις Αριθμητικής Γραμμικής Άλγεβρας 2012 2013 Εισαγωγή Στην αριθμητική επίλυση μαθηματικών εφαρμογών, όπως για παράδειγμα
Διαβάστε περισσότεραΚεφάλαιο 5ο: Εντολές Επανάληψης
Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 5ο: Εντολές Επανάληψης Η διαδικασία της επανάληψης είναι ιδιαίτερη συχνή, αφού πλήθος προβληµάτων µπορούν να επιλυθούν µε κατάλληλες
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί) ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 8 εκεµβρίου 04 Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί) εκεµβρίου
Διαβάστε περισσότεραΑριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2014 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2014 1 / 42 Αριθμητικές Μέθοδοι
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, , 5 Ο ΕΞΑΜΗΝΟ ΔΙΔΑΣΚΩΝ: Δ. Βαλουγεώργης Απαντήσεις: ΠΡΟΟΔΟΣ 1, Επιμέλεια λύσεων: Γιώργος Τάτσιος
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 6-7, 5 Ο ΕΞΑΜΗΝΟ ΔΙΔΑΣΚΩΝ: Δ. Βαλουγεώργης Απαντήσεις: ΠΡΟΟΔΟΣ, --6 Επιμέλεια λύσεων: Γιώργος Τάτσιος Άσκηση [] Επιλύστε με μία απευθείας μέθοδο διατηρώντας τρία σημαντικά ψηφία σε
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΜΑΘΗΜΑ 2 ο Μάθημα 2 ο Αριθμητική επίλυση εξισώσεων (μη γραμμικές) Μέθοδοι με διαδοχικές δοκιμές σε διάστημα (Διχοτόμησης, Regula-Falsi) Μέθοδοι με επαναληπτικούς
Διαβάστε περισσότεραΑριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Επιτάχυνση σύγκλισης των επαναληπτικών επιλύσεων Gauss-Seidel, κατά την προσομοίωση αναλογικών
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n
ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 3 Ο αλγόριθµος Gauss Eστω =,3,, µε τον όρο γραµµικά συστήµατα, εννοούµε συστήµατα εξισώσεων µε αγνώστους της µορφής: a x + + a x = b a x + + a x = b a
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 3: Περιγραφή αριθμητικών μεθόδων (συνέχεια)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ Διάλεξη 3: Περιγραφή αριθμητικών μεθόδων (συνέχεια) Χειμερινό εξάμηνο 2008 Προηγούμενη παρουσίαση... Εξετάσαμε
Διαβάστε περισσότεραΠαράδειγμα #4 EΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟΔΟΥΣ ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης
Παράδειγμα #4 EΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟΔΟΥΣ ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης Άσκηση Τα ισοζύγια μάζας του συστήματος διανομή ατμού σε μονάδα διυλιστηρίου δίνονται από τις παρακάτω
Διαβάστε περισσότεραΚεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών
Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών 7. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης) 7. Μέθοδος Euler 7.3
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΗ ΟΛΟΚΛΗΡΩΣΗ
ΑΡΙΘΜΗΤΙΚΗ ΟΛΟΚΛΗΡΩΣΗ Έστω ότι θέλουμε να υπολογίσουμε το ολοκλήρωμα: I F() x dx Η βασική ιδέα της αριθμητικής ολοκλήρωσης είναι ότι ψάχνουμε να βρούμε ένα πολυώνυμο Ρ(x) το οποίο: α) είναι μια καλή προσέγγιση
Διαβάστε περισσότεραΠροσεγγιστική λύση Γραμμικών Συστημάτων με την μέθοδο Gauss-Seidel. Δημιουργία κώδικα στο Matlab
Προσεγγιστική λύση Γραμμικών Συστημάτων με την μέθοδο Gauss-Seidel Δημιουργία κώδικα στο Matlab Χατζηγεωργίου Αντώνης Νοέμβριος 2013 Περιεχόμενα 1. Αρχικό πρόβλημα.... 3 2. Εφαρμογή της θεωρίας.... 4 3.
Διαβάστε περισσότεραΑριθµητική Ανάλυση. 27 Οκτωβρίου Αριθµητική Ανάλυση 27 Οκτωβρίου / 72
Αριθµητική Ανάλυση 7 Οκτωβρίου 06 Αριθµητική Ανάλυση 7 Οκτωβρίου 06 / 7 Επαναληπτικές Μέθοδοι για την επίλυση Γραµµικών Συστηµάτων ίνεται το γραµµικό σύστηµα Ax = b όπου A R n n είναι µη ιδιάζων πίνακας
Διαβάστε περισσότεραA Τελική Εξέταση του μαθήματος «Αριθμητική Ανάλυση» Σχολή Θετικών Επιστημών, Τμήμα Μαθηματικών, Πανεπιστήμιο Αιγαίου
A Τελική Εξέταση του μαθήματος «Αριθμητική Ανάλυση» Εξεταστική περίοδος Ιουνίου 6, Διδάσκων: Κώστας Χουσιάδας Διάρκεια εξέτασης: ώρες (Σε παρένθεση δίνεται η βαθμολογική αξία κάθε υπο-ερωτήματος. Σύνολο
Διαβάστε περισσότεραΣυνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών
Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών
Διαβάστε περισσότεραΑριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 4)
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 4) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Δρ. Δημήτρης Βαρσάμης Αριθμητικές Μέθοδοι (E 4) Σεπτέμβριος 2015
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, , 3 ο ΕΞΑΜΗΝΟ ΑΠΑΝΤΗΣΕΙΣ ΕΡΓΑΣΙΑΣ #1: ΑΡΙΘΜΗΤΙΚΗ ΚΙΝΗΤΗΣ ΥΠΟ ΙΑΣΤΟΛΗΣ ΚΑΙ ΡΙΖΕΣ ΕΞΙΣΩΣΕΩΝ ΕΠΙΜΕΛΕΙΑ: Σ.
ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 005-06, 3 ο ΕΞΑΜΗΝΟ ΑΠΑΝΤΗΣΕΙΣ ΕΡΓΑΣΙΑΣ #: ΑΡΙΘΜΗΤΙΚΗ ΚΙΝΗΤΗΣ ΥΠΟ ΙΑΣΤΟΛΗΣ ΚΑΙ ΡΙΖΕΣ ΕΞΙΣΩΣΕΩΝ ΕΠΙΜΕΛΕΙΑ: Σ. Βαρούτης. Πως ορίζεται και τι σηµαίνει ο όρος lop στους επιστηµονικούς υπολογισµούς.
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Εφαρμοσμένα Μαθηματικά ΙΙ Γραμμικά Συστήματα Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Γραμμικό Σύστημα a11x1 + a12x2 + + a1 nxn = b1 a x + a x + +
Διαβάστε περισσότεραΜΕΜ251 Αριθμητική Ανάλυση
ΜΕΜ251 Αριθμητική Ανάλυση Διάλεξη 06, 26 Φεβρουαρίου 2018 Μιχάλης Πλεξουσάκης Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Περιεχόμενα 1. Η ανάλυση LU 2. Η ανάλυση LDM T και η ανάλυση LDL T 3. Συμμετρικοί
Διαβάστε περισσότεραQR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1)
ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΟΛΟΓΙΣΜΟΣ I (22 Σεπτεµβρίου) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ 1ο ΘΕΜΑ 1. Αφού ορίσετε ακριβώς τι σηµαίνει πίσω ευσταθής υπολογισµός, να εξηγήσετε αν ο υ- πολογισµός του εσωτερικού γινοµένου δύο διανυσµάτων
Διαβάστε περισσότεραΕπίλυση Γραµµικών Συστηµάτων
Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n
Διαβάστε περισσότεραΠαναγιώτης Ψαρράκος Αν. Καθηγητής
Ανάλυση Πινάκων Κεφάλαιο 2: Παραγοντοποίηση LU Παναγιώτης Ψαρράκος Αν Καθηγητής ΔΠΜΣ Εφαρμοσμένες Μαθηματικές Επιστήμες Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Τομέας Μαθηματικών Εθνικό Μετσόβιο
Διαβάστε περισσότεραΠαράδειγμα #3 EΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΑΠΕΥΘΕΙΑΣ ΜΕΘΟΔΟΥΣ Επιμέλεια: Ν. Βασιλειάδης
Παράδειγμα #3 EΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΑΠΕΥΘΕΙΑΣ ΜΕΘΟΔΟΥΣ Επιμέλεια: Ν. Βασιλειάδης Άσκηση 1 Τα ισοζύγια μάζας του συστήματος διανομής ατμού σε μονάδα διυλιστηρίου δίνονται από τις παρακάτω
Διαβάστε περισσότεραΆσκηση 1. Α. Υπολογίστε χωρίς να εκτελέσετε κώδικα FORTRAN τα παρακάτω: Ποιά είναι η τελική τιμή του Z στα παρακάτω κομμάτια κώδικα FORTRAN:
Άσκηση 1 Α. Υπολογίστε χωρίς να εκτελέσετε κώδικα FORTRAN τα παρακάτω: Ποιά είναι η τελική τιμή του J στα παρακάτω κομμάτια κώδικα FORTRAN: INTEGER J J = 5 J = J + 1 J = J + 1 INTEGER X, Y, J X = 2 Y =
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: μέθοδοι μονοδιάστατης ελαχιστοποίησης Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 6 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραD = / Επιλέξτε, π.χ, το ακόλουθο απλό παράδειγμα: =[IA 1 ].
4. Φυλλάδιο Ασκήσεων IV σύντομες λύσεις, ενδεικτικές απαντήσεις πολλαπλής επιλογής 4.. Άσκηση. Χρησιμοποιήστε τη διαδικασία Gauss-Jordan γιά να βρείτε τους αντιστρόφους των παρακάτω πινάκων, αν υπάρχουν.
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΚΕΦΑΛΑΙΟ IV ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ IV. Γενικές επαναληπτικές µέθοδοι Όπως είδαµε η ανάλυση της µεθόδου Guss έδειξε ότι η υπολογιστική προσπάθεια της µεθόδου για τη λύση ενός
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΜΗΧΑΝΙΚΗΣ ΕΦΑΡΜΟΓΕΣ ΜΕ ΧΡΗΣΗ MATLAB ΔΕΥΤΕΡΗ ΕΚΔΟΣΗ [ΒΕΛΤΙΩΜΕΝΗ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗ]
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΜΗΧΑΝΙΚΗΣ ΕΦΑΡΜΟΓΕΣ ΜΕ ΧΡΗΣΗ MATLAB ΔΕΥΤΕΡΗ ΕΚΔΟΣΗ [ΒΕΛΤΙΩΜΕΝΗ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗ] Συγγραφείς ΝΤΑΟΥΤΙΔΗΣ ΠΡΟΔΡΟΜΟΣ Πανεπιστήμιο Minnesota, USA ΜΑΣΤΡΟΓΕΩΡΓΟΠΟΥΛΟΣ ΣΠΥΡΟΣ Αριστοτέλειο
Διαβάστε περισσότεραΦΑΙΝΟΜΕΝΑ ΜΕΤΑΦΟΡΑΣ ΙΙ ΜΕΤΑΦΟΡΑ ΘΕΡΜΟΤΗΤΑΣ ΚΑΙ ΜΑΖΑΣ
ΦΑΙΝΟΜΕΝΑ ΜΕΤΑΦΟΡΑΣ ΙΙ ΜΕΤΑΦΟΡΑ ΘΕΡΜΟΤΗΤΑΣ ΚΑΙ ΜΑΖΑΣ Διδάσκων: Παπασιώπη Νυμφοδώρα Αναπληρώτρια Καθηγήτρια Ε.Μ.Π. Ενότητα 5 η : Διδιάστατη και τριδιάστατη αγωγή θερμότητας Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΜάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Διάλεξη 3: Βασικές τεχνικές επίλυσης γραμμικών συστημάτων Μάθημα Επιλογής 8 ου εξαμήνου
Διαβάστε περισσότεραΕπίλυση ελλειπτικών διαφορικών εξισώσεων με πεπερασμένες διαφορές
Επίλυση ελλειπτικών διαφορικών εξισώσεων με πεπερασμένες διαφορές Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ Δημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο
Διαβάστε περισσότεραΛύσεις ασκήσεων Άσκηση 1: Cengel and Ghajar, Κεφάλαιο 13: Προβλήματα και
ΕΦΑΡΜΟΓΕΣ ΜΕΤΑΔΟΣΗΣ ΘΕΡΜΟΤΗΤΑΣ Διδάσκων: Δ. Βαλουγεώργης, Εαρινό εξάμηνο 05-06 ΕΡΓΑΣΙΑ #: Μετάδοση θερμότητας με ακτινοβολία Ημερομηνία ανάρτησης εργασίας στην ιστοσελίδα του μαθήματος: 0-03-06 Ημερομηνία
Διαβάστε περισσότεραΤμήμα Φυσικής Πανεπιστημίου Κύπρου Εαρινό Εξάμηνο 2015/2016. ΦΥΣ145 Υπολογιστικές Μέθοδοι στην Φυσική
Τμήμα Φυσικής Πανεπιστημίου Κύπρου Εαρινό Εξάμηνο 2015/2016 Διδάσκoντες: Χαράλαμπος Παναγόπουλος, Μάριος Κώστα Βαθμός: Όνομα: Α.Δ.Τ.:... ΕΝΔΙΑΜΕΣΗ ΕΞΕΤΑΣΗ 24/03/2016 Άσκηση 1 (1 μονάδα) Ποιο είναι το αποτέλεσμα
Διαβάστε περισσότεραΜΑΣ 371: Αριθμητική Ανάλυση ΙI ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ. 1. Να βρεθεί το πολυώνυμο παρεμβολής Lagrange για τα σημεία (0, 1), (1, 2) και (4, 2).
ΜΑΣ 7: Αριθμητική Ανάλυση ΙI ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ Να βρεθεί το πολυώνυμο παρεμβολής Lagrage για τα σημεία (, ), (, ) και (4, ) Λύση: Για τα σημεία x, x, x 4, y, y, y υπολογίζουμε x x x x () x x x x x x 4 L
Διαβάστε περισσότεραπεπερασμένη ή Η αναλυτική λύση της διαφορικής εξίσωσης δίνεται με τη βοήθεια του Mathematica: DSolve u'' r 1 u' r 1, u 1 0, u' 0 0,u r,r
Άσκηση : πρόκειται για ΣΔΕ δύο οριακών τιμών με εφαρμογή του αλγόριθμου Thomas για επίλυση τριγωνικού συστήματος Έχουμε να επιλύσουμε την εξίσωση: du du u dr r dr με οριακές συνθήκες u () 0 και u(0) πεπερασμένη
Διαβάστε περισσότεραΠιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.
i Π Ρ Ο Λ Ο Γ Ο Σ Το βιβλίο αυτό αποτελεί μια εισαγωγή στα βασικά προβλήματα των αριθμητικών μεθόδων της υπολογιστικής γραμμικής άλγεβρας (computational linear algebra) και της αριθμητικής ανάλυσης (numerical
Διαβάστε περισσότεραΠίνακας Περιεχομένων
Πίνακας Περιεχομένων Πρόλογος... 11 Κεφάλαιο 1o: Εισαγωγικά... 15 1.1 Με τι ασχολείται η Αριθμητική Ανάλυση... 15 1.2 Πηγές Σφαλμάτων... 17 1.2.1 Εισόδου... 17 1.2.2 Αριθμητικής Υπολογιστών... 18 1.2.3
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: βελτιστοποίηση χωρίς περιορισμούς Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 7-8 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΚεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών
Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης). Μέθοδος Euler 3. Μέθοδοι
Διαβάστε περισσότεραΘΕΜΑΤΑ ΕΞΕΤΑΣΗΣ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ:
ΘΕΜΑΤΑ ΕΞΕΤΑΣΗΣ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: Ιανουάριος-Φεβρουάριος 7 ΜΑΘΗΜΑ: Αριθµητική Ανάλυση ΕΞΑΜΗΝΟ: ο Ι ΑΣΚΩΝ: Ε Κοφίδης Όλα τα ερωτήµατα είναι ισοδύναµα Καλή επιτυχία! Θέµα ο α Χρησιµοποιείστε
Διαβάστε περισσότεραΠίνακες. FORTRAN και Αντικειμενοστραφής Προγραμματισμός
Πίνακες (i) Δομημένη μεταβλητή: αποθηκεύει μια συλλογή από τιμές δεδομένων Πίνακας (array): δομημένη μεταβλητή που αποθηκεύει πολλές τιμές του ίδιου τύπου INTEGER:: pinakas(100)ή INTEGER, DIMENSION(100)::pinakas
Διαβάστε περισσότεραΠαραδείγματα Απαλοιφή Gauss Απαλοιφή Gauss Jordan
Παραδείγματα Απαλοιφή Gauss Απαλοιφή Gauss Jodan Παράδειγμα x y Να επιλυθεί το ακόλουθο σύστημα: x y 6 Σε μορφή πινάκων το σύστημα γράφεται ως: x y 6 με απαλοιφή Gauss. Ο επαυξημένος πίνακας του συστήματος
Διαβάστε περισσότεραΤμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Στόχοι Εργαστηρίου ημιουργία Τυχαίων Βέλτιστων Γ.Π. Περιγραφή μεθόδου για δημιουργία βέλτιστων
Διαβάστε περισσότεραΠαράδειγμα #4 ΑΛΓΕΒΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ
Παράδειγμα #4 ΑΛΓΕΒΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ Επιμέλεια: ΓΙΑΝΝΗΣ ΛΥΧΝΑΡΟΠΟΥΛΟΣ Άσκηση 1 Τα ισοζύγια µάζας του συστήµατος διανοµής ατµού σε µονάδα διυλιστηρίου δίνονται από τις παρακάτω εξισώσεις: 181.60
Διαβάστε περισσότεραΕπίλυση ενός τριδιαγώνιου γραµµικού συστήµατος Ax = d µε τη µέθοδο απαλοιφής του Gauss (µέθοδος του Thomas)
Επίλυση ενός τριδιαγώνιου γραµµικού συστήµατος Ax = d µε τη µέθοδο απαλοιφής του Gauss (µέθοδος του Thomas) Εστω το ακόλουθο n n τριδιαγώνιο γραµµικό σύστηµα Ax = d A = b 1 c 1 a 2 b 2 c 2 0 a 3 b 3 c
Διαβάστε περισσότεραΣΥΓΚΡΙΣΗ ΑΛΓΟΡΙΘΜΩΝ ΑΡΙΘΜΗΤΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΚΑΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΚΑΙ ΜΗ-ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ: ΧΡΗΣΗ ΤΟΥ MATLAB
Π Π Σ Θ Ε Δ Π Μ Σ Μ Υ Α ΣΥΓΚΡΙΣΗ ΑΛΓΟΡΙΘΜΩΝ ΑΡΙΘΜΗΤΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΚΑΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΚΑΙ ΜΗ-ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ: ΧΡΗΣΗ ΤΟΥ MATLAB Δ Ε Γ Κ. Ζ Ε Θ Γ Α Κ ΑΥΓΟΥΣΤΟΣ 07, ΠΑΤΡΑ Π Π Σ Θ Ε Δ Π Μ Σ
Διαβάστε περισσότεραΕπιστηµονικός Υπολογισµός Ι Ενότητα 5 - Επίλυση Γραµµικών Συστηµάτων. Ευστράτιος Γαλλόπουλος
Ενότητα 5 - Επίλυση Γραµµικών Συστηµάτων Ευστράτιος Γαλλόπουλος Ασκηση 1 Εστω ένα µητρώο A το οποίο χρησιµοποιούµε και µητρώο συντελεστών κάποιου γραµµικού συστήµατος A x = b 1.Πώς ϑα λύνατε το γραµµικό
Διαβάστε περισσότερατην κεντρώα έκφραση πεπερασμένων διαφορών 2 ης τάξης και για τη παράγωγο f την ανάδρομη έκφραση πεπερασμένων διαφορών 2 ης τάξης xxx
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 0-0, Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΑΡΙΘΜΗΤΙΚΗ ΠΑΡΑΓΩΓΙΣΗ και ΟΛΟΚΛΗΡΩΣΗ Ημερομηνία παράδοσης --0 Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος ΑΣΚΗΣΗ Με βάση τη σειρά Taylor βρείτε για τη παράγωγο
Διαβάστε περισσότεραΦΥΣ 145 Μαθηματικές Μέθοδοι στη Φυσική. Γράψτε το ονοματεπώνυμο και αριθμό ταυτότητάς σας στο πάνω μέρος της αυτής της σελίδας.
ΦΥΣ 145 Μαθηματικές Μέθοδοι στη Φυσική Πρόοδος 13 Μαρτίου 006 Ομάδα 1 η Γράψτε το ονοματεπώνυμο και αριθμό ταυτότητάς σας στο πάνω μέρος της αυτής της σελίδας. Πρέπει να απαντήσετε και στα 6 προβλήματα
Διαβάστε περισσότεραΜόρφωση του συστήματος εξισώσεων. Επίλυση και επεξεργασία των αποτελεσμάτων
Κεφάλαιο 4 Μόρφωση του συστήματος εξισώσεων. Επίλυση και επεξεργασία των αποτελεσμάτων Στο παρόν κεφάλαιο περιγράφεται η διαδικασία με την οποία γίνεται η μεταφορά από το τοπικό στο συνολικό μητρώο δυσκαμψίας,
Διαβάστε περισσότεραιδάσκοντες :Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής,Τµήµα Β (Περιττοί) : Αριθµητική Επίκ.
Αριθµητική Ανάλυση ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ Μαρτίου 00 ιδάσκοντες:τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής,Τµήµα Β Αριθµητική
Διαβάστε περισσότεραΠίνακας Περιεχομένων
Πίνακας Περιεχομένων Πρόλογος... 13 Πρώτο Μέρος: Γενικές Έννοιες Κεφάλαιο 1 ο : Αλγοριθμική... 19 1.1 Περιγραφή Αλγορίθμου... 19 1.2. Παράσταση Αλγορίθμων... 21 1.2.1 Διαγράμματα Ροής... 22 1.2.2 Ψευδογλώσσα
Διαβάστε περισσότεραΕπιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και 31 Μαρτίου Ηµι-Επαναληπτικές Μέθοδο / 17
Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα) Επαναληπτικές µέθοδοι και Ηµι-Επαναληπτικές Μέθοδοι Πανεπιστήµιο Αθηνών 31 Μαρτίου 2017 Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΤμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΠΙΝΑΚΕΣ. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΠΙΝΑΚΕΣ Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD ΕΙΣΑΓΩΓΗ Οι πίνακες είναι συλλογές δεδομένων που μοιράζονται τα ίδια χαρακτηριστικά.
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δ.Π.Θ. - Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2016-2017 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Διαβάστε περισσότεραi. Επιλύστε με απαλοιφή Gauss μερικής οδήγησης το σύστημα:
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 04 0, Ο ΕΞΑΜΗΝΟ ΑΠΑΝΤΗΣΕΙΣ ΕΡΓΑΣΙΑ #: ΕΠΙΛΥΣΗ ΣΥΣΤΗΜΑΤΩΝ ΕΞΙΣΩΣΕΩΝ Ημερομηνία ανάρτησης εργασίας στην ιστοσελίδα του μαθήματος: 8 0 04 Ημερομηνία παράδοσης εργασίας: 0 04 Επιμέλεια
Διαβάστε περισσότεραΥΠΟΛΟΓΙΣΤΕΣ Ι. Τι είναι μια υπορουτίνα; με υπορουτίνα ΥΠΟΡΟΥΤΙΝΕΣ. Παράδειγμα #1: η πράξη SQ. Ποια η διαφορά συναρτήσεων και υπορουτίνων;
ΥΠΟΛΟΓΙΣΤΕΣ Ι Τι είναι μια υπορουτίνα; ΥΠΟΡΟΥΤΙΝΕΣ Μια ομάδα εντολών, σχεδιασμένη να εκτελεί έναν ή περισσότερους υπολογισμούς Ιδανικές για περιπτώσεις που ο υπολογισμός επαναλαμβάνεται πολλές φορές μέσα
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότερα8 FORTRAN 77/90/95/2003
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: Εισαγωγή... 17 1.1. Ανασκόπηση της ιστορίας των υπολογιστών... 18 1.2. Πληροφορία και δεδομένα... 24 1.3. Ο Υπολογιστής... 26 1.4. Δομή και λειτουργία του υπολογιστή... 28 1.5.
Διαβάστε περισσότεραΤμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΠΙΝΑΚΕΣ. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΠΙΝΑΚΕΣ Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD ΕΙΣΑΓΩΓΗ Οι πίνακες είναι συλλογές δεδομένων που μοιράζονται τα ίδια χαρακτηριστικά.
Διαβάστε περισσότεραΕπιστηµονικός Υπολογισµός Ι
Επιστηµονικός Υπολογισµός Ι Ενότητα 5 : Επίλυση Γραµµικών Συστηµάτων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δ.Π.Θ. - Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2018-2019 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Διαβάστε περισσότεραΑριθμητική Ανάλυση & Εφαρμογές
Αριθμητική Ανάλυση & Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Υπολογισμοί και Σφάλματα Παράσταση Πραγματικών Αριθμών Συστήματα Αριθμών Παράσταση Ακέραιου
Διαβάστε περισσότεραNon Linear Equations (2)
Non Linear Equations () Τρίτη, 17 Φεβρουαρίου 015 5:14 μμ 15.0.19 Page 1 15.0.19 Page 15.0.19 Page 3 15.0.19 Page 4 15.0.19 Page 5 15.0.19 Page 6 15.0.19 Page 7 15.0.19 Page 8 15.0.19 Page 9 15.0.19 Page
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Εφαρμοσμένα Μαθηματικά ΙΙ Πίνακες Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Πίνακες Μητρώα Πίνακας: Ορθογώνια διάταξη αριθμών σε γραμμές και στήλες
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Ολοκλήρωση Εισαγωγή Έστω ότι η f είναι μία φραγμένη συνάρτηση στο πεπερασμένο
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δ.Π.Θ. - Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2017-2018 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Διαβάστε περισσότεραΠαρουσίαση συλλογών υποπρογραμμάτων για γραμμική άλγεβρα: blas lapack
Παρουσίαση συλλογών υποπρογραμμάτων για γραμμική άλγεβρα: blas lapack Σταμάτης Σταματιάδης Τμήμα Επιστήμης και Τεχνολογίας Υλικών, Πανεπιστήμιο Κρήτης blas Basic Linear Algebra Subprograms Υποπρογράμματα
Διαβάστε περισσότεραΑριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων
ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ Καθηγητής κ. Σ. Νατσιάβας Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων Στοιχεία Φοιτητή Ονοματεπώνυμο: Νατσάκης Αναστάσιος Αριθμός Ειδικού Μητρώου:
Διαβάστε περισσότεραΧ. Α. Αλεξόπουλος. Τµήµα Μηχ. Η/Υ και Πληροφορικής Πανεπιστήµιο Πατρών
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΥΛΟΠΟΙΗΣΗΣ Χ. Α. Αλεξόπουλος Τµήµα Μηχ. Η/Υ και Πληροφορικής Πανεπιστήµιο Πατρών Πάτρα 2014 Αφιερωµένο σε δύο εκλεκτούς ανθρώπους, πανεπιστηµιακούς δασκάλους
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότερα