Παράδειγμα #4 ΑΛΓΕΒΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ
|
|
- Ἰσμήνη Παπάγος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 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: x x 4 x 5 = x 3 x 6 = x 7 = 61.2 x 5 + x 7 x 8 x 9 x 10 + x 2 = 99.1 x 8 + x 9 +x 10 + x 11 x 12 x 13 = 8.4 x 6 x 2 = (181.60) + x 3 x 6 +x 12 +x 1 = x x 1 = (181.60) + x 11 = (181.60) + x 4 = 0 x x 1 = 0 x x 14 = (181.60) + x 9 = 0 x 12 x 14 + x 1 = 97.9 Τα έχουν µονάδες σε 1000 kg/hr. Οι εξισώσεις (1-14) αντιστοιχούν σε ισοζύγια µάζας στις συσκευές: Header 680-psia, De-super heater, Alternator turbine, Header 170-psia, Header 37-psia, Header 215-psia, BFW balance, Condensate drum, Blow down flash drum, Boiler atomizing, Treated feed-water pump, Boiler feed-water pump, Boiler fan, De-aerator. Να προσδιορισθούν οι 14 άγνωστοι, λύνοντας το γραµµικό σύστηµα µε την µεθόδους Απαλοιφή Gauss και Gauss Seidel. Στην περίπτωση της επαναληπτικής µεθόδου Gauss Seidel να υπολογισθούν µε χρήση υπολογιστικού πακέτου οι ιδιοτιµές του πίνακα επανάληψης και να σχολιασθεί η σύγκλιση της µεθόδου. Με βάση τα αποτελέσµατα να σχολιασθούν τα πλεονεκτήµατα και µειονεκτήµατα των δύο προσεγγίσεων. 1
2 Απάντηση: Κάνοντας πράξεις και αναδιατάσσοντας τις εξισώσεις έτσι ώστε τα διαγώνια στοιχεία τους να είναι διάφορα του μηδενός παίρνουμε το ακόλουθο σύστημα: x1 +x3 -x6 +x12 = x2 +x6 = 24.2 x3 +x4 +x5 = x4 = x x14 = x3 -x6 = x7 = x1 +x8 = 0 x9 = x2 +x5 +x7 -x8 -x9 -x10 = 99.1 x11 = x x12 = x8 +x9 +x10 +x11 -x12 -x13 = -8.4 x1 +x12 -x14 = Άρα με μορφή πινάκων έχουμε να λύσουμε το γραμμικό σύστημα Ax = B, όπου: Α= και Β=
3 Λύνοντας το σύστημα στη Mathematica παίρνουμε: a b LinearSolve[a,b] {{164.7},{ },{ },{2.9056},{20.339},{24.202},{ },{ },{ },{ },{ },{ },{8.0446},{ }} Το πρόγραμμα σε Fortran που κάνει επίλυση γραμμικού συστήματος με τη μέθοδο Gauss είναι το ακόλουθο: Program Gauss_Jordan USE DFPORT! Απαιτείται για την μέτρηση του CPU Time implicit none doubleprecision,allocatable::a(:,:),x(:) integer,allocatable::tx(:) integer::n=14,i,j,k,status real::t,pivot,s,tim,ta(2) allocate(a(n,n+1),x(n),tx(n)) if (status/=0) Stop 'Not enough memory' 3
4 ! Ορισμός του συστήματος a(1,:)=(/1.,0.,1.,0.,0.,-1.,0.,0.,0.,0.,0.,1.,0.,0.,189.14/) a(2,:)=(/0.,-1.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0.,24.2/) a(3,:)=(/0.,0.,1.,1.,1.,0.,0.,0.,0.,0.,0.,0.,0.,0.,43.93/) a(4,:)=(/0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,2.9056/) a(5,:)=(/0.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0.,-0.07,0./) a(6,:)=(/0.,0.,1.17,0.,0.,-1.,0.,0.,0.,0.,0.,0.,0.,0.,0./) a(7,:)=(/0.,0.,0.,0.,0.,0.,0.745,0.,0.,0.,0.,0.,0.,0.,71.37/) a(8,:)=(/ ,0.,0.,0.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0./) a(9,:)=(/0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,0.,0.,0.,0., /) a(10,:)=(/0.,1.,0.,0.,1.,0.,1.,-1.,-1.,-1.,0.,0.,0.,0.,99.1/) a(11,:)=(/0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,0.,0., /) a(12,:)=(/0.11,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,4.594,0.,0.,146.55/) a(13,:)=(/0.,0.,0.,0.,0.,0.,0.,1.,1.,1.,1.,-1.,-1.,0.,-8.4/) a(14,:)=(/1.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,-1.,-97.9/)! Ο πίνακας ΤΧ «θυμάται» τις αλλαγές των στηλών σε πλήρη οδήγηση do i=1,n TX(i)=i call print_table k=1 do while (k<=n)! Επιλογή οδηγού pivot=find_pivot(3,k)! 3= Πλήρης οδήγηση if (pivot==0) then print*, 'Pivot = 0. Gauss elimination can not continue' stop endif! Αρχή «τριγωνοποίησης» πίνακα do j=k,n+1 a(k,j)=a(k,j)/pivot do i=k+1,n t=a(i,k) do j=k,n+1 a(i,j)=a(i,j)-a(k,j)*t call print_table read* k=k+1! Η «τριγωνοποίηση» του πίνακα ολοκληρώθηκε! Οπισθοδρόμηση x(n)=a(n,n+1) do i=n-1,1,-1 s=0 4
5 do j=i+1,n s=s+a(i,j)*x(j) x(i)=a(i,n+1)-s!εμφάνιση του αποτελέσματος do i=1,n print*,'x(',tx(i),')= ',x(i)!υπολογισμός του CPU Time tim = ETIME(TA) print*, 'Program has used', tim, 'seconds of CPU time.'! Υποπρογράμματα Contains! Εκτύπωση πίνακα subroutine print_table integer::i print*, ' ' do i=1,n print*, a(i,:) end subroutine print_table!εύρεση οδηγού της k-γραμμής! s=1 χωρίς οδήγηση! s=2 μερική οδήγηση! s=3 πλήρης οδήγηση real function find_pivot(s,k) integer,intent(in)::s,k integer::i,maxi,maxj,t real::max,temp if (s==1) then! No pivoting max=a(k,k) elseif (s==2) then! Partial Pivoting max=a(k,k) maxi=k do i=k,n if (abs(a(i,k))>abs(max)) then max=a(i,k) maxi=i endif if (maxi/=k) then do j=1,n+1 temp=a(k,j) a(k,j)=a(maxi,j) a(maxi,j)=temp endif elseif (s==3) then! Full Pivoting 5
6 max=a(k,k) maxi=k maxj=k do i=k,n do j=k,n if (abs(a(i,j))>abs(max)) then max=a(i,j) maxi=i maxj=j endif if (maxi/=k) then do j=1,n+1 temp=a(k,j) a(k,j)=a(maxi,j) a(maxi,j)=temp endif if (maxj/=k) then do i=1,n temp=a(i,k) a(i,k)=a(i,maxj) a(i,maxj)=temp t=tx(k) TX(k)=TX(maxj) TX(maxj)=t endif endif print*,'after pivoting' call print_table do i=1,n print*, TX(i) find_pivot=max end function find_pivot end Τρέχοντας το πρόγραμμα δίνει τα εξής αποτελέσματα: 6
7 Αρχικός Πίνακας Γραμμή = 1 Οδηγός = Στη θέση 12,12 (του προηγούμενου πίνακα) Γραμμή = 2 Οδηγός = Στη θέση 6, Γραμμή = 3 Οδηγός = 1 Στη θέση 3,
8 Γραμμή = 4 Οδηγός = -1 Στη θέση 4, Γραμμή = 5 Οδηγός = -1 Στη θέση 6, Γραμμή = 6 Οδηγός = 1 Στη θέση 8, Γραμμή = 7 Οδηγός = 1 Στη θέση 9,
9 Γραμμή = 8 Οδηγός = 1 Στη θέση 10, Γραμμή = 9 Οδηγός = 1 Στη θέση 11, Γραμμή = 10 Οδηγός = 1 Στη θέση 13, Γραμμή = 11 Οδηγός = -1 Στη θέση 14,
10 Γραμμή = 12 Οδηγός = Στη θέση 12, Γραμμή = 13 Οδηγός = Στη θέση 13, Γραμμή = 14 Οδηγός = Στη θέση 14, Η τελική λύση είναι: x1= x2= E-003 x3= x4= x5= x6= x7= x8= x9= x10= E-004 x11= x12=
11 x13= x14= Ο χρόνος που απαιτήθηκε για να δοθεί η απάντηση είναι: δευτερόλεπτα (CPU Time) Το πρόγραμμα σε Fortran για τον αλγόριθμο Gauss-Seidel είναι το ακόλουθο: Program Gauss_Seidel USE DFPORT implicit none real,allocatable::a(:,:),b(:),x(:),x0(:) integer::n=14,i,j,k,status,done,maxi real::s1,s2,rel,err,max,ta(2) allocate(a(n,n),b(n),x(n),x0(n)) if (status/=0) Stop 'Not enough memory'! Ορισμός του συστήματος a(1,:)=(/1.,0.,1.,0.,0.,-1.,0.,0.,0.,0.,0.,1.,0.,0./) b(1)= a(2,:)=(/0.,-1.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0./) b(2)=24.2 a(3,:)=(/0.,0.,1.,1.,1.,0.,0.,0.,0.,0.,0.,0.,0.,0./) b(3)=43.93 a(4,:)=(/0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0./) b(4)= a(5,:)=(/0.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0.,0.,0.,-0.07/) b(5)=0. a(6,:)=(/0.,0.,1.17,0.,0.,-1.,0.,0.,0.,0.,0.,0.,0.,0./) b(6)=0. a(7,:)=(/0.,0.,0.,0.,0.,0.,0.745,0.,0.,0.,0.,0.,0.,0./) b(7)=71.37 a(8,:)=(/ ,0.,0.,0.,0.,0.,0.,1.,0.,0.,0.,0.,0.,0./) b(8)=0. a(9,:)=(/0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,0.,0.,0.,0./) b(9)= a(10,:)=(/0.,1.,0.,0.,1.,0.,1.,-1.,-1.,-1.,0.,0.,0.,0./) b(10)=99.1 a(11,:)=(/0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,0.,0./) b(11)= a(12,:)=(/0.11,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,4.594,0.,0./) b(12)= a(13,:)=(/0.,0.,0.,0.,0.,0.,0.,1.,1.,1.,1.,-1.,-1.,0./) b(13)=-8.4 a(14,:)=(/1.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,1.,0.,-1./) b(14)=-97.9! Αρχική εκτίμηση x0(:)=(/160,0,20,3,20,24,95,2,14,0,10,28,8,290/)! Μέγιστο πλήθος επαναλήψεων maxi=1000! Επιθυμητό Σχετικό σφάλμα rel=
12 k=1 done=0 do while (k<=maxi.and. done==0) print*,'k= ',k print*,' ' do i=1,n print*,x0(i) print*,' ' do i=1,n s1=0 do j=1,i-1 s1=s1+a(i,j)*x(j) s2=0 do j=i+1,n s2=s2+a(i,j)*x0(j) if (a(i,i)/=0) then x(i)= (-s1-s2+b(i)) / a(i,i) else print*,'error! To diagwnio stoixeio a(',i,',',i,') einai 0' stop endif! Έλεγχος για τερματισμό max=-1 do i=1,n if (x(i)/=0.) then err = abs((x(i) - x0(i))/x(i)) * 100. print*,'err=',err endif if (err>max) then max=err end if print*, 'maxerr=',max read* if (max<rel) then done=1 end if!τέλος ελέγχου τερματισμού x0(:)=x(:) k=k+1 print*,'==========solution============' do i=1,n print*,'x(',i,')=',x(i) 12
13 print*, 'Program has used', ETIME(TA), 'seconds of CPU time.' end Τρέχοντας το πρόγραμμα με αρχική εκτίμηση x0 = (160,0,20,3,20,24,95,2,14,0,10,28,8,290) παίρνουμε σταδιακά τα παρακάτω αποτελέσματα: n x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 Max Err % E E E E E E E E E E E E E E E E E E E
14 Οπότε η λύση είναι η: x( 1)= x( 2)= E-03 x( 3)= x( 4)= x( 5)= x( 6)= x( 7)= x( 8)= x( 9)= x(10)= E-04 x(11)= x(12)= x(13)= x(14)= και χρειάστηκαν 11 επαναλήψεις. Ο χρόνος που απαιτήθηκε για να δωθεί η απάντηση είναι: δευτερόλεπτα (CPU Time) Για τον υπολογισμό των ιδιοτιμών του πίνακα επανάληψης της μεθόδου Gauss-Seidel θα χρησιμοποιήσουμε τη Mathematica. Είναι γνωστό ότι αν Α=D-L-U τότε ο πίνακας επανάληψης της Gauss-Seidel είναι ο: G=(D-L) -1 U, όπου: D = o διαγώνιος πίνακας που προκύπτει από τον Α -L= o κάτω τριγωνικός πίνακας που προκύπτει από τον Α -U= o άνω τριγωνικός πίνακας που προκύπτει από τον Α Έχουμε λοιπόν: a
15 l d u Θέτουμε: l = -l u = -u
16 Δοκιμάζουμε αν έγινε σωστά το «σπάσιμο» του Α σε D,L,U ad-l-u True Βρίσκουμε τον G: g = Inverse[d-l].u και τις ιδιοτιμές του: (H Chop στογγυλεύει σε 0 τις τιμές που βρίσκονται πολύ κοντά στο 0) e=chop[eigenvalues[ν[g]]] { , , ,0,0,0,0,0,0,0,0,0,0,0} Τέλος παίρνουμε την φασματική ακτίνα του g: ρ = Max[Abs[e]] (ή ρ=νorm[e,] ) ρ = Παρατηρούμε ότι ρ(g)< 1. Άρα η μέθοδος Gauss-Seidel συγκλίνει. Οι δύο μέθοδοι εφαρμόζουν διαφορετικές τεχνικές (απ ευθείας η απαλοιφή Gauss και επαναληπτική η Gauss-Seidel) οπότε ο μόνος τρόπος σύγκρισής τους είναι βάσει του χρόνου λειτουργίας του επεξεργαστή (CPU Τime), αλλά για την Gauss-Seidel αυτός είναι συνάρτηση της αρχικής εκτίμησης! Η απαλοιφή Gauss είναι σίγουρα πιο αργή σαν μέθοδος, αλλά έχει το πλεονέκτημα ότι δίνει με βεβαιότητα τη λύση του συστήματος. Από την άλλη η Gauss-Seidel είναι πιο γρήγορη αλλά έχει το μειονέκτημα ότι μπορεί να μην συγκλίνει πάντα (αν ρ(g)>=1) Άσκηση 2 Να βρεθούν οι πίνακες επανάληψης των επαναληπτικών µεθόδων (i) Jacobi, (ii) Gauss- Seidel, (iii) S.O.R και (iv) S.S.O.R. όταν αυτές εφαρµόζονται στην επίλυση του συστήµατος Αx=B Απάντηση: Αν G είναι ο πίνακας επανάληψης κάποιας επαναληπτικής μεθόδου πρέπει να ισχύει: x (n+1) = G x (n) + k Αν γράψουμε τον Α ως D-L-U όπου D = o διαγώνιος πίνακας που προκύπτει από τον Α -L= o κάτω τριγωνικός πίνακας που προκύπτει από τον Α -U= o άνω τριγωνικός πίνακας που προκύπτει από τον Α τότε έχουμε: i) Jacobi: Σε μορφή πινάκων η μέθοδος γράφετε ως εξής: Dx (n+1) = Lx (n) +Ux (n) +b Dx (n+1) = (L+U)x (n) +b 16
17 x (n+1) = D -1 (L+U)x (n) +D -1 b Άρα G = D -1 (L+U) ii) Gauss-Seidel Σε μορφή πινάκων η μέθοδος γράφετε ως εξής: Dx (n+1) = Lx (n+1) +Ux (n) +b Dx (n+1) - Lx (n+1) = Ux (n) +b (D L)x (n+1) = Ux (n) +b x (n+1) = (D L) -1 Ux (n) + (D L) -1 b Άρα G = (D-L) -1 U iii) S.O.R. Σε μορφή πινάκων η μέθοδος γράφετε ως εξής: Dx (n+1) = ω ( Lx (n+1) +Ux (n) +b ) + (1-ω)Dx (n) Dx (n+1) = ωlx (n+1) +ωux (n) +ωb + (1-ω)Dx (n) Dx (n+1) - ωlx (n+1) = ωux (n) + (1-ω)Dx (n) +ωb (D ωl)x (n+1) = [ωu + (1-ω)D]x (n) +ωb x (n+1) = (D ωl) -1 [ωu + (1-ω)D]x (n) +ω (D ωl) -1 b Άρα G = (D-ωL) -1 [ωu+(1-ω)d] iv) S.S.O.R. Σε μορφή πινάκων η μέθοδος γράφετε ως εξής: Dx (n+1/2) = ω ( Lx (n+1/2) +Ux (n) +b ) + (1-ω)Dx (n) (1) και Dx (n+1) = ω ( Lx (n+1/2) +Ux (n+1) +b ) + (1-ω)Dx (n+1/2) (2) (1) Dx (n+1/2) = ω Lx (n+1/2) + ω Ux (n) + ω b + (1-ω)Dx (n) Dx (n+1/2) - ω Lx (n+1/2) = ω Ux (n) + (1-ω)Dx (n) + ω b (D ω L)x (n+1/2) = [ω U + (1-ω)D]x (n) + ω b x (n+1/2) = (D ω L) -1 [ω U + (1-ω)D]x (n) + ω (D ω L) -1 b (3) (2) Dx (n+1) = ω Lx (n+1/2) + ω Ux (n+1) +ωb + (1-ω)Dx (n+1/2) Dx (n+1) - ω Ux (n+1) = ω Lx (n+1/2) + (1-ω)Dx (n+1/2) + ωb (D ω U)x (n+1) = [ω L+ (1-ω)D]x (n+1/2) + ωb (4) Αντικαθιστώντας την (3) στην (4) παίρνουμε: (D ω U)x (n+1) = [ω L+ (1-ω)D] (D ω L) -1 [ω U + (1-ω)D]x (n) + ω (D ω L) -1 b + ωb x (n+1) = (D ω U) -1 [ω L+ (1-ω)D] (D ω L) -1 [ω U + (1-ω)D]x (n) + (D ω U) -1 [ω (D ω L) -1 + ω] b Άρα G = (D-ωU) -1 [ωl+(1-ω)d](d-ωl) -1 [ωu+(1-ω)d] 17
18 Άσκηση 4 Να βρεθούν µε τη µέθοδο Newton οι ρίζες της εξίσωσης z 2 -z+1=0 Απάντηση: Με τη χρήση της Mathematica παίρνουμε: Solvez 2 z 1 0, zn {{z },{z }} Άρα οι ρίζες της εξίσωσης είναι μιγαδικές. Υποθέτουμε ότι z = a + i b τότε: (a+i b) 2 (a+i b) + 1 = 0 a i ab b 2 a i b + 1 = 0 a i ab b 2 a i b + 1 = 0 (a 2 b 2 a + 1) + i (2ab b) = 0 Οπότε για την εύρεση των a και b πρέπει να λύσουμε το ακόλουθο σύστημα εξισώσεων: a 2 b 2 a + 1 = 0 και 2ab b = 0 Το παραπάνω σύστημα είναι μη γραμμικό, γι αυτό επιλέγετε σαν μεθοδολογία επίλυσης ο αλγόριθμος Newton. Ο αλγόριθμος Newton για 2x2 σύστημα σε Fortran είναι ο ακόλουθος: program Newton_2x2 implicit none integer::i,k,done,maxi doubleprecision::x1,x2,f1,f2, df1x1,df1x2,df2x1,df2x2,jac,dx1,dx2,err1,err2,rel! Ορισμός συστήματος F1(x1,x2)=x1**2-x2**2-x1+1 F2(x1,x2)=2*x1*x2-x2! Μερικές παράγωγοι df1x1(x1,x2)=2*x1-1 df1x2(x1,x2)=-2*x2 df2x1(x1,x2)=2*x2 df2x2(x1,x2)=2*x1-1! Ιακωβιανή Jac(x1,x2)=dF1x1(x1,x2)*dF2x2(x1,x2)-dF1x2(x1,x2)*dF2x1(x1,x2)! Αρχική εκτίμηση x1=1 x2=1! Μέγιστο πλήθος επαναλήψεων maxi=1000! Επιθυμητό σχετικό σφάλμα rel=
19 k=1 done=0 do while (k<=maxi.and. done==0)! Λύση του γραμμικού συστήματος με τη μέθοδο Cramer dx1=(f2(x1,x2)*df1x2(x1,x2)-f1(x1,x2)*df2x2(x1,x2))/jac(x1,x2) dx2=(f1(x1,x2)*df2x1(x1,x2)-f2(x1,x2)*df1x1(x1,x2))/jac(x1,x2)! Έλεγχος σύγκλισης err1 = abs(dx1/(x1+dx1)) * 100. err2 = abs(dx2/(x2+dx2)) * 100. if (err1<rel.and.err2<rel) then done=1 end if print*, k,x1,x2,f1(x1,x2), F2(x1,x2),dF1x1(x1,x2),dF1x2(x1,x2),dF2x1(x1,x2),dF2x2(x1,x2),Jac(x1,x2),dx1,dx2,err1,err2 x1=x1+dx1 x2=x2+dx2 k=k+1 print*, '============Solution=============' print*, 'x1= ', x1, 'x2= ',x2 end Τα αποτελέσματα του αλγορίθμου έχουν ως εξής: k x1 x2 f1 f2 df1dx1 df1dx2 df2dx1 df2dx2 Jac dx1 dx2 err1 err Άρα a = 0.5 και b= Οπότε μία λύση της αρχικής εξίσωσης είναι η z = a + i b = i Η άλλη λύση θα είναι η συζυγής της πρώτης δηλαδή η i
20 Άσκηση 5 ίδεται το µη γραµµικό σύστηµα όπου P είναι µια παράµετρος που καθορίζεται αυθαίρετα. Να λυθεί µε τη µέθοδο Newton και να βρεθεί το εύρος των τιµών της παραµέτρου P για το οποίο η µέθοδος Newton συγκλίνει. Απάντηση Αναδιατάσωντας τους όρους των εξισώσεων καταλήγουμε στο ισοδύναμο σύστημα: x6 0.5 x1 x2 0.5 x3 0 x7 2 x3 x4 2x5 0 x7 1 x1 x2 x5 0 x x x x x4 8427x x x7 x7 0 x1 x2 x3 x4 x5 1 0 p 2 x1 x x3 x5 0 x1 x x2 x4 0 Επιλέγουμε P=20 και αρχική εκτίμηση: x1=0.5 x2=0. x3=0. x4=0.5 x5=0. x6=0.5 x7=2. 20
21 Το πρόγραμμα σε Fortran είναι το ακόλουθο: (Η επίλυση του γραμμικού συστήματος που προκύπτει σε κάθε επανάληψη γίνεται με την μέθοδο Gauss με πλήρη οδήγηση. Γι αυτό τον λόγο ο αλγόριθμος που δόθηκε παραπάνω σε προηγούμενη άσκηση, τροποποιήθηκε ώστε να γίνει υποπρόγραμμα και ενσωματώθηκε στον παρακάτω αλγόριθμο.) program Newton_7x7 implicit none integer::i,j,k,maxi,done doubleprecision::x1,x2,x3,x4,x5,x6,x7,f1,f2,f3,f4,f5,f6,f7 doubleprecision::df1x1,df1x2,df1x3,df1x4,df1x5,df1x6,df1x7 doubleprecision::df2x1,df2x2,df2x3,df2x4,df2x5,df2x6,df2x7 doubleprecision::df3x1,df3x2,df3x3,df3x4,df3x5,df3x6,df3x7 doubleprecision::df4x1,df4x2,df4x3,df4x4,df4x5,df4x6,df4x7 doubleprecision::df5x1,df5x2,df5x3,df5x4,df5x5,df5x6,df5x7 doubleprecision::df6x1,df6x2,df6x3,df6x4,df6x5,df6x6,df6x7 doubleprecision::df7x1,df7x2,df7x3,df7x4,df7x5,df7x6,df7x7 doubleprecision::dx1,dx2,dx3,dx4,dx5,dx6,dx7 doubleprecision::a(7,8),x(7) real::err1,err2,err3,err4,err5,err6,err7,rel integer::tx(7)! Ορισμός Σταθεράς P real::p=20! Συναρτήσεις του συστήματος F1(x1,x2,x3,x4,x5,x6,x7)=0.5*x1 + x *x3 - x6/x7 F2(x1,x2,x3,x4,x5,x6,x7)=x3 + x4 + 2*x5-2/x7 F3(x1,x2,x3,x4,x5,x6,x7)=x1 + x2 + x5-1/x7 F4(x1,x2,x3,x4,x5,x6,x7)=-28837*x *x *x *x *x /x7 - (10690*x6)/x7 F5(x1,x2,x3,x4,x5,x6,x7)=-1 + x1 + x2 + x3 + x4 + x5 F6(x1,x2,x3,x4,x5,x6,x7)=p**2*x1*x4** *x3*x5 F7(x1,x2,x3,x4,x5,x6,x7)=x1*x *x2*x4! Μερικές παράγωγοι των συναρτήσεων του συστήματος df1x1(x1,x2,x3,x4,x5,x6,x7)=0.5 df1x2(x1,x2,x3,x4,x5,x6,x7)=1 df1x3(x1,x2,x3,x4,x5,x6,x7)=0.5 df1x4(x1,x2,x3,x4,x5,x6,x7)=0 df1x5(x1,x2,x3,x4,x5,x6,x7)=0 df1x6(x1,x2,x3,x4,x5,x6,x7)=-(1/x7) df1x7(x1,x2,x3,x4,x5,x6,x7)=x6/x7**2 df2x1(x1,x2,x3,x4,x5,x6,x7)=0 df2x2(x1,x2,x3,x4,x5,x6,x7)=0 df2x3(x1,x2,x3,x4,x5,x6,x7)=1 df2x4(x1,x2,x3,x4,x5,x6,x7)=1 df2x5(x1,x2,x3,x4,x5,x6,x7)=2 df2x6(x1,x2,x3,x4,x5,x6,x7)=0 df2x7(x1,x2,x3,x4,x5,x6,x7)=2/x7**2 21
22 df3x1(x1,x2,x3,x4,x5,x6,x7)=1 df3x2(x1,x2,x3,x4,x5,x6,x7)=1 df3x3(x1,x2,x3,x4,x5,x6,x7)=0 df3x4(x1,x2,x3,x4,x5,x6,x7)=0 df3x5(x1,x2,x3,x4,x5,x6,x7)=1 df3x6(x1,x2,x3,x4,x5,x6,x7)=0 df3x7(x1,x2,x3,x4,x5,x6,x7)=x7**(-2) df4x1(x1,x2,x3,x4,x5,x6,x7)= df4x2(x1,x2,x3,x4,x5,x6,x7)= df4x3(x1,x2,x3,x4,x5,x6,x7)= df4x4(x1,x2,x3,x4,x5,x6,x7)=18927 df4x5(x1,x2,x3,x4,x5,x6,x7)=8427 df4x6(x1,x2,x3,x4,x5,x6,x7)=-10690/x7 df4x7(x1,x2,x3,x4,x5,x6,x7)=(2*( *x6))/x7**2 df5x1(x1,x2,x3,x4,x5,x6,x7)=1 df5x2(x1,x2,x3,x4,x5,x6,x7)=1 df5x3(x1,x2,x3,x4,x5,x6,x7)=1 df5x4(x1,x2,x3,x4,x5,x6,x7)=1 df5x5(x1,x2,x3,x4,x5,x6,x7)=1 df5x6(x1,x2,x3,x4,x5,x6,x7)=0 df5x7(x1,x2,x3,x4,x5,x6,x7)=0 df6x1(x1,x2,x3,x4,x5,x6,x7)=(p**2)*(x4**3) df6x2(x1,x2,x3,x4,x5,x6,x7)=0 df6x3(x1,x2,x3,x4,x5,x6,x7)= *x5 df6x4(x1,x2,x3,x4,x5,x6,x7)=3*p**2*x1*x4**2 df6x5(x1,x2,x3,x4,x5,x6,x7)= *x3 df6x6(x1,x2,x3,x4,x5,x6,x7)=0 df6x7(x1,x2,x3,x4,x5,x6,x7)=0 df7x1(x1,x2,x3,x4,x5,x6,x7)=x3 df7x2(x1,x2,x3,x4,x5,x6,x7)= *x4 df7x3(x1,x2,x3,x4,x5,x6,x7)=x1 df7x4(x1,x2,x3,x4,x5,x6,x7)= *x2 df7x5(x1,x2,x3,x4,x5,x6,x7)=0 df7x6(x1,x2,x3,x4,x5,x6,x7)=0 df7x7(x1,x2,x3,x4,x5,x6,x7)=0! Αρχική εκτίμηση x1=0.5 x2=0. x3=0. x4=0.5 x5=0. x6=0.5 x7=2.! Μέγιστο πλήθος επαναλήψεων maxi=1000!επιθυμητό σχετικό σφάλμα rel=0.01 k=1 done=0 22
23 do while (k<=maxi.and. done==0) a(1,:)= (/df1x1(x1,x2,x3,x4,x5,x6,x7),df1x2(x1,x2,x3,x4,x5,x6,x7),df1x3(x1,x2,x3,x4,x5,x6,x7),df1x4(x1,x2,x3,x4,x5,x6,x7),df1x5(x1,x2,x3,x4,x5,x6,x7),df 1x6(x1,x2,x3,x4,x5,x6,x7),dF1x7(x1,x2,x3,x4,x5,x6,x7),- F1(x1,x2,x3,x4,x5,x6,x7)/) a(2,:)= (/df2x1(x1,x2,x3,x4,x5,x6,x7),df2x2(x1,x2,x3,x4,x5,x6,x7),df2x3(x1,x2,x3,x4,x5,x6,x7),df2x4(x1,x2,x3,x4,x5,x6,x7),df2x5(x1,x2,x3,x4,x5,x6,x7),df 2x6(x1,x2,x3,x4,x5,x6,x7),dF2x7(x1,x2,x3,x4,x5,x6,x7),- F2(x1,x2,x3,x4,x5,x6,x7)/) a(3,:)= (/df3x1(x1,x2,x3,x4,x5,x6,x7),df3x2(x1,x2,x3,x4,x5,x6,x7),df3x3(x1,x2,x3,x4,x5,x6,x7),df3x4(x1,x2,x3,x4,x5,x6,x7),df3x5(x1,x2,x3,x4,x5,x6,x7),df 3x6(x1,x2,x3,x4,x5,x6,x7),dF3x7(x1,x2,x3,x4,x5,x6,x7),- F3(x1,x2,x3,x4,x5,x6,x7)/) a(4,:)= (/df4x1(x1,x2,x3,x4,x5,x6,x7),df4x2(x1,x2,x3,x4,x5,x6,x7),df4x3(x1,x2,x3,x4,x5,x6,x7),df4x4(x1,x2,x3,x4,x5,x6,x7),df4x5(x1,x2,x3,x4,x5,x6,x7),df 4x6(x1,x2,x3,x4,x5,x6,x7),dF4x7(x1,x2,x3,x4,x5,x6,x7),- F4(x1,x2,x3,x4,x5,x6,x7)/) a(5,:)= (/df5x1(x1,x2,x3,x4,x5,x6,x7),df5x2(x1,x2,x3,x4,x5,x6,x7),df5x3(x1,x2,x3,x4,x5,x6,x7),df5x4(x1,x2,x3,x4,x5,x6,x7),df5x5(x1,x2,x3,x4,x5,x6,x7),df 5x6(x1,x2,x3,x4,x5,x6,x7),dF5x7(x1,x2,x3,x4,x5,x6,x7),- F5(x1,x2,x3,x4,x5,x6,x7)/) a(6,:)= (/df6x1(x1,x2,x3,x4,x5,x6,x7),df6x2(x1,x2,x3,x4,x5,x6,x7),df6x3(x1,x2,x3,x4,x5,x6,x7),df6x4(x1,x2,x3,x4,x5,x6,x7),df6x5(x1,x2,x3,x4,x5,x6,x7),df 6x6(x1,x2,x3,x4,x5,x6,x7),dF6x7(x1,x2,x3,x4,x5,x6,x7),- F6(x1,x2,x3,x4,x5,x6,x7)/) a(7,:)= (/df7x1(x1,x2,x3,x4,x5,x6,x7),df7x2(x1,x2,x3,x4,x5,x6,x7),df7x3(x1,x2,x3,x4,x5,x6,x7),df7x4(x1,x2,x3,x4,x5,x6,x7),df7x5(x1,x2,x3,x4,x5,x6,x7),df 7x6(x1,x2,x3,x4,x5,x6,x7),dF7x7(x1,x2,x3,x4,x5,x6,x7),- F7(x1,x2,x3,x4,x5,x6,x7)/)! Κλήση υποπρογράμματος για την επίλυση του γραμμικού συστήματος! με την μέθοδο Gauss με πλήρη οδήγηση call Gauss(7,a,x,tx) do j=1,7 if (tx(j)==1) then dx1=x(j) elseif (tx(j)==2) then dx2=x(j) elseif (tx(j)==3) then dx3=x(j) elseif (tx(j)==4) then dx4=x(j) elseif (tx(j)==5) then dx5=x(j) elseif (tx(j)==6) then dx6=x(j) elseif (tx(j)==7) then dx7=x(j) end if 23
24 ! Έλεγχος σύγκλισης err1 = abs(dx1/(x1+dx1)) * 100. err2 = abs(dx2/(x2+dx2)) * 100. err3 = abs(dx3/(x3+dx3)) * 100. err4 = abs(dx4/(x4+dx4)) * 100. err5 = abs(dx5/(x5+dx5)) * 100. err6 = abs(dx6/(x6+dx6)) * 100. err7 = abs(dx7/(x7+dx7)) * 100. if (err1<rel.and.err2<rel.and.err3<rel.and.err4<rel.and.err5<rel.and.err6<r el.and.err7<rel) then done=1 end if! Εκτυπώσεις print*, ' ' print*, i-1,x1,x2,x3,x4,x5,x6,x7,dx1,dx2,dx3,dx4,dx5,dx6,dx7 print*, 'df1' print*,df1x1(x1,x2,x3,x4,x5,x6,x7),df1x2(x1,x2,x3,x4,x5,x6,x7),df1 x3(x1,x2,x3,x4,x5,x6,x7),df1x4(x1,x2,x3,x4,x5,x6,x7),df1x5(x1,x2,x3,x4,x 5,x6,x7),dF1x6(x1,x2,x3,x4,x5,x6,x7),dF1x7(x1,x2,x3,x4,x5,x6,x7),- F1(x1,x2,x3,x4,x5,x6,x7) print*, 'df2' print*,df2x1(x1,x2,x3,x4,x5,x6,x7),df2x2(x1,x2,x3,x4,x5,x6,x7),df2 x3(x1,x2,x3,x4,x5,x6,x7),df2x4(x1,x2,x3,x4,x5,x6,x7),df2x5(x1,x2,x3,x4,x 5,x6,x7),dF2x6(x1,x2,x3,x4,x5,x6,x7),dF2x7(x1,x2,x3,x4,x5,x6,x7),- F2(x1,x2,x3,x4,x5,x6,x7) print*, 'df3' print*,df3x1(x1,x2,x3,x4,x5,x6,x7),df3x2(x1,x2,x3,x4,x5,x6,x7),df3 x3(x1,x2,x3,x4,x5,x6,x7),df3x4(x1,x2,x3,x4,x5,x6,x7),df3x5(x1,x2,x3,x4,x 5,x6,x7),dF3x6(x1,x2,x3,x4,x5,x6,x7),dF3x7(x1,x2,x3,x4,x5,x6,x7),- F3(x1,x2,x3,x4,x5,x6,x7) print*, 'df4' print*,df4x1(x1,x2,x3,x4,x5,x6,x7),df4x2(x1,x2,x3,x4,x5,x6,x7),df4 x3(x1,x2,x3,x4,x5,x6,x7),df4x4(x1,x2,x3,x4,x5,x6,x7),df4x5(x1,x2,x3,x4,x 5,x6,x7),dF4x6(x1,x2,x3,x4,x5,x6,x7),dF4x7(x1,x2,x3,x4,x5,x6,x7),- F4(x1,x2,x3,x4,x5,x6,x7) print*, 'df5' print*,df5x1(x1,x2,x3,x4,x5,x6,x7),df5x2(x1,x2,x3,x4,x5,x6,x7),df5 x3(x1,x2,x3,x4,x5,x6,x7),df5x4(x1,x2,x3,x4,x5,x6,x7),df5x5(x1,x2,x3,x4,x 5,x6,x7),dF5x6(x1,x2,x3,x4,x5,x6,x7),dF5x7(x1,x2,x3,x4,x5,x6,x7),- F5(x1,x2,x3,x4,x5,x6,x7) print*, 'df6' print*,df6x1(x1,x2,x3,x4,x5,x6,x7),df6x2(x1,x2,x3,x4,x5,x6,x7),df6 x3(x1,x2,x3,x4,x5,x6,x7),df6x4(x1,x2,x3,x4,x5,x6,x7),df6x5(x1,x2,x3,x4,x 5,x6,x7),dF6x6(x1,x2,x3,x4,x5,x6,x7),dF6x7(x1,x2,x3,x4,x5,x6,x7),- F6(x1,x2,x3,x4,x5,x6,x7) print*, 'df7' print*,df7x1(x1,x2,x3,x4,x5,x6,x7),df7x2(x1,x2,x3,x4,x5,x6,x7),df7 x3(x1,x2,x3,x4,x5,x6,x7),df7x4(x1,x2,x3,x4,x5,x6,x7),df7x5(x1,x2,x3,x4,x 5,x6,x7),dF7x6(x1,x2,x3,x4,x5,x6,x7),dF7x7(x1,x2,x3,x4,x5,x6,x7),- F7(x1,x2,x3,x4,x5,x6,x7) read*! Νέες τιμές των x i x1=x1+dx1 24
25 x2=x2+dx2 x3=x3+dx3 x4=x4+dx4 x5=x5+dx5 x6=x6+dx6 x7=x7+dx7 k=k+1 print*,' solution ' print*, x1,x2,x3,x4,x5,x6,x7 contains subroutine Gauss(n,a,x,tx) integer,intent(in) :: n doubleprecision, INTENT(INOUT) ::a(n,n+1) doubleprecision, INTENT(OUT) ::x(n) integer, INTENT(OUT)::tx(n) integer :: i,j,k,maxi,maxj,t real::tt,pivot,s,max,temp do i=1,n TX(i)=i k=1 do while (k<=n)!find pivot Full Pivoting max=a(k,k) maxi=k maxj=k do i=k,n do j=k,n if (abs(a(i,j))>abs(max)) then max=a(i,j) maxi=i maxj=j endif if (maxi/=k) then do j=1,n+1 temp=a(k,j) a(k,j)=a(maxi,j) a(maxi,j)=temp endif if (maxj/=k) then do i=1,n temp=a(i,k) 25
26 end k=k+1 a(i,k)=a(i,maxj) a(i,maxj)=temp t=tx(k) TX(k)=TX(maxj) TX(maxj)=t endif pivot=max! end find pivot if (pivot==0) then print*, 'Pivot = 0. Gauss elimination can not continue' stop endif do j=k,n+1 a(k,j)=a(k,j)/pivot do i=k+1,n tt=a(i,k) do j=k,n+1 a(i,j)=a(i,j)-a(k,j)*tt x(n)=a(n,n+1) do i=n-1,1,-1 s=0 do j=i+1,n s=s+a(i,j)*x(j) x(i)=a(i,n+1)-s end subroutine Gauss Σε Mathematica έχουμε: Πλήθος εξισώσεων n=7; Ορισμός της σταθεράς p p=20; Ορισμός του συστήματος f και των μεταβλητών xy 26
27 f x6 0.5 x1 x2 0.5 x3, x7 2 x3 x4 2x5, x7 1 x1 x2 x5, x x x x x4 8427x x x7 x7, x1 x2 x3 x4 x5 1, p 2 x1 x x3 x5, x1 x x2 x4 ; xy x1, x2, x3, x4, x5, x6, x7; Επιθυμητό σχετικό σφάλμα relerr=0.01; Αρχική τιμή x0={0.5,0.,0.,0.5,0.,0.5,2.} Πίνακες μερικών παραγώγων Jac=Table[D[f[[i]],xy[[j]]],{i,n},{j,n}]//Simplify; Αρχικό σφάλμα maxerr=100; Μετρητής επαναλήψεων k=0; While[maxerr>relerr,Print[" "]; k=k+1; Print["n=",k]; Δημιουργία κανόνων αντικατάστασης της μορφής π.χ. x1->0.5 κτλ r=table[xy[[i]]x0[[i]],{i,n}]; Υπολογισμός Μερικών Παραγώγων στα σημεία x0[i] J=Jac/.r//N;Print["J=",J//MatrixForm]; Υπολογισμός του πίνακα -f b=-f/.r;print["-f=",b]; Επίλυση του γραμμικού συστήματος Jdx=-f dx=linearsolve[j,b]//n;print["dx=",dx]; Υπολογισμός σχετικού σφάλματος maxerr=max[abs[100 dx/(x0+dx)]]; Υπολογισμός νέων x i x0=x0+dx;print["x=",x0]; Print["MaxErr=",maxerr]] Το αποτέλεσμα της εκτέλεσης του παραπάνω κώδικα δίνει: 27
28 Πίνακας μερικών παραγώγων του συστήματος: x6 x7 x x x x6 x7 x x x x1 x x3 0 0 x x4 x x Αρχική εκτίμηση: x0={0.5,0.,0.,0.5,0.,0.5,2.} n= J f= {0.,0.5,0.,881.5,0.,-25.,0.} dx= { , , , , , , } x= { , , , , , , } MaxErr= n= J f , , , , , , dx= { , , , , , , } x= { , , , , , , } MaxErr=
29 n= J f , , , , , , dx= { , , , , , , } x= { , , , , , , } MaxErr= n= J f , , , , , , dx= { , , , , , , } x= { , , , , , , } MaxErr= n= J f , , , , , , dx , , , , , , x= { , , , , , , } MaxErr=
30 n= J f , , , , , , dx , , , , , , x= { , , , , , , } MaxErr= Άρα για P=20 και αρχική εκτίμηση: x0={0.5,0.,0.,0.5,0.,0.5,2.} η μέθοδος συγκλίνει μετά από 6 επαναλήψεις στη λύση: x= { , , , , , , } με μέγιστο σχετικό σφάλμα
Παράδειγμα #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
ΚΩ ΙΚΑΣ ΕΠΙΛΥΣΗΣ ΜΕΤΑΦΟΡΑΣ ΘΕΡΜΟΤΗΤΑΣ ΜΕ ΑΚΤΙΝΟΒΟΛΙΑ ΣΕ ΚΛΕΙΣΤΕΣ ΚΟΙΛΟΤΗΤΕΣ ΜΕ ΙΑΧΥΤΙΚΕΣ ΚΑΙ ΓΚΡΙΖΕΣ ΕΠΙΦΑΝΕΙΕΣ
ΚΩ ΙΚΑΣ ΕΠΙΛΥΣΗΣ ΜΕΤΑΦΟΡΑΣ ΘΕΡΜΟΤΗΤΑΣ ΜΕ ΑΚΤΙΝΟΒΟΛΙΑ ΣΕ ΚΛΕΙΣΤΕΣ ΚΟΙΛΟΤΗΤΕΣ ΜΕ ΙΑΧΥΤΙΚΕΣ ΚΑΙ ΓΚΡΙΖΕΣ ΕΠΙΦΑΝΕΙΕΣ Επιµέλεια: Νίκος Βασιλειάδης (φοιτητής ΤΜΜ, 6 ο εξάµηνο) 1 η έκδοση προγράµµατος (Μάιος 2014)
ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 2004, 3 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #4: ΠΑΡΕΜΒΟΛΗ
ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 2004, 3 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #4: ΠΑΡΕΜΒΟΛΗ Επιμέλεια: ΓΙΑΝΝΗΣ ΛΥΧΝΑΡΟΠΟΥΛΟΣ Άσκηση Η σχέση ανάµεσα στην τάση και στην θερµοκρασία ενός θερµοστοιχείου πλατίνας µε 0% ρόδιο δίνεται από τον
0.5, Μεταφορά θερμότητας ανάμεσα σε κυλίνδρους μεγάλου μήκους (χωρίς ασπίδα):
ΕΦΑΡΜΟΓΕΣ ΜΕΤΑΔΟΣΗΣ ΘΕΡΜΟΤΗΤΑΣ Διδάσκων: Δ. Βαλουγεώργης, Εαρινό εξάμηνο 0-05 ΕΡΓΑΣΙΑ #: Μετάδοση θερμότητας με ακτινοβολία Ημερομηνία ανάρτησης εργασίας στην ιστοσελίδα του μαθήματος: 6-03-05 Ημερομηνία
Παράδειγμα #6 ΕΠΙΛΥΣΗ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΠΙΜΕΛΕΙΑ: Σ. Μισδανίτης
Παράδειγμα #6 ΕΠΙΛΥΣΗ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΠΙΜΕΛΕΙΑ: Σ. Μισδανίτης 1. Διατυπώστε ένα γραμμικό σύστημα 5 εξισώσεων με 5 αγνώστους και επιλύστε το με τις παρακάτω μεθόδους: i. Απαλοιφή Gauss με πλήρη οδήγηση
Παράδειγμα #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
Παράδειγμα #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
πεπερασμένη 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
Επαναληπτικές 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
Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος
ΠΑΡΑΔΕΙΓΜΑ 17 ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, 005-006, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΡΟΒΛΗΜΑΤΑ ΟΡΙΑΚΩΝ ΤΙΜΩΝ Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος Ομάδα Α: Άσκηση Έχουμε να επιλύσουμε
Παράδειγμα #5 EΠΙΛΥΣΗ ΜΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΜΕΘΟΔΟ NEWTON ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης. ( k ) ( k)
Παράδειγμα # EΠΙΛΥΣΗ ΜΗ ΓΡΑΜΜΙΚΩΝ ΑΛΓΕΒΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΜΕΘΟΔΟ NEWTON ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης Άσκηση Να επιλυθεί το παρακάτω μη γραμμικό σύστημα με την μέθοδο Newton: ( ) ( ) f, = + = 0 f, = + 8=
Επιµέλεια: Γιάννης Λυχναρόπουλος Οµάδα Α: Άσκηση 2 Έχουµε να επιλύσουµε την εξίσωση: 2
Οµάδα Α: Άσκηση Έχουµε να επιλύσουµε την εξίσωση: du du u = dr + r dr = (Α) du µε οριακές συνθήκες u () = 0 και u(0) πεπερασµένη ή = 0 (συνθήκη dr r = 0 συµµετρίας). Η αναλυτική λύση της διαφορική ς εξίσωσης
Αριθµητική 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
Επιλύστε αριθμητικά με τη μέθοδο των πεπερασμένων διαφορών το παρακάτω πρόβλημα δύο οριακών τιμών: ( )
ΑΣΚΗΣΗ ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, -, 5 Ο ΕΞΑΜΗΝΟ ΕΠΙΛΥΣΗ ΕΡΓΑΣΙΑΣ #: ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΠΡΟΒΛΗΜΑΤΑ ΔΥΟ ΟΡΙΑΚΩΝ ΤΙΜΩΝ ΕΠΙΜΕΛΕΙΑ: Ιωάννης Λυχναρόπουλος Επιλύστε αριθμητικά με τη μέθοδο
Εισαγωγή 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
Μάθημα 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
ΚΕΦΑΛΑΙΟ 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
Κεφ. 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..
Αριθμητική 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
ιδάσκοντες :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
ΜΕΜ251 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
f στον κόμβο i ενός πλέγματος ( i = 1, 2,,N
ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, 008-009, Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΡΟΒΛΗΜΑΤΑ ΟΡΙΑΚΩΝ ΤΙΜΩΝ ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ:..008 ΔΙΔΑΣΚΩΝ: Δ. Βαλουγεώργης Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος
Κεφ. 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,
y 1 και με οριακές συνθήκες w
ΑΣΚΗΣΗ ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, 008-009, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #3: ΕΛΛΕΙΠΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ:..008 ΔΙΔΑΣΚΩΝ: Δ. Βαλουγεώργης Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος Η εξίσωση Laplace σε
Κεφ. 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)..
Matrix 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
Επίλυση 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
i. 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
ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 2004, 3 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #5: ΑΡΙΘΜΗΤΙΚΗ ΟΛΟΚΛΗΡΩΣΗ
ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 2004, 3 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #5: ΑΡΙΘΜΗΤΙΚΗ ΟΛΟΚΛΗΡΩΣΗ Επιμέλεια: ΓΙΑΝΝΗΣ ΛΥΧΝΑΡΟΠΟΥΛΟΣ Άσκηση 1 Δίνοντας το ολοκλήρωμα στη Mathematica παίρνουμε την τιμή του: 0 40 100 140558 z 2z 15
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Δομή Επανάληψης. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Δομή Επανάληψης Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Δομή Επανάληψης Επανάληψη με αρίθμηση DO = ,
5269: 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:
5269: 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:
Πίνακες. 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
ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, , 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #5: ΥΠΕΡΒΟΛΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ: ΕΠΙΜΕΛΕΙΑ: Ιωάννης Λυχναρόπουλος
ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, -, Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΥΠΕΡΒΟΛΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ: 3.0. ΕΠΙΜΕΛΕΙΑ: Ιωάννης Λυχναρόπουλος Άσκηση Έστω ένα κύμα που κινείται εντός αγωγού με ταχύτητα c 0 m/s. Η κατανομή
Oι εντολές COMMON και PARAMETER
ΦΥΣ 145 - Διαλ.06 1 Oι εντολές COMMON και PARAMETER q Oι εντολές αυτές είναι μή εκτελέσιμες και δεν είναι απαραίτητες σε διάφορα προγράμματα. q Η ανάγκη τους όμως παρουσιάζεται σε μεγάλα και πολύπλοκα
ΑΡΙΘΜΗΤΙΚΕΣ 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
ΜΑΣ 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
ΜΕΜ251 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
8 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.
Αριθμητικές 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
Αριθµητική Ανάλυση. Ενότητα 3 Αριθµητικές Μέθοδοι για την επίλυση Γραµµικών Συστηµάτων. Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών,
Αριθµητική Ανάλυση Ενότητα Αριθµητικές Μέθοδοι για την επίλυση Γραµµικών Συστηµάτων Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αριθµητική Ανάλυση - Ενότητα / 77 Επαναληπτικές
Πίνακες. (i) FORTRAN και Αντικειµενοστραφής Προγραµµατισµός
Πίνακες (i) οµηµένη 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
ΑΡΙΘΜΗΤΙΚΕΣ 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
Ειδικά 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
Παράδειγμα #3 ΡΙΖΕΣ ΕΞΙΣΩΣΕΩΝ ΕΠΙΜΕΛΕΙΑ: ΓΙΑΝΝΗΣ ΛΥΧΝΑΡΟΠΟΥΛΟΣ
Παράδειγμα # ΡΙΖΕΣ ΕΞΙΣΩΣΕΩΝ ΕΠΙΜΕΛΕΙΑ: ΓΙΑΝΝΗΣ ΛΥΧΝΑΡΟΠΟΥΛΟΣ ) Να βρεθεί µία πραγµατική ρίζα της εξίσωσης, x xx µε τις µεθόδους α) της διχοτόµησης β) της γραµµικής παρεµβολής γ) των διαδοχικών επαναλήψεων
Παρουσίαση 3ης Άσκησης
Παρουσίαση 3ης Άσκησης Παράλληλος προγραμματισμός για αρχιτεκτονικές κατανεμημένης μνήμης με MPI Συστήματα Παράλληλης Επεξεργασίας 9ο Εξάμηνο, ΣΗΜΜΥ Εργ. Υπολογιστικών Συστημάτων Σχολή ΗΜΜΥ, Ε.Μ.Π. Νοέμβριος
Παραδείγματα 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
ΤΕΧΝΟΛΟΓΙΑ 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
Αριστοτέλειο 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
ΦΥΣ 145 Υπολογιστικές Μέθοδοι στη Φυσική. Πρόοδος 26 Μαρτίου 2007 Ομάδα 1 η
ΦΥΣ 145 Υπολογιστικές Μέθοδοι στη Φυσική Πρόοδος 26 Μαρτίου 2007 Ομάδα 1 η Γράψτε το ονοματεπώνυμο και αριθμό ταυτότητάς σας στο πάνω μέρος της αυτής της σελίδας. Πρέπει να απαντήσετε και στα 6 προβλήματα
Εφαρμοσμένα 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 + +
Αριθµητική Γραµµική Αλγεβρα
Αριθµητική Γραµµική Αλγεβρα ιδάσκων: Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 7 Μαρτίου 019 ιδάσκων: Επίκ. Καθηγητής Φ.Τζαφέρης (ΕΚΠΑ) Αριθµητική Γραµµική Αλγεβρα 7 Μαρτίου 019 1 / 99 Επαναληπτικές Μέθοδοι για
Β ΜΕΡΟΣ: ΕΦΑΡΜΟΓΗ ΤΟΥ MATLAB ΣΤΗΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ
Β ΜΕΡΟΣ: ΕΦΑΡΜΟΓΗ ΤΟΥ MATLAB ΣΤΗΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ 1. Εύρεση ρίζας Στο κεφάλαιο αυτό θα ασχοληθούμε με την εύρεση ρίζας μιας συνάρτησης ή αλλιώς με την ευρεση λύσης της εξίσωσης: Πριν αναφερθούμε στην
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ. Δρ. Ιωάννης Λυχναρόπουλος 2014-2015. Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ Δρ. Ιωάννης Λυχναρόπουλος 2014-2015 Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Τι είναι τα υποπρογράμματα Αυτόνομες μονάδες κώδικα Γραμμένα από τον χρήστη Η δομή
Μορφοποίηση της εξόδου
Μορφοποίηση της εξόδου (i) Όταν θέλουμε τα αποτελέσματα μιάς εντολής WRITE(*, *) να εμφανίζονται με συγκεκριμένο τρόπο τροποποιούμε τον δεύτερο αστερίσκο. 2 τρόποι μορφοποίησης WRITE(*, '(format εξόδου)')
2.1 2.2 ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ
ΚΕΦΑΛΑΙΟ Ο : ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ - ΕΝΟΤΗΤΕΣ :.... ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ ΜΕΘΟΔΟΛΟΓΙΑ : ΠΡΑΓΜΑΤΙΚΟ & ΦΑΝΤΑΣΤΙΚΟ ΜΕΡΟΣ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ Έστω ένας μιγαδικός αριθμός,
ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ
ΤΜΗΜΑ ΔΙΕΘΝΟΥΣ ΕΜΠΟΡΙΟΥ ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ ΚΕΦΑΛΑΙΑ: ) ΠΙΝΑΚΕΣ ) ΟΡΙΖΟΥΣΕΣ ) ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ 4) ΠΑΡΑΓΩΓΟΙ ΜΑΡΙΑ ΡΟΥΣΟΥΛΗ ΚΕΦΑΛΑΙΟ ΠΙΝΑΚEΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΡΙΘΜΩΝ ΟΡΙΣΜΟΣ Πίνακας
ΤΜΗΜΑ 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
Εφαρμοσμένα Μαθηματικά ΙΙ 7ο Σετ Ασκήσεων (Λύσεις) Ορίζουσες Επιμέλεια: Ι. Λυχναρόπουλος
Εφαρμοσμένα Μαθηματικά ΙΙ 7ο Σετ Ασκήσεων (Λύσεις) Ορίζουσες Επιμέλεια: Ι. Λυχναρόπουλος. Υπολογίστε τις ακόλουθες ορίζουσες a) 4 b) c) a b + a) 4 4 Παρατήρηση: Προσέξτε ότι ο συμβολισμός της ορίζουσας
ΑΡΙΘΜΗΤΙΚΗ 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.
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 1 η Σειρά Ασκήσεων 26.10.2011 Άσκηση 1. Να μετατραπεί
Άσκηση 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 =
ΥΠΟΛΟΓΙΣΤΕΣ 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
Παραδείγματα Απαλοιφή Gauss Απαλοιφή Gauss-Jordan Παραγοντοποίηση LU, LDU
Παραδείγματα Απαλοιφή Gauss Απαλοιφή Gauss-Jordan Παραγοντοποίηση LU, LDU Επιμέλεια: Ι. Λυχναρόπουλος Παράδειγμα x y Να επιλυθεί το ακόλουθο σύστημα: x+ y 6 Σε μορφή πινάκων το σύστημα γράφεται ως: x y
Ιδιοτιμές & Ιδιοδιανύσματα Επαναληπτικές Μέθοδοι
η Διάεξη Ιδιοτιμές & Ιδιοδιανύσματα Επαναηπτικές Μέθοδοι 8 Ιανουαρίου 008 Γιάννης Σαριδάκης 8/0/008 007 Γ.Σαριδάκης/ΕΕΜΗΥ/Πουτεχνείο Κρήτης Ιδιοτιμές και Ιδιοδιανύσματα 8/0/008 007 Γ.Σαριδάκης/ΕΕΜΗΥ/Πουτεχνείο
Παναγιώτης 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
Kεφάλαιο 4. Συστήματα διαφορικών εξισώσεων. F : : F = F r, όπου r xy
4 Εισαγωγή Kεφάλαιο 4 Συστήματα διαφορικών εξισώσεων Εστω διανυσματικό πεδίο F : : F = Fr, όπου r x, και είναι η ταχύτητα στο σημείο πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουμε τις τροχιές κίνησης των
Απαντήσεις στα Θέµατα Ιουνίου 2012 (3 και 4)
-- Αριθµητική Ανάλυση και Περιβ. Υλοποίησης Απαντήσεις στα Θέµατα Ιουνίου (3 και 4) Θέµα 3 [6µ] Θεωρούµε ότι κατά την επίλυση ενός προβλήµατος προσέγγισης προέκυψε ένα γραµµικό σύστηµα Αxb, µε αγνώστους,
Αριθμητικές 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
Επιστηµονικοί 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
Επιλύστε αριθμητικά το με τη μέθοδο των πεπερασμένων διαφορών το παρακάτω πρόβλημα δύο οριακών τιμών:
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 1-13, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #4: ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Ημερομηνίες παράδοσης: Ασκήσεις 1 και : -1-1, Ασκήσεις 3 και 4: 8-1-13 Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος ΑΣΚΗΣΗ
3. 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,
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, 2009-2010 ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης 1 η Σειρά Ασκήσεων 13.10.2009 Άσκηση 1. Δίνονται τα
Παράδειγμα #9 ΠΡΟΒΛΗΜΑΤΑ ΔΥΟ ΟΡΙΑΚΩΝ ΤΙΜΩΝ ΕΛΛΕΙΠΤΙΚΕΣ ΣΔΕ ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης
Παράδειγμα #9 ΠΡΟΒΛΗΜΑΤΑ ΔΥΟ ΟΡΙΑΚΩΝ ΤΙΜΩΝ ΕΛΛΕΙΠΤΙΚΕΣ ΣΔΕ ΕΠΙΜΕΛΕΙΑ: Ν. Βασιλειάδης Άσκηση Να επιλυθεί η εξίσωση ροής διαμέσου ενός κυλινδρικού αγωγού λόγω διαφοράς πίεσης: d u du u = + = dr r dr du με
ΤΕΧΝΟΛΟΓΙΑ 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
ΘΕΜΑΤΑ 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
Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2015 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2015 1 / 47 Αριθμητικές Μέθοδοι
Αριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και2015 Ιδιοδιανυσµάτων 1 / 50
Αριθµητική Γραµµική Αλγεβρα Κεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ΕΚΠΑ 2 Απριλίου 205 Αριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και205
Μέθοδοι 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
Υπολογιστές Ι. Άδειες Χρήσης. Υποπρογράμματα. Διδάσκοντες: Αν. Καθ. Δ. Παπαγεωργίου, Αν. Καθ. Ε. Λοιδωρίκης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Άδειες Χρήσης Υπολογιστές Ι Υποπρογράμματα Διδάσκοντες: Αν. Καθ. Δ. Παπαγεωργίου, Αν. Καθ. Ε. Λοιδωρίκης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Matrix 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
Μετατροπή μήτρας από μορφή πίνακα σε μορφή καταλόγου μη-μηδενικών στοιχείων και αντιστρόφως
Μετατροπή μήτρας από μορφή πίνακα σε μορφή καταλόγου μη-μηδενικών στοιχείων και αντιστρόφως Παράδειγμα 1: >> A=[1 0 0 2 1 0 3 0 0 1 0 0 2 2 0 4 0 0 6 0 0 0 1 0 5] A = 1 0 0 2 1 0 3 0 0 1 0 0 2 2 0 4 0
ΤΕΧΝΟΛΟΓΙΑ 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
ΤΕΧΝΟΛΟΓΙΑ 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
ΑΝΤΩΝΙΟΥ Ν. ΑΝΔΡΙΩΤΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ (Β
ΑΝΤΩΝΙΟΥ Ν. ΑΝΔΡΙΩΤΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ (Β έκδοση) Κεφάλαιο Πρώτο Αντωνίου Ν. Ανδριώτη, Υπολογιστική Φυσική (Β έκδοση) 3 ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ Βασικές πράξεις της αριθμητικής ανάλυσης Θα ξεκινήσουμε τα μαθήματα
Αριθµητική Ολοκλήρωση
Κεφάλαιο 5 Αριθµητική Ολοκλήρωση 5. Εισαγωγή Για τη συντριπτική πλειοψηφία των συναρτήσεων f (x) δεν υπάρχουν ή είναι πολύ δύσχρηστοι οι τύποι της αντιπαραγώγου της f (x), δηλαδή της F(x) η οποία ικανοποιεί
A 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
(συνθήκη συμμετρίας) (4) Το παραπάνω πρόβλημα μπορεί να περιγράψει τη μεταβατική πλήρως ανεπτυγμένη ροή σε κυλινδρικό αγωγό.
ΑΣΚΗΣΗ ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, 00-0, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #4: ΠΑΡΑΒΟΛΙΚΑ ΠΡΟΒΛΗΜΑΤΑ (αρχικών και οριακών τιμών) ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ:..00 ΕΠΙΜΕΛΕΙΑ: Ιωάννης Λυχναρόπουλος Ζητείται να επιλυθεί η εξίσωση t
Άσκηση εφαρμογής της μεθόδου Newton Raphson
Άσκηση εφαρμογής της μεθόδου Newton Raphson Η ακόλουθη αντίδραση πραγματοποιείται σε έναν αντιδραστήρα αέριας φάσης: H 2 S+O 2 H 2 +SO 2 Όταν το σύστημα φτάσει σε ισορροπία στους 600Κ και 10 atm, τα μοριακά
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ -ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ. Λύσεις των Θεμάτων εξέτασης προόδου στο μάθημα «Γραμμική Άλγεβρα» (ΗΥ119)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ -ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Λύσεις των Θεμάτων εξέτασης προόδου στο μάθημα «Γραμμική Άλγεβρα» (ΗΥ9) Θέμα. (μονάδες.0) Οι ορίζουσες των πινάκων ABC,, βρεθούν οι ορίζουσες των πινάκων:
Εφαρμοσμένα Μαθηματικά ΙΙ 7ο Σετ Ασκήσεων (Λύσεις) Γραμμικά Συστήματα- Απαλοιφή Gauss Επιμέλεια: I. Λυχναρόπουλος
Εφαρμοσμένα Μαθηματικά ΙΙ 7ο Σετ Ασκήσεων (Λύσεις) Γραμμικά Συστήματα- Απαλοιφή Gauss Επιμέλεια: I. Λυχναρόπουλος. Χρησιμοποιείστε απαλοιφή Gauss για να επιλύσετε τα ακόλουθα συστήματα: 5x 8y = 5x= + y
Προσεγγιστική 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.
Επιμέλεια απαντήσεων: Ιωάννης Λυχναρόπουλος
ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ, 008-009, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΣΥΝΗΘΕΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΠΡΟΒΛΗΜΑΤΑ ΑΡΧΙΚΩΝ ΤΙΜΩΝ ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ: 3.0.008 ΔΙΔΑΣΚΩΝ: Δ. Βαλουγεώργης Άσκηση Επιμέλεια απαντήσεων:
Μαρία Λουκά. Εργαστήριο Matlab Άμεσες Μέθοδοι. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Μαρία Λουκά Εργαστήριο Matlab Άμεσες Μέθοδοι. Τμήμα Πληροφορικής και Τηλεπικοινωνιών Βασικές συναρτήσεις του Matlab b = trace(a) : Είναι το άθροισμα των διαγωνίων στοιχείων του πίνακα Α. d = det(a) : επιστρέφει
ΘΕΩΡΙΑ ΠΙΝΑΚΩΝ. Ορισμός 1: Ένας πίνακας Α με m γραμμές και n στήλες,
ΘΕΩΡΙΑ ΠΙΝΑΚΩΝ Ορισμός 1: Ένας πίνακας Α με m γραμμές και n στήλες, παριστάνεται με την εξής ορθογώνια διάταξη: α11 α12 α1n α21 α22 α2n A = αm1 αm2 αmn Ορισμός 2: Δύο πίνακες Α και Β είναι ίσοι, και γράφουμε
ΘΕΜΑ 2ο. Άσκηση εφαρµογής της µεθόδου Newton Raphson
ΘΕΜΑ 2ο Άσκηση εφαρµογής της µεθόδου Newton Raphson Θέµα 2: Η ακόλουθη αντίδραση πραγµατοποιείται σε έναν αντιδραστήρα αέριας φάσης: H 2 S+O 2 H 2 +SO 2 Όταν το σύστηµα φτάσει σε ισορροπία στους 600Κ και
Πρόλογος Εισαγωγή στη δεύτερη έκδοση Εισαγωγή... 11
Περιεχόμενα Πρόλογος... 9 Εισαγωγή στη δεύτερη έκδοση... 0 Εισαγωγή... Ε. Εισαγωγή στην έννοια της Αριθμητικής Ανάλυσης... Ε. Ταξινόμηση των θεμάτων που απασχολούν την αριθμητική ανάλυση.. Ε.3 Μορφές σφαλμάτων...
FORTRAN και Αντικειμενοστραφής Προγραμματισμός
FORTRAN και Αντικειμενοστραφής Προγραμματισμός Παραδόσεις Μαθήματος 2016 Δρ Γ Παπαλάμπρου Επίκουρος Καθηγητής ΕΜΠ georgepapalambrou@lmentuagr Εργαστήριο Ναυτικής Μηχανολογίας (Κτίριο Λ) Σχολή Ναυπηγών
β) 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
ΥΠΟΛΟΓΙΣΤΕΣ Ι. Τι είναι μια συνάρτηση; ΣΥΝΑΡΤΗΣΕΙΣ. Δήλωση συνάρτησης sq. Παράδειγμα συνάρτησης: υπολογισμός τετραγώνου
ΥΠΟΛΟΓΙΣΤΕΣ Ι Τι είναι μια συνάρτηση; ΣΥΝΑΡΤΗΣΕΙΣ Μια ομάδα εντολών, σχεδιασμένη να εκτελεί έναν υπολογισμό και να γυρνάει το αποτέλεσμα Ιδανικές για περιπτώσεις που ο υπολογισμός επαναλαμβάνεται πολλές