Matematisk modellering og numeriske metoder. Lektion 17
|
|
- Charlotte Andreasen
- 5 år siden
- Visninger:
Transkript
1 Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen. december 16 1 Numerisk integration og differentiation 1.1 Simpsons regel Antag, at vi har en funktion f på intervallet I = [a, b], og at vi gerne vil finde b f(x) dx. Vi a deler I op i n delintervaller I i = [x i 1, x i ], i = 1,..., n af længde h = b a, hvor x n i = x + ih. Vi vil nu approksimere f på I i med et andengradspolynomium p gennem f(x i 1 ), f(x i 1 + h) og f(x i ). Den ihærdige læser kan selv finde p (med en valgfri metode fra lektion 1) og integrere andengradspolynomiet. Den dovne kan ånde lettet op, læne sig tilbage, og få det hele serveret: xi x i 1 p (x) dx = h 6 ( f(xi 1 ) + 4f(x i 1 + h ) + f(x i) ), hvor h = x i x i 1. Anvendes dette på alle delintervaller, kaldes resultatet Simpsons regel og ser ud som følger: b a f(x) dx h 6 n ( f(xi 1 ) + 4f(x i 1 + h) + f(x i) ) = h ( f(x ) + f(x n ) ) + h 6 n f(x i h) + h n 1 f(x i ). Det bemærkes, at bogen ikke er konsekvent med, om den tæller målepunkter (altså steder, hvor f skal kendes) eller delintervaller, og at deres formel af den grund ser lidt anderledes ud. 1
2 1. Præcisionsgrad Inden vi diskuterer fejlvurderinger i forbindelse med Simpsons regel, vil vi indføre begrebet præcisionsgrad af en metode til numerisk integration. For at en metode kan kalde sig en numerisk integrationsmetode, skal den kunne bestemme integralet af en konstant funktion også kendt som et nultegradspolynomium uden fejl. Vi kan derfor for en given numerisk integrationsmetode lade N betegne det største hele tal, sådan at metoden anvendt på et vilkårligt N tegradspolynomium over et vilkårligt interval giver det rigtige resultat. Dette tal kaldes præcisionsgraden. Det er nemt at se, at midtpunktsreglen har præcisionsgrad (man kan kun være sikker på at få det rigtige resultat, hvis integranten er et nultegradspolynomium) og at trapezreglen har præcisionsgrad 1 (trapezreglen giver det rigtige integral for alle førstegradspolynomier, men ikke for alle andengradspolynomier). Det er oplagt at gætte på, at Simpsons regel har præcisionsgrad, og det er da også sandt, at andengradspolynomier integreres korrekt med Simpsons regel. Lad nu f være et tredjegradspolynomium. Vi kan skrive f som f = p + g, hvor p er andengradsinterpolationspolynomiet gennem f(x i 1 ), f(x i 1 + h) og f(x i) mens g er tredjegradspolynomiet gennem et vilkårligt fjerde punkt x (x i 1, x i ), x x i 1 + h, fra Newtons divideret differens-metode, g (x) = f[x i 1, x i 1 + h, x i, x ](x x i 1 ) ( x (x i 1 + h )) (x x i ). Det er nu nemt at vise, at x i x i 1 g (x) dx = uanset hvad f[x i 1, x i 1 + h, x i, x ] er prøv evt. selv at betragte det konkrete tilfælde x i 1 = 1, x i = 1 og h =. Dette betyder, at også tredjegradspolynomier altid integreres korrekt med Simpsons regel, og præcisionsgraden er derfor. At Simpsons regel vha. tre målepunkter pr. delinterval og andengradspolynomiumsinterpolation kan give korrekt integration af tredjegradspolynomier, hænger i høj grad på, hvor de tre målepunkter er placeret i delintervallet i forhold til hinanden. Vi vil om lidt se på en metode kaldet Gauss-kvadratur, som netop går ud på at optimere disse forhold. Inden da skal vi dog lige vende tilbage til et hængeparti. 1. Fejlvurderinger i Simpsons regel Ligesom præcisionsgraden i Simpsons regel ikke er men, er fejlen ved brug af Simpsons regel ikke proportional med f (x I ) for et passende valg af x I [a, b], men derimod ε S (b a) n = 88 h4 f (4) (x I ), (1) hvor n et indikerer antallet af delintervaller, som på højresiden er indkodet i værdien af h (husk igen bogens lidt anderledes notation). Vi kan igen finde øvre og nedre grænser for fejlen ved at finde maksimum og minimum af f (4) på I = [a, b]. Skulle f (4) af en eller anden grund være en problematisk størrelse, kan man, hvis n er et lige tal, benytte sig af følgende estimat: ε S n 1 1 (J n S J S n ),
3 hvor Jn S = h ( f(x ) + f(x n ) ) + h n 1 f(x i ) + h 6 n f(x i h) er approksimationen af integralet fra Simpsons regel med n delintervaller. Simpsons regel er endvidere numerisk stabil med hensyn til afrunding i den forstand, at afrundingsfejl i værdierne f(x ), f(x i ) og f(x i h ), i = 1,..., n er begrænset af (b a)u, hvor u er afrundingsenheden, og fuldstændig uafhængig af n. 1.4 Gauss-kvadratur Gauss-kvadratur er som nævnt en metode, som går ud på at udnytte at præcisionsgraden afhænger af placeringen af målepunkterne. Mere specifikt foretages approksimationen ved b a f(x) dx b a n ( b a w i f z i + a + b ), for nogle særlige vægte w i og punkter z i. For n mellem og kan vægtene og punkterne aflæses i følgende tabel. Antal målepunkter n punkter z i vægte w i præcisionsgrad N ± 1 4 ± ± ± ± 1 ± Det ses, at præcisionsgraden i ovenstående tabel er n 1. Dette gælder også for n > og det kan vises, at det er den højst opnåelige præcisionsgrad. Det er klart, at vi kun kan vente, at Gausskvadratur giver gode resultater, såfremt den pågældende integrant ligner et polynomium. 1. Adaptiv numerisk integration En metode, som tager mere hensyn til den konkrete funktion, er adaptiv numerisk integration, som er en slags overbygning på metoder, der som trapezreglen og Simpsons regel baserer sig på
4 inddeling i delintervaller og som tillader estimation af fejlen. Kernen i metoden er altså eksempelvis Simpsons regel. Antag, at vi vil integrere en funktion f på intervallet I = [a, b] og at vi accepterer én eller anden grad af fejl, f.eks. at tolerancen T > skal være større end den absolutte fejl ε. Vi lader J n ([c, d]) og ε n ([c, d]) betegne hhv. approksimationen af integralet og fejlen på approksimationen over [c, d] når [c, d] er inddelt i n delintervaller. Hvis vi eksempelvis anvender Simpsons regel på f over intervallet [c, d] med n = 1 og n =, så kan vi estimere ε ([c, d]) = ε S ([c, d]). Hvis den samlede absolutte fejl skal være mindre end T, så er det tilstrækkeligt, at fejlen på hvert delinterval opfylder ε ([c, d]) b a d c < T eller ε ([c, d]) < d c b a T. Hvis et estimat af ε ([c, d]) er større end d c T, kan vi forbedre vores approksimation af integralet b a på dette delinterval ved at udregne J 4 ([c, d]) = J ([c, c+d]) + J ([ c+d, d]). Det skulle være klart, at denne process kan fortsættes. Når vi skal udregne et integral, begynder vi altså med c = a og d = b, udregner J 1 ([c, d]) og J ([c, d]), estimerer ε ([c, d]), og erstatter efter behov (dvs. hvis ε ([c, d]) d c T ) hhv. c og d b a med c+d og gentager processen med disse valg af c og d. Forhåbentlig opnås efter et endeligt antal skridt med passende halveringer af delintervallerne en tilpas fin inddeling, til at ε ([c, d]) < d ct b a for alle relevante par af c og d, og approksimationen af integralet med en tolerance mindre end T er så summen af J ([c, d]) erne for disse par. 1.6 Eksempler Vi vil gennemgå et eksempel på anvendelsen af trapezreglen, Simpsons regel og Gauss-kvadratur. Eksempel 1.1. Vi vil numerisk beregne integralet 1 e x dx og vurdere fejlen. Vi begynder med trapezreglen. Skriv f(x) = e x og antag, at vi kender f(x i ) = e x i for x i = i, i =,..., 1. 1 Vi kan da anvende trapezreglen med n = 1 hvilket svarer til h =.1 og inddelingen [, 1] = 1 [x i 1, x i ]. Vi får da vha. trapezreglen: 1 e x dx J t 1 = h ( f(x ) + f(x n ) ) + h 9 f(x i ) = =.4611, hvor J t 1 indikerer, at det er trapezreglen med n = 1. Hvis vi i samme ånd skriver ε t 1 for fejlen, så kan vi finde øvre og nedre grænser for fejlen vha. trapezreglen: så ε t 1 = f (x I ) hvor x I [, 1], 1 1 max x [,1] f (x) ε t min x [,1] f (x). Da f (x) = (x 1)e x og f (x) for x [, 1] er max f (x) = f (1) =.9 og min f (x) = f () =, x [,1] x [,1] 4
5 så Vi kan også estimere ε t 1 vha. fejlestimatformlen: så.614 ε t J t = =.4468 ε t 1 1 (J t 1 J t ) = Denne fejl kan vises at være korrekt med to betydende cifre: ε t 1 = Dette var trapezreglen. Men hvad med Simpsons regel? Med de samme kendte målepunkter x i kan vi kun klare n =, idet Simpsons regel også bruger et målepunkt midtvejs i delintervallerne. Vi får derfor h =. og: =.468. Ud fra ovenstående er det klart, at fejlen her er mindre, selvom vi tog udgangspunkt i præcis de samme tal. Benytter vi (1) til at vurdere fejlen ε S fås. = max f (4) (x) ε S 1 x [,1] 88.4 min f (4) (x) =.. x [,1] Da n = er ulige, kan vi ikke benytte ε S n 1 (J 1 n J n ) til at estimere fejlen. Til gengæld kunne vi bruge (1) til at finde n, så vi eksempelvis har 6 rigtige cifre efter kommaet ved at indsætte h = b a ε S n b a 88 ( b a n ) 4 max x [a,b] f (4) (x) = 1 88n , og dermed n = 1, idet vi bliver nødt til at runde op. Hvis f (4) varierer meget på intervallet [a, b] kan denne vurdering dog være alt for streng, forstået på den måde, at man kunne klare sig med et mindre n. Til sidst vil vi approksimere integralet vha. Gauss-kvadratur. Dette er dog ikke problemfrit, da vi nu ikke længere kan bruge vores allerede kendte x i er som målepunkter. Vi dispenserer for antagelsen om, at vi kun kender disse, og antager i stedet, at vi selv må bestemme, hvor vi evaluerer funktionen. Hvis vi vælger n =, så skal vi altså kende f( 1), f( 1 (1 /) ) og f ( 1 (1 + /) ) : 1 e x dx 1 ( 9 f( 1 (1 )) f(1) + 9 f( 1 (1 ))) = De få målepunkter taget i betragtning, er der her tale om en ret imponerende præcision: fejlen er.1. Havde vi i Simpsons regel forsøgt os med n =, havde vi fået J S =.418, og trapezreglen ville have været endnu værre. Eksempel 1.. Vi vil nu numerisk integrere f(x) = 1 4 πx4 cos( 1 πx) fra til vha. adaptiv integration og Simpsons regel og en tolerance på T =.. Først udregnes J 1 ([, ]) =.448 og 4 J ([, ]) = J 1 ([, 1]) + J 1 ([1, ]) = = Vi kan så estimere fejlen ε ([, ]) 1 ( ) = n :
6 Altså skal vi splitte [, ] i [, 1 ] = [, 1] og [, ] = [1, ]. Vi har så J 1([, 1]) =.194 og J 1 ([1, ]) = og finder J ([, 1]) = J 1 ([, 1]) + J 1([ 1, 1]) =.116 og J ([1, ]) = J 1 ([1, ]) + J 1([, ]) = = 1.1. Vi kan nu estimere ε ([, 1]) 1 (J 1 ([, 1]) J 1 ([, 1])) =.61 < 1., så [, 1] mener vi altså at have approksimeret tilstrækkeligt godt, mens ε ([1, ]) 1 1 (J ([1, ]) J 1 ([1, ])) = Vi splitter derfor [1, ] i [1, ] og [, ]. Så beregnes J ([1, ]) =.889 og J ([, ]) =.6669 samt ε ([1, ]) =.48 < 1. og ε ([, ]) =.8 <. og vi er altså tilfredse med alle delintervaller. Vi lægger sammen og får 1 4 πx4 cos( 1πx) dx J 4 ([, 1]) + J ([1, ]) + J ([ ]) = = Numerisk differentiation Vi har allerede i forbindelse med finite difference-metoden set på forskellige numeriske approksimationer af differentialkvotienter vha. differenskvotienter. Problemet med differentialkvotienter er, at de er defineret som en grænseværdi af en differenskvotient, hvor både tæller og nævner går mod. De er derfor ret følsomme overfor upræcisheder, idet deres værdi er forholdet mellem hastigheden, hvormed tæller og nævner går mod nul. Alternativt til differenskvotienterne kan differentialkvotienten approksimeres ved at approksimere den pågældende funktion f med et polynomium p n vha. metoderne fra sidste lektion og bruge følgende: f (x) p n(x). Hvis n = og under antagelsen x 1 x = x x 1 = h giver dette: f 1 h ( f + 4f 1 f ), f 1 1 h ( f + f ) f 1 h (f 4f 1 + f ) hvor f i = f (x i ) og f i = f(x i ). Med flere målepunkter stiger graden af polynomiet, og eksempelvis fås f = 1 1h (f 8f 1 + 8f f 4 ), igen under antagelsen x i x i 1 = h, f i = f(x i ) og f i = f (x i ). 6
Matematisk modellering og numeriske metoder. Lektion 17
Mtemtisk modellering og numeriske metoder Lektion 1 Morten Grud Rsmussen 8. november, 1 1 Numerisk integrtion og differentition [Bogens fsnit 19. side 84] 1.1 Grundlæggende om numerisk integrtion Vi vil
Læs mereMatematisk modellering og numeriske metoder. Lektion 16
Matematisk modellering og numeriske metoder Lektion 16 Morten Grud Rasmussen 6. november, 2013 1 Interpolation [Bogens afsnit 19.3 side 805] 1.1 Interpolationspolynomier Enhver kontinuert funktion f på
Læs mereMatematisk modellering og numeriske metoder. Lektion 19
Matematisk modellering numeriske metoder Lektion 19 Morten Grud Rasmussen 15. november, 2013 1 Mangeskridtsmetoder til løsning af førsteordens ODE er [Bens afsnit 21.2 side 908] 1.1 Adams-Bashforth-metoder
Læs mereMatematisk modellering og numeriske metoder. Lektion 13
Matematisk modellering og numeriske metoder Lektion 3 Morten Grud Rasmussen 3. november 206 Numerisk metode til Laplace- og Poisson-ligningerne. Finite difference-formulering af problemet I det følgende
Læs mereMatematisk modellering og numeriske metoder
Matematisk modellering og numeriske metoder Morten Grud Rasmussen 14. september 016 1 Numerisk analyse 1.1 Grundlæggende numerik Groft sagt handler numerisk analyse om at bringe matematiske problemer på
Læs mereMatematisk modellering og numeriske metoder. Overskrifter
Matematisk modellering og numeriske metoder Overskrifter Morten Grud Rasmussen 25. november, 2013 Lektion 1 Ordinære differentialligninger ODE er helt grundlæggende Løsninger Begyndelsesværdiproblemer
Læs merePolynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6
Indhold 1 Polynomier 2 Polynomier 2 Polynomiumsdivision 4 3 Algebraens fundamentalsætning og rødder 6 4 Koefficienter 8 5 Polynomier med heltallige koefficienter 9 6 Mere om polynomier med heltallige koefficienter
Læs mereTaylor s approksimationsformler for funktioner af én variabel
enote 17 1 enote 17 Taylor s approksimationsformler for funktioner af én variabel I enote 14 og enote 16 er det vist hvordan funktioner af én og to variable kan approksimeres med førstegradspolynomier
Læs mereMatematisk modellering og numeriske metoder. Lektion 18
Matematisk modellering numeriske metoder Lektion 18 Morten Grud Rasmussen 12. november, 2013 1 Numeriske metoder til førsteordens ODE er [Bens afsnit 21.1 side 898] 1.1 Euler-metoden Vi stiftede allerede
Læs mereMujtaba og Farid Integralregning 06-08-2011
Indholdsfortegnelse Integral regning:... 2 Ubestemt integral:... 2 Integrationsprøven:... 3 1) Integration af potensfunktioner:... 3 2) Integration af sum og Differens:... 3 3) Integration ved Multiplikation
Læs mereMatematisk modellering og numeriske metoder. Lektion 15
Matematisk modellering og numeriske metoder Lektion 15 Morten Grud Rasmussen 1. november, 2013 1 Numerisk analyse [Bogens afsnit 19.1 side 788] 1.1 Grundlæggende numerik Groft sagt handler numerisk analyse
Læs mereMatematisk modellering og numeriske metoder. Lektion 5
Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at
Læs mereMatematisk modellering og numeriske metoder. Lektion 8
Matematisk modellering og numeriske metoder Lektion 8 Morten Grud Rasmussen 18. oktober 216 1 Fourierrækker 1.1 Periodiske funktioner Definition 1.1 (Periodiske funktioner). En periodisk funktion f er
Læs mereTaylor s approksimationsformler for funktioner af én variabel
enote 4 1 enote 4 Taylor s approksimationsformler for funktioner af én variabel I enote 19 og enote 21 er det vist hvordan funktioner af én og to variable kan approksimeres med førstegradspolynomier i
Læs mereMM501 forelæsningsslides
MM501 forelæsningsslides uge 35-del 1, 2010 Redigeret af Jessica Carter efter udgave af Hans J. Munkholm 1 Nogle talmængder s. 4 N = {1,2,3, } omtales som de naturlige tal eller de positive heltal. Z =
Læs mereMM501 forelæsningsslides
MM50 forelæsningsslides uge 36, 2009 Produceret af Hans J. Munkholm Nogle talmængder s. 3 N = {, 2, 3, } omtales som de naturlige tal eller de positive heltal. Z = {0, ±, ±2, ±3, } omtales som de hele
Læs mereOversigt [S] 5.2, 5.4, 12.1
Oversigt [S] 5.2, 5.4, 12.1 Nøgleord og begreber Bestemt integral Areal iemann summer Volumen Dobbelt integral Test dobbelt integral iemann dobbeltsummer Nyttige regneregler for integral Test integral
Læs mereNoter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polynomier, Kirsten Rosenkilde, Marts 2006 1 Polynomier Disse noter giver en kort introduktion til polynomier, og de fleste sætninger nævnes uden bevis. Undervejs er der forholdsvis nemme opgaver,
Læs mereqwertyuiopåasdfghjklæøzxcvbnmqw ertyuiopåasdfghjklæøzxcvbnmqwert yuiopåasdfghjklæøzxcvbnmqwertyui Polynomier opåasdfghjklæøzxcvbnmqwertyuiopå
qwertyuiopåasdfghjklæøzxcvbnmqw ertyuiopåasdfghjklæøzxcvbnmqwert yuiopåasdfghjklæøzxcvbnmqwertyui Polynomier opåasdfghjklæøzxcvbnmqwertyuiopå Kort gennemgang af polynomier og deres egenskaber. asdfghjklæøzxcvbnmqwertyuiopåasd
Læs merePolynomium Et polynomium. Nulpolynomiet Nulpolynomiet er funktionen der er konstant nul, dvs. P(x) = 0, og dets grad sættes per definition til.
Polynomier Polynomier Polynomium Et polynomium P(x) = a n x n + a n x n +... + a x + a 0 Disse noter giver en introduktion til polynomier, centrale sætninger om polynomiumsdivision, rødder og koefficienter
Læs mereTaylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium
Taylorudvikling I Preben Alsholm 3. november 008 Taylorpolynomier. Definition af Taylorpolynomium Definition af Taylorpolynomium Givet en funktion f : I R! R og et udviklingspunkt x 0 I. Find et polynomium
Læs mereIntroduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak
Introduktion til differentialregning 1 Jens Siegstad og Annegrete Bak 16. juli 2008 1 Indledning I denne note vil vi kort introduktion til differentilregning, idet vi skal bruge teorien i et emne, Matematisk
Læs mereAng. skriftlig matematik B på hf
Peter Sørensen: 02-04-2012 Ang. skriftlig matematik B på hf Til skriftlig eksamen i matematik B på hf skal man ikke kunne hele pensum. Pensum til skriftlig eksamen kan defineres ved, at opgaverne i opgavehæftet
Læs mereDifferential- regning
Differential- regning del f(5) () f f () f ( ) I 5 () 006 Karsten Juul Indhold 6 Kontinuert funktion 7 Monotoniforhold7 8 Lokale ekstrema44 9 Grænseværdi5 Differentialregning del udgave 006 006 Karsten
Læs mereOversigt [S] 5.2, 5.4, 12.1
Oversigt [S] 5.2, 5.4, 12.1 Nøgleord og begreber Bestemt integral Areal iemann summer Volumen Dobbelt integral Test dobbelt integral iemann dobbeltsummer Nyttige regneregler for integral Test integral
Læs mereIntegralregning Infinitesimalregning
Udgave 2.1 Integralregning Infinitesimalregning Noterne gennemgår begreberne integral og stamfunktion, og anskuer dette som et redskab til bestemmelse af arealer under funktioner. Noterne er supplement
Læs mereNoter til Computerstøttet Beregning Taylors formel
Noter til Computerstøttet Beregning Taylors formel Arne Jensen c 23 1 Introduktion I disse noter formulerer og beviser vi Taylors formel. Den spiller en vigtig rolle ved teoretiske overvejelser, og også
Læs mereMatematisk modellering og numeriske metoder. Lektion 11
Matematisk modellering og numeriske metoder Lektion 11 Morten Grud Rasmussen 5. november 2016 1 Partielle differentialligninger 1.1 Udledning af varmeligningen Vi vil nu på samme måde som med bølgeligningen
Læs mereAfstande, skæringer og vinkler i rummet
Afstande, skæringer og vinkler i rummet Frank Villa 2. maj 202 c 2008-20. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold
Læs mereMatematisk modellering og numeriske metoder. Lektion 11
Matematisk modellering og numeriske metoder Lektion 11 Morten Grud Rasmussen 17. oktober, 2013 1 Partielle differentialligninger 1.1 D Alemberts løsning af bølgeligningen [Bogens sektion 12.4 på side 553]
Læs mereMatematisk modellering og numeriske metoder. Lektion 4
Matematisk modellering og numeriske metoder Lektion 4 Morten Grud Rasmussen 17. september, 013 1 Homogene andenordens lineære ODE er [Bogens afsnit.1] 1.1 Linearitetsprincippet Vi så sidste gang, at førsteordens
Læs mereAfstande, skæringer og vinkler i rummet
Afstande, skæringer og vinkler i rummet Frank Nasser 9. april 20 c 2008-20. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her.
Læs mereIntroduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)
Introduktion til Laplace transformen (oter skrevet af ikolaj Hess-ielsen sidst revideret marts 23) Integration handler ikke kun om arealer. Tværtimod er integration basis for mange af de vigtigste værktøjer
Læs mereMatematisk modellering og numeriske metoder. Lektion 1
Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen 4. september, 2013 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mereAnalyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).
Analyse 2 Øvelser Rasmus Sylvester Bryder 3. og 6. september 2013 Gennemgå bevis for Sætning 2.10 Sætning 1. For alle mængder X gælder #X < #P(X). Bevis. Der findes en injektion X P(X), fx givet ved x
Læs mereOversigt [S] 8.7, 8.8, 8.9
Oversigt [S] 8.7, 8.8, 8.9 Nøgleord og begreber Potensrækker og opgaver Binomialformlen Binomialkoefficienter Binomialrækken Taylor polynomier Vurdering af Taylor s restled Eksponentialrækken konvereger
Læs mereBesvarelser til Calculus Ordinær eksamen - Forår - 6. Juni 2016
Besvarelser til Calculus Ordinær eksamen - Forår - 6. Juni 16 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereLineære differentialligningers karakter og lineære 1. ordens differentialligninger
enote 11 1 enote 11 Lineære differentialligningers karakter og lineære 1. ordens differentialligninger I denne note introduceres lineære differentialligninger, som er en speciel (og bekvem) form for differentialligninger.
Læs merei x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0
BAndengradspolynomier Et polynomium er en funktion på formen f ( ) = an + an + a+ a, hvor ai R kaldes polynomiets koefficienter. Graden af et polynomium er lig med den højeste potens af, for hvilket den
Læs mereMatematisk modellering og numeriske metoder. Lektion 14
Matematisk modellering og numeriske metoder Lektion 4 Morten Grud Rasmussen 3 november 6 Numeriske metoder til løsning af differentialligninger Bevarelseslove I det følgende vil vi skrive p for et punkt
Læs mereEksperimentel matematik Kommentarer til tag-med opgaver
Eksperimentel matematik Kommentarer til tag-med opgaver Hypotesedannelse I har alle produceret grafer af typen 0.8 0.6 0.4 0.2 0 0. 0.2 0.3 0.4 0.5 (de lilla punkter er fundet ved en strenglængde på 35,
Læs mereBEVISER TIL KAPITEL 3
BEVISER TIL KAPITEL 3 Alle beviserne i dette afsnit bruger følgende algoritme fra side 88 i bogen. Algoritme: Fremgangsmåde til udledning af forskellige regneregler for differentiation af forskellige funktionstyper
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Som 2015 Institution VUC Vest Uddannelse Fag og niveau Lærer(e) Hold Hf/hfe Mat B Niels Johansson 14MACB11E14
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Som 2014 Institution VUC Vestegnen Uddannelse Fag og niveau Lærer(e) Hold Hf/hfe Mat B Niels Johansson 7Bma1S14
Læs merePeterSørensen.dk : Differentiation
PeterSørensen.dk : Differentiation Betydningen af ordet differentialkvotient...2 Sekant...2 Differentiable funktioner...3 Bestemmelse af differentialkvotient i praksis ved opgaveløsning...3 Regneregler:...3
Læs mereMatematisk modellering og numeriske metoder
Matematisk modellering og numeriske metoder Morten Grud Rasmussen 5. september 2016 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mereDifferentiation. Frank Nasser. 11. juli 2011
Differentiation Frank Nasser 11. juli 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereNumerisk. differentiation. Erik Vestergaard
Numerisk differentiation Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 25. Billeder: Forside: istock.com/iunewind Side 5: istock.com/cienpies Desuden egne illustrationer Erik
Læs mereMere om differentiabilitet
Mere om differentiabilitet En uddybning af side 57 i Spor - Komplekse tal Kompleks funktionsteori er et af de vigtigste emner i matematikken og samtidig et af de smukkeste I bogen har vi primært beskæftiget
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereOPGAVER 1. Approksimerende polynomier. Håndregning
OPGAVER 1 Opgaver til Uge 4 Store Dag Opgave 1 Approksimerende polynomier. Håndregning a) Find for hver af de følgende funktioner deres approksimerende polynomiumer af første og anden grad med udviklingspunkt
Læs mereNote om Monte Carlo metoden
Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at
Læs mereLandmålingens fejlteori - Lektion 3. Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering
Landmålingens fejlteori Lektion 3 Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition: Middelværdi og
Læs mereDifferentialregning. Ib Michelsen
Differentialregning Ib Michelsen Ikast 2012 Forsidebilledet Tredjegradspolynomium i blåt med rød tangent Version: 0.02 (18-09-12) Denne side er (~ 2) Indholdsfortegnelse Introduktion...5 Definition af
Læs merematx.dk Differentialregning Dennis Pipenbring
mat.dk Differentialregning Dennis Pipenbring 0. december 00 Indold Differentialregning 3. Grænseværdi............................. 3. Kontinuitet.............................. 8 Differentialkvotienten
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Estimation: Kapitel 9.1-9.3 Estimation Estimationsfejlen Bias Eksempler Bestemmelse af stikprøvens størrelse Konsistens De nitioner påkonsistens Eksempler på konsistente og middelrette estimatorer
Læs mereDen homogene ligning. Vi betragter den n te ordens, homogene, lineære differentialligning. d n y dt n. an 1 + any = 0 (1.2) dt. + a1 d n 1 y dt n 1
1/7 Den homogene ligning Vi betragter den n te ordens, homogene, lineære differentialligning a 0 d n y dt n + a1 d n 1 y dt n 1 hvor a 0,..., a n R og a 0 0. Vi skriver ligningen på kort form som + + dy
Læs mereArealer som summer Numerisk integration
Arealer som summer Numerisk integration http://www.zweigmedia2.com/realworld/integral/numint.html Her kan ses formlerne, som er implementeret nedenfor med en effektiv kode. Antag, at funktionen er positiv,
Læs mereMatematik B-niveau 31. maj 2016 Delprøve 1
Matematik B-niveau 31. maj 2016 Delprøve 1 Opgave 1 - Ligninger og reduktion (a + b) (a b) + b (a + b) = a 2 ab + ab b 2 + ab + b 2 = a 2 + ab Opgave 2 - Eksponentiel funktion 23 + 2x = 15 2x 2 = 8 x =
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereLektion 12. højere ordens lineære differentiallininger. homogene. inhomogene. eksempler
Lektion 12 2. ordens lineære differentialligninger homogene inhomogene eksempler højere ordens lineære differentiallininger 1 Anden ordens lineære differentialligninger med konstante koefficienter A. Homogene
Læs mereqwertyuiopåasdfghjklæøzxcvbnmqw ertyuiopåasdfghjklæøzxcvbnmqwert yuiopåasdfghjklæøzxcvbnmqwertyui opåasdfghjklæøzxcvbnmqwertyuiopå
qwertyuiopåasdfghjklæøzxcvbnmqw ertyuiopåasdfghjklæøzxcvbnmqwert yuiopåasdfghjklæøzxcvbnmqwertyui opåasdfghjklæøzxcvbnmqwertyuiopå Polynomier Kort gennemgang af polynomier og deres asdfghjklæøzxcvbnmqwertyuiopåasd
Læs mereAlgebra - Teori og problemløsning
Algebra - Teori og problemløsning, januar 05, Kirsten Rosenkilde. Algebra - Teori og problemløsning Kapitel -3 giver en grundlæggende introduktion til at omskrive udtryk, faktorisere og løse ligningssystemer.
Læs mereProjekt 3.5 faktorisering af polynomier
Projekt 3.5 faktorisering af polynomier Hvilke hele tal går op i tallet 60? Det kan vi få svar på ved at skrive 60 som et produkt af sine primtal: 60 3 5 Divisorerne i 60 er lige præcis de tal, der kan
Læs mereLogistisk Regression. Repetition Fortolkning af odds Test i logistisk regression
Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logisitks Regression: Repetition Y {0,} binær afhængig variabel X skala forklarende variabel π P( Y X x) Odds(Y X x) π /(-π
Læs mereINFINITESIMALREGNING del 3 Differentialligninger Funktioner af flere variable Differentialligningssystemer x-klasserne Gammel Hellerup Gymnasium
INFINITESIMALREGNING del 3 Differentialligninger Funktioner af flere variable Differentialligningssystemer x-klasserne Gammel Hellerup Gymnasium Februar 09 ; Michael Szymanski ; mz@ghg.dk Indholdsfortegnelse
Læs mereStudieplan. Stamoplysninger til brug ved prøver til gymnasiale uddannelser. Oversigt over gennemførte undervisningsforløb
Studieplan Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin August 10-juni 11 Institution Grenaa Tekniske Gymnasium Uddannelse Fag og niveau Lærer(e) Hold HTX Matematik B2 Klavs Skjold
Læs mereEn differentiabel funktion hvis afledte ikke er kontinuert Søren Knudby
24 En differentiabel funktion hvis afledte ikke er kontinuert Søren Knudby Det er velkendt for de fleste, at differentiabilitet af en reel funktion f medfører kontinuitet af f, mens det modsatte ikke gælder
Læs mereBesvarelser til Calculus Ordinær Eksamen Januar 2019
Besvarelser til Calculus Ordinær Eksamen - 14. Januar 19 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereFunktioner. 3. del Karsten Juul
Funktioner 3. del 019 Karsten Juul Funktioner 3. del, 019 Karsten Juul 1/9-019 Nyeste version af dette hæfte kan downloades fra http://mat1.dk/noter.htm. Hæftet må benyttes i undervisningen hvis læreren
Læs mereGrundlæggende Matematik
Grundlæggende Matematik Hayati Balo, AAMS August 2012 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske
Læs mereMatematisk modellering og numeriske metoder. Lektion 6
Matematisk modellering og numeriske metoder Lektion 6 Morten Grud Rasmussen 24. september, 2013 1 Forcerede oscillationer [Bogens afsnit 2.8, side 85] 1.1 Et forstyrret masse-fjeder-system I udledningen
Læs mereBesvarelser til Calculus Ordinær Eksamen Juni 2018
Besvarelser til Calculus Ordinær Eksamen - 5. Juni 08 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereMatematikkens filosofi filosofisk matematik
K Ø B E N H A V N S U N I V E R S I T E T Det Naturvidenskabelige Fakultet Matematikkens filosofi filosofisk matematik Flemming Topsøe, topsoe@math.ku.dk Institut for Matematiske Fag, Københavns Universitet
Læs mereMatematisk modellering og numeriske metoder. Lektion 13
Matematisk modellering og numeriske metoder Lektion 3 Morten Grud Rasmussen 9. november 25 Divergens af et vektorfelt [Sektion 9.8 og.7 i bogen, s. 43]. Definition af og og egenskaber for divergens Lad
Læs mereNoter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec.
Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. 1 Komplekse vektorrum I defininitionen af vektorrum i Afsnit 4.1 i Niels Vigand Pedersen Lineær Algebra
Læs mereog til summer af stambrøker. Bemærk: De enkelte brøker kan opskrives på flere måder som summer af stambrøker.
Hvad er en brøk? Når vi taler om brøker i dette projekt, mener vi tal på formen a, hvor a og b er hele tal (og b b 0 ), fx 2,, 3 og 3 7 13 1. Øvelse 1 Hvordan vil du forklare, hvad 7 er? Brøker har været
Læs mereBM121 Resume af tirsdags forlæsningen, Uge 47
BM121 Resume af tirsdags forlæsningen, Uge 47 Morten Källberg (kallberg@imada.sdu.dk) 22/11-2005 1 Probabilistiske modeller Vi vil i det følgende betragte to forskellige måder at evaluerer en given model
Læs mereLøsninger til eksamensopgaver på A-niveau 2016
Løsninger til eksamensopgaver på A-niveau 2016 24. maj 2016: Delprøven UDEN hjælpemidler Opgave 1: Da trekanterne er ensvinklede, er forholdene mellem korresponderende linjestykker i de to trekanter det
Læs mereLøsninger til eksamensopgaver på B-niveau 2015
Løsninger til eksamensopgaver på B-niveau 2015 22. maj 2015: Delprøven UDEN hjælpemidler Opgave 1: Ligningen løses ved at isolere x i det åbne udsagn: 4 x 7 81 4 x 88 88 x 22 4 Opgave 2: y 87 0,45 x Det
Læs mereOversigt [S] 8.7, 8.8, 8.9
Oversigt [S] 8.7, 8.8, 8.9 Nøgleord og begreber Binomialformlen Binomialkoefficienter Binomialrækken Taylor polynomier Vurdering af Taylor s restled Eksponentialrækken konvereger mod eksponentialfunktionen
Læs mereLøsningsforslag MatB Juni 2013
Løsningsforslag MatB Juni 2013 Opgave 1 (5 %) Et andengradspolynomium er givet ved: f (x) = x 2 4x + 3 a) Bestem koordinatsættet til toppunktet for parablen givet ved grafen for f Løsning: a) f (x) = x
Læs mereπ er irrationel Frank Nasser 10. december 2011
π er irrationel Frank Nasser 10. december 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereMatematisk modellering og numeriske metoder. Metoder
Matematisk modellering numeriske metoder Metoder Morten Grud Rasmussen 29. december 2015 Indhold 1 Analytiske metoder 3 1.1 Metoder til ODE er af første orden............................ 3 1.1.1 Separation
Læs mereMat H /05 Note 2 10/11-04 Gerd Grubb
Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med
Læs mereLøsninger til eksamensopgaver på A-niveau 2017
Løsninger til eksamensopgaver på A-niveau 017 18. maj 017: Delprøven UDEN hjælpemidler Opgave 1: Alle funktionerne f, g og h er lineære funktioner (og ingen er mere lineære end andre) og kan skrives på
Læs mereMATEMATIK A-NIVEAU. Kapitel 1
MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 01 Kapitel 1 016 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik 01
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 11/12 Institution VUC Holstebro-Lemvig-Struer Uddannelse Fag og niveau Lærer(e) Hold Hf/hfe Matematik
Læs mereFørsteordens lineære differentialligninger
enote 16 1 enote 16 Førsteordens lineære differentialligninger I denne enote gives først en kort introduktion til differentialligninger i almindelighed, hvorefter hovedemnet er en særlig type af differentialligninger,
Læs mereLøsninger til eksamensopgaver på B-niveau 2017
Løsninger til eksamensopgaver på B-niveau 017 18. maj 017: Delprøven UDEN hjælpemidler Opgave 1: 4x 1 17 5x 4x 5x 17 1 9x 18 x Opgave : N betegner antallet af brugere af app en målt i tusinder. t angiver
Læs mereAnalyse 1, Prøve 4 Besvarelse
Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet juni 2011 1 Analyse 1, Prøve 4 Besvarelse Lad Opgave 1 (50%) M = {T R 2 T er en åben trekant} og lad A : M R være arealfunktionen, dvs.
Læs mereProjekt 4.9 Bernouillis differentialligning
Projekt 4.9 Bernouillis differentialligning (Dette projekt dækker læreplanens krav om supplerende stof vedr. differentialligningsmodeller. Projektet hænger godt sammen med projekt 4.0: Fiskerimodeller,
Læs mereLøsninger til eksamensopgaver på B-niveau 2015
Løsninger til eksamensopgaver på B-niveau 2015 22. maj 2015: Delprøven UDEN hjælpemidler Opgave 1: Ligningen løses ved at isolere x i det åbne udsagn: 4 x 7 81 4 x 88 88 x 22 4 Opgave 2: y 87 0,45 x Det
Læs mereRetningslinjer for bedømmelsen. Georg Mohr-Konkurrencen runde
Retningslinjer for bedømmelsen. Georg Mohr-Konkurrencen 2008 2. runde Det som skal vurderes i bedømmelsen af en besvarelse, er om deltageren har formået at analysere problemstillingen, kombinere de givne
Læs mereMini-formelsamling. Matematik 1
Indholdsfortegnelse 1 Diverse nyttige regneregler... 1 1.1 Regneregler for brøker... 1 1.2 Potensregneregler... 1 1.3 Kvadratsætninger... 2 1.4 (Nogle) Rod-regneregler... 2 1.5 Den naturlige logaritme...
Læs mereNewton-Raphsons metode
Newton-Raphsons metode af John V. Petersen Indhold Indledning: Numerisk analyse og Newton-Raphsons metode... 2 Udlede Newtons iterations formel... 2 Sætning 1 Newtons metode... 4 Eksempel 1 konvergens...
Læs mereEksamensspørgsmål mabe, sommer Spørgsmål 1: Lineære funktioner
Eksamensspørgsmål mabe, sommer 03 Spørgsmål : Lineære funktioner Gør rede for sætninger vedrørende lineære funktioner. Du skal herunder behandle betydningen af a og b samt formlen til at beregne a ud fra
Læs merenavn: dato: fag: Matematik hold: 2dMa modtaget af: ark nr: 1 af i alt 12 ark
ark nr: af i alt ark Opgave En lineær funktion f opfylder at dens graf går gennem A(3,7) og B(9,5) Vi finder hældningen a af grafen a = y - y 5-7 8 = = = 3 x - x 9-3 6 Forskriften for f kan nu bestemmes
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin August 2016til juni 2019 Institution VID gymnasier Uddannelse Fag og niveau Lærer(e) Hold Uddannelsestid i
Læs mereNoter til Perspektiver i Matematikken
Noter til Perspektiver i Matematikken Henrik Stetkær 25. august 2003 1 Indledning I dette kursus (Perspektiver i Matematikken) skal vi studere de hele tal og deres egenskaber. Vi lader Z betegne mængden
Læs mere