27 Νοέμβρη 2002.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Κατηγορηματικός Λογισμός
Advertisements

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ
(READ – WRITE) ΚΑΙ ΤΥΠΟΙ ΔΕΔΟΜΕΝΩΝ (INTEGER,REAL,CHAR)
Πώς μπορείς να μάθεις να χρησιμοποιείς τις πιθανότητες.
ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ ΥΠΟΡΟΥΤΙΝΕΣ
9 Νοέμβρη 2002.
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Δημιουργία Συναρτήσεων με Ημιτονοειδή Δεκέμβρη 2002.
Στατική Συμβολική Παραγώγιση Λάμδα Εκφράσεων στην C++
Ανάλυση Πολλαπλής Παλινδρόμησης
1 Α. Βαφειάδης Αναβάθμισης Προγράμματος Σπουδών Τμήματος Πληροφορικής Τ.Ε.Ι Θεσσαλονίκης Μάθημα Προηγμένες Αρχιτεκτονικές Υπολογιστών Κεφαλαίο Πρώτο Αρχιτεκτονική.
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Παραστάσεις Καμπυλών και Επιφανειών 23 Οκτώβρη 2002.
ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ ΤΜΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Πιθανότητες & Τυχαία Σήματα Συσχέτιση
Ομάδα Γ. Ο υπολογιστής ως επιστημονικό εργαλείο. Ακρότατα συνάρτησης FindMinimum[x Cos[x],{x,2}] { ,{x  }} Plot[x Cos[x],{x,0,20}] FindMinimum[{x.
9 Οκτώβρη 2002.
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Επίλυση Εξισώσεων Νοέμβρη 2002.
Robustness in Geometric Computations Christoph M. Hoffmann.
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Οθόνες γραφικών που βασίζονται σε εικονίδια (pixels) 24.
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Εισαγωγή 2 Οκτώβρη 2002.
ΚΕΦΑΛΑΙΟ 2 ΕΥΘΥΓΡΑΜΜΗ ΚΙΝΗΣΗ
Εισαγωγικές Έννοιες Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Στατιστική Ι Παράδοση 5 Οι Δείκτες Διασποράς Διασπορά ή σκεδασμός.
Ανάλυση Πολλαπλής Παλινδρόμησης
Ενότητα Η Δομή Επανάληψης
Κεφάλαιο 2ο Πεπερασμένα αυτόματα.
Ανάλυση Πολλαπλής Παλινδρόμησης
Γραφήματα & Επίπεδα Γραφήματα
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 5) 1 Τυχαία συνάρτηση Μία τυχαία συνάρτηση (ΤΣ) είναι ένας κανόνας με τον οποίο σε κάθε αποτέλεσμα ζ.
13 & 18 Νοέμβρη 2002.
Σήματα και Φασματικές Μέθοδοι στη Γεωπληροφορική
Κοντινότεροι Κοινοί Πρόγονοι α βγ θ δεζ η π ν ι κλμ ρσ τ κκπ(λ,ι)=α, κκπ(τ,σ)=ν, κκπ(λ,π)=η κκπ(π,σ)=γ, κκπ(ξ,ο)=κ ξο κκπ(ι,ξ)=β, κκπ(τ,θ)=θ, κκπ(ο,μ)=α.
3:11:52 PM Α. Λαχανάς.
Προσεγγιστικοί Αλγόριθμοι
Το Μ/Μ/1 Σύστημα Ουράς Μ (η διαδικασία αφίξεων είναι Poisson) /
Αριθμητικές Μέθοδοι Βελτιστοποίησης Θεωρία & Λογισμικό Τμήμα Πληροφορικής - Πανεπιστήμιο Ιωαννίνων Ι. Η. Λαγαρής.
Αριθμητική Ανάλυση Μεταπτυχιακού 6η Ε Β Δ Ο Μ Α Δ Α Ακαδημαϊκό Έτος Τετάρτη 26, Νοεμβρίου 2008 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΥΠΟΛΟΓΙΣΤΙΚΩΝ.
Ανάλυση Πολλαπλής Παλινδρόμησης
Η. Τζιαβός - Γ. Βέργος Σήματα και φασματικές μέθοδοι στη γεωπληροφορική 2013/2014ΑΠΘ/ΤΑΤΜ Τομέας Γεωδαισίας και Τοπογραφίας 3 ο Εξάμηνο Σήματα και Φασματικές.
Κεφάλαιο 2 Κίνηση σε μία διάσταση
ΧΡΗΜΑΤΟΔΟΤΗΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ ΣΤΗ ΓΕΩΡΓΙΑ
Δίνεται συρμάτινο πλέγμα μήκους 10 μέτρων. Να περιφράξετε με αυτό ένα οικόπεδο, (με το μεγαλύτερο εμβαδόν), σχήματος ορθογωνίου! Ορίζουμε ως: X: Μήκος.
Βασικές Αρχές Μέτρησης
Μερικές Διαφορικές Εξισώσεις ΙΙ
Μέθοδος Πεπερασμένων Στοιχείων
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Τμ.
Ανάλυση Σ.Α.Ε στο χώρο κατάστασης
ΚΕΦΑΛΑΙΟ Τι είναι αλγόριθμος
Πως μπορεί κανείς να λύσει προβλήματα με τη βοήθεια της Mathematica Πρόβλημα 10 α : Κλίση καμπύλης Πρόβλημα 10 β : Εμβαδόν καμπύλης Ομάδα Δ. Λύνοντας Προβλήματα.
Μελέτη Δ.Ε. με χρήση του Mathematica
Διάλεξη 14: Εισαγωγή στη ροή ρευστών
Διάλεξη 8 Κοσμολογικές Παράμετροι
ΚΙΝΗΜΑΤΙΚΗ ΤΩΝ ΡΕΥΣΤΩΝ ΕΙΣΑΓΩΓΗ Σκοπός της κινηματικής είναι η περιγραφή της κίνησης του ρευστού Τα αίτια που δημιούργησαν την κίνηση και η αναζήτηση των.
ΗΛΕΚΤΡΙΚΕΣ ΜΕΤΡΗΣΕΙΣ ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΗΣ.
Φυσική για Επιστήμονες και Μηχανικούς Εισαγωγή – Φυσική και μετρήσεις.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 8η Στοχαστικά Σήματα - 1.
Συμπληρωματική Πυκνότητα Ελαστικής Ενέργειας Συμπληρωματικό Εξωτερικό Έργο W: Κανονικό έργο Τελικές δυνάμεις Ρ, τελικές ροπές Μ, ολικές μετατοπίσεις δ.
ΔΙΑΛΕΞΗ 11η Ποσοτική έρευνα υγείας
Άσκηση 2-Περιγραφικής Στατιστικής
Ζώα και μαθηματικά.
ΜΑΘΗΜΑΤΙΚΑ ΙΙ Αναλυτικό πρόγραμμα διδασκαλίας του μαθήματος
Καθηγητής Σιδερής Ευστάθιος
Διάλεξη 9: Συναγωγή και διάχυση (συνέχεια)
Διάλεξη 6: Εξίσωση διάχυσης (συνέχεια)
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Ανάπτυξη εκπαιδευτικής εφαρμογής.
ΜΑΘΗΜΑΤΙΚΑ ΙΙ Αναλυτικό πρόγραμμα διδασκαλίας του μαθήματος
Εμβαδομέτρηση Το εμβαδόν ενός κλειστού σχήματος μπορεί να υπολογιστεί με τις εξής μεθόδους: Αναλυτική μέθοδος Γραφική μέθοδος Μηχανική μέθοδος (εμβαδόμετρο)
ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
Μεταγράφημα παρουσίασης:

27 Νοέμβρη 2002

Περιεχόμενα Το Πρόβλημα της Ολοκλήρωσης Συναρτήσεων Εφαρμογές Ολοκλήρωσης Συμβολική Ολοκλήρωση Και αν η Συμβολική Ολοκλήρωση Aποτύχει; Αριθμητική Ολοκλήρωση με Ορθογώνια με Τραπέζια Δύο Προγράμματα για Ολοκλήρωση με Τραπέζια Ακρίβεια Ολοκλήρωσης με Τραπέζια Ολοκλήρωση με Παρεμβολή Ολοκλήρωση με Τμηματικά Τετραγωνικά: Simpson Σύνθετος κανόνας Simpson Ο Κανόνας του Simpson στην Maple Γενικοί Κανόνες Newton-Cotes Συναρτήσεων με Ιδιομορφίες Ολοκλήρωση Άπειρων Χωρίων Ένας Μετασχηματισμός από το [0, ] στο [0,1]

Το Πρόβλημα της Ολοκλήρωσης Συναρτήσεων Ολοκλήρωση είναι η διαδικασία εύρεσης αθροισμάτων, εμβαδών, όγκων, κλπ. Το ολοκλήρωμα από το a στο b μιας συνάρτησης f(x), γράφεται σαν και είναι η περιοχή κάτω από την καμπύλη που ορίζει η f(x): Όπου η f(x) είναι αρνητική, το εμβαδόν λογίζεται σαν να είναι και αυτό αρνητικό. Το ολοκλήρωμα μιας συνάρτησης δύο μεταβλητών είναι ο όγκος κάτω από την επιφάνεια που ορίζει. Παρόμοια για συναρτήσεις περισσότερων μεταβλητών/διαστάσεων.

Εφαρμογές Ολοκλήρωσης Στην στατιστική, η πιθανότητα ενός γεγονότος είναι το ολοκλήρωμα της πυκνότητας της πιθανότητας για όλους τους πιθανούς τρόπους που μπορούν να συμβεί. Πχ. Το μήκος τόξου μιας καμπύλης μπορεί να ορισθεί σαν συνάρτηση της παραμετρικής της παράστασης, (x(t),y(t)), με t0< t< t1, σαν Όταν φωτοσκιάζουμε μια εικόνα με βάση μια συνάρτηση έντασης I(x,y), ως προς 1x1 εικονο-στοιχεία, πρέπει να δώσουμε στο εικονοστοιχείο p, που καλύπτει τα πυκνότητα

Συμβολική Ολοκλήρωση Όπως γνωρίζουμε, εάν μπορούμε να βρούμε μια συνάρτηση F(x) της οποίας η παράγωγος είναι f(x), τότε μπορούμε να υπολογίσουμε το ολοκλήρωμα της f(x) ως εξής Συχνά όμως είναι δύσκολο να βρούμε μια τέτοια αντιπαράγωγο. Η Maple έχει χρησιμοποιεί χρησιμοποιώντας κατάλληλες τεχνικές μπορεί, μερικές φορές, να βρει την F(x) > int((1+x)/(1+x^2),x); 2 1/2 ln(1 + x ) + arctan(x) > int((1+x)/(1+x^2),x=0..1); 1/2 ln(2) + 1/4 Pi Πολλές φορές όμως αποτυγχάνει (όπως και κάθε άλλο πρόγραμμα ή άτομο).

Και αν η Συμβολική Ολοκλήρωση Aποτύχει; Εάν δεν μπορούμε να βρούμε το ολοκλήρωμα μιας συνάρτησης μπορούμε πάντα να ορίσουμε μια νέα συνάρτηση που θα χρησιμοποιήσουμε για να ολοκληρώσουμε. Για παράδειγμα η συνάρτηση ¨Γάμα¨: Μπορούμε τώρα να προσπαθήσουμε να προσεγγίσουμε την νέα αυτή συνάρτηση και να την χρησιμοποιήσουμε για να βρούμε ολοκληρώματα. Πχ. Εάν δεν μας καλύπτει κάτι τέτοιο (θέλουμε την ακριβή απάντηση), τότε μπορούμε να χρησιμοποιήσουμε αριθμητική ολοκλήρωση.

Αριθμητική Ολοκλήρωση με Ορθογώνια Ένας τρόπος να βρούμε προσεγγιστικές τιμές ολοκληρωμάτων είναι να αθροίσουμε εμβαδά ορθογωνίων: Χρησιμοποιώντας n ορθογώνια, μήκους h = (b – a)/n: Int_rectangle := proc(fn,rng,n) local low, high, sum, i, h; low := evalf(op(1,rng)); high := evalf(op(2,rng)); h := (high­low)/n; sum := 0; for i from 1 to n do sum := sum + h * fn(low+(i­0.5)*h); od; sum; end:

Αριθμητική Ολοκλήρωση με Τραπέζια Αντί να χρησιμοποιήσουμε τμηματικά σταθερές για να προσεγγίσουμε την προς ολοκλήρωση συνάρτηση, μπορούμε να δοκιμάσουμε τμηματικά μια γραμμική προσέγγιση: Το ολοκλήρωμα τότε είναι το άθροισμα των εμβαδών των n τραπεζίων. Ο τύπος είναι (για h = (b-a)/n): ή ισοδύναμα

Δύο Προγράμματα για Ολοκλήρωση με Τραπέζια int—trapezoid1 := proc(fn,rng,n) local low, high, sum, i, h; low := evalf(op(1,rng)); high := evalf(op(2,rng)); h := (high­low)/n; sum := 0; for i from 1 to n do sum := sum + (h/2) * (fn(low+(i­1)*h) + fn(low+i*h)); od; sum; end: int—trapezoid2 := proc(fn,rng,n) sum := (fn(low) + fn(high)) / 2; for i from 1 to n­1 do sum := sum + fn(low+i*h); h * sum;

Ακρίβεια Ολοκλήρωσης με Τραπέζια Μερικά πειραματικά αποτελέσματα: > int(sin(x),x=0..Pi/2); 1 > int—rectangle(x­>sin(x),0..Pi/2,10) ­ 1; .00102882415 > int—trapezoid1(x­>sin(x),0..Pi/2,10) ­ 1; ­.002057013638 > int—rectangle(x­>sin(x),0..Pi/2,100) ­ 1; .00001028092 > int—trapezoid1(x­>sin(x),0..Pi/2,100) ­ 1; ­.000020561752 Το σφάλμα, και για τις δύο μεθόδους, φαίνετε να είναι ανάλογο του 1/n2 . Γιατί η καλλίτερη τμηματικά γραμμική προσέγγιση της μεθόδου του τραπεζίου δεν παράγει καλλίτερες απαντήσεις;

Ολοκλήρωση με Παρεμβολή Η μέθοδος του τραπεζίου ουσιαστικά πρώτα βρίσκει μια τμηματικά γραμμική παρεμβάλουσα, και μετά υπολογίζει το ολοκλήρωμά της. Εναλλακτικά, μπορούμε να χρησιμοποιήσουμε οποιαδήποτε άλλη παρεμβάλουσα. Για παράδειγμα: Τμηματικά κυβική παρεμβολή με συνθήκες Catmull­Rom. Τμηματικά κυβική παρεμβολή με συνθήκες splines. Ίσως κάτι τέτοιο δεν ενδείκνυται – είναι δύσκολο να υπολογίσουμε την παρεμβάλουσα για ένα πλήθος δεδομένων σημείων. Τμηματική παρεμβολή Lagrange, κάποιου βαθμού. Σημειώστε: Το ολοκλήρωμα μια τμηματικής παρεμβάλουσας είναι απλά το άθροισμα των ολοκληρωμάτων των τμημάτων της.

Ολοκλήρωση με Τμηματικά Τετραγωνικά: Simpson Ας ξαναθυμηθούμε την παρεμβολή Lagrange: Για n=3, t0=0, t1=.5, t2=1 έχουμε από όπου παίρνουμε

Σύνθετος κανόνας Simpson Μπορούμε να ολοκληρώσουμε μια συνάρτηση εφαρμόζοντας τον κανόνα του Simpson σε n κομμάτια του, ως εξής: όπου h = (b-a)/n. Μπορούμε δηλαδή να έχουμε

Ο Κανόνας του Simpson στην Maple int—simpson := proc(fn,rng,n) local low, high, sum, i, h; low := evalf(op(1,rng)); high := evalf(op(2,rng)); h := (high­low)/n; sum := (h/6) * (fn(low) + fn(high)); for i from 1 to n­1 do sum := sum + (h/3) * fn(low+i*h); od; for i from 1 to n do sum := sum + (2*h/3) * fn(low+(i­0.5)*h); sum; end: Πόσο ακριβής είναι η λύση; > Digits:=30: > int—simpson(x­?sin(x),0..Pi/2,10) ­ 1; ­6 .21154659142360207800571*10 > int—simpson(x­?sin(x),0..Pi/2,100) ­ 1; ­10 .2113928089365798526*10 Το σφάλμα φαίνετε να ελαττώνεται με ρυθμό 1/n4.

Γενικοί Κανόνες Newton-Cotes Οι μέθοδοι ορθογωνίου, τραπεζίου και Simpson είναι παραδείγματα κανόνων ``Newton­Cotes'', στους οποίους χρησιμοποιούμε την τιμή της συνάρτησης σε ισαπέχοντα σημεία. Υπάρχουν άλλες μέθοδοι ολοκλήρωσης οι οποίες δεν χρησιμοποιούν ισαπέχοντα σημεία, ή προσαρμόζουν το πλήθος των σημείων ανάλογα με την συμπεριφορά της συνάρτησης. Μπορούμε να ξεχωρίσουμε δύο κατηγορίες τύπων ολοκλήρωσης: Κλειστούς τύπους, όπως η μέθοδος του τραπεζίου και ο κανόνας του Simpson, οι οποίες χρησιμοποιούν την τιμή της συνάρτησης στα δύο ακρότατα σημεία. Ανοιχτούς τύπους, όπως η μέθοδος του ορθογωνίου, που δεν χρησιμοποιούν την τιμή της συνάρτησης στα δύο ακρότατα σημεία.

Ολοκλήρωση Συναρτήσεων με Ιδιομορφίες Ακόμα και εάν μια συνάρτηση απειρίζεται σε κάποιο ακρότατο σημείο της, το ολοκλήρωμά της μπορεί να είναι καλώς-ορισμένο. Για παράδειγμα: Πώς μπορούμε να ολοκληρώσουμε αριθμητικά μια τέτοια συνάρτηση; Μια και η συνάρτηση δεν ορίζεται στο ένα από τα ακρότατα σημεία, οι κλειστοί τύποι δεν δουλεύουν. Οι ανοιχτοί τύποι μάλλον δουλεύουν, αλλά λόγω της ιδιομορφίας ίσως να μην συγκλίνουν όσο γρήγορα θα ελπίζαμε. Θα μπορούσαμε επίσης να χρησιμοποιήσουμε κάποιον μετασχηματισμό για να απαλλαγούμε από την ιδιομορφία.

Ολοκλήρωση Άπειρων Χωρίων Τα ολοκληρώματα απείρων χωρίων μπορεί να είναι και αυτά καλώς-ορισμένα. Για παράδειγμα: Πώς μπορούμε να υπολογίσουμε αριθμητικά τέτοια ολοκληρώματα; Οι κανόνες Newton-Cotes, σε ισαπέχοντα σημεία, δεν δουλεύουν – χρειάζονται άπειρο πλήθος σημείων! Κάποια άλλα σχήματα δουλεύουν. Επιλέγουν σημεία τα οποία εξαπλώνονται σε όλο τον R όσο αυξάνει το πλήθος τους. Μπορούμε επίσης να χρησιμοποιήσουμε έναν μετασχηματισμό με τον οποίο θα καταλήξουμε σε ολοκλήρωμα πεπερασμένου χωρίου.

Ένας Μετασχηματισμός από το [0, ] στο [0,1] Ένας Μετασχηματισμός από το [0, ] στο [0,1] Ένα παράδειγμα: Μπορούμε να υπολογίσουμε το Χρησιμοποιώντας τον μετασχηματισμό Αυτό μετασχηματίζει τα ακρότατα 0->0, ->1. Επίσης, dx = dy(1-y). Οπότε έχουμε το εξής αποτέλεσμα: Ο παραπάνω δεν είναι ο μόνος δυνατός μετασχηματισμός. Ποιος είναι ο καλλίτερος εξαρτάται από τις ιδιότητες της f(x).