Filip Klouda. nepolygonální hranice v nespojité Galerkinově

Rozměr: px
Začít zobrazení ze stránky:

Download "Filip Klouda. nepolygonální hranice v nespojité Galerkinově"

Transkript

1 Unverzta Karlova v Praze Matematcko-fyzkální fakulta BAKALÁŘSKÁ PRÁCE Flp Klouda Použtí přrozeného splnu pro aproxmac nepolygonální hrance v nespojté Galerknově metodě Katedra numercké matematky Vedoucí bakalářské práce: doc. RNDr. Vít Dolejší, Ph.D., DSc. Studjní program: Matematka, obecná matematka 29

2 Na tomto místě bych chtěl poděkovat vedoucímu práce doc. RNDr. Vítu Dolejšímu, Ph.D., DSc. Prohlašuj, že jsem svou bakalářskou prác napsal samostatně a výhradně s použtím ctovaných pramenů. Souhlasím se zapůjčováním práce. V Praze dne Flp Klouda 2

3 Obsah 1 Úvod 5 2 Pops metody Formulace problému Dskretzace Aproxmace hrance Křvočaré elementy Splne Implementace Numercké expermenty 18 5 Závěr 31 3

4 Název práce: Použtí přrozeného splnu pro aproxmac nepolygonální hrance v nespojté Galerknově metodě Autor: Flp Klouda Katedra: Katedra numercké matematky Vedoucí bakalářské práce: doc. RNDr. Vít Dolejší, Ph.D., DSc. e-mal vedoucího: dolejs@karln.mff.cun.cz Abstrakt: V předložené prác studujeme aplkac nespojté Galerknovy metody na numercké řešení soustavy hyperbolckých rovnc, popsující proudění stlačtelných nevazkých tekutn. Co se týče dskretzace času, používáme sem-mplctní numercké schéma, vycházející z vlastností nevazkých toků a umožňující lnearzac Eulerových rovnc, což vede na soustavu lneárních algebrackých rovnc v každém kroku. V okolí nepolygonální část hrance výpočetní oblast používáme křvočaré elementy, abychom dostal fyzkálně přjatelné a dostatečně přesné numercké řešení. Zvláštní pozornost věnujeme aproxmac nepolygonální hrance, kde hlavním užtým nástrojem je přrozený kubcký splne. Po částech lneární aproxmace není u nespojté Galerknovy metody dostačující. Jsou prezentovány numercké expermenty podzvukového proudění kolem proflu křídla NACA12. Klíčová slova: nespojtá Galerknova metoda, Eulerovy rovnce pro stlačtelný plyn, aproxmace nepolygonálních oblastí Ttle: The splne approxmaton of nonpolygonal boundares n dscontnuous Galerkn method Author: Flp Klouda Department: Department of Numercal Mathematcs Supervsor: doc. RNDr. Vít Dolejší, Ph.D., DSc. Supervsor s e-mal address: dolejs@karln.mff.cun.cz Abstract: In the present work we study an applcaton of the dscontnuous Galerkn fnte element method to the soluton of a system of hyperbolc equatons descrbng compressble nvscd flow. As for the tme dscretzaton, we use the sem-mplct numercal scheme based on the propertes of nvscd fluxes and allowng a lnearzaton of the Euler equatons whch leads to a lnear algebrac system on each tme level. Isoparametrc fnte elements are used near a curved boundary of a nonpolygonal computatonal doman n order to acheve a physcally admssble and suffcently accurate numercal soluton. Specal attenton s pad to the problem of an approxmaton of a curved boundary, where splne s the man tool we use. The pecewse lnear approxmaton s not suffcent n the case of the dscontnuous Galerkn fnte element method. Numercal examples of subsonc flow around the NACA12 arfol are presented. Keywords: dscontnuous Galerkn method, compressble Euler equatons, approxmatons of nonpolygonal boundares 4

5 Kaptola 1 Úvod V této prác se zabýváme numerckou smulací proudění stlačtelných nevazkých tekutn, pomocí nespojté Galerknovy (DG-FE) metody, která je zobecněním metod konečných objemů (FV) a konečných prvků (FE). DG-FE metoda je založena na po částech polynomální aproxmac bez požadavku spojtost na vntřní hranc elementů. Používáme sem-mplctní numercké schéma, vycházející z vlastností nevazkých toků a umožňující lnearzac Eulerových rovnc, která vede na soustavu lneárních algebrackých rovnc v každém kroku. Zvláštní pozornost věnujeme aproxmac nepolygonální hrance. Zatímco u konformních metod konečných prvků se obvykle používá aproxmace hrance po částech lneární, u DG-FE metody je tato aproxmace nedostačující, vz. [BR97, DF3]. Je třeba použít aproxmac vyššího řádu. V takovém případě se element, přlehlý k nepolygonální část hrance, nahradí křvočarým elementem s jednou křvou hranou, přlehlou k hranc, a výpočet se provede na takto upravené sít. Tyto křvočaré elementy se konstruují přdáním jednoho až dvou uzlů na nepolygonální část hrance, a křvočarý element dostaneme jako obraz referenčního elementu pomocí zobrazení vyššího řádu. Dostaneme po částech polynomální aproxmac nepolygonální hrance. Taková aproxmace ovšem obecně nemá spojté dervace, což vede k otázce, zda je tento postup dostatečně přesný. Cílem této práce je konstrukce aproxmace takové, která má první, případně druhé dervace spojté. Za tímto účelem konstruujeme přrozený kubcký splne. Nový přístup je porovnán s původním. Ve druhé kaptole uvedeme formulac spojtého problému, jeho dskretzac a metodu řešení dskrétního problému. Třetí kaptola se týká aproxmace hrance, pojednává o konstrukc křvočarých elementů a specálně se tedy věnuje použtí přrozeného splnu pro aproxmac nepolygonální hrance. Implementace metody je součástí třetí kaptoly, numercké expermenty ukážeme v kaptole čtvrté. 5

6 Kaptola 2 Pops metody V této kaptole uvedeme metodu řešení Eulerových rovnc, které popsují proudění nevazkých stlačtelných tekutn. Jedná se o soustavu nelneárních hyperbolckých rovnc, která vychází ze zákonů zachování hmoty, hybnost a energe. Z toho důvodu je také označována jako systém zákonů zachování. Pro naše účely bude dostačující, když se omezíme pouze na dvojrozměrný případ. V první část této kaptoly zformulujeme spojtý problém, v další potom provedeme jeho dskretzac a představíme způsob řešení dskrétního problému pomocí DG-FE metody. 2.1 Formulace problému Na množně Q T = Ω (, T) uvažujeme hyperbolcký systém prvního řádu w t + 2 s=1 f s (w) x s =, (2.1) popsující proudění stlačtelné nevazké tekutny v rovnné, omezené oblast Ω, v časovém ntervalu (, T). Zde je stavový vektor, w = (ρ, ρv 1, ρv 2, e), w = w(x, t), x Ω, t (, T) f s (w) = (ρv s, ρv s v 1 + δ s1 p, ρv s v 2 + δ s2 p, (e + p)v s ), s = 1, 2 jsou nevazké (Eulerovy) toky a p je dáno stavovou rovncí p = (γ 1) (e 12 ) ρ v 2. (2.2) Používáme standardní značení: t čas, x = (x 1, x 2 ) kartézské souřadnce, ρ hustota, p tlak, e celková energe, v = (v 1, v 2 ) rychlost, δ j Kroneckerovo delta (pokud = j, potom δ j = 1, jnak δ j = ) a γ > 1 je Possonova adabatcká konstanta. 6

7 Systém (2.1) (2.2) je doplněn počáteční podmínkou w(x, ) = w (x) x Ω, (2.3) kde w je daná funkce, a okrajovým podmínkam, formálně psaným jako B(w) = na Ω (, T), (2.4) kde B je vhodně zvolený operátor. Některé komponenty w je třeba extrapolovat, ostatní se zadávají, vz. [FFS3, Dol6b]. 2.2 Dskretzace V následujícím používáme standardní značení pro prostory funkcí: H k (Ω) = W k,2 (Ω) značí Sobolevův prostor a C 1 ([, T], X) značí prostor spojtě dferencovatelných zobrazení z [, T] do X. Necht Ω h je polygonální aproxmace množny Ω. Abychom odvodl dskrétní problém, budeme na Ω h uvažovat sít T h, skládající se z různých typů konvexních elementů K, I (I N = {, 1, 2,... } je vhodná ndexová množna taková, že T h = {K } I ), např. trojúhelníků, čtyřúhelníků, mnohoúhelníků nebo jejch kombnací. Jako Γ j = Γ j označíme společnou hranu dvou sousedních elementů K a K j. Symbol n j = ((n j ) 1, (n j ) 2 ) je označením pro jednotkovou vnější normálu k K na hraně Γ j, vz. obrázek 2.1. Mmoto označíme množnu všech sousedních elementů K jako s() = {j I; K j je sousední element K }. Hrance Ω h je tvořena konečně mnoha hranam elementů K, přléhajících k Ω h. Označíme všechny tyto mezní hrany jako S j, kde j I b Z = { 1, 2,... }, vz. obrázek 2.2. Položíme γ() = {j I b ; S j je mezní hrana K } a Γ j = S j pro K T h a S j K, j I b. Pro K, neobsahující žádnou mezní hranu S j, položíme γ() =. Zřejmě s() γ() = pro všechna I. Nyní, napíšeme-l S() = s() γ(), máme K = Γ j. j S() Na sít T h defnujeme po částech Sobolevův prostor nespojtých funkcí H k (Ω, T h ) = {v; v K H k (K ) I}. Pokud v H k (Ω, T h ), potom se nutně nemusí rovnat v Γj a v Γj, kde v Γj a v Γj jsou hodnoty v na Γ j uvažované z vntřku respektve vnějšku K. Předpokládejme, že w je klascké C 1 -řešení (2.1). Budeme používat označení w(t) pro funkc w(t) : Ω R 4 takovou, že w(t)(x) = w(x, t) pro x Ω. Abychom odvodl dskrétní problém, vynásobíme rovnc (2.1) funkcí ϕ [H 1 (Ω, T h )] 4 a zn- 7

8 Γ j K j K n j Obrázek 2.1: sousední elementy K a K j Ω K S j Ω Obrázek 2.2: mezní hrana S j 8

9 tegrujeme j přes element K, I. S použtím Greenovy věty dostaneme denttu 2 w(t) ϕ dx = f s (w(t)) ϕ dx t K K x s=1 s 2 f s (w(t)) ϕ K (n j ) s ds. j S() Γ j s=1 Sčítáním předchozího přes všechna I dostáváme další denttu t I K w(t) ϕ dx = I I K s=1 2 f s (w(t)) ϕ dx x s j S() Γ j 2 f s (w(t)) ϕ K (n j ) s ds. s=1 (2.5) Tato rovnost představuje slabou formu Eulerových rovnc ve smyslu prostoru H 1 (Ω, T h ). Nyní představíme dskrétní problém, aproxmující denttu (2.5) za pomoc DG- FE metody. Defnujeme prostor nespojtých, po částech polynomálních funkcí S h S p, 1 (Ω, T h ) = {v; v K P p (K ) I}, (2.6) kde P p (K ) značí prostor všech polynomů na K, stupně nejvýše p N. Očvdně S h H 1 (Ω, T h ). Pro t [, T] bude přesné řešení w(t) aproxmováno funkcí w h (t) [S h ] 4. K výpočtu hrančního ntegrálu v (2.5) používáme aproxmac Γ j 2 f s (w(t))(n j ) s ϕ K ds H(w h (t) Γj,w h (t) Γj,n j ) ϕ K ds, Γ j s=1 kde H je numercký tok, vz. [FFS3]. Pro j γ() musíme hodnoty w h (t) Γj určt z okrajových podmínek (2.4). Navíc pro w h (t), ϕ h [S h ] 4 zavedeme formy (w h (t), ϕ h ) h = w h (x, t) ϕ h (x) dx = w h (x, t) ϕ h (x) dx Ω h I K b h (w h (t), ϕ h ) = 2 f s (w h (x, t)) ϕ h(x) dx I K x s=1 s + H(w h (t) Γj (x),w h (t) Γj (x),n j ) ϕ h K (x) ds. I j S() Γ j (2.7) Řekneme, že w h je přblžné řešení (2.1), pokud vyhovuje podmínkám (a) w h C 1 ([, T], [S h ] 4 ), (b) t (w h(t), ϕ h ) h + b h (w h (t), ϕ h ) = ϕ h [S h ] 4 t (, T), (2.8) (c) w h () = wh, 9

10 kde wh [S h] 4 značí [S h ] 4 -aproxmac w z počáteční podmínky (2.3). Vztahy (2.8) představují soustavu obyčejných dferencálních rovnc, která může být řešena vhodnou numerckou metodou. Budeme uvažovat dělení = t o < t 1 < t 2... časového ntervalu [, T] a položíme τ k = t k+1 t k. Dále budeme používat značení wh k pro aproxmac w h(t k ). Řešíme tedy následující dskrétní problém: pro každé k hledáme w k+1 h tak, aby (a) w k+1 h [S h ] 4, ( w k+1 ) h wh k (b), ϕ h τ k h + b h (w k+1 h, ϕ h ) = ϕ h [S h ] 4, k =, 1,..., (c) w h [S h] 4 je [S h ] 4 -aproxmace w z počáteční podmínky (2.3). (2.9) Schéma (2.9) vede na soustavu slně nelneárních algebrackých rovnc, jejíž numercké řešení je značně komplkované. Abychom problém zjednodušl, provedeme lnearzac (2.8), (b) a dostaneme soustavu lneární. Zavedeme tedy lnearzac b h (, ) formou b h (,, ), která je lneární v druhé a třetí složce a s formou b h (, ) je konzstentní v následujícím smyslu: b h (w h (t),w h (t), ϕ h ) = b h (w h (t), ϕ h ) w h (t), ϕ h [S h ] 4. Tato lnearzace je založena na vlastnostech Eulerových toků f s, s = 1, 2 a vhodné volbě numerckého toku H(,, ), vz. [DF4]. Hlavní myšlenka dskretzace spočívá v tom, že lneární část b h se dskretzuje mplctně a nelneární explctně. S použtím (2.9) dostáváme následující sem-mplctní lnearzované numercké schéma: pro každé k hledáme w k+1 h tak, aby (a) w k+1 h [S h ] 4, (b) (w k+1 h, ϕ h ) h + τ k b h (wh k,wk+1 h, ϕ h ) = (wh k, ϕ h) h ϕ h [S h ] 4, k =, 1,..., (c) wh [S h] 4 je [S h ] 4 -aproxmace w z počáteční podmínky (2.3). (2.1) Schéma (2.1) představuje soustavu lneárních algebrackých rovnc pro každé k =, 1,..., která může být řešena vhodnou terační metodou (např. GMRES). 1

11 Kaptola 3 Aproxmace hrance Tato kaptola pojednává o aproxmac hrance nepolygonální oblast. U konformních metod konečných prvků se obvykle používá aproxmace po částech lneární, která ovšem nedává uspokojvé řešení u DG-FE metody. Je tak vhodnější použít aproxmac vyššího řádu, např. po částech kvadratckou č kubckou, př které se konstruují křvočaré elementy. Obecně ovšem taková aproxmace nemá spojté dervace a potom je na místě otázka, zda by se hladkostí nedospělo k lepším výsledkům. Zpočátku této kaptoly osvětlíme konstrukc křvočarých elementů a provedeme změnu numercké metody za použtí těchto elementů. V následujícím se budeme zabývat možností spojtost první a druhé dervace př aproxmac nepolygonální hrance, což nabízí přrozený kubcký splne. Tento nový přístup porovnáme s přístupem původním, který s hladkostí nepracoval. Nakonec předvedeme mplementac metody. 3.1 Křvočaré elementy Necht {K, I c, I c I} je množna trojúhelníků přlehlých k nepolygonální část Ω. Necht P k, k =, 1, 2 jsou vrcholy K, I c a navíc P 2 Ω a P k Ω pro k =, 1. Pro r [, 1], s [, 1], r + s 1 označíme P r = P + r(p 1 P ) bod, ležící na rovné hraně P P 1 a P r;s = P r + s(p 2 P ) všechny body na trojúhelníku K, vz. obrázek 3.1. Mějme q N = {1, 2,... }, necht E q = { P j q j q R 2 ; j = 1, 2,..., q 1} je množna bodů takových, že bod P E q leží v blízkost bodu P P P 1, j = 1, 2,..., q 1. Konkrétní konstrukc množny E q popíšeme níže. Navíc pro r (, 1), s (, 1) r;s označíme P = P r + s(p r,1 r P r ). Potom exstuje jednoznačné polynomální j q 11

12 P 2 Ω P ; _ 2 3 K P ; _ 1 2_ 3 3 P P ; 1_ 3 P P _ 2 3 1_ 3 _ 1 P ; _ P _ 2 ; _ P 1 Ω Obrázek 3.1: trojúhelník K přlehlý k Ω zobrazení F q : ˆK K řádu q takové, že F q F q ( ˆP k ) = P k, k =, 1, 2, F q ( ˆP ; k q ) = P ; k q, k = 1, 2,..., q 1, ( ˆP j q ; q j q F q F q ( ˆP j q ; ) = P j ) = P q ; q j q, j = 1, 2,..., q 1, j q j q ; k q j, j = 1, 2,..., q 1, ( ˆP j q ; k q ) = P, j = 1, 2,..., q 2, k = 1, 2,..., q j 1, (3.1) kde ˆK je referenční trojúhelník s vrcholy ˆP = [1; ], ˆP 1 = [; 1], ˆP 2 = [; ] (3.2) a ˆP r;s = [1 r s; r], r [, 1], s [, 1], r + s 1, (3.3) pro q = 3 vz. obrázek 3.2. Trojúhelníky K, I c jsou tedy nahrazeny zakřveným trojúhelníky, defnovaným jako K = F q ( ˆK). Množna K je rovnný útvar, mající dvě hrany rovné a jednu zakřvenou, vz. obrázek 3.2. Pokud / I c, potom je F q lneární zobrazení, a proto F q ( ˆK) = K. Nakonec metodu, popsanou ve druhé kaptole, upravíme tak, že ve všech vztazích položíme K := K, kde K = F q ( ˆK). Nyní s ukážeme jak vypočítat objemové a hranční ntegrály přes elementy K a jejch hrany Γ j, I c a j γ(). Budeme používat značení J F q (ˆx) D F q D ˆx (ˆx), ˆx ˆK, 12

13 P 2 ^ P 1 ^ P _ 2 ; _ ^ P 2 K^ ^ ; 2 P _ 3 ^ _ P 3; 2 ^ P _ 1 ; 2_ ^ 3 3 P _ 1 ; _ ^ _1 P 3; ^ ; 3 P _1 F 3 ^ P ~ 1_ 3 P ~ K P ; _ 2 3 _ P ; 1 3 ~ _ 1 P ; _1 3 2 P ; _ 1 2_ 3 3 P _ 2 ; _ ~ P _ 2 3 P 1 P Obrázek 3.2: polynomální zobrazení F 3 : ˆK K pro Jacobho matc zobrazení F q. Funkce ϕ h z (2.8) je defnovaná na hrančním elementu K pomocí zobrazení F q jako ϕ h (x) = ˆϕ((F q ) 1 (x)), x K, kde ˆϕ [P p ( ˆK)] 4. Přblžné řešení w h (, t) defnujeme na elementu K obdobně jako w h (x, t) = ŵ ((F q ) 1 (x), t), x K, t (, T), kde ŵ (, t) [P p ( ˆK)] 4. Integrály v (2.7) potom vypočítáme následovně. První formu v (2.7) vyjádříme jako w h (x, t) ϕ h (x) dx = det J F q (ˆx)ŵ (ˆx, t) ˆϕ(ˆx)dˆx, I c. (3.4) K ˆK Dále, objemový ntegrál ve formě b h v (2.7) vypočítáme pomocí 2 K s=1 = ˆK f s (w h (x, t)) ϕ h(x) x s dx 2 det J F q (ˆx) f s (ŵ (ˆx, t)) s=1 2 j=1 ˆϕ(ˆx) (F q ) 1 j (F q (ˆx)) dˆx, I c, (3.5) ˆx j x s kde (F q ) 1 j značí j-tou složku nverzního zobrazení (F q ) 1. Abychom vypočítal nverzní zobrazení (F q ) 1, použjeme následující vztah, zapsaný v matcovém tvaru jako D (F q [ ) 1 D F q ] 1 D x (F q (ˆx)) = D ˆx (ˆx), (3.6) který vychází z dentty x = F q ((F q ) 1 (x)). Výpočet nverzní matce v (3.6) je jednodušší než vyčíslení (F q ) 1. 13

14 Dále, hranční ntegrál přes mezní hranu Γ j K ve formě b h v (2.7) vypočteme pomocí vhodné parametrzace této hrany a hrany ˆΓ referenčního trojúhelníku ˆK, odpovídající Γ j př zobrazení F q. Mějme tedy Pro pevné t položíme x = x(s) = F q (ˆx(s)), s [ 1, 1]. u(x) = H(w h (t) Γj (x),w h (t) Γj (x),n j (x)) ϕ h (x), kde n j (x) značí jednotkovou vnější normálu k K na zakřvené hraně Γ j v bodě x, a dále počítáme 1 u(x)ds = u(x(s)) x (s) 2 ds Γ j 1 ( ) 2 = u(f q (ˆx(s))) (F q ) j(ˆx(s)) ˆx k ˆx (s) k 1 j=1 k=1 1 2 ds, I c, j γ(). (3.7) Popsal jsme, jak se změní metoda, když použjeme křvočaré elementy a na konc této část se vrátíme k problému, jak zvolt body P E q, I c v (3.1), abychom tyto elementy mohl zkonstruovat. Jednou z možností je volba taková, že j q P Ω. Pro q = 2 je tento způsob popsán v [DF3, FFS3], jedná se tedy o aproxmac hrance po částech kvadratckou. Tato volba ovšem vyžaduje, aby byla hrance Ω zadaná bud analytcky nebo alespoň dostatečně hustou množnou bodů, což v následujícím potřebovat nebudeme. Navíc takováto aproxmace hrance obecně nemá spojté dervace. V další část této kaptoly ukážeme, zda by nám hladká aproxmace neumožnla získat lepší výsledky. 3.2 Splne Uvažujme opět množnu {K, I c, I c I} trojúhelníků přlehlých k nepolygonální část Ω. Označme tuto část hrance jako ω. Dále mějme body P k, k =, 1, 2 jako výše. Množna I c je zřejmě konečná, pro jednoduchost předpokládejme, že I c = {1, 2,..., n}. Zřejmě Navíc budeme předpokládat, že P k ω, = 1, 2,..., n, k =, 1. P 1 = P +1, = 1, 2,..., n 1. Poznámka. Pokud uvažujeme, že hrance ω je uzavřená, předpokládá se navíc, že P 1 n = P 1, což je častá stuace, např. př obtékání zolovaného proflu. Tato skutečnost však algortmus konstrukce splnu njak faktcky neovlvní, formálně tedy zůstane stejný. 14 j q

15 1 ^ ω ~ ω 1 ~ ω P _ 3 ~ 1_ 3 P P ~ ω +1 ~ 2 P 1 P 1 +1 ω ~ P 1 Obrázek 3.3: aproxmace hrance ω Nyní máme vše přpraveno ke konstrukc aproxmace hrance ω přrozeným kubckým nterpolačním splnem, tuto aproxmac označíme jako ω, vz. obrázek 3.3. Jedná se o aproxmac po částech kubckou, hledáme tedy zobrazení ˆω : [, 1] R 2, = 1, 2,..., n tak, aby ( a x ˆω (s) = s 3 + b x s2 + c x s + ) dx a y s3 + b y s2 + c y s + (3.8) dy ˆω () = P, ˆω (1) = P 1, (3.9) kde a x, b x, c x, d x, a y, by, cy, dy jsou reálné koefcenty, které je třeba specfkovat. K tomu použjeme spojtost dervací. Dostáváme tedy následující podmínky: ˆω (1) = ˆω +1(), = 1, 2,..., n 1, (3.1) ˆω (1) = ˆω +1(), = 1, 2,..., n 1, (3.11) ˆω 1 () =, ˆω n (1) =. (3.12) Podmínky (3.8) (3.11) představují podmínky pro konstrukc kubckého nterpolačního splnu, které s podmínkou (3.12) tvoří podmínky konstrukce přrozeného kubckého nterpolačního splnu. Z (3.8) vdíme, že pro každé zobrazení ˆω, = 1, 2,... n musíme určt 8 koefcentů. Dohromady tedy máme 8n neznámých. Z (3.9) máme celkem 4n podmínek, (3.1) a (3.11) nám dává dvakrát 2n 2 podmínek a zbylé 4 podmínky dostaneme z (3.12). Př konstrukc splnu vyjdeme z klasckého algortmu, nebudeme ho tedy popsovat přílš podrobně, jelkož je obecně znám. Zřejmě můžeme zobrazení ˆω 1, ˆω 2,..., ˆω n konstruovat po složkách. Předpokládejme, že známe momenty splnu M = (ˆω ()) 1, = 2, 3,...n, M 1 = (ˆω 1 ()) 1, M n+1 = (ˆω n (1)) 1. Zřejmě (ˆω ) 1 je lneární funkce na [, 1], = 1, 2,..., n (ˆω (s)) 1 = M + (M +1 M )s = M (1 s) + M +1 s. 15

16 Integrováním dostaneme (ˆω (s)) (1 s) 2 s 2 1 = M + M A, (3.13) (1 s) 3 s 3 (ˆω (s)) 1 = M + M A s + B, (3.14) kde A, B jsou reálné koefcenty, které jednoduše spočítáme z podmínek (3.9) dosazením do (3.14). Zbývá nám určt hodnoty momentů M 2, M 3,...M n, M 1 a M n+1 známe. Z podmínek (3.1) dostaneme dosazením do (3.13) vztahy 1 M M M = (P 1 ) 1 2(P ) 1 + (P = 2, 3,..., n, 1) 1, na základě kterých můžeme sestavt soustavu lneárních rovnc 4 1 M 2 6(P M 3 ) 1 12(P2 ) 1 + 6(P1 ) 1 6(P3 1 ) 1 12(P3 ) 1 + 6(P2 ) = M n 1 6(Pn 1 1 ) 1 12(Pn 1 ) 1 + 6(Pn 2 ) (Pn) (Pn) 1 + 6(Pn 1) 1 M n Matce této soustavy je ostře dagonálně domnantní, z čehož plyne, že je regulární a má tedy právě jedno řešení. Dosazením získaných hodnot do (3.14) určíme tvar funkcí (ˆω 1 ) 1, (ˆω 2 ) 1,...(ˆω n ) 1. Analogcky bychom postupoval u druhých složek zobrazení ˆω 1, ˆω 2,... ˆω n. Aproxmac hrance ω defnujeme jako ω = n ω, =1 kde ω = ˆω ([, 1]), vz. obrázek 3.3. Abychom nyní mohl zkonstruovat křvočaré elementy K 1, K 2,..., K n, zkonstruujeme nejprve množnu E 3 = { P 1 3, P 2 3 } tak, že položíme P 1 3 = ˆω ( 1 3 ) ( ) 2 3 2, P = ˆω, = 1, 2,..., n, 3 pomocí (3.1) najdeme jednoznačně určená kubcká zobrazení F1 3, F 2 3,...,F n 3 a defnujeme K = F 3 ( ˆK), = 1, 2,..., n, kde ˆK je referenční trojúhelník z (3.2) (3.3) pro q = Implementace Výpočet přblžného řešení byl realzován za použtí regulární trangulace, vz. [FFS3], s pomocí po částech kubcké aproxmace, tzn. p = 3 v (2.6). Na prostoru S h := S 3, 1 16

17 uvažujeme báz {φ k } dof k=1, kde dof značí dmenz S h, vz. [Dol6a]. Naše volba vede na blokově dagonální matc v (2.8), (b). Nyní, pokud v (2.8) nahradíme ϕ h := φ k, k = 1, 2,..., dof, získáme soustavu obyčejných dferencálních rovnc. Na výpočet hrančních ntegrálů v (2.7) a (3.7) zavedeme parametrzac hrany Γ j x = x(s) = Q j + s 2 (B j A j ), s [ 1, 1], kde Q j označuje střed a A j, B j koncové body Γ j a obdobně parametrzujeme referenční hranu ˆΓ ˆx = ˆx(s) = ˆQ + s 2 ( ˆB Â), s [ 1, 1], kde ˆQ je střed a  a ˆB jsou koncové body ˆΓ. Nakonec použjeme dvoubodový Gaussův kvadraturní vzorec 1 ( g(s)ds g 1 ) ( ) 1 + g 3, 1 3 který je přesný pro polynomy třetího stupně, vz. [Ueb97]. Objemové ntegrály v (2.7) vypočteme tříbodovým ntegračním vzorcem g(x)dx 1 K 3 K g(q j ), j S() kde K značí plochu K. Stejně spočítáme ntegrály přes referenční trojúhelník ˆK v (3.4) a (3.5). Tento vzorec je přesný pro polynomy druhého stupně, vz. [Ca2]. Soustavy lneárních algebrackých rovnc (2.1) jsou řešeny pomocí terační metody GMRES. 17

18 Kaptola 4 Numercké expermenty Na začátek uvedeme defnce používaných velčn, budeme uvažovat dokonalý plyn, vz. [FFS3]. Zaprvé je to entrope S = c V ln p/p (ρ/ρ ) γ + konst. = c V ln T/T + konst., (ρ/ρ ) γ 1 kde p a ρ jsou pevné hodnoty tlaku respektve hustoty a T = p /(Rρ ). Předpokládáme, že tlak je funkcí hustoty a entrope, tzn. ( ) S p = p(ρ, S) = κρ γ exp, κ = konst. >. Dále defnujeme rychlost zvuku c = c V p ρ a nakonec Machovo číslo M = v c. Říkáme, že proudění je v bodě x a čase t podzvukové, pokud M(x, t) < 1, soncké, pokud M(x, t) = 1 a nadzvukové, pokud M(x, t) > 1. Používáme standardní značení: c p měrná tepelná kapacta př konstantním tlaku, c V měrná tepelná kapacta př konstantním objemu, T termodynamcká teplota a R = c p c V > je molární plynová konstanta. Poznamenejme, že u deálního plynu pokládáme c p a c V za konstantní. Navíc budeme uvažovat adabatcké proudění, př kterém nedochází k přenosu a výměně tepla mez plynem a okolím, vz. [FFS3]. K tomuto uvedeme následující větu, jejíž důkaz je uveden v [FFS3]. Věta 4.1. Př adabatckém proudění nevazkého deálního plynu S = konst. podél trajektore lbovolné částce tekutny, (4.1) p = κρ γ podél trajektore lbovolné částce tekutny, (4.2) kde κ je konstanta závslá na uvažované trajektor. 18

19 Obrázek 4.1: trangulace v okolí přední hrany proflu NACA12, křížky představují body získané pomocí po částech kubcké aproxmace hrance přrozeným splnem, které se použjí pro konstrukc křvočarých elementů Pokud je splněna podmínka (4.1), mluvíme o zentropckém proudění. Jestlže navíc S = konst. v celém objemu systému, proudění se nazývá homoentropcké. Numercké expermenty se týkají podzvukového, homoentropckého proudění nevazkého deálního plynu kolem proflu křídla NACA12 s Machovým číslem M =.5 a úhlem náběhu α = 2. Hledáme staconární řešení Eulerových rovnc pro t, tj. řešení nezávslé na čase. Předvádíme vlv použtí křvočarých elementů a přrozeného splnu pro aproxmac nepolygonální hrance, jak bylo vysvětleno ve třetí kaptole, vz. obrázkek 4.1. V dalším budeme zkráceně psát P 1 aproxmace hrance jako po částech lneární aproxmace hrance, P 3 aproxmace hrance jako po částech kubcká aproxmace hrance, konstruovaná pomocí bodů, ležících na skutečné hranc a S 3 aproxmace hrance jako po částech kubcká aproxmace hrance přrozeným splnem. Obrázky prezentují spočítané výsledky pro Machovo číslo M a entrop S podél proflu křídla NACA12. Použl jsme P 1, P 3 a S 3 aproxmace hrance Ω pro pět trangulačních sítí, od nejhrubší r1 až po nejjemnější r5, vz. obrázek 4.2. Pokud se zaměříme na Machovo číslo M, z výpočtů vdíme, že P 1 aproxmace hrance nám v porovnání s P 3 a S 3 aproxmacem nedává kvaltní řešení, což je zjevné zejména u hrubších sítí, ale u jemnějších je rozdíl znatelný. Pokusíme-l se o srovnání P 3 aproxmace hrance s S 3 aproxmací, výsledky nepotvrzují, že by hladká aproxmace Ω vedla k lepšímu řešení, naopak u jemnějších sítí vdíme, že řešení, získané pomocí S 3 aproxmace hrance, je o něco méně kvaltní. Nyní se zaměříme na entrop S. Srovnání aproxamcí Ω nám poskytuje tabulka 4.1. Z předchozího a z (4.1) víme, že v našem deálním případě je entrope konstantní, v pravém sloupečku tabulky 4.1 by tak byla hodnota. Z tohoto pohledu se jako nejhorší zdá být řešení získané pomocí P 1 aproxmace hrance, což je vdět zejména u jemnějších sítí. Výsledky získané za pomoc P 3 a S 3 aproxmací jsou řádově stejné, ncméně hlavně u jemnějších sítí dává hladká S 3 aproxmace Ω o něco kvaltnější řešení. 19

20 Obrázek 4.2: trangulace v okolí proflu NACA12, nejhrubší r1 (vlevo) a nejjemnější r5 (vpravo) sít aproxmace Ω max S mn S max S mn S P 1 aproxmace Ω 1,9414 1,757 8,66E-2 r1 P 3 aproxmace Ω 1,7216 1,3354 3,86E-2 S 3 aproxmace Ω 1,7144 1,4676 2,47E-2 P 1 aproxmace Ω 1,8164 1,4957 3,21E-2 r2 P 3 aproxmace Ω 1,6138 1,3546 2,59E-2 S 3 aproxmace Ω 1,5628 1,3168 2,46E-2 P 1 aproxmace Ω 1,6986 1,4883 2,1E-2 r3 P 3 aproxmace Ω 1,52 1,4946 5,6E-4 S 3 aproxmace Ω 1,4995 1,4927 6,8E-4 P 1 aproxmace Ω 1,5272 1,498 2,92E-3 r4 P 3 aproxmace Ω 1,58 1,4963 4,5E-4 S 3 aproxmace Ω 1,4987 1,4966 2,1E-4 P 1 aproxmace Ω 1,5176 1,498 1,96E-3 r5 P 3 aproxmace Ω 1,548 1,4964 8,4E-4 S 3 aproxmace Ω 1,4985 1,4963 2,2E-4 Tabulka 4.1: maxs maxmální spočítaná hodnota entrope S a mn S mnmální spočítaná hodnota entrope S na hranc proflu NACA12 pro pět sítí r1 až r5 a P 1, P 3 a S 3 aproxmace hrance 2

21 1.4 gnu.2.6 gnu.1.1 gnu P 1 aproxmace hrance.7 gnu.2.6 gnu.1.1 gnu P 3 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu S 3 aproxmace hrance Obrázek 4.3: sít r1, Machovo číslo M, rozložení M podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 21

22 1.1 gnu.4.6 gnu.3.1 gnu gnu P 1 aproxmace hrance.6 gnu gnu P 3 aproxmace hrance 1.75 gnu.4.6 gnu.3.1 gnu S 3 aproxmace hrance Obrázek 4.4: sít r1, entrope S, rozložení S podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 22

23 .9 gnu.2.6 gnu.1.1 gnu P 1 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu P 3 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu S 3 aproxmace hrance Obrázek 4.5: sít r2, Machovo číslo M, rozložení M podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 23

24 1.85 gnu.4.6 gnu.3.1 gnu P 1 aproxmace hrance 1.65 gnu.4.6 gnu.3.1 gnu P 3 aproxmace hrance 1.6 gnu.4.6 gnu.3.1 gnu S 3 aproxmace hrance Obrázek 4.6: sít r2, entrope S, rozložení S podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 24

25 .8 gnu.2.6 gnu.1.1 gnu P 1 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu P 3 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu S 3 aproxmace hrance Obrázek 4.7: sít r3, Machovo číslo M, rozložení M podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 25

26 1.7 gnu.4.6 gnu.3.1 gnu gnu P 1 aproxmace hrance.6 gnu gnu P 3 aproxmace hrance 1.5 gnu.4.6 gnu.3.1 gnu S 3 aproxmace hrance Obrázek 4.8: sít r3, entrope S, rozložení S podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 26

27 .8 gnu.2.6 gnu.1.1 gnu P 1 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu P 3 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu S 3 aproxmace hrance Obrázek 4.9: sít r4, Machovo číslo M, rozložení M podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 27

28 1.53 gnu.4.6 gnu.3.1 gnu gnu P 1 aproxmace hrance.6 gnu gnu P 3 aproxmace hrance gnu.4.6 gnu.3.1 gnu S 3 aproxmace hrance Obrázek 4.1: sít r4, entrope S, rozložení S podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 28

29 .8 gnu.2.6 gnu.1.1 gnu P 1 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu P 3 aproxmace hrance.8 gnu.2.6 gnu.1.1 gnu S 3 aproxmace hrance Obrázek 4.11: sít r5, Machovo číslo M, rozložení M podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 29

30 1.518 gnu.4.6 gnu.3.1 gnu P 1 aproxmace hrance 1.55 gnu.4.6 gnu.3.1 gnu gnu P 3 aproxmace hrance.6 gnu gnu S 3 aproxmace hrance Obrázek 4.12: sít r5, entrope S, rozložení S podél proflu NACA12 (vlevo), zolne (uprostřed) a detal zolní v okolí přední hrany (vpravo) pro P 1, P 3 a S 3 aproxmace hrance 3

31 Kaptola 5 Závěr Používáme sem-mplctní numercké schéma a nespojtou Galerknovu metodu pro řešení Eulerových rovnc, popsujících proudění nevazkých stlačtelných tekutn. Je mplementována po částech kubcká aproxmace na trangulačních sítích. Numercké expermenty, provedené na proflu křídla NACA12, ukazují, že k tomu, abychom docíll dobrého řešení v blízkost nepolygonální hrance, je nezbytné užtí křvočarých elementů. Takové elementy se dají zkonstruovat pomocí polynomálního zobrazení lbovolného řádu, přdáme-l na tuto část hrance odpovídající počet nových uzlů. Co se týče možností aproxmace hrance, hlavním použtým nástrojem je přrozený kubcký nterpolační splne. Nemůžeme však potvrdt, že by se hladkou aproxmací dosáhlo výrazně lepších č horších výsledků v porovnání s aproxmací, která obecně nemá spojté dervace. 31

32 Lteratura [BR97] [Ca2] [DF3] [DF4] F. Bass and S. Rebay. Hgh-order accurate dscontnuous fnte element soluton of the 2D Euler equatons. J. Comput. Phys., 138: , P.G. Carlet. The fnte element method for ellptc problems. Socety for Industral Mathematcs, 22. V. Dolejší and M. Festauer. On the dscontnuous Galerkn method for the numercal soluton of compressble hgh-speed flow. In F. Brezz, A. Buffa, S. Corsaro, and A. Murl, edtors, Numercal Mathematcs and Advanced Applcatons, ENUMATH 21, pages Sprnger-Verlag, Itala, Mlano, 23. V. Dolejší and M. Festauer. A sem-mplct dscontnuous Galerkn fnte element method for the numercal soluton of nvscd compressble flow. Journal of Computatonal Physcs, 198(2): , 24. [Dol6a] V. Dolejší. An effcent mplementaton of the sem-mplct dscontnuous galerkn method for compressble flow smulaton. In J. Chleboun, K. Segeth, and T. Vejchodský, edtors, Programs and Algorthms of Numercal Mathematcs 13, pages Academy of Scence of the Czech Republc, Prague, 26. [Dol6b] V. Dolejší. Dscontnuous Galerkn method for the numercal smulaton of unsteady compressble flow. WSEAS Transactons on Systems, 5(5):183 19, 26. [FFS3] M. Festauer, J. Felcman, and I. Straškraba. Mathematcal and Computatonal Methods for Compressble Flow. Oxford Unversty Press, Oxford, 23. [Ueb97] C.W. Ueberhuber. Numercal computaton: methods, software, and analyss. Sprnger,

Numerická matematika A

Numerická matematika A Numercká matematka A 5615 A1 Máme dánu soustava lneárních rovnc tvaru AX = B, kde 4 1 A = 1 4 1, B = 1 a Zapíšeme soustavu rovnc AX = B ve tvaru upravíme a následně (L + D + P X = B, DX = (L + P X + B,

Více

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo Metoda sítí základní schémata h... krok sítě ve směru x, tj. h = x x q... krok sítě ve směru y, tj. q = y j y j τ... krok ve směru t, tj. τ = j... hodnota přblžného řešení v uzlu (x,y j ) (Possonova rovnce)

Více

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá

Více

MODELOVÁNÍ A SIMULACE

MODELOVÁNÍ A SIMULACE MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký

Více

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla KOMPLEXNÍ ČÍSLA Příklad Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární

Více

Literatura: Kapitola 5 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Literatura: Kapitola 5 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Metoda sítí pro 2D úlohy. Possonova rovnce. Vlnová rovnce. Rovnce vedení tepla. Lteratura: Kaptola 5 ze skrpt Karel Rektorys: Matematka 43, ČVUT, Praha, 2. Text přednášky na

Více

3 Základní modely reaktorů

3 Základní modely reaktorů 3 Základní modely reaktorů Rovnce popsující chování reakční směs v reaktoru (v čase a prostoru) vycházejí z blančních rovnc pro hmotu, energ a hybnost. Blanc lze formulovat pro extenzvní velčnu B v obecném

Více

Matematika I A ukázkový test 1 pro 2018/2019

Matematika I A ukázkový test 1 pro 2018/2019 Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete

Více

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC 25 MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC V této kaptole se dozvíte: jak lze obecnou soustavu lneárních rovnc zapsat pomocí matcového počtu; přesnou formulac podmínek řeštelnost soustavy lneárních rovnc

Více

A u. jsou po řadě počáteční a koncové body úsečky; t je parametr:

A u. jsou po řadě počáteční a koncové body úsečky; t je parametr: 1 Úvod Trangulace oblast má dnes využtí například v počítačové grafce nebo numercké matematce, kde základní algortmy pro výpočet parcálních dferencálních rovnc vyžadují rozdělení zadané souvslé oblast

Více

Energie elektrického pole

Energie elektrického pole Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný

Více

1. Spektrální rozklad samoadjungovaných operátorů 1.1. Motivace Vlastní čísla a vlastní vektory symetrické matice 1 1 A = 1 2.

1. Spektrální rozklad samoadjungovaných operátorů 1.1. Motivace Vlastní čísla a vlastní vektory symetrické matice 1 1 A = 1 2. . Spektrální rozklad samoadjungovaných operátorů.. Motvace Vlastní čísla a vlastní vektory symetrcké matce A = A λe = λ λ = λ 3λ + = λ 3+ λ 3 Vlastní čísla jsou λ = 3+, λ = 3. Pro tato vlastní čísla nalezneme

Více

Sdílení tepla. Úvod - Přehled. Sdílení tepla mezi termodynamickou soustavou a okolím je podmíněno rozdílností teplot soustavy T.

Sdílení tepla. Úvod - Přehled. Sdílení tepla mezi termodynamickou soustavou a okolím je podmíněno rozdílností teplot soustavy T. 7.4.0 Úvod - Přehled Sdílení tepla Sdílení tepla mez termodynamckou soustavou a okolím je podmíněno rozdílností teplot soustavy T s a okolí T o. Teplo mez soustavou a okolím se sdílí třem základním způsoby:

Více

FERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2

FERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2 FERGUSONOVA KUBIKA C F F F ( u) = Q F ( u) + Q F ( u) + Q F ( u) + Q F ( u), u F ( u) = u ( u) = u + ( u) = u u ( u) = u u u + u + u Q Q Q Q C napojení Fergusonových kubk Kubcký splne C má dva stupně volnost

Více

Stanislav Olivík POROVNÁNÍ DVOU METOD HLEDÁNÍ ODRAZNÉHO BODU NA POVRCHU ELIPSOIDU

Stanislav Olivík POROVNÁNÍ DVOU METOD HLEDÁNÍ ODRAZNÉHO BODU NA POVRCHU ELIPSOIDU 5. KONFERENCE O GEOMETRII A POČÍTAČOVÉ GRAFICE Stanslav Olvík POROVNÁNÍ DVOU METOD HLEDÁNÍ ODRAZNÉHO BODU NA POVRCHU ELIPSOIDU Abstrakt Úlohou GPS altmetre je nalezení odrazného bodu sgnálu vyslaného z

Více

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Markéta Brázdová 1 Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Klíčová slova: odbavování záslek, centrum grafu, vážená excentrcta vrcholů sítě, časová náročnost odbavení záslky, vážená

Více

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla KOMPLEXNÍ ČÍSLA Příklad 1 Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

Více

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

Monte Carlo metody Josef Pelikán CGG MFF UK Praha. Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný

Více

ASYMPTOTICKÉ VLASTNOSTI ODHADŮ S MINIMÁLNÍ KOLMOGOROVSKOU VZDÁLENOSTÍ

ASYMPTOTICKÉ VLASTNOSTI ODHADŮ S MINIMÁLNÍ KOLMOGOROVSKOU VZDÁLENOSTÍ ASYMPTOTICKÉ VLASTNOSTI ODHADŮ S MINIMÁLNÍ KOLMOGOROVSKOU VZDÁLENOSTÍ Bc. Jtka Hanousková 1 Abstrakt: Příspěvek se zabývá postačujícím podmínkam pro konzstenc odhadů s mnmální Kolmogorovskou vzdáleností

Více

Pružnost a plasticita II

Pružnost a plasticita II Pružnost a plastcta II 3 ročník bakalářského studa doc Ing Martn Kresa PhD Katedra stavební mechank Řešení pravoúhlých nosných stěn metodou sítí Statcké schéma nosné stěn q G υ (μ) h l d 3 wwwfastvsbcz

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

Více

Maticová exponenciála a jiné maticové funkce

Maticová exponenciála a jiné maticové funkce Matcová exponencála a jné matcové funkce Motvace: Jž víte, že řešením rovnce y = ay, jsou funkce y(t = c e at, tj exponencály Pro tuto funkc platí, že y(0 = c, tj konstanta c je počáteční podmínka v bodě

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

Lineární algebra : Změna báze

Lineární algebra : Změna báze Lineární algebra : Změna báze (13. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 8. dubna 2014, 10:47 1 2 13.1 Matice přechodu Definice 1. Nechť X = (x 1,..., x n ) a Y = (y 1,...,

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

Tepelná kapacita = T. Ē = 1 2 hν + hν. 1 = 1 e x. ln dx. Einsteinův výpočet (1907): Soustava N nezávislých oscilátorů se stejnou vlastní frekvencí má

Tepelná kapacita = T. Ē = 1 2 hν + hν. 1 = 1 e x. ln dx. Einsteinův výpočet (1907): Soustava N nezávislých oscilátorů se stejnou vlastní frekvencí má Tepelná kapacta C x = C V = ( ) dq ( ) du Dulong-Pettovo pravdlo: U = 3kT N C V = 3kN x V = T ( ) ds x Tepelná kapacta mřížky Osclátor s kvantovanou energí E n = ( n + 2) hν má střední hodnotu energe (po

Více

Parametrická rovnice přímky v rovině

Parametrická rovnice přímky v rovině Parametrická rovnice přímky v rovině Nechť je v kartézské soustavě souřadnic dána přímka AB. Nechť vektor u = B - A. Pak libovolný bod X[x; y] leží na přímce AB právě tehdy, když vektory u a X - A jsou

Více

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek 25. KONFERENCE O GEOMETRII A POČÍTAČOVÉ GRAFICE Ivana Lnkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE Abstrakt Příspěvek prezentuje B-splne křvku a Coonsovu, Bézerovu a Fergusonovu kubku jako specální případy

Více

1 Determinanty a inverzní matice

1 Determinanty a inverzní matice Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého

Více

Diferenciální rovnice

Diferenciální rovnice Obyčejné diferenciální rovnice - studijní text pro cvičení v předmětu Matematika - 2. Studijní materiál byl připraven pracovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za podpory grantu IG ČVUT

Více

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová 1 / 40 Vzpěr jednoduchého rámu, diferenciální operátory Lenka Dohnalová ČVUT, fakulta stavební, ZS 2015/2016 katedra stavební mechaniky a katedra matematiky, Odborné vedení: doc. Ing. Jan Zeman, Ph.D.,

Více

Příklady pro předmět Aplikovaná matematika (AMA) část 1

Příklady pro předmět Aplikovaná matematika (AMA) část 1 Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1

Více

Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM ) Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 5: FSM: rp dstrbuton Prof. Ing. Ondře Přbyl, Ph.D. Ing.

Více

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta Katedra fyziky. Bakalářská práce

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta Katedra fyziky. Bakalářská práce Jhočeská unverzta v Českých Budějovcích Pedagogcká fakulta Katedra fyzky Bakalářská práce České Budějovce 007 Tomáš Bürger Jhočeská unverzta v Českých Budějovcích Pedagogcká fakulta Katedra fyzky Generování

Více

I. 7. Diferenciál funkce a Taylorova věta

I. 7. Diferenciál funkce a Taylorova věta I. 7. Diferenciál funkce a Taylorova věta 343 I. 7. Diferenciál funkce a Taylorova věta Věta 26. Funkce f má v bodě x 0 diferenciál (je diferencovatelná v x 0 ) právě tehdy, když existuje vlastní derivace

Více

úloh pro ODR jednokrokové metody

úloh pro ODR jednokrokové metody Numerické metody pro řešení počátečních úloh pro ODR jednokrokové metody Formulace: Hledáme řešení y = y() rovnice () s počáteční podmínkou () y () = f(, y()) () y( ) = y. () Smysl: Analyticky lze spočítat

Více

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2 Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

ZÁPADOČESKÁ UNIVERZITA V PLZNI

ZÁPADOČESKÁ UNIVERZITA V PLZNI ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA STROJNÍ Semestrální práce z předmětu MM Stanovení deformace soustav ocelových prutů Václav Plánčka 6..006 OBSAH ZADÁNÍ... 3 TEORETICKÁ ČÁST... 4 PRAKTICKÁ ČÁST...

Více

Statika soustavy těles v rovině

Statika soustavy těles v rovině Statka soustavy těles v rovně Zpracoval: Ing. Mroslav yrtus, Ph.. U mechancké soustavy s deálním knematckým dvojcem znázorněné na obrázku určete: počet stupňů volnost početně všechny reakce a moment M

Více

2. Definice pravděpodobnosti

2. Definice pravděpodobnosti 2. Defnce pravděpodobnost 2.1. Úvod: V přírodě se setkáváme a v přírodních vědách studujeme pomocí matematckých struktur a algortmů procesy dvojího druhu. Jednodušší jsou determnstcké procesy, které se

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

Obsah. 1 Protokoly Diffieho-Hellmanův a ElGamalův. 3 Hledání generátoru v Z p

Obsah. 1 Protokoly Diffieho-Hellmanův a ElGamalův. 3 Hledání generátoru v Z p Obsah 13. a 14. přednáška z kryptografe 1 Protokoly Dffeho-Hellmanův a ElGamalův Dffeho-Hellmanův a ElGamalův protokol Bezpečnost obou protokolů 2 Výpočet dskrétního logartmu Baby step-gant step algortmus

Více

KOMPLEXNÍ ČÍSLA (druhá část)

KOMPLEXNÍ ČÍSLA (druhá část) KOMPLEXNÍ ČÍSLA (druhá část) V první kaptole jsme se senáml s algebrackým tvarem komplexního čísla. Některé výpočty s komplexním čísly je však lépe provádět ve tvaru gonometrckém. Pon. V následujícím textu

Více

Matematika IV, Numerické metody

Matematika IV, Numerické metody Interaktvní sbírka příkladů pro předmět Matematka IV, Numercké metody Josef Dalík, Veronka Chrastnová, Oto Přbyl, Hana Šafářová, Pavel Špaček Vysoké učení techncké v Brně, Fakulta stavební Ústav matematky

Více

MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD

MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD XV. konference absolventů studa technckého znalectví s meznárodní účastí MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD Zdeněk Mrázek 1 1. Ř ešení stř etu u fngovaných

Více

Porovnání GUM a metody Monte Carlo

Porovnání GUM a metody Monte Carlo Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná

Více

POROVNÁNÍ MEZI SKUPINAMI

POROVNÁNÍ MEZI SKUPINAMI POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá

Více

Řešení Navierových-Stokesových rovnic metodou

Řešení Navierových-Stokesových rovnic metodou Řšní Navrovýc-Stoksovýc rovnc mtodou končnýc prvků Lbor Črmák prosnc 2009 Označní: Abstrakt Txt obsauj klasckou a varační formulac 2D-úloy nstlačtlnéo nstaconárnío proudění, pops prostorové dskrtzac mtodou

Více

Matematické modelování ve stavební fyzice

Matematické modelování ve stavební fyzice P6 - Numercké řešení vedení tepla ve stěně Obsa: Stěna z omogennío materálu Stěna z různýc materálů Okraové podmínky Dvorozměrné vedení tepla Rovnce vedení tepla Rovnce kontnuty (v 1D) dq qcd, x qcd, x

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

Limita a spojitost funkce a zobrazení jedné reálné proměnné

Limita a spojitost funkce a zobrazení jedné reálné proměnné Přednáška 4 Limita a spojitost funkce a zobrazení jedné reálné proměnné V několika následujících přednáškách budeme studovat zobrazení jedné reálné proměnné f : X Y, kde X R a Y R k. Protože pro každé

Více

MASARYKOVA UNIVERZITA PEDAGOGICKÁ FAKULTA

MASARYKOVA UNIVERZITA PEDAGOGICKÁ FAKULTA MASARYKOVA UNIVERZITA PEDAGOGICKÁ FAKULTA Katedra Matematky Řetězové zlomky Dplomová práce Brno 04 Autor práce: Bc. Petra Dvořáčková Vedoucí práce: doc. RNDr. Jaroslav Beránek, CSc. Bblografcký záznam

Více

Výpočet stlačitelného proudění metodou konečných objemů

Výpočet stlačitelného proudění metodou konečných objemů Výpočet stlačitelného proudění metodou konečných objemů Petra Punčochářová Ústav technické matematiky, Fakulta strojní, Vysoké učení technické v Praze Vedoucí práce: Prof. RNDr. K. Kozel DrSc. Úvod V 80.

Více

Neparametrické metody

Neparametrické metody Neparametrcké metody Přestože parametrcké metody zaujímají klíčovou úlohu ve statstcké analýze dat, je možné některé problémy řešt př neparametrckém přístupu. V této přednášce uvedeme neparametrcké odhady

Více

MASARYKOVA UNIVERZITA

MASARYKOVA UNIVERZITA MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Bakalářská práce BRNO 015 VERONIKA MAGEROVÁ MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Numercké

Více

Numerická integrace konstitučních vztahů

Numerická integrace konstitučních vztahů Numercká ntegrace konsttučních vztahů Po výočtu neznámých deformačních uzlových arametrů v každé terac NR metody je nutné stanovt naětí a deformace na rvcích. Nař. Jednoosý tah (vz obr. vravo) Pro nterval

Více

1 Řešení soustav lineárních rovnic

1 Řešení soustav lineárních rovnic 1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Předmět: MA4 Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Literatura: Kapitola 2 a)-c) a kapitola 4 a)-c) ze skript Karel Rektorys: Matematika 43, ČVUT,

Více

ALGORITMUS SILOVÉ METODY

ALGORITMUS SILOVÉ METODY ALGORITMUS SILOVÉ METODY CONSISTENT DEFORMATION METHOD ALGORITHM Petr Frantík 1, Mchal Štafa, Tomáš Pal 3 Abstrakt Příspěvek se věnuje popsu algortmzace slové metody sloužící pro výpočet statcky neurčtých

Více

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x).

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x). 3. FUNKCE NÁHODNÉ VELIINY as ke studu: 40 mnut Cíl: Po prostudování této kaptol budete umt transformovat náhodnou velnu na náhodnou velnu Y, je l mez tmto náhodným velnam vzájemn jednoznaný vztah VÝKLAD

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

Kombinatorická minimalizace

Kombinatorická minimalizace Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny

Více

2. Schurova věta. Petr Tichý. 3. října 2012

2. Schurova věta. Petr Tichý. 3. října 2012 2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci

Více

Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)

Více

14. cvičení z Matematické analýzy 2

14. cvičení z Matematické analýzy 2 4. cvičení z atematické analýzy 2 8. - 2. ledna 28 4. (Greenova věta) Použijte Greenovu větu k nalezení práce síly F (x, y) (2xy 3, 4x 2 y 2 ) vykonané na částici podél křivky Γ, která je hranicí oblasti

Více

12. Křivkové integrály

12. Křivkové integrály 12 Křivkové integrály Definice 121 Jednoduchou po částech hladkou křivkou v prostoru R n rozumíme množinu bodů [x 1,, x n ], které jsou dány parametrickými rovnicemi x 1 = ϕ 1 t), x 2 = ϕ 2 t), x n = ϕ

Více

8a.Objektové metody viditelnosti. Robertsův algoritmus

8a.Objektové metody viditelnosti. Robertsův algoritmus 8a. OBJEKOVÉ MEODY VIDIELNOSI Cíl Po prostudování této kaptoly budete znát metody vdtelnost 3D objektů na základě prostorových vlastností těchto objektů tvořt algortmy pro určování vdtelnost hran a stěn

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím

Více

permutace, popisující nějaké symetrie, je i π permutace, popisující nějakou symetrii.

permutace, popisující nějaké symetrie, je i π permutace, popisující nějakou symetrii. DSM Cv Pólyova věta Budeme se zabývat objekty (na množně X - to jsou vrcholy těchto objektů) s různým prvky symetre (například to mohou být různé brože, tsky, ale také strukturní vzorce různých chemckých

Více

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 40 regula Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague regula 1 2 3 4 5 regula 6 7 8 2 / 40 2 / 40 regula Iterační pro nelineární e Bud f reálná funkce

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

(Cramerovo pravidlo, determinanty, inverzní matice)

(Cramerovo pravidlo, determinanty, inverzní matice) KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce

Více

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze Fakulta strojního inženýrství Univerzity J. E. Purkyně v Ústí nad Labem Pasteurova 7 Tel.: 475 285 511 400 96 Ústí nad Labem Fax: 475 285 566 Internet: www.ujep.cz E-mail: kontakt@ujep.cz MATEMATIKA III

Více

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení

Více

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého

Více

Numerická matematika 1

Numerická matematika 1 Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................

Více

Parametrické rovnice křivky

Parametrické rovnice křivky Křivkový integrál Robert Mařík jaro 2014 Tento text je tištěnou verzí prezentací dostupných z http://user.mendelu.cz/marik/am. Křivkový integrál Jedná se o rozšíření Riemannova integrálu, kdy množinou

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a

Více

Numerické řešení 2D stlačitelného proudění s kondenzací. Michal Seifert

Numerické řešení 2D stlačitelného proudění s kondenzací. Michal Seifert Numerické řešení 2D stlačitelného proudění s kondenzací Michal Seifert Úkoly diplomové práce Popsat matematické modely proudící tekutiny Popis numerických metod založených na metodě konečných objemů Porovnání

Více

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2 4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé

Více

EUKLIDOVSKÉ PROSTORY

EUKLIDOVSKÉ PROSTORY EUKLIDOVSKÉ PROSTORY Necht L je lineární vektorový prostor nad tělesem reálných čísel R. Zobrazení (.,.) : L L R splňující vlastnosti 1. (x, x) 0 x L, (x, x) = 0 x = 0, 2. (x, y) = (y, x) x, y L, 3. (λx,

Více

VEKTOROVÁ POLE Otázky

VEKTOROVÁ POLE Otázky VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x,

Více

L8 Asimilace dat II. Oddělení numerické předpovědi počasí ČHMÚ 2007

L8 Asimilace dat II. Oddělení numerické předpovědi počasí ČHMÚ 2007 L8 Asmlace dat II Oddělení numercké předpověd počasí ČHMÚ 007 Plán přednášky Úvod do analýzy Optmální odhad v meteorolog D případ: demonstrace metod; mult-dmensonální případ; Zavedení předběžného pole;

Více

Vkládání pomocí Viterbiho algoritmu

Vkládání pomocí Viterbiho algoritmu Vkládání pomocí Vterbho algortmu Andrew Kozlk KA MFF UK C Vkládání pomocí Vterbho algortmu Cíl: Využít teor konvolučních kódů. Motvace: Vterbho dekodér je soft-decson dekodér. Každému prvku nosče přřadíme

Více

Matice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.

Matice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu

Více

5.3. Implicitní funkce a její derivace

5.3. Implicitní funkce a její derivace Výklad Podívejme se na následující problém. Uvažujme množinu M bodů [x,y] R 2, které splňují rovnici F(x, y) = 0, M = {[x,y] D F F(x,y) = 0}, kde z = F(x,y) je nějaká funkce dvou proměnných. Je-li F(x,y)

Více

PQ-stromy a rozpoznávání intervalových grafů v lineárním čase

PQ-stromy a rozpoznávání intervalových grafů v lineárním čase -stromy a rozpoznávání intervalových grafů v lineárním čase ermutace s předepsanými intervaly Označme [n] množinu {1, 2,..., n}. Mějme permutaci π = π 1, π 2,..., π n množiny [n]. Řekneme, že množina S

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

64. ročník matematické olympiády Řešení úloh krajského kola kategorie A

64. ročník matematické olympiády Řešení úloh krajského kola kategorie A 64. ročník matematické olympiády Řešení úloh krajského kola kategorie A 1. Středy stran AC, BC označme postupně, N. Střed kružnice vepsané trojúhelníku KLC označme I. Úvodem poznamenejme, že body K, L

Více

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných

Více

= je prostý orientovaný graf., formálně c ( u, v) 0. dva speciální uzly: zdrojový uzel s a cílový uzel t. Dále budeme bez

= je prostý orientovaný graf., formálně c ( u, v) 0. dva speciální uzly: zdrojový uzel s a cílový uzel t. Dále budeme bez Síť Síť je čtveřice N = ( G, s, t, c) kde G ( V, A) = je prostý orientovaný graf a každé orientované hraně ( u, v) je přiřazeno nezáporné číslo, které se nazývá kapacita hrany ( u, v), formálně c ( u,

Více

Alltran. 1. Úvod. 2. Definice problému. Dokumentace knihovny Alltran v 1.01

Alltran. 1. Úvod. 2. Definice problému. Dokumentace knihovny Alltran v 1.01 Dokumentace knhovny Alltran v 1.1 1. Úvod Alltran Jedná se o knhovnu pro výpočet transformačního klíče a transformac souřadnc pro různé transformace založené na metodě nejmenších čtverců. Knhovna obsahuje

Více

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina 3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních

Více

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice 9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky

Více