3. Přednáška: Line search
|
|
- Miloslava Dostálová
- před 8 lety
- Počet zobrazení:
Transkript
1 Úloha: 3. Přednáška: Line search min f(x), x R n kde x R n, n 1 a f : R n R je dvakrát spojitě diferencovatelná. Iterační algoritmy: Začínám v x 0 a vytvářím posloupnost iterací {x k } k=0, tak, aby minimum bylo aproximováno s dostatečnou přesností, ideálně končila v přesném řešení. K posunutí z x k do x k+1, aby f(x k+1 ) < f(x k ) mohu použít informace o x 0,..., x k 1 a jejich funkčních hodnotách. 2 základní strategie, jak se posunout z x k do x k+1 : Line search, trust region. Line search algoritmus: Dáno x 0, interval (a, b), ε atd. a pro k = 0, 1, 2,... : 1) najdi směr p k R n - spádový směr, 2) najdi α k tak, aby x k + α k p k bylo lepší než x k (ideálně minimální - exaktní line search, dostatečně malé - aproximace), 3) polož x k+1 = x k + α k p k. Priklad3.m ad 1) viz další přednášky, ad 2) hledání minima jednodimenzionální funkce φ(α) = f(x k + αp k ), tj. řeším úlohu: min φ(α). α>0 Jednodimenzionální minimalizace: Definice: Unimodální funkce Funkce φ : R R je unimodální na intervalu a, b, jestliže existuje c (a, b) takové, že φ je klesající na a, c a rostoucí na c, b. Věta: Pozice minima Nechť φ je unimodální v a, b a nabývá svého minima v α a, b. Pak pro libovolné x a y, kde a x < y b platí následující tvrzení: 1
2 Je-li φ(x) < φ(y), pak α < y. Je-li φ(x) > φ(y), pak α > x. Je-li φ(x) = φ(y), pak x < α < y. Algoritmus: Za předpokladu unimodální funkce φ a pomocí výše uvedené věty generuji posloupnost zmenšujících se intervalů obsahujících řešení α (intervaly neurčitosti): a, b = I 0 I 1... I k 1 I k = a k, b k, k b k a k značí délku k-tého intervalu. Požaduji co nejmenší vyhodnocování funkce φ, co největší redukci intervalů, jednoduchost. Metody: Metoda bisekce (krácení na poloviny, jednoduché, drahé - hodně vyhodnocování φ). Priklady3 bisekce.m Fibonacciho metoda (optimální, krácení v poměru fibonacciho čísel, když chceme zpřesnit musíme začít od začátku). Fibonacciho posloupnost: F 0 = F 1 = 1, F k = F k 1 + F k 2, k = 2...., N. Priklady3 fibonacci.m Metoda zlatého řezu (optimální). Zafixujeme zkracování intervalu na jedné hodnotě: F ξ = lim N 1 N F N, platí ξ = zlatý řez. 2 Priklady3 zlatyrez.m Newtonova metoda: funkce φ musí být navíc hladká, aproximace kvadratickou funkcí. Priklady3 newton.m Testování dostatečného poklesu. Dostatečný pokles: Dilema přesnost x výpočetní čas Použití minimalizační metody (viz výše), ale zastavím hledání řešení, pokud interval neurčitosti splňuje podmínku: α ᾱ cᾱ, kde α je přesné řešení, ᾱ je aktuální řešení, α ᾱ délka intervalu neurčitosti. Spokojím se s dostatečným poklesem. 2
3 Přímka udávající pokles: x k, p k spádový směr φ (0) = grad T f(x k )p k < 0. Chci zvolit α tak, aby φ(α) f(x k + αp k ) dostatečně pokleslo a α nebylo ani malé ani velké. Přímka udávající pokles: pro dané ε (0, 1): l(α) φ(0) + εφ (0)α. Pro všechna α taková, že φ(α) < l(α) platí f(x k + αp k ) = φ(α) < φ(0) = f(x k ). Armijův test (podmínka): Pokud bude α malé i pokles může být malý. Volba tak, aby například dvojnásobné (desetinásobné) α už nesplnilo podmínku φ(α) < l(α), tj. zvol η (η = 2) a najdi α tak, aby Pseudo-algoritmus: Start: volím ε (v praxi volíme malé, 10 4 ), η, α... φ(α) φ(0) + εφ (0)α (1) φ(ηα) > φ(0) + εφ (0)α. (2) Pokud je splněna (1), prováděj α = ηα dokud není splněna (2). Pokud není splněna (1), prováděj α = α, dokud není splněna (1). η Interval přípustných hodnot α nemusí obsahovat minimum funkce φ(α). Priklad3 pokles.m Goldsteinův test (podmínka): Zvolím ε ( 0, 1 2) tak, aby φ(α) φ(0) + εφ (0)α. (3) Aby α nebylo příliš malé, musí ležet nad jinou přímkou, tj. φ(α) φ(0) + (1 ε)φ (0)α. (4) Interval přípustných hodnot α nemusí obsahovat minimum funkce φ(α). Priklad3 goldstein.m 3
4 Wolfeho test (podmínka): Zvolím ε ( 0, 1 2) tak, aby φ(α) φ(0) + εφ (0)α. (5) Dám požadavek na sklon: pokud jsem blízko minima φ (α) < φ (0). Wolfeho podmínka: (5) a φ(α) (1 ε)φ (0). (6) Silná Wolfeho podmínka: (5) a Nemusím se omezovat jen jedním ε. Alternativa: pro 0 < c 1 < c 2 < 1 φ(α) (1 ε) φ (0). (7) φ(α) φ(0) + c 1 φ (0)α, φ (α) c 2 φ (0), φ(α) c 2 φ (0). Wolfeho test zaručí jak dostatečný pokles φ(α), tak dostatečný nárůst φ (α) vzhledem k α = 0. Priklad3 wolfe.m Konvergence algoritmů typu Line-search: Body x k nalezené Line-search algoritmem obecně nemusí konvergovat k přesnému řešení x. Konvergenci lze chápat v různém smyslu: lim x k = x nebo lim f(x k ) = 0. k k p k f k f k p k, θ k... úhel svírající zvolený spádový směr a směr nej- Označme cos θ k = většího spádu. Lipchitzovská spojitost f(x) na Ω: existuje konstanta L > 0 taková, že f(x) f(y) L x y, x, y Ω. Vrstevnicová oblast Γ f(x0 ) {x : f(x) f(x 0 )}. 4
5 Věta: Nechť x 0 R n je počáteční přiblížení a nechť f C 1 (Ω), kde Ω je otevřená množina obsahující vrstevnicovou oblast Γ f(x0 ). Dále nechť f je Lipschitzovsky spojitý na Ω. Uvažujme algoritmus Line-search, tj. iterace x k+1 = x k + α k p k, kde p k je spádový směr a α k splňuje Wolfeho podmínky. Potom cos 2 (θ k ) f(x k ) 2 < a tato podmínka implikuje k 0 cos 2 (θ k ) f(x k ) 2 0 pro k. Definice: Řekneme, že konvergentní posloupnost {x k } konverguje k x rychlostí řádu p, pokud existují čísla 0 < c < 1 a k 0 > 0 taková, že platí ɛ k+1 ɛ k p c, k k 0. Kde ɛ k x k x. Pro p = 1 mluvíme o lineární rychlosti konvergence, pro p = 2 mluvíme o kvadratické rychlosti konvergence. Pokud platí ɛ k+1 a k, ɛ k kde {a k } je posloupnost nezáporných čísel, a k 0 + pro k, hovoříme o superlineární konvergenci. 5
DRN: Kořeny funkce numericky
DRN: Kořeny funkce numericky Kořenem funkce f rozumíme libovolné číslo r splňující f(r) = 0. Fakt. Nechť f je funkce na intervalu a, b. Jestliže f(a) f(b) < 0 (tj. f(a) a f(b) mají opačná znaménka) a f
VíceZákladní spádové metody
Základní spádové metody Petr Tichý 23. října 2013 1 Metody typu line search Problém Idea metod min f(x), f : x R Rn R. n Dána počáteční aproximace x 0. Iterační proces (krok k): (a) zvol směr d k, (b)
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/ navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
VíceFaculty 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
VíceNumerické metody optimalizace - úvod
Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/ navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
VíceMETODA PŮLENÍ INTERVALU (METODA BISEKCE) METODA PROSTÉ ITERACE NEWTONOVA METODA
2-3. Metoda bisekce, met. prosté iterace, Newtonova metoda pro řešení f(x) = 0. Kateřina Konečná/ 1 ITERAČNÍ METODY ŘEŠENÍ NELINEÁRNÍCH ROVNIC - řešení nelineární rovnice f(x) = 0, - separace kořenů =
Více4. Přednáška: Kvazi-Newtonovské metody:
4 Přednáša: Kvazi-Newtonovsé metody: Metody s proměnnou metriou, modifiace Newtonovy metody Efetivní pro menší úlohy s hustou Hessovou maticí Newtonova metoda (opaování): f aproximujeme loálně vadraticou
VíceLIMITA A SPOJITOST FUNKCE
PŘEDNÁŠKA 5 LIMITA A SPOJITOST FUNKCE 5.1 Spojitost funkce 2 Řekneme, že funkce f(x) je spojitá v bodě a D f, jestliže ke každému ε > 0 existuje δ > 0 takové, že pro každé x (a δ, a + δ) D f platí nerovnost:
VíceM5170: Matematické programování
M5170: Matematické programování Petr Zemánek (Masarykova Univerzita, Brno) Kapitola 3: Numerické metody řešení úloh matematického programování I (verze: 13. listopadu 2018) Obecný úvod Nyní se již konečně
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/~navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
Více17. Posloupnosti a řady funkcí
17. Posloupnosti a řady funkcí Aplikovaná matematika III, NMAF073 M. Rokyta, KMA MFF UK ZS 2011/12 17.1 Stejnoměrná konvergence posloupnosti funkcí Definice Necht M je množina, f, f n : M R m, m, n N.
VíceM5170: Matematické programování
M5170: Matematické programování Petr Zemánek (Masarykova Univerzita, Brno) Kapitola 3: Numerické metody řešení úloh matematického programování I (verze: 28. ledna 2019) Obecný úvod Nyní se již konečně
VícePŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
VíceNumerická 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..........................
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
Více2. přednáška 8. října 2007
2. přednáška 8. října 2007 Konvergence v metrických prostorech. Posloupnost bodů (a n ) M v metrickém prostoru (M, d) konverguje (je konvergentní), když v M existuje takový bod a, že lim n d(a n, a) =
VíceMatematika V. Dynamická optimalizace
Matematika V. Dynamická optimalizace Obsah Kapitola 1. Variační počet 1.1. Derivace funkcí na vektorových prostorech...str. 3 1.2. Derivace integrálu...str. 5 1.3. Formulace základní úlohy P1 var. počtu,
VíceFaster Gradient Descent Methods
Faster Gradient Descent Methods Rychlejší gradientní spádové metody Ing. Lukáš Pospíšil, Ing. Martin Menšík Katedra aplikované matematiky, VŠB - Technická univerzita Ostrava 24.1.2012 Ing. Lukáš Pospíšil,
Více10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
VíceNumerické metody a programování. Lekce 7
Numerické metody a programování Lekce 7 Řešení nelineárních rovnic hledáme řešení x problému f x = 0 strategie: odhad řešení iterační proces postupného zpřesňování řešení výpočet skončen pokud je splněno
VíceFunkce. Limita a spojitost
Funkce. Limita a spojitost skriptum J. Neustupa text Funkce (úvod) na této web stránce III.2 Fce - základní pojmy 1. Definice, def. obor D(f), obor hodnot H(f), graf 2. Fce složená, omezená, 3. Fce sudá,
VíceNumerické metody a programování. Lekce 8
Numerické metody a programování Lekce 8 Optimalizace hledáme bod x, ve kterém funkce jedné nebo více proměnných f x má minimum (maximum) maximalizace f x je totéž jako minimalizace f x Minimum funkce lokální:
VíceNelineární rovnice. Numerické metody 6. května FJFI ČVUT v Praze
Nelineární rovnice Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod Ohraničení kořene Hledání kořene Soustava Programy 1 Úvod Úvod - Úloha Hledáme bod x, ve kterém je splněno pro zadanou funkci
VíceTexty 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
VícePřednáška 11, 12. prosince Část 5: derivace funkce
Přednáška 11, 12. prosince 2014 Závěrem pasáže o spojitých funkcích zmíníme jejich podtřídu, lipschitzovské funkce, nazvané podle německého matematika Rudolfa Lipschitze (1832 1903). Fukce f : M R je lipschitzovská,
VíceMatematika 5 FSV UK, ZS Miroslav Zelený
Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení
VíceDefinice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:
Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé
VíceLineární klasifikátory
Lineární klasifikátory Lineární klasifikátory obsah: perceptronový algoritmus základní verze varianta perceptronového algoritmu přihrádkový algoritmus podpůrné vektorové stroje Lineární klasifikátor navrhnout
Více1 Posloupnosti a řady.
1 Posloupnosti a řady. 1.1 Posloupnosti reálných čísel. Definice 1.1: Posloupností reálných čísel nazýváme zobrazení f množiny N všech přirozených čísel do množiny R všech reálných čísel. Pokud nemůže
VíceHledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012 Opakování rovnice přímky Úloha: Určete rovnici přímky procházející body A[a, f(a)] a B[b, f(b)], kde f je funkce spojitá
VíceZáklady matematické analýzy
Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceKapitola 4: Průběh funkce 1/11
Kapitola 4: Průběh funkce 1/11 Funkce monotonní 2/11 Věta: Necht je f spojitá a má derivaci na intervalu I. Potom platí (i) Je-li f (x) > 0 na I, je f rostoucí na I. (ii) Je-li f (x) 0 na I, je f neklesající
Více18 Fourierovy řady Úvod, základní pojmy
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 18: Fourierovy řady 7 18 Fourierovy řady 18.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"
VíceDnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.
Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení
Více10 Určitý integrál Riemannův integrál. Definice. Konečnou posloupnost {x j } n j=0 nazýváme dělením intervalu [a,b], jestliže platí
10 Určitý integrál 10.1 Riemnnův integrál Definice. Konečnou posloupnost {x j } n j=0 nzýváme dělením intervlu [,b], jestliže pltí = x 0 < x 1 < < x n = b. Body x 0,...,x n nzýváme dělícími body. Normou
VíceInterpolace, 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
VíceTypy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)
Typy příkladů na písemnou část zkoušky NU a vzorová řešení (doc. Martišek 07). Vhodnou iterační metodou (tj. metodou se zaručenou konvergencí) řešte soustavu: x +x +4x 3 = 3.5 x 3x +x 3 =.5 x +x +x 3 =.5
VíceK oddílu I.1 základní pojmy, normy, normované prostory
ÚVOD DO FUNKCIONÁLNÍ ANALÝZY PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2015/2016 PŘÍKLADY KE KAPITOLE I K oddílu I1 základní pojmy, normy, normované prostory Příklad 1 Necht X je reálný vektorový prostor a : X
Více22 Základní vlastnosti distribucí
M. Rokyta, MFF UK: Aplikovaná matematika IV kap. 22: Základní vlastnosti distribucí 5 22 Základní vlastnosti distribucí 22.1 Temperované distribuce Definice. O funkci ϕ C (R m ) řekneme, že je rychle klesající
VíceKapitola 4: Průběh funkce 1/11
Kapitola 4: Průběh funkce 1/11 Funkce monotonní 2/11 Věta: Necht je f spojitá a má derivaci na intervalu I. Potom platí (i) Je-li f (x) > 0 na I, je f rostoucí na I. (ii) Je-li f (x) 0 na I, je f neklesající
VíceOPTIMALIZACE. (přehled metod)
OPTIMALIZACE (přehled metod) Typy optimalizačních úloh Optimalizace bez omezení Nederivační metody Derivační metody Optimalizace s omezeními Lineární programování Nelineární programování Globální optimalizace
VíceÚvod do optimalizace Matematické metody pro ITS (11MAMY)
Úvod do optimalizace Matematické metody pro ITS (11MAMY) Jan Přikryl (volně dle M.T. Heathe) 10. přednáška 11MAMY úterý 22. března 2016 verze: 2016-04-01 16:10 Obsah Optimalizační problém 1 Definice 1
VíceBAKALÁŘSKÁ PRÁCE. Numerické metody jednorozměrné minimalizace
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Numerické metody jednorozměrné minimalizace Vedoucí bakalářské práce: RNDr. Horymír
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
VíceCo jsme udělali: Au = f, u D(A)
Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení
VíceAplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
VíceNelineární optimalizace a numerické metody (MI NON)
Nelineární optimalizace a numerické metody (MI NON) Magisterský program: Informatika Obor: Teoretická informatika Katedra: 18101 Katedra teoretické informatiky Jaroslav Kruis Evropský sociální fond Praha
VíceObčas se používá značení f x (x 0, y 0 ), resp. f y (x 0, y 0 ). Parciální derivace f. rovnoběžného s osou y a z:
PARCIÁLNÍ DERIVACE Jak derivovat reálné funkce více proměnných aby bylo možné tyto derivace použít podobně jako derivace funkcí jedné proměnné? Jestliže se okopíruje definice z jedné proměnné dostane se
VíceNewtonova metoda. 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné Newtonova metoda Michal Čihák 23. října 2012 Newtonova metoda (metoda tečen) využívá myšlenku, že tečna v daném bodě grafu funkce nejlépe aproximuje graf funkce
VíceLimita posloupnosti, limita funkce, spojitost. May 26, 2018
Limita posloupnosti, limita funkce, spojitost May 26, 2018 Definice (Okolí bodu) Okolím bodu a R (také ε- okolím) rozumíme množinu U(a, ε) = {x R; x a < ε} = (a ε, a + ε), bod a se nazývá střed okolí a
VíceHledání extrémů funkcí
Hledání extrémů funkcí Budeme se zabývat téměř výhradně hledáním minima. Přes nost nalezeného extrému Obecně není hledání extrému tak přesné jako řešení rovnic. Demonstrovat to můžeme na příkladu hledání
Vícef(c) = 0. cn pro f(c n ) > 0 b n pro f(c n ) < 0
KAPITOLA 5: Spojitost a derivace na intervalu [MA-8:P5] 5 Funkce spojité na intervalu Věta 5 o nulách spojité funkce: Je-li f spojitá na uzavřeném intervalu a, b a fa fb < 0, pak eistuje c a, b tak, že
VíceUniverzita Karlova v Praze Matematicko-fyzikální fakulta. Eva Havelková. Katedra numerické matematiky
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Eva Havelková Metody pro řešení nelineárních rovnic Katedra numerické matematiky Vedoucí bakalářské práce: Studijní program: Studijní
Vícel, l 2, l 3, l 4, ω 21 = konst. Proved te kinematické řešení zadaného čtyřkloubového mechanismu, tj. analyticky
Kinematické řešení čtyřkloubového mechanismu Dáno: Cíl: l, l, l 3, l, ω 1 konst Proved te kinematické řešení zadaného čtyřkloubového mechanismu, tj analyticky určete úhlovou rychlost ω 1 a úhlové zrychlení
VíceTEORIE MÍRY V některých předchozích kapitolách jste se setkali s měřením velikostí množin a víte, jaké byly těžkosti s měřením množin i na reálné ose.
TEORIE MÍRY V některých předchozích kapitolách jste se setkali s měřením velikostí množin a víte, jaké byly těžkosti s měřením množin i na reálné ose. Kvůli těmto těžkostem se měření zúžilo jen na délku
VíceDefinice globální minimum (absolutní minimum) v bodě A D f, jestliže X D f
Výklad Globální extrémy mají stejný význam jako u funkcí jedné proměnné. Hledáme je bud na celém definičním oboru dané funkce, nebo na předem zadané podmnožině definičního oboru. Definice 6..1. Řekneme,
VíceDrsná matematika III 2. přednáška Funkce více proměnných: Aproximace vyšších rádů, Taylorova věta, inverzní zobrazení
Drsná matematika III. přednáška Funkce více proměnných: Aproximace vyšších rádů, Taylorova věta, inverzní zobrazení Masarykova univerzita Fakulta informatiky 3. 9. 6 Obsah přednášky Literatura Derivace
Více1 Množiny, výroky a číselné obory
1 Množiny, výroky a číselné obory 1.1 Množiny a množinové operace Množinou rozumíme každé shrnutí určitých a navzájem různých objektů (které nazýváme prvky) do jediného celku. Definice. Dvě množiny jsou
VíceTo je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení.
STEJNOMĚRNÁ KONVERGENCE Zatím nebylo v těchto textech věnováno příliš pozornosti konvergenci funkcí, at jako limita posloupnosti nebo součet řady. Jinak byla posloupnosti funkcí nebo řady brána jako. To
VíceIII. MKP vlastní kmitání
Jiří Máca - katedra mechaniky - B325 - tel. 2 2435 4500 maca@fsv.cvut.cz III. MKP vlastní kmitání 1. Rovnice vlastního kmitání 2. Rayleighova Ritzova metoda 3. Jacobiho metoda 4. Metoda inverzních iterací
Více8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované
VíceObraz matematický objekt. Spojitý obraz f c : (Ω c R 2 ) R
Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Diskrétní obraz f d : (Ω {0... n 1 } {0... n 2 }) {0... f max } Obraz matematický objekt
VícePosloupnosti a řady. 28. listopadu 2015
Posloupnosti a řady Přednáška 5 28. listopadu 205 Obsah Posloupnosti 2 Věty o limitách 3 Řady 4 Kritéria konvergence 5 Absolutní a relativní konvergence 6 Operace s řadami 7 Mocninné a Taylorovy řady Zdroj
VícePřednáška 6, 6. listopadu 2013
Přednáška 6, 6. listopadu 2013 Kapitola 2. Posloupnosti a řady funkcí. V dalším jsou f, f n : M R, n = 1, 2,..., reálné funkce jedné reálné proměnné definované na (neprázdné) množině M R. Co to znamená,
VíceOtázky k ústní zkoušce, přehled témat A. Číselné řady
Otázky k ústní zkoušce, přehled témat 2003-2004 A Číselné řady Vysvětlete pojmy částečný součet řady, součet řady, řadonverguje, řada je konvergentní Formulujte nutnou podmínku konvergence řady a odvoďte
VíceKapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...
Kapitola 1 Úvod 1.1 Značení N... přirozená čísla (1, 2, 3,...). Z... celá čísla ( 3, 2, 1, 0, 1, 2,...). Q... racionální čísla ( p, kde p Z a q N) q R... reálná čísla C... komplexní čísla 1.2 Výroky -
VíceMatematika I 12a Euklidovská geometrie
Matematika I 12a Euklidovská geometrie Jan Slovák Masarykova univerzita Fakulta informatiky 3. 12. 2012 Obsah přednášky 1 Euklidovské prostory 2 Odchylky podprostorů 3 Standardní úlohy 4 Objemy Plán přednášky
Více1 Topologie roviny a prostoru
1 Topologie roviny a prostoru 1.1 Základní pojmy množin Intervaly a okolí Intervaly v rovině nebo prostoru jsou obdélníky nebo hranoly se stranami rovnoběžnými s osami souřadnic. Podmnožiny intervalů se
VíceLineární 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,...,
Více16 Fourierovy řady Úvod, základní pojmy
M. Rokyta, MFF UK: Aplikovaná matematika IV kap. 16: Fourierovy řady 1 16 Fourierovy řady 16.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"
Více6. Určitý integrál a jeho výpočet, aplikace
Aplikovná mtemtik 1, NMAF071 6. Určitý integrál výpočet, plikce T. Slč, MÚ MFF UK ZS 2017/18 ZS 2017/18) Aplikovná mtemtik 1, NMAF071 6. Určitý integrál 1 / 13 6.1 Newtonův integrál Definice 6.1 Řekneme,
VíceMatematika I (KX001) Užití derivace v geometrii, ve fyzice 3. října f (x 0 ) (x x 0) Je-li f (x 0 ) = 0, tečna: x = 3, normála: y = 0
Rovnice tečny a normály Geometrický význam derivace funkce f(x) v bodě x 0 : f (x 0 ) = k t k t je směrnice tečny v bodě [x 0, y 0 = f(x 0 )] Tečna je přímka t : y = k t x + q, tj y = f (x 0 ) x + q; pokud
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
Vícekteré charakterizují danou fyzikální situaci. souvislostí). Může být formulován jako soustava rovnic a nerovnic.
1. Přednáška Obsah: Úvod do tvorby matematických modelů jako okrajové úlohy pro diferenciální rovnici. Příklad 1D vedení tepla a lineární pružnost. Diferenciální, variační, energetická formulace úloh.
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
VíceNumerické metody řešení nelineárních rovnic
MASARYKOVA UNIVERZITA Přírodovědecká fakulta Bakalářská práce Numerické metody řešení nelineárních rovnic Studijní program: Aplikovaná matematika Studijní obor: Matematika - ekonomie Brno 2011 Lukáš Jagoš
VíceKomplexní analýza. Holomorfní funkce. Martin Bohata. Katedra matematiky FEL ČVUT v Praze
Komplexní analýza Holomorfní funkce Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Holomorfní funkce 1 / 8 Derivace Definice Necht f je komplexní
Více1 Přesnost metody konečných prvků
1 PŘESNOST METODY KONEČNÝCH PRVKŮ 1 1 Přesnost metody konečných prvků Metoda konečných prvků je založena na diskretizaci původní spojité konstrukce soustavou prvků (nebo obecněji na diskretizaci slabé
VíceDrsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál
Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a
Více- funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte. V obou případech vyzkoušejte Taylorovy řady
Vzorové řešení domácího úkolu na 6. 1. 1. Integrály 1 1 x2 dx, ex2 dx spočítejte přibližně následují metodou - funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte.
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 8. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 14 Derivace funkce U lineárních funkcí ve tvaru
VíceMichal Bulant. Masarykova univerzita Fakulta informatiky
Matematika III 3. přednáška Funkce více proměnných: derivace vyšších řádů, lokální a absolutní extrémy Michal Bulant Masarykova univerzita Fakulta informatiky 6. 10. 2010 Obsah přednášky 1 Literatura 2
VícePosloupnosti a jejich konvergence
a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace, integrály.
VícePřijímací zkouška na navazující magisterské studium 2018
Přijímací zkouška na navazující magisterské studium 208 Studijní program: Studijní obory: Matematika MA, MMIT, MMFT, MSTR, MNVM, MPMSE Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření
VíceÚvod do optimalizace, metody hladké optimalizace
Evropský sociální fond Investujeme do vaší budoucnosti Úvod do optimalizace, metody hladké optimalizace Matematika pro informatiky, FIT ČVUT Martin Holeňa, 13. týden LS 2010/2011 O čem to bude? Příklady
Více7.1 Extrémy a monotonie
KAPITOLA 7: Průběh funkce [ZMA13-P38] 7.1 Extrémy a monotonie Řekneme, že funkce f nabývá na množině M Df svého globálního maxima globálního minima A v bodě x 0, jestliže x 0 M, fx 0 = A a pro každé x
VíceDnešní 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,
VíceMETODY OPTIMALIZACE ZDENĚK DOSTÁL, PETR BEREMLIJSKI
METODY OPTIMALIZACE ZDENĚK DOSTÁL, PETR BEREMLIJSKI Text byl vytvořen v rámci realizace projektu Matematika pro inženýry 21. století (reg. č. CZ.1.07/2.2.00/07.0332), na kterém se společně podílela Vysoká
VíceMatematika 4 FSV UK, LS Miroslav Zelený
Matematika 4 FSV UK, LS 2017-18 Miroslav Zelený 13. Diferenční rovnice 14. Diferenciální rovnice se separovanými prom. 15. Lineární diferenciální rovnice prvního řádu 16. Lineární diferenciální rovnice
VíceZ transformace. Definice. Z transformací komplexní posloupnosti f = { } f n z n, (1)
Z transformace Definice Z transformací komplexní posloupnosti f = { roumíme funkci F ( definovanou vtahem F ( = n, ( pokud řada vpravo konverguje aspoň v jednom bodě 0 C Náev Z transformace budeme také
VíceDůvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo
0.1 Numerická matematika 1 0.1 Numerická matematika Důvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo π. = 22/7 s dovětkem, že to pro praxi stačí. Položme
VícePřijímací zkouška na navazující magisterské studium 2018
Přijímací zkouška na navazující magisterské studium 2018 Řešení příkladů pečlivě odůvodněte. Příklad 1 (2 bodů) Studijní program: Studijní obory: Varianta A Matematika MMUI Navrhněte deterministický konečný
VíceIX. Vyšetřování průběhu funkce
IX. Vyšetřování průběhu funkce Úvodní poznámky: Cíl: vyšetřit průběh dané funkce f. Zahrnuje: základní vlastnosti: D(f), spojitost, limity v krajních bodech, průsečíky s osami souřadnic, intervaly, kde
VíceDrsná matematika III 2. přednáška Funkce více proměnných: Aproximace vyšších rádů, Taylorova věta, inverzní zobrazení
Drsná matematika III. přednáška Funkce více proměnných: Aproximace vyšších rádů, Taylorova věta, inverzní zobrazení Masarykova univerzita Fakulta informatiky 6. 9. Obsah přednášky Literatura Derivace vyšších
VícePrincip řešení soustavy rovnic
Princip řešení soustavy rovnic Tomáš Kroupa 20. května 2014 Tento studijní materiál je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Obsah Formulace úlohy Metody řešení
VíceŠárka Došlá. Matematicko-fyzikální fakulta Univerzita Karlova v Praze. Bimodální rozdělení. Šárka Došlá. Motivace. Základní pojmy
Matematicko-fyzikální fakulta Univerzita Karlova v Praze 1/20 Joiner (1975): Histogram výšky studentů, který ilustruje bimodalitu lidské výšky. Schilling a kol. (2002): Ve skutečnosti bylo dané unimodální!
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálních rovnic Omezení: obyčejné (nikoli parciální) diferenciální rovnice, Cauchyho počáteční úloha, pouze jedna diferenciální rovnice 1. řádu 1/1 Numerické řešení diferenciálních
VíceAlgoritmy numerické optimalizace. Michal Kočvara
Algoritmy numerické optimalizace Michal Kočvara 8. ledna 2004 2 Obsah 1 Úvod 5 1.1 Značení.................................. 5 1.1.1 Funkce............................... 5 1.1.2 Konvexita.............................
Více