Øvingsforelesning i Matlab TDT4105
|
|
- Siw Solberg
- 7 år siden
- Visninger:
Transkript
1 Øvingsforelesning i Matlab TDT4105 Øving 6. Tema: funksjoner med vektorer, plotting, while Benjamin A. Bjørnseth 12. oktober 2015
2 2 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering (Funksjoner som variabler)
3 3 Konsept 1. Funksjon y = f (x):
4 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )]
5 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )]
6 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )] f ([x 1,..., x n]) = [f (x 1 ),..., f (x n)]
7 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )] f ([x 1,..., x n]) = [f (x 1 ),..., f (x n)] Eksempel: sin(x)
8 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )] f ([x 1,..., x n]) = [f (x 1 ),..., f (x n)] Eksempel: sin(x) 2. Funksjon skalar = f (x)
9 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )] f ([x 1,..., x n]) = [f (x 1 ),..., f (x n)] Eksempel: sin(x) 2. Funksjon skalar = f (x) Funger uansett hvor lang x er
10 3 Konsept 1. Funksjon y = f (x): f (x 1 ) = [f (x 1 )] f ([x 1, x 2 ]) = [f (x 1 ), f (x 2 )] f ([x 1,..., x n]) = [f (x 1 ),..., f (x n)] Eksempel: sin(x) 2. Funksjon skalar = f (x) Funger uansett hvor lang x er Eksempel: sum(x)
11 4 Eksempler 1. Lag en funksjon f(x) som regner ut 2πx
12 4 Eksempler 1. Lag en funksjon f(x) som regner ut 2πx 2. Lag en funksjon g(x) som regner ut f 2 (x)
13 4 Eksempler 1. Lag en funksjon f(x) som regner ut 2πx 2. Lag en funksjon g(x) som regner ut f 2 (x) 3. Lag en funksjon h(x, i) som regner ut x i i!
14 4 Eksempler 1. Lag en funksjon f(x) som regner ut 2πx 2. Lag en funksjon g(x) som regner ut f 2 (x) 3. Lag en funksjon h(x, i) som regner ut x i Estimer e ved å bruke h! i!
15 4 Eksempler 1. Lag en funksjon f(x) som regner ut 2πx 2. Lag en funksjon g(x) som regner ut f 2 (x) 3. Lag en funksjon h(x, i) som regner ut x i Estimer e ved å bruke h! e(x) = i=0 xi i! i!
16 5 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering (Funksjoner som variabler)
17 6 Større oppgaver 1. Les oppgavene nøye (gjerne to-tre ganger). 2. Let etter enkle utgangspunkt Skal jeg lage en funksjon? Skal jeg bare opprette en variabel? Skal jeg sette sammen en løsning i et script? 3. Fyll ut med detaljer for å få løsningen til å stemme.
18 7 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering (Funksjoner som variabler)
19 8 Grafikk For visualisering Plottfunksjoner: plot(xverdier, yverdier) Kan være lister, eller matriser (plott per kolonne)
20 8 Grafikk For visualisering Plottfunksjoner: plot(xverdier, yverdier) plot(x1, y1, x2, y2,..., xn, yn) Flere plots samtidig (kan også være punkt)
21 8 Grafikk For visualisering Plottfunksjoner: plot(xverdier, yverdier) plot(x1, y1, x2, y2,..., xn, yn) plot(yverdier) Typisk blir x-verdier indekser (med mindre y-verdiene er komplekse)
22 8 Grafikk For visualisering Plottfunksjoner: plot(xverdier, yverdier) plot(x1, y1, x2, y2,..., xn, yn) plot(yverdier) Merk: for linjeplott må alle punktene være samlet i en matrise.
23 9 Eksempel: sannsynlighetsfordelinger 1. Plott en standard normalfordeling for x [ 5, 5] f (x) = 1 2π e x2 2
24 9 Eksempel: sannsynlighetsfordelinger 1. Plott en standard normalfordeling for x [ 5, 5] f (x) = 1 2π e x Plott en standard eksponensialfordeling for x [ 1, 10] { e x if x >= 0 f (x) = 0 if x < 0
25 10 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering (Funksjoner som variabler)
26 11 Effektiv matlab Hvis du trenger en vektor, lag hele med en gang Raskere enn å lage vektoren litt og litt Preallokering v = zeros(0, 1, 100); for i = 1:100 v(i) = f(i); end Uten preallokering v = []; for i = 1:100 v(i) = f(i); end
27 12 Eksempel 1. Lag en funksjon fibonacci(n) som returnerer en liste med fibonaccitallene 1 til n. Lag to varianter: 1.1 En med preallokering. 1.2 En uten preallokering. 2. Lag et script som måler forskjell i tid på regne ut fibonacci(1e6)
28 13 While-løkker og preallokering Vi vet ikke hvor mange ganger løkken kjører Det er derfor vi bruker while og ikke for Hvis vi skal produsere en vektor: hvordan kan vi vite hvor stor den må være?
29 13 While-løkker og preallokering Vi vet ikke hvor mange ganger løkken kjører Det er derfor vi bruker while og ikke for Hvis vi skal produsere en vektor: hvordan kan vi vite hvor stor den må være? Løsning: estimer, og øk eventuelt etter hvert. Kutt eventuelt bort ekstra elementer til slutt.
30 14 While-løkker og preallokering: eksempel Modifiser Newtons metode til å ikke skrive ut midlertidige resultater, men returnere dem i en vektor.
31 15 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering (Funksjoner som variabler)
32 16 Konsept Egentlig ikke noe nytt konsept. (Bare litt ny syntaks) Man kan også se på en funksjon som et objekt som kan sendes rundt i koden Ikke bare en fil
33 16 Konsept Egentlig ikke noe nytt konsept. (Bare litt ny syntaks) Man kan også se på en funksjon som et objekt som kan sendes rundt i koden Ikke bare en fil Eksempler: integrer(funksjon, a, b) finn_nullpunkt(funksjon)
34 16 Konsept Egentlig ikke noe nytt konsept. (Bare litt ny syntaks) Man kan også se på en funksjon som et objekt som kan sendes rundt i koden Ikke bare en fil Eksempler: integrer(funksjon, a, b) finn_nullpunkt(funksjon) Gitt funksjonen f(x): min_funksjon lager en ny variabel som referer til f(x) finn_nullpunkt(@f) kaller funksjonen finn_nullpunkt med funksjonen f som parameter.
35 17 Eksempel: numerisk integrering Estimer x 2 dx ved å bruke matlabs integral-funksjon
36 18 Nytt konsept Kan lage funksjoner mens matlab kjører Kan brukes for funksjoner med bare ett uttrykk som regner ut resultatet.
37 18 Nytt konsept Kan lage funksjoner mens matlab kjører Kan brukes for funksjoner med bare ett uttrykk som regner ut resultatet. Syntaks: min_funksjon = <uttrykk>;
38 18 Nytt konsept Kan lage funksjoner mens matlab kjører Kan brukes for funksjoner med bare ett uttrykk som regner ut resultatet. Syntaks: min_funksjon = <uttrykk>; Eksempel: x_i_annen x^2; x_i_annen(2) x_i_annen(5)
39 19 Eksempel: parametriserte sannsynlighetsfordelinger 1. Plott flere normalfordelinger med forskjellige forventningsverdier og varianser Eksempelbilde på wikipedia.
40 20 Eksempel: generisk newtons metode 1. Modifiser newtons metode til å fungere for vilkårlige funksjoner Nytt navn: finn_nullpunkt(f, df) 2. Bruk den nye newtons metode-funksjonen til å implementere kvadratrot
41 21 Eksempel: arrayfun Matlabfunksjonen arrayfun kaller en gitt funksjon for hvert element i en gitt liste. Bruk arrayfun til å estimere flere verdier av e x ved hjelp av h(x, i) fra tidligere eksempel.
Øvingsforelesning i Matlab TDT4105
Øvingsforelesning i Matlab TDT4105 Øving 6. Tema: funksjoner med vektorer, plotting, preallokering, funksjonsvariabler, persistente variabler Benjamin A. Bjørnseth 13. oktober 2015 2 Oversikt Funksjoner
DetaljerØvingsforelesning i Matlab TDT4105
Øvingsforelesning i Matlab TDT4105 Øving 5. Pensum: for-løkker, fprintf, while-løkker. Benjamin A. Bjørnseth 5. oktober 2015 2 Oversikt Gjennomgang auditorieøving Repetisjon: for-løkke, fprintf While-løkker
DetaljerTMA Kræsjkurs i Matlab. Oppgavesett 1/3
TMA4123 - Kræsjkurs i Matlab. Oppgavesett 1/3 22.02.2013 Dette oppgavesettet omhandler grunnleggende Matlab-funksjonalitet, slik som variabler, matriser, matematiske funksjoner og plotting. Den aller viktigste
DetaljerØvingsforelesning TDT4105 Matlab
Øvingsforelesning TDT4105 Matlab Pensum fra øving 2 og 3: if, switch, for, matriser. Benjamin A. Bjørnseth 14. september 2015 2 Innhold If-setninger Switch For-løkker Diverse 3 Oversikt If-setninger Switch
DetaljerTDT4105 IT Grunnkurs Høst 2014
TDT4105 IT Grunnkurs Høst 2014 Norges teknisknaturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Øving 6 1 Teori a) Hva er 2-komplement? b) Hva er en sample innen digital
Detaljer1. Finn egenverdiene og egenvektorene til matrisen A = 2 1 A =
Fasit MAT102 juni 2017 Oppgave 1 1. Finn egenverdiene og egenvektorene til matrisen ( ) 1 2 A = 2 1 Løsning: Egenverdiene er røttene til det karakteristiske polynom gitt ved determinanten av matrisen (
DetaljerBootstrapping og simulering Tilleggslitteratur for STK1100
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 (oppdatert April 2016) 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor
DetaljerBootstrapping og simulering
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk, men
DetaljerFasit eksamen i MAT102 4/6 2014
Fasit eksamen i MAT /6. (a Løs ligningssstemene. Svar: i ( x i = 3x + = 7 x + = ( 6, ii x z ii = x + z = 3x + 6 + z = +. er fri. (b Ved å bruke MATLAB-kommandoen rref på totalmatrisen til ligningssstemet
DetaljerTMA4240 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte
DetaljerFasit til eksamen i emnet MAT102 - Brukerkurs i matematikk II Mandag 21.september 2015
Fasit til eksamen i emnet MAT02 - Brukerkurs i matematikk II Mandag 2.september 205 Fasit. (a) Løs ligningssystemene. i) 5x + 7y = 4 3x + 2y = ii) 3x + 4y + z = 2 2x + 3y + 3z = 7 Svar: i) x = 85/, y =
DetaljerBootstrapping og stokatisk simulering Tilleggslitteratur for STK1100
Bootstrapping og stokatisk simulering Tilleggslitteratur for STK1100 Geir Storvik April 014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk
DetaljerFasit MAT102 juni 2016
Fasit MAT02 juni 206. (a) Finn egenverdiene og egenvektorene til matrisen ( ) 6 A = 2 7 Svar: λ = 8 og ( ) x = y y ( ) /2, λ = 5 og ( ) x = y y ( ) for alle y 0. (b) Finn den generelle løsningen på systemet
DetaljerTDT4105 IT Grunnkurs Høst 2016
TDT4105 IT Grunnkurs Høst 2016 Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Auditorieøving 1 Vennligst fyll ut følge informasjon i blokkbokstaver Navn:
DetaljerØving 1 TMA4240 - Grunnleggende dataanalyse i Matlab
Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab For grunnleggende introduksjon til Matlab, se kursets hjemmeside https://wiki.math.ntnu.no/tma4240/2015h/matlab. I denne øvingen skal vi analysere to
DetaljerMatlab-tips til Oppgave 2
Matlab-tips til Oppgave 2 Numerisk integrasjon (a) Velg ut maks 10 passende punkter fra øvre og nedre del av hysteresekurven. Bruk punktene som input til Matlab og lag et plot. Vi definerer tre vektorer
DetaljerTMA4245 Statistikk Høst 2016
TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet
DetaljerEksamen i TMA4123/TMA4125 Matematikk 4M/N
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Faglig kontakt under eksamen: Anne Kværnø: mobil 92663824 Eksamen i TMA423/TMA425 Matematikk 4M/N Bokmål Mandag 2.
DetaljerTDT4110 IT Grunnkurs Høst 2012
TDT4110 IT Grunnkurs Høst 2012 Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Øving 7 Denne øvingen er en fellesøving laget i samarbeid med emnet TMA4100
DetaljerTDT4105 Informasjonsteknologi grunnkurs Øvingsforelesning 4. Iver Dihle Skjervum Vit.ass. ITGK
1 TDT4105 Informasjonsteknologi grunnkurs Øvingsforelesning 4 Iver Dihle Skjervum Vit.ass. ITGK 2 Program Auditorieøving Kollokvie Spørsmål fra øving 2 Matriser og operasjoner på de For løkker While løkker
DetaljerMAT-INF 2360: Obligatorisk oppgave 1
6. februar, MAT-INF 36: Obligatorisk oppgave Oppgave I denne oppgaven skal vi sammenligne effektiviteten av FFT-algoritmen med en mer rett frem algoritme for DFT. Deloppgave a Lag en funksjon y=dftimpl(x)
Detaljerx λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 7 Løsningsskisse Oppgave 1 a) Regner først ut den kumulative fordelingsfunksjonen til X: F X (x) = x λe λt dt
DetaljerPunktestimator. STK Bootstrapping og simulering - Kap 7 og eget notat. Bootstrapping - eksempel Hovedide: Siden λ er ukjent, bruk ˆλ:
Punktestimator STK00 - Bootstrapping og simulering - Kap 7 og eget notat Geir Storvik 8. april 206 Trekke ut informasjon om parametre fra data x,..., x n Parameter av interesse: θ Punktestimator: Observator,
DetaljerMatematikk 1000. Øvingsoppgaver i numerikk leksjon 5 Litt oppsummering undervegs Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon Litt oppsummering undervegs Løsningsforslag Oppgave 1 Et skjæringspunkt f(x) = x e x g(x) = 1 arctan x. a) Vi kan lage plottet slik i kommando-vinduet:
DetaljerTDT4105 Informasjonsteknologi, grunnkurs. Introduksjon til programmering i Matlab. Forelesningsinfo. Tider Mandag Tirsdag Onsdag Torsdag Fredag
1 Kunnskap for en bedre verden TDT4105 Informasjonsteknologi, grunnkurs Introduksjon til programmering i Matlab Amanuensis Terje Rydland Kontor: ITV-021 i IT-bygget vest (Gløshaugen) Epost: terjery@idi.ntnu.no
DetaljerØving 1 TMA4245 - Grunnleggende dataanalyse i Matlab
Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab For grunnleggende bruk av Matlab vises til slides fra basisintroduksjon til Matlab som finnes på kursets hjemmeside. I denne øvingen skal vi analysere
DetaljerØvingsforelesning i Python (TDT4110)
Øvingsforelesning i Python (TDT4110) Tema: Øving 2, Betingelser, if/elif/else Kristoffer Hagen Oversikt Praktisk informasjon Gjennomgang av Øving 1 Oppgaver for Øving 2 2 Praktisk Bruke andre studasser
DetaljerOm plotting. Knut Mørken. 31. oktober 2003
Om plotting Knut Mørken 31. oktober 2003 1 Innledning Dette lille notatet tar for seg primitiv plotting av funksjoner og visualisering av Newtons metode ved hjelp av Java-klassen PlotDisplayer. Merk at
DetaljerØvingsforelesning TDT4105 Matlab
Øvingsforelesning TDT4105 Matlab Øving 2. Pensum: Funksjoner, matriser, sannhetsuttrykk, if-setninger. Benjamin A. Bjørnseth 8. september 2015 2 Innhold Funksjoner Matriser Matriseoperasjoner Sannhetsuttrykk
DetaljerHøgskolen i Oslo og Akershus. a) Finn den deriverte av disse funksjonene: b) Finn disse ubestemte integralene: c) Finn disse bestemte integralene:
Oppgave 1 a) Finn den deriverte av disse funksjonene: i) f(x) = x x 2 + 1 ii) g(x) = ln x sin x x 2 b) Finn disse ubestemte integralene: i) (2x + ) dx ii) 6 cos(x) sin 5 (x) dx c) Finn disse bestemte integralene:
Detaljer1 Oppgave 1 Skriveoppgave Manuell poengsum. 2 Oppgave 2 Code editor Manuell poengsum. 3 Oppgave 3 Skriveoppgave Manuell poengsum
MAT102 - Demoprøve Oppgaver Oppgavetype Vurdering Forside Dokument Ikke vurdert 1 Oppgave 1 Skriveoppgave Manuell poengsum 2 Oppgave 2 Code editor Manuell poengsum 3 Oppgave 3 Skriveoppgave Manuell poengsum
DetaljerØvingsforelesning 3 Python (TDT4110)
Øvingsforelesning 3 Python (TDT4110) For og While-løkker Ole-Magnus Pedersen Oversikt Praktisk Info Gjennomgang av øving 1 Programmering for Øving 3 2 Studasser og Piazza Studasser er der for å hjelpe
DetaljerStive differensialligninger
Stive differensialligninger Dette notatet er egentlig en fortsettelse av notatet om ordinære differensialligninger. Vi kommer til å bruke kodene utviklet i det notatet i dette også. For å bedre flyten
DetaljerBioberegninger - notat 4: Mer om sannsynlighetsmaksimering
Bioberegninger - notat 4: Mer om sannsynlighetsmaksimering 8. mars 2004 1 Kort om Newton s metode i flere dimensjoner Newton s metode kan generaliseres til å løse sett av n ligninger med n ukjente. Skal
DetaljerGammafordelingen og χ 2 -fordelingen
Gammafordelingen og χ 2 -fordelingen Gammafunksjonen Gammafunksjonen er en funksjon som brukes ofte i sannsynlighetsregning. I mange fordelinger dukker den opp i konstantleddet. Hvis man plotter n-fakultet
DetaljerLøsningsforslag. Innlevering i BYFE/EMFE 1000 Oppgavesett 1 Innleveringsfrist: 14. september klokka 14:00 Antall oppgaver: 3.
Innlevering i BYFE/EMFE 1000 Oppgavesett 1 Innleveringsfrist: 14. september klokka 14:00 Antall oppgaver: 3 Løsningsforslag Oppgave 1 a) ln a ln 3 a+ln 4 a = ln a 1/2 ln a 1/3 +ln a 1/4 = 1 2 ln a 1 3
DetaljerLøsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3
Prøve i Matematikk BYFE DAFE Dato: 27. mai 26 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. Løsningsforslag Oppgave Gitt matrisene [ 2 A 4 B [ 2 og C [ 2
DetaljerNotat 6 - ST februar 2005
Notat 6 - ST1301 22. februar 2005 1 Instruksjoner som data I begynnelsen av kurset definerte vi data som informasjon uttrykkt i et programmeringsspråk. Slike data kan være av ulik type, f.eks. enkle skalarer
DetaljerØvingsforelesning i Matlab (TDT4105)
Øvingsforelesning i Matlab (TDT4105) Øving 1. Frist: 11.09. Tema: matematiske uttrykk, variabler, vektorer, funksjoner. Benjamin A. Bjørnseth 1. september 2015 2 Oversikt Praktisk informasjon Om øvingsforelesninger
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 2 Funksjoner og plotting
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 2 Funksjoner og plotting I denne øvinga skal vi først og fremst lære oss å lage plott i MATLAB. I tillegg skal vi lære oss hvordan vi manøvrerer oss omkring
DetaljerLøsningsforslag eksamen i TMA4123/25 Matematikk 4M/N
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 8 Løsningsforslag eksamen i TMA3/5 Matematikk M/N Mandag. mai TMA3 Matematikk M; Alt unntatt oppgave 5 (Laplace. TMA5
Detaljer11. september Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Oppgaver Kapittel 5 (del 2) Ada Gjermundsen
: Institutt for geofag Universitetet i Oslo 11. september 2012 Oppgave 1: Vektor operasjoner : Lag en vektor som inneholder objektene: a) 2, 4, 6, 8, 10, 12 b) 10, 8, 6, 2, 0, -2, -4 c) 1, 1/2, 1/3, 1/4,
DetaljerNoen MATLAB-koder. 1 Plotte en vanlig funksjon. Fredrik Meyer. 23. april 2013
Noen MATLAB-koder Fredrik Meyer 23. april 2013 1 Plotte en vanlig funksjon Anta at f : [a, b] R er en vanlig funksjon. La for eksempel f(x) = sin x+x for x i intervallet [2, 5]. Da kan vi bruke følgende
DetaljerNoen innebygde funksjoner - Vektorisering
1 Kunnskap for en bedre verden TDT4110 Informasjonsteknologi grunnkurs: Uke 41: «Matlab programs» (kapittel 6) Amanuensis Terje Rydland Kontor: ITV-021 i IT-bygget vest (Gløshaugen) Epost: terjery@idi.ntnu.no
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 4 m-ler
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 4 m-ler I denne øvinga skal vi lære oss å lage m-ler små tekstler som vi bruker i MATLAB-sammenheng. Der nst to typer m-ler: Funksjonsler og skript. Funksjonsler
DetaljerNoen innebygde funksjoner - Vektorisering
1 Kunnskap for en bedre verden TDT4110 Informasjonsteknologi grunnkurs: Uke 41: «Matlab programs» (kapittel 6) Amanuensis Terje Rydland Kontor: ITV-021 i IT-bygget vest (Gløshaugen) Epost: terjery@idi.ntnu.no
DetaljerTMA4122/TMA4130 Matematikk 4M/4N Høsten 2010
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4122/TMA410 Matematikk 4M/4N Høsten 2010 1 Oppgave: Løs følgende ligningssystemer ved hjelp av Gauss-eliminasjon med delvis
DetaljerMatematikk 1000. Øvingsoppgaver i numerikk leksjon 11 Eulers metode. Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 11 Eulers metode Løsningsforslag Oppgave 1 Samanlikning med analytisk løsning y = 3 2 x y, y(0) = 1. a) Kandidat til løsning: y = e x3/2. Vi deriverer
DetaljerLøsningsforslag øving 8, ST1301
Løsningsforslag øving 8, ST3 Oppgave Hva gjør følgende funksjon? Hvilken fordeling har variabelen n som returneres som funksjonsverdi? Forklar hvorfor. Forutsett at to enkle positive tall blir oppgitt
DetaljerLøsningsforslag. og B =
Prøve i Matte Dato: vår 5 ENDRE Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver ar lik vekt. Oppgave a Gitt matrisene A regn ut A + B, AB. Løsningsforslag 4 og B 7 5 Vi
DetaljerLøsningsforslag MAT102 - v Jon Eivind Vatne
Løsningsforslag MAT02 - v203 - Jon Eivind Vatne. (a) Finn egenverdiene og egenvektorene til matrisen A = ( ) 4 2. 3 Svar: Fra den karakteristiske ligningen A λi 2 = λ 2 + 3λ + 2 = 0 får vi egenverdiene
DetaljerPilkast og kjikvadrat fordelingen
Pilkast og kjikvadrat fordelingen Halvor Aarnes, IBV, 014 Innhold Pilkast... 1 Simulering av pilkast... Kjikvadratfordelingen og gammafordelingen... 3 Rayleigh-fordelingen... 5 Pilkast brukt til å estimere
DetaljerLøsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017
Løsningsforslag Eksamen S, våren 016 Laget av Tommy Odland Dato: 9. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = e x. Den generelle regelen er at (e ax ) = ae ax, i vårt tilfelle
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 9. Løsningsforslag
Matematikk 000 Øvingsoppgaver i numerikk leksjon 9 Løsningsforslag Oppgave Integral som en sum av rektangler a) 3 f(x) dx = 3 x 3 dx = [ ] 3 3 + x3+ = [ x 4 ] 3 4 = 34 = 20. 4 b) 0.5 f() + 0.5 f(.5) +
DetaljerMAT1110: Obligatorisk oppgave 2, V Løsningsforslag
MAT1110: Obligatorisk oppgave 2, V-2015 Oppgave 1: a) Vi har Av 1 = ( 4 6 6 1 Løsningsforslag ) ( 3 2 ) = ( 24 16 ) = 8v 1, så v 1 er en egenvektor med egenverdi 8. Tilsvarende er ( ) ( ) ( ) 4 6 2 10
DetaljerLivsforsikring et eksempel på bruk av forventningsverdi
et eksempel på bruk av forventningsverdi Ø. Borgan og A.B. Huseby Department of Mathematics University of Oslo, Norway STK 1100 Beregning av rettferdig forsikringspremie Vi skal benytte forventninger av
DetaljerLøsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017
Løsningsforslag Eksamen S, våren 17 Laget av Tommy O. Sist oppdatert: 5. mai 17 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x /x = x x 1. Den eneste regelen vi trenger her er (kx n )
Detaljer1. (a) Finn egenverdiene og egenvektorene til matrisen A =
1. (a) Finn egenverdiene og egenvektorene til matrisen A = ( ) 2 3. 1 4 Svar: λ = 5 med egenvektorer [x, y] T = y[1, 1] T og λ = 1 med egenvektorer [x, y] T = y[ 3, 1] T, begge strengt tatt med y 0. (b)
DetaljerHøgskolen i Oslo og Akershus. = 2xe 2x + x 2 e 2x (2x) = 2xe 2x + 2x 2 e 2x = 2xe 2x (1 + x) e 2x + x 2 ( e 2x) 1 sin x (sin x) + 2x = cos x
Oppgåve a) i) ii) f(x) x e x f (x) ( x ) e x + x ( e x) xe x + x e x (x) xe x + x e x xe x ( + x) g(x) ln(sin x) + x g (x) sin x (sin x) + x cos x sin x + x tan x + x b) i) ( x + ) dx x x dx+ x dx x +
DetaljerLøsningsforslag i matematikk
Løsningsforslag i matematikk 060808 Oppgave (a) ( a b ) b 4 a (ab) = a b b 4 a a b = a b = b a = a + b + 4 a b = a + + b + 4 + (b) Omskrivning av likningen gir sin(x) + cos(x) = 0 sin(x) cos(x) = tan(x)
DetaljerBYFE/EMFE 1000, 2012/2013. Numerikkoppgaver uke 35
BYFE/EMFE 1000, 2012/2013 Numerikkoppgaver uke 35 Oppgave 1 Halveringsmetoden a) x = cos x x cos x = 0 eller f(x) = 0 med f(x) = x cos x b) f(0) = 0 cos 0 = 1 < 0 og f(π/2) = π/2 cos(π/2) = π/2 > 0. f(x)
DetaljerObligatorisk oppgave 1
Obligatorisk oppgave 1 a) Oppgaveteksten oppgir et vektorfelt f(x, y) F x, y = g x, y der f og g er oppgitt ved f x, y = x 3 3xy 1 og g x, y = y 3 + 3x y. Vi kan med dette regne ut Jacobimatrisen F x,
DetaljerPrøve i Matte 1000 BYFE DAFE 1000 Dato: 03. mars 2016 Hjelpemiddel: Kalkulator og formelark. Alle svar skal grunngis. Alle deloppgaver har lik vekt.
Prøve i Matte 1 BYFE DAFE 1 Dato: 3. mars 216 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. LØSNINGSFORSLAG Oppgave 1 Gitt matrisene A = [ 8 3 6 2 ] [ og
DetaljerOblig 2 - MAT1120. Fredrik Meyer 23. september 2009 A =
Oblig - MAT Fredrik Meyer. september 9 Oppgave Linkmatrise: A = En basis til nullrommet til matrisen A I kan finnes ved å bruke MATLAB. Jeg kjører kommandoen rref(a-i) og får følge: >> rref(a-i). -.875.
Detaljer3.1.1 Eksempel: "Student's" t-fordeling Lognormal-fordeling... 7
Kristian R. Hansen Innhold 1 Innlending... 3 1.1 Hjelp og dokumentasjon... 3 1.2 Kommandolinje... 3 1.3 Dokumentasjon... 3 1.4 Data import og eksport... 3 1.4.1 Regneark... 3 1.4.2 Import Wizard... 3 1.4.3
DetaljerProgrammering i R. 6. mars 2004
Programmering i R 6. mars 2004 1 Funksjoner 1.1 Hensikt Vi har allerede sette på hvordan vi i et uttrykk kan inkludere kall til funksjoner som er innebygd i R slik som funksjonene sum, plot o.s.v. Generelt
Detaljerdg = ( g P0 u)ds = ( ) = 0
NTNU Institutt for matematiske fag TMA4105 Matematikk 2, øving 8, vår 2011 Løsningsforslag Notasjon og merknader Som vanlig er enkelte oppgaver kopiert fra tidligere års løsningsforslag. Derfor kan notasjon,
DetaljerLøsningsforslag for eksamen i AA6526 Matematikk 3MX - 5. desember 2008. eksamensoppgaver.org
Løsningsforslag for eksamen i AA6526 Matematikk 3MX - 5. desember 2008 eksamensoppgaver.org eksamensoppgaver.org 2 Om løsningsforslaget Løsningsforslaget for matematikkeksamen i 3MX er gratis, og det er
DetaljerEKSAMENSOPPGAVE / EKSAMENSOPPGÅVE
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE / EKSAMENSOPPGÅVE Eksamen i: Inf-1049, Introduksjon til beregningsorientert programmering Dato: 14. desember 2018 Klokkeslett: 09.00 13.00 Sted
DetaljerTDT4105 Informasjonsteknologi, grunnkurs (ITGK)
1 TDT4105 Informasjonsteknologi, grunnkurs (ITGK) Introduksjon til programmering i Matlab Rune Sætre satre@idi.ntnu.no 3 Læringsmål og pensum Mål Lære om programmering og hva et program er Lære om hvordan
DetaljerMatematikk 1000. Øvingsoppgaver i numerikk leksjon 6. Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 6 Løsningsforslag Oppgave 1 Funksjoner og tangenter 2.1: 15 a) Vi plotter grafen med et rutenett: > x=-3:.1:3; > y=x.^2; > plot(x,y) > grid on > axis([-2
Detaljer19. september Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 8 (del 2) Ada Gjermundsen
Institutt for geofag Universitetet i Oslo 19. september 2012 Repetisjon: Generell formel for Når vi jobber med matriser bruker vi ofte (men ikke alltid) dobbel for-løkke Dette er først og fremst fordi
DetaljerMAT 1110: Obligatorisk oppgave 1, V-07: Løsningsforslag
1 MAT 111: Obligatorisk oppgave 1, V-7: Løsningsforslag Oppgave 1. a) Vi deriverer på vanlig måte: ( e (sinh x) x e x ) = = ex + e x = cosh x, ( e (cosh x) x + e x ) = = ex e x = sinh x Enkel algebra gir
DetaljerLøsningsforslag. og B =
Prøve i Matte EMFE DAFE ELFE BYFE Dato: august 25 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. Oppgave a) Gitt matrisene A = 2 3 2 4 2 Løsningsforslag og
DetaljerTDT4105 Informasjonsteknologi, grunnkurs (ITGK)
1 TDT4105 Informasjonsteknologi, grunnkurs (ITGK) Introduksjon til programmering i Matlab Rune Sætre satre@idi.ntnu.no 2 Læringsmål og pensum Mål Lære om programmering og hva et program er Lære å designe
DetaljerMIK 200 Anvendt signalbehandling, 2012.
Stavanger, 1. november 2011 Det teknisknaturvitenskapelige fakultet MIK 200 Anvendt signalbehandling, 2012. Prosjekt 1, Tapsfri komprimering. Vi skal i dette miniprosjektet se litt på hvordan en kan gjøre
DetaljerMatematikk 1000. Eksamensaktuelle numerikk-oppgåver
Matematikk 1000 Eksamensaktuelle numerikk-oppgåver Som kj er numeriske metodar ein sentral del av dette kurset. Dette vil også sette preg på eksamen. Men vi kjem ikkje til å bruke datamaskin på sjølve
DetaljerØvingsforelesning i Matlab (TDT4105)
Øvingsforelesning i Matlab (TDT4105) Øving 1. Frist: 15.09. Tema: matematiske uttrykk, variabler, vektorer, funksjoner. Sondre Wangenstein Baugstø 4. september 2017 2 Oversikt Praktisk informasjon Om øvingsforelesninger
DetaljerØving 13. Et diffraksjonsgitter med N meget smale spalter og spalteavstand d resulterer i en intensitetsfordeling. I = I 0, φ = πdsin(θ)/λ
FY2/TFY46 Bølgefysikk. Institutt for fysikk, NTNU. Høsten 22. Veiledning: Mandag 9. og Tirsdag 2. november. Innleveringsfrist: Mandag 26. november kl 2:. Øving 3 Oppgave Et diffraksjonsgitter med N meget
Detaljery (t) = cos t x (π) = 0 y (π) = 1. w (t) = w x (t)x (t) + w y (t)y (t)
NTNU Institutt for matematiske fag TMA4105 Matematikk, øving 7, vår 013 Løsningsforslag Notasjon og merknader En vektor boken skriver som ai + bj + ck, vil vi ofte skrive som (a, b, c), og tilsvarende
DetaljerEn innføring i MATLAB for STK1100
En innføring i MATLAB for STK1100 Matematisk institutt Universitetet i Oslo Februar 2017 1 Innledning Formålet med dette notatet er å gi en introduksjon til bruk av MATLAB. Notatet er først og fremst beregnet
DetaljerITGK - H2010, Matlab. Repetisjon
1 ITGK - H2010, Matlab Repetisjon 2 Variabler og tabeller Variabler brukes til å ta vare på/lagre resultater Datamaskinen setter av plass i minne for hver variabel En flyttallsvariabel tar 8 bytes i minne
DetaljerControl Engineering. MathScript. Hans-Petter Halvorsen
Control Engineering MathScript Hans-Petter Halvorsen Dataverktøy MathScript LabVIEW Differensial -likninger Tidsplanet Laplace 2.orden 1.orden Realisering/ Implementering Reguleringsteknikk Serie, Parallel,
DetaljerMA2501 Numeriske metoder
MA501 Numeriske metoder Vår 009 Øving 9 Oppgave 1 Bruk vedlagte matlab-program skyt.m til å løse randverdiproblemet x + e x = 0, x(0) = x(1) = 0 Oppgave Gitt startverdiproblemet x = t(x ), x(0) = 1, x
DetaljerØvingsforelesning 5 Python (TDT4110)
Øvingsforelesning 5 Python (TDT4110) Repetisjon av løkker og funksjoner Ole-Magnus Pedersen Oversikt Praktisk Info Gjennomgang av Øving 3 Repetisjon 2 Praktisk info Prosjekter i PyCharm må startes med
DetaljerEksamensoppgave i TMA4130/35 Matematikk 4N/4D
Institutt for matematiske fag Eksamensoppgave i TMA4130/35 Matematikk 4N/4D Faglig kontakt under eksamen: Anne Kværnø a, Kurusch Ebrahimi-Fard b, Xu Wang c Tlf: a 92 66 38 24, b 96 91 19 85, c 94 43 03
DetaljerTogforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at
Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være
DetaljerLæringsmål og pensum. Oversikt
1 2 Læringsmål og pensum TDT4105 Informasjonsteknologi grunnkurs: Uke 39 Betingede løkker og vektorisering Læringsmål Skal kunne forstå og programmere betingede løkker med while Skal kunne utnytte plassallokering
DetaljerMedisinsk statistikk Del I høsten 2009:
Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X
DetaljerLøysingsforslag for oppgåvene veke 17.
Løysingsforslag for oppgåvene veke 17. Oppgåve 1 Retningsfelt for differensiallikningar gitt i oppg. 12.6.3 med numeriske løysingar for gitt initalkrav (og eit par til). a) b) c) d) Oppgåve 2 a) c) b)
DetaljerKapittel Oktober Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 14.
og Institutt for geofag Universitetet i Oslo 17. Oktober 2012 i MatLab En funksjon vil bruke et gitt antall argumenter og produsere et gitt antall resultater og : Hvorfor Først og fremst bruker vi når
DetaljerTMA4245 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.
DetaljerTyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4
3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF
DetaljerFor det aktuelle nullpunktet, som skal ligge mellom 0 og, kan vere eit greit utgongspunkt.
Innlevering nr. 3 Løysingsforslag Oppgåve 1 Vi plottar funksjonen først: x=-2:1e-2:3; y=x.*sin(x)-1; plot(x,y,'linewidth',2) hold on plot([0 pi/2],[0 0],'rx') grid on For det aktuelle nullpunktet, som
DetaljerMAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag
MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag I kapittel 9 i kompendiet forklarte vi at maximum-likelihood er en av de viktige anvendelsene av ikke-lineær optimering. Vi skal se litt mer på hva
DetaljerØvingsforelesning 5 Python (TDT4110)
Øvingsforelesning 5 Python (TDT4110) Repetisjon av løkker og funksjoner Ole-Magnus Pedersen Oversikt Praktisk Info Gjennomgang av Øving 3 Repetisjon 2 Praktisk info Prosjekter i PyCharm må startes med
DetaljerLøsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017
Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx
DetaljerEKSAMEN I MATEMATIKK 1000
EKSAMEN I MATEMATIKK 1000 Oppgave 1 a) Finn den deriverte av disse funksjonene: f(x) = x 3 e 5x og g(x) = ln(tan(x)) + x 3. b) Finn de følgende ubestemte integralene: i) (x 3 + xe x2 ) dx og ii) cos 2
DetaljerTall, vektorer og matriser
Tall, vektorer og matriser Kompendium: MATLAB intro Tallformat Komplekse tall Matriser, vektorer og skalarer BoP(oS) modul 1 del 2-1 Oversikt Tallformat Matriser og vektorer Begreper Bruksområder Typer
Detaljer6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen
Detaljer