UNIVERSITETET I OSLO Institutt for informatikk. IN229 Simulering og visualisering. Eksamensrapport. Per-Idar Evensen
|
|
- Bjørn-Erik Holm
- 6 år siden
- Visninger:
Transkript
1 UNIVERSITETET I OSLO Institutt for informatikk IN229 Simulering og visualisering Eksamensrapport Per-Idar Evensen (periev@ifi.uio.no) Våren 2001
2 Simulering I denne oppgaven skulle vi studere den tidsavhengige varmeledningslikningen gitt ved med Dirichlet randkrav og initialdata u t = u xx, x (0, 1), t > 0 (1) u(0, t) = u(1, t) = 0, t > 0 u(x, 0) = f(x), x (0, 1) hvor f(x) er en gitt funksjon. Vi skulle se på numeriske løsninger for tre spesifikke problemer, dvs. for tre spesifikke funksjoner f(x): f 1 (x) = 3 sin( x) + 5 sin(4 x) f 2 (x) = 1 f 3 (x) = x Oppgave 1 eksplisitt skjema Setter opp et eksplisitt skjema for (1) ved å approksimere den tidsderiverte u t med en foroverdifferanse, og den romderiverte med en standard sentraldifferanse, dvs. vi setter og u t (x, t) u(x, t + t) u(x, t) t u xx (x, t) u(x x, t) 2u(x, t) + u(x + x, t) x 2 Lar vi v m j betegne en approksimasjon av u(x j, t m ) der x j = j x for j = 0, 1,, n + 1 og t m = m t for heltall m 0, får vi følgende skjema v m + 1 j v m j t = vm j 1 2v m j + v m j + 1 2, for j = 1,, n og m 0. x Ved å bruke randkravene får vi at v m 0 = 0 og v m n + 1 = 0 2
3 for alle m 0, og initialbetingelsen gir Løser vi for v m + 1 j får vi v 0 j = f(x j ) for j = 0, 1,, n. v m + 1 j = rv m j 1 + (1 2r)v m j + rv m j + 1, for j = 1,, n og m 0 (2) der r = t/ x 2. I dette uttrykket kan vi finne verdiene til neste tidssteg t m + 1 ved kun å bruke verdiene fra det forrige tidssteget t m. Dette er grunnen til at skjemaet kalles eksplisitt. Beregningsmolekylet til det eksplisitte skjemaet (2) er vist på figur 1. m + 1 m j 1 j j + 1 Figur 1: Beregningsmolekylet for det eksplisitte skjemaet Stabilitetskravet for dette skjemaet er gitt ved r = t x 2 1/2 C++-programmet som implementerer det eksplisitte og det implisitte skjemaet er beskrevet i avsnittet implementasjon. Oppgave 2 implisitt skjema Setter opp et implisitt skjema for (1) ved å approksimere den tidsderiverte u t med en bakoverdifferanse, og den romderiverte med en standard sentraldifferanse, dvs. vi setter og u xx (x, t) u t (x, t) u(x, t) u(x, t t) t u(x x, t) 2u(x, t) + u(x + x, t) x 2 3
4 Med tilsvarende notasjon som i Oppgave 1, får vi følgende skjema v m' j v m' 1 j t = vm' j 1 2v m' j + v m' j x, for j = 1,, n og m' 1. Setter vi videre m' = m + 1 kan vi skrive om dette til v m + 1 j v m j t j 1 2v m + 1 j + v m + 1 j + 1 2, for j = 1,, n og m 0. (3) x = vm + 1 Ved å bruke randkravene får vi at for alle m 0, og initialbetingelsen gir v m 0 = 0 og v m n + 1 = 0 v 0 j = f(x j ) for j = 0, 1,, n. I motsetning til det eksplisitte skjemaet må man for dette skjemaet løse et likningssystem for å finne verdiene til neste tidssteg t m + 1. Dette er grunnen til at dette skjemaet kalles implisitt. Beregningsmolekylet til det implisitte skjemaet (3) er vist på figur 2. Dette skjemaet er ubetinget stabilt. m + 1 m j 1 j j + 1 Figur 2: Beregningsmolekylet for det implisitte skjemaet Det implisitte skjemaet (3) definerer et linkningssystem for j = 1,, n, som kan skrives på formen (I + ta)v m + 1 = v m, for m 0 4
5 der A = 1 x og v m = [v m 1,, v m n] T. Vi kan altså finne løsningen for neste tidssteg v m + 1, ved å løse matriselikningen A'v m + 1 = v m hvor A' = (I + ta) ved hjelp av Gauss-eliminasjon for tridiagonale lineære systemer. Implementasjon Programmet (Simprog) er implementert som et ganske generelt simulatorprogram. Mange av ideene bak implementasjonen, og en del av kildekoden er hentet fra [2]. Programstrukturen består av følgende klasser: FieldLattice Klasse der hvert objekt består av en smartpeker (Handle) til et GridLattice som definerer gridet, og en smartpeker til en MyArray som inneholder verdiene i hvert gridpunkt. Den inneholder funksjoner som gir direkte tilgang til skalarverdiene i gridpunktene, samt verdiene til selve gridet. Function Abstrakt generell functor-klasse som inneholder alle funksjonene som brukes i form av subklasser. I dette programmet er funksjonene for alle tre eksemplene f 1 (x), f 2 (x) og f 3 (x), og de tilsvarende eksakte løsningene u exact_1 (x, t), u exact_2 (x, t) og u exact_3 (x, t) implementert som subklasser av Function. Denne klassen gjør at disse funksjonene lett kan forandres eller byttes ut. Har valgt k = 100 i de uendelige summene for u exact_2 (x, t) og u exact_3 (x, t) da disse konvergerer relativ fort (100 er mer enn nok da leddene blir forsvinnende små allerede ved k = 10). GridLattice Klasse som representerer et uniformt en-dimensjonalt grid, som beregnes fra verdiene x min, x max (skal alltid være hhv. 0 og 1 i denne oppgaven) og x. Den inneholder funksjoner som leser inn og gir tilgang til de parameterne som definerer gridet, samt verdiene til selve gridet. Handle Klasse som implementerer smarte pekere med referansetellere (hentet fra [2]). 5
6 Heat1DSolver Abstrakt klasse som definerer et grensesnitt for metoder for å løse den tidsavhengige varmeledningslikningen. Den eksplisitte og den implisitte løsningsmetoden er implementert som subklasser av Heat1DSolver. Dette klassehierarkiet inneholder funksjoner for å sette initalbetingelsene og utføre simuleringen med tidsløkke, oppdatering av u og u exact og skriving av løsningen til fil. MyArray Template-klasse som implementerer brukervennlige arrayer for å lagre forskjellige typer numeriske verdier. (Basert på [2] og hovedsakelig hentet fra løsningsforslag til simuleringsoppgaver, del 1.) MyMatrix Abstrakt klasse som definerer er grensesnitt for matriser. Implementerer brukervennlige matriser for å lagre numeriske verdier. I dette programmet er tridiagonale matriser implementert som en subklasse av MyMatrix, men det er lett å legge til støtte for andre typer matriser (diagonale, tette, osv ) ved å legge til flere subklasser hvis det skulle være behov for dette. (Delvis hentet fra løsningsforslag til simuleringsoppgaver, del 3.) Simulator Abstrakt simulatorklasse som implementerer et grensesnitt for selve simulatoren. I dette programmet er simuleringen av varmeledningslikningen i en dimensjon implementert som en subklasse (Heat1D) av Simulator. Denne generelle strukturen gjør det mulig og enkelt utvide Simprog til å kunne kjøre andre simuleringer (for eksempel den en-dimensjonale bølgelikningen) ved å legge til nye subklasser. Funksjonene definert i denne klassen leser parameterne og starter simuleringen. Subklassen Heat1D inneholder smartpekere til objektene som inngår i simuleringen (GridLattice, TimeParam, Fuction og Heat1Dsolver). TimeParam Klasse som inneholder alle parameterne relater til tidsevolusjonen av problemet, dvs. t, dt, stopptiden, tidssteget. Den inneholder funksjoner som leser inn og gir tilgang til disse parameterne, og videre funksjoner som oppdatere disse. I tillegg består programmet av hovedprogrammet main.cpp, som velger simulering og kaller funksjonene som leser inn parametere og utfører simulering, og real.h hvor man definerer ønsket datatype (for eksempel float eller double). Kommentarene i kildekoden til programmet forklarer nærmere hva de forskjellige funksjonene i klassene gjør. Programmet leser inn alle parameterne (x min, x max, x, T stop og t), samt hvilket eksempel som skal simuleres (1 3) og hvilken løsningsmetode som skal brukes (eksplisitt eller implisitt). Opprinnelig hadde jeg planer om også å implementere støtte for kommandolinjeargumenter med svitsjer for å angi parameterne, og videre reimplementere klassen MyMatrix så den fungerte bedre sammen med MyArray og dermed ble mer effektiv, men det ble dessverre ikke tid til dette. Oppgave 3 numerisk studie Har laget seks forskjellige animasjoner. En som viser den eksplisitte løsningen, og en som viser den implisitte løsningen for hver av de tre eksemplene. I animasjonene vises også den 6
7 eksakte løsningen. Parameterne som ble brukt i animasjonene er x = 0.02, t = og sluttid T = 0.1, dvs. 500 tidssteg. For å måle den numeriske feilen definert ved e(t n ) = max j u(x j, t n ) v n j (5) laget jeg et lite MATLAB-program (Error_analyses.m) som leser inn tidssteget i for målingen samt antall gridpunkter n, og deretter finner den riktige filen og beregner den numeriske feilen. Resultatene er gitt i tabell 1. Har også tatt med de tilsvarende verdiene for det implisitte skjemaet. x = 0.02 og t = er brukt i alle 6 beregningene. Eksplisitt skjema Implisitt skjema Eksempel nr. t = 0.01 t = 0.1 Eksempel nr. t = 0.01 t = , Tabell 1: Den numeriske feilen ved t = 0.01 og t = 0.1 for begge skjemaene For å oppnå omtrent samme nøyaktighet (dvs. samme første siffer) ved t = 0.1 med det implisitte skjemaet, som med det eksplisitte med t = , må man bruke ca tidssteg for eksempel 1, og ca. 250 tidssteg for eksempel 2 og 3 (t = ). Dette fant jeg ut ved å prøve ut noen verdier av t, og beregnet den numeriske feilen. Dette viser at den implisitte metoden fungerer best for de enkle lineære funksjonene f 2 (x) og f 3 (x). For å estimere konvergensraten for det eksplisitte skjemaet ved tiden t = 0.1, må vi estimere parameteren slik at e(0.1) = O(t ), for t = x 2 /2 Ser vi på e(0.1) for forskjellige verdier for t, kan vi estimere konvergensraten ved hjelp av følgende formel = log(e 1(0.1)/e 2 (0.1)) log(t 1 /t 2 ) Tabell 2 viser e(0.1) for fire forskjellige verdier for t. t x e(0.1) 2, , , , Tabell 2: e(0.1) for forskjellige verdier av t 7
8 Figur 3: log(e(0.1)) plottet som funksjon av log( t) Figur 3 viser feilen log(e(0.1)) plottet som funksjon av log( linje med et stigningstall på ca. 1. er gitt ved t). Dette gir en tilnærmet rett = log(e 1(0.1)/e 2 (0.1)) log( t 1 / t 2 ) = log(e 1(0.1)) log(e 2 (0.1)) log( t 1 ) log( t 2 ) som er det samme som stigningstallet til figur 3. Beregner vi i MATLAB finner vi også vi har derfor at = 1.0 e(0.1) = O( t 1 ) Vi får altså lineær konvergens for feilen e(0.1) med hensyn på med hensyn på x, siden e(0.1) = O( t 1 ) = O( x 2 )). t (eller kvadratisk konvergens Når det gjelder antall operasjoner for de to metodene, er tidsløkken i den eksplisitte metoden av orden O(mn), mens den i den implisitte metoden er av orden O(2mn), hvis vi ser bort fra alle de unødvendige løkkene. Altså er den eksplisitte metoden litt mer effektiv når man bruker samme antall tidssteg. I mange tilfeller kan man imidlertid redusere antall tidssteg m i den implisitte metoden, og likevel oppnå samme nøyaktighet, og da vil den implisitte bli mer effektiv. (Det er også et poeng her at den implisitte metoden er ganske ineffektivt implementert i dette programmet i forhold til den eksplisitte, pga. kopiering mellom arrayer.) I to romdimensjoner vil den eksplisitte metoden være av orden O(mn x n y ), mens den implisitte metoden er av orden O(2mn x n y ). Forholdet mellom dem vil altså ikke endre seg. 8
9 Visualisering I denne oppgaven skulle vi studere en vannbølge som slår over en vertikal sylinder. Vi skulle visualisere datasett fra to simuleringer, en med lineære overflatebetingelser, og en med ikkelineære overflatebetingelser. Poenget var å visualisere hvilken form vannoverflaten får når den slår over sylinderen, og å få fram forskjellen på de to simuleringene. Datasettene fra simuleringen forelå i form av mlb-filer. Jeg valgte først å lage et C++-program som konverterer alle mlb-filene til vtk-filer (mlb2vtk.cpp), og deretter lage et vtk-program for å visualisere disse (Visprog.cpp),. Grunnen til dette var at vtk-programmet dermed blir mye enklere og mer generelt. Konvertering til vtk-filer For å finne ut om de binære dataene på mlb-filene var på "Big Endian" eller "Little Endian" format, prøvde jeg å kjøre det utdelte MATLAB-program (green.m) både på PC/Linux og på Sun/Solaris. Programmet fungerte bare på Sun-maskinen, så datasettene var på "Big Endian" format. mlb2vtk.cpp virker som følger. Først sjekker programmet om det kjører på en "Big Endian" eller "Little Endian" maskin. Videre går det inn i en løkke som går igjennom alle filene som skal konverteres (nummeret på første og siste fil er definert helt øverst i filen, og kan lett byttes ut). Hver fil leses inn (kolonnevis) og hele datasettet bygges opp, dvs. at dataene speiles om y = 0 pga. symmetrien i y-retning Videre konverteres dataene fra double til float siden vtk tar float-verdier som input. Dersom maskinen er "Little Endian", byttes byterekkefølgen om før denne konverteringen foretas, og deretter byttes bytene tilbake til "Big Endian" som er formatet vtk tar inn som standard. Til slutt skrives filen ut igjen (radvis) i vtk-format som "Structured Points". Visualiseringen Har her laget to vtk-programmer (Visprog.cpp og Visprog2.cpp), et som visualiserer enten det lineære eller det ikkelineære datasettet (velges ved oppstart), og et som visualiserer begge samtidig i hver sin renderer. Jeg valgte og utvide Visprog.cpp til å kunne håndtere to rendere fordi det da er lettere å visualisere forskjellen mellom de to datasettene. Programmene er laget slik at man lett kan endre z-skalering, første og siste filnummer på datafilene, starttidspunkt for telleren og om man ønsker konturlinjer ved å endre "define" makroene øverst i kildekoden. Dessuten kan man spesifisere om man ønsker at programmet skal lagre bildene i animasjonen til fil eller ikke. Programmene inneholder stort sett funksjoner som lager alle objektene (overflaten, sylinderen, veggene i tanken og teksten), slik at det blir lettere å endre på disse. Når det gjelder selve visualiseringen har jeg valgt å farge den delen av sylinderen som stikker over nullnivået til vannoverflaten rød, og videre merket den ene veggen i bølgetanken med nivålinjer som viser høydenivået fra 0.03 til Den røde linja i midten er viser nullnivået til vannoverflaten. Alt dette er gjort for å lettere kunne se hvor høyt bølgen slår, og dermed 9
10 også lettere kunne se forskjellen mellom de to datasettene. Jeg har også valgt å implementere muligheten for å legge til konturlinjer, da dette i tillegg til at man lettere ser hvor høyt bølgen slår også mye bedre kan se bølgeformen. Nederst i venstre hjørne har jeg også lagt til en tekst som viser om det er den lineære eller ikkelineære bølgen som visualiseres, den valgte z-skaleringen og en tidsteller som viser den samme tiden som på de utdelte mpeg-filmene. En forenklet visualiseringspipeline for selve vannoverflaten med konturlinjer er vist på figur 4. vtk-datafil vtkstructuredpointsreader vtkgeometryfilter vtkcontourfilter vtkwarpscalar vtkpolydatamapper vtkpolydatamapper vtkactor - konturlinjer vtkactor - vannoverflate Figur 4: Visualiseringspipeline for vannoverflaten Etter at man har startet visualiseringsprogrammet kan man rotere og zoome inn slik at man får et passende bilde, og deretter kan man trykke på 'u'-tasten for å se bølgeanimasjonen (og eventuelt få generert en hel sekvens med bilder i ppm-format). Har laget fem animasjoner. To med Visprog.cpp som viser den lineære (Wave_linear.mpeg) og den ikkelineære bølgen (Wave_nonlinear.mpeg) hver for seg, og tre med Visprog2.cpp som viser begge bølgene hhv. fra siden (Wave_both.mpeg), fra siden zoomet inn (Wave_both2.mpeg) og ovenifra (Wave_both3.mpeg). Figur 5 viser 3 bilder fra hver av de to datasettene akkurat når vannbølgen slår over sylinderen. På siden med utvalgte bilder som kan nås fra index.html, har jeg lagt ut 12 bilder fra den samme serien. Her har jeg zoomet inn området i nærheten av sylinderen, og brukt z-skalering = 10, for å nøye kunne studere formen til de to bølgene. Forskjeller man legger merk til i denne bildeserien er at den ikkelineære bølgen slår høyere enn den lineære etter å ha truffet sylinderen. Den ikkelineære bølgen tar også en annen, mer uregelmessig, form enn den lineære etter hvert som den skyller over sylinderen. 10
11 Figur 5: Vannbølgen som slår over sylinderen for de to datasettene 11
12 Referanser [1] Barton, John J. og Lee R. Nackman Scientific and Engineering C++, Addison Wesley Longman, Inc. [2] Roeim, Vetle og Hans Petter Langtangen Implementation of a wave simulator using objects and C++, Kompendium i IN229. [3] Schroeder, Will, Ken Martin og Bill Lorensen The Visualization Toolkit, Prentic Hall PTR. [4] Tveito, Aslak og Ragnar Winther Introduction to Partial Differential Equations, Springer-Verlag New York, Inc. 12
Besvarelse av obligatorisk oppgave 2 i IN229. Oppgave 1. Oppgaven bestod i å visualisere et vektorfelt g avledet av gradienten f til et
Besvarelse av obligatorisk oppgave 2 i IN229. Oppgaven bestod i å visualisere et vektorfelt g avledet av gradienten f til et skalarfelt f(x, y, z). Oppgaven består av fire deler:. Beregning av gradienten
DetaljerSimulering i IN229. INF2340 Våren 2004 Oversikt over innhold. Del 2: Endelige differanser. Del 1: MyVector. Del 3: ODESolver. Del 4: Bølgeligning
Simulering i IN229 INF2340 Våren 2004 Oversikt over innhold Fysisk problem Ex: Svingende streng Vannbølger Varme i jordskorpen Matematisk modell Ex: ODE Bølgeligning Varmeligning Simulatorkode Proseduralt
DetaljerNumerisk løsning av PDL
Numerisk løsning av PDL Arne Morten Kvarving Department of Mathematical Sciences Norwegian University of Science and Technology 6. November 2007 Problem og framgangsmåte Fram til nå har vi sett på ordinære
DetaljerEKSAMEN I EMNET MAT160 Beregningsalgoritmer 1 Mandag 12 februar 2007 LØSNINGSFORSLAG
Universitetet i Bergen Det matematisk naturvitenskapelige fakultet Matematisk institutt Side 1 av 5 BOKMÅL EKSAMEN I EMNET MAT160 Beregningsalgoritmer 1 Mandag 12 februar 2007 LØSNINGSFORSLAG Tillatte
DetaljerTMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005 Løsningsforslag Øving 2 1 Denne oppgaven er ganske
DetaljerIkke lineære likninger
Ikke lineære likninger Opp til nå har vi studert lineære likninger og lineære likningsystemer. 1/19 Ax = b Ax b = 0. I en dimensjon, lineære likninger kan alltid løses ved hjelp av formler: ax + b = 0
DetaljerProgrammering i Java med eksempler
Differenslikn. p.124 Simulering av differenslikninger Programmering i Java med eksempler Forelesning uke 39, 2005 MAT-INF1100 Differenslikn. p.224 Differenslikning av orden 2 (1) Vi kjenner formler for
DetaljerRepetisjon: Binære. Dagens plan: Rød-svarte trær. Oppgave (N + 1)!
Repetisjon: Binære søketrær Dagens plan: Rød-svarte trær (kap. 12.2) B-trær (kap. 4.7) bstrakte datatyper (kap. 3.1) takker (kap. 3.3) For enhver node i et binært søketre gjelder: lle verdiene i venstre
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et
DetaljerOblig 3 i FYS mars 2009
Oblig 3 i FYS230 2. mars 2009 Innledning [Copyright 2009: D.S.Amundsen og A.I.Vistnes.] David Skålid Amundsen har laget hovedskissen til denne obligen i en sommerjobb han utførte for oss sommeren 2008.
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
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
DetaljerEKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER MED DIFFERANSEMETODER (TMA4212)
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Navn: Bård Skaflestad (946867) EKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER
Detaljer5.8 Iterative estimater på egenverdier
5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til
DetaljerIN1010 V18, Obligatorisk oppgave 5
IN1010 V18, Obligatorisk oppgave 5 Innleveringsfrist: Tirsdag 17.04. kl 10:00 Versjon 1.3 (12.04.2018) Sist modifisert av Silje Merethe Dahl. Innledning I denne oppgaven skal du bruke rekursjon til å lage
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
DetaljerObligatorisk oppgave 5: Labyrint
Obligatorisk oppgave 5: Labyrint INF1010 Frist: mandag 24. april 2017 kl. 12:00 Versjon 1.0 (1709ba6 ) Innhold 1 Innledning 2 2 Notasjon og terminologi 3 2.1 Formelle definisjoner.........................
DetaljerHeap og prioritetskø. Marjory the Trash Heap fra Fraggle Rock
Heap og prioritetskø Marjory the Trash Heap fra Fraggle Rock Binær heap En heap er et komplett binært tre: Alle nivåene i treet, unntatt (muligens) det nederste, er alltid helt fylt opp med noder Alle
DetaljerTMA4123/TMA4125 Matematikk 4M/4N Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA423/TMA425 Matematikk 4M/4N Vår 203 Løsningsforslag Øving 2 La y = yx være funksjonen som tilfredstiller differensialligningen
Detaljerf (x) = a 0 + a n cosn π 2 x. xdx. En gangs delvisintegrasjon viser at 1 + w 2 eixw dw, 4 (1 + w 2 ) 2 eixw dw.
NTNU Institutt for matematiske fag Eksamen i TMA Matematikk M høsten 008 Løsningsforslag a Cosinusrekka til f blir av formen - 0 6 f (x a 0 + n0 a n cosn π x Vi har a 0 0, og a n R 0 f (xcosnπ xdx En gangs
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 6 Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 6 Løsningsforslag Oppgave 1 Summer og for-løkker a) 10 i=1 i 2 = 1 2 + 2 2 + 3 2 + 4 2 + 5 2 + 6 2 + 7 2 + 8 2 + 9 2 + 10 2 = 1 + 4 + 9 + 16 + 25 + 36
DetaljerLineære likningssystemer
Lineære likningssystemer Mange fysiske problemer kan formuleres som lineære likningssystemer i vektorrommet, 1/19 Lu = f Lineær: betyr at virkningen av L på u + v er L(u + v) = Lu + Lv, og skaleres som
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et
DetaljerDifferansemetoder for to-punkts randverdiproblemer. Innledning. Anne Kværnø
Differansemetoder for to-punkts randverdiproblemer. Anne Kværnø Innledning Tidligere i kurset har dere diskutert parabolske, elliptiske og hyperbolske differensialligninger, og hvordan disse kan løses
DetaljerTDT4105 Informasjonsteknologi, grunnkurs MatLab: Filbehandling - load, save, type - fopen, fgetl, feof, fprintf, fclose
1 TDT4105 Informasjonsteknologi, grunnkurs MatLab: Filbehandling - load, save, type - fopen, fgetl, feof, fprintf, fclose Anders Christensen (anders@ntnu.no) Rune Sætre (satre@ntnu.no) TDT4105 IT Grunnkurs
DetaljerFunksjonell (dataflyt-) modell. Del 3 "Visualization Pipeline" Sammenkobling i praksis. Prosess- og data-objekter. Transformasjon. Representasjon (mer
Funksjonell (dataflt-) modell Del 3 "Visualization Pipeline" Transformasjon Konvertere data fra opprinnelig form til grafiske primitiver (tpisk gjennom flere ledd) Representasjon (mer om dette i neste
DetaljerProgrammering i Java med eksempler
Simulering av differenslikninger Programmering i Java med eksempler Forelesning uke 39, 2006 MAT-INF1100 Differenslikn. p. 1 Løsning av differenslikninger i formel Mulig for lineære likninger med konst.
DetaljerDagens plan: INF Algoritmer og datastrukturer. Eksempel. Binære Relasjoner
Dagens plan: INF2220 - Algoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 10: Disjunkte Mengder Definisjon av binær relasjon Definisjon av ekvivalens
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 10: Disjunkte Mengder Bjarne Holen (Ifi, UiO) INF2220 H2009, forelesning 10 1 / 27
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 11 Modellering og beregninger. Eksamensdag: Torsdag 12. oktober 26. Tid for eksamen: 9: 11:. Oppgavesettet er på 8 sider.
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Kapittel 7 Filer og unntak ( exceptions ) Professor Alf Inge Wang Stipendiat Lars Bungum
1 TDT4110 Informasjonsteknologi grunnkurs: Kapittel 7 Filer og unntak ( exceptions ) Professor Alf Inge Wang Stipendiat Lars Bungum 2 Læringsmål Mål Introduksjon til filer (som inndata og utdata) Å bruke
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 00 Modellering og beregninger. Eksamensdag: Torsdag 6. desember 202. Tid for eksamen: 9:00 3:00. Oppgavesettet er på 8
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:
DetaljerInf109 Programmering for realister Uke 5. I denne leksjonen skal vi se på hvordan vi kan lage våre egne vinduer og hvordan vi bruker disse.
Inf109 Programmering for realister Uke 5 I denne leksjonen skal vi se på hvordan vi kan lage våre egne vinduer og hvordan vi bruker disse. Før du starter må du kopiere filen graphics.py fra http://www.ii.uib.no/~matthew/inf1092014
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Eksempler. Mangekanter
1 TDT4110 Informasjonsteknologi grunnkurs: Eksempler Kunnskap for en bedre verden Amanuensis Terje Rydland Kontor: ITV-021 i IT-bygget vest (Gløshaugen) Epost: terjery@idi.ntnu.no Tlf: 735 91845 TDT4105
DetaljerIN1000 Obligatorisk innlevering 7
IN1000 Obligatorisk innlevering 7 Frist for innlevering: 23.10. kl 12:00 Introduksjon I denne innleveringen skal du lage et program som simulerer cellers liv og død. Dette skal du gjøre ved hjelp av en
DetaljerMaps og Hashing. INF Algoritmer og datastrukturer. Map - ADT. Map vs Array
Maps og Hashing INF0 - Algoritmer og datastrukturer HØSTEN 00 Institutt for informatikk, Universitetet i Oslo INF0, forelesning : Maps og Hashing Map - Abstrakt Data Type (kapittel.) Hash-funksjoner (kapittel..)
DetaljerDette kan selvfølgelig brukes direkte som en numerisk tilnærmelse til den deriverte i et gitt punkt.
Numerisk derivasjon Anne Kværnø Problemstilling Gitt en tilstrekkelig glatt funksjon. Finn en tilnærmelse til i et gitt punkt. Den deriverte av (https://wiki.math.ntnu.no/tma4100/tema/differentiation?
DetaljerLineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler
Lineære ligningssystemer Generell form; m ligninger i n ukjente, m n-system: Forelesning, TMA4110 Torsdag 17/9 Martin Wanvik, IMF MartinWanvik@mathntnuno a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1
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
DetaljerProsjektoppgave FYS2130. Vår Innleveringsfrist: 09/ , 20 CEST
Prosjektoppgave FYS2130 Vår 2017 Innleveringsfrist: 09/05-2017, 20 CEST L. B. N. Clausen Om prosjektet og rapporten Vi ønsker at arbeidet med prosjektoppgaven gir deg økt forståelse og innsikt i et fenomen
DetaljerForelesning Klasse T1A Side 1 av 11
Forelesning 21.2.05 Klasse T1A Side 1 av 11 Innhold Side MÅL. 1 OPPGAVE / RESULTAT. 1 ØVING 1A. Brukergrensesnittet 2 ØVING 1B. Lage objekter. 5 ØVING 1C. Lage animering... 7 ØVING 1D. Rendere bilde og
DetaljerStack. En enkel, lineær datastruktur
Stack En enkel, lineær datastruktur Hva er en stack? En datastruktur der vi til enhver tid kun har tilgang til elementet som ble lagt inn sist Et nytt element legges alltid på toppen av stakken Skal vi
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) +
DetaljerMA2501, Vårsemestre 2019, Numeriske metoder for lineære systemer
MA5 Vårsemestre 9 Numeriske metoder for lineære systemer Introduksjon Vi vil approksimere løsningen av lineære systemet av n ligningene og n ukjente: a x + a x + + a n x n b a x + a x + + a n x n b ()
DetaljerMaps og Hashing. INF Algoritmer og datastrukturer. Map - ADT. Map vs Array
Maps og Hashing INF0 - Algoritmer og datastrukturer HØSTEN 00 Institutt for informatikk, Universitetet i Oslo INF0, forelesning : Maps og Hashing Map - Abstrakt Data Type Hash-funksjoner hashcode Kollisjonshåndtering
DetaljerAlgoritmer og Datastrukturer IAI 21899
Eksamen i Algoritmer og Datastrukturer IAI 21899 Høgskolen i Østfold Avdeling for informatikk og automatisering Torsdag 30. november 2000, kl. 09.00-14.00 LØSNINGSFORSLAG 1 Del 1, Binære søketrær Totalt
DetaljerObligatorisk oppgave 4 i INF1010, våren 2014: "Leger og resepter" Versjon 1.1
Obligatorisk oppgave 4 i INF1010, våren 2014: "Leger og resepter" Versjon 1.1 Denne oppgaven skal løses to og to vha. systemutviklingsmetoden Parprogrammering. For å få levere må alle registrere seg gjennom
DetaljerSensitivitet og kondisjonering
Sensitivitet og kondisjonering Gitt en lineær likningssystem Ax = b vi skal studere effekten av perturbasjoner av input data: 1/19 på output data: Man kan A, b x perturbere bare b perturbere b og A samtidig.
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 3: Maps og Hashing Bjarne Holen (Ifi, UiO) INF2220 H2009, forelesning 3 1 / 25 Maps
DetaljerArbeidskrav 1. Se fremdriftsplanen for innleveringsfrist. Emneansvarlig: Olav Dæhli 1
Arbeidskrav 1 Se fremdriftsplanen for innleveringsfrist Emneansvarlig: Olav Dæhli 1 Skjemaer Løsningen skal inneholde minst 3 skjemaer (Forms) Ett av skjemaene skal være en meny som kan åpne de andre skjemaene
DetaljerTDT4165 PROGRAMMING LANGUAGES. Exercise 4 RC-kretser
TDT4165 PROGRAMMING LANGUAGES Fall 2012 Exercise 4 RC-kretser Før du starter Relevant lesestoff: Kapittel 4.3 i V&H. Du skal levere: teori04.txt: Svar på de teoretiske spørsmålene. oving04.oz: Løsning
DetaljerLitt om Javas class-filer og byte-kode
Litt om Javas class-filer og byte-kode INF 5110, 11/5-2010, Stein Krogdahl (Dessverre litt få figurer) Disse formatene ble planlagt fra start som en del av hele Java-ideen Bt Byte-koden gir portabilitet
DetaljerTDT4105 Informasjonsteknologi, grunnkurs
1 TDT4105 Informasjonsteknologi, grunnkurs MatLab: Filbehandling Anders Christensen (anders@idi.ntnu.no) Rune Sætre (satre@idi.ntnu.no) TDT4105 IT Grunnkurs 2 Læringsmål/pensum Filbehandling Mål: Forstå
DetaljerEksamen i TMA4122 Matematikk 4M
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 Faglig kontakt under eksamen: Yura Lyubarskii: mobil 9647362 Anne Kværnø: mobil 92663824 Eksamen i TMA422 Matematikk
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
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
DetaljerKanter, kanter, mange mangekanter. Introduksjon: Steg 1: Enkle firkanter. Sjekkliste. Skrevet av: Sigmund Hansen
Kanter, kanter, mange mangekanter Skrevet av: Sigmund Hansen Kurs: Processing Tema: Tekstbasert, Animasjon Fag: Matematikk, Programmering, Kunst og håndverk Klassetrinn: 8.-10. klasse, Videregående skole
DetaljerAnvendelser av potensrekker
Anvendelser av potensrekker Forelest: 6 Okt, 2004 Vi kan bare skrape på toppen av isfjellet som er anvendelsene av potensrekker En spesielt viktig anvendelse er innenfor enhver form for differensialligninger
Detaljer2 Om statiske variable/konstanter og statiske metoder.
Litt om datastrukturer i Java Av Stein Gjessing, Institutt for informatikk, Universitetet i Oslo 1 Innledning Dette notatet beskriver noe av det som foregår i primærlageret når et Javaprogram utføres.
DetaljerOversikt. Introduksjon Kildekode Kompilering Hello world Hello world med argumenter. 1 C programmering. 2 Funksjoner. 3 Datatyper. 4 Pekere og arrays
Oversikt C programmering 1 C programmering Introduksjon Kildekode Kompilering Hello world Hello world med argumenter 2 Funksjoner 3 Datatyper 4 Pekere og arrays 5 Kontrollstrukturer Lars Vidar Magnusson
Detaljer6.5 Minste kvadraters problemer
6.5 Minste kvadraters problemer I mange anvendte situasjoner møter man lineære likningssystemer som er inkonsistente, dvs. uten løsninger, samtidig som man gjerne skulle ha funnet en løsning. Hva gjør
DetaljerKodetime for Nordstrand barneskole
Kodetime for Nordstrand barneskole av Veronika Heimsbakk og Lars Erik Realfsen 1 Hva er Processing? Processing er et programmeringsspråk som er gratis, og tilgjengelig for alle! Man kan programmere i Processing
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
DetaljerBiseksjonsmetoden. biseksjonsmetode. Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt
Biseksjonsmetoden Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt biseksjonsmetode. Gitt en intervall [a, b] hvor f skifter fortegn, vi halverer [a, b] = [a, b + a 2 ]
DetaljerInnhold uke 4. INF 1000 høsten 2011 Uke 4: 13. september. Deklarasjon av peker og opprettelse av arrayobjektet. Representasjon av array i Java
INF høsten 2 Uke 4: 3. september Grunnkurs i Objektorientert Programmering Institutt for Informatikk Universitetet i Oslo Siri Moe Jensen og Arne Maus Mål for uke 4: Innhold uke 4 Repetisjon m/ utvidelser:
DetaljerObligatorisk oppgave 1 i INF 4130, høsten 2009
Obligatorisk oppgave 1 i INF 4130, høsten 2009 Leveringsfrist fredag 2. oktober Institutt for informatikk Krav til innleverte oppgaver ved Institutt for informatikk (Ifi) Ved alle pålagte innleveringer
DetaljerForelesning 1 I162A-I162. Antonella Zanna. Institutt for informatikk (rom 4143)
I162A-I162 http://realfag.uib.no/fag/2002v/i162 1/18 Forelesning 1 Antonella Zanna Institutt for informatikk (rom 4143) email: anto@ii.uib.no Beregningsvitenskap Vårt hverdagsliv er blitt veldig teknologisk:
DetaljerTDT4102 Prosedyre og Objektorientert programmering Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap TDT4102 Prosedyre og Objektorientert programmering Vår 2014 Øving 10 Frist: 2014-04-11 Mål for denne øvinga:
DetaljerInformasjon Eksamen i IN1000 og IN1001 høsten a) 1 poeng. 1b) 1 poeng. Tid. Oppgavene. Tillatte hjelpemidler. 30. november kl. 14.
IN1000-INF1001-2018 Informasjon Eksamen i IN1000 og IN1001 høsten 2018 Tid 30. november kl. 14.30 (4 timer) Faglærere vil besøke lokalet ca kl 15-16. Oppgavene Oppgave 1a-f er kortsvarsoppgaver som rettes
DetaljerHva er en kø? En lineær datastruktur der vi til enhver tid kun har tilgang til elementet som ble lagt inn først
Køer Hva er en kø? En lineær datastruktur der vi til enhver tid kun har tilgang til elementet som ble lagt inn først Et nytt element legges alltid til sist i køen Skal vi ta ut et element, tar vi alltid
DetaljerLøsning ved iterasjon
Løsning ved iterasjon Arne Morten Kvarving Department of Mathematical Sciences Norwegian University of Science and Technology 17. September 2009 Problem Gitt problemet f (x) = 0 for en eller annen funksjon
DetaljerLineære likningssystemer og matriser
Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger
DetaljerKap. 5: Numeriske løsningsmetoder
MEK4510 p. 3 Kap. 5: Numeriske løsningsmetoder Tidsintegrasjon for problemer med én frihetsgrad Analytisk løsning av differensiallikningen for enkle problemer Fourier-analyse for generelle, periodiske
DetaljerForelesning 1 I162A-I162. Antonella Zanna. Institutt for informatikk (rom 4143)
I162A-I162 http://realfag.uib.no/fag/2002v/i162 1/18 Forelesning 1 Antonella Zanna Institutt for informatikk (rom 4143) email: anto@ii.uib.no Beregningsvitenskap 2/18 Beregningsvitenskap Vårt hverdagsliv
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 115 og IN 110 Algoritmer og datastrukturer Eksamensdag: 14. mai 1996 Tid for eksamen: 9.00 15.00 Oppgavesettet er på 8 sider.
DetaljerMAT 1110: Oblig 1, V-12, Løsningsforslag
MAT 0: Oblig, V-2, Løsningsforslag Oppgave: a Jacobi-matrisen er F (x, y u x v x u y v y 3x 2 2 3y 2 b Lineariseringen i punktet a er gitt ved T a F(x F(a + F (a(x a. I vårt tilfelle er a ( 2, 2, og vi
DetaljerUNIVERSITETET I BERGEN
LØSNINGSFORSLAG UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet. H.007. Eksamen i emnet MAT131 - Differensialligninger I 8. september 007 kl. 0900-100 Tillatte hjelpemidler: Ingen (heller
DetaljerNorges teknisk naturvitenskapelige universitet Institutt for matematiske fag. Side 1 av 6. Faglig kontakt under eksamen: Navn: Brynjulf Owren (93518)
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Faglig kontakt under eksamen: Navn: Brynjulf Owren (93518) EKSAMEN I NUMERISK LØSNING AV DIFFERENISALLIGNINGER (75316)
DetaljerDet matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 227 Numerisk lineær algebra Eksamensdag: 5. desember 2001 Tid for eksamen: 9.00 15.00 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerMAT-INF 2360: Obligatorisk oppgave 3
8. april, 2013 MAT-INF 2360: Obligatorisk oppgave 3 Innleveringsfrist: 2/5-2013, kl. 14:30 Informasjon Den skriftlige besvarelsen skal leveres i obligkassa som står i gangen utenfor ekspedisjonen i 7.
DetaljerGauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.
Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre
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
DetaljerI dag skal vi ved hjelp av ganske enkel Python-kode finne ut om det er mulig å tjene penger på å selge og kjøpe en aksje.
Trading-algoritme I dag skal vi ved hjelp av ganske enkel Python-kode finne ut om det er mulig å tjene penger på å selge og kjøpe en aksje. Vi skal gjøre dette ved å lage et Python-program (med noen for-løkker)
DetaljerSimulering av differenslikninger
Forelesning uke 37, 2007 Løsning av differenslikninger i formel Mulig for lineære likninger med konst. koeff. og enkelte inhomogeniteter. Eksempel: (b, c er konstante) x n+2 + bx n+1 + cx n = cos(n), x
DetaljerArbeidskrav 1. Se fremdriftsplanen for innleveringsfrist. Emneansvarlig: Olav Dæhli 1
Arbeidskrav 1 Se fremdriftsplanen for innleveringsfrist Emneansvarlig: Olav Dæhli 1 Skjemaer Løsningen skal inneholde minst 3 skjemaer (Forms) Ett av skjemaene skal være en meny som kan åpne de andre skjemaene
DetaljerØving 3 Determinanter
Øving Determinanter Determinanten til en x matrise er definert som Clear@a, b, c, dd K a b OF c d ad -bc Determinanten til en matrise er derfor et tall. Du skal se at det viktige for oss er om tallet er
DetaljerPG 4200 Algoritmer og datastrukturer Innlevering 2
PG 4200 Algoritmer og datastrukturer Innlevering 2 Frist: Mandag 21.april 2014 kl 23.55 Utdelt materiale: Se zip-filen innlevering2.zip. Innlevering: Lever en zip-fil som inneholder følgende: PG4200_innlevering_2.pdf:
DetaljerHva er en kø? En lineær datastruktur der vi til enhver tid kun har tilgang til elementet som ble lagt inn først
Køer Hva er en kø? En lineær datastruktur der vi til enhver tid kun har tilgang til elementet som ble lagt inn først Et nytt element legges alltid til sist i køen Skal vi ta ut et element, tar vi alltid
DetaljerBrukerkurs i Gauss feilforplantning
Brukerkurs i Gauss feilforplantning Knut S. Gjerden 9. august 2011 evt. gaussisk feilforplantning eller bruk av Gauss lov for feilforplantning. Samt litt generelt om fysikkting.
DetaljerOm du allerede kjenner Scratch og har en Scratchbruker kan du gå videre til Steg 1.
Pingviner på tur Skrevet av: Geir Arne Hjelle Kurs: Scratch Tema: Blokkbasert, Spill Fag: Programmering Klassetrinn: 1.-4. klasse, 5.-7. klasse, 8.-10. klasse Introduksjon Velkommen til Scratch. Vi skal
DetaljerDisjunkte mengder ADT
Binære relasjoner A A = {(x, y) x, y A}: mengden av ordnede par over A. Disjunkte mengder ADT Weiss kap. 8.1 8.5 Løser ekvivalensproblemet Lett og rask implementasjon Vanskelig tidsforbrukanalyse Ark 1
DetaljerObligatorisk oppgave 1 INF1020 h2005
Obligatorisk oppgave 1 INF1020 h2005 Frist: fredag 7. oktober Oppgaven skal løses individuelt, og må være godkjent for å kunne gå opp til eksamen. Før innlevering må retningslinjene Krav til innleverte
DetaljerLøsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017
Løsningsforslag Eksamen S2, høsten 215 Laget av Tommy O. Sist oppdatert: 25. mai 217 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere funksjonen f(x) = x 3 + 2x. Formelen vi må bruke er (x n ) =
DetaljerMAT Oblig 1. Halvard Sutterud. 22. september 2016
MAT1110 - Oblig 1 Halvard Sutterud 22. september 2016 Sammendrag I dette prosjektet skal vi se på anvendelsen av lineær algebra til å generere rangeringer av nettsider i et web basert på antall hyperlinker
DetaljerVisualiseringsdelen - Oppsummering
Visualiseringsdelen - Oppsummering Fenomen/prosess Visualisering i inf2340 Måling Mat. modell Simulering inf2340 - Simuleringsdelen inf2340 - Visualiseringsdelen 1.23E-08 2.59E-10 3.04E-08 3.87E-09 7.33E-06
DetaljerHeap* En heap er et komplett binært tre: En heap er også et monotont binært tre:
Heap Heap* En heap er et komplett binært tre: Alle nivåene i treet, unntatt (muligens) det nederste, er alltid helt fylt opp med noder Alle noder på nederste nivå ligger til venstre En heap er også et
DetaljerDet du skal gjøre i denne oppgava er først å sette opp bakgrunnen til spillet og så rett og slett å få firkanter til å falle over skjermen.
Tetris Introduksjon Processing Introduksjon Lag starten på ditt eget tetris spill! Det du skal gjøre i denne oppgava er først å sette opp bakgrunnen til spillet og så rett og slett å få firkanter til å
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Tenkeonsdag i MAT-INF 1100 Modellering og beregninger. Dag: Onsdag 28. november 2012. Tid for moroa: 16:00 19:00. Oppgavesettet er på 9
DetaljerINF1010 notat: Binærsøking og quicksort
INF1010 notat: Binærsøking og quicksort Ragnhild Kobro Runde Februar 2004 I dette notatet skal vi ta for oss ytterligere to eksempler der rekursjon har en naturlig anvendelse, nemlig binærsøking og quicksort.
Detaljer