Matlab-tips til Oppgave 2
|
|
|
- Kamilla Pettersen
- 8 år siden
- Visninger:
Transkript
1 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 H, Bn og Bo, der H inneholder x-verdiene til de valgte punktene, mens Bn og Bo inneholder y-verdiene til de valgte punktene for henholdsvis den nedre og den øvre hysteresekurven. Dette kan f.eks. gjøres på følgende måte: H=[-7, -5, -3, -1, 0, 1, 3, 5, 7]; Bo=[-5.6, -5.1, -4.1, 0, 3.1, 4.1, 4.8, 5.3, 5.7]; Bn=[-5.6, -5.3, -4.8, -3.9, -3.1, 0.1, 4.0, 4.9, 5.5]; Verdiene som dere plukker ut kommer selvfølgelig til å være forskjellige fra disse verdiene her. For å plotte hysteresekurven bruker vi Matlab-funksjonen plot. Vi ber Matlab om å plotte Bo og Bn som funksjoner av H i det samme plottet: plot(h,bo,h,bn); For mer detaljert informasjon om plot-funksjonen og hvordan denne brukes kan vi skrive help plot i kommandoviduet i Matlab. Dette gjelder for alle innebygde funksjoner i Matlab. (b) Bruk trapesmetoden til å finne hysteresetapet. Hva er usikkerheten nå? Vi bruker den innebygde Matlab-funksjonen trapz for å beregne integralet numerisk. Dette kan gjøres slik: IntNum=trapz(H,Bo-Bn); Legg merke til at vi integrerer B-feltet over H rundt den lukkede kurven. Dette er det motsatte av det som er definert i integralet som gir hysteresetapet, men iom. at integrasjonsområdet er en lukket kurve så blir integralet det samme. For å få det numeriske tallet på hysteresetapet må vi gange integralet med volumet av ringen og konversjonsfaktorene fra centimeter til H 1
2 og fra centimeter til B. For å beregne usikkerheten i dette svaret må vi følge prosedyren som er beskrevet i heftet Beregning av usikkerheter som dere finner på hjemmesiden til kurset. Polynomtilpasning (a) Bruk verktøyet polytool i Matlab til å finne en analytisk tilpasning. Matlab-funksjonen polytool tar tre argumenter. Det første er en vektor som definerer x-verdiene til de valgte punktene, det andre er en vektor som definerer y-verdiene til de valgte punktene, mens det siste argumentet er ordenen på polynomet som vi vil tilpasse til målepunktene. La oss først se på kun den øvre hysteresekurven. Dersom vi vil tilpasse et fjerdegradspolynom til denne, kan vi gjøre det slik: polytool(h,bo,4); Matlab vil da plotte både målepunktene og det fjerdegradspolynomet som gir den beste tilpasningen til disse. For å vite hva dette fjerdegradspolynomet faktisk er, må vi be Matlab om å eksportere koeffisientene til dette polynomet. Vi gjør dette ved å klikke på knappen Export -> Parameters i figur-viduet. Det blir da opprettet en vektor som heter beta og som inneholder koeffisientene. Vi definerer så dette polynomet som en symbolsk funksjon: syms pos; %Vi definerer pos som en symbolsk variabel ovreb = beta(1)*pos^4+beta(2)*pos^3+beta(3)*pos^2... +beta(4)*pos+beta(5); Vi gjentar så det samme for den nedre hysteresekurven og definerer en tilsvarende funksjon nedreb som gir det tilpassede polynomet til den nedre hysteresekurven. (b) Plot hysteresekurven med polynomtilpasning sammen med de innleste målepunktene. Vi bruker ezplot for å plotte fjerdegradskurven og plot for å plotte målepunktene: ezplot(ovreb,[-7,7]); 2
3 hold on % Dette forteller Matlab at det neste plottet skal % plottes i samme figur som over. plot(h,bo, o ); % Den siste parameteren forteller Matlab at % den kun skal plotte målepunktene og ingen heltrukne % linjer mellom dem. (c) Bruk de funnede polynomene til å finne hysteresetapet. Hva er usikkerheten nå? Vi kan beregne integralet som inngår i uttrykket for hysteresetapet ved å bruke Matlab-funksjonen quadl. Denne beregner det bestemte integralet av en funksjon definert ved symbolske variabler. Integralet vårt blir da: IntPol=quadl(ovreB-nedreB,-7,7); Dette svaret må igjen ganges med volumet og konversjonsfaktorene for å få den korrekte numeriske verdien på hysteresetapet. For beregning av usikkerheten i dette svaret se heftet om beregning av usikkerheter. Ikke-lineær tilpasning (a) Sett opp en parametrisert tanh-funksjon Vi må definere en tanh-funksjon med et sett parametre som tillater at funksjonen kan forskyves og skaleres i både x- og y-retning. En slik funksjon vil ha følgende matematiske form: f(x) = a 1 + a 2 tanh (a 3 x + a 4 ) der a 1 og a 4 forskyver, mens a 2 og a 3 skalerer funksjonen i henholdsvis y- og x-retning. (b) Sett opp den parametriserte funksjonen fra (a) i Matlab på den formen nlintool krever. Vi bruker inline for å definere funksjonen som en parametrisert funksjon med komponentene i vektoren a som parametre og med x som variabel. La oss kun se på den øvre hyseteresekurve. Prosedyren blir identisk for den nedre kurven. Den parametriserte tanh-funksjonen for den øverste kurven defineres 3
4 ved følgende Matlab-kode: paramtanho=inline( a(1)+a(2)*tanh(a(3)*x+a(4)), a, x ); (c) Bruk nlintool til å finne analytiske uttrykk for øvre og nedre del av hysteresekurven. Sett opp funksjonene og plott dem vha. ezplot. Matlab-funksjonen nlintool tar fire argumenter. De to første er vektorer bestående av henholdsvis x- og y-verdiene av målepunktene, det tredje er den parametriserte funksjonen som skal tilpasses verdiene, mens det siste er en vektor bestående av startverdier for de parametrene som skal bestemmes. Før vi bruker nlintool må vi først definere startverdiene for vektoren a. Disse verdiene kan være hva som helst bare de ikke er null. La oss definere de lik én: a=ones(1,4); % a defineres som en 1x4 matrise, dvs. en vektor, % med enerne som komponenter Vi lar så nlintool bestemme de parametrene som gir best tilpasning til dataene: nlintool(h,bo,paramtanho,a); Når vi kjører denne kommandoen vil det sprette opp et vindu der vi kan se både målepunktene og den tilpassede funksjonen. Verdien på parametrene finner vi ved å eksportere disse på samme måte som vi gjorde i forrige oppgave. De eksporterte parametrene vil da lagres i form av en 4-dimensjonal vektor som heter beta (dersom vi velger det navnet som foreslås av Matlab). Vi definerer så den tilpassede funksjonen som en symbolsk funksjon: syms pos; tanho=paramtanho(beta,pos); Vi definerer en funksjon tanhn for den nedre hysteresekurven på tilsvarende måte. Disse plottes så i samme figur ved å bruke ezplot og hold on: ezplot(tanho,[-7,7]); hold on 4
5 ezplot(tanhn,[-7,7]); (d) Bruk de funnede funksjonene til å finne hysteresetapet. Anslå usikkerheten. Arealet mellom de to hysteresekurvene finner vi på samme måte som i forrige oppgave, dvs. ved å bruke quadl: IntTanh=quadl(tanho-tanhn,-7,7); Svaret vi får her ganges så med volumet og konversjonsfaktorene for å få en numerisk verdi på hysteresetapet. Usikkerheten i dette svaret beregnes på samme måte som i polynomoppgaven. 5
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
Om 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
Noen 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
Matematikk 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
Øvingsforelesning i Matlab TDT4105
Øvingsforelesning i Matlab TDT4105 Øving 6. Tema: funksjoner med vektorer, plotting, while Benjamin A. Bjørnseth 12. oktober 2015 2 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering
Fasit 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
Bootstrapping 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
Matematikk 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
1. 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 (
Matematikk 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) +
Løsningsforslag MAT102 Vår 2018
Løsningsforslag MAT102 Vår 2018 Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet MAT102 Tirsdag 12 juni 2018, kl 0900-1400 Oppgavesettet har fem oppgaver Hver deloppgave
MAT 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
TMA4122/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
Plotting av data. Kapittel 6. 6.1 Plott med plot-funksjonen
Kapittel 6 Plotting av data MATLAB har mange muligheter for plotting av data. Vi skal her konsentrere oss om de viktigste funksjonene og kommandoene for 2-dimensjonale plott. Plottefunksjoner listes opp
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Obligatorisk oppgave: STK 2400 - Elementær innføring i risiko- og pålitelighetsanalyse Innleveringsfrist: Torsdag 10. november 2011, kl.
Øvingsforelesning 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
Polynomisk interpolasjon
Polynomisk interpolasjon Hans Munthe-Kaas 1. jaunar 2002 Abstract Dette notatet tar for seg interpolasjon med polynomer. Notatet er ment som et tillegg til læreboken i I162, og forsøker å framstille dette
Sandvold Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma R2. Geogebra
Sandvold Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen Digitalt verktøy for Geogebra Innhold 1 Om Geogebra 4 2 Regning 4 2.1 Tallregning................................... 4 2.2 Tallet e......................................
TDT4105 Informasjonsteknologi, grunnkurs (ITGK)
1 TDT4105 Informasjonsteknologi, grunnkurs (ITGK) Introduksjon til programmering i Matlab Rune Sætre [email protected] 3 Læringsmål og pensum Mål Lære om programmering og hva et program er Lære om hvordan
Øving 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
Simulering i MATLAB og SIMULINK
Simulering i MATLAB og SIMULINK Av Finn Haugen ([email protected]) TechTeach (http://techteach.no) 13. november 2004 1 2 TechTeach Innhold 1 Simulering av differensiallikningsmodeller 7 1.1 Innledning...
Systemidentifikasjon Oppgaver
Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN, 2012.03.16 Faculty of Technology, Postboks
TDT4105 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
Oblig2 - obligatorisk oppgave nr. 2 (av 4) i INF1000
Oblig2 - obligatorisk oppgave nr 2 (av 4) i INF1000 Leveringsfrist Oppgaven må leveres senest fredag 29 september kl 1600 Viktig: les slutten av oppgaven for detaljerte leveringskrav Formål Formålet med
5.8 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
TDT4105 Informasjonsteknologi, grunnkurs (ITGK)
1 TDT4105 Informasjonsteknologi, grunnkurs (ITGK) Introduksjon til programmering i Matlab Rune Sætre [email protected] 2 Læringsmål og pensum Mål Lære om programmering og hva et program er Lære å designe
MAT 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
MAT1110: 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
Matematikk 1000. Øvingsoppgaver i numerikk leksjon 3. Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 3 Løsningsforslag Oppgave 1 Flo og fjære a) >> x=0:.1:24; >> y=3.2*sin(pi/6*(x-3)); Disse linjene burde vel være forståelige nå. >> plot(x,y,'linewidth',3)
TMA 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
Her skal du lære å programmere micro:biten slik at du kan spille stein, saks, papir med den eller mot den.
PXT: Stein, saks, papir Skrevet av: Bjørn Hamre Kurs: Microbit Introduksjon Her skal du lære å programmere micro:biten slik at du kan spille stein, saks, papir med den eller mot den. Steg 1: Velge tilfeldig
Prøve 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
Texas Instruments TI-84
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for Texas Instruments TI-84 Innhold 1 Regning 4 1.1 Tallet e...................................... 4 2 Sannsynlighetsregning
Simulerings-eksperiment - Fysikk/Matematikk
Simulerings-eksperiment - Fysikk/Matematikk Tidligere dette semesteret er det gjennomført et såkalt Tracker-eksperiment i fysikk ved UiA. Her sammenlignes data fra et kast-eksperiment med data fra en tilhørende
Matematikk 1000. Øvingsoppgaver i numerikk leksjon 5 Skript
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 5 Skript I denne øvinga skal vi lære oss mer om skript. Et skript kan vi se på som et lite program altså en sekvens av kommandoer. Til sist skal vi se
Fasit 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 =
Hydrostatikk/Stabilitet enkle fall
Avdeling for Ingeniørutdanning Institutt for Maskin- og Marinfag Øving 1 Hydrostatikk/Stabilitet enkle fall Oppgave 1 Et kasseformet legeme med følgende hoveddimensjoner: L = 24 m B = 5 m D = 5 m flyter
Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!
Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter! Oppgave.. a x y = x + y = r r r +r r x y = y fri x y = y fri Vi får én fri variabel, og løsningens har følgelig dimensjon.
1. Rullende navn, s 3 2. Smilefjes, s 5 3. Skritteller, s 7 4. Orakel, s 9 5. Stein, saks og papir, s Kompass, s 14
Kom i gang med 2 I dette heftet skal vi gjøre oss kjent med micro:bit og lære å programmere med blokk-kode. Heftet inneholder seks ulike prosjektoppgaver med differensiert innhold og tema. 1. Rullende
Øving 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
<kode> Grunnleggende matematikk for ingeniører Side 1 av 5
Grunnleggende matematikk for ingeniører Side 1 av 5 Emnebeskrivelse 1 Emnenavn og kode Grunnleggende matematikk for ingeniører 2 Studiepoeng 10 studiepoeng 3 Innledning Dette er det ene av
Bootstrapping 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
ITGK - 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
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 1100 Modellering og beregninger Eksamensdag: 12. desember 2003 Tid for eksamen: 9:00 12:00 Oppgavesettet er på 7 sider.
MATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler
MATLAB for STK1100 Matematisk institutt Univeristetet i Oslo Januar 2014 1 Enkel generering av stokastiske variabler MATLAB har et stort antall funksjoner for å generere tilfeldige tall. Skriv help stats
Systemidentifikasjon Oppgaver
University College of Southeast Norway Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Innledning... 3 2 Minste kvadraters metode... 4 3 Validering...
Løsningsforslag. 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
Computers in Technology Education
Computers in Technology Education Beregningsorientert matematikk ved Høgskolen i Oslo Skisse til samlet innhold i MAT1 og MAT2 JOHN HAUGAN Både NTNU og UiO har en god del repetisjon av videregående skoles
41070 STABILITET I ELKRAFTSYSTEMER
NTNU Gitt: 26.01.00 Fakultet for Elektroteknikk og telekommunikasjon Leveres: 09.02.00 Institutt for elkraftteknikk 1 41070 STABILITET I ELKRAFTSYSTEMER ØVING 13. Obligatorisk dataøving. Formål: - gi en
Regneøving 9. (Veiledning: Fredag 18. mars kl og mandag 21. mars kl )
Institutt for fysikk, NTNU TFY4165 og FY1005 Termisk fysikk, våren 011. Regneøving 9. (Veiledning: Fredag 18. mars kl. 1.15-14.00 og mandag 1. mars kl. 17.15-19.00.) Oppgave 1 Damptrykket for vann ved
TMA4245 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
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 14 juni 2004 Tid for eksamen: 9.00 12.00 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: INF-MAT2350
Løsningsforslag til øving 10
Oppgave 1 FY1005/TFY4165 Termisk fysikk. Institutt for fysikk, NTNU. Våren 2013. a) Fra forelesningene, kapittel 4.5, har vi Ved å benytte og kan dette omformes til Med den gitte tilstandsligningen finner
1. (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)
z2 u(z, 0) = 0, u(0, t) = U. (8) Hvilken standardlikning er dette? b) Vi antar (håper) at u kan uttrykkes som en similaritetsløsning δδ ν ηf + F = 0,
Oppg. 13 Det enkleste grensesjiktsproblemet?. Vi har en uendelig lang plate som faller sammen med xy-planet (I Blasiusproblemet har vi en halvuendelig plate). Over denne er det en Newtonsk væske. For t
Øvingsforelesning 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
Løsningsforslag. Innlevering i BYFE/EMFE 1000 Oppgavesett 5 Innleveringsfrist: 15. april klokka 14:00 Antall oppgaver: 3.
Innlevering i BYFE/EMFE 1000 Oppgavesett 5 Innleveringsfrist: 15. april klokka 14:00 Antall oppgaver: 3 Løsningsforslag Oppgave 1 a) I hver forgrening må summen av det som renner inn og det som renner
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma R1. TI-Nspire CAS
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for TI-Nspire CAS Innhold 1 Om TI-Nspire 4 2 Regning 4 2.1 Noen forhåndsdefinerte variabler......................
Øvingsforelesning 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
Matematikk 1000. Øvingsoppgaver i numerikk leksjon 5 Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 5 Løsningsforslag Oppgave 1 Hva gjør disse skriptene? a) Skriptet lager plottet vi ser i gur 1. Figur 1: Plott fra oppgave 1 a). b) Om vi endrer skriptet
Matematikk 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
Matematikk Øvingsoppgaver i numerikk leksjon 3 Skript
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 3 Skript I denne øvinga skal vi lære oss å lage skript. Et skript kan vi se på som et lite program altså en sekvens av kommandoer. Dette er noe vi kommer
Kanter, 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
Lineære 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
Løsningsforslag. Innlevering i BYFE 1000 Oppgavesett 1 Innleveringsfrist: 10. oktober klokka 14:00 Antall oppgaver: 6. Oppgave 1
Innlevering i BYFE 1000 Oppgavesett 1 Innleveringsfrist: 10. oktober klokka 14:00 Antall oppgaver: 6 Løsningsforslag Oppgave 1 x 1 +6x +x 3 = 8 x 1 +3x = 3x 1 +9x +x 3 = 10. a) Totalmatrise: 6 1 8 1 3
Matematikk Øvingsoppgaver i numerikk leksjon 5 for-løkker
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 5 for-løkker I dette settet skal vi introdusere for-løkker. Først vil vi bruke for-løkker til å regne ut summer. Vi skal også se på hvordan vi kan implementere
Dette 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?
TMA4105 Matematikk 2 Vår 2008
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4105 Matematikk 2 Vår 2008 Øving 1 Navn/kursparallell skrives her (ved gruppearbeid er det viktig at alle fyller ut): 1.
Matematikk 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
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma R1. Casio fx-9860
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for Casio fx-9860 Innhold 1 Om Casio fx-9860 4 2 Regning 4 2.1 Tallet e......................................
Løsningsforslag 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
Viktig informasjon. Taylorrekker
Viktig informasjon MAT-IN1105 - Programmering, modellering og beregninger Fredag 15 desember 2017 Kl09:00-13:00 (4 timer) Tillatte hjelpemiddel: Formelsamling (deles ut på eksamen), Gyldig kalkulator I
Høgskolen 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:
nyq Inst. for elektrofag og fornybar energi Fag TELE2001 Reguleringsteknikk Simulink øving 4 Oppstart av Matlab. c:\temp.
nyq Inst. for elektrofag og fornybar energi Utarbeidet: PHv Fag TELE2001 Reguleringsteknikk Simulink øving 4 Revidert sist Fredrik Dessen 2015-10-04 Hensikten med denne oppgava er at du skal bli bedre
UNIVERSITETET 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
Figur 62: Faktorisering kan lett gjøres ved å skrive inn uttrykket og så klikke på verktøyet for faktorisering.
11 CAS i GeoGebra Fra og med versjon 4.2 får GeoGebra et eget CAS-vindu. CAS står for Computer Algebra System og er en betegnelse for programvare som kan gjøre symbolske manipuleringer. Eksempler på slike
Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma 1P. Geogebra
Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen Digitalt verktøy for Geogebra Innhold 1 Om Geogebra 4 1.1 Innstillinger................................... 5 2 Regning 5 2.1 Tallregning...................................
Vektorligninger. Kapittel 3. Vektorregning
Kapittel Vektorligninger I denne uken skal vi bruke enkel vektorregning til å analysere lineære ligningssystemer. Vi skal ha et spesielt fokus på R, for det går an å visualisere; klarer man det, går det
KORT INNFØRING I GEOGEBRA
Innhold INNLEDNING... 3 KORT INNFØRING I GEOGEBRA... 4 ØVELSE 1. TEGNE GRAFER... 9 ØVELSE 2. TEGNE GRAFER TIL RASJONALE FUNKSJONER... 11 ØVELSE 3. LIKNINGSLØSNING... 15 ØVELSE 4. TANGENTER OG MAKS OG MIN
Oppgavene er hentet fra fagets lærebok, Hass, Weir og Thomas, samt gamle eksamener.
NTNU Institutt for matematiske fag TMA45 Matematikk, øving, vår Løsningsforslag Notasjon og merknader Oppgavene er hentet fra fagets lærebok, Hass, Weir og Thomas, samt gamle eksamener. Oppgaver fra kapittel
MATLAB Bruk av dedikert programvare for hydrostatiske beregninger
Avdeling for Ingeniørutdanning Institutt for Maskin- og Marinfag Øving 12b MATLAB Bruk av dedikert programvare for hydrostatiske beregninger Hydrostatiske beregninger validering Valider dine resultater
Steg 1: Lag bildedeklarasjon
Bildepresentasjon Skrevet av: Ruben Gjerstad Eide og Kine Gjerstad Eide Kurs: Processing Tema: Tekstbasert, Animasjon Fag: Programmering, Kunst og håndverk Klassetrinn: 8.-10. klasse, Videregående skole
Matematikk 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
Bioberegninger - 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
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma R1. Geogebra
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for Geogebra Innhold 1 Om Geogebra 4 2 Regning 4 2.1 Tallet e...................................... 4 3 Sannsynlighetsregning
Bootstrapping 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
TDT4105 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:
1 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
Lineære 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
MAT-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
Hei verden Introduksjon Swift PDF
Hei verden Introduksjon Swift PDF Introduksjon Swift er et programmeringsspråk laget av Apple og er etterfølgeren til Objective-C. Med Swift kan du lage apper for ios og OSX. For å gjennomføre dette kurset
