فایل شاپ
فروش مقاله،تحقیقات و پروژه های دانشجویی،دانلود مقالات ترجمه شده،پاورپوینتفایل شاپ
فروش مقاله،تحقیقات و پروژه های دانشجویی،دانلود مقالات ترجمه شده،پاورپوینتمقاله مینیمم کردن توابع چند متغیره
| دسته بندی | ریاضی |
| بازدید ها | 20 |
| فرمت فایل | doc |
| حجم فایل | 561 کیلو بایت |
| تعداد صفحات فایل | 45 |
مینیمم کردن توابع چند متغیره
مقدمه:
یک کاربرد مهم حساب دیفرانسیل، پیدا کردن مینیمم موضعی یک تابع است. مسائل مربوط به ماکزیمم کردن نیز با تئوری مینیمم کردن قابل حل هستند. زیرا ماکزیمم F در نقطه ای یافت می شود که -F مینیمم خود را اختیار می کند.
در حساب دیفرانسیل تکنیک اساسی برای مینیمم کردن، مشتق گیری از تابعی که می‌خواهیم آن را مینیمم کنیم و مساوی صفر قرار دادن آن است.
نقاطی که معادله حاصل را ارضا می کنند، نقاط مورد نظر هستند. این تکنیک را می توان برای توابع یک یا چند متغیره نیز استفاده کرد. برای مثال اگر یک مقدار مینیمم را بخواهیم، به نقاطی نگاه می کنیم که هر سه مشتق پاره ای برابر صفر باشند.
این روند را نمی توان در محاسبات عدی به عنوان یک هدف عمومی در نظر گرفت. زیرا نیاز به مشتقی دارد که با حل یک یا چند معادله بر حسب یک یا چند متغیر بدست می آید. این کار به همان سختی حل مسئله بصورت مستقیم است.
مسائل مقید و نامقید مینیمم سازی:
مسائل مینیمم سازی به دو شکل هستند:نامقید و مقید:
در یک مسئله ی مینیمم سازی نامقید یک تابع F از یک فضای n بعدی به خط حقیقی R تعریف شده و یک نقطه ی با این خاصیت که
جستجو می شود.
نقاط در را بصورت z, y, x و... نشان می دهیم. اگر نیاز بود که مولفه های یک نقطه را نشان دهیم می نویسیم:
در یک مسئله ی مینیمم سازی مقید، زیر مجموعه ی K در مشخص می شود . یک نقطة
جستجو می شود که برای آن:
چنین مسائلی بسیار مشکل ترند، زیرا نیاز است که نقاط در K در نظر گرفته شوند. بعضی مواقع مجموعه ی K به طریقی پیچیده تعریف می شود.
سهمی گون بیضوی به معادله‌ی
را در نظر بگیرید که در شکل 1-14 مشخص شده است. به وضوح مینیمم نامقید در نقطه ی
(1و1) ظاهر می شود، زیرا:
اگر
مینیمم مقید 4 است و در (0،0) اتفاق می افتد.
Matlab دارای قسمتی است برای بهینه سازی که توسط اندرو گریس طراحی شده و شامل دستورات زیادی برای بهینه سازی توابع عمومی خطی و غیر خطی است.
برای مثال ما می توانیم مسئله ی مینیمم سازی مربوط به سهمی گون بیضوی نشان داده شده در شکل 1-14 را حل نماییم.
ابتدا یک M-file به نام q1.m می نویسیم و تابع را تعریف می کنیم:
مقاله معادلات فرد هولم
| دسته بندی | ریاضی |
| بازدید ها | 16 |
| فرمت فایل | doc |
| حجم فایل | 89 کیلو بایت |
| تعداد صفحات فایل | 11 |
معادلات فرد هولم
باهت ها با جبر ماتریسی: سه معادله انتگرال زیر را در نظر بگیرید
حدود تغییرات انتگرال گیری و تعریف توابع شامل است. حدود انتگرال گیری را تا لازم نباشند ذکر نمی کنیم. قبل از اینکه جواب، این معادلات را مطرح کنیم بهتر است که تقریب هایی ساده برای آنها بدست آوریم، سپس تقریب ها را مورد بحث قرار دهیم. برای این کار می توانیم ایده ای از خواص معادلات انتگرال را بدست آوریم، هر چند عموماً این خواص را به جای اثبات فقط معین می کنیم. در اینجا فرض می کنیم که معادلات ناتکین هستند.
فرض کنید یک عدد صحیح باشد و q,p اعداد صحیح مثبت کمتر از باشند. قرار می دهیم: .
با میل به سمت بی نهایت و h به سمت صفر، به درستی انتظار داریم که تقریب بهتر و بهتر شود.
به ترتیب تقریب هایی برای معادلات انتگرال (1-2)، (2-2)و(3-2) هستند.
معادلات (4-2)،(5-2)و(6-2) را می توان به ترتیب، به صورت ماتریسی بازنویسی کرد.
تحقیق هندسه بردارها
| دسته بندی | ریاضی |
| بازدید ها | 10 |
| فرمت فایل | doc |
| حجم فایل | 137 کیلو بایت |
| تعداد صفحات فایل | 18 |
هندسه بردارها
بردارها:
بردار: دارای بزرگی و جهت است، بردارها از قاعده ترکیب (برداری) خاصی پیروی می کنند.
لیست برداری: کمیتی است که هم بزرگی و هم جهت دارد و بدین سبب می توان آن را با یک بردار نمایش داد.
برخی کمیتهای فیزیکی، از جمله جابجایی، سرعت و شتاب کمیتهای برداری دارند.
همه کمیتهای فیزیکی جهت ندارند، مثلاً دما، انرژی، جرم و زمان جهت خاصی را در فضا نشان نمی دهند این نوع کمیتها را نرده ای گویند و محاسبه های مربوط به آن با قاعده های جبری عادی انجام می شود.
ساده ترین کمیت برداری، جابجایی یا تغییر مکان است. برداری که جابجایی را نشان می دهد، بردار جابجایی نامیده می شود.
جمع کردن بردارها به روش هندسی :
شکل1-1 روش هندسی مربوط به جمع کردن بردارهای دو بعدی a و b را نشان می دهد.
جمع برداری که به این صورت تعریف می شود دو خاصیت مهم دارد.
نخست ترتیب جمع کردن بردارها اهمیتی ندارد. جمع کردن a و b همان نتیجه جمع کردن b با a را بدست می دهد.
یعنی (قانون جابجایی) a+b=b+a
دوم، هر گاه بیش از دو بردار داشته باشیم، برای جمع کردن می توانیم آنها را به هر ترتیبی که بخواهیم گروه بندی کنیم اگر بخواهیم بردارهای aوbوc را جمع می کنیم می توانیم نخست aوb را جمع کنیم و سپس مجموع این دو را با c بدست آوریم . همچنین می توانیم نخست bوc را جمع و سپس آن مجموع را با a جمع کنیم نتیجه ای را که به دست می آوریم برای هر دو یکسان است یعنی:
( قانون شرکت پذیری)
برادار b برداری است که همان بزرگی بردار b را دارد اما جهتش مخالف است . با جمع کردن این دو بردار داریم:
بنابراین جمع کردن –b همان اثر تفریق کردن b را دارد . از این خاصیت برای تعرةیف تفاضل دو بردار استفاده می کنیم .
فرض می کنیم: پس (تفریق برداری)
یعنی برای تعیین بردار تفاضل ، بردار را با بردار جمع می کنیم.
مؤلفه های بردارها :
مؤلفه ی یک بردار تصویر یک بردار بر روی یک محور است.
مولفه های یک بردار برای به دست آوردن مولفه های (نرده ای) هر بردار و معدن ، در راستای محورهای مختصات، از انتهای بردار خط هایی بر محور های مختصات عمود می کنیم.
مؤلفه های بردار عبارت انداز :
که در آن زاویه میان محور x مثبت و بردار a است. علامت جبری یک نقطه جهت آن رادار روی محور مربوط نشان می دهد. با در دست داشتن مؤلفه های بردار ، می توان بزرگی سمتگیری آن را معین کرد: