9.feladat megoldás. Szigeti Bertalan György január 15.

Hasonló dokumentumok
Gauss-Seidel iteráció

értékel függvény: rátermettségi függvény (tness function)

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Felvételi vizsga mintatételsor Informatika írásbeli vizsga

84)Adott a következőképpen értelmezett f alprogram. Milyen értéket térit vissza f(1)? És f(100)? function f(x:integer):integer; begin

Matematika A1a Analízis

GROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.

Numerikus módszerek beugró kérdések

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Modellek és Algoritmusok - 2.ZH Elmélet

értékel függvény: rátermettségi függvény (tness function)

Tartalom Keresés és rendezés. Vektoralgoritmusok. 1. fejezet. Keresés adatvektorban. A programozás alapjai I.

Heurisztikák BitTorrent hálózatok max-min méltányos sávszélesség-kiosztására

Gyakorló feladatok az II. konzultáció anyagához

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján

Keresés és rendezés. A programozás alapjai I. Hálózati Rendszerek és Szolgáltatások Tanszék Farkas Balázs, Fiala Péter, Vitéz András, Zsóka Zoltán

KOVÁCS BÉLA, MATEMATIKA II.

Gyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi

Numerikus módszerek 1.

Konjugált gradiens módszer

Kerényi Péter. Gyökkeresés iterációval

Numerikus matematika vizsga

Gyakorlatok. P (n) = P (n 1) + 2P (n 2) + P (n 3) ha n 4, (utolsó lépésként l, hl, u, hu-t léphetünk).

Fraktálok. Hausdorff távolság. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék március 14.

Fourier transzformáció

I. ALAPALGORITMUSOK. I. Pszeudokódban beolvas n prim igaz minden i 2,gyök(n) végezd el ha n % i = 0 akkor prim hamis

Objektumorientált Programozás III.

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.

Numerikus matematika

BBTE Matek-Infó verseny mintatételsor Informatika írásbeli vizsga

Baran Ágnes. Gyakorlat Komplex számok. Baran Ágnes Matematika Mérnököknek Gyakorlat 1 / 16

1 Lebegőpontos számábrázolás

Készítette: X. Y. 12.F. Konzulens tanár: W. Z.

A MATLAB alapjai. Kezdő lépések. Változók. Aktuális mappa Parancs ablak. Előzmények. Részei. Atomerőművek üzemtana

A fontosabb definíciók

CHT& NSZT Hoeffding NET mom. stabilis november 9.

MATLAB alapismeretek III.

Függvények növekedési korlátainak jellemzése

Analízis I. Vizsgatételsor

MATEMATIKA 2. dolgozat megoldása (A csoport)

A derivált alkalmazásai

Numerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

Lineáris algebra és mátrixok alkalmazása a numerikus analízisben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Trigonometria

Beregszászi István Programozási példatár

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

Képfeldolgozás haladóknak Lovag Tamás Novák Gábor 2011

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)

11. gyakorlat Sturktúrák használata. 1. Definiáljon dátum típust. Olvasson be két dátumot, és határozza meg melyik a régebbi.

2010. október 12. Dr. Vincze Szilvia

Baran Ágnes, Burai Pál, Noszály Csaba. Gyakorlat Differenciálegyenletek numerikus megoldása

Mátrixhatvány-vektor szorzatok hatékony számítása

352 Nevezetes egyenlôtlenségek. , az átfogó hossza 81 cm

Adatbázis rendszerek Gy: Algoritmusok C-ben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

JANUS PANNONIUS TUDOMÁNYEGYETEM. Schipp Ferenc ANALÍZIS I. Sorozatok és sorok

2. Milyen értéket határoz meg az alábbi algoritmus, ha A egy vektor?. (2 pont)

Analízis előadás és gyakorlat vázlat

A Newton-Raphson iteráció kezdeti értéktől való érzékenysége

Trigonometria Megoldások. 1) Igazolja, hogy ha egy háromszög szögeire érvényes az alábbi összefüggés: sin : sin = cos + : cos +, ( ) ( )

Geofizikai kutatómódszerek I.

KÉPFELDOLGOZÁS. 10. gyakorlat: Morfológiai műveletek, alakjellemzők

Algoritmizálás és adatmodellezés tanítása beadandó feladat: Algtan1 tanári beadandó /99 1

KOVÁCS BÉLA, MATEMATIKA II.

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Matematikai alapok. Dr. Iványi Péter

Programozás alapjai. 6. gyakorlat Futásidő, rekurzió, feladatmegoldás

Numerikus módszerek 1.

MATLAB. 3. gyakorlat. Mátrixműveletek, címzések

Hatékonyság 1. előadás

TEXTÚRA ANALÍZIS VIZSGÁLATOK LEHETŐSÉGEI A RADIOLÓGIÁBAN

NUMERIKUS MÓDSZEREK I. BEUGRÓ KÉRDÉSEK

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

Nemlineáris egyenletrendszerek megoldása április 15.

Algoritmuselmélet 11. előadás

Mesterséges Intelligencia I. kötelező program

Dr. Schuster György október 14.

Informatikai tehetséggondozás:

Numerikus matematika

Felvételi tematika INFORMATIKA

Vektorok. Octave: alapok. A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István

Inga. Szőke Kálmán Benjamin SZKRADT.ELTE május 18. A jegyzőkönyv célja a matematikai és fizikai inga szimulációja volt.

L-transzformáltja: G(s) = L{g(t)}.

Minden x > 0 és y 0 valós számpárhoz létezik olyan n természetes szám, hogy y nx.

Mintavételes szabályozás mikrovezérlő segítségével

Nemlineáris jelenségek és Kao2kus rendszerek vizsgálata MATHEMATICA segítségével. Előadás: Szerda, 215 Labor: 16-18, Szerda, 215

Algoritmusokfelülnézetből. 1. ELŐADÁS Sapientia-EMTE

A 2017/2018 tanévi Országos Középiskolai Tanulmányi Verseny első fordulójának feladatai. INFORMATIKA II. (programozás) kategória

Programozási segédlet

Microsoft Excel Gyakoriság

Bánsághi Anna 2014 Bánsághi Anna 1 of 68

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1

PILÓTANÉLKÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ RENDSZERÉNEK ELŐZETES MÉRETEZÉSE. Bevezetés. 1. Időtartománybeli szabályozótervezési módszerek

Sorozatok és Sorozatok és / 18

ÉRZÉKELŐK ÉS BEAVATKOZÓK II. 5. DC MOTOROK SZABÁLYOZÁS FORDULATSZÁM- SZABÁLYOZÁS

Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE

Algoritmusok és adatszerkezetek 2.

Átírás:

9.feladat megoldás Szigeti Bertalan György 2018. január 15. A feladatkiírásnak megfelelően mindkét algoritmust leprogramoztam Matlabban. A forrás kódot kommentált formátumban mellékelem a függelékben. Mivel az algoritmus magában a feladatban is le volt írva, ezért azt itt nem ismertetem. Csupán néhány technikai részletre térek ki. A program egymás után végigfuttatja mindkét algoritmust. Először az a) típusú módszerrel méri ki a DOS(ω) függést, majd a b) feladatrészben ismertetett módszerrel. Ehhez, bár a feladat elméletéből világos, hogy csupán az x 0 1 R (ω) x 0 + 1 intervallumon van fizikailag értelme vizsgálódnunk, annak szemléltetése képpen, hogy az állapotsűrűség kompakt tartójú, mégis csak nagyobb ω intervallumra kiszámíttattam és ábrázoltattam azt a programmal. Az ω intervallumot minden esetben 200 pontból tettem össze, ennyi ω értékre futtattam le az algoritmusokat külön-külön. Az algoritmusok végtelen hurokba való kerülését megakadályozandó, iterációszám korlátot és konvergencia kritériumot is alkalmaztam. Az iterációszám korlát magától értetődő: bármelyik ω-nál is tartsunk, bizonyos iterációszám fölé nem mehet az algoritmus. A konvergencia feltételt olyan formában szabtam ki, hogy két, egymást követő x c érték eltérésének abszolút értékének elegendő volt egy bizonyos ɛ érték alá esnie, hogy leálljon az algoritmus. Ha ez nem történne meg, a lépésszám korlát lép éetbe előbb utóbb. A lépésszám korlátot n = 10000 értékben, az konvergencialimitet ɛ = 1E 6 érétkben szabtam meg. Ezen paraméter páros esetében mindig gyorsabban konvergált az iteráció, mint hogy a megszakításra szükség lett volna. Az algoritmusok futtatása során tekintettel voltam a komplex gyökökre. Minden egyes alkalommal megvizsgáltam, hogy valóban a pozitív imaginárius részű gyököt használja-e az algoritmus, s ha úgy találtam, hogy ez sérül, akkor a gyök ( 1)-szeresét vettem. Alább közlöm az eredményül kapott DOS(ω) függvényeket. 1

DOS 1.2 1 x 0 =1, c=0.5 1st methdod 2nd method 0.8 0.6 0.4 0.2 0-3 -2-1 0 1 2 3 ( ) Figure 1: DOS(ω) függés x 0 = 1 és c = 0.5 esetén. 2

DOS 1.2 x 0 =2, c=0.5 1 1st methdod 2nd method 0.8 0.6 0.4 0.2 0-4 -3-2 -1 0 1 2 3 4 ( ) Figure 2: DOS(ω) függés x 0 = 2 és c = 0.5 esetén. 3

DOS 3 2.5 x 0 =2, c=0.1 1st methdod 2nd method 2 1.5 1 0.5 0-4 -3-2 -1 0 1 2 3 4 ( ) Figure 3: DOS(ω) függés x 0 = 2 és c = 0.1 esetén. 4

1 Forráskód 1 c l c %korabbi parancsok t o r l e s e 2 c l e a r a l l 3 format long %pontos szamabrazolas 4 x0=2; %az a k t u a l i s x0 e r t e k 5 %x0 =2; 6 c =0.1; %az a k t u a l i s c e r t e k 7 %c =0.1; 8 maxstep=10000;% lepesszam k o r l a t az i t e r a c i o szamra 9 l i m i t =1e 12; %konvergencia f e l t e t e l : ha max ennyi az e l t e r e ket egmast k o v e t i i t e r a c i o kozott, akkor l e a l l ( kulonben, ha nem, akkor a l e p e s s z a m k o r l a t l e p ervenybe ) 10 omegalimup=x0+2; %omega i n t e r v a l l u m a 11 omegalimlow=x0 6; 12 div =200; %hany ponton merjunk b e l e az omega intervallumba 13 omega=z e r o s ( 1, div +1) ; 14 imomega =0.02; 15 alpha =0.2; 16 f o r l =1:( div +1) 17 omega ( l )=omegalimlow+( l 1) ( omegalimup omegalimlow ) / d i v+i imomega ; % i t t vektorba ( tombbe ) rendezzuk azokat az omegakat, amikre kiszamoljuka DOSt 18 end 19 x c c o l l=z e r o s ( 1, div +1) ; %ez meg tomb l e s z, amibe g y u j t j u k a b ekonvergalt i t e r a c i o k eredmenyet minden egyes omegahoz 20 f o r j =1:( div +1)%j f u t az omegakon 21 xcin=z e r o s ( 1, maxstep ) ; %i n i c i a l i z a l j u k az i t e r a c i o t 22 xcout=z e r o s ( 1, maxstep ) ; 23 dxc=l i m i t 2 ; %i n i c i a l i z a l j u k a k o n v e r g e n c i a f e l t e t e l t, hogy l e g e l o s z o r meg t u t i r a f u s s o n az a l g o r i t m u s 24 xcin ( 1 )=alpha (2 c 1) x0+(1 alpha ) x0 ; %l i n e a r kombinacio 25 r o t=s q r t ( ( omega ( j ) xcin ( 1 ) ) ^2 1) ; %a k r i t i k u s gyokre o d a f i g y e l u n k 26 i f ( imag ( r o t ) <0) 27 r o t= r o t ;%a p o z i t i v i m a g i n a r i u s r e s z u gyokot vesszuk 28 end 29 xcout ( 1 ) =(2 c 1) x0+(x0^2 xcin ( 1 ) ^2) / r o t ;%meg az n=1 l e p e s t i s kuln c s i n a l j u k meg 30 n=2; 31 while n<= maxstep 2 && abs ( dxc )>l i m i t%i n n e n t o l mar hurokban f u t 32 xcin ( n )=alpha xcout (n 1)+(1 alpha ) xcin (n 1);% l i n e a r kombi 33 r o t=s q r t ( ( omega ( j ) xcin ( n ) ) ^2 1);% g y o k v i s z g a l a t 34 i f ( imag ( r o t ) <0) 35 r o t= r o t ; 36 end 37 xcout ( n ) =(2 c 1) x0+(x0^2 xcin ( n ) ^2) / r o t ;% e g y e n l e t 38 dxc=xcin ( n ) xcin (n 1);% v i z s g a l j u k a k o n v e r g e n c i a t 39 n=n+1; 40 end 41 x c c o l l ( j )=xcin (n 1);%az i t e r a c i o veget ( xc ) elmentjuk 42 end 43 44 r o t=z e r o s ( 1, div +1);%DOS( omega ) f u g g e s e l k e s z i t e s e, elmentese 45 f o r l =1:( div +1) 46 r o t ( l )=s q r t ( ( omega ( l ) x c c o l l ( l ) ) ^2 1) ; 47 i f ( imag ( r o t ( l ) ) <0) 48 r o t ( l )= r o t ( l ) ; 49 end 50 51 end 5

52 omega2=omega ; 53 r o t 2=r o t ; 54 55 %i t t kezdodik a masodik modszer ( azonos l e p e s s z a m k o r l a t, 56 %k o n v e r g e n c i a k o r l a t, omega 57 58 f o r j =1:( div +1)%2. f a j t a i t e r a c i o b a n i s v e g i g megyunk az omegakon 59 xc=z e r o s ( 1, maxstep ) ;% d e k l a r a l a s 60 Gc=z e r o s ( 1, maxstep ) ; 61 t c=z e r o s ( 1, maxstep ) ; 62 dxc=z e r o s ( 1, maxstep ) ; 63 dxc ( 1 )=l i m i t +1;% e l o s z o r meg b i z t o s a n t e l j e s i t h e t o k o n v e r g e n c i k r i t e r i u m, hogy menjen b e l e az e l s o hurokba az i t e r a c i o 64 xc ( 1 ) =(2 c 1) x0;% n u l l a d i k l e p e s 65 n=1; 66 while n<= maxstep && abs ( dxc ( n ) )>l i m i t%i t t megy hurokban 67 ro=s q r t ( ( omega ( j ) xc ( n ) ).^2 1);% g y o k v i z s g a l a t 68 i f ( imag ( ro ) <0) 69 ro= ro ; 70 end 71 Gc( n ) =1./ ro ;% vesszuk s o r r a a l e p e s e k e t 72 t c ( n )=c ( x0 xc ( n ) )./(1 ( x0 xc ( n ) ). Gc( n ) ) (1 c ) ( x0+xc ( n ) )./(1+( x0+xc ( n ) ). Gc( n ) ) ; 73 dxc ( n+1)=t c ( n )./(1+ t c ( n ). Gc( n ) ) ; 74 xc ( n+1)=xc ( n )+dxc ( n+1) ; 75 n=n+1; 76 end 77 x c c o l l ( j )=xc ( n ) ;% vegul kimentjuka vegeredmenyt 78 end 79 r o t=z e r o s ( 1, div +1);% i t t i s e l k e s z i t j u k a DOS( omega ) f u g g e s t 80 f o r l =1:( div +1) 81 r o t ( l )=s q r t ( ( omega ( l ) x c c o l l ( l ) ).^2 1) ; 82 i f ( imag ( r o t ( l ) ) <0) 83 r o t ( l )= r o t ( l ) ; 84 end 85 86 end 87 88 f i g u r e ( 1 )%egyben a b r a z o l j u k 89 p l o t ( r e a l ( omega2 ), imag ( 1. / r o t 2 ), r e a l ( omega ), imag ( 1. / r o t ) ) 90 x l a b e l ( \ Re(\ omega ) ) 91 y l a b e l ( DOS ) 92 lgd=legend ( 1 s t methdod, 2 nd method ) 93 t i t l e ( lgd, x_0=2, c =0.1 ) 6