دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 89 کیلو بایت |
تعداد صفحات فایل | 26 |
کارایی الگوریتم مسیریابی شکسته شده برای شبکه های چندبخشی سه طبقه
چکیده:
این مقاله شبکه های سویچنگ سه طبقه clos را از نظر احتمال bloking برای ترافیک تصادفی در ارتباطات چند بخشی بررسی می کند حتی چنانچه سویچ های ورودی توانایی چند بخشی را نداشته باشند و نیاز داشته باشند به تعداد زیاد وغیرمجازی از سویچهای میانی برای فراهم کردن این مسیرهایی که پلاک نشوند مطابق درخواستها مدل احتمالی این دید را به ما میدهد که احتمال پلاک شدن در آن بسیار کاهش یافته و تقریبا به صفر می رسد در ضمن اینکه تعداد سویچهای میانی بسیار کمتر از تعداد تئوریک آن است.
در این مقاله یک الگوریتم مسیریابی شکسته شده را فعال پلاک شدن در آن معدنی شده است برای اینکه قابلیت مسیریابی با fanout بالا را برآورده کند. ما همچنین مدل تحلیلی را بوسیله شبه سازی کردن شبکه بر روی
فهرست اصطلاحات: چند بخشی، ارزیابی عملکرد، مدل احتمالی، شبکه های سویچینگ
معدنی:
شبکه های clos بخاطر انعطاف پذیری وساده بود نشان بطور گسترده در شبکه های تلفن، ارتباطات Data و سیستمهای محاسبه ای موازی بکار برده می شوند. کارایی خیلی از برنامه های کاربردی بوسیله یک عمل چند بخشی موثر که پیغامی را به چند دریافت کننده بصورت همزمان می فرستد بهتر می شود. به عنوان مثال در سیستمهای چند پردازنده ای یک متغیر همزمان سازی قبل از آنکه پرازنده ا بکارشان ادامه دهند باید فرستاده شود. همانطوریکه برنامه های کاربردی به خدمات چند بخشی موثر که توسعه پیدا کرده نیاز دارند در طی چند سال اخیر حتی در شبکه های با دامنه عمومی طراحی سیستمهای سویچینگ که بطور موثر بادرخواستهای چندبخشی سروکار دارد نیز اهمیت پیدا کرده است.
تلاشهای زیادی برای سازگار کردن شبکه های clos (که در ابتدا برای ارتباطات نقطه به نقطه توسعه پیدا کرده بودند) برای آنکه با ارتباطات چند بخشی وفق پیدا کنند انجام شده است.شبکه clos چند بخشی با قابلیت پلاک نشدن هنوز بسیار گران در نظر گرفته میشوند برای همین کارایی آن را روی پیکربندی های کوچکتر از معمول در نظر نمی گیرند.
یک شبکه clos سه طبقه بوسیله نشان داده می شود که سویچهای طبقه ورودی m سویچهای لایه میانی و سویچهای لایه خروجی است، هر کدام از سویچهای لایه ورودی تاپورت ورودی خارجی دارند و به هر کدام از سویچهای لایه میانی اتصال دارد بنابراین ارتباط بین طبقه ورودی وطبقه میانی وجود دارد . هر سویچ طبقه خروجی عدد پورت خروجی دارد و به هر کدام از سویچها یک درخواست اتصال نشان داده میشود به شکل c(x,y) که در آن x یک سویچ ورودی و را یک مجموعه مقصد از سویچهای خروجی است.
چندی /1 درجه fanout درخواست نامیده می شود. به یک مجموعه از درخواستهای اتصال سازگار گفته می شود اگر جمع تصادفات هر کدام از سویچهای ورودی از بزرگتر نباشد وجمع تصادفات کدام از سویچهای خروجی بزرگتر از نباشد.
یک درخواست با شبکه موجود سازگار است اگر تمام درخواستها و همچنین درخواست جدید سازگار باشد در شکل (1) برای نمونه با پیکربندی موجود سازگار است ولی سازگار نیست جون سویچ خروجی شماره 1 درخواست را قبلا حمل کرده است. یک خط سیر برای درخواست اتصال جدید یک درخت است که سویچ ورودی x را به مجموعه /1 تا سویچ خروجی از میان سویچهای میانی متصل می کند. یک درخواست اتصال قابل هدایت است اگر یک مسیر روی تمامی اتصالات بین طبقه ای پیدا کند وبتواند ردر انحصار قرار دهد.
ماسول و جدول برای اولین بار nonblacking محض /1 وشبکه clos سه طبقه قابل بازآیی را برای اتصالات چندگانه که اتصالات بین هر تعداد از سویچهای ورودی وسویچیهای خروجی بوجود می آورد را معدنی کردند.
هرانگ قابلیت بازایی وخواص nonblaking شبکه های clos چند بخشی را تحت شرایط مختلف ومحدودیت های fonout مورد بررسی قرار داد
یانگ وماسول اولین تحلیل خود را که اجازه می داد سویچهای هر طبقه برای کاهش نیازهای سخت افزاری همانند سازی کند را انجام دادند آنها ثابت کردند که اگر تعداد سویچهای میانی o(nlogr/logloyr) باشد آنگاه شبکه nonblacking بوجود آمده است که تمام درخواستها از حداکثر k عدد سویچ میانی استفاده می کند که k نیز ثابت می باشد. علاوه بر مطالعات شبکه های clos چندبخشی nonblamking چندین تلاش رویکرد برای تعیین رفتاری blacking شبکه های swiching برای ارتباطات نقطه نقطه وجود داشت.
این تحقیق مدلهای احتمالی را را که بصورت نزدیکی رفتار شبکه های سویچینگ سه طبقه ای را تخمین می زند را تامین می کند.
برای ارتباطات چند بخشی هرانگ ولین یک مدل blocking از درخواستهای چند پخشی قابل بازآرایی را در شبکه clos نقطه به نقطه nonblocking با فرمول c(n,r,2n-1) پیشنهاد کردند. یانگ ووانگ رفتار blaocking درخواستهای چند پخشی را روی شبکه clos بوسیله بسط دادن مدل بررسی کردند
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 245 کیلو بایت |
تعداد صفحات فایل | 21 |
کاربرد روش L1 – تقریب در معادلات انتگرال تکین
- مقدمه: معادلات انتگرال را میتوان با استفاده از فن LP – تقریب (به ویژه L1 تقریب) به طور موثری حل کرد. در این متن فن کلی را مورد بحث قرار میدهیم و سپس آن را با حل چند معادله انتگرال مختلف توضیح میدهیم. علاوه برامتیازات دیگر، این روش به طور موفقیت آمیزی در مورد معادلات انتگرال تکین و همین طور معادلات انتگرال قویاً تکین (نظیر انتگرال های آدامار یا متناهی – قسمت) تعمیم داده شده و به کار رفته است. در بحث حاضر، مروری بر این مطالعه ارائه میشود.
2- مقدمات ریاضی :
به طور کلی هدف این متن عبارت است از کاربرد فن LP- تقریب در حل یک معادله انتگرال فردهولم (خطی یا غیر خطی) نوع اول یا دوم به صورت
در معادلة بالا تابع هدایتگر و هسته K توابعی معلوم اند، در حالی که تابع مجهول است که باید آن را بیابیم پارامتر نیز معلوم است. مساله کلی LP- تقریب پیوسته را میتوان به صورت زیر فرمول بندی کرد:
تابع f معین روی یک بازة حقیقی مانند x همراه با یک تابع تقریب مانند F(A)، که به متغیر n پارامتری A=(a1 , …,an) در Rn وابسته است، مفروض اند.
در این صورت مساله LP- تقریب پیوسته به این معنی است که باید برداری مانند به گونه ای بیابیم که به ازای هر رابطة :
برقرار باشد.
جنبة اصلی مساله که باید مورد بحث واقع شود فرمول بندی مجدد مساله معادله انتگرال به صورت یک مساله LP- تقریب است. برای این منظور، فرض کنیم بتوان تابع جواب را با تابع F(A)، که ممکن است خطی یا غیر خطی باشد، تقریب زد. اگر این تقریب را در معادله انتگرال بگذاریم، رابطة زیر به دست میآید:
در آن صورت مساله تقریب را میتوان بر حسب LP- نرم به صورت:
بیان کرد که در آن F(A,x) نسبت به A روی Rn و نسبت به x روی [a,b] تعریف شده است. توجه داشته باشید که میتوان عبارت
را تابعی مانند تلقی کنیم که فقط به A بستگی دارد. پس میتوان مسأله تقریب را به عنوان یک مسأله مینیمم سازی غیر مقید وابسته به n متغیر an,...,a1 در نظر گرفت. بنابراین، J فقط باید نسبت به این متغیرها مینیمم شود. در نتیجه، با حل مسأله مینیمم سازی بالا امکان حل تقریبی معادله انتگرال وجود دارد.
برای مطالعة درباره جزئیات این فن (و از جمله آنالیز ریاضی) مراجع [19] , [18] تالیف De Klerk را ببینید.
در این مرحله دو تفسیرزیر ضروری اند:
مقادیر مخلتف P را میتوان مورد استفاده قرار داد. برای مثال به ازای P=1 مسأله منجر میشود به مسأله کمترین قدر مطلق و به ازای P=2 مسأله منجر میشود به مسألة کمترین مربعات. دلیلی وجودندارد که مقادیر مثبت دیگر P را در نظر نگیریم. حالت P=2 را بیشتر می شناسیم، در حالی که حالت P=1 کمتر آشناست. بنابراین احساس میشد که این حالت باید حاوی چالش های عددی جالبی (در رابطه با قدر مطلقی که در انتگرالده ایجاد می شود) باشد. توجه داشته باشید که خطی یا غیر خطی بودن انتگرالده بالا نسبت به A بستگی به تابع تقریب F(A) و هسته K دارد. در روش عددی ای که در اینجا مورد بحث قرار میگیرد تمایز خاصی بین خطی یا غیر خطی بودن قائل نمیشویم.
3- شیوة عددی و مثال ها :
فن عددی در اصل از دو شیوة عددی تشکیل شده است، یعنی شیوة مینیمم سازی و شیوة انتگرال گیری.
مینیمم سازی با استفاده ازیک الگوریتم استاندارد بهینه سازی انجام میگیرد. الگوریتم UMPOL در IMSL Library که بر پایة روش «سیمپلکس داون هیل» از نلدر و مید (به مثال [37] تالیف Press مراجعه کنید)، که گر چه زیاد سریع نیست اما این مزیت را دارد که بسیار قوی است و به مشتق گیری ها نیازی ندارد. در واقع ماشین سر به زیری است که معمولاً مقدار مینیمم یک تابع را به درستی مییابد . همچنین
De Klerk در [20] متذکر شده است که روش لووس- جاکولا [34] نیز روشی قوی است که به مشتق گیری ها نیازی ندارد و بررسی بیشتر جواب هایی که با بهره گیری ازاین روش بدست می آیند را مفید دانسته است.
انتگرال گیری عددی با استفاده از فن کوادراتور اتوماتیکی که ونتر و لاوری [3] با یک انتگرالده به صورت g(|f(x)|) آورده اند، انجام میشود. برای بدست آوردن این شیوه این محققین رویة انتگرال گیری تطبیقی استاندارد QAGE را تغییر داده اند (از QUAD PACK تالیف [35] Piessens ). در حین فرایند انتگرال گیری، با استفاده ازمقادیر موجود برای تابع، صفرهای تابع پیدا میشوند که از آنها (صفرهای تابع) به عنوان نقاط تقسیم در انتگرال گیری استفاده میکنیم.
در [20] ذکر شده است که ونتر ولاوری این روش را با موفقیت بالایی امتحان کرده اند، همچنین در پایان نامه دکتری ونتر نیز از بکارگیری این روش نتایج خوبی بدست آمده است [8].
De Klerk در [18] نتایج رضایت بخشی را با استفاده از این استراتژی تقریب بدست آورده است.
بر خلاف بسیاری روش های دیگر، با استفاده از روشی تقریبی نظیر روش یاد شده، در ساختن جواب نیز آزادی عمل بیشتری داریم (مثلا می توان توابع گویا و توابع مثلثاتی را بکار برد).
با اینکه داشتن تجربه در ارتباط با انتخاب یک تابع تقریب لازم است اما این امر موجب کنار گذاردن روش مذکور نمی شود.
De Klerk با در نظر گرفتن مثال های زیر، برخی از نتایج اصلی سال های گذشته را به بحث میگذارد.
مثال (1- ) پارامتر به سمت یکی از مقادیر ویژه مسأله میل میکند.
هسته جدایی پذیر زیر را در نظر بگیرید، داریم :
که در آن دو مجموعه از توابع مستقل خطی هستند.
در این حالت معادله انتگرال فردهولم به طور کلی یک و فقط یک جواب دارد. تنها استثنا وقتی است که یکی از مقادیر ویژه هسته را به خود میگیرد که در این حالت مسأله جواب ندارد (Tricomi [9]) . مثال بعد کارایی فن مذکور را نشان میدهد. معادله انتگرال فردهولم نوع دوم زیررا در نظر بگیرید.
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 107 کیلو بایت |
تعداد صفحات فایل | 40 |
روش های تکراری پیش فرض در مسائل گسسته خطی از منظر معکوس« بایسیان»
چکیده:
در این مقاله ما با مسائل گسسته خطی که با روشهای تکراری قابل حل می باشد از نظر آماری معکوس بایسیان روبرو خواهیم شد پس از بررسی اجمالی روش های تکراری عمده برای حل مسائل ناقص خطی و برخی نتایج آماری اولیه و روشهای آماری استراتژیهای ترسیمی را مورد تجزیه و تحلیل قرار خواهیم داد. نمونه های محاسبه شده رابط بین این دو را تشریح می کند.
کلمات کلیدی: حل های معکوس( امتحانی) فضای فرعی« کریلا» و روش معکوس« بایسیان»
پیش فرضها مسائل ناقص
(1) مقدمه
استفاده از روشهای تکراری برای حل سیستمهای خطی معادلات روشی انتخابی است هنگامی که ابعاد سیستم آنقدر بزرگ باشد که
فاکتورسازی ماتریس A را غیر عملی سازد یا هنگامی که ماتریس آن بطور صریح مجهول باشد و ما بآسانی بتوانیم حاصلضرب آن را با هر گونه بردار معلومی محاسبه کنیم. هنگامی که سیستم خطی در رابطه با گسستگی مسائل خطی ناقص سمت راست b اطلاعات و فرضیات را مورد بررسی قرار دهد، نقش مسائل متوالی در ماتریس A افزایش می یابد و بنابراین حل مسائل برای یافتن خطا در داده ها مهم و ضروری به نظر می رسد. بمنظور حفظ خطا در نشان دادن صورت b برخی از روشهای بدست آوردن مجهولات بایستی مشخص شود در زمینه روشهای معکوس بمنظور حل مجهولات بواسطه توقف کردن تکرار قبل از همگرایی در حل سیستم های خطی بهتر است به تکرار های ناقص رجوع شود. تجزیه و تحلیل کامل در ویژگی های معلوم کردن به روش CG در معادلات کامل هنگامی که می توان از معیارهای بازدارندگی مناسب استفاده کرد در بخش ] 10 [ قابل بحث می باشد.
در صورتیکهM ماتریس معکوس باشد، براساس ویژگی های طیفی MA همگرایی سریعترین برای روشهای حل تکراری ایجاد می کند. ماتریس M ماتریس شرطی سمت چپ برای سیستم خطی(1) نامیده می شود قابلیت امتحان ماتریس M نشان میدهد که سیستم های (1) و (2) راه حل یکسانی دارند انتخاب یک ماتریس شرطی مقدم M نشان می دهد که چنین ماتریسی نه تنها ویژگی های طیفی ماتریس A را تغییر می دهد بلکه بمنظور حل سیستم های خطی با مضروب ماتریس A بآسانی می توان آن را در کل بردار ضرب کرد. در حقیقت در هنگام حل سیستم 2 به روش تکرار لازم است ضرب ماتریس در بردار را در فرم مورد محاسبه قرار دهیم. سیستم خطی (1) با معادله زیر قابل جانشینی است.
(3)
ماتریس معکوس
در صورتی کهM ماتریس معکوس باشد در این مورد M ماتریس شرطی اولیه را ست نامیده می شود و از آنجائیکه هنگام حل سیستم خطی لازم است ضرب ماتریس در بردار را که بصورت نشان داده می شود محاسبه کنیم حل سیستم خطی با ضریب ماتریس A نیز ضروری به نظر می رسد یکی از شرایط برای روشهای حل تکراری در سیستم های خطی را می توان در بخش 19 مشاهده کرد زمانی که سیستم خطی از پراکندگی مسائل ناقص خطی ناشی می شود لازم و ضروری است که این مسائل را حل کرد در عوض تغییر مسیر از شتاب دهنده های همگرا به یک افزایش دهنده کیفیت در حل مسائل محاسبه شده به هیچ روش امکان پذیر نمی باشد. علاوه بر آن سمت و جهتی که معکوس ماتریس بکار می رود بسیار مهم است.در حل تکراری مسائل خطی یک شرط اولیه سمت راست مرتبط با داده های کاملاً منسجم و موجود در مورد حل در حالیکه شرایط لازم الاجرای سمت چپ داده هایی در مورد تمایز ویژگی های آماری ارائه می دهد در حالی که کاربرد این فرضیات در رابطه با روشهای تکراری در سیستم های خطی مشابه و مسائل خطی ناقص بر هم مرتبط است ساخت این پیش فرضیات مناسب کاملاً متغیر بوده و در موارد بعدی برای فهم اینکه چگونه این پیش فرضیات بر کیفیت حل مسائل اثر گذارنده مهم بنظر می رسد.
برخی انواع داده های قبلی در مورد حل ممکن است قابل تغیر به یک تغییرات مناسب در جهت حل های تکراری باشد بعنوان مثال داده هایی در مورد حد های بالایی و پائینی در حل اعداد صحیح بواسطه مراحل ترسیم سازی، پس از ترسیم روش تقریبی روش های تکراری با استفاده از روش های حل ترسیمی بعنوان یک سری حدسیات اولیه جدید آغاز می شود رجوع شود به] 3 [ فرایند ادامه می یابد تا یک معیاری برای توقف حاصل شود این امر باعث می شود روشهای مؤثر محاسباتی نسبت به مدل های استاندارد تأثیر بهتری داشته باشد.
این مقاله به صورت زیر تنظیم شده است در بخش 2 ما مختصراً برخی از تحقیقات در زمینه روشهای تکراری کریلا و را برای مسائل ناقس و گسسته خطی مورد بررسی قرار می دهیم بخس 3 یک بررسی اجمالی در مورد نتایج آماری مورد نیاز می باشد بخش 4 رابطه بین پیش فرضیات و مسائل معکوس آماری« بایسیان» را با اطلاعات آماری در زمینه حل و نقص را عنوان میکند بخش 5 چگونگی استفاده از استراتژیهای ترسیمی را باری فائق آمدن بر حدهای بالایی و پائینی در حل مسائل نشان میدهد. در بخش 6 ما دیدگاهی را مورد چگونگی انتخاب حدهای مناسب برای یک مجموعه مسائل خطی ناقص هنگامی که راه حل هایی برای حل حدها بخوبی شناخته نشده باشد و چگونگی فائق آمدن بر آن ها را با پیش فرضیات سمت راست مورد بررسی قرار می دهیم. رابطه بین پیش فرضیات سمت چپ و ویژگی های آماری در بخش 7 می آید بخش 8 نمونه های حل شده ای از عملکرد پیش فرض ها و استراتژی های ترسیمی را در بخشهای پیشین ارائه می دهد. نتایج و رئوس مطالب در بخش 9 موجود است.
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 186 کیلو بایت |
تعداد صفحات فایل | 38 |
ماتریس
مقدمه :
شاید یکی از کاربردی ترین مفاهیم و مباحث ریاضی ، مبحث مربوط به ماتریس است که از آن به عنوان ابزاری قوی در مباحث دیگر ریاضیات و بخصوص در فیزیک کوانتم و علومی چون آمار ، حسابداری و ........ استفاده می شود . امروزه ماتریس ها یکی از ابزارهای اساسی محاسبات علمی ریاضیات به حساب می روند و در واقع ، نقش امروز ماتریس ها در ریاضیات و پیشبرد آن ، مانند نقش دیروز اعداد است . ریاضیات کاربردی ، در تمام شاخه ها ، نیاز مبرم به ماتریس دارد ، به خصوص که در بیش تر موارد حل مسائل عملی به نوعی با حل دستگاه های معادلات یا نامعادلات پیوند می خورد که حل چنین دستگاه هایی با ماتریس ها ارتباط تنگاتنگ دارد . ا زاین ور ، این مبحث حتی در سطح دبیرستان نیز از اهمیت ویژه ای برخوردار است ، به طوری که هم در کتاب درسی ریاضیات سال دوم ، هم در هندسه ی تحلیلی و جبر خطی دوره ی پیش دانشگاهی و هم در کتاب های ریاضی عمومی رشته های مهندسی از آن استفاده شده است . لذا ، با مطالعه و یادگیری مفاهیم مربوط به ماتریس ها و کاربرد آن ها ، یکی از جالب ترین و در عین حال ، مفید ترین موضوعات ریاضی بررسی خواهد شد .
تعریف ماتریس : بر اساس تعریفی که اولین بار یک ریاضیدان انگلیسی به نام «کیلی» برای ماتریس ارائه داد ، «ماتریس ، آرایشی از اعداد حقیقی است که روی سطرها و ستون های منظم قرار گرفته و با دو کروشه محصور شده باشند .» هر یک از اعداد حقیقی موجود در یک ماتریس را یک درایه یا عنصر آن ماتریس می نامند .
هر یک از آرایش های زیر یک ماتریس است : (ماتریس ها را با حروف بزرگ نشان می دهیم . )
هر درایه در یک ماتریس ، در تقاطع یک سطر با یک ستون قرار دارد ، مثلاً در ماتریس A ، عدد 2 در تقاطع سطر اول با ستون دوم قرار دارد و یا در ماتریس B ، عدد در تقاطع سطر دوم و ستون دوم واقع است که در واقع ، جایگاه هر درایه در هر ماتریس با همین تقاطع ها مشخص و برای هر درایه در هر ماتریس دو اندیس در نظر گرفته می شود که اولی سطر و دومی ستون مربوط به آن درایه را معلوم می کند . برای مثال ، وقتی می نویسیم یعنی درایه ی روی سطر دوم و ستون سوم و برای هر ماتریس نیز دو اندیس در نظر گرفته می شود که اندیس اول ( از چپ ) تعداد سطرها و اندیس دوم تعداد ستون های آن ماتریس را نشان می دهد . برای مثال اگر B ماتریسی با دو سطر و سه ستون باشد ، می نویسیم و می گوییم « B ماتریسی 2 در 3 » یا «از مرتبه ی 2 در 3 » است ، و در حالت کلی اگر A ماتریسی باشد ، داریم :
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 184 کیلو بایت |
تعداد صفحات فایل | 19 |
مبحث تابع
تعریف زوج مرتب:
هر دستة متشکل از دو عنصر با ترتیب معین را یک زوج مرتب گویند. مانند زوچ مرتب (x,y) که x را مؤلفه اول مختص اول یا متغیر آزاد گویند و y را مؤلفه دوم مختص دوم متغیر وابسته( تابع) یا تصویر گویند و نمایش هندسی آن نقطهای در صفحة مختصات قائم است که طول آن برابر x و عرض آن برابر y است.
تساوی بین دو زوج مرتب:
دو زوج مرتب با یکدیگر مساویاند اگر دو نقطه اگر مؤلفههای نظیربهنظیر آنها با هم برابر باشند یعنی:
مثال: از تساوی زیر مقادیر x,y را بیابید:
تعریف حاصلضرب دکارتی دو مجموعه :
حاصلضرب دکارتی در مجموعه B,A که با نماد نشان داده میشود عبارت است از مجموعه تمام زوج مرتبههائی که مؤلفة اول آنها از A و مؤلفه دوم آنها از B باشد یعنی:
مثال: حاصلضرب دکارتی درهر یک از مثالهای زیر را بصورت مجموعهای از زوجهای مرتب بنویسید و نمودار آن را در دستگاه محورهای مختصات قائم رسم نمائید:
(1
(2
نمودار حاصلضرب دکارتی مجموعههای داده شدة زیر را در دستگاه محورهای مختصات قائم رسم کنید.
ویژگیهای حاصلضرب دکارتی مجموعهها :
فضای دوبعدی ( صفحه) 3) , ,
4) , ,
5) مثال:
تضاد زوجهای مرتب:
تعریف ریاضی رابطه:
اگر B,A دو مجموعه دلخواه باشند هر زیرمجموعه از حاصلضرب دکارتی را یک رابطه از A در B گویند اگر f یک زیرمجموعه از باشد گویند. F یک رابطه از A در B است به عبارت دیگر رابطه Fمجموعه تمام زوج مرتبهای است که مؤلفههای اول و دوم آن با شرایطی خاص( قانون یا ضابطة خاص) به یکدیگر مربوط میشوند. به بیان دیگر رابطه f زیرمجموعهای از است که با ضابطه یا قانون خود مختص اول زوجهای مرتب را به مختص دوم آنها پیوند میدهد مانند رابطه پدر و فرزندی رابطه مالک و مستأجری رابطه عبد و مولا رابطه اعداد با مجذور آنها.
مفهوم تابع: تابع بیانگر چگونگی ارتباط مقدار یک کمیت(متغیر وابسته y= ) به مقدار یک کمیت دیگر( متغیر مستقل x= ) است مفهومی که خواص آن، انواع آن، نمودار آن حد و پیوستگی آن؛ مشتق و انتگرالگیری از آن و… نه تنها در ریاضیات بلکه درهمه علوم و فنون نقش مهمی ایفا میکند و در زندگی خود نیز به نمونههایی برمیخوریم که مقدار یک کمیتی( کمیت تابع) به مقدار کمیت دیگری( کمیت آزاد) وابسته است؛
مثال: متغیرهای وابسته (y) و متغیرهای مستقل(x) را در مثالهای زیر مشخص کنید:
1) افزایش طول یک فنر به وزنهای که به آن آویزان میشود بستگی دارد.
جواب: « افزایش طول فنر» = متغیر وابسته(y ) و « مقدار وزنه» = متغیر آزاد (x)
2) »هر که بامش بیش، برفش بیشتر»
جواب:« مقدار برف انباشتهشده روی پشتبام» = متغیر وابسته(y ) و« مساحت پشتبام»= متغیر آزاد
3) مقدار مکعب هر عددی به آن عدد وابسته است.
جواب: مکعب عدد«= متغیر وابسته(y ) و « خود عدد»= متغیر مستقل(x )
تذکر: با توجه به اینکه هر تابع یک رابطه است( عکس این مطلب درست نیست یعنی هر رابط ممکن است تابع نباشد.
تعریف تابع:
اگر رابطهf بصورت مجموعه زوجهای مرتب باشد آنگاه رابطةf را تابع گویندهرگاه هیچ دوزوج مرتب متمایزی در f دارای مؤلفههای اول یکسان نباشند یعنی:
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 805 کیلو بایت |
تعداد صفحات فایل | 55 |
ریاضیات و بند کفش
آیا هیچ گاه از خود پرسیده اید که چه کسی یک ریاضیدان است؟ چندین سال پیش حرفه ای برای این پرسش در ذهن من ایجاد شد و به نظرم رسید که ریاضیدان شخصی است که قدرت تشخیص فرصتهای موجود برای به کار گیری ریاضیات را دارد و این در حالی است که بقیه افراد متوجه این فرصتها نیستند. در این مورد می توان بند کفش را در نظر گرفت آقای جان هاتسون استاد علوم کامپیوتر دانشگاه کارولینای شمالی مقاله ای با عنوان
» معمای بند کفش« به رشته تحریر درآورده است. حداقل سه نوع آرایش کلی برای بستن بند کفش وجود دارد که عبارت است از نوع امریکایی(زیگراگ)، نوع اروپایی و نوع کفاشی(ایرا نی). هر چند از نظر خریدار شکل ظاهری و زمان لازم برای گره زدن دارای اهمیت است ولی برای تولید کنندگان کفش، موضوع مهمتر آن است که کدام یک از آرایشها دارای کوتاهترین طول بوده و در نتیجه کمترین هزینه را در بر خواهد داشت؟ در این مبحث به منظور یافتن طول بند فقط اندازه خطوط مستقیم مورد توجه قرار گرفته است. فزض شده است که طول مورد نیاز برای گره زدن در تمامی آرایشها یکسان است و از این رو در نظر گزفته نشده است. توصیه میشود از چشمهای کسی ه کفش را پوشید ه است به کفش بنگرید و در این راستا منظور از ردیف بالای سوراخها آنهایی است که نزدیک پا باشند.نکته دیگر اینکه در اینجا ضخامت بند (ضخامت خط) معادل صفر و سوراخها به عنوان نقطه فرض شده اند. حال اگر به دقت به مساله بنگریم، خواهیم دید که طول بند به سه پارامتر بستگی دارد که در روی شکل نیز مشخص شده اند: 1- تعداد سوراخها(n ) 2- فاصله بین سوراخهای متوالی (d ) 3- فاصله بین سوراخها ی چپ و راست در هر ردیف (g ).
بااستفاده از قضیه فیثاغورث می توان طول بندها را یافت (البته شادی تعجب کنید که قضیه چنین مرد بزرگی دارای این کاربرد باشد):
دسته بندی | ریاضی |
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.
دسته بندی | ریاضی |
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:
دسته بندی | ریاضی |
فرمت فایل | doc |
حجم فایل | 67 کیلو بایت |
تعداد صفحات فایل | 56 |
نسبیت
مقدمه :
معمولا سه مرحله مجزا در تحول بینیتی وجود دارد. این سه مرحله به طور شماتیک است. در ابتدا یک زیر وامه که تشکیل از یک صفحه فریتی است روی مرزدانه آشیت جوانه زنی کرده و تا زمانی که رشد آن توسط تغییر شکل پلاستیک آشیت زمینه متوقف نشده به رشد خود ادامه می دهد. در این مرحله زیر واحدهای جدید در نوک صفحه فریتی قبلی جوانه زنی کرده و رشد می کنند . مجموعه ای از چند زیر واحد را اصطلاحا یک شیف (Sheef) می گویند. سرعت متوسط طویل شدن یک شیف قاعدتا کمتر از یک زیر واحد است که علت آن وقفه های زمانی بین تکیل زیر واحدهای متوالی است . رسوبگذاری کاربید که در مرحله بعدی وقوع می یابد سرعت تحول را با حذف کربن از آشیت باقی مانده یا از فریت فوق اشباع متاثر می کند.
دمای شروع تحول
دمای شروع تشکیل نسبیت و هم چنین فریت ویرمن اشتاین که ماهیت تحول آن بسیار شبیه به نسبیت می باشد ) به ترکیب شیمیایی فولاد بیش از دمای حساس هستند (شکل a6.3(
این مساله نشان دهنده اثر انحنای محلول بر تحولات بینیتی یا فریت ویرمن اشتاتن است.
ویاگرام زمان – دما – استحاله (TTT) در فولاد ها اغلب مطابق شکل b 6.3 است . همانطور که ملاحظه می گردد این دیاگرام شامل در منحنی c شکل است که بالائی مربوط به تحولات نفوذی یا تحولات همراه با دوباره بنا شدن ساختارهای فازی (Re Consteructive) و منحنی پایینی مربوط به تحولات برشی یا همراه با جابجایی دسته جمعی انحنا (displacive) می باشند . دمای روی منحنی پایینی شکل b6.3 نشان دهنده بالاترین دمایی است که فریت ویرمن اشتاتن و نسبیت یکسان بوده و صرفا به شرایط ترمودینامیکی بستگی دارد. با توجه به تاثیر عناصر آلیاژی بر دمای شروع تحول نسبیتی روابط تجربی زیادی در فولادهای مختلف ارائه شده اند مثلا رابطه برای فولادهای مختلف با آنالیز 55/0-1/0 درصد کربن 35/0-1/0 درصد سیلسیوم 7/1-2/0 درصد منگنز 0/5-0 درصد نیکل 5/3-0 درصد کروم 0/1-0 درصد مولیون ارائه گردیده است.
جوانه زنی نسبیت
همانطور که اشاره گردید جوانه زنی نسبیت مشتمل است بر تشکیل یک زیر واحد به صورت یک صفحه فریتی در مرزدانه آشیت اولیه سرعت جوانه زنی تابعی از دما و انرژی فعالسازی تحول است و به صورت زیر بیان می گردد.
از رابطه فوق v فاکتور نوسانی انرژی فعالسازی جوانه زنی و A ثابت است .
رشد نسبیت
جابجایی فصل مشترک بین واحدهای نسبیت باآشتینت باقی مانده نیازمند جابجایی ایتمهای فاز مادر و اختیار ساختار فاز محصول است . سهولت وقوع این فرایند میزان تحرک مرز را تعیین می نماید البته توزیع اتمهای محلول و همچنین کربن حرکت فصل مشترک را محدود می نماید .بنابر این دو عامل تحرک مرز در اثر جابجایی اتمهاو نفوذ کربن و اتمهای محلول تعیین کننده سینیتک رسد نسبیت هستند . هر دو این فرایندها نیرو محرکه موجود برای تحول را مصرف می کنند.
هنگامی که بیشتر نیرو محرکه موجود جهت نفوذ اتمها مصرف می گردد تحول را کنترل شونده توسط نفوذ می گویند و اگر بالعکس نیرومحرکه جهت اتمها در سراسر فصل مشترک مصرف شود آنرا تحول کنترل شونده بالفصل مشترک می گویند . ابعاد تیغه های نسبیت در طی رشد تحت کنترل نفوذ با زمان به صورت پارا بولیک تغییر می کند . با افزایش ابعاد فاز محصول منطقه نفوذی هم گسترش می یابد و افزایش مسافت نفوذ جهت رسیدن اتمهای محلول به دورترین نقاط باعث کاهش سرعت نفوذ می شود .
ولی صفحات یا سوزنهای موجود با توجه به توزیع اتمهای محلول به وجوه با سرعتی ثابت به رشد خود ادامه می دهند.
دسته بندی | ریاضی |
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: