Кафедра "Вища математика"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/7491

Офіційний сайт кафедри http://web.kpi.kharkov.ua/vm

Напевно відомо, що в 1923 році в ХТІ вже була кафедра математики, а її першим керівником був Бржечка Володимир Фомич. Кафедра вищої математики є одним із найстаріших підрозділів нашого університету. Дисципліни вища математика та нарисна геометрія викладалися починаючи з 1885 року.

У джерел розробки методики викладання математики стояли найвидатніші вчені, академіки Олександр Михайлович Ляпунов, Володимир Андрійович Стеклов й інші. Колектив кафедри намагається на всіх етапах її становлення й розвитку зберігати традиції, закладені засновниками кафедри, продовжує наукову працю, розвиває закладені напрямки в сучасній математичній підготовці студентів університету. Щорічно навчаються математиці майже чотири тисячі студентів денного відділення.

Кафедра входить до складу Навчально-наукового інституту механічної інженерії і транспорту Національного технічного університету "Харківський політехнічний інститут .

У складі науково-педагогічного колективу кафедри працюють: доктор фізико-математичних наук, доктор педагогічних наук, 2 доктора технічних наук, 8 кандидатів наук; 4 співробітника мають звання професора, 8 – доцента.

Переглянути

Зараз показуємо 1 - 6 з 6

Using of methods of cross-correlation and regressive analysis for determination of functional dependence between sizes
(НТУ "ХПІ", 2019) Prishchenko, Olga Petrivna; Chernogor, Tetyana Timofiyivna
In article it is told about use of methods of correlation and regression analysis when determining functional dependence between values. When studying different objects of a research in laboratory or working conditions there is a need of establishment of the most probable interrelations and interdependence between two or more variable. Sometimes it happens simply as communication easily is found or is in advance known from any theoretical premises. However identification of such communications between different indicators, factors is much more often, signs is extremely difficult task. Researchers face need of introduction of some hypothesis of the nature of communication in the form of functional dependence, i.e. approximation by its some rather simple mathematical expression, for example, linear equation or a polynomial. Methods of correlation and regression analyses are very useful to search of such mathematical functional or structural dependences between two or more variable (on the saved-up experimental data).
Відновлення внутрішньої структури тривимірного об'єкта з використанням невеликої кількості даних
("ОЛДІ-ПЛЮС", 2019) Литвин, Олег Миколайович; Першина, Юлія Ігорівна; Царьов, І. В.
У статті запропоновано метод відновлення внутрішньої структури тривимірного тіла, що використовує чотири томограми. Метод будується за допомогою введення оператора інтерфлетації функцій трьох змінних. Вказаний оператор відновлює (можливо, наближено) функцію трьох змінних в точках між заданими площинами за допомогою її слідів на цих площинах (томограм). Доведені теореми про похибку відновлення функції трьох змінних оператором інтерфлетації. Встановлено клас функцій, які описують внутрішню структуру тіла і які точно можуть бути відновлені за допомогою розробленого методу.
Відновлення розривної функції двох змінних різними інформаційними операторами з використанням трикутних елементів
(Національний технічний університет "Харківський політехнічний інститут", 2021) Першина, Юлія Ігорівна
Досліджуються методи побудови математичних моделей розривних функцій двох змінних з використанням різної інформації про них: односторонні значення в точках та односторонні сліди вздовж заданої системи ліній. Розглядається випадок, коли область визначення шуканої функції тріангульована прямокутними трикутниками. Якщо застосовувати інтерполяційні або апроксимаційні методи наближення, то для їх побудови повинні бути задані значення функції в заданих точках;якщо ж застосовувати інтерлінаційні методи – сліди шуканої функції вздовж заданої системи ліній. В роботі будуються розривний інтерполяційний та апроксимаційний сплайни для наближення розривної функції двох змінних із заданими односторонніми значеннями в заданій системі точок (в нашому випадку, в вершинах прямокутних трикутників), доводяться теореми про оцінку похибки наближення побудованими розривними конструкціями. Також в роботі будується розривний інтерлінаційний сплайн, в якому використовується зовсім інша інформація про розривну функцію – односторонні сліди вдовж заданої системи ліній (в нашому випадку, вздовж сторін прямокутних трикутників). Інтерлінація функцій може знайти широке застосування в автоматизації проектування корпусів літаків, автомобілів; під час отримання і обробки результатів гідролокації та радіолокації, при вирішенні задач компʼютерної томографії, в цифровій обробці сигналів і в багатьох інших областях. В статті також доводяться теореми про інтегральний вигляд залишку та про оцінку похибки наближення побудованим розривним оператором інтерлінації. Наводяться обчислювальні експерименти, які порівнюють результати наближення розривної функції двох змінних різними інформаційними операторами з використанням трикутних елементів. Надалі планується застосувати побудовані оператори розривної апроксимації та інтерлінації для вирішення двовимірної задачі компʼютерної томографії з суттєвим використанням неоднорідності внутрішньої структури тіла, яку необхідно відновити.
Наближення розривних функцій двох змінних методом мінімаксу
(НТУ "ХПІ", 2018) Першина, Юлія Ігорівна; Черногор, Тетяна Тимофіївна; Саприкін, Сергій Олександрович
Запропоновано метод, за допомогою якого можна наблизити функцію двох змінних з розривами першого роду розривним білінійним сплайном, використовуючи метод мінімаксу. Вважається, що розриви функції, яку наближуємо, лежать на прямих, паралельних осям координат. В подальшому планується узагальнити цей метод на випадок, коли вузли сплайну не співпадають з точками розриву функції. Запропонований метод можна буде використати для відновлення внутрішньої структури об'єктів, що мають різну щільність, в медичних, геологічних, космічних та інших дослідженнях.
Побудова математичних моделей за допомогою методів кореляційного і регресійного аналізу
(Національний технічний університет "Харківський політехнічний інститут", 2021) Пріщенко, Ольга Петрівна; Черемська, Надія Валентинівна; Черногор, Тетяна Тимофіївна
У статті розглядається побудова математичний моделей за допомогою методів кореляційного і регресійного аналізу при визначенні функціональної залежності між величинами. При проведенні експерименту часто доводиться стикатися з необхідністю встановлення взаємозалежності між двома або кількома величинами з метою отримання емпіричної формули. У деяких випадках це виявляється простим завданням, тому що ці зв'язки практично наочні або заздалегідь відомі. Як правило, встановити взаємозв'язок між різними показниками, чинниками і ознаками, далеко не тривіальна задача. Виникає необхідність використання деякої гіпотези в вигляді функціональної залежності. Іншими словами, необхідно замінити цю функціональну залежність досить простим математичним виразом. Таким математичним виразом може бути лінійне рівняння або многочлен. Для того щоб, використовуючи дані експерименту, визначити таку математичну або функціональну залежність між змінними, застосовують методи кореляційного і регресійного аналізів. Кореляційний аналіз дає відповідь на статистичну гіпотезу про відсутність або наявність зв'язку між змінними з деякою наперед заданою довірчою ймовірністю. Визначення функціональної залежності між різними величинами по їх експериментальним значенням здійснюється за допомогою регресійного аналізу. В його основі лежить широко відомий метод найменших квадратів. Пропонуючи ту чи іншу рівняння регресії, дослідник визначає як саме існування залежності між змінними, так і математичний її вид. Регресійний аналіз розглядає зв'язок між залежною величиною і незалежними змінними. Цей зв'язок є за допомогою математичної моделі, тобто рівняння, яке пов'язує залежну і незалежні змінні. Обробка експериментальних даних при використанні кореляційного і регресійного аналізу дає нам можливість побудувати статистичну математичну модель у вигляді рівняння регресії. Таким чином, методи кореляційного і регресійного аналізів тісно пов'язані між собою.
Розв'язання задачі відновлення розривних функцій методом мінімакса
(Кам'янець-Подільський національний університет імені Івана Огієнка, 2019) Першина, Юлія Ігорівна; Пасічник, Валентина Олексіївна
Запропоновано метод, за допомогою якого можна наблизити функції однієї та двох змінних з розривами першого роду в точках чи на лініях розривними апроксимаційними сплайнами. У двовимірному випадку область визначення досліджуваної функції розбивається на прямокутні елементи. Для розв’язування цієї задачі в даній роботі будується розривний білінійний апроксимаційний сплайн, невідомі параметри якого знаходяться методом мінімакса, тобто будується такий сплайн, який на кожному інтервалі чи прямокутному елементі має найменше максимальне відхилення від наближуваної функції. Як експериментальні дані виступають односторонні границі досліджуваної функції у заданих вузлах. Запропонований метод дозволяє уникати явище Гіббса, яке виникає при наближенні розривних функцій класичними неперервними конструкціями. В роботі детально описаний чисельний експеримент, який підтверджує ефективність запропонованого методу. Автори вважають перспективним розвиток теорії наближення розривних функцій багатьох змінних розривними сплайнами та побудову математичних моделей розривних процесів на основі розробленої теорії, оскільки існує багато практично важливих наукових та технічних галузей, в яких об’єкти дослідження математично описуються розривними. В подальшому планується узагальнити цей метод на випадок, коли вузли розривного сплайну не співпадають з точками розриву досліджуваної функції. Запропонований метод можна буде використати для відновлення внутрішньої структури об’єктів, що мають різну щільність, в медичних, геологічних, космічних та інших дослідженнях; в методах цифрової радіографії, обчислювальної томографії для визначення місця розташування і геометричних розмірів прихованих дефектів у контрольованому виробі, а також для контролю виробів у реальному масштабі часу його технологічного виготовлення.