1. Interpolēšanas metožu izmantošana Lazarus un Matlab vidē.

Funkcija y(x) tiek uzdota ar tabulu, kurā ierakstītas argumenta x - vērtības un tām atbilstošās funkcijas y -
vērtības. Izmantojot lineāro, kvadrātisko interpolāciju un kubisko splainu aprēķināt y -vērtības, ja xmin < x <
xmax. Konstruēt funkcijas y(x) grafiku, ja arguments mainas no xmin līdz xmax.

Uzdevumu varianti

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
1
y 0.28 0.71 0.96 0.98 0.76 0.35 -0.14 -0.60 -0.91 -1.00 -0.84 -0.48 0.00 0.48 0.84 1.00 0.91
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
2
y -0.91 -0.39 0.35 0.89 0.96 0.51 -0.21 -0.82 -0.99 -0.63 0.07 0.73 1.00 0.73 0.07 -0.63 -0.99
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
3
y 0.02 0.35 0.88 0.93 0.43 0.04 0.00 -0.21 -0.75 -0.99 -0.60 -0.11 0.00 0.11 0.60 0.99 0.75
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
4
y -1.19 -1.15 -0.85 -0.66 -0.86 -1.46 -2.21 -2.72 -2.67 -1.99 -0.89 0.24 1.00 1.23 1.03 0.74 0.69
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
5
y 0.02 0.15 0.36 0.61 0.83 0.97 0.99 0.90 0.71 0.46 0.23 0.06 0.00 0.06 0.23 0.46 0.71
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
6
y -0.89 -0.24 0.70 1.50 1.79 1.48 0.78 0.08 -0.28 -0.16 0.30 0.79 1.00 0.79 0.30 -0.16 -0.28
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
7
y -0.87 -0.09 1.06 2.10 2.61 2.45 1.78 0.98 0.43 0.30 0.53 0.85 1.00 0.85 0.53 0.30 0.43
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
8
y -2.71 -1.01 1.40 3.28 3.71 2.50 0.36 -1.56 -2.26 -1.42 0.44 2.26 3.00 2.26 0.44 -1.42 -2.26
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
9
y -0.13 -0.22 0.02 0.53 1.04 1.21 0.84 -0.03 -1.05 -1.78 -1.84 -1.16 0.00 1.16 1.84 1.78 1.05
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
10
y -0.63 0.32 1.31 1.87 1.72 0.86 -0.35 -1.42 -1.90 -1.63 -0.77 0.25 1.00 1.21 0.91 0.37 -0.08
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
11
y -1.54 -0.07 1.65 2.76 2.68 1.37 -0.56 -2.24 -2.89 -2.25 -0.70 0.98 2.00 1.94 0.98 -0.26 -1.07
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
12
y -0.35 1.03 2.26 2.85 2.47 1.21 -0.49 -2.02 -2.81 -2.62 -1.61 -0.23 1.00 1.69 1.75 1.37 0.83
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
13
y 1.40 1.42 1.08 1.04 1.37 1.46 0.68 -0.91 -2.47 -2.98 -2.10 -0.42 1.00 1.50 1.27 1.00 1.16
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
14
y 2.03 2.71 1.37 -1.04 -2.63 -2.25 -0.43 1.12 1.10 -0.21 -1.28 -0.81 1.00 2.56 2.36 0.35 -1.93
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
15
y 2.00 2.50 1.17 -0.78 -1.55 -0.44 1.54 2.56 1.69 -0.28 -1.53 -0.91 1.00 2.45 2.11 0.29 -1.34
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
16
y 1.96 2.36 1.11 -0.83 -2.26 -2.14 -0.41 1.40 1.44 -0.28 -1.66 -1.01 1.00 2.36 1.98 0.28 -1.59
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
17
y 2.31 1.71 0.59 -0.43 -1.55 -2.30 -1.66 -0.07 0.61 -0.14 -0.59 0.51 2.00 2.19 1.22 0.14 -0.90
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
18
y 0.14 -1.14 -1.59 -1.11 -0.09 0.78 0.97 0.34 -0.70 -1.49 -1.45 -0.49 1.00 2.24 2.54 1.63 -0.13
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
19
y -1.58 -1.47 -0.88 -0.65 -0.28 0.94 2.30 2.14 0.00 -2.38 -2.80 -1.05 1.00 1.68 1.19 0.74 0.57
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
20
y -1.04 -0.39 -0.20 -1.30 -2.66 -2.75 -1.65 -0.90 -1.40 -2.18 -1.76 -0.18 1.00 0.81 0.16 0.54 1.97
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
21
y -2.29 -2.78 -0.67 1.31 0.67 -1.43 -1.81 0.38 2.46 1.87 -0.32 -0.93 1.00 2.87 2.07 -0.41 -1.38
x -3.00 -2.75 -2.50 -2.25 -2.00 -1.75 -1.50 -1.25 -1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
22
y -0.46 -1.85 -0.71 1.02 0.94 -0.50 -0.92 0.35 1.26 0.15 -1.61 -1.36 1.00 2.44 0.78 -2.13 -2.57
2. Dotai sazarotas ķēdei sastadīt vienādojumu sistēmu pēc Kirhofa
likumiem un atrisināt to Lazarus un Matlab vidē

1 2

3 4

5 6

7 8
9 1
0

1 1
1 2

1 1
3 4

1 1
5 6
 3. Skaitliskā integrēšana

 1
4 9
 dx 
1  x3 2  3  t dt
1 1
9 2
 
 3  x  1  x dx  1
dx
3 1 4 
1
2x

4 2
  1  t 
 z  1 dz
2
 dt 
5  2t 6 1
1
2 8
 
7   z  1 dz
2
8
 1
dx
1  x1
4
2 3 2
 2  3  x  x2 dx


1
dx 
9  4 x
2
10 
2 1
 
3  1  tan ( x) 2 
 3
11 dx
12 
sin 3  x dx
   1  tan ( x)  2 
   
 0
4
1 1
 

1
dt  ln t  1 dt
13  1  et 14 0
0
2 3
  x
2
 2  x dx  dx
15 1 16  4x
2
0


 2
2  1
17  18  2
dt

 t  cos ( t) dt  sin( t )
 0

9
 
9 2
 1 
19 
 cos  2  t 
2
dt
20 

t  sin( t) dt
 0
8
 
2 3
21 

2
t  cos 2  t dt   22 
 cos  3  t  dt
2
 0 0