Kartka2, !Archiwalne, I Rok, Semestr II, Metody Numeryczne I, Kartki ze wzorami


  1. Zadanie numeryczne, uwarunkowanie zadania numerycznego; wskaźnik uwarunkowania, przykłady:

Zadanie numeryczne: ϕ : D⊂Rn → Rm

d (wektor danych = [d1…dn]), ~d(zaburzenie) ∈ D

ω (wektor wyników) ∈ Rm (∈ϕ(d))

Algorytm - A(d) ≠ ϕ(d) (może być zaokrąglenie)

Wskaźnik uwarunkowania: cond(d)<1 dobrze uw.

0x01 graphic
Dla funkcji :0x01 graphic

  1. Sposoby reprezentacji liczb w maszynie cyfrowej, arytmetyka zmiennopozycyjna fl, własności ar. fl:

x=s*2c*m, s∈{±1}, c∈Ζ, m-mantysa m∈[½, 1),

m=Σe-i2-i, e-1=1, e-1∈{0,1}

mt=Σe-t2-t +e-(t+1)2-t - praw. zaokr.

|x-rd(x)|=2c|m-mt|≤½2c-t

rd(x)=x(1+δ), | δ|≤2-t

fl(a□b)=rd(a□b), fl2=t:=2l (Algorytm Gilla-Mǖlera: sumow. z uwzględ. popraw.)

  1. Algorytm metody numerycznej, numeryczne stabilności algorytmu, błąd algorytm. num. stabilnego, przykłady:

Algorytm jest numerycznie stabilny ⇔ ∃K (niezal. od arytmet. i cond(d)), że ∀d∈D ∃~d ||d-~d|| ≤ k2-t||d|| oraz fl(A(d)) = ϕ(~d)

Błąd algorytmu: ||fl(A(d))- ϕ(d)|| = ||ϕ(~d)- ϕ(d)|| ≤ cond(d)0x01 graphic
||ϕ(d)|| ≤ Kcond(d)2-t||ϕ(d)||

0x01 graphic
≤ K cond(d)2-t

  1. Normy wektorów i macierzy oraz ich własności:

0x08 graphic
Wektorów: Normy Höldera: ||x||p=limp||x||p=0x01 graphic
p ≥1; euklidesowa: pε{1;2}; ||x||2=0x01 graphic
||x||=maxi|xi|

||x||≤ ||x||2 ≤ ||x||1 ≤ √(n)||x||2; ||x||1 ≤ n||x||; ||x||2 ≤ √(n)||x||

Macierzy: Euklidesowa (Shuma): ||A||E=0x01 graphic
; Indukowana: ||A||p=0x01 graphic

||A||1=maxji|aij| kolumnowa; ||A||2=maxλεSp√λ spektralna; ||A||maxij|aij|; ||Ax||*≤||A||^ ||x||* zg.z norm.w.

Własności: ||AH||2=||A||2; ||AHA||2=||A||22; ||A||22 ≤ ||A||1 ||A||; ||AB||p ≤ ||A||p ||B||p

A unitarna: ||A||2=1; ||AB||E = ||B||E;

||BA||E = ||B||E; W hermit: ||A||2 = maxλ|λ|

  1. Macierze L(k) i macierze permutacji, ich własności i zastosowanie:

Macierz PεRnxm nazywamy macierzą permutacji, jeżeli ∀ij pij=1 oraz ∀ji pij=1; pijε{0,1}

Własności: PT=P-1 (ortogon); det(P)=sgnσ; PTA -przest. wierszy; AP -przest. kol.; Pkl= PklT= Pkl-1

Własności L(k): det L(k)=1; (L(k))-1-bez minusów; L(1) L(2)… L(k)-trójkątna diag(A)=1, -lij; Niech a=[a1…an]T lik=ai/ak;

  1. Zadanie rozwiązywania układów równań liniowych, wskaźnik uwarunkowania, rozwiązywanie układów z macierzami trójkątnymi:

0x08 graphic
~A=A+δA (macierz zaburzeń) ~b=b+δb (wekt. zab)

~x=x+δx - zaburzenie wyniku; cond(A) wskaź. uw.

0x01 graphic
; cond(A)=||A|| ||A-1||

Twierdzenia:

||A-1 δA||<1 => det(~A)≠0

||A-1 δA||≤ε<1 => 0x01 graphic

||I||=||AA-1||≤||A|| ||A-1||=cond(A) => condp(A) ≥ 1 AT=A-1 (ortogon.) => ||A||2=1 i ||A-1||=1 - zad. dobrze uw.; A=AT => ||A||2=maxλ|λ| i ||A-1||=1/minλ|λ| => cond2(A)=||A||2 / ||A-1||

Macierz Hilberta: 0x01 graphic
-źle uwarunkowana

0x08 graphic
Mać. trójkątne:

diag(A)≠0

num.stab<=> K≈n

0x08 graphic
1. górna

2. dolna

koszt:

(*) 0+1+…+(n-1); (+) 0+1+…+(n-1); =½ n(n-1)

  1. Metoda el. Gaussa rozw. układów równań liniowych, rozkład LU, częściowy i pełny wybór elem. głównego

Gauss: li1=ai1 / a11 Koszt: (*) n3/3; (+) n3/3

0x08 graphic

Rozkład LU . 2 układy z mać trójkątną, koszt (2 ½ n2)

Doolittle'a − 0x01 graphic

Crouta − 0x01 graphic
Cholesky'ego − 0x01 graphic

U=A(n)=L(n-1)A(n-1)L(n-1)…L(1)

Wybór elementu głównego (częściowy) 0x01 graphic
Zamieniamy także kol. mać. b

Wybór elementu głównego (pełny) 0x01 graphic

Rozkład trójkątny z wyb. część. A=P1,p1(L(1))-1 P2,p2(L(2))-1 … P(n-1),p(n-1) (L(n-1))-1 U

Rozkład trójkątny z wyb. pełnym A(k+1)=L(k)Pk,pk A(k) Pk,qk (zamiana i kolumn i wierszy)

Macierz diagonalnie silnie dominująca: 0x01 graphic

  1. Metoda eliminacji Gaussa rozwiązywania ukł. równ. dla mać. 3diag i pasmowych

A=LU, gdzie L: diag(L)=1 i w dół β2… oraz U: diag(U)=α1 i w bok c1… α1=1; βi=bi / α1-i; αi=ai - βici-1

(a1 an bi ci) ≠ 0 oraz |ai|≥|bi|+|ci| przy czym przynajmniej 1 z tych nierówności jest ostra to układ Ax=f ma jednoznaczne rozw. i jest numerycznie stabilny.

k:=1…n-1 //szerokość w=p+q+1

p1=min(p+q,n-k); q1=min(q,n-k); //wybór el. głównego i zam wierszy

r: max =|aik(k)|=maxk<i<k+q1|aik(k)|

max=0 => STOP

zamień arj(k) ⇔ akj(k) j=k…k+p1 br(k) ⇔ bk(k)

for i=k+1…k+q1 //eliminacja

l=aik(k) / akk(k)

aij(k+1)=aij(k) - lakj(k) j=k+1…k+p1

bi(k+1)=bi(k) - lbk(k)

k=n…1

p1=min(p+q,n-k) xk = (bk(k)-∑j=k+1…k+p1akj(k)xj) / akk(k)

Koszt nqw [(*)(+)]

  1. 0x08 graphic
    Metoda Banachiewicza (dla macierzy rzecz. i symetrycznych i dodatnio określonych) rozwiązywania układów równań liniowych, rozkład A=LLT

Własności: A=AT>0 =>: ∃α>0 (axx) ≥α||x||22; det(a)>0; Sp(A)⊂R+

Tw. 0x01 graphic

Tw. Sylwestra A=AT => A>0 wszystkie minory główne są dodatnie

dla j=1…n:0x01 graphic
koszt n3/6

  1. Odwracanie macierzy i obliczanie wyznaczników

A=LU lub A=LLT lub A=QR to A-1 = U-1L-1 = L-1TL-1 = R-1Q-1 = R-1D-1QT

uii≠0≠lii, W=U-1, S=L-1

i:=1…n

wii=1/uii sii=1/lii

wij= (∑k=i…j-1wikuik)/ujj j:=i+1…n

sij=-(∑k=j…i-1likskj)/lii j=1…i-1

detA = detLdetU = ∏liiuii = ∏lii2 = detQdetR = ±∏√(|di|) rii

  1. Metoda iteracji prostej rzwiązywania układów równań liniowych, ogólny warunek zbieżności, sposoby przejścia z układu Ax=b do x=Bx+c

ρ(B)=maxλ|λ| =(dla dow mać.) limkk√||Bk||2 - promień spektralny macierzy B

x(k+1)=Bx(k)+c; x(k)x*; ciąg x(k)jest zbieżny przy dowolnym x(0) jeżeli ρ(B) <1 (im mniej tym szybciej)

x(k+1)- x* = B(x(k)-x*) =…= Bk+1(x(0)-x*) => x(k)-x* = Bk(x(0)-x*) => ||x(k)-x*||2 ≤ ||Bk||2 ||x(0)-x*||2 ||Bk||2≈[ρ(B)]k

Metoda Richardsona:

Ax=B pAx=pB (p≠0) x=x-pAx+pb x=(I-pA)x + pb = BR + CR

A=AT>0 to ρ(BR) = maxSp(BR)|μ| = maxSp(A)|1-pλ| = max((|1-pλmin|, |1-pλmax|) => pε(0, 2/λmax); popt=2/(λminmax)

0x01 graphic
i dla dużych cond(A) wolna zbieżność

xi(k+1) = xi(k) + p(bi-∑jaijxj(k)), k=0…n

redukowalna: ∃P: PTAP=0x01 graphic
silnie/słabo dominująca: |aii|≥∑ij|aij|; sil.: wszystkie >, sł.: przyn. 1;

  1. Metody Jakobiego i Seidla j/w

0x08 graphic
Jakobi:

A=L+D+U =

▲+ \ +▼,

Aii≠0; …

Dx = -(L+u)x + b x= -D-1(L+U)x+ D-1b = BJx + CJ

xi(k+1) = (bi - ∑jiaijxj(k))/aii i=1…n; k=0…;

zbieżna: A silnie dom., A słabo dom. i niereduk.

Gauss - Seidl:

x = -(L+D)-1Ux + (L+D)-1b = BGSx + CGS

xi(k+1) = xi(k) +

+ (bi - ∑j<i-1aijxj(k+1) - ∑i-1<j<n+1aijxj(k))/aii

zbieżna: słabo dom. i niereduk., A=AT>0

  1. Metoda SOR j/w

w=1GS

Bw = (d+wL)-1((1-w)D-wU); Cw = w(D+wL)-1b

xi(k+1) = xi(k) + w(bi - ∑j<i-1aijxj(k+1) - ∑i-1<j<n+1aijxj(k))/aii

zbieżna: A=AT>0 to ∀wε(0,2) ρ(Bw)≥|w-1|

  1. Porównanie metod iteracji prostej dla układów równań liniowych z macierzą symetryczną i dodatnio określoną oraz posiadającą własność A

A ma własność A jeżeli istnieje P: PTAP=0x01 graphic
, gdzie D1, D2 macierze diagonalne

Tw. Jeżeli A=L+I+U A=AT>0 i nie ma własności A to

  1. ρ(BJ)=ρ(BR)|p opt0x01 graphic

  2. ρ(BGS)=ρ2(BJ)

  3. 0x01 graphic

wb jest optymalne

Więc λmax≠λmin => 0 < ρ(Bw opt) < ρ(BGS) < ρ(BR)|p opt <1

ρ(BR)|p opt = ρ(BJ) = 0x01 graphic

ρ(Bw opt) = wopt-1 = 0x01 graphic

Tw. Gerszgorina; Sp(A) ⊂ ∪Ki(aii, rii) = ∑ji|aij|

  1. Zadanie interpolacji wielomianowej funkcji jednej zmiennej, błąd interpolacji, wielomian interpolacyjny Lagrange'a:

Zadanie: Danych jest n+1 węzów 0x01 graphic
i klasa funkcji G, szukamy takiego0x01 graphic
aby 0x01 graphic

Jednoznaczność: 0x01 graphic
posiada conajw. n+1 pierw

Błąd: |Π(x)| = |(x-x0)… (x-xn)| ≤ ¼n!hn+1; h=maxi(xi-xi-1);

0x08 graphic
Tw. f∈Cn+1[a,b] => ∀x∈[a,b] ∃ξ∈[a,b] że R(x) = f(x) - w(x) =0x01 graphic
R(x) = |f(x) - w(x)| ≤ … 0x01 graphic

Lagrange:

  1. Zadanie interpolacji wielomianowej funkcji jednej zmiennej, błąd interpolacji, wielomian interpolacyjny Newtona:

fi=f(xi); fij=(fi-fj)/(xi-xj);

fi…i+k = (fi…i+k-1 - fi+1…i+k) / (xi - xi+k)

0x01 graphic
węzły równoodległe: xi=a+ih; h=|a-b|/n

  1. Zadanie interpolacji wielomianowej funkcji jednej zmiennej, optymalny wybór węzłów - węzły Czybyszewa

Chcemy aby zminimalizować maxx|Π(x)|

x= ½[(b-a)t+(a+b)], t∈[-1;1]; 0x01 graphic
0x01 graphic
wzór rekur.

Wtedy |R(x)|≤0x01 graphic
Jak interpolujemy |x| albo 1/(1+25x2) to efekt Rungego

  1. Zadanie interpolacji wielomianowej funkcji jednej zmiennej, klasyczna interpolacja Hermita:

imi:=n+1, m=max(mi) (wyrównujemy również pochodną) wj(xi)=f(j)(xi), j=0…mi-1; Dla m=2 klasyczna, m=1 Lagrange

Błąd klasycznej: R(x) = Π(x) (f(2n+2)(ξ)) / (2n+2)!; Π(x)=(x-x0)m0…(x-xn)mk=(x-x0)2…(x-xn)2

Klasyczna: 0…n węzłów, W2n+1;

ϕi:=[1-2(x-xi)l`i(xi)]l2i(x) ϕi(xk) = ψ`i(xk)=δik

ψi:=(x-xi)l2i(x) ϕ`i(xk) = ψi(xk)=0

W(x)=∑f(xi)ϕ(x) + ∑f`(xi)ψ(x)

  1. Sposoby numerycznego różniczkowania

f(j)(x) ≈ w(j)(x); Tw: f∈Cn+1[a,b] to max|f(j)(x) - w(j)(x)|≤0x01 graphic

  1. f'(x)≈(f(x+h)-f(x))/h

  2. f'(x)≈(f(x)-f(x-h))/h r(x)=f`(x)-[f'(x)h + ½ f''(ζ)h2]/h = ½hf''(ζ)

  3. f'(x)≈(f(x+h)-f(x-h)) / 2h

  4. f'(x)≈(f(x+h)-2f(x)+f(x-h)) / h2

  1. Całkowanie funkcji jednej zmiennej - formuły proste Newtona - Cotesa (prostokątów, trapezów, Simpsona)

S(f) = ∑Aif(xi) Ai-współcz. form.; r(f)=I(f)-S(f)

NC: xi=a+ih; h=(b-a)/n; S(f) = ∫abw(x)dx

n

0x01 graphic

nazwa

wzór

reszta kwadratury

kwadratury

0

0x01 graphic

Dla n≥1 0x01 graphic

prostokątów

(b-a)f(x0) = hf(x0)

1

(12)0x01 graphic

trapezów

(b-a)[f(a)+f(b)]/2

2

(2880)0x01 graphic

Simpsona

(b-a)…

[f(a)+4f(x1)+f(b)]/6

3

(6480)0x01 graphic

3/8

(b-a)… …[f(a)+3f(x1)+3f(x2)+f(b)]/8

  1. Całkowanie funkcji jednej zmiennej - formuły złożone Newtona - Cotesa (prostokątów, trapezów, Simpsona)

I(f) = ∫abf(x)dx = ∑∫xi-1xif(x)dx ≈ ∑Si(f) = S(f)

r(f) = ∑ri(f)

Prostokąt: S(f) = h∑f(xi(0))

xi(0)=(xi-1+xi)/2 - p.środk. |r(f)|=∑(f(2)i) h3) / 24

mm2 ≤ ∑f(2)i) ≤ M2m => minx(f2(x)) ≤ (∑f(2)i)) / m ≤ maxx(f2(x)) => r(f) = (f(2)(ξ) h2)(b-a) / 24

|r(f)| ≤ M2h2(b-a) / 24

Trapez : S(f) = ½h[f(a) + f(b) + 2∑f(a+ih)]

Simpson: S(f) = h[f(a) + f(b) + 2∑f(a+ih) + 4∑f(a+ih-h/2)]/6

  1. Rozwiązywanie równań nieliniowych, wykładnik zbieżności, sposoby lokalizacji pierwiastków:

f[a,b]R, szukamy f(x*)=0

- tablicowanie (wykres) - f(a)f(b)<0 => ∃x* oraz f'(x) ma stały znak to ∃! - graficznie f(x)=f1(x) - f2(x)

Met. int. jest rzędu p (p≥1) jeżeli istnieje A>0, że ciąg x(k) określony tą metodą spełnia nierówność: |x(k+1)-x*| ≤ A|x(k)-x*|p {dobre: A małe, p duże}

p=1 zbieżność liniowa |x(k+1)-x*| ≤ A|x(k)-x*| ≤ |x(k+1)-x*| ≤ A2|x(k-1)-x*| ≤…≤ Ak+1|x(0)-x*|; A<1 - war. zbież.

p>1 zbieżność ponadliń. |x(k+1)-x*| ≤ (A1/(p-1)|x(0)-x*|)pk-1|x(0)-x*|; A1/(p-1)|x(0)-x*|<1 - war. zbież.

  1. Metody rozwiązywania skalarnych równań nieliniowych, ich własności i porównanie:

  2. Nazwa

    p/A

    założenia

    zbieżność

    wzór

    bisekcja

    1

    A=½

    ciągła [a,b]

    bezwrunk.

    x1= ½(a+b); f(xi)f(a)<0 to [a,xi]

    k-ty: (b-a) /2k

    styczne

    2

    A=M2/2m1

    kl.C2[a,b]

    warunk.

    x(k+1) = x(k) - f(xk)/f1(xk)

    sieczne

    ½(1+√5)≈1,6

    A=(M2/2m1)p

    kl.C2[a,b]

    warunk.

    x(k+1) = x(k) - [f(xk) / (f(xk) - f(xk-1)] (xk-xk-1)

    regulafalsi

    1

    kl. C[a,b]

    miejsce przecięcia odcinka ab, itd.

    Steffensena

    2

    xk+1 = xk - f2(xk) / [f(xk+f(xk)) - f(xk)]

    Halleya

    3

    xk+1 = xk - [f(xk) f1(xk)] / [f1(xk)- ½f(xk) f2(xk)]

    it. prostej

    1

    M1<1

    xk+1 = g(xk)

    1. Metoda stycznych poszukiwania pierwiastków równania skalarnego, wykładnik zbieżności i warunki zbieżności metody:

    x0∈[a,b] =0x01 graphic
    0x01 graphic

    f1(x0) = tgα = f(x0)/(x0-x1)

    Zbieżność globalna dla dowolnego 0x01 graphic
    - jeżeli

    Kryteria STOPU: 0x01 graphic
    |x* - xk|<|f(xk)|/m1

    1. Metoda iteracji prostej rozwiązywania układu równań nieliniowych, wykładnik zbieżności i warunki zbieżności:

    x0-przyliżenie początkowe; xk+1 = g(xk)

    Tw1: D - zbiór domknięty => warunek Lipschitza, ponadto x*∈D to: ∃!x*; ||xk-x*||0; ||xk+1-x*||≤L||xk-x*||; ||xk-x*|| ≤ (Lk/(1-L))||x1-x0||

    !!!D-zb. wypukły g(x')-g(x'')=g'(ξ)(x'-x''); g'(x) - mać. Jakobiego {δgi/δxj}i,j=1n; ||g(x')-g(x'')||=||g'(ξ)|| ||(x'-x'')|| (n.mać. zg. z n.w) wystarczy żeby L=supx||g'(x)||<1

    Tw2: D-domk. i L, ∃x*, x0∈S={x: ||x-x*|| ≤ r} to xkεS i spełniona teza Tw1

    1. Metoda Newtona rozwiązywania układu równań nieliniowych, wykładnik zbieżności i warunki zbieżności:

    xk+1=xk - [f1(xk)]-1f(xk);

    Niech D-wypukły i f-różniczkowalne, oraz ∃x*, det(f1(x*))≠0, L, x0∈S to: Met. poprawnie określona; ||xk+1-x*|| ≤ q||xk-x*||; ||xk+1-x*||0; ||xk+1-x*|| ≤ (q/r)||xk-x*||2

    Warunki STOPU: podobne jak it. pr. oraz ||xk+1-x*|| ≤ q||xk-x*|| ≤… ≤qk+1r ≤ε

    1. Metody rozwiązywania równań skalarnych posiadających zera wielokrotne:

    f(x)=(x-x*)mg(x)≠0; fm(x*)=0; => p=1!!!

    Alg1: F(x)=f(x)/f1(x) {x* - zero 1-krotne F}; 0x01 graphic

    styczne: 0x01 graphic
    p=2 (m zgadujemy )

    1. Metody poszukiwania zer wielomianów:

    1 zero: Newton/styczne (w pewnym otoczeniu zbieżna, p=2), sieczne, Laguerre: xk+1=0x01 graphic
    znak, żeby |xk+1-xk| było mniejsze, H(x)=[(n-1)(f1(x))]2 - nf(x)f2(x), jak zbieżne to p=3; Jak n rzeczywisty z n zer to zawsze zbiega do najbliższego zera.

    Schemat Hornera dla f, f', f''

    an= bn= cn= dn; b/c/di = b/c/di+1x + a/b/c, i=n-1…0/1/2

    f(x)=b0 f'(x)=c1 f''(x)=2d2, koszt 3n[(*)(+)]

    Wyznaczanie kilku zer: deflacja czynnikiem liniowym: x*, f(x)=(x-x*)Q(x), Q(x)=∑qj+1xj

    Alg1: qn+1=0; qj=aj+qj+1x*; j=n…1

    Alg2: q0=0; qj+1=(qj-aj)/x*; j=0…n-1, chyba że x*=0

    Maehly: f(x)=(x-x1)…(x-xn), an=1; x1 z Newtona; f1(x)= (x-x2)…(x-xn), x2 z Newtona dla f1… ; f11(x)/f1(x) = (f1(x)/f(x))(xk+1/x-x1); Trzeba uważać, żeby xi(0)≠xj

    Bairstow: an=1, ajεR, f(x)=Πn/2(x2-pjx-rj)(x-a); m(x,p,r)=x2-px-r; f(x)=m(x,p,r)Q(x,p,r)+q1(p,r)x+q0(p,r).

    qi obliczamy dzieląc f przez m

    0x01 graphic
    to samo dla r

    0x01 graphic
    Podstawić i 0x01 graphic

    1. Interpolacja trygonometryczna:

    [0,2π] xk=2kπ/(n+1)

    tn(x)= ½a0 + ∑[aj cos(jx) + kj sin(jx)] + v ½am+1 cos[(m+1)x], gdzie dla n -parz m=n/2, v=0; dla n-niep m=(n-1)/2, v=1

    Tw. dla funkcji określonej na [0,2π] ∃!x* Ponadto aj=2/(n+1) ∑f(xk)cos(jxk); bj=2/(n+1) ∑f(xk)sin(jxk)

    dla dowolnego [a,b] => v=b-a (okres)

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic



    Wyszukiwarka

    Podobne podstrony:
    Ogólna metodologia nauk, Studia dalekowschodnie, Rok I semestr II, Metody i techniki badań społeczny
    Notatki z E. Babbiego, Studia dalekowschodnie, Rok I semestr II, Metody i techniki badań społecznych
    E. Babbie - Opracowanie - Paradygmaty, Studia dalekowschodnie, Rok I semestr II, Metody i techniki b
    21.03.2011, Elektrotechnika I stopień PWSZ Leszno, SEMESTR II, Metody Numeryczne, 2. 21.03.2011
    11.04.2011, Elektrotechnika I stopień PWSZ Leszno, SEMESTR II, Metody Numeryczne, 3. 11.04.2011
    14.03.2011, Elektrotechnika I stopień PWSZ Leszno, SEMESTR II, Metody Numeryczne, 1. 14.03.2011
    Mat do egzaminu 2014, Studia dalekowschodnie, Rok I semestr II, Metody i techniki badań społecznych
    Litera M, Pedagogika UŚ, Licencjat 2010-2013, II rok - semestr letni, Metodyka edukacji polonistyczn
    Bałwan - scenariusz, Pedagogika UŚ, Licencjat 2010-2013, II rok - semestr letni, Metodyka edukacji p
    Litera O, Pedagogika UŚ, Licencjat 2010-2013, II rok - semestr letni, Metodyka edukacji polonistyczn
    Plastyka, Pedagogika UŚ, Licencjat 2010-2013, II rok - semestr letni, Metodyka edukacji plastycznej

    więcej podobnych podstron