73125 MATEMAATTINEN OPTIMOINTITEORIA 2

Koko: px
Aloita esitys sivulta:

Download "73125 MATEMAATTINEN OPTIMOINTITEORIA 2"

Transkriptio

1 73125 MATEMAATTINEN OPTIMOINTITEORIA 2 Risto Silvennoinen Tampereen teknillinen yliopisto, kevät Peruskäsitteet Optimointiteoria on sovelletun matematiikan osa-alue, jossa tutkitaan funktioiden suurimpien ja pienimpien arvojen hakua rajoitusehtojen sitomien muuttujien joukosta. Tämä sisältää klassisen differentiaalilaskennan ääriarvoteorian, mutta on huomattavasti laajempi. Optimoinnin teoria käsittelee mm. optimaalisuusehtoja, algoritmien kehittelyä ja olemassaolotarkasteluja. Sovellusten kannalta on oleellista mallin muodostaminen, jossa ilmiö (systeemi, tuote, komponentti, suunnitelma, ) kuvataan matemaattisesti niin, että optimointimenetelmiä voidaan käyttää. Tällä kurssilla mallien muodostamista harjoitellaan lukuisilla standardimalleilla, joita aikojen kuluessa on kehitetty ja jotka analogioiden kautta ovat osoittautuneet hyödyllisiksi alkuperäistä aluettaan laajemmaltikin. Optimointiprobleema on matemaattinen malli, jossa mallin muuttujia sitovat analyyttiset yhtälöt tai epäyhtälöt. Näitä kutsutaan rajoitusyhtälöiksi tai rajoitusepäyhtälöiksi, yhteiseltä nimeltään rajoitusehdot tai rajoitteet. Kaikki muuttujien arvot, jotka toteuttavat rajoitusehdot, ovat mallin käypiä ratkaisuja. Näiden keskinäinen vertailu tapahtuu kriteerien avulla, esimerkiksi minimoimalla kustannus, maksimoimalla luotettavuus jne. Perusmallissa optimoidaan yhden kriteerin suhteen kerrallaan, jolloin maksimoitava tai minimoitava kriteeri on optimointitehtävän kohdefunktio. Monitavoitteisessa optimoinnissa kohdefunktio on vektori, jonka komponentteina ovat optimoitavat kriteerit. Optimointiprobleemat luokitellaan muuttujien tyyppien ja rajoitefunktioiden tyyppien mukaan. Muuttujien mukaan jaettuna mallit ovat jatkuvia, kokonaislukumalleja tai sekalukumalleja. Jatkuvan mallin muuttujat ovat reaalilukuja, kokonaislukumallin kokonaislukuja ja sekalukumallissa on mukana molempia tyyppejä. Puhutaan myös diskreetistä optimoinnista, kun muuttujat saavat vain tietyn diskreetin joukon arvoja (ei välttämättä kokonaislukuja), mutta nämä voidaan aina muuntaa kokonaislukumalleiksi. Termiä diskreetti esiintyy myös muunnettaessa ääretönulotteisia tehtäviä äärellisulotteisiksi (esim. FEM), joka on eri asia. Jatkuvien muuttujien tehtävien ratkaiseminen on yleensä helpompaa ja laskennallisesti vähemmän vaativaa kuin kokonais- tai sekalukuprobleemoiden. Käytännössä kuitenkin useat mallit sisältävät ainakin osana kokonaislukumuuttujia, joita tarvitaan esimerkiksi loogisia ehtoja mallinnettaessa. Toinen jakoperuste on esiintyvien funktioiden tyyppi. Jos kaikki mallin funktiot ovat muotoa lineaarinen + vakio (affiini funktio), kyseessä on lineaarisen optimoinnin

2 2 probleema. Englanninkielinen termi on Linear Programming, josta on vakiintunut yleinen lyhenne LP. Lineaarisella optimoinnilla on tärkeydessään erityisasema optimoinnissa, mm. sen takia, että sille on olemassa muihin luokkiin verrattuna ylivoimaisen tehokkaita ratkaisualgoritmeja. Jos mukana on epälineaarisia funktioita, kyseessä on epälineaarisen optimoinnin probleema (Nonlinear Programming, NLP). Tämä voidaan edelleen jakaa osaluokkiin, kuten konveksi ja kvadraattinen optimointi. Kun molemmat luokittelut yhdistetään, saadaan esimerkiksi sovellusten kannalta kattavimmat lineaarinen sekalukuoptimointi (Mixed Integer Linear Programming, MILP) ja epälineaarinen sekalukuoptimointi (MINLP). Pelkästään kokonaislukuja sisältävä lineaarinen optimointi esiintyy myös nimellä Integer Programming (IP), ja jos nämä kokonaisluvut ovat erityisesti kaikki binäärilukuja, kyseessä on binäärioptimointi eli Binary Integer Programming (BIP). Tarkassa puhetavassa voidaan erottaa toisistaan probleema ja sen konkreettisilla numeroarvoilla esitetty tapaus (instanssi). Tässä kurssissa Matemaattinen optimointiteoria 2 käsitellään probleematyyppejä MINLP, MILP, IP ja BIP, kun taas LP ja NLP ovat kurssin 1 aihepiirinä. Jos nämä merkinnät kuvaavat kyseisten probleemoiden luokkia, niin on voimassa aitojen inkluusioiden ketjut MINLP NLP LP & MINLP MILP IP BIP. Yleisin optimointiprobleema tässä esityksessä on siis MINLP, jonka muoto on min f(x,y) h i (x,y)=0, i=1,,r g j (x,y) 0, j=1,,s x Z n, y R q Funktio f on tässä (skalaariarvoinen) kohdefunktio, funktiot h i ja g j ovat rajoitefunktioita ja muuttujavektori [x T,y T ] T kuuluu muuttuja-avaruuteen Z n R q (myös tilanteesta riippuen päätösavaruus tai suunnitteluavaruus). Joukko S = {[x T,y T ] T Z n R q h i (x,y)=0, i=1,,r; g j (x,y) 0, j=1,,s } on käypä joukko, jonka pisteet ovat optimointitehtävän käyvät ratkaisut. Tehtävän optimiratkaisu on sellainen käypä ratkaisu, joka antaa kohdefunktiolle pienimmän arvon. Minimoinnin sijasta voidaan f:ää maksimoida, tai käyttää yhteyttä max f(x) = - min (-f(x))

3 3 2. Kokonaislukuprobleemoiden muotoilusta Tarkastellaan puhdasta lineaarista kokonaislukuprobleemaa IP tai sen alalajia binääristä lineaarisen optimoinnin probleemaa BIP. Ne ovat standardissa epäyhtälömuodossaan max c T x (1) x P = {x R n Ax b} missä muuttuja x Z n,, x 0 (IP) tai x B n, B = {0,1} (BIP). Lähtökohtana on useimmiten alkuperäisestä ongelmasta saatu malli, jonka muoto on implisiittisempi: (2) max c T x x S Z n + (tai x S B n ) missä käypä joukko S on tehtävänannon kautta määritelty. Sen esitystä lineaaristen epäyhtälöiden avulla ei välttämättä tunneta. Jos on voimassa, että probleemoilla (2) ja (1) on samat käyvät joukot, niin sanotaan, että (1) on (2):n (IP/BIP-)muotoilu eli formulointi. Silloin siis pätee tai S = {x Z n Ax b, x 0}= P Z n + S = {x B n Ax b, x 0} = P B n. Kokonaislukuoptimoinnille on tyypillistä, että samalla tehtävällä on yleensä useita eri muotoiluja. Eri formuloinnit voivat erota paljonkin ratkaisemisen vaikeuden kannalta. Mitä suppeampi formuloinnissa esiintyvä joukko P on, sitä parempi muotoilu se on. Eli jos P 1 ja P 2 ovat probleemassa (1) esiintyviä epäyhtälöillä määriteltyjä joukkoja P ja P 1 P 2, niin P 1 :n kautta määritelty muotoilu (1) on parempi kuin P 2 :n avulla määritelty. Tehtävän muotoilu voidaan tehdä myös muuttujia lisäämällä, jolloin on kyse laajennetusta muotoilusta. Siinä ei siis muuttuja-avaruus pysy samana kuin alkuperäisessä probleemanasettelussa.

4 4 Esimerkkinä hahmottele piirtämällä kolme eri muotoilua probleemalle max x 1 + x 2 S ={(1,1), (2,1), (3,1), (1,2), (2,2), (3,2), (2,3)}. Äärellisen monen lineaarisen epäyhtälön avulla määritelty joukko R n :ssä on (konveksi) monitahokas. (Tasossa se on monikulmio.) Muotoilussa (1) esiintyvä joukko P on täten myös monitahokas. Kyse on siis sellaisten monitahokkaiden löytämisestä, jotka sisältävät probleeman käyvät pisteet, mutta eivät muita kokonaislukukomponenttisia pisteitä. Tätä kautta päästään käyttämään hyväksi lineaarista optimointia (joka tunnetusti on lineaarisen kohdefunktion optimointia monitahokkaassa). 3. Monitahokkaiden teoriaa Kuten edellä todettiin, monitahokkailla on merkittävä rooli kokonaislukuoptimoinnissa. Olkoon monitahokas (polyhedron) P määritelty mxnmatriisilla A ja vektorilla b R m : P = {x R n Ax b}. Monitahokas P on rationaalinen, jos A ja b voidaan valita rationaalikertoimisiksi. Tässä kurssissa oletamme, että P on aina rationaalinen. P on rajoitettu, jos se on R n :n joukkona rajoitettu, eli sisältyy äärellissäteiseen palloon tai äärellissivuiseen kuutioon. (Englanninkielessä rajoitettu monitahokas on polytope, tosin joissakin kirjoissa asia on päinvastoin, eli polyhedron on rajoitettu ja polytope yleinen monitahokas.) Monitahokas on konveksi joukko. (Joskus määritellään yleisempi käsite monitahokkaaksi, jolloin meidän käsitteemme on konveksi monitahokas.) Pisteiden x i (i=1,,r) lineaarikombinaatio x = c 1 x 1 + +c r x r on konveksi kombinaatio, jos kertoimet c i ovat ei-negatiivisia ja niiden summa = 1. Joukon S R n konveksi verho co(s) on S:n pisteiden kaikkien konveksien kombinaatioiden muodostama joukko. Se on suppein konveksi joukko, joka sisältää S:n. Osoittautuu, että kaikki rajoitetut monitahokkaat ovat äärellisten pistejoukkojen konvekseja verhoja.

5 5 Pisteet x i (i=1,,k) ovat affiinisti riippumattomia, jos ehdoista c 1 x 1 + +c k x k = 0 & c c k = 0 seuraa c 1 = = c k = 0. Yhtäpitävää tämän kanssa on, että vektorit x 2 -x 1, x k -x 1 ovat lineaarisesti riippumattomia. Edelleen yhtäpitävää affiinille riippumattomuudelle on, että R n+1 :n vektorit [x i T,-1] T (i=1,,k) ovat lineaarisesti riippumattomia. Näistä nähdään, että enimmillään R n :n affiinisti riippumattomassa pistejoukossa voi olla n+1 pistettä (siis dimensio plus yksi). Yhtälöryhmällä Ax = b on korkeintaan n+1-rank(a) affiinisti riippumatonta ratkaisua. (A ja b ovat kuten P:n määritelmässä). Monitahokkaan P dimensio eli ulottuvuus on k, jos suurin määrä affiinisti riippumattomia pisteitä P:ssä on k+1. Monitahokkaan P R n ulottuvuus on täysi, jos dim(p)=n. Monitahokkaan P määritelmässä Ax b on m lineaarista epäyhtälöä A i x b i (i=1,,m), missä A i on A:n i:s vaakarivi. Osa näistä voi toteutua yhtälönä koko P:ssä. Merkitään A = :llä sitä matriisin A osaa, joka koostuu tällaisista riveistä, ja loppuja A < :llä. Vastaavasti vektorille b. Siis Ax b jakautuu kahteen osaan, A = x b = ja A < x b <. Monitahokkaiden dimensiolause on silloin: dim(p) + rank([a =,b = ]) = n. Tästä seuraa, että monitahokkaan dimensio on täysi, jos ja vain jos sillä on sisäpisteitä.

6 6 Monitahokkaan P = {x R n Ax b} esityksessä voi olla "tarpeettomiakin" epäyhtälöitä. Epäyhtälöä α T x β sanotaan voimassa-olevaksi epäyhtälöksi (valid inequality), jos P:n kaikki pisteet toteuttavat sen. Silloin P sijaitsee kyseisen epäyhtälön määräämässä puoliavaruudessa, jonka reunana on (hyper)taso α T x = β. Jos epäyhtälö ei toteudu yhtälönä yhdessäkään P:n pisteessä, se voidaan jättää P:n määrittelystä pois. Ne epäyhtälöt, jotka toteutuvat osassa P:tä yhtälönä, tukevat P:tä ja niiden määräämää tasoa sanotaan P:n tukitasoksi. Monitahokkaan tahkoja (face) ovat kaikki tukitasojen ja P:n leikkaukset. Tahko F on siis muotoa F = {x R n α T x = β} P jollakin monitahokkaan P voimassaolevalla epäyhtälöllä α T x β. Yhtälö tai geometrisesti sanottuna taso α T x = β on silloin tahkon esitys. Tahko on aito, jos se ei ole tyhjä eikä koko P. Tahkot ovat itsekin monitahokkaita, ja niitä voidaan luokitella P:n tahkoina dimensioidensa mukaan seuraavasti: - F on kärki(piste), jos dim(f) = 0 - F on särmä, jos dim(f) = 1 - F on viiste, jos dim(f) = dim(p)-1. Englanninkieliset termit ovat extreme point, edge ja facet. (Suomenkieliset nimitykset eivät kaikki ole vakiintuneita.) Kolmiulotteissa avaruudessa olevalla täysulotteisella monitahokkaalla on vain kärkiä, särmiä ja viisteitä tahkoina, mutta korkeampiulotteisissa avaruuksissa monitahokkailla voi olla tahkoja, joiden dimensio on välillä [2, dim(p)-2] ja jotka eivät ole mitään edellä mainituista tyypeistä. Viisteen tapauksessa on aina olemassa ryhmään A < x b < kuuluva epäyhtälö, joka toteutuu viisteessä yhtälönä. Silloin monitahokkaaseen jää myös pisteitä, joissa kyseinen epäyhtälö toteutuu aitona. Osoittautuu, että monitahokkaan määräämiseksi riittää ottaa ryhmästä A < x b < viisteiden esitykset, alempiulotteisten tahkojen esitykset ovat redundantteja. Ja jokaiselle viisteelle riittää yksi esitys, joka on skalaarikertolaskua vaille yksikäsitteinen. Jos monitahokkaalla P = {x R n Ax b} on rank(a) = n-k, niin P:n dimensioltaan alhaisin tahko on k-ulotteinen. Jos siis rank(a) = n, niin P:llä on kärkipisteitä. Kärkipistettä karakterisoi myös ominaisuus, että se ei ole minkään kahden muun P:n pisteen välissä aidosti eli se on P:n ääripiste. Vektori d 0 on monitahokkaan säde (äärettömyyssuunta), jos jokaisella x P pisteet x + td kuuluvat P:hen kaikilla t>0. Äärisäde on sellainen säde, joka ei ole P:n kahden muun säteen välissä aidosti. Silloin nähdään, että d on P:n äärisäde, jos ja vain jos {td t>0} on P:n yksiulotteinen tahko. Monitahokkaan voi "rakentaa" sen kärkipisteistä ja äärisäteistä:

7 7 Monitahokkaiden esityslause (Minkowski) Olkoon P = {x R n Ax b} epätyhjä monitahokas, jolla rank(a)=n. Silloin P={x x = c 1 x 1 + c N x N + t 1 d 1 + t K d K c 1 +c 2 + c N =1, c i 0, t j 0 }, missä pisteet x i ovat P:n kärkipisteet ja vektorit d j P:n äärisäteet. (Todistukset tässä pykälässä esitettyihin tuloksiin, ks. Nemhauser-Wolsey, luku I.4.)

Esimerkki 2 (Kaupparatsuongelma eli TSP)

Esimerkki 2 (Kaupparatsuongelma eli TSP) 10 Esimerkki 2 (Kaupparatsuogelma eli TSP) Kauppamatkustaja o kierrettävä kaupukia site, että hä lähtee kaupugista 1 ja palaa sie sekä käy jokaisessa muussa kaupugissa täsmällee kerra. Matka kaupugista

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa

Lisätiedot

1. Lineaarinen optimointi

1. Lineaarinen optimointi 0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on

Lisätiedot

30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset

30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset 30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset Mitä on lineaarinen optimointi (LP)? LP= lineaarinen optimointiongelma (Linear Programming) Menetelmä, jolla etsitään

Lisätiedot

Harjoitus 8: Excel - Optimointi

Harjoitus 8: Excel - Optimointi Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen

Lisätiedot

Harjoitus 4: Matlab - Optimization Toolbox

Harjoitus 4: Matlab - Optimization Toolbox Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen

Lisätiedot

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)

Lisätiedot

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Lineaarisen ohjelman määritelmä. Joonas Vanninen Lineaarisen ohjelman määritelmä Joonas Vanninen Sisältö Yleinen optimointitehtävä Kombinatorinen tehtävä Optimointiongelman tapaus Naapurusto Paikallinen ja globaali optimi Konveksi optimointitehtävä Lineaarinen

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

2.3. Lausekkeen arvo tasoalueessa

2.3. Lausekkeen arvo tasoalueessa Monissa käytännön tilanteissa, joiden kaltaisista kappaleessa Epäyhtälöryhmistä puhuttiin, tärkeämpää kuin yleinen mahdollisten ratkaisujen etsiminen, on löytää tavalla tai toisella jotkin tavoitteet täyttävät

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21

Lisätiedot

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS 1. Suorakaiteen muotoisen lämmönvaraajan korkeus on K, leveys L ja syvyys S yksikköä. Konvektiosta ja säteilystä johtuvat lämpöhäviöt ovat verrannollisia lämmönvaraajan lämpötilan T ja ympäristön lämpötilan

Lisätiedot

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 9 Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö 3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden

Lisätiedot

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora Taso 1/5 Sisältö Taso geometrisena peruskäsitteenä Kolmiulotteisen alkeisgeometrian peruskäsitteisiin kuuluu taso pisteen ja suoran lisäksi. Intuitiivisesti sitä voidaan ajatella joka suunnassa äärettömyyteen

Lisätiedot

Harjoitus 3 (3.4.2014)

Harjoitus 3 (3.4.2014) Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Outoja funktioita. 0 < x x 0 < δ ε f(x) a < ε.

Outoja funktioita. 0 < x x 0 < δ ε f(x) a < ε. Outoja funktioita Differentiaalilaskentaa harjoitettiin miltei 200 vuotta ennen kuin sen perustana olevat reaaliluvut sekä funktio ja sen raja-arvo määriteltiin täsmällisesti turvautumatta geometriseen

Lisätiedot

Yleiset lineaarimuunnokset

Yleiset lineaarimuunnokset TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

Lisätiedot

Harjoitus 3 (31.3.2015)

Harjoitus 3 (31.3.2015) Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Luento 7: Kokonaislukuoptimointi

Luento 7: Kokonaislukuoptimointi Luento 7: Kokonaislukuoptimointi Lineaarisessa optimointitehtävässä (LP) kaikki muuttujat ovat jatkuvia. Kokonaislukuoptimoinnin (ILP = Integer LP) tehtävässä kaikilla muuttujilla on kokonaislukurajoitus

Lisätiedot

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3 Suorat ja tasot Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3.1 Suora Havaitsimme skalaarikertolaskun tulkinnan yhteydessä, että jos on mikä tahansa nollasta

Lisätiedot

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3 4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5

Lisätiedot

1.4 Funktion jatkuvuus

1.4 Funktion jatkuvuus 1.4 Funktion jatkuvuus Kun arkikielessä puhutaan jonkin asian jatkuvuudesta, mielletään asiassa olevan jonkinlaista yhtäjaksoisuutta, katkeamattomuutta. Tässä ei kuitenkaan käsitellä työasioita eikä ihmissuhteita,

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Kandidaatintyö 22. marraskuuta 2012 Jerri Nummenpalo

Lisätiedot

Suora 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste

Suora 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste Suora 1/5 Sisältö KATSO MYÖS:, vektorialgebra, geometriset probleemat, taso Suora geometrisena peruskäsitteenä Pisteen ohella suora on geometrinen peruskäsite, jota varsinaisesti ei määritellä. Alkeisgeometriassa

Lisätiedot

Numeerinen integrointi

Numeerinen integrointi Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen

Lisätiedot

KOMPLEKSILUVUT C. Rationaaliluvut Q. Irrationaaliluvut

KOMPLEKSILUVUT C. Rationaaliluvut Q. Irrationaaliluvut KOMPLEKSILUVUT C Luonnolliset luvut N Kokonaisluvut Z Rationaaliluvut Q Reaaliluvut R Kompleksi luvut C Negat kokonaisluvut Murtoluvut Irrationaaliluvut Imaginaariluvut Erilaisten yhtälöiden ratkaiseminen

Lisätiedot

Aki Taanila LINEAARINEN OPTIMOINTI

Aki Taanila LINEAARINEN OPTIMOINTI Aki Taanila LINEAARINEN OPTIMOINTI 26.4.2011 JOHDANTO Tässä monisteessa esitetään lineaarisen optimoinnin alkeet. Moniste sisältää tarvittavat Excel ohjeet. Viimeisin versio tästä monisteesta ja siihen

Lisätiedot

MATEMATIIKKA MATEMATIIKAN PITKÄ OPPIMÄÄRÄ. Oppimäärän vaihtaminen

MATEMATIIKKA MATEMATIIKAN PITKÄ OPPIMÄÄRÄ. Oppimäärän vaihtaminen MATEMATIIKKA Oppimäärän vaihtaminen Opiskelijan siirtyessä matematiikan pitkästä oppimäärästä lyhyempään hänen suorittamansa pitkän oppimäärän opinnot luetaan hyväksi lyhyemmässä oppimäärässä siinä määrin

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.

Lisätiedot

Relaation ominaisuuksia. Ominaisuuksia koskevia lauseita Sulkeumat. Joukossa X määritelty relaatio R on. (ir) irrefleksiivinen, jos x Rx kaikilla x X,

Relaation ominaisuuksia. Ominaisuuksia koskevia lauseita Sulkeumat. Joukossa X määritelty relaatio R on. (ir) irrefleksiivinen, jos x Rx kaikilla x X, Relaation Joukossa X määritelty relaatio R on (r) refleksiivinen, jos xrx kaikilla x X, (ir) irrefleksiivinen, jos x Rx kaikilla x X, Relaation Joukossa X määritelty relaatio R on (r) refleksiivinen, jos

Lisätiedot

x > y : y < x x y : x < y tai x = y x y : x > y tai x = y.

x > y : y < x x y : x < y tai x = y x y : x > y tai x = y. ANALYYSIN TEORIA A Kaikki lauseet eivät ole muotoiltu samalla tavalla kuin luennolla. Ilmoita virheistä yms osoitteeseen mikko.kangasmaki@uta. (jos et ole varma, onko kyseessä virhe, niin ilmoita mieluummin).

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko

Lisätiedot

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - Avoin yliopisto 6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät 11 Taso Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät tason. Olkoot nämä pisteet P, B ja C. Merkitään vaikkapa P B r ja PC s. Tällöin voidaan sanoa, että vektorit

Lisätiedot

Esimerkki kaikkialla jatkuvasta muttei missään derivoituvasta funktiosta

Esimerkki kaikkialla jatkuvasta muttei missään derivoituvasta funktiosta Esimerkki kaikkialla jatkuvasta muttei missään derivoituvasta funktiosta Seminaariaine Miikka Rytty Matemaattisten tieteiden laitos Oulun yliopisto 2004 Matemaattista ja historiallista taustaa Tämän kappaleen

Lisätiedot

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011 PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan

Lisätiedot

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita.

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita. Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita. Tehtävä 1 Mitä seuraavat käsitteet tarkoittavat? Monitahokas (polyhedron).

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää

Lisätiedot

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3.1 Homogeeniset lineaariset differentiaaliyhtälöt Toisen kertaluvun differentiaaliyhtälö on lineaarinen, jos se voidaan kirjoittaa muotoon Jos r(x)

Lisätiedot

Nollasummapelit ja bayesilaiset pelit

Nollasummapelit ja bayesilaiset pelit Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1

Lisätiedot

PETRI LAAKKONEN LASKENTATYÖKALUN KEHITTÄMINEN KANTAVIEN RAKENTEIDEN OPTIMOINTIIN

PETRI LAAKKONEN LASKENTATYÖKALUN KEHITTÄMINEN KANTAVIEN RAKENTEIDEN OPTIMOINTIIN PETRI LAAKKONEN LASKENTATYÖKALUN KEHITTÄMINEN KANTAVIEN RAKENTEIDEN OPTIMOINTIIN Diplomityö Tarkastajat: professori Keijo Ruohonen yliopistolehtori Sami Pajunen Tarkastaja ja aihe hyväksytty Automaatio-,

Lisätiedot

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2 .3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. Toisen asteen yhtälön a + b + c 0 ratkaisukaavassa neliöjuuren alla olevaa lauseketta b b 4ac + a b b 4ac a D b 4 ac sanotaan yhtälön

Lisätiedot

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0. Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina

Lisätiedot

Kenguru 2012 Student sivu 1 / 8 (lukion 2. ja 3. vuosi)

Kenguru 2012 Student sivu 1 / 8 (lukion 2. ja 3. vuosi) Kenguru 2012 Student sivu 1 / 8 Nimi Ryhmä Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Väärästä vastauksesta

Lisätiedot

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä:

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: Mittausten virheet Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: 1. Luemme lämpömittarin vain asteen tarkkuudella. Ehkä kyseessä on digitaalimittari,

Lisätiedot

1.1. Ympäristön ja raja-arvon käsite

1.1. Ympäristön ja raja-arvon käsite .. Ympäristön ja raja-arvon käsite Matematiikan opintojen tässä vaiheessa aletaan olla kiinnostavimpien sisältöjen laidassa. Tähänastiset pitkän matematiikan opinnot ovat olleet kuin valmistelua, jatkossa

Lisätiedot

Pitkä matematiikka, Lyhyt matematiikka MATEMATIIKKA, PITKÄ, LUKIO-OPETUS

Pitkä matematiikka, Lyhyt matematiikka MATEMATIIKKA, PITKÄ, LUKIO-OPETUS Pitkä matematiikka, Lyhyt matematiikka MATEMATIIKKA, PITKÄ, LUKIO-OPETUS Matematiikka tarjoaa välineitä johdonmukaisen ja täsmällisen ajattelun edistämiseen, avaruuden hahmottamiseen sekä käytännön ja

Lisätiedot

Esipuhe. Sirkka-Liisa Eriksson

Esipuhe. Sirkka-Liisa Eriksson 3 Esipuhe Matematiikka tieteiden kuningatar ja palvelija on lukioihin ja ammattikorkeakouluihin suunnattuun koulukohtaiseen valinnaiseen syventävään kurssiin perustuva kirja. Kirjan tarkoituksena on kerrata

Lisätiedot

2 Yhtälöitä ja epäyhtälöitä

2 Yhtälöitä ja epäyhtälöitä 2 Yhtälöitä ja epäyhtälöitä 2.1 Ensimmäisen asteen yhtälö ja epäyhtälö Muuttujan x ensimmäisen asteen yhtälöksi sanotaan yhtälöä, joka voidaan kirjoittaa muotoon ax + b = 0, missä vakiot a ja b ovat reaalilukuja

Lisätiedot

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 18.3.2015 HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 18.3.2015 HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 8..05 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa

Lisätiedot

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua.

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6 Alkeisfunktiot Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6. Funktion määrittely Funktio f : A B on sääntö, joka liittää jokaiseen joukon A alkioon

Lisätiedot

Työvuorosuunnittelun optimointi (valmiin työn esittely)

Työvuorosuunnittelun optimointi (valmiin työn esittely) Työvuorosuunnittelun optimointi (valmiin työn esittely) Pekka Alli 1.12.2015 Ohjaaja: Tuuli Haahtela Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta

Lisätiedot

HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI. Matematiikan ja tilastotieteen laitos. Matemaattis-luonnontieteellinen

HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI. Matematiikan ja tilastotieteen laitos. Matemaattis-luonnontieteellinen HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty Laitos Institution Department Matemaattis-luonnontieteellinen Tekijä Författare Author Ville-Pekka

Lisätiedot

Platonin kappaleet. Avainsanat: geometria, matematiikan historia. Luokkataso: 6-9, lukio. Välineet: Polydron-rakennussarja, kynä, paperia.

Platonin kappaleet. Avainsanat: geometria, matematiikan historia. Luokkataso: 6-9, lukio. Välineet: Polydron-rakennussarja, kynä, paperia. Tero Suokas OuLUMA, sivu 1 Platonin kappaleet Avainsanat: geometria, matematiikan historia Luokkataso: 6-9, lukio Välineet: Polydron-rakennussarja, kynä, paperia Tavoitteet: Tehtävässä tutustutaan matematiikan

Lisätiedot

renkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x

renkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x 8. Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme näiltä kahdella laskutoimituksella varustetuilta

Lisätiedot

Monitahokkaiden topologiaa

Monitahokkaiden topologiaa Monitahokkaiden topologiaa Virpi Kauko Assistentti Matematiikan ja tilastotieteen laitos, Jyväskylän yliopisto Jokaisella tahokkaalla on tietty määrä kärkiä (K), kärkiä toisiinsa yhdistäviä särmiä (S)

Lisätiedot

PERUSASIOITA ALGEBRASTA

PERUSASIOITA ALGEBRASTA PERUSASIOITA ALGEBRASTA Matti Lehtinen Tässä luetellut lauseet ja käsitteet kattavat suunnilleen sen mitä algebrallisissa kilpatehtävissä edellytetään. Ns. algebrallisia struktuureja jotka ovat nykyaikaisen

Lisätiedot

Teema 4. Homomorfismeista Ihanne ja tekijärengas. Teema 4 1 / 32

Teema 4. Homomorfismeista Ihanne ja tekijärengas. Teema 4 1 / 32 1 / 32 Esimerkki 4A.1 Esimerkki 4A.2 Esimerkki 4B.1 Esimerkki 4B.2 Esimerkki 4B.3 Esimerkki 4C.1 Esimerkki 4C.2 Esimerkki 4C.3 2 / 32 Esimerkki 4A.1 Esimerkki 4A.1 Esimerkki 4A.2 Esimerkki 4B.1 Esimerkki

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Helsingin, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 9.6.2014 klo 10 13

Helsingin, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 9.6.2014 klo 10 13 Helsingin, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 9.6.014 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt: x + a) 3 x + 1 > 0 c) x x + 1 = 1 x 3 4 b) e x + e x 3

Lisätiedot

Insinöörimatematiikka IA

Insinöörimatematiikka IA Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Lisätiedot

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla!

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla! Miten opit parhaiten? Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla! n Harjoittelu tehdään aktiivisesti tehtäviä ratkomalla. Tehtävät kattavat kaikki yo-kokeessa

Lisätiedot

MAT-13510 Laaja Matematiikka 1U. Hyviä tenttikysymyksiä T3 Matemaattinen induktio

MAT-13510 Laaja Matematiikka 1U. Hyviä tenttikysymyksiä T3 Matemaattinen induktio MAT-13510 Laaja Matematiikka 1U. Hyviä tenttikysymyksiä T3 Matemaattinen induktio Olkoon a 1 = a 2 = 5 ja a n+1 = a n + 6a n 1 kun n 2. Todista induktiolla, että a n = 3 n ( 2) n, kun n on positiivinen

Lisätiedot

Matematiikka vuosiluokat 7 9

Matematiikka vuosiluokat 7 9 Matematiikka vuosiluokat 7 9 Matematiikan opetuksen ydintehtävänä on tarjota oppilaille mahdollisuus hankkia sellaiset matemaattiset taidot, jotka antavat valmiuksia selviytyä jokapäiväisissä toiminnoissa

Lisätiedot

OPTIMOINTITEHTÄVIEN RATKAISEMINEN

OPTIMOINTITEHTÄVIEN RATKAISEMINEN OPTIMOINTITEHTÄVIEN RATKAISEMINEN JUHA HAATAJA CSC Optimointitehtävien ratkaiseminen Optimointitehtävien ratkaiseminen Juha Haataja Tieteen tietotekniikan keskus CSC Tämän teoksen tekijänoikeudet kuuluvat

Lisätiedot

I Geometrian rakentaminen pisteestä lähtien

I Geometrian rakentaminen pisteestä lähtien I Geometrian rakentaminen pisteestä lähtien Koko geometrian voidaan ajatella koostuvan pisteistä. a) Matemaattinen piste on sellainen, millä EI OLE LAINKAAN ULOTTUVUUKSIA. Oppilaita voi johdatella pisteen

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka

Lisätiedot

1 Kannat ja kannanvaihto

1 Kannat ja kannanvaihto 1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät 1 1 LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT Muotoa 11 Lineaariset yhtälöryhmät (1) a 1 x 1 + a x + + a n x n b oleva yhtälö on tuntemattomien x 1,, x n lineaarinen yhtälö, jonka kertoimet ovat luvut a 1,,

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2007) 1 Klassinen todennäköisyys ja kombinatoriikka >> Klassinen

Lisätiedot

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla!

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla! Miten opit parhaiten? Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla! n Harjoittelu tehdään aktiivisesti tehtäviä ratkomalla. Tehtävät kattavat kaikki yo-kokeessa

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)

Lisätiedot

H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.

H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b. 10. Kunnat ja kokonaisalueet Määritelmä 10.1. Olkoon K rengas, jossa on ainakin kaksi alkiota. Jos kaikki renkaan K nollasta poikkeavat alkiot ovat yksiköitä, niin K on jakorengas. Kommutatiivinen jakorengas

Lisätiedot

Reaalifunktioista 1 / 17. Reaalifunktioista

Reaalifunktioista 1 / 17. Reaalifunktioista säilyy 1 / 17 säilyy Jos A, B R, niin funktiota f : A B sanotaan (yhden muuttujan) reaalifunktioksi. Tällöin karteesinen tulo A B on (aiempia esimerkkejä luonnollisemmalla tavalla) xy-tason osajoukko,

Lisätiedot

rm + sn = d. Siispä Proposition 9.5(4) nojalla e d.

rm + sn = d. Siispä Proposition 9.5(4) nojalla e d. 9. Renkaat Z ja Z/qZ Tarkastelemme tässä luvussa jaollisuutta kokonaislukujen renkaassa Z ja todistamme tuloksia, joita käytetään jäännösluokkarenkaan Z/qZ ominaisuuksien tarkastelussa. Jos a, b, c Z ovat

Lisätiedot

5.3 Ensimmäisen asteen polynomifunktio

5.3 Ensimmäisen asteen polynomifunktio Yllä olevat polynomit P ( x) = 2 x + 1 ja Q ( x) = 2x 1 ovat esimerkkejä 1. asteen polynomifunktioista: muuttujan korkein potenssi on yksi. Yleisessä 1. asteen polynomifunktioissa on lisäksi vakiotermi;

Lisätiedot

Lineaarialgebra MATH.1040 / voima

Lineaarialgebra MATH.1040 / voima Lineaarialgebra MATH.1040 / voima 1 Seuraavaksi määrittelemme kaksi vektoreille määriteltyä tuloa; pistetulo ja. Määritelmät ja erilaiset tulojen ominaisuudet saattavat tuntua, sekavalta kokonaisuudelta.

Lisätiedot

Suora. Hannu Lehto. Lahden Lyseon lukio

Suora. Hannu Lehto. Lahden Lyseon lukio Suora Hannu Lehto Lahden Lyseon lukio Suuntavektori Normaalivektori Hannu Lehto 4. syyskuuta 2010 Lahden Lyseon lukio 2 / 12 Esimerkki Suuntavektori Normaalivektori Tarkastellaan suoraa y = 2 3 x 1. kulmakerroin

Lisätiedot

TTY Porin laitoksen optimointipalvelut yrityksille

TTY Porin laitoksen optimointipalvelut yrityksille TTY Porin laitoksen optimointipalvelut yrityksille Timo Ranta, TkT Frank Cameron, TkT timo.ranta@tut.fi frank.cameron@tut.fi Automaation aamukahvit 28.8.2013 Optimointi Tarkoittaa parhaan ratkaisun valintaa

Lisätiedot

Symmetriaryhmät ja niiden esitykset. Symmetriaryhmät, 10.1.2013 1/26

Symmetriaryhmät ja niiden esitykset. Symmetriaryhmät, 10.1.2013 1/26 Symmetriaryhmät ja niiden esitykset Symmetriaryhmät, 10.1.2013 1/26 Osa I: Symmetriaryhmät Symmetriaryhmät, 10.1.2013 2/26 Peilisymmetria Symmetriaryhmät, 10.1.2013 3/26 Kiertosymmetria Symmetriaryhmät,

Lisätiedot

Aluksi. 1.1. Kahden muuttujan lineaarinen yhtälö

Aluksi. 1.1. Kahden muuttujan lineaarinen yhtälö Aluksi Matematiikan käsite suora on tarkalleen sama asia kuin arkikielen suoran käsite. Vai oliko se toisinpäin? Matematiikan luonteesta johtuu, että sen soveltaja ei tyydy pelkkään suoran nimeen eikä

Lisätiedot

Renkaat ja modulit. Tässä osassa käsiteltävät renkaat ovat vaihdannaisia, ellei toisin mainita. 6. Ideaalit

Renkaat ja modulit. Tässä osassa käsiteltävät renkaat ovat vaihdannaisia, ellei toisin mainita. 6. Ideaalit Renkaat ja modulit Tässä osassa käsiteltävät renkaat ovat vaihdannaisia, ellei toisin mainita. 6. Ideaalit Tekijärenkaassa nollan ekvivalenssiluokka on alkuperäisen renkaan ideaali. Ideaalin käsitteen

Lisätiedot

kaikille a R. 1 (R, +) on kommutatiivinen ryhmä, 2 a(b + c) = ab + ac ja (b + c)a = ba + ca kaikilla a, b, c R, ja

kaikille a R. 1 (R, +) on kommutatiivinen ryhmä, 2 a(b + c) = ab + ac ja (b + c)a = ba + ca kaikilla a, b, c R, ja Renkaat Tarkastelemme seuraavaksi rakenteita, joissa on määritelty kaksi binääristä assosiatiivista laskutoimitusta, joista toinen on kommutatiivinen. Vaadimme muuten samat ominaisuudet kuin kokonaisluvuilta,

Lisätiedot

Peliteoria Strategiapelit ja Nashin tasapaino. Sebastian Siikavirta sebastian.siikavirta@helsinki.fi

Peliteoria Strategiapelit ja Nashin tasapaino. Sebastian Siikavirta sebastian.siikavirta@helsinki.fi Peliteoria Strategiapelit ja Nashin tasapaino Sebastian Siikavirta sebastian.siikavirta@helsinki.fi Helsinki 11.09.2006 Peliteoria Tomi Pasanen HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Sisältö

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta Eksponenttifuntio Palautetaan mieliin, että Neperin luvulle e pätee: e ) n n n ) n n n n n ) n. Tästä määritelmästä seuraa, että eksponenttifunktio e x voidaan määrittää

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi TKK (c) Ilkka Mellin (2007) 1 Joukko-oppi >> Joukko-opin peruskäsitteet Joukko-opin perusoperaatiot Joukko-opin laskusäännöt Funktiot Tulojoukot

Lisätiedot

Matemaattinen optimointi I

Matemaattinen optimointi I Matemaattinen optimointi I Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Kevät 2015 Sisältö Esipuhe 1 1 Matemaattinen mallinnus ja ongelmien ratkaisu 2 1.1 Sovellutuksista.................................

Lisätiedot

2.2 Neliöjuuri ja sitä koskevat laskusäännöt

2.2 Neliöjuuri ja sitä koskevat laskusäännöt . Neliöjuuri ja sitä koskevat laskusäännöt MÄÄRITELMÄ 3: Lukua b sanotaan luvun a neliöjuureksi, merkitään a b, jos b täyttää kaksi ehtoa: 1o b > 0 o b a Esim.1 Määritä a) 64 b) 0 c) 36 a) Luvun 64 neliöjuuri

Lisätiedot

Numeerinen integrointi

Numeerinen integrointi Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen

Lisätiedot

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu

Lisätiedot

169. 170. 171. 172. 173. 174. 5. Geometriset avaruudet. 5.1. Pisteavaruus, vektoriavaruus ja koordinaattiavaruus

169. 170. 171. 172. 173. 174. 5. Geometriset avaruudet. 5.1. Pisteavaruus, vektoriavaruus ja koordinaattiavaruus 5. Geometriset avaruudet 5.. Pisteavaruus, vektoriavaruus ja koordinaattiavaruus 69. Olkoon {b,b 2 } tason E 2 kanta ja olkoon u = 2b + 3b 2, v = 3b + 2b 2, w = b 2b 2. Määritä vektoreiden 2u v + w ja

Lisätiedot

Funktion derivoituvuus pisteessä

Funktion derivoituvuus pisteessä Esimerkki A Esimerkki A Esimerkki B Esimerkki B Esimerkki C Esimerkki C Esimerkki 4.0 Ratkaisu (/) Ratkaisu (/) Mielikuva: Funktio f on derivoituva x = a, jos sen kuvaaja (xy-tasossa) pisteen (a, f(a))

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo - Ratkaisut ja pisteytysohjeet. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x+ x +9, b) log (x) 7,

Lisätiedot

Tilayhtälötekniikasta

Tilayhtälötekniikasta Tilayhtälötekniikasta Tilayhtälöesityksessä it ä useamman kertaluvun differentiaaliyhtälö esitetään ensimmäisen kertaluvun differentiaaliyhtälöryhmänä. Jokainen ensimmäisen kertaluvun differentiaaliyhtälö

Lisätiedot

OPTIMOINNIN PERUSTEET. Keijo Ruotsalainen

OPTIMOINNIN PERUSTEET. Keijo Ruotsalainen OPTIMOINNIN PERUSTEET Keijo Ruotsalainen 23. marraskuuta 2009 2 Johdanto Kurssin tavoitteena on tutustuttaa tavallisimpiin optimointi-algoritmeihin ja niiden käyttöön sovellutuksissa. Kurssimateriaali

Lisätiedot

Laskennan vaativuus ja NP-täydelliset ongelmat

Laskennan vaativuus ja NP-täydelliset ongelmat Laskennan vaativuus ja NP-täydelliset ongelmat TRAK-vierailuluento 13.4.2010 Petteri Kaski Tietojenkäsittelytieteen laitos Tietojenkäsittelytiede Tietojenkäsittelytiede tutkii 1. mitä tehtäviä voidaan

Lisätiedot

Ylioppilastutkintolautakunta S tudentexamensnämnden

Ylioppilastutkintolautakunta S tudentexamensnämnden Ylioppilastutkintolautakunta S tudentexamensnämnden MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ.9.013 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutkintolautakunnan

Lisätiedot

Mika Hirvensalo. Insinöörimatematiikka D 2015

Mika Hirvensalo. Insinöörimatematiikka D 2015 Mika Hirvensalo Insinöörimatematiikka D 2015 Sisältö 1 Lineaarialgebran peruskäsitteitä............................................... 5 1.1 Lineaariset yhtälöryhmät..................................................

Lisätiedot