Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43
|
|
- Simo Keskinen
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Numeeriset menetelmät TIEA381 Luento 7 Kirsi Valjus Jyväskylän yliopisto Luento 7 () Numeeriset menetelmät / 43
2 Luennon 7 sisältö Interpolointi ja approksimointi Interpolaatiovirheestä Paloittainen interpolointi Luento 7 () Numeeriset menetelmät / 43
3 Interpolaatiovirheestä Interpolaatiovirheestä Tasavälisellä pisteistöllä interpolaatiovirhettä voidaan arvioida seuraavasti: Lause 5.4 Olkoon a = x 0 < x 1 < < x n = b tasavälinen pisteistö, h = x i+1 x i ja f C (n+1) ([a, b]). Silloin f (t) p n (t) M n 4(n + 1) hn+1, t [a, b], missä M n = max f (n+1) (x). x [x 0,x n] Luento 7 () Numeeriset menetelmät / 43
4 Esimerkki 5.5 Luku5: Interpolointi ja approksimointi Interpolaatiovirheestä Lause 5.4.: f (t) p n (t) M n 4(n + 1) hn+1, M n = max f (n+1) (x). x [x 0,x n] Olkoon f (x) = sin x, x 0 = 0 ja x n = π. Tällöin max f (t) p n (t) 1 h n+1, t [x 0,x n] joten polynomi p n suppenee tasaisesti kohti funktiota f välillä [0, π], kun interpolaatiopisteiden lukumäärää n kasvatetaan rajatta. Luento 7 () Numeeriset menetelmät / 43
5 Interpolaatiovirheestä Interpolaatiovirheestä jatkuu Lauseen 5.4. epäyhtälöä on käytettävä varoen, sillä vakio M n yleensä riippuu myös interp.polynomin asteesta n. Lisäksi vakion M n laskeminen mielivaltaiselle funktiolle f on käytännössä aivan liian työlästä. Funktion f sileys ja datapisteiden paljous ei takaa pientä interpolaatiovirhettä, kuten seuraava klassinen Rungen esimerkki osoittaa. Luento 7 () Numeeriset menetelmät / 43
6 Esimerkki 5.6 Luku5: Interpolointi ja approksimointi Interpolaatiovirheestä Olkoon interpoloitava funktio f (x) = (1 + x 2 ) 1. Olkoon p n interpolaatiopolynomi, joka interpoloi funktiota f tasavälisissä pisteissä välillä [ 5, 5]. Silloin voidaan osoittaa, että lim n max f (x) p n(x) =. x [ 5,5] Siis datapisteiden lisääminen lisää maksimi interpolaatiovirhettä. Luento 7 () Numeeriset menetelmät / 43
7 Esimerkki 5.6 jatkuu Interpolaatiovirheestä 2 f.dat p10.dat Rungen funktiota interpoloiva oskilloiva interpolaatiopolynomi p 10. Luento 7 () Numeeriset menetelmät / 43
8 Esimerkki 5.7 Luku5: Interpolointi ja approksimointi Interpolaatiovirheestä Mikäli interpolaatiopisteiden paikat voidaan itse valita, niin tasavälinen pisteistö ei yleensä ole optimaalinen. Kuvassa on esitetty Rungen funktiota välillä [ 5, 5] interpoloivat polynomit p 10 ja p 20, kun interp.pisteinä on käytetty Tšebyševin interpolaatiopisteitä. Tässä tapauksessa p n f tasaisesti, kun interp.pisteiden lukumäärä n cheby10.dat cheby20.dat Luento 7 () Numeeriset menetelmät / 43
9 Interpolaatiovirheestä Tsebysevin interpolaatiopisteet Mikäli interpolaatiopisteiden paikat voidaan itse valita, ei tasavälinen pisteistö yleensä ole optimaalinen. Pyritään seuraavassa valitsemaan interp.pisteet erikoistapauksessa [a, b] = [ 1, 1] siten, että interpolaatiovirhe minimoituu. Eräs ns. ortogonalisten polynomien luokka on Tšebyševin polynomit, jotka voidaan määritellä rekursiivisesti T 0 (x) = 1, T 1 (x) = x, T n+1 (x) = 2xT n (x) T n 1 (x), n 1. Luento 7 () Numeeriset menetelmät / 43
10 Interpolaatiovirheestä Tsebysevin interpolaatiopisteet jatkuu Välillä [ 1, 1] polynomit T n voidaan lausua myös trigonometristen funktioiden avulla T n (x) = cos(n arccos x), n 0. Yo. esityksestä nähdään, että T n (x) 1, x 1, ( )) 2i + 1 T n (cos 2n π = 0, i = 0,..., n 1. Luento 7 () Numeeriset menetelmät / 43
11 Interpolaatiovirheestä Tsebysevin interpolaatiopisteet jatkuu Nyt voidaan osoittaa, että jos interpolaatiopisteiksi valitaan Tšebyševin polynomin T n+1 juuret ( ) 2i + 1 x i = cos 2n + 2 π, i = 0,..., n, niin f (x) p n (x) 1 2 n (n + 1)! max t 1 f (n+1) (t), x 1. Luento 7 () Numeeriset menetelmät / 43
12 Interpolaatiovirheestä Tsebysevin interpolaatiopisteet jatkuu Yleiseen väliin [a, b] liittyvät Tšebyševin interpolaatiopisteet { x i } saadaan välin [ 1, 1] interpolaatiopisteistä {x i } affiinimuunnoksella x i = 1 2 (a + b) (b a)x i. Luento 7 () Numeeriset menetelmät / 43
13 Jono interpolaatiopolynomeja ei välttämättä lähesty interpoloitavaa sileää funktiota kun interp.pisteitä lisätään. Tasavälinen pisteistö ja korkea-asteinen interpolaatiopolynomi aiheuttavat usein voimakasta oskillointia, sitä voimakkaammin mitä korkeamman asteen polynomia käytetään. Ratkaisu: Jaetaan havaintoväli osaväleihin havaintopisteiden avulla ja käytetään osaväleillä paloittaisia, matala-asteisia polynomeja. Edelleen vaaditaan, että osaväleiltä yhdistetty funktio on sileä. Luento 7 () Numeeriset menetelmät / 43
14 Määritelmä 5.2. Luku5: Interpolointi ja approksimointi Olkoon väli I = [a, b] jaettu n:ään osaväliin pisteillä a = t 0 < t 1 < < t n 1 < t n = b. Funktio s : I R on k-asteinen splini, jos seuraavat ehdot ovat voimassa: 1 Jokaisella osavälillä I i = [t i 1, t i ], i = 1,... n, funktio s on korkeintaan k-asteinen polynomi. 2 Funktiolla s on välillä I jatkuvat derivaatat kertalukuun k 1 asti. Luento 7 () Numeeriset menetelmät / 43
15 Splinit Luku5: Interpolointi ja approksimointi Pisteitä t i sanotaan splinin solmuiksi. Yksinkertaisin, ensimmäisen asteen splini on paloittain lineaarinen funktio. Toisen asteen splini on paloittain kvadraattinen funktio; lisäksi sen derivaatta on jatkuva koko välillä I. Yleisimmin käytetty splini on kolmannen asteen splini eli kuutiosplini, koska se on käytännössä riittävän sileä, mutta samalla helpohkosti konstruoitava. Matala-asteiset splinit sopivat erinomaisesti interpolaatiotehtäviin, koska niillä ei ole taipumusta oskillointiin. Luento 7 () Numeeriset menetelmät / 43
16 Splinit Luku5: Interpolointi ja approksimointi Splinien käyttömahdollisuudet eivät rajoitu vain interpolaatioon. Yleisempi funktion approksimointi, numeerinen integrointi ja differentiaaliyhtälöiden ratkaiseminen voidaan tehdä splinien avulla. Myös tietokonegrafiikassa käytetään usein splinejä sileiden käyrien ja pintojen muodostamiseen. Luento 7 () Numeeriset menetelmät / 43
17 Kuutiosplinin käyttö interpoloinnissa Olkoon väli I = [a, b] jaettu n:ään osaväliin pisteillä a = t 0 < t 1 < < t n = b ja olkoon annettu datapisteistö (t i, y i ), i = 0,..., n. Merkitään h i := t i t i 1, i = 1, 2,..., n. Splinin tulee nyt toteuttaa interpolointiehto s(t i ) = y i, i = 0,..., n. Kuutiosplinin määr. perusteella s, s ja s ovat jatkuvia välillä I. s on paloittain kuutiollinen polynomi s paloittain kvadraattinen polynomi ja s paloittain lineaarinen polynomi. Luento 7 () Numeeriset menetelmät / 43
18 Kuutiosplinin käyttö interpoloinnissa jatkuu Nyt jokaisella osavälillä I i s on lineaarinen, ts. s on suora, joka yhdistää pisteet (x 0, y 0 ) = (t i 1, M i 1 ) ja (x 1, y 1 ) = (t i, M i ), missä s (t i ) = M i. Ko. suoran yhtälö on y = M i M i 1 (x t i 1 ) + M i 1 t i t i 1 = M i (x t i 1 ) M i 1 (x t i 1 ) + M i 1 h i h i = M i (x t i 1 ) + M i 1 (t i 1 x) + M i 1 hi h i h i h i = M i (x t i 1 ) + M i 1 (t i t i 1 +t h i h i }{{} i 1 x) h i Luento 7 () Numeeriset menetelmät / 43
19 Kuutiosplinin käyttö interpoloinnissa jatkuu Nyt siis jokaisella osavälillä I i pätee (M i, M i 1 tuntemattomia) s t i x (x) = M i 1 h i Integroimalla yo. saadaan: + M i x t i 1 h i, x I i. s (x) = M i 1 (t i x) 2 2h i + M i (x t i 1 ) 2 2h i c i + d i. Integroidaan vielä kerran, saadaan osavälillä I i : s(x) = M i 1 (t i x) 3 6h i + M i (x t i 1 ) 3 6h i + c i (t i x) + d i (x t i 1 ). Luento 7 () Numeeriset menetelmät / 43
20 Kuutiosplini: interpolointiehdot Määrätään vakiot c i, d i asettamalla interpolointiehto s(t i 1 ) = y i 1 ja s(t i ) = y i : (t i t i 1 ) 3 (t i 1 t i 1 ) 3 s(t i 1 ) = M i 1 + M i 6h i 6h i +c i (t i t i 1 ) + d i (t i 1 t i 1 ) (t i t i 1 ) 3 = M i 1 + c i (t i t i 1 ) 6h i hi 2 = M i c ih i = y i 1 c i = 1 h (y 2 ) i i 1 M i 1 h i 6 Luento 7 () Numeeriset menetelmät / 43
21 Kuutiosplini: interpolointiehdot Samoin asetetaan interpolointiehto s(t i ) = y i ja saadaan: (t i t i 1 ) 3 hi 2 s(t i ) = M i + d i (t i t i 1 ) = M i 6h i 6 + d ih i = y i d i = 1 h (y 2 ) i i M i h i 6 Näin saadaan (taas välillä I i, i = 1,..., n) (t i x) 3 (x t i 1 ) 3 s(x) = M i 1 + M i 6h i 6h i + 1 h i (y i 1 M i 1h 2 i 6 ) (t i x) + 1hi ( y i M ih 2 i 6 ) (x t i 1 ). Luento 7 () Numeeriset menetelmät / 43
22 Kuutiosplinin käyttö interpoloinnissa jatkuu Derivoimalla edellinen saadaan (taas välillä I i, i = 1,..., n) s (x) = M i 1 (t i x) 2 2h i + M i (x t i 1 ) 2 1 h i (y i 1 M i 1h 2 i 6 2h ) ( i + 1hi y i M ihi 2 6 (t i x) 2 (x t i 1 ) 2 = M i 1 + M i + y i y i 1 M i 2h i 2h i h i 6 h i + M i 1 6 h i. ) Luento 7 () Numeeriset menetelmät / 43
23 Kuutiosplini: toispuoleiset derivaatat Erityisesti välin I i päätepisteessä t i saadaan toispuoleiseksi derivaataksi s (t (t i x) 2 (x t i 1 ) 2 i ) = lim M i 1 + M i x t 2h i i 2h i + y i y i 1 h i hi 2 = M i + y i y i 1 2h i h ( i hi = 2 h i 6 M i 6 h i + M i 1 6 h i M i 6 h i + M i 1 6 h i ) M i + h i 6 M i 1 + y i y i 1 h i = h i 6 M i 1 + h i 3 M i + y i y i 1 h i Luento 7 () Numeeriset menetelmät / 43
24 Kuutiosplini: toispuoleiset derivaatat Samoin s (t + i ) = lim x t + i M i (t i+1 x) 2 2h i+1 + M i+1 (x t i ) 2 2h i+1 + y i+1 y i h i+1 M i+1 6 h i+1 + M i 6 h i+1 hi+1 2 = M i + y i+1 y i M i+1 2h i+1 h i+1 6 h i+1 + M i 6 h i+1 ( hi+1 = 2 h ) i+1 M i h i M i+1 + y i+1 y i h i+1 = h i+1 3 M i h i+1 6 M i+1 + y i+1 y i h i+1. Luento 7 () Numeeriset menetelmät / 43
25 Kuutiosplini: toispuoleiset derivaatat Koska s on jatkuva välillä I, on oltava s (t i ) = s (t + i ), i = 1,..., n 1, joten saadaan yhtälöt (i = 1,..., n 1) h i 6 M i 1 + h i 3 M i + y i y i 1 h i = h i+1 3 M i h i+1 6 M i+1 + y i+1 y i h i+1 josta saadaan (i = 1,..., n 1) h i 6 M i 1 + h i + h i+1 M i + h i M i+1 = y i+1 y i h i+1 y i y i 1 h i. Luento 7 () Numeeriset menetelmät / 43
26 Kuutiosplinin käyttö interpoloinnissa jatkuu Sievennetään edellä saatua lauseketta h i 6 M i 1 + h i + h i+1 3 M i + h i+1 6 M i+1 = y i+1 y i h i+1 } {{ } σ i+1 Kertomalla yo. 6 h i +h i+1 :lla saadaan (i = 1,..., n 1) h i h i + h }{{ i+1 } µ i M i 1 + 2M i + h i+1 h i + h i+1 } {{ } λ i M i+1 = Yhtälöt saadaan yksinkertaisempaan muotoon y i y i 1 h i } {{ } σ i 6 h i + h i+1 (σ i+1 σ i ) }{{} d i µ i M i 1 + 2M i + λ i M i+1 = d i, i = 1,..., n 1.. Luento 7 () Numeeriset menetelmät / 43
27 Kuutiosplinin käyttö interpoloinnissa jatkuu Edellä siis määriteltiin merkintöjen yksinkertaistamiseksi luvut σ i := y i y i 1 h i, i = 1,..., n, λ i := h i+1 h i + h i+1, i = 1,..., n 1, µ i := 1 λ i, i = 1,..., n 1, d i := 6(σ i+1 σ i ) h i + h i+1, i = 1,..., n 1. Luento 7 () Numeeriset menetelmät / 43
28 Kuutiosplinin käyttö interpoloinnissa jatkuu Yhtälöt kertoimien M 0,..., M n ratkaisemiseksi saatiin edellä muotoon µ i M i 1 + 2M i + λ i M i+1 = d i, i = 1,..., n 1. n 1 yhtälöä, n + 1 kerrointa M 0,..., M n Yksikäsitteiseen ratkeavuuteen tarvitaan vielä kaksi lisäehtoa. Esitetään tarvittavat kaksi lisäehtoa muodossa 2M 0 + λ 0 M 1 = d 0, µ n M n 1 + 2M n = d n, missä λ 0, d 0, µ n, d n ovat myöhemmin määrättäviä vakioita. Luento 7 () Numeeriset menetelmät / 43
29 Kuutiosplini: yhtälöryhmä Nyt splinin kertoimien määrääminen on siis palautunut tridiagonaalisen yhtälöryhmän λ 0 M 0 d 0 µ 1 2 λ 1 M 1 d 1 µ 2 2 λ 2 M 2 d =. 6 µ n 2 2 λ n 2 7 6M n 2 7 6d n µ n 1 2 λ 5 4 n 1 M 5 4 n 1 d 5 n 1 µ n 2 M n d n (1) ratkaisemiseen. Luento 7 () Numeeriset menetelmät / 43
30 Kuutiosplini: lauseke Kun yhtälöryhmän ratkaisemisen jälkeen kertoimet M i tunnetaan, niin splinin arvo s(x) voidaan laskea lausekkeesta (t i x) 3 (x t i 1 ) 3 s(x) = M i 1 + M i 6h i 6h ( i + y i 1 M i 1hi 2 ) ( ti x + y i M ih 2 ) i x ti 1. 6 h i 6 h i Luento 7 () Numeeriset menetelmät / 43
31 Kuutiosplini: lisäehdot Yhtälöryhmälle (1) saadaan yksikäsitteinen ratkaisu, jos asetetaan jokin seuraavista ehdoista: Luonnollinen kuutiosplini, s.o. s (a) = s (b) = 0, saadaan kun yllä valitaan λ 0 = d 0 = µ n = d n = 0. Tällöin siis M 0 = M n = 0. Derivaattaehto s (a) = y 0, s (b) = y n, saadaan kun λ 0 = µ n = 1, d 0 = 6 ( ) y1 y 0 y 0, h 1 h 1 d n = 6 ( y n y ) n y n 1. h n h n Luento 7 () Numeeriset menetelmät / 43
32 Kuutiosplini: lisäehdot Not a knot -ehto saadaan asettamalla vain välin I sisäsolmut t i, i = 1,..., n 1 splinin määritteleviksi solmuiksi ja vaatimalla s(a) = y 0, s(b) = y n. Tällöin tulee yhtälöitä kaksi kappaletta vähemmän ja vakiot λ 1, d 1, µ n 1, d n 1 saadaan sijoittamalla x = t 0 ja x = t n splinin lausekkeeseen. Tässä vaihtoehdossa lisäehtoja ei tarvita. Luento 7 () Numeeriset menetelmät / 43
33 Kuutiosplinin käyttö interpoloinnissa jatkuu Nyt selvästi 0 < λ i < 1, i = 1,..., n 1 ( λ i = h ) i+1 h i + h i+1 ja 0 < µ i < 1, i = 1,..., n 1 (µ i = 1 λ i ). Jos nyt lisäksi λ 0 < 2, µ n < 2, niin yhtälöryhmän kerroinmatriisi on diagonaalisti dominantti, ja yhtälöryhmällä (1) on 1-käs. ratkaisuvektori, joka sisältää splinin tuntemattomien M 0,..., M n arvot. Luento 7 () Numeeriset menetelmät / 43
34 Kuutiosplinin käyttö interpoloinnissa jatkuu λ 0 M 0 d 0 µ 1 2 λ 1 M 1 d 1 µ 2 2 λ 2 M 2 d =. 6 µ n 2 2 λ n 2 7 6M n 2 7 6d n µ n 1 2 λ 5 4 n 1 M 5 4 n 1 d 5 n 1 µ n 2 M n d n Luento 7 () Numeeriset menetelmät / 43
35 Esimerkki 5.9. Luku5: Interpolointi ja approksimointi Olkoon annettu datapisteistö (1, 1), (2, 1 2 ), (3, 1 3 ), (4, 1 4 ). Muodostetaan pisteistöön liittyvä luonnollinen kuutiosplini. Koska M 0 = M 3 = 0, splinin määräävä yhtälöryhmä λ 0 M 0 d 0 6µ 1 2 λ 1 7 6M µ 2 2 λ 2 5 4M 2 5 = 6d 1 7 4d 2 5 µ 3 2 M 3 d 3 saa muodon»»» 2 λ1 M1 d1 =. µ 2 2 M 2 d 2 Luento 7 () Numeeriset menetelmät / 43
36 Esimerkki 5.9. jatkuu Nyt h i = t i t i 1 = 1, i = 1,..., 3. λ i := h i+1 h i + h i+1 λ 1 = h 2 h 1 + h 2 = 1 2, λ 2 = h 3 h 2 + h 3 = 1 2 µ i := 1 λ i µ 2 = 1 λ 2 = 1 2 σ i := y i y i 1 h i σ 1 = σ 3 = = = 1 1 2, σ 2 = = 1 6, Luento 7 () Numeeriset menetelmät / 43
37 Esimerkki 5.9. jatkuu d i := 6(σ i+1 σ i ) h i + h i+1 d 1 = 6( 1 6 ( 1 2 )) h 1 + h 2 = 1, Siten yhtälöryhmäksi saadaan d 2 = 6( 1 12 ( 1 6 )) h 2 + h 3 = 1 4,»»» 2 1/2 M1 1 = 1/2 2 M 2 1/4 josta M 1 = 1/2 ja M 2 = 0. Luento 7 () Numeeriset menetelmät / 43
38 Esimerkki 5.9. jatkuu Splinin lauseke kullakin välillä I i saadaan kaavasta (t i x) 3 (x t i 1 ) 3 s(x) = M i 1 + M i 6h i 6h ( i + y i 1 M i 1hi 2 ) ( ti x + y i M ih 2 ) i x ti 1 6 h i 6 h i sijoittamalla M 0 = 0, M 1 = 1 2, M 2 = 0, M 3 = 0, h i = 1 ja (t 0, y 0 ) = (1, 1), (t 1, y 1 ) = (2, 1 2 ), (t 2, y 2 ) = (3, 1 3 ), (t 3, y 3 ) = (4, 1 4 ). Luento 7 () Numeeriset menetelmät / 43
39 Esimerkki 5.9. jatkuu Esimerkiksi välillä I 1 = [1, 2] ts. (i = 1)... (t 1 x) 3 (x t 0 ) 3 s(x) = M 0 + M 1 6h 1 6h ( 1 + y 0 M 0h1 2 ) ( t1 x + y 1 M 1h1 2 6 h 1 6 = 1 (x 1) 3 ( 1 + (1 0)(2 x) = 1 12 x x x ) x t0 1 6 h 1 ) (x 1) Luento 7 () Numeeriset menetelmät / 43
40 Esimerkki 5.9. jatkuu Splinin koko lausekkeeksi saadaan 1 12 x x x + 3 2, 1 x 2 s(x) = 1 12 x x x , 2 x 3 Huomaa, että s ja s ovat jatkuvia välillä [1, 4] x , 3 x 4. Luento 7 () Numeeriset menetelmät / 43
41 Kuutiosplinin käyttö interpoloinnissa jatkuu Kuutiosplinin voidaan ajatella syntyvän kun suora, hoikka ja taipuisa metallitanko pakotetaan kulkemaan datapisteiden kautta. Tangon taivutusenergia on 1 b 2 a [s (x)] 2 dx, missä s(x) on tangon poikkeama lepotilasta pisteessä x. Seuraava lause sanoo, että luonnollinen kuutiosplini minimoi taivutusenergian lausekkeen. Lause 5.6. Jos luonnollinen kuutiosplini s interpoloi funktiota f C (2) ([a, b]) pisteissä a = t 0 < t 1 <... < t n = b, niin b a [s (x)] 2 dx b a [f (x)] 2 dx. Luento 7 () Numeeriset menetelmät / 43
42 Lause 5.7. Luku5: Interpolointi ja approksimointi Olkoon f C (2) ([a, b]), y i := f (t i ) ja h = max h i. Jos luonnollinen kuutiosplini s on interpolaatiotehtävän s(t i ) = y i, i = 0,..., n ratkaisu, niin interpolaatiovirheelle saadaan arviot missä max a x b f (x) s(x) h 3 2 E(f ) max a x b f (x) s (x) h 1 2 E(f ), b E(f ) = a [f (x)] 2 dx. Luento 7 () Numeeriset menetelmät / 43
43 Huomautus 5.2. Luku5: Interpolointi ja approksimointi Vaikka splini-interpolantti käyttäytyykin hyvin välillä I, ei sitä kannata käyttää extrapolaatioon. Esimerkiksi tekijä (x t n 1 ) 3 splinin lausekkeessa kasvaa voimakkaasti välin I ulkopuolelle, jolloin interpolaatiovirhe kasvaa myös hyvin voimakkaasti. Tästä syystä ekstrapolaatiota on syytä välttää tai ainakin rajoituttava ekstrapoloimaan mahdollisimman lähellä annettua datapisteistöä. Luento 7 () Numeeriset menetelmät / 43
Numeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
LisätiedotNumeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotFunktioiden approksimointi ja interpolointi
Funktioiden approksimointi ja interpolointi Keijo Ruotsalainen Division of Mathematics interpolaatio-ongelma 8 Eksponenttifunktion exp(x) interpolointi 3.5 Funktion e^{0.25x} \sin(x) interpolointi 7 3
LisätiedotBM20A1501 Numeeriset menetelmät 1 - AIMO
6. marraskuuta 2014 Opetusjärjestelyt Luennot + Harjoitukset pe 7.11.2014 10-14 2310, 14-17 7337 la 8.11.2014 9-12 2310, 12-16 7337 pe 14.11.2014 10-14 2310, 14-17 6216 la 15.11.2014 9-12 2310, 12-16 7337
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Lisätiedotx j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotNumeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37
Numeeriset menetelmät TIEA381 Luento 11 Kirsi Valjus Jyväskylän yliopisto Luento 11 () Numeeriset menetelmät 24.4.2013 1 / 37 Luennon 11 sisältö Numeerisesta integroinnista ja derivoinnista Adaptiiviset
LisätiedotLuku 4. Derivoituvien funktioiden ominaisuuksia.
1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35 Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f
Lisätiedot13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
LisätiedotNumeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
LisätiedotFunktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.
Funktiot Tässä luvussa käsitellään reaaliakselin osajoukoissa määriteltyjä funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Avoin väli: ]a, b[ tai ]a, [ tai ],
Lisätiedot8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa
8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen
LisätiedotNumeerinen integrointi ja derivointi
Numeerinen integrointi ja derivointi Keijo Ruotsalainen Division of Mathematics Interpolaatiokaavat Approksimoitava integraali I = b a f(x)dx. Tasavälinen hila: x i = a+ (b a)i n, i = 0,...,n Funktion
LisätiedotIV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
LisätiedotPienimmän neliösumman menetelmä
Pienimmän neliösumman menetelmä Keijo Ruotsalainen Division of Mathematics Funktion sovitus Datapisteet (x 1,...,x n ) Annettu data y i = f(x i )+η i, missä f(x) on tuntematon funktio ja η i mittaukseen
Lisätiedotk=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu
LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja
LisätiedotLuento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 9 Ti 4.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti 4.10.2011 p. 1/44 p. 1/44 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että
Lisätiedot6. Toisen ja korkeamman kertaluvun lineaariset
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 51 6. Toisen ja korkeamman kertaluvun lineaariset differentiaaliyhtälöt Määritelmä 6.1. Olkoon I R avoin väli. Olkoot p i : I R, i = 0, 1, 2,..., n, ja q : I R jatkuvia
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 11 Ti 11.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti 11.10.2011 p. 1/34 p. 1/34 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen
LisätiedotOletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on
Derivaatta Erilaisia lähestymistapoja: geometrinen (käyrän tangentti sekanttien raja-asentona) fysikaalinen (ajasta riippuvan funktion hetkellinen muutosnopeus) 1 / 19 Derivaatan määritelmä Määritelmä
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 26.9.2016 Pekka Alestalo,
Lisätiedot5 Differentiaalilaskentaa
5 Differentiaalilaskentaa 5.1 Raja-arvo Esimerkki 5.1. Rationaalifunktiota g(x) = x2 + x 2 x 1 ei ole määritelty nimittäjän nollakohdassa eli, kun x = 1. Funktio on kuitenkin määritelty kohdan x = 1 läheisyydessä.
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 14 To 20.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 14 To 20.10.2011 p. 1/39 p. 1/39 Nopeat Fourier-muunnokset Diskreetti Fourier-muunnos ˆf k = 1 N 1 N
LisätiedotMS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
LisätiedotMATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.09 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 12 To 13.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 12 To 13.10.2011 p. 1/38 p. 1/38 Tavalliset differentiaaliyhtälöt Yhtälöissä tuntematon funktio Tavalliset
LisätiedotLuento 2: Liikkeen kuvausta
Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä
LisätiedotFunktion raja-arvo. lukumäärien tutkiminen. tutkiminen
Matematiikka algebra geometria Funktion raja-arvo analyysi tarve lukumäärien tutkiminen kuvioiden ja kappaleiden tutkiminen muutosten tutkiminen DERIVAATTA, MAA6 Yhtä vanhoja kuin ihmiskuntakin ~6 000
LisätiedotNumeerinen analyysi Harjoitus 3 / Kevät 2017
Numeerinen analyysi Harjoitus 3 / Kevät 2017 Palautus viimeistään perjantaina 17.3. Tehtävä 1: Tarkastellaan funktion f(x) = x evaluoimista välillä x [2.0, 2.3]. Muodosta interpoloiva polynomi p 3 (x),
Lisätiedot4 Korkeamman kertaluvun differentiaaliyhtälöt
Differentiaaliyhtälöt c Pekka Alestalo 2015 Tässä monisteessa käydään läpi tavallisiin differentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Luennolla lasketaan esimerkkitehtäviä
LisätiedotJohdatus reaalifunktioihin P, 5op
Johdatus reaalifunktioihin 802161P, 5op Osa 2 Pekka Salmi 1. lokakuuta 2015 Pekka Salmi FUNK 1. lokakuuta 2015 1 / 55 Jatkuvuus ja raja-arvo Tavoitteet: ymmärtää raja-arvon ja jatkuvuuden määritelmät intuitiivisesti
LisätiedotFunktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen
4. Funktiojonot ja funktiotermiset sarjat 4.1. Funktiojono ja funktioterminen sarja 60. Tutki, millä muuttujan R arvoilla funktiojono f k suppenee, kun Mikä on rajafunktio? a) f k () = 2k 2k + 1, b) f
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 21.9.2016 Pekka Alestalo, Jarmo
LisätiedotBM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan
Lisätiedot4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä
1 Laaja matematiikka 5 Kevät 010 4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa esiintyvistä matemaattisista malleista on differentiaaliyhtälö.
Lisätiedot2 Funktion derivaatta
ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 2 Funktion derivaatta 1. Määritä derivaatan määritelmää käyttäen f (), kun (a), (b) 1 ( > 0). 2. Tutki, onko funktio sin(2) sin 1, kun 0, 2 0, kun = 0, derivoituva
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
LisätiedotLuento 8: Epälineaarinen optimointi
Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori = (,..., ). Reaalisten m n-matriisien joukkoa merkitään
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1 / 18
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Derivaatta 1.1 Derivaatta Erilaisia lähestymistapoja: I geometrinen
LisätiedotDifferentiaalilaskenta 1.
Differentiaalilaskenta. a) Mikä on tangentti? Mikä on sekantti? b) Määrittele funktion monotonisuuteen liittyvät käsitteet: kasvava, aidosti kasvava, vähenevä ja aidosti vähenevä. Anna esimerkit. c) Selitä,
LisätiedotVastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:
. Koska F( ) on jokin funktion f ( ) integraalifunktio, niin a+ a f() t dt F( a+ t) F( a) ( a+ ) b( a b) Vastaus: Kertausharjoituksia. Lukujonot 87. + n + lim lim n n n n Vastaus: suppenee raja-arvona
LisätiedotFunktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot
3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,
LisätiedotLineaarinen toisen kertaluvun yhtälö
Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y
Lisätiedoty (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x
BM0A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 4, Kevät 017 Päivityksiä: 1. Ratkaise differentiaaliyhtälöt 3y + 4y = 0 ja 3y + 4y = e x.. Ratkaise DY (a) 3y 9y + 6y = e 10x (b) Mikä on edellisen
LisätiedotTodista raja-arvon määritelmään perustuen seuraava lause: Jos lukujonolle a n pätee lima n = a ja lima n = b, niin a = b.
2 Lukujonot 21 Lukujonon määritelmä 16 Fibonacci n luvut määritellään ehdoilla Osoita: 17 a 1 = a 2 = 1; a n+2 = a n+1 + a n, n N a n = 1 [( 1 + ) n ( 2 1 ) n ] 2 Olkoon a 1 = 3, a 2 = 6, a n+1 = 1 n (na
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +
LisätiedotMATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =
Lisätiedotx 0 x 1 x 2... x n y 0 y 1 y 2... y n Taulukko 1:
[?, Luku 10], interpolaatio.tex 6.7.04 1 Interpolaatio Olkoon annettu taulukko x 0 x 1 x 2... x n y 0 y 1 y 2... y n Taulukko 1: Voidaan ajatella, että kyse on annetun funktion taulukoiduista arvoista
LisätiedotNumeeriset menetelmät TIEA381. Luento 4. Kirsi Valjus. Jyväskylän yliopisto. Luento 4 () Numeeriset menetelmät / 44
Numeeriset menetelmät TIEA381 Luento 4 Kirsi Valjus Jyväskylän yliopisto Luento 4 () Numeeriset menetelmät 21.3.2013 1 / 44 Luennon 4 sisältö Lineaarisen yhtälöryhmän ratkaisemisesta: Choleskyn menetelmä
LisätiedotHarjoitus 7 -- Ratkaisut
Harjoitus 7 -- Ratkaisut 1 Solve osaa ratkaista polynomiyhtälöitä, ainakin astelukuun 4 asti. Erikoistapauksissa korkeammankin asteen yhtälöt ratkeavat. Clear a, b, c, d, e, x ; Solve a x 3 b x 2 c 0,
LisätiedotMS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
LisätiedotEnsimmäisen 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
LisätiedotToispuoleiset raja-arvot
Toispuoleiset raja-arvot Määritelmä Funktiolla f on oikeanpuoleinen raja-arvo a R pisteessä x 0 mikäli kaikilla ɛ > 0 löytyy sellainen δ > 0 että f (x) a < ɛ aina kun x 0 < x < x 0 + δ; ja vasemmanpuoleinen
Lisätiedotinfoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1
infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.
Lisätiedotw + 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)
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2016
LisätiedotMATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai
MATP15 Approbatur 1B Ohjaus Keskiviikko 4.11. torstai 5.11.015 1. (Opiskeluteht. 6 s. 0.) Määritä sellainen vakio a, että polynomilla x + (a 1)x 4x a on juurena luku x = 1. Mitkä ovat tällöin muut juuret?.
LisätiedotDuaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki
Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista
LisätiedotMuotoinosa tulkitaan vasta suoritushtkellä.
Syöttö ja tulostus write (*,*) x write (6,*) x write (*,00) x 00 format( x=,f8.3) write(*, ("x=",f8.3) ) x write(*,"( x=,f8.3)") x write(*, ( x=,f8.3) ) x character (len=80) :: form character (len=2) ::
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
LisätiedotKevään 2011 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä /
Kevään 0 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä / 8.7.0 a) b) c) a) Tehtävä Yhtälö ratkaistaan yleensä Solve-funktiolla: Solve x 3 x, x x 4 Joissakin tapauksissa
LisätiedotLuento 11: Rajoitusehdot. Ulkopistemenetelmät
Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja
Lisätiedot2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu
2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.
LisätiedotInjektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )
Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään
LisätiedotMatematiikka B3 - Avoin yliopisto
2. heinäkuuta 2009 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Lisäharjoitustehtävä Kurssin sisältö (1/2) 1. asteen Differentiaali yhtälöt (1.DY) Separoituva Ratkaisukaava Bernoyulli
Lisätiedot3 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
LisätiedotYleisiä integroimissääntöjä
INTEGRAALILASKENTA, MAA9 Yleisiä integroimissääntöjä Integroiminen eli annetun funktion f integraalifunktion F määrittäminen (löytäminen) on yleisesti haastavaa. Joskus joutuu jopa arvata tai kokeilla.
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
LisätiedotLuento 3: Liikkeen kuvausta, differentiaaliyhtälöt
Luento 3: Liikkeen kuvausta, differentiaaliyhtälöt Suoraviivainen liike integrointi Digress: vakio- vs. muuttuva kiihtyvyys käytännössä Kinematiikkaa yhdessä dimensiossa taustatietoa ELEC-A3110 Mekaniikka
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon
LisätiedotIntegrointi ja sovellukset
Integrointi ja sovellukset Tehtävät:. Muodosta ja laske yläsumma funktiolle fx) x 5 välillä [, 4], kun väli on jaettu neljään yhtä suureen osaan.. Määritä integraalin x + ) dx likiarvo laskemalla alasumma,
LisätiedotYhden muuttujan funktion minimointi
Yhden muuttujan funktion minimointi Aloitetaan yhden muuttujan tapauksesta Tarpeellinen myös useamman muuttujan tapauksessa Tehtävä on muotoa min kun f(x) x S R 1 Sallittu alue on muotoa S = [a, b] tai
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
LisätiedotMAT-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
Lisätiedot10. Toisen kertaluvun lineaariset differentiaaliyhtälöt
37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen
Lisätiedoty + 4y = 0 (1) λ = 0
Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 6 mallit Kevät 2019 Tehtävä 1. Ratkaise yhtälöt a) y + 4y = x 2, b) y + 4y = 3e x. Ratkaisu: a) Differentiaaliyhtälön yleinen
Lisätiedot3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
LisätiedotMatematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.
7 Sovelluksia 90 a) Koska sin saa kaikki välillä [,] olevat arvot, niin funktion f ( ) = sin pienin arvo on = ja suurin arvo on ( ) = b) Koska sin saa kaikki välillä [0,] olevat arvot, niin funktion f
Lisätiedota) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3.
Integraalilaskenta. a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. b) Mitä määrätty integraali tietyllä välillä x tarkoittaa? Vihje: * Integraali * Määrätyn integraalin
Lisätiedotf(x) f(y) x y f f(x) f(y) (x) = lim
Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,
LisätiedotOrtogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
LisätiedotMATP153 Approbatur 1B Harjoitus 6 Maanantai
. (Teht. s. 93.) Määrää raja-arvo MATP53 Approbatur B Harjoitus 6 Maanantai 7..5 cos x x. Ratkaisu. Suora sijoitus antaa epämääräisen muodon (ei auta). Laventamalla päädytään muotoon ja päästään käyttämään
LisätiedotMATEMATIIKAN JA TILASTOTIETEEN LAITOS
f ( n) JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Funktionaalianalyysi Ei harjoituksia 1.4.2015 Funktionaalista viihdettä pääsiäistauolle: viikolla 14 (ma 30.3., ti 31.3. ja ke 1.4.)
LisätiedotJonot. Lukujonolla tarkoitetaan ääretöntä jonoa reaalilukuja a n R, kun indeksi n N. Merkitään. (a n ) n N = (a n ) n=1 = (a 1, a 2, a 3,... ).
Jonot Lukujonolla tarkoitetaan ääretöntä jonoa reaalilukuja a n R, kun indeksi n N. Merkitään (a n ) n N = (a n ) n=1 = (a 1, a 2, a 3,... ). Lukujonon täsmällinen tulkinta on funktio f : N R, jolle f
LisätiedotPositiivitermisten sarjojen suppeneminen
Positiivitermisten sarjojen suppeneminen Jono (b n ) n= on kasvava, jos b n+ b n kaikilla n =, 2,... Lemma Jokainen ylhäältä rajoitettu kasvava jono (b n ) n= raja-arvo on lim n b n = sup n Z+ b n. suppenee
LisätiedotInversio-ongelmien laskennallinen peruskurssi Luento 2
Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /
MS-A008 Differentiaali- ja integraalilaskenta, V/207 Differentiaali- ja integraalilaskenta Ratkaisut 2. viikolle / 8. 2.4. Jatkuvuus ja raja-arvo Tehtävä : Määritä raja-arvot a) 3 + x, x Vihje: c)-kohdassa
Lisätiedot