Tutkivaa oppimista? 1 Siltanosturi
|
|
- Elli Nieminen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Tutkivaa oppimista? 1 Siltanosturi Kuva 1.1: Siltanosturi. Vaunuun, jonka massa on m 1, on ripustettu (elastisella) vaijerilla massa m 2. Voima F u1 liikuttaa vaunua ja voima F u2 kelaa kuorman kannatinvaijeria sisään. Halusin kokeilla matematiikan, tietotekniikan ja mekaniikan tutkivaa oppimista. Millainen mekaniikan ongelma voisi olla riittävän mielenkiintoinen ja opettavainen ansaitakseen muutaman päivän mittaisen projektin? Mekaniikka tarjoaa järjestelmät tarjoaa hyviä matematiikan ja ohjelmoinnin harjoitustehtäviä, koska ongelmat ovat niin konkreettisia, että opiskelija voi ymmärtää, mitä on ratkaisemassa. Silti yksinkertaisenkin mekaanisen järjestelmän toiminta voi olla yllättävän monimutkaista ja siksi mielenkiintoinen ja opettavainen tutkimuskohde. Päädyin kuvan mukaiseen siltanosturiin. Tutkittavan ilmiön pitää tietysti kiinnostaa opiskelijaa. Ketä tällainen ilmiö voisi kiinnostaa? Onko ketään muuta kuin minä? No, tämä olikin tarkoitettu minulle. Tehtävän tasokin oli minulle aika lailla kohdallaan. 1
2 En onnistunut johtamaan kuvan nosturin liikeyhtälöitä Newtonin mekaniikan perusteella, mutta onneksi löysin googlaimella vinkkejä Lagrangen mekaniikasta. Webistä löysin monta esimerkkiä oikeammin samat esimerkit kopioituna eri paikkoihin Lagrangen mekaniikan soveltamisesta, mutta niissä käsiteltiin suljettuja järjestelmiä, joihin ei kohdistu ulkoisia voimia. Eräällä kysymysvastaus palstalla jopa väitettiin, että moinen ei edes ole mahdollista. Säätötekniikkaa harrastaneena minusta tuntui oudolta tarkastella järjestelmää, jota ei voi ohjata, joten jatkoin sinnikkäästi surffailua kunnes löysin artikkelin, jonka mukaisesti sisällytin ulkoiset voimat Lagrangen yhtälöön. En perehtynyt Lagrangen yhtälön johtamiseen, joten en tiedä varmaksi, onko ratkaisu matemaattisesti pätevä. Tyydyin siihen, että yhtälöiden simulointi tuotti järkevän näköisen tuloksen. Lagrangen yhtälön soveltaminen on insinöörilaskentoa, sen johtaminen ja johtamiseen perehtyminen matematiikkaa. Tällä kertaa tyydyin verryttelemään insinöörilaskentoa. Pikaisen googlailun perusteella näytti, että kukaan ei näyttänyt innostuneen opetustarkoituksessa simuloimaan nosturia tai muita esimerkkeinä käyttämiään järjestelmiä. Vaikutti siltä, että opetuksessa käytettävien esimerkkien tehtävät oli keksitty sopivasti niin, että ne saattoi ratkaista analyyttisesti, ei niin, että tulos olisi ollut ainakaan minun mielestäni mielenkiintoinen. Lisäksi vaikutti siltä, että samoja vanhoja esimerkkejä kierrätetään uudistamatta niitä vastaamaan nykyisten tietoteknisten työkalujen tarjoamia mahdollisuuksia. Minun kouluaikoinani dynaamisten järjestelmien simulointi oli mahdollista vain hyvin varustetuissa yliopistoissa ja tutkimuslaitoksissa, nyt saman voi tehdä läppärillä. Miksei siis jo lukiossa simuloitaisi järjestelmien toimintaa? Fysiikan tunneilla harjoitellaan voimien laskemista, muttei tutkita, mitä voimat voivat saada aikaan. Mielenkiintoisin osuus jää näkemättä. No, ainakin minun mielestäni mielenkiintoisin. Matematiikan kursseilla tarkastellaan differentiaaliyhtälöistä vain analyyttisesti käsityönä ratkaistavissa olevia, mikä rajoittaa sovellusesimerkit kaikkein yksinkertaisimpiin. 1.1 Siltanosturin tilayhtälön johtaminen a 1 (t) Seuraavassa a(t) tarkoittaa vektoria. a n (t) d dt a 1(t) ja ȧ(t) vektoria. d dt a n(t). [, at (t) vektoria a 1 (t) a n (t) ] 2
3 Lagrangen mekaniikan mukaisissa esimerkkiratkaisuissa neuvottiin valitsemaan koordinaatisto niin, että energioiden laskeminen on mahdollisimman helppoa. Valitsin koordinaatit niin, että x on massan m 1 liikkeen suuntainen koordinaatti, koordinaatti θ kertoo vaijerin poikkeaman pystysuunnasta ja s on vaijerin pituuden suuntainen koordinaatti. Määritetään liikeyhtälöt: Vaunun m 1 paikka: x 1 (t) Vaijerin kulma: θ(t) Vaijerin pituus: l(t) = l 0 + l s (t), missä l 0 on lepopituus ja l s (t) on jännityksen aiheuttama venymä. [ ] x 1 (t) + sin(θ(t)) l(t) Kuorman m 2 paikka: x 2 (t) = cos(θ(t)) l(t) Vaijerin jännitys: F s (t) = k s l s (t), missä k s on vaijerin jousivakio. Lagrangen mekaniikkaa sovellettaessa muodostetaan aluksi langrangen funktio L, joka on järjestelmän kineettisen ja potentiaalienergian erotus: L(x(t)) = T (x(t)) V (x(t)) L(x(t) = 1 2 ( m1 ẋ 2 1(t) + m 2 x 2 (t) T x 2 (t) ) ( 1/2 k s ls(t) 2 m 2 g cos(θ(t)) l(t) ) Langrangen mekaniikan perusyhtälö on d dt ( ) L(x(t)) ẋ(t) ( ) L(x(t)) x(t) = u(x(t), t) Missä x(t) = [x 1 (t), θ(t), l(t)] T voimavektori. ja u(x(t), t) on systeemin vaikuttava ulkoinen Nosturimme tapauksessa u(x(t), t) = F u1 (t) 0 F u2 (t) missä F u1 (t) on vaunua liikuttava voima ja F u2 (t) kuormaa vaijerin avualla nostava ja laskeva voima. Nosturin tapauksessa Langrangen mekaniikan perusyhtälö on toisen asteen differentiaaliyhtälö muuttujien x 1 (t),θ(t)ja l s (t) suhteen. Sijoittamalla 3
4 v 1 (t) = d dt x 1(t), ω(t) = d dt θ(t), v s(t) = d dt l s(t) saadaan kuuden ensimmäisen kertaluvun differentiaaliyhtälön ryhmä ż(t) = f(z(t), u(t), t). Mikäli tunnetaan z(0), järjestelmän toimintaa voidaan simuloida eli ratkaista z(t), t [0, T f ] numeerisella integroinnilla. Johdin tilayhtälöt ja suoritin simuloinnin xmaxima ohjelmistolla: xmaxima koodi ja sen tuottama hieman käsityönä editoitu Python-ohjelma optimiohjausten laskemista varten. Koodista näkee, että käsityönä tilayhtälöiden johtaminen olisi ollut ylivoimaista, mutta xmaximalla periaatteessa sangen johdonmukaista ja suoraviivaista. Käytännössä xmaximan kuten yleensä tietoteknisten työkalujen käytön opettelu vaati kuitenkin aikaa ja sinnikkyyttä varsinkin kun yritin tehdä mahdollisimman eleganttia ja yleispätevää koodia. Quick-anddirty ohjelmointi tuottaa helposti virheitä ja koodia, jota on työläs muokata ja uudelleenkäyttää. Minulta vei paljon aikaa selvittää, miten plotata järkevästi simuloinnin tulos. Jos tämän tapaisia projekteja käytetään opetuksessa, ohjaajan on hyvä osata auttaa opiskelijoita välttämään toisarvoisten ongelmien kanssa takkuaminen. 1.2 Siltanosturin toiminnan tutkiminen Järjestelmän simulointi Jos järjestelmän ẋ(t) = f(x(t), u(t), t) alkutila x(0) ja ohjaukset u(t) tunnetaan saadaan alkuarvotehtävä, josta x(t) voidaan ratkaista numeerisesti integroimalla. u(t) voidaan antaa yksinkertaisesti ajan funktiona tai laskea se järjestelmän tilan funktiona käyttää takaisinkytkettyä säätöä. Seuraavassa on tutkittu kolmen erilaisen nosturin toimintaa: Nosturi, jonka ripustusvaijeri on vakiomittainen jolloin ainoa ohjaus on nosturin vaunua liikuttava voima. Kuten edellinen, mutta ripustusvaijeri on elastinen. Esimerkissä vaijeri on kimmoisuudeltaan kuin benji-köysi, jotta elastisuuden vaikutus tulisi paremmin esille. Nosturi, jonka kuormaa voidaan nostaa ja laskea muuttamalla ripustusvaijerin pituutta. 4
5 Kuva 1.2: Vakiomittainen nostovaijeri: Vaunu on nykäisty liikkeelle ja hetken kuluttua jarruteltu sitä Kuva 1.3: Vakiomittainen nostovaijeri Kuva 1.4: Elastinen nostovaijeri: 5
6 Kuva 1.5: Elastinen nostovaijeri Kuva 1.6: Elastinen nostovaijeri Kuva 1.7: Säädettäväpituinen ripustusvaijeri. Ohjausvoima 2 on kannatusvoiman poikkeama massan m2 painosta. 6
7 Kuva 1.8: Säädettäväpituinen ripustusvaijeri Kuva 1.9: Säädettäväpituinen ripustusvaijeri Kuva 1.10: Säädettäväpituinen nostovaijeri: Kannatinvaijerin paikka ja asento eri ajan hetkinä. Janan yläpää osoittaa vaunun aseman tietyllä hetkellä ja janan alapää kuorman aseman samalla hetkellä. Jätän myöhemmäksi harjoitukseksi Optimiohjauksen laskeminen Järjestelmälle ẋ(t) = f(x(t), u(t), t) voidaan ratkaista kustannuksen 7
8 ˆ Tf J = g f (x(t f )) + g(x(t), u(t), t)dt 0 minimoiva ohjaus u(t), t [0, T f ] Pontryaginin minimiperiaatteella. Siltanosturiesimerkissä g(x(t), u(t), t) = Fu1 2 + Fu2 2 ja g f (x(t f )) = x ] T f C x f missä x T f = xt (T f ) [0 0 0 x 1f 0 s f ja C lopputilan poikkeaman painotusten diagonaalimatriisi. Optimointikriteeri siis sakottaa ohjausvoiman käytöstä ja siitä, että lopputila poikkeaa tavoitellusta. Integroitava kustannus voisi myös olla 1 ja systeemi voitaisiin vaatia vietäväksi tarkalleen haluttuun lopputilaan, jolloin minimoitaisiin lopputilan saavuttamiseen kuluvaa aikaa. Arvelin kuitenkin tuollaisen minimiaikatehtävän numeerisesti vaikeammaksi ratkaista, joten jätin sen lisährjoitukseksi. Optimiohjausta laskettaessa määritellään aluksi Hamiltonin funktio H(x(t), λ(t), u(t), t) = λ T (t) f(x(t), u(t), t) + g(x(t), u(t), t) Pontryaginin miniperiaatteen mukaan optimitrajektorilla H on pienimmillään, eli optimiohjaus saadaan minimoimalla H u:n suhteen. Lisäksi optimitrajektorilla pätee λ(t) = H(x(t), λ(t), u(t), t) = h(x(t), λ(t), u(t), t) x(t) Minimiperiaate antaa ongelmasta riippuen käyttökelpoisia lisäehtoja H:lle ja λ(t f ):lle. Esimerkkissä pätee λ(t f ) = g f (x(t f )) x(t) Minimiperiaate johtaa kahden pisteen reuna-arvotehtävään: Pitää ratkaista ẋ(t) = f(x(t), u(t), t) ja λ(t) = h(x(t), λ(t), u(t), t) kun tiedetään x(0) ja optimointitehtävästä riippuen joko x(t f ) tai λ(t f ). Optimointitehtävän ratkaisemiseen tarvittavien yhtälöiden johtaminen oli xmaximalla yhtä johdonmukaista ja suoraviivaista kuin järjestelmän tilayhtälöiden johtaminenkin. xmaximassa ei tarjoa algoritmin kahden pisteen reuna-arvotehtävän ratkaisemiseen, mutta xmaximalla oli helppo generoida Python-ohjelma ja ratkaista tehtävä Pythonin scikits.pvb_solver modulilla. 8
9 Kuva 1.11: Vakiomittainen nostovaijeri: Vaunu on nykäisty liikkeelle ja hetken kuluttua jarruteltu sitä Kuva 1.12: Vakiomittainen nostovaijeri Kuva 1.13: Elastinen nostovaijeri 9
10 Kuva 1.14: Elastinen nostovaijeri Kuva 1.15: Elastinen nostovaijeri Kuva 1.16: Elastinen nostovaijeri, hidas ajo 10
11 Kuva 1.17: Elastinen nostovaijeri, hidas ajo Kuva 1.18: Elastinen nostovaijeri, hidas ajo Kuva 1.19: Säädettäväpituinen ripustusvaijeri 11
12 Kuva 1.20: Säädettäväpituinen ripustusvaijeri Kuva 1.21: Säädettäväpituinen ripustusvaijeri 1.3 Lisäharjoituksia Ilmanvastuksen huomioiminen Koska nosturiesimerkkini ei muutenkaan ole kovin realistinen tilayhtälöihin voisi vielä lisätä kuorman nopeuden neliöön verrannollisen ilmanvastuksen aiheuttaman voiman. Tehtävä saattaa olla sangen mielenkiintoinen, koska ilmanvastus on luontevinta laskea xy-koordinaatistossa eikä tilayhtälön johtamiseen käyttämässäni koordinaatistossa. Ilmanvastuksen huomioonottaminen jäikin lisätehtäväksi, koska se näytti vaativan ikävähkön koordinaatistomuutoksen Heuristinen säätö Nosturille voi yrittää kehitellä säätöalgoritmeja, jotka siirtävät kuormaa tietyn matkan ja pysäyttävät sen elegantisti. 12
13 1.3.3 Nosturin animaatio Ylläpiirretyt kuvaajat eivät ainakaan tottumattomalle havainnollista kovin hyvin järjestelmän dynamiikka. Järjestelmän toimintaa olisi hieno animoida niin, että ruudulla liikkuvaa nosturia voisi ohjata muuttelemalla ohjausvoimaa vaikka nuolinäppäimillä. Samalla ohjelmalla pitäisi tietysti voida animoida ylläesitettyjen simulointien tulokset Vuoristorata En perehtynyt kunnolla Lagrangen mekaniikan tarjoamiin mahdollisuuksiin, mutta minulle jäi vaikutelma, että Lagrangen yhtälöä voi täydentää tilarajoituksia kuvaavilla yhtälöillä. Esimerkissäni siltanosturin vaunu kulkee pitkin vaakasuoraa kiskoa. Tieto siitä, että vaunun korkeus referenssitasosta y 1 (t) = 0 on otettu huomioon liikeenergian lausekkeessa ja samasta syystä vaunun potentiaalienergiaa ei ole yhtälössä lainkaan. Vaunun potentiaali- ja liike-energialle olisi kuitenkin voinut kirjoittaa yleiset yhtälöt ja kertoa kiskon reitti erillisellä rajoitusyhtälöllä y 1 (t) = 0. Yleisesti kiskon reitin voisi kuvata rajoitusyhtälöllä p(x 1 (t), y 1 (t), z 1 (t) = 0. Kiskon muotoa kuvaava funktio p voisi olla muutaman annetun pisteen kautta kulkemaan sovitettu polynomi, splini-käyrä tai muu vastaava. Kolmiulotteinen tehtävä antaisi muun ohella mahdollisuuden harjoitella kolmiulotteisten liikeratojen visualisointia ja 3D-animaatiota. Siltanosturista saisi hauskan laitteen huvipuistoon, jos vaunun kiskon vääntäisi mutkille ylös ja alas, oikealle ja vasemmalle. Kuorma olisi adrenaliinihakuisille huvittelijoille tarkoitettu matkustajakori tai yksittäinen huvittelija benji-köyden varassa. Opiskelijoilta vaadittavat esitiedot, ohjaajan rooli Tällaisen projektin avulla oppimisen idea on, että matemaattisia ja fysikaalisia perusteita ei opiskella perusteellisesti etukäteen vaan tarkastellaan niitä tarvittavilta osin projektin kuluessa ja perehdytään teorioihin kunnolla vasta kun on kokeiltu niitä ensin käytännössä. Onkohan tällainen mahdollista? Aivan kaikkea tarvittavaa fysiikkaa ja matematiikkaa ei tietenkään voi opiskella projektin kuluessa, ellei halua projektin kestävän vuosia. Mitkä olisivat välttämättömät esitiedot, joita tämän tyyppiseen projektiin osallistuvilla opiskelijoilla pitäisi olla? 13
14 Derivaatasta opiskelijoilla pitäisi olla jonkinmoinen käsitys, mutta tehtävän vaatiman derivoinnin voi jättää xmaximalle. Tällaista tehtävää ei edes voi ratkaista käsityönä varsinkaan, kun laskennan joutuu uusimaan monta kertaa ennen kuin saa lähtöyhtälöissä kaiken kohdalleen. Opiskelijan pitäisi ymmärtää, mitä ovat vektori, voima ja energia tai ne pitää esitellä harjoituksen aluksi. Ohjaajan pitäisi esitellä tarvittavilta osin xmaximan käyttöä muutamalla sopivalla pienellä harjoituksella. Mikäli projektin tavoitteena ei ole oppia xmaxima ohjelmointia, xmaxima-algoritmista voisi tehdä niin valmiin, että järjestelmän potentiaali- ja liike-energian lausekkeiden ja mahdollisten lisärajoitusten koodaamisen jälkeen loppu hoituisi napinpainalluksella. Ohjaajan olisi hyvä perehtyä Lagrangen mekaniikan ja Pontryaginin minimiperiaatteen johtamiseen sen varmistamiseksi, ettei googlaamalla haettuja reseptejä tule sovellettua väärin. (Toivottavasti minä en sortunut moiseen.) xmaxima tai muu käytettävä työkalu ratkaisee alkuarvotehtävän siitä riippumatta, ymmärtääkö opiskelija, mitä on numeerinen integrointi. Silti lienee hyvä selittää numeerisen integroinnin periaate ja saattaa opiskelija siitä itsekin kiinnostua. Käyttämäni Runge-Kutta vaatii käyttäjää antamaan integrointiaskelen, joten sen merkityksestä on hyvä jotain ymmärtää. Harjoituksen kuluessa kannattaa tietysti kokeilla, mitä integrointiaskelen muuttaminen vaikuttaa tulokseen. Järjestelmän animointia varten pitäisi opetella graafista ohjelmointia esimerkiksi Pythonilla. Opiskelijoilta tämä edellyttäisi jonkin verran kokemusta ohjelmoinnista. Ohjaajan pitäisi etukäteen ohjelmoida esimerkkiohjelma tai vähintään etsiä malliksi sopiva ohjelma. Pythonin manuaalissa näytti olevan jonkimmoisen pelimoottorin runko, jossa pyöriteltiin jotain kappaletta. Aikani ei kuitenkaan riittänyt Pythonin grafiikkaolioihin perehtymiseen. Ilman aiempaa Python grafiikkaohjelmoinnin kokemusta en äkkiseltään edes ymmärtänyt esimerkkiä. Tietotekniikan osaamiseen toisaalta kuuluu nimenomaan tällaisten ongelmien ratkaiseminen. On kyettävä nopeasti perehtymään johonkin uuteen ilman, että kukaan on kädestä pitäen opastamassa ja ilman, että ehtii mennä kurssille, vaikka sellainen sattuisikin olemaan tarjolla. Yksittäisellä opettajalla tuskin on riittävästi aikaa ahertaa tällaisten projektin valmistelun parissa varsinkaan kun ei ehkä ole mielekästä toistaa samaa harjoitusta vuodesta toiseen. Tämän tyyppistä tutkivaa oppimista pitäisi harrastaa yhteisön turvin, jossa voisi olla mukana opettajien lisäksi opinnäytetöitään tekeviä yliopisto-opiskelijoita ja ehkä jopa yrityksiä. 14
15 Kaikkea tällaista yhteistyötä tosin taitaa jo olla olemassa. Mitä harjoituksesta opittaisiin? Opiskelija saattaisi kysyä: Mitä käytännön hyöytyä tästä on? Mikä tarkoittanee sitä, että harjoitus ei kiinnostanut eikä vaikuttanut edes hyödylliseltä. Turha tällaista projektia olisi opiskelijoille väkisin tyrkyttää. Mikäli opiskelijat ryhtyisivät työhön innolla, projekti antaisi käsityksen differentiaaliyhtälöistä; aavistuksen siitä, mitä fysikaalisen mallinnus on; käsityksen tietoteknisten työkalujen mahdollisuuksista ja ehkä joissakin opiskelijoissa jopa herättäisi kiinnostuksen niihin. Ohjelmointiin on hyvä saada tuntuma ja Maximaan ja Pythoniin tutustuminen palvelee sitä tarkoitusta. Käytin siltanosturia esimerkkinä ja tavoittelin sen optimiohjauksen laskemista, koska itse kauan sitten innostuin moisista ongelmista. Esimerkin valinta ei siis perustu syvälliseen analyysiin tulevaisuuden osaamistarpeista. Ei niistä edes voi tietää kovin paljoa, turha edes yrittää arvailla kovin tarkkaan. Muuten olen sitä mieltä, että tietoteknisten menetelmien soveltamista pitää olla mahdollista opiskella koulun matematiikan ja fysiikan kursseilla. Näin on kaiketi tapahtumassakin, mutta nyt pitäisi alkaa kokeilla, mihin suuntaan ja kuinka paljon kirjojen tehtäväkokoelmaa ja ylioppilaskokeita pitää muuttaa. Tämän tapaiset harjoitukset opettavat opettelemaan taitoja, ottamaan selvää asioista ja soveltamaan tietojaan. Mikäli harjoituksen tavoitetta ja toteutusta ei määritellä liian tarkkaan etukäteen, se jättää tilaa luovuudelle ja innovatiivisuudelle. Tällainen projekti on tilaisuus harjoitella tehokkaita työtapoja ja aikaansaamista. Koska harjoitus kannattaa toteuttaa ryhmätyönä, se opettaa yhdessä ideoimisen ja aikaansaamisen taitoja. Mitä minä itse opin? Aikaa kului todella paljon, vaikka joten vähän vastaavaa olen tehnyt ennenkin. Ehkä lähdin liian hosuen kokeiluun sitä sun tätä. Huolellisemmalla perusteisiin perehtymisellä ja perusteellisemmalla harkinnalla hanke olisi saattanut edetä tehokkaammin. Jouduin googlailemaan esimerkkiä ulkoisten voimien sovittamisesta Lagrangen mekaniikkaan. Jos olisin perehtynyt teoriaan, olisin selviytynyt ilman valmista esimerkkiä. Monelta huolimattomuusvirheeltä olisin voinut välttyä, jos olisin malttanut miettiä kirjoittamieni yhtälöiden ja algoritmien perusteet. 15
16 Opiskeluaikoina funktionaalianalyysi variaatiolaskentoineen tuntui turhanpäiväiseltä. Nyt haluaisin siihen perehtyä. Matemaattisille asioille on täsmällinen matemaattinen todistus, mutta se ei tunnu minua auttavan. Minun pitää saada matemaattisista tuloksista intuitiivinen käsitys, tuntuma siihen, mitä ne tarkoittavat käytännössä. 16
Tutkivaa oppimista? 1 Siltanosturi. Kuva 1.1: Siltanosturi. Vaunuun, jonka massa on m 1, on ripustettu elastisella vaijerilla massa m 2.
Tutkivaa oppimista? 1 Siltanosturi Kuva 1.1: Siltanosturi. Vaunuun, jonka massa on m 1, on ripustettu elastisella vaijerilla massa m 2. Halusin kokeilla matematiikan, tietotekniikan ja mekaniikan tutkivaa
Lisätiedotẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),
Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Mat-2.4129 Systeemien Identifiointi 1. harjoituksen ratkaisut 1. Tarkastellaan maita X ja Y. Olkoon näiden varustelutaso
Lisätiedotmatematiikka Martti Heinonen Markus Luoma Leena Mannila Kati Rautakorpi-Salmio Timo Tapiainen Tommi Tikka Timo Urpiola
9 E matematiikka Martti Heinonen Markus Luoma Leena Mannila Kati Rautakorpi-Salmio Timo Tapiainen Tommi Tikka Timo Urpiola Helsingissä Kustannusosakeyhtiö Otava Yhteenlaskumenetelmän harjoittelua Joskus
LisätiedotJohdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad
Johdantoa ALGORITMIT MATEMA- TIIKASSA, MAA Vanhan vitsin mukaan matemaatikko tietää, kuinka matemaattinen ongelma ratkaistaan, mutta ei osaa tehdä niin. Vitsi on ajalta, jolloin käytännön laskut eli ongelman
LisätiedotHarjoitus 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1
Harjoitus 6: Simulink - Säätöteoria Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen säätötekniikkaan Takaisinkytkennän
LisätiedotOSA 1: YHTÄLÖNRATKAISUN KERTAUSTA JA TÄYDENNYSTÄ SEKÄ FUNKTIO
OSA : YHTÄLÖNRATKAISUN KERTAUSTA JA TÄYDENNYSTÄ SEKÄ FUNKTIO Tekijät: Ari Heimonen, Hellevi Kupila, Katja Leinonen, Tuomo Talala, Hanna Tuhkanen ja Pekka Vaaraniemi Alkupala Kolme kaverusta, Olli, Pekka
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 15.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinematiikka: asema, nopeus ja kiihtyvyys (Kirjan luvut 12.1-12.5, 16.1 ja 16.2) Osaamistavoitteet Ymmärtää
LisätiedotKJR-C2002 Kontinuumimekaniikan perusteet
KJR-C2002 Kontinuumimekaniikan perusteet Luento 25.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Tämän päivän luento Aiemmin ollaan johdettu palkin voimatasapainoyhtälöt differentiaaligeometrisella tavalla
Lisätiedotx (t) = 2t ja y (t) = 3t 2 x (t) + + y (t) Lasketaan pari käyrän arvoa ja hahmotellaan kuvaaja: A 2 A 1
BM2A582 Integraalilaskenta ja sovellukset Harjoitus 6, Kevät 26 Kaikissa tehtävissä tärkeintä ja riittävää on saada oikea lauseke aikaiseksi. Useissa tehtävissä integraalit eivät tosin ole niin vaikeita
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
LisätiedotSolmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:
Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman
LisätiedotLineaarialgebra 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.
Lisätiedotf(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
LisätiedotNumeeriset menetelmät Pekka Vienonen
Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin
LisätiedotPietarsaaren lukio Vesa Maanselkä
Fys 9 / Mekaniikan osio Liike ja sen kuvaaminen koordinaatistossa Newtonin lait Voimavektorit ja vapaakappalekuvat Työ, teho,työ-energiaperiaate ja energian säilymislaki Liikemäärä ja sen säilymislaki,
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.
Lisätiedot2 Pistejoukko koordinaatistossa
Pistejoukko koordinaatistossa Ennakkotehtävät 1. a) Esimerkiksi: b) Pisteet sijaitsevat pystysuoralla suoralla, joka leikkaa x-akselin kohdassa x =. c) Yhtälö on x =. d) Sijoitetaan joitain ehdon toteuttavia
LisätiedotIntegraalilaskenta. Markus Hähkiöniemi Satu Juhala Petri Juutinen Sari Louhikallio-Fomin Erkki Luoma-aho Terhi Raittila Tommi Tikka
Integraalilaskenta 9 Markus Hähkiöniemi Satu Juhala Petri Juutinen Sari Louhikallio-Fomin Erkki Luoma-aho Terhi Raittila Tommi Tikka Helsingissä Kustannusosakeyhtiö Otava Kirjan rakenne Aiemmin opiskeltua
LisätiedotMekaniikkan jatkokurssi
Mekaniikkan jatkokurssi Tapio Hansson 16. joulukuuta 2018 Mekaniikan jatkokurssi Tämä materiaali on suunnattu lukion koulukohtaisen syventävän mekaniikan kurssin materiaaliksi. Kurssilla kerrataan lukion
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
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 16.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinetiikka (Kirjan luvut 12.6, 13.1-13.3 ja 17.3) Oppimistavoitteet Ymmärtää, miten Newtonin toisen lain
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 17.3.2016 Susanna Hurme Päivän aihe: Energian, työn ja tehon käsitteet sekä energiaperiaate (Kirjan luku 14) Osaamistavoitteet: Osata tarkastella partikkelin kinetiikkaa
LisätiedotIntegrointialgoritmit molekyylidynamiikassa
Integrointialgoritmit molekyylidynamiikassa Markus Ovaska 28.11.2008 Esitelmän kulku MD-simulaatiot yleisesti Integrointialgoritmit: mitä integroidaan ja miten? Esimerkkejä eri algoritmeista Hyvän algoritmin
LisätiedotLuento 11: Potentiaalienergia. Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Esimerkkejä ja harjoituksia
Luento 11: Potentiaalienergia Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Esimerkkejä ja harjoituksia 1 / 22 Luennon sisältö Potentiaalienergia Konservatiiviset voimat
LisätiedotDYNAMIIKKA II, LUENTO 5 (SYKSY 2015) Arttu Polojärvi
DYNAMIIKKA II, LUENTO 5 (SYKSY 2015) Arttu Polojärvi LUENNON SISÄLTÖ Kertausta edelliseltä luennolta: Suhteellisen liikkeen nopeuden ja kiihtyvyyden yhtälöt. Jäykän kappaleen partikkelin liike. Jäykän
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
LisätiedotNEWTONIN LAIT MEKANIIKAN I PERUSLAKI MEKANIIKAN II PERUSLAKI MEKANIIKAN III PERUSLAKI
NEWTONIN LAIT MEKANIIKAN I PERUSLAKI eli jatkavuuden laki tai liikkeen jatkuvuuden laki (myös Newtonin I laki tai inertialaki) Kappale jatkaa tasaista suoraviivaista liikettä vakionopeudella tai pysyy
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
LisätiedotVino heittoliike ja pyörimisliike (fysiikka 5, pyöriminen ja gravitaatio) Iina Pulkkinen Iida Keränen Anna Saarela
19.11.2015 Vino heittoliike ja pyörimisliike (fysiikka 5, pyöriminen ja gravitaatio) Iina Pulkkinen Iida Keränen Anna Saarela Iina Pulkkinen, Iida Keränen, Anna Saarela HEITTOLIIKE Työn tarkoitus: Määrittää
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
LisätiedotHarjoitustyö Hidastuva liike Biljardisimulaatio
Harjoitustyö Hidastuva liike Biljardisimulaatio Tietotekniikka Ammattialan matemaattiset menetelmät Tommi Sukuvaara Nico Hätönen, Joni Toivonen, Tomi Poutiainen INTINU13A6 Arviointi Päiväys Arvosana Opettajan
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
LisätiedotLuku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti
Luku 6 Dynaaminen ohjelmointi Dynaamisessa ohjelmoinnissa on ideana jakaa ongelman ratkaisu pienempiin osaongelmiin, jotka voidaan ratkaista toisistaan riippumattomasti. Jokaisen osaongelman ratkaisu tallennetaan
LisätiedotLuento 10: Työ, energia ja teho. Johdanto Työ ja kineettinen energia Teho
Luento 10: Työ, energia ja teho Johdanto Työ ja kineettinen energia Teho 1 / 23 Luennon sisältö Johdanto Työ ja kineettinen energia Teho 2 / 23 Johdanto Energia suure, joka voidaan muuttaa muodosta toiseen,
Lisätiedoton radan suuntaiseen komponentti eli tangenttikomponentti ja on radan kaarevuuskeskipisteeseen osoittavaan komponentti. (ks. kuva 1).
H E I L U R I T 1) Matemaattinen heiluri = painottoman langan päässä heilahteleva massapiste (ks. kuva1) kuva 1. - heilurin pituus l - tasapainoasema O - ääriasemat A ja B - heilahduskulma - heilahdusaika
Lisätiedot[xk r k ] T Q[x k r k ] + u T k Ru k. }.
Mat-2.48 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 3. Johdetaan lineaarisen aikainvariantin seurantatehtävän yleinen ratkaisu neliöllisellä kustannuksella. Systeemi: x k+
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB3 - Harjoitustehtävien ratkaisut: 1 Funktio 1.1 Piirretään koordinaatistoakselit ja sijoitetaan pisteet: 1 1. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä.
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 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
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisihajotelmat: Schur ja Jordan Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi Matriisihajotelmat:
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 7 Harmonisen värähdysliikkeen energia Jousen potentiaalienergia on U k( x ) missä k on jousivakio ja Dx on poikkeama tasapainosta. Valitaan
LisätiedotLuku 8. Mekaanisen energian säilyminen. Konservatiiviset ja eikonservatiiviset. Potentiaalienergia Voima ja potentiaalienergia.
Luku 8 Mekaanisen energian säilyminen Konservatiiviset ja eikonservatiiviset voimat Potentiaalienergia Voima ja potentiaalienergia Mekaanisen energian säilyminen Teho Tavoitteet: Erottaa konservatiivinen
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
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
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 23.2.2016 Susanna Hurme Tervetuloa kurssille! Mitä on statiikka? Mitä on dynamiikka? Miksi niitä opiskellaan? Päivän aihe: Voiman käsite ja partikkelin tasapaino
Lisätiedot1. Olkoot vektorit a, b ja c seuraavasti määritelty: a) Määritä vektori. sekä laske sen pituus.
Matematiikan kurssikoe, Maa4 Vektorit RATKAISUT Sievin lukio Keskiviikko 12.4.2017 VASTAA YHTEENSÄ VIITEEN TEHTÄVÄÄN! MAOL JA LASKIN/LAS- KINOHJELMAT OVAT SALLITTUJA! 1. Olkoot vektorit a, b ja c seuraavasti
LisätiedotVEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4
VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 Jokaisen tehtävän jälkeen on pieni kommentti tehtävään liittyen Nämä eivät sisällä mitään kovin kriittistä tietoa tehtävään liittyen, joten niistä ei tarvitse välittää
Lisätiedot1.1 Funktion määritelmä
1.1 Funktion määritelmä Tämän kappaleen otsikoksi valittu funktio on hyvä esimerkki matemaattisesta käsitteestä, johon usein jopa tietämättämme törmäämme arkielämässä. Tutkiessamme erilaisia Jos joukkojen
LisätiedotMATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA
1 YLIOPPILASTUTKINTO- LAUTAKUNTA 26.3.2018 MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän
LisätiedotOpetusperiodi:I, suunnattu hakukohteille: Teknillinen fysiikka ja matematiikka
Kurssin nimi ja koodi MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja sovelluksineen. Sisältö: vektorilaskentaa, matriisit
Lisätiedotcos x 13 12 cos 2x dx a) symbolisesti, b) numeerisesti. Piirrä integroitavan funktion kuvaaja. Mikä itse asiassa on integraalin arvo?
Aalto-yliopisto, Matematiikan ja Systeemianalyysin laitos Matlab-tehtäviä, käyrän sovitus -e Differentiaali- ja integraalilaskenta 1. Laske integraali 2π cos x 13 12 cos 2x dx a) symbolisesti, b) numeerisesti.
Lisätiedot2 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
LisätiedotHarjoitus 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
LisätiedotOpetusmateriaali. Fermat'n periaatteen esittely
Opetusmateriaali Fermat'n periaatteen esittely Hengenpelastajan tehtävässä kuvataan miten hengenpelastaja yrittää hakea nopeinta reittiä vedessä apua tarvitsevan ihmisen luo - olettaen, että hengenpelastaja
LisätiedotLuvun 10 laskuesimerkit
Luvun 10 laskuesimerkit Esimerkki 11.1 Sigge-serkku tasapainoilee sahapukkien varaan asetetulla tasapaksulla puomilla, jonka pituus L = 6.0 m ja massa M = 90 kg. Sahapukkien huippujen välimatka D = 1.5
LisätiedotDiplomi-insinöörien ja arkkitehtien yhteisvalinta - dia-valinta 2013 Insinöörivalinnan fysiikan koe 29.5.2013, malliratkaisut
A1 Ampumahiihtäjä ampuu luodin vaakasuoraan kohti maalitaulun keskipistettä. Luodin lähtönopeus on v 0 = 445 m/s ja etäisyys maalitauluun s = 50,0 m. a) Kuinka pitkä on luodin lentoaika? b) Kuinka kauaksi
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla
Lisätiedotdt 2. Nämä voimat siis kumoavat toisensa, jolloin saadaan differentiaaliyhtälö
Mathematican version 8 mukainen. (25.10.2012 SKK) Tavallinen heiluri Otetaan tarkastelun kohteeksi tavallinen yksinkertainen heiluri. Tämä koostuu kitkattomaan niveleen kiinnitetystä (massattomasta) varresta
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.
Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 9 1. Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle. Tilayhtälö on x k+1 = f k (x k, u k ), k = 1,..., N 1 alkuehdolla
LisätiedotLuento 10: Työ, energia ja teho
Luento 10: Työ, energia ja teho Johdanto Työ ja kineettinen energia Teho Ajankohtaista Konseptitesti 1 Kysymys Ajat pyörällä ylös jyrkkää mäkeä. Huipulle vie kaksi polkua, toinen kaksi kertaa pidempi kuin
LisätiedotNumeeriset arviot. Opintojaksolla vallinnut ilmapiiri loi hyvät puitteet oppimiselle. Saavutin opintojaksolle määritellyt osaamistavoitteet
Tämä asiakirja sisältää opiskelijoiden antaman palautteen opettajan Metropoliassa vuoteen 2014 mennessä opettamista kursseista. Palautteet on kerätty Metropolian anonyymin sähköisen palautejärjestelmän
LisätiedotKevään 2010 fysiikan valtakunnallinen koe
120 Kevään 2010 fysiikan valtakunnallinen koe 107 114 100 87 93 Oppilasmäärä 80 60 40 20 0 3 5 7 14 20 30 20 30 36 33 56 39 67 48 69 77 76 56 65 35 25 10 9,75 9,5 9,25 9 8,75 8,5 8,25 8 7,75 7,5 7,25 7
LisätiedotVärähtelevä jousisysteemi
Mathematican version 8 mukainen. (5.10.01 SKK) Värähtelevä jousisysteemi Jousen puristumista ja venymistä voidaan kuvata varsin yksinkertaisella matemaattisella mallilla m d x k x, d t missä x on jousen
Lisätiedotdl = F k dl. dw = F dl = F cos. Kun voima vaikuttaa kaarevalla polulla P 1 P 2, polku voidaan jakaa infinitesimaalisen pieniin siirtymiin dl
Kun voima vaikuttaa kaarevalla polulla P 2, polku voidaan jakaa infinitesimaalisen pieniin siirtymiin dl Kukin siirtymä dl voidaan approksimoida suoraviivaiseksi, jolloin vastaava työn elementti voidaan
LisätiedotELEC-A3110 Mekaniikka (5 op)
ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia
LisätiedotPython-ohjelmointi Harjoitus 5
Python-ohjelmointi Harjoitus 5 TAVOITTEET Kerrataan silmukkarakenteen käyttäminen. Kerrataan jos-ehtorakenteen käyttäminen. Opitaan if else- ja if elif else-ehtorakenteet. Matematiikan sisällöt Tehtävät
LisätiedotVoima F tekee työtä W vaikuttaessaan kappaleeseen, joka siirtyy paikasta r 1 paikkaan r 2. Työ on skalaarisuure, EI vektori!
6.1 Työ Voima F tekee työtä W vaikuttaessaan kappaleeseen, joka siirtyy paikasta r 1 paikkaan r 2. Työ on skalaarisuure, EI vektori! Siirtymä s = r 2 r 1 Kun voiman kohteena olevaa kappaletta voidaan kuvata
LisätiedotOpetusperiodi:I, suunnattu hakukohteille:
Kurssin nimi ja koodi Muut kommentit MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi Teknillinen fysiikka ja matematiikka käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
LisätiedotErityinen suhteellisuusteoria (Harris luku 2)
Erityinen suhteellisuusteoria (Harris luku 2) Yliopistonlehtori, TkT Sami Kujala Mikro- ja nanotekniikan laitos Kevät 2016 Ajan ja pituuden suhteellisuus Relativistinen työ ja kokonaisenergia SMG-aaltojen
Lisätiedot3.3 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
LisätiedotMika Setälä Lehtori Lempäälän lukio
LOPS 2016 matematiikka Mika Setälä Lehtori Lempäälän lukio Millainen on input? Oppilaiden lähtötaso edellisiin lukion opetussuunnitelmiin nähden pitää huomioida kun lukion uutta opetussuunnitelmaa tehdään.
Lisätiedot= 6, Nm 2 /kg kg 71kg (1, m) N. = 6, Nm 2 /kg 2 7, kg 71kg (3, m) N
t. 1 Auringon ja kuun kohdistamat painovoimat voidaan saada hyvin tarkasti laksettua Newtonin painovoimalailla, koska ne ovat pallon muotoisia. Junalle sillä saadaan selville suuruusluokka, joka riittää
Lisätiedot763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 207. Nelinopeus ympyräliikkeessä On siis annettu kappaleen paikkaa kuvaava nelivektori X x µ : Nelinopeus U u µ on määritelty kaavalla x µ (ct,
LisätiedotKertaus. Integraalifunktio ja integrointi. 2( x 1) 1 2x. 3( x 1) 1 (3x 1) KERTAUSTEHTÄVIÄ. K1. a)
Juuri 9 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 5.5.6 Kertaus Integraalifunktio ja integrointi KERTAUSTEHTÄVIÄ K. a) ( )d C C b) c) d e e C cosd cosd sin C K. Funktiot F ja F ovat saman
LisätiedotKon Simuloinnin Rakentaminen Janne Ojala
Kon 16.4011 Simuloinnin Rakentaminen Janne Ojala Simulointi käytännössä 1/3 Simulaatiomalleja helppo analysoida Ymmärretään ongelmaa paremmin - Opitaan ymmärtämään koneen toimintaa ja siihen vaikuttavia
LisätiedotELEC-A3110 Mekaniikka (5 op)
ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Elektroniikan ja nanotekniikan laitos (ELE) Syksy 2017 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia
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
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
LisätiedotFYSA220/K2 (FYS222/K2) Vaimeneva värähtely
FYSA/K (FYS/K) Vaimeneva värähtely Työssä tutkitaan vaimenevaa sähköistä värähysliikettä. Erityisesti pyritään havainnollistamaan kelan inuktanssin, konensaattorin kapasitanssin ja ohmisen vastuksen suuruuksien
Lisätiedot6. Differentiaaliyhtälösysteemien laadullista teoriaa.
1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun
LisätiedotNormaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa
Normaaliryhmä Toisen kertaluvun normaaliryhmä on yleistä muotoa x = u(t,x,y), y t I, = v(t,x,y), Funktiot u = u(t,x,y), t I ja v = v(t,x,y), t I ovat tunnettuja Toisen kertaluvun normaaliryhmän ratkaisu
LisätiedotLuento 9: Potentiaalienergia
Luento 9: Potentiaalienergia Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Laskettuja esimerkkejä Luennon sisältö Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta
LisätiedotELEC-A3110 Mekaniikka (5 op)
Yliopistonlehtori, tkt Sami Kujala Syksy 2016 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia Ajankohtaista Presemokyselyn poimintoja Millä odotuksilla aloitat
LisätiedotPreliminäärikoe Pitkä Matematiikka 3.2.2009
Preliminäärikoe Pitkä Matematiikka..9 x x a) Ratkaise yhtälö =. 4 b) Ratkaise epäyhtälö x > x. c) Sievennä lauseke ( a b) (a b)(a+ b).. a) Osakkeen kurssi laski aamupäivällä,4 % ja keskipäivällä 5,6 %.
LisätiedotTEHTÄVIEN RATKAISUT. b) 105-kiloisella puolustajalla on yhtä suuri liikemäärä, jos nopeus on kgm 712 p m 105 kg
TEHTÄVIEN RATKAISUT 15-1. a) Hyökkääjän liikemäärä on p = mv = 89 kg 8,0 m/s = 71 kgm/s. b) 105-kiloisella puolustajalla on yhtä suuri liikemäärä, jos nopeus on kgm 71 p v = = s 6,8 m/s. m 105 kg 15-.
Lisätiedotz 1+i (a) f (z) = 3z 4 5z 3 + 2z (b) f (z) = z 4z + 1 f (z) = 12z 3 15z 2 + 2
BM20A5700 - Integraauunnokset Harjoitus 2 1. Laske seuraavat raja-arvot. -kohta ratkeaa, kun pistät sekä yläkerran että alakerran muotoon (z z 1 )(z z 2 ), missä siis z 1 ja z 2 ovat näiden lausekkeiden
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x
LisätiedotA B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1
Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!
Lisätiedot5.6.3 Matematiikan lyhyt oppimäärä
5.6.3 Matematiikan lyhyt oppimäärä Matematiikan lyhyen oppimäärän opetuksen tehtävänä on tarjota valmiuksia hankkia, käsitellä ja ymmärtää matemaattista tietoa ja käyttää matematiikkaa elämän eri tilanteissa
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
Lisätiedot2.3 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
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää
Lisätiedot3 x 1 < 2. 2 b) b) x 3 < x 2x. f (x) 0 c) f (x) x + 4 x 4. 8. Etsi käänteisfunktio (määrittely- ja arvojoukkoineen) kun.
Matematiikka KoTiA1 Demotehtäviä 1. Ratkaise epäyhtälöt x + 1 x 2 b) 3 x 1 < 2 x + 1 c) x 2 x 2 2. Ratkaise epäyhtälöt 2 x < 1 2 2 b) x 3 < x 2x 3. Olkoon f (x) kolmannen asteen polynomi jonka korkeimman
Lisätiedot5-2. a) Valitaan suunta alas positiiviseksi. 55 N / 6,5 N 8,7 m/s = =
TEHTÄVIEN RATKAISUT 5-1. a) A. Valitaan suunta vasemmalle positiiviseksi. Alustan suuntainen kokonaisvoima on ΣF = 19 N + 17 N -- 16 N = 0 N vasemmalle. B. Valitaan suunta oikealle positiiviseksi. Alustan
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?.
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
LisätiedotLineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut
MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A
LisätiedotSyksyn 2015 Lyhyen matematiikan YO-kokeen TI-Nspire CAS -ratkaisut
Sksn 015 Lhen matematiikan YO-kokeen TI-Nspire CAS -ratkaisut Tekijät: Olli Karkkulainen ja Markku Parkkonen Ratkaisut on laadittu TI-Nspire CAS -tietokoneohjelmalla kättäen Muistiinpanot -sovellusta.
Lisätiedot