Numeeriset menetelmät
|
|
- Aimo Kivelä
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Numeeriset menetelmät Luento 9 Ti Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 1/44 p. 1/44
2 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että p(x) = f(x) tietyissä pisteissä x Yleisesti: Etsitään annetulle f V approksimaatio p Ṽ siten, että f p f q q Ṽ missä V on jokin normiavaruus ja Ṽ sen äärellisulotteinen aliavaruus Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 2/44 p. 2/44
3 Pienimmän neliön approksimointi Yleinen approksimaatiotehtävä epälineaarinen yhtälöryhmä Pienimmän neliön approksimointi lineaarinen yhtälöryhmä Etsitään f:lle approksimaatiota p siten, että f p on mahdollisimman pieni Pienimmän neliön : f p minimi f p 2 minimi Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 3/44 p. 3/44
4 Pienimmän neliön approksimointi Sisätuloavaruus V ja sen aliavaruus Ṽ Sisätulo, ja normi u = u, u 1/2 u + v 2 = u u, v + v 2 Tehtävä: Annetulle f V etsi p f p on mahdollisimman pieni Ṽ siten, että Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 4/44 p. 4/44
5 Pienimmän neliön approksimointi Lause: Funktio p Ṽ on funktion f V pienimmän neliön approksimaatio, jos ja vain jos f p, v = 0 v Ṽ Todistus : Olkoon p Ṽ funktion f V pienimmän neliön approksimaatio f p f q q Ṽ Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 5/44 p. 5/44
6 Todistus jatkuu Olkoot q Ṽ ja λ > 0 mielivaltaiset p λq Ṽ ja f p f (p λq) f p 2 (f p) + λq 2 = f p 2 + 2λ f p, q + λ 2 q 2 0 2λ f p, q + λ 2 q 2 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 6/44 p. 6/44
7 Todistus jatkuu 2λ f p, q + λ 2 q 2 0 1/(2λ) f p, q + λ 2 q 2 0 λ 0 f p, q 0 Vaihdetaan q:n paikalle q f p, q 0 Joten f p, q = 0 q Ṽ Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 7/44 p. 7/44
8 Todistus jatkuu Todistus : Olkoon f p, q = 0 q Ṽ f q 2 = (f p) + (p q) 2 = f p f p, p q } {{ } =0 f p 2 + p q 2 } {{ } 0 f p f q q Ṽ Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 8/44 p. 8/44
9 Todistus jatkuu Yksikäsitteisyys: Olkoot p 1 ja p 2 pienimmän neliön approksimaatioita f p 1, v = 0 v Ṽ f p 2, v = 0 v Ṽ p 2 p 1, v = 0 v Ṽ p 2 p 1, p 2 p 1 = p 2 p 1 2 = 0 p 1 = p 2 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 9/44 p. 9/44
10 Konstruointi kantafunktioilla Olkoon {ϕ 1,..., ϕ n } aliavaruuden Ṽ kanta, jolloin p = n j=1 c j ϕ j Riittää vaatia, että ehto f p, v = 0 on voimassa kantafunktioille: n f c j ϕ j, ϕ i = 0, i = 1, 2,..., n j=1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 10/44 p. 10/44
11 Konstruointi jatkuu n j=1 c j ϕ j, ϕ i } {{ } = f, ϕ i, } {{ } i = 1, 2,..., n =a ij =f i Ac = f Matriisia A sanotaan Gramin matriisiksi Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 11/44 p. 11/44
12 Esimerkki Kantafunktiot: ϕ 1 (x) = x, ϕ 2 (x) = x 3, ϕ 3 (x) = x 5 ϕ i (x) = x 2i 1, i = 1, 2, 3 Sisätulo: u, v = 1 1 u(x)v(x) dx f(x) = sinx, p(x) = c 1 x + c 2 x 3 + c 3 x 5 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 12/44 p. 12/44
13 Esimerkki jatkuu a ij = ϕ j, ϕ i = = = i + 2j 1 A = x 2i 1 x 2j 1 dx = 2/3 2/5 2/7 2/5 2/7 2/9 2/7 2/9 2/ x 2i+2j 2 dx Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 13/44 p. 13/44
14 Esimerkki jatkuu 1 f i = f, ϕ i = x 2i 1 sin x dx 1 2 sin 1 2 cos 1 = = 10 cos 1 6 sin sin cos 1 Ac = f c =... Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 14/44 p. 14/44
15 Kannan valinta Kanta on lineaarisesti riippumaton Gramin matriisi on aina kääntyvä Mutta sillä voi olla suuri häiriöalttius numeerisesti epästabiili Ortonormaali kanta: ϕ i, ϕ j = δ ij = { 1, i = j 0, i j Gramin matriisi A = I c = f Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 15/44 p. 15/44
16 Esimerkki Normeeratut Legendgen polynomit muodostavat ortonormeeratun kannan: ˆϕ 1 (x) = 1 2/3 x ˆϕ 2 (x) = 1 8/7 (5x 3 3x) ˆϕ 3 (x) = 1 128/11 (63x 5 70x x) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 16/44 p. 16/44
17 Esimerkki jatkuu Sama esimerkki kuin edellä: u, v = 1 1 u(x)v(x) dx f(x) = sinx ˆp(x) = ĉ 1 ˆϕ 1 (x) + ĉ 2 ˆϕ 2 (x) + ĉ 3 ˆϕ 3 (x)... ˆp(x) = sama polynomi kun edellä (mutta eri kertoimilla, koska eri kantafunktiot) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 17/44 p. 17/44
18 Pienimmän neliösumman appr. Pienimmän neliön approksimaation diskreetti vastine Havaintopisteet: x k, k = 1, 2,..., m Funktion f : R R arvot tunnetaan vain havaintopisteissä: ˆf k = f(x k ) Funktio f samaistetaan vektoriin ˆf R m Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 18/44 p. 18/44
19 Pienimmän neliösumman appr. Diskreetti sisätulo u, v = ja vastaava normi m k=1 u(x k )v(x k ) u = ( m k=1 u(x k ) 2 ) 1/2 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 19/44 p. 19/44
20 Konstruointi kantafunktioilla Kantafunktiot: ϕ j, j = 1, 2,..., n Approksimaation kehitelmä: p(x) = n j=1 c jϕ j (x) Tehtävä: Etsi c j :t siten, että f p = ( m ) 1/2 [f(x k ) p(x k )] 2 k=1 on mahdollisimman pieni Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 20/44 p. 20/44
21 Konstruointi jatkuu Kuten edellä: Riittää vaatia, että ehto f p, v = 0 on voimassa kantafunktioille: n f c j ϕ j, ϕ i = 0, i = 1, 2,..., n j=1 m [ f(x k ) n ] c j ϕ j (x k ) ϕ i (x k ) = 0 k=1 j=1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 21/44 p. 21/44
22 Konstruointi jatkuu m k=1 n j=1 [ n j=1 c j m k=1 ] c j ϕ j (x k ) ϕ i (x k ) = ϕ i (x k )ϕ j (x k ) } {{ } =a ij = Ac = f m k=1 m k=1 f(x k )ϕ i (x k ) f(x k )ϕ i (x k ) } {{ } =f i Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 22/44 p. 22/44
23 Konstruointi jatkuu Olkoon B R m n ja ˆf R m siten, että b ij = ϕ j (x i ), ˆfi = f(x i ) m m m a ij = ϕ i (x k )ϕ j (x k ) = b ki b kj = (b T ) ik b kj k=1 k=1 k=1 m m m f i = f(x k )ϕ i (x k ) = b ki ˆfk = (b T ) ik ˆfk k=1 k=1 k=1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 23/44 p. 23/44
24 Konstruointi jatkuu A = B T B, f = B T ˆf Ratkaistaan lineaarinen yhtälöryhmä Ac = f B T Bc = B T ˆf Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 24/44 p. 24/44
25 Pienimmän neliösumman appr. Havaintopisteitä yhtä monta kuin tuntemattomia kertoimia (m = n) interpolaatiotehtävä Yleensä pienimmän neliösumman approksimaatiota käytetään tilanteissa, joissa funktion arvot sisältävät epätarkkuuksia (mittausvirheitä tms.) Suuri määrä mittaustuloksia (m suuri), yksinkertainen malli (n pieni) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 25/44 p. 25/44
26 Esimerkki Havaintopisteet: (1, 2), (2, 2), (3, 3), (3, 5), (4, 6) Kantafunktiot: ϕ 1 (x) = 1, ϕ 2 (x) = x, ϕ 3 (x) = x 2 Approksimaatio: p 2 (x) = c 1 + c 2 x + c 3 x 2 b ij = ϕ j (x i ), i = 1, 2, 3, 4, 5, j = 1, 2, 3 ˆf i = f(x i ), i = 1, 2, 3, 4, 5 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 26/44 p. 26/44
27 Esimerkki jatkuu B = , ˆf = Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 27/44 p. 27/44
28 Esimerkki jatkuu B T B = , B T ˆf = Ac = f B T Bc = B T ˆf c =... Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 28/44 p. 28/44
29 Numeerinen integrointi Yksiulotteinen Riemannin integraali: b a f(x)dx Yleisessä tapauksessa ei voida laskea analyyttisesti Toisaalta f:n analyyttinen lauseke ei ole aina käytössä Numeerinen integrointi eli kvadratuuri Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 29/44 p. 29/44
30 Numeerinen integrointi Yleinen integrointikaava b a w(x)f(x)dx = k i=1 A i f(x i ) + E[f] f integroitava funktio w painofunktio (w > 0, voi olla w 1) x i integrointipisteet A i painokertoimet E[f] virhetermi Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 30/44 p. 30/44
31 Tarkkuusaste Määritelmä: Kaavan tarkkuusaste on d, jos se on tarkka (E[f] = 0) kaikilla polynomeilla, joiden asteluku on d jos on olemassa (d + 1)-asteinen polynomi, jolle se ei ole tarkka Lause: Jos on annettu integrointipisteet a x 1 < x 2 < < x k 1 < x k b, niin on olemassa painokertoimet A 1, A 2,..., A k siten, että kaavan tarkkuusaste on vähintään k 1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 31/44 p. 31/44
32 Lauseen todistus Kaava on tarkka monomeille x m, jos k i=1 A i x m i = b a w(x)x m dx, m = 0, 1,..., k 1 Lineaarinen yhtälöryhmä, jossa kerroinmatriisi on Vandermonden matriisi x 1 x 2... x k X =... x1 k 1 x2 k 1... x k 1 k Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 32/44 p. 32/44
33 Todistus jatkuu det X = k i=2 i 1 j=1 (x i x j ) Pisteet x i erisuuria det X 0 Yhtälöryhmällä yksikäsitteinen ratkaisu Kaava tarkka kaikille x m, m = 0, 1,..., k 1 Tarkka kaikille niiden lineaarikombinaatioille Tarkka (k 1)-asteisille polynomeille Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 33/44 p. 33/44
34 Painokertoimien laskeminen Vandermonden matriisi häiriöaltis Lasketaan painokertoimet suoraan Lagrangen kantafunktiot: l j (x) = k m=1 m j ( x xm ), j = 1, 2,..., k x j x m l j (x i ) = δ ij = { 1, i = j 0, i j Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 34/44 p. 34/44
35 Painokertoimien laskeminen Kantafunktiot l j :t korkeintaan (k 1)-asteisia polynomeja Kaava tarkka niille b a w(x)l j (x)dx = = k i=1 k A i l j (x i ) A i δ ij = A j i=1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 35/44 p. 35/44
36 Newtonin ja Cotesin kaavat Tehtävä: b a f(x)dx Tasavälinen pisteistö, jossa k + 1 pistettä Merkitään f i = f(x i ) Muodostetaan pisteistöön interpolaatiopolynomi p k Integroidaan interpolaatiopolynomi: b a p k(x)dx Approksimoidaan b a f(x)dx b a p k(x)dx Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 36/44 p. 36/44
37 Suljetut kaavat Suljetut kaavat: Välin [a, b] päätepisteet ovat mukana pisteistössä Pisteistö: a = x 0 < x 1 < < x k 1 < x k = b x i = x 0 + ih, (i = 0, 1,..., k) x 0 = a, x k = b, h = (b a)/k Muodostetaan p k :n lauseke etenevien differenssien avulla (Eteneviä differenssejä ei käsitelty) (Mutta: Interpolaatiopolynomi on yksikäsitteinen) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 37/44 p. 37/44
38 Suljettujen kaavojen virhe Olkoot f (k+1) ja f (k+2) jatkuvia välillä [a, b] E[f] = missä ξ ]0, k[ h k+3 (k + 2)! f(k+2) (x 0 + ξh) k 0 s 2 (s 1) (s k)ds, h k+2 (k + 1)! f(k+1) (x 0 + ξh) k 0 s(s 1) (s k)ds, k parillinen k pariton Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 38/44 p. 38/44
39 Tarkkuusaste ja menetelmävirhe Merkitään f (k) (x 0 + ξh) = f (k) (η), missä η ]a, b[ Tarkkuusaste: k = 1: E[f] =... f (η)... d = 1 k = 2: E[f] =... f (4) (η)... d = 3 k = 3: E[f] =... f (4) (η)... d = 3 Menetelmävirhe: k = 1: E[f] =... h 3... O(h 3 ) k = 2: E[f] =... h 5... O(h 5 ) k = 3: E[f] =... h 5... O(h 5 ) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 39/44 p. 39/44
40 Suljettuja kaavoja k = 1: Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f 1 ) h3 12 f (η) f(x) a b x Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 40/44 p. 40/44
41 Suljettuja kaavoja k = 2: Simpsonin kaava b a f(x)dx = h 3 (f 0 + 4f 1 + f 2 ) h5 90 f(4) (η) k = 3: Simpsonin 3/8-kaava b a f(x)dx = 3h 8 (f 0 + 3f 1 + 3f 2 + f 3 ) 3h5 80 f(4) (η) Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 41/44 p. 41/44
42 Avoimet kaavat Avoimet kaavat: Vain välin [a, b] sisäpisteet ovat mukana pisteistössä Pisteistö: a < x 0 < x 1 < < x k 1 < x k < b x i = x 0 + ih, (i = 0, 1,..., k) x 1 = a, x 0 = a + h, x k = b h, x k+1 = b h = (b a)/(k + 2) Muodostetaan p k :n lauseke etenevien differenssien avulla Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 42/44 p. 42/44
43 Avoimien kaavojen virhe Olkoot f (k+1) ja f (k+2) jatkuvia välillä [a, b] E[f] = h k+3 (k + 2)! f(k+2) (x 0 + ξh) k+1 1 s 2 (s 1) (s k)ds, h k+2 (k + 1)! f(k+1) (x 0 + ξh) k+1 1 missä ξ ] 1,k + 1[ s(s 1) (s k)ds, k parillinen k pariton Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 43/44 p. 43/44
44 Avoimia kaavoja k = 0: Keskipistesääntö b a f(x)dx = 2hf 0 + h3 3 f (η) f 0 f(x) a = x 1 x 0 b = x 1 Numeeriset menetelmät Syksy 2011 Luento 9 Ti p. 44/44 p. 44/44
Numeeriset 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
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
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
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
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
LisätiedotNumeeriset 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 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
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
LisätiedotNumeerinen integrointi
Numeerinen integrointi hum 8.0. Numeerinen integrointi Numeerisia integrointimenetelmiä on useita. Käsitellään tässä yhteydessä kuitenkin vain Gauss in integrointia, joka on elementtimenetelmän yhteydessä
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
LisätiedotNumeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29
Numeeriset menetelmät TIEA381 Luento 9 Kirsi Vljus Jyväskylän yliopisto Luento 9 () Numeeriset menetelmät 17.4.2013 1 / 29 Luennon 9 sisältö Numeerisest integroinnist Newtonin j Cotesin kvt Luento 9 ()
LisätiedotNumeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43
Numeeriset menetelmät TIEA381 Luento 7 Kirsi Valjus Jyväskylän yliopisto Luento 7 () Numeeriset menetelmät 10.4.2013 1 / 43 Luennon 7 sisältö Interpolointi ja approksimointi Interpolaatiovirheestä Paloittainen
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
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
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
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
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
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 / 13 Derivaatan määritelmä Määritelmä
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
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
LisätiedotEsimerkki 8. Ratkaise lineaarinen yhtälöryhmä. 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3. 0 13 26 4 8 32 r 3 4r 1. LM1, Kesä 2014 47/68
Esimerkki 8 Ratkaise lineaarinen yhtälöryhmä 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3 3 4 4 4 8 32 1 3 10 0 13 26 4 8 32 r 3 4r 1 1 3 10 3 4 4 r 2 3r 1 4 8 32 1 3 10 0 13 26 r 2 /13 0 4 8
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
LisätiedotInformaatiotieteiden yksikkö. Lineaarialgebra 1B. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen
Informaatiotieteiden yksikkö Lineaarialgebra 1B Pentti Haukkanen Puhtaaksikirjoitus: Joona Hirvonen 2 Sisältö 1 Vektoriavaruudet 4 11 Määritelmä 4 12 Aliavaruudet 8 13 Virittäjät 9 14 Lineaarinen riippumattomuus
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
LisätiedotOsoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.
LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,
LisätiedotF {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:
BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()
LisätiedotPERUSASIOITA ALGEBRASTA
PERUSASIOITA ALGEBRASTA Matti Lehtinen Tässä luetellut lauseet ja käsitteet kattavat suunnilleen sen mitä algebrallisissa kilpatehtävissä edellytetään. Ns. algebrallisia struktuureja jotka ovat nykyaikaisen
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
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
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
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
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
LisätiedotTyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5
MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
LisätiedotMatemaattinen Analyysi / kertaus
Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen
Lisätiedot1. Normi ja sisätulo
Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo
LisätiedotPotenssisummia numeerisella integroinnilla
Solmu /9 Potenssisummia numeerisella integroinnilla Jorma Merikoski Matematiikan tilastotieteen laitos Tampereen yliopisto Johdanto Olkoon f välillä [a, b] tkuva reaalifunktio. Lukion pitkän matematiikan
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
LisätiedotRatkaisu: Tutkitaan derivoituvuutta Cauchy-Riemannin yhtälöillä: f(x, y) = u(x, y) + iv(x, y) = 2x + ixy 2. 2 = 2xy xy = 1
1. Selvitä missä tason pisteissä annetut funktiot ovat derivoituvia/analyyttisiä. Määrää funktion derivaatta niissä pisteissä, joissa se on olemassa. (a) (x, y) 2x + ixy 2 (b) (x, y) cos x cosh y i sin
Lisätiedotx = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );
LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla
Lisätiedot1.7 Gradientti ja suunnatut derivaatat
1.7 Gradientti ja suunnatut derivaatat Funktion ensimmäiset osittaisderivaatat voidaan yhdistää yhdeksi vektorifunktioksi seuraavasti: Missä tahansa pisteessä (x, y), jossa funktiolla f(x, y) on ensimmäiset
Lisätiedot(1.1) Ae j = a k,j e k.
Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim
LisätiedotFUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto
FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Derivaatta Tarkastellaan funktion f keskimääräistä muutosta tietyllä välillä ( 0, ). Funktio f muuttuu tällä välillä määrän. Kun tämä määrä jaetaan välin pituudella,
Lisätiedot1 Sisätulo- ja normiavaruudet
1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v
Lisätiedotpeitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.
Esimerkki 4.3.9. a) Piste on nollajoukko. Suoran rajoitetut osajoukot ovat avaruuden R m, m 2, nollajoukkoja. Samoin suorakaiteiden reunat koostuvat suoran kompakteista osajoukoista. b) Joukko = Q m [0,
LisätiedotMatriisialgebra harjoitukset, syksy 2015
Matriisialgebra harjoitukset, syksy 25 MATRIISIALGEBRA, s. 25, Ratkaisuja/ M.Hamina 2. Virittääkö vektorijoukko S vektoriavaruuden V seuraavissa tapauksissa. a V = R 3 ja S = {(, 4,3,(,3,,(3, 5,,(,2, 2}.
Lisätiedot802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
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
LisätiedotLineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
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
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-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.
MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto
LisätiedotOminaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
Lisätiedot1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
Lisätiedot3. Reaalifunktioiden määräämätön integraali
50 3. Reaalifunktioiden määräämätön integraali Integraalifunktio Derivoinnin käänteistoimituksena on vastata kysymykseen "Mikä on se funktio, jonka derivaatta on f?" Koska vakion derivaatta 0, havaitaan
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
LisätiedotKuvaus. Määritelmä. LM2, Kesä /160
Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
Lisätiedot110. 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
Lisätiedot2.7 Neliöjuuriyhtälö ja -epäyhtälö
2.7 Neliöjuuriyhtälö ja -epäyhtälö Neliöjuuren määritelmä palautettiin mieleen jo luvun 2.2 alussa. Neliöjuurella on mm. seuraavat ominaisuudet. ab = a b, a 0, b 0 a a b =, a 0, b > 0 b a2 = a a > b, a
LisätiedotKannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
Lisätiedota b c d + + + + + + + + +
28. 10. 2010!"$#&%(')'+*(#-,.*/1032/465$*784 /(9:*;9."$ *;5> *@9 a b c d 1. + + + 2. 3. 4. 5. 6. + + + + + + + + + + P1. Valitaan kannaksi sivu, jonka pituus on 4. Koska toinen jäljelle jäävistä sivuista
LisätiedotJos 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,
LisätiedotNumeeriset Menetelmät
Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
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
Lisätiedot6 MATRIISIN DIAGONALISOINTI
6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,
LisätiedotMatikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/81 Lineaarialgebra (muut ko) p. 2/81 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2 )
LisätiedotNeliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja
7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien
LisätiedotViikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
Lisätiedot8. Avoimen kuvauksen lause
116 FUNKTIONAALIANALYYSIN PERUSKURSSI 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen
Lisätiedot, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä
Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =
Lisätiedotf[x i ] = f i, f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i T n+1 (x) = 2xT n (x) T n 1 (x), T 0 (x) = 1, T 1 (x) = x.
Kaavakokoelma f[x i ] = f i, f[x i,..., x j ] = f[x i+,..., x j ] f[x i,..., x j ] x j x i T n+ (x) = 2xT n (x) T n (x), T (x) =, T (x) = x. n I,n = h f(t i + h 2 ), E,n = h2 (b a) f (2) (ξ). 24 i= I,n
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma
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
Lisätiedot4.3.7 Epäoleellinen integraali
Esimerkki 4.3.16. (Lineaarinen muuttujien vaihto) Olkoot A R m sellainen kompakti joukko, että A on nollajoukko. Olkoon M R m m säännöllinen matriisi (eli det(m) 0) ja f : R m R jatkuva funktio. Tehdään
Lisätiedot3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma
Lisätiedot1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot
Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
LisätiedotMatriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?
Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi
LisätiedotKompleksianalyysi, viikko 6
Kompleksianalyysi, viikko 6 Jukka Kemppainen Mathematics Division Funktion erikoispisteet Määr. 1 Jos f on analyyttinen pisteen z 0 aidossa ympäristössä 0 < z z 0 < r jollakin r > 0, niin sanotaan, että
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
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
Lisätiedot3.4 Käänteiskuvauslause ja implisiittifunktiolause
3.4 Käänteiskuvauslause ja implisiittifunktiolause Tässä luvussa käsitellään kahta keskeistä vektorianalyysin lausetta. Esitellään aluksi kyseiset lauseet ja tutustutaan niiden käyttötapoihin. Lause 3.4.1
LisätiedotDemorastitiedot saat demonstraattori Markus Niskaselta Lineaarialgebra (muut ko) p. 1/104
Lineaarialgebra (muut ko) p. 1/104 Ensi viikolla luennot salissa X Torstaina 7.12. viimeiset demot (12.12. ja 13.12. viimeiset luennot). Torstaina 14.12 on välikoe 2, muista ilmoittautua! Demorastitiedot
LisätiedotH5 Malliratkaisut - Tehtävä 1
H5 Malliratkaisut - Tehtävä Eelis Mielonen 30. syyskuuta 07 a) 3a (ax + b)3/ + C b) a cos(ax + b) + C a) Tässä tehtävässä päästään harjoittelemaan lukiosta tuttua integrointimenetelmää. Ensimmäisessä kohdassa
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotAiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.
Yhtälöryhmän ratkaisujen lukumäärä, L8 Esimerkki kvadraattinen Haluamme ratkaista n 4x + y z = x + y + z = 5 x + y + z = 4 4 x 4 + y x y z = + z 5 4 = 5 4 Esimerkki kvadraattinen Yhtälöryhmä on kvadraattinen,
Lisätiedot( ) ( ) ( ) ( ( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 271 Päivitetty 19.2.2006. 701 a) = keskipistemuoto.
Pyramidi Analyyttinen geometria tehtävien ratkaisut sivu 7 Päivitetty 9..6 7 a) + y = 7 + y = 7 keskipistemuoto + y 7 = normaalimuoto Vastaus a) + y = ( 7 ) + y 7= b) + y+ 5 = 6 y y + + = b) c) ( ) + y
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b
Lisätiedot