Tiedekunta/Osasto Fakultet/Sektion Faculty. Laitos/Institution Department. Matemaattis-luonnontieteellinen tiedekunta Tekijä/Författare Author

Koko: px
Aloita esitys sivulta:

Download "Tiedekunta/Osasto Fakultet/Sektion Faculty. Laitos/Institution Department. Matemaattis-luonnontieteellinen tiedekunta Tekijä/Författare Author"

Transkriptio

1 Tiedekuna/Osaso Fakule/Sekion Faculy Maemaais-luonnonieeellinen iedekuna Tekijä/Förfaare Auhor Laios/Insiuion Deparmen Maemaiikan ja ilasoieeen laios Tommi Hyvärinen Työn nimi / Arbees iel Tile Burgersin yhälö ja Lax-Oleinikin kaava Oppiaine /Läroämne Subjec Maemaiikka Sovelava analyysi Työn laji/arbees ar Level Aika/Daum Monh and year Sivumäärä/ Sidoanal Number of pages Pro gradu -ukielma Tiiviselmä/Refera Absrac Tukielmassani käsiellään Burgersin yhälön nimellä unneua kvasilineaarisa osiaisdiffereniaaliyhälöä, sekä paneuduaan osiaisdiffereniaaliyhälöiden eoriaan yleisemmin. Fyysikko Johannes Marinus Burgersin mukaan nimeyllä yhälöllä voidaan kuvaa häiriöiden eenemisä fluideissa, ja siä voidaan sovelaa myös vaikkapa liikenneruuhkien kehiymisen analysoiniin. Burgersin yhälö on esimerkki yleisemmäsä säilymislaisa. Maemaaisessa fysiikassa säilymislakien mukaan eriseyssä syseemissä vuorovaikuusapahumissa ieyjen suureiden kokonaismäärä pysyvä muuumaomina. Tunneuin esimerkki säilymislakeihin liiyen on Noeherin lause, jonka mukaan suurella on vasaavuus ieyn syseemin symmeriaominaisuuden kanssa. Esimerkiksi nesedynamiikan Navier-Sokesin yhälö on esimerkki epähomogeenisesa versiosa säilymislakia. Tukimukseni alussa esiellään Hamilon-Jakobin yhälö, sekä sivuaan variaaiolaskenaa, Legendren muunnosa ja Euler-Lagrangen yhälöiä. Näyeään, mien anneu osiaisdiffereniaaliyhälö voidaan samaisaa karakerisiseen yhälöryhmään, joka koosuu avallisisa differeniaaliyhälöisä. Karakerisinen yhälöryhmä johdeaan kvasilineaarisen osiaisdiffereniaaliyhälön apauksessa ja sille anneaan geomerinen ulkina. Ensimmäisen luvun lopussa Hamilon-Jacobin yhälö rakaisaan Hopf-Lax kaavan avulla. Toisessa ja kolmannessa luvussa esiellään Burgersin yhälö ja rakaisaan se karakerisisen yhälöryhmän avulla. Saau rakaisu ei kuienkaan päde kaikkialla, vaan apauksissa, joissa karakerisise käyrä kohaava ("shokkikäyrä"), Burgersin yhälön rakaisu vaaii rakaisufunkion ehojen heikenämisä ja ingraalirakaisun määrielemisä. Rankine-Hugonio-eho johdeaan ja sen avulla voidaan löyää rakaisuja ilaneessa, jossa karakerisise käyrä leikkaava. Esielen myös enropia-ehdon, jonka avulla karsiaan 'epäfysikaalise' rakaisu pois ja äen saadaan yksikäsieinen ja yleinen rakaisu Burgersin yhälölle. Lopuksi odisan Lax-Oleinikin kaavan, joka anaa rakaisun yleisemmälle ongelmalle. Lopuksi älle rakaisulle rääälöidään enropia-eho, joa siiä saadaan yksikäsieinen. Avainsana Nyckelord Keywords osiaisdiffereniaaliyhälö, Burgersin yhälö, shokkikäyrä, Lax-Oleinikin kaava Säilyyspaikka Förvaringsälle Where deposied Kumpulan iedekirjaso Muia ieoja Övriga uppgifer Addiional informaion

2 Burgersin yhälö ja Lax-Oleinikin kaava Tommi Hyvärinen 27. marraskuua 215 1

3 Sisälö I Johdano 3 II Esiieoja 5 1 Hamilon-Jacobin yhälösä Kvasilineaarisen yhälön rakaisu Karakerisinen yhälöryhmä Alkuehdo ja lokaali yksikäsieinen rakeavuus Variaaiolaskenaa ja Euler-Lagrange yhälö Lipschiz-jakuvuus ja Legendren muunnos Hopf-Lax rakaisu III Burgersin yhälö ja Lax-Oleinikin kaava 27 2 Johdaus Burgersin yhälölle Rankine-Hugonio-eho Burgersin yhälö Shokkikäyrä ja enropia-eho Lax-Oleinikin kaava Johdaus Lax-oleinikin kaavaan Lax-Oleinikin kaava ja sen odisus Lax-Oleinikin kaavan sovelaminen Burgersin yhälöön Lisää enropia-ehdosa

4 Osa I Johdano Graduni käsielee Burgersin yhälön nimellä unneua kvasilineaarisa yhälöä, joka on muooa u + uu x =, sekä yleisempää ongelmaa u + F (u) x = alkuehdolla kun = niin u = g. Burgersin yhälö kuuluu epälineaarisiin osiaisdiereniaaliyhälöihin, joen gradussani ulen myös paneuumaan osiaisdiereniaaliyhälöiden eoriaan yleisemmin. Pääasiallisena läheenäni käyän Lawrence C. Evansin kirjaa Parial Dierenial Equaions, 21. Evans painoaa osiaisdiereniaaliyhälöiden ukimisa yleisessä avaruudessa R n, kun usea oppikirja yyyvä pysyelemään kahdessa ulouvuudessa. Myös noaaion osala ulen pikäli noudaamaan Evanssin esimerkkiä. Vaadiava esiiedo käydään läpi ensimmäisessä luvussa. Evanssin mukainen noaaio esiellään, sekä anneaan muuamien peruskäsieiden määrielmä. Ensimmäisessä luvussa keskiyään Hamilon-Jakobin yhälöihin. Myös variaaiolaskenaa, Legendren muunnosa ja Euler-Lagrangen yhälöiä sivuaan, sekä esiellään mien anneu osiaisdiereniaaliyhälö voidaan samaisaa karakerisiseen yhälöryhmään, joka koosuu avallisisa diereniaaliyhälöisä. Karakerisinen yhälöryhmä johdeaan kvasilineaarisen osiaisdiereniaaliyhälön apauksessa ja sille anneaan geomerinen ulkina. Tää käyeään hyväksi ensimmäisessä luvussa näyämällä, eä Hopf-Lax kaava rakaisee Hamilon- Jacobin yhälön. Burgersin yhälö esiellään luvussa kaksi ja se rakaisaan karakerisisen yhälörymän avulla. Saau rakaisu ei kuienkaan päde kaikkialla, vaan apauksissa, joissa karakerisise käyrä kohaava, Burgersin yhälön rakaisu vaaii rakaisufunkion u ehojen heikenämisä. Luku kaksi keskiyykin ingraalirakaisun määrielemiseen ja Rankine-Hugonioehdon johamiseen. Näiden avulla saadaan yökalu Burgersin yhälön rakaisuun yleisemmässä apauksessa, eli kun karakerisise käyrä kohaava ja muodosava 'shokkikäyrän'. Luvun lopussa esiellään enropia-eho, jonka avulla karsiaan 'epäfysikaalise' rakaisu pois ja äen löydeään yksikäsieinen rakaisu Burgersin yhälölle. Viimeisessä luvussa odiseaan Lax-Oleinikin kaava, joka anaa rakaisun yleiselle ongelmalle u + F (u) x = ja rääälöidään enropia-eho kyseiselle rakaisulle, joa siiä saadaan yksikäsieinen. Burgersin yhälö on esimerkki yleisemmäsä säilymislaisa, joka on muooa u + F (u)u x =. Maemaaisessa fysiikassa säilymislakien mukaan eriseyssä syseemissä vuorovaikuusapahumissa ieyjen suureiden kokonaismäärä pysyvä muuumaomina. Tunneuin esimerkki säilymislakeihin liiyen on Noeherin lause, jonka mukaan suurella on vasaavuus ieyn syseemin symmeriaominaisuuden kanssa. Esimerkiksi energiansäilymislaki seuraa syseemin aikariippumaomuudesa ja liikemäärän säilymislaki on seurausa paikkariippumaomuudesa. Navier-Sokesin yhälö on esimerkki epähomogeenisesa versiosa säilymislakia [4] [5]. 3

5 Burgersin yhälö on prooyyppi yhälösä, joka voi kehiää epäjakuvuuksia, eli shokkikäyriä. Shokkikäyriä ei pysyä maemaaisesi arkaselemaan 'klassisilla' yhälönrakaisumeneelmillä, sen sijaan yleiseyillä funkioilla ämä onnisuu (luku 3). Yleiseyihin funkioihin jouduaan urvauumaan, koska shokkiaallo ilmenyvä äkillisinä epäjakuvuuksina, ja fysikaalisessa mielessä shokkiaalo onkin eenevä häiriö väliaineessa, kuen vaikkapa äänä nopeammin liikkuva aalo ilmassa [7]. Kuvassa on mallinneu Burgersin yhälöä kahdessa ulouvuudessa ja 'shokin' muodosumissa ajan kuluessa [6]. 4

6 Osa II Esiieoja 1 Hamilon-Jacobin yhälösä Tässä luvussa haluamme löyää yleiselle ensimmäisen aseen osiaisdiereniaalyhälölle karakerisisen yhälöryhmän ja käyää ää rakaisun löyämiseksi Hamilon-Jacobin yhälölle. Karakerisinen yhälöryhmä koosuu avallisisa osiaisdiereniaaliyhälöisä [1] [4]. Hamilon-Jacobin yhälö on muooa u + H(Du) = u = g (x, ) R n (, ) (x, ) R n = } Tässä u(x, ) : R n (, ) R on unemaon ja Hamilonin funkio H : R n R sekä g : R n R ova anneuja. Aloieaan arkaselemalla seuraavaa yhälöä: F (Du, u, x) =, jossa x U ja U on joukon R n avoin osajoukko. Tässä F : R n R U R on anneu ja u : U R on unemaon funkio u = u(x). Oleeaan edelleen alkueho u = g joukossa Γ U, missä Γ ja g : Γ R ova anneuja. Oleeaan myös, eä F ja g sileiä, eli niiden jokaisen keraluvun derivaaa on olemassa ja se on jakuva. Voidaan määriellä, eä funkio on sileä joukossa A R n, jos se on sileä joukon A sisäpiseissä. 1.1 Kvasilineaarisen yhälön rakaisu Aloieaan esimällä rakaisu ensimmmäisen aseen kvasilineaariselle osiaisdiffereniaaliyhälölle. Yhälö on kvasilineaarinen, kun se on muooa F (Du, u, x) = b(x, u(x)) Du(x) + c(x, u(x)) =. Anneaan älle ensin geomerinen ulkina ja oleeaan, eä u C 1 (U) on rakaisu. Pinaa z = u(x) kohisuorassa oleva normaali piseessä (x, u(x)) on muooa n(x) := (Du(x), 1). Tarkasellaan ny vekorikenää (x, z) := (b(x, z), c(x, z)) R n+1 ja huomaamme, eä (x, u(x)) n(x) = b(x, u(x)) Du(x) + c(x, u(x)) =. (1) 5

7 Eli ongelma voidaan muooilla seuraavasi: Esi pina, jonka normaali on kaikkialla orogonaalinen vekorikenälle (x, u(x)). Kuva: Karakerisinen käyrä γ avaruudessa R 3. Olkoo γ : I R n+1 derivoiuva käyrä, γ(s) := (x(s), z(s)) ja I R yhenäinen väli. Käyrä on angeniliaalinen vekorikenälle, jos γ (s) = (γ(s)). Komponeneiain yhälö voidaan ilmaisa seuraavasi: ẋ 1 (s) = b 1 (x(s), z(s)).. ẋ n (s) = b n (x(s), z(s)) ż(s) = c(x(s), z(s)) Tämän yhälöryhmän avulla voimme rakaisa anneun kvasilineaarisen osiaisdiereniaaliyhälön (esimerkkinä kaso kappale 2.2). Olkoon x R n ja z R ksauja. Tällöin vaadimme arvola I, eä päee x( ) = x z( ) = z. Okoon funkio b Lipschiz-jakuva kaikkien muuujien suheen. Tällöin piseen ympärillä on olemassa yksikäsieinen rakaisu kvasilineaariselle osiaisdiffereniaaliyhälölle, mikä seuraa suoraan lokaalisa olemassaolo- ja yksikäsieisyyslauseesa avallisille diereniaaliyhälöille. 1.2 Karakerisinen yhälöryhmä Tarkasellaan ny yleisempää apausa, kuin edellisessä kappalessa. Tarkoiuksena on löyää karakerisinen yhälöryhmä, joka muunaa osiaisdiereniaaliyhälön F (Du, u, x) = yhälöryhmäksi, joka koosuu avallisisa diereniaaliyhälöisä. Ideana on arkasella käyrää, joka kulkee joukossa U ja saa sen reunalla arvon x. Tavoieena on pysyä laskemaan u ää käyrää pikin. Tarkasellaan 6

8 ny luvun alussa määrielyä yleisä epälineaarisa ensimmäisen aseen osiaisdiereniaaliyhälöä F (Du, u, x) =, (x U) ja rajalla u = g. Paramerisoidaan kyseinen käyrä seuraavasi: x(s) := (x 1 (s),..., x n (s)) sien, eä parameri s kuuluu jollekin inervallille I R. Oleeaan, eä u rakaisee ylläesieyn osiaisdiereniaaliyhälön ja määriellään: z(s) := u(x(s)) p(s) := Du(x(s)), eli p(s) = (p 1 (s),..., p n (s)), jossa p i (s) = u xi (x(s)) ja i = (1,..., n). Voimme kirjoiaa yhälölle ekvivalenin yhälöryhmän: (a) (b) (c) ṗ(s) = D x F (p(s), z(s), x(s)) D z F (p(s), z(s), x(s))p(s) ż(s) = D p F (p(s), z(s), x(s)) p(s) ẋ(s) = D p F (p(s), z(s), x(s)) (2) Ja edelleen F (p(s), z(s), x(s)) kun s I. Yllä esieyssä yhälöryhmässä on siis 2n + 1 avallisa diereniaaliyhälöä. Funkioia x( ) ja p( ) kusuaan karakerisisiksi funkioiksi, ja varsinkin funkioon x( ) = (x 1 ( ),..., x n ( )) ullaan luvuissa kaksi ja kolme viiaamaan projekoiuna karakerisisena käyränä. Yhälöryhmän johaminen sivuueaan. Ny voimme arkisaa kappaleessa 1.1 saadun, geomerisen ulkinnan avulla rakaisun kvasilineaarisen apauksen käyämällä hyväksi yllä johdeua yleisen karakerisisen yhälöryhmän kaavaa: Käyämällä kappaleessa 1.1 käyeyä merkinää, yhälö F (Du, u, x) = muunuu muooon F (p, z, x) = b(x, z) p + c(x, z) =. Täen D p F = b(x, z). Karakerisisen yhälöryhmän (2) yhälö (b) ja (c) muunuva muooon: ż(s) = b(x(s), z(s)) p(s) = c(x(s), z(s)) ẋ(s) = b(x(s), z(s)) Emme siis arvise kolmaa yhälöä. Tulos on siis sama kaavaan sijoiaessa. Siirrymme käyämään karakerisisa yhälöryhmää (2) Hamilon-Jacobin yhälöön: Merkiään G(Du, u, u, x, ) := u + H(Du, x) =, jossa Du = D x u = (u x1,..., u x1 ). Muuujasa pääsemme eroon oamalla se (n + 1):ksi muuujaksi ja aseamalla q = (p, p n+1 ) ja y = (x, ). Siispä G(q, z, y) = p n+1 + H(p, x) = (3) 7

9 Laskeaan edelleen D q G = (D p H(p, x), 1) D y G = (D x H(p, x), ) D z G = Miellämme paramerin s ajaksi. Yhälö (2a) ulee muooon ṗ i (s) = H xi (p(s), x(s)) (i = 1,..., n) ṗ n+1 (s) = Yhälö (2b) ulee kaavan (3) nojalla muooon ż(s) = D p H(p(s), x(s)) p(s) + p n+1 (s) = D p H(p(s), x(s)) p(s) H(p(s), x(s)). Yhälö (2c) ulee muooon ẋ i (s) = H p (p(s), x(s)) ẋ n+1 (s) = 1. Siis kokonaisuudessaan (a) (b) (c) (i = 1,..., n) ṗ(s) = D x H(p(s), x(s)) ż(s) = D p H(p(s), x(s)) p(s) H(p(s), x(s)) ẋ(s) = D p H(p(s), x(s)) Yhälö (b) huomaaan riviaaliksi, koska se riippuu ainoasaan vekoreisa p(s) ja x(s), eikä z(s) esiinny yhälöissä (a) ai (c). Funkio z(s) saadaan siis selville inegroimalla, kunhan p(s) ja x(s) ova selvillä. Jäämälle yhälön (b) pois, voimme määriellä Hamilonin yhälöiksi kusuun yhälöryhmän seuraavasi: ẋ = D p H(p, x) ṗ = D x H(p, x). 1.3 Alkuehdo ja lokaali yksikäsieinen rakeavuus Tukiaan seuraavaksi, mien karakerisinen yhälöryhmä (2) auaa rakaisemaan luvun alussa anneun alkuarvo-ongelman F (Du, u, x) = joukossa U R n alkuehdolla u = g joukossa Γ U, 8

10 missä g ja F ova sileiä. [1] (i) Tarkaselun helpoamiseksi vaihdeaan ensin muuujia sien, eä suoriseaan osa reunasa U lähellä piseä x U. Oleeaan unneuksi, eä on olemassa sileä funkio η, θ : R R sien, eä η = θ 1 ja θ suorisaa reunan U lähellä piseä x. Kuva: Reunan suorisus Tarkalleenoaen määriellään y i = x i =: θ i (x) y n = x n γ(x 1,..., x n 1 ) =: θ n (x) (i = 1,..., n 1), missä γ : R n 1 R on reunan U paramerisoini ksaun piseen x U läheisyydessä. Voimme siis kirjoiaa y = θ(x). Samoin x i = y i =: η i (x) x n = y n + γ(y 1,..., y n 1 ) =: θ n (y) (i = 1,..., n 1),. eli y = θ(x). Olkoon u : U R anneu ja oleeaan, eä se rakaisee yhälön F (Du, u, x) = Määriellään V := θ(u) ja aseeaan v(y) := u(η(y)) (y V ). Tällöin u(x) := v(θ(x)) (x V ). Ny kejusäännön nojalla Du(x) = Dv(y)Dθ(x), eli F (Du(x), u(x), x) = F (Dv(y)Dθ(η(y)), v(y), η(y)) =. Yhälö on muooa G(Dv(y), v(y), y) = joukossa V. 9

11 Lisäksi missä := θ(γ) ja h(y) := g(η(y)). v = h joukossa Γ, Yhälö on siis samaa muooa kuin alussakin, joen reunan suorisaminen ei olennaisesi muua ilannea. Täen voimmekin oleaa vasedes, eä joukko Γ lähellä anneua piseä x Γ kuuluu asoon x n = }. (ii) Olkoon p() = p, z() = z, x() = x Ny jos käyrä x( ) kulkee piseen x kaua, niin vaadimme, eä z = g(x ). Reunalla u = g, joen reunan läheisyydessä voimme vaaia u xi (x ) = g xi (x ) (i = 1,..., n 1) Yksinkeraisesi sijoiamalla alkuperäiseen osiaisdiereniaaliyhälöön, saamme yheensopivuusehdoiksi kusuun yhälöryhmän: z = g(x ) p i = g x i (x ) (i = 1,..., n 1) F (p, z x ) = Kolmikkoa (p, z x ) R 2n+1, joka oeuaa yheensopivuusehdo, kusuaan kelvolliseksi. (iii) Oleeaan, eä kolmikko (p, z x ) on kelvollinen ja x Γ on piseen x läheisyydessä aso x n = }. Tarkasellaan piseen x läheisyydessä olevaa piseä y Γ. Tarkoiuksenamme on rakaisa karakerisinen yhälöryhmä (2) piseen y läheisyydessä alkuehdoilla p() = q(y), z() = g(y), x() = y. Löyämme kelvollisen kolmikon (q(y), g(y), y) sien, eä funkio q( ) = (q 1 ( ),..., q n ( )) oeuaa ehdon q(x ) = p, kunhan vain F pn (p, z x ). Tällöin kusumme kelvollisa kolmikkoa (p, z x ) epäkarakerisiseksi (vasedes oleamme ämän). Olkoon s R ja merkiään p(s) = p(y, s) = p(y 1,..., y n 1, s) z(s) = z(y, s) = z(y 1,..., y n 1, s) x(s) = x(y, s) = x(y 1,..., y n 1, s) 1

12 Kääneisfunkiolauseen nojalla voimme johaa lauseen, jonka mukaan on olemassa avoin nollan sisälävä jana I R, piseen x ympärisö W R n 1, sekä piseen x ympärisö V R n sien, eä jokaiselle x V on olemassa yksikäsieinen s I ja y W sien, eä x = x(y, s). Täen voimme lokaalisi ja yksikäsieisesi rakaisa yhälön x = x(y, s) y = y(x), s = s(x) Lopula voimme siis määriellä: u(x) := z(y(x), s(x)) p(x) := p(y(x), s(x)) (x V ) Näillä iedoilla voimme viimein sioa yheen karakerisisen yhälöryhmän rakaisun kappaleen alussa esieyn alkuarvoehävän rakaisuun. Lause (Lokaali olemassaolo) 1.1: Yllä määriely funkio u kuuluu joukkoon C 2 ja se rakaisee alkuarvoehävän F (Du(x), u(x), x) = (x V ) alkuehdolla u(x) = g(x) (x Γ V ). Todisus: (i) Olkoon y Γ lähellä piseä x. Oleeaan, eä yllämäärielly yhälö p(s) = p(y, s) z(s) = z(y, s) x(s) = x(y, s) rakaiseva karakerisisen yhälöryhmän. (ii) Väiämme, eä jos y Γ on arpeeksi lähellä piseä x, niin f(y, s) := F (p(y, s), z(y, s), x(y, s)) =. Nähdäksemme ämän, voimme odea, eä yheensopivuusehdon nojalla päee f(y, ) = F (q(y), g(y), y) =. Lisäksi karakerisisen yhälöryhmän (2) nojalla f s (y, s) = n F pj ṗ j + F z ż + j=1 11 n F xj ẋ j j=1

13 n n = F pj ( F xj F z p j ) + F z F pj ṗ j j=1 + n F xj (F p j ) j=1 =. j=1 Yllä ehdy arkaselu osoiava, eä f(y, s) =. (iii) Ny siis F (p(x), u(x), x) =, joen jää ehäväksi osoiaa p(x) = Du(x). Käyämällä karakerisisa yhälöryhmää ja yheensopivuusehoa, voidaan johaa seuraava kaava: z s (y, s) = n p j (y, s)x i s(y, s) j=1 ja Vihdoin z yi (y, s) = = = = n p j (y, s)x i y i (y, s). (i = 1,..., n 1) j=1 n 1 u xj = z s s xj + z yj yx i j n k=1 n k=1 n p k x k x j = k=1 i=1 n 1 p k x k ss xj + i=1 k=1 n 1 p (x k k ss xj + n p k x k y i yx i j i=1 x k y i y i x j ) n p k δ jk = p j (j = 1,..., n). k=1 12

14 1.4 Variaaiolaskenaa ja Euler-Lagrange yhälö Olkoon L : R n R n R sileä funkio, joa kusumme vasedes Lagrangen funkioksi. Merkiään L = L(v, x) = L(v 1,..., v n, x 1,..., x n ), sekä D v L = (L v1,..., L vn ) ja D x L = (L x1,..., L xn ). Määrielmä 1.2: Olkoon pisee x, y R n ja > anneuja. Määrielemme oiminafunkionaalin kaavalla I[w( )] := ˆ jossa w( ) = (w 1 ( ),..., w n ( )) kuuluu luokkaan L(ẇ(s), w(s))ds, (4) F := w( ) C 2 ([, ]); R n w() = y, w() = x }. Perusavanlaauinen avoie variaaiolaskennassa on löyää käyrä x( ) F sien, eä I[x( )] = min I[w( )]. (5) w( ) F Siis esimme funkioa x( ), joka minimoi funkionaalin I[ ] kaikisa mahdollisisa kandiaaeisa w( ) F. Lause 1.3 (Euler-Lagrange yhälö): Kaavan (5) määrielemä funkio x : R n R rakaisee yhälöryhmän d ds [D vl(ẋ(s), x(s))] + D x L(ẋ(s), x(s)) = ( s ). Todisus: (i) Valiaan sileä funkio y : [, ] R n, y( ) = (y 1 ( ),..., y n ( )) sien, eä y() = y() =. Olkoon τ R ja määriellään w( ) := x( ) + τy( ). Tällöin w( ) F, joen I[x( )] I[w( )]. Täen funkiolla i(τ) := I[x( ) + τy( )] on minimi kohdassa τ = ja äsä johuen derivaaa τ :n suheen anaa meille i () =, mikäli i () on olemassa. (ii) Laskeaan i origossa: Kaavan (4) nojalla joen i (τ) = i(τ) = ˆ ˆ L(ẋ(s) + τẏ(s), x(s) + τy(s))ds, Lvi (ẋ(s) + τẏ(s)), x(s) + τy(s))ẏ i (s) 13

15 Aseeaan τ = niin saamme +L xi (ẋ(s) + τẏ(s)), x(s) + τy(s))y i (s)ds = i () = ˆ Lvi (ẋ, x)ẏ i + L xi (ẋ, x)y i ds Siirreään inegraali summan sisälle ja muiseaan alussa ehy oleus y() = y() = : n ˆ ( = d ) ds L v i (ẋ, x) + L xi (ẋ, x) y i ds. i= Tämä päee kaikille sileille funkioille y( ), joka oeuava ehdon y() = y() =. Siis kun s, päee d ds [L v i (ẋ, x) + L xi (ẋ, x)] = (i =,..., n). Väie on siis osoieu. HUOM: On mahdollisa, eä x( ) F rakaisee Euler-Lagrangen yhälön ilman, eä se oeuaa yhälön (5) (eli ilman, eä se minimoi funkionaalin I[ ]). Käyrää x( ), joka rakasee Euler-Lagrangen yhälön, kusumme funkionaalin I[ ] kriiiseksi piseeksi. Esimerkkinä ällaisesa on yksinkerainen ilanne, jossa n = 1, L(ẇ(s), w(s)) = w(s). Ny olkoon x(s) := x y s + y, eli suora käyrä piseiden x ja y välillä. Näemme, eä ny x( ) oeuaa Euler-Lagrangen yhälön: d ds [L v(ẋ(s), x(s)) + L x (ẋ(s), x(s))] = d [ + 1] =. ds Kuienkin on selvää, eä x(s) ei minimoi inegraalia L(ẇ(s), w(s))ds = w(s)ds. Laskeaan ˆ ˆ ( x y x(s)ds = s + y ds = y + x ) y. 2 Aina voidaan löyää funkio w(s) sien, eä w F ja w(s)ds < (y + x y 2 ). Esimerkiksi mikä ahansa funkio f, joka on kupera välillä [, ], sekä f() = y ja f() = x. Määrielmä 1.4: Lagrangen funkioon liiyy Hamilonin funkio, joka määriellään H(p, x) := p v(p, x) L(v(p, x), x), (p, x R) (6) jossa p(s) := D v L(ẋ(s), x(s)) ( s ) 14

16 ja v = v(p, x) on yhälön p = D v L(v, x) yksikäsieinen sileä rakaisu, oleaen, eä ällainen v on olemassa. Seuraavassa kappaleessa iukennamme Lagrangen ja Hamilonin funkioiden ehoja sien, eä pysymme osoiamaan funkion v olemassaolon. Seuraavaksi kirjoiamme Euler-Lagrangen yhälö 2n avallisisa ensimmäisen aseen yhälöisä koosuvana Hamilonin yhälöryhmänä. Lause 1.5: Olkoon funkio x kaavan (5) määrielemä ja p yllämääriely p(s) := D v L(ẋ(s), x(s)). Tällöin funkio x ja p oeuava Hamilonin yhälöryhmän: ẋ(s) = D p H(p(s), x(s)) ṗ(s) = D x H(p(s), x(s)), lisäksi kuvaus s H(p(s), x(s)) on vakio. Todisus: Tässä siis x( ) = (x 1 ( ),..., x n ( )) ja p( ) = (p 1 ( ),..., p n ( )) = D v L(ẋ(s), x(s)), sekä ẋ( ) = v(p( ), x( )) = (v 1 ( ),..., v n ( )). Laskeaan kaikille i = 1,..., n H xi (p, x) = ja n p k vx k i (p, x) L vk v((p, x), x)vx k i (p, x) L xi v((p, x), x) = L xi (q, x) k=1 H pi (p, x) = v i (p, x) + n p k vx k i (p, x) L vk v((p, x), x)vp k i (p, x) = v i (p, x) k=1 määrielmän 1.4 nojalla. Täen ja edelleen H pi (p(s), x(s)) = v i (p(s), x(s)) = ẋ i (s) H xi (p(s), x(s)) = L xk v((p(s), x(s)), x(s)) = L xi (ẋ(s), x(s)) = d ds L v i (ẋ(s), x(s)) Lopuksi huomaaan = ṗ i (s). = d n H(p, x) = ds H pi (p, x)ṗ i + H xi (p, x)ẋ i k=1 n H pi (p, x)( H xi (p, x)) + H xi (p, x)h pi (p, x) = k=1 15

17 Hamilonin ja Lagrangen yhälö nouseva esille klassisessa mekaniikassa, jossa Hamilonin yhälö kuvaa syseemin kokonaisenergiaa ja Lagrangen yhälö kuvaa kineeisen energian ja poeniaalienergian erousa. 1.5 Lipschiz-jakuvuus ja Legendren muunnos Lipschiz-jakuvuua arvisemme Lax-Oleinikin kaavan odisuksessa. Määrielmä 1.5: Funkio f : R R on Lipschiz-jakuva, jos on olemassa sellainen luku M, eä kaikilla x, y R n. f(x) f(y) M x y Määrielmä 1.6: Funkio f : R n R on konveksi, jos kaikille x, y R n, < < 1. f(x + (1 )y) f(x) + (1 )f(y) (7) Funkio f : R R on konveksi, kun alue f:n yläpuolella on konveksi joukko. Lax-Oleinikin kaavan johamisessa arvisemme Legendren muunnosa. Olkoon L : R n R Lagrangen funkio seuraavin ehdoin kuvaus v L(v) on konveksi sekä L(v) lim =. v v 16

18 Funkion L konvenksisuudesa seuraa myös, eä L on jakuva[8]. HUOM: Vasedes oleamme, eä Lagrangen (ja äen myös Hamilonin) funkio ei riipu enää muuujasa x. Määrielmä 1.7: Legendren muunnos funkiolle L on L (p) := sup v R n p v L(v)} (p R n ) (8) Lause 1.8: Oleeaan, eä L oeuaa yllä esiey oleukse konveksisuudesa ja raja-arvosa, sekä H := L. Tällöin sekä (i) (ii) Lisäksi kuvaus p H(p) on konveksi (ja siis jakuva) H(p) lim =. p p eli H ja L ova duaalisesi konvekseja funkioia. L = H (9) Lisäksi seuraava yhäläisyyde ova ekvivaleneja: p v = L(v) + H(p) p = DL(v), (1) v = DH(p) oleaen, eä H on dierenioiuva kohdassa p ja L dierenioiuva kohdassa v. HUOM: Lauseen oleukse funkioiden L ja H konveksisuudesa ja rajaarvosa = oleeaan vasedes päevän ellei erikseen mainia. lim p H(p) p Todisus: (i) Olkoon v R n vakio, jolloin funkio p p v L(v) on lineaarinen. Näyeään, eä kuvaus p H(p) = L (p) = sup p v L(v)} on v R n konveksi: Käyeään suoraan konveksisuuden määrielmää ja oleeaan, eä 1, sekä p, p R n, ja saamme H(p + (1 )p ) = sup v R n (p + (1 )p ) v L(v)} sup v R n p v L(v)} + (1 ) sup v R n p v L(v)} = H(p) + (1 )H(p ) 17

19 (ii) Olkoon µ >, p ja v = µ p p. Tällöin H(p) = sup v R n p v L(v)} µ p L(v = µ p p ) Tällöin lim inf p H(p) p µ p max B(,µ) L. µ kaikille µ >, joen lim p H(p) p =. (iii) Suoraan määrielmäsä L (p) := sup v R n p v L(v)} saamme L (p) := p v L(v) = H(p) = H(p) + L(v) = p v kaikilla p, v R n. Täsä seuraa, eä L(v) sup p R n p v H(p)} = H (v). Toisaala } H (v) = sup p v sup p r L(r)} p R n r R n = sup p R n r R inf p (v r) + L(r)}. n Ny koska v L(v) on konveksi, on olemassa s R n sien, eä L(r) L(v) + s (r v). Aseamalla p = s, saamme H (v) inf s (v r) + L(r)} = L(v), joen r Rn kaava (9) on odiseu. Näyeään vielä yhälöryhmä (1) odeksi: (i) Oleeaan p v = L(v) + H(p). Ylläjohdeun kaavan (9) nojalla p v = L(v) + H(p) = L(v) + L (p) = L (p) = p v L(v) määr. = sup v R n p v L(v)} Eli L (p) saa suurimman arvonsa kohdassa v. Täsä seuraa, eä ämä on derivaaan DL (p) nollakoha, eli = DL (p) = D(p v L(v)) = p DL(v) = DL(v) = p Hyödynämällä kaavan p v = L(v) + H(p) symmerisyyä, pääsään samanlaisella arkaselulla yhälöön DH(p) = v. (ii) Oleeaan DL(v) = p. 18

20 Inegroimalla saamme L(v) = p v + C(p), jossa C(p) on muuujasa p riippuva funkio ja C : R n R. Kaavan (9) nojalla H (v) = L(v) = p v + C(p) = sup r R n v r H(r)}. Supremumin epsilon-krieerin nojalla kaikille ε >, päee v r H(r) (p v + C(p)) < ε, kun r ja C valiaan sopivasi. Huomaaan, eä ryhmielemällä v r H(r) (p v + C(p)) < ε (r p) v (H(r) + C(p) < ε. Tämä päee ainoasaan silloin kun r p ja C( ) = H( ). Tehdään sijoius ja saamme uloksen L(v) = p v + C(p) = p v H(p) p v = L(v) + H(p). Eli pääsemme kohdan (i) oleukseen, josa edelleen voimme johaa uloksen v = DH(p). Oleamalla sen sijaan v = DH(p), pääsemme myös symmerian akia ulokseen p v = L(v) + H(p) samanlaisella arkaselulla kuin yllä. 1.6 Hopf-Lax rakaisu Tarkoiuksena on siis rakaisa alkuperäinen Hamilon-Jacobin yhälö (1) sien, eä lähdemme liikkeelle karakerisisesa yhälöryhmäsä ṗ = ż = DH(p) p H(p) ẋ = DH(p) Huomaa, eä ensimmäinen yhälö ṗ(s) = D x H(p(s), x(s)) ypisyy nollaksi, kun ehdään oleus, eei Hamilonin funkiossa H esiinny argumenia x. Toinen yhälö muunuu muooon ż = DH(p) p H(p) = L(ẋ), mikä arjoaa avaimen rakaisuun. Silloin kun Hamilon-Jacobin yhälöllä on sileä rakaisu, päee u(x(), ) = z(), joen ällöin u(x, ) = ˆ L(ẋ(s))ds + g(x()). 19

21 Ideana on muokaa rakaisua variaaiolaskennasa saaduilla keinoilla niin, eä se sopii myös myöhemmille ajoille, jolloin yhälöllä ei ole sileää rakaisua. Pyrimme siis minimoimaan lausekkeen eli määrielemme ˆ u(x, ) := inf ˆ L(ẇ(s))ds + g(w()), L(ẇ(s))ds + g(w()) w() = x, w( ) C 1 }. (11) Oleamme, eä alkuarvofunkio g : R n R on Lipschiz-jakuva. Lause 1.9 (Hopf-Lax kaava): Olkoon x R n ja >, sekä g Lipschizjakuva. Tällöin rakaisu u = u(x, ) minimoiniongelmaan (11) on ( ) } x y u(x, ) = min L + g(y). y R Tää yhälöä kusumme Hopf-Laxin kaavaksi. Todisus: Olkoon y R n ja määriellään w(s) := y + s (x y), ( s ), joen siis ẇ(s) = (x y)/. Tällöin kaavan (11) nojalla u(x, ) ˆ ( ) x y L(ẇ(s))ds + g(y) = L + g(y) = u(x, ) inf L y R Toisaala Jensenin epäyhälön nojalla ( 1 L ˆ ) ẇ(s)ds 1 ( ) x y = L + g(y) = inf L y R ( x y ( x y ˆ ˆ ) } + g(y) ) } + g(y). L(ẇ(s))ds L(ẇ(s))ds + g(y) u(x, ). Nämä ulokse yhdisämällä saamme siis ( ) } x y u(x, ) = inf L + g(y). y R Osoieaan vielä, eä inmum on odellakin minimi. 2

22 Selväsi kun y, niin x y, kunhan x R n ja [, [ ova vakioia. Ny ( ) x y L + g(y) = L ( ) x y + g(y) x y x y (kun x y) L ( x y x y ) + g(y) x y kunhan y on arpeeksi suuri. Oleusen nojalla L ( ) x y x y, kun y. Voimme laskea g(y) g(x) + g(x) x y = g(y) x y g(y) g(x) = + g(x) x y x y. Yllä saadussa lausekkeessa ermi g(y) g(x) x y on rajoieu (Lipschiz-jakuvuus) ja g(x) x y, kun y. Yhdisämällä ulokse, saamme ( ) x y L + g(y), kun y. ja äsä seuraa, eä minimin on pakko olla myös inmum. Lause 1.1: Olkoon x R n ja > ja olkoon funkio H : R n R on konveksi (ällöin myös L = H on konveksi) ja sileä, sekä g : R n R Lipschiz-jakuva. Tällöin Hopf-Laxin kaava u(x, ) = min y R n L ( x y ) } + g(y) on derivoiuva melkein kaikkialla joukossa R n (, ), sekä rakaisee Hamilon- Jacobin yhälön u + H(Du) = u = g (x, ) R n (, ) (x, ) R n = }. Todisus: (i) Aloieaan odisus osoiamalla, eä jokaiselle x R n ja s <, päee ( ) } x y u(x, ) = min ( s)l + u(y, s) y R n s 21

23 eli voidaksemme laskea funkion u, voimme selviää u:n ajanhekellä s ja käyää funkioa u(, s) alkuehona jäljellejäävälle aikainervallille [s, ]. Olkoon y R n ja valiaan z R n sien, eä ( ) y z u(y, s) = sl + g(z). s s Ny funkion L konveksisuudesa ja ominaisuudesa x z, saamme ( ) x z L x z = (1 s ( ) x y )L + s ( ) y z s L. s y z s Edelleen ( x z u(x, ) L ) + g(z) ( s)l = ( s)l ( ) x y + sl s ( ) x y + u(y, s). s ( y z = (1 s ) x y s + s ) + g(z) Osoieaan, eä y u(y, s) on jakuva. Olkoon >, sekä x, y R n. Valiaan w R n sien, eä ( ) y w L + g(w) = u(x, ). Kun muiseaan, eä g on Lipschiz-jakuva, saamme ( ) } ( y z x w u(y, ) u(x, ) = min L + g(z) L z R n ( ) ( y y + x w x w = L + g(y x + w) L Siis = g(y x + w) g(w) M y x, jollakin M >. u(y, ) u(x, ) M y x ) g(w) ) g(w) eli funkio y u(y, ) on jakuva mielivalaisesi valiussa piseessä x R n, siis funkio on jakuva kaikkialla. Ny koska y u(y, s) on jakuva, saamme ( s)l u(x, ) min y R n ( x y s ) } + u(y, s) Olkoon w R n edelleen sellainen, eä ( ) y w u(x, s) = L + g(w) (12) 22

24 ja aseeaan y := s x + (1 s eä ( s)l ( x w ( s)l ( x w = L siispä kaavan (12) nojalla u(x, ) min y R n Ja yhdisämällä ulokse u(x, ) = min y R n x y )w. Tällöin s ( x y s ) + sl ( s)l = x w ) + u(y, s) ( y w s ) + g(w) = u(x, ) ( s)l = y w s ) + g(w) ( ) } x y + u(y, s). s ( ) } x y + u(y, s) s ja äsä seuraa, (13) (ii) Funkio u on Lipschiz-jakuva melkein kaikkialla ja äsä seuraa Rademacherin eoreeman nojalla se, eä u on dierenioiuva melkein kaikkialla [9]. Näyeään Lipschiz-jakuvuus ensin muuujalle x ja sien muuujalle : Olkoon > ja x, x o R n, sekä valiaan y R n sien, eä ( ) x y L + g(y) = u(x, ). Tällöin u(x, ) u(x, ) = min z L ( x z ) } g(z) L g(x x + y) g(y) Lip(g) x x. ( x y ) g(y) Yllä suorieu oimius voidaan suoriaa myös vaihamalla x ja x päikseen, jolloin Lipschiz-jakuvuuden eho äyyy ja Lip(u(, ) Lip(g). Ny olkoon x R n ja >. Valisemalla y = x, saamme u(x, ) L() + g(x). Edelleen u(x, ) = min L y ( x y g(x) + min L y ( x y ) } g(y) ) Lip(g) x y } 23

25 = g(x) + max Lip(z) z L (z)} z ( z = x y ) = g(x) max max w B(,Lip(g)) z = g(x) max B(,Lip(g)) H. Täsä ja kaavasa u(x, ) L() + g(x) saamme u(x, ) g(x) C, jossa C := max ( L(), max B(,Lip(g)) H ). w z L(z)} Ny kohdan (i) ja yllä esiellyiden laskuoimiusen nojalla voimme johaa u(x, ) u(x, ) C. ( < < ) (iii) Olkoon v R n ja h >, sekä oleeaan, eä u on dierenioiuva piseessä (x, ) R n+1. Ny kaavaan (13) sijoiamalla s ja +h saamme ( ) } x + hv y u(x + hv, + h) min hl + u(y, ) y R n h hl(v) + u(x, ) u(x + hv, + h) u(x, ) = L(v). h Anamalla h, saamme v Du(x, ) + u (x, ) L(v). Koska epäyhälö päee kaikille v R n, päee u (x, ) + max v R n v Du(x, ) L(v)} = u (x, ) + L (Du(x, )) = u (x, ) + H(Du(x, )). (iv) Ny valiaan z R n sien, eä u(x, ) = L ( ) x z + g(z). Olkoon h > ja aseeaan s = h, sekä y = s x + (1 s x z )z. Tällöin = y z s ja edelleen ( ] x z Eli u(x, ) u(y, s) L ) [ + g(z) L ( ) x z = ( s)l. u(x, ) u((1 h )x + h z, h) L h ( y z s ( x z ) + g(z) ). 24

26 Anamalla h, saamme ( ) x z x z Du(x, ) + u (x, ) L ja edelleen u (x, ) + x z ( ) x z Du(x, ) L u (x, ) + max v Du(x, ) L(v)} v Rn u (x, ) + L (Du(x, )) = u (x, ) + H(Du(x, )) Yhdisämällä ulokse saamme u (x, ) + H(Du(x, )) = ja lause on odiseu. Esimerkki 1.11 (Hamilon-Jacobin yhälön äärellinen eenemisnopeus): Osoieaan, eä päee ( ) } ( ) } x y x y u(x, ) = min L + g(y) = min L + g(y), y R n y B(x,R) jossa R = sup R n DH(Dg) ja H = L, eli näyeään, eä Hamilon-Jacobin yhälöllä on ominaisuus nimelään äärellinen eenemisnopeus. (H ja L ova konvekseja funkioia ja g : R n R on Lipschiz-jakuva.) Rakaisu: Merkiään v(y) := x y, jossa x R n ja > ova ksauja. Esiään minimi derivoimalla funkio y L (v(y)) + g(y), ja aseamalla se nollaksi: D (L (v(y)) + g(y)) = v (y) DL (v(y)) + g (y), jossa y1 (x 1 y 1 ) v (y) = = I n yn (x n y n ) (I n on yksikkömariisi). Konveksi funkio L ja Lipschiz-jakuva funkio g ova melkein kaikkialla derivoiuvia [1, 9]. Siinä apauksessa, eä minimi löyyy epäderivoiuvuuspiseesä y R n, funkion y L (v(y))+g(y) voi approksimoida piseen y läheisyydessä derivoiuvalla funkiolla, jolloin ongelmila välyään [1]. SiisD (L (v(y)) + g(y)) = DL (v(y)) + g (y) ja olkoon ȳ R n se y, joka minimoi lausekkeen, eli DL (v(ȳ)) + g (ȳ) = DL (v(ȳ)) = g (ȳ). 25

27 Muisamme kaavasa (1) p = DL(v) ja v = DH(p). Sijoieaan v = v(ȳ) ja p = g (ȳ) ja ylläjohdeun kaavan nojalla Ny voimme kirjoiaa: v(ȳ) = DH(g (ȳ)). v(ȳ) = DH(g (ȳ)) sup r R n DH(g (r))} = R. Eli v(ȳ) = x ȳ R x ȳ R, siis ȳ B(x, R), joen väie on osoieu. 26

28 Osa III Burgersin yhälö ja Lax-Oleinikin kaava 2 Johdaus Burgersin yhälölle Tässä luvussa määriellään ingraalirakaisu ja johdeaan Rankine-Hugonioeho. Näiden avulla saadaan yökalu Burgersin yhälön rakaisuun yleisemmässä apauksessa, eli kun karakerisise käyrä kohaava ja muodosava 'shokkikäyrän'. Luvun lopussa esiellään enropia-eho, jonka avulla karsiaan 'epäfysikaalise' rakaisu pois ja äen löydeään yksikäsieinen rakaisu Burgersin yhälölle [1]. Tarkasellaan alkuarvo-ongelmaa yhdessä ilaulouvuudessa u + F (u) x = (x, ) R (, ) u = g R = } (14) Esimerkiksi jos F (u) = 1 2 u2, niin F (u) x = uu x. Ongelmalle (14) ei ole mahdollisa löyää yleisä sileää rakaisua, joen joudumme heikenämään rakaisula u vaadiavia ehoja. Seuraavassa johdaelen määrielmän käsieelle inegraalirakaisu. 2.1 Rankine-Hugonio-eho Olkoon v : R [, ) R sileä ja olkoon v:n kanaja kompaki Kusuaan funkioa v esifunkioksi. Kerroaan osiaisdiereniaaliyhälö u + F (u) x = esifunkiolla ja sovelleaan osiaisinegroinia: = = (u + F (u) x )vdxd ˆ uv dxd uvdx = Käyämällä alkuehoa u = g kun =, saamme yhälön uv + F (u)v x dxd + ˆ F (u)v x vdxd. gvdx = = (15) Määrielmä 2.1: Funkio u L (R (, )) on ongelman (14) inegraalirakaisu, kunhan (15) piää paikkansa kaikille esifunkioile v. 27

29 Oleeaan sien, eä jossain avoimessa alueessa V R (, ) funkio u on sileä sileän käyrän C jommallakummalla puolella. Nimieään käyrän C vasena puola V l ja oikeaa puola V r. Olkoon u ongelman (14) inegraalirakaisu ja eä funkion u ensimmäise derivaaa ova asaisesi jakuvia joukoissa V l ja V r. Rankine-Hugonio ehoa havainnollisava kuva Ensinnäkin valiaan esifunkio v sien, eä sillä on kompaki kanaja joukossa V l. Kaavasa (15) osiaisinegroimalla saamme = vu + F (u)v x dxd = (u + F (u) x )vdxd (16). Osiaisinegroini on salliua, koska u on kerran jakuvasi derivoiuva ja koska v kaoaa joukon V l reunalla. Kaava (16) päee kaikille esifunkioille v, joilla sopiva kanaja, voimme pääellä, eä u + F (u) x = joukossa V l. Samanlaisen arkaselun voimme ehdä joukolle V l, josa saamme samaan apaan u + F (u) x = joukossa V r. Valiaan seuraavaksi esifunkio v sien, eä supp(v) V, mua oisin kuin yllä, funkion v arvo ei välämää mene nollaan käyrällä C. Jälleen kaavasa (15) saamme = vu + F (u)v x dxd ˆ ˆ ˆ ˆ = vu + F (u)v x dxd + V l vu + F (u)v x dxd. V r (17) 28

30 Ny yhdisämällä edellä saadu ulokse, saamme ˆ ˆ vu + F (u)v x dxd V l ˆ ˆ ˆ = (u + F (u) x )vdxd + (u l ν 2 + F (u l )ν 1 )vdl V l C ˆ = (u l ν 2 + F (u l )ν 1 )vdl, (18) C jossa ν = (ν 1, ν 2 ) on joukosa V l joukkoon V r osoiava yksikkönormaali käyrälle C ja l on raja-arvo lähesyäessä vasemmala. Voimme ehdä saman oikealle puolelle: ˆ ˆ vu + F (u)v x dxd V r ˆ ˆ ˆ = (u + F (u) x )vdxd + (u r ν 2 + F (u r )ν 1 )vdl V r C ˆ = (u r ν 2 + F (u r )ν 1 )vdl (19) C Ny yhdisämällä kaava (18) ja (19) kaavaan (17), saamme ˆ [(F (u l ) F (u r ))ν 1 + (u l u r )ν 2 ]vdl =. C Koska ylläoleva on oa kaikille esifunkioille v, päee (F (u l ) F (u r ))ν 1 + (u l u r )ν 2 = käyrällä C. (2) Paramerisoidaan vielä käyrä C aseamalla C = (x, ) x = s()} jollekin sileälle funkiolle s( ) = [, ) R. Täen ν = (ν 1, ν 2 ) = [1 + s 2 ] 1/2 (1, s ). Sijoiamalla ämä kaavaan (2) saamme F (u l ) F (u r ) = s (u l u r ) joukossa V pikin käyrää C. Ylläolevaa kaavaa kusuaan Rankine-Hugonioin ehdoksi pikin shokkikäyrää C. Usein eho kirjoieaan muodossa [[F (u)]] = σ[[u]], jossa [[F (u)]] = F (u l ) F (u r ), [[u]] = u l u r ja σ = s käyrän C nopeus. 29

31 2.2 Burgersin yhälö Tässä kappaleessa on arkoiuksena rakaisa Burgersin yhälö [2, 3]. Burgersin yhälösä kiiäminen on hollanilaisa fyysikko Johannes Marinus Burgersia, joka aloii akaeemisen uransa Leidenin yliopisossa valmisuen fysiikan ohoriksi 23-vuoiaana. Hänen väiöskirjansa aiheena oli Ruhefordin aomimalli, mua pian Burgersin mielenkiino siiryi uididynamiikan ukimukseen. Saauaan professuurin Delfin yliopisosa, Burgers perusi aero- ja hydrodynamiikan ukimukseen keskiyvän laboraorion. Tukimuksen yhenä arkoiuksena oli urbulenssin eoreeinen ja ilasollinen käsiely ja siinä ärkeän aseman sai hänen isensä mukaan nimey Burgersin yhälö, jolla voidaan kuvaa häiriöiden eenemisä uideissa. Nykyään yhälö on käyössä myös kiineän aineen fysiikassa ja kosmologiassa, sekä siä voidaan sovelaa myös esimerkiksi liikenneruuhkien kehiymisen analysoiniin. Uransa loppupuolella vuonna 1955 Burger siiryi Marylandin yliopisoon ukimaan Bolzmannin yhälöä ja sen sovelamisa uidimekaniikkaan [12]. Johannes Marinus Burgers ( ) [11] Tarkasellaan ongelmaa u + F (u) x = u = g (x, ) R (, ) R = }, jossa F (u) = 1 2 u2. Ny = u + F (u) x = u + D x ( 1 2 u2 ) = u + uu x. Yhälöä u + uu x = (x, ) R (, ) (21) u = g R = } kusuaan siis Burgesin yhälöksi. Kyseessä on kvasilineaarinen yhälö, eli se on muooa b(x, u(x)) Du(x) + c(x, u(x)) =, jossa b(x, u(x)) = (u, 1) ja c(x, u(x)). Käyämme kappaleiden 2.1 ja 2.2 noaaioa muuen, mua koska ny u = u(x, ) käyämme paramerisoidulle käyrälle merkinää X(s) := (x 1 (s), x 2 (s)). Ny z(s) := u(x(s)) ja karakerisinen yhälöryhmä on siis Ẋ(s) = b(x(s), z(s)) ż(s) = c(x(s), z(s)) 3

32 = = Ẋ(s) = z(s) ż(s) = ẋ 1 (s) = z(s) ẋ 2 (s) = 1 ż(s) = Toisesa yhälösä saamme ẋ 2 (s) = 1, joen x 2 (s) = s + C = s Se, eä vakio C on nolla, seuraa suoraan alkuarvoehdosa. Viimeisesä yhälösä saamme, eä u on vakio karakerisisa käyrää pikin, ja alkuarvoehdon nojalla saamme ż(s) = = z(s) g(x ) Ny voimme sijoiaa ämän ensimmäiseen yhälöön ẋ 1 (s) = g(x ) Täsä saamme = x 1 (s) = g(x )s + x x = x 1 (s) g(x )s = x 1 (s) u(x, )x 2 (s) Ny valiaan s sien, eä (x 1 (s), x 2 (s)) = (x, ) ja näin saamme x = x u, jonka voimme sijoiaa kolmannen yhälön rakaisuun u = z(s) = g(x ) = g(x u). (22) ja äen olemme löyänee implisiiirakaisun Burgersin yhälölle (21). Löydey rakaisu päee kuienkin vain alueella, jossa projekoidu karakerisise käyrä eivä riseä. Burgersin yhälössä karakerisinen käyrä s (g(x )s + x, s) = (ẋ 1 (s), ẋ 2 (s)). Tämä arkoiaa myös siä, eä funkio u ei ole yleisesi oaen sileä. Tarvisemme siis lisää keinoja yleisemmän rakaisujen löyämiseen. Esimerkki 2.2: Tarkasellaan Burgersin yhälöä (21) sien eä ajanhekellä =, 1 jos x g(x) = 1 x jos x 1 jos x 1 31

33 Ny voimme sijoiaa funkion g kaavaan (22) ja saamme suoraan rakaisun 1 jos x, 1 1 x u(x, ) = 1 jos x 1, 1 jos x 1, 1 Tämä meodi ei kuienkaan enää kun 1, eli kun karakerisise käyrä kohaava. Olkoon ja aseeaan s() = Ny u(x, ) = 1 jos x s() s() x Ny u l = 1, u r =, F (u l ) = 1 2 u2 l = 1 2 ja F (u r) =. Tällöin [[F (u)]] = 1 2 = σ[[u]] siis Rankine-Hugonio eho äyyy. Esimerkkiin 2.2 liiyvä kuva 2.3 Shokkikäyrä ja enropia-eho Ongelmana yllä esieyssä lähesymisavassa on, eä inegraalirakaisu ei ole välämää yksikäsieinen. arkasellaan vaikka esimerkkiä, jossa yhälö on Burgersin yhälö (21) ja g(x) = 1 kun x < kun x >. 32

34 Ny esimerkin 2.2 apainen rakaisu karakerisiseen yhälöryhmään vedoen epäonnisuu alueessa < x < }. Tämä huomaaan aseamalla kun x < u 1 (x, ) := 2 1 kun x >, 2 sekä 1 x u 2 (x, ) := kun x > kun < x < kun x < Ny molemma funkio rakaiseva Burgersin yhälön alkuehdolla g(x) ja Rankine-Hugonio-eho oeuuu. Tarvisemme lisäehdon, joa löydämme yksikäsieisen rakaisun. Tarkasellaan edelleen yhälöä u +F (u) x =. Yllä ehdyn arkaselun nojalla iedämme, eä rakaisun u ollessa sileä, sen arvo on vakio g(x ) projekoiua karakerisisa käyrää s (F (g(x ))s + x, s) pikin. Käyrää, jolla karaerisise käyrä kohaava, kusuaan shokkikäyräksi. Aiemmin yllä odeiin, eä shokkikäyrällä s() = x päee Rankine-Hugonio-eho F (u l ) F (u r ) = s (u l u r ). Pääsäksemme yksikäsieisyyeen haluamme oaa mukaan ainoasaan rakaisu, joilla shokkikäyrälle pääsään vain ja ainoasaan kulkemalla ajassa eeenpäin (äsä samaisus ermodynamiikan enropia-käsieeseen). Tällöin esimerkiksi alla olevan kuvan mukaise ilanee karsiuuva:. Epäfysikaalinen rakaisu Täsä seuraa välämää se, eä projekoiujen karakerisisen käyrien kulmakeroime ova shokkikäyrän kulmakerroina pienempiä vasemmalla puolella shokkikäyrää koordinaaisossa (x, ), koska muuen käyrä eivä koskaan kohaisi (niinkuin ylläolevan kuvan ilaneessa). Kyseessä on aio epäyhälö, sillä jos kulmakeroime ova yhä suure, shokkikäyrä ja projekoiu käyrä olisiva yhdensuunaise. Samanlaisella pääelyllä shokkikäyrän kulmakerroin on aidosi suurempi (x, )-koordinaaisossa, kuin projekoidun karakerisisen käyrän kulmakerroin. Rankine-Hugonio-ehdon arkaselussa shokkikäyrä määrieliin funkioksi s() = x ja sen derivaaaksi s () = σ. Tällöin shokkikäyrän kulmakerroin (x, )- koordinaaisossa on kääneisluku 1/σ. Maemaaisesi ilmaisen ylläoleva ar- 33

35 kaselu voidaan iivisää epäyhälöpariin (enropia-eho): F (u l ) < 1 σ < F (u r ). Seuraavassa kappaleessa eemme oleuksen, eä F on aidosi konveksi, eli F on aidosi kasvava. Tällöin enropia-eho on yhäpiävä ehdon u l > u r kanssa. 34

36 3 Lax-Oleinikin kaava Tässä luvussa odiseaan Lax-Oleinikin kaava, joka anaa rakaisun yleiselle ongelmalle u + F (u) x =. Luvun lopussa rääälöidään enropia-eho kyseiselle rakaisulle, joa siiä saadaan yksikäsieinen [1]. 3.1 Johdaus Lax-oleinikin kaavaan Tämän kappaleen arkoius on löyää rakaisuehdous osiaisdiereniaaliyhälölle u + F (u) x = (x, ) R (, ) u = g R = } joka sien odiseaan oikeaksi seuraavissa kappaleissa. Oleamme, eä funkio F : R R on konveksi. Tämän lisäksi voimme oleaa, eä F () = ilman, eä rakaisu olisi vähemmän yleinen, koska kaavassa F esiinyy ainoasaan derivoiuna. Olkoon g L (R) ja h(x) := ˆ x g(y)dy (x R). Muisamme kappaleesa 1.6 Hopf-Lax-kaavan ja aseamme ( ) } x y ω(x, ) := min L + h(y) (x R, > ), (23) y R jossa L = F eli funkion F Legendren muunnos. Täen ω on Hamilon- Jakobin yhälön ω + F (ω x ) = ω = h (x, ) R (, ) R = } yksikäsieinen rakaisu. Oleamme hekeksi rakaisun u(x, ) johamisa varen, eä ω on kerran jakuvasi derivoiuva. Ny derivoimme ylläolevan yhälön ja alkuehdon kerran muuujan x suheen ω x + F (ω x ) x = ω x = g (x, ) R (, ) R = } Siispä, jos aseamme u = ω x, saamme rakaisuehdouksen kappaleen alussa esieylle osiaisdiereniaaliyhälölle: u(x, ) := [ ( ) }] x y min L + h(y) x y R ja u on määriely melkein kaikkialla. Tällöin u(x, ) on soviva kandidaai jonkinaseiseksi heikoksi rakaisuksi alkuarvo-ongelmalle (14). Seuraavien kappaleiden arkoiuksena on odisaa ämä. 35

37 3.2 Lax-Oleinikin kaava ja sen odisus Lause 3.1 (lax-oleinikin kaava): Olkoon F : R R sileä ja kaikkialla konveksi, sekä g L (R). (i) Jokaiselle > on olemassa kaikille x R, yksikäsieinen pise y(x, ) sien, eä ( ) } ( ) x y x y(x, ) L + h(y) = L + h(y(x, )) min y R (ii) Kuvaus x y(x, ) on kasvava. (iii) Jokaiselle ajalle >, yllämääriely funkio u on ( ) x y(x, ) u(x, ) = G (24) melkein kaikille x. Yllä on käyey merkinää G := (F ) 1. Todisus: (i) Todeaan ensin, eä L(v) = F (v) = max p R (vp F (p)) = vp F (p ) jollakin p R. Koska F on konveksi, löyyy maksimi myös aseamalla derivaaa d dp (vp F (p)) = v F (p) nollaksi: v F (p ) = = F (p ) = v. Koska G = (F ) 1, päee p = G(v) eli ja edelleen L(v) = vg(v) F (G(v)) (v R) L (v) = G(v) + G (v) F (G(v))G (v) = G(v). Koska funkio F on aidosi konveksi, on F aidosi kasvava kuen on ällöin myös (F ) 1 = G. Täen edelleen G (v) = L (v) >. Tämän, sekä oleuksen F () = nojalla voimme odea, eä L on epänegaiivinen ja konveksi. (ii) Olkoon > ja x 1 < x 2. Kappaleen 2.2 nojalla on olemassa ainakin yksi pise y 1 R sien, eä ( ) ( ) } x1 y 1 x1 y L + h(y 1 ) = min L + h(y). (25) y R Väieään seuraavaksi, eä ( ) ( ) x2 y 1 x2 y L + h(y 1 ) < L + h(y), jos y < y 1. (26) 36

38 Tämän näyääksemme määrielemme Täen < τ := y 1 y =< 1. x 2 x 1 + y 1 y x 2 y 1 = τ(x 1 y 1 ) + (1 τ)(x 2 y) ja x 1 y = τ(x 2 y 1 ) + (1 τ)(x 1 y). Suoraan konveksiuden määrielmäsä (7) seuraa ( ) ( ) ( ) x2 y 1 x1 y 1 x2 y L < τl + (1 τ)l ja ( ) ( ) ( ) x1 y 1 x2 y 1 x1 y 1 L < τl + (1 τ)l joen ( ) ( ) x2 y 1 x1 y 1 L + L ( ) ( ) ( ) ( ) x1 y 1 x2 y x2 y 1 x1 y 1 < τl + (1 τ)l + τl + (1 τ)l ( ) ( ) x1 y 1 x2 y = L + L. (27) Kerroaan yhälön (27) molemma puole luvulla ja lisäään h(y 1 ) + h(y) molemmille puolille: ( ) ( ) x2 y 1 x1 y 1 L + L + h(y 1 ) + h(y) ( ) ( ) x1 y 1 x2 y < L + L + h(y 1 ) + h(y). Kaavan (25) nojalla saamme, eä ( ) ( ) x1 y 1 x1 y L + h(y 1 ) L + h(y). Yhdisämällä ylläsaadu ulokse: ( x2 y 1 2L ( ) ( x2 y 1 x1 y 1 L + L ( ) ( x1 y 1 x2 y < L + L ) + 2h(y 1 ) ) + h(y 1 ) + h(y) ) + h(y 1 ) + h(y) 37

39 ( ) x1 y 1 2L + 2h(y), josa pääsemme yhälöön (26). (iii) Yhälön (25) valossa kaavan L ( x 2 y ) +h(y) minimiä laskeaessa, joudumme oamaan huomioon ainoasaan sellaise arvo y joille päee y y 1, jossa y 1 oeuaa kaavan (25). Määriellään y(x, ) yhä kuin pienin luku y, joka minimoi lausekkeen L ( ) x y +h(y) jokaiselle x R ja >. Täen kuvaus x y(x, ) on kasvava ja jakuva. Funkion x y(x, ) jakuvuuspiseessä x, arvo y(x, ) anaa yksikäsieisen minimin y lausekkeelle L ( ) x y + h(y). (iv) Lauseen 1.1 nojalla jokaiselle >, kuvaus ( ) } x y x ω(x, ) := min L + h(y) y R ( ) x y(x, ) = L + h(y(x, )) on derivoiuva melkein kaikkialla. Edelleen kuvaus x y(x, ) on monooninen ja äen ( myös ) derivoiuva melkein kaikkialla. Siispä kaikille >, kuvaukse x L x y(x,) sekä x h(y(x, )) ova derivoiuvia melkein kaikkialla. Täsä seuraa, eä lauseke u(x, ) := [ ( ) }] x y min L + h(y) x y R ulee muooon u(x, ) = x [ L ( x y(x, ) ) ] + h(y(x, )) ( ) x y(x, ) = L (1 y x (x, )) + h(y(x, )). x Kuvaus y L ( ) x y + h(y) saa miniminsä piseessä y = y(x, ), joen kuvaus z L [ L x Ny ( x y(z,) ( x y(x, ) u(x, ) = L ( x y(x, ) ) + h(y(z, )) saa miniminsä piseessä z = x. Siksi ) ] ( ) x y(x, ) + h(y(x, )) = L y x (x, )+h x (y(x, )) = ) ( ) x y(x, ) L y x (x, ) + h x (y(x, )) ( ) ( ) x y(x, ) x y(x, ) = L = G 38

40 mikä siis rakaisee alkuarvo-ongelman u + F (u) x = (x, ) R (, ) u = g R = }. Näin olemme odisanee Lax-Oleinikin lauseen. Lause 3.2 (Lax-Oleinikin kaava inegraalirakaisuna): Lauseen 3.1 oleuksin, kaavan (24) määrielemä funkio u on inegraalirakaisu alkuarvoongelmalle u + F (u) x = u = g (x, ) R (, ) R = }. Todisus: Kuen äskeisessä odisuksessa, määriellään ( ) } x y ω(x, ) := min L + h(y) (x R, > ) y R eli u = ω x ja siis ω x (x, ) = g(x) melkein kaikkialla. Tällöin lauseen 2.9 nojalla ω on Lipschiz-jakuva, derivoiuva melkein kaikkialla, sekä rakaisee ω + F (ω x ) = ω = h Olkoon v mielivalainen esifunkio sien, eä (x, ) R (, ) R = } v : R [, ) R sileä ja olkoon v:n kanaja kompaki. Kerroaan yhälö ω + F (ω x ) = esifunkiolla v, inegroidaan ja aseeaan inegraali nollaksi ˆ = (ω + F (ω x ))v x dxd = (ω + F (ω x ))v x dxd R (, ) = ω v x dxd + F (ω x )v x dxd Huomaamme, eä osiaisinegroimalla ensin muuujan suheen ja sien muuujan x suheen [ˆ ω v x dxd = ωv x dx ˆ = ωv x dx = 39 ] = = ωv x dxd ωv x dxd

41 ˆ = ωv x dx = + = ˆ = ˆ = ˆ ωv x dx = + [ˆ ω x v dxd ω x vdx = [ωv = ] x= x= + ˆ ˆ = ω x vdx = + + Sijoiamalla saamme siis = ˆ = gvdx = + = = ˆ gvdx = + ω v x dxd + gvdx = + ω x v dxd ˆ ω x v dxd + uv + F (u)v x dxd + ω x v dxd ] x= ωv d x= ω x v dxd ω x v dxd F (ω x )v x dxd ω x v + F (ω x )v x dxd ˆ F (ω x )v x dxd gvdx = eli saamme rakaisuksi määrielmän 2.1 edellyämän yhälön (15). Lause on odiseu. 3.3 Lax-Oleinikin kaavan sovelaminen Burgersin yhälöön Burgersin yhälö u + F (u) x = u = g (x, ) R (, ) R = } jossa F : R R ja F (u) = 1 2 u2, voidaan ny rakaisa Lax-Oleinikin kaavan avulla, eli laskea auki rakaisu ( ) x y(x, ) u(x, ) = G. Ensinnäkin G(x) = (F (x)) 1 = (D( 1 2 x2 )) 1 = (x) 1 = x,, 4

42 eli rakaisu saadaan muooon u(x, ) = x y(x, ). Ny piää ainoasaan selviää funkio y. Aloieaan laskemalla L(x) = F (x) = sup [xv F (v)] = sup [xv 12 ] v2 = x 2 1 v R v R 2 x2 = 1 2 x2, sillä supremum 'hyvinkäyäyyvälle' alaspäin kuperalle funkiolle v xv 1 2 v2 löyyy derivaaan nollakohdasa: D v (xv 1 2 v2 ) = x v = eli x = v. Ny ( ) x y(x, ) L + h(y(x, )) = ( ) 2 x y(x, ) + h(y(x, )) 2 = (x y(x, ))2 2 + ˆ y(x,) g(s)ds. Funkio y(x, ) on sellainen, joka minimoi ylläolevan lausekkeen (ja se riippuu siis alkuarvofunkiosa g). 3.4 Lisää enropia-ehdosa Lax-Oleinikin kaavan anama rakaisu ( ) x y(x, ) u(x, ) = G osiaisdiereniaaliyhälöön (14) ei ole yksikäsieinen, eikä välämää edes paloiain sileä. Kuienkin haluamme näyää, eä u on oikea rakaisu kyseiseen ongelmaan, joen on löydeävä sopiva enropia-eho, joka akaa yksikäsieisyyden [1]. Määrielmä 3.3: Funkio u L (R (, )) on enropia-rakaisu yhälölle oleaen, eä u + F (u) x = u = g (i) uv + F (u)v x dxd + v : R [, ) R, joilla on kompaki uki ja (x, ) R (, ) R = } gvdx = (28) = kaikille esifunkioille (ii) u(x+z, ) u(x, ) C(1+ 1 )z jollekin vakiolle C ja melkein kaikilla x, z R ja > sekä z >. Lause 3.4: Olkoon F konveksi ja sileä. Tällöin yhälölle (28) löyyy eninään yksi enropia-rakaisu. 41

43 Todisus: (i) Olkoon u ja ũ kaksi enropia-rakaisua yhälölle (28). Määriellään w := u ũ ja osoieaan, eä w = melkein kaikkialla. Aloieaan arkaselemalla piseä (x, ) ja huomaaan: F (u(x, )) F (ũ(x, )) = = ˆ 1 ˆ 1 d F (ru(x, ) + (1 r)ũ(x, ))dr dr F (ru(x, ) + (1 r)ũ(x, ))dr (u(x, )) ũ(x, )) ja määriellään b(x, ) := 1 F (ru(x, ) + (1 r)ũ(x, ))dr. Olkoon v esifunkio. Ny uv + F (u)v x dxd + ˆ gvdx = ˆ ũv + F (ũ)v x dxd + gvdx = (u ũ)v + (F (u) F (ũ))v x dxd = w[v + bv x ]dxd =. (29) (ii) Olkoon ɛ > ja määriellään ϕ : R (, ) R sien, eä ϕ(x, )dxd = R (, ) 1, lisäksi lim ɛ ϕ e (x, ) = lim ɛ ɛ 2 ϕ( x ɛ, ɛ ) = δ(x, ) ja funkio ϕ on kompaki kanaja. Ny määriellään ˆ u ɛ (x, ) := ϕ ɛ u(x, ) = ϕ ɛ (y, τ)u((x, ) (y, τ))dydτ ˆ ũ ɛ (x, ) := ϕ ɛ ũ(x, ) = Oleeaan suoraan iedeyksi R (, ) R (, ) ϕ ɛ (y, τ)ũ((x, ) (y, τ))dydτ. u ɛ u ja ũ ɛ ũ melkein kaikkialla, kun ɛ. Enropiaehdon (ii) nojalla päee myös u ɛ x(x, ) C ( ) ja ( ũ ɛ (x, ) C ) (3) 42

44 jollakin sopivalla C R. (iii) Määriellään b ɛ (x, ) := ˆ 1 Tällöin kaava (29) ulee muooon = F (ru ɛ (x, ) + (1 r)ũ ɛ (x, ))dr. w[v + bv x ]dxd + w[b b ɛ ]v x dxd. (31) (iv) Olkoon T > ja ψ : R (, T ) R sileä funkio kompakilla kanajalla. Valiaan funkio v ɛ sien, eä se rakaisee yhälön v ɛ + b ɛ v ɛ x = ψ v ɛ = (x, ) R (, T ) R = T }. (32) Rakaisaan yhälö (32) muuamalla se karakerisisen yhälöryhmän avulla. Kiinnieään x R ja T ja käyeään rakaisulle merkinää x ɛ ( ). ẋ ɛ (s) = b ɛ (x ɛ (s), s) (s ). x ɛ () = x Aseeaan v ɛ (x, ) := T ψ(x ɛ (s), s)ds (x R, T ). Tällöin v ɛ on sileä ja yksikäsieinen rakaisu yhälölle (32). Koska b ɛ on rajoieu ja funkiolla ψ on rajoieu kanaja, on ällöin funkiolla v ɛ rajoieu kanaja joukossa R [, T ). (v) Seuraavaksi osoieaan, eä jokaiselle s > on olemassa vakio C s sien, eä v ɛ x C s joukossa R (s, T ). (33) Todeaan ensin, eä jos < s T, niin ällöin b ɛ,x (x, ) = ˆ 1 F (ru ɛ (x, ) + (1 r)ũ ɛ (x, ))(ru ɛ x(x, ) + (1 r)ũ ɛ x(x, ))dr C C s. Seuraavaksi derivoidaan osiaisdiereniaaliyhälö (32) muuujan x suheen: v ɛ x + b ɛ v ɛ xx + b ɛ,x v ɛ x = ψ x. Ny aseeaan a(x, ) := e λ v ɛ x(x, ), jossa λ = C s + 1. Tällöin a + b ɛ a x = λa + e λ [v ɛ x + b ɛ v ɛ xx] 43

45 = λa + e λ [ b ɛ v ɛ xx + ψ x ] = [λ b ɛ,x ]a + e λ ψ x. (34) Koska funkiolla v ɛ on kompaki kanaja, saa funkio a epänegaiivisen maksimin joukossa R [s, ] jossakin piseessä (x, ). Jos = T, niin v x =. Jos aas < T, niin a (x, ) ja a x (x, ) =. Kaavan (34) nojalla Ny [λ b ɛ,x ]a + e λ ψ x piseessä (x, ). [λ b ɛ,x ]a(x, ) = [ C s + 1 b ɛ,x]a(x, ) [ C s + 1 C s ]a(x, ), koska b ɛ,x C s. Tällöin a(x, ) e λ ψ x e λt ψ x L. Samanlaisella peruselulla a(x 1, 1 ) e λt ψ x L piseessä (x 1, 1 ), jossa a saa ei-posiiivisen minimin. Koouna e λt ψ x L a(x 1, 1 ) a(x, ) e λt ψ x L e λt ψ x L e λ v ɛ x(x, ) e λt ψ x L kaikilla (x, ) e λ(t ) ψ x L vx(x, ɛ ) e λ(t ) ψ x L joen väie (33) on peruselu. v ɛ x e λ(t ) ψ x L, (vi) On olemassa vakio D R sien, eä : ˆ v ɛ x(x, ) dx D ( τ), (35) oleaen, eä τ on arpeeksi pieni (odisus sivuueaan). Tämä anaa viimeisen palasen odisuksen loppuun viemiseksi. (vii) Kooaan ulokse: Aseeaan v = v ɛ kohdassa (iii) johdeuun kaavaan (31) ja ehdään kaavan (32) mukainen sijoius: wψdxd = w[b ɛ b]v ɛ xdxd 44

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y) Maemaiikan ja ilasoieeen osaso/hy Differeniaaliyhälö II Laskuharjoius 1 malli Kevä 19 Tehävä 1. Ovako seuraava funkio Lipschiz-jakuvia reaaliakselilla: a) f(x) = x 1/3, b) f(x) = x, c) f(x) = x? a) Ei

Lisätiedot

5. Vakiokertoiminen lineaarinen normaaliryhmä

5. Vakiokertoiminen lineaarinen normaaliryhmä 1 MAT-145 LAAJA MATEMATIIKKA 5 Tampereen eknillinen yliopiso Riso Silvennoinen Kevä 21 5. Vakiokeroiminen lineaarinen normaaliryhmä Todeaan ensin ilman odisuksia (ulos on syvällinen) rakaisujen olemassaoloa

Lisätiedot

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A. 9. Epäoleellise inegraali; inegraalin derivoini paramerin suheen 9.. Epäoleellise aso- ja avaruusinegraali 27. Olkoon = {(x, y) x, y }. Osoia hajaanuminen ai laske arvo epäoleelliselle asoinegraalille

Lisätiedot

W dt dt t J.

W dt dt t J. DEE-11 Piirianalyysi Harjoius 1 / viikko 3.1 RC-auon akku (8.4 V, 17 mah) on ladau äyeen. Kuinka suuri osa akun energiasa kuluu ensimmäisen 5 min aikana, kun oleeaan mooorin kuluavan vakiovirran 5 A? Oleeaan

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset D-00 ineaarise järjeselmä Harjoius 4, rakaisuehdoukse nnen kuin mennään ämän harjoiuksen aihepiireihin, käydään läpi yksi huomionarvoinen juu. Piirianalyysin juuri suorianee opiskelija saaava ihmeellä,

Lisätiedot

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

Diskreetillä puolella impulssi oli yksinkertainen lukujono: DEE-00 ineaarise järjeselmä Harjoius 5, rakaisuehdoukse [johdano impulssivaseeseen] Jakuva-aikaisen järjeselmän impulssivase on vasaavanlainen järjeselmäyökalu kuin diskreeillä puolellakin: impulssivase

Lisätiedot

Systeemimallit: sisältö

Systeemimallit: sisältö Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -kuvaus ja ilayhälömalli, ila Linearisoini Jakuva-aikaisen lineaarisen järjeselmän siirofunkio, sabiilisuus Laplace-muunnos Diskreeiaikaisen lineaarisen

Lisätiedot

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri. ELEC-A7 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS Sivu 1/11 1. Johda anneun pulssin Fourier-muunnos ja hahmoele ampliudispekri. Käyä esim. derivoinieoreemaa, ja älä unohda 1. derivaaan epäjakuvuuskohia!

Lisätiedot

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx = HY / Maemaiikan ja ilasoieeen laios Differeniaalihälö I kevä 09 Harjois 4 Rakaisehdoksia. Rakaise differeniaalihälö = (x + + Rakais: Tehdään differeniaalihälöön lineaarinen mnnos z(x = x + (x + jolloin

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille Rahoiusriski ja johannaise Mai Esola lueno 3 Black-choles malli opioien hinnoille . Ion lemma Japanilainen maemaaikko Kiyoshi Iō oisi seuraavana esieävän lemman vuonna 95 arikkelissaan: On sochasic ifferenial

Lisätiedot

Tasaantumisilmiöt eli transientit

Tasaantumisilmiöt eli transientit uku 12 Tasaanumisilmiö eli ransieni 12.1 Kelan kykeminen asajännieeseen Kappaleessa 11.2 kykeiin reaalinen kela asajännieeseen ja ukiiin energian varasoiumisa kelan magneeikenään. Tilanne on esiey uudelleen

Lisätiedot

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä

Lisätiedot

2. Suoraviivainen liike

2. Suoraviivainen liike . Suoraviivainen liike . Siirymä, keskinopeus ja keskivauhi Aika: unnus, yksikkö: sekuni s Suoraviivaisessa liikkeessä kappaleen asema (paikka) ilmoieaan suoralla olevan piseen paikkakoordinaain (unnus

Lisätiedot

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +. Diffrniaaliyhälö II, harjoius 3, 8 228, rakaisu JL, kuusi sivua a On muunnava linaarinn oisn kraluvun diffrniaaliyhälö ẍ qx f yhäpiäväksi nsimmäisn kraluvun linaarisksi kahdn skalaariyhälön sysmiksi Rak

Lisätiedot

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän: ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän

Lisätiedot

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia 6.4 Variaaiolaskennan oleusen rajoiukse Sivu ss. 27 31 läheien Kirk, ss. 13 143] ja KS, Ch. 5] pohjala Lähökoha oli: jos J:llä on eksremaali (), niin J:n variaaio δj( (), δ()) ():ä pikin on nolla. 1. Välämäön

Lisätiedot

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt SMG-500 Verolasennan numeerise meneelmä Ehdouse harjoiusen 4 raaisuisi Haeaan ensin ehävän analyyinen raaisu: dx 0 0 0 0 dx 00e = 0 = 00e 00 x = e + = 5e + alueho: x(0 = 0 0 x 0 = 5e + = 0 = 5 0 0 0 5

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.4 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vasausen piireiden, sisälöjen ja piseiysen luonnehdina ei sido ylioppilasukinolauakunnan arvoselua. Lopullisessa arvoselussa

Lisätiedot

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d)

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d) Tehävä 1. Oleeaan, eä on käössä jakuva kuva, jossa (,, ) keroo harmaasävn arvon paikassa (, ) ajanhekenä. Dnaaminen kuva voidaan esiää Talor sarjana: d d d d d d O ( +, +, + ) = (,, ) + + + + ( ). (4a)

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s).

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s). DEE- Piirianalyysi Ykkösharkan ehävien rakaisuehdoukse. askeaan ensin, kuinka paljon äyeen ladaussa akussa on energiaa. Tämä saadaan laskeua ehäväpaperissa anneujen akun ieojen 8.4 V ja 7 mah avulla. 8.4

Lisätiedot

Jaksollisista funktioista

Jaksollisista funktioista Jaksollisisa funkioisa Jukka Liukkonen Ylioeaja Helsingin ammaikorkeakoulu Sadia Ymärillämme ja joa sisällämme on runsaasi jaksollisina oisuvia ilmiöiä: äivä seuraa yöä, kesä alvea, sydän lyö ahdissa,

Lisätiedot

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5 S-72. Signaali ja järjeselmä Laskuharjoiukse, syksy 28 Konvoluuion laskeminen vaihe vaiheela Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali,

Lisätiedot

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV. Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 Keraus K. A: III, B: I, C: II ja IV Kuvaaja: I II III IV Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 K. a) lim ( ) Nimiäjä ( ) o aia

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 3, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

DEE Lineaariset järjestelmät Harjoitus 3, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset DEE- ineaarise järjeselmä Harjoius 3, harjoiusenpiäjille arkoieu rakaisuehdoukse Ennen kuin mennään ämän harjoiuksen aihepiireihin, käydään läpi yksi huomionarvoinen juu Piirianalyysin juuri suorianee

Lisätiedot

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta KK ieoliikennelaboraorio 7.2.27 Seppo Saasamoinen Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali, kun ulosignaali ja järjeselmän

Lisätiedot

2. Matemaattinen malli ja funktio 179. a) f (-2) = -2 (-2) = = -6 b) f (-2) = 2 (-2) 2 - (-2) = (-8) + 7 = = 23

2. Matemaattinen malli ja funktio 179. a) f (-2) = -2 (-2) = = -6 b) f (-2) = 2 (-2) 2 - (-2) = (-8) + 7 = = 23 LISÄTEHTÄVÄT. Maemaainen malli ja funkio 9. a) f (-) = - (-) + = - + = -6 b) f (-) = (-) - (-) + = - (-8) + = 8 + 8 + = 80. a) f ( ) = + f ( ) = 0 + = 0 ( ) = ± = ± = ai = Vasaus: = - ai = b) + = + = 0

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. / Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,

Lisätiedot

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t Tilasollinen ennusaminen Seppo Pynnönen Tilasoieeen professori, Meneelmäieeiden laios, Vaasan yliopiso. Tausaa Tulevaisuuden ennusaminen on ehkä yksi luoneenomaisimpia piireiä ihmiselle. On ilmeisesi aina

Lisätiedot

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan 87 5. Eliminoinimeneely Tarkaellaan -kokoia vakiokeroimia yeemiä + x a a x a x + a x b() x = = = +. a a x a x a x b () (3) b() x + Derivoimalla enimmäinen komponeni, ijoiamalla jälkimmäien derivaaa iihen

Lisätiedot

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen Soimukseneon dynamiikka: johdano ja haiallinen valikoiuminen Ma-2.442 Oimoinioin seminaari Elise Kolola 8.4.2008 S yseemianalyysin Laboraorio Esielmä 4 Elise Kolola Oimoinioin seminaari - Kevä 2008 Esiyksen

Lisätiedot

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat!

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat! MAA Koe 7..03 A-osio. Ei laskina! Valise seuraavisa kolmesa ehäväsä vain kaksi joihin vasaa! A. a) Mikä on funkion f(x) määrieljoukko, jos f( x) x b) Muua ulomuooon: 4a 8a 4 A. a) Rakaise hälö: x 4x b)

Lisätiedot

Luento 4. Fourier-muunnos

Luento 4. Fourier-muunnos Lueno 4 Erikoissignaalien Fourier-muunnokse Näyeenoo 4..6 Fourier-muunnos Fourier-muunnos Kääneismuunnos Diricle n edo Fourier muunuvalle energiasignaalille I: Signaali on iseisesi inegroiuva v ( d< II:

Lisätiedot

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

Mallivastaukset KA5-kurssin laskareihin, kevät 2009 Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 2 (viikko 6) Tehävä 1 Sovelleaan luenokalvojen sivulla 46 anneua kaavaa: A A Y Y K α ( 1 α ) 0,025 0,5 0,03 0,5 0,01 0,005 K Siis kysyy Solowin

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia 8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.

Lisätiedot

Takaperäiset stokastiset dierentiaaliyhtälöt, niiden rahoitusteoreettisia sovelluskohteita ja johdatus Itô-analyysiin

Takaperäiset stokastiset dierentiaaliyhtälöt, niiden rahoitusteoreettisia sovelluskohteita ja johdatus Itô-analyysiin Takaperäise sokasise diereniaaliyhälö, niiden rahoiuseoreeisia sovelluskoheia ja johdaus Iô-analyysiin Topias Tolonen 13. joulukuua 217 Pro gradu -ukielma Maemaiikan ja ilasoieeen laios Ohjaaja: Dario

Lisätiedot

Ratkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona:

Ratkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona: Diskreei maemaiikka, sks 00 Harjoius 0, rakaisuisa. Esi viriävä puu suunaamaomalle verkolle G = (X, E, Ψ), kun X := {,,, }, E := { {, }, {, }, {, }, {, }, {, }}, ja Ψ on ieninen kuvaus. Rakaisu. Viriäviä

Lisätiedot

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) ( TT/TV Inegraalimuunnokse Fourier-muunnos, ehäviä : Vasauksia Meropolia/. Koivumäki v(. Määriä oheisen signaalin Fourier-muunnos. Vinkki: Superposiio, viive. Voidaan sovelaa superposiioperiaaea, koska signaalin

Lisätiedot

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET TRAN TyL:n MUKASN AKUUTUKSN RTYSPRUSTT Tässä peruseessa kaikki suuree koskea eraa, ellei oisin ole määriely. Tässä peruseessa käyey lyhenee: LL Lyhyaikaisissa yösuheissa oleien yönekijäin eläkelaki TaL

Lisätiedot

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg) Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus 4 9.4.-23.4.200 Malliratkaisut (Sauli Lindberg). Näytä, että Lusinin lauseessa voidaan luopua oletuksesta m(a)

Lisätiedot

Mittaustekniikan perusteet, piirianalyysin kertausta

Mittaustekniikan perusteet, piirianalyysin kertausta Miausekniikan perusee, piirianalyysin kerausa. Ohmin laki: =, ai = Z ( = ännie, = resisanssi, Z = impedanssi, = vira). Kompleksiluvu Kompleksilukua arviaan elekroniikassa analysoiaessa piireä, oka sisälävä

Lisätiedot

STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN. Sanni Sieviläinen

STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN. Sanni Sieviläinen HELSINGIN YLIOPISTO Maemaais-Luonnonieeellinen iedekuna Maemaiikan ja ilasoieeen laios STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN Sanni Sieviläinen Pro Gradu-ukielma Ohjaaja: Dario Gasbarra 3. syyskuua 215

Lisätiedot

Luoki?elua: tavallinen vs osi?ais. Osa 11. Differen0aaliyhtälöt. Luoki?elua: kertaluku. Luoki?elua: lineaarisuus 4/13/13

Luoki?elua: tavallinen vs osi?ais. Osa 11. Differen0aaliyhtälöt. Luoki?elua: kertaluku. Luoki?elua: lineaarisuus 4/13/13 4/3/3 Osa. Differen0aaliyhtälöt Differen0aaliyhtälö = yhtälö jossa esiintyy jonkin funk0on derivaa?a. Esim: dx = x2 f x + f xy 2 2m d 2 ψ = Eψ dx 2 Luoki?elua: tavallinen vs osi?ais Differen0aaliyhtälöt

Lisätiedot

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN YYSILMIÖ J SILÄ VÄLYMIE YYSE SIIRO LJEUS HYVÄSI ÄYÄE ieoliikenneekniikka I 559 ari ärkkäinen Osa 5 4 MILLOI? Milloin ja missä kynnysilmiö esiinyy? un vasaanoimen ulon SR siis esi-ilmaisusuodaimen lähdössä

Lisätiedot

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,

Lisätiedot

Lineaaristen järjestelmien teoriaa II

Lineaaristen järjestelmien teoriaa II Lieaarise järjeselmie eoriaa II Ohjaavuus Tarkkailavuus havaiavuus Lisää sabiilisuudesa Tilaesimoii, Kalma-suodi TKK/Syseemiaalyysi laboraorio Mielekiioisia kysymyksiä Oko syseemi rakeeelaa sellaie, eä

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 11. Stationaariset prosessit Lueno Soasisen prosessin ehosperi Signaalin suodaus Kaisarajoieu anava 5..6 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan

Lisätiedot

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa SATE050 Piirianalyysi II syksy 06 kevä 07 / 6 Tehävä. Määriä alla olevassa kuvassa esieylle piirille kejumariisi sekä sen avulla syööpiseimpedanssi Z(s), un kuormana on resisanssi k. i () L i () u () C

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista Rahoiusriski ja johdannaise Mai Esola lueno Sokasisisa prosesseisa . Markov ominaisuus Markov -prosessi on sokasinen prosessi, missä ainoasaan muuujan viimeinen havaino on relevani muuujan seuraavaa arvoa

Lisätiedot

S Signaalit ja järjestelmät Tentti

S Signaalit ja järjestelmät Tentti S-7. Signaali ja järjeselmä eni..6 Vasaa ehävään, ehävisä 7 oeaan huomioon neljä parhaien suorieua ehävää.. Vasaa lyhyesi seuraaviin osaehäviin, käyä arviaessa kuvaa. a) Mikä kaksi ehoa kanaunkioiden φ

Lisätiedot

min 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

min 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

Lisätiedot

6 Integraali ja derivaatta

6 Integraali ja derivaatta ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 9 6 Inegrli j deriv 6. Inegrli ylärjns funkion. Olkoon Määriä kun () [, ], (b) ], 3]., kun [, ],, kun ], 3]. f() d, [, 3],. Osoi, eä jos funkio f on Riemnn-inegroiuv

Lisätiedot

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

IV. 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

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

Lisätiedot

6. Toisen ja korkeamman kertaluvun lineaariset

6. 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

Lisätiedot

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA II ADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA Laskenaaajuus akiivisuus Määrieäessä radioakiivisen näyeen akiivisuua (A) uloksena saadaan käyeyn miausyseemin anama laskenaaajuus (). = [II.I] jossa =

Lisätiedot

MAT-02450 Fourier n menetelmät. Merja Laaksonen, TTY 2014

MAT-02450 Fourier n menetelmät. Merja Laaksonen, TTY 2014 MAT-45 Fourier n meneelmä Merja Laaksonen, TTY 4..4 Sisälö Johano 3. Peruskäsieiä................................... 4.. Parillinen ja parion funkio....................... 7.. Heavisien funkio............................

Lisätiedot

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n. TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot

Lisätiedot

Osa 11. Differen-aaliyhtälöt

Osa 11. Differen-aaliyhtälöt Osa 11. Differen-aaliyhtälöt Differen-aaliyhtälö = yhtälö jossa esiintyy jonkin funk-on derivaa

Lisätiedot

HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty

HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekuna/Osaso Fakule/Sekion Faculy Laios Insiuion Deparmen Maemaais-luonnonieeellinen Tekijä Förfaare Auhor Miriam Hägele Työn nimi

Lisätiedot

2. Systeemi- ja signaalimallit

2. Systeemi- ja signaalimallit 2. Syseemi- ja signaalimalli Malliyyppejä: maemaainen malli: muuujien välise suhee kuvau maemaaisesi yhälöin lohkokaaviomalli: syseemin oiminojen looginen jako lohkoihin, joiden välisiä vuorovaikuuksia

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi

Lisätiedot

Systeemimallit: sisältö

Systeemimallit: sisältö Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -uvaus ja ilayhälömalli, ila Linearisoini Jauva-aiaisen lineaarisen järjeselmän siirofunio, sabiilisuus Laplace-muunnos Disreeiaiaisen lineaarisen järjeselmän

Lisätiedot

Ilmavirransäädin. Mitat

Ilmavirransäädin. Mitat Ilmairransäädin Mia (MF, MP, ON, MOD, KNX) Ød nom (MF-D, MP-D, ON-D, MOD-D, KNX-D) Tuoekuaus on ilmairasäädin pyöreälle kanaalle. Se koosuu sääöpellisä ja miaaasa oimilaieesa ja siä oidaan ohjaa huonesääimen

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 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

Lisätiedot

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä . Poissonin yhtälö.. Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä u = f kutsutaan Poissonin yhtälöksi ja siihen liittyvvää reuna-arvotehtävää { u = f :ssa, ja

Lisätiedot

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus Tieonhakumeneelmä Helsingin yliopiso / TKTL.4.04 Toennäköisyyeen perusuva rankkaus Tieonhakumeneelmä Toennäköisyyspohjainen rankkaus Dokumenien haussa ongelmana on löyää käyäjän kyselynä ilmaiseman ieoarpeen

Lisätiedot

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11. Kemian laieekniikka 1 Koilasku 1 4.4.28 Jarmo Vesola Tuoee ja reakio: hiilimonoksidi, meanoli, meyyliformiaai C HC (1) vesi, meyyliformiaai, meanoli, muurahaishappo HC CH (2) hiilimonoksi, vesi, muurahaishappo

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015

Lisätiedot

Lyhyiden ja pitkien korkojen tilastollinen vaihtelu

Lyhyiden ja pitkien korkojen tilastollinen vaihtelu Lyhyiden ja pikien korkojen ilasollinen vaihelu Tomi Pekka Juhani Marikainen Joensuun Yliopiso Maemaais-luonnonieeellinen iedekuna / Tieojenkäsielyieeen ja ilasoieeen laios / Tilasoiede Pro Gradu -ukielma

Lisätiedot

PK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd

PK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd PK-YRITYKSEN ARVONMÄÄRITYS KTT, DI TOIVO KOSKI elearning Communiy Ld Yriyksen arvonmääriys 1. Yriyksen ase- eli subsanssiarvo Arvioidaan yriyksen aseen vasaavaa puolella olevan omaisuuden käypäarvo, josa

Lisätiedot

1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1

1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1 KETJUMURTOLUVUT Harjoiuksia 209. Todisa/Prove Lause 2.2. käyäen Lausea 2.3./by using Theorem 2.3. Lause 2.4. käyäen Lausea 2.3./by using Theorem 2.3. 2. Määrää Canorin kehielmä luvuille 0,, 2, 3, 4, 5,

Lisätiedot

Luento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos

Luento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos Lueno 2 Järjeselmä aika-alueessa Konvoluuio-inegraali Lueno 2 Lueno 2 Järjeselmä aika alueessa; Konvoluuio inegraali 2.1 Järjeselmien perusominaisuude Oppenheim 1.5. 1.6 Muisillise ja muisioma järjeselmä

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 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

Lisätiedot

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1 1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

HY, 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

Lisätiedot

(0 desimaalia, 2 merkitsevää numeroa).

(0 desimaalia, 2 merkitsevää numeroa). NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 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

Lisätiedot

BM20A0900, Matematiikka KoTiB3

BM20A0900, Matematiikka KoTiB3 BM20A0900, Matematiikka KoTiB3 Luennot: Matti Alatalo Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luvut 1 4. 1 Sisältö Ensimmäisen kertaluvun differentiaaliyhtälöt

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto Kojemeeorologia Sami Haapaala syksy 03 Fysiika laios, Ilmakehäieeide osaso Mialaieide dyaamise omiaisuude Dyaamise uusluvu määriävä mie mialaie käyäyyy syöeide muuuessa Apua käyeää differeiaaliyhälöiä,

Lisätiedot

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

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

Lisätiedot

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2 Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 2 mallit Kevät 219 Tehtävä 1. Laske osittaisderivaatat f x = f/x ja f y = f/, kun f = f(x, y) on funktio a) x 2 y 3 + y sin(2x),

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 Osittaisderivaattojen sovelluksia 2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä

Lisätiedot

1 Excel-sovelluksen ohje

1 Excel-sovelluksen ohje 1 (11) 1 Excel-sovelluksen ohje Seuraavassa kuvaaan jakeluverkonhalijan kohuullisen konrolloiavien operaiivisen kusannusen (SKOPEX 1 ) arvioimiseen arkoieun Excel-sovelluksen oimina, mukaan lukien sovelluksen

Lisätiedot

b) Esitä kilpaileva myötöviivamekanismi a-kohdassa esittämällesi mekanismille ja vertaile näillä mekanismeilla määritettyjä kuormitettavuuksia (2p)

b) Esitä kilpaileva myötöviivamekanismi a-kohdassa esittämällesi mekanismille ja vertaile näillä mekanismeilla määritettyjä kuormitettavuuksia (2p) LUT / Teräsrakenee/Timo Björk BK80A30: Teräsrakenee II:.5.016 Oheismaeriaalin käyö EI salliua, laskimen käyö on salliua, lausekkeia ehäväosion lopussa Vasaukse laadiaan ehäväpaperille, joka palaueava,

Lisätiedot

x v1 y v2, missä x ja y ovat kokonaislukuja.

x v1 y v2, missä x ja y ovat kokonaislukuja. Digiaalinen videonkäsiel Harjoius, vasaukse ehäviin 4-0 Tehävä 4. Emämariisi a: V A 0 V B 0 Hila saadaan kanavekorien (=emämariisin sarakkee) avulla. Kunkin piseen paikka hilassa on kokonaisluvulla kerroujen

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy

Lisätiedot

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

Lisätiedot

MS-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. 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

Lisätiedot

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.

peitteestä 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,

Lisätiedot

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p).

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p). LUT / Teräsrakenee/Timo Björk BK80A30: Teräsrakenee II: 9.9.016 Oheismaeriaalin käyö EI salliua, laskimen käyö on salliua, lausekkeia ehäväosion lopussa Vasaukse laadiaan ehäväpaperille, joka palaueava,

Lisätiedot

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1 Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS Huomautus. Analyysin yksi keskeisimmistä käsitteistä on jatkuvuus! Olkoon A R mielivaltainen joukko

Lisätiedot

Viivaintegraali: "Pac- Man" - tulkinta

Viivaintegraali: Pac- Man - tulkinta Viivaintegraali: "Pac- Man" - tulkinta Otetaan funk6o f(x,y), joka riippuu muu@ujista x ja y. Jokaiselle x,y tason pisteellä funk6olla on siis joku arvo. Tyypillisiä fysikaalis- kemiallisia esimerkkejä

Lisätiedot

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Matematiikan peruskurssi (MATY020) Harjoitus 10 to Matematiikan peruskurssi (MATY00) Harjoitus 10 to 6.3.009 1. Määrää funktion f(x, y) = x 3 y (x + 1) kaikki ensimmäisen ja toisen kertaluvun osittaisderivaatat. Ratkaisu. Koska f(x, y) = x 3 y x x 1, niin

Lisätiedot

Öljyn hinnan ja Yhdysvaltojen dollarin riippuvuussuhde

Öljyn hinnan ja Yhdysvaltojen dollarin riippuvuussuhde Öljyn hinnan ja Yhdysvalojen dollarin riippuvuussuhde Kansanalousiede Pro gradu -ukielma Talousieeiden laios Tampereen yliopiso Toukokuu 2010 Jari Hännikäinen TIIVISTLMÄ Tampereen yliopiso Talousieeiden

Lisätiedot

Johdatus reaalifunktioihin P, 5op

Johdatus 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

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 11. Stationaariset prosessit Lueno Soasisen prosessin ehosperi Saunnaissignaalin suodaus 5..7 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ) ( ) ( ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan

Lisätiedot

1.7 Gradientti ja suunnatut derivaatat

1.7 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

Asuntojen huomiointi varallisuusportfolion valinnassa ja hinnoittelussa

Asuntojen huomiointi varallisuusportfolion valinnassa ja hinnoittelussa TAMPEREEN YLIOPISTO Johamiskorkeakoulu Asunojen huomioini varallisuusporfolion valinnassa ja hinnoielussa Kansanalousiede Pro gradu -ukielma Elokuu 2012 Ohjaaja: Hannu Laurila Tuomo Sola TIIVISTELMÄ Tampereen

Lisätiedot