Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa

Koko: px
Aloita esitys sivulta:

Download "Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa"

Transkriptio

1 Rakenteiden Mekaniikka Vol. 42, Nro 2, 2009, s Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa Reijo Kouhia Tiivistelmä. Momenttimenetelmä on käyttökelpoinen ratkaisutapa sivusiirtymättömien staattisesti määräämättömien geometrisesti ja fysikaalisesti lineaaristen kehärakenteiden analysoinnissa. Se on yleisen voimamenetelmän erikoistapaus, joten staattisesti määräämättömien suureiden ratkaisemiseksi syntyvän lineaarisen yhtälösysteemin kerroinmatriisin on oltava symmetrinen ja positiivisesti definiitti. Tässä artikkelissa tarkastellaan miten tuntemattomat sauvanpäämomentit on valittava, jotta syntyvä kerroinmatriisi olisi symmetrinen sekä pohditaan miten rakenteen stabiiliusehto tulisi ilmaista. isäksi tarkastellaan toisesta päästään jäykästi tai kimmoisesti kiinnitetyn sauvan tukimomentin eliminointia ennen varsinaisen yhtälösysteemin muodostamista. Avainsanat: momenttimenetelmä, symmetrinen joustomatriisi, stabiiliusanalyysi Johdanto Yleisessä voimamenetelmässä tuntemattomina perussuureina ovat hyperstaattiset voimasuureet X i, i = 1,...,n s, missä n s on hypertaattisuuden, eli staattisen määräämättömyyden aste. Tarvittavat ratkaisuyhtälöt saadaan yhteensopivuusehdoista, joilla taataan ratkaisun geometrinen luvallisuus. Yhteensopivuusehdoista saatu yhtälöryhmä voidaan kirjoittaa muodossa Ax = b, (1) jossa A on symmetrinen ja positiivisesti definiitti joustomatriisi, x on ratkaistavista hyperstattisista voimasuureista X i koostuva vektori ja b on ulkoisista kuormituksista staattiseen perusmuotoon aiheutuvista yleistetyistä siirtymistä koostuva vektori. Momenttimenetelmä on erityisesti jatkuvia palkkeja ja kehärakenteita silmälläpitäen kehitetty yleisen voimamenetelmän virtaviivaistus, jossa ratkaistavan rakenteen sauvat otaksutaan aksiaalisesti venymättömiksi ja leikkauksen suhteen äärettömän jäykiksi. Tällöin ratkaistaviksi hyperstaattisiksi suureiksi jäävät ainoastaan sauvanpäämomentit. Momenttimenetelmän perusyhtälöt Momenttimenetelmän perusyhtälöt ovat sauvan päätepisteiden kiertymien lausekkeet ϕ i,j = α i,j M i,j β i,j M j,i + ψ i,j + α 0 i,j, (2) jossa α i,j ja β i,j ovat sauvavakioita, ψ i,j sauvakiertymä, eli sauvan päätepisteiden välisen janan kiertymä ja α 0 i,j on staattisen perusmuotosauvan, eli niveltuetun sauvan nurkan i 75

2 j + K 1 S j+k 1,i j S j,i i S j+3,i j + 3 S j+1,i S j+2,i j + 1 j + 2 Kuva 1. Nurkka i ja siihen liittyvät sauvat. kiertymä ulkoisesta kuormituksesta. Suureet M i,j ja M j,i ovat sauvanpäämomentit sauvan päätepisteissä i ja j, jotka määritellään positiivisiksi myötäpäivään kiertävinä. Sivusiirtymättömän kehän kaikki sauvakiertymät häviävät, eli ψ i,j 0. Sauvavakioiden fysikaalinen tulkinta on ilmeinen. Maxwellin säännön perusteella β i,j = β j,i, mutta yhteys α i,j = α j,i pätee ainoastaan jäykkyysjakaumaltaan symmetrisille sauvoille. Yhteensopivuusehdot Tarkastellaan kuvan 1 mukaista kehärakenteen monoliittista nurkkaa i johon yhtyy K- kappaletta sauvoja S i,j+k, k = 0,..., K 1. Monoliittisen nurkan i yhteensopivuusehot, K 1 kappaletta, voidaan kirjoittaa muodossa ϕ i,j = ϕ i,j+1 = = ϕ i,j+k 1, (3) jossa ϕ i,j on sauvan S i,j pään i kiertymä. Sauvanpäämomentit M i,j+k, k = 0,..., K 1 eivät ole toisistaan riippumattomia, vaan niitä sitoo nurkan i momenttitasapainoehto K 1 k=0 M i,j+k = 0, (4) mikäli nurkkaan i ei vaikuta ulkoisia momenttirasituksia. Täten yksi sauvanpäämomenteista M i,j voidaan eliminoida. Se, mikä sauvanpäämomenteista eliminoidaan, vaikuttaa syntyvän ratkaisuyhtälön kerroinmatriisin muotoon; kaikki valinnat eivät tuota symmetristä kerroinmatriisia mikäli nurkkaan liittyy enemmän kuin kaksi sauvaa. On varsin erikoista, että tätä kysymystä ei ole kirjoittajan tietämän mukaan käsitelty alan oppikirjoissa [1]-[3]. ähteen [3] esimerkissä 9.3 (sivuilla ) esitetty joustomatriisi on epäsymmetrinen. Ratkaisu tähän ongelmaan on yksinkertainen. Valitaan yksi nurkan sauvanpääkiertymistä ja asetetaan tämä vuoron perään yhtäsuureksi nurkkaan liittyvien muiden sauvanpääkiertymien kanssa. Tätä yhteistä sauvanpäätä vastaava momentti eliminoidaan. Mikäli nurkan i yhteensopivuusehdot (3) kirjoitetaan muodossa ϕ i,j+1 = ϕ i,j ϕ i,j+2 = ϕ i,j, (5). ϕ i,j+k 1 = ϕ i,j 76

3 tällöin on syytä eliminoida sauvanpäämomentti M i,j, jolloin päädytään symmetriseen joustomatriisiin, ja nurkkaan i liittyvä diagonaalilohko on muotoa α i,j + α i,j+1 α i,j... α i,j α i,j α i,j + α i,j+2... α i,j..... αi,j. (6) α i,j α i,j... α i,j + α i,j+k 1 Tukimomenttien eliminointi ratkaisuyhtälöistä Momenttimenetelmässä tuntemattomien lukumäärää kasvattavat momenttijäykät tuennat. Tilanne on analoginen siirtymämenetelmän niveltuennan kanssa. Tälle tapaukselle on kuitenkin usein johdettu omat sauvavakiot, jotka eliminoivat nivelpään kiertymän tuntemattomien joukosta. Vastaavalla tavalla voidaan momenttimenetelmässä eliminoida momenttijäykän tuennan tuottama sauvanpäämomentti. Tätä yksinkertaista eliminointia ei yleensä ole esitetty alan kirjallisuudessa. Tarkastellaan tapausta, jossa sauvanpää j on kimmoisesti kiinnitetty. Kimmoisesti kiinnitettyä nurkkaa vastaava sauvanpäämomentti voidaan eliminoida käyttäen hyväksi tuen yhteensopivuusehtoa ϕ j,i = ϕ jousi. (7) Otaksumalla jousen konstitutiiviseksi yhteydeksi ϕ jousi = α jousi M j,i, (8) voidaan yhteensopivuusehdon (7) avulla sauvanpään j momentti eliminoida: M j,i = 1 (β j,i M i,j ψ j,i αj,i 0 ). (9) α j,i + α jousi Sijoittamalla tämä sauvanpään i kiertymän lausekkeeseen saadaan jossa ᾱ i,j = α i,j ϕ i,j = ᾱ i,j M i,j + γ i,j ψ i,j + ᾱ 0 i,j, (10) β i,jβ j,i β i,j, γ i,j = 1 +, ᾱi,j 0 α j,i + α jousi α j,i + α = α0 i,j + β i,j αj,i 0 jousi α j,i + α. (11) jousi Jäykän tuennan tapauksessa sen joustavuus häviää, eli α jousi = 0. Tasajäykän sauvan ja pään j jäykän tuennan tapauksessa nämä saavat yksinkertaisen muodon Stabiiliusanalyysi momenttimenetelmällä ᾱ i,j = i,j 4EI i,j, γ i,j = 3 2. (12) Yleisen voimamenetelmän soveltamista rakenteiden stabiiliusanalyysiin on käsitelty Przemienieckin klassikkoteoksessa [4] luvussa Stabiiliusehto (yhtälö 15.54, lähteen [4] sivulla 395) johdetaan kuitenkin yhtälösysteemille, jossa muuttujina ovat siirtymät. 77

4 q 1 q 2 1 EI 2 EI 3 ηei ηei 4 5 H Kuva 2. Esimerkkikehärakenne. Ottamalla momenttimenetelmässä huomioon puristavan voiman vaikutus sauvan joustavuuteen, joustokertoimien α ij ja β ij lausekkeet tasajäykälle sauvalle ovat muotoa α ij = 3EI ψ(k), β ij = φ(k), (13) 6EI ja Berryn-funktiot ψ ja φ määritellään sauvassa vaikuttavan puristavan voiman N i,j funktioina seuraavasti (yhtälöt (1-27) ja (1-28) sivulla 13 lähteessä [5]) ψ(k) = 3 ( 1 k k 1 ), (14) tank φ(k) = 6 ( 1 k sin k 1 ), (15) k jossa k 2 = N i,j /EI i,j ja on sauvan pituus. Systeemin liiketila on stabiili, mikäli potentiaalienergian toinen variaatio on positiivinen kaikkien kinemaattisesti luvallisten variaatioiden joukossa. Analysoitaessa rakennetta siirtymämenetelmällä, tämä ehto on ekvivalentti jäykkyysmatriisin positiivisen definiittiyden kanssa. Voimamenetelmän tapauksessa rakennemallin stabiiliutta ei voida määrittää tilana, jossa joustomatriisi muuttuu positiivisesti definiitistä matriisista indefiniittiseksi, kuten jäljempänä esitettävästä esimerkistä havaitaan. Esimerkkejä Joustomatriisin symmetrisyys Tarkastellaan oheista kuvan 2 mukaista rakennetta. Yhteensopivuusehdot ovat nyt ϕ 1,2 = ϕ 1,4 ϕ 1,2 = ϕ 1,4 ϕ 2,3 = ϕ 2,1 ϕ 2,1 = ϕ 2,3 = ϕ 2,5, (16) ϕ 2,5 = ϕ 2,1 ϕ 3,2 = 0 ϕ 3,2 = 0 jolloin on syytä eliminoida sauvanpäämomentti M 2,1, jotta päädyttäisiin symmetriseen joustomatriisiin. Tuntemattomiksi sauvanpäämomenteiksi jää siten M 1,2, M 2,3, ja M 3,2. Yhteensopivuusyhtälöistä (16) saadaan yhtälöryhmä α 1,2 + α 1,4 β 1,2 β 1,2 0 β 2,1 α 2,1 + α 2,3 α 2,1 β 2,3 β 2,1 α 2,1 α 2,1 + α 2,5 0 0 β 3,2 0 α 3,2 78 M 1,2 M 2,3 M 3,2 = α 0 1,4 α0 1,2 α 0 2,1 α0 2,3 α 0 2,1 α0 2,5 α 0 3,2. (17)

5 Tasajäykän sauvan vakiot ovat: α i,j = 1 3 i,j/ei i,j, β i,j = 1 6 i,j/ei i,j. Määritellään myös pituusuhde ξ = H/ sekä palkkien ja pilareiden jäykkyyssuhde seuraavasti: EI 1,2 = EI 2,3 = EI, ja EI 1,4 = EI 2,5 = ηei. Tällöin yhtälösysteemi voidaan kirjoittaa muodossa 6EI 2(1 + ξ/η) (1 + ξ/η) M 1,2 M 2,3 M 3,2 = α 0 1,4 α0 1,2 α 0 2,1 α0 2,3 α 0 2,1 α 0 2,5 α 0 3,2. (18) Jos suhteiden ξ, η arvoiksi valitaan ξ = 1 ja η = 1, sekä q = q 2 = q saadaan systeemi M 1, M 2,3 6EI = q3 2, (19) 24EI M 3,2 1 jonka ratkaisu on M 1,2 M 2,3 M 3,2 = q 2 0, , , , Nurkan 2 tasapainoyhtälöstä seuraa sauvanpäämomentin M 2,1 arvoksi q 2. (20) M 2,1 = q2 0, 10233q 2. (21) Mikäli ratkaistaviksi sauvanpäämomenteiksi olisi valittu M 1,2, M 2,1, ja M 3,2 saataisiin epäsymmetrinen yhtälösysteemi α 1,2 + α 1,4 β 1,2 0 0 M 1,2 α1,4 β 1,2 α 2,1 + α 2,3 α 2,3 β 2,3 0 α1,2 0 M 2,1 α2,3 β 2,1 α 2,1 α 2,5 0 = 0 α0 2,1 α2,1 0. (22) α0 2,5 0 β 3,2 β 3,2 α 3,2 M 3,2 α3,2 0 uonnollisesti systeemin (22) ratkaisu on yhtenevä ratkaisun (20) ja (21) kanssa. Tukimomenttien eliminointi Käsinlaskussa päästään hieman helpommalla kun käytetään yhtälöitä (9) ja (10) tukimomentin M 3,2 eliminoimiseksi ja korvataan pystypilari 1-4 kimmoisalla jousella, jonka joustavuuskerroin on α jousi = 1 H/ηEI. Tällöin tuntemattomiksi jäävät vain nurkan 2 3 sauvanpäämomentit M 2,3 ja, jotka voidaan ratkaista yhteensopivuusehdoista { ϕ 2,3 = ϕ 2,1, (23) ϕ 2,5 = ϕ 2,1 jotka johtavat yhtälösysteemiin [ ᾱ2,1 + ᾱ 2,3 ᾱ 2,1 ᾱ 2,1 ᾱ 2,1 + α 2,5 ]{ M2,3 } = { ᾱ0 2,1 ᾱ 0 2,3 ᾱ 0 2,1 }. (24) 79

6 P 2 EI 3 1 EI Kuva 3. Kulmakehän nurjahdus. Sauvavakiot ovat β 2 2,1 ᾱ 2,1 = α 2,1 = 11 α 2,1 + α jousi 36 EI, ᾱ 2,3 = 1 4 EI. (25) [ EI ]{ M2,3 } { = q EI 5 }. (26) Ratkaisu on tietenkin yhtenevä tuloksen (20) kanssa. Muut sauvanpäämomentit M 1,2 ja M 3,2 voidaan laskea yhtälön (9) avulla. Stabiiliustehtävä Ratkaistaan kuvan 3 esittämän kulmakehän nurjahduskuorma. Nurkkien 2 ja 3 yhteensopivuusehdoista seuraa homogeeninen yhtälösysteemi [ ]{ } { } 2(1 + ψ) 1 M2,3 0 =, (27) 6EI 1 2 M 3,2 0 missä funktio ψ on yhtälön (14) mukainen ja nyt k 2 = P/EI. Homogeenisella yhtälösysteemillä (27) on ei-triviaali ratkaisu vain jos kerroinmatriisi on singulaarinen, ts. sillä on vähintään yksi nolla ominaisarvo ja täten sen determinantti on myös nolla. Kyseessä on siten epälineaarinen ominaisarvotehtävä kriittisen kuormaparametrin k löytämiseksi. Yhtälössä (27) esiintyvän dimensiottoman kerroinmatrisin [ ] 2(1 + ψ) 1 Ã = (28) 1 2 ominaisarvot ja determinatti ovat λ 1 = 2 + ψ 1 + ψ 2, λ 2 = 2 + ψ ψ 2, det = λ 1 λ 2 = 4ψ + 3, (29) joiden kuvaajat on piirretty kuvaan 4. Kuvasta havaitaan, että ominaisarvo λ 1 on negatiivinen välillä π < k < 3, 829, muulloin positiivinen, ja λ 2 on kaikkialla positiivinen, lukuunottamatta pistettä k = π, jossa funktio ψ on määrittelemätön. Täten voimamenetelmän tuottaman yhtälösysteemin kerroinmatriisin positiivisen definiittisyyden perusteella ei voi tehdä päätelmiä rakenteen tasapainotilan stabiiliudesta. Kriittinen kuorma saadaan yhtälön (27) kerroinmatriisin singulaarisuusehdosta, ja se on 80

7 det λ 1 λ k Kuva 4. Matriisin à ominaisarvot ja determinantti. P kr (3, 829) 2 EI/ 2 1, 485π 2 EI/ 2. Tällöin ominaisarvolla λ 1 on nolla-arvo, katso kuvaa 4. Joustomatriisi menettää positiivisen definiittiyden, kun kuorma ylittää arvon π 2 EI/ 2. Tällöin sauvan 1-2 joustokertoimien arvot muuttuvat positiivisista negatiivisiksi seuraavalla tavalla: lim (α ij, β ij ) = +, kl π lim (α ij, β ij ) =. (30) kl π+ Staattisen perusmuotosauvan joustavuus kasvaa rajatta kun puristava normaalivoima lähestyy Eulerin nurjahduskuormaa. Täten momenttimenetelmän mukainen stabiiliusmatriisi muuttuu positiivisesti definiitistä matrisiista indefiniitiksi, kun jonkin rakenneosan staattisen perusmuotosauvan nurjahduskuorma ylittyy. Matriisin definiittiyttä voidaan tutkia myös sen pääalideterminanttien avulla. Matriisi on positiivisesti definiitti jos kaikki sen pääalideterminantit ovat positiivisia. Sovellettuna matriisiin (28), tämä tarkoittaa ehtoja opuksi 2(1 + ψ) > 0 ja 2(1 + ψ) > 0. (31) Artikkelissa kuvataan tapa, miten momenttimenetelmän tuntemattomat eli stattisesti määräämättömät sauvanpäämomentit on valittava, jotta syntyvä rakenteen joustomatriisi olisi symmetrinen. isäksi johdetaan toisesta päästään jäykästi tai kimmoisesti kiinnitetyn sauvan joustokertoimet, joita käyttämällä voidaan ratkaistavan yhtälösysteemin kokoa pienentää. isäksi huomautetaan, että rakenteen tasapainotilan stabiiliuden menettämiskohtaa ei voida määrittää pisteenä, jossa rakenteen joustomatriisi muuttuu positiivisesti definiitistä indefiniitiksi. 81

8 Viitteet [1] A. Ghali, A.M. Neville, Structural analysis - A unified classical and matrix approach. Chapman and Hall, 3. painos, ondon, New York, [2] R. Guldan, Rahmentragwerke und Durchlaufträger. Springer-Verlag, 6. painos, Wien, [3] P. oikkanen, Rakenteiden statiikka 2. Otava, Helsinki, [4] J.S. Przemieniecki, Theory of matrix structural analysis. Dover, [5] S.P. Timoshenko, J.M. Gere, Theory of elastic stability. McGraw-Hill, International student edition, 2. painos, Reijo Kouhia TKK, Rakenne- ja rakennustuotantotekniikan laitos P 2100, TKK s-posti: 82

OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN. Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43

OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN. Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43 OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN Esa Makkonen Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43 Tiivistelmii: Artikkelissa kehitetaan laskumenetelma, jonka avulla

Lisätiedot

Materiaali on lineaarinen, jos konstitutiiviset yhtälöt ovat jännitys- ja muodonmuutostilan suureiden välisiä lineaarisia yhtälöitä.

Materiaali on lineaarinen, jos konstitutiiviset yhtälöt ovat jännitys- ja muodonmuutostilan suureiden välisiä lineaarisia yhtälöitä. JÄNNITYS-JAMUODONMUUTOSTILANYHTYS Materiaalimalleista Jännitys- ja muodonmuutostila ovat kytkennässä toisiinsa ja kytkennän antavia yhtälöitä sanotaan materiaaliyhtälöiksi eli konstitutiivisiksi yhtälöiksi.

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Lisätiedot

5 OMINAISARVOT JA OMINAISVEKTORIT

5 OMINAISARVOT JA OMINAISVEKTORIT 5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön

Lisätiedot

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0. HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8, TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan 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

Lisätiedot

5 Differentiaaliyhtälöryhmät

5 Differentiaaliyhtälöryhmät 5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 Matriisit ja lineaariset yhtälöryhmät 1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n

Lisätiedot

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 / 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

Lisätiedot

Vapaus. 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. 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 +

Lisätiedot

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio, Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä

Lisätiedot

5 DIFFERENTIAALIYHTÄLÖRYHMÄT

5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5. Ensimmäisen kl:n DY-ryhmät Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Useimmat voidaan mallintaa ensimmäisen kertaluvun DY-ryhmien avulla. Ensimmäisen kl:n

Lisätiedot

Matematiikka B2 - Avoin yliopisto

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

Lisätiedot

Paikannuksen matematiikka MAT

Paikannuksen matematiikka MAT TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

12. Hessen matriisi. Ääriarvoteoriaa 179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 4. Kirsi Valjus. Jyväskylän yliopisto. Luento 4 () Numeeriset menetelmät / 44

Numeeriset menetelmät TIEA381. Luento 4. Kirsi Valjus. Jyväskylän yliopisto. Luento 4 () Numeeriset menetelmät / 44 Numeeriset menetelmät TIEA381 Luento 4 Kirsi Valjus Jyväskylän yliopisto Luento 4 () Numeeriset menetelmät 21.3.2013 1 / 44 Luennon 4 sisältö Lineaarisen yhtälöryhmän ratkaisemisesta: Choleskyn menetelmä

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

Analysoidaan lämpöjännitysten, jännityskeskittymien, plastisten muodonmuutosten ja jäännösjännityksien vaikutus

Analysoidaan lämpöjännitysten, jännityskeskittymien, plastisten muodonmuutosten ja jäännösjännityksien vaikutus TAVOITTEET Määritetään aksiaalisesti kuormitetun sauvan muodonmuutos Esitetään menetelmä, jolla ratkaistaan tukireaktiot tapauksessa, jossa statiikan tasapainoehdot eivät riitä Analysoidaan lämpöjännitysten,

Lisätiedot

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1 Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

Ominaisarvo ja ominaisvektori

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

Lisätiedot

TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat

TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat Lasketaan suurimmat leikkaus- ja taivutusrasitukset Analysoidaan sauvoja, jotka ovat suoria,

Lisätiedot

4 Korkeamman kertaluvun differentiaaliyhtälöt

4 Korkeamman kertaluvun differentiaaliyhtälöt Differentiaaliyhtälöt c Pekka Alestalo 2015 Tässä monisteessa käydään läpi tavallisiin differentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Luennolla lasketaan esimerkkitehtäviä

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

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 1 R. Kangaslampi Matriisihajotelmista

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 2.3.2016 Susanna Hurme äivän aihe: Staattisesti määrätyn rakenteen tukireaktiot (Kirjan luvut 5.7 ja 6.6) Osaamistavoitteet: Ymmärtää, mitä tarkoittaa staattisesti

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

6. Differentiaaliyhtälösysteemien laadullista teoriaa. 1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty

Lisätiedot

KJR-C2002 Kontinuumimekaniikan perusteet

KJR-C2002 Kontinuumimekaniikan perusteet KJR-C2002 Kontinuumimekaniikan perusteet Luento 23.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Luennon sisältö Hooken laki lineaaris-elastiselle materiaalille (Reddy, kpl 6.2.3) Lujuusoppia: sauva (Reddy,

Lisätiedot

T STATIIKKA 2 (3 OP.) OAMK

T STATIIKKA 2 (3 OP.) OAMK T510503 STATIIKKA 2 (3 OP.) OAMK Raimo Hannila 05.09.2011 1 Tuntisuunnitelma (Luonnos). SL-2011 (15 vk?)., syysloma vk 43. Kurssin laajuus ks. opinto-opas. Ohjattu työskentely (Teoria +Harjoitus)= 39 h.

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi

Lisätiedot

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.

Lisätiedot

10 knm mm 1000 (a) Kuva 1. Tasokehä ja sen elementtiverkko.

10 knm mm 1000 (a) Kuva 1. Tasokehä ja sen elementtiverkko. Elementtimenetelmän perusteet Esimerkki. kn kn/m 5 = 8 E= GPa mm 5 5 mm (a) 5 5 6 Y X (b) Kuva. Tasokehä ja sen elementtiverkko. Tarkastellaan kuvassa (a) olevan tasokehän statiikan ratkaisemista elementtimenetelmällä.

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

MS-A0004/A0006 Matriisilaskenta 4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin

Lisätiedot

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100 HARJOITUS, RATKAISUEHDOTUKSET, YLE 07.. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 0x +0xy +5y (b.) f(x,y) = 4x y xy +x+y +00 (a.) Funktion kriittiset pisteet ratkaisevat

Lisätiedot

1 Peruskäsitteet. Dierentiaaliyhtälöt

1 Peruskäsitteet. Dierentiaaliyhtälöt Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla

Lisätiedot

Matriisiteoria 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?

Matriisiteoria 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

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 9.3.2016 Susanna Hurme Päivän aihe: Palkin leikkausvoima- ja taivutusmomenttijakaumat ja kuviot (Kirjan luvut 7.2 ja 7.3) Osaamistavoitteet: Ymmärtää, miten leikkausvoima

Lisätiedot

5 Lineaariset yhtälöryhmät

5 Lineaariset yhtälöryhmät 5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita

Lisätiedot

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A

Lisätiedot

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän

Lisätiedot

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että

Lisätiedot

Ominaisarvo ja ominaisvektori

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

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

6 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,

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

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

Lisätiedot

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7 Matriisilaskenta Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa. 7.1 Lineaariset yhtälöryhmät Yhtälöryhmät liittyvät tilanteisiin, joissa on monta tuntematonta

Lisätiedot

2 SUORA SAUVA ja PALKKI Suoran sauvan puhdas veto tai puristus Suoran palkin taivutus Harjoitustehtäviä 71

2 SUORA SAUVA ja PALKKI Suoran sauvan puhdas veto tai puristus Suoran palkin taivutus Harjoitustehtäviä 71 7 SISÄLLYSLUETTELO Alkulause 5 Kirjallisuus 12 1 JOHDANTO 13 1.1 Yleistä 13 1.2 Rakenteiden statiikan historiallista taustaa 15 1.3 Rakennetyyppejä 17 1.4 Rakenteen tuennat 22 1.5 Kuormitukset 25 2 SUORA

Lisätiedot

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C = BMA58 Funktiot, lineaarialgebra ja vektorit Harjoitus 6, Syksy 5. Olkoon [ 6 6 A =, B = 4 [ 3 4, C = 4 3 [ 5 Määritä matriisien A ja C ominaisarvot ja ominaisvektorit. Näytä lisäksi että matriisilla B

Lisätiedot

Konjugaattigradienttimenetelmä

Konjugaattigradienttimenetelmä Konjugaattigradienttimenetelmä Keijo Ruotsalainen Division of Mathematics Konjugaattigradienttimenetelmä Oletukset Matriisi A on symmetrinen: A T = A Positiivisesti definiitti: x T Ax > 0 kaikille x 0

Lisätiedot

Iteratiiviset ratkaisumenetelmät

Iteratiiviset ratkaisumenetelmät Iteratiiviset ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Yleinen iteraatio Lineaarisen yhtälöryhmän iteratiivinen ratkaisumenetelmä voidaan esittää muodossa: Anna alkuarvaus: x 0 R n

Lisätiedot

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi 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

Lisätiedot

Tekijä Pitkä matematiikka

Tekijä Pitkä matematiikka K1 Tekijä Pitkä matematiikka 5 7..017 a) 1 1 + 1 = 4 + 1 = 3 = 3 4 4 4 4 4 4 b) 1 1 1 = 4 6 3 = 5 = 5 3 4 1 1 1 1 1 K a) Koska 3 = 9 < 10, niin 3 10 < 0. 3 10 = (3 10 ) = 10 3 b) Koska π 3,14, niin π

Lisätiedot

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u. DEE-00 Lineaariset järjestelmät Harjoitus, ratkaisuehdotukset Järjestelmien lineaarisuus ja aikainvarianttisuus Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla

Lisätiedot

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY Lyhyt yhteenvetokertaus nodaalimallista SÄTELYTUVAKESKUS STÅLSÄKEHETSCENTALEN ADATON AND NUCLEA SAFETY AUTHOTY Ei enää tarkastella neutronien kulkua, vaan työn alla on simppeli tuntemattoman differentiaaliyhtälöryhmä

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 10 1 Lokaalit ääriarvot Yhden muuttujan funktion f (x) lokaali maksimi on piste x 0, jossa f (x) on suurempi kuin muualle pisteen x 0 ympäristössä, eli kun f (x 0 )

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 3.3.2016 Susanna Hurme Päivän aihe: Ristikon sauvavoimat (Kirjan luvut 6.1-6.4) Osaamistavoitteet: Ymmärtää, mikä on ristikkorakenne Osata soveltaa aiemmin kurssilla

Lisätiedot

HARMONISEN VÄRÄHTELIJÄN JAKSONAIKA JA HEILURIEN HEILAHDUSAJAT - johtaminen 1) VAIMENEMATON HARMONINEN VÄRÄHDYSLIIKE

HARMONISEN VÄRÄHTELIJÄN JAKSONAIKA JA HEILURIEN HEILAHDUSAJAT - johtaminen 1) VAIMENEMATON HARMONINEN VÄRÄHDYSLIIKE HARMONISEN VÄRÄHTELIJÄN JAKSONAIKA JA HEILURIEN HEILAHDUSAJAT - johtaminen 1) VAIMENEMATON HARMONINEN VÄRÄHDYSLIIKE Harmoninen voima on voima, jonka suuruus on suoraan verrannollinen poikkeamaan tasapainoasemasta

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45 Numeeriset menetelmät TIEA381 Luento 3 Kirsi Valjus Jyväskylän yliopisto Luento 3 () Numeeriset menetelmät 20.3.2013 1 / 45 Luennon 3 sisältö Luku 2: Epälineaarisen yhtälön ratkaiseminen Polynomin reaaliset

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

Pienimmän neliösumman menetelmä

Pienimmän 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

Lisätiedot

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t), Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Mat-2.4129 Systeemien Identifiointi 1. harjoituksen ratkaisut 1. Tarkastellaan maita X ja Y. Olkoon näiden varustelutaso

Lisätiedot

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij. Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla

Lisätiedot

3. SUUNNITTELUPERUSTEET

3. SUUNNITTELUPERUSTEET 3. SUUNNITTELUPERUSTEET 3.1 MATERIAALIT Myötölujuuden ja vetomurtolujuuden arvot f R ja f R y eh u m tuotestandardista tai taulukosta 3.1 Sitkeysvaatimukset: - vetomurtolujuuden ja myötörajan f y minimiarvojen

Lisätiedot

Kohdeyleisö: toisen vuoden teekkari

Kohdeyleisö: toisen vuoden teekkari Julkinen opetusnäyte Yliopisto-opettajan tehtävä, matematiikka Klo 8:55-9:15 TkT Simo Ali-Löytty Aihe: Lineaarisen yhtälöryhmän pienimmän neliösumman ratkaisu Kohdeyleisö: toisen vuoden teekkari 1 y y

Lisätiedot

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut BM0A5830 Differentiaalihtälöiden peruskurssi Harjoitus 7, Kevät 07 Päivitksiä: Tehtävän b tehtävänantoa korjattu, tehtävän 5 vastaus korjattu. b tehtävänantoa sujuvoitettu. Vastauksia lisätt.. Monasti

Lisätiedot

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

k=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

Lisätiedot

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen 4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen Käypä kantaratkaisu löytyy helposti, esimerkiksi tapauksessa Ax b, b 0 x 0 jolloin sen määräävät puutemuuttujat. Tällöin simplex-menetelmän alustus

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

17. Differentiaaliyhtälösysteemien laadullista teoriaa.

17. Differentiaaliyhtälösysteemien laadullista teoriaa. 99 17. Differentiaaliyhtälösysteemien laadullista teoriaa. Differentiaaliyhtälön x'(t) = f(x(t),t), x(t) n määrittelemän systeemin sanotaan olevan autonominen, jos oikea puoli ei eksplisiittisesti riipu

Lisätiedot

Kokonaislukuoptiomointi Leikkaustasomenetelmät

Kokonaislukuoptiomointi Leikkaustasomenetelmät Kokonaislukuoptiomointi Leikkaustasomenetelmät Systeemianalyysin Laboratorio 19.3.2008 Sisällys Leikkaustasomenetelmät yleisesti Leikkaustasomenetelmät generoivilla kokonaislukujoukoilla Gomoryn leikkaavat

Lisätiedot

(1.1) Ae j = a k,j e k.

(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

Lisätiedot

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

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

Lisätiedot

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Antti 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

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Matriisilaskenta Luento 8: LU-hajotelma

Matriisilaskenta Luento 8: LU-hajotelma Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016 Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

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

Lisätiedot

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa. BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 7, Syksy 206 Tutkitaan yhtälöryhmää x + y + z 0 2x + y + az b ax + y + 2z 0 (a) Jos a 0 ja b 0 niin mikä on yhtälöryhmän ratkaisu? Tulkitse ratkaisu

Lisätiedot

Vanhoja koetehtäviä. Analyyttinen geometria 2016

Vanhoja koetehtäviä. Analyyttinen geometria 2016 Vanhoja koetehtäviä Analyyttinen geometria 016 1. Määritä luvun a arvo, kun piste (,3) on käyrällä a(3x + a) = (y - 1). Suora L kulkee pisteen (5,1) kautta ja on kohtisuorassa suoraa 6x + 7y - 19 = 0 vastaan.

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

Muodonmuutostila hum 30.8.13

Muodonmuutostila hum 30.8.13 Muodonmuutostila Tarkastellaan kuvan 1 kappaletta Ω, jonka pisteet siirtvät ulkoisen kuormituksen johdosta siten, että siirtmien tapahduttua ne muodostavat kappaleen Ω'. Esimerkiksi piste A siirt asemaan

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

Lisätiedot

Määritetään vääntökuormitetun sauvan kiertymä kimmoisella kuormitusalueella Tutkitaan staattisesti määräämättömiä vääntösauvoja

Määritetään vääntökuormitetun sauvan kiertymä kimmoisella kuormitusalueella Tutkitaan staattisesti määräämättömiä vääntösauvoja TAVOITTEET Tutkitaan väännön vaikutusta suoraan sauvaan Määritetään vääntökuormitetun sauvan jännitysjakauma Määritetään vääntökuormitetun sauvan kiertymä kimmoisella kuormitusalueella Tutkitaan staattisesti

Lisätiedot

Voimat mekanismeissa. Kari Tammi, Tommi Lintilä (Janne Ojalan kalvoista)

Voimat mekanismeissa. Kari Tammi, Tommi Lintilä (Janne Ojalan kalvoista) 1 Voimat mekanismeissa Kari Tammi, Tommi Lintilä (Janne Ojalan kalvoista) 12.2.2016 Sisältö Staattiset voimat Staattinen tasapainotila Vapaakappalekuva Tasapainoyhtälöt Kitkavoimat Hitausvoimat Hitausvoimien

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

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

Lisätiedot

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2 8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Inversio-ongelmien laskennallinen peruskurssi Luento 2 Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +

Lisätiedot