Luku 7 Numeerinen integrointi
|
|
- Aimo Myllymäki
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Luku 7 Numeerinen integrointi Luvussa esitetään elementtimenetelmässä yleisimmin käytössä olevat kvadratuurit, eli numeeriset integrointikaavat. Kvadratuurit muodostetaan korvaamalla integroitava funktio sen interpolaatiopolynomilla. Mikäli kvadratuuripisteet valitaan tasavälisesti saadaan Newtonin-Cotesin kvadratuuri, mitä elementtimenetelmässä käytetään vain dimensioreduktiomallien, eli palkkien, laattojen ja kuorien jäykkyysmatriisin paksuussuuntaisessa integroinnissa. Jäykkyysmatriisin kokoamiseen tarvittava laskentatyön määrä on suoraan verrannollinen integointipisteiden lukumäärään. Täten on suotavaa, että elementtimatriisien ja voimavektoreiden integrointi suoritetaan mahdollisimman alhaisasteisella kvadratuurilla. Usein käytetään myös ali-integrointia. Ali-integrointi tai valikoiva ali-integrointi voi joissain tapauksissa johtaa parempiin tuloksiin kuin täysi integrointi. Valitettavasti näin ei aina ole, vaan ali-integrointi johtaa usein nollaenergiamuotojen syntymiseen ja ratkaisun epästabiiliuteen. 7. Johdanto Isoparametristen elementtien jäykkyysmatriisit ja kuormavektorit joudutaan yleensä muodostamaan numeerisella integroinnilla. Myös muissa tapauksissa numeerinen integrointi voi olla tarpeen. Materiaaliominaisuudet tai elementin paksuus voivat muuttua paikan mukana siten, että tarkka integrointi on hankalaa. Integrointikaavoista käytetään myös nimitystä kvadratuuri. Yksiulotteisessa tapauksessa lausutaan integroitava funktio luonnollisen koordinaatin ξ avulla välillä [,]. Funktion f integraali I = voidaan määrittää numeerisesti kaavalla f(ξ)dξ (7.) I w i f(ξ i ), (7.2) 4
2 42 LUKU 7. Numeerinen integrointi missä ξ i :t ovat integrointipisteet ja w i :t ovat pisteisiin ξ i liittyvät painokertoimet. Integraali I voidaan esittää tarkasti kaavalla I = w i f(ξ i )+R, (7.) missä R on jäännös. Integraalin (7.) laskemiseksi pyritään kehittämään kaavoja, joihin liittyvä jäännös on mahdollisimman pieni numeeriseen laskutyöhön nähden. Kaava (7.2) voidaan yleistää välittömästi kaksiulotteiseen tapaukseen: I = f(ξ,η)dξdη 7.2 Newton-Cotes menetelmä n i= m w i w j f(ξ i,η j ). (7.4) Valitaan integrointipisteiden paikat ξ i etukäteen ja integroitavaa funktiota approksimoidaan Lagrangen interpolaatiopolynomeilla, eli n f(ξ) = l n i f(ξ i ), (7.5) missä l n i i= l n i (ξ) = (ξ ξ )(ξ ξ 2 ) (ξ ξ i )(ξ ξ i+ ) (ξ ξ n ) (ξ i ξ )(ξ i ξ 2 ) (ξ i ξ i )(ξ i ξ i+ ) (ξ i ξ n ). (7.6) on n asteinen polynomi, joka saa arvon pisteessä ξ i ja l n i (ξ j ) = 0, kun i j. Integraali I = missä f(ξ)dξ on likimäärin ( I l n i (ξ)f(ξ i ) i= w i = ) j= dξ = n w i f(ξ i ), (7.7) i= l n i (ξ)dξ. (7.8) Newtonin-Cotesin kaava (7.7) integroi tarkasti (n )-asteisen polynomin, mikäli n on parillinen ja n-asteisen polynomin mikäli n on pariton. Jäännöksen R lausekkeelle voidaan johtaa tulos ( ) n+2 2 d n+ f R = C n dξn+, n pariton, (7.9) ( ) n+ 2 d n f R = C n dξn, n parillinen, (7.0) missä C on funktiosta f riippumaton vakio. Virheen kaavoista havaitaan, että on syytä käyttää paritonta integrointipisteiden määrää. Huomaa myös, että virhe-estimaatin käyttö edellyttää integroitavalta funktiolta riittävää sileyttä. Versio: kevät 204
3 N N N 7.2. Newton-Cotes menetelmä 4 B N B N B B B N B B B B! "!! Kuva 7. Numeerinen integrointi kahden (a,b) ja kolmen pisteen Newton- Cotesin kaavoilla (c). Esimerkki 7. Kirjoitetaan eksplisiittisesti kahden ja kolmen pisteen Newton- Cotesin kaavat. Valitaan kahden pisteen integrointikaavassa integrointipisteiden paikoiksi ξ = ja ξ 2 =. Lagrangen interpolaatiopolynomit ovat l = ξ ξ 2 = ξ ξ 2 ( ξ), l 2 = ξ ξ = 2 ξ 2 ξ 2 (+ξ). (7.) Kaavasta (7.7) seuraa w = w 2 =, joten f(ξ)dξ w f(ξ )+w 2 f(ξ 2 ) = f()+f(), (7.2) Lauseke voidaan kirjoittaa muodossa joka on nimeltään trapetsikaava. f(ξ)dξ = 2 2 [f()+f()], (7.) Kolmen pisteen tapauksessa valitaan integrointipisteiksi ξ =,ξ 2 = 0 ja ξ =, ja vastaavat Lagrangen interpolaatiopolynomit ovat l 2 = (ξ ξ 2)(ξ ξ ) (ξ ξ 2 )(ξ ξ ), (7.4a) l 2 2 = (ξ ξ )(ξ ξ ) (ξ 2 ξ )(ξ 2 ξ ), (7.4b) l 2 = (ξ ξ )(ξ ξ 2 ) (ξ ξ )(ξ ξ 2 ), (7.4c) Kaavan (7.7) perusteella painokertoimiksi saadaan w =,w 2 = 4 ja w =. Tällöin integraalin arvoksi saadaan f(ξ)dξ f()+ 4 f(0)+ f(), (7.5) mikä on kolmen pisteen Simpsonin kaava, katso kuvaa 7.. Versio: kevät 204
4 44 LUKU 7. Numeerinen integrointi 7. Gaussin-Legendren menetelmä Gaussin-Legendren menetelmässä sekä integrointipisteet ξ i että painokertoimet w i pyritään valitsemaan optimaalisesti siten, että menetelmä integroisi tarkasti mahdollisimman korkea-asteisen polynomin. Tarkastellaan (2n)-asteista polynomia p(ξ) = a +a 2 ξ +a ξ 2 + +a 2n ξ 2n 2 +a 2n ξ 2n, (7.6) missä on 2n termiä. Integroimalla polynomi tulee I = Sovellettaessa määritelmää (7.2), saadaan I = p(ξ)dξ = p(ξ)dξ = 2a + 2 a n a 2n. (7.7) n p(ξ i )w i (7.8) i= n n n = a w i +a 2 w i ξ i +a w i ξi 2 + +a 2n i= i= i= Vertaamalla kaavoja (7.7) ja (7.8) havaitaan, että n w i = 2, i= n i= n w i ξ i = 0, i= w i ξ 2n 2 i = 2 2n, n i= n i= w i ξ 2n 2 i n w i ξi 2 = 2, i= +a 2n n i= ξ 2n i. w i ξ 2n i = 0. (7.9) Polynomissa (7.6) on 2n termiä. Kaavoissa (7.9) on 2n ehtoa, joiden avulla voidaan määrittää kaavan (7.8) 2n tuntematonta: n painokerrointa w i ja n integroimispistettä (Gaussin pistettä) ξ i. Voidaan osoittaa, että n-pisteisen Gaussin-Legendren kvadratuurin integrointipisteiden paikka määräytyy astetta n olevan Legendren polynomin nollakohtien perusteella, ja painokertoimiksi saadaan yleisesti lauseke w i = 2( ξ2 i ) [np n (ξ i )] 2. (7.20) Gaussin-Legendren n:n pisteen menetelmä integroi tarkasti (2n )-asteisen polynomin, joten menetelmä on tarkempi kuin Newton-Cotesin kvadratuuri. Jäännöksen R lausekkeeksi voidaan johtaa R = 2 2n+ (n!) 4 d 2n f (2n+)[(2n)!] dξ2n. (7.2) Versio: kevät 204
5 7.. Gaussin-Legendren menetelmä 45 Esimerkki 7.2 Määritetään Gaussin-Legendren menetelmän painokertoimet ja integroimispisteiden paikat kun n = 2,. Kahden integrointipisteen tapauksessa yhtälöistä (7.9) seuraa w +w 2 = 2, w ξ +w 2 ξ 2 = 0, w ξ 2 +w 2 ξ 2 2 = 2, w ξ +w 2 ξ 2 = 0. (7.22) Symmetrian perusteella w = w 2 ja ξ = ξ 2, jolloin ratkaisuksi saadaan Tapauksessa n = saadaan ehdot w = w 2 =, ξ =, ξ 2 =. (7.2) w +w 2 +w = 2 w ξ +w 2 ξ 2 +w ξ = 0 w ξ 2 +w 2 ξ2 2 +w ξ 2 = 2 w ξ +w 2 ξ2 +w ξ = 0 w ξ 4 +w 2ξ2 4 +w ξ 4 = 2 5 w ξ 5 +w 2ξ2 5 +w ξ 5 = 0 (7.24a) (7.24b) (7.24c) (7.24d) (7.24e) (7.24f) Symmetrian perusteella ξ = ξ,ξ 2 = 0 ja w = w, jolloin ratkaisuksi saadaan ξ = 5, ξ 2 = 0, ξ = 5, w = 5 9, w 2 = 8 9, w = 5 9. (7.25) Esimerkki 7. Tutki virhettä suhteen n funktiona (n = 2,, 5, 0) integraalissa I = dξdη (7.26) det(j) kun se integroidaan numeerisesti yhden pisteen, 2 2-pisteen ja -pisteen Gaussin kaavoilla. y nl 4 L 2 x L Määritetään geometriakuvauksen Jakobiaani, jota varten tarvitaan siirtymien interpolaatioiden lausekkeet: x = (N 2 +nn )L = 4 (+ξ)[ η +n(+η)]l, (7.27a) y = (N +N 4 )L = 2 (+η)l (7.27b) Versio: kevät 204
6 46 LUKU 7. Numeerinen integrointi J T = [ x,ξ y,ξ x,η y,η ] = 4 [ +n+(n)η 0 (+ξ)(n) 2 ] L (7.28) detj = 8 L2 [+n+(n)η] = 8 L2 (a 0 +a η). (7.29) Lasketaan integraali ensin tarkasti I = = 6 L 2 6 dξdη = detj L 2 ln(a 0 +a η) = 6 a L 2 dη a 0 +a η n ln(+n+(n)η) = 6 L 2 lnn (7.0) n Koska integrandi on vakio ξ-koordinaatin suunnassa, voidaan tarkastella vain numeerista integrointia η-koordinaatin suunnassa. Gaussin-Legendren kaavoilla laskettuna saadaan seuraavat tulokset:. Yhden pisteen kaavalla w = 2,η = 0: I L 2 2 +n 2. Kahden pisteen kaavalla w = w 2 =,η = /,η 2 = / : [ ] I L 2 6 +n (n) + +n+ (n) (7.) (7.2). Kolmen pisteen kaavalla w = w = 5/9,w 2 = 8/9,η = /5,η 2 = 0,η = /5: [ ] I L n /5(n) + 8 +n + 5 +n+ /5(n) (7.) Kootaan tulokset taulukkoon: n = 2 n = n = 5 n = tarkka Havaitaan, että virhe integraalin numeerisen arvon määrityksessä Gaussin- Legenderen kvadratuurilla kasvaa elementin vääristymän lisääntyessä. Huomaa, että oheinen integraali on seurausta laskettaessa muodon N i,x N j,x da (7.4) Ω tyyppisiä lausekkeita. Täten on syytä valttää elementtien liiallista vääristämistä. Versio: kevät 204
7 7.. Gaussin-Legendren menetelmä 47 Esimerkki 7.4 Määritetään oheisen kuvan mukaisen bilineaarisen elementin tilavuusvoimia vastaava vektori f (e) käyttäen numeerista integrointia. y/l 4 (,5) (6,6) f (2,2) 2 (5,) x/l kun f (e) = f = { N T ftjdξdη, (7.5) 0 ρg }, (7.6) missä ρ on materiaalin tiheys ja g maan vetovoiman kiihtyvyys. Jacobin matriisi on kuvan elementille [ ] [ J T x =,ξ y,ξ = L x,η y,η 2 4+η η ξ 4+ξ ] (7.7) ja determinantti J = detj = (4+ξ+η)L 2. Solmuun i liittyvä osuus, (2 )- vektori, on { } f (e) 0 i = tρg N i J dξdη, (7.8) missä N i on määritelty kaavalla (4.6). Sovelletaan nyt Gaussin-Legendren kvadratuurikaavoja ensin solmuun liittyvään integraaliin N Jdξdη = = 4 4 ( ξ)( η)(4+ξ +η)dξdηl2 [ (+ )(+ )(4 ) +( )(+ )(4+ ) +(+ )( )(4 + ) +( )( )(4+ + ) = 0 L2. (7.9) ] L 2 Versio: kevät 204
8 48 LUKU 7. Numeerinen integrointi Samalla tavalla saadaan N 2 Jdξdη = 4L 2, (7.40) N Jdξdη = 4 L2, (7.4) N 4 Jdξdη = 4L 2. (7.42) Tilavuusvoimista f x = 0 ja f y = ρg aiheutuva voimavektori on siten f (e) = 2ρgtL2 [ ] T. (7.4) 7.4 Gaussin-Lobatton menetelmä Gaussin-Lobatton integroimiskaava eroaa Gaussin-Legendren kvadratuureista ainoastaan siinä, että välin päätepisteet valitaan aina myös integroimispisteiksi. Muut kvadratuuripisteet samaten kuin integroimispisteisiin liityvät painot määritetään vastaavaan tapaan kuin Gaussin-Legendren menettelyssä. Koska kahden integroimispisteen paikka on ennalta määrätty, tarvitaan Gaussin-Lobatton menettelyssä yksi integroimispiste enemmän kuin vastaavassa Gaussin-Legendren menetelmässä tietynasteisen polynomin tarkkaan integrointiin. Integroimispisteiden paikkoja kutsutaan myös Lobatton pisteiksi. Esimerkki 7.5 Määritetään sen Gaussin-Lobatton kvadratuurin integroimispisteiden paikat ja painojen arvot, joka integroi tarkasti viidennen asteen polynomin. Integroimispisteitä tarvitaan siis neljä. Symmetrian perusteella on määritettävänä vain yhden pisteen paikka ja kaksi painokerrointa. Kaavaa (7.8) vastaava yhtälö on I = w p()+w 2 p( ξ 2 )+w 2 p(ξ 2 )+w p(). (7.44) Vertaamalla lauseketta yhtälöön (7.9) saadaan 2w +2w 2 = 2, 2w +2w 2 ξ 2 2 = 2, 2w +2w 2 ξ 4 2 = 2 5, (7.45) josta saadaan ratkaisuksi ξ 2 = 5, w = 6, w 2 = 5 6. (7.46) Versio: kevät 204
9 7.5. Numeerinen integrointi kolmioelementissä Numeerinen integrointi kolmioelementissä Alakoordinaateista riippuvat funktiot integroidaan kaavalla I = L 0 0 f(l,l 2,L )dl 2 dl = n 2w i Af(L i,l 2i,L i )+R, (7.47) i= missä L = L L 2,w i :t ovat integroimispisteisiin i liittyvät painokertoimet, n on integroimispisteiden lukumäärä, R on jäännöstermi ja A on elementin pinta-ala. Taulukkoon (7.) on koottu joitakin kolmioalueen integroimiskaavoja. Taulukko 7. Kolmioalueen integroimispisteitä ja painokertoimia. alakoordinaatit Kertaluku virhetermi R L L 2 L paino 2w i lineaarinen O(h 2 ) kvadraattinen O(h ) 2 0 kuubinen O(h 4 ) Isoparametristen elementtien integrointi 7.6. Yleistä Gaussin menetelmä soveltuu yhtä hyvin yksi-, kaksi- ja kolmiulotteisiin tehtäviin. Integroimispisteiden lukumäärä on tavallisesti sama eri suunnissa (2- ja -ulotteisissa tapauksissa). Sensijaan integroimispisteiden lukumäärän valinta on monitahoinen tehtävä. Nelisolmuisen suorakaiteen tai myös kuvan 7.2 vinokaiteen tapauksessa Jacobin determinantti J on vakio, ja siirtymä-muodonmuutosmatriisin B-alkiot riippuvat lineaarisesti luonnollisista koordinaateista ξ ja η. Jos materiaalin jäykkyysmatriisin D alkiot ja paksuus t ovat vakioita, niin Gaussin 2 2 pisteen integroimiskaava antaa tarkan tuloksen. Vastaavasti kahdeksansolmuisen suorakaiteen muotoisen elementin tapauksessa J=vakio, sisältää B-matriisi kvadraattiset ξ:n ja η:n polynomit, ja jäykkyysmatriisin termien laskemisessa joudutaan integroimaan neljännen asteen polynomeja. Tällöin Gaussin pisteen kaava tuottaa tarkan tuloksen. Nelisolmuisen elementin tapauksessa 2 2 pisteen Gaussin menetelmää sanotaan täydelliseksi integroinniksi, koska se integroi tarkasti säännöllisen muotoisen Versio: kevät 204
10 " N! D N D N D N 50 LUKU 7. Numeerinen integrointi Kuva 7.2 Bilineaarinen elementti sekä Gaussin pisteet, 2 2 ja pisteen kaavoissa. elementin jäykkyysmatriisin termit. Samasta syystä pisteen kaava on täydellinen kvadraattisille elementeille. Elementin muodon poiketessa suorakaiteesta ei J enää ole vakio ja B-matriisin alkiot sisältävät ξ:n ja η:n rationaalifunktioita. Täten elementin jäykkyysmatriisin alkiot eivät enää ole polynomeja, eivätkä Gaussin kvadratuurit tuota tarkkoja tuloksia. Voidaan päätellä, että elementin muodon on oltava mahdollisimman lähellä suorakaidetta hyvän tarkkuuden saavuttamiseksi. Integrointipisteiden lukumäärän kasvattaminen parantaa integroinnin tarkkuutta, mutta lisää samalla laskentakustannuksia. Numeerinen integrointi voi tuoda epätarkkuutta elementin muodostamiseen. Tarkka integrointi ei ole välttämättä edes edullista elementtimenetelmän tulosten tarkkuuden kannalta. Elementin otaksuttu siirtymätila sisältää vain rajoitetun määrän deformaatiomuotoja, joiden avulla ei voida yleensä esittää tehtävän tarkkaa siirtymätilaa. Otaksutut siirtymätilat merkitsevät sitä, että analysoitava rakenne on korvattu rakenteella, joka sisältää äärellisen määrän siirtymätiloja. Korvaava rakenne, eli elementtimalli on siten jäykempi kuin todellinen rakenne. Korvausrakenteen liiallista jäykkyyttä voidaan käytännössä pienentää soveltamalla täydellistä integrointia alhaisasteisempaa menetelmää eli redusoitua integrointia. Redusoitu integrointi on myös laskentakustannusten kannalta edullisempaa. Redusoidun integroinnin seurauksena voi syntyä nollaenergiamuotoja eli deformaatiomuotoja, joihin liittyvä muodonmuutosenergia on nolla ja joiden seurauksena jäykkyysmatriisi on singulaarinen tai lähes singulaarinen. Elementin muodonmuutosenergia on U (e) = U 0 dv = ǫ T DǫdV, (7.48) 2 Ω (e) Ω (e) Versio: kevät 204
11 7.6. Isoparametristen elementtien integrointi 5 missä ǫ = Bu (e). Muodonmuutosenergia on täten U (e) = 2 u(e)t V (e) B T DBdVu (e) = 2 u(e)t K (e) u (e). (7.49) Elementtiverkkoa tihennettäessä elementin muodonmuutostila lähenee vakiotilaa eli U (e) 0 lähestyy vakiota elementin alueella. Jos U (e) 0 on vakio, niin U (e) :n määrittämiseksi täytyy tilavuus integroida tarkasti. Täten esimerkiksi levytehtävissä on numeerisen kvadratuurin integroitava tj tarkasti. Esimerkiksi bilineaarisen elementin tapauksessa, jos t=vakio, tj riippuu lineaarisesti koordinaateista ξ ja η. Tällöin integrointipisteiden vähimmäismäärä on yksi. Kvadraattisen elementin tapauksessa J sisältää termit ξ ja η, joten tarvitaan 2 2 Gaussin kaavaa tilavuuden tarkkaan integrointiin. Isoparametristen elementtien tapauksessa paras integrointimenetelmä on tavallisesti alhaisasteisin menetelmä, joka integroi tilavuuden tarkasti ja joka tuottaa stabiilin jäykkyysmatriisin ja elementtimallin, johon ei sisälly nollaenergiamuotoja Redusoitu integrointi ja nollaenergiamuodot Elementtimenetelmän tasapainoyhtälöryhmä on Ku = f. (7.50) Mikäli siirtymävektori u vastaa jäykän kappaleen liikettä, niin U = 2 ut Ku = 0. (7.5) Siirtymätilaa u, johon liittyvä muodonmuutosenergia on nolla, voidaan nimittää nollaenergiamuodoksi. Koska jäykänkappaleen liike voidaan ja täytyykin eliminoida siirtymäreunaehtojen avulla, nollaenergiamuotoja ovat varsinaisesti muut kuin yhtälön (7.5) toteuttavat siirtymätilat, jotka eivät vastaa jäykänkappaleen liikettä. Nollaenergiamuotoja voi syntyä elementtiverkkoon ja elementtiin esimerkiksi redusoidun integroinnin seurauksena. Kuvassa 7. on esitetty nelisolmuisen bilineaarisen elementin siirtymätilat eli ominaismuodot. Kuvan 7. siirtymätilat,2 ja ovat jäykän kappaleen liikkeitä. Tilat 4,5 ja 6 liittyvät vakiomuodonmuutostiloihin, joissa elementin muodonmuutosenergia U (e) > 0. Tilat 7 ja 8 ovat taivutusmuotoja. Jos käytetään yhden pisteen Gaussin integrointia, niin tiloihin 7 ja 8 liittyvä muodonmuutosenergia on nolla ja tilat 7 ja 8 ovat tässä tapauksessa nollaenergiamuotoja. Ominaismuotoon 7 liittyvä elementin siirtymävektori on u (e)t = [ c 0 c 0 c 0 c 0 ], (7.52) Versio: kevät 204
12 "! 52 LUKU 7. Numeerinen integrointi O L N K! " # $ % & Kuva 7. Bilineaarisen elementin ominaismuodot. ja siirtymäkenttä on u(ξ,η) = v(ξ,η) = 4 i= N i (ξ,η)u i = ( N (ξ,η)+n 2 (ξ,η) N (ξ,η)+n 4 (ξ,η))c = (7.5a) cξη, 4 N i (ξ,η)v i = 0. i= (7.5b) Jacobin matriisi on suorakaide-elementin tapauksessa J = [ ] x2 0 J = 2 [ ] y 0, x 2 = x 2 x, y = y y. 2 0 y x 2 y 0 x 2 (7.54) Siirtymägradienttivektorin { u,x u,y komponentit ovat tässä tapauksessa } = J T { u,ξ u,ξ } (7.55) 2c u,x = (x 2 x ) η ja u,y = 2c ξ. (7.56) (y y ) Koska v = 0, ovat muodonmuutoskomponentit nyt 2c ǫ x = (x 2 x ) η, ǫ y = 0 ja γ xy = 2c ξ. (7.57) (y y ) Elementin keskipisteessä eli Gaussin yhden pisteen kvadratuurin integrointipisteessä ǫ x (0,0) = ǫ y (0,0) = γ xy (0,0) = 0 (7.58) Versio: kevät 204
13 7.6. Isoparametristen elementtien integrointi 5 O L N K = Kuva 7.4 Gaussin -integroinnin synnyttämät mekanismit neljän bilineaarisen elementin verkossa. ja kyseisellä integrointimenettelyllä määritetty elementin jäykkyysmatriisi on epästabiili eli K (e) = ( twjb T DB ) ξ=η=0 (7.59) K (e) u (e) = 0 ja U (e) = 2 u(e)t K (e) u (e) = 0. (7.60) Siirtymämuotoja 7 ja 8 voidaan nimittää mekanismeiksi -integroinnin yhteydessä. Mekanismeja voi syntyä paitsi elementtiin myös elementtiverkkoon. Kuvan 7.4 mekanismeja nimitetään muotonsa perusteella myös tiimalasimuodoiksi (hourglass modes). Kuvan mekanismit koostuvat siirtymätiloista 7 ja 8, joihin on yhdistetty jäykän kappaleen rotaatio. Mekanismin synnyttämiseksi elementin ei tarvitse olla suorakaiteen muotoinen. Jos elementin siirtymätila on esimerkiksi u = a ξη ja v = a 2 ξη (7.6) missä a ja a 2 ovat vakioita, niin Gaussin pisteessä ξ = η = 0 u,ξ = u,η = v,ξ = v,η = 0 ǫ x = ǫ y = γ xy = 0 (7.62) riippumatta elementin muodosta. Tarkastellaan seuraavaksi kvadraattista elementtiä Gaussin 2 2 integroinnin yhteydessä. Kuvan 7.5b yhdeksänsolmuisen elementin siirtymät ovat u = ξ 2 η 2 ξ 2 η 2 ja v = 0. (7.6) Gaussin menetelmän 2 2-pisteen kaavan integroimispisteissä ξ = ±/ ja η = ±/ siirtymistä (7.6) seuraa u,ξ = u,η = v,ξ = v,η = 0 (7.64) Versio: kevät 204
14 ' D # N $ 54 LUKU 7. Numeerinen integrointi O L %! N K & J = E ' I = K E A L = E ' I > K E A L = E ' I? K E A & = ' K E A Kuva 7.5 Kvadraattisten elementtien tiimalasimuotoja. ja muodonmuutokset ovat nollia kyseisissä integroimispisteissä. Kuvien 7.5b ja c muodot eivät ole mahdollisia 8-solmuisessa elementissä, koska sen interpolaatiofunktiot eivät sisällä termiä ξ 2 η 2. Sensijaan kuvan 7.5d muoto on mahdollinen sekä 8- että 9-solmuisessa elementissä. Mekanismiin liittyvä siirtymäkenttä on u = ξ(η 2 ) ja v = η( ξ 2 ) (7.65) ja näitä siirtymiä vastaavat muodonmuutokset ovat nollia Gaussin 2 2-kaavan pisteissä. Kuvan 7.5d mekanismi ei ole mahdollinen vierekkäisissä elementeissä, koska näin deformoituvat vierekkäiset elementit eivät ole yhteensopivia. Elementin jäykkyysmatriisin säännöllisyysaste eli rangi on vapausasteiden lukumäärä vähennettynä nollaenergiamuodoilla, joita ovat jäykän kappaleen siirtymämuodot ja mekanismit. Gaussin 2 2-kaavalla integroidun 9-solmuisen elementin rangi on 2 9 = 8 6 = 2. Vastaavasti 8-solmuisen elementin rangi on 6 = 2 eli sama kuin vastaavan 9-solmuisen elementin rangi. Elementin epästabiilius voidaan välttää käyttämällä -integrointia. Vaikkei elementtiverkkoon sisältyisikään mekanismia, se voi silti käyttäytyä huonosti, jos mekanismin syntymistä estävä rajoite on heikko. Kuvan 7.6a verkko koostuu yhden pisteen kaavalla integroiduista nelisolmuisista elementeistä tai 2 2-kaavalla integroiduista 9 solmuisista elementeistä. Jäykkä kiinnitys estää mekanismin syntymisen keskeisen pistekuorman tapauksessa. Kiinnityksen antaman rajoitteen vaikutus pienenee, kun etäisyys tuelta kasvaa. Pistekuorman läheisyydessä siirtymätilaan ilmestyy kuvien 7.4 ja 7.5 esittämiä deformaatiokomponentteja. Esimerkiksi 2 24 elementin verkolla laskettuna siitymä on 500-kertainen tarkkaan tulokseen u = PL/EA verrattuna. Kuvan 7.6b tapauksessa vinoviivoitetun elementin, johon pistekuorma P kohdistuu, kimmokerroin E on paljon suurempi kuin viereisen osan kimmokerroin E 2. Jäykkään reunaan tuetut joustavat elementit tukevat heikosti jäykkää elementtiä, ja 2 2-kaavalla integroituihin kvadraattisiin elementteihin syntyy rajoitettu mekanismia muistuttava siirtymätila. Versio: kevät 204
15 Isoparametristen elementtien integrointi = > Kuva 7.6 Tiimalasimuotoja elementtiverkossa. Mekanismeista aiheutuvien vaikeuksien välttämiseksi, mahdollisen tarkkuuden menetyksen kustannuksella, varovainen analysoija tyytyy käyttämään vain elementtejä, jotka ovat stabiileja kaikissa olosuhteissa Mekanismien kontrollointi Redusoidulla integroinnilla saadaan aikaiseksi tarkkoja ja luotettavia elementtejä, jos mekanismien syntyminen voidaan jollakin tavalla estää. Tarkastellaan esimerkiksi bilineaarista elementtiä ja yksinkertaisuuden vuoksi sen x-akselin suuntaisia solmusiirtymiä u (e) x. Kuvan 7. siirtymämuodoissa ja 8 u (e) x = 0. Muotojen 2,...,6 mielivaltainen yhdistelmä on u (e) x = a 2 +a +a 4 +a 5 +a 6, (7.66) missä a i :t ovat vakioita. Kuvan 7. ominaismuoto 7 on u (e) x7 =. (7.67) Muoto 7 on ortogonaalinen muiden muotojen kanssa eli u (e)t x7 u(e) xi = 0, i =,2,,4,5,6,8. (7.68) Muoto 7 voidaan stabiloida ja eliminoida lisäämällä yhden pisteen Gaussin menetelmällä muodostettuun jäykkyysmatriisiin stabiloiva matriisi Versio: kevät 204 K (e) 7 = a 2 7u (e) x7u (e)t x7. (7.69)
16 56 LUKU 7. Numeerinen integrointi Samalla tavalla estetään muodon 8 syntyminen. Kertoimet a 7 ja a 8 voidaan valita siten, että elementin muodonmuutosenergia saa tarkan arvon puhtaassa taivutuksessa. Koska muodot 7 ja 8 ovat ortogonaalisia muiden muotojen kanssa, K (e) 7 ja K (e) 8 eivät vaikuta jäykistävästi muihin siirtymämuotoihin. Esimerkiksi muotoon 7 ja matriisiin K (e) 7 liittyvät solmuvoimat ovat f (e) i = K (e) 7 u(e) xi = u (e) x7 u(e)t x7 u(e) xi = u (e) x70 = 0, (7.70) kun i =,2,,4,5,6,8. Edellä kuvattu stabilointimenetelmä voidaan yleistää myös muille elementeille Nollaenergiamuotojen määrä elementtiverkossa Nollaenergiamuotojen vähimmäismäärälle elementtiverkossa voidaan johtaa lauseke seuraavalla tarkastelulla. Otaksutaan, että elementtiverkon integroimispisteiden lukumäärä on n int. Rakenteen jäykkyysmatriisi voidaan kirjoittaa muodossa n int K = α i B T i D ib i, (7.7) i= missä α i sisältää painokertoimen ja Jacobin determinantin sekä mahdollisesti elementin paksuuden integrointipisteessä i. Merkintä B i,d i tarkoittaa sitä, että matriisien termit on muodostettu integrointipisteessä i. Rakenteen muodonmuutosenergia on n int n int U = 2 ut Ku = α 2 i u T B i D i B i u = α 2 i ǫ T i D i ǫ i, (7.72) i= missä integroimispisteessä i muodostettu muodonmuutosvektori on i= ǫ i = B i u. (7.7) Määritelmän mukaan u 0 on nollaenergiamuoto, jos siihen liittyvä muodonmuutosenergia U on nolla. Koska konstitutiivinen matriisi D on positiivisesti definiitti, muodonmuutosenergia on nolla, jos ja vain jos muodonmuutosvektori on nollavektori integrointipisteissä i =,...,n int, eli jos B B 2. B nint u = 0. (7.74) Levytehtävässä matriisin B i dimensiot ovat 2n ja vektorin u dimensiot ovat 2n, missä n on elementtiverkon solmujen lukumäärä. Tällöin kaavan (7.74) kerroinmatriisin dimensiot ovat n int 2n ja kertomisen tuloksena syntyvän vektorin Versio: kevät 204
17 7.6. Isoparametristen elementtien integrointi 57 Kuva 7.7 Elementtiverkkoja joissa esiintyy nollaenergiamuotoja. Taulukko 7.2 Kuvan 7.7 elementtimallien nollaenergiamuodot. rakenne 4-solm. elem. 8-solm. elem. a 2 b 0 c 0 0 dimensiot ovat n int. Homogeenisessa yhtälöryhmässä (7.74) on 2n tuntematonta solmusiirtymää ja n int yhtälöä. Jos 2n > n int, niin tuntemattomia on enemmän kuin yhtälöitä ja ryhmällä (7.74) on vähintään 2n n int ei-triviaalia ratkaisua siirtymävektoriksi u. Verkossa on siten vähintään 2n n int = N 0 (7.75) nollaenergiamuotoa. Nelisolmuisen elementin ja yhden pisteen integroinnin tapauksessa n = 4 ja n int =. Kaavan (7.75) perusteella nollaenergiamuotojen lukumäärä on 2 4 = 5, ja ne ovat kuvan 7. jäykänkappaleen siirtymät,2 ja sekä muodot 7 ja 8. Jäykänkappaleen liikkeen estämiseksi rakenne tuetaan reunaehdoilla, joiden lukumäärä olkoon n r. Tällöin kaavan (7.75) perusteella elementtimalliin jää vähintään 2n n r n int = N 0 (7.76) nollaenergiamuotoa. Kuvan 7.7 rakenteiden mahdollisten nollaenergiamuotojen lukumärät on esitetty taulukossa 7.2 Esimerkiksi kuvan 7.7b nelisolmuisen elementin tapauksessa n = 6,n r =,n int = 2, ja kaavasta (7.76) seuraa N 0 = =. Jos malliin jää reunaehtojen asettamisen jälkeen nollaenergiamuotoja, niin redusoidusta integroinnista on luovuttava. Edellisen perusteella päätellään, että täydellinen integrointi tuottaa luotettavan mallin, redusoitu integrointi voi parantaa tulosten tarkkuutta, jos nollaenergiamuotoja ei synny ja elementin muodon on oltava mahdollisimman vähän vääristynyt eli Versio: kevät 204
18 58 LUKU 7. Numeerinen integrointi lähellä suorakaiteen muotoa Reunakuormitus Tarkastellaan elementin reunaa, joka kuuluu levyn reunan osaan S σ, jolla reunavoimat tunnetaan. Reunavoimavektori olkoon [ ] px p =, (7.77) p y ja elementin reunan viiva-alkio on missä differentiaalit dx ja dy määritellään kaavoilla eli ds = dx 2 +dy 2, (7.78) dx = x x dξ + ξ η dη, dy = y y dξ + ξ η dη, { dx dy } = J { dξ dη (7.79a) (7.79b) }. (7.80) Elementin reunalla ξ on vakio [ ( x ) 2 ( ) ] 2 y dx 2 +dy 2 = + dη 2 ds = J2 2 +J 2 η η 22dη. (7.8) Vastaavasti reunalla η= vakio, saadaan pituusalkion lausekkeeksi ds = J 2 +J2dξ. 2 (7.82) Mikäli reunan S σ jakautunut kuormitus on määritelty normaali- ja tangentiaalikomponenttien p n ja p t avulla, niin p x ja p y saadaan muunnoskaavoilla, katso kuvaa 7.8 p x = p n cosα p t sinα, p y = p n sinα+ p t cosα. (7.8a) (7.8b) Sijoittamalla saadaan sinα = dx ds ja cosα = dy ds, (7.84) dy p x = p n ds + p dx t ds, dx p y = p n ds + p dy t ds. (7.85a) (7.85b) Versio: kevät 204
19 O D N N O O F N = F N 7.6. Isoparametristen elementtien integrointi 59 F O I = F O F N F J F N F Kuva 7.8 Levyelementin reunakuormitus. Reunalla ξ= vakio saadaan lausekkeet ( ) dy p x = p n dη + p dx dη t dη ds = (J 22 p n +J 2 p t ) dη ds, ( ) dx p y = p n dη + p dy dη t dη ds = ( J 2 p n +J 22 p t ) dη ds, ja vastaavasti reunalla η=vakio ( ) dy p x = p n dξ + p dx dξ t dξ ds = (J 2 p n +J p t ) dξ ds, ( ) dx p y = p n dξ + p dy dη t dξ ds = ( J p n +J 2 p t ) dξ ds. (7.86a) (7.86b) (7.87a) (7.87b) Esimerkki 7.6 Määritä oheisen bikvadraattisen Serendip-tyyppisen elementin kuormavektorin lauseke reunalla 2 olevasta painekuormasta. Suorita integroinnit Gaussin kaavoilla. " Kuormitusvektorin komponentit saadaan lausekkeista f xi = N i p x ds = N i J 22 p n dη, f yi = s s N i p y ds = N i J 2 p n dη, (7.88a) (7.88b) Versio: kevät 204
20 60 LUKU 7. Numeerinen integrointi missä J 22 ja J 2 ovat geometriakuvauksen Jacobin matriisin alkioita: [ ] [ ] J T x =,ξ y,ξ J J 2 =. (7.89) x,η y,η J 2 J 22 Elementin solmujen koordinaatit ovat (x,y ) = (0,0), (x 5,y 5 ) = ( 2 L,0), (x 2,y 2 ) = (L,0), (x 6,y 6 ) = ( 5 4 L, 2 L), (x,y ) = (L,L), (x 7,y 7 ) = ( 2 L,L), (x 4,y 4 ) = (0,L), (x 8,y 8 ) = (0, 2 L), (7.90) ja interpolaatiofunktiot ovat N 2 = 4 (+ξ)( η)(ξ η ), (7.9a) N = 4 (+ξ)(+η)(ξ +η ), (7.9b) N 4 = 4 ( ξ)(+η)( ξ +η ), (7.9c) N 5 = 2 ( ξ2 )( η), N 6 = 2 (+ξ)( η2 ), N 7 = 2 ( ξ2 )(+η), N 8 = 2 ( ξ)( η2 ). (7.9d) (7.9e) (7.9f) (7.9g) Tarvittavat Jacobin matriisin alkiot ovat: 8 J 22 = y,η = N i,η y i i= = (N,η +N 4,η + 2 N 6,η +N 7,η + 2 N 8,η)L, (7.92a) 8 J 2 = x,η = N i,η x i i= = (N 2,η +N,η + 2 N 5,η N 6,η + 2 N 7,η)L. (7.92b) Määritetään interpolaatiofunktioiden η-derivaatat N 2,η = 4 (+ξ)(ξ 2η), N 6,η = η(+ξ), N,η = 4 (+ξ)(ξ +2η), N 7,η = 2 ( ξ2 ), N 4,η = 4 ( ξ)( ξ +2η), N 8,η = η( ξ), N 5,η = 2 ( ξ2 ), (7.9) jotka reunalla ξ = saavat arvot N 2,η = 2 ( 2η), N,η = 2 (+2η), N 6,η = 2η, (7.94) N 4,η = N 5,η = N 7,η = N 8,η = 0. Versio: kevät 204
21 7.6. Isoparametristen elementtien integrointi 6 Alkioiden J 22 ja J 2 lausekkeet tarkasteltavalla reunalla ovat J 22 = 2 L, J 2 = 2ηL. (7.95) Viimein kysytyt kuormitusvektorin komponentit voidaan laskea f x2 = f x = f x6 = N 2 (,η)j 22 p n dη = 2 ( η)( η) 2 Ldη p n, = 4 pl (η 2 η)dη = 4 pl2( ) 2 = 6 pl, f y2 = f y = f y6 = 0. N (,η)j 22 p n dη = (7.96a) 2 (+η)η 2 Ldη p n = 6 pl, (7.96b) N 6 (,η)j 22 p n dη = 2 pl ( η 2 )dη = 2 pl, (7.96c) N 2 (,η)j 2 p n dη = 4 pl (η η 2 )dη = 6 pl,(7.96d) N (,η)j 2 p n dη = 6 pl, (7.96e) (7.96f) Versio: kevät 204
22 62 LUKU 7. Numeerinen integrointi Versio: kevät 204
23 Luku 8 Elementtiapproksimaation tarkkuus 8. Virheen mittaus Elementtimenetelmän antaman likiratkaisun konvergoiminen, eli suppeneminen kohti ratkaistavana olevan matemaattisen mallin tarkkaa ratkaisua riippuu pääasiassa elementtiverkon koosta ja siitä minkä asteisia interpolaatiopolynomeja käytetään. Elementtimenetelmän kehityksen alkuvaiheessa käytettiin alhaista astetta olevia polynomeja ja ratkaisun tarkentaminen tapahtui verkkoa hienontamalla eli tihentämällä. Tätä strategiaa kutsutaan elementtimenetelmän h versioksi ja se on nykyisinkin hallitseva elementtimenetelmäversio. Modernimpaa tapaa edustaa elementtimenetelmän p-versio, jossa elementtien lukumäärä pidetään vakiona, usein melko pienenä, ja korottamalla interpolaation astetta saavutetaan numeerisen ratkaisun tarkentuminen. Mikäli ongelman ratkaisufunktiot ovat sileitä, saavutetaan tällä menetelmällä optimaaliset suppenemisominaisuudet. Tämä on johtanut hierarkisten interpolaatiofunktioiden käyttöönottoon, joilta lisäksi vaaditaan kantajärjestelmän mahdollisimman suurta stabiiliutta. Miten ratkaisun tarkkuuden paranemista mitataan? Tähän on olemassa joukko kriteerejä, joista yksinkertaisin on tutkia tietyn suureen arvon muuttumista kun elementtiverkkoa tihennetään ja/tai interpolaatiopolynomien kertalukua kasvatetaan. Yksinkertaisin mahdollinen tapa on käyttää halutun suureen tiettyä pistearvoa. Tämä on kuitenkin yleisesti ottaen kyseenalainen tapa tulkita numeerisen ratkaisun hyvyyttä, ellei kyseessä ole suureen ratkaisualueessa esiintyvä maksimiarvo. Luotettavamman kuvan ratkaisun paranemisesta saadaan tutkimalla suppenemista tiettyjen normien avulla. Tälläisiä voivat olla vaikkapa maksiminormi u(x) = max u(x), (8.) x tai ns. L 2 -normi, joka mittaa funktiota neliöintegraalin mielessä ( /2 u L2 = u dω) 2. (8.2) Ω 6
24 64 LUKU 8. Elementtiapproksimaation tarkkuus Normi siis kuvaa tietyllä tavalla funktion suuruutta ja on vektorilaskennasta tutun käsitteen vektorin pituus laajennus. Malliprobleeman (.) tapauksessa luontevia suureita olisivat lämpötilan (siirtymän) virhe u ũ, tai u ũ L2, (8.) tai ns. energiavirhe ( u ũ E = Ω k(u ũ ) 2 dω) /2. (8.4) Huomaa, että kyseisellä suureella ei kuitenkaan ole energian yksikköä. Edellä esitetyt approksimaatiovirheen lausekkeet ovat absoluuttisia lukuja. Virheen suuruus tulee monissa tapauksissa paremmin miellettyä kun käytetään suhteellisia virheen arvoja, esimerkiksi e r = u ũ E u E. (8.5) Elementtimenetelmän virhearvioanalyysi on monimutkainen ja matemaattisesti vaativa alue, joka nojautuu abstraktiin funktionaalianalyysiin. Asiasta kiinnostuneelle suositeltavia lähteitä ovat [2], [8], [26]. 8.2 A priori virhearviot Elementtimenetelmän yhteydessä puhutaan usein etukäteisvirhearvioista eli a priori virhearvioista. Nämä ovat asymptoottisia tuloksia ja usein muotoa (elementtimenetelmän h-versio) e Ch k, (8.6) jossa e on numeerisen tuloksen virhe tarkkaan ratkaisuun verrattuna, h on elementtiverkon tiheyttä kuvaava lineaarinen mitta ns. verkkoparametri ja k on suppenemisnopeus. Mitä suurempi eksponentti k on sitä nopeammin likiratkaisu lähestyy kohti tarkkaa ratkaisua. Vakio C on tehtäväkohtainen, moninaisista seikoista (mm. elementtityypistä, tarkan ratkaisun sileydestä jne.) riippuva positiivinen verkkoparametrista h riippumaton kerroin. Suppenemisnopeuseksponentti on puolestaan riippuvainen käytetyistä interpolaatiofunktioista ja myös siitä normista jossa virhettä mitataan, sekä itse ratkaisun sileydestä. Funktion sileydellä tarkoitetaan sitä, kuinka monta derivointia siihen voidaan kohdistaa, jotta tulos olisi vielä neliöintegroituva, eli jos L ( ) d r 2 u dx < (8.7) 0 dx r niin funktio u on r kertaa neliöintegroituvasti derivoituva. Funktio on sitä sileämpi mitä suurempi r on. Matemaattisesti ilmaistuna sanotaan funktion u kuuluvan Hilbert-avaruuteen H r (0,L), eli u H r (0,L). Hilbert-avaruus on normiavaruus ja Versio: kevät 204
25 8.. Säännöllisyysluokat 65 sen normia merkitään H r tai vain yksinkertaisesti r. Reuna-arvotehtävien ratkaisun sileyteen vaikuttaa oleellisesti ratkaisualueen muoto. Edellä mainittua asymptoottisen a priori virhe-estimaatin lauseketta voidaan täsmentää muotoon e s Ch k u r k = min(p+ s,r s+). (8.8) Vakio C jää vielä riippumaan elementtityypistä, interpolaation asteesta p ja ratkaisun sileydestä (korkeimmasta mahdollisesta r:stä). Tasaiselle elementtiverkolle on kuitenkin onnistuttu johtamaan seuraavanlainen arvio e s Cp r h k u r k = min(p+ s,r s+). (8.9) Arviosta nähdään, että mikäli ratkaisu u on hyvin sileä (r suuri), on interpolaatiopolynomin asteen kasvattaminen (p:n kasvattaminen) nopeampi tapa pienentää virhettä kuin elementtien koon pienentäminen (h:n pienentäminen) pitämällä interpolaation aste kiinnitettynä. Mikäli ratkaisu on epäsäännöllinen (r pieni), vaikuttavat verkon tihentäminen ja polynomiavaruuden laajentaminen oleellisesti samalla tavalla, jolloin pelkästään a priori asymptoottisten virhetarkastelujen pohjalta ei voida päätellä, mikä olisi optimaalinen numeerinen menettelytapa. 8. Säännöllisyysluokat Jotta voitaisiin valita optimaalinen elementtimenetelmäformulaatio, on tiedettävä ratkaisun luonne. Szabó ja Babǔska [] luokittelevat ongelmat tarkan ratkaisun u ja elementtimenetelmäratkaisun u FE mukaan kolmeen luokkaan: Luokka A: Tarkka ratkaisu u on analyyttinen koko ratkaisualueessa alueen reuna mukaanlukien tai alue voidaan jakaa osa-alueisiin, joissa tarkka ratkaisu on analyyttinen reunat mukaanlukien. Elementtiverkko on konstruoitu siten, että elementtien reunat yhtyvät osa-alueiden reunoihin. Luokka B: Tarkka ratkaisu u on analyyttinen koko alueessa reunat mukaanlukien, lukuunottamatta äärellistä määrää alueen pisteitä (kolmessa dimensiossa viivoja). Elementtiverkko on siten konstruoitu, että pisteet joissa ratkaisu u ei ole analyyttinen ovat solmupisteitä. Kolmessa dimensiossa viivat, joissa u ei ole analyyttinen yhtyvät elementin reunaviivoihin. Singulaarisen pisteen läheisyydessä ratkaisu u voidaan tyypillisesti kirjoittaa kahden tekijän summana u = u +u 2, missä u on sileä (analyyttinen) komponentti ja u 2 on muotoa u 2 = A i r λ i Φ i (θ), (8.0) i= missä r,θ ovat singulaariseen pisteeseen keskitetyt polaarikoordinaatit, λ i :t positiivisia lukuja, A i :t reunaehdoista ja kuormituksesta riippuvia kertoimia Versio: kevät 204
26 66 LUKU 8. Elementtiapproksimaation tarkkuus jaφ i :t ovat sileitä funktioita. Mikäli nytmin(λ i ) < sanotaan ongelman olevan vahvasti luokassa B, muutoin se on heikosti luokassa B. Luokka C: Elementtiverkkoa ei voida konstruoida siten, että solmupisteet (tai elementtien reunaviivat -D ongelmissa) yhtyisivät ei-analyyttisiin pisteisiin. Ongelman sanotaan kuuluvan vahvasti luokkaan C, mikäli ratkaisun epäanalyyttisten pisteiden asemalla ei ole ennalta määritettävissä olevaa muotoa. Jos epäanalyyttiset pisteet jakautuvat alueeseen säännöllisen kaavan mukaisesti sanotaan tehtävän kuuluvan heikosti luokkaan C. 8.4 Elementtimenetelmän h-, p- ja hp-versiot Kuten jo kappaleessa 8. mainittiin, voidaan elementtimenetelmäratkaisun suppeneminen saavuttaa (a) hienontamalla verkkoa, eli pienentämällä elementtien kokoa (h 0) tai (b) kohottamalla interpolaatiopolynomien astetta p. Näitä tapoja kutsutaan elementtimenetelmän h- ja p versioiksi. Mikäli suppeneminen saadaan aikaan sekä hienontamalla verkkoa että korottamalla interpolaatiopolynomien astetta puhutaan hp-versiosta. Tärkeä kysymys on eri versioiden suorituskyky ja miten sitä mitataan. Kuten a priori estimaateista (8.8) ja (8.9) voidaan todeta on yhteismitallisen argumentin löytäminen olla hankalaa. Sekä h- että p-laajennuksessa vapausasteiden määrä kasvaa, ja sitä voidaan pitää eräänlaisena työmäärään verrannollisena mittarina. Seuraavat tulokset ovat Szabón ja Babǔskan kirjasta [] ja pätevät kaksidimensioisille ongelmille. h-versio: Asymptoottinen virheestimaatti (8.8) voidaan kirjoittaa muodossa u u FE E CN k, (8.) missä C ja k ovat positiivisia vakioita ja N on vapausasteiden lukumäärä. Erotellaan elementtiverkon tyypistä riippuen seuraavat kaksi tapausta:. Käytettäessä tasavälistä tai miltei tasavälistä elementtiverkkoa, eksponentti k on k = min(p,λ), (8.2) 2 missä λ = minλ i ja λ i on määritelty yhtälöllä (8.0). Mikäli ratkaisu u on analyyttinen koko ratkaisualueessa ja reunoilla määrittää suppenemisnopeuden pelkästään interpolaatiopolynomin aste p. Szabó ja Babǔska [] käyttävät termiä laajennusprosessi (extension) kuvaamaan tapahtumaa jossa diskretoinnin systemaattisilla muutoksilla vapausasteiden määrän kasvaessa saavutetaan asteittain parempi approksimaatio tarkasteltavana olevalle ongelmalle. Versio sanaa he käyttävät laajennusprosessien elementtimenetelmäimplementoinneista. Tässä esityksessä ei tehdä eroa termien laajennusprosessi ja versio välillä. Versio: kevät 204
27 8.5. Elementtimenetelmän geometrinen tulkinta Mikäli elementtiverkko voidaan konstruoida siten, että virhe on tasan jakautunut elementtiverkossa, voidaan riippuvuus singulaarisuuden asteesta menetelmän konvergenssinopeuden rajoittimena eliminoida. Tällöin siis pätee k = p. (8.) 2 p-versio:. Mikäli ratkaisualueessa tai sen reunalla ei ole singulariteettejä, on suppenemisnopeus eksponentiaalinen: u u FE E Cexp( k N k 2 ), (8.4) missä C,k ja k 2 ovat positiivisia vakioita, k 2 /2. 2. Mikäli ratkaisualueessa tai sen reunalla esiintyy singulaarisia pisteitä, on suppenemisnopeus algebrallista. Suppenemisnopeus on muotoa (8.) ja k on riippuvainen singulaarisuuden asteesta λ seuravasti: (a) Mikäli singulaarinen piste ei ole solmupiste, (b) Mikäli singulaarinen piste yhtyy solmupisteeseen, k = λ. (8.5) 2 k = λ. (8.6) hp-versio: Elementtimenetelmän hp-versio tarjoaa tehokkaimman tavan kontrolloida diskretointivirhettä ja eksponentiaalinen suppenemisnopeus (muotoa (8.4) ja k 2 /) voidaan saavuttaa sopivalla verkon ja polynomiasteiden valinnalla. Optimaalinen elementtiverkko ja interpolaatiopolynomien astejakauma konstruoidaan siten, että elementit ovat pieniä singulaaristen pisteiden lähellä ja näissä elementeissä interpolaatiopolynomin aste on alhaisin. Etäännyttäessä singulaarisesta pisteestä elementtien koko kasvaa geometrisessa suhteessa ja interpolaatiopolynomien asteluku kasvaa. Kuvassa 8. on kaavamainen kuva eri menetelmien käyttäytymisestä. 8.5 Elementtimenetelmän geometrinen tulkinta Tarkastellaan jälleen esimerkkinä malliprobleemaa (.), jonka virtuaalisen lämmön (tai siirtymän) periaatteen mukainen heikko muoto on Versio: kevät 204 L 0 ku û dx = L 0 fûdx, (8.7)
28 F 68 LUKU 8. Elementtiapproksimaation tarkkuus D = H L = L A H F J = E F D A A J A J = I = E A L A H E F C K - : K D F A A J A O I F A A J A I E A A H = J = E I K A F A A J A J E D A A J J O L A H F A A J A D A A J A F J E = = E I A I J E J E D A A J J O L A H C Kuva 8. 2-D elementtimenetelmäversioiden suppeneminen mitattuna energianormissa []. missä virtuaalinen lämpötila û (tai siirtymä) toteuttaa homogeeniset reunaehdot, eli kuuluu kinemaattiseti luvallisten funktioiden joukkoon. Matemaatikot kirjoittavat variaatiotehtävän muodossa: etsi funktio u siten, että L 0 ku û dx = L 0 fûdx û V(I), (8.8) missä funktioavaruus V (tuo kinemaattisesti luvallisten funktioiden joukko) tässä tapauksessa on välillä I = {x x [0, L]} määriteltyjen jatkuvien funktioiden joukko, joiden ensimmäinen derivaatta on paloittain jatkuva ja funktio saa nolla-arvon välin päätepisteissä. Funktioavaruus V(I) voidaan määritellä seuraavasti: V(I) = { v v L 2 (I),v L 2 (I),v(0) = 0,v(L) = 0 }, (8.9) missä neliöintegroituvien funktioiden joukko L 2 (I) on L 2 (I) = { v } v 2 dx <. (8.20) Skalaaritulolla varustettua täydellistä lineaariavaruutta kutsutaan Hilbertin 2 avaruudeksi. I 2 David Hilbert (862-94) saksalainen matemaatikko. Hilbertin oppilas Richard Courant ( ) julkaisi 94 artikkelin Variational Methods for the Solution of Problems of Equilibrium and Vibrations Bull. Am. Math. Soc, 49, -2, jota voidaan pitää elementtimenetelmäidean alkuna. Hilbert ja hänen aikalaisensa Felix Klein ( ) loivat Göttingenin yliopistoon Versio: kevät 204
29 8.6. Elementtimenetelmän abstrakti formulaatio 69 V u V h u h Kuva 8.2 Elementtimenetelmäratkaisu on tarkan ratkaisun ortogonaaliprojektio. Elementtimenetelmässä variaatio-ongelman (8.8) ratkaisua etsitään funktioavaruudenv äärellisulotteisessa aliavaruudessa V h. Täten elementtimenetelmään perustuva variaatioformulaatio voidaan lausua muodossa: etsi funktio u h V h (I) siten, että ku hû dx = fûdx û V h (I). (8.2) I I Koska V h on V :n aliavaruus (V h V ), voidaan yhtälössä (8.8) valita variaation û kuuluvan funktioavaruuteen V h, jolloin vähentämällä (8.2) yhtälöstä (8.8) saadaan k(u u h)û dx = 0, û V h (I), (8.22) I eli virhe u u h on ortogonaalinen kaikkien V h :n alkioiden suhteen. Tämä voidaan tulkita myös seuraavasti: elementtimenetelmäratkaisu on tarkan ratkaisun ortogonaaliprojektio aliavaruuteen V h. Tätä on havainnollistettu kuvassa 8.2, jossa avaruus V assosioidaan kaksidimensioiseen Euklidiseen vektoriavaruuteen, jonka yksidimensioinen aliavaruus kuvaa avaruutta V h. Elementtimenetelmäratkaisu antaa siten energianormin mielessä pienimmän mahdollisen virheen aliavaruudessa V h, eli ortogonaalisuudesta (8.22) seuraa elementtimenetelmän ns. parasapproksimaatio-ominaisuus u u h E u û E û V h (I). (8.2) 8.6 Elementtimenetelmän abstrakti formulaatio Otetan käyttöön lyhenteitä joilla yhtälössä (8.2) tai (8.8) olevia integraaleja merkitään: a(u,û) = ku û dx ja L(û) = fûdx. (8.24) I kukoistavan matematiikan laitoksen, jossa yhdistyivät oivallisesti matematiikka ja sitä soveltavat luonnontieteet. Vuosisadan vaihteen Göttingenissä vaikuttivat sellaiset kuuluisuudet kuten Herman Minkowski ( ), Theodore von Kármán (88-96), Herman Weyl ( ) ja filosofian laitoksella fenomenalisti Edmund Husserl (859-98). Courantin ristiriitoja herättävästä elämästä kiinnostuneille suositellaan Constance Reidin kirjoittamaa elämänkertaa [59]. I Versio: kevät 204
30 70 LUKU 8. Elementtiapproksimaation tarkkuus Nyt voidaan malliprobleeman elementtimenetelmän mukainen variaatiomuoto kirjoittaa muodossa: etsi u h V h siten, että a(u,û) = L(û) û V h (I). (8.25) Samanlaiseen muotoon voidaan kirjoittaa muidenkin stationaaristen ongelmien virtuaalisen työn yhtälöt, tällöin vain bilineaarimuodon a(u, û), lineaarisen funktionaalin L(û) ja avaruuden V h merkitys on erilainen. Toisin sanoen abstraktin variaatioformulaation (8.25) voidaan ajatella kattavan suuren joukon erilaisten fysikaalisten ongelmien matemaattisia malleja. Elementtimentelmäprobleemin (8.25) a priori virhearvio on suoraviivaisesti johdettavissa, mikäli seuraavat kaksi ehtoa ovat voimassa α v 2 V a(v,v) v V, (8.26) a(v,w) M v V w V v,w V, (8.27) ja vakiot α ja M löydettävissä siten, että α > 0 ja 0 < M. Mikäli (8.26) toteutuu sanotaan bilineaarimuodon a(v, w) olevan V -elliptinen. Ehto (8.27) ilmaisee bilineaarimuodon jatkuvuusominaisuuden. Näiden avulla voidaan osoittaa parasapproksimaatio-ominaisuus (8.2), nyt kirjoitettuna muodossa u u h V M α inf v h V h u v h V. (8.28) Standardi elementtimenetelmäformulaatiota voidaan menestyksellisesti soveltaa mikäli kerroin M/α. Edellisissä luvuista liemee käynyt ilmi, että standardi elementtimenetelmää voidaan hyvin soveltaa isotrooppiseen lämmönjohtumis- ja elastisuusongelmaan ja että vaikeuksia on odotettavissa kun mallinnamme esim. diffuusiokonvektioyhtälöä. Ongelmia esiintyy myös kokoonpuristumattoman, tai lähes kokoonpuristumattoman aineen tapauksessa, hyvin anisotrooppisten materiaalien mallinnuksessa sekä ohuiden kappaleiden (palkkien, laattojen, kuorien) analysoinnissa. Versio: kevät 204
Numeerinen integrointi
Numeerinen integrointi hum 8.0. Numeerinen integrointi Numeerisia integrointimenetelmiä on useita. Käsitellään tässä yhteydessä kuitenkin vain Gauss in integrointia, joka on elementtimenetelmän yhteydessä
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
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
Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37
Numeeriset menetelmät TIEA381 Luento 11 Kirsi Valjus Jyväskylän yliopisto Luento 11 () Numeeriset menetelmät 24.4.2013 1 / 37 Luennon 11 sisältö Numeerisesta integroinnista ja derivoinnista Adaptiiviset
Numeeriset menetelmät
Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35 Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f
Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
Numeeriset menetelmät
Numeeriset menetelmät Luento 9 Ti 4.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti 4.10.2011 p. 1/44 p. 1/44 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento : Moniulotteiset integraalit Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 26 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy
Rakenteiden mekaniikan menetelmiä metallirakentajille OSA 1 Elementtimenetelmän alkeet
Rakenteiden mekaniikan menetelmiä metallirakentajille OSA Elementtimenetelmän alkeet Reijo Kouhia TKK Rakenteiden mekaniikka..25 Metallirakentamisen tutkimuskeskus, Seinäjoki MEKANIIKAN ONGELMIEN RAKENNE
Numeerinen integrointi ja derivointi
Numeerinen integrointi ja derivointi Keijo Ruotsalainen Division of Mathematics Interpolaatiokaavat Approksimoitava integraali I = b a f(x)dx. Tasavälinen hila: x i = a+ (b a)i n, i = 0,...,n Funktion
Numeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
Numeeriset menetelmät
Numeeriset menetelmät Luento 11 Ti 11.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti 11.10.2011 p. 1/34 p. 1/34 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit Antti Rasila Aalto-yliopisto Syksy 215 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy 215 1 / 24 Skalaarikenttä Olkoon R
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
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,
Tampere University of Technology
Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö
Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43
Numeeriset menetelmät TIEA381 Luento 7 Kirsi Valjus Jyväskylän yliopisto Luento 7 () Numeeriset menetelmät 10.4.2013 1 / 43 Luennon 7 sisältö Interpolointi ja approksimointi Interpolaatiovirheestä Paloittainen
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
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 +
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.
Numeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
Funktioiden approksimointi ja interpolointi
Funktioiden approksimointi ja interpolointi Keijo Ruotsalainen Division of Mathematics interpolaatio-ongelma 8 Eksponenttifunktion exp(x) interpolointi 3.5 Funktion e^{0.25x} \sin(x) interpolointi 7 3
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit
MS-A25/MS-A26 ifferentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 216 1 Perustuu
Tällaisessa tapauksessa on usein luontevaa samaistaa (u,v)-taso (x,y)-tason kanssa, jolloin tason parametriesitys on *** VEKTORIANALYYSI.
39 VEKTORIANALYYI Luento 6 5. Pinnat ja pintaintegraalit Pintojen parametriesitys. Aikaisemmin käsittelimme käyrän esittämistä parametrimuodossa. iihen riitti yksi reaalinen parametri (t), joka sai aroja
Exam III 10 Mar 2014 Solutions
TTY/ Department o Mechanical Engineering and Industrial Systems TE III / EDE_ / S EDE- Finite Ement Method Exam III Mar Solutions. Compute the dection at right end o the y,v / F structure using the potential
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
Luento 2: Liikkeen kuvausta
Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä
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
Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on
13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu
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
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon
Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.
LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,
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
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
Numeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1
infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.
Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44
Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 26.9.2016 Pekka Alestalo,
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
Kertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:
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
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
JAKSO 2 KANTA JA KOORDINAATIT
JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause
MS-A0202 Di erentiaali- ja integraalilaskenta 2 (SCI) Luento 8: Taso- ja avaruusintegraalit
MS-A22 i erentiaali- ja integraalilaskenta 2 (SCI) Luento 8: Taso- ja avaruusintegraalit Antti Rasila Aalto-yliopisto Syksy 25 Antti Rasila (Aalto-yliopisto) MS-A22 Syksy 25 / 8 Tasointegraali Olkoon R
Insinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyv
2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyvien vakioiden määrittämiseen. Jännitystila on siten
Numeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
ELEMENTTIMENETELMÄN PERUSTEET SESSIO 17: Interpolointi emoneliön ja emokolmion alueessa.
7/ EEMETTIMEETEMÄ PERUSTEET SESSIO 7: Interpolointi emoneliön ja emokolmion alueessa. ITERPOOITI EMOEIÖ AUEESSA Yksiulotteisen interpoloinnin yhteydessä tulivat esille interpolointifunktioiden perusominaisuudet
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
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
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
1 Sisätulo- ja normiavaruudet
1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v
Luku 4 Elementtimenetelmä tasoalueessa
Luku 4 Elementtimenetelmä tasoalueessa Elementtimenetelmän yleistys useampiulotteisiin tapauksiin on sangen suoraviivaista. Kaksidimensionaalisuus mahdollistaa erilaisia elementtigeometrioita, joista tässä
[ k ] ja ekvivalenttisen solmukuormitusvektorin { r } määritystä kaavoista (4.20) ja
Elementtimenetelmän perusteet 7. 7 D-SOLIDIRAKEEE 7. ohdanto Edellä tarkasteltiin interpolointia ja numeerista integrointia emoneliön ja emokolmion alueissa. Emoelementtien avulla voidaan muodostaa vaihtelevan
u 2 dx, u A f siten, että D(u) = inf D(U). Tarkemmin: Tarkoitus on osoittaa seuraavat minimointitehtävä ja Dirichlet n tehtävä u A f ja
1. Dirichlet n periaatteesta 1.1. Periaate I. Dirichlet n periaate pohjautuu fysikaaliseen minimienergiaperiaatteeseen ja luo pohjaa osittaisdifferentiaaliyhtälöiden ja variaatiolaskennan välille). Yksinkertaisesti
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
Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k
LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1
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
Integroimistekniikkaa Integraalifunktio
. Integroimistekniikkaa.. Integraalifunktio 388. Vertaa funktioiden ln ja ln, b) arctan ja arctan + k k, c) ln( + 2 ja ln( 2, missä a >, derivaattoja toisiinsa. Tutki funktioiden erotusta muuttujan eri
Derivaatta: funktion approksimaatio lineaarikuvauksella.
Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen
Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila
Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin
F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause
91 VEKTORIANALYYI Luento 13 9. tokesin lause A 16.5 tokesin lause on kuin Gaussin lause, mutta yhtä dimensiota alempana: se liittää toisiinsa kentän derivaatasta pinnan yli otetun integraalin ja pinnan
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +
Sisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä
l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +
BM20A1501 Numeeriset menetelmät 1 - AIMO
6. marraskuuta 2014 Opetusjärjestelyt Luennot + Harjoitukset pe 7.11.2014 10-14 2310, 14-17 7337 la 8.11.2014 9-12 2310, 12-16 7337 pe 14.11.2014 10-14 2310, 14-17 6216 la 15.11.2014 9-12 2310, 12-16 7337
Matemaattinen Analyysi / kertaus
Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen
Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät
Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 19 Esimerkki Olkoon F : R 3 R 3 vakiofunktio
Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
Iteratiiviset ratkaisumenetelmät
Iteratiiviset ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Yleinen iteraatio Lineaarisen yhtälöryhmän iteratiivinen ratkaisumenetelmä voidaan esittää muodossa: Anna alkuarvaus: x 0 R n
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 /
MS-A3x Differentiaali- ja integraalilaskenta 3, IV/6 Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 / 9..-.3. Avaruusintegraalit ja muuttujanvaihdot Tehtävä 3: Laske sopivalla muunnoksella
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x
Numeerinen analyysi Harjoitus 3 / Kevät 2017
Numeerinen analyysi Harjoitus 3 / Kevät 2017 Palautus viimeistään perjantaina 17.3. Tehtävä 1: Tarkastellaan funktion f(x) = x evaluoimista välillä x [2.0, 2.3]. Muodosta interpoloiva polynomi p 3 (x),
1 Komparatiivinen statiikka ja implisiittifunktiolause
Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla
Häiriöteoriaa ja herkkyysanalyysiä. malleissa on usein pieniä/suuria parametreja. miten yksinkertaistetaan mallia kun parametri menee rajalle
Häiriöteoriaa ja herkkyysanalyysiä malleissa on usein pieniä/suuria parametreja miten yksinkertaistetaan mallia kun parametri menee rajalle jatkuvuus ja rajayhtälöt säännölliset ja epäsäännölliset häiriöt
l 1 2l + 1, c) 100 l=0
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)
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
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan
u = 2 u (9.1) x + 2 u
9. Poissonin integraali 9.. Poissonin integraali. Ratkaistaan Diriclet n reuna-arvotehtävä origokeskisessä, R-säteisessä ympyrässä D = {(x, y) R x +y < R }, t.s. kun f : D R on annettu jatkuva funktio,
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
Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =
6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio
6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.
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 +
Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet
ifferentiaali- ja integraalilaskenta 2 (CHEM) MS-A27 Hakula/Vuojamo Kurssitentti, 2.2, 28, arvosteluperusteet T Moniosaisten tehtävien osien painoarvo on sama ellei muuta ole erikseen osoitettu. Kokeessa
MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
KJR-C2002 Kontinuumimekaniikan perusteet
KJR-C2002 Kontinuumimekaniikan perusteet Luento 25.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Tämän päivän luento Aiemmin ollaan johdettu palkin voimatasapainoyhtälöt differentiaaligeometrisella tavalla
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin