Sisältö. Vuorovaikutusten dynamiikkaa. Lämpöenergia: brownin liike. Tassu Takala, TML Inf Verkostojen perusteet
|
|
- Sinikka Kokkonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Vuorovaikutusten dynamiikkaa Tassu Takala, TML Inf Verkostojen perusteet Sisältö Lineaarisia ilmiöitä diffuusio-ilmiöistä: energian tasottuminen signaalin leviäminen: aaltoliike sovelluksia: mekaniikka, akustiikka, innovaatiot Epälineaarisia prosesseja reaktio-diffuusio-ilmiö neuroverkot: itseorganisoituminen laumailmiöt: animaatioita keinoelämä Paikallisesti kytkeytyneitä verkkoja näissä esimerkeissä yhteyksiä vain lähinaapureihin atomi solu elin yksilö yhteisö Tassu Takala Tassu Takala 3 Käsitteitä diffuusio = (aineen, ilmiön, tms.) leviäminen informaatio = tapahtuman yllätyksellisyyden mitta I(m) = log p(m) entropia = keskim. informaatio joukossa H(S) = S p(m)log p(m) emergenssi = kiinnostavien laajempien muotojen syntyminen itsestään, kenenkään etukäteen suunnittelematta epälineaarisuus = kokonaisuus on enemmän kuin osiensa summa, osia erikseen tarkastelemalla ei voi tietää mitä niistä syntyy Oppimistavoitteita luonnollisten ilmiöiden mallintaminen jatkuvan ja diskreetin mallintamisen yhteys millaiset yhtälöt tuottavat epälineaarisia ilmiöitä? maailman hahmottaminen kompleksina systeeminä wikipedia: information entropy Lämpöenergia: brownin liike hiukkanen (atomi, molekyyli ) liikkuu jatkuvasti lämpötila hiukkasten keskimääräinen liikeenergia törmäykset siirtävät energiaa naapurihiukkasiin satunnaisuus aiheuttaa Brownin liikkeen (random walk) yhdestä pisteestä alkava liike leviää vähitellen kaikkialle energiaa virtaa kuumemmasta kylmempään (gradientin suuntaan) Tassu Takala Tassu Takala 4
2 wikipedia: heat equation Diffuusio: lämpötilan leviäminen Laplace n differentiaaliyhtälö u = lämpötila t = aika k = lämmönjohtavuus u u (x) > 0 esineen muoto (reunaehdot) ja lämpöjakauma alussa ratkaisuja esim. Fourierin tai Greenin funktioiden avulla tasoittava prosessi: esine lämpenee siellä, missä sen ympärillä on kuumempaa (minimikohta) entropia lisääntyy x y z Tassu Takala 5 Sovellus: kuvankäsittely edellä esitetty kaavio määrittelee suodattimen ytimen (filter kernel), joka saa aikaan kuvan sumentumisen, värityksen keskimääräistymisen Huom. diskreetti approksimaatio aiheuttaa virhettä otettava huomioon kulmittainen tai laajempikin naapurusto Tassu Takala 7 u(t) u(t+1) 1 1 Diffuusio diskreettinä prosessina u i-1 i i+1 wikipedia: wave equation Signaalin leviäminen: aaltoliike differentiaalit approksimoidaan äärellisinä differensseinä säännöllisessä hilassa : u x (i,j) = u(i+1,j) u(i,j) ja u y (i,j) = u(i,j+1) u(i,j) 2 : u xx (i,j) = u x (i,j) u x (i-1,j) = u(i+1,j) 2u(i,j) + u(i-1,j) vastaavasti suunnissa y ja z sekä ajassa t u x i-1 i u i xx Helmholtzin yhtälö ( sama kuin Laplace n yhtälö, mutta ajan suhteen toinen derivaatta! ) koko yhtälö (2-ulotteisena): u(t) u(i,j, t+1) = u(i,j, t) + j+1 k ( [u(i+1,j, t) 2u(i,j, t) + u(i-1,j, t)] i-1 i,j i+1 + [u(i,j+1, t) 2u(i,j, t) + u(i,j-1, t) ] ) tuloksena soluautomaatti j-1 kukin solu tietää vain naapureistaan - 4 (naapurit löytyvät indeksoimalla) yhtälö: muutos solun sisällössä = k (naapureiden summa 4 oma arvo) i,j u(t+1) Tassu Takala 6 u = liikesuure (esim. ilmanpaine) t = aika r = paikkavektori (x,y,z) c = aaltoliikkeen etenemisnopeus energia (ja informaatio) säilyy emergentti ilmiö: aaltorintama Tassu Takala 8
3 Diskreetti aaltoyhtälö yksiulotteinen aaltolinja yhtälö sievenee muotoon u tt = c 2 u xx jolle saadaan yksinkertainen tarkka ratkaisu, kun normalisoidaan liikenopeus: 1 paikkayksikkö 1 aikayksikössä (c = 1) N-ulotteinen hila : huoneakustiikka u(i, t+1) = u(i+1, t) + u(i-1, t) u(i, t 1) vastaava diffuusioyhtälö normalisoituna (k=1): u(i, t+1) = u(i+1, t) + u(i-1, t) u(i, t) ominaisuus: syötetty informaatio siirtyy sellaisenaan eteenpäin Tassu Takala Tassu Takala 11 vastaavien ilmiöiden mallintamista, mutta ei säännöllisenä hilana Sovelluksia Jousimallit ja FEM akustiikka (värähtelevä kieli) tietoliikenne: signaalin eteneminen kaapelissa Jousi-massa-malli massapisteistä ja niitä yhdistävistä jousista muodostuva verkko joustavien materiaalien (esim. kankaat) mallinnuksessa paljon käytetty menetelmä fysiikan simulointia : soda constructor Elementtimenetelmä (FEM) lujuusopissa kehitetty menetelmä materiaalien jännitysten, venymien, lämpötilan yms. laskemiseksi approksimoi jatkuvaa differentiaaliyhtälöa diskreeteillä elementeillä elementtien kytkennät toisiinsa muodostavat verkon suurten yhtälöryhmien ratkaisua : Tassu Takala Tassu Takala 12
4 Muita diffuusio-ilmiöitä Reaktio-diffuusio-ilmiö kaupunkien kasvu innovaatioiden leviäminen infektio-epidemiat metsäpalon leviäminen savun leviäminen ilmavirtauksessa sääennusteet jne... solujen kemiallinen vuorovaikutus aineet A ja B leviävät (diffuusio) solusta toiseen tiettyjen konsentraatiosuhteiden vallitessa syntyy uusia aineita (reaktio) syntyneet aineet toimivat alkionkehityksessä merkkiaineina (induktio) solut aktiivisia itseään säätäviä elementtejä, ei pelkkää alkutilanteen leviämistä emergenttiä: kuvioiden muodostuminen (eläinten turkki) Tassu Takala Tassu Takala 15 Miksi seepralla on raidat? Soluautomaatti: game of life kokeile itse: pelisäännöt solu pysyy hengissä (väri), jos riittävä määrä sen naapureita on hengissä tuloksena monenlaisia staattisia ja dynaamisia kuvioita Tassu Takala Tassu Takala 16
5 Neuroverkot perusmalli: perseptroni output = painotettu (w i ) summa inputeista solut muodostavat kerroksellisia verkkoja multi-layer-perceptron (MLP) automaaattiset oppimisprosessit synaptiset painokertoimet w i muuttuvat Hebb-vahvistus: kun solu aktivoituu, niin siihen vaikuttaneiden synapsien kertoimet kasvavat ja muut heikkenevät lateraali-inhibitio: aktivoitunut solu heikentää naapureittensa aktivaatiota (so. naapuriin tulevien synapsien kertoimia) epälineaarinen, emergentti ilmiö: itseorganisoituminen, entropia vähenee! self-organizing memory (SOM) w i Keinoelämä, a-life Mitä on [teoreettinen] elämä? = itsenäisistä yksiköistä muodostuva systeemi, jossa seuraavia aspekteja: olotilan säätely, hengissä säilyminen (homeostaasi) aineenvaihdunta ympäristön kanssa (metabolia) yksilönkehitys: kasvu, itse-organisoituminen (adaptaatio) lisääntyminen (reproduktio) ja lajinkehitys: muuntelu, kilpailu (evoluutio) hierarkkinen rakenne: pienempien yksiköiden vuorovaikutuksista syntyy korkeamman tason yksiköitä (emergenssi) Keinoelämä = mikä hyvänsä näitä piirteitä noudattava malli Elämä = monitasoinen vuorovaikutusverkosto Tassu Takala Tassu Takala 19 Laumailmiöt Elämä on laiffia! Muurahaisten ruoanhaku ruokaa löytänyt muurahainen tulee pesään ja jättää hajujäljen hajujäljen löytänyt muurahainen seuraa sitä ruokapaikalle muuten muurahainen liikuu satunnaisesti sinne tänne emergenssi: syntyy itsestään isompia rakenteita, muurahaispolkuja : Eläinparven liikkuminen kukin otus näkee vain lähiympäristönsä yksinkertaiset säännöt (1) hakeudu muiden otusten lähelle (2) liiku samaan suuntaan ja samalla noepudella kuin naapuri (3) vältä törmäyksiä naapureiden ja ympäristön kanssa tuottavat emergenttejä laumoja/parvia : Tassu Takala Tassu Takala 20
Vuorovaikutusten dynamiikkaa
Vuorovaikutusten dynamiikkaa Tassu Takala, TML Inf-0.3100 Verkostojen perusteet 11.4.2006 Tassu Takala 1 Käsitteitä diffuusio = (aineen, ilmiön, tms.) leviäminen informaatio = tapahtuman yllätyksellisyyden
LisätiedotKognitiivinen mallintaminen Neuraalimallinnus, luento 1
Kognitiivinen mallintaminen Neuraalimallinnus, luento 1 Nelli Salminen nelli.salminen@helsinki.fi D433 Neuraalimallinnuksen osuus neljä luentokertaa, muutokset alla olevaan suunnitelmaan todennäköisiä
LisätiedotLectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit
: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit Janne Korvenpää Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Lokaali ja lineaarinen:
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotVärähtelevä jousisysteemi
Mathematican version 8 mukainen. (5.10.01 SKK) Värähtelevä jousisysteemi Jousen puristumista ja venymistä voidaan kuvata varsin yksinkertaisella matemaattisella mallilla m d x k x, d t missä x on jousen
LisätiedotVoima ja potentiaalienergia II Energian kvantittuminen
Voima ja potentiaalienergia II Energian kvantittuminen Mene osoitteeseen presemo.helsinki.fi/kontro ja vastaa kysymyksiin Tavoitteena tällä luennolla Miten määritetään voima kun potentiaalienergia U(x,y,z)
LisätiedotFyMM IIa Kertausta loppukoetta varten
Tiistai 27.2.2018 1/11 FyMM IIa Kertausta loppukoetta varten 2018 Tiistai 27.2.2018 2/11 1 Kokeesta yleisesti 2 3 4 5 6 Koealue jakaantuu neljään pääalueeseen: 1 Ensimmäisen kertaluvun ODY:t 2 Toisen kertaluvun
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 2. luento 10.11.2017 Keinotekoiset neuroverkot Neuroverkko koostuu syöte- ja ulostulokerroksesta
LisätiedotKULJETUSSUUREET Kuljetussuureilla tai -ominaisuuksilla tarkoitetaan kaasumaisen, nestemäisen tai kiinteän väliaineen kykyä siirtää ainetta, energiaa, tai jotain muuta fysikaalista ominaisuutta paikasta
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 7 Harmonisen värähdysliikkeen energia Jousen potentiaalienergia on U k( x ) missä k on jousivakio ja Dx on poikkeama tasapainosta. Valitaan
LisätiedotFYSA242 Statistinen fysiikka, Harjoitustentti
FYSA242 Statistinen fysiikka, Harjoitustentti Tehtävä 1 Selitä lyhyesti: a Mikä on Einsteinin ja Debyen kidevärähtelymallien olennainen ero? b Mikä ero vuorovaikutuksessa ympäristön kanssa on kanonisella
LisätiedotSäätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002
Matlab tehtäviä 1. Muodosta seuraavasta differentiaaliyhtälöstä siirtofuntio. Tämä differentiaaliyhtälö saattaisi kuvata esimerkiksi yksinkertaista vaimennettua jousi-massa systeemiä, johon on liitetty
LisätiedotOpetusperiodi:I, suunnattu hakukohteille:
Kurssin nimi ja koodi Muut kommentit MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi Teknillinen fysiikka ja matematiikka käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja
LisätiedotOpetusperiodi:I, suunnattu hakukohteille: Teknillinen fysiikka ja matematiikka
Kurssin nimi ja koodi MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja sovelluksineen. Sisältö: vektorilaskentaa, matriisit
LisätiedotKemiallinen reaktio
Kemiallinen reaktio REAKTIOT JA ENERGIA, KE3 Johdantoa: Syömme elääksemme, emme elä syödäksemme! sanonta on totta. Kun elimistömme hyödyntää ravintoaineita metaboliassa eli aineenvaihduntareaktioissa,
Lisätiedot2. kierros. 2. Lähipäivä
2. kierros 2. Lähipäivä Viikon aihe Vahvistimet, kohina, lineaarisuus Siirtofunktiot, tilaesitys Tavoitteet: tietää Yhden navan vasteen ekvivalentti kohinakaistaleveys Vastuksen terminen kohina Termit
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotPuhtaan kaasun fysikaalista tilaa määrittävät seuraavat 4 ominaisuutta, jotka tilanyhtälö sitoo toisiinsa: Paine p
KEMA221 2009 KERTAUSTA IDEAALIKAASU JA REAALIKAASU ATKINS LUKU 1 1 IDEAALIKAASU Ideaalikaasu Koostuu pistemäisistä hiukkasista Ei vuorovaikutuksia hiukkasten välillä Hiukkasten liike satunnaista Hiukkasten
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
LisätiedotLuento 11: Potentiaalienergia. Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Esimerkkejä ja harjoituksia
Luento 11: Potentiaalienergia Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Esimerkkejä ja harjoituksia 1 / 22 Luennon sisältö Potentiaalienergia Konservatiiviset voimat
LisätiedotLuento 9: Potentiaalienergia
Luento 9: Potentiaalienergia Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Laskettuja esimerkkejä Luennon sisältö Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta
LisätiedotDynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II
Dynaamisten systeemien teoriaa Systeemianalyysilaboratorio II 15.11.2017 Vakiot, sisäänmenot, ulostulot ja häiriöt Mallin vakiot Systeemiparametrit annettuja vakioita, joita ei muuteta; esim. painovoiman
LisätiedotNopeus, kiihtyvyys ja liikemäärä Vektorit
Nopeus, kiihtyvyys ja liikemäärä Vektorit Luento 2 https://geom.mathstat.helsinki.fi/moodle/course/view.php?id=360 Luennon tavoitteet: Vektorit tutuiksi Koordinaatiston valinta Vauhdin ja nopeuden ero
Lisätiedot1 Eksergia ja termodynaamiset potentiaalit
1 PHYS-C0220 Termodynamiikka ja statistinen fysiikka, kevät 2017 Emppu Salonen 1 Eksergia ja termodynaamiset potentiaalit 1.1 Suurin mahdollinen hyödyllinen työ Tähän mennessä olemme tarkastelleet sisäenergian
LisätiedotFYSA2031 Potentiaalikuoppa
FYSA2031 Potentiaalikuoppa Työselostus Laura Laulumaa JYFL YK216 laura.e.laulumaa@student.jyu.fi 16.10-2.11. 2017 Ohjaus Työn ja ohjelman esittely ( 30 min) Harjoitellaan ohjelman käyttöä Harmoninen potentiaali
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 17.3.2016 Susanna Hurme Päivän aihe: Energian, työn ja tehon käsitteet sekä energiaperiaate (Kirjan luku 14) Osaamistavoitteet: Osata tarkastella partikkelin kinetiikkaa
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 3A (Vastaukset) Alkuviikolla
LisätiedotFYSA234 Potentiaalikuoppa, selkkarityö
FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 13. lokakuuta 2014 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan
LisätiedotFY1 Fysiikka luonnontieteenä
Ismo Koponen 10.12.2014 FY1 Fysiikka luonnontieteenä saa tyydytystä tiedon ja ymmärtämisen tarpeelleen sekä saa vaikutteita, jotka herättävät ja syventävät kiinnostusta fysiikkaa kohtaan tutustuu aineen
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 Korkeamman asteen derivaatat Tutkitaan nyt funktiota f, jonka kaikki derivaatat on olemassa. Kuten tunnettua, funktion toista derivaattaa pisteessä x merkitään f (x).
LisätiedotLASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä
LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä. Diffuusio yksiulotteisessa epäjärjestäytyneessä hilassa E J ii, J ii, + 0 E b, i E i i i i+ x Kuva.:
Lisätiedot3 Derivoituvan funktion ominaisuuksia
ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 2019 3 Derivoituvan funktion ominaisuuksia 31 l Hospitalin sääntö 1 Määritä 2 5 4 2 + 2 7 12 + 11, e 1 2, (c) tan sin 2 Määritä 2012 3 704 + 2 6 30 13 10 + 7, 3 2017
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotTermodynamiikan suureita ja vähän muutakin mikko rahikka
Termodynamiikan suureita ja vähän muutakin mikko rahikka 2006 m@hyl.fi 1 Lämpötila Suure lämpötila kuvaa kappaleen/systeemin lämpimyyttä (huono ilmaisu). Ihmisen aisteilla on hankala tuntea lämpötilaa,
LisätiedotMat Systeemien identifiointi, aihepiirit 1/4
, aihepiirit 1/4 Dynaamisten systeemien matemaattinen mallintaminen ja analyysi Matlab (System Identification Toolbox), Simulink 1. Matemaattinen mallintaminen: Mallintamisen ja mallin määritelmät Fysikaalinen
LisätiedotLeptonit. - elektroni - myoni - tauhiukkanen - kolme erilaista neutriinoa. - neutriinojen varaus on 0 ja muiden leptonien varaus on -1
Mistä aine koostuu? - kaikki aine koostuu atomeista - atomit koostuvat elektroneista, protoneista ja neutroneista - neutronit ja protonit koostuvat pienistä hiukkasista, kvarkeista Alkeishiukkaset - hiukkasten
LisätiedotNumeeriset 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
LisätiedotIdeaalikaasulaki. Ideaalikaasulaki on esimerkki tilanyhtälöstä, systeemi on nyt tietty määrä (kuvitteellista) kaasua
Ideaalikaasulaki Ideaalikaasulaki on esimerkki tilanyhtälöstä, systeemi on nyt tietty määrä (kuvitteellista) kaasua ja tilanmuuttujat (yhä) paine, tilavuus ja lämpötila Isobaari, kun paine on vakio Kaksi
LisätiedotYhtälöryhmä 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
LisätiedotW el = W = 1 2 kx2 1
7.2 Elastinen potentiaalienergia Paitsi gravitaatioon, myös materiaalien deformaatioon (muodonmuutoksiin) liittyy systeemin rakenneosasten keskinäisiin paikkoihin liittyvää potentiaalienergiaa Elastinen
LisätiedotHarjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:
Differentiaaliyhtälöt, Kesä 216 Harjoitus 2 1. Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia: (a) y = (2 y) 3, (b) y = (y 1) 2, (c) y = 2y y 2. 2. Etsi seuraavien
LisätiedotFYSA234 Potentiaalikuoppa, selkkarityö
FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 16. lokakuuta 2013 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan
LisätiedotMallien perusteet. Tavoittena on valottaa (kontinuumi)mallien yleistä rakennetta säilymislakien ja systeemiajattelun pohjalta.
Mallien perusteet Tavoittena on valottaa (kontinuumi)mallien yleistä rakennetta säilymislakien ja systeemiajattelun pohjalta. Pyrkimys erottaa mallien yleispätevät ja tapauskohtaiset piirteet. Sisältö:
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotKon Simuloinnin Rakentaminen Janne Ojala
Kon 16.4011 Simuloinnin Rakentaminen Janne Ojala Simulointi käytännössä 1/3 Simulaatiomalleja helppo analysoida Ymmärretään ongelmaa paremmin - Opitaan ymmärtämään koneen toimintaa ja siihen vaikuttavia
LisätiedotYhtälöryhmä 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 =
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotKKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot
Lisätiedot3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
LisätiedotBM20A0300, Matematiikka KoTiB1
BM20A0300, Matematiikka KoTiB1 Luennot: Heikki Pitkänen 1 Oppikirja: Robert A. Adams: Calculus, A Complete Course Luku 12 Luku 13 Luku 14.1 Tarvittava materiaali (luentokalvot, laskuharjoitustehtävät ja
LisätiedotValomylly. (tunnetaan myös Crookesin radiometrinä) Pieni välipala nykyisin lähinnä leluksi jääneen laitteen historiasta.
Valomylly (tunnetaan myös Crookesin radiometrinä) Mikko Marsch Pieni välipala nykyisin lähinnä leluksi jääneen laitteen historiasta Valomylly (tunnetaan myös Crookesin radiometrinä) Pieni välipala nykyisin
LisätiedotTeoreetikon kuva. maailmankaikkeudesta
Teoreetikon kuva Teoreetikon kuva hiukkasten hiukkasten maailmasta maailmasta ja ja maailmankaikkeudesta maailmankaikkeudesta Jukka Maalampi Fysiikan laitos Jyväskylän yliopisto Lapua 5. 5. 2012 Miten
LisätiedotMassakeskipiste Kosketusvoimat
Massakeskipiste Kosketusvoimat Luennon tavoitteet Kosketusvoimia Kitka Tukivoima Jännitys Jousivoima Massakeskipisteen käsite ja sillä laskeminen (Resonanssi tiedottaa tarjoavansa kahvia luentotauolla)
LisätiedotIntegrointialgoritmit molekyylidynamiikassa
Integrointialgoritmit molekyylidynamiikassa Markus Ovaska 28.11.2008 Esitelmän kulku MD-simulaatiot yleisesti Integrointialgoritmit: mitä integroidaan ja miten? Esimerkkejä eri algoritmeista Hyvän algoritmin
LisätiedotPHYS-C0220 TERMODYNAMIIKKA JA STATISTINEN FYSIIKKA
PHYS-C0220 TERMODYNAMIIKKA JA STATISTINEN FYSIIKKA Kevät 2016 Emppu Salonen Lasse Laurson Arttu Lehtinen Toni Mäkelä Luento 7: Ekvipartitioteoreema, partitiofunktio ja ideaalikaasu Ke 16.3.2016 1 KURSSIN
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt
LisätiedotLuento 4. Termodynamiikka Termodynaamiset prosessit ja 1. pääsääntö Entropia ja 2. pääsääntö Termodynaamiset potentiaalit
Luento 4 Termodynamiikka Termodynaamiset prosessit ja 1. pääsääntö Entropia ja 2. pääsääntö Termodynaamiset potentiaalit Luento 4 Termodynamiikka Termodynaamiset prosessit ja 1. pääsääntö Entropia ja 2.
LisätiedotNormaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa
Normaaliryhmä Toisen kertaluvun normaaliryhmä on yleistä muotoa x = u(t,x,y), y t I, = v(t,x,y), Funktiot u = u(t,x,y), t I ja v = v(t,x,y), t I ovat tunnettuja Toisen kertaluvun normaaliryhmän ratkaisu
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
LisätiedotNumeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotChapter 3. The Molecular Dance. Luento Terminen liike Kineettinen kaasuteoria Boltzmann-jakauma Satunnaiskävely
Chapter 3. The Molecular Dance 1 Luento 15.1.016 Terminen liike Kineettinen kaasuteoria Boltzmann-jakauma Satunnaiskävely Chapter 3. The Molecular Dance Solut: Korkeasti järjestyneitä systeemeitä Terminen
LisätiedotPHYS-A0120 Termodynamiikka syksy 2016
PHYS-A0120 Termodynamiikka syksy 2016 Emppu Salonen Prof. Peter Liljeroth Viikko 6: Faasimuutokset Maanantai 5.12. Kurssin aiheet 1. Lämpötila ja lämpö 2. Työ ja termodynamiikan 1. pääsääntö 3. Lämpövoimakoneet
LisätiedotZ 1 = Np i. 2. Sähkömagneettisen kentän värähdysliikkeen energia on samaa muotoa kuin molekyylin värähdysliikkeen energia, p 2
766328A Termofysiikka Harjoitus no., ratkaisut (syyslukukausi 24). Klassisen ideaalikaasun partitiofunktio on luentojen mukaan Z N! [Z (T, V )] N, (9.) missä yksihiukkaspartitiofunktio Z (T, V ) r e βɛr.
LisätiedotMonissa fysiikan probleemissa vaikuttavien voimien yksityiskohtia ei tunneta
8 LIIKEMÄÄRÄ, IMPULSSI JA TÖRMÄYKSET Monissa fysiikan probleemissa vaikuttavien voimien yksityiskohtia ei tunneta Tällöin dynamiikan peruslain F = ma käyttäminen ei ole helppoa tai edes mahdollista Newtonin
LisätiedotNeutriinokuljetus koherentissa kvasihiukkasapproksimaatiossa
Neutriinokuljetus koherentissa kvasihiukkasapproksimaatiossa Graduseminaari Joonas Ilmavirta Jyväskylän yliopisto 15.6.2012 Joonas Ilmavirta (JYU) Neutriinot ja cqpa 15.6.2012 1 / 14 Osa 1: Neutriinot
LisätiedotSISÄLTÖ Venymän käsite Liukuman käsite Venymä ja liukuma lujuusopin sovelluksissa
SISÄLTÖ Venymän käsite Liukuman käsite Venymä ja liukuma lujuusopin sovelluksissa 1 SISÄLTÖ 1. Siirtymä 2 1 2.1 MUODONMUUTOS Muodonmuutos (deformaatio) Tapahtuu, kun kappaleeseen vaikuttaa voima/voimia
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 16.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinetiikka (Kirjan luvut 12.6, 13.1-13.3 ja 17.3) Oppimistavoitteet Ymmärtää, miten Newtonin toisen lain
LisätiedotH7 Malliratkaisut - Tehtävä 1
H7 Malliratkaisut - Tehtävä Eelis Mielonen 7. lokakuuta 07 a) Palautellaan muistiin Maclaurin sarjan määritelmä (Taylorin sarja origon ympäristössä): f n (0) f(x) = (x) n Nyt jos f(x) = ln( + x) saadaan
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 12 To 13.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 12 To 13.10.2011 p. 1/38 p. 1/38 Tavalliset differentiaaliyhtälöt Yhtälöissä tuntematon funktio Tavalliset
LisätiedotAineen olemuksesta. Jukka Maalampi Fysiikan laitos Jyväskylän yliopisto
Aineen olemuksesta Jukka Maalampi Fysiikan laitos Jyväskylän yliopisto Miten käsitys aineen perimmäisestä rakenteesta on kehittynyt aikojen kuluessa? Mitä ajattelemme siitä nyt? Atomistit Loogisen päättelyn
Lisätiedot53714 Klassinen mekaniikka syyslukukausi 2010
53714 Klassinen mekaniikka syyslukukausi 2010 Luennot: Luennoitsija: Kurssin kotisivu: ma & to 10-12 (E204) Rami Vainio, Rami.Vainio@helsinki.fi http://theory.physics.helsinki.fi/~klmek/ Harjoitukset:
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotKognitiivinen mallintaminen. Nelli Salminen
Kognitiivinen mallintaminen Neuraalimallinnus 24.11. Nelli Salminen nelli.salminen@tkk.fi Tällä kerralla ohjelmassa vielä perseptronista ja backpropagationista kilpaileva oppiminen, Kohosen verkko oppimissääntöjen
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys12 Kevät 21 Jukka Maalampi LUENTO 11 Mekaaninen aaltoliike alto = avaruudessa etenevä järjestäytynyt häiriö. alto altoja on kahdenlaisia: Poikittainen aalto - poikkeamat kohtisuorassa
Lisätiedot766334A Ydin- ja hiukkasfysiikka
1 766334A Ydin- ja hiukkasfysiikka Luentomonistetta täydentävää materiaalia: 4 Juhani Lounila Oulun yliopisto, Fysiikan laitos, 01 6 Radioaktiivisuus Kuva 1 esittää radioaktiivisen aineen ydinten lukumäärää
Lisätiedot6101 Vääntöteoriat. Teknillisen mekaniikan kandidaatintyö
6101 Vääntöteoriat Ohjaaja: Jouni Freund, Vanhempi yliopistonlehtori, jouni.freund@aalto.fi, p. 050 4300 665, huone K3 215 Aiheen kuvaus: Suoran palkin vääntötehtävään voidaan soveltaa joko St. Venant
Lisätiedota(t) = v (t) = 3 2 t a(t) = 3 2 t < t 1 2 < 69 t 1 2 < 46 t < 46 2 = 2116 a(t) = v (t) = 50
BM0A5810 - Differentiaalilaskenta ja sovellukset Harjoitus 1, Syksy 015 1. (a) Kiihtyvyys on nopeuden derivaatta, eli a(t) v (t) 3 t 1 + 1 Nyt on siis selvitettävä, milloin kiihtyvyys kasvaa itseisarvoltaan
LisätiedotKognitiivinen mallintaminen Neuraalimallinnus 11.3.
Kognitiivinen mallintaminen Neuraalimallinnus 11.3. Nelli Salminen nelli.salminen@helsinki.fi D433 Tällä kertaa ajan esittäminen neuroverkoissa dynaamiset systeemit esimerkkitapaus: lyhytkestoinen muisti
LisätiedotTietokonemallinnus fysiikan työvälineenä. Juha Samela Luonnonfilosofian seura 13.10.2015
Tietokonemallinnus fysiikan työvälineenä Juha Samela Luonnonfilosofian seura 13.10.2015 Aiheita Mistä on kysymys? Lyhyt historiikki Molekyylidynamiikka ja nanokappaleet Mallinnus vs. kokeet Näkyvän maailman
LisätiedotMitä elämä on? Astrobiologian luento 15.9.2015 Kirsi
Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi Määritelmän etsimistä Lukemisto: Origins of Life and Evolution of the Biosphere, 2010, issue 2., selaile kokonaan Perintteisesti: vaikeasti määriteltävä
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
Lisätiedot763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Keät 207. Rekyyli Luentomonisteessa on käsitelty tilanne, jossa hiukkanen (massa M) hajoaa kahdeksi hiukkaseksi (massat m ja m 2 ). Tässä käytetään
LisätiedotDifferentiaali- ja integraalilaskenta 2 TFM Laskuharjoitus 2L
Differentiaali- ja integraalilaskenta 2 TFM Laskuharjoitus 2L Tehtävät 1-3 ovat kotitehtäviä, jotka on tarkoitus laskea ennen loppuviikon harjoitusta. Tehtävät 4-6 palautetaan kirjallisena A4-paperilla
LisätiedotKönigsbergin sillat. Königsberg 1700-luvulla. Leonhard Euler ( )
Königsbergin sillat 1700-luvun Königsbergin (nykyisen Kaliningradin) läpi virtasi joki, jonka ylitti seitsemän siltaa. Sanotaan, että kaupungin asukkaat yrittivät löytää reittiä, joka lähtisi heidän kotoaan,
Lisätiedot1. (*) Luku 90 voidaan kirjoittaa peräkkäisen luonnollisen luvun avulla esimerkiksi
Matematiikan pulmasivu Koonnut Martti Heinonen martti.heinonen@luukku.com Vaikeustaso on merkitty tähdillä: yhden tähden (*) tehtävä on helpoin ja kolmen (***) haastavin. 1. (*) Luku 90 voidaan kirjoittaa
LisätiedotE p1 = 1 e 2. e 2. E p2 = 1. Vuorovaikutusenergian kolme ensimmäistä termiä on siis
763343A IINTEÄN AINEEN FYSIIA Ratkaisut 3 evät 2017 1. Tehtävä: CsCl muodostuu Cs + - ja Cl -ioneista, jotka asettuvat tilakeskeisen rakenteen vuoropaikoille (kuva). Laske tämän rakenteen Madelungin vakion
LisätiedotFysiikan maailmankuva 2015 Luento 8. Aika ja ajan nuoli lisää pohdiskelua Termodynamiikka Miten aika ja termodynamiikka liittyvät toisiinsa?
Fysiikan maailmankuva 2015 Luento 8 Aika ja ajan nuoli lisää pohdiskelua Termodynamiikka Miten aika ja termodynamiikka liittyvät toisiinsa? Ajan nuoli Aika on mukana fysiikassa niinkuin jokapäiväisessä
Lisätiedotψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4)
76A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 4 Kevät 214 1. Tehtävä: Yksinkertainen malli kovalenttiselle sidokselle: a) Äärimmäisen yksinkertaistettuna mallina elektronille atomissa voidaan pitää syvää potentiaalikuoppaa
LisätiedotMatemaattisesta mallintamisesta
Matemaattisesta mallintamisesta (Fysikaalinen mallintaminen) 1. Matemaattisen mallin konstruointi dynaamiselle reaalimaailman järjestelmälle pääpaino fysikaalisella mallintamisella samat periaatteet pätevät
LisätiedotTalousmatematiikan 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
LisätiedotKuljetusilmiöt. Diffuusio Lämmönjohtuminen Viskoosin nesteen virtaus Produktio ja absorptio
Kuljetusilmiöt Diffuusio Lämmönjohtuminen Viskoosin nesteen virtaus Produktio ja absorptio Johdanto Kuljetusilmiöt on yhteinen nimitys prosesseille, joissa aineen molekyylien liike aiheuttaa energian,
LisätiedotLämpöopin pääsäännöt. 0. pääsääntö. I pääsääntö. II pääsääntö
Lämpöopin pääsäännöt 0. pääsääntö Jos systeemit A ja C sekä B ja C ovat termisessä tasapainossa, niin silloin myös A ja B ovat tasapainossa. Eristetyssä systeemissä eri lämpöiset kappaleet asettuvat lopulta
LisätiedotDerivaatta: 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
Lisätiedotinfoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1
infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.
LisätiedotBoard Game Lab. 7 Pelimekaniikat ja -systeemit. Materiaalit CC-BY 4.0 Mikko Lampi
Board Game Lab 7 Pelimekaniikat ja -systeemit Materiaalit CC-BY 4.0 Mikko Lampi Sisältö Alustus 1. Mekaniikat ja niiden tehtävät 2. Miten valitsen tai suunnittelen mekaniikkoja? 3. Pelimekaniikat ja -systeemit
Lisätiedot13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
Lisätiedot6 Variaatiolaskennan perusteet
6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.
Lisätiedot