Sauvarakenteiden voima- ja siirtymasuureiden laskennassa tehdaan yleisesti oletus, etta rakenteiden

Koko: px
Aloita esitys sivulta:

Download "Sauvarakenteiden voima- ja siirtymasuureiden laskennassa tehdaan yleisesti oletus, etta rakenteiden"

Transkriptio

1 KERROSKEHAN RATKAISEMINEN P M ENETELMALLA ESA MAKKONEN Rakente iden Mekaniikka, Vol. 24 No , ss TIIVISTELMA: Tassa kirjoituksessa on kehitetty P menetelman nimella tunnettua geometrisesti ealineaaristen rakenteiden ratkaisutaaa matriisilaskentaa auna kayttaen sellaiseksi, etta iteratiivisen ratkaisun sijasta saadaan loutulos suoraan. Lisaksi talla menetelmalla on mahdollista saada vahaisella lisavaivalla arvio rakenteen kriittisen kuorman suuruudelle. Ratkaisun tarkkuutta voidaan lisata kayttamalla tihennettya elementtijakoa. JOHDANTO Sauvarakenteiden voima- ja siirtymasuureiden laskennassa tehdaan yleisesti oletus, etta rakenteiden muodonmuutokset ovat mittoihin verrattuna hyvin ienia. Rakenteen geometrisen muodon otaksutaan talloin sailyvan muuttumattomana. Tata laskutaaa kutsutaan 1-kertaluvun ratkaisumenetelmaksi (kuva 1). Pl h M - inta Hh +PI Kuva 1. 1-kertaluvun ratkaisu. 3

2 Aina ei nain voi kuitenkaan menetella. Jos rakenteessa on hoikat ilarit ja sita kuormittavat suuret ystykuormat, niin muodonmuutosten vaikutus rakenteen geometriaan on niin suuri, etta neon otettava huomioon (kuva 2). H M- inta Kuva kertaluvun ratkaisu. Monikerroskehien taauksessa taman eriaatteen mukainen ns. 2-kertaluvun teorian mukainen ratkaisu on ty61as laskettava. M 1 Momentti 1-kertaluvun teorian mukaan M 2 Lisamomentti 2-kertaluvun teorian mukaan. P -!:!.. - MENETELMAN PERIAATE Rakenteen muuttaessa muotoaan ystykuormat siirtyvat sivusuunnassa. Voiman sivusiirtyman vaikutus voidaan ottaa huomioon korjaamalla alkueraista kuormitusta voimaarilla: { 1) Tama voimaari asetetaan vaikuttamaan rakenteeseen kuvitellun lisavaakavoiman avulla, jolloin saadaan likimaaraisesti jaljiteltya kuormien sivusiirtyman vaikutusta (kuva 3).!:!..M h (2) 31

3 !:J. 7fT H!:J.H H ~ () h!:j.m - - ~ I I I I!:J.H +--- Kuva 3. Lisavaakavoiman eriaate. Rakenteen sivusiirtyman uusi arannettu arvo saadaan, kun alkueraista rakennetta kuormitetaan voimasysteemilla, johon on lisa tty kuvitellut lisavaakavoimat. Nain saaduista uusista siirtyman arvoista voidaan laskea taas entista tarkemmat arvot lisavaakavoimille ja edelleen uudet siirtyman arvot. Ratkaisu on iteratiivinen ja suenee tavallisesti noeasti loullisiin siirtyman arvoihin. SOVELLUS KERROSKEHALLE Tarkastellaan oheisen kuvan (kuva 4) mukaista vaaka- ja ystykuormien kuormittamaa kerroskehaa, jonka voimasuureet ja siirtymat ovat helosti laskettavissa 1-kertaluvun teorian mukaisilla tasokehaohjelmilla. Kuva 4. Kerroskeha Merkitaan kerroskehien ilarikuormien summaa seuraavasti: N 1 LP 1 N2 LP 1 + LP 2 (3) 32

4 1-kertaluvun siirtymista voidaan laskea voimaarien voimat, jotka ovat (kuva 5) seuraavat: * />,.M1 l'lfl1 h1 * />,.M2 M/2 h2 * /:!,.M3 M/3 h3 N1(1o- 2o) h1 Nl( 2o- 3o) h2 N 33 h3 (4) * M/1 --+,!>;o A A A ~!>' * ~ M/1 * ~ M/3 Kuva 5. Voimaarikuormat. Yhdistamalla nama saadaan eri kerroksien kohdalla vaikuttavat lisavaakavoimat (kuva 6) matriisimuotoon kirjoittamalla M/1 N1 h1 N1 h1 Ow M/2 N1 N 1 N 2 N (5) h1 h1 h2 h2 M/3 H2 N2 N 3 -+h2 h2 h3 3 M/1 --+ M/2 --+ M/3 --+ "'"' A'?.!I" Kuva 6. Lisavaakavoimat. 33

5 Kayttaen lyhytta kirjoitustaaa voidaan merkita seuraavasti: [Llli] = [Kc][ ] Tass a [ Kc J on ns. geometrinen jaykkyysmatriisi ja [ o ] on kerrossiirtymien muodostama 1- kerta luvun teorian' mukainen siirtymavektori. (6) [ J (7) Kun kuormitetaan kehaa vaakavoimalla 1 vuoroneraa.n kunkin kerroksen kohdalta, saadaan vastaavista kerrossiirtymista rakenteen joustomatriisin [A] alkiot. Naiden lukuarvot voidaan laskea naarasti kehaohjelmalla 1-kertaluvun teorian mukaan. Joustomatriisin avulla saadaan lisavaakavoimien aiheuttamat muutokset [do] kerrossiirtymiin. [do] =[A] [Llli] (8) Kun tahan sijoitetaan lisavaakavoimien lauseke, saadaan [do] =[A][Kc][o] (9) Parannettu arvo rakenteen kerrossiirtymille saadaan, kun nama lisataan 1-kertaluvun siirtymiin. [ o] = [ o] + [A] [Kc] [ o] I. (1 ) Toistamalla tama iteraatio kayttaen arannettuja kerrossiirtymien arvoja uudelleen saadaan iteraatiokaava [o] [ o ] + [A ] [ Kc] [.o ] n-1.-.+[s]") [o] <. (11) jossa [B J = [.AJ[Kc] Huomataan, etta auki kehitettyna iteraatiokaavasta muodostuu kerroinmatriisien suhteen geometrinen sarja. Kuitenkin erakkaisista iteraafiokierroksista saadut jonkin kerrossiirtyman arvot eivat sita tee. Vain yhden vaausasteen taauksessa siirtymalle' lasketut arvot muodostavat geometrisen sarjan. Jos rakenteen kuormitus on ienemi kuinkriittinen kuorma, niin iteraatio suenee lou- 34

6 ratkaisuun, joka my6s toteuttaa iteraatiokaavan. Saadaan tihen loulta ratkaisu lineaarisesta yhta16ryhmasta [ o] = [ o] + [A ][Ka][ o] (12) joka voidaan kirjoittaa muotoon ( [I] -[A ][Ka] )[ o] = [ o] (13) Taman yhta16ryhman ratkaisu onnistuu normaalimenetelmin, ja sen antama tulos on sama kuin iteroimalla saatu, kun kuormitus on kriittisen kuorman alauolella. KRIITTISEN KUORMAN ARVIOINTI Mikali rakenteen kuorma on kriittisen kuorman ylauolella, niin iteraatio hajaantuu tai yhtal6ryhmasta lasketut siirtyman arvot eivat vastaa todellista tilannetta. Taman toteamiseksi on syyta selvittaa rakenteen kriittisen kuorman suuruus. Kun yhtal6ryhman (13) kerroinmatriisin determinantti lahenee nollaa, lasketut siirtyman arvot kasvavat iiiirett6man suuriksi eli keha nurjahtaa. Tasta saadaan ehto kriittisen kuorman maarittamiseksi. (14) Jos kuormat ovat kaikki verrannollisia samaan kuormitusarametrin P arvoon, voidaan kirjoittaa determinaattiyhtal6 muotoon (15) Kayttamalla merkintiiii A. 1 voidaan muuntaa yhtal6 seuraavasti: (16) jolloin tehtava on tyyillinen ominaisarvorobleema. Suurimman ominaisarvon avulla saadaan kuormitusarametrin alin kriittinen arvo. Nain lasketut kriittisen kuorman arvot ovat aina todellista arvoa suuremmat. Esimerkiksi mastoilarille laskutaa antaa P~u = 3EI/U, kun se Eulerin kaavalla laskettuna olisi likimain 2, 47EI/U. Tulosta voidaan arantaa ottamalla auisteita ilarijanteelta. Esimerkiksi ilarin jakaminen kolmeen osaan antaa kertoimelle arvon 2,

7 LASKUMENETELMAN TARKENTAMINEN Menetelman tarkkuutta voidaan arantaa ottamalla valiisteita ja tutkimalla kutakin ilaria erikseen seuraavaija, tavalla (kuva 7). -H 2 ~ II 3 4 h h Kuva 7. Tihennetty elementtijako. Tassakin joustomatriisin alkiot [A J ja siirtymat [ o ] lasketaan tavalliseen taaan kehaohjelmalla. Lisavaakavoimien laskemisessa tarvittavat geometrisen jaykkyysmatriisin alkiot ovat nyt [KG] N1 N1 h h N1 LNI hl h Nu Nu h h Nu '2Nu h h (17) Merkinnat yllaolevassa tarkoittavat: N 1 = ilarivoima ilarissa I, N 11 = ilarivoima ilarissa II. Jos kerrosalkin ituus ei muutu, ovat siirtymat 6 1 ja 6 2 yhta suuret ja voimme suistaa yhden vaausasteen ois, jolloin geometrinen jaykkyysmatriisi saa muodon N 1 Nu N1 Nu - +- h h h h [KG] N1 hl LNI h (18) N1 ' hl '2Nu h Pilarivoimat N 1 ja N 11 voidaan ottaa 1-kertaluvun ratkaisusta. 36

8 SOVELLUKSIA Laskuesimerkki 1 Ratkaistaan oheisen kuvan rriukainen kaksikerroksinen keha kayttaen auna tasokehaohjelmaa. Numeroarvoina kaytetaan E = MN/m 2, I= 1m 4, L = 1m, A = 1m 2 H 2..l----""""1 2 L Pilarikuormat ylemi kerros N 1 alemi kerros N 2 L 1. voimien avulla laskettu joustomatriisi on [A] = c j u EI Geometrinen jaykkyysmatriisi on uolestaan [Ka] = [ 1. -1] ~ -1 2 L Kertomalla matriisit keskenaan saadaan [ B ] = [A][ Ka] [ B J = ~ ] PU Lo.183 o.o393 EI Olkoon esimerkiksi kuormittavilla voimilla seuraavat lukuarvot:' 2EI u ja H,5P jolloin kehaohjelmalla laskien saadaan 1-kertaluvun siirtymiksi [ ] = c.1747j L

9 Tulomatriisin [ B J termit ovat tassa kuormitustilassa vastaavat: [ B] = jo o.o4s8j Lo.o366 o.786 Yhtaloryhma (13), josta voidaan laskea 2- kertaluvun siirtymat, on siten [ ] [ Ot J = j.1747] L - o.o o2 Lo.759 Ratkaisuksi saadaan siirtymat [ J = C.2125] L.98 Samat siirtyman arvot sadaan myos iteroimalla kaavaa (11) kayttaen, jolloin kohden louratkaisua sueneva siirtymavektorin jono on [ J = c.257] L ' [ J = c.2113] L [ J ' C.2123] L.97 jne. Lisavaakavoimien loulliset arvot saadaan kaavan (6) avulla: [Llli] = [ 2-2] C.2125] = [.2434] EI u Kuormittamalla kehaa oheisen kuvan osoittamalla tavalla saadaan selville 2-kertaluvun rasitukset , 2434 ~ ~-----., 618._ Kriittisen kuorman selvittamiseksi muodoste.taan yhtal6 (16). I

10 Ratkaisuksi saadaan 1 1 =, 964 ja ~ h = 1/A.J = 11, OEI/U., 4746 ja suurimman ominaisarvon erusteella Laskuesimerkki 2 1 kn 3 kn 1 kn m 1 ktv-. I I I I I I I I I I I I -> / 2 G) /1 /1 5 m E 3 MN/m 2 /1 6, m' / m 4 CD..::~ 8 m "'~ 1-kertaluvun ratkaisuksi saadaan [ o ] = 11, m M 21 = 11, 92 knm ja M3-61,92 knm Joustomatriisi [A J 1,132 ::N Geom. jiiykkyysmatriisi [Ka] = ~ =, 88 ~ [ B ] = [ A J [ K J =, 9962 Kerrosiirtymiin ratkaisuyhtiil6 antaa: (1 -, 9962)o u, , Lisiivaakavoima [Llli] = [Ka][ o], 88 12, MN 1, MN ja sauvaniiiimomentit ovat M21 = 9, 16 knm ja M34-64,69 knm 39

11 Lasku esimerkki 3 Arvioidaan kehan kriittisen kuorman suuruutta yksikerrosmallin avulla ~ ~, , L L [Ka] 2P/L [B J, 5PL2/EI Yhta16sta (16) saadaan, 5PL 2 /EI -1 = Tarkemman tuloksen saamiseksi otetaan valiisteet keskelta kehajalkoja. L/2 L/2 L Kehaohjelmalla laskien saadaan 4

12 U u Geometrinen jaykkyysmatriisi kaavan (18) mukaan on [ L jolloin [B J [A J[Ka] saa kertolaskun tuloksena U u PU EI Taman ominaisarvot ovat A '~.481 ja A. 3 =.644 ja suurimman ominaisarvon avulla saadaan Pkr 1, 87EI/L 2 Verrataan tulosta lahteessa /3/ laskettuun tarkkaan arvoon, joka on 1, 82EI/L 2. Saatu tulos on siis noin 3% suuremi. LAHTEET 1. Buckling and Instability. CEB I FIP manual. Comite sura-international du beton, Federation internationals de Ia recontrainte. Lancaster Varga, R.S., Matrix Iterative Analysis, Prentice-Hall, Englewood Cliffs, N J Simitses, G. J., Elastic Stability of structures, Prentice-Hall, Englewood Cliffs, N J Makkonen, E., P- L:l.-menetelman kaytt6 kerroskehan 2-kertaluvun siirtymien laskemisessa. Kuoion teknillinen oilaitos, julkaisu no. 8, Kuoio 199 Esa Makkonen, dil. ins., ylioettaja, Kuoion teknillinen oilaitos 41

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

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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Lisätiedot

Toisen kertaluvun voimien vertailu yksikerroksisissa kehäraketeissa EN1993 ja B7 välillä, suunnittelupäällikkö Antti Mäkelä, Sarmaplan Oy

Toisen kertaluvun voimien vertailu yksikerroksisissa kehäraketeissa EN1993 ja B7 välillä, suunnittelupäällikkö Antti Mäkelä, Sarmaplan Oy Toisen kertaluvun voimien vertailu yksikerroksisissa kehäraketeissa EN1993 ja B7 välillä, suunnittelupäällikkö Antti Mäkelä, on rautainen suunnittelualan ammattilainen. Toimistomme sijaitsee Alavudella

Lisätiedot

Matematiikan tukikurssi, kurssikerta 5

Matematiikan tukikurssi, kurssikerta 5 Matematiikan tukikurssi, kurssikerta 5 1 Jonoista Matematiikassa jono (x n ) on yksinkertaisesti järjestetty, päättymätön sarja numeroita Esimerkiksi (1,, 3, 4, 5 ) on jono Jonon i:ttä jäsentä merkitään

Lisätiedot

802118P Lineaarialgebra I (4 op)

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

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48 MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?

Lisätiedot

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2 .3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. Toisen asteen yhtälön a + b + c 0 ratkaisukaavassa neliöjuuren alla olevaa lauseketta b b 4ac + a b b 4ac a D b 4 ac sanotaan yhtälön

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

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

Lisätiedot

Matematiikka B2 - TUDI

Matematiikka B2 - TUDI Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

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

Lisätiedot

Alkulukujen harmoninen sarja

Alkulukujen harmoninen sarja Alkulukujen harmoninen sarja LuK-tutkielma Markus Horneman Oiskelijanumero:2434548 Matemaattisten tieteiden laitos Oulun ylioisto Syksy 207 Sisältö Johdanto 2 Hyödyllisiä tuloksia ja määritelmiä 3. Alkuluvuista............................

Lisätiedot

KJR-C1001: Statiikka L2 Luento : voiman momentti ja voimasysteemit

KJR-C1001: Statiikka L2 Luento : voiman momentti ja voimasysteemit KJR-C1001: Statiikka L2 Luento 21.2.2018: voiman momentti ja voimasysteemit Apulaisprofessori Konetekniikan laitos Luennon osaamistavoitteet Tämän päiväisen luennon jälkeen opiskelija Pystyy muodostamaan,

Lisätiedot

Q Q 3. [mm 2 ] 1 1 = L

Q Q 3. [mm 2 ] 1 1 = L EDE-00 Elementtimenetelmän perusteet. Harjoitus 5r Syksy 03. 400 mm 0 kn 600 mm A 400 mm B 8 kn 300 mm 5 kn 000 mm 8 kn 300 mm 300 mm 00 mm. Määritä pisteiden A ja B siirtymät elementtimenetelmällä, kun

Lisätiedot

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 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,

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 1.3.2016 Susanna Hurme Päivän aihe: Jäykän kappaleen tasapaino ja vapaakappalekuva (Kirjan luvut 5.1-5.4) Osaamistavoitteet: 1. Ymmärtää, mitä tukireaktiot ovat

Lisätiedot

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:

5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet: 5.. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [, ) jolla on ominaisuudet: x = x = x + y x + y, x, y V a x = a x, x V, a K (= R tai C) Esimerkki 5..

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 6 Sarjojen suppeneminen Kiinnostuksen kohteena on edelleen sarja a k = a + a 2 + a 3 + a 4 +... k= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan

Lisätiedot

SMG-2100: SÄHKÖTEKNIIKKA

SMG-2100: SÄHKÖTEKNIIKKA SMG-2100: SÄHKÖTEKNIIKKA Vastusten kytkennät Energialähteiden muunnokset sarjaankytkentä rinnankytkentä kolmio-tähti-muunnos jännitteenjako virranjako Käydään läpi vastusten keskinäisten kytkentöjen erilaiset

Lisätiedot

3. SUUNNITTELUPERUSTEET

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

Lisätiedot

Lineaariset yhtälöryhmät ja matriisit

Lineaariset yhtälöryhmät ja matriisit Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää

Lisätiedot

Gaussin ja Jordanin eliminointimenetelmä

Gaussin ja Jordanin eliminointimenetelmä 1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,

Lisätiedot

Lineaarinen yhtälöryhmä

Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, Matematiikka KoTiB2 BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin

Lisätiedot

Käänteismatriisin ominaisuuksia

Käänteismatriisin ominaisuuksia Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit

Lisätiedot

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

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

Lisätiedot

Tarkastellaan seuraavaksi esimerkkien avulla yhtälöryhmän ratkaisemista käyttäen Gaussin eliminointimenetelmää.

Tarkastellaan seuraavaksi esimerkkien avulla yhtälöryhmän ratkaisemista käyttäen Gaussin eliminointimenetelmää. Yhtälörhmä Lineaarisen htälörhmän alkeisoperaatiot ovat ) kahden htälön järjestksen vaihto ) htälön kertominen puolittain nollasta eroavalla luvulla ja ) luvulla puolittain kerrotun htälön lisääminen johonkin

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti

KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti Apulaisprofessori Konetekniikan laitos Statiikan välikoe 12.3.2018 Ajankohta ma 12.3.2018 klo 14:00 17:00 Salijako

Lisätiedot

Numeeriset 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 / 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

Lisätiedot

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

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

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

Lisätiedot

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41 MS-A0004/MS-A0006 Matriisilaskenta, I/06 Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 4 Tehtävä 5 (L): a) Oletetaan, että λ 0 on kääntyvän matriisin A ominaisarvo. Osoita, että /λ on matriisin A

Lisätiedot

HYPERSTAATTISET RAKENTEET

HYPERSTAATTISET RAKENTEET HYPERSTAATTISET RAKENTEET Yleistä Sauva ja palkkirakenne on on isostaattinen, jos tasapainoehdot yksin riittävät sen tukireaktioiden ja rasitusten määrittämiseen. Jos näiden voimasuureiden määrittäminen

Lisätiedot

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

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

Lisätiedot

2.5. Matriisin avaruudet ja tunnusluvut

2.5. Matriisin avaruudet ja tunnusluvut 2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja

Lisätiedot

MUODONMUUTOKSET. Lähtöotaksumat:

MUODONMUUTOKSET. Lähtöotaksumat: MUODONMUUTOKSET Lähtöotaksumat:. Materiaali on isotrooppista ja homogeenista. Hooken laki on voimassa (fysikaalinen lineaarisuus) 3. Bernoullin hypoteesi on voimassa (tekninen taivutusteoria) 4. Muodonmuutokset

Lisätiedot

Matematiikan tukikurssi

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

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

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

Lisätiedot

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon

Lisätiedot

Ylioppilastutkintolautakunta S t u d e n t e x a m e n s n ä m n d e n

Ylioppilastutkintolautakunta S t u d e n t e x a m e n s n ä m n d e n Ylioilastutkintolautakunta S t u d e n t e a m e n s n ä m n d e n MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ 904 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten iiteiden sisältöjen isteitysten luonnehdinta ei

Lisätiedot

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

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

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

Kompleksianalyysi, viikko 5

Kompleksianalyysi, viikko 5 Kompleksianalyysi, viikko 5 Jukka Kemppainen Mathematics Division Kompleksiset jonot Aloitetaan jonon suppenemisesta. Määr. 1 Kompleksiluvuista z 1,z 2,...,z n,... koostuva jono suppenee kohti raja-arvoa

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

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

Lisätiedot

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017 MATEMATIIKKA Matematiikkaa pintakäsittelijöille Ongelmanratkaisu Isto Jokinen 2017 SISÄLTÖ 1. Matemaattisten ongelmien ratkaisu laskukaavoilla 2. Tekijäyhtälöt 3. Laskukaavojen yhdistäminen 4. Yhtälöiden

Lisätiedot

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

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

Lisätiedot

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5 Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)

Lisätiedot

5 Differentiaaliyhtälöryhmät

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

Lisätiedot

10 y 2 3 x D 100; D 30 29 59 6 D 10 5. 100 10 2 3 a: Vastaavasti sadalla kilometrillä kulutettavan polttoaineen E10 energiasisältö on 90 100 x a C 10

10 y 2 3 x D 100; D 30 29 59 6 D 10 5. 100 10 2 3 a: Vastaavasti sadalla kilometrillä kulutettavan polttoaineen E10 energiasisältö on 90 100 x a C 10 Helsingin ylioisto, Itä-Suomen ylioisto, Jyväskylän ylioisto, Oulun ylioisto, Tamereen ylioisto ja Turun ylioisto Matematiikan valintakokeen 3.6.0 ratkaisut. Oletetaan, että litralla (uhdasta) bensiiniä

Lisätiedot

Vastausehdotukset analyysin sivuainekurssin syksyn välikokeeseen

Vastausehdotukset analyysin sivuainekurssin syksyn välikokeeseen Vastausehdotukset analyysin sivuainekurssin syksyn 015 1. välikokeeseen Heikki Korpela November 1, 015 1. Tehtävä: funktio f : R R toteuttaa ehdot ax, kun x 1 f(x) x + 1, kun x < 1 Tutki, millä vakion

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 24.2.2016 Susanna Hurme Päivän aihe: Voiman momentin käsite (Kirjan luvut 4.1-4.6) Mikä on voiman momentti? Määritetään momentti skalaari- ja vektorimuodossa Opitaan

Lisätiedot

Iteratiiviset ratkaisumenetelmät

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

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1

Lisätiedot

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

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

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D Demonstraatio 7, 6.7... Ratkaise dierentiaalihtälöpari = = Vastaus: DY-pari voidaan esittää muodossa ( = Matriisin ominaisarvot ovat i ja i ja näihin kuuluvat ominaisvektorit (

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

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

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

Lisätiedot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto

Lisätiedot

Ominaisarvo ja ominaisvektori

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

Lisätiedot

10 Matriisit ja yhtälöryhmät

10 Matriisit ja yhtälöryhmät 10 Matriisit ja yhtälöryhmät Tässä luvussa esitellään uusi tapa kirjoittaa lineaarinen yhtälöryhmä matriisien avulla käyttäen hyväksi matriisikertolaskua sekä sarakevektoreita Pilkotaan sitä varten yhtälöryhmän

Lisätiedot

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio Ellipsoidimenetelmä Kokonaislukuoptimointi Sovelletun matematiikan lisensiaattiseminaari Kevät 2008 / 1 Sisällys Ellipsoidimenetelmän geometrinen perusta ja menetelmän idea Formaali ellipsoidimenetelmä

Lisätiedot

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A = 1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja

Lisätiedot

Oppimistavoitematriisi

Oppimistavoitematriisi Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Arvosanaan 1 2 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä ja yhtälöpareja Osaan muokata

Lisätiedot

Numeeriset menetelmät

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

Lisätiedot

Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa

Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa Rakenteiden Mekaniikka Vol. 42, Nro 2, 2009, s. 75 82 Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa Reijo Kouhia Tiivistelmä. Momenttimenetelmä on käyttökelpoinen ratkaisutapa

Lisätiedot

plot(f(x), x=-5..5, y=-10..10)

plot(f(x), x=-5..5, y=-10..10) [] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä

Lisätiedot

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa 9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 7 harjoitus 1 Määritä seuraavien potenssisarjojen suppenemissäteet a) k k x 5)k b) k=1 k x 5)k = k k 1) k ) 1) Suppenemissäteen R käänteisarvo

Lisätiedot

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151 Vaasan yliopiston julkaisuja 151 8 KANNAT JA ORTOGONAALISUUS KantaOrthogon Sec:LinIndep 8.1 Lineaarinen riippumattomuus Lineaarinen riippumattomuus on oikeastaan jo määritelty, mutta kirjoitamme määritelmät

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

Lisätiedot

Vektoreiden virittämä aliavaruus

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

Lisätiedot

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

(1.1) Ae j = a k,j e k. Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim

Lisätiedot

Normaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa

Normaaliryhmä. 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

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

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

Lisätiedot

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa

Lisätiedot

4 LUKUJONOT JA SUMMAT

4 LUKUJONOT JA SUMMAT Huippu Kertaus Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 0.7.08 4 LUKUJONOT JA SUMMAT ALOITA PERUSTEISTA 45A. Määritetään lukujonon (a n ) kolme ensimmäistä jäsentä ja sadas jäsen a 00 sijoittamalla

Lisätiedot

Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = 5 500 + 4 = 501500. 2 500 = 5 + 2001 2

Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = 5 500 + 4 = 501500. 2 500 = 5 + 2001 2 Kotitehtäviä 5. Ratkaisuehdotuksia. a) Jono a,..., a 500 on aritmeettinen, a = 5 ja erotusvakio d = 4. Laske jäsenet a, a 8 ja a 00 sekä koko jonon summa. b) Jono b,..., b 0 on geometrinen, b = ja suhdeluku

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:

Lisätiedot

ja piirrä sitä vastaavat kaksi käyrää ja tarkista ratkaisusi kuvastasi.

ja piirrä sitä vastaavat kaksi käyrää ja tarkista ratkaisusi kuvastasi. Harjoituksia yhtälöryhmistä ja matriiseista 1. Ratkaise yhtälöpari (F 1 ja F 2 ovat tuntemattomia) cos( ) F 1 + cos( ) F 2 = 0 sin( ) F 1 + sin( ) F 2 = -1730, kun = -50 ja = -145. 2. Ratkaise yhtälöpari

Lisätiedot

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

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja

Lisätiedot

Insinöörimatematiikka D

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

Lisätiedot

1 Aritmeettiset ja geometriset jonot

1 Aritmeettiset ja geometriset jonot 1 Aritmeettiset ja geometriset jonot Johdatus Johdatteleva esimerkki 1 Kasvutulille talletetaan vuoden jokaisen kuukauden alussa tammikuusta alkaen 100 euroa. Tilin nettokorkokanta on 6%. Korko lisätään

Lisätiedot

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt 5. joulukuuta 2016 Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt Lukujonot Lukujonot Z-muunnoksen ominaisuuksia

Lisätiedot

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

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

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

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

Lisätiedot

Rakenteiden mekaniikka TF00BO01, 5op

Rakenteiden mekaniikka TF00BO01, 5op Rakenteiden mekaniikka TF00BO01, 5op Sisältö: Nivelpalkit Kehät Virtuaalisen työn periaate sauvarakenteelle Muodonmuutosten laskeminen Hyperstaattiset rakenteet Voimamenetelmä Crossin momentintasausmenetelmä

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

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

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisihajotelmat: Schur ja Jordan Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi Matriisihajotelmat:

Lisätiedot

LAUSEKKEET JA NIIDEN MUUNTAMINEN

LAUSEKKEET JA NIIDEN MUUNTAMINEN LAUSEKKEET JA NIIDEN MUUNTAMINEN 1 LUKULAUSEKKEITA Ratkaise seuraava tehtävä: Retkeilijät ajoivat kahden tunnin ajan polkupyörällä maantietä pitkin 16 km/h nopeudella, ja sitten vielä kävelivät metsäpolkua

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

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

Lisätiedot

Matematiikka B2 - Avoin yliopisto

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

Lisätiedot

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3. Matematiikan ja tilastotieteen laitos Lineaarialgebra ja matriisilaskenta II Ylimääräinen harjoitus 6 Ratkaisut A:n karakteristinen funktio p A on λ p A (λ) det(a λi ) 0 λ ( λ) 0 5 λ λ 5 λ ( λ) (( λ) (

Lisätiedot

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

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee

Lisätiedot

Ominaisarvo ja ominaisvektori

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

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

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 =

Lisätiedot