Luento 2. Jaksolliset signaalit

Koko: px
Aloita esitys sivulta:

Download "Luento 2. Jaksolliset signaalit"

Transkriptio

1 Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi t Ominaistaajuus f =/ Signaalin ominaisuuksien tarkastelemiseksi riittää kun keskitytään yhden jakson pituiseen aikaväliin. Valitaan yksinkertaisuuden vuoksi tarkasteluväliksi / t / S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

2 Jaksolliset signaalit Kahden jaksollisen signaalin sisätulo, kun molempien signaalien jaksonaika on tai on niiden monikerta Keskimääräinen teho (indusoitu normi) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Ortonormaali kanta arkastellaan osoitinsignaaleja iπ k φk () t = exp t k =...,,,,,,... Osoittimen φ k (t) pyörimistaajuus k=: Hz asavirtakomponentti (DC) k=: / Perustaajuus (. harmoninen taajuus) k>: k/ k. Harmoninen taajuus Osoittimet muodostavat ortonormaalin kannan ( φk() t φl() t ) = k = l k l Im φ k () t Re S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4

3 Ortonormaali kanta Osoitetaan, että k = l ( φk() t φl() t ) = k l arkastellaan ensin tapausta k = l ( φk φl ) iπk iπl () t () t = exp t exp t dt, k l iπ ( k l) i π = exp t dt = exp t dt = dt = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Ortonormaali kanta arkastellaan nyt tapausta k l ( φk φl ) iπk iπl () t () t = exp t exp t dt, k l ( ) ( exp( iπ ( k l) ) exp( iπ ( k l) )) ( ) ( π ( k l) ) sinc( k l) π ( k l) ( ) iπ k l iπ k l = exp t dt exp t = iπ ( k l) = iπ k l sin = = = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 sin i ix ix ( x) = ( e e ) sinc ( x) = sin ( π x) π x 3

4 sinc( x) = sin ( π x) π x Nollakohdat Raja-arvo sin ( π x) sinc( x) = = π x x =±, ±, ±, 3, SINC-funktio sin ( πx sin ) ( π x) cos( ) limx lim x π πx π = x = lim x = = πx π x π π x Hôpital s rule S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 i) ii) Ortonormaali kanta arkastellaan jaksollista funktiota v(t) = v(t+m ), m =,-,,, joka täyttää ehdot P= v() t dt < ε vt ε vt ε lim ( + ) ( ) (Neliöintegroituva/ehosignaali) äärellisessä määrässä pisteitä välillä / t / Jälkimmäinen ehto rajoittaa signaalin epäjatkuvuuskohtien määrän. t S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 4

5 Ortonormaali kanta Signaali, joka täyttää ehdot i) ja ii) voidaan esittää ortogonaalisen kannan avulla Exponentiaalinen Fourier-sarja π k vt () = vkφk() t = vk exp i t k= k= Fourier-kertoimet * k = ( () φk() ) = () k () ()exp φ = π k v v t t v t t dt v t t dt S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Eksponentiaalinen Fourier-sarja On periodinen π k vt () = vk exp i t = vt ( + m ), m k = ästä seuraa se, että jaksollisen signaalin perusjaksolle laskettu Fourier-sarja on voimassa kaikilla t:n arvoilla. πk πk πk vt ( + m) = vk exp i ( t+ m) = vk exp i t exp i m k= k= π k = vk exp i t = v( t) k = Im π k exp i m = exp( iπ km) = π Re S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5

6 Exponentiaalinen Fourier-sarja Fourier-kertoimet ovat kompleksisia suureita: vastaavat perustaajuuden f = / harmonisia taajuuksia asavirtakomponentti k = vastaa signaalin keskimääräistä amplitudia S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio rigonometrinen Fourier-sarja Reaaliselle signaalille Hermiittinen symmetria Käytetään tätä ominaisuutta hyväksi: {v k } {v k } (k>) (k<) rigonometrinen Fourier-sarja S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6

7 Fourier kosini- ja sinisarja Fourier-kertoimet π k vk = v()exp t t dt πk πk = vt () cos t isin t αk iβk = π k αk = vt () cos t dt π k βk = vt () sin t dt ( ) sin ( ) ix e = cos x i x S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Fourier kosini- ja sinisarja Fourier sini- ja kosinisarja v(t) on reaalinen: v = α * v = v = ( α + iβ ) k k k k Nyt voidaan kirjoittaa v,v, π k vt () = vk exp i t = k = πk πk = α + ( αk iβk) exp i t + ( αk + iβk) exp i t k = πk πk = α + αk cos t + βk sin t k = v -,v -, ( ) iexp ix + iexp( ix) = exp i exp( ) = sin( x) ( ( ix) ix ) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4 7

8 Fourier kosini- ja sinisarja arkastellaan reaalista signaalia v(t) Jos pinta-ala signaalin yli on nolla, α = (β = reaaliselle signaalille) Parillinen signaali v(-t) = v(t) => β k = sini-sarja häviää Pariton signaali v(-t) = -v(t) => α k = kosini-sarja häviää Puoliaaltosymmetrinen: v(-t) = -v( /-t) Parilliset harmoniset häviävät α n =, β n =, n =,,, S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Olkoon Esimerkki Fourier-sarjan kertoimet Huomataan, että v(t) Joten kertoimet voidaan kirjoittaa muotoon S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 8

9 Ratkaistaan integraali Esimerkki Joten sin(π l) A exp( iφ ) k = A = exp( iφ ) k = otherwise Amplitudispektri: v k Vaihespektri: arg{v k } S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 Viivaspektri Reaalinen jaksollinen signaali voidaan esittää summana kosinisignaaleja Viivaspektri Amplitudispektri: v k Vaihespektri: arg{v k } v v v v v arg{ v } arg{ v } f f f f arg{ v } f f f f arg{ v } S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 9

10 Parsevalin teoreema Signaalin keskimääräinen teho / P= v() t dt = v / k k = - - S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Viivaspektri ehospektri v v v ehospektrin kertoimet määrittävät miten signaalin teho on jakautunut eri taajuuksille. S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

11 Esimerkki Signaali, jossa on DC-komponentti Keksimääräinen teho Huomaa, että Joten tehon lauseke voidaan viedä muotoon Osoittautuu, että S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Vakion viivaspektri Esimerkki Huomaa, että k =±, ±, ±,3, sinc( k) = k = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

12 Sinisignaalin viivaspektri Esimerkki johdettiin aiemmin Signaalin v(t) viivaspektri saadaan summana Amplitudispektri: v k Vaihespektri: arg{v k } V exp( iφ ) k = V exp( iφ ) k muutoin = = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Esimerkki Ratkaistaan signaalin teho Parsevalin teoreeman mukaan / P= v() t dt vk = / k = joten, nyt P= vk = v, + v, + v, = V + V + V = V + V k = 4 4 ulos on sama kuin suoraan tehon määritelmästä johdettu. S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4

13 Esimerkki 3 Kellosignaali + - Signaalin DC-komponentti on (α = ) Signaali on pariton, joten kosinisarja häviää (α k = k =,,3 ) vk =iβk Signaali on myös puoliaaltosymmetrinen, joten parilliset harmoniset katoavat β n =, n =,,,3,... S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Esimerkki 3 Lasketaan sinisarjan kertoimet π k βk = vt ()sin t dt πk πk = sin tdt sin tdt + π k πk πk = cos cos πk + πk sin( ax) dx = cos( ax) a k parillinen cos( π k ) = ( + cos( π k )) = = πk πk k pariton π k Eksponentti Fourier-sarjan kertoimiksi tulee tällöin vk+ = iβk+ = i, vk = π k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 3

14 Esimerkki 3 ehospektri 4/π v v3 v5 k Vaihespektri π/ -π/ k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 Esimerkki 4 Pulssijono Α τ τ< Signaalilla on DC-komponentti (pulssin pinta-ala on Aτ) Signaali on parillinen (sinisarja häviää) v k =α k τ πk πk vk = v()exp t t dt Acos t dt = τ S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 4

15 Esimerkki 4 Integroimalla saadaan τ πk πk vk = v()exp t t dt Acos t dt = τ A πk τ πk τ = sin sin π k πτ k πτ k sin sin τ τ τ = A = A = A sinc k k τ π π k cos( ax) dx = sin( ax) a ( x) sin =sin( x) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Esimerkki 4 Amplitudispektri. τ/=. k=-:; x=.; %x=au/ < A=;.5. for n=:length(k) v(n)=a*x*sinc(k(n)*x); end; v k.5 bar(k,v,.) xlabel('k') ylabel('v_k') title(['\tau/=' numstr(x)]) hold on t=-:.:; plot(t,a*x*sinc(x*t)) axis([ - -x/4 x]) hold off v k k τ/= k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 5

16 Katkaistu Fourier-sarja arkastellaan approksimaatiota Jos v(t) täyttää ehdot i) ja ii) i) P= v() t dt < äärellisessä määrässä pisteitä t välillä / t / ii) lim ε vt ( + ε) vt ( ε) niin erosignaalin keskimääräinen teho menee nollaan S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Gibbsin ilmiö Jos signaali on epäjatkuva-amplitudinen, niin askelmaisessa muutoskohdassa on noin 9 % ylitys riippumatta N:n suuruudesta..5.5 N= -.5 N= ime S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 6

17 Esimerkki 5 Pulssijono Α τ τ< πk τ τ vk = v()exp t t dt A sinc k = vt () = vt ˆ( ) = k iπ t ve k k= K k iπ t ve k K k = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 33 Esimerkki 5 Approksimaatio. τ/=. K= K=; k=-k/:k/; =; x=.; %x=au/ < A=; v(t) for n=:length(k) v(n)=a*x*sinc(k(n)*x); end; t t=-*:.:*; vhat=; for n=:length(k) vhat=vhat+v(n)*exp(i**pi*k(n)/*t); end; plot(t,vhat) xlabel('t') ylabel('v(t)') title(['\tau/=' numstr(x) ' K=' numstr(k)]) v(t) τ/=. K= t S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 34 7

18 S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 35 8

Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )

Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( ) Luento Jasollisten signaalien Fourier-sarjat Viivaspetri S-.7. Signaalit ja järjestelmät 5 op KK ietoliienne Laboratorio Jean Baptiste Joseph Fourier (768-83) Ransalainen matemaatio ja fyysio. Esitti Fourier-sarjat

Lisätiedot

Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 4.1 Fourier-sarja 4.2 Viivaspektri, tehospektri

Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 4.1 Fourier-sarja 4.2 Viivaspektri, tehospektri Luento 4 Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 9 Oppenheim 3.3, 3.4 4.1 Fourier-sarja Kompleksi F-sarja F-sinisarja Sinc-funktio 4. Viivaspektri, tehospektri Viivaspektri Parsevalin teoreema

Lisätiedot

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu 2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.

Lisätiedot

SIGNAALITEORIAN KERTAUSTA 1

SIGNAALITEORIAN KERTAUSTA 1 SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä

Lisätiedot

Jaksollisen signaalin spektri

Jaksollisen signaalin spektri Jaksollisen signaalin spektri LuK-tutkielma Topi Suviaro 2257699 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 215 Sisältö Johdanto 2 1 Jaksollisuudesta 2 2 Spektristä 3 2.1 Symmetrian vaikutuksesta

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 1

SIGNAALITEORIAN KERTAUSTA OSA 1 1 SIGNAALITEORIAN KERTAUSTA OSA 1 Millainen on signaalin spektri ja miten se lasketaan? SIGNAALIEN JA SPEKTRIN PERUSKÄSITTEITÄ 2 Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka graafinen

Lisätiedot

Tietoliikennesignaalit & spektri

Tietoliikennesignaalit & spektri Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia

Lisätiedot

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008 Mat-.3 / Mat-.33 Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 4, loppuviikko, syksy 8 Ennen malliratkaisuja, muistin virkistämiseksi kaikkien rakastama osittaisintegroinnin kaava: b a u(tv (t

Lisätiedot

Signaalit ja järjestelmät aika- ja taajuusalueissa

Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit aika ja taajuusalueissa Muunnokset aika ja taajuusalueiden välillä Fourier sarja (jaksollinen signaali) Fourier muunnos (jaksoton signaali)

Lisätiedot

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246 Osa VI Fourier analyysi A.Rasila, J.v.Pfaler () Mat-1.1331 Matematiikan peruskurssi KP3-i 12. lokakuuta 2007 127 / 246 1 Johdanto 2 Fourier-sarja 3 Diskreetti Fourier muunnos A.Rasila, J.v.Pfaler () Mat-1.1331

Lisätiedot

Fourier-sarjat ja -muunnos

Fourier-sarjat ja -muunnos 24. marraskuuta 2016 Jaksolliset funktiot, trigonometriset sarjat, parilliset ja p Jaksolliset funktiot Funktio f : R R on jaksollinen, jos on olemassa p > 0 siten, että f (x + p) = f (x) kaikilla x R

Lisätiedot

TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT

TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT 3.0.07 0 π TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT π = π 3π π = π 5π 6π = 3π 7π TRIGONOMETRISET FUNKTIOT, MAA7 Tarkastellaan aluksi sini-funktiota ja lasketaan sin :n arvoja, kun saa arvoja 0:sta 0π :ään

Lisätiedot

Kompleksianalyysi, viikko 6

Kompleksianalyysi, viikko 6 Kompleksianalyysi, viikko 6 Jukka Kemppainen Mathematics Division Funktion erikoispisteet Määr. 1 Jos f on analyyttinen pisteen z 0 aidossa ympäristössä 0 < z z 0 < r jollakin r > 0, niin sanotaan, että

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys

Lisätiedot

Luento 4. Fourier-muunnos

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

Lisätiedot

Luento 4 Fourier muunnos

Luento 4 Fourier muunnos Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,

Lisätiedot

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla 4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu

Lisätiedot

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0;

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0; 3. Lämmönjohtumisyhtälö I Yksiulotteisessa lämmönjohtumisyhtälössä u t = u γ x tuntematon funktio u = u(x, t) kuvaa lämpötilaa yksiulotteisen kappaleen (ohut sauva; x-akseli) kohdassa x hetkellä t. Kun

Lisätiedot

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

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

Lisätiedot

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa Pentti Romppainen Kajaanin ammattikorkeakoulu Oy Kajaani University of Applied Sciences Diskreetti Fourier-muunnos ja

Lisätiedot

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM) MS-A17 Differentiaali- ja integraalilaskenta 1 CHEM) Laskuharjoitus 4lv, kevät 16 1. Tehtävä: Laske cos x dx a) osittaisintegroinnilla, b) soveltamalla sopivaa trigonometrian kaavaa. Ratkaisu: a) Osittaisintegroinnin

Lisätiedot

6.2.3 Spektrikertymäfunktio

6.2.3 Spektrikertymäfunktio ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Kompleksiluvut., 15. kesäkuuta /57

Kompleksiluvut., 15. kesäkuuta /57 Kompleksiluvut, 15. kesäkuuta 2017 1/57 Miksi kompleksilukuja? Reaaliluvut lukusuoran pisteet: Tiedetään, että 7 1 0 x 2 = 0 x = 0 1 7 x 2 = 1 x = 1 x = 1 x 2 = 7 x = 7 x = 7 x 2 = 1 ei ratkaisua reaalilukujen

Lisätiedot

1 Vastaa seuraaviin. b) Taajuusvasteen

1 Vastaa seuraaviin. b) Taajuusvasteen Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin?

Lisätiedot

u = 2 u (9.1) x + 2 u

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,

Lisätiedot

Yhteenveto Fourier-numeriikan luennoista

Yhteenveto Fourier-numeriikan luennoista March 25, 21 versio 1.1 1 Yhteenveto Fourier-numeriikan luennoista 19.3.-25.3.21 Fourier-sarja f paloittain jatkuva funktio [, L]. Kosinisarja: jossa Sinisarja: jossa Esimerkki 1. Funktion sinisarja on

Lisätiedot

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7 MS-C14, Fourier-analyysi, I/19- Fourier-analyysi, I/19-, Mallivastaukset, Laskuharjoitus 7 Harjoitustehtävä 7.1. Hetkellä t R olkoon s(t) 1 + cos(4πt) + sin(6πt). Laske tämän 1-periodisen signaalin s Fourier-kertoimet

Lisätiedot

Kvanttifysiikan perusteet, harjoitus 5

Kvanttifysiikan perusteet, harjoitus 5 Kvanttifysiikan perusteet, harjoitus 5 February 4, 07 Tehtävä Oletetaan energian ominaisfunktiot φ n ortonormitetuiksi, dxφ nφ m = δ nm, jossa δ nm on Kroneckerin delta. Määritetään ensin superpositiotilan

Lisätiedot

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali: BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()

Lisätiedot

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df) ELEC-A7 Signaalit ja järjestelmät Syksy 5 Tehtävä 3. a) Suoran tapauksessa ratkaistaan kaksi tuntematonta termiä, A ja B, joten tarvitaan kaksi pistettä, jotka ovat pisteet t = ja t =.. Saadaan yhtälöpari

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

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) + + +

Lisätiedot

3.3 Funktion raja-arvo

3.3 Funktion raja-arvo 3.3 Funktion raja-arvo Olkoot A ja B kompleksitason joukkoja ja f : A B kuvaus. Kuvauksella f on pisteessä z 0 A raja-arvo c, jos jokaista ε > 0 vastaa δ > 0 siten, että 0 < z z 0 < δ ja z A f(z) c < ε.

Lisätiedot

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

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) +

Lisätiedot

= 2 L L. f (x)dx. coshx dx = 1 L. sinhx nπ. sin. sin L + 2 L. a n. L 2 + n 2 cos. tehdään approksimoinnissa virhe, jota voidaan arvioida integraalin

= 2 L L. f (x)dx. coshx dx = 1 L. sinhx nπ. sin. sin L + 2 L. a n. L 2 + n 2 cos. tehdään approksimoinnissa virhe, jota voidaan arvioida integraalin BMA7 - Integraalimuunnokset Harjoitus 9. Määritä -jaksollisen funktion f x = coshx, < x < Fourier-sarja. Funktion on parillinen, joten b n = kun n =,,3,... Parillisuudesta johtuen kertoimet a ja a n saadaan

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 11. Integrointi erillisen erikoispisteen ympäri Olkoot f analyyttinen punkteeratussa kiekossa D(z 0.r\{z 0 }. Funktiolla f on erikoispiste z 0.

Lisätiedot

Kompleksianalyysi, viikko 4

Kompleksianalyysi, viikko 4 Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I MS-C142 Fourier-analyysi osa I G. Gripenberg Aalto-yliopisto 29. tammikuuta 214 G. Gripenberg (Aalto-yliopisto) MS-C142 Fourier-analyysiosa I 29. tammikuuta 214 1 / 3 1 Johdanto 2 Fourier-integraali Fourier-muunnos

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 2

SIGNAALITEORIAN KERTAUSTA OSA 2 1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman

Lisätiedot

Integroimistekniikkaa Integraalifunktio

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

Lisätiedot

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y ) MATEMATIIKAN JA TILASTOTIETEEN LAITOS Differentiaaliyhtälöt, kesä 00 Tehtävät 3-8 / Ratkaisuehdotuksia (RT).6.00 3. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: y = + y + y = + y + ( y ) (y

Lisätiedot

1 Sisätulo- ja normiavaruudet

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

Lisätiedot

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 5 Funktion jatkuvuus 5.1 Määritelmä ja perustuloksia 1. Tarkastellaan väitettä a > 0: b > 0: c > 0: d U c (a): f(d) / U b (f(a)), missä a, b, c, d R. Mitä funktion

Lisätiedot

Johdatus reaalifunktioihin P, 5op

Johdatus reaalifunktioihin P, 5op Johdatus reaalifunktioihin 802161P, 5op Osa 2 Pekka Salmi 1. lokakuuta 2015 Pekka Salmi FUNK 1. lokakuuta 2015 1 / 55 Jatkuvuus ja raja-arvo Tavoitteet: ymmärtää raja-arvon ja jatkuvuuden määritelmät intuitiivisesti

Lisätiedot

Derivaatan sovellukset (ääriarvotehtävät ym.)

Derivaatan sovellukset (ääriarvotehtävät ym.) Derivaatan sovellukset (ääriarvotehtävät ym.) Tehtävät: 1. Tutki derivaatan avulla funktion f kulkua. a) f(x) = x 4x b) f(x) = x + 6x + 11 c) f(x) = x4 4 x3 + 4 d) f(x) = x 3 6x + 1x + 3. Määritä rationaalifunktion

Lisätiedot

802320A LINEAARIALGEBRA OSA II

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

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

Sinin muotoinen signaali

Sinin muotoinen signaali Sinin muotoinen signaali Pekka Rantala.. Sini syntyy tasaisesta pyörimisestä Sini-signaali syntyy vakio-nopeudella pyörivän osoittimen y-suuntaisesta projektiosta. y u û α positiivinen pyörimissuunta x

Lisätiedot

(a) avoin, yhtenäinen, rajoitettu, alue.

(a) avoin, yhtenäinen, rajoitettu, alue. 1. Hahmottele seuraavat tasojoukot. Mitkä niistä ovat avoimia, suljettuja, kompakteja, rajoitettuja, yhtenäisiä, alueita? (a) {z C 1 < 2z + 1 < 2} (b) {z C z i + z + i = 4} (c) {z C z + Im z < 1} (d) {z

Lisätiedot

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p)

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p) Matematiikan TESTI, Maa7 Trigonometriset funktiot RATKAISUT Sievin lukio II jakso/017 VASTAA JOKAISEEN TEHTÄVÄÄN! MAOL/LIITE/taulukot.com JA LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT

Lisätiedot

l 1 2l + 1, c) 100 l=0

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)

Lisätiedot

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai MATP15 Approbatur 1B Ohjaus Keskiviikko 4.11. torstai 5.11.015 1. (Opiskeluteht. 6 s. 0.) Määritä sellainen vakio a, että polynomilla x + (a 1)x 4x a on juurena luku x = 1. Mitkä ovat tällöin muut juuret?.

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

Lisätiedot

Viikon aiheet. Funktion lineaarinen approksimointi

Viikon aiheet. Funktion lineaarinen approksimointi Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen

Lisätiedot

Luento 7. LTI-järjestelmät

Luento 7. LTI-järjestelmät Luento 7 Lineaaristen järjestelmien analyysi taajuustasossa Taajuusvaste Stabiilisuus..7 LTI-järjestelmät u(t) h(t) y(t) Tarkastellaan lineaarista aikainvarianttia järjestelmää n n m m d d d d yt () =

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 01 RITVA HURRI-SYRJÄNEN 5. Eksponenttifunktio ja sini- ja kosinifunktiot Kertausta. (1 Reaaliselle eksponenttifunktiolle e x : R R + pätee e x x k = kaikilla x R. k! (

Lisätiedot

= vakio = λ. V (x) V (0) = V (l) = 0.

= vakio = λ. V (x) V (0) = V (l) = 0. 6. Aatoyhtäö I 6.1. Ratkaisu Fourier-sarjojen avua. Oetetaan, että värähteevän angan muodon hetkeä t = määrää funktio u ja nopeuden funktio u 1. Otetaan tehtäväksi määrätä seuraavan akuarvo- reuna-arvotehtävän

Lisätiedot

Sarjoja ja analyyttisiä funktioita

Sarjoja ja analyyttisiä funktioita 3B Sarjoja ja analyyttisiä funktioita 3B a Etsi funktiolle z z 5 potenssisarjaesitys kiekossa B0, 5. b Etsi funktiolle z z potenssisarjaesitys kiekossa, jonka keskipiste on z 0 4. Mikä on tämän potenssisarjan

Lisätiedot

a(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

a(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

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I 1 Johdanto MS-C142 Fourier-analyysi osa I G Gripenberg 2 Fourier-integraali Fourier-muunnos ja derivaatta Konvoluutio Fourier-käänteismuunnos eliöintegroituvat funktiot Aalto-yliopisto 29 tammikuuta 214

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I MS-C1420 Fourier-analyysi osa I G. Gripenberg Aalto-yliopisto 29. tammikuuta 2014 G. Gripenberg (Aalto-yliopisto) MS-C1420 Fourier-analyysiosa I 29. tammikuuta 2014 1 / 29 Fourier-muunnoksia Jatkuva-aikaisen

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

Pienimmän neliösumman menetelmä

Pienimmän neliösumman menetelmä Pienimmän neliösumman menetelmä Keijo Ruotsalainen Division of Mathematics Funktion sovitus Datapisteet (x 1,...,x n ) Annettu data y i = f(x i )+η i, missä f(x) on tuntematon funktio ja η i mittaukseen

Lisätiedot

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2. 2. kl:n DY:t Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.) Lause Olkoon f(x 2, x 1, t) funktio, ja oletetaan, että f, f/ x 1 ja f/ x

Lisätiedot

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä? ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 208 4 Funktion raja-arvo 4 Määritelmä Funktion raja-arvon määritelmän ehdosta ε > 0: δ > 0: fx) A < ε aina, kun 0 < x a < δ, saadaan kvanttorien järjestystä vaihtamalla

Lisätiedot

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 / 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

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen

Lisätiedot

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1 Analyysi III Jari Taskinen 28. syyskuuta 2002 Luku Sisältö Sarjat 2. Lukujonoista........................... 2.2 Rekursiivisesti määritellyt lukujonot.............. 8.3 Sarja ja sen suppenminen....................

Lisätiedot

Scanned by CamScanner

Scanned by CamScanner Scanned by CamScanner ELEC-C414 Kenttäteoria ESIMERKKIRATKAISUT 2. välikoe: 13.12.216 4. (a) Ominaisimpedanssi (merkitään Z ) on siirtojohdon ominaisuus. Se on siis eri asia kuin tasoaaltojen yhteydessä

Lisätiedot

spektri taajuus f c f c W f c f c + W

spektri taajuus f c f c W f c f c + W Kaistanpäästösignaalit Monet digitaaliset tiedonsiirtosignaalit ovat keskittyneet jonkin tietyn kantoaaltotaajuuden f c ympäristöön siten, että signaali omaa merkittäviä taajuuskomponetteja vain kaistalla

Lisätiedot

Signaaliavaruuden kantoja äärellisessä ajassa a

Signaaliavaruuden kantoja äärellisessä ajassa a ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 3: Kompleksiarvoiset signaalit, taajuus, kantoaaltomodulaatio Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos Signaaliavaruuden

Lisätiedot

1 Analyyttiset funktiot

1 Analyyttiset funktiot Analyyttiset funktiot. Kompleksimuuttujan kompleksiarvoinen funktio Olkoot A ja B kompleksitason C osajoukkoja. Kuvausta f : A B sanotaan kompleksimuuttujan kompleksiarvoiseksi funktioksi. Usein on B C..Vakiokuvaus.

Lisätiedot

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi Pakotettu vaimennettu harmoninen värähtelijä Resonanssi Tällä luennolla tavoitteena Mikä on pakkovoiman aiheuttama vaikutus vaimennettuun harmoniseen värähtelijään? Mikä on resonanssi? Kertaus: energian

Lisätiedot

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 1 Laaja matematiikka 5 Kevät 010 4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa esiintyvistä matemaattisista malleista on differentiaaliyhtälö.

Lisätiedot

Luento 9. Epälineaarisuus

Luento 9. Epälineaarisuus Lueno 9 Epälineaarisuus 8..6 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!

Lisätiedot

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt 37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen

Lisätiedot

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

Lisätiedot

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua.

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6 Alkeisfunktiot Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6. Funktion määrittely Funktio f : A B on sääntö, joka liittää jokaiseen joukon A alkioon

Lisätiedot

Luento 14: Periodinen liike, osa 2. Vaimennettu värähtely Pakkovärähtely Resonanssi F t F r

Luento 14: Periodinen liike, osa 2. Vaimennettu värähtely Pakkovärähtely Resonanssi F t F r Luento 14: Periodinen liike, osa 2 Vaimennettu värähtely Pakkovärähtely Resonanssi θ F µ F t F r m g 1 / 20 Luennon sisältö Vaimennettu värähtely Pakkovärähtely Resonanssi 2 / 20 Vaimennettu värähtely

Lisätiedot

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa! Aalto yliopiston teknillinen korkeakoulu Mat-1.1040 L4 Tentti ja välikokeiden uusinta 21.5.2010 Gripenberg, Arponen, Siljander Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin

Lisätiedot

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

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

Lisätiedot

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π Matematiikan ja tilastotieteen laitos Funktionaalianalyysin peruskurssi Kevät 9) Harjoitus 7 Ratkaisuja Jussi Martin). E Hilbert avaruus L [, π]) ja gt) := t, t [, π]. Määrää funktion g Fourier kertoimet

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.09 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti

Lisätiedot

x n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x

x n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x Osittaisintegrointia käyttäen osoita integraalille I n x n e x dx oikeaksi reduktiokaava I n x n e x + ni n ja laske sen avulla mitä on I 4 kun x. x n e x dx n( e x ) nx n ( e x ) x n e x + ni n x 4 e

Lisätiedot

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2 BMA581 - Differentiaalilaskenta ja sovellukset Harjoitus 4, Syksy 15 1. (a) Olisiko virhe likimain.5, ja arvio antaa siis liian suuren arvon. (b) Esim (1,1.5) tai (,.5). Funktion toinen derivaatta saa

Lisätiedot

Fysiikan matematiikka P

Fysiikan matematiikka P Fysiikan matematiikka 763101P Luennoija: Kari Rummukainen, Fysikaalisten tieteiden laitos Tavoite: tarjota opiskelijalle nopeasti fysikaalisten tieteiden tarvitsemia matematiikan perustietoja ja taitoja.

Lisätiedot

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0, Harjoitus 5 1. Olkoot a > 0. Laske vaimenevan pulssin e ax, kun x > 0 fx) = 0, kun x < 0, ja voimistuvan pulssin gx) = konvoluution g f Fourier-muunnos. 0, kun x > 0 e ax, kun x < 0 apa 1: Konvoluution

Lisätiedot

MS-C1420 Fourier-analyysi osa II

MS-C1420 Fourier-analyysi osa II MS-C142 Fourier-analyysi osa II G. Gripenberg Aalto-yliopisto 14. helmikuuta 214 G. Gripenberg (Aalto-yliopisto) MS-C142 Fourier-analyysiosa II 14. helmikuuta 214 1 / 36 1 Fourier-sarjat ja Fourier-integraalit

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

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

Lisätiedot

Valintakoe

Valintakoe Valintakoe 7.3.05 Kokeessa saa käyttää kirjoitusvälinewiden lisäksi ainoastaan kokeessa jaettavaa funktiolaskinta ja taulukkoa Pisteytys 8*3p=4p. Tehtävien alakohtien pistemäärät voivat poiketa toisistaan..

Lisätiedot

6.8 Erityisfunktioiden sovelluksia

6.8 Erityisfunktioiden sovelluksia 6.8 Erityisfunktioiden sovelluksia Tässä luvussa esitellään muutama esimerkki, joissa käytetään hyväksi eksponentti-, logaritmi- sekä trigonometrisia funktioita. Ensimmäinen esimerkki juontaa juurensa

Lisätiedot

Harjoitus 1, tehtävä 1

Harjoitus 1, tehtävä 1 Heikki Kallasjoki, 66H, htkallas@cc.hut.fi /34 Harjoitus, tehtävä Oletetaan, että f C(R) on π-jaksollinen funktio ja a R. Näytä, että f(t + a) dt f(t) dt a+π f(t) dt. a () () (3) Tarkastellaan ensin lauseketta

Lisätiedot

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

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

Lisätiedot

LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT KOKEEN JÄLKEEN JA ANNA PISTEESI RUUTUUN!

LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT KOKEEN JÄLKEEN JA ANNA PISTEESI RUUTUUN! Matematiikan TESTI 4, Maa7 Trigonometriset funktiot ATKAISUT Sievin lukio II jakso/017 VASTAA JOKAISEEN TEHTÄVÄÄN! MAOL/LIITE/taulukot.com JA LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TAKISTA TEHTÄVÄT

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 12. Kurssikerta Petrus Mikkola 5.12.2016 Tämän kerran asiat Sini-ja kosifunktio Yksikköympyrä Tangentti- ja kotangenttifunktio Trigonometristen funktioiden ominaisuuksia

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42

Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42 Numeeriset menetelmät TIEA381 Luento 13 Kirsi Valjus Jyväskylän yliopisto Luento 13 () Numeeriset menetelmät 8.5.2013 1 / 42 Luennon 13 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Moniaskelmenetelmien

Lisätiedot

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 18 Harjoitus 6 Ratkaisuehdotukset Tehtävä 1. Osoita, että sileille Jordan-poluille on voimassa : I R n ja : J R n (I) = (J) jos ja vain

Lisätiedot