Teknillinen tiedekunta, matematiikan jaos Numeeriset menetelmät

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Teknillinen tiedekunta, matematiikan jaos Numeeriset menetelmät"

Transkriptio

1 Numeeriset menetelmät 1. välikoe, Määrää matriisin 1 1 a 1 3 a a 4 a a 2 1 LU-hajotelma kaikille a R. Ratkaise LU-hajotelmaa käyttäen yhtälöryhmä Ax = b, missä b = [ 1 3 2a 2 a + 3] T. 2. Suppenevatko Gauss-Seidelin iteraatiot matriisiyhtälölle 2 1 x Perustele vastauksesi. Laske Gauss-Seidelin menetelmällä ratkaisun approksimaatio x (4) ja arvioi virheen suuruutta -normin suhteen. 3. Yhtälön x 2 = 0 juurta välillä [ 5 3 3] etsitään kiintopisteiteraatiolla: a) x k+1 = 2 + x k b) x k+1 = x k Osoita, että kiintopisteiteraatiot suppenevat. Kumpi kiintopisteiteraatio antaa tarkemman approksimaation neljän iteraation jälkeen, kun alkuarvauksena käytetään x 0 = 1.9? 4. Ratkaise Newtonin menetelmällä (l. Newton-Raphson menetelmällä) yhtälöryhmän 4 + y 3 2 = 0 ratkaisun approksimaatio. Laske kaksi iteraatiota lähtien alkuarvauksesta x 0 = 0.4, y 0 = 0.4. Kaavat kääntöpuolella

2 Faculty of Technology, Math division Numerical Methods 1. midterm, Find the LU-decomposition of the matrix 1 1 a 1 3 a. a 4 a a 2 1 Using the LU-decomposition solve the equation Ax = b, where b = [ 1 3 2a 2 a+3] T. 2. Does the Gauss-Seidel iterations converge for the matrix equation 2 1 x Justify your answer. Compute with the Gauss-Seidel iterations the approximation x (4) and estimate its error in -norm. 3. The root of the equation x 2 = 0 that lies on the interval [ 5 3 by the following fixed point iterations: 3] are approximated a) x k+1 = 2 + x k b) x k+1 = x k Show that the the fixed point iterations converge. Which one gives more accurate approximation after four iterations when you start the iterations from x 0 = 1.9? 4. Solve by the Newton method the approxiamte solution of the system of equations 4 + y 3 2 = 0. Compute two iterations starting from x 0 = 0.4, y 0 = 0.4. Formulas on the back

3 Numeeriset menetelmät/kajaani 1. välikoe, Määrää matriisin [ 4 ] QR-hajotelma Householderin menetelmällä. 2. Ratkaise Jacobin iteraatiomenetelmällä yhtälöryhmän 3 1 x = [0 0] T. Arvioi ratkaisun a posteriori- likiratkaisu x (4), kun alkuarvaus on x (0) virhettä. 3. Pallo heitetään suoraan ylös alkunopeudella v 0 = 20 m/s korkeudelta x 0 = 0. Sen korkeus ajanfunktiona on x(t) = 1 ρ (v 0 + v r )(1 e ρt ) v r t, missä ρ = 0.35 on ilmanvastuksesta johtuva termi, pallon loppunopeus v r = g ρ. Maan vetovoiman kiihtyvyys g = 9.8 m/s 2. Millä ajanhetkellä pallo palaa alkutilaan? Ratkaise ongelma Newtonin menetelmällä. 4. Ratkaise Newtonin menetelmällä (l. Newton-Raphson menetelmällä) yhtälöryhmän 4 + y 3 2 = 0 ratkaisun approksimaatio. Laske kaksi iteraatiota lähtien alkuarvauksesta x 0 = 0.4, y 0 = 0.4.

4 Numeeriset menetelmät 1. välikoe, Määrää matriisin QR-hajotelma Householderin menetelmällä. 2. Ratkaise konjugaattigradienttimenetelmällä yhtälö 3 1 x Funktion f(x) = e x x 2 nollakohta on välillä [1, 2]. Suppeneeko jompikumpi tai peräti molemmat seuraavista kiintopisteiteraatiojonoista x k+1 = e x k 2, tai x k+1 = ln(x k + 2) kohti funktion nollakohtaa? Perustele väittämäsi. 4. Ratkaise Newtonin menetelmällä (l. Newton-Raphson menetelmällä) yhtälöryhmän 4 + y 3 2 = 0 ratkaisun approksimaatio. Laske kaksi iteraatiota lähtien alkuarvauksesta x 0 = 0.4, y 0 = 0.4.

5 Numeeriset menetelmät 1. välikoe, Määrää Pascalin matriisin A = LU-hajotelma. 2. Ratkaise Jacobin iteraatiolla lineaarisen yhtälöryhmän 3x 1 x 3 = 3 x x 3 = 4 x 1 + 5x 3 = 5 ratkaisun approksimaatio x (4) ja arvioi approksimaation virhettä, kun alkuarvaukset aloitetaan pisteestä x (0) = [0 0 0] T. 3. Osoita, että funktiolla ϕ(x) = cos(x) on kiintopiste välillä I = [0.65, 0.8]. Määrää kiintopisteen approksimaatio 4:n desimaalin tarkkuudella. 4. Yhtälöryhmän { + y 2 x = 0 y 2 y = 0 eräs ratkaisu on pisteen (x 0, y 0 ) = (0.8, 0.5) ympäristössä. Määrää ratkaisun approksimaatio Newtonin menetelmällä. Laske ainakin kaksi iteraatiota.

6 Kaavakokoelma x (k+1) = Bx (k) + c, x x (k) L 1 L x(k) x (k 1) Lk 1 L x(1) x (0) x n = ϕ(z n ), y n = ϕ(x n ) z n+1 = z n (x n z n ) 2 y n 2x n + z n [ ] F : R 2 R 2 F1 (x, y), F (x, y) = F 2 (x, y) ] F (x, y) = [ F1 (x,y) x F 2 (x,y) x F 1 (x,y) y F 2 (x,y) y f[x i ] = f(x i ), f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i ] 1. x 0 = 0, r 0 = d 0 = b; 2. k = 0,..., n 1 β k = r k 2 r k 1 2, β 0 = 0 d k = r k + β k d k 1, d 0 = r 0 α k = r k 2 d T k Ad k x k+1 = x k + α k d k r k+1 = r k α k Ad k

f[x i ] = f i, f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i T n+1 (x) = 2xT n (x) T n 1 (x), T 0 (x) = 1, T 1 (x) = x.

f[x i ] = f i, f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i T n+1 (x) = 2xT n (x) T n 1 (x), T 0 (x) = 1, T 1 (x) = x. Kaavakokoelma f[x i ] = f i, f[x i,..., x j ] = f[x i+,..., x j ] f[x i,..., x j ] x j x i T n+ (x) = 2xT n (x) T n (x), T (x) =, T (x) = x. n I,n = h f(t i + h 2 ), E,n = h2 (b a) f (2) (ξ). 24 i= I,n

Lisätiedot

MATEMATIIKAN JAOS NUMEERISET MENETELMÄT

MATEMATIIKAN JAOS NUMEERISET MENETELMÄT MATEMATIIKAN JAOS NUMEERISET MENETELMÄT Harjoitustehtäviä, kevät 2012 1. Tarkastellaan summaa S = 1+0.4+0.3+0.2+0.04+0.03+0.02+0.01. a) Laske summa laskukoneella vasemmalta oikealle käyttäen liukulukuaritmetiikkaa,

Lisätiedot

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen yhtälöiden ratkaisumenetelmät Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin

Lisätiedot

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen yhtälöiden ratkaisumenetelmät Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Konjugaattigradienttimenetelmä

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

Lisätiedot

Iteratiiviset ratkaisumenetelmät

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

Lisätiedot

Harjoitus 7 -- Ratkaisut

Harjoitus 7 -- Ratkaisut Harjoitus 7 -- Ratkaisut 1 Solve osaa ratkaista polynomiyhtälöitä, ainakin astelukuun 4 asti. Erikoistapauksissa korkeammankin asteen yhtälöt ratkeavat. Clear a, b, c, d, e, x ; Solve a x 3 b x 2 c 0,

Lisätiedot

Numeeriset Menetelmät, P. Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos

Numeeriset Menetelmät, P. Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos Numeeriset Menetelmät, 031022P Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos 11. helmikuuta 2009 2 Sisältö 1 Johdanto 7 1.1 Varoitus.............................. 7 1.2 Numeeriset menetelmät

Lisätiedot

Mapu 1. Laskuharjoitus 3, Tehtävä 1

Mapu 1. Laskuharjoitus 3, Tehtävä 1 Mapu. Laskuharjoitus 3, Tehtävä Lineaarisessa approksimaatiossa funktion arvoa lähtöpisteen x 0 ympäristössä arvioidaan liikkumalla lähtöpisteeseen sovitetun tangentin kulmakertoimen mukaisesti: f(x 0

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 2 To 8.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 2 To 8.9.2011 p. 1/33 p. 1/33 Lukujen tallennus Kiintoluvut (integer) tarkka esitys aritmeettiset operaatiot

Lisätiedot

Numeeriset menetelmät Pekka Vienonen

Numeeriset menetelmät Pekka Vienonen Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin

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

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2) MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle

Lisätiedot

Numeeriset Menetelmät, P. Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos

Numeeriset Menetelmät, P. Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos Numeeriset Menetelmät, 031022P Keijo Ruotsalainen Teknillinen tiedekunta matematiikan jaos 11. helmikuuta 2010 2 Sisältö 1 Johdanto 7 1.1 Varoitus.............................. 7 1.2 Numeeriset menetelmät

Lisätiedot

(0 desimaalia, 2 merkitsevää numeroa).

(0 desimaalia, 2 merkitsevää numeroa). NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 7 8

Inversio-ongelmien laskennallinen peruskurssi Luento 7 8 Inversio-ongelmien laskennallinen peruskurssi Luento 7 8 Kevät 2011 1 Iteratiivisista menetelmistä Tähän mennessä on tarkasteltu niin sanottuja suoria menetelmiä, joissa (likimääräinen) ratkaisu saadaan

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit MS-A25/MS-A26 ifferentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 216 1 Perustuu

Lisätiedot

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

Lisätiedot

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

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

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi

Lisätiedot

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä Matriisit voivat olla kooltaan niin suuria, että LU-hajotelman laskeminen ei ole järkevä tapa ratkaista lineaarista

Lisätiedot

BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 5, Syksy 2016

BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 5, Syksy 2016 BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 5, Syksy 2016 1. (a) Anna likiarvo lineaarisen approksimaation avulla sille mitä on T (100.5), kun T (100) = 45 ja T (100) = 10. (b) Käyttäen lineaarista

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

Differentiaalilaskenta 1.

Differentiaalilaskenta 1. Differentiaalilaskenta. a) Mikä on tangentti? Mikä on sekantti? b) Määrittele funktion monotonisuuteen liittyvät käsitteet: kasvava, aidosti kasvava, vähenevä ja aidosti vähenevä. Anna esimerkit. c) Selitä,

Lisätiedot

Fx-CP400 -laskimella voit ratkaista yhtälöitä ja yhtälöryhmiä eri tavoin.

Fx-CP400 -laskimella voit ratkaista yhtälöitä ja yhtälöryhmiä eri tavoin. 3. Yhtälöt Fx-CP400 -laskimella voit ratkaista yhtälöitä ja yhtälöryhmiä eri tavoin. 3.1 Ensimmäisen asteen yhtälöt Ratkaise yhtälö. 3 x ( x 3) 4x 5 Kirjoita tehtävä sellaisenaan, maalaa se ja käytä Interactive

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-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

Lisätiedot

BM20A1501 Numeeriset menetelmät 1 - AIMO

BM20A1501 Numeeriset menetelmät 1 - AIMO 6. marraskuuta 2014 Opetusjärjestelyt Luennot + Harjoitukset pe 7.11.2014 10-14 2310, 14-17 7337 la 8.11.2014 9-12 2310, 12-16 7337 pe 14.11.2014 10-14 2310, 14-17 6216 la 15.11.2014 9-12 2310, 12-16 7337

Lisätiedot

n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa.

n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa. MAA 12 kertaus Funktion kuvaaja n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa. Funktion nollakohta on piste, jossa f () = 0, eli kuvaaja leikkaa -akselin. Kuvaajan avulla

Lisätiedot

Luento 9: Newtonin iteraation sovellus: optimointiongelma

Luento 9: Newtonin iteraation sovellus: optimointiongelma Luento 9: Newtonin iteraation sovellus: optimointiongelma ilman rajoitusehtoja Optimointiongelmassa tehtävänä on löytää annetun reaaliarvoisen jatkuvan funktion f(x 1,x,,x n ) maksimi tai minimi jossain

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-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

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Inversio-ongelmien laskennallinen peruskurssi Luento 3 Inversio-ongelmien laskennallinen peruskurssi Luento 3 Kevät 2011 1 Singulaariarvohajotelma (Singular Value Decomposition, SVD) Olkoon A R m n matriisi 1. Tällöin A voidaan esittää muodossa A = UΣV T,

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle / MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,

Lisätiedot

Mat Matematiikan peruskurssi K2

Mat Matematiikan peruskurssi K2 Mat-.3 Matematiikan peruskurssi K Heikkinen/Tikanmäki Kolmas välikoe 6.5. Kokeessa saa käyttää ylioppilaskirjoituksiin hyväksyttyä laskinta. Sivun kääntöpuolelta löytyy integrointikaavoja.. Olkoon F(x,

Lisätiedot

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 2. Kirsi Valjus. Jyväskylän yliopisto. Luento 2 () Numeeriset menetelmät / 39

Numeeriset menetelmät TIEA381. Luento 2. Kirsi Valjus. Jyväskylän yliopisto. Luento 2 () Numeeriset menetelmät / 39 Numeeriset menetelmät TIEA381 Luento 2 Kirsi Valjus Jyväskylän yliopisto Luento 2 () Numeeriset menetelmät 14.3.2013 1 / 39 Luennon 2 sisältö Luvusta 1: Numeerinen stabiilisuus Liite A: Liukulukuaritmetiikasta

Lisätiedot

Returns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu

Returns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu Returns to Scale II Contents Most Productive Scale Size Further Considerations Relaxation of the Convexity Condition Useful Reminder Theorem 5.5 A DMU found to be efficient with a CCR model will also be

Lisätiedot

ja F =

ja F = MATRIISIALGEBRA Harjoitustehtäviä syksy 2016 Tehtävissä 1 ja 2a käytetään seuraavia matriiseja: ( ) 6 2 3 A =,B = 7 1 2 2 3,C = 4 4 2 5 3,E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1.

Lisätiedot

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS 1. Suorakaiteen muotoisen lämmönvaraajan korkeus on K, leveys L ja syvyys S yksikköä. Konvektiosta ja säteilystä johtuvat lämpöhäviöt ovat verrannollisia lämmönvaraajan lämpötilan T ja ympäristön lämpötilan

Lisätiedot

Matematiikan perusteet taloustieteilij oille I

Matematiikan perusteet taloustieteilij oille I Matematiikan perusteet taloustieteilijöille I Harjoitukset syksy 2006 1. Laskeskele ja sieventele a) 3 27 b) 27 2 3 c) 27 1 3 d) x 2 4 (x 8 3 ) 3 y 8 e) (x 3) 2 f) (x 3)(x +3) g) 3 3 (2x i + 1) kun, x

Lisätiedot

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Luento 11: Rajoitusehdot. Ulkopistemenetelmät Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja

Lisätiedot

Yhtälöryhmän iteratiivinen ratkaiseminen

Yhtälöryhmän iteratiivinen ratkaiseminen Yhtälöryhmän iteratiivinen ratkaiseminen V V I Berg Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kesä 2015 Tiivistelmä: V V I Berg, Yhtälöryhmän iteratiivinen ratkaiseminen

Lisätiedot

3 x 1 < 2. 2 b) b) x 3 < x 2x. f (x) 0 c) f (x) x + 4 x 4. 8. Etsi käänteisfunktio (määrittely- ja arvojoukkoineen) kun.

3 x 1 < 2. 2 b) b) x 3 < x 2x. f (x) 0 c) f (x) x + 4 x 4. 8. Etsi käänteisfunktio (määrittely- ja arvojoukkoineen) kun. Matematiikka KoTiA1 Demotehtäviä 1. Ratkaise epäyhtälöt x + 1 x 2 b) 3 x 1 < 2 x + 1 c) x 2 x 2 2. Ratkaise epäyhtälöt 2 x < 1 2 2 b) x 3 < x 2x 3. Olkoon f (x) kolmannen asteen polynomi jonka korkeimman

Lisätiedot

Este- ja sakkofunktiomenetelmät

Este- ja sakkofunktiomenetelmät Este- ja sakkofunktiomenetelmät Keijo Ruotsalainen Mathematics Division Luennon kulku Este- ja sisäpistemenetelmät LP-ongelmat ja logaritminen estefunktio Polun seuranta Newtonin menetelmällä Sakkofunktiomenetelmistä

Lisätiedot

MAA2.3 Koontitehtävät 2/2, ratkaisut

MAA2.3 Koontitehtävät 2/2, ratkaisut MAA.3 Koontitehtävät /, ratkaisut. (a) 3x 5x 4 = 0 x = ( 5) ± ( 5) 4 3 ( 4) 6 (b) (x 4) = (x 4)(x + 4) (x 4)(x 4) = (x 4)(x + 4) x 8x + 6 = x 6 x 6 8x = 3 : 8 x = 4 = 5 ± 73 6 (c) 4 x + x + = 0 4 x + 4x

Lisätiedot

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Numeerisia ja algebrallisia menetelmiä

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Numeerisia ja algebrallisia menetelmiä Calculus Lukion 7 MAA Numeerisia ja algebrallisia menetelmiä Paavo Jäppinen Alpo Kupiainen Matti Räsänen Otava PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN Numeerisia ja algebrallisia menetelmiä

Lisätiedot

mlnonlinequ, Epälineaariset yhtälöt

mlnonlinequ, Epälineaariset yhtälöt Aalto-yliopisto, Matematiikan ja Systeemianalyysin laitos -e mlnonlinequ, Epälineaariset yhtälöt 1. Historiallisesti mielenkiintoinen yhtälö on x 3 2x 5 = 0, jota Wallis-niminen matemaatikko käsitteli,

Lisätiedot

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

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16 MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos

Lisätiedot

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011 PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma

Lisätiedot

tyyppi metalli puu lasi työ I II III metalli puu lasi työ

tyyppi metalli puu lasi työ I II III metalli puu lasi työ MATRIISIALGEBRA Harjoitustehtäviä syksy 29 ( 7 1 1 4 1 1. Olkoot, B = 1 5 2 5 3 Määrää 2A, B 2A, A T, ( 2A) T, (A T ) T. ), C = ( 1 ) 4 4 ja E = 7. 3 2. Olkoot A, B, C ja E kuten edellisessä tehtävässä.

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Keijo Ruotsalainen Division of Mathematics Kurssitiedot Luennot alkavat ke 11.1.2012 Ke 12-14 L3 To 14-16 L6 Kurssin viimeinen luento To 22.3 2012 Kurssin suorittaminen välikokein:

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto

Lisätiedot

Matriisilaskenta Luento 8: LU-hajotelma

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

Lisätiedot

f(x) f(y) x y f f(x) f(y) (x) = lim

f(x) f(y) x y f f(x) f(y) (x) = lim Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma

Lisätiedot

y=-3x+2 y=2x-3 y=3x+2 x = = 6

y=-3x+2 y=2x-3 y=3x+2 x = = 6 MAA Koe, Arto Hekkanen ja Jussi Tyni 5.5.015 Loppukoe LASKE ILMAN LASKINTA. 1. Yhdistä kuvaaja ja sen yhtälö a) 3 b) 1 c) 5 d) Suoran yhtälö 1) y=3x ) 3x+y =0 3) x y 3=0 ) y= 3x 3 5) y= 3x 6) 3x y+=0 y=-3x+

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

Todellinen vuosikorko. Efektiivinen/sisäinen korkokanta. Huomioitavaa

Todellinen vuosikorko. Efektiivinen/sisäinen korkokanta. Huomioitavaa Todellinen vuosikorko Huomioitavaa Edellinen keskimaksuhetkeen perustuva todellinen vuosikorko antaa vain arvion vuosikorosta. Tarkempi arvio todellisesta korosta saadaan ottamalla huomioon mm. koronkorko.

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

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo.

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo. Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo. Iterointi on menetelmä, missä jollakin likiarvolla voidaan määrittää jokin toinen,

Lisätiedot

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A = Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 211 1. Olkoon A = Määrää ( 2 1 ) 3 4 1 ja B = 2 1 6 3 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A. 2. Laske seuraavat determinantit

Lisätiedot

Muutoksen arviointi differentiaalin avulla

Muutoksen arviointi differentiaalin avulla Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin

Lisätiedot

812336A C++ -kielen perusteet, 21.8.2010

812336A C++ -kielen perusteet, 21.8.2010 812336A C++ -kielen perusteet, 21.8.2010 1. Vastaa lyhyesti seuraaviin kysymyksiin (1p kaikista): a) Mitä tarkoittaa funktion ylikuormittaminen (overloading)? b) Mitä tarkoittaa jäsenfunktion ylimääritys

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

4. Differentiaaliyhtälöryhmät 4.1. Ryhmän palauttaminen yhteen yhtälöön

4. Differentiaaliyhtälöryhmät 4.1. Ryhmän palauttaminen yhteen yhtälöön 4 Differentiaaliyhtälöryhmät 41 Ryhmän palauttaminen yhteen yhtälöön 176 Ratkaise differentiaaliyhtälöryhmät a) dt = y +t, b) = y z + sinx x 2 dt = x +t, c) + z = x2 = y + z + cosx + 2y = x a)x = C 1 e

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 214 1. Tutki seuraavia jonoja a) (a n )=(3n 1) ( ) 2 b) (a n )= 3 n ( ) 1 c) (a n )= (n + 1)(n +2) 2. Tutki seuraavia sarjoja a) (3k 1)

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti

Lisätiedot

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi). Liukuluvut Tietokonelaskuissa käytetään liukulukuja: mikä esittää lukua ± α α α M β k ± ( M α i β i )β k, i= β on järjestelmän kantaluku, α α M liukuluvun mantissa, α,, α M lukuja,,,, β, siten että α Esimerkki

Lisätiedot

Funktio 1. a) Mikä on funktion f (x) = x lähtöjoukko eli määrittelyjoukko, kun 0 x 5?

Funktio 1. a) Mikä on funktion f (x) = x lähtöjoukko eli määrittelyjoukko, kun 0 x 5? Funktio. a) Mikä on funktion f (x) = x + lähtöjoukko eli määrittelyjoukko, kun 0 x 5? b) Mikä on funktion f (x) = x + maalijoukko eli arvojoukko? c) Selitä, mikä on funktion nollakohta. Anna esimerkki.

Lisätiedot

Preliminäärikoe Pitkä Matematiikka 3.2.2009

Preliminäärikoe Pitkä Matematiikka 3.2.2009 Preliminäärikoe Pitkä Matematiikka..9 x x a) Ratkaise yhtälö =. 4 b) Ratkaise epäyhtälö x > x. c) Sievennä lauseke ( a b) (a b)(a+ b).. a) Osakkeen kurssi laski aamupäivällä,4 % ja keskipäivällä 5,6 %.

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ 1 YLIOPPILASTUTKINTO- LAUTAKUNTA 25.9.2017 MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät:

A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät: MAB4 Koe Jussi Tyni 1..015 A-osio. Ilman laskinta. MAOL-taulukkokirja saa olla käytössä. Maksimissaan yksi tunti aikaa. Laske kaikki tehtävät: 1. a. Piirrä seuraava suora mahdollisimman tarkasti ruutupaperille:

Lisätiedot

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Dynaamisten 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

Lisätiedot

Capacity Utilization

Capacity Utilization Capacity Utilization Tim Schöneberg 28th November Agenda Introduction Fixed and variable input ressources Technical capacity utilization Price based capacity utilization measure Long run and short run

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista

Lisätiedot

Funktioiden approksimointi ja interpolointi

Funktioiden approksimointi ja interpolointi Funktioiden approksimointi ja interpolointi Keijo Ruotsalainen Division of Mathematics interpolaatio-ongelma 8 Eksponenttifunktion exp(x) interpolointi 3.5 Funktion e^{0.25x} \sin(x) interpolointi 7 3

Lisätiedot

Harjoitus 4: Matlab - Optimization Toolbox

Harjoitus 4: Matlab - Optimization Toolbox Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen

Lisätiedot

Matematiikan tukikurssi: kurssikerta 12

Matematiikan tukikurssi: kurssikerta 12 Matematiikan tukikurssi: kurssikerta 2 Tenttiin valmentavia harjoituksia Huomio. Tähän tulee lisää ratkaisuja sitä mukaan kun ehin niitä kirjoittaa. Kurssilla käyään läpi tehtävistä niin monta kuin mahollista.

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

Ratkaisuehdotukset LH 10 / vko 48

Ratkaisuehdotukset LH 10 / vko 48 MS-C134 Lineaarialgebra, II/017 Ratkaisuehdotukset LH 10 / vko 48 Tehtävä 1: Olkoot A R n n symmetrinen ja positiividefiniitti matriisi. Näytä, että (i T A n (λ iα i (ii A n (λ i α i jossa α i on siten,

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55

Numeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55 Numeeriset menetelmät TIEA381 Luento 14 Kirsi Valjus Jyväskylän yliopisto Luento 14 () Numeeriset menetelmät 15.5.2013 1 / 55 Luennon 14 sisältö Nopeat Fourier-muunnokset (FFT) Yleinen algoritmi 2-kantainen

Lisätiedot

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Seuraavassa esitetään optimointitehtävien numeerisia ratkaisumenetelmiä, eli optimointialgoritmeja, keittokirjamaisesti.

Lisätiedot

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

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

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, syksy 2016 / ORMS1010 Matemaattinen Analyysi 8. harjoitus, viikko 49 R1 to 12 14 F453 (8.12.) R2 to 14 16 F345 (8.12.) R3 ke 8 10 F345 (7.11.) 1. Määritä funktion f (x) = 1 Taylorin sarja

Lisätiedot

Tee kokeen yläreunaan pisteytysruudukko. Valitse kuusi tehtävää seuraavista kahdeksasta. Perustele vastauksesi!

Tee kokeen yläreunaan pisteytysruudukko. Valitse kuusi tehtävää seuraavista kahdeksasta. Perustele vastauksesi! MAA Loppukoe 70 Jussi Tyni Tee pisteytysruudukko konseptin yläreunaan! Vastauksiin välivaiheet, jotka perustelevat vastauksesi! Lue ohjeet huolellisesti! Tee kokeen yläreunaan pisteytysruudukko Valitse

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle / MS-A008 Differentiaali- ja integraalilaskenta, V/207 Differentiaali- ja integraalilaskenta Ratkaisut 2. viikolle / 8. 2.4. Jatkuvuus ja raja-arvo Tehtävä : Määritä raja-arvot a) 3 + x, x Vihje: c)-kohdassa

Lisätiedot

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 28 1. Olkoon A = Määrää ( 2 1 ) 3 4 1 a) A + B b) AB BA d) A 2 e) A T f) A T B g) 3A ja B = 2 1 6 3 1 2. Laske seuraavat determinantit

Lisätiedot

Matemaattinen Analyysi / kertaus

Matemaattinen Analyysi / kertaus Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen

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

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle 13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien

Lisätiedot

MS-A0103 / Syksy 2015 Harjoitus 2 / viikko 38 / Ennakot

MS-A0103 / Syksy 2015 Harjoitus 2 / viikko 38 / Ennakot Harjoitus 2 / viikko 38 / Ennakot Sekä tiistain 15.9. että torstain 17.9. luentoja pohjustavat ennakkotehtävät löytyvät MyCoursesin Tehtävät-osiosta. Lisätietoja itse tehtävissä. Tiedostoa viimeksi muokattu:

Lisätiedot

Kompleksiluvun logaritmi: Jos nyt z = re iθ = re iθ e in2π, missä n Z, niin saadaan. ja siihen vaikuttava

Kompleksiluvun logaritmi: Jos nyt z = re iθ = re iθ e in2π, missä n Z, niin saadaan. ja siihen vaikuttava Kompleksiluvun logaritmi: ln z = w z = e w Jos nyt z = re iθ = re iθ e inπ, missä n Z, niin saadaan w = ln z = ln r + iθ + inπ, n Z Logaritmi on siis äärettömän moniarvoinen funktio. Helposti nähdään että

Lisätiedot