Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37
|
|
- Sanna-Kaisa Tuominen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Numeeriset menetelmät TIEA381 Luento 11 Kirsi Valjus Jyväskylän yliopisto Luento 11 () Numeeriset menetelmät / 37
2 Luennon 11 sisältö Numeerisesta integroinnista ja derivoinnista Adaptiiviset integrointialgoritmit Moniulotteinen integrointi Numeerinen derivointi Tavallisten differentiaaliyhtälöiden numeriikasta Luento 11 () Numeeriset menetelmät / 37
3 Numeerisesta integroinnista 6.5. Automaattiset integrointialgoritmit Matala-asteiset integrointikaavat antavat epätarkkoja tuloksia, jos integroimisväli [a, b] on liian pitkä. Matala-asteisia kaavoja voidaan käyttää tehokkaasti, jos integroimisväli jaetaan osaväleihin, joissa integrointi suoritetaan erikseen. Automaattiset integrointialgoritmit hakevat itse osavälin pituuden h, joka antaa halutun tarkkuuden, ts. Käyttäjä Asettaa tarkkuusvaatimuksen ε. Integrointialiohjelma Suorittaa integroinnin halutulla tarkkuudella. Luento 11 () Numeeriset menetelmät / 37
4 6.5. Automaattiset integrointialgoritmit Esim. automaattisesta integrointialgoritmista Rombergin menetelmä on ekstrapolaatiomenetelmä, jossa integraali lasketaan ensin mielivaltaisella osavälin pituudella h ja sen jälkeen tämän puolikkaalla. Tämän jälkeen käytetään Richardsonin ekstrapolaatiota, jolloin muodostetaan lineaarikombinaatio edellä saaduista likiarvoista. Integroimisväli on jaettu osaväleihin, joilla integrointi suoritetaan erikseen Menetelmässä käytetään yhtä integr.kaavaa ja samaa osavälin pituutta koko välillä [a, b]. Menetelmä hakee osavälin pituuden h, joka antaa halutun tarkkuuden. Luento 11 () Numeeriset menetelmät / 37
5 6.5. Automaattiset integrointialgoritmit Adaptiiviset integrointialgoritmit Adaptiivinen integrointialgoritmi Käyttää yhtä tai useampaa alkeellista integrointikaavaa ja Määrää automaattisesti osavälien pituudet siten, että tulos täyttää ennalta asetetun tarkkuusvaatimuksen. Erilaisia askelpituuksia käytetään integroimisalueen eri osissa: pitkä askel, missä integroitava funktio on tasainen ja lyhyempi askel muualla. Tällä tavalla pyritään saamaan haluttu tarkkuus mahdollisimman vähällä laskentatyöllä. Luento 11 () Numeeriset menetelmät / 37
6 6.5. Automaattiset integrointialgoritmit Yksinkert. adaptiivinen integrointialgoritmi Väli [a, b] jaetaan osaväleihin [x i, x i+1 ], h i = x i+1 x i. Kullakin osavälillä käytetään kahta eri integroimissääntöä integraalin I i = xi+1 x i f (x) dx laskemiseen. Tuloksina saadaan approksimaatiot P i ja Q i. Vertaamalla approksimaatioita P i ja Q i saadaan arvio näiden tarkkuudelle. Jos tarkkuus on hyväksyttävissä, otetaan näista toinen integraalin arvoksi tällä osavälillä. Jos tarkkuus ei ole hyväksyttävä, osaväli puolitetaan edelleen ja prosessi toistetaan osavälin puolikkaissa. Luento 11 () Numeeriset menetelmät / 37
7 Esimerkki 6.5. Automaattiset integrointialgoritmit I i = xi+1 Valitaan P i ja Q i siten, että x i f (x) dx, h i = x i+1 x i P i : sovelletaan jotakin integr.sääntöä osavälillä [x i, x i+1 ] Q i : sovelletaan samaa integroimissääntöä puolittamalla osavälin pituus Oletetaan, että I i P i Ch p+1 i, missä p on tunnettu ja C on tuntematon vakio. Tällöin I i Q i C2 p h p+1 i ja eliminoimalla C saadaan P i :n ja Q i :n virheille yhteys I i Q i 1 2 p (I i P i ). (1) Luento 11 () Numeeriset menetelmät / 37
8 Esimerkki jatkuu Edelleen 6.5. Automaattiset integrointialgoritmit Q i I i 1 2 p 1 (P i Q i ). Osaväli on tarpeeksi lyhyt, jos on voimassa 1 2 p 1 P i Q i h ( i b a ε P i Q i 2p 1 b a εh i Jos koko väli [a, b] on jaettu n:ään osaväliin, jolla tämä on voimassa, on ) I := b a f (x) dx Q = n Q i. i=1 Luento 11 () Numeeriset menetelmät / 37
9 Esimerkki jatkuu 6.5. Automaattiset integrointialgoritmit Lisäksi Q I = n (Q i I i ) i=1 1 2 p 1 i=1 n Q i I i i=1 n P i Q i 1 2 p 1 2p 1 n b a ε h i = ε. i=1 Luento 11 () Numeeriset menetelmät / 37
10 6.5. Automaattiset integrointialgoritmit Simps. sääntöön perustuva adapt. men. Simpsonin säännössä virhe yhdellä osavälillä on muotoa h 5 f (4) (ξ)/90, ξ [x 0, x 2 ]. Annetaan alkuarvo osavälin pituudelle h 0 = (b a)/4n ja tarkkuudelle ε. Määrätään integraalin arvo Simpsonin säännöllä. a+4h0 a f (x) dx Määrätään likiarvo derivaatalle etenevän differenssin avulla f (4) (a + 2h 0 ) 4 f 0 h 4 0 Luento 11 () Numeeriset menetelmät / 37
11 6.5. Automaattiset integrointialgoritmit Simps. sääntöön perustuva adapt. men. jatkuu virhe = 2 h f (4) (ξ) 2 h5 0 4 f 0 90 h0 4 2 h f 0 ε (b a)/4h 0 eli 4 f 0 180ε b a. (2) Jos (2) on voimassa, on tarkkuus välillä [a, a + 4h 0 ] riittävä. Asetetaan a := a + 4h 0. Jos (2):n vasen puoli on alle 1/16 oikea puoli, asetetaan h 0 := 2h 0. Jos (2) ei ole voimassa, asetetaan h 0 := h 0 /2 ja uusitaan integrointi välillä [a, a + 4h 0 ]. Näin jatketaan kunnes koko väli [a, b] on integroitu. Luento 11 () Numeeriset menetelmät / 37
12 6.5. Automaattiset integrointialgoritmit Simps. sääntöön perustuva adapt. men. jatkuu Algoritmi 1. Laske a+4h 0 a f (x) dx Simpsonin säännöllä 2 osassa 2. Laske 4 f Jos - (2) voimassa, siirry seuraavalle osavälille: a := a + 4h f ε 16 b a, tuplaa osavälin pituus: h 0 := 2h 0. - (2) ei voimassa, puolita osavälin pituus h 0 := h 0 /2 Palaa kohtaan 1. Jatka, kunnes koko väli [a, b] on käyty läpi. Luento 11 () Numeeriset menetelmät / 37
13 6.7 Moniulotteinen integrointi 6.7 Moniulotteinen integrointi Numeerinen integrointi suoritetaan useammassa ulottuvuudessa periaatteessa samalla tavoin kuin yhdessäkin ulottuvuudessa: I i A i f (x (i) ) Joukko jonka yli integroidaan voi kuitenkin olla hyvin monimutkainen jo kahdessakin ulottuvuudessa. Luento 11 () Numeeriset menetelmät / 37
14 6.7 Moniulotteinen integrointi Moniulotteinen integrointi jatkuu Käytännössä numeerinen integrointi tapahtuu kahdessa vaiheessa: integrointialue Ω korvataan yksinkertaisemmalla alueella (esim. monikulmio) Ω ja integroidaan tämän alueen yli otettu integraali numeerisesti: f (x 1,..., x n ) dx 1... dx n f (x 1,..., x n ) dx 1... dx n Ω bω k A i f (x (i) 1,..., x n (i) ). Integroimispisteiden x (i) ja painokertoimien A i arvot määrää alue Ω. i=1 Luento 11 () Numeeriset menetelmät / 37
15 6.7 Moniulotteinen integrointi Yksinkertaisia kaavoja kolmiolle Monimutkaista tasoaluetta voidaan yleensä helposti approksimoida kolmioilla. Olkoon µ(k) kolmion K pinta-ala ja G kolmion painopiste. Tällöin integrointikaava (painopistekaava) f (x, y) dx dy µ(k) f (G) K on tarkka ensimmäisen asteen polynomeille. Jos A, B ja C ovat kolmion sivujen keskipisteet on kaava f (x, y) dx dy µ(k) (f (A) + f (B) + f (C)) 3 K tarkka toisen asteen polynomeille (keskipistekaava). Luento 11 () Numeeriset menetelmät / 37
16 6.7.2 Tulointegraalit 6.7 Moniulotteinen integrointi Moniulotteinen integraali voidaan laskea soveltamalla yksiulotteisia menetelmiä peräkkäin kullekin dimensiolle. Esimerkiksi yksiulotteisen k-pisteisen Gaussin ja Legendren kaavan vastine R 2 :ssa on 1 1 ( 1 k ) f (x, y) dx dy A i f (x i, y) dy = 1 1 k [ 1 A i i=1 k i=1 j=1 1 1 ] f (x i, y) dy k A i A j f (x i, x j ), i=1 k i=1 missä A i k A j f (x i, y j ) (A i, x i ) ovat 1-ulott. kaavan painokertoimet ja integr.pisteet. Kaava on tarkka 2k 1-asteisille polynomeille. Luento 11 () Numeeriset menetelmät / 37 j=1
17 6.8 Numeerinen derivointi 6.8 Numeerinen derivointi Numeerisella derivoinnilla tarkoitetaan likiarvon laskemista funktion f : R R derivaatalle f ilman derivaatan analyyttistä lauseketta. Jos f :n arvo tunnetaan vain ennaltamäärätyissä pisteissä f :ää voidaan interpoloida esimerkiksi splini-funktiolla ja derivoida interpolantin analyyttinen lauseke. Jos f :n analyyttinen lauseke on käytettävissä on analyyttinen derivointi periaatteessa mekaaninen toimenpide. Numeerinen derivointi on sen sijaan hankalaa, koska yksinkertaiset numeeriset derivointikaavat ovat numeerisesti epästabiileja. Luento 11 () Numeeriset menetelmät / 37
18 6.8 Numeerinen derivointi Derivaattojen yksinkertaiset diff.appr. Olkoon funktion f arvot tunnettu pisteissä x h, x ja x + h. Jos f on äärettömän monta kertaa derivoituva pisteessä x, niin f :lle voidaan muodostaa Taylorin kehitelmät f (x + h) = f (x) + f (x)h f (x)h f (x)h f (4) (x)h +... f (x h) = f (x) f (x)h f (x)h f (x)h f (4) (x)h... Luento 11 () Numeeriset menetelmät / 37
19 6.8 Numeerinen derivointi Derivaattojen yksinkertaiset diff.appr. jatkuu Jättämällä ylemmästä kehitelmästä f (x + h) = f (x) + f (x)h f (x)h f (x)h f (4) (x)h +... pois h:n korkeampia potensseja sisältävät termit, saadaan derivaatalle etenevä differenssiapproksimaatio f (x) f (x + h) f (x) h =: D + (h). Luento 11 () Numeeriset menetelmät / 37
20 6.8 Numeerinen derivointi Derivaattojen yksinkertaiset diff.appr. jatkuu Vastaavasti alemmasta kehitelmästä f (x h) = f (x) f (x)h f (x)h f (x)h f (4) (x)h... saadaan takeneva differenssiapproksimaatio f (x) f (x) f (x h) h =: D (h). Luento 11 () Numeeriset menetelmät / 37
21 6.8 Numeerinen derivointi Derivaattojen yksinkertaiset diff.appr. jatkuu Vähentämällä ylemmästä kehitelmästä alempi f (x + h) = f (x) + f (x)h f (x)h f (x)h f (4) (x)h +... f (x h) = f (x) f (x)h f (x)h f (x)h f (4) (x)h... f (x + h) f (x h) = 0 + 2f (x)h +... ja jättämällä h:n korkeammat potenssit sisältävät termit pois, saadaan keskeisdifferenssiapproksimaatio f (x) f (x + h) f (x h) 2h =: D 0 (h). Luento 11 () Numeeriset menetelmät / 37
22 6.8 Numeerinen derivointi Derivaattojen yksinkertaiset diff.appr. jatkuu Vastaavasti voidaan approksimoida korkeamman kertaluvun derivaattoja. Esim. summaamalla yhtälöt f (x + h) = f (x) + f (x)h f (x)h f (x)h f (4) (x)h +... f (x h) = f (x) f (x)h f (x)h f (x)h f (4) (x)h... f (x + h) + f (x h) = 2f (x) f (x)h Saadaan keskeisdiff.approksimaatio toiselle derivaatalle f (x) f (x + h) 2f (x) + f (x h) h 2. Luento 11 () Numeeriset menetelmät / 37
23 6.8 Numeerinen derivointi Differenssiapproksimaation virhe Differenssiapproksimaatioiden katkaisuvirheelle saadaan seuraavanlaiset arviot: D + (h) f (x) = 1 2 f (x)h f (x)h = O(h), D 0 (h) f (x) = 1 6 f (x)h f (5) h = O(h 2 ), Siten katkaisuvirhe on etenevälle differenssille luokkaa O(h) ja keskeisdifferenssille O(h 2 ). Analogisesti voidaan johtaa virhearviot muillekin diff.appr.: f (x + h) 2f (x) + f (x h) h 2 f (x) = c 1 h 2 + c 2 h 4 + c 3 h = O(h 2 ). Kertoimet c i eivät riipu h:sta. Virhearvioista seuraa, että e h (x) 0, kun h 0. Luento 11 () Numeeriset menetelmät / 37
24 6.8 Numeerinen derivointi Differenssiapproksimaation virhe jatkuu Tietokonetoteutuksessa on kuitenkin otettava huomioon pyöristysvirheet. Tarkastellaan keskeisdifferenssiä D 0 (h) = f (x + h) f (x h). 2h Funktion f arvoa ei tunneta tarkasti, ainoastaan sen approksimaatio ˆf, siten että ˆf (x + h) f (x + h) ε ja ˆf (x h) f (x h) ε. Luento 11 () Numeeriset menetelmät / 37
25 6.8 Numeerinen derivointi Differenssiapproksimaation virhe jatkuu Differenssiapproksimaation virhe on nyt ˆD 0 (h) D 0 (h) ˆD 0 (h) {}}{ = ˆf (x + h) ˆf (x h) ( D 0(h) {}}{ f (x + h) f (x h) ) 2h = ˆf (x + h) f (x + h) + f (x h) ˆf (x h) 2h ε ε {}}{{}}{ ˆf (x + h) f (x + h) + f (x h) ˆf (x h) 2ε 2h = ε h. 2h Luento 11 () Numeeriset menetelmät / 37
26 6.8 Numeerinen derivointi Differenssiapproksimaation virhe Kokonaisvirhe on siten ˆD 0 (h) f (x) ˆD 0 (h) D 0 (h) + D 0 (h) f (x) ˆD 0 (h) D 0 (h) + D 0 (h) f (x) = ε h f (ξ) h 2. ε h, kun h 0 eli yleensä ˆD 0 (h) f (x), kun h 0. Paras h löydetään minimoimalla funktio h:n suhteen. E(h) := ε h f (ξ) h 2 Luento 11 () Numeeriset menetelmät / 37
27 6.8 Numeerinen derivointi Richardsonin ekstrapolaatiomenetelmä Tarkastellaan keskeisdifferenssiä f (x + h) f (x h) D 0 (h) = = f (x) + b 1 h 2 + O(h 4 ). 2h Kerrointa b 1 ei käytännössä tunneta, mutta se ei riipu h:sta. Puolittamalla h saadaan D 0 ( h 2 ) = f (x) + b 1 ( h 2 )2 + O(h 4 ) = f (x) b 1h 2 + O(h 4 ). Eliminoimalla vakio b 1 saadaan D R (h) := 4 3 D 0( h 2 ) 1 3 D 0(h) = f (x) + O(h 4 ). Näin on saatu f (x):lle O(h 4 )-approksimaatio. Prosessia voitaisiin jatkaa edelleen kuten Romberg-integroinnissa. Luento 11 () Numeeriset menetelmät / 37
28 6.8 Numeerinen derivointi Vakion b 1 eliminointi Keskeisdifferenssi Puolittamalla h saadaan D 0 (h) = f (x) + b 1 h 2 + O(h 4 ). (3) D 0 ( h 2 ) = f (x) b 1h 2 + O(h 4 ) 4 4D 0 ( h 2 ) = 4f (x) + b 1 h 2 + O(h 4 ) väh. (3) 4D 0 ( h 2 ) D 0(h) = 3f (x) + O(h 4 ) : D 0( h 2 ) 1 3 D 0(h) = f (x) + O(h 4 ) }{{} D R (h) Luento 11 () Numeeriset menetelmät / 37
29 Esimerkki Numeerinen derivointi Olkoon f (x) = ln x. Lasketaan likiarvo f (2):lle eri h:n arvoilla käyttäen yksinkertaista tarkkuutta: h D + (h) D (h) D 0 (h) D R (h) Luento 11 () Numeeriset menetelmät / 37
30 Esimerkki 6.12 jatkuu 6.8 Numeerinen derivointi Minimoimalla funktio E(h) = ε h f (2)h 2, missä ε = 10 7, saadaan keskeisdifferenssille (melkein) optimaaliseksi h:n arvoksi h Huomaa, että liian pienellä h pyöristysvirheet dominoivat keskeisdifferenssin virhettä eikä niitä voi kompensoida extrapolaatiolla. Luento 11 () Numeeriset menetelmät / 37
31 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavalliset differentiaaliyhtälöt ovat usein käytetty matemaattinen malli fysikaalisia ilmiöitä tutkittaessa. tarkastellaan eräitä klassisia ja/tai yleisesti käytettyjä menetelmiä tavallisten differentiaaliyhtälöiden ja differentiaaliyhtälösysteemien ratkaisemiseen. Yhden tuntemattoman funktion ensimmäisen kertaluvun tavallinen differentiaaliyhtälö on muotoa y (t) = f (t, y(t)) (1) eli etsitään funktiota y : R R, jolle (1) on voimassa. Kertaluku kertoo yhtälössä esiintyvän korkeimman y:n derivaatan kertaluvun. Luento 11 () Numeeriset menetelmät / 37
32 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavallisten diff.yht. numeriikasta jatkuu Yhtälöllä y (t) = f (t, y(t)) on yleensä parvi ratkaisuja, jolloin alkuehdolla y(t 0 ) = y 0 kiinnitetään yksikäsitteinen ratkaisu. y 0 y(t) t 0 t Luento 11 () Numeeriset menetelmät / 37
33 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavallisten diff.yht. numeriikasta jatkuu Tarkastellaan ensimmäisen kertaluvun tavallista differentiaaliyhtälöryhmää y ( 1(t) = f 1 t, y1 (t), y 2 (t),..., y m (t) ), y 2(t) ( = f 2 t, y1 (t), y 2 (t),..., y m (t) ),. y m(t) ( = f m t, y1 (t), y 2 (t),..., y m (t) ), missä - t R on riippumaton muuttuja, - funktiot y 1, y 2,..., y m : R R ovat tuntemattomia ja - funktiot f 1, f 2,..., f m : R m+1 R ovat annettuja. (2) Luento 11 () Numeeriset menetelmät / 37
34 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavallisten diff.yht. numeriikasta jatkuu Yhtälöryhmän (2) ratkaisu saadaan yksikäsitteiseksi, kun asetetaan alkuehdot y 1 (a) = ŷ1 0, y 2 (a) = ŷ2 0,. y m (a) = ŷm, 0 missä a R ja ŷ 0 1, ŷ 0 2,..., ŷ 0 m R ovat annettuja. (3) Luento 11 () Numeeriset menetelmät / 37
35 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavallisten diff.yht. numeriikasta jatkuu Ottamalla käyttöön vektorimerkinnät voidaan (2) ja (3) kirjoittaa lyhyesti ja y (t) = f ( t, y(t) ), (4) y(a) = ŷy 0, (5) missä y = (y 1, y 2,..., y m ), f = (f 1, f 2,..., f m ) ja ŷy 0 = (ŷ 0 1, ŷ 0 2,..., ŷ 0 m). Differentiaaliyhtälön (4) ja alkuehdon (5) muodostamaa systeemiä kutsutaan alkuarvotehtäväksi. Luento 11 () Numeeriset menetelmät / 37
36 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Tavallisten diff.yht. numeriikasta jatkuu Tarkoituksena on nyt etsiä sellainen funktio y, joka toteuttaa yhtälön y (t) = f ( t, y(t) ), (4) ja ehdon y(a) = ŷy 0. (5) Voidaan todistaa seuraava tulos: Luento 11 () Numeeriset menetelmät / 37
37 Lause 7.1 Luku 7: Tavallisten diff.yhtälöiden numeriikasta Oletetaan, että alueessa D R m+1 funktio f on jatkuva ja toteuttaa Lipschitz-ehdon f (t, y) f (t,ȳy) L y ȳy, L 0. Olkoon alkuarvo (a,ŷy 0 ) D annettu. Silloin tehtävällä (4) (5) on yksikäsitteinen, jatkuvasti differentioituva ratkaisu y. Luento 11 () Numeeriset menetelmät / 37
Numeeriset menetelmät
Numeeriset menetelmät Luento 11 Ti 11.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti 11.10.2011 p. 1/34 p. 1/34 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35 Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 12 To 13.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 12 To 13.10.2011 p. 1/38 p. 1/38 Tavalliset differentiaaliyhtälöt Yhtälöissä tuntematon funktio Tavalliset
LisätiedotNumeerinen integrointi ja derivointi
Numeerinen integrointi ja derivointi Keijo Ruotsalainen Division of Mathematics Interpolaatiokaavat Approksimoitava integraali I = b a f(x)dx. Tasavälinen hila: x i = a+ (b a)i n, i = 0,...,n Funktion
Lisätiedot13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
LisätiedotNumeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43
Numeeriset menetelmät TIEA381 Luento 7 Kirsi Valjus Jyväskylän yliopisto Luento 7 () Numeeriset menetelmät 10.4.2013 1 / 43 Luennon 7 sisältö Interpolointi ja approksimointi Interpolaatiovirheestä Paloittainen
LisätiedotNumeeriset 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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
LisätiedotLuku 4. Derivoituvien funktioiden ominaisuuksia.
1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotNumeerinen integrointi
Numeerinen integrointi hum 8.0. Numeerinen integrointi Numeerisia integrointimenetelmiä on useita. Käsitellään tässä yhteydessä kuitenkin vain Gauss in integrointia, joka on elementtimenetelmän yhteydessä
Lisätiedotk=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
LisätiedotMS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)
. Lasketaan valmiiksi derivaattoja ja niiden arvoja pisteessä x = 2: f(x) = x + 3x 3 + x 2 + 2x + 8, f(2) = 56, f (x) = x 3 + 9x 2 + 2x + 2, f (2) = 7, f (x) = 2x 2 + 8x + 2, f (2) = 86, f (3) (x) = 2x
LisätiedotBM20A0900, Matematiikka KoTiB3
BM20A0900, Matematiikka KoTiB3 Luennot: Matti Alatalo Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luvut 1 4. 1 Sisältö Ensimmäisen kertaluvun differentiaaliyhtälöt
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +
LisätiedotLuento 2: Liikkeen kuvausta
Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä
Lisätiedotjakokulmassa x 4 x 8 x 3x
Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Kertaus K. a) Polynomi P() = 3 + 8 on jaollinen polynomilla Q() = 3, jos = 3 on polynomin P nollakohta, eli P(3) = 0. P(3) = 3 3 3 + 8 3 = 54 08 + 54 = 0. Polynomi P on jaollinen polynomilla Q. b) Jaetaan
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotEnsimmäisen ja toisen kertaluvun differentiaaliyhtälöistä
1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 9 Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa
LisätiedotYhden muuttujan funktion minimointi
Yhden muuttujan funktion minimointi Aloitetaan yhden muuttujan tapauksesta Tarpeellinen myös useamman muuttujan tapauksessa Tehtävä on muotoa min kun f(x) x S R 1 Sallittu alue on muotoa S = [a, b] tai
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
Lisätiedotinfoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1
infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.
LisätiedotMS-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
LisätiedotDIFFERENTIAALI- JA INTEGRAALILASKENTA
DIFFERENTIAALI- JA INTEGRAALILASKENTA Timo Mäkelä Tässä tekstissä esitellään yhden muuttujan reaaliarvoisten funktioiden differentiaalilaskentaa sekä sarjoja. Raja-arvot Raja-arvoja voidaan laskea käyttämällä
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
LisätiedotMS-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
LisätiedotTee 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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
LisätiedotMatematiikka B3 - Avoin yliopisto
2. heinäkuuta 2009 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Lisäharjoitustehtävä Kurssin sisältö (1/2) 1. asteen Differentiaali yhtälöt (1.DY) Separoituva Ratkaisukaava Bernoyulli
LisätiedotBM20A1501 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
Lisätiedot4 Korkeamman kertaluvun differentiaaliyhtälöt
Differentiaaliyhtälöt c Pekka Alestalo 2015 Tässä monisteessa käydään läpi tavallisiin differentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Luennolla lasketaan esimerkkitehtäviä
LisätiedotNumeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
LisätiedotMS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin
Lisätiedot2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =
TKK, Matematiikan laitos Pikkarainen/Tikanmäki Mat-1.1320 Matematiikan peruskurssi K2 Harjoitus 12, A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä 21. 25.4.2008, viikko
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 14 To 20.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 14 To 20.10.2011 p. 1/39 p. 1/39 Nopeat Fourier-muunnokset Diskreetti Fourier-muunnos ˆf k = 1 N 1 N
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
LisätiedotMäärätty integraali. Markus Helén. Mäntän lukio
Määrätty integraali Markus Helén Pinta-ala Monikulmio on tasokuvio, jota rajoittaa suljettu, itseään leikkaamaton murtoviiva. Monikulmio voidaan aina jakaa kolmioiksi. Alueen pinta-ala on näiden kolmioiden
LisätiedotMS-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
Lisätiedot6. Toisen ja korkeamman kertaluvun lineaariset
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 51 6. Toisen ja korkeamman kertaluvun lineaariset differentiaaliyhtälöt Määritelmä 6.1. Olkoon I R avoin väli. Olkoot p i : I R, i = 0, 1, 2,..., n, ja q : I R jatkuvia
LisätiedotMatemaattinen 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
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento : Moniulotteiset integraalit Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 26 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit Antti Rasila Aalto-yliopisto Syksy 215 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy 215 1 / 24 Skalaarikenttä Olkoon R
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 9 Ti 4.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti 4.10.2011 p. 1/44 p. 1/44 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että
Lisätiedot5 Differentiaaliyhtälöryhmät
5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =
LisätiedotNormaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa
Normaaliryhmä Toisen kertaluvun normaaliryhmä on yleistä muotoa x = u(t,x,y), y t I, = v(t,x,y), Funktiot u = u(t,x,y), t I ja v = v(t,x,y), t I ovat tunnettuja Toisen kertaluvun normaaliryhmän ratkaisu
LisätiedotMS-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,
LisätiedotNumeeriset 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
LisätiedotMS-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
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 Korkeamman asteen derivaatat Tutkitaan nyt funktiota f, jonka kaikki derivaatat on olemassa. Kuten tunnettua, funktion toista derivaattaa pisteessä x merkitään f (x).
LisätiedotKanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
LisätiedotNumeeriset 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
Lisätiedot1 Peruskäsitteet. Dierentiaaliyhtälöt
Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla
LisätiedotDifferentiaaliyhtälöryhmä
Differentiaaliyhtälöryhmä Ensimmäisen kertaluvun differentiaaliyhtälöryhmä vaikkapa korkeamman kertaluvun yhtälöä vastaava normaaliryhmä voidaan ratkaista numeerisesti täsmälleen samanlaisilla kaavoilla
LisätiedotMS-A0202 Di erentiaali- ja integraalilaskenta 2 (SCI) Luento 8: Taso- ja avaruusintegraalit
MS-A22 i erentiaali- ja integraalilaskenta 2 (SCI) Luento 8: Taso- ja avaruusintegraalit Antti Rasila Aalto-yliopisto Syksy 25 Antti Rasila (Aalto-yliopisto) MS-A22 Syksy 25 / 8 Tasointegraali Olkoon R
Lisätiedot8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa
8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
LisätiedotNumeeriset 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
LisätiedotLuento 4: Liikkeen kuvausta, differentiaaliyhtälöt
Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt Digress: vakio- vs. muuttuva kiihtyvyys käytännössä Kinematiikkaa yhdessä dimensiossa taustatietoa Matlab-esittelyä 1 / 20 Luennon sisältö Digress: vakio-
Lisätiedoty (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x
BM0A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 4, Kevät 017 Päivityksiä: 1. Ratkaise differentiaaliyhtälöt 3y + 4y = 0 ja 3y + 4y = e x.. Ratkaise DY (a) 3y 9y + 6y = e 10x (b) Mikä on edellisen
LisätiedotIntegrointi ja sovellukset
Integrointi ja sovellukset Tehtävät:. Muodosta ja laske yläsumma funktiolle fx) x 5 välillä [, 4], kun väli on jaettu neljään yhtä suureen osaan.. Määritä integraalin x + ) dx likiarvo laskemalla alasumma,
LisätiedotJohdantoa INTEGRAALILASKENTA, MAA9
Lyhyehkö johdanto integraalilaskentaan. Johdantoa INTEGRAALILASKENTA, MAA9 Integraalilaskennan lähtökohta 1: Laskutoimitukset + ja ovat keskenään käänteisiä, samoin ja ovat käänteisiä, kunhan ei jaeta
LisätiedotNumeeriset 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:
LisätiedotEsimerkki: Tarkastellaan korkeudella h ht () putoavaa kappaletta, jonka massa on m (ks. kuva).
6 DIFFERENTIAALIYHTÄLÖISTÄ Esimerkki: Tarkastellaan korkeudella h ht () putoavaa kappaletta, jonka massa on m (ks. kuva). Newtonin II:n lain (ma missä Yhtälö dh dt m dh dt F) mukaan mg, on kiihtyvyys ja
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
Lisätiedot3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
Lisätiedot12. Differentiaaliyhtälöt
1. Differentiaaliyhtälöt 1.1 Johdanto Differentiaaliyhtälöitä voidaan käyttää monilla alueilla esimerkiksi tarkasteltaessa jonkin kohteen lämpötilan vaihtelua, eksponentiaalista kasvua, sähkölatauksen
LisätiedotMS-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
LisätiedotDierentiaaliyhtälöistä
Dierentiaaliyhtälöistä Markus Kettunen 4. maaliskuuta 2009 1 SISÄLTÖ 1 Sisältö 1 Dierentiaaliyhtälöistä 2 1.1 Johdanto................................. 2 1.2 Ratkaisun yksikäsitteisyydestä.....................
LisätiedotDifferentiaali- 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,
LisätiedotPotenssisummia numeerisella integroinnilla
Solmu /9 Potenssisummia numeerisella integroinnilla Jorma Merikoski Matematiikan tilastotieteen laitos Tampereen yliopisto Johdanto Olkoon f välillä [a, b] tkuva reaalifunktio. Lukion pitkän matematiikan
LisätiedotOletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on
Derivaatta Erilaisia lähestymistapoja: geometrinen (käyrän tangentti sekanttien raja-asentona) fysikaalinen (ajasta riippuvan funktion hetkellinen muutosnopeus) 1 / 19 Derivaatan määritelmä Määritelmä
Lisätiedot6. Differentiaaliyhtälösysteemien laadullista teoriaa.
1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun
Lisätiedotn. 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
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
Lisätiedot4. 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.
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Derivaatta 1.1 Derivaatta Erilaisia lähestymistapoja: I geometrinen
LisätiedotMuutoksen 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
LisätiedotSARJAT JA DIFFERENTIAALIYHTÄLÖT
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 43 0.5 0.4 0.3 0.2 0.1 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.1 0.2 0.3 0.4 0.5 0.6 0.7 1 0.8 0.6 0.4 0.2 0.2 0.4 0.6 0.8 1 Kuva 12. Esimerkin 4.26(c kuvauksen
Lisätiedotintegraali Integraalifunktio Kaavoja Integroimiskeinoja Aiheet Linkkejä Integraalifunktio Kaavoja Integroimiskeinoja Määrätty integraali
integraali 1 Matta-projekti(Aalto yliopisto): Integraali (http://matta.hut.fi/matta2/isom/html/isomli8.html ) Johdatus korkeakoulumatematiikkaan (Tampereen teknillinen korkeakoulu): Integraali (http://matwww.ee.tut.fi/jkkm/integraa/integ01.htm
LisätiedotNumeeriset 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
Lisätiedot5. OSITTAISINTEGROINTI
5 OSITTAISINTEGROINTI Kahden funktion f ja g tulo derivoidaan kuten muistetaan seuraavasti: D (fg) f g + f Kun tämä yhtälö integroidaan puolittain, niin saadaan fg f ()g()d + f ()()d Yhtälö saattaa erota
LisätiedotKompleksiluvun 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
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotNumeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29
Numeeriset menetelmät TIEA381 Luento 9 Kirsi Vljus Jyväskylän yliopisto Luento 9 () Numeeriset menetelmät 17.4.2013 1 / 29 Luennon 9 sisältö Numeerisest integroinnist Newtonin j Cotesin kvt Luento 9 ()
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14
LisätiedotMatemaattinen 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
Lisätiedot2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre.
2. Viikko Keskeiset asiat ja tavoitteet: 1. Peruskäsitteet: kertaluku, lineaarisuus, homogeenisuus. 2. Separoituvan diff. yhtälön ratkaisu, 3. Lineaarisen 1. kl yhtälön ratkaisu, CDH: luvut 19.1.-19.4.
LisätiedotH7 Malliratkaisut - Tehtävä 1
H7 Malliratkaisut - Tehtävä Eelis Mielonen 7. lokakuuta 07 a) Palautellaan muistiin Maclaurin sarjan määritelmä (Taylorin sarja origon ympäristössä): f n (0) f(x) = (x) n Nyt jos f(x) = ln( + x) saadaan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)
Lisätiedoty = 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),
LisätiedotViikon 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
Lisätiedot3 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
LisätiedotNumeeriset 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