LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

Koko: px
Aloita esitys sivulta:

Download "LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä"

Transkriptio

1 LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä. Diffuusio yksiulotteisessa epäjärjestäytyneessä hilassa E J ii, J ii, + 0 E b, i E i i i i+ x Kuva.: Testihiukkasen diffuusio yksiulotteisessa epäjärjestäytyneessä hilassa Tutkitaan testihiukkasen diffuusiota yksiulotteisessa hilassa. Hiukkanen voi olla missä tahansa hilapaikassa i, i N. Epäjärjestystä systeemiin tuo se, että hiukkasen sidosenergia riippuu hilapaikasta: merkitään sitä paikassa i symbolilla E i. Hiukkasella on todennäköisyys J ii, ( J ii, + ) aikayksikköä kohti hypätä vasemmalla (oikealla) puolellaan olevaan naapurihilapaikkaan. Normaalissa Metropolis-algoritmissa hyppytodennäköisyydet lasketaan alku- ja lopputilojen energioiden erotuksen perusteella: J ii, ± ( ) k B T --e E i ± E i. (.) Tekijä / tulee hypyn suunnan valinnasta. Tämä on toimiva ratkaisu, kun olemme kiinnostuneita ainoastaan tasapaino-ominaisuuksista, sillä ainoa ehto on detaljibalanssin toteutuminen. Jos taas haluamme tutkia kuljetusilmiöitä kuten diffuusiota, on todennäköisyydet valittava siten, että ne kuvaavat systeemin todellista dynamiikkaa. Tässä tapauksessa on kyseessä termisesti aktivoitu prosessi, joten siirtymätodennäköisyydet ovat muotoa J ii, J ii, + --e E b i, k B T, (.) E b i missä,j on sen potentiaalivallin korkeus, joka hiukkasen täytyy ylittää, jotta se pääsee hilapaikkaan.. Ks. Laskennallisen tieteen erikoiskurssin moniste:

2 Oletetaan, että hiukkanen on ajanhetkellä (tai aika-askeleella) t 0 paikassa x 0. Voidaan osoittaa, että suurilla ajanhetkillä hiukkasen keskimääräinen neliöpoikkeama kasvaa lineaarisesti ajan funktiona xt () t Testihiukkasen diffuusiovakio D määritellään. (.3) D lim t -- d x() t dt. (.4) Voidaan osoittaa, että kuvan. mukaisessa systeemissä (ns. satunnaisloukkumalli, random trap model, jossa ) diffuusiovakio on E b, i E i D -- J, (.5) missä -- J N N i J ii, J ii, + N --- e E b i N i, k B T (.6) on siirtymätodennäköisyyksien käänteislukujen keskiarvo. Käytämme tässä periodisia reunaehtoja, joten kun i, J ii, J i, N ja kun i N, J ii, + J i,. Diffuusiovakio esitetään usein ns. Arrheniuksen muodossa D D 0 e E A k B T, (.7) D 0 missä on lämpötilasta riippumaton tekijä ja on (efektiivinen) aktivaatioenergia. E A. J. W. Haus, K. W. Kehr, Diffusion in regular and disordered lattices, Physics Reports 50 (987) 63.. Ks. viite., sivu.

3 3. Diffuusion Monte Carlo -simulointi Kuvatunlaisen diffuusion Monte Carlo (MC) -simulointi tehdään tutulla algoritmilla: nollaa laskurit: n sample 0, xt () 0 arvo lähtöpaikka: x x 0, t 0 arvo hyppysuunta, suorita hyppy todennäköisyydellä (.) päivitä hiukkasen paikka: x x ±, päivitä neliöpoikkeama: x() t xt () + ( x x 0 ), päivitä aika: t t + kyllä t < t max ei kyllä n sample < nmax sample ei laske xt (), lopeta Kuva.: Diffuusion MC-simulointi.

4 4 3. Ohjelmatyön suoritus Työ koostuu seuraavista tehtävistä. ) Osoita, että yhtälön (.) mukaiset siirtymätodennäköisyydet toteuttavat detaljibalanssin. Tilan todennäköisyytiheyden tai painon pitäisi olla verrannollinen termiin e E i T a) Laadi MC-ohjelma, jolla voit simuloida yhden hiukkasen diffuusiota epäjärjestäytyneessä yksiulotteisessa systeemissä. Epäjärjestystä energiatiloihin voit saada aikaan monella tavalla. Kuvassa 3. on yksi käyttökelpoinen esimerkki, jonka voi helposti koodata ohjelmaan. Siinä E i ε b ε Kuva 3.: Esimerkki simulaatiossa käytettävästä hilasta. vierekkäisten hilapisteiden energiaero on vakio eli E i E i ± ε Hilapaikan i energian voimme lausua muodossa. (3.) E i ε[ N i N ], (3.) missä N N on hilan puoliväli. Tässä tapauksessa N on parillinen. Siirtymätodennäköisyydet (.) tulevat nyt muotoon. Asetamme Boltzmannin vakio ykköseksi: k B.. HUOM: Tässä muutamme indeksoinnin C-kielen mukaiseksi, eli hilapaikan indeksi i 0 N.

5 5 J ii, J ii, + ( ) T --e ε b E i. (3.3) Malliin on lisätty valli ε b, jotta hilapaikan 0 hyppytodennäköisyys ei olisi aina tasan yksi. Kuvan 3. mukaisessa tapauksessa N 0, ε ja ε b 0.. b) Aja muutamia simulointeja lämpötilavälillä T 000 (logaritmisin välein) ja laske diffuusiovakio sovittamalla suora hiukkasen keskimääräiseen neliöpoikkeamaan ajan funktiona. Huomaa, että simulaation alusta kannattaa jättää pois osa, koska yhtälön (.3) mukainen käyttäytyminen alkaa vasta suuremmilla ajan arvoilla. Tämä kannattaa tarkistaa visuaalisesti. Tutki myös, lähestyykö systeemi tasapainotilaa eli ovatko eri tilojen (hilapisteiden) miehitykset verrannollisia termiin e E i T. Vertaa simulaatioista saamiasi diffuusiovakioita yhtälön (.6) antamiin teoreettisiin arvoihin. Lisäksi tutki, voiko simulaatiotuloksesi ilmaista Arrheniuksen muodossa. c) Lopuksi simuloi uudestaan muutama lämpötila käyttäen Metropolis-algoritmia (.). Vertaa tuloksia (.):n mukaan laskettuihin. Jos sinulla on harjoitustyöhön liittyviä kysymyksiä, ota yhteys työn ohjaajaan: Antti Kuronen Teknillinen korkeakoulu puh: Laskennallisen tekniikan laboratorio fax: PL 9400, 005 TKK

KULJETUSSUUREET Kuljetussuureilla tai -ominaisuuksilla tarkoitetaan kaasumaisen, nestemäisen tai kiinteän väliaineen kykyä siirtää ainetta, energiaa, tai jotain muuta fysikaalista ominaisuutta paikasta

Lisätiedot

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi. Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i

Lisätiedot

1240eV nm. 410nm. Kun kappaleet saatetaan kontaktiin jännite-ero on yhtä suuri kuin työfunktioiden erotus ΔV =

1240eV nm. 410nm. Kun kappaleet saatetaan kontaktiin jännite-ero on yhtä suuri kuin työfunktioiden erotus ΔV = S-47 ysiikka III (ST) Tentti 88 Maksimiaallonpituus joka irroittaa elektroneja metallista on 4 nm ja vastaava aallonpituus metallille on 8 nm Mikä on näiden metallien välinen jännite-ero? Metallin työfunktio

Lisätiedot

1. Yksiulotteisen harmonisen oskillaattorin energiatilat saadaan lausekkeesta

1. Yksiulotteisen harmonisen oskillaattorin energiatilat saadaan lausekkeesta 766328A Termofysiikka Harjoitus no. 5, ratkaisut syyslukukausi 204). Yksiulotteisen harmonisen oskillaattorin energiatilat saadaan lausekkeesta E n n + ) ω, n 0,, 2,... 2 a) Oskillaattorin partitiofunktio

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, kevät 01 / ORMS1010 Matemaattinen Analyysi. harjoitus, viikko 1 R1 ke 1 16 D11 (..) R to 10 1 D11 (..) 1. Määritä funktion y(x) MacLaurinin sarjan kertoimet, kun y(0) = ja y (x) = (x

Lisätiedot

Mikrotila Makrotila Statistinen paino Ω(n) 3 Ω(3) = 4 2 Ω(2) = 6 4 Ω(4) = 1

Mikrotila Makrotila Statistinen paino Ω(n) 3 Ω(3) = 4 2 Ω(2) = 6 4 Ω(4) = 1 76628A Termofysiikka Harjoitus no. 4, ratkaisut (syyslukukausi 204). (a) Systeemi koostuu neljästä identtisestä spin- -hiukkasesta. Merkitään ylöspäin olevien spinien lukumäärää n:llä. Systeemin mahdolliset

Lisätiedot

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

3 = 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

Lisätiedot

E p1 = 1 e 2. e 2. E p2 = 1. Vuorovaikutusenergian kolme ensimmäistä termiä on siis

E p1 = 1 e 2. e 2. E p2 = 1. Vuorovaikutusenergian kolme ensimmäistä termiä on siis 763343A IINTEÄN AINEEN FYSIIA Ratkaisut 3 evät 2017 1. Tehtävä: CsCl muodostuu Cs + - ja Cl -ioneista, jotka asettuvat tilakeskeisen rakenteen vuoropaikoille (kuva). Laske tämän rakenteen Madelungin vakion

Lisätiedot

Laskennan teoria (kevät 2006) Harjoitus 3, ratkaisuja

Laskennan teoria (kevät 2006) Harjoitus 3, ratkaisuja 581336 Laskennan teoria (kevät 2006) Harjoitus 3, ratkaisuja 1. S! axc X! axc X! by c Y! by c Y! " 2. (a) Tehtävänä on konstruoida rajoittamaton kielioppi, joka tuottaa kielen f0 n 1 n jn 1g. Vaihe1: alkutilanteen

Lisätiedot

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t), Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Mat-2.4129 Systeemien Identifiointi 1. harjoituksen ratkaisut 1. Tarkastellaan maita X ja Y. Olkoon näiden varustelutaso

Lisätiedot

Kvanttifysiikan perusteet 2017

Kvanttifysiikan perusteet 2017 Kvanttifysiikan perusteet 7 Harjoitus 3: ratkaisut Tehtävä Tarkastellaan äärettömän syvässä laatikossa (väli [, L) olevaa hiukkasta. Kirjoita energiatiloja E n vastaavat aaltofunktiot muodossa ψ n (x,

Lisätiedot

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

6. 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

Lisätiedot

Algoritmit 1. Demot Timo Männikkö

Algoritmit 1. Demot Timo Männikkö Algoritmit 1 Demot 1 31.1.-1.2.2018 Timo Männikkö Tehtävä 1 (a) Algoritmi, joka tutkii onko kokonaisluku tasan jaollinen jollain toisella kokonaisluvulla siten, että ei käytetä lainkaan jakolaskuja Jaettava

Lisätiedot

= 84. Todennäköisin partitio on partitio k = 6,

= 84. Todennäköisin partitio on partitio k = 6, S-435, Fysiikka III (ES) entti 43 entti / välikoeuusinta I Välikokeen alue Neljän tunnistettavissa olevan hiukkasen mikrokanonisen joukon mahdolliset energiatasot ovat, ε, ε, 3ε, 4ε,, jotka kaikki ovat

Lisätiedot

Z 1 = Np i. 2. Sähkömagneettisen kentän värähdysliikkeen energia on samaa muotoa kuin molekyylin värähdysliikkeen energia, p 2

Z 1 = Np i. 2. Sähkömagneettisen kentän värähdysliikkeen energia on samaa muotoa kuin molekyylin värähdysliikkeen energia, p 2 766328A Termofysiikka Harjoitus no., ratkaisut (syyslukukausi 24). Klassisen ideaalikaasun partitiofunktio on luentojen mukaan Z N! [Z (T, V )] N, (9.) missä yksihiukkaspartitiofunktio Z (T, V ) r e βɛr.

Lisätiedot

S Fysiikka III (EST) Tentti ja välikoeuusinta

S Fysiikka III (EST) Tentti ja välikoeuusinta S-437 Fysiikka III (EST) Tentti ja välikoeuusinta 65007 Välikoeuusinnassa vastataan vain kolmeen tehtävään Kokeesta saatu pistemäärä kerrotaan tekijällä 5/3 Merkitse paperiin uusitko jommankumman välikokeen,

Lisätiedot

3.2.2 Tikhonovin regularisaatio

3.2.2 Tikhonovin regularisaatio 3 Tikhonovin regularisaatio Olkoon x 0 R n tuntematon, M R m n teoriamatriisi ja y Mx + ε R m (316 annettu data Häiriöherkässä ongelmassa pienimmän neliösumman miniminormiratkaisu x M + y Q N (M x + M

Lisätiedot

Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen)

Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen) Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen Vapaaseen hiukkaseen ei vaikuta voimia, joten U(x = 0. Vapaan hiukkasen energia on sen liike-energia eli E=p /m. Koska hiukkasella on määrätty energia,

Lisätiedot

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia

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

3. Simulaatioiden statistiikka ja data-analyysi

3. Simulaatioiden statistiikka ja data-analyysi [5B] TIETOKONESIMULAATIOISTA Luennolla esiteltiin fysiikan alan tietokonesimulaatiomenetelmiä. Esimerkkien puitteissa koodejakin katsellen tarkastelimme samalla joitakin vähemmälle huomiolle jääneitä aiheita

Lisätiedot

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on Suoran htälöt Suoran ratkaistu ja leinen muoto: Suoran htälö ratkaistussa, eli eksplisiittisessä muodossa, on ANALYYTTINEN GEOMETRIA MAA5 = k + b, tai = a missä vakiotermi b ilmoittaa suoran ja -akselin

Lisätiedot

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio, Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä

Lisätiedot

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.4129 Systeemien Identifiointi 4. harjoitus 1. a) Laske valkoisen kohinan spektraalitiheys. b) Tarkastellaan ARMA-prosessia C(q 1 )y = D(q 1 )e,

Lisätiedot

6. Yhteenvetoa kurssista

6. Yhteenvetoa kurssista Statistinen fysiikka, osa A (FYSA241) Vesa Apaja vesa.apaja@jyu.fi Huone: YN212. Ei kiinteitä vastaanottoaikoja. kl 2016 6. Yhteenvetoa kurssista 1 Keskeisiä käsitteitä I Energia TD1, siirtyminen lämpönä

Lisätiedot

Esimerkki: Tietoliikennekytkin

Esimerkki: Tietoliikennekytkin Esimerkki: Tietoliikennekytkin Tämä Mathematica - notebook sisältää luennolla 2A (2..26) käsitellyn esimerkin laskut. Esimerkin kuvailu Tarkastellaan yksinkertaista mallia tietoliikennekytkimelle. Kytkimeen

Lisätiedot

Luento 2: Liikkeen kuvausta

Luento 2: Liikkeen kuvausta Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä

Lisätiedot

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut BM0A5830 Differentiaalihtälöiden peruskurssi Harjoitus 7, Kevät 07 Päivitksiä: Tehtävän b tehtävänantoa korjattu, tehtävän 5 vastaus korjattu. b tehtävänantoa sujuvoitettu. Vastauksia lisätt.. Monasti

Lisätiedot

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu.

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu. Analyysi Harjoituksia lukuihin 3 / Syksy 204. Osoita täsmällisesti perustellen, että joukko { 2x A = x ]4, [. x 4 ei ole ylhäältä rajoitettu. 2. Anna jokin ylä- ja alaraja joukoille { x( x) A = x ], [,

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

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

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

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

Lisätiedot

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1 Tehtävä : Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: a) a) x b) e x + Integraali voisi ratketa muuttujanvaihdolla. Integroitava on muotoa (a x ) n joten sopiva muuttujanvaihto voisi olla

Lisätiedot

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002 Matlab tehtäviä 1. Muodosta seuraavasta differentiaaliyhtälöstä siirtofuntio. Tämä differentiaaliyhtälö saattaisi kuvata esimerkiksi yksinkertaista vaimennettua jousi-massa systeemiä, johon on liitetty

Lisätiedot

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla

Lisätiedot

5.10. HIUKKANEN POTENTIAALIKUOPASSA

5.10. HIUKKANEN POTENTIAALIKUOPASSA 5.10. HIUKKANEN POTENTIAALIKUOPASSA eli miten reunaehdot ja normitus vaikuttavat aaltofunktioihin Yleensä Schrödingerin yhtälön ratkaiseminen matemaattisesti on hyvin työlästä ja edellyttää vahvaa matemaattista

Lisätiedot

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

Maxwell-Boltzmannin jakauma

Maxwell-Boltzmannin jakauma Maxwell-Boltzmannin jakauma Homogeenisessa tasapainotilassa redusoidut yksihiukkastodennäköisyydet f voivat olla vain nopeuden funktioita, f = f(v ), ja H-funktio ei toisaalta voi riippua ajasta, eli dh

Lisätiedot

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016 ICS-C2000 Tietojenkäsittelyteoria Kevät 206 Kierros 0, 2. 24. maaliskuuta Huom! Perjantaina 25. maaliskuuta ei ole laskareita (pitkäperjantai), käykää vapaasti valitsemassanne ryhmässä aiemmin viikolla.

Lisätiedot

Potentiaalikuopalla tarkoitetaan tilannetta, jossa potentiaalienergia U(x) on muotoa

Potentiaalikuopalla tarkoitetaan tilannetta, jossa potentiaalienergia U(x) on muotoa Potentiaalikuoppa Luento 9 Potentiaalikuopalla tarkoitetaan tilannetta, jossa potentiaalienergia U(x) on muotoa U( x ) = U U( x ) = 0 0 kun x < 0 tai x > L, kun 0 x L. Kuopan kohdalla hiukkanen on vapaa,

Lisätiedot

Demo 1: Simplex-menetelmä

Demo 1: Simplex-menetelmä MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

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

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 6 1 Korkolaskentaa Oletetaan, että korkoaste on r Jos esimerkiksi r = 0, 02, niin korko on 2 prosenttia Tätä korkoastetta käytettään diskonttaamaan tulevia tuloja ja

Lisätiedot

kertausta Boltzmannin jakauma infoa Ideaalikaasu kertausta Maxwellin ja Boltzmannin vauhtijakauma

kertausta Boltzmannin jakauma infoa Ideaalikaasu kertausta Maxwellin ja Boltzmannin vauhtijakauma infoa kertausta Boltzmannin jakauma Huomenna itsenäisyyspäivänä laitos on kiinni, ei luentoa, ei laskareita. Torstaina laboratoriossa assistentit neuvovat myös laskareissa. Ensi viikolla tiistaina vielä

Lisätiedot

Integroimalla ja käyttämällä lopuksi tilanyhtälöä saadaan T ( ) ( ) H 5,0 10 J + 2,0 10 0,50 1,0 10 0,80 Pa m 70 kj

Integroimalla ja käyttämällä lopuksi tilanyhtälöä saadaan T ( ) ( ) H 5,0 10 J + 2,0 10 0,50 1,0 10 0,80 Pa m 70 kj S-4.35 Fysiikka (ES) entti 3.8.. ääritä yhden haikaasumoolin (O) (a) sisäenergian, (b) entalian muutos tilanmuutoksessa alkutilasta =, bar, =,8 m3 loutilaan =, bar, =,5 m3. ärähtelyn vaausasteet voidaan

Lisätiedot

ψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4)

ψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4) 76A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 4 Kevät 214 1. Tehtävä: Yksinkertainen malli kovalenttiselle sidokselle: a) Äärimmäisen yksinkertaistettuna mallina elektronille atomissa voidaan pitää syvää potentiaalikuoppaa

Lisätiedot

1 WKB-approksimaatio. Yleisiä ohjeita. S Harjoitus

1 WKB-approksimaatio. Yleisiä ohjeita. S Harjoitus S-114.1427 Harjoitus 3 29 Yleisiä ohjeita Ratkaise tehtävät MATLABia käyttäen. Kirjoita ratkaisut.m-tiedostoihin. Tee tuloksistasi lyhyt seloste, jossa esität laskemasi arvot sekä piirtämäsi kuvat (sekä

Lisätiedot

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Tuntitehtävät 9-10 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 13-14 loppuviikon harjoituksissa. Kotitehtävät 11-12 tarkastetaan loppuviikon

Lisätiedot

Osittaisdifferentiaaliyhtälöt

Osittaisdifferentiaaliyhtälöt Osittaisdifferentiaaliyhtälöt Harjoituskokoelmat 4 ja 5, kevät 2011 Palautus Eemeli Blåstenille to 23.6. klo 16.00 mennessä 1. Ratkaise Dirichlet ongelma u(x, y) = 0, x 2 + y 2 < 1, u(x, y) = y + x 2,

Lisätiedot

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Nopeus, kiihtyvyys ja liikemäärä Vektorit Nopeus, kiihtyvyys ja liikemäärä Vektorit Luento 2 https://geom.mathstat.helsinki.fi/moodle/course/view.php?id=360 Luennon tavoitteet: Vektorit tutuiksi Koordinaatiston valinta Vauhdin ja nopeuden ero

Lisätiedot

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C = BMA58 Funktiot, lineaarialgebra ja vektorit Harjoitus 6, Syksy 5. Olkoon [ 6 6 A =, B = 4 [ 3 4, C = 4 3 [ 5 Määritä matriisien A ja C ominaisarvot ja ominaisvektorit. Näytä lisäksi että matriisilla B

Lisätiedot

Luento 13: Periodinen liike. Johdanto Harmoninen värähtely Esimerkkejä F t F r

Luento 13: Periodinen liike. Johdanto Harmoninen värähtely Esimerkkejä F t F r Luento 13: Periodinen liike Johdanto Harmoninen värähtely Esimerkkejä θ F t m g F r 1 / 27 Luennon sisältö Johdanto Harmoninen värähtely Esimerkkejä 2 / 27 Johdanto Tarkastellaan jaksollista liikettä (periodic

Lisätiedot

Kvanttifysiikan perusteet 2017

Kvanttifysiikan perusteet 2017 Kvanttifysiikan perusteet 207 Harjoitus 2: ratkaisut Tehtävä Osoita hyödyntäen Maxwellin yhtälöitä, että tyhjiössä magneettikenttä ja sähkökenttä toteuttavat aaltoyhtälön, missä aallon nopeus on v = c.

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

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

Lisätiedot

1 Eksergia ja termodynaamiset potentiaalit

1 Eksergia ja termodynaamiset potentiaalit 1 PHYS-C0220 Termodynamiikka ja statistinen fysiikka, kevät 2017 Emppu Salonen 1 Eksergia ja termodynaamiset potentiaalit 1.1 Suurin mahdollinen hyödyllinen työ Tähän mennessä olemme tarkastelleet sisäenergian

Lisätiedot

Tfy Fysiikka IIB Mallivastaukset

Tfy Fysiikka IIB Mallivastaukset Tfy-.14 Fysiikka B Mallivastaukset 14.5.8 Tehtävä 1 a) Lenin laki: Muuttuvassa magneettikentässä olevaan virtasilmukkaan inusoitunut sähkömotorinen voima on sellainen, että siihen liittyvän virran aiheuttama

Lisätiedot

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 Jokaisen tehtävän jälkeen on pieni kommentti tehtävään liittyen Nämä eivät sisällä mitään kovin kriittistä tietoa tehtävään liittyen, joten niistä ei tarvitse välittää

Lisätiedot

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min! Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo - Ratkaisut ja pisteytysohjeet. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x+ x +9, b) log (x) 7,

Lisätiedot

= 6, Nm 2 /kg kg 71kg (1, m) N. = 6, Nm 2 /kg 2 7, kg 71kg (3, m) N

= 6, Nm 2 /kg kg 71kg (1, m) N. = 6, Nm 2 /kg 2 7, kg 71kg (3, m) N t. 1 Auringon ja kuun kohdistamat painovoimat voidaan saada hyvin tarkasti laksettua Newtonin painovoimalailla, koska ne ovat pallon muotoisia. Junalle sillä saadaan selville suuruusluokka, joka riittää

Lisätiedot

MATP153 Approbatur 1B Harjoitus 4 Maanantai

MATP153 Approbatur 1B Harjoitus 4 Maanantai MATP53 Approbatur B Harjoitus 4 Maanantai 3..05. Halutaan määritellä funktio f siten, että f() =. Missä pisteissä + funktio voidaan määritellä tällä lausekkeella? Missä pisteissä funktio on näin määriteltynä

Lisätiedot

6 Variaatiolaskennan perusteet

6 Variaatiolaskennan perusteet 6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.

Lisätiedot

Algoritmit 2. Luento 13 Ti Timo Männikkö

Algoritmit 2. Luento 13 Ti Timo Männikkö Algoritmit 2 Luento 13 Ti 30.4.2019 Timo Männikkö Luento 13 Simuloitu jäähdytys Merkkijonon sovitus Horspoolin algoritmi Ositus ja rekursio Rekursion toteutus Algoritmit 2 Kevät 2019 Luento 13 Ti 30.4.2019

Lisätiedot

Wien R-J /home/heikki/cele2008_2010/musta_kappale_approksimaatio Wed Mar 13 15:33:

Wien R-J /home/heikki/cele2008_2010/musta_kappale_approksimaatio Wed Mar 13 15:33: 1.2 T=12000 K 10 2 T=12000 K 1.0 Wien R-J 10 0 Wien R-J B λ (10 15 W/m 3 /sterad) 0.8 0.6 0.4 B λ (10 15 W/m 3 /sterad) 10-2 10-4 10-6 10-8 0.2 10-10 0.0 0 200 400 600 800 1000 nm 10-12 10 0 10 1 10 2

Lisätiedot

FYSA242 Statistinen fysiikka, Harjoitustentti

FYSA242 Statistinen fysiikka, Harjoitustentti FYSA242 Statistinen fysiikka, Harjoitustentti Tehtävä 1 Selitä lyhyesti: a Mikä on Einsteinin ja Debyen kidevärähtelymallien olennainen ero? b Mikä ero vuorovaikutuksessa ympäristön kanssa on kanonisella

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

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

6. laskuharjoitusten vastaukset (viikot 10 11)

6. laskuharjoitusten vastaukset (viikot 10 11) 6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287

Lisätiedot

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n. TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 Kertaus. Lineaarinen optimointitehtävä on muotoa: 1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n

Lisätiedot

T F = T C ( 24,6) F = 12,28 F 12,3 F T K = (273,15 24,6) K = 248,55 K T F = 87,8 F T K = 4,15 K T F = 452,2 F. P = α T α = P T = P 3 T 3

T F = T C ( 24,6) F = 12,28 F 12,3 F T K = (273,15 24,6) K = 248,55 K T F = 87,8 F T K = 4,15 K T F = 452,2 F. P = α T α = P T = P 3 T 3 76628A Termofysiikka Harjoitus no. 1, ratkaisut (syyslukukausi 2014) 1. Muunnokset Fahrenheit- (T F ), Celsius- (T C ) ja Kelvin-asteikkojen (T K ) välillä: T F = 2 + 9 5 T C T C = 5 9 (T F 2) T K = 27,15

Lisätiedot

CHEM-A1110 Virtaukset ja reaktorit. Laskuharjoitus 9/2016. Energiataseet

CHEM-A1110 Virtaukset ja reaktorit. Laskuharjoitus 9/2016. Energiataseet CHEM-A1110 Virtaukset ja reaktorit Laskuharjoitus 9/2016 Lisätietoja s-postilla reetta.karinen@aalto.fi tai tiia.viinikainen@aalto.fi vastaanotto huoneessa D406 Energiataseet Tehtävä 1. Adiabaattisen virtausreaktorin

Lisätiedot

y (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

y (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

Lisätiedot

Harjoitustyö 3. Heiluri-vaunusysteemin parametrien estimointi

Harjoitustyö 3. Heiluri-vaunusysteemin parametrien estimointi Aalto-yliopiston perustieteiden korkeakoulu Systeemianalyysin laboratorio Mat-2.4129 Systeemien identifiointi Harjoitustyö 3 Heiluri-vaunusysteemin parametrien estimointi Yleistä Systeemianalyysin laboratoriossa

Lisätiedot

Vektoreiden virittämä aliavaruus

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

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

Voima F tekee työtä W vaikuttaessaan kappaleeseen, joka siirtyy paikasta r 1 paikkaan r 2. Työ on skalaarisuure, EI vektori!

Voima F tekee työtä W vaikuttaessaan kappaleeseen, joka siirtyy paikasta r 1 paikkaan r 2. Työ on skalaarisuure, EI vektori! 6.1 Työ Voima F tekee työtä W vaikuttaessaan kappaleeseen, joka siirtyy paikasta r 1 paikkaan r 2. Työ on skalaarisuure, EI vektori! Siirtymä s = r 2 r 1 Kun voiman kohteena olevaa kappaletta voidaan kuvata

Lisätiedot

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ Mat-48 Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ L ẋ = x ẋ = g L sin x rx Epälineaarisen systeemin tasapainotiloja voidaan

Lisätiedot

AUTON LIIKETEHTÄVIÄ: KESKIKIIHTYVYYS ak JA HETKELLINEN KIIHTYVYYS a(t) (tangenttitulkinta) sekä matka fysikaalisena pinta-alana (t,

AUTON LIIKETEHTÄVIÄ: KESKIKIIHTYVYYS ak JA HETKELLINEN KIIHTYVYYS a(t) (tangenttitulkinta) sekä matka fysikaalisena pinta-alana (t, AUTON LIIKETEHTÄVIÄ: KESKIKIIHTYVYYS ak JA HETKELLINEN KIIHTYVYYS a(t) (tangenttitulkinta) sekä matka fysikaalisena pinta-alana (t, v)-koordinaatistossa ruutumenetelmällä. Tehtävä 4 (~YO-K97-1). Tekniikan

Lisätiedot

Yleistä. Aalto-yliopisto Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Yleistä. Aalto-yliopisto Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos MS-E2129 Systeemien identifiointi 3. Harjoitustyö Heiluri-vaunusysteemin parametrien estimointi Yleistä Systeemianalyysin

Lisätiedot

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Syksy 2016 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia Ajankohtaista Presemokyselyn poimintoja Millä odotuksilla aloitat

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 4. Kurssikerta Petrus Mikkola 4.10.2016 Tämän kerran asiat Funktion raja-arvo Raja-arvon määritelmä Toispuolinen raja-arvo Laskutekniikoita Rationaalifunktion esityksen

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10-13

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10-13 Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo -. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x +9, b) log (x) 7, c) x + x 4 =.. Määrää kaikki ne

Lisätiedot

Yhteydettömän kieliopin jäsennysongelma

Yhteydettömän kieliopin jäsennysongelma Yhteydettömän kieliopin jäsennysongelma Yhteydettömän kieliopin jäsennysongelmalla tarkoitetaan laskentaongelmaa Annettu: yhteydetön kielioppi G, merkkijono w Kysymys: päteekö w L(G). Ongelma voidaan periaatteessa

Lisätiedot

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =

Lisätiedot

Demonstraatiot Luento 7 D7/1 D7/2 D7/3

Demonstraatiot Luento 7 D7/1 D7/2 D7/3 TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 7 7.2.2008 D7/ Tarkastellaan piirikytkentäisen järjestelmän n-kanavaista

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

(s 2 + 9)(s 2 + 2s + 5) ] + s + 1. s 2 + 2s + 5. Tästä saadaan tehtävälle ratkaisu käänteismuuntamalla takaisin aikatasoon:

(s 2 + 9)(s 2 + 2s + 5) ] + s + 1. s 2 + 2s + 5. Tästä saadaan tehtävälle ratkaisu käänteismuuntamalla takaisin aikatasoon: TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2429 Systeemien Identifiointi 2 harjoituksen ratkaisut Yhtälö voitaisiin ratkaista suoraankin, mutta käytetään Laplace-muunnosta tehtävän ratkaisemisessa

Lisätiedot

Luku 5: Diffuusio kiinteissä aineissa

Luku 5: Diffuusio kiinteissä aineissa Luku 5: Diffuusio kiinteissä aineissa Käsiteltävät aiheet... Mitä on diffuusio? Miksi sillä on tärkeä merkitys erilaisissa käsittelyissä? Miten diffuusionopeutta voidaan ennustaa? Miten diffuusio riippuu

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

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ]

= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ] 766328A Termofysiikka Harjoitus no. 7, ratkaisut (syyslukukausi 2014) 1. Sylinteri on ympäristössä, jonka paine on P 0 ja lämpötila T 0. Sylinterin sisällä on n moolia ideaalikaasua ja sen tilavuutta kasvatetaan

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 15.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinematiikka: asema, nopeus ja kiihtyvyys (Kirjan luvut 12.1-12.5, 16.1 ja 16.2) Osaamistavoitteet Ymmärtää

Lisätiedot

Algoritmit 1. Demot Timo Männikkö

Algoritmit 1. Demot Timo Männikkö Algoritmit 1 Demot 1 25.-26.1.2017 Timo Männikkö Tehtävä 1 (a) Algoritmi, joka laskee kahden kokonaisluvun välisen jakojäännöksen käyttämättä lainkaan jakolaskuja Jaettava m, jakaja n Vähennetään luku

Lisätiedot

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Kevät 2017

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Kevät 2017 763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Keät 207. Rekyyli Luentomonisteessa on käsitelty tilanne, jossa hiukkanen (massa M) hajoaa kahdeksi hiukkaseksi (massat m ja m 2 ). Tässä käytetään

Lisätiedot

Jos olet käynyt kurssin aikaisemmin, merkitse vuosi jolloin kävit kurssin nimen alle.

Jos olet käynyt kurssin aikaisemmin, merkitse vuosi jolloin kävit kurssin nimen alle. 1(4) Lappeenrannan teknillinen yliopisto School of Energy Systems LUT Energia Nimi, op.nro: BH20A0450 LÄMMÖNSIIRTO Tentti 13.9.2016 Osa 1 (4 tehtävää, maksimi 40 pistettä) Vastaa seuraaviin kysymyksiin

Lisätiedot