BM20A1501 Numeeriset menetelmät 1 - AIMO
|
|
- Jukka-Pekka Jaakkola
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 6. marraskuuta 2014
2 Opetusjärjestelyt Luennot + Harjoitukset pe , la , pe , la , pe , la , Harjoitustyö Tentti
3 Kurssin sisältö I Johdanto Virheet ja virhetyypit Lukujen esitys tietokoneella Virhetyypit ja niiden kasaantuminen Stabiilisuus Puolitusmenetelmä Newtonin menetelmä Numeerinen derivointi Newtonin menetelmä epälineaarisille yhtälöryhmille Newtonin optimointimenetelmä
4 Kurssin sisältö II Keskipistesääntö Puolisuunnikassääntö Simpsonin menetelmä Eulerin menetelmä n. kertaluvun DY:n muuttaminen DY-ryhmäksi Lagrangen muoto Käyrän sovitus Kuutiosplini
5 Sisältö 1 Johdanto
6 Sisältö 1 Johdanto
7 Yleistä Käsitys menetelmän matemaattisista perusteista Ymmärtämys siitä miten menetelmä etenee sen toimiessa Tietoisuus niistä tilanteista joissa menetelmä saattaa epäonnistua Kyky tunnistaa menetelmän epäonnistunut toiminta Kyky arvioida saatujen tulosten järkevyys alkuperäisen tehtävän kannalta
8 Absoluuttinen ja suhteellinen virhe Absoluuttinen virhe Suhteellinen virhe ǫ x = x x ρ x = x x x
9 Absoluuttinen ja suhteellinen virhetesti Tutkittavan suuren virheen määrän testaamiseen voidaan käyttää joko absoluuttista virhetestiä: Jos x x < d, niin x approksimoi x:ää d:llä desimaalilla tai suhteellista virhetestiä: Jos x x < s x, niin x approksimoi x:ää s:llä merkitsevällä numerolla
10 Virheiden kasaantuminen peruslaskutoimituksissa 1/2 Aproksimaatioihin liittyvien virheiden ylärajat: ǫ x = x x = x = δ x ǫ y = y ỹ = y = δ y yhteenlaskussa δ x+y = (x +y) ( x +ỹ) = (x x)+(y ỹ) (x x) + (y ỹ) = δ x +δ y vähennyslaskussa δ x y = (x y) ( x ỹ) = (x x) (y ỹ) (x x) + (y ỹ) = δ x +δ y
11 Virheiden kasaantuminen peruslaskutoimituksissa 2/2 kertolaskussa δ x y = (x y) ( x ỹ) = ( x ± x )(ỹ ± y ) xỹ) = ( xỹ ± x y ±ỹ x ± x y xỹ x δ y + ỹ δ x +δ x δ y Jos oletetaan että x >> δ x ja ỹ >> δ y :lle, niin viimeinen termi voidaan jättää pois ja δ x y x δ y + ỹ δ x jakolaskussa δx y x δ y + ỹ δ x ỹ 2
12 Lausekkeet operaatioiden suhteelliselle virheelle 1/2 yhteenlasku vähennyslasku kertolasku δ x+ỹ x +ỹ δ x +δ y x +ỹ δ x ỹ x ỹ δ x +δ y x +ỹ δ x ỹ x ỹ ỹ δ x + x δ y x ỹ = δ x x + δ y ỹ
13 Lausekkeet operaatioiden suhteelliselle virheelle 2/2 jakolasku δ xỹ x/ỹ δ x x + δ y ỹ Esimerkki Olkoon tehtävänä laskea suure z, missä z =
14 Lukujen esitys tietokoneella B-kantainen lukujärjestelmän yleinen luku on: n n (a n a n 1...a 1 a 0.b 1 b 2 ) B = a k B k + b k B k k=0 k=1 10-järjestelmän normalisoitu liukuluku on muotoa: x = ±0.d 1 d n, d 1 0, n Z, d i {0,...,9} Talletus tietokoneelle muodossa x = s f B e
15 Liukulukuaritmetiikka ja virheiden kasaantuminen Karkea sääntö N kappaletta aritmeettisia operaatioita aiheuttaa virheen Nǫ m, kun pyöristys satunnaista Pyöristettäessä samaan suuntaan Nǫ m
16 Tehtävän ja ratkaisumenetelmän stabiilisuus 1/2 Matemaattisenmallinmuodostamisessa ongelmia voivat tuottaa: Mallissa käytetyt vakiot/lähtödata Tehdään liian suuria yksinkertaistuksia Ongelma on huonosti asetettu Numeerisen mallin muodostamisessa ja ratkaisussa virheellisiä tuloksia voivat tuottaa: Epästabiili numeerinen menetelmä Pyöristysvirheet Katkaisuvirhe Väärämenetelmä
17 Tehtävän ja ratkaisumenetelmän stabiilisuus 2/2 Numeerisen probleeman stabiilisuus Tehtävä F(x,y) = 0 on stabiili, jos ratkaisu x riippuu jatkuvasti lähtötiedosta y, ts. jos {ỹ} lähestyy arvoa y niin vastaava jono ratkaisuja { x} lähestyy arvoa x Numeerisen algoritmin stabiilisuus Numeerinen algoritmi on stabiilii, jos lasketun numeriisen ratkaisun riippuvuus lähtötiedon häiriöstä ei ole suurempi kuin alkuperäisessä matemaattisessa probleemassa
18 Sisältö 1 Johdanto
19 Yleistä Tarkastellaan yhtälön f(x) = 0 missä f : R R ratkaisemista numeerisesti f:n ollessa epälineaarinen, niin yleensä ei tiedossa analyyttistä ratkaisua Iteratiiviset menetelmät Geometrinen hahmotus Alkuarvaus Monikertaiset juuret
20 Puolitusmenetelmä 1/2 Olkoon annettu välillä [a, b] jatkuva funktio f(x), joka toteuttaa ehdon f(a)f(b) < 0 Väliarvolause takaa, että f(x):llä on ainakin yksi juuri välillä [a, b]. Yleensä väli [a,b] valitaan siten, että vain yksi juuri α [a,b]. Seuraava algoritmi suppenee aina kohti jotakin juurta α [a, b] 1 Aseta c = (a+b)/2 2 Jos b c eps, root = c ja lopeta 3 Jos f(b) f(c) 0, niin aseta a = c, muuten b = c 4 Palaa askeleeseen 1
21 Puolitusmenetelmä 2/2 Siis algoritmin kullakin kierroksella väli [a, b] puolittuu. Tällöin menetelmän virhe on ( ) 1 n α c n (b a) 2 Konvergenssi hidasta Iteraatiokierroksille yläraja
22 Newtonin menetelmä 1/2 Olkoon annettu alkuarvaus x 0 riittävän lähellä juurta α. Parempi approksimaatio saadaan korvaamalla käyrä y = f(x) pisteeseen (x 0,f(x 0 )) asetetulla tangentilla. Yksinkertaisella laskulla analyyttisestä geometriasta saadaan tangentin ja x-akselin leikkauspiste x n+1 = x n f(x n) f (x n ), n 0 Tunnetuin menetelmä Newton-Raphson-menetelmä epälineaarisille yhtälöryhmille
23 Newtonin menetelmä 2/2 Menetelmä saattaa divergoida huonoilla alkuarvauksilla Laskennassa f(xn) f (x n) voi aiheuttaa hankaluuksia, koska nimittäjä voi mennä pieneksi Iteraation lopetuskriteerin on vaikea valita, koska juurta ei ole suljettu etukäteen millekkään tietylle välille
24 Numeerinen derivointi Derivaatta on funktion muutosnopeus. f (a) = f(a+h) f(a), eteenpäin laskettu differenssi h h on pieni luku, esim eps, 3 eps f (a) = f(a) f(a h), taaksepäin laskettu differenssi h f (a) = f(a+h) f(a h), keskeisdifferenssi h Usean muuttujan tapauksella derivaatalla on aina myöskin suunta. f (a) = f(a+h v) f(a) h
25 Sisältö 1 Johdanto
26 Newtonin menetelmä epälineaarisille yhtälöryhmille Olkoon ratkaistavana epälineaarinen yhtälö f(x) = 0, missä f on jatkuvasti derivoituva funktio f : R n R n. Voimme arvioida funktiota pisteessä x + s Taylorin sarjalla: f(x +s) f(x)+j(x)s Tässä vektorin s kertoimena on Jacobin matriisi J ij = δf i δx j. Asettamalla f(x + s) = 0 saamme ratkaistavaksi yhtälöryhmän J(x)s = f(x). Askel s on siis ratkaistavissa lineaarisesta yhtälöryhmästä. Olemme siis johtaneet Newtonin menetelmän. x k+1 = x k +s k
27 Newtonin optimointimenetelmä Newtonin menetelmää usean muuttujan tapauksessa voi käyttää myös ääriarvojen etsimiseen Olkoon f = f(x, y), f:n ääriarvot löytyvät osittaisderivaattojen nollakohdista, eli kun { fx = 0 f y = 0 Yhtälöparin voi ratkaista Newtonilla, tarvitaan toiset derivaatat [ ] fxx f H = xy f yx f yy Toinen tapa, ns modifioitu Newton etsitään vektorin s suuntaamalta suoralta minimi ja käytetään sitä seuraavana approksimaationa
28 Sisältö 1 Johdanto
29 Yleistä Tarkastellaan yksiulotteisen Riemannin integraalin laskemista. Analyysin peruslause: b a f(x)dx = F(b) F(a) b a f(x)dx Yleisessa tapauksessa ei välttämättä löydetä F:ää suljetussa muodossa. f:n arvo iteratiivisen prosessin tulos
30 Keskipistesääntö Olkoon f jatkuva välillä [a, b] b a h = b a n, [m k = a+(k 1 )h, k = 1,...,n 2 f(x)dx h ( f(m 1 )+...+f(m n ) ) n = h f(m k ) k=1
31 Puolisuunnikassääntö Olkoon f jatkuva välillä [a, b] h = b a n, x k = a+kh, k = 0,1,...,n b a f(x)dx h ( f(x0 )+2f(x 1 )+...+2f(x n 1 )+f(x n ) ) 2 = h n 1 f(x0 )+2 f(x k )+f(x n ) 2( ). k=1
32 Simpsonin sääntö 1/2 Olkoon f jatkuva välillä [a,b]. Jaetaan väli [a,b] n yhtäsuureen jakoväliin (n on parillinen). Jos peräkkäisten jakoväliparien päätepisteitä vastaavien f kuvaajan pisteiden kautta asetetaan paraabelin kaari, ja lasketaan vastaavat paraabelin kaarien integraalit, niin kyseessä on Simpsonin sääntö.
33 Simpsonin sääntö 2/2 b a h = b a n, n on parillinen, x k = a+kh, k = 0,...,n f(x)dx h 3 ( y0 +4y 1 +2y 2 +4y y n 2 +4y n 1 +y n ) = h ( ) ypäätepisteet +4y pariton +2y parillinen 3
34 Sisältö 1 Johdanto
35 Yleistä Fysikaaliset, kemialliset ja biologiset mallit kuvaavat usein suureiden muutoksia. Mallintaminen differentiaaliyhtälöillä Yksinkertaisimmat yhtälöt ratkevat analyyttisesti, mutta käyttännön ongelmat useasti vain numeerisesti Numeeriseen ratkaisuun on kehitetty suuri joukko menetelmiä
36 Eulerin menetelmä Leonhard Eulerin mukaan nimetty menetelmä differentiaaliyhtälöiden alkuarvo-ongelmien ratkaisuun Se on yksinkertaisin numeerisista integrointimenetelmistä, mutta siitä huolimatta menetelmä on tärkeä. Sen kautta on johdettu monet paremmista menetelmistä ja sen ymmärtäminen on pohjana näille. 1. kertaluvun yhtälö: y = f(x,y), y(x 0 ) = y 0 y n+1 = y n +h f(x n,y n )
37 n. kertaluvun DY:n muuttaminen DY-ryhmäksi Muoto y (n) = f(t,y,y,...,y (n 1) ) Merkitään y 1 = y, y 2 = y,..., y n = y (n 1), joka derivoidaan y 1 = y 2 y 2 = y 3. y n 1 = y n y n = f(t,y 1,y 2,...,y n ) Yhtälöryhmä on lineaarinen DY-ryhmä
38 Sisältö 1 Johdanto
39 Yleistä Useinkaan ei tiedetä funktion f : R R analyyttistä lauseketta, tiedetään vaan funktion datapisteitä Interpoloinnissa halutaan approksimoivan funktion p kuvaajan kulkevan datapisteiden (x k,y k ) kautta, ts. p(x k ) = y k, k = 0,...,n Ekstrapolointi
40 Käyrän sovitus Kun datapisteet ovat (x 1,y 1 ),(x 2,y 2 ),...,(x N,y N ) ja sovite f(x,c) = c 1 f 1 (x)+...+c n f n (x), niin funktion S(a) = N (f(x i,c) y i ) 2 i=1 minimointi johtaa lineaarisessa tapauksessa normaaliyhtälöön A T Ac = A T y, missä matriisin A alkiot ovat A i,j = f j (x i ), i = 1,...,N, j = 1,...,n.
41 Splinit 1/5 Jono interpolaatiopolynomeja ei välttämättä lähesty interpoloitavaa sileää funktiota kun interpolointi pisteitä lisätään. Jaetaan havaintoväli osaväleihin havaintopisteiden avulla ja käytetään osaväleillä paloittaisia, matala-asteisia polynomeja. Edelleen vaaditaan, että osaväleiltä yhdistetty funktio on sileä. Olkoon väli I = [a, b] jaettu n:ään osaväliin pisteillä a = t 0 < t 1 <... < t n 1 < t n = b. Funktio s : I R on k-asteinen splini, jos seuraavat ehdot ovat voimassa: 1 Jokaisella osavälillä I i = [t i 1 ;t i ], i = 1...n, funktio s on korkeintaan k-asteinen polynomi. 2 F unktiolla s on välillä I jatkuvat derivaatat kertalukuun k 1asti.
42 Splinit 2/5 Pisteitä t i sanotaan splinin solmuiksi. Yksinkertaisin, ensimmäisen asteen splini on paloittain lineaarinen funktio. Toisen asteen splini on paloittain kvadraattinen funktio; lisäksi sen derivaatta on jatkuva koko välillä I. Yleisimmin käytetty splini on kolmannen asteen splini eli kuutiosplini, koska se on käytännössä riittävän sileä, mutta samalla helpohkosti konstruoitava. Matala-asteiset splinit sopivat erinomaisesti interpolointi tehtäviin, koska niillä ei ole taipumusta oskillointiin.
43 Splinit 3/5 Lähtökohtana on pistejoukko (x i,u i ) n. asteen kuutiosplini s(x) koostuu joukosta kolmannen asteen polynomien paloja s i (x), jolle on voimassa jatkuvuusehdot s i (x) = s i+1 (x) s i (x i ) = s i+1 (x i+) s i (x i ) = s i+1 (x i+) kaikissa interpolaatiopisteissä x i. Kun merkitään s (x i ) = m i, kuutiosplini-interpolantti saadaan muodostettua ratkaisemalla tridiagonaalinen yhtälöryhmä Km = d
44 Splinit 4/5 Km = d missä matriisin K lävistäjäalkiot ovat kaikki kakkosia ja alasivulävistän alkiot µ i ja yläsivulävistäjän alkiot λ i saadaan laskettua kaavoista, kun i = 1,...n 1: h i = x i+1 x i σ i = u i+1 ui h i λ i = h i h i +h i 1 µ i = 1 λ i d i = 6 σ i σ i 1 h i +h i 1
45 Splinit 5/5 Kun kuutiosplinit lasketaan luonnollisin reunaehdoin niin vaaditaan että interpolantin toinen derivaatta häviää välin päätepisteissä. Kun splini kirjoitetaan osavälillä I i muotoon s i (x) = s i,0 +s i,1 (x x i )+s i,2 (x x i ) 2 +s i,3 (x x i ) 3 niin kertoimet s i,k saadaan laskettua kaavoista s i,0 = u(x i ) ( s i,1 = σ i h mi+1 i s i,2 = m i 2 s i,3 = m i+1 m i 6h i 6 + m i 3 )
Numeeriset 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
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
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 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
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 +
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
LisätiedotNumeeriset 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
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
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
LisätiedotMS-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
LisätiedotEpälineaaristen 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
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:
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
Lisätiedot(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
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
LisätiedotMatematiikka B1 - avoin yliopisto
28. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Nettitehtävät Kurssin sisältö 1/2 Osittaisderivointi Usean muuttujan funktiot Raja-arvot Osittaisderivaatta Pinnan
LisätiedotNumeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37
Numeeriset menetelmät TIEA381 Luento 11 Kirsi Valjus Jyväskylän yliopisto Luento 11 () Numeeriset menetelmät 24.4.2013 1 / 37 Luennon 11 sisältö Numeerisesta integroinnista ja derivoinnista Adaptiiviset
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
LisätiedotNumeeriset 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 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
LisätiedotEpälineaaristen 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
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
LisätiedotMapu 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
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).
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
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:
LisätiedotNumeeriset Menetelmät
Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat
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
Lisätiedot12. Hessen matriisi. Ääriarvoteoriaa
179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä
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
LisätiedotFunktioiden 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
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
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
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
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
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
LisätiedotNumeeriset 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
LisätiedotHarjoituskokeiden ratkaisut Painoon mennyt versio.
Harjoituskokeiden ratkaisut 8.6.7 Painoon mennyt versio. PYRAMIDI NUMEERISIA JA ALGEBRALLISIA MENETELMIÄ RATKAISUT, HARJOITUSKOE SIVU.7.7 Koe a) i) =,, = kpl ii) 9,876 =,9876,99 = 9,9 iii),66,66 =,7 =,7
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
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
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
Lisätiedotx j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
LisätiedotBM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan
LisätiedotVastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:
. Koska F( ) on jokin funktion f ( ) integraalifunktio, niin a+ a f() t dt F( a+ t) F( a) ( a+ ) b( a b) Vastaus: Kertausharjoituksia. Lukujonot 87. + n + lim lim n n n n Vastaus: suppenee raja-arvona
Lisätiedot. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että
Lisätiedotmlnonlinequ, 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,
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
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
Lisätiedot2 Osittaisderivaattojen sovelluksia
2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
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
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
LisätiedotSchildtin lukio
MAA1.9.15 Scildtin lukio LIKIARVO MUISTA: tavallisesti matematiikassa pyritään aina tarkkoiin arvoiin! Kuitenkin esim. mittaustulokset ovat aina likiarvoja. o Luvun katkaiseminen: näin tekevät mm. jotkut
LisätiedotMatematiikka B1 - TUDI
Osittaisderivointi Osittaisderivaatan sovellukset Matematiikka B1 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Osittaisderivointi Osittaisderivaatan sovellukset Kurssin
LisätiedotMatemaattinen 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
LisätiedotMatematiikan peruskurssi (MATY020) Harjoitus 10 to
Matematiikan peruskurssi (MATY00) Harjoitus 10 to 6.3.009 1. Määrää funktion f(x, y) = x 3 y (x + 1) kaikki ensimmäisen ja toisen kertaluvun osittaisderivaatat. Ratkaisu. Koska f(x, y) = x 3 y x x 1, niin
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
LisätiedotHarjoitus 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,
Lisätiedotx 0 x 1 x 2... x n y 0 y 1 y 2... y n Taulukko 1:
[?, Luku 10], interpolaatio.tex 6.7.04 1 Interpolaatio Olkoon annettu taulukko x 0 x 1 x 2... x n y 0 y 1 y 2... y n Taulukko 1: Voidaan ajatella, että kyse on annetun funktion taulukoiduista arvoista
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
LisätiedotRollen lause polynomeille
Rollen lause polynomeille LuK-tutkielma Anna-Helena Hietamäki 7193766 Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 015 Sisältö 1 Johdanto 1.1 Rollen lause analyysissä.......................
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
LisätiedotKevät Kirsi Valjus. Jyväskylän yliopisto Tietotekniikan laitos
Numeeriset menetelmät TIEA381 Kevät 2013 Kirsi Valjus Jyväskylän yliopisto Tietotekniikan laitos Luento 1 () Numeeriset menetelmät 13.3.2013 1 / 34 Luennon 1 sisältö Käytännön asioita Numeerisen matematiikan
LisätiedotKuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x
Lisätiedot3.1 Väliarvolause. Funktion kasvaminen ja väheneminen
Väliarvolause Funktion kasvaminen ja väheneminen LAUSE VÄLIARVOLAUSE Oletus: Funktio f on jatkuva suljetulla välillä I: a < x < b f on derivoituva välillä a < x < b Väite: On olemassa ainakin yksi välille
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
Lisätiedot5 Differentiaaliyhtälöryhmät
5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =
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
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotMaksimit ja minimit 1/5 Sisältö ESITIEDOT: reaalifunktiot, derivaatta
Maksimit ja minimit 1/5 Sisältö Funktion kasvavuus ja vähenevyys; paikalliset ääriarvot Jos derivoituvan reaalifunktion f derivaatta tietyssä pisteessä on positiivinen, f (x 0 ) > 0, niin funktion tangentti
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
LisätiedotPRELIMINÄÄRIKOE 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
LisätiedotPienimmän neliösumman menetelmä
Pienimmän neliösumman menetelmä Keijo Ruotsalainen Division of Mathematics Funktion sovitus Datapisteet (x 1,...,x n ) Annettu data y i = f(x i )+η i, missä f(x) on tuntematon funktio ja η i mittaukseen
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
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
LisätiedotMATEMATIIKAN 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,
LisätiedotDifferentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40
Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40 Alkuviikolla harjoitustehtäviä lasketaan harjoitustilaisuudessa. Loppuviikolla näiden harjoitustehtävien tulee olla ratkaistuina harjoituksiin
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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. marraskuuta 2007 Antti Rasila () TodB 30. marraskuuta 2007 1 / 19 1 Lineaarinen regressiomalli ja suurimman uskottavuuden menetelmä Minimin löytäminen
LisätiedotLuento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja
Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Seuraavassa esitetään optimointitehtävien numeerisia ratkaisumenetelmiä, eli optimointialgoritmeja, keittokirjamaisesti.
LisätiedotAnna jokaisen kohdan vastaus kolmen merkitsevän numeron tarkkuudella muodossa
Preliminäärikoe Tehtävät Pitkä matematiikka / Kokeessa saa vastata enintään kymmeneen tehtävään Tähdellä (* merkittyjen tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6 Jos tehtävässä
Lisätiedota) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS:
6. Käänteiskuvaukset ja implisiittifunktiot 6.1. Käänteisfunktion olemassaolo 165. Määritä jokin piste, jonka ympäristössä funktiolla f : R 2 R 2, f (x,y) = (ysinx, x + y + 1) a) on lokaali käänteisfunktio,
LisätiedotIV. 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
LisätiedotTeknillinen tiedekunta, matematiikan jaos Numeeriset menetelmät
Numeeriset menetelmät 1. välikoe, 14.2.2009 1. 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.
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
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta
MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi
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
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
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
LisätiedotIteratiiviset ratkaisumenetelmät
Iteratiiviset ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Yleinen iteraatio Lineaarisen yhtälöryhmän iteratiivinen ratkaisumenetelmä voidaan esittää muodossa: Anna alkuarvaus: x 0 R n
LisätiedotDiplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut
LisätiedotMATEMATIIKAN 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
LisätiedotYhtälön ratkaiseminen
Yhtälön ratkaiseminen Suora iterointi Kirjoitetaan yhtälö muotoon x = f(x). Ensin päätellään jollakin tavoin jokin alkuarvo x 0 ja sijoitetaan yhtälön oikealle puolelle, jolloin saadaan tarkennettu ratkaisu
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
LisätiedotDerivaatta: funktion approksimaatio lineaarikuvauksella.
Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen
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
Lisätiedot1 Peruskäsitteet. Dierentiaaliyhtälöt
Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla
Lisätiedot