THM-MALLIN NUMERIIKKA. Antti Niemistö, Janne Martikainen Numerola oy

Koko: px
Aloita esitys sivulta:

Download "THM-MALLIN NUMERIIKKA. Antti Niemistö, Janne Martikainen Numerola oy"

Transkriptio

1 THM-MALLIN NUMERIIKKA Antti Niemistö, Janne Martikainen Numerola oy 1

2 THM-mallin Numerrin-toteutus pohjana Petri Jussilan väitöstyössä esitetty THM-malli 3D toteutus Numerrin4 mallinnusalustalle numeerisen mallin muuttujat: faasien (kiintoaine, vesi, ilma, höyry) tilavuusosuudet höyryn paine lämpötila kiintoaineen siirtymä 2

3 THM-mallin Numerrin-toteutus mallin paikkadiskretointi: voluumielementtimenetelmä (FVEM) massan ja energian säilymisyhtälöille äärellisten elementtien menetelmä (FEM) kiintoaineen liikemäärän säilymisyhtälöille trilineaarinen funktioaproksimaatio tulosten vertailukohtana Petri Jussilan väitöstyössä dokumentoitu simulointiajo 3

4 Esimerkkinä rakennetehtävä Integral(Omega,FEM_IntegralFormula,FEM_IntegrationDegree) phi=basisfunction(v) Gradphi=BasisGradient(V) tilde_rho_v=hat_b(.)*m_v/(r*t(.)) tilde_rho_a=hat_b(.)*m_a/(r*t(.)) rho=xi_s(.)*tilde_rho_s+xi_l(.)*tilde_rho_l +xi_v(.)*tilde_rho_v+xi_a(.)*tilde_rho_a Z Ω σ i ϕ ρg iϕdω = 0 ϕ, σ = 2ξsGǫ D ( ˆB ξsktrǫ + Π v max ξ sf Π ˆB0 )I SL=xi_s(.)/xi_l(.) E_=fE(SL,SL_init,nu,K_init,b) G_=fG(SL,SL_init,nu,K_init,b) fk_=fk(sl,sl_init,k_init,b) f_pi_sl=f_pi(sl, a_3, a_4, a_5) varepsilon=get_strain(u) varepsilon D=varepsilon-tr_varepsilon(.)/3.0*I sigma=2.0*xi_s(.)*g_*varepsilon D - (hat_b(.)-xi_s(.)*fk_*tr_varepsilon(.) -xi_s(.)*f_pi_sl*hat_b_0+pi v_max)*i res[5] <- sigma[0,:] dot Gradphi - rho*g[0]*phi res[6] <- sigma[1,:] dot Gradphi - rho*g[1]*phi res[7] <- sigma[2,:] dot Gradphi - rho*g[2]*phi EndIntegral 4

5 Esimerkkinä rakennetehtävä Constraint(dOmega2,V) res[7] <- u[2](.)-0.0 EndConstraint Constraint(dOmega3,V) res[5] <- u[0](.)-0.0 res[6] <- u[1](.)-0.0 EndConstraint Constraint(dOmega4,V) res[7] <- u[2](.)-0.0 EndConstraint Constraint(dOmega5,V) res[5] <- u[0](.)-0.0 res[6] <- u[1](.)-0.0 EndConstraint Constraint(dOmega6,V) res[7] <- u[2](.)-0.0 EndConstraint 5

6 Rinnakkaistukset on tehty laskentaohjelmistoon mallien kirjoittamisessa sitä ei tarvitse huomioida käyttäjä määrittelee käynnistyksen yhteydessä käytettävien prosessoriytimien maksimimäärän Rinnakkaisuus on rakennettu säikeistyksellä tietokoneen on oltava shared memory laskenta käynnistää ja sammuttaa säikeet dynaamisesti itse 6

7 Tärkeimmät rinnakkaistetut rutiinit ovat ODY:jen kasaus ja lineaaristen yhtälösysteemien ratkaiseminen iteratiivisesti kasauksessa alue on jaettu elementtimäärien mukaan saman kokoisiin viipaleisiin viipaleet kasataan rinnakkain osamatriisit lasketaan rinnakkain yhteen tehtävälle on valittu iteratiiviseksi ratkaisijaksi GMRes pohjustin on blokkidiagonaalinen ILU, jonka rakentaminen ja käyttö on rinnakkaista ilman synkronointia 7

8 ODY:jen rinnakkaisessa kasauksessa tarvitaan enemmän muistia osamatriisien tallettamiseen. Toteutus on tehtävä tarkasti muistin sirpaloitumisen estämiseksi. Blokkidiagonaalisen ILU:n laatu riippuu käytettävien prosessoriytimien määrästä. 8

9 Tehtävän kasauksen rinnakkaistehokkuuksia, tuntematonta np t [s] par. eff. %

10 Lineaarisen yhtälöryhmän ratkaisemisen rinnakkaistehokkuuksia, tuntematonta np t [s] iter t/iter [s] par. eff. %

11 Suurin ajettu simulointi 3D:ssa sisälsi n. 2.2 miljoonaa tuntematonta, jolloin tarvittu muistin määrä 8 prosessorilla oli 30 Gt ja laskenta-ajan kertaluokka 18 h simuloinnille kolmella askeleella viikonloppu. Laskentakone on HP DL585G5, prosessorit 4 x Opteron 8378 (Quad-Core, 2.4 GHz), 64Gt 800MHz muistia. 11

12 Diskretointi Faasien tilavuusosuuksien positiivisuuden säilyttämiseksi on tutkittu diskretointeja matala-asteista konservatiivista aproksimaatiota suureiden vuotermeille aktiivijoukkomenetelmää faasimuutoksen rajoittamiseksi Menetelmät säilyttävät positiivisuuden, mutta matala-asteinen aproksimaatio aiheuttaa epätarkkuutta faasimuutoksen vaikeuttaa epälineaarisen tehtävän ratkaisemista 12

13 Toteutettavia asioita uudet fysiikkamallit positiivisuuden säilyttävät tekniikat varsinaiseen laskentakoodiin korkea-asteiset aikaintegroinnit multilevel -tyyppiset rinnakkaiset pohjustimet simulointi oikeassa sijoitustilanteessa 13

14 14

15 15

Behaviour of bentonite buffer. Modeling and numerical simulation. Markku Kataja,, Rolf Stenberg, nnö,, Mika Juntunen Antti Niemistö

Behaviour of bentonite buffer. Modeling and numerical simulation. Markku Kataja,, Rolf Stenberg, nnö,, Mika Juntunen Antti Niemistö Behaviour of bentonite buffer. Modeling and numerical simulation. Markku Kataja,, Rolf Stenberg, Juho KönnK nnö,, Mika Juntunen Antti Niemistö Objectives for 2008: 1. Extrension of the existing THM model

Lisätiedot

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

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

Lisätiedot

Numeeriset 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 / 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

Lisätiedot

Numeeriset menetelmät

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

Lisätiedot

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 / 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

Lisätiedot

Yleisen PSCR-menetelmän toteutus ohjelmoitavalla näytönoh

Yleisen PSCR-menetelmän toteutus ohjelmoitavalla näytönoh Yleisen n toteutus ohjelmoitavalla näytönohjaimella Mirko Myllykoski mirko.myllykoski@jyu.fi 15.2.2011 Mitä teen? Tarkoituksena toteuttaa (ja osin jo toteutettukin) stä versio ohjelmoitavalle näytönohjaimelle

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

Matriisilaskenta Luento 8: LU-hajotelma

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

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen

Lisätiedot

FYSA234 Potentiaalikuoppa, selkkarityö

FYSA234 Potentiaalikuoppa, selkkarityö FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 13. lokakuuta 2014 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan

Lisätiedot

Numeeriset menetelmät

Numeeriset 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)

Lisätiedot

Kevät Kirsi Valjus. Jyväskylän yliopisto Tietotekniikan laitos

Kevät 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

Lisätiedot

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu

Lisätiedot

FYSA2031 Potentiaalikuoppa

FYSA2031 Potentiaalikuoppa FYSA2031 Potentiaalikuoppa Työselostus Laura Laulumaa JYFL YK216 laura.e.laulumaa@student.jyu.fi 16.10-2.11. 2017 Ohjaus Työn ja ohjelman esittely ( 30 min) Harjoitellaan ohjelman käyttöä Harmoninen potentiaali

Lisätiedot

AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA. Tomi Huttunen, Timo Avikainen, John Cozens. Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.

AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA. Tomi Huttunen, Timo Avikainen, John Cozens. Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku. AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA Tomi Huttunen, Timo Avikainen, John Cozens Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.fi Nokia Corporation Itämerenkatu 11-13, 00180 Helsinki timo.avikainen@nokia.com

Lisätiedot

FYSA234 Potentiaalikuoppa, selkkarityö

FYSA234 Potentiaalikuoppa, selkkarityö FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 16. lokakuuta 2013 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

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

Lisätiedot

Algoritmit 1. Luento 1 Ti Timo Männikkö

Algoritmit 1. Luento 1 Ti Timo Männikkö Algoritmit 1 Luento 1 Ti 10.1.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin toteutus Ongelman ratkaiseminen Algoritmin tehokkuus Algoritmin suoritusaika Algoritmin analysointi Algoritmit 1 Kevät 2017

Lisätiedot

CHEM-A1410 Materiaalitieteen perusteet

CHEM-A1410 Materiaalitieteen perusteet CHEM-A1410 Materiaalitieteen perusteet Laskuharjoitus 18.9.2017, Materiaalien ominaisuudet Tämä harjoitus ei ole arvioitava, mutta tämän tyyppisiä tehtäviä saattaa olla tentissä. Tehtävät perustuvat kurssikirjaan.

Lisätiedot

Tilayhtälötekniikasta

Tilayhtälötekniikasta Tilayhtälötekniikasta Tilayhtälöesityksessä it ä useamman kertaluvun differentiaaliyhtälö esitetään ensimmäisen kertaluvun differentiaaliyhtälöryhmänä. Jokainen ensimmäisen kertaluvun differentiaaliyhtälö

Lisätiedot

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

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

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma

Lisätiedot

Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa

Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa Pasi Ylä-Oijala, Pasi Koivumäki ja Seppo Järvenpää Radiotieteen ja -tekniikan laitos, Aalto-yliopisto MATINE Seminaari

Lisätiedot

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

Yhtälöryhmät 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.

Lisätiedot

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

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

Lisätiedot

Rinnakkaisuuden hyväksikäyttö peleissä. Paula Kemppi

Rinnakkaisuuden hyväksikäyttö peleissä. Paula Kemppi Rinnakkaisuuden hyväksikäyttö peleissä Paula Kemppi 24.4.2008 Esityksen rakenne Johdantoa Rinnakkaisuus Pelimoottorien rinnakkaisuuden mallit Funktionaalisen rinnakkaisuuden malli Rinnakkaisen tiedon malli

Lisätiedot

Matemaattisesta mallintamisesta

Matemaattisesta mallintamisesta Matemaattisesta mallintamisesta (Fysikaalinen mallintaminen) 1. Matemaattisen mallin konstruointi dynaamiselle reaalimaailman järjestelmälle pääpaino fysikaalisella mallintamisella samat periaatteet pätevät

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:

Lisätiedot

Juha Merikoski. Jyväskylän yliopiston Fysiikan laitos Kevät 2009

Juha Merikoski. Jyväskylän yliopiston Fysiikan laitos Kevät 2009 FYSP120 FYSIIKAN NUMEERISET MENETELMÄT Juha Merikoski Jyväskylän yliopiston Fysiikan laitos Kevät 2009 1 Kurssin sisältö JOHDANTOA, KÄSITTEITÄ, VÄLINEITÄ [1A] Laskennallista fysiikkaa [1B] Matlabin alkeita

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

Numeeriset menetelmät

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

Lisätiedot

Concurrency - Rinnakkaisuus. Group: 9 Joni Laine Juho Vähätalo

Concurrency - Rinnakkaisuus. Group: 9 Joni Laine Juho Vähätalo Concurrency - Rinnakkaisuus Group: 9 Joni Laine Juho Vähätalo Sisällysluettelo 1. Johdanto... 3 2. C++ thread... 4 3. Python multiprocessing... 6 4. Java ExecutorService... 8 5. Yhteenveto... 9 6. Lähteet...

Lisätiedot

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

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

Lisätiedot

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

Esimerkki 1 Ratkaise differentiaaliyhtälö

Esimerkki 1 Ratkaise differentiaaliyhtälö Esimerkki 1 Ratkaise differentiaaliyhtälö x 2 y xy =1/x. 1 / K. Tuominen kimmo.i.tuominen@helsinki.fi MApu II 1/20 20 Esimerkki 2 Ratkaise differentiaaliyhtälö x(ln y)y y ln x =0. 2 / K. Tuominen kimmo.i.tuominen@helsinki.fi

Lisätiedot

6.2.3 Spektrikertymäfunktio

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

Lisätiedot

C C. x 2. x 3 x 3. Lause 3SAT p m VC Todistus. Olk. φ = C 1 C 2 C m 3-cnf-kaava, jossa esiintyvät muuttujat. φ toteutuva:

C C. x 2. x 3 x 3. Lause 3SAT p m VC Todistus. Olk. φ = C 1 C 2 C m 3-cnf-kaava, jossa esiintyvät muuttujat. φ toteutuva: Lause 3SAT p m VC Todistus. Olk. φ = C 1 C C m 3-cnf-kaava, jossa esiintyvät muuttujat x 1,..., x n. Vastaava solmupeiteongelman tapaus G, k muodostetaan seuraavasti. G:ssä on solmu kutakin literaalia

Lisätiedot

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi

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

Lisätiedot

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

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

Lisätiedot

Liikemäärän säilyminen Vuorovesivoimat Jousivoima

Liikemäärän säilyminen Vuorovesivoimat Jousivoima Liikemäärän säilyminen Vuorovesivoimat Jousivoima Tämän luennon tavoitteet Liikemäärän säilyminen Vuorovesivoimat ja binomiapproksimaatio gravitaatio jatkuu viime viikolta Jousivoima: mikä se on ja miten

Lisätiedot

Funktioiden approksimointi ja interpolointi

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

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

Rekursiiviset palautukset [HMU 9.3.1]

Rekursiiviset palautukset [HMU 9.3.1] Rekursiiviset palautukset [HMU 9.3.1] Yleisesti sanomme, että ongelma P voidaan palauttaa ongelmaan Q, jos mistä tahansa ongelmalle Q annetusta ratkaisualgoritmista voidaan jotenkin muodostaa ongelmalle

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

Algoritmit 2. Luento 1 Ti Timo Männikkö

Algoritmit 2. Luento 1 Ti Timo Männikkö Algoritmit 2 Luento 1 Ti 14.3.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin valinta Algoritmin analysointi Algoritmin suoritusaika Peruskertaluokkia Kertaluokkamerkinnät Kertaluokkien ominaisuuksia

Lisätiedot

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

k=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

Lisätiedot

Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi. Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1

Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi. Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1 Marko Vauhkonen Kuopion yliopisto Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1 Sisältö Mallintamisesta mallien käyttötarkoituksia

Lisätiedot

Rinnakkaistietokoneet luento S

Rinnakkaistietokoneet luento S Rinnakkaistietokoneet luento 5 521475S Silmukalliset ohjelmat Silmukat joissa ei ole riippuvuussyklejä voidaan vektoroida eli suorittaa silmukan vektorointi Jokainen yksittäinen käsky silmukan rungossa

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

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät 259 Informaation arvo Öljykenttään myydään porausoikeuksia, palstoja on n kappaletta, mutta vain yhdessä niistä on C euron edestä öljyä Yhden palstan hinta on C/n euroa Seismologi tarjoaa yritykselle tutkimustietoa

Lisätiedot

impedanssitomografian mallintaminen sisäisille virtalähteille

impedanssitomografian mallintaminen sisäisille virtalähteille impedanssitomografian mallintaminen sisäisille virtalähteille Mika Tarvainen Pro Gradu -tutkielma Syyskuu 999 Kuopion yliopisto Sovelletun fysiikan laitos KUOPION YLIOPISTO, luonnontieteiden ja ympäristötieteiden

Lisätiedot

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI

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

Likimääräisratkaisut ja regularisaatio

Likimääräisratkaisut ja regularisaatio Luku 3 Likimääräisratkaisut ja regularisaatio Käytännön inversio-ongelmissa annettu data y ei aina ole tarkkaa, vaan sisältää häiriöitä. Tuntemattomasta x on annettu häiriöinen data y F (x + }{{}}{{} ε.

Lisätiedot

Aurinkolämpö. Tässä on tarkoitus kertoa aurinkolämmön asentamisesta ja aurinkolämmön talteen ottamiseen tarvittavista osista ja niiden toiminnasta.

Aurinkolämpö. Tässä on tarkoitus kertoa aurinkolämmön asentamisesta ja aurinkolämmön talteen ottamiseen tarvittavista osista ja niiden toiminnasta. Aurinkolämpö Tässä on tarkoitus kertoa aurinkolämmön asentamisesta ja aurinkolämmön talteen ottamiseen tarvittavista osista ja niiden toiminnasta. Keräimien sijoittaminen ja asennus Keräimet asennetaan

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

Tampere University of Technology

Tampere University of Technology Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö

Lisätiedot

BM20A1501 Numeeriset menetelmät 1 - AIMO

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

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset

Lisätiedot

Oppimistavoitteet kurssilla Rinnakkaisohjelmointi

Oppimistavoitteet kurssilla Rinnakkaisohjelmointi 17.5.2006 1/5 Oppimistavoitteet kurssilla Rinnakkaisohjelmointi Rinnakkaisuus ja rinnakkaisuuden soveltaminen tietojenkäsittelyjärjestelmissä Kurssin Tietokoneen toiminta perusteella ymmärtää, miten ohjelman

Lisätiedot

Sähköstatiikka ja magnetismi Kondensaattorit ja kapasitanssi

Sähköstatiikka ja magnetismi Kondensaattorit ja kapasitanssi Sähköstatiikka ja magnetismi Konensaattorit ja kapasitanssi ntti Haarto 1.5.13 Yleistä Konensaattori toimii virtapiirissä sähköisen potentiaalin varastona Kapasitanssi on konensaattorin varauksen Q ja

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

Lisätiedot

Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.

Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja

Lisätiedot

Rinnakkaistietokoneet luento S

Rinnakkaistietokoneet luento S Rinnakkaistietokoneet luento 3 521475S Rinnakkaiset Numeeriset Algoritmit Silmukattomat algoritmit Eivät sisällä silmukka lauseita kuten DO,FOR tai WHILE Nopea suorittaa Yleisimmässä muodossa koostuu peräkkäisistä

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 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

Lisätiedot

Mamk / Tekniikka ja liikenne / Sähkövoimatekniikka / Sarvelainen 2015 T8415SJ ENERGIATEKNIIKKA Laskuharjoitus

Mamk / Tekniikka ja liikenne / Sähkövoimatekniikka / Sarvelainen 2015 T8415SJ ENERGIATEKNIIKKA Laskuharjoitus Mamk / Tekniikka ja liikenne / Sähkövoimatekniikka / Sarvelainen 2015 T8415SJ ENERGIATEKNIIKKA Laskuharjoitus KATTILAN VESIHÖYRYPIIRIN SUUNNITTELU Höyrykattilan on tuotettava höyryä seuraavilla arvoilla.

Lisätiedot

Tuotantosolun simulointi

Tuotantosolun simulointi Antti Alonen RFID -Tekniikan soveltaminen tuotantoteollisuudessa -hanke Tuotantosolun simulointi Konetekniikan TKI-yksikkö Tutkimus- ja kehityspalveluja sekä perusopetusta tukevaa toimintaa Toimialueet

Lisätiedot

Betonipaalun käyttäytyminen

Betonipaalun käyttäytyminen Betonipaalun käyttäytyminen Rakenteellista kantavuutta uudella mitoitusfilosofialla Betoniteollisuuden paaluseminaari, TTY Yleistä tb-paalujen kantokyvystä Geotekninen kantokyky Paalua ympäröivän maa-

Lisätiedot

Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit

Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit : Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit Janne Korvenpää Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Lokaali ja lineaarinen:

Lisätiedot

Numeerinen analyysi Harjoitus 3 / Kevät 2017

Numeerinen analyysi Harjoitus 3 / Kevät 2017 Numeerinen analyysi Harjoitus 3 / Kevät 2017 Palautus viimeistään perjantaina 17.3. Tehtävä 1: Tarkastellaan funktion f(x) = x evaluoimista välillä x [2.0, 2.3]. Muodosta interpoloiva polynomi p 3 (x),

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa

Lisätiedot

[4A] DIFFERENTIAALIYHTÄLÖT 1. Alkuarvotehtävät

[4A] DIFFERENTIAALIYHTÄLÖT 1. Alkuarvotehtävät [4A] DIFFERENTIAALIYHTÄLÖT 1. Alkuarvotehtävät Numeerisen integroinnin yhteydessä ratkoimme jo tavallisia ensimmäisen kertaluvun alkuarvotehtäviä integroimalla eli t y (t) =f(t, y(t)) y(t) =y(t a )+ f(t,

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

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

Lisätiedot

S SÄHKÖTEKNIIKKA Kimmo Silvonen

S SÄHKÖTEKNIIKKA Kimmo Silvonen S55.103 SÄHKÖTKNKK 21.12.2000 Kimmo Silvonen Tentti: tehtävät 1,3,4,8,9 1. välikoe: tehtävät 1,2,3,4,5 2. välikoe: tehtävät,7,8,9,10 Oletko jo ehtinyt vastata palautekyselyyn Voit täyttää lomakkeen nyt.

Lisätiedot

Harjoitus 4: Matlab - Optimization Toolbox

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

Lisätiedot

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen

Lisätiedot

Pienimmän Neliösumman Sovitus (PNS)

Pienimmän Neliösumman Sovitus (PNS) Pienimmän Neliösumman Sovitus (PNS) n = Havaintojen määrä (Kuvan n = 4 punaista palloa) x i = Havaintojen ajat/paikat/... (i = 1,..., n) y i = y(x i) = Havaintojen arvot (i = 1,..., n) σ i = Havaintojen

Lisätiedot

Algoritmit 1. Luento 10 Ke Timo Männikkö

Algoritmit 1. Luento 10 Ke Timo Männikkö Algoritmit 1 Luento 10 Ke 14.2.2018 Timo Männikkö Luento 10 Algoritminen ongelmanratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Lisäyslajittelu Valintalajittelu Permutaatiot

Lisätiedot

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi T-79.179 Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi 12. maaliskuuta 2002 T-79.179: Stokastinen analyysi 8-1 Stokastinen analyysi, miksi? Tavallinen Petri-verkkojen saavutettavuusanalyysi

Lisätiedot

Ydin- ja hiukkasfysiikka 2014: Harjoitus 5 Ratkaisut 1

Ydin- ja hiukkasfysiikka 2014: Harjoitus 5 Ratkaisut 1 Ydin- ja hiukkasfysiikka 04: Harjoitus 5 Ratkaisut Tehtävä a) Vapautunut energia saadaan laskemalla massan muutos reaktiossa: E = mc = [4(M( H) m e ) (M( 4 He) m e ) m e ]c = [4M( H) M( 4 He) 4m e ]c =

Lisätiedot

Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt 1

Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Matlab:n solver komento differentiaaliyhtöiden

Lisätiedot

DELL 3010 SFF I3-3220/4GB/500GB/3NBD

DELL 3010 SFF I3-3220/4GB/500GB/3NBD DELL 3010 SFF I3-3220/4GB/500GB/3NBD Dell OptiPlex 3010 SFF on hyvin pienikokoinen mutta silti monipuolisesti laajennettavissa oleva yritystietokone. Edullisen hankintahinnan ansiosta OptiPlex 3010 SFF

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

C++11 seminaari, kevät Johannes Koskinen

C++11 seminaari, kevät Johannes Koskinen C++11 seminaari, kevät 2012 Johannes Koskinen Sisältö Mikä onkaan ongelma? Standardidraftin luku 29: Atomiset tyypit Muistimalli Rinnakkaisuus On multicore systems, when a thread writes a value to memory,

Lisätiedot

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Esteet, hyppyprosessit ja dynaaminen ohjelmointi Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt

Lisätiedot

Eksimeerin muodostuminen

Eksimeerin muodostuminen Fysikaalisen kemian Syventävät-laboratoriotyöt Eksimeerin muodostuminen 02-2010 Työn suoritus Valmista pyreenistä C 16 H 10 (molekyylimassa M = 202,25 g/mol) 1*10-2 M liuos metyylisykloheksaaniin.

Lisätiedot

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

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

Lisätiedot

Aikariippuva Schrödingerin yhtälö

Aikariippuva Schrödingerin yhtälö Aineaaltodynamiikka Aineaaltokenttien riippuvuus ajasta aikariippuva Schrödingerin yhtälö Stationääriset ja ei-stationääriset tilat Aaltopaketit Kvanttimekaniikan postulaatit Aikariippuva Schrödingerin

Lisätiedot

Energian talteenotto liikkuvassa raskaassa työkoneessa. 20.01.2010 Heinikainen Olli

Energian talteenotto liikkuvassa raskaassa työkoneessa. 20.01.2010 Heinikainen Olli Energian talteenotto liikkuvassa raskaassa työkoneessa 20.01.2010 Heinikainen Olli Esityksen sisältö Yleistä Olemassa olevat sovellukset Kineettisen energian palauttaminen Potentiaalienergian palauttaminen

Lisätiedot

Opetusperiodi:I, suunnattu hakukohteille:

Opetusperiodi:I, suunnattu hakukohteille: Kurssin nimi ja koodi Muut kommentit MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi Teknillinen fysiikka ja matematiikka käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja

Lisätiedot

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

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

Lisätiedot

valitseminen vaikuttaa laskennan aikana ratkaistaviin yhtälöryhmiin.

valitseminen vaikuttaa laskennan aikana ratkaistaviin yhtälöryhmiin. Aalto yliopisto Insinööritieteiden korkeakoulu Virtausmekaniikka / Sovelletun mekaniikan laitos MUISTIO No CFD/MECHA-19-2011 pvm 28. heinäkuuta 2011 OTSIKKO Diskretointimenetelmät OpenFOAMissa LAATIJA(T)

Lisätiedot

MATLAB harjoituksia RST-säädöstä (5h)

MATLAB harjoituksia RST-säädöstä (5h) Digitaalinen säätöteoria MATLAB harjoituksia RST-säädöstä (5h) Enso Ikonen Oulun yliopisto, systeemitekniikan laboratorio November 25, 2008 Harjoituskerran sisältö kertausta (15 min) Napojensijoittelu

Lisätiedot

Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.

Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 24.3.2016 Susanna Hurme Rotaatioliikkeen liike-energia, teho ja energiaperiaate (Kirjan luku 18) Osaamistavoitteet Ymmärtää, miten liike-energia määritetään kiinteän

Lisätiedot

Derivoimalla kerran saadaan nopeus ja toisen kerran saadaan kiihtyvyys Ña r

Derivoimalla kerran saadaan nopeus ja toisen kerran saadaan kiihtyvyys Ña r Vuka HT 4 Tehtävä. Lyhyenä alustuksena tehtävään johdetaan keskeiskiihtyvyys tasaisessa pyörimisessä. Meillä on ympyräradalla liikkuva kappale joka pyörii vakiokulmanopeudella ω dϕ säteellä r origosta.

Lisätiedot