Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa

Koko: px
Aloita esitys sivulta:

Download "Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa"

Transkriptio

1 Rakenteiden Mekaniikka Vol. 42, Nro 2, 2009, s Muutama huomio momenttimenetelmän käytöstä kehärakenteiden analysoinnissa Reijo Kouhia Tiivistelmä. Momenttimenetelmä on käyttökelpoinen ratkaisutapa sivusiirtymättömien staattisesti määräämättömien geometrisesti ja fysikaalisesti lineaaristen kehärakenteiden analysoinnissa. Se on yleisen voimamenetelmän erikoistapaus, joten staattisesti määräämättömien suureiden ratkaisemiseksi syntyvän lineaarisen yhtälösysteemin kerroinmatriisin on oltava symmetrinen ja positiivisesti definiitti. Tässä artikkelissa tarkastellaan miten tuntemattomat sauvanpäämomentit on valittava, jotta syntyvä kerroinmatriisi olisi symmetrinen sekä pohditaan miten rakenteen stabiiliusehto tulisi ilmaista. isäksi tarkastellaan toisesta päästään jäykästi tai kimmoisesti kiinnitetyn sauvan tukimomentin eliminointia ennen varsinaisen yhtälösysteemin muodostamista. Avainsanat: momenttimenetelmä, symmetrinen joustomatriisi, stabiiliusanalyysi Johdanto Yleisessä voimamenetelmässä tuntemattomina perussuureina ovat hyperstaattiset voimasuureet X i, i = 1,...,n s, missä n s on hypertaattisuuden, eli staattisen määräämättömyyden aste. Tarvittavat ratkaisuyhtälöt saadaan yhteensopivuusehdoista, joilla taataan ratkaisun geometrinen luvallisuus. Yhteensopivuusehdoista saatu yhtälöryhmä voidaan kirjoittaa muodossa Ax = b, (1) jossa A on symmetrinen ja positiivisesti definiitti joustomatriisi, x on ratkaistavista hyperstattisista voimasuureista X i koostuva vektori ja b on ulkoisista kuormituksista staattiseen perusmuotoon aiheutuvista yleistetyistä siirtymistä koostuva vektori. Momenttimenetelmä on erityisesti jatkuvia palkkeja ja kehärakenteita silmälläpitäen kehitetty yleisen voimamenetelmän virtaviivaistus, jossa ratkaistavan rakenteen sauvat otaksutaan aksiaalisesti venymättömiksi ja leikkauksen suhteen äärettömän jäykiksi. Tällöin ratkaistaviksi hyperstaattisiksi suureiksi jäävät ainoastaan sauvanpäämomentit. Momenttimenetelmän perusyhtälöt Momenttimenetelmän perusyhtälöt ovat sauvan päätepisteiden kiertymien lausekkeet ϕ i,j = α i,j M i,j β i,j M j,i + ψ i,j + α 0 i,j, (2) jossa α i,j ja β i,j ovat sauvavakioita, ψ i,j sauvakiertymä, eli sauvan päätepisteiden välisen janan kiertymä ja α 0 i,j on staattisen perusmuotosauvan, eli niveltuetun sauvan nurkan i 75

2 j + K 1 S j+k 1,i j S j,i i S j+3,i j + 3 S j+1,i S j+2,i j + 1 j + 2 Kuva 1. Nurkka i ja siihen liittyvät sauvat. kiertymä ulkoisesta kuormituksesta. Suureet M i,j ja M j,i ovat sauvanpäämomentit sauvan päätepisteissä i ja j, jotka määritellään positiivisiksi myötäpäivään kiertävinä. Sivusiirtymättömän kehän kaikki sauvakiertymät häviävät, eli ψ i,j 0. Sauvavakioiden fysikaalinen tulkinta on ilmeinen. Maxwellin säännön perusteella β i,j = β j,i, mutta yhteys α i,j = α j,i pätee ainoastaan jäykkyysjakaumaltaan symmetrisille sauvoille. Yhteensopivuusehdot Tarkastellaan kuvan 1 mukaista kehärakenteen monoliittista nurkkaa i johon yhtyy K- kappaletta sauvoja S i,j+k, k = 0,..., K 1. Monoliittisen nurkan i yhteensopivuusehot, K 1 kappaletta, voidaan kirjoittaa muodossa ϕ i,j = ϕ i,j+1 = = ϕ i,j+k 1, (3) jossa ϕ i,j on sauvan S i,j pään i kiertymä. Sauvanpäämomentit M i,j+k, k = 0,..., K 1 eivät ole toisistaan riippumattomia, vaan niitä sitoo nurkan i momenttitasapainoehto K 1 k=0 M i,j+k = 0, (4) mikäli nurkkaan i ei vaikuta ulkoisia momenttirasituksia. Täten yksi sauvanpäämomenteista M i,j voidaan eliminoida. Se, mikä sauvanpäämomenteista eliminoidaan, vaikuttaa syntyvän ratkaisuyhtälön kerroinmatriisin muotoon; kaikki valinnat eivät tuota symmetristä kerroinmatriisia mikäli nurkkaan liittyy enemmän kuin kaksi sauvaa. On varsin erikoista, että tätä kysymystä ei ole kirjoittajan tietämän mukaan käsitelty alan oppikirjoissa [1]-[3]. ähteen [3] esimerkissä 9.3 (sivuilla ) esitetty joustomatriisi on epäsymmetrinen. Ratkaisu tähän ongelmaan on yksinkertainen. Valitaan yksi nurkan sauvanpääkiertymistä ja asetetaan tämä vuoron perään yhtäsuureksi nurkkaan liittyvien muiden sauvanpääkiertymien kanssa. Tätä yhteistä sauvanpäätä vastaava momentti eliminoidaan. Mikäli nurkan i yhteensopivuusehdot (3) kirjoitetaan muodossa ϕ i,j+1 = ϕ i,j ϕ i,j+2 = ϕ i,j, (5). ϕ i,j+k 1 = ϕ i,j 76

3 tällöin on syytä eliminoida sauvanpäämomentti M i,j, jolloin päädytään symmetriseen joustomatriisiin, ja nurkkaan i liittyvä diagonaalilohko on muotoa α i,j + α i,j+1 α i,j... α i,j α i,j α i,j + α i,j+2... α i,j..... αi,j. (6) α i,j α i,j... α i,j + α i,j+k 1 Tukimomenttien eliminointi ratkaisuyhtälöistä Momenttimenetelmässä tuntemattomien lukumäärää kasvattavat momenttijäykät tuennat. Tilanne on analoginen siirtymämenetelmän niveltuennan kanssa. Tälle tapaukselle on kuitenkin usein johdettu omat sauvavakiot, jotka eliminoivat nivelpään kiertymän tuntemattomien joukosta. Vastaavalla tavalla voidaan momenttimenetelmässä eliminoida momenttijäykän tuennan tuottama sauvanpäämomentti. Tätä yksinkertaista eliminointia ei yleensä ole esitetty alan kirjallisuudessa. Tarkastellaan tapausta, jossa sauvanpää j on kimmoisesti kiinnitetty. Kimmoisesti kiinnitettyä nurkkaa vastaava sauvanpäämomentti voidaan eliminoida käyttäen hyväksi tuen yhteensopivuusehtoa ϕ j,i = ϕ jousi. (7) Otaksumalla jousen konstitutiiviseksi yhteydeksi ϕ jousi = α jousi M j,i, (8) voidaan yhteensopivuusehdon (7) avulla sauvanpään j momentti eliminoida: M j,i = 1 (β j,i M i,j ψ j,i αj,i 0 ). (9) α j,i + α jousi Sijoittamalla tämä sauvanpään i kiertymän lausekkeeseen saadaan jossa ᾱ i,j = α i,j ϕ i,j = ᾱ i,j M i,j + γ i,j ψ i,j + ᾱ 0 i,j, (10) β i,jβ j,i β i,j, γ i,j = 1 +, ᾱi,j 0 α j,i + α jousi α j,i + α = α0 i,j + β i,j αj,i 0 jousi α j,i + α. (11) jousi Jäykän tuennan tapauksessa sen joustavuus häviää, eli α jousi = 0. Tasajäykän sauvan ja pään j jäykän tuennan tapauksessa nämä saavat yksinkertaisen muodon Stabiiliusanalyysi momenttimenetelmällä ᾱ i,j = i,j 4EI i,j, γ i,j = 3 2. (12) Yleisen voimamenetelmän soveltamista rakenteiden stabiiliusanalyysiin on käsitelty Przemienieckin klassikkoteoksessa [4] luvussa Stabiiliusehto (yhtälö 15.54, lähteen [4] sivulla 395) johdetaan kuitenkin yhtälösysteemille, jossa muuttujina ovat siirtymät. 77

4 q 1 q 2 1 EI 2 EI 3 ηei ηei 4 5 H Kuva 2. Esimerkkikehärakenne. Ottamalla momenttimenetelmässä huomioon puristavan voiman vaikutus sauvan joustavuuteen, joustokertoimien α ij ja β ij lausekkeet tasajäykälle sauvalle ovat muotoa α ij = 3EI ψ(k), β ij = φ(k), (13) 6EI ja Berryn-funktiot ψ ja φ määritellään sauvassa vaikuttavan puristavan voiman N i,j funktioina seuraavasti (yhtälöt (1-27) ja (1-28) sivulla 13 lähteessä [5]) ψ(k) = 3 ( 1 k k 1 ), (14) tank φ(k) = 6 ( 1 k sin k 1 ), (15) k jossa k 2 = N i,j /EI i,j ja on sauvan pituus. Systeemin liiketila on stabiili, mikäli potentiaalienergian toinen variaatio on positiivinen kaikkien kinemaattisesti luvallisten variaatioiden joukossa. Analysoitaessa rakennetta siirtymämenetelmällä, tämä ehto on ekvivalentti jäykkyysmatriisin positiivisen definiittiyden kanssa. Voimamenetelmän tapauksessa rakennemallin stabiiliutta ei voida määrittää tilana, jossa joustomatriisi muuttuu positiivisesti definiitistä matriisista indefiniittiseksi, kuten jäljempänä esitettävästä esimerkistä havaitaan. Esimerkkejä Joustomatriisin symmetrisyys Tarkastellaan oheista kuvan 2 mukaista rakennetta. Yhteensopivuusehdot ovat nyt ϕ 1,2 = ϕ 1,4 ϕ 1,2 = ϕ 1,4 ϕ 2,3 = ϕ 2,1 ϕ 2,1 = ϕ 2,3 = ϕ 2,5, (16) ϕ 2,5 = ϕ 2,1 ϕ 3,2 = 0 ϕ 3,2 = 0 jolloin on syytä eliminoida sauvanpäämomentti M 2,1, jotta päädyttäisiin symmetriseen joustomatriisiin. Tuntemattomiksi sauvanpäämomenteiksi jää siten M 1,2, M 2,3, ja M 3,2. Yhteensopivuusyhtälöistä (16) saadaan yhtälöryhmä α 1,2 + α 1,4 β 1,2 β 1,2 0 β 2,1 α 2,1 + α 2,3 α 2,1 β 2,3 β 2,1 α 2,1 α 2,1 + α 2,5 0 0 β 3,2 0 α 3,2 78 M 1,2 M 2,3 M 3,2 = α 0 1,4 α0 1,2 α 0 2,1 α0 2,3 α 0 2,1 α0 2,5 α 0 3,2. (17)

5 Tasajäykän sauvan vakiot ovat: α i,j = 1 3 i,j/ei i,j, β i,j = 1 6 i,j/ei i,j. Määritellään myös pituusuhde ξ = H/ sekä palkkien ja pilareiden jäykkyyssuhde seuraavasti: EI 1,2 = EI 2,3 = EI, ja EI 1,4 = EI 2,5 = ηei. Tällöin yhtälösysteemi voidaan kirjoittaa muodossa 6EI 2(1 + ξ/η) (1 + ξ/η) M 1,2 M 2,3 M 3,2 = α 0 1,4 α0 1,2 α 0 2,1 α0 2,3 α 0 2,1 α 0 2,5 α 0 3,2. (18) Jos suhteiden ξ, η arvoiksi valitaan ξ = 1 ja η = 1, sekä q = q 2 = q saadaan systeemi M 1, M 2,3 6EI = q3 2, (19) 24EI M 3,2 1 jonka ratkaisu on M 1,2 M 2,3 M 3,2 = q 2 0, , , , Nurkan 2 tasapainoyhtälöstä seuraa sauvanpäämomentin M 2,1 arvoksi q 2. (20) M 2,1 = q2 0, 10233q 2. (21) Mikäli ratkaistaviksi sauvanpäämomenteiksi olisi valittu M 1,2, M 2,1, ja M 3,2 saataisiin epäsymmetrinen yhtälösysteemi α 1,2 + α 1,4 β 1,2 0 0 M 1,2 α1,4 β 1,2 α 2,1 + α 2,3 α 2,3 β 2,3 0 α1,2 0 M 2,1 α2,3 β 2,1 α 2,1 α 2,5 0 = 0 α0 2,1 α2,1 0. (22) α0 2,5 0 β 3,2 β 3,2 α 3,2 M 3,2 α3,2 0 uonnollisesti systeemin (22) ratkaisu on yhtenevä ratkaisun (20) ja (21) kanssa. Tukimomenttien eliminointi Käsinlaskussa päästään hieman helpommalla kun käytetään yhtälöitä (9) ja (10) tukimomentin M 3,2 eliminoimiseksi ja korvataan pystypilari 1-4 kimmoisalla jousella, jonka joustavuuskerroin on α jousi = 1 H/ηEI. Tällöin tuntemattomiksi jäävät vain nurkan 2 3 sauvanpäämomentit M 2,3 ja, jotka voidaan ratkaista yhteensopivuusehdoista { ϕ 2,3 = ϕ 2,1, (23) ϕ 2,5 = ϕ 2,1 jotka johtavat yhtälösysteemiin [ ᾱ2,1 + ᾱ 2,3 ᾱ 2,1 ᾱ 2,1 ᾱ 2,1 + α 2,5 ]{ M2,3 } = { ᾱ0 2,1 ᾱ 0 2,3 ᾱ 0 2,1 }. (24) 79

6 P 2 EI 3 1 EI Kuva 3. Kulmakehän nurjahdus. Sauvavakiot ovat β 2 2,1 ᾱ 2,1 = α 2,1 = 11 α 2,1 + α jousi 36 EI, ᾱ 2,3 = 1 4 EI. (25) [ EI ]{ M2,3 } { = q EI 5 }. (26) Ratkaisu on tietenkin yhtenevä tuloksen (20) kanssa. Muut sauvanpäämomentit M 1,2 ja M 3,2 voidaan laskea yhtälön (9) avulla. Stabiiliustehtävä Ratkaistaan kuvan 3 esittämän kulmakehän nurjahduskuorma. Nurkkien 2 ja 3 yhteensopivuusehdoista seuraa homogeeninen yhtälösysteemi [ ]{ } { } 2(1 + ψ) 1 M2,3 0 =, (27) 6EI 1 2 M 3,2 0 missä funktio ψ on yhtälön (14) mukainen ja nyt k 2 = P/EI. Homogeenisella yhtälösysteemillä (27) on ei-triviaali ratkaisu vain jos kerroinmatriisi on singulaarinen, ts. sillä on vähintään yksi nolla ominaisarvo ja täten sen determinantti on myös nolla. Kyseessä on siten epälineaarinen ominaisarvotehtävä kriittisen kuormaparametrin k löytämiseksi. Yhtälössä (27) esiintyvän dimensiottoman kerroinmatrisin [ ] 2(1 + ψ) 1 Ã = (28) 1 2 ominaisarvot ja determinatti ovat λ 1 = 2 + ψ 1 + ψ 2, λ 2 = 2 + ψ ψ 2, det = λ 1 λ 2 = 4ψ + 3, (29) joiden kuvaajat on piirretty kuvaan 4. Kuvasta havaitaan, että ominaisarvo λ 1 on negatiivinen välillä π < k < 3, 829, muulloin positiivinen, ja λ 2 on kaikkialla positiivinen, lukuunottamatta pistettä k = π, jossa funktio ψ on määrittelemätön. Täten voimamenetelmän tuottaman yhtälösysteemin kerroinmatriisin positiivisen definiittisyyden perusteella ei voi tehdä päätelmiä rakenteen tasapainotilan stabiiliudesta. Kriittinen kuorma saadaan yhtälön (27) kerroinmatriisin singulaarisuusehdosta, ja se on 80

7 det λ 1 λ k Kuva 4. Matriisin à ominaisarvot ja determinantti. P kr (3, 829) 2 EI/ 2 1, 485π 2 EI/ 2. Tällöin ominaisarvolla λ 1 on nolla-arvo, katso kuvaa 4. Joustomatriisi menettää positiivisen definiittiyden, kun kuorma ylittää arvon π 2 EI/ 2. Tällöin sauvan 1-2 joustokertoimien arvot muuttuvat positiivisista negatiivisiksi seuraavalla tavalla: lim (α ij, β ij ) = +, kl π lim (α ij, β ij ) =. (30) kl π+ Staattisen perusmuotosauvan joustavuus kasvaa rajatta kun puristava normaalivoima lähestyy Eulerin nurjahduskuormaa. Täten momenttimenetelmän mukainen stabiiliusmatriisi muuttuu positiivisesti definiitistä matrisiista indefiniitiksi, kun jonkin rakenneosan staattisen perusmuotosauvan nurjahduskuorma ylittyy. Matriisin definiittiyttä voidaan tutkia myös sen pääalideterminanttien avulla. Matriisi on positiivisesti definiitti jos kaikki sen pääalideterminantit ovat positiivisia. Sovellettuna matriisiin (28), tämä tarkoittaa ehtoja opuksi 2(1 + ψ) > 0 ja 2(1 + ψ) > 0. (31) Artikkelissa kuvataan tapa, miten momenttimenetelmän tuntemattomat eli stattisesti määräämättömät sauvanpäämomentit on valittava, jotta syntyvä rakenteen joustomatriisi olisi symmetrinen. isäksi johdetaan toisesta päästään jäykästi tai kimmoisesti kiinnitetyn sauvan joustokertoimet, joita käyttämällä voidaan ratkaistavan yhtälösysteemin kokoa pienentää. isäksi huomautetaan, että rakenteen tasapainotilan stabiiliuden menettämiskohtaa ei voida määrittää pisteenä, jossa rakenteen joustomatriisi muuttuu positiivisesti definiitistä indefiniitiksi. 81

8 Viitteet [1] A. Ghali, A.M. Neville, Structural analysis - A unified classical and matrix approach. Chapman and Hall, 3. painos, ondon, New York, [2] R. Guldan, Rahmentragwerke und Durchlaufträger. Springer-Verlag, 6. painos, Wien, [3] P. oikkanen, Rakenteiden statiikka 2. Otava, Helsinki, [4] J.S. Przemieniecki, Theory of matrix structural analysis. Dover, [5] S.P. Timoshenko, J.M. Gere, Theory of elastic stability. McGraw-Hill, International student edition, 2. painos, Reijo Kouhia TKK, Rakenne- ja rakennustuotantotekniikan laitos P 2100, TKK s-posti: reijo.kouhia@tkk.fi 82

OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN. Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43

OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN. Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43 OSIITAIN JA YKKIEN LIITOSTEN V AIKUTUS PORTAALIKEHAN VOI MASUUREISIIN Esa Makkonen Rakenteiden Mekaniikka, Vol.27 No.3, 1994, s. 35-43 Tiivistelmii: Artikkelissa kehitetaan laskumenetelma, jonka avulla

Lisätiedot

Gaussin ja Jordanin eliminointimenetelmä

Gaussin ja Jordanin eliminointimenetelmä 1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,

Lisätiedot

Materiaali on lineaarinen, jos konstitutiiviset yhtälöt ovat jännitys- ja muodonmuutostilan suureiden välisiä lineaarisia yhtälöitä.

Materiaali on lineaarinen, jos konstitutiiviset yhtälöt ovat jännitys- ja muodonmuutostilan suureiden välisiä lineaarisia yhtälöitä. JÄNNITYS-JAMUODONMUUTOSTILANYHTYS Materiaalimalleista Jännitys- ja muodonmuutostila ovat kytkennässä toisiinsa ja kytkennän antavia yhtälöitä sanotaan materiaaliyhtälöiksi eli konstitutiivisiksi yhtälöiksi.

Lisätiedot

HYPERSTAATTISET RAKENTEET

HYPERSTAATTISET RAKENTEET HYPERSTAATTISET RAKENTEET Yleistä Sauva ja palkkirakenne on on isostaattinen, jos tasapainoehdot yksin riittävät sen tukireaktioiden ja rasitusten määrittämiseen. Jos näiden voimasuureiden määrittäminen

Lisätiedot

Lineaarinen yhtälöryhmä

Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 1 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

Lisätiedot

5 OMINAISARVOT JA OMINAISVEKTORIT

5 OMINAISARVOT JA OMINAISVEKTORIT 5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön

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

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0. HARJOITUS 1, RATKAISUEHDOTUKSET, YLE11 2017. 1. Ratkaise (a.) 2x 2 16x 40 = 0 (b.) 4x 2 2x+2 = 0 (c.) x 2 (1 x 2 )(1+x 2 ) = 0 (d.) lnx a = b. (a.) Toisen asteen yhtälön ratkaisukaavalla: x = ( 16)± (

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8, TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko

Lisätiedot

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

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

Matematiikka B2 - TUDI

Matematiikka B2 - TUDI Matematiikka B2 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

5 Differentiaaliyhtälöryhmät

5 Differentiaaliyhtälöryhmät 5 Differentiaaliyhtälöryhmät 5.1 Taustaa ja teoriaa Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Toinen motivaatio yhtälöryhmien käytölle: Korkeamman asteen differentiaaliyhtälöt y (n) =

Lisätiedot

1 Matriisit ja lineaariset yhtälöryhmät

1 Matriisit ja lineaariset yhtälöryhmät 1 Matriisit ja lineaariset yhtälöryhmät 11 Yhtälöryhmä matriisimuodossa m n-matriisi sisältää mn kpl reaali- tai kompleksilukuja, jotka on asetetettu suorakaiteen muotoiseksi kaavioksi: a 11 a 12 a 1n

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14

Lisätiedot

Tasokehät. Kuva. Sauvojen alapuolet merkittyinä.

Tasokehät. Kuva. Sauvojen alapuolet merkittyinä. Tasokehät Tasokehä muodostuu yksinkertaisista palkeista ja ulokepalkeista, joita yhdistetään toisiinsa jäykästi tai nivelkehässä nivelellisesti. Palkit voivat olla tasossa missä kulmassa tahansa. Palkkikannattimessa

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

KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti

KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti KJR-C1001: Statiikka L5 Luento : Palkin normaali- ja leikkausvoima sekä taivutusmomentti Apulaisprofessori Konetekniikan laitos Statiikan välikoe 12.3.2018 Ajankohta ma 12.3.2018 klo 14:00 17:00 Salijako

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

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

1 Rajoittamaton optimointi

1 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

Lisätiedot

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - Avoin yliopisto 6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M Hirvensalo mikhirve@utufi V Junnila viljun@utufi Luentokalvot 5 1

Lisätiedot

5 DIFFERENTIAALIYHTÄLÖRYHMÄT

5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5 DIFFERENTIAALIYHTÄLÖRYHMÄT 5. Ensimmäisen kl:n DY-ryhmät Differentiaaliyhtälöryhmiä tarvitaan useissa sovelluksissa. Useimmat voidaan mallintaa ensimmäisen kertaluvun DY-ryhmien avulla. Ensimmäisen kl:n

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

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

Lisätiedot

Paikannuksen matematiikka MAT

Paikannuksen matematiikka MAT TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

Lisätiedot

BM20A0700, Matematiikka KoTiB2

BM20A0700, Matematiikka KoTiB2 BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

12. 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

Lisätiedot

Matemaattinen Analyysi / kertaus

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

Lisätiedot

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa

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

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

Lisätiedot

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

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

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1 Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon

Lisätiedot

4 Korkeamman kertaluvun differentiaaliyhtälöt

4 Korkeamman kertaluvun differentiaaliyhtälöt Differentiaaliyhtälöt c Pekka Alestalo 2015 Tässä monisteessa käydään läpi tavallisiin differentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Luennolla lasketaan esimerkkitehtäviä

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

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka

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

KJR-C1001: Statiikka L3 Luento : Jäykän kappaleen tasapaino

KJR-C1001: Statiikka L3 Luento : Jäykän kappaleen tasapaino KJR-C1001: Statiikka L3 Luento 27.2.2018: Jäykän kappaleen tasapaino Apulaisprofessori Konetekniikan laitos Luennon osaamistavoitteet Tämän päiväisen luennon (ja laskuharjoitusten) jälkeen opiskelija

Lisätiedot

Analysoidaan lämpöjännitysten, jännityskeskittymien, plastisten muodonmuutosten ja jäännösjännityksien vaikutus

Analysoidaan lämpöjännitysten, jännityskeskittymien, plastisten muodonmuutosten ja jäännösjännityksien vaikutus TAVOITTEET Määritetään aksiaalisesti kuormitetun sauvan muodonmuutos Esitetään menetelmä, jolla ratkaistaan tukireaktiot tapauksessa, jossa statiikan tasapainoehdot eivät riitä Analysoidaan lämpöjännitysten,

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

Lisätiedot

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5 Differentiaaliyhtälöt II, kevät 27 Harjoitus 5 Heikki Korpela 26. huhtikuuta 27 Tehtävä 2. Määrää seuraavan autonomisen systeemin kriittiset pisteet, ratakäyrät ja luonnostele systeemin aikakehitys: (t)

Lisätiedot

TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat

TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat TAVOITTEET Määrittää taivutuksen normaalijännitykset Miten määritetään leikkaus- ja taivutusmomenttijakaumat Lasketaan suurimmat leikkaus- ja taivutusrasitukset Analysoidaan sauvoja, jotka ovat suoria,

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 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

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 1 R. Kangaslampi Matriisihajotelmista

Lisätiedot

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi Talousmatematiikan perusteet: Luento 11 Lineaarikuvaus Matriisin aste Käänteismatriisi Viime luennolla Käsittelimme matriisien peruskäsitteitä ja laskutoimituksia Vakiolla kertominen, yhteenlasku ja vähennyslasku

Lisätiedot

MUODONMUUTOKSET. Lähtöotaksumat:

MUODONMUUTOKSET. Lähtöotaksumat: MUODONMUUTOKSET Lähtöotaksumat:. Materiaali on isotrooppista ja homogeenista. Hooken laki on voimassa (fysikaalinen lineaarisuus) 3. Bernoullin hypoteesi on voimassa (tekninen taivutusteoria) 4. Muodonmuutokset

Lisätiedot

2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyv

2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyv 2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyvien vakioiden määrittämiseen. Jännitystila on siten

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö 3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

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

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 2.3.2016 Susanna Hurme äivän aihe: Staattisesti määrätyn rakenteen tukireaktiot (Kirjan luvut 5.7 ja 6.6) Osaamistavoitteet: Ymmärtää, mitä tarkoittaa staattisesti

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä Matriisien tulo Lause Olkoot A, B ja C matriiseja ja R Tällöin (a) A(B + C) =AB + AC, (b) (A + B)C = AC + BC, (c) A(BC) =(AB)C, (d) ( A)B = A( B) = (AB), aina, kun kyseiset laskutoimitukset on määritelty

Lisätiedot

KJR-C2002 Kontinuumimekaniikan perusteet

KJR-C2002 Kontinuumimekaniikan perusteet KJR-C2002 Kontinuumimekaniikan perusteet Luento 23.11.2015 Susanna Hurme, Yliopistonlehtori, TkT Luennon sisältö Hooken laki lineaaris-elastiselle materiaalille (Reddy, kpl 6.2.3) Lujuusoppia: sauva (Reddy,

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

T STATIIKKA 2 (3 OP.) OAMK

T STATIIKKA 2 (3 OP.) OAMK T510503 STATIIKKA 2 (3 OP.) OAMK Raimo Hannila 05.09.2011 1 Tuntisuunnitelma (Luonnos). SL-2011 (15 vk?)., syysloma vk 43. Kurssin laajuus ks. opinto-opas. Ohjattu työskentely (Teoria +Harjoitus)= 39 h.

Lisätiedot

1 Di erentiaaliyhtälöt

1 Di erentiaaliyhtälöt Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y

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

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

10 knm mm 1000 (a) Kuva 1. Tasokehä ja sen elementtiverkko.

10 knm mm 1000 (a) Kuva 1. Tasokehä ja sen elementtiverkko. Elementtimenetelmän perusteet Esimerkki. kn kn/m 5 = 8 E= GPa mm 5 5 mm (a) 5 5 6 Y X (b) Kuva. Tasokehä ja sen elementtiverkko. Tarkastellaan kuvassa (a) olevan tasokehän statiikan ratkaisemista elementtimenetelmällä.

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi

Lisätiedot

Laskuharjoitus 2 Ratkaisut

Laskuharjoitus 2 Ratkaisut Vastaukset palautetaan yhtenä PDF-tiedostona MyCourses:iin ke 7.3. klo 14 mennessä. Mahdolliset asia- ja laskuvirheet ja voi ilmoittaa osoitteeseen serge.skorin@aalto.fi. Laskuharjoitus 2 Ratkaisut 1.

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 5. luento.2.27 Lineaarialgebraa - Miksi? Neuroverkon parametreihin liittyvät kaavat annetaan monesti

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 1.3.2016 Susanna Hurme Päivän aihe: Jäykän kappaleen tasapaino ja vapaakappalekuva (Kirjan luvut 5.1-5.4) Osaamistavoitteet: 1. Ymmärtää, mitä tukireaktiot ovat

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

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY Lyhyt yhteenvetokertaus nodaalimallista SÄTELYTUVAKESKUS STÅLSÄKEHETSCENTALEN ADATON AND NUCLEA SAFETY AUTHOTY Ei enää tarkastella neutronien kulkua, vaan työn alla on simppeli tuntemattoman differentiaaliyhtälöryhmä

Lisätiedot

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100 HARJOITUS, RATKAISUEHDOTUKSET, YLE 07.. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 0x +0xy +5y (b.) f(x,y) = 4x y xy +x+y +00 (a.) Funktion kriittiset pisteet ratkaisevat

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

1 Peruskäsitteet. Dierentiaaliyhtälöt

1 Peruskäsitteet. Dierentiaaliyhtälöt Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 9.3.2016 Susanna Hurme Päivän aihe: Palkin leikkausvoima- ja taivutusmomenttijakaumat ja kuviot (Kirjan luvut 7.2 ja 7.3) Osaamistavoitteet: Ymmärtää, miten leikkausvoima

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita

Lisätiedot

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A

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

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

6 MATRIISIN DIAGONALISOINTI 6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,

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

. 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

Lisätiedot

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 14 Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Luennolla 6 Tarkastelimme yhden muuttujan funktion f(x) rajoittamatonta optimointia

Lisätiedot

Konjugaattigradienttimenetelmä

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

Lisätiedot

Vektorilaskenta, tentti

Vektorilaskenta, tentti Vektorilaskenta, tentti 27102017 Tentin kesto n 3 tuntia Vastaa NELJÄÄN tehtävään Jos vastaat kaikkiin, niin neljä PARASTA otetaan huomioon Kuvat vievät tilaa, joten muista kurkistaa paperin toiselle puolelle

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

2 SUORA SAUVA ja PALKKI Suoran sauvan puhdas veto tai puristus Suoran palkin taivutus Harjoitustehtäviä 71

2 SUORA SAUVA ja PALKKI Suoran sauvan puhdas veto tai puristus Suoran palkin taivutus Harjoitustehtäviä 71 7 SISÄLLYSLUETTELO Alkulause 5 Kirjallisuus 12 1 JOHDANTO 13 1.1 Yleistä 13 1.2 Rakenteiden statiikan historiallista taustaa 15 1.3 Rakennetyyppejä 17 1.4 Rakenteen tuennat 22 1.5 Kuormitukset 25 2 SUORA

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

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja 7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien

Lisätiedot

Iteratiiviset ratkaisumenetelmät

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

Lisätiedot

KJR-C1001: Statiikka L2 Luento : voiman momentti ja voimasysteemit

KJR-C1001: Statiikka L2 Luento : voiman momentti ja voimasysteemit KJR-C1001: Statiikka L2 Luento 21.2.2018: voiman momentti ja voimasysteemit Apulaisprofessori Konetekniikan laitos Luennon osaamistavoitteet Tämän päiväisen luennon jälkeen opiskelija Pystyy muodostamaan,

Lisätiedot