Integrointialgoritmit molekyylidynamiikassa

Koko: px
Aloita esitys sivulta:

Download "Integrointialgoritmit molekyylidynamiikassa"

Transkriptio

1 Integrointialgoritmit molekyylidynamiikassa Markus Ovaska

2 Esitelmän kulku MD-simulaatiot yleisesti Integrointialgoritmit: mitä integroidaan ja miten? Esimerkkejä eri algoritmeista Hyvän algoritmin kriteerit Oikean menetelmän valinta Yhteenveto

3 MD-simulaatioista yleisesti Monimutkaisen systeemin (hiukkasten lkm 1) aikakehitys mahdotonta ratkaista analyyttisesti Aineen perusrakenneyksikkönä yleensä atomi Simuloidaan atomien liikettä jonkin vuorovaikutusmallin pohjalta Sovelluskohteita käytännössä rajattomasti: nanosysteemit, biomolekyylit, materiaalitutkimus jne. Tavoitteena saada tietoa aineen ominaisuuksista Tutkittavan systeemin kokoa ja simulaatioaikaa rajoittaa tietokoneiden laskentakapasiteetti Tehokkaammat algoritmit > monimutkaisempia simulaatioita

4 Simulaation rakenne 1. Annetaan atomien paikoille ja nopeuksille alkuarvot: r i (0), v i (0) 2. Lasketaan atomeihin vaikuttavat voimat: F i (r i ) = V i 3. Integroidaan liikeyhtälöitä numeerisesti aika-askeleen t yli: r i (t) r i (t + t), v i (t) v i (t + t) 4. Lasketaan halutut suureet (energia, lämpötila, paine...) 5. Jos t < t max, palataan vaiheseen 2 6. Lasketaan kerätystä datasta (vaihe 4) tutkittavan kohteen ominaisuuksia

5 Liikeyhtälön numeerinen integrointi Liikeyhtälö m i a i = F i, tavoitteena ratkaista paikka r i nopeus v = dr dt, kiihtyvyys a = d 2 r dt 2 Paikka voidaan esittää Taylorin sarjana r(t + t) = r(t) + v(t) t a(t) t Vastaavasti nopeus: v(t + t) = v(t) + a(t) t +... Liikeyhtälön integrointi ajan T yli voidaan siis tehdä jakamalla T lyhyisiin askeliin t = T n ja käyttää Taylorin kehitelmää n kertaa. Tämä on perusta kehittyneemmille algoritmeille.

6 Predictor-Corrector-menetelmä 1. Ennustetaan paikka r ja sen derivaatat (v, a,...) hetkellä t + t hetken t tietojen perusteella (Taylorin kehitelmästä): r P (t + t), v P (t + t), a P (t + t), Lasketaan voima + kiihtyvyys hetkellä t + t : a C (t + t) 3. Korjataan ennustettuja suureita uuden kiihtyvyyden avulla > saadaan korjatut suureet r C (t + t), v C (t + t),... Luokitellaan kertaluvun mukaan: montako termiä Taylorin sarjasta esim. Gear5, viidennen kertaluvun integraattori: muuttujina r, v, a, d 3 r dt, d 4 r 3 dt, d 5 r 4 dt 5

7 Esimerkki: Nopeus-Verlet 1. r(t + t) = r(t) + v(t) t a(t) t2 2. v P (t t) = v(t) a(t) t 3. Lasketaan uudet voimat ja kiihtyvyydet: a(t + t) = 1 mf (t + t) 4. v C (t + t) = v P (t t) + 1 2a(t + t) t = v(t) [a(t) + a(t + t)] t MolDy:ssa hyvin yleisesti käytetty algoritmi Yksinkertainen, nopea laskea Riittävän tarkka useimpiin sovelluksiin, kun t pieni

8 Multiple time-scale integration Käytetään kahta (tai useampaa) eripituista aika-askelta tpitk = N t lyhyt, N kokonaisluku Jaetaan voimat nopeasti muuttuviin, F nopea ja hitaasti muuttuviin, F hidas Esim. molekyylin sisäinen värähtely paljon nopeampaa kuin molekyylien liike toistensa suhteen: F nopea kuvaa sisäisiä vuorovaikutuksia, F hidas molekyylien välistä voimaa 1. Lasketaan F hidas 2. Päivitetään nopeudet: v v + F hidas m t pitk 2.1 Lasketaan F nopea 2.2 Päivitetään nopeudet: v v + Fnopea m 2.3 Päivitetään paikat: r r + v t lyhyt Toistetaan N kertaa 3. Palataan kohtaan 1 t lyhyt F nopea m t2 lyhyt

9 Hyvä integrointialgoritmi? Nopea: liikeyhtälöiden ratkaisuun kuluu vähän laskenta-aikaa Vaatii vähän muistia mitä enemmän termejä Taylorin sarjasta, sitä enemmän muistia tarvitaan tärkeää lähinnä suurille systeemeille Tarkka paikan ja nopeuden suhteen tuottaa atomeille oikeat radat Toteuttaa säilymislait: energia säilyy algoritmi symmetrinen ajankäännön suhteen: t t t Voimat lasketaan vain kerran aika-askelta t kohden Voimien lasku simulaation työläin osuus Vakaa mahdollisimman suurella t:lla

10 Oikean menetelmän valinta Mikään algoritmi ei ole hyvä kaikessa Pakko tehdä kompromisseja nopeuden ja tarkkuuden välillä Yksinkertaisin menetelmä joka riittää Yleisesti: Monimutkaiset temput voivat aiheuttaa odottamattomia virheitä Simulaation sisältämä fysiikka on ymmärrettävä hyvin! Ohjelmointivirheiden määrä kasvaa ohjelman koon mukana... Nopeus-Verlet ja Gear hyviä perusalgoritmeja, paljon käyttökokemusta Erikoisemmat algoritmit (monta aika-askelta, muuttuva aika-askel jne.) tilannekohtaisesti Uusia algoritmeja kehitetetään jatkuvasti

11 Käytännön asioita Valmiita ohjelmia ja ohjelman osia runsaasti saatavilla, mutta: voivat sisältää virheitä asian ymmärtää parhaiten tekemällä itse roskaa sisään, roskaa ulos Ohjelman toiminta kannattaa testata kunnolla yksinkertaisia koesysteemejä, joiden käyttäytyminen tunnetaan saadaanko oikeat liikeradat? energian säilyminen?

12 Yhteenveto MD-simulaatioilla suuri määrä sovelluskohteita atomitason laskennallisessa tutkimuksessa Tehokkaammat algoritmit mahdollistavat monimutkaisempia simulaatioita Liikeyhtälöiden integrointiin monta tapaa, kaikilla kuitenkin sama perusta Parasta integrointialgoritmia ei ole, täytyy valita tilanteeseen parhaiten sopiva Molekyylidynamiikka ei ole vain ohjelmointia, vaan fysiikka sen takana on välttämätöntä ymmärtää

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

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 11 Ti 11.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti 11.10.2011 p. 1/34 p. 1/34 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen

Lisätiedot

Luento 3: Liikkeen kuvausta, differentiaaliyhtälöt

Luento 3: Liikkeen kuvausta, differentiaaliyhtälöt Luento 3: Liikkeen kuvausta, differentiaaliyhtälöt Suoraviivainen liike integrointi Digress: vakio- vs. muuttuva kiihtyvyys käytännössä Kinematiikkaa yhdessä dimensiossa taustatietoa ELEC-A3110 Mekaniikka

Lisätiedot

Numeeriset 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 / 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

Lisätiedot

Luento 2: Liikkeen kuvausta

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

Lisätiedot

H7 Malliratkaisut - Tehtävä 1

H7 Malliratkaisut - Tehtävä 1 H7 Malliratkaisut - Tehtävä Eelis Mielonen 7. lokakuuta 07 a) Palautellaan muistiin Maclaurin sarjan määritelmä (Taylorin sarja origon ympäristössä): f n (0) f(x) = (x) n Nyt jos f(x) = ln( + x) saadaan

Lisätiedot

Numeeriset menetelmät Pekka Vienonen

Numeeriset menetelmät Pekka Vienonen Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin

Lisätiedot

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

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

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

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 31.3.2016 Susanna Hurme Dynamiikan välikoe 4.4.2016 Ajankohta ma 4.4.2016 klo 16:30 19:30 Salijako Aalto-Sali: A-P (sukunimen alkukirjaimen mukaan) Ilmoittautuminen

Lisätiedot

5.9 Voiman momentti (moment of force, torque)

5.9 Voiman momentti (moment of force, torque) 5.9 Voiman momentti (moment of force, torque) Voiman momentti määritellään ristitulona M = r F missä r on voiman F vaikutuspisteen paikkavektori tarkasteltavan pisteen suhteen Usean voiman tapauksessa

Lisätiedot

3. Simulaatioiden statistiikka ja data-analyysi

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

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

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

Lisätiedot

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt Digress: vakio- vs. muuttuva kiihtyvyys käytännössä Kinematiikkaa yhdessä dimensiossa taustatietoa Matlab-esittelyä 1 / 20 Luennon sisältö Digress: vakio-

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 17.3.2016 Susanna Hurme Päivän aihe: Energian, työn ja tehon käsitteet sekä energiaperiaate (Kirjan luku 14) Osaamistavoitteet: Osata tarkastella partikkelin kinetiikkaa

Lisätiedot

SIMULINK 5.0 Harjoitus. Matti Lähteenmäki 2004 www.tpu.fi/~mlahteen/

SIMULINK 5.0 Harjoitus. Matti Lähteenmäki 2004 www.tpu.fi/~mlahteen/ SIMULINK 5.0 Harjoitus 2004 www.tpu.fi/~mlahteen/ SIMULINK 5.0 Harjoitus 2 Harjoitustehtävä. Tarkastellaan kuvan mukaisen yhden vapausasteen jousi-massa-vaimennin systeemin vaakasuuntaista pakkovärähtelyä,

Lisätiedot

Nopeus, kiihtyvyys ja liikemäärä Vektorit

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

Lisätiedot

Mekaniikan jatkokurssi Fys102

Mekaniikan jatkokurssi Fys102 Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 7 Harmonisen värähdysliikkeen energia Jousen potentiaalienergia on U k( x ) missä k on jousivakio ja Dx on poikkeama tasapainosta. Valitaan

Lisätiedot

Värähtelevä jousisysteemi

Värähtelevä jousisysteemi Mathematican version 8 mukainen. (5.10.01 SKK) Värähtelevä jousisysteemi Jousen puristumista ja venymistä voidaan kuvata varsin yksinkertaisella matemaattisella mallilla m d x k x, d t missä x on jousen

Lisätiedot

Paavo Kyyrönen & Janne Raassina

Paavo Kyyrönen & Janne Raassina Paavo Kyyrönen & Janne Raassina 1. Johdanto 2. Historia 3. David Deutsch 4. Kvanttilaskenta ja superpositio 5. Ongelmat 6. Tutkimus 7. Esimerkkejä käyttökohteista 8. Mistä näitä saa? 9. Potentiaali 10.

Lisätiedot

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla.

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. Tehtävä.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. x = (a + b cos(θ)) cos(ψ) y = (a + b cos(θ)) sin(ψ) = b sin(θ), a > b, θ π, ψ π Figure. Toruksen hajoituskuva Oletetaan,

Lisätiedot

Harjoitus 5 -- Ratkaisut

Harjoitus 5 -- Ratkaisut Harjoitus -- Ratkaisut 1 Ei kommenttia. Tutkittava funktio oskilloi äärettömän tiheään nollan lähellä. PlotPoints-asetus määrää, kuinka tiheästi Plot-funktio ottaa piirrettävästä funktiosta "näytteitä"

Lisätiedot

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

MS-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

Lisätiedot

Mekaniikan jatkokurssi Fys102

Mekaniikan jatkokurssi Fys102 Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 8 Vaimennettu värähtely Elävässä elämässä heilureiden ja muiden värähtelijöiden liike sammuu ennemmin tai myöhemmin. Vastusvoimien takia värähtelijän

Lisätiedot

infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1

infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1 infoa Viikon aiheet Tentti ensi viikolla ma 23.0. klo 9.00-3.00 Huomaa, alkaa tasalta! D0 (Sukunimet A-) E204 (Sukunimet S-Ö) Mukaan kynä ja kumi. Ei muuta materiaalia. Tentissä kaavakokoelma valmiina.

Lisätiedot

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-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

Lisätiedot

Kon Simuloinnin Rakentaminen Janne Ojala

Kon Simuloinnin Rakentaminen Janne Ojala Kon 16.4011 Simuloinnin Rakentaminen Janne Ojala Simulointi käytännössä 1/3 Simulaatiomalleja helppo analysoida Ymmärretään ongelmaa paremmin - Opitaan ymmärtämään koneen toimintaa ja siihen vaikuttavia

Lisätiedot

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely) Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely) Ilari Vähä-Pietilä 28.04.2014 Ohjaaja: TkT Kimmo Berg Valvoja: Prof. Harri Ehtamo Työn saa

Lisätiedot

jakokulmassa x 4 x 8 x 3x

jakokulmassa 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:

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

PC vai Yoshbox? Moottorinohjauksen lyhyt teoria ja vertailu Mustavalkoisesti kirjoitettuna innostamaan tiedon ja mielipiteiden jakamiseen by PetriK

PC vai Yoshbox? Moottorinohjauksen lyhyt teoria ja vertailu Mustavalkoisesti kirjoitettuna innostamaan tiedon ja mielipiteiden jakamiseen by PetriK PC vai Yoshbox? Moottorinohjauksen lyhyt teoria ja vertailu Mustavalkoisesti kirjoitettuna innostamaan tiedon ja mielipiteiden jakamiseen by PetriK Vastuunrajaus PC vai Yoshbox Kirjoittaja on kirjoittanut

Lisätiedot

Johdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad

Johdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad Johdantoa ALGORITMIT MATEMA- TIIKASSA, MAA Vanhan vitsin mukaan matemaatikko tietää, kuinka matemaattinen ongelma ratkaistaan, mutta ei osaa tehdä niin. Vitsi on ajalta, jolloin käytännön laskut eli ongelman

Lisätiedot

2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =

2v 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

Lisätiedot

Kvanttifysiikan perusteet 2017

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

Lisätiedot

Energiatehokkuutta parantavien materiaalien tutkimus. Antti Karttunen Nuorten Akatemiaklubi 2010 01 18

Energiatehokkuutta parantavien materiaalien tutkimus. Antti Karttunen Nuorten Akatemiaklubi 2010 01 18 Energiatehokkuutta parantavien materiaalien tutkimus Antti Karttunen Nuorten Akatemiaklubi 2010 01 18 Sisältö Tutkimusmenetelmät: Laskennallinen materiaalitutkimus teoreettisen kemian menetelmillä Esimerkki

Lisätiedot

Vuorovaikutukset ja kappaleet

Vuorovaikutukset ja kappaleet Vuorovaikutukset ja kappaleet 2017 Tervetuloa kurssille! Fysiikan perusopintokokonaisuuden 1. kurssi Tarkoitettu opiskelijoille, jotka suorittavat vähintään 25 op fysiikkaa Suositellaan samaan aikaa Matemaattiset

Lisätiedot

DIFFERENTIAALI- JA INTEGRAALILASKENTA

DIFFERENTIAALI- JA INTEGRAALILASKENTA DIFFERENTIAALI- JA INTEGRAALILASKENTA Timo Mäkelä Tässä tekstissä esitellään yhden muuttujan reaaliarvoisten funktioiden differentiaalilaskentaa sekä sarjoja. Raja-arvot Raja-arvoja voidaan laskea käyttämällä

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

1 PID-taajuusvastesuunnittelun esimerkki

1 PID-taajuusvastesuunnittelun esimerkki Enso Ikonen, Oulun yliopisto, systeemitekniikan laboratorio 2/23 Säätöjärjestelmien suunnittelu 23 PID-taajuusvastesuunnittelun esimerkki Tehtävänä on suunnitella säätö prosessille ( ) = = ( +)( 2 + )

Lisätiedot

FYSA242 Statistinen fysiikka, Harjoitustentti

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

Lisätiedot

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

Lisätiedot

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo.

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo. Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo. Iterointi on menetelmä, missä jollakin likiarvolla voidaan määrittää jokin toinen,

Lisätiedot

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

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

Lisätiedot

Numeerinen integrointi ja derivointi

Numeerinen 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

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

4. Käyrän lokaaleja ominaisuuksia

4. Käyrän lokaaleja ominaisuuksia 23 VEKTORIANALYYSI Luento 3 4 Käyrän lokaaleja ominaisuuksia Käyrän tangentti Tarkastellaan parametrisoitua käyrää r( t ) Parametrilla t ei tarvitse olla mitään fysikaalista merkitystä, mutta seuraavassa

Lisätiedot

4) Törmäysten lisäksi rakenneosasilla ei ole mitään muuta keskinäistä tai ympäristöön suuntautuvaa vuorovoikutusta.

4) Törmäysten lisäksi rakenneosasilla ei ole mitään muuta keskinäistä tai ympäristöön suuntautuvaa vuorovoikutusta. K i n e e t t i s t ä k a a s u t e o r i a a Kineettisen kaasuteorian perusta on mekaaninen ideaalikaasu, joka on matemaattinen malli kaasulle. Reaalikaasu on todellinen kaasu. Reaalikaasu käyttäytyy

Lisätiedot

Mekaniikan jatkokurssi Fys102

Mekaniikan jatkokurssi Fys102 Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 10 Noste Nesteeseen upotettuun kappaleeseen vaikuttaa nesteen pintaa kohti suuntautuva nettovoima, noste F B Kappaleen alapinnan kohdalla nestemolekyylien

Lisätiedot

Luvun 8 laskuesimerkit

Luvun 8 laskuesimerkit Luvun 8 laskuesimerkit Esimerkki 8.1 Heität pallon, jonka massa on 0.40 kg seinään. Pallo osuu seinään horisontaalisella nopeudella 30 m/s ja kimpoaa takaisin niin ikään horisontaalisesti nopeudella 20

Lisätiedot

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä. Diffuusio yksiulotteisessa epäjärjestäytyneessä hilassa E J ii, J ii, + 0 E b, i E i i i i+ x Kuva.:

Lisätiedot

Korkeammat derivaatat

Korkeammat derivaatat Korkeammat derivaatat Jo kerran derivoitu funk1o voidaan derivoida uudelleen. d df(x) dx dx = d2 f(x) dx 2 = f''(x) = f 2 (x) Yleisemmin merkitään: d n f(x) dx n = f n (x) Esimerkki: 2 atominen molekyyli

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 16.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinetiikka (Kirjan luvut 12.6, 13.1-13.3 ja 17.3) Oppimistavoitteet Ymmärtää, miten Newtonin toisen lain

Lisätiedot

5. Numeerisesta derivoinnista

5. Numeerisesta derivoinnista Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan

Lisätiedot

Algoritmit 2. Luento 13 Ti Timo Männikkö

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

Lisätiedot

Ohjeita fysiikan ylioppilaskirjoituksiin

Ohjeita fysiikan ylioppilaskirjoituksiin Ohjeita fysiikan ylioppilaskirjoituksiin Kari Eloranta 2016 Jyväskylän Lyseon lukio 11. tammikuuta 2016 Kokeen rakenne Fysiikan kokeessa on 13 tehtävää, joista vastataan kahdeksaan. Tehtävät 12 ja 13 ovat

Lisätiedot

12. Differentiaaliyhtälöt

12. Differentiaaliyhtälöt 1. Differentiaaliyhtälöt 1.1 Johdanto Differentiaaliyhtälöitä voidaan käyttää monilla alueilla esimerkiksi tarkasteltaessa jonkin kohteen lämpötilan vaihtelua, eksponentiaalista kasvua, sähkölatauksen

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

Korkeammat derivaatat

Korkeammat derivaatat Korkeammat derivaatat Jo kerran derivoitu funk6o voidaan derivoida uudelleen. d! df(x) $ dx " # dx % & = d2 f(x) = f''(x) = f (2) (x) dx 2 Yleisemmin merkitään: d n f(x) dx n = f (n) (x) Esimerkki: 2-

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

Tehtävä 1. a) sähkövirta = varausta per sekunti, I = dq dt = 1, A = 1, C s protonin varaus on 1, C

Tehtävä 1. a) sähkövirta = varausta per sekunti, I = dq dt = 1, A = 1, C s protonin varaus on 1, C Tehtävä a) sähkövirta = varausta per sekunti, I = dq dt =, 5 0 3 =, 5 0 3 C s protonin varaus on, 6 0 9 C Jaetaan koko virta yksittäisille varauksille:, 5 0 3 C s kpl = 9 05, 6 0 9 s b) di = Jd = J2πrdr,

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

Luku 8. Mekaanisen energian säilyminen. Konservatiiviset ja eikonservatiiviset. Potentiaalienergia Voima ja potentiaalienergia.

Luku 8. Mekaanisen energian säilyminen. Konservatiiviset ja eikonservatiiviset. Potentiaalienergia Voima ja potentiaalienergia. Luku 8 Mekaanisen energian säilyminen Konservatiiviset ja eikonservatiiviset voimat Potentiaalienergia Voima ja potentiaalienergia Mekaanisen energian säilyminen Teho Tavoitteet: Erottaa konservatiivinen

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

Verkon värittämistä hajautetuilla algoritmeilla

Verkon värittämistä hajautetuilla algoritmeilla Verkon värittämistä hajautetuilla algoritmeilla 5 12 30 19 72 34 Jukka Suomela 15 77 18 4 9. tammikuuta 2012 19 2 68 Verkko 2 Verkko solmu 3 Verkko solmu kaari 4 Hajautettu järjestelmä solmu (tietokone)

Lisätiedot

OPETUSSUUNNITELMALOMAKE

OPETUSSUUNNITELMALOMAKE OPETUSSUUNNITELMALOMAKE v0.90 Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit

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

Tietokoneet täh++eteessä

Tietokoneet täh++eteessä Tietokoneet täh++eteessä Peter Johansson Fysiikan laitos, Helsingin yliopisto PC- käy:äjät ry kevätkokous 2014 Helsinki 23.3.2014 1. Miksi +etokoneita tarvitaan täh++eteessä ja mikä on niiden rooli modernissa

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 22.3.2016 Susanna Hurme Päivän aihe: Rotaatioliikkeen kinematiikka: kulmanopeus ja -kiihtyvyys (Kirjan luvut 12.7, 16.3) Osaamistavoitteet Osata analysoida jäykän

Lisätiedot

Teoreetikon kuva. maailmankaikkeudesta

Teoreetikon kuva. maailmankaikkeudesta Teoreetikon kuva Teoreetikon kuva hiukkasten hiukkasten maailmasta maailmasta ja ja maailmankaikkeudesta maailmankaikkeudesta Jukka Maalampi Fysiikan laitos Jyväskylän yliopisto Lapua 5. 5. 2012 Miten

Lisätiedot

3 Määrätty integraali

3 Määrätty integraali Määrätty integraali. a) Muodostuva alue on kolmio, jonka kanta on. Kolmion korkeus on funktion arvo kohdassa, eli f() = = 6. Lasketaan A() kolmion pintaalana. 6 A() 6 Vastaus: A() = 6 b) Muodostuva alue

Lisätiedot

Luento 6: Liikemäärä ja impulssi

Luento 6: Liikemäärä ja impulssi Luento 6: Liikemäärä ja impulssi Liikemäärä ja impulssi Liikemäärän säilyminen Massakeskipiste Muuttuva massa Laskettuja esimerkkejä Luennon sisältö Liikemäärä ja impulssi Liikemäärän säilyminen Massakeskipiste

Lisätiedot

6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4

6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 Datamuuntimet 1 Pekka antala 19.11.2012 Datamuuntimet 6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 7. AD-muuntimet 5 7.1 Analoginen

Lisätiedot

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

13. 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

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

Jakso 1: Pyörimisliikkeen kinematiikkaa, hitausmomentti

Jakso 1: Pyörimisliikkeen kinematiikkaa, hitausmomentti Jakso 1: Pyörimisliikkeen kinematiikkaa, hitausmomentti Kertausta Ympyrärataa kiertävälle kappaleelle on määritelty käsitteet kulmanopeus ja kulmakiihtyvyys seuraavasti: ω = dθ dt dω ja α = dt Eli esimerkiksi

Lisätiedot

Algoritmit 1. Luento 3 Ti Timo Männikkö

Algoritmit 1. Luento 3 Ti Timo Männikkö Algoritmit 1 Luento 3 Ti 17.1.2017 Timo Männikkö Luento 3 Algoritmin analysointi Rekursio Lomituslajittelu Aikavaativuus Tietorakenteet Pino Algoritmit 1 Kevät 2017 Luento 3 Ti 17.1.2017 2/27 Algoritmien

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

Tarkastellaan tilannetta, jossa kappale B on levossa ennen törmäystä: v B1x = 0:

Tarkastellaan tilannetta, jossa kappale B on levossa ennen törmäystä: v B1x = 0: 8.4 Elastiset törmäykset Liike-energia ja liikemäärä säilyvät elastisissa törmäyksissä Vain konservatiiviset voimat vaikuttavat 1D-tilanteessa kappaleiden A ja B törmäykselle: 1 2 m Av 2 A1x + 1 2 m Bv

Lisätiedot

Opetusperiodi:I, suunnattu hakukohteille: Teknillinen fysiikka ja matematiikka

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

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

Identifiointiprosessi

Identifiointiprosessi Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi

Lisätiedot

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

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

Lisätiedot

Harjoitustyö 3. Heiluri-vaunusysteemin parametrien estimointi

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

Lisätiedot

Massakeskipiste Kosketusvoimat

Massakeskipiste Kosketusvoimat Massakeskipiste Kosketusvoimat Luennon tavoitteet Kosketusvoimia Kitka Tukivoima Jännitys Jousivoima Massakeskipisteen käsite ja sillä laskeminen (Resonanssi tiedottaa tarjoavansa kahvia luentotauolla)

Lisätiedot

Liikemäärä ja voima 1

Liikemäärä ja voima 1 Liikemäärä ja voima 1 Tällä luennolla tavoitteena Kinematiikan ongelma ja sen ratkaisu: Miten radan ja nopeuden saa selville, jos kappaleen kiihtyvyys tunnetaan? Analyyttinen ratkaisu Liikemäärän, voiman

Lisätiedot

Navigointi- ja taktiikkaohjelmistot. X Sail Racing Team Christer Baggström

Navigointi- ja taktiikkaohjelmistot. X Sail Racing Team Christer Baggström Navigointi- ja taktiikkaohjelmistot X Sail Racing Team Christer Baggström Ohjelmistojen tarkoitus Tukevat päätöksentekoa radalla ja avomerellä Nopeuttavat prosessia Tarjoavat ratkaisuja, joihin päätyminen

Lisätiedot

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

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

Lisätiedot

Integrointi ja sovellukset

Integrointi ja sovellukset Integrointi ja sovellukset Tehtävät:. Muodosta ja laske yläsumma funktiolle fx) x 5 välillä [, 4], kun väli on jaettu neljään yhtä suureen osaan.. Määritä integraalin x + ) dx likiarvo laskemalla alasumma,

Lisätiedot

Alppi- ja freestyle valmentajakoulutus. Seuraohjaajakurssi Osa I. 15.1.2016 TSS Sappee

Alppi- ja freestyle valmentajakoulutus. Seuraohjaajakurssi Osa I. 15.1.2016 TSS Sappee Alppi- ja freestyle valmentajakoulutus Seuraohjaajakurssi Osa I 15.1.2016 TSS Sappee ökö Heikkala SSF: Lajikouluttaja 2013- Kirja + Edge Taustat: Rukan Alppikoulu Hiihdonopettaja/-kouluttaja FIS-TD Alppihiihtäjä

Lisätiedot

Useita oskillaattoreita yleinen tarkastelu

Useita oskillaattoreita yleinen tarkastelu Useita oskillaattoreita yleinen tarkastelu Useita riippumattomia vapausasteita q i, i =,..., n ja potentiaali vastaavasti U(q, q 2,..., q n). Tasapainoasema {q 0, q0 2,..., q0 n} q 0 Käytetään merkintää

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

Lisätiedot

Teoreettisen fysiikan tulevaisuuden näkymiä

Teoreettisen fysiikan tulevaisuuden näkymiä Teoreettisen fysiikan tulevaisuuden näkymiä Tämä on teoreettisen fysiikan professori Erkki Thunebergin virkaanastujaisesitelmä, jonka hän piti Oulun yliopistossa 8.11.2001. Esitys on omistettu professori

Lisätiedot

Voima ja potentiaalienergia II Energian kvantittuminen

Voima ja potentiaalienergia II Energian kvantittuminen Voima ja potentiaalienergia II Energian kvantittuminen Mene osoitteeseen presemo.helsinki.fi/kontro ja vastaa kysymyksiin Tavoitteena tällä luennolla Miten määritetään voima kun potentiaalienergia U(x,y,z)

Lisätiedot

SÄHKÖ KÄSITTEENÄ. Yleisnimitys suurelle joukolle ilmiöitä ja käsitteitä:

SÄHKÖ KÄSITTEENÄ. Yleisnimitys suurelle joukolle ilmiöitä ja käsitteitä: FY6 SÄHKÖ Tavoitteet Kurssin tavoitteena on, että opiskelija ymmärtää sähköön liittyviä peruskäsitteitä, tutustuu mittaustekniikkaan osaa tehdä sähköopin perusmittauksia sekä rakentaa ja tutkia yksinkertaisia

Lisätiedot

Luento 11: Periodinen liike

Luento 11: Periodinen liike Luento 11: Periodinen liike Johdanto Harmoninen värähtely Esimerkkejä Laskettuja esimerkkejä ~F t m~g ~F r Konseptitesti 1 Tehtävänanto Kuvassa on jouseen kytketyn massan sijainti ajan funktiona. Kuvaile

Lisätiedot

Diplomi-insinöörien ja arkkitehtien yhteisvalinta - dia-valinta 2013 Insinöörivalinnan fysiikan koe 29.5.2013, malliratkaisut

Diplomi-insinöörien ja arkkitehtien yhteisvalinta - dia-valinta 2013 Insinöörivalinnan fysiikan koe 29.5.2013, malliratkaisut A1 Ampumahiihtäjä ampuu luodin vaakasuoraan kohti maalitaulun keskipistettä. Luodin lähtönopeus on v 0 = 445 m/s ja etäisyys maalitauluun s = 50,0 m. a) Kuinka pitkä on luodin lentoaika? b) Kuinka kauaksi

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 29.3.2016 Susanna Hurme Yleisen tasoliikkeen kinematiikka: absoluuttinen ja suhteellinen liike, rajoitettu liike (Kirjan luvut 16.4-16.7) Osaamistavoitteet Ymmärtää,

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot