Numeeriset menetelmät
|
|
- Jalmari Mäkinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Numeeriset menetelmät Luento 11 Ti Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 1/34 p. 1/34
2 Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen vaikuttaa valitun menetelmän tarkkuusaste d käytetyn osavälin pituus h Automaattinen integrointialgoritmi valitsee sellaisen menetelmän, joka sopii kyseiselle tehtävälle Adaptiivinen integrointialgoritmi määrää osavälien pituudet siten, että ennalta asetettu tarkkuusvaatimus toteutuu Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 2/34 p. 2/34
3 Adaptiiviset integrointialgoritmit Käytetään yhtä tai useampaa yksinkertaista integrointikaavaa Määrätään automaattisesti osavälien pituudet siten, että ennalta asetettu tarkkuusvaatimus toteutuu Integroitava funktio tasainen : pidempi osavälin pituus Integroitava funktio epätasainen : lyhyempi osavälin pituus Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 3/34 p. 3/34
4 Yksinkert. adaptiivinen int.alg. Väli [a, b], osavälit [x i, x i+1 ] Osavälien pituudet h i = x i+1 x i Integraalit I = b a f(x)dx, I i = xi+1 x i n n I = I i, h i = b a f(x)dx i=1 i=1 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 4/34 p. 4/34
5 Yksinkert. adaptiivinen int.alg. Yleinen periaate: Lasketaan kaksi approksimaatiota P i I i ja Q i I i Arvioidaan tarkkuutta P i :n ja Q i :n avulla Jos tarkkuus on riittävä, hyväksytään I i :n approksimaatioksi jompi kumpi P i :stä tai Q i :stä (se kumpi on tarkempi) Jos tarkkuus ei ole riittävä, puolitetaan osaväli ja toistetaan sama molemmissa puolikkaissa Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 5/34 p. 5/34
6 Yksinkert. adaptiivinen int.alg. P i = I i :n approksimaatio, joka on saatu soveltamalla jotain integrointikaavaa osavälille (yksi askel h i ) Q i = I i :n approksimaatio, joka on saatu soveltamalla samaa integrointikaavaa puolta lyhyemmälle osavälille (kaksi askelta h i /2) Oletetaan, että I i P i Ch p+1 i missä p on tunnettu ja C on tuntematon vakio Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 6/34 p. 6/34
7 Yksinkert. adaptiivinen int.alg. I i Q i 2C ( hi I i P i Ch p+1 i 2 ) p+1 1 = 2 pchp+1 i 1 2 p(i i P i ) 2 p (Q i I i ) P i I i 2 p (Q i I i ) (Q i I i ) P i Q i Q i I i 1 2 p 1 (P i Q i ) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 7/34 p. 7/34
8 Yksinkert. adaptiivinen int.alg. Q i I i 1 2 p 1 (P i Q i ) Olkoon ε tarkkuusvaatimus koko välille [a, b] : Olkoon voimassa n (Q i I i ) ε i=1 1 2 p 1 (P i Q i ) h i b a ε Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 8/34 p. 8/34
9 Yksinkert. adaptiivinen int.alg. n (Q i I i ) n Q i I i i=1 n i=1 = ε b a i=1 1 2 p 1 P i Q i n i=1 h i = ε n i=1 h i b a ε Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 9/34 p. 9/34
10 Yksinkert. adaptiivinen int.alg. Siis: Tarkkuusvaatimus toteutuu, eli osaväli h i on tarpeeksi lyhyt, jos 1 2 p 1 (P i Q i ) h i b a ε Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 10/34 p. 10/34
11 Simpsonin sääntöön per. adapt. Alkuarvo osavälin pituudelle h 0 = (b a)/4n Lasketaan integraali a+4h0 a f(x)dx = a+2h0 a f(x)dx + a+4h0 a+2h 0 f(x)dx Simpsonin säännöllä (kahdessa osassa) Simpsonin säännön virhe yhdellä osalla: E[f] = 1 90 h5 0f (4) (η), η osa Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 11/34 p. 11/34
12 Simpsonin sääntöön per. adapt. I 0 = a+2h0 a f(x)dx + a+4h0 a+2h 0 f(x)dx (f 0 + 4f 1 + 2f 2 + 4f 3 + f 4 ) I 0 h 3 missä f j = f(a + jh 0 ), j = 0, 1, 2, 3, 4 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 12/34 p. 12/34
13 Simpsonin sääntöön per. adapt. Arvioidaan derivaattaa etenevien differenssien avulla: f (4) (η) f (4) (a + 2h 0 ) 4 f 0 h 4 0 = f 4 4f 3 + 6f 2 4f 1 + f 0 h 4 0 Arvio virheelle (molemmilla osilla yhteensä): E[f] i = h5 0 f (4) (η) h f 0 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 13/34 p. 13/34
14 Simpsonin sääntöön per. adapt. Olkoon ε tarkkuusvaatimus koko välille [a, b] Olkoon voimassa Kokonaisvirhe n n E[f] i i=1 4 f b a ε i=1 h f 0 = 4n b a h 0ε = ε n i=1 h b a ε Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 14/34 p. 14/34
15 Simpsonin sääntöön per. adapt. Siis: Tarkkuusvaatimus toteutuu, jos 4 f b a ε ( ) missä 4 f 0 = f 4 4f 3 + 6f 2 4f 1 + f 0 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 15/34 p. 15/34
16 Simpsonin sääntöön per. adapt. Jos ( ) ei voimassa: I 0 :n arvoa ei hyväksytä Asetetaan h 0 := h 0 /2 Uusitaan integrointi Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 16/34 p. 16/34
17 Simpsonin sääntöön per. adapt. Jos ( ) voimassa: I 0 lisätään kokonaisintegraalin arvoon Asetetaan a := a + 4h 0 Jos lisäksi ( ):n vasen puoli < 1/16 oikea puoli, asetetaan h 0 := 2h 0 Jos a + 4h 0 > b, niin h 0 :aa täytyy pienentää, esimerkiksi h 0 := min{h 0, (b a)/4} Integroidaan seuraava osaväli Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 17/34 p. 17/34
18 Simpsonin sääntöön per. adapt. Jatketaan, kunnes koko väli [a, b] integroitu Menetelmän toteutuksessa: Kannattaa laskea myös käytettyjen funktiokutsujen lukumäärä Laskutoimitukset kannattaa järjestää siten, että funktiokutsuja tehdään mahdollisimman vähän Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 18/34 p. 18/34
19 Numeerinen derivointi Jos funktion analyyttinen lauseke käytettävissä analyyttinen derivointi periaatteessa mekaaninen toimenpide (vrt. analyyttinen integrointi: hankalaa tai mahdotonta) Jos joudutaan derivoimaan numeerisesti yksinkertaiset numeeriset derivointikaavat epästabiileja (vrt. numeerinen integrointi: helpohkoa) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 19/34 p. 19/34
20 Numeerinen derivointi Jos funktion arvo tunnetaan ennaltamäärätyissä pisteissä funktiolle voidaan muodostaa interpolaatiopolynomi (esim. splineillä) derivoidaan interpolaatiopolynomi analyyttisesti Sopii hyvin, jos pisteitä, joissa derivaatan arvo halutaan, on paljon pisteistö ei ole tasavälinen Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 20/34 p. 20/34
21 Taylorin sarjakehitelmä Olkoon f : R R äärettömän monta kertaa jatkuvasti differentioituva Taylorin sarjakehitelmä: f(x) = f(y) + f (y)(x y) f (y)(x y) n! f(n) (y)(x y) n + 1 (n + 1)! f(n+1) (ξ)(x y) n+1 missä ξ ]x, y[ tai ξ ]y, x[ Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 21/34 p. 21/34
22 Etenevä differenssi f(x + h) = f(x) + f (x)h f (ξ)h 2 f (x) = f(x + h) f(x) h 1 2 f (ξ)h Etenevä differenssiapproksimaatio D + (h) = f(x + h) f(x) h Tarkkuus O(h) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 22/34 p. 22/34
23 Takeneva differenssi f(x h) = f(x) f (x)h f (ξ)h 2 f (x) = f(x) f(x h) h f (ξ)h Takeneva differenssiapproksimaatio D (h) = f(x) f(x h) h Tarkkuus O(h) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 23/34 p. 23/34
24 Keskeisdifferenssi f(x + h) = f(x) + f (x)h f (x)h f (ξ 1 )h 3 f(x h) = f(x) f (x)h f (x)h f (ξ 2 )h 3 f(x + h) f(x h) = 2f (x)h + f (ξ 1 ) + f (ξ 2 ) h 3 6 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 24/34 p. 24/34
25 Keskeisdifferenssi f (x) = f(x + h) f(x h) 2h f (ξ 1 ) + f (ξ 2 ) h 2 12 Keskeisdifferenssiapproksimaatio D 0 (h) = f(x + h) f(x h) 2h Tarkkuus O(h 2 ) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 25/34 p. 25/34
26 Toisen derivaatan diff.approks. f(x + h) = f(x) + f (x)h f (x)h f (x)h f(4) (ξ 1 )h 4 f(x h) = f(x) f (x)h f (x)h f (x)h f(4) (ξ 2 )h 4 f(x + h) + f(x h) = 2f(x) + f (x)h 2 + f(4) (ξ 1 ) + f (4) (ξ 2 ) h 4 24 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 26/34 p. 26/34
27 Toisen derivaatan diff.approks. f (x) = f(x + h) 2f(x) + f(x h) h 2 f(4) (ξ 1 ) + f (4) (ξ 2 ) h 2 24 Keskeisdifferenssiapproksimaatio toiselle derivaatalle f (x) Tarkkuus O(h 2 ) f(x + h) 2f(x) + f(x h) h 2 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 27/34 p. 27/34
28 Differenssiapproksimaation virhe Differenssiapproksimaatioiden menetelmävirhe 0 kun h 0 Mutta: Pieni h Liukuluvuilla laskettaessa suuri pyöristysvirhe Esimerkki: f(x) = tarkka arvo ˆf(x) = approksimaatio D 0 (h) = tarkoilla arvoilla laskettu keskeisdiff. ˆD 0 (h) = approksimaatioilla laskettu keskeisdiff. Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 28/34 p. 28/34
29 Differenssiapproksimaation virhe Oletetaan, että ˆf(x ± h) f(x ± h) ε ˆD 0 (h) D 0 (h) = ( ˆf(x + h) ˆf(x h)) (f(x + h) f(x h)) 2h = ( ˆf(x + h) f(x + h)) ( ˆf(x h) f(x h)) 2h ˆf(x + h) f(x + h) + ˆf(x h) f(x h) 2h ε h Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 29/34 p. 29/34
30 Differenssiapproksimaation virhe Kokonaisvirhe ˆD 0 (h) f (x) = ˆD 0 (h) D 0 (h) + D 0 (h) f (x) ˆD 0 (h) D 0 (h) + D 0 (h) f (x) ε h + f (ξ) h 2 6 Yleensä ˆD 0 (h) f (x) kun h 0 Yritetään minimoida virhearvio h:n suhteen Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 30/34 p. 30/34
31 Richardsonin ekstrapolaatiomen. Keskeisdifferenssi: f(x + h) = f(x) + f (x)h f (x)h f (x)h f(4) (x)h f(5) (ξ 1 )h 5 f(x h) = f(x) f (x)h f (x)h f (x)h f(4) (x)h f(5) (ξ 2 )h 5 f(x + h) f(x h) = 2f (x)h f (x)h 3 + f(5) (ξ 1 ) + f (5) (ξ 2 ) h Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 31/34 p. 31/34
32 Richardsonin ekstrapolaatiomen. D 0 (h) = f (x) + b 1 h 2 + b 2 h 4 Puolitetaan h ) 2 + b2 ( h 2) 4 ( h D 0 (h/2) = f (x) + b 1 2 = f (x) b 1h b 2h 4 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 32/34 p. 32/34
33 Richardsonin ekstrapolaatiomen. D 0 (h) = f (x) + b 1 h 2 + b 2 h 4 ( 1/3) D 0 (h/2) = f (x) b 1h b 2h 4 (4/3) 4 3 D 0(h/2) 1 3 D 0(h) = f (x) 1 4 b 2h 4 Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 33/34 p. 33/34
34 Richardsonin ekstrapolaatiomen. Richardsonin ekstrapolaatio D R (h) = 4 3 D 0(h/2) 1 3 D 0(h) Tarkkuus O(h 4 ) Tarvittessa ekstrapolointia voidaan jatkaa (kuten Rombergin integroinnissa) Numeeriset menetelmät Syksy 2011 Luento 11 Ti p. 34/34 p. 34/34
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35 Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 12 To 13.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 12 To 13.10.2011 p. 1/38 p. 1/38 Tavalliset differentiaaliyhtälöt Yhtälöissä tuntematon funktio Tavalliset
LisätiedotNumeerinen integrointi ja derivointi
Numeerinen integrointi ja derivointi Keijo Ruotsalainen Division of Mathematics Interpolaatiokaavat Approksimoitava integraali I = b a f(x)dx. Tasavälinen hila: x i = a+ (b a)i n, i = 0,...,n Funktion
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 9 Ti 4.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti 4.10.2011 p. 1/44 p. 1/44 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että
LisätiedotYhden muuttujan funktion minimointi
Yhden muuttujan funktion minimointi Aloitetaan yhden muuttujan tapauksesta Tarpeellinen myös useamman muuttujan tapauksessa Tehtävä on muotoa min kun f(x) x S R 1 Sallittu alue on muotoa S = [a, b] tai
Lisätiedot13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle
13. Taylorin polynomi; funktioiden approksimoinnista 13.1. Taylorin polynomi 552. Muodosta funktion f (x) = x 4 + 3x 3 + x 2 + 2x + 8 kaikki Taylorin polynomit T k (x, 2), k = 0,1,2,... (jolloin siis potenssien
LisätiedotNumeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 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
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 14 To 20.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 14 To 20.10.2011 p. 1/39 p. 1/39 Nopeat Fourier-muunnokset Diskreetti Fourier-muunnos ˆf k = 1 N 1 N
LisätiedotNumeeriset menetelmät 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
LisätiedotBM20A1501 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
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Kertaus K. a) Polynomi P() = 3 + 8 on jaollinen polynomilla Q() = 3, jos = 3 on polynomin P nollakohta, eli P(3) = 0. P(3) = 3 3 3 + 8 3 = 54 08 + 54 = 0. Polynomi P on jaollinen polynomilla Q. b) Jaetaan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
Lisätiedot(0 desimaalia, 2 merkitsevää numeroa).
NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 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
LisätiedotIV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
Lisätiedotk=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu
LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja
LisätiedotRatkaisu: Tutkitaan derivoituvuutta Cauchy-Riemannin yhtälöillä: f(x, y) = u(x, y) + iv(x, y) = 2x + ixy 2. 2 = 2xy xy = 1
1. Selvitä missä tason pisteissä annetut funktiot ovat derivoituvia/analyyttisiä. Määrää funktion derivaatta niissä pisteissä, joissa se on olemassa. (a) (x, y) 2x + ixy 2 (b) (x, y) cos x cosh y i sin
Lisätiedot2v 1 = v 2, 2v 1 + 3v 2 = 4v 2.. Vastaavasti ominaisarvoa λ 2 = 4 vastaavat ominaisvektorit toteuttavat. v 2 =
TKK, Matematiikan laitos Pikkarainen/Tikanmäki Mat-1.1320 Matematiikan peruskurssi K2 Harjoitus 12, A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä 21. 25.4.2008, viikko
LisätiedotJuuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +
LisätiedotNumeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29
Numeeriset menetelmät TIEA381 Luento 9 Kirsi Vljus Jyväskylän yliopisto Luento 9 () Numeeriset menetelmät 17.4.2013 1 / 29 Luennon 9 sisältö Numeerisest integroinnist Newtonin j Cotesin kvt Luento 9 ()
Lisätiedot5. OSITTAISINTEGROINTI
5 OSITTAISINTEGROINTI Kahden funktion f ja g tulo derivoidaan kuten muistetaan seuraavasti: D (fg) f g + f Kun tämä yhtälö integroidaan puolittain, niin saadaan fg f ()g()d + f ()()d Yhtälö saattaa erota
Lisätiedotjakokulmassa x 4 x 8 x 3x
Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:
LisätiedotNumeerinen integrointi
Numeerinen integrointi hum 8.0. Numeerinen integrointi Numeerisia integrointimenetelmiä on useita. Käsitellään tässä yhteydessä kuitenkin vain Gauss in integrointia, joka on elementtimenetelmän yhteydessä
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
Lisätiedotintegraali Integraalifunktio Kaavoja Integroimiskeinoja Aiheet Linkkejä Integraalifunktio Kaavoja Integroimiskeinoja Määrätty integraali
integraali 1 Matta-projekti(Aalto yliopisto): Integraali (http://matta.hut.fi/matta2/isom/html/isomli8.html ) Johdatus korkeakoulumatematiikkaan (Tampereen teknillinen korkeakoulu): Integraali (http://matwww.ee.tut.fi/jkkm/integraa/integ01.htm
Lisätiedotx j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
Lisätiedot3 = 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
LisätiedotPotenssisummia numeerisella integroinnilla
Solmu /9 Potenssisummia numeerisella integroinnilla Jorma Merikoski Matematiikan tilastotieteen laitos Tampereen yliopisto Johdanto Olkoon f välillä [a, b] tkuva reaalifunktio. Lukion pitkän matematiikan
LisätiedotDIFFERENTIAALI- JA INTEGRAALILASKENTA
DIFFERENTIAALI- JA INTEGRAALILASKENTA Timo Mäkelä Tässä tekstissä esitellään yhden muuttujan reaaliarvoisten funktioiden differentiaalilaskentaa sekä sarjoja. Raja-arvot Raja-arvoja voidaan laskea käyttämällä
LisätiedotNumeeriset Menetelmät
Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat
LisätiedotTee kokeen yläreunaan pisteytysruudukko. Valitse kuusi tehtävää seuraavista kahdeksasta. Perustele vastauksesi!
MAA Loppukoe 70 Jussi Tyni Tee pisteytysruudukko konseptin yläreunaan! Vastauksiin välivaiheet, jotka perustelevat vastauksesi! Lue ohjeet huolellisesti! Tee kokeen yläreunaan pisteytysruudukko Valitse
LisätiedotLuku 4. Derivoituvien funktioiden ominaisuuksia.
1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa
LisätiedotNumeeriset menetelmät Pekka Vienonen
Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin
LisätiedotMS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
LisätiedotMS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)
. Lasketaan valmiiksi derivaattoja ja niiden arvoja pisteessä x = 2: f(x) = x + 3x 3 + x 2 + 2x + 8, f(2) = 56, f (x) = x 3 + 9x 2 + 2x + 2, f (2) = 7, f (x) = 2x 2 + 8x + 2, f (2) = 86, f (3) (x) = 2x
LisätiedotNumeerinen 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),
LisätiedotDerivaatta: funktion approksimaatio lineaarikuvauksella.
Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
LisätiedotLuento 2: Liikkeen kuvausta
Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä
LisätiedotNumeerinen analyysi Harjoitus 1 / Kevät 2017
Numeerinen analyysi Harjoitus 1 / Kevät 2017 Palautus viimeistään perjantaina 3.3. Tehtävä 1: Oheinen MATLAB-funktio toteuttaa eksponenttifunktion evaluoinnin. 1 function y = seriesexp ( x ) 2 oldsum =
LisätiedotFunktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen
4. Funktiojonot ja funktiotermiset sarjat 4.1. Funktiojono ja funktioterminen sarja 60. Tutki, millä muuttujan R arvoilla funktiojono f k suppenee, kun Mikä on rajafunktio? a) f k () = 2k 2k + 1, b) f
Lisätiedotinfoa 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.
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)
Lisätiedotf[x i ] = f i, f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i T n+1 (x) = 2xT n (x) T n 1 (x), T 0 (x) = 1, T 1 (x) = x.
Kaavakokoelma f[x i ] = f i, f[x i,..., x j ] = f[x i+,..., x j ] f[x i,..., x j ] x j x i T n+ (x) = 2xT n (x) T n (x), T (x) =, T (x) = x. n I,n = h f(t i + h 2 ), E,n = h2 (b a) f (2) (ξ). 24 i= I,n
Lisätiedot5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
Lisätiedot3.3 Funktion raja-arvo
3.3 Funktion raja-arvo Olkoot A ja B kompleksitason joukkoja ja f : A B kuvaus. Kuvauksella f on pisteessä z 0 A raja-arvo c, jos jokaista ε > 0 vastaa δ > 0 siten, että 0 < z z 0 < δ ja z A f(z) c < ε.
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit Antti Rasila Aalto-yliopisto Syksy 215 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy 215 1 / 24 Skalaarikenttä Olkoon R
LisätiedotTalousmatematiikan perusteet: Luento 16. Integraalin käsite Integraalifunktio Integrointisääntöjä
Talousmatematiikan perusteet: Luento 16 Integraalin käsite Integraalifunktio Integrointisääntöjä Integraalin käsite Tarkastellaan auton nopeusmittarilukemaa v(t) ajan t funktiona aikavälillä klo 12.00-17.00
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)
LisätiedotRatkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio
LisätiedotTalousmatematiikan perusteet: Luento 7. Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto
Talousmatematiikan perusteet: Luento 7 Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto Viime luennolla Funktion Derivaatta f (x) kuvaa funktion
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit
MS-A35 ifferentiaali- ja integraalilaskenta 3 Luento : Moniulotteiset integraalit Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 26 Antti Rasila (Aalto-yliopisto) MS-A35 Syksy
LisätiedotMS-A0103 / Syksy 2015 Harjoitus 2 / viikko 38 / Ennakot
Harjoitus 2 / viikko 38 / Ennakot Sekä tiistain 15.9. että torstain 17.9. luentoja pohjustavat ennakkotehtävät löytyvät MyCoursesin Tehtävät-osiosta. Lisätietoja itse tehtävissä. Tiedostoa viimeksi muokattu:
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
LisätiedotMäärätty integraali. Markus Helén. Mäntän lukio
Määrätty integraali Markus Helén Pinta-ala Monikulmio on tasokuvio, jota rajoittaa suljettu, itseään leikkaamaton murtoviiva. Monikulmio voidaan aina jakaa kolmioiksi. Alueen pinta-ala on näiden kolmioiden
Lisätiedot1 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
LisätiedotMatematiikan tukikurssi: kurssikerta 12
Matematiikan tukikurssi: kurssikerta 2 Tenttiin valmentavia harjoituksia Huomio. Tähän tulee lisää ratkaisuja sitä mukaan kun ehin niitä kirjoittaa. Kurssilla käyään läpi tehtävistä niin monta kuin mahollista.
LisätiedotPienimmän neliösumman menetelmä
Pienimmän neliösumman menetelmä Keijo Ruotsalainen Division of Mathematics Funktion sovitus Datapisteet (x 1,...,x n ) Annettu data y i = f(x i )+η i, missä f(x) on tuntematon funktio ja η i mittaukseen
LisätiedotIntegrointialgoritmit molekyylidynamiikassa
Integrointialgoritmit molekyylidynamiikassa Markus Ovaska 28.11.2008 Esitelmän kulku MD-simulaatiot yleisesti Integrointialgoritmit: mitä integroidaan ja miten? Esimerkkejä eri algoritmeista Hyvän algoritmin
Lisätiedot8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa
8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen
LisätiedotTalousmatematiikan perusteet: Luento 7. Derivointisääntöjä Yhdistetyn funktion derivointi
Talousmatematiikan perusteet: Luento 7 Derivointisääntöjä Yhdistetyn funktion derivointi Viime luennolla Funktion Derivaatta f (x) kuvaa funktion muutosnopeutta Toinen derivaatta f x = D f x kuvaa muutosnopeuden
LisätiedotVektorianalyysi II (MAT21020), syksy 2018
Vektorianalyysi II (MAT21020), syksy 2018 Ylimääräisiä harjoitustehtäviä 1. Osoita, että normin neliö f : R n R, f(x) = x 2 on differentioituva pisteessä a R n ja, että sen derivaatalle on voimassa 2.
Lisätiedot2 Funktion derivaatta
ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 2 Funktion derivaatta 1. Määritä derivaatan määritelmää käyttäen f (), kun (a), (b) 1 ( > 0). 2. Tutki, onko funktio sin(2) sin 1, kun 0, 2 0, kun = 0, derivoituva
Lisätiedot2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre.
2. Viikko Keskeiset asiat ja tavoitteet: 1. Peruskäsitteet: kertaluku, lineaarisuus, homogeenisuus. 2. Separoituvan diff. yhtälön ratkaisu, 3. Lineaarisen 1. kl yhtälön ratkaisu, CDH: luvut 19.1.-19.4.
LisätiedotLuento 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 = (,..., ). Reaalisten m n-matriisien joukkoa merkitään
LisätiedotHarjoitus 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"
LisätiedotKeskusteluaiheita Discussion papers
LA ELINKEINOELÄMÄN TUTKIMUSLAITOS THE RESEARCH INSTITUTE OF THE FINNISH ECONOMY Lönnrotinkatu 4 B, 00120 Helsinki 12, Finland. tel. 601322 Keskusteluaiheita Discussion papers * Yrjö o. Vartia : TUNNETUISSA
Lisätiedot3.1 Väliarvolause. Funktion kasvaminen ja väheneminen
Väliarvolause Funktion kasvaminen ja väheneminen LAUSE VÄLIARVOLAUSE Oletus: Funktio f on jatkuva suljetulla välillä I: a < x < b f on derivoituva välillä a < x < b Väite: On olemassa ainakin yksi välille
Lisätiedot1 Peruskäsitteet. Dierentiaaliyhtälöt
Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla
LisätiedotTalousmatematiikan perusteet: Luento 6. Derivaatta ja derivaattafunktio Derivointisääntöjä Ääriarvot ja toinen derivaatta
Talousmatematiikan perusteet: Luento 6 Derivaatta ja derivaattafunktio Derivointisääntöjä Ääriarvot ja toinen derivaatta Motivointi Funktion arvojen lisäksi on usein kiinnostavaa tietää jotakin funktion
LisätiedotIntegrointi 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. 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
LisätiedotTalousmatematiikan perusteet: Luento 17. Osittaisintegrointi Sijoitusmenettely
Talousmatematiikan perusteet: Luento 17 Osittaisintegrointi Sijoitusmenettely Motivointi Viime luennolla käsittelimme integroinnin perussääntöjä: Vakiolla kerrotun funktion integrointi: af x dx = a f x
Lisätiedot1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot
Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan
Lisätiedotn. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa.
MAA 12 kertaus Funktion kuvaaja n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa. Funktion nollakohta on piste, jossa f () = 0, eli kuvaaja leikkaa -akselin. Kuvaajan avulla
LisätiedotViikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
LisätiedotDierentiaaliyhtälöistä
Dierentiaaliyhtälöistä Markus Kettunen 4. maaliskuuta 2009 1 SISÄLTÖ 1 Sisältö 1 Dierentiaaliyhtälöistä 2 1.1 Johdanto................................. 2 1.2 Ratkaisun yksikäsitteisyydestä.....................
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /
MS-A008 Differentiaali- ja integraalilaskenta, V/207 Differentiaali- ja integraalilaskenta Ratkaisut 2. viikolle / 8. 2.4. Jatkuvuus ja raja-arvo Tehtävä : Määritä raja-arvot a) 3 + x, x Vihje: c)-kohdassa
Lisätiedotr > y x z x = z y + y x z y + y x = r y x + y x = r
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotEpälineaaristen yhtälöiden ratkaisumenetelmät
Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin
LisätiedotDerivaatta graafisesti, h- ja keskeisdifferenssimuodot GeoGebralla Valokuva-albumi
Derivaatta graafisesti, h- ja keskeisdifferenssimuodot GeoGebralla Valokuva-albumi Jussi Kytömäki Lisätiedot ja tekijä: PPT-tiedoston jussi tilaus Jussi.kytomaki@ylojarvi.fi 15.12.2015 GeoGebra-tiedosto
LisätiedotNumeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55
Numeeriset menetelmät TIEA381 Luento 14 Kirsi Valjus Jyväskylän yliopisto Luento 14 () Numeeriset menetelmät 15.5.2013 1 / 55 Luennon 14 sisältö Nopeat Fourier-muunnokset (FFT) Yleinen algoritmi 2-kantainen
Lisätiedot3 Derivoituvan funktion ominaisuuksia
ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 2019 3 Derivoituvan funktion ominaisuuksia 31 l Hospitalin sääntö 1 Määritä 2 5 4 2 + 2 7 12 + 11, e 1 2, (c) tan sin 2 Määritä 2012 3 704 + 2 6 30 13 10 + 7, 3 2017
Lisätiedot1 Määrittelyjä ja aputuloksia
1 Määrittelyjä ja aputuloksia 1.1 Supremum ja infimum Aluksi kerrataan pienimmän ylärajan (supremum) ja suurimman alarajan (infimum) perusominaisuuksia ja esitetään muutamia myöhemmissä todistuksissa tarvittavia
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotDiskreetti derivaatta
Diskreetti derivaatta LuK-tutkielma Saara Sadinmaa 43571 Matemaattisten tieteiden koulutusohjelma Oulun yliopisto Syksy 017 Sisältö Johdanto 1 Peruskäsitteitä 3 Ominaisuuksia 4 3 Esimerkkejä 8 4 Potenssifunktioita
LisätiedotA B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1
Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!
LisätiedotLuento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja
Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Seuraavassa esitetään optimointitehtävien numeerisia ratkaisumenetelmiä, eli optimointialgoritmeja, keittokirjamaisesti.
Lisätiedotmplperusteet 1. Tiedosto: mplp001.tex Ohjelmat: Maple, [Mathematica] Sievennä lauseke x 1 ( mplp002.tex (PA P1 s.2011)
Aalto-yliopisto, Matematiikan ja Systeemianalyysin laitos -e mplperusteet. Tiedosto: mplp00.tex Ohjelmat: Maple, [Mathematica] Sievennä lauseke x ( x )( + x ). Kokeile funktiota simplify. 2. mplp002.tex
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
Lisätiedot