Teknillinen korkeakoulu Mat Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 12. harjoituksen ratkaisut

Koko: px
Aloita esitys sivulta:

Download "Teknillinen korkeakoulu Mat Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 12. harjoituksen ratkaisut"

Transkriptio

1 Teknillinen korkeakoulu Mat-5.87 Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 2. harjoituksen ratkaisut Teht. Kirjan esimerkissä on kaikissa matriiseissa diagonaalin ulkopuolisilla termeillä virheelliset etumerkit. Tämä malliratkaisu on laskettu käyttäen oikeita etumerkkejä. Materiaalinopeus on (E7..8) [ ] sin θ cos θ v = ω X. () cos θ sin θ Konvektionopeus on (E7..2) c = (ω ω 2 ) Yhteydestä (7.2.5) c = v ˆv saadaan verkkonopeudeksi [ ] sin θ cos θ X. (2) cos θ sin θ [ ] sin θ cos θ ˆv = v c = ω 2 X = ω 2 v. (3) cos θ sin θ ω Saatua verkkonopeuden ja materiaalinopeuden välistä yhteyttä käyttäen saadaan konvektionopeudeksi c materiaalinopeuden avulla lausuttuna c = v ˆv = v( ω 2 ω ). (4) Teht. 2 Käytetään hyväksi Nansonin kaavaa ndγ = JF T n dγ. Lähdetään liikkelle kaavasta t = σ n p n pn, (5) josta seuraa f ext = N tdγ pn ndγ. (6) Γ Γ Solveltamalla Nansonin kaavaa kuvaukseen kantaelementistä nykytilaan saadaan ndγ = J F T n dγ, (7) jossa dγ = ddη ja n = e ζ (e ζ = e e η ). Tällöin yhdelle elementille f ext Derivoimalla tämä ajan suhteen saadaan ḟ ext pn J F T e ζ ddη. (8) N (ṗj F T Tarkastellaan kahden jälkimmäisen termin osuutta ḟ ext e ζ + pj F T e ζ + pj (F T ) ) e ζ ddη. (9) N ( p J F T e ζ + pj (F T ) ) e ζ ddη. () Muodonmuutosgradientti kantaelementistä nykytilaan on x, x,η x,ζ [F ] = y, y,η y,ζ. () z, z,η z,ζ

2 Tämän käänteismatriisi on [F ] = J cof x, cof y, cof z, cof x,η cof y,η cof z,η cof x,ζ cof y,ζ cof z,ζ, (2) cof x i,j = 2 e ikle jmn x k,m x l,n, x i = x, y, z ; j =, η, ζ. (3) Nähdään, että käänteismatriisin aikaderivaatta on Näin ollen Muokataan lauseketta ḟ ext Komponenttien aikaderivaatat ovat ([F ] ) J J [F ] + J [ d dt cof x j,i] (4) [ d dt cof x i,j] pn [ d dt cof x i,j] ddη. (5) = { d dt cof x i,ζ} (6) d dt cof x i,3 = 2 e ikle 3mn (v k,m x l,n + x k,m v l,n ). (7) Sijoitetaan approksimaatio v k = N J v kj, jolloin saadaan d dt cof x i,3 = 2 e ikle 3mn (N J,m x l,n v kj + N J,n x k,m v lj ) = 2 e ikle 3mn (N J,m x l,n N J,n x l,m )v kj = e ikl (N J, x l,η N J,η x l, )v kj Viimeisessä kohdassa on käytetty oppikirjan merkintöjä (6.4.3) Näin on saatu tulos ḟ ext i = (N J, H η ik N J,ηH ik )v kj. (8) H η ik = e iklx l,η, H ik = e iklx l,. (9) pn (N J, H η ik N J,ηH ik ) ddη v kj, (2) eli K ext ikj pn (N J, H η ik N J,ηH ik ) ddη. (2) Kirjoitetaan vielä koko matriisi K ext J pn (N J, z,η y,η z,η x,η y,η x,η N J,η z, y, z, x, y, x, ) ddη. (22) 2

3 Teht. 3 Tasapainotehtävän implisiittinen ratkaisu voidaan kirjoitaa seuraavan kaavion mukaiseen muotoon.. Taulukoiden ja muuttujien alustus Tasapainotilaratkaisun vuokaavio 2. Ulkoisen kuorman inkrementti fn+ ext = fn ext + f ext 3. Newtonin iteraatio kuormainkrementille n + (a) lasketaan sisäiset voimat f int ja tangentiaalijäykkyys K = K mat + K geo aliohjelmassa tangen (b) poistetaan kiinnitettyjä vapausasteita vastaavat termit tangenttijäykkyydestä K ja residuaalista r (c) lasketaan residuaali r = f int f ext (d) ratkaistaan linearisoitu yhtälöryhmä d K r (e) päivitetään siirtymä d = d + d (f) tarkastetaan konvergenssikriteeri. Jos se ei täyty palataan kohtaan 3(a) 4. Päivitetään aika-askellaskuri ja aika: n n +, t t + t 5. Lopetus, jos t < t max palataan kohtaan 3. Tämän tehtävän ratkaisussa voidaan käyttää apuna kierroksen tehtävässä 4 tehtyjä ohjelmanpätkiä. Tangentiaalijäykkyyksien laskennassa tarvittava funktio laadittiin jo viime harjoituksessa. Tähän lisätään vain sisäisten solmuvoimien f int laskenta. Elementin sisäiset voimat saadaan laskettua lausekkeesta (B4.3.2) (f int ) T = B T σ dω [ fx int Ω f int y ] = [ ] [ ] σ N,x N xx σ xy,y aj σ yx σ d dη, yy (23) missä a on elementin paksuus. Suoritettasessa laskut yksikköpaksuutta kohti, asetetaan a =. Suorittamalla integrointi Gaussin kavalla saadaan (f int ) T = n Q n Q2 Q = Q 2 = w Q w Q2 B( Q, η Q2 ) T σ( Q, η Q2 )aj ( Q, η Q2 ). (24) Lisäksi laaditaan pääohjelma, jossa hoidetaan voiman inkrementointi aika-askeleille ja Newton- Rhapson iterointi jokaisen aika-askelen sisällä. Tangentiaalijäykkyys ja sisäiset voimat lasketaan kaikille elementin vapausasteille ja näin saaduista matriiseista poistetaan kiinnitettyjä vapausasteita vastaavat rivit ja sarakkeet pääohjelmassa. Rakenteen aktiiviset vapausasteet ja niiden numerointi on esitetty kuvassa (). 3

4 y d 4 d 3 d d Kuva : Aktiivisten vapausasteiden numerointi. Kuvassa (2a) on esitetty elementtin muodon muuttuminen laskennan edetessä. Kuvan tapauksessa on laskenta suoritettu käyttäen kahdeksaa aika-askelta. Kuvassa (2b) on esitetty solmun 3 voima-siirtymä käyrä. Laskenta on suoritettu käyttäen yhtä, kahta ja kahdeksaa aika-askelta (kuorma inkerementtiä). Koska materiaali on elastista, on lopullinen tasapainotila polusta riippumaton ja kaikissa tapauksissa päädytään samaan siirtymän loppuarvoon. Kuten kuvasta (2b) voidaan havaita, edellyttää voima-siirtymäkäyrän tarkempi laskeminen kuitenkin useamman aika-askelen ottamista n = n = 2 n = F x u Kuva 2: (a) Elementin muodonmuutos kuorman kasvaessa. (b) Solmun 3 voima-siirtymäkäyrä laskettuna yhtä, kahta ja kahdeksaa aika-askelta käyttäen. Newton-Rhapson iteraation konvergenssin mittarina käytettiin suuretta e = r f ext (25) teraation katsottiin supenneen, kun e < tol, missä tol on jokin ennalta määrätty toleranssi. Kuvassa (3) on esitetty ratkaisun konvergenssiä piirtämällä virhemitta e Newton-Rhapson iteraatiokierroksen n funktiona. Kuvassa (3a) on tilanne yhden kuormainkrementin tapauksessa ja kuvassa (3b) puolestaan kahdeksan inkrementin tapauksessa. Kummassakin tapauksessa asetettiin toleranssi niin tiukaksi, etta se oli mahdotonta saavuttaa ja ratkaisut ajettiin tietokoneen lasketatarkkuuteen. Tämä näkyy virhemitan vakiintumisena tasolle e 5. Laskennassa käytettiin MATLAB ohjelmistoa ja tiedostoja h2t.m, tangen.m ja muoto4.m. Näistä viimeinen on sama, jota käytettiin jo edellisellä harjoituskierroksella. Tiedosto tangen.m on miltei sama kuin harjoituksessa Esim: tol = 5 64-bittisellä aritmetiikalla ja tol = 3 32-bittisellä aritmetiikalla. R.Cook, D.Malkus, M.Plesha, Concepts and Applications of Finite Element Analysis, 3rd edition, J.Wiley & Sons, 989. s.59 4

5 r / f ext 8 r / f ext N R iteraatiokierros N R iteraatiokierros Kuva 3: Virhemitan e = r / f ext kehittyminen Newtonin iteraation edetessä käytettäessä (a) yhtä ja (b) kahdeksaa aika-askelta. käytetty. Siihen on lisätty ainoastaan sisäisten voimien laskenta. Käytetyt tiedostot on esitetty alla. h2t.m nstep = ; tmax = 4.; dt = tmax/nstep; F = 5.*[; ; ; ]; X = [,,,;,,,]; df = F/nstep; %Taulukoiden alustus D = [;;;]; fext = [;;;]; CN = zeros(,); U = zeros(,nstep); F = zeros(,nstep); cn = ; %Askelten lukumäärä ja loppuaika %Aika-askel %Ulkoinen voima %Alkutilan solmukoordinaatit %Voimainkrementti %Siirtymät %Ulkoinen voima aika-askeleella %Konvergenssin tarkkailuun r / fext %Solmun 3 kokonaissiirtymä %Solmuun 3 vaikuttava voima %Silmukka yli aika-askelten t = ; mstep = ; while(t < tmax) fext = fext + df; %N-R iteraatio nmax = 39; tol = e-2; jatka = ; n = ; while(jatka) n = n + ; U = [,D(),D(2),;,,D(3),D(4)]; x = X + U; [K,fint] = tangen(x,x); ij = [3,5,6,8]; K = K(ij,ij); fint = fint(ij); %Solmusiirtymät %Nykytilan solmukoordinaatit %Tangentiaalijäykkyys %Reunaehtojen huomionti 5

6 r = fint - fext; dd = -inv(k)*r; D = D + dd; %Residuaali %Siirtymäinkrementti %Siirtymän päivitys fnorm = norm(r)/norm(fext); CN(cn) = fnorm; cn = cn + ; if(fnorm < tol n > nmax) n,fnorm jatka = ; %Voimien virhenormi %Konvergenssikriteerin tarkastus U(mstep) = sqrt(d(2)^2 + D(3)^2); F(mstep) = sqrt(fext(2)^2 + fext(3)^2); %Solmun 3 siirtymän tallennus %Solmun 3 voiman tallennus mstep = mstep + ; t = t + dt %Aika-askel laskurin päivitys %Ajan päivitys tangen.m function[k,fint] = tangstif(x,x) lam =.; mu =.; %Materiaalivakiot X =./sqrt(3.)*[-.,.]; %ntegrointipisteiden koordinaatit W = [.,.]; %Painokertoimet a =.; %Elementin paksuus Kmat = zeros(8,8); Kgeo = zeros(8,8); %Taulukoiden alustus HH = zeros(4,4); Fint = zeros(8,); fint=zeros(8,); U = x - X; %Siirtymät %ntegrointi for ipx = :2 %suunta xi for ipy = :2 %suunta eta eta = X(ipx); xi = X(ipy); %integrointipisteen koordinaatit w = W(ipx)*W(ipy); %painokerroin [N,J] = muotof4(x,xi,eta); %Muotofunktiot ja derivaatat X:n ja Y:n suhteen H = zeros(2); %Siirtymägradientti for = :4 H = H + [U(,)*N(2,), U(,)*N(3,); U(2,)*N(2,), U(2,)*N(3,)]; F = H + eye(2); B = F*F'; %Muodonmuutosgradientti %Vasemmanpuoleinen C-G def.tensori JF = det(f); %Muodonmuutosgradientin deteminatti if(jf <= ) 'Virhe: Jacobin determinantti nolla tai negatiivinen' pause [N,J] = muotof4(x,xi,eta); %Muotofunktiot ja derivaatat x:n ja y:n suhteen 6

7 lam2 = lam/jf; mu2 = (mu - lam*log(jf))/jf; apu = lam2 + 2.*mu2; C = [apu, lam2,; lam2, apu, ;,, 2.*mu2]; %Konstitutiivinen matriisi Sig = mu/jf*(b-eye(2)) + lam/jf*log(jf)*eye(2); %Jännitystensori B = [N(2,), ;, N(3,); N(3,), N(2,)]; B2 = [N(2,2), ;, N(3,2); N(3,2), N(2,2)]; B3 = [N(2,3), ;, N(3,3); N(3,3), N(2,3)]; B4 = [N(2,4), ;, N(3,4); N(3,4), N(2,4)]; B = [B,B2,B3,B4]; BB = N((2:3),:); for = :4 fint((2*-:2*)) = BB(:,)'*Sig; %Sisäiset voimat Kmat = Kmat + B'*C*B*a*J*w; HH = HH + BB'*Sig*BB*a*J*w; Fint = Fint + fint*a*j*w; for i = :4 for j = :4 Kgeo(2*i-,2*j-) = HH(i,j); Kgeo(2*i,2*j) = HH(i,j); K = Kmat + Kgeo; 7

Teknillinen korkeakoulu Mat Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 11. harjoituksen ratkaisut

Teknillinen korkeakoulu Mat Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 11. harjoituksen ratkaisut Tknillinn korkakoulu Mat-5.187 Epälinaarisn lmnttimntlmän prustt (Mikkola/Ärölä) 11. harjoituksn ratkaisut Tht. 1 Rfrnssitilan suurita käyttän (kokonais-lagrang) lausuttu hto krittisn aika-askln pituudll

Lisätiedot

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1

Lisätiedot

Teknillinen korkeakoulu Mat-5.187 Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 4. harjoituksen ratkaisut

Teknillinen korkeakoulu Mat-5.187 Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 4. harjoituksen ratkaisut Teknillinen korkeakoulu Mat-5.187 Epälineaarisen elementtimenetelmän perusteet Mikkola/Ärölä 4. harjoituksen ratkaisut Teht. 1 Jacobin determinantin J det F materiaalisen aikaderivaatan laskemiseksi lasketaan

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

Numeeriset menetelmät

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

Lisätiedot

Numeeriset menetelmät

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

Lisätiedot

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

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

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen 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

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

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden

Lisätiedot

Ratkaisu: Tutkitaan derivoituvuutta Cauchy-Riemannin yhtälöillä: f(x, y) = u(x, y) + iv(x, y) = 2x + ixy 2. 2 = 2xy xy = 1

Ratkaisu: 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

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

Q Q 3. [mm 2 ] 1 1 = L

Q Q 3. [mm 2 ] 1 1 = L EDE-00 Elementtimenetelmän perusteet. Harjoitus 5r Syksy 03. 400 mm 0 kn 600 mm A 400 mm B 8 kn 300 mm 5 kn 000 mm 8 kn 300 mm 300 mm 00 mm. Määritä pisteiden A ja B siirtymät elementtimenetelmällä, kun

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla

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

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi

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

2.8. Kannanvaihto R n :ssä

2.8. Kannanvaihto R n :ssä 28 Kannanvaihto R n :ssä Seuraavassa kantavektoreiden { x, x 2,, x n } järjestystä ei saa vaihtaa Vektorit ovat pystyvektoreita ( x x 2 x n ) on vektoreiden x, x 2,, x n muodostama matriisi, missä vektorit

Lisätiedot

Käänteismatriisin ominaisuuksia

Käänteismatriisin ominaisuuksia Käänteismatriisin ominaisuuksia Lause 1.4. Jos A ja B ovat säännöllisiä ja luku λ 0, niin 1) (A 1 ) 1 = A 2) (λa) 1 = 1 λ A 1 3) (AB) 1 = B 1 A 1 4) (A T ) 1 = (A 1 ) T. Tod.... Ortogonaaliset matriisit

Lisätiedot

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24 LU-hajotelma 1 / 24 LU-hajotelma Seuravassa tarkastellaan kuinka neliömatriisi voidaan esittää kahden kolmiomatriisin tulona. Käytämme alkeismatriiseja tälläisen esityksen löytämiseen. Edellä mainittua

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

Matematiikan tukikurssi

Matematiikan 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

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

Exam III 10 Mar 2014 Solutions

Exam III 10 Mar 2014 Solutions TTY/ Department o Mechanical Engineering and Industrial Systems TE III / EDE_ / S EDE- Finite Ement Method Exam III Mar Solutions. Compute the dection at right end o the y,v / F structure using the potential

Lisätiedot

3.4 Käänteiskuvauslause ja implisiittifunktiolause

3.4 Käänteiskuvauslause ja implisiittifunktiolause 3.4 Käänteiskuvauslause ja implisiittifunktiolause Tässä luvussa käsitellään kahta keskeistä vektorianalyysin lausetta. Esitellään aluksi kyseiset lauseet ja tutustutaan niiden käyttötapoihin. Lause 3.4.1

Lisätiedot

MEI Kontinuumimekaniikka

MEI Kontinuumimekaniikka MEI-55300 Kontinuumimekaniikka 1 MEI-55300 Kontinuumimekaniikka 3. harjoitus matemaattiset peruskäsitteet, kinematiikkaa Ratkaisut T 1: Olkoon x 1, x 2, x 3 (tai x, y, z) suorakulmainen karteesinen koordinaatisto

Lisätiedot

Demo 1: Simplex-menetelmä

Demo 1: Simplex-menetelmä MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x

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

Vektorianalyysi II (MAT21020), syksy 2018

Vektorianalyysi 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.

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

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

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Merkintöjä 1 Matriisi on suorakulmainen lukukaavio.

Lisätiedot

mlnonlinequ, Epälineaariset yhtälöt

mlnonlinequ, Epälineaariset yhtälöt Aalto-yliopisto, Matematiikan ja Systeemianalyysin laitos -e mlnonlinequ, Epälineaariset yhtälöt 1. Historiallisesti mielenkiintoinen yhtälö on x 3 2x 5 = 0, jota Wallis-niminen matemaatikko käsitteli,

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

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 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 +

Lisätiedot

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1 Tehtävä : Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: a) a) x b) e x + Integraali voisi ratketa muuttujanvaihdolla. Integroitava on muotoa (a x ) n joten sopiva muuttujanvaihto voisi olla

Lisätiedot

(0 desimaalia, 2 merkitsevää numeroa).

(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

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47 MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö

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

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

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

Talousmatematiikan perusteet

Talousmatematiikan perusteet kevät 219 / orms.13 Talousmatematiikan perusteet 9. harjoitus, viikko 12 (18.3. 22.3.219) L Ma 1 12 A22 R5 Ti 14 16 F453 R1 Ma 12 14 F453 L To 8 1 A22 R2 Ma 16 18 F453 R6 Pe 12 14 F14 R3 Ti 8 1 F425 R7

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

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) () = 2+1. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että minimoinnin suhteen. Funktio on konveksi ja konkaavi. b) () = (suurin kokonaisluku

Lisätiedot

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 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

Lisätiedot

Materiaalien mekaniikka

Materiaalien mekaniikka Materiaalien mekaniikka 3. harjoitus jännitys ja tasapainoyhtälöt 1. Onko seuraava jännityskenttä tasapainossa kun tilavuusvoimia ei ole: σ x = σ 0 ( 3x L + 4xy 8y ), σ y = σ 0 ( x L xy + 3y ), τ xy =

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

Rinnakkaistietokoneet luento S

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

Lisätiedot

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

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

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

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear

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

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset 32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta

Lisätiedot

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti Determinantit 1 2 2-matriisin ( A = on det(a) = a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 ) = a 11a 22 a 12 a 21. 1 2 2-matriisin on det(a) = Esim. Jos A = ( a 11 a 12 a 21 a 22 A = a 11 a 12 a 21 a 22 )

Lisätiedot

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi Matriisit, kertausta Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ) ( 0, 4 ), ( ) ( 1 4 2, a 11 a 12 a 21 a 22 ) Kaavio kirjoitetaan kaarisulkujen väliin

Lisätiedot

Viikon aiheet. Funktion lineaarinen approksimointi

Viikon 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

Lisätiedot

1.7 Gradientti ja suunnatut derivaatat

1.7 Gradientti ja suunnatut derivaatat 1.7 Gradientti ja suunnatut derivaatat Funktion ensimmäiset osittaisderivaatat voidaan yhdistää yhdeksi vektorifunktioksi seuraavasti: Missä tahansa pisteessä (x, y), jossa funktiolla f(x, y) on ensimmäiset

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku

Lisätiedot

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM) MS-A17 Differentiaali- ja integraalilaskenta 1 CHEM) Laskuharjoitus 4lv, kevät 16 1. Tehtävä: Laske cos x dx a) osittaisintegroinnilla, b) soveltamalla sopivaa trigonometrian kaavaa. Ratkaisu: a) Osittaisintegroinnin

Lisätiedot

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen 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

Lisätiedot

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi Matriisit, L20 Merkintöjä 1 Matriisi on suorakulmainen lukukaavio. Matriiseja ovat esimerkiksi: ( 2 0.4 8 0 2 1 ( 0, 4, ( ( 1 4 2, a 11 a 12 a 21 a 22 Kaavio kirjoitetaan kaarisulkujen väliin (amer. kirjoissa

Lisätiedot

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij. Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla

Lisätiedot

Numeerinen integrointi

Numeerinen integrointi Numeerinen integrointi hum 8.0. Numeerinen integrointi Numeerisia integrointimenetelmiä on useita. Käsitellään tässä yhteydessä kuitenkin vain Gauss in integrointia, joka on elementtimenetelmän yhteydessä

Lisätiedot

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017 Matriisilaskenta (TFM) MS-A1 Hakula/Vuojamo Ratkaisut, Viikko 47, 17 R Alkuviikko TEHTÄVÄ J1 Mitkä matriisit E 1 ja E 31 nollaavat sijainnit (, 1) ja (3, 1) matriiseissa E 1 A ja E 31 A kun 1 A = 1. 8

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

Funktioiden approksimointi ja interpolointi

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

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 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

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 4 To 15.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 4 To 15.9.2011 p. 1/38 p. 1/38 Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48 MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?

Lisätiedot

Käänteismatriisi 1 / 14

Käänteismatriisi 1 / 14 1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella

Lisätiedot

Lineaariset yhtälöryhmät ja matriisit

Lineaariset yhtälöryhmät ja matriisit Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä 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. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää

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

Mapu 1. Laskuharjoitus 3, Tehtävä 1

Mapu 1. Laskuharjoitus 3, Tehtävä 1 Mapu. Laskuharjoitus 3, Tehtävä Lineaarisessa approksimaatiossa funktion arvoa lähtöpisteen x 0 ympäristössä arvioidaan liikkumalla lähtöpisteeseen sovitetun tangentin kulmakertoimen mukaisesti: f(x 0

Lisätiedot

Valintakoe

Valintakoe Valintakoe 7.3.05 Kokeessa saa käyttää kirjoitusvälinewiden lisäksi ainoastaan kokeessa jaettavaa funktiolaskinta ja taulukkoa Pisteytys 8*3p=4p. Tehtävien alakohtien pistemäärät voivat poiketa toisistaan..

Lisätiedot

Laskuharjoitus 2A ( ) Aihepiiri: Raja-arvot etc. Adams & Essex, 8th Edition, Chapter 12. z = f(x, 0) = x2 a z = f(0, y) = 02 a 2 + y2

Laskuharjoitus 2A ( ) Aihepiiri: Raja-arvot etc. Adams & Essex, 8th Edition, Chapter 12. z = f(x, 0) = x2 a z = f(0, y) = 02 a 2 + y2 Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Korte / Lindfors MS-A0207 Dierentiaali- ja integraalilaskenta 2 (CHEM), kevät 2017 Laskuharjoitus 2A (9.10.1.) Aihepiiri:

Lisätiedot

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017 763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 207. Nelinopeus ympyräliikkeessä On siis annettu kappaleen paikkaa kuvaava nelivektori X x µ : Nelinopeus U u µ on määritelty kaavalla x µ (ct,

Lisätiedot

plot(f(x), x=-5..5, y=-10..10)

plot(f(x), x=-5..5, y=-10..10) [] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä

Lisätiedot

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA = 3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 26.9.2016 Pekka Alestalo,

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

Harjoitus 2 ( )

Harjoitus 2 ( ) Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa

Lisätiedot

Numeerinen analyysi Harjoitus 1 / Kevät 2017

Numeerinen 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 =

Lisätiedot

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

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

Lisätiedot

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

A 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

A 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!

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

Neliömatriisin adjungaatti, L24

Neliömatriisin adjungaatti, L24 Neliömatriisin adjungaatti, L24 1 2 1 3 Matriisi = A = 7 4 6 5 2 0 ( ) 7 6 Alimatriisi = A 12 = 5 0 Minori = det(a 12 ) = 7 6 5 0 = 30 Kofaktori = ( 1) 1+2 det(a 12 ) = 30 2 Määritelmä n n neliö-matriisin

Lisätiedot

4.3.7 Epäoleellinen integraali

4.3.7 Epäoleellinen integraali Esimerkki 4.3.16. (Lineaarinen muuttujien vaihto) Olkoot A R m sellainen kompakti joukko, että A on nollajoukko. Olkoon M R m m säännöllinen matriisi (eli det(m) 0) ja f : R m R jatkuva funktio. Tehdään

Lisätiedot

MATP153 Approbatur 1B Harjoitus 5 Maanantai

MATP153 Approbatur 1B Harjoitus 5 Maanantai MATP153 Approbatur 1B Harjoitus 5 Maanantai 30.11.015 1. (Opiskelutet. 0 s. 81.) Selvitä, miten lauseke sin(4x 3 + cos x ) muodostuu perusfunktioista (polynomeista, trigonometrisistä funktioista jne).

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

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi). Liukuluvut Tietokonelaskuissa käytetään liukulukuja: mikä esittää lukua ± α α α M β k ± ( M α i β i )β k, i= β on järjestelmän kantaluku, α α M liukuluvun mantissa, α,, α M lukuja,,,, β, siten että α Esimerkki

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

läheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä?

läheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä? BM20A5840 - Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2017 1. Tunnemme vektorit a = [ 1 2 3 ] ja b = [ 2 1 2 ]. Laske (i) kummankin vektorin pituus (eli itseisarvo, eli normi); (ii) vektorien

Lisätiedot