Numeeriset menetelmät
|
|
- Eeva-Liisa Lattu
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Numeeriset menetelmät Luento 2 To Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 2 To p. 1/33 p. 1/33
2 Lukujen tallennus Kiintoluvut (integer) tarkka esitys aritmeettiset operaatiot tarkkoja, jos pysytään lukualueen sisällä ja jakolasku = kokonaislukujakolasku Liukuluvut (floating point) liukuluvut reaaliluvut aritmeettiset operaatiot liukuluvuilla aritmeettiset operaatiot reaaliluvuilla Numeeriset menetelmät Syksy 2011 Luento 2 To p. 2/33 p. 2/33
3 Liukulukuesitys Luvun x 0 esitys B-kantaisena liukulukuna x = ( 1) s M B E missä s {0, 1} M R E Z määrää etumerkin mantissa eksponentti Mantissa normalisoitu joko: B 1 M < 1 tai: 1 M < B Numeeriset menetelmät Syksy 2011 Luento 2 To p. 3/33 p. 3/33
4 Liukulukuesitys 10-kantainen normalisoitu liukuluku x = ( 1) s (0.x 1 x 2 x 3... ) E x i {0,..., 9}, 0.1 M < 1 2-kantainen normalisoitu liukuluku x = ( 1) s (1.b 1 b 2 b 3... ) 2 2 E b i {0, 1}, 1 M < 2 Numeeriset menetelmät Syksy 2011 Luento 2 To p. 4/33 p. 4/33
5 Liukulukuesitys Tietokoneessa aina äärellinen esitys M = 1.b 1 b 2... b m, E min E E max vain äärellinen määrä rationaalilukuja on olemassa pienin ja suurin liukuluku liukuluvut eivät ole tasaisesti jakautuneet (lähempänä nollaa tiheämmässä) reaaliluvusta liukuluvuksi: bitti b m määrätään pyöristämällä, bitit b m+1, b m+2,... menetetään Numeeriset menetelmät Syksy 2011 Luento 2 To p. 5/33 p. 5/33
6 IEEE:n standardin liukuluvut Yksinkertaisen tarkkuuden liukuluvut s E M bittiä suuruusluokka: tarkkuus: noin 7 merkitsevää numeroa Numeeriset menetelmät Syksy 2011 Luento 2 To p. 6/33 p. 6/33
7 IEEE:n standardin liukuluvut Kaksinkertaisen tarkkuuden liukuluvut s E M bittiä suuruusluokka: tarkkuus: noin 15 merkitsevää numeroa Numeeriset menetelmät Syksy 2011 Luento 2 To p. 7/33 p. 7/33
8 Liukulukuaritmetiikka Laskutoimitusten tulokset esitetään aina käytetyn liukulukuesityksen mukaisesti Myös välitulokset! Tulos voi riippua laskujärjestyksestä Tulos, jossa E > E max ylivuoto Tulos, jossa E < E min alivuoto IEEE:n standardissa myös: Inf, +Inf ja NaN Numeeriset menetelmät Syksy 2011 Luento 2 To p. 8/33 p. 8/33
9 Esimerkki Tehtävä: c = a 2 + b 2, kun a = ja b = 1 Yksinkertainen tarkkuus a 2 = aiheuttaa ylivuodon Järjestetään laskutoimitukset uudelleen: (a c = σ σ) 2 + ( b σ ) 2, missä σ = max{ a, b } Numeeriset menetelmät Syksy 2011 Luento 2 To p. 9/33 p. 9/33
10 Esimerkki 10-kantaiset normalisoidut liukuluvut, neljän numeron mantissa Tehtävä: Liukulukuina: Laskutoimitus suoritetaan isommassa tilassa (esimerkiksi kahdeksan numeron mantissalla) Yhteenlaskussa itseisarvoltaan pienemmän luvun normalisoinnista luovutaan Numeeriset menetelmät Syksy 2011 Luento 2 To p. 10/33 p. 10/33
11 Esimerkki jatkuu Tulos tallennetaan neljän numeron mantissalla pienemmällä luvulla ei merkitystä Numeeriset menetelmät Syksy 2011 Luento 2 To p. 11/33 p. 11/33
12 Esimerkki Laskutoimitusten tulokset eivät tarkkoja Liukulukujen yhtäsuuruuden testaaminen ei mielekästä Ei näin: Vaan näin: if (s == 1.0) then... if (abs(s - 1.0) <= d) then... missä d on pieni positiivinen toleranssiparametri Numeeriset menetelmät Syksy 2011 Luento 2 To p. 12/33 p. 12/33
13 Epälineaariset yhtälöt Olkoon f : R R jatkuva Yhtälö f(x) = 0 Yhtälön ratkaisu eli juuri x Funktio f epälineaarinen yleensä ratkaisun analyyttistä lauseketta ei tunneta Numeeriset menetelmät Syksy 2011 Luento 2 To p. 13/33 p. 13/33
14 Esimerkki Keplerin yhtälö x e sin x M = 0 missä 0 < e < 1 ja M ovat vakioita Kuvaa esimerkiksi satelliitin liikettä elliptisellä radalla Ratkaisun lauseketta ei tunneta käytetään numeerista menetelmää Numeeriset menetelmät Syksy 2011 Luento 2 To p. 14/33 p. 14/33
15 Iteratiivinen ratkaiseminen Alkuarvaus x 0 parempi approksimaatio x 1 parempi approksimaatio x 2... approksimaatio x n joka toteuttaa lopetuskriteerin Huom: Ratkaisua ei välttämättä ole olemassa Ratkaisuja voi olla useita Piirrä kuva Numeeriset menetelmät Syksy 2011 Luento 2 To p. 15/33 p. 15/33
16 Esimerkki Keplerin yhtälö vakioilla e = 1/2 ja M = 1 x 1 2 sin x 1 = sin x = x 1 Piirrä lausekkeiden 1 2 sin x ja x 1 kuvaajat Kuvaajat leikkaavat kohdassa x 1.5 Numeeriset menetelmät Syksy 2011 Luento 2 To p. 16/33 p. 16/33
17 p. 17/33 Puolitushaku Olkoon [a, b] siten, että f(a)f(b) < 0 On olemassa x ]a, b[ siten, että f(x ) = 0 Puolitushaku: Olkoon c = 1 2 (a + b) Jos f(a)f(c) < 0 niin asetetaan [a, b] := [a, c] Jos f(a)f(c) > 0 niin asetetaan [a, b] := [c, b] Toistetaan kunnes [a, b] riittävän pieni tai f(c) riittävän lähellä nollaa c x Numeeriset menetelmät Syksy 2011 Luento 2 To p. 17/33
18 Puolitushaku bisect(a,b,toler,itmax,c) u := f(a) v := f(b) h := b a if sign(u) = sign(v) then stop do iter = 1,...,itmax h := h/2 c := a + h w := f(c) if h toler or w toler then return if sign(w) sign(u) then b := c v := w else a := c u := w end if end do Numeeriset menetelmät Syksy 2011 Luento 2 To p. 18/33 p. 18/33
19 Puolitushaun konvergenssi Olkoot [a 0, b 0 ], [a 1, b 1 ],..., [a n, b n ],... puolitushaun tuottamat välit lim a n = lim b n = x n n Olkoon c n = 1 2 (a n + b n ) c n x 1 2 (n+1)(b 0 a 0 ) Numeeriset menetelmät Syksy 2011 Luento 2 To p. 19/33 p. 19/33
20 Algoritmien konvergenssi Käyttökelpoinen iteratiivinen menetelmä on numeerisesti stabiili suppeneva eli menetelmä konvergoi tehokas Tehokkuuden mittareita ovat esimerkiksi tarvittavien iteraatioiden lukumäärä funktion arvojen laskujen lukumäärä yhdellä iteraatiokierroksella Numeeriset menetelmät Syksy 2011 Luento 2 To p. 20/33 p. 20/33
21 Konvergenssin kertaluku Olkoon lim n x n = x Jos on olemassa p ja C > 0 siten, että lim n x n+1 x x n x p = C niin p on konvergenssin kertaluku C on asymptoottinen virhevakio Numeeriset menetelmät Syksy 2011 Luento 2 To p. 21/33 p. 21/33
22 Konvergenssin kertaluku lim n x n+1 x x n x p = C Konvergenssi on: p = 1 ja C < 1 lineaarista 1 < p < 2 p = 2 superlineaarista neliöllistä eli kvadraattista Numeeriset menetelmät Syksy 2011 Luento 2 To p. 22/33 p. 22/33
23 Esimerkki Puolitushaussa pahimmassa tapauksessa c n x = 1 2 (n+1)(b 0 a 0 ) c n+1 x c n x = 1 2 (n+2) (b 0 a 0 ) 1 2 (n+1) (b 0 a 0 ) = 1 2 p = 1 ja C = 1/2 konvergenssi lineaarista Numeeriset menetelmät Syksy 2011 Luento 2 To p. 23/33 p. 23/33
24 Kiintopistemenetelmä Etsitään g siten, että f(x) = 0 x = g(x) Lähtien alkuarvauksesta x 0 iteroidaan x n+1 = g(x n ) kunnes jokin lopetuskriteeri toteutuu Numeeriset menetelmät Syksy 2011 Luento 2 To p. 24/33 p. 24/33
25 Kutistavat funktiot Funktio g : [a, b] [a, b] on kutistava, jos on olemassa vakio 0 < γ < 1 siten, että g(x) g(y) γ x y kaikilla x, y [a, b] Huom: Kutistavalle funktiolle on x [a, b] g(x) [a, b] (väli voi olla myös ääretön) Numeeriset menetelmät Syksy 2011 Luento 2 To p. 25/33 p. 25/33
26 Kiintopistemen. konvergenssi Olkoon g : [a, b] [a, b] kutistava On olemassa täsmälleen yksi kiintopiste x = g(x ) Kiintopisteiteraatio x n+1 = g(x n ) suppenee kiintopisteeseen x kaikilla alkuarvauksilla x 0 [a, b] Numeeriset menetelmät Syksy 2011 Luento 2 To p. 26/33 p. 26/33
27 Newtonin menetelmä Olkoon f : R R differentioituva Korvataan käyrä y = f(x) pisteeseen (x n, f(x n )) asetetulla tangentilla Uusi approksimaatio x n+1 on tangentin nollakohta x n+1 = x n f(x n) f (x n ) Numeeriset menetelmät Syksy 2011 Luento 2 To p. 27/33 p. 27/33
28 Newtonin menetelmä Menetelmä voidaan tulkita myös kiintopisteiteraationa, missä g(x) = x f(x) f (x) yleistää epälineaarisille yhtälöryhmille (f(x) on vektori, derivaattaa f (x) vastaa Jacobin matriisi eli jacobiaani) Numeeriset menetelmät Syksy 2011 Luento 2 To p. 28/33 p. 28/33
29 Newtonin men. konvergenssi Olkoon jossain juuren x ympäristössä f kaksi kertaa jatkuvasti differentioituva ja f (x) 0 Jos alkuarvaus x 0 on riittävän lähellä juurta x lim n x n = x ja lim n x n+1 x x n x 2 = f (x ) 2 f (x ) p = 2 = C Numeeriset menetelmät Syksy 2011 Luento 2 To p. 29/33 p. 29/33
30 Newtonin men. ominaisuuksia Plussaa: neliöllinen (kvadraattinen) konvergenssi tehokas Miinusta: alkuarvauksen valinta hankalaa iteraatiokaavassa nimittäjä voi mennä itseisarvoltaan pieneksi tarvitaan myös derivaatan lauseke Numeeriset menetelmät Syksy 2011 Luento 2 To p. 30/33 p. 30/33
31 Newtonin men. ominaisuuksia Derivaatan laskeminen: käsin symbolisen laskennan ohjelmistolla automaattisella derivoinnilla Voidaan yhdistää muiden menetelmien kanssa: aloitetaan yksinkertaisella globaalisti konvergoivalla menetelmällä jatketaan Newtonin menetelmällä Numeeriset menetelmät Syksy 2011 Luento 2 To p. 31/33 p. 31/33
32 Sekanttimenetelmä Joko: Approksimoidaan tangenttia pisteisiin (x n 1, f(x n 1 )) ja (x n, f(x n )) asetetulla sekantilla Tai: Approksimoidaan derivaattaa erotusosamäärällä f (x n ) f(x n) f(x n 1 ) x n x n 1 Numeeriset menetelmät Syksy 2011 Luento 2 To p. 32/33 p. 32/33
33 Sekanttimenetelmä jatkuu x n x n 1 x n+1 = x n f(x n ) f(x n ) f(x n 1 ) Konvergenssin kertaluku p 1.62 Huom: Tarvitaan kaksi alkuarvausta x 0 ja x 1 Numeeriset menetelmät Syksy 2011 Luento 2 To p. 33/33 p. 33/33
Numeeriset menetelmät TIEA381. Luento 2. Kirsi Valjus. Jyväskylän yliopisto. Luento 2 () Numeeriset menetelmät / 39
Numeeriset menetelmät TIEA381 Luento 2 Kirsi Valjus Jyväskylän yliopisto Luento 2 () Numeeriset menetelmät 14.3.2013 1 / 39 Luennon 2 sisältö Luvusta 1: Numeerinen stabiilisuus Liite A: Liukulukuaritmetiikasta
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
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:
LisätiedotLiukulukulaskenta. Pekka Hotokka
Liukulukulaskenta Pekka Hotokka pejuhoto@cc.jyu.fi 10.11.2004 Tiivistelmä Liukulukuja tarvitaan, kun joudutaan esittämään reaalilukuja tietokoneella. Niiden esittämistavasta johtuen syntyy laskennassa
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
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
LisätiedotYhtälön ratkaiseminen
Yhtälön ratkaiseminen Suora iterointi Kirjoitetaan yhtälö muotoon x = f(x). Ensin päätellään jollakin tavoin jokin alkuarvo x 0 ja sijoitetaan yhtälön oikealle puolelle, jolloin saadaan tarkennettu ratkaisu
LisätiedotR. Mäkinen NUMEERISET MENETELMÄT
R. Mäkinen NUMEERISET MENETELMÄT 2011 2 Luku 1 Numeerisen matematiikan peruskäsitteitä The purpose of computing is insight, not numbers. R. W. Hamming Numeerinen analyysi tutkii algoritmeja luonnontieteissä,
Lisätiedotmlnonlinequ, 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,
LisätiedotMuutoksen arviointi differentiaalin avulla
Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin
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
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Lisätiedot4 Epälineaarisen yhtälön ratkaisu
4 Epälineaarisen yhtälön ratkaisu 4.1 Johdanto Tässä luvussa tarkastellaan epälineaarisen yhtälön tai epälieaarisen yhtälöryhmän ratkaisemista. Ongelma voidaan kirjoittaa muotoon: Ratkaise x R n siten,
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:
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
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
LisätiedotHarjoitus 7 -- Ratkaisut
Harjoitus 7 -- Ratkaisut 1 Solve osaa ratkaista polynomiyhtälöitä, ainakin astelukuun 4 asti. Erikoistapauksissa korkeammankin asteen yhtälöt ratkeavat. Clear a, b, c, d, e, x ; Solve a x 3 b x 2 c 0,
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 +
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit
MS-A25/MS-A26 ifferentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 216 1 Perustuu
LisätiedotNumeeriset 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
LisätiedotKun 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,
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
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
Lisätiedot5 Differentiaalilaskentaa
5 Differentiaalilaskentaa 5.1 Raja-arvo Esimerkki 5.1. Rationaalifunktiota g(x) = x2 + x 2 x 1 ei ole määritelty nimittäjän nollakohdassa eli, kun x = 1. Funktio on kuitenkin määritelty kohdan x = 1 läheisyydessä.
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
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 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
LisätiedotTeknillinen tiedekunta, matematiikan jaos Numeeriset menetelmät
Numeeriset menetelmät 1. välikoe, 14.2.2009 1. Määrää matriisin 1 1 a 1 3 a a 4 a a 2 1 LU-hajotelma kaikille a R. Ratkaise LU-hajotelmaa käyttäen yhtälöryhmä Ax = b, missä b = [ 1 3 2a 2 a + 3] T. 2.
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
LisätiedotMapu 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
LisätiedotNumeeriset 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
Lisätiedot811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2016-2017 2. Lukujen esittäminen ja aritmetiikka 2.1 Kantajärjestelmät ja lukujen esittäminen Käytettävät lukujoukot: Luonnolliset luvut IN = {0,1,2,3,... } Positiiviset kokonaisluvut
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
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta
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
LisätiedotHarjoituskokeiden ratkaisut Painoon mennyt versio.
Harjoituskokeiden ratkaisut 8.6.7 Painoon mennyt versio. PYRAMIDI NUMEERISIA JA ALGEBRALLISIA MENETELMIÄ RATKAISUT, HARJOITUSKOE SIVU.7.7 Koe a) i) =,, = kpl ii) 9,876 =,9876,99 = 9,9 iii),66,66 =,7 =,7
LisätiedotNumeeriset 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
LisätiedotMATEMATIIKAN JAOS NUMEERISET MENETELMÄT
MATEMATIIKAN JAOS NUMEERISET MENETELMÄT Harjoitustehtäviä, kevät 2012 1. Tarkastellaan summaa S = 1+0.4+0.3+0.2+0.04+0.03+0.02+0.01. a) Laske summa laskukoneella vasemmalta oikealle käyttäen liukulukuaritmetiikkaa,
LisätiedotMatemaattisen analyysin tukikurssi
Matemaattisen analyysin tukikurssi 10. Kurssikerta Petrus Mikkola 22.11.2016 Tämän kerran asiat Globaali ääriarvo Konveksisuus Käännepiste L Hôpitalin sääntö Newtonin menetelmä Derivaatta ja monotonisuus
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 2. luento 10.11.2017 Keinotekoiset neuroverkot Neuroverkko koostuu syöte- ja ulostulokerroksesta
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-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1 / 18
Lisätiedotf(x) f(y) x y f f(x) f(y) (x) = lim
Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,
LisätiedotNumeeriset Menetelmät
Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat
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
LisätiedotLuento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja
Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja Seuraavassa esitetään optimointitehtävien numeerisia ratkaisumenetelmiä, eli optimointialgoritmeja, keittokirjamaisesti.
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
LisätiedotLuento 2: Viivan toteutus
Tietokonegrafiikan perusteet T-111.4300 3 op Luento : Viivan toteutus Lauri Savioja 11/07 Primitiivien toteutus / 1 GRAAFISTEN PRIMITIIVIEN TOTEUTUS HUOM! Oletuksena on XY-koordinaatisto Suorien viivojen
Lisätiedot3. Yhtälön numeeristen ratkaisujen etsimisestä
Olkoon funktio f x jatkuva jollain välillä [a;b]. Jos on olemassa sellainen luku c, että a < c < b ja f a f b 0, niin on olemassa sellainen luku c, että a < c < b ja f c =0. Tämän Bolzanon lauseen mukaan
LisätiedotTietokonearitmetiikka
Luento 6 ALU: Aritmeettis-Looginen Yksikkö Tietokonearitmetiikka Stallings: Ch 9 Kokonaislukuesitys Kokonaislukuaritmetiikka Liukulukuesitys Liukulukuaritmetiikka Luento 6-1 ALU = Aritmetic Logic Unit
LisätiedotTietokonearitmetiikka
Tietokoneen rakenne Luento 6 Tietokonearitmetiikka Stallings: Ch 9 Kokonaislukuesitys Kokonaislukuaritmetiikka Liukulukuesitys Liukulukuaritmetiikka Luento 6-1 ALU: Aritmeettis-Looginen Yksikkö ALU = Aritmetic
LisätiedotKevät Kirsi Valjus. Jyväskylän yliopisto Tietotekniikan laitos
Numeeriset menetelmät TIEA381 Kevät 2013 Kirsi Valjus Jyväskylän yliopisto Tietotekniikan laitos Luento 1 () Numeeriset menetelmät 13.3.2013 1 / 34 Luennon 1 sisältö Käytännön asioita Numeerisen matematiikan
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.
LisätiedotAnalyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.
Analyysi 1 Harjoituksia lukuihin 4 7 / Syksy 014 1. Tutki funktion x + x jatkuvuutta pisteissä x = 0 ja x = 1.. Määritä vakiot a ja b siten, että funktio a x cos x + b x + b sin x, kun x 0, x 4, kun x
LisätiedotMAA7 Kurssikoe Jussi Tyni Tee B-osion konseptiin pisteytysruudukko! Kaikkiin tehtäviin välivaiheet näkyviin! Laske huolellisesti!
A-osio: ilman laskinta. MAOLia saa käyttää. Laske kaikki tehtävistä 1-. 1. a) Derivoi funktio f(x) = x (4x x) b) Osoita välivaiheiden avulla, että seuraava raja-arvo -lauseke on tosi tai epätosi: x lim
LisätiedotLukujonon raja-arvo 1/7 Sisältö ESITIEDOT: lukujonot
Lukujonon raja-arvo 1/7 Sisältö Esimerkki lukujonon raja-arvosta Lukujonossa a 1,a 2,a 3,... (jossa on äärettömän monta termiä) voivat luvut lähestyä jotakin arvoa, kun jonossa edetään yhä pidemmälle.
LisätiedotProjektityö M12. Johdanto
Projektityö M12 Johdanto Projektityö sisältää kuutta tehtävää, kuitenkin ne kaikki koskevat saman yhtälön ratkaisua. Yhtälö on sin x 2 =e 2x (1.1) Sen ratkaisu voidaan käsitellä tutkimalla funktio y=e
LisätiedotFunktioiden 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
LisätiedotTietokonearitmetiikka
Tietokoneen rakenne Luento 6 Tietokonearitmetiikka (Computer Arithmetic) Stallings: Ch 9 Kokonaislukuesitys Kokonaislukuaritmetiikka Liukulukuesitys Liukulukuaritmetiikka Luento 6-1 ALU: Aritmeettis-Looginen
LisätiedotMS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
Lisätiedot6. Differentiaaliyhtälösysteemien laadullista teoriaa.
1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun
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
LisätiedotDifferentiaalilaskenta 1.
Differentiaalilaskenta. a) Mikä on tangentti? Mikä on sekantti? b) Määrittele funktion monotonisuuteen liittyvät käsitteet: kasvava, aidosti kasvava, vähenevä ja aidosti vähenevä. Anna esimerkit. c) Selitä,
LisätiedotPRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011
PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan
LisätiedotOlkoon funktion f määrittelyjoukkona reaalilukuväli (erityistapauksena R). Jos kaikilla määrittelyjoukon luvuilla x 1 ja x 2 on voimassa ehto:
4 Reaalifunktiot 4. Funktion monotonisuus Olkoon funktion f määrittelyjoukkona reaalilukuväli (erityistapauksena R). Jos kaikilla määrittelyjoukon luvuilla x ja x on voimassa ehto: "jos x < x, niin f (x
LisätiedotSchildtin lukio
MAA1.9.15 Scildtin lukio LIKIARVO MUISTA: tavallisesti matematiikassa pyritään aina tarkkoiin arvoiin! Kuitenkin esim. mittaustulokset ovat aina likiarvoja. o Luvun katkaiseminen: näin tekevät mm. jotkut
LisätiedotAlgoritmit 2. Luento 7 Ti Timo Männikkö
Algoritmit 2 Luento 7 Ti 4.4.2017 Timo Männikkö Luento 7 Joukot Joukko-operaatioita Joukkojen esitystapoja Alkiovieraat osajoukot Toteutus puurakenteena Algoritmit 2 Kevät 2017 Luento 7 Ti 4.4.2017 2/26
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.
MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto
Lisätiedot5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia
ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 5 Funktion jatkuvuus 5.1 Määritelmä ja perustuloksia 1. Tarkastellaan väitettä a > 0: b > 0: c > 0: d U c (a): f(d) / U b (f(a)), missä a, b, c, d R. Mitä funktion
Lisätiedot1 sup- ja inf-esimerkkejä
Alla olevat kohdat (erityisesti todistukset) ovat lähinnä oheislukemista reaaliluvuista, mutta joihinkin niistä palataan myöhemmin kurssilla. 1 sup- ja inf-esimerkkejä Nollakohdan olemassaolo. Kaikki tuntevat
LisätiedotVASTAA YHTEENSÄ KUUTEEN TEHTÄVÄÄN
Matematiikan kurssikoe, Maa6 Derivaatta RATKAISUT Sievin lukio Torstai 23.9.2017 VASTAA YHTEENSÄ KUUTEEN TEHTÄVÄÄN MAOL-taulukkokirja on sallittu. Vaihtoehtoisesti voit käyttää aineistot-osiossa olevaa
LisätiedotNumeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45
Numeeriset menetelmät TIEA381 Luento 3 Kirsi Valjus Jyväskylän yliopisto Luento 3 () Numeeriset menetelmät 20.3.2013 1 / 45 Luennon 3 sisältö Luku 2: Epälineaarisen yhtälön ratkaiseminen Polynomin reaaliset
Lisätiedot5.1. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [0, ) jolla on ominaisuudet:
5.. Normi ja suppeneminen Vektoriavaruus V on normiavaruus, jos siinä on määritelty normi : V R + = [, ) jolla on ominaisuudet: x = x = x + y x + y, x, y V a x = a x, x V, a K (= R tai C) Esimerkki 5..
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
LisätiedotTietokonearitmetiikka
Luento 6 ALU: Aritmeettis-Looginen Yksikkö Tietokonearitmetiikka (Computer Arithmetic) Stallings: Ch 9 Kokonaislukuesitys Kokonaislukuaritmetiikka Liukulukuesitys Liukulukuaritmetiikka Luento 6-1 ALU =
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.
LisätiedotNumeerinen analyysi 2016
Numeerinen analyysi 2016 Sisältö 1 Johdanto 8 2 Numeerinen tehtävä 9 2.1 Numeerinen algoritmi............................ 9 2.2 Esimerkki.................................. 10 2.3 Numeerisen laskennan virheet.......................
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
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 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään
Lisätiedot5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
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
LisätiedotMATEMATIIKAN 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
LisätiedotDiplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut
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)
LisätiedotMikäli funktio on koko ajan kasvava/vähenevä jollain välillä, on se tällä välillä monotoninen.
4.1 Polynomifunktion kulun tutkiminen s. 100 digijohdanto Funktio f on kasvava jollain välillä, jos ehdosta a < b seuraa ehto f(a) < f(b). Funktio f on vähenevä jollain välillä, jos ehdosta a < b seuraa
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
LisätiedotVastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:
. Koska F( ) on jokin funktion f ( ) integraalifunktio, niin a+ a f() t dt F( a+ t) F( a) ( a+ ) b( a b) Vastaus: Kertausharjoituksia. Lukujonot 87. + n + lim lim n n n n Vastaus: suppenee raja-arvona
Lisätiedot1 Supremum ja infimum
Pekka Alestalo, 2018 Tämä moniste täydentää reaalilukuja ja jatkuvia reaalifunktioita koskevaa kalvosarjaa lähinnä perustelujen ja todistusten osalta. Suurin osa määritelmistä jms. on esitetty jo kalvoissa,
LisätiedotMS-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,
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
LisätiedotOletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan
Lisätiedot4 Yleinen potenssifunktio ja polynomifunktio
4 Yleinen potenssifunktio ja polynomifunktio ENNAKKOTEHTÄVÄT 1. a) Tutkitaan yhtälöiden ratkaisuja piirtämällä funktioiden f(x) = x, f(x) = x 3, f(x) = x 4 ja f(x) = x 5 kuvaajat. Näin nähdään, monessako
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausta 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat: 1. Potenssisarjojen suppenemissäe, suppenemisväli ja suppenemisjoukko. 2. Derivaatan laskeminen
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
LisätiedotMATP153 Approbatur 1B Harjoitus 6 Maanantai
. (Teht. s. 93.) Määrää raja-arvo MATP53 Approbatur B Harjoitus 6 Maanantai 7..5 cos x x. Ratkaisu. Suora sijoitus antaa epämääräisen muodon (ei auta). Laventamalla päädytään muotoon ja päästään käyttämään
LisätiedotRollen lause polynomeille
Rollen lause polynomeille LuK-tutkielma Anna-Helena Hietamäki 7193766 Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 015 Sisältö 1 Johdanto 1.1 Rollen lause analyysissä.......................
Lisätiedot