Two dimensional maps 1/2 24.1.2007 Matti Koskimies.

Slides:



Advertisements
Samankaltaiset esitykset
Robust LQR Control for PWM Converters: An LMI Approach
Advertisements

lämpöoppia eri lämpötila, eri aineet, loppulämpötila?
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 10 – Juho Kokkala Optimointiopin seminaari - Syksy 2010 Kernel-tasoitus.
Voimista liikeilmiöihin ja Newtonin lakeihin
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Kim Björkman Optimointiopin seminaari - Kevät 2007 / 1 Yksiulotteiset kuvaukset.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 3 - Riikka-Leena Leskelä Optimointiopin seminaari - Syksy 2005 / 1 2. Mallien rakentaminen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit Ville Brummer.
Langattomien laitteiden matematiikka 1
AS Automaation signaalinkäsittelymenetelmät
Taylor polynomi usean muuttujan funktiolle
pieni kokoelma mekaniikan suurejärjestelmästä Mikko Rahikka 2001
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 20 – Karin Ahlbäck Optimointiopin seminaari - Syksy Esitelmä.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Mikko Harju Optimointiopin seminaari - Kevät 2010 Kotitehtävä 15.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 16 - Jarto Niemi Optimointiopin seminaari - Kevät 2007 Kaaos differentiaaliyhtälöissä,
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 21 – Kim Liljeström Optimointiopin seminaari - Kevät 2007 Kaskadit Kim Liljeström
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jarno Leppänen Optimointiopin seminaari - Kevät 2008 Evoluutiopeliteoria: stabiilisuudesta.
Kinematiikka Newtonin lait: Voima Statiikka Mikko Rahikka 2000
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 28 – Tuukka Sarvi Optimointiopin seminaari - Syksy 2005 / 1 Ratkaisu kotitehtävään 28 Tuukka.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 29 – Janne Ojanen Optimointiopin seminaari - Syksy Dynaamiset Bayesverkot Osa 1.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Noora Hyttinen Systeemitieteiden kandidaattiseminaari – Kevät 2010 Sisäpistemenetelmät konvekseille.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 20 - Henri Tokola Optimointiopin seminaari - Syksy 2009 Työvuorojen suunnittelu ja skedulointi.
1. Usean muuttujan funktiot
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Lisätiedon arvo.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävä 11 - ratkaisu.
KLASSINEN FYSIIKKA Aikaisemmat kurssit olivat klassista fysiikkaa.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 18 – Otto Sormunen Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 1 – Simo Heliövaara Optimointiopin seminaari - Syksy 2008 Johdanto peliteoriaan
1 5. Atomin rakenne Vetyatomi Ulkoisten kenttien aiheuttama energiatasojen hajoaminen, Zeemanin ilmiö Elektronin spin Monen elektronin atomit Röntgensäteilyn.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 – Henri Hytönen Optimointiopin seminaari - Kevät 2007 Kaoottiset attraktorit
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Mikko Harju Optimointiopin seminaari - Kevät 2010 Korreloitu tasapaino ja sosiaaliset.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2010 Lineaarinen.
5. Lineaarinen optimointi
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2009 Projektien suunnittelu ja skedulointi.
2.2.2 Avaruuden vektori koordinaatistossa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Andreas Strandman Optimointiopin seminaari - Kevät 2007 Hintakuplat ja Epälineaarinen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
4. Optimointia T
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Jussi Kangaspunta Optimointiopin seminaari - Kevät 2007 Kaksiulotteiset kuvaukset 2/2.
S ysteemianalyysin Laboratorio Aalto-yliopiston Teknillinen korkeakoulu Esitelmä 10 – Epäoikeudenmukaisuuden karttaminen Tuomas Nummelin Optimointiopin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Anna Matala Optimointiopin seminaari - Kevät Avioliiton matematiikka Eli avioparin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 18 – Juho Kokkala Optimointiopin seminaari - Kevät 2007 Stabiilit monistot ja kriisit Mat
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 17 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Anna Matala Optimointiopin seminaari - Syksy 2008 Kotitehtävän ratkaisu Anna Matala.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Lokaalit uskottavuusmenetelmät.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Heikki Vesterinen Systeemitieteiden kandidaattiseminaari – Syksy 2009 Epälineaarinen hinnoittelu:
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 - Henri Tokola Optimointiopin seminaari - Syksy 2009 Työpajan skedulointi rajoiteohjelmoinnilla.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu webbi tehtävä/ 1 Optimointiopin seminaari Mat Webbi tehtävä.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmöijän nimi Systeemitieteiden kandidaattiseminaari – Syksy/Kevät 200X Virheraportoijien jakaumat.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävä 9 Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä 24 – Teppo Voutilainen Optimointiopin seminaari - Syksy 2005 Kotitehtävän 24 ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 21 – Osmo Salomaa Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävän 21 ratkaisu Osmo.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 12 – Jukka Luoma Optimointiopin seminaari - Kevät 2007 Jaksolliset radat ja rajajoukot.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Käytännön järjestelyt - Jukka Luoma Optimointiopin seminaari - Kevät 2007 Mat Optimointiopin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Janne Nurmi Optimointiopin seminaari - Kevät 2008 Kotitehtävä 4 - Ratkaisu
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 8 – Ilmari Kuikka Optimointiopin seminaari - Kevät 2010 Kotitehtävä 8 Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Henri Tokola Optimointiopin seminaari - Syksy 2009 Kotitehtävä 5: LEKIN-ohjelman käyttö.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 12 – Alexander Franck Optimointiopin seminaari - Kevät 2010 Rationalisoituvuus ja yleinen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 8 – Reda Guerfi Optimointiopin seminaari - Syksy 2009 Taloudellisen tuotantoerän skedulointi.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Matti Sarjala Optimointiopin seminaari - Kevät 2008 Kotitehtävien ratkaisut
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 22 – Jussi Kangaspunta Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Pekka Mild Optimointiopin seminaari - Syksy 2005 / 1 Monitavoitteiset vaikutuskaaviot; Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit - Kotitehtävän vastaus.
Peliohjelmointikurssi koululaisille
Keplerin lait -tähtihavaintoihin perustuvia yleisiä päätelmiä
Stabiilit monistot ja kriisit
Esityksen transkriptio:

Two dimensional maps 1/2 24.1.2007 Matti Koskimies

Alligood: 2. kappale Tänään käsitellään kurssin oppikirjan kappaleet: 2.1 Mathematical Models 2.2 Sinks, Sources and Saddles 2.3 Linear Maps 2.4 Coordinate Changes …ja ensi viikolla Jussi Kangaspunta jatkaa: 2.5 Nonlinear Maps and the Jacobian Matrix 2.6 Stable and Unstable Manifolds 2.7 Matrix Times Circle Equals Ellipse

Esitelmän aiheet Käsitekartta esitelmän aiheista Määritelmiä Motivaatio: miksi (2D-)kuvauksia? Kuvausten ominaisuuksia Kotitehtävä Loppuun kevennykseksi demo kaaoksesta

1. Käsitekartta

2. Määritelmiä Dynaaminen systeemi Kuvaus eli funktio Joukko mahdollisia tiloja Deterministinen sääntö joka määrittelee seuraavan tilan nykytilan perusteella Diskreetti- tai jatkuva-aikainen Kuvaus eli funktio Sääntö joka liittää jokaiseen lähtöjoukon A alkioon tarkalleen yhden alkion maalijoukosta B Map: kuvaus jossa lähtöjoukko ja maalijoukko ovat samat Eräs määritelmä diskreettiaikaiselle dynaamiselle systeemille Suomennos…?

Kaksiulotteinen kuvaus (two-dimensional map) Tässä yhteydessä tarkoitetaan: Monet useampiulotteisten kuvausten ilmiöt ”läsnä” Lähteiden ja nielujen lisäksi kiintopisteet voivat olla nyt myös ”satuloita” Iteroidut (=yhdistetyt) kuvaukset Oikeastaan puhumme dynaamisten systeemien yhteydessä näistä, eli käytännössä tutkimme ensimmäisen asteen differenssiyhtälöitä:

Kaksi hyödyllistä kuvaustyyppiä: Poincarén kuvaus ”Otoskuvaus jaksolla T” (Time-T map)

3.Miksi kuvauksia? 3.1 N:n kappaleen ongelma ”Miksi tutkia kuvauksia, kun luonnonilmiöt ovat kuitenkin useimmiten ratkeamattomia differentiaaliyhtälöitä…?” 3.1 N:n kappaleen ongelma 3.2 Pakotettu ja vaimennettu heiluri 3.3 Hénonin kuvaus

3.1 N:n kappaleen ongelma Alkupiste kaoottisten ilmiöiden tutkimukselle N kappaletta voimakentässä Ratkaise liikeyhtälöt! Gravitaatiokentälle: Ei ratkaisua suljetussa muodossa kun N>2

V. 1889 ruotsin kuningas Oscar II järjesti aiheesta kilpailun Henri Poincaré menestyi parhaiten Yksinkertaistettu malli: 2 aurinkoa ja 1 planeetta Stabiilit ja epästabiilit monistot Ongelmana homokliiniset pisteet Julkaisu: ”On the equations of dynamics and the three-body problem Todistus liikeyhtälöiden ratkeamattomuudelle Homokliinisten pisteiden kautta kaoottisten ilmiöiden löytö

Miksei N-kappaleen ongelma ratkea kun N>2? Tuntemattomia muuttujia 6*N 3 kpl paikka- ja 3 kpl nopeuskomponentteja / kappale Yhtälöitä kuitenkin vain 10: 3 kpl massakeskipisteelle 3 kpl liikemäärälle 3 kpl pyörimismäärälle 1 kpl energialle Kun kappaleita 2 kpl, liike tapahtuu tasossa => jää vain 4 komponenttia ratkaistavaksi Tästä huolimatta löydetään kuitenkin sarjamuotoinen ratkaisu (Sundman v.1912, Wang v.1991)

Vielä takaisin Poincarén monistoihin… Tälle ongelmalle Hamiltonin yhtälöiden mukaan: Tästä ajatus tutkia kappaleiden kulkua kuvitteellisen tason läpi -> monistot Yllä olevan riippuvuuden myötä riittää tutkia paikkaa ja nopeutta X-komponentin suhteen Taulukoidaan näiden komponenttien arvot pisteissä jossa planeetta läpäisee moniston: Poincarén kuvaus

Tarkkaa lauseketta kuvaukselle ei yleensä saada selville Poincarén kuvauksesta yleinen menetelmä jatkuva-aikaisen N-ulotteisen dynaamisen systeemin redusoimiseksi (N-1)-ulotteiseksi diskreettiaikaiseksi systeemiksi Tarkkaa lauseketta kuvaukselle ei yleensä saada selville Differentiaaliyhtälöiden numeerinen ratkaisu ja moniston läpäisyjen taltiointi Tästä huolimatta varsin hyödyllinen menetelmä koska suuri osa ratojen dynamiikasta havaittavissa myös Poincarén kuvauksen kautta

3.2 Pakotettu ja vaimennettu heiluri Yksinkertainen systeemi, silti kaoottinen dynamiikka Heiluria voidaan tutkia otoskuvauksella: Idea: muodostetaan kuvaus, jota iteroimalla saadaan näytteitä jatkuva-aikaisesta systeemistä tasaisin väliajoin Esimerkki: Funktio kuvaa kappaleen lämpötilaa ajassa. Määritellään otoskuvaus f(x) jaksolla T=1: Nyt funktiota f(x) iteroimalla saadaan otoksia lämpötilasta yhden aikayksikön välein:

Pakotettu ja vaimennettu heiluri Tilanne: Jäykkä massaton varsi jonka pituus l Heiluripainon massa m Voimat: Gravitaatio: Kitka: Ulkopuolinen voima: Tavoite: Halutaan ratkaista kiertymä ja kulmanopeus ajan funktiona Kyseessä siis jatkuva-aikainen dynaaminen systeemi, jonka tila-avaruus kaksiulotteinen

Newtonin liikeyhtälöistä saadaan: Valitaan l=g jotta yhtälö yksinkertaistuu: Tärkeä havainto: jos u(t) on ratkaisu, niin myös u(t+n*2Pi) on! Tämän johdosto differentiaaliyhtälön ”vaikutus” tilamuuttujien kehitykseen vakio yhden kokonaisen syklin (2*Pi) aikana Siis muuttujien arvot muuttuvat saman verran kun alkutilanne on t=N*2*Pi riippumatta N:n arvosta

Seurauksena voimme tutkia 2*Pi jaksoista otoskuvausta: Kuten Poincarén kuvausten tapauksessa, lauseketta ei yleensä voida ratkaista ja kuvauksen arvoja joudutaan laskemaan numeerisesti iteroiden differentiaaliyhtälöä jakson 2*Pi yli Tästä huolimatta kuvauksesta on apua mm. attraktioaltaiden selvittämisessä ja graafisessa kuvaamisessa

3.3 Hénonin kuvaus Poincarén ja otos kuvauksien käyttö hankalaa koska kuvaukset täytyy laskea numeerisesti Hénonin kuvaus yksinkertainen diskreetti systeemi, jossa ilmenee suuri osa jatkuvien systeemien kaoottisista ilmiöistä: Yksi tutkituimpia kaoottisia dynaamisia systeemejä Tietynlainen vastine yksiulotteiselle logistiselle kuvaukselle

4. Kuvausten ominaisuuksia 4.1 Kuvausten kiintopisteistä Nielut, lähteet ja satulat 4.2 Lineaarikuvauksista 4.3 Koordinaatistomuunnoksista

4.1 Kuvausten kiintopisteistä Nielu ja lähde Jos kiintopisteellä on epsilon-ympäristö jonka alueella funktion arvot lähenevät ko. pistettä, on kiintopiste nielu Päinvastaisessa tapauksessa jossa funktion arvot ennen pitkää siirtyvät epsilon-ympäristön ulkopuolelle, on kyseessä lähde Kun N>1, voi kiintopiste olla myös satula Tällöin osa komponenteista lähestyy kiintopistettä ja loput loittonevat siitä

Lähde, nielu ja satula tasokuvauksissa:

4.2 Lineaarikuvauksista Lineaarikuvaus täyttää seuraavat ehdot Additiivisuus: Homogeenisuus: Lineaarikuvaukset tärkeä kuvaustyyppi Analyyttisesti ja laskennallisesti paljon helpompaa käsitellä kuin epälineaariset kuvaukset Epälineaaristen kuvausten linearisointi Lineaarikuvausta vastaa aina yksikäsitteinen matriisi

Kolme tärkeää erikoistapausta 2d-lineaarikuvauksista:

4.3 Koordinaatistomuunnoksista Vektorimuuttujan esitys riippuu valitusta koordinaatistosta Koordinaatistomuunnoksella voidaan koittaa yksinkertaistaa korkeampiulotteisten kuvausten stabiilisuuslaskelmia Koordinaatiston muunnos vektorille v voidaan tehdä kertomalla se matriisilla S jonka sarakkeet ovat uuden koordinaatiston kantavektorit Tällöin myös kuvauksen määrittävä matriisi A täytyy muuntaa: uusi matriisi: Mikäli löytyy vektori S, niin että tämä on mahdollista, ovat A ja B similaarisia

Similaaristen matriisien dynaamiset ominaisuudet ovat identtiset Näin ollen koordinaatistomuunnos ei vaikuta Determinanttiin eikä ominaisarvoihin Kiintopisteiden tyyppeihin (nielu/lähde/satula) Tämän seurauksena tiedämme kaikkien tasokuvausten dynaamisen käyttäytymisen, sillä voidaan osoittaa että kaikki tasokuvaukset ovat similaarisia yhden kolmesta edellä esitellyn matriisin kanssa!

Itse asiassa edellistä yleisempi lause pätee: Origossa oleva kiintopiste puolestaan määritellään satulaksi, mikäli yksikään ominaisarvo ei ole yksi, ja mikäli löytyy vähintään yksi itseisarvoltaan sekä ykköstä pienempi että suurempi ominaisarvo

5. Kotitehtävä Oppikirjan tehtävä T2.3: