SlideShare ist ein Scribd-Unternehmen logo
1 von 15
Downloaden Sie, um offline zu lesen
Laskennan matematiikka

     Marko Huhtanen
     Oulun Yliopisto
Laskenta: teht¨v¨, joka edellytt¨¨ runsaasti peruslaskutoimitusten
               a a              aa
suorittamista.

Matematiikka: algebra, analyysi, geometria,...

Laskennan matematiikka: matematiikka, joka on laskennan
motivoimaa.



Yht¨l¨ryhm¨n ratkaisemisen historia sis¨lt¨¨ kaikki aiheeseen
     ao      a                         a aa
liittyv¨t vivahteet.
       a
300-luku
   Yht¨l¨ryhm¨
      ao     a                              
                           3x + 2y + z = 39 
                           2x + 3y + z = 34
                           x + 2y + 3z = 26
                                            

   on kirjasta “Yhdeks¨n Lukua Matematiikan Taiteesta” joka on
                       a
   per¨isin viimeist¨¨nkin 300-luvulta.
      a             aa
Menetelm¨ jolla yht¨l¨ryhm¨ kirjassa esitet¨¨n ratkaistavaksi, on
          a         ao    a                aa
Gaussin eliminaatio.1

Carl Friedrich Gauss eli 1777-1855.



The Arnold principle: If a notion bears a personal name, then this
name is not the name of the inventor.




  1
      “Gaussin eliminaatio” tarkoittaa nykyisin tuettua LU hajotelmaa.
1800-luku
   John von Neumann: “By and large it is uniformly true in
   mathematics that there is a time lapse between a mathematical
   discovery and the moment when it is useful.”

   Yht¨l¨ryhmi¨ alettiin ratkomaan 1800 luvun alussa. Ensimm¨inen
      ao         a                                          a
   sovellus oli astronominen.
Gauss oli merkitt¨v¨ siit¨ syyst¨, ett¨ h¨n keksi pienimm¨n
                 a a     a      a     a a                a
neli¨summan menetelm¨n.
    o                   a

Pienimm¨n neli¨summan menetelm¨lle l¨ytyi nopeasti paljon
         a    o               a o
k¨ytt¨¨.
 a oa

Ongelmien koko alkoi my¨s kasvaa.
                       o
Sittemmin kartografiassa 1800 luvun loppupuolella jouduttiin
ratkomaan pienimm¨n neli¨summan teht¨vi¨.
                  a      o            a a
Jopa 77 × 77 kokoisia yht¨l¨ryhmi¨ ratkottiin kyn¨ll¨ ja paperilla:
                         ao      a               a a

...These calculations – all in duplicate – were completed in two
years and a half – an average of eight computers being employed...

“....In connection with so great a work successfully accomplished,
it is but right to remark how much it was facilitated by the energy
and talents of the chief computer, Mr. James O’Farrell.”
1900-1960

  Kaupallinen lentokoneteollisuus alkoi synnytt¨m¨¨n runsaasti
                                               a aa
  yht¨l¨ryhmi¨ 1940 luvulta l¨htien.
     ao      a                a

  Ongelmien koko alkoi kasvaa kest¨m¨tt¨m¨ksi.
                                  a a o a
Suurin ongelma joka viel¨ ratkaistiin k¨sin (=mekaanisella
                         a             a
laskukoneella) oli kokoa 200 × 200.

Ty¨ veisi kolmessa vuorossa yli kaksi kuukautta. Olettaen ettei
  o
yht¨k¨¨n n¨pp¨ilyvirhett¨ tehd¨.
   a aa a a             a      a

Nopeampi ratkaiseminen oli mahdollista matematiikan avulla, mm.
permutoimalla yht¨l¨t sopivasti ja k¨ytt¨m¨ll¨ hyv¨ksi harvuutta.
                 ao                 a a a a       a




(Marchant Model 10ACT, valmistus: USA 1930-1940.)
40-luvun puoliv¨liss¨ elektronisia tietokoneita alettiin
               a a
kehittelem¨¨n.
          aa

50-luvun puoliv¨liss¨ kaupallisia tietokoneita alkoi tulla
               a a
markkinoille.

Tosin 200 × 200 kokoinen matriisi ei olisi mahtunut niiden muistiin.
Ensimm¨inen moderni numeerisen analyysin julkaisu: J.von
        a
Neumann and H. Goldstine: Numerical inverting of matrices
of high order, Bull. Amer. Math. Soc., pp. 1021–1099, (1947).

Gaussin eliminaatio saatettiin matemaattisesti sellaiseen muotoon,
ett¨ se toimi tietokoneissa numeerisesti luotettavasti.
   a

Matriisianalyysi tuli keskeiseksi.
1960-
   1960-luvulla Suomessakin oli yliopistoissa kaupallisia tietokoneita
   mm. TKK:lla (Elliott 803 A k¨ytt¨¨n 1961) ja Oulun yliopistossa
                                a oo
   (Elliott 803 B k¨ytt¨¨n 1965).
                   a oo
Nykyp¨iv¨n supertietokoneet selvi¨v¨t 106 × 106 kokoisista
      a a                        a a
teht¨vist¨ noin vuorokaudessa.
    a a




Jos ei ole supertietokonetta, rinnakkaista laskenta GPU:lla. (Alla
kuvassa Tesla C1060, nVidialta!)
Pelkk¨ raaka laskentavoima ei riit¨. Realistiset simulaatiot 3D:ss¨
      a                           a                               a
vaativat helposti jopa 108 muuttujaa.

T¨m¨n kokoisten laskennallisten ongelmien ratkaiseminen on
 a a
mahdollista vain matematiikan avulla.

Ylip¨¨ns¨, data-massiiviset ongelmat lis¨¨ntyv¨t. 90% t¨m¨n
    aa a                                aa    a        a a
p¨iv¨n datasta on syntynyt viimeisen kahden vuoden aikana.
 a a

Laskennassa (ja datan k¨sittelyss¨) tarvittavaa matematiikkaa ei
                       a         a
ole helppo ennakoida.

On suositeltavaa suhtautua my¨t¨mielisesti my¨s sellaiseen
                              oa                o
matematiikkaan, joka perinteisesti on mielletty olevan heikosti
yhteydess¨ laskentaan.
         a

Weitere ähnliche Inhalte

Mehr von OuLUMA

Kaupungistuminen
KaupungistuminenKaupungistuminen
KaupungistuminenOuLUMA
 
Tilastotiede tietoyhteiskunnan perustiede
Tilastotiede tietoyhteiskunnan perustiedeTilastotiede tietoyhteiskunnan perustiede
Tilastotiede tietoyhteiskunnan perustiedeOuLUMA
 
Kuva-arvoitus
Kuva-arvoitusKuva-arvoitus
Kuva-arvoitusOuLUMA
 
Luonnontieteellisen tiedekunnan opintomahdollisuudet
Luonnontieteellisen tiedekunnan opintomahdollisuudetLuonnontieteellisen tiedekunnan opintomahdollisuudet
Luonnontieteellisen tiedekunnan opintomahdollisuudetOuLUMA
 
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminen
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminenAkateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminen
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminenOuLUMA
 
Työn tekemisen tapa ja osaamistarpeet muutoksessa
Työn tekemisen tapa ja osaamistarpeet muutoksessaTyön tekemisen tapa ja osaamistarpeet muutoksessa
Työn tekemisen tapa ja osaamistarpeet muutoksessaOuLUMA
 
Opetuksen motivointi - Olli Silvén
Opetuksen motivointi - Olli SilvénOpetuksen motivointi - Olli Silvén
Opetuksen motivointi - Olli SilvénOuLUMA
 
LUMA-aineiden merkitys yliopisto-opinnoissa
LUMA-aineiden merkitys yliopisto-opinnoissaLUMA-aineiden merkitys yliopisto-opinnoissa
LUMA-aineiden merkitys yliopisto-opinnoissaOuLUMA
 
Talotekniikan kemia Oulun seudun ammattikorkeakoulussa
Talotekniikan kemia Oulun seudun ammattikorkeakoulussaTalotekniikan kemia Oulun seudun ammattikorkeakoulussa
Talotekniikan kemia Oulun seudun ammattikorkeakoulussaOuLUMA
 
Tekniikan yliopisto-opinnot Oulussa
Tekniikan yliopisto-opinnot OulussaTekniikan yliopisto-opinnot Oulussa
Tekniikan yliopisto-opinnot OulussaOuLUMA
 
Teknillisen tiedekunnan opintomahdollisuudet
Teknillisen tiedekunnan opintomahdollisuudetTeknillisen tiedekunnan opintomahdollisuudet
Teknillisen tiedekunnan opintomahdollisuudetOuLUMA
 
Luonnontieteellisen tiedekunnan opiskelijavalinta
Luonnontieteellisen tiedekunnan opiskelijavalintaLuonnontieteellisen tiedekunnan opiskelijavalinta
Luonnontieteellisen tiedekunnan opiskelijavalintaOuLUMA
 
Tasavirtapiirin käsitteiden mallintaminen
Tasavirtapiirin käsitteiden mallintaminenTasavirtapiirin käsitteiden mallintaminen
Tasavirtapiirin käsitteiden mallintaminenOuLUMA
 

Mehr von OuLUMA (13)

Kaupungistuminen
KaupungistuminenKaupungistuminen
Kaupungistuminen
 
Tilastotiede tietoyhteiskunnan perustiede
Tilastotiede tietoyhteiskunnan perustiedeTilastotiede tietoyhteiskunnan perustiede
Tilastotiede tietoyhteiskunnan perustiede
 
Kuva-arvoitus
Kuva-arvoitusKuva-arvoitus
Kuva-arvoitus
 
Luonnontieteellisen tiedekunnan opintomahdollisuudet
Luonnontieteellisen tiedekunnan opintomahdollisuudetLuonnontieteellisen tiedekunnan opintomahdollisuudet
Luonnontieteellisen tiedekunnan opintomahdollisuudet
 
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminen
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminenAkateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminen
Akateeminen työllisyys ja Oulun yliopistosta valmistuneiden sijoittuminen
 
Työn tekemisen tapa ja osaamistarpeet muutoksessa
Työn tekemisen tapa ja osaamistarpeet muutoksessaTyön tekemisen tapa ja osaamistarpeet muutoksessa
Työn tekemisen tapa ja osaamistarpeet muutoksessa
 
Opetuksen motivointi - Olli Silvén
Opetuksen motivointi - Olli SilvénOpetuksen motivointi - Olli Silvén
Opetuksen motivointi - Olli Silvén
 
LUMA-aineiden merkitys yliopisto-opinnoissa
LUMA-aineiden merkitys yliopisto-opinnoissaLUMA-aineiden merkitys yliopisto-opinnoissa
LUMA-aineiden merkitys yliopisto-opinnoissa
 
Talotekniikan kemia Oulun seudun ammattikorkeakoulussa
Talotekniikan kemia Oulun seudun ammattikorkeakoulussaTalotekniikan kemia Oulun seudun ammattikorkeakoulussa
Talotekniikan kemia Oulun seudun ammattikorkeakoulussa
 
Tekniikan yliopisto-opinnot Oulussa
Tekniikan yliopisto-opinnot OulussaTekniikan yliopisto-opinnot Oulussa
Tekniikan yliopisto-opinnot Oulussa
 
Teknillisen tiedekunnan opintomahdollisuudet
Teknillisen tiedekunnan opintomahdollisuudetTeknillisen tiedekunnan opintomahdollisuudet
Teknillisen tiedekunnan opintomahdollisuudet
 
Luonnontieteellisen tiedekunnan opiskelijavalinta
Luonnontieteellisen tiedekunnan opiskelijavalintaLuonnontieteellisen tiedekunnan opiskelijavalinta
Luonnontieteellisen tiedekunnan opiskelijavalinta
 
Tasavirtapiirin käsitteiden mallintaminen
Tasavirtapiirin käsitteiden mallintaminenTasavirtapiirin käsitteiden mallintaminen
Tasavirtapiirin käsitteiden mallintaminen
 

Laskennan matematiikka

  • 1. Laskennan matematiikka Marko Huhtanen Oulun Yliopisto
  • 2. Laskenta: teht¨v¨, joka edellytt¨¨ runsaasti peruslaskutoimitusten a a aa suorittamista. Matematiikka: algebra, analyysi, geometria,... Laskennan matematiikka: matematiikka, joka on laskennan motivoimaa. Yht¨l¨ryhm¨n ratkaisemisen historia sis¨lt¨¨ kaikki aiheeseen ao a a aa liittyv¨t vivahteet. a
  • 3. 300-luku Yht¨l¨ryhm¨ ao a  3x + 2y + z = 39  2x + 3y + z = 34 x + 2y + 3z = 26  on kirjasta “Yhdeks¨n Lukua Matematiikan Taiteesta” joka on a per¨isin viimeist¨¨nkin 300-luvulta. a aa
  • 4. Menetelm¨ jolla yht¨l¨ryhm¨ kirjassa esitet¨¨n ratkaistavaksi, on a ao a aa Gaussin eliminaatio.1 Carl Friedrich Gauss eli 1777-1855. The Arnold principle: If a notion bears a personal name, then this name is not the name of the inventor. 1 “Gaussin eliminaatio” tarkoittaa nykyisin tuettua LU hajotelmaa.
  • 5. 1800-luku John von Neumann: “By and large it is uniformly true in mathematics that there is a time lapse between a mathematical discovery and the moment when it is useful.” Yht¨l¨ryhmi¨ alettiin ratkomaan 1800 luvun alussa. Ensimm¨inen ao a a sovellus oli astronominen.
  • 6. Gauss oli merkitt¨v¨ siit¨ syyst¨, ett¨ h¨n keksi pienimm¨n a a a a a a a neli¨summan menetelm¨n. o a Pienimm¨n neli¨summan menetelm¨lle l¨ytyi nopeasti paljon a o a o k¨ytt¨¨. a oa Ongelmien koko alkoi my¨s kasvaa. o
  • 7. Sittemmin kartografiassa 1800 luvun loppupuolella jouduttiin ratkomaan pienimm¨n neli¨summan teht¨vi¨. a o a a
  • 8. Jopa 77 × 77 kokoisia yht¨l¨ryhmi¨ ratkottiin kyn¨ll¨ ja paperilla: ao a a a ...These calculations – all in duplicate – were completed in two years and a half – an average of eight computers being employed... “....In connection with so great a work successfully accomplished, it is but right to remark how much it was facilitated by the energy and talents of the chief computer, Mr. James O’Farrell.”
  • 9. 1900-1960 Kaupallinen lentokoneteollisuus alkoi synnytt¨m¨¨n runsaasti a aa yht¨l¨ryhmi¨ 1940 luvulta l¨htien. ao a a Ongelmien koko alkoi kasvaa kest¨m¨tt¨m¨ksi. a a o a
  • 10. Suurin ongelma joka viel¨ ratkaistiin k¨sin (=mekaanisella a a laskukoneella) oli kokoa 200 × 200. Ty¨ veisi kolmessa vuorossa yli kaksi kuukautta. Olettaen ettei o yht¨k¨¨n n¨pp¨ilyvirhett¨ tehd¨. a aa a a a a Nopeampi ratkaiseminen oli mahdollista matematiikan avulla, mm. permutoimalla yht¨l¨t sopivasti ja k¨ytt¨m¨ll¨ hyv¨ksi harvuutta. ao a a a a a (Marchant Model 10ACT, valmistus: USA 1930-1940.)
  • 11. 40-luvun puoliv¨liss¨ elektronisia tietokoneita alettiin a a kehittelem¨¨n. aa 50-luvun puoliv¨liss¨ kaupallisia tietokoneita alkoi tulla a a markkinoille. Tosin 200 × 200 kokoinen matriisi ei olisi mahtunut niiden muistiin.
  • 12. Ensimm¨inen moderni numeerisen analyysin julkaisu: J.von a Neumann and H. Goldstine: Numerical inverting of matrices of high order, Bull. Amer. Math. Soc., pp. 1021–1099, (1947). Gaussin eliminaatio saatettiin matemaattisesti sellaiseen muotoon, ett¨ se toimi tietokoneissa numeerisesti luotettavasti. a Matriisianalyysi tuli keskeiseksi.
  • 13. 1960- 1960-luvulla Suomessakin oli yliopistoissa kaupallisia tietokoneita mm. TKK:lla (Elliott 803 A k¨ytt¨¨n 1961) ja Oulun yliopistossa a oo (Elliott 803 B k¨ytt¨¨n 1965). a oo
  • 14. Nykyp¨iv¨n supertietokoneet selvi¨v¨t 106 × 106 kokoisista a a a a teht¨vist¨ noin vuorokaudessa. a a Jos ei ole supertietokonetta, rinnakkaista laskenta GPU:lla. (Alla kuvassa Tesla C1060, nVidialta!)
  • 15. Pelkk¨ raaka laskentavoima ei riit¨. Realistiset simulaatiot 3D:ss¨ a a a vaativat helposti jopa 108 muuttujaa. T¨m¨n kokoisten laskennallisten ongelmien ratkaiseminen on a a mahdollista vain matematiikan avulla. Ylip¨¨ns¨, data-massiiviset ongelmat lis¨¨ntyv¨t. 90% t¨m¨n aa a aa a a a p¨iv¨n datasta on syntynyt viimeisen kahden vuoden aikana. a a Laskennassa (ja datan k¨sittelyss¨) tarvittavaa matematiikkaa ei a a ole helppo ennakoida. On suositeltavaa suhtautua my¨t¨mielisesti my¨s sellaiseen oa o matematiikkaan, joka perinteisesti on mielletty olevan heikosti yhteydess¨ laskentaan. a