Perusasioita. Vektorianalyysi I. opettajat Ritva Hurri-Syrjänen sairaslomalla Sirkka-Liisa Eriksson B328

Koko: px
Aloita esitys sivulta:

Download "Perusasioita. Vektorianalyysi I. opettajat Ritva Hurri-Syrjänen sairaslomalla Sirkka-Liisa Eriksson B328"

Transkriptio

1 Vektorianalyysi I opettajat Ritva Hurri-Syrjänen sairaslomalla Sirkka-Liisa Eriksson B328 sirkka-liisa.eriksson@helsinki.fi Perusasioita Kurssissa on loppukoe Harjoituksista saa bonuspisteitä seuraavasti

2 1 lisäpiste, jos 30% laskettu 2 lisäpistettä, jos 60% laskettu 3 lisäpistettä, jos 90% laskettu ja kaikissa tapauksissa oppilaan tulee olla paikalla harjoituksissa ja valmiina esittämään ratkaisunsa taululla. Sähköisesti tai paperilla palautettuja ratkaisuja ei oteta vastaan. Luentomateriaalit kurssisivulta

3 Muuta oheismateriaali Olli Martio, Vektorianalyysi, Limes Esimerkkejä verkkomateriaaleista Khan Academy Multivariable calculus (opetusvideoita, hyvä johdatus ja tärkeimpiä tuloksia) MITOPENCOURSES Multivriable calculus

4 1 Euklidinen avaruus Tällä kurssilla käsittelemme tasoa R 2, avaruutta R 3 ja yleistä n-ulotteista euklidista avaruutta R n. Siksi kertaamme perusasiat. Merkitään R n = {(x 1,.., x n ) x i R}. Määritellään tavalliset laskutoimistukset (x 1,.., x n ) + (y 1,.., y n ) = (x 1 + y 1,..., x n + y n ) ja r (x 1,.., x n ) = (rx 1,.., rx n ),

5 kun (x 1,.., x n ), (y 1,.., y n ) R n ja r R. Alkion (x 1,.., x n ) lukua x k sanotaan k.koordinaatiksi tai k. komponentiksi. Alkiota (x 1,.., x n ) voidaan ajatella pisteeksi avaruudessa R n tai vektoriksi, jonka alkupiste on (0,.., 0) ja loppupiste (x 1,.., x n ). Lause 1.1 Joukko R n on vektoriavaruus edellä määriteltyjen laskutoimituksien suhteen. Toisin sanottuna seuraavat ominaisuudet ovat voimassa 1. u + v R n ja ru R n, 2. u + v = v + u, (vaihdantalaki eli kommutatiivisuus)

6 3. u + (v + w) = (u + v) + w jokaiselle w R n (liitäntälaki eli assosiatiivisuus), 4. on olemassa alkio 0 R n, joka toteuttaa ehdon u + 0 = u jokaiselle u R n (nolla-alkio), 5. jokaiselle u R n on olemassa alkio u, joka toteuttaa ehdon u + ( u) = 0, (vasta-alkio) 6. r (u + v) = ru + rv, (osittelulaki eli distributiivisuus), 7. (r + s) u = ru + su jokaiselle s R,

7 8. r(su) = (rs)u jokaiselle s R, 9. 1u = u. 2 n-ulotteinen avaruus Avaruuden R n lunnollinen kanta on {e 1,..., e n }, missä e 1 = (1, 0,..., 0), e 2 = (0, 1,..., 0),. e n = (0, 0,..., 1).

8 Kanta tarkoittaa sitä, että jokainen avaruuden R n piste voidaan esittää yksikäsitteisesti kannan alkioiden lineaarikombinaationa eli (x 1,.., x n ) = x 1 e x n e n. 3 Sisätulo ja normi Pisteen x = (x 1,.., x n ) normi on x = x 2 1 +,,, +x2 n

9 ja pisteiden a = (a 1, a 2,..a n ) ja b = (b 1,..., b n ) välinen euklidinen etäisyys on d (b, a) = b a = (b 1 a 1 ) 2 +,,, + (b n a n ) 2. Avaruudessa R n on määritelty sisätulo eli pistetulo eli skalaaritulo seuraavasti a b = n i=1 a i b i, kun a = (a 1, a 2,..a n ) ja b = (b 1,..., b n ). Lause 3.1 Vektoriavaruus R n on reaalinen sisätuloavaruus, toisin sanottuna joukossa R n on määritelty sisätulo ( ), joka toteuttaa seuraavat ominaisuudet

10 1. u v R jokaiselle u, v R n, 2. u v = v u, 3. αu v = α (u v). 4. (u + v) w = u w + v w, 5. u u 0 6. u u = 0 jos ja vain jos u = 0

11 jokaiselle u, v, w R n ja α R. Lause 3.2 Vektoriavaruudessa R n edellä määritellyt sisätulo ja normi toteuttavat seuraavat ominaisuudet 1. u v u v, (Cauchy-Schwarz) 2. u + v u + v (kolmioepäyhtälö) jokaiselle u, v R n.

12 Todistus. Väite on tosi, kun v = 0. Voidan olettaaa, että v 0. Olkoon Tällöin λ = u v v v. 0 (u λv) (u λv) = u u (u v)2 v v. Seuraus 3.3 Jos u 0 ja v 0, niin u v u v 1.

13 Edellisen seurauksen nojalla voimme avaruudessa R n määritellä alkioiden (vektoreiden) u ja v valisen kulman a asettamalla cos α = u v u v. Esimerkki 3.4 Mikä on normi ja etäisyys avaruuksissa R 2 ja R 3? Lause 3.5 Vektoriavaruus R n on normiavaruus. määritelty normi, joka toteuttaa ominaisuudet: Tosin sanottuna joukossa R n on 1. u 0 jokaiselle u R n ; 2. Jos u = 0, niin u = 0;

14 3. αu = α u jokaiselle α R ja u R n ; 4. u + v u + v jokaiselle u, v R n. Lemma 3.6 (Pythagoraan lause) Olkoot u R n ja v R n. Tällöin u ja v ovat ortogonaalisia eli u v = 0, jos ja vain jos u + v 2 = u 2 + v 2. Lause 3.7 (Suunnikassääntö) kun u = u u. u + v 2 + u v 2 = 2 u v 2,

15 Lemma 3.8 Jos u R n ja v R n niin u = v jos ja vain jos (u + v) (u v) eli (u + v) (u v) = 0. Todistus. Väite seuraa siitä, että (u + v) (u v) = u 2 u v + v u v 2 = u 2 v 2.

16 4 Lukujonot euklidisessa avaruudessa R n 4.1 Jonon suppeneminen Määritelmä 4.1 Jono euklidisessa avaruudessa R n on kuvaus f : N R n f (k) = u k = ( u k,1, u k,2,..., u k,n ), kun k N ja u k = ( u k,1, u k,2,..., u k,n ) R n. Jonoa voidaan merkitä (u k ) k N tai u 1, u 2,...

17 Määritelmä 4.2 Olkoot u i R n, kun i N. Jono (u i ) i N suppenee kohti pistettä a R n avaruudessa R n, jos jokaiselle ε > 0 on olemassa sellainen m ε N, että jokaiselle k > m ε.tällöin merkitsemme d (a, u k ) = a u k < ε lim u k = a. k ja pistettä a sanotaan jonon (u k ) raja-arvoksi. Jos jono ei suppene, se hajaantuu.

18 Suppenevuus tarkoittaa, että jonon pisteiden u k etäisyys pisteestä a on mielivaltaisen pieni, kun k on tarpeeksi suuri. Merkitään koordinaatin i määräämää projektiokuvausta p i : R n R Tällöin p i on lineaarinen, toisin sanottuna jokaiselle α,β R. p i ( u1, u 2,..., u n ) = ui. p i (αu + βv) = αp i u + βp i v Lemma 4.3 Olkoot u = (u 1, u 2,..., u n ) R n ja v = (v 1, v 2,..., v n ) R n, Tällöin p i u = u i u

19 jokaiselle i = 1,,,,, n. Erityisesti p i u p i v = u i v i d (u, v). Lisäksi u n i=1 p i u.

20 Lause 4.4 Olkoot u i R n, kun i N. Tällöin jono (u k ) k N suppenee ja a = lim k u k jos ja vain jos reaalilukujono (p i u k ) k N suppenee ja jokaiselle i = 1,..., n. lim k p iu k = p i a Seuraus 4.5 Jos jono suppenee avaruudessa R n, niin sen raja-arvo on yksikäsitteinen. Seuraus 4.6 Olkoot u k R n, kun k N. Tällöin jono (u k ) k N suppenee jos ja vain jos jokainen sen osajono suppenee kohti samaa raja-arvoa.

21 Lause 4.7 Olkoot (u k ) k N ja (v k ) k N jonoja avaruudessa R n. Jos ja niin lim k u k = a lim k v k = b, 1. lim k u k + v k = a + b, 2. lim k u k v k = a b, 3. lim k βu k = βa.

22 Määritelmä 4.8 Joukkoa A R n sanotaan rajoitetuksi, jos on olemassa sellainen reaaliluku M > 0,että a M jokaiselle a A. Jono (a k ) on rajoitettu, jos sitä vastaava joukko {a k k N} on rajoitettu. Lemma 4.9 Jos jono (a k ) supeenee avaruudessa R n, niin jono (a k ) on rajoitettu. Lisäksi jos a k M jokaiselle k N, niin jonon (a k ) raja-arvo a teteuttaa ehdon a M. Lause 4.10 (Bolzano-Weierstrass) Olkoot a k R n. Jos a k M jokaiselle k N, niin jonolla (a k ) on suppeneva osajono, jonka raja-arvo a toteuttaa ehdon a M.

23 Todistus. Väite on todistettu, kun n = 1. Oletetan, että väite on voimassa, kun n = m N.Olkoot a k R m+1 ja oletetaan, että (p 1 a k ) (p m a k ) 2 + (p m+1 a k ) 2 = a k M jokaiselle k N. Tällöin (p 1 a k ) (p m a k ) 2 Merkitään (p 1 a k ) (p m a k ) 2 + (p m+1 a k ) 2 M. b k = (p 1 a k, p 2 a k,..., p m a k ). Induktio-oletuksen nojalla jonolla (b k ) on suppeneva osajono ( b ki )i N. Merkitääm b = lim i b ki. Koska p m+1 a ki (p1 a ki ) ( pm a ki ) 2 + ( pm+1 a ki ) 2 M,

24 niin reaalilukujonolla ( ) ( p m+1 a kj on suppeneva osajono p m+1 a kij )j N. Merkitään ) lim p m+1 a kij = b m+1. Koska (b kij on jonon ( b ki osajono, niin se suppenee ( ) )i N ja lim j b kij = b sekä lim j p l b kij = p l b jokaiselle l = 1,..., m. Siis ) lim (p 1 a kij, p 2 a kij,..., p m+1 a kij j Edellisestä lemmasta seuraa viimeinen osa väitteestä. = (b 1,..., b m+1 ). Seuraus 4.11 Jos jono (a k ) on rajoitettu, sillä on suppeneva osajono. Määritelmä 4.12 Jonoa (a k ) sanotaan Cauchyn jonoksi avaruudessa R n, jos jokaiselle ε > 0 on olemassa sellainen m ε N, että a t a s < ε

25 jokaiselle t, s > m ε. Joukkoa A R n sanotaan täydelliseksi, jos sen jokainen Cauchyn jono suppenee kohti joukon A pistettä. Lemma 4.13 Jono (a k ) on Cauchyn jonoavaruudessa R n, jos ja vain jos (p i a k ) k R n on Cauchyn jono avaruudessa R jokaiselle i = 1,..., n. Lemma 4.14 Olkoon M > 0. Joukko {u R n u M} on täydellinen. Lemma 4.15 Cauchyn jono avaruudessa R n on rajoitettu. Lause 4.16 Euklidinen avaruus R n on täydellinen.

26 5 Topologiaa joukossa R n 5.1 Avoin ja suljettu joukko Määritelmä 5.1 Olkoon u R n.joukkoa B (u, r) = {x R n x u < r} sanotaan r-säteiseksi u-keskiseksi avoimeksi palloksi. Joukkoa B (u, r) = {x R n x u r} sanotaan r-säteiseksi u-keskiseksi suljetuksi palloksi.

27 Topologian peruskäsitteet ovat seuraavat: Määritelmä 5.2 Olkoon U R n 1. joukkoa U R n sanotaan avoimeksi, jos jokaiselle pisteelle u on olemassa avoin pallo B (u, r) U. 2. Joukkoa U sanotaan suljetuksi, jos sen komplementtijoukko R n \U on avoin. 3. Piste u U on joukon U R n sisäpiste, jos on olemassa avoin pallo B (u, r) U. Sisäpisteiden joukkoa merkitään int U.

28 4. Piste u R n on joukon U R n reunapiste,jos jokaiselle r > 0 pätee B (u, r) U ja B (u, r) \U. Joukon A reunapisteiden joukko merkitään U 5. Piste u R n on joukon U R n kasautumispiste, jos jokaiselle r > 0 löytyy sellainen u r U, että 0 < u r u < r. 6. Piste u R n on joukon U R n erillinen piste, jos on olemassa sellainen r > 0, että B (u, r) U = {u}. Joukko voi olla suljettu ja avoin. Esimerkiksi on suljettu sekä avoin. Joukkon ei tarviste olla suljettu eikä myöskään avoin. ]a, b]. Esimerkiksi puoliavoin väli

29 Siitä, että joukko ei ole avoin, ei seuraa välttämättä, että joukko olisi suljettu tai päinvastoin.

30 Huomautus 5.3 Joukko A R n on avoin jos ja vain jos A = int A. Huomautus 5.4 Piste u ei ole joukon U kasautumispiste jos ja vain jos on olemassa sellainen avoin pallo B (u, r), että B (u, r) U {u}. Propositio 5.5 Avoin pallo B (u, r) on avoin joukko. Lemma 5.6 Jos u R n on joukon U R n kasautumispiste, niin jokaisessa avoimessa pallossa B (u, r) on äärettömän monta joukon U pistettä. Lisäksi on olemassa sellainen jono (u k ) joukon U eri pisteitä, että lim k u k = u. Seuraus 5.7 Äärellisellä joukolla ei ole kasautumispisteitä.

31 Lause 5.8 Joukko A R n on avoin jos ja vain jos A A = Merkitään F = int F F Joukkoa F sanotaan joukon F sulkeumaksi.

32 6 Halkaisija Määritelmä 6.1 Epätyhjän joukon epätyhjän A R n halkaisija on diam (A) = sup {d (x, y) x, y A} = Joukko on rajoitettu, jos A = tai diam (A) <. Huomautus 6.2 ja tyhjällä joukolla ei ole halkaisijaa. 0 diam (A) sup x y. x,y A Lemma 6.3 Jos A R n on rajoitettu, niin on olemassa sellainen pallo B r (0) että A B (0, r) eli x r jokaiselle x A.

33 7 Vektorifunktio Määritelmä 7.1 Olkoon A R n ja n, p N. Funktio f : A R p on 1. vektoriarvoinen funktio, jos p 2, 2. reaalifunktio, jos p = 1. Esimerkki. Tarkastellaan kuvausta g (x 1, x 2 ) = 9 x 2 1 x2 2 Funktion g graafi on joukko { (x 1, x 2, x 3 ) x 1, x 2 D, x 3 = } 9 x 2 1 x2 2

34

35 Määritelmä 7.2 Olkoon A R 2. Jos f : A R on kuvaus, niin sen graafi on joukko {(x 1, x 2, x 3 ) (x 1, x 2 ) A, x 3 = f (x 1, x 2 )}. Esimerkki 7.3 f (u) = u 2, u R 2.Funktion graafi on { (x1, x 2, x 3 ) (x 1, x 2 ) R 2, x 3 = x x2 2} Esimerkki 7.4 z = x 2 + y 2

36 z y2 4 2 x 4 Esimerkki 7.5 f (u) = u, u R 2.Funktion graafi on { (x 1, x 2, x 3 ) (x 1, x 2 ) R 2, x 3 = x x2 2 }. z = x 2 + y 2

37 z y x 2 4

38 8 Tasa-arvojoukko Määritelmä 8.1 Olkoon A R n ja f : A R reaalifunktio. Funktion f tasaarvojoukko on S r (f) = {x A f (x) = r}. Esimerkki 8.2 Funktion f (u) = u, u R 2 tasa-arvojoukko on { u R 2 u = r }. Siis r-säteinen origokeskinen pallon kehä.

39 8.1 Funktion raja-arvo Määritelmä 8.3 Olkoon D R n ja a joukon D kasautumispiste. Funktiolla f : D R on raja-arvo b R pisteessä a,jos jokaista ε > 0 kohti on olemassa sellainen δ a,ε = δ > 0, että f (x) b < ε jokaiselle x, joka toteuttaa ehdon 0 < x a < δ ja x D.Tällöin merkitään lim f (x) = b. x a Lause 8.4 Jos raja-arvo on olemassa, se on yksikäsitteinen.

40 Lause 8.5 Olkoon D R n ja a joukon D kasautumispiste. Funktiolla f : D R on raja-arvo b R pisteessä a, jos ja vain jos jokaiselle joukon D\ {a} pistettä a kohti suppenevalle jonolle (a k ) k N, (ts. a k D\ {a k } ja lim k a k = a pätee lim f (a k) = b. k Todistus. Oletetaan, että jokaiselle ε > 0 on olemassa sellainen δ > 0, että f(x) b < ε, kun 0 < x a < δ. ja x D\ {a}. Olkoon (a k ) k N siten, että lim k a k = a. ja a k D. Koska lim k a k = a, on olemassa m δ siten, että a k a < δ, kun k > m δ. Tällöin jokaiselle k > m δ pätee, että f(a k ) b < ε.

41 Siis lim k f (a k) = b. Oletetaan, että lim k f (a k ) = b jokaiselle jonolle (a k ) k N, missä a k D\ {x} ja lim a k = a. Tehdään vastaoletus, että lim x a f(x) b eli lim x a f(x) ei ole olemassa tai lim x a f(x) b. Tällöin on olemassa sellainen ε > 0, että kaikille δ > 0 löytyy a 1δ D siten, että 0 < Näin saadulle jonolle (a n ) k N pätee a 1 δ a f(a 1) b ε. δ lim k a k = a. < δ, mutta

42 Toisaalta f(a k ) b > ε jokaiselle k N, joten missä on ristiriita. lim k f (a k) b, Lause 8.6 Olkoon D R n ja a joukon D kasautumispiste. Jos f : D R sekä g : D R ovat funktioita. ja niin lim f (x) = c ja x a lim g (x) = d, x a (a) lim x a f (x) + g (x) = c + d,

43 (b) lim x a f (x) g (x) = ab, (c) lim x a βf (x) = βa, jokaiselle β R. Esimerkki 8.7 Tutki funktion raja-arvoa origossa (0, 0). f (x, y) = { x 2 y 2 x 2 +y2, kun (x, y) 0, Esimerkki 8.8 Laskuharjoitustehtävä: Selvitä, onko raja-arvo olemassa lim (x,y) (0,0) sin ( x 2 + y 2) x 2 + y 2

44 Esimerkki 8.9 Selvitä, onko raja-arvo olemassa? lim (x,y) (0,0) 3x 2 y x 2 + y Funktion jatkuvuus Määritelmä 8.10 Olkoon U R n. Funktio f : U R on jatkuva pisteessä a U, jos jokaista ε > 0 kohti on olemassa sellainen δ a,ε > 0,että f (u) f (a) < ε

45 jokaiselle u B (a, δ) U, toisin sanottuna aina kun u a < δ ja x U. Funktiota f sanotaan jatkuvaksi joukossa U, jos se on jatkuva jokaisessa pisteessä a U. Lause 8.11 Olkoon U R n. Jos funktio f : U R on jatkuva pisteessä a U, niin on olemassa sellainen ympäristö B (a, δ), että f on rajoitetettu joukossa B (a, δ) U, ts. on olemassa sellainen M > 0, että jokaiselle u B (a, δ) U. f (u) M Lause 8.12 Olkoon U R n. Funktio f : U R on jatkuva pisteessä a U, jos jokaiselle joukon U jonolle (x k ) k N, joka suppenee pistettä a kohti, pätee lim k f (x k) = f (a).

46 Esimerkki 8.13 Funktio f (x) = 2x 1 on jatkuva joukossa R n. lim f(x) = lim y x y x 2y 1 = 2 lim y = 2x y x 1. Olkoon ε > 0 ja valitaan, että δ = ε 2. Tällöin aina, kun y 1 x 1 y x < δ. f(y) 2x 1 = 2 y 1 x 1 < ε Esimerkki 8.14 Funktio f (x, y) = x 2 y 2 x 2 +y 2, kun (x, y) 0, 0, kun (x, y) = 0. ei ole jatkuva pisteessä (x, y) = 0. Ohje tarkastele suoria x = ky ja y = kx.

47 Lause 8.15 Olkoon U R n. Jos funktiot f : U R ja g : U R ovat jatkuvia pisteessä a U, niin funktiot αf + βg ovat jatkuvia pisteessä a jokaiselle α, β R. Lause 8.16 Olkoon U R n. Jos funktiot f : U R ja g : U R ovat jatkuvia pisteessä a U, niin fg on jatkuva ja f g on jatkuva, mikäli g (a) 0. Seuraus 8.17 Polynomifunktio f (x 1,.., x n ) = on jatkuva funktio. 0 i i n m a (i 1, i 2,.., i n ) x i x i n, a (i 1, i 2,.., i n ) R

48 9 Reaaliarvoisen funktion osittaisderivaatat 9.1 Osittaisderivaaatat Määritelmä 9.1 Olkoon U R 2 avoin, f : U R ja (a, b) U. Funktiolla f on osittaisderivaatta muuttujan x suhteen pisteessä (a, b), jos on olemassa raja-arvo lim h 0 f (a + h, b) f (a, b). h Tätä raja-arvoa merkitsemme f x (a, b) tai f x (a, b) tai D 1f (a, b). Funktiolla f on osittaisderivaatta muuttujan y suhteen pisteessä (a, b), jos on olemassa raja-arvo lim h 0 f (a, b + h) f (a, b). h

49 Tätä raja-arvoa merkitsemme f y (a, b) tai f y (a, b) tai D 2f (a, b). Huomautus 9.2 Olkoon U R 2 avoin, f : U R ja (a, b) U. Jos merkitään niin mikäli g (a) on olemassa. Samoin jos niin g (x) = f (x, b) g (a) = f x (a, b) h (y) = f (a, y) h (b) = f y (a, b) mikäli h (b) on olemassa. Siis f x (a, b) on käyrän g (x) = f (x, b) tangentin kulmakerroin. Vastaavasti f y (a, b)on käyrän h (y) tangentin kulmakerroin.

50 Esimerkki 9.3 Olkoon f : R 2 R { 0, kun x = y = 0 f (x, y) = xy x 2 +y 2 (x, y) 0 Osoita, että funktiolla on kaikki osoittaiderivaatat kaikkialla, mutta funktio ei ole jatkuva origossa., Määritelmä 9.4 Olkoon U R 2 avoin, f : U R ja (a, b) U. Jos funktiolla f

51 on osittaisderivaattat muuttujien x ja y suhteen pisteessä (a, b), niin mikäli nämä ovat olemassa. f xx (a, b) = ( f x x f yx (a, b) = ( f y x f xy (a, b) = ( f x y f yy (a, b) = ( f y y ) ) ) ) (a, b) = 2 f (a, b), x2 (a, b) = 2 f x y (a, b) = 2 f y x (a, b), (a, b), (a, b) = 2 f (a, b) y2

52 Esimerkki 9.5 Osoita, että funktio on harmoninen eli toteuttaa yhtälön f (x, y) = e x sin y 2 f (x, y) x f (x, y) y 2 = 0. Lause 9.6 (Clairautin lause.) Olkoon U R n avoin ja f : U R. Jos osittaisderivaatat f xk x r ja f xr x k ovat olemassa ja jatkuvia jossain pallossa B r a U, niin f xk x r = f xr x k.

53 10 Osittaisderivaatat useamman muuttujan funktiolle Määritelmä 10.1 Olkoon U R n avoin, f : U R ja u U. Merkitään e 1 = (1, 0,..., 0), e 2 = (0, 1,..., 0),. e n = (0, 0,..., 1). Funktiolla f on osittaisderivaatta muuttujan x i suhteen pisteessä u, jos on olemassa raja-arvo lim h 0 f (u + he i ) f (u). h

54 Tätä raja-arvoa merkitsemme f xi (u) tai f x i (u) tai D i f (u) tai i (u). Esimerkki 10.2 Kun n = 2, niin e 1 = (1, 0), e 2 = (0, 1). Merkitään u = (a, b). Olkoon i = 1. Tällöin osittaisderivaatta muuttujan x 1 suhteen on raja-arvo lim h 0 mikäli se on olemassa f (u + he i ) f (u) h f (a + h, b) f (a, b) = lim, h 0 h Esimerkki 10.3 Olkoon f (x 1, x 2, x 3 ) = x x 1x 3 + x 3 2 x 3

55 Esimerkki 10.4 Funktio f (x, t) = sin (x at), a > 0. Osoita, että f toteuttaa aaltoyhtälön 2 f t 2 = a2 2 f x 2 11 Kahden muuttujan funktion osittaisderivaatojen geometrinen tulkinta Olkoon A R 2. Jos f : A R on kuvaus, niin sen graafi on joukko S = {(x, y, z) (x, y) A, z = f (x, y)}.

56 Jos f (a, b) = c, niin piste (a, b, c) on pinnalla S. Kun y = b on vakio, tarkastelemme pinnan leikkauskäyrää (x, b, f (x, b)). Kun x = a on vakio, tarkastelemme pinnan leikkauskäyrää (a, y, f (a, y)). Tälläin kun merkitsemme g (x) = f (x, b), niin g (a) = f x (a, b). Siis funktion g (x) kuvaajan tangentin kulmakerroin on leikkauskäyrän (x, b, f (x, b)) tangentin kulmakerroin. Vastaavasti kun merkitsemme h (y) = f (a, y), niin h (b) = f y (a, b). Siis funktion h (y) kuvaajan tangentin kulmakerroin on leikkauskäyrän (a, y, f (a, y)) tangentin kulmakerroin.

57 Esimerkki 11.1 Olkoon f (x, y) = 4 x 2 2y 2. Laske f x (1, 1) ja f y (1, 1). z = 4 x 2 2y 2

58 z y2 4 2 x 4 4 4

59 12 Suunnattu derivaatta. Määritelmä 12.1 Olkoon U R n avoin, u R n ja e R n sekä e = 1. Funktion f : U R m suunnattu derivaatta suuntaan e pisteessä u U on rajaarvo f (u + he) f (x) lim. h 0 h mikäli se on olemassa. Funktion f suunnattua derivaattaa suuntaan e pisteessä u merkitään D e f (u). Huom. D ei f (u) = D i f (x) = f xi = f x i.

60 Esimerkki 12.2 Olkoon f (x 1, x 2 ) = x 1 x 2 ja e = e 1+e Tangenttitaso Olkoon A R 2 ja f : A R on kuvaus, jonka graafi on joukko ja jolla on jatkuvat osittaisderivaatat. S = {(x, y, z) (x, y) A, z = f (x, y)} Lause 13.1 Pinnan S tangenttitason yhtälö pisteessä (x 0, y 0, z 0 ) S on a (x x 0 ) + b (y y 0 ) = z z 0,

61 missä a = f x (x 0, y 0 ) b = f y (x 0, y 0 ) z 0 = f (x 0, y 0 ) Määritelmä 13.2 Olkoon U R n avoin ja u U, niin funktion f : U R gradientti pisteessä x 0 on f (u) = ( f (u),..., f ) (u) x 1 x n = (D 1 f (u),..., D n (u)).

62 Seuraus 13.3 Olkoon U R n avoin, u U ja f : U R funktio, jolla on jatkuvat osittaisderivaatat. Pinnan S = {(x, y, z) (x, y) A, z = f (x, y)} tangenttitason normaali pisteessä u on ( ) f f f (u) = (u), x y (u) Esimerkki 13.4 Etsi tangenttitaso elliptiselle paraboloidille pisteessä (1, 1, 3) Paraboloidin määrää yhtälö z = 2x 2 + y 2.

63 14 Kuvauksen aproksimointi Huomautus 14.1 Olkoon U R 2 avoin, u 0 U ja f : U R jatkuva funktio, jolla on jatkuvat osittaisderivaatat. Tällöin kuvausta f voidaan approksimoida seuraavalla affi inilla kuvauksella f (u) f (u 0 ) + f (u 0 ) (u u 0 ). Nimittäin f (u) f (u 0 ) + f (u 0 ) (u u 0 ) f (u) f (u 0 ) + f (u 0 ) u u 0.

64 Huomautus 14.2 Olkoon U R 2 avoin, u 0 = (x 0, y 0 ) U ja f : U R funktio. Funktion f graafia voidaan approksimoida tangenttitasolla S = {(x, y, z) (x, y) U, z = f (x, y)} f (x 0, y 0 ) ((x, y) (x 0, y 0 )) = z z 0 Esimerkki 14.3 Olkoon f : R 2 R laske gradientti. f (x) = sin x 1 cos x 2 Esimerkki 14.4 Laske funktion f (x) = x 2

65 gradientti. 15 Lineaarikuvauksista Määritelmä 15.1 Kuvausta T : R n R m sanotaan lineaarikuvaukseksi, jos 1. T (u + v) = T u + T v 2. T (ru) = rt u

66 jokaiselle u, v R n ja r R. Lause 15.2 Kuvausta T : R n R m on lineaarinen jos ja vain jos jokaiselle r, s R ja u, v R n. T (ru + sv) = rt u + st v Lause 15.3 Kerrataan lineaarikuvauksen matriisi Lause 15.4 Olkoon T : R n R m. Tällöin on olemassa m n matriisi A, joka toteuttaa ehdon T (h) = ( Ah T ) T.

67 Lisäksi matriisin A esitys pystyrivimuodossa on A = [ T (e 1 ) T...T (e n ) T ], missä {e 1,..., e n } on avaruuden R n standardi kanta. Seuraus 15.5 Jokaista lineaarikuvausta T : R n R vastaa sellainen a R n, että Esimerkki 15.6 Olkoon T x = a x. T x = x 1 + x 2 x 3 x 4 3x 5 Määritelmä 15.7 Kuvausta S : R n R m sanotaan affi inikuvaukseksi, jos on olemassa sellainen lineaarlikuvaus T : R n R m ja a R n,että Sx = T x + a.

68 16 Derivaatan määritelmä Määritelmä 16.1 Olkoon E R n avoin, f : E R ja x E.Funktiota f sanotaan differentioituvaksi pisteessä x E, jos on olemassa sellainen lineaarinen kuvaus T x : R n R, että lim h 0 f (x + h) f (x) T x (h) h = 0. Tällöin lineaarikuvausta T x sanotaan funktion f derivaataksi pisteessä x. Funktion derivaattaa pisteessä x merkitään Df (x) tai f (x). Huom. Funktio f : E R on differentioituva pisteessä x E, jos ja vain jos on olemassa lineaarinen kuvaus T x : R n R m ja pisteen nolla jossain ympäristössä

69 määritelty funktio ε (h), jotka toteuttavat ehdot ja f (x + h) f (x) = T x (h) + h ε (h) lim ε (h) = 0. h 0 Lause 16.2 Olkoon E R n avoin, f : E R m ja x E. Jos f on differentioituva pisteessä x, niin kuvaus T x on yksikäsitteinen. Todistus. Oletetaan, ettäjossain ympäristössä määritellyt funktiot ε (h) ja ε (h) sekä lineaarikuvaukset T x ja T x toteuttavat ehdot, jotka toteuttavat ehdot f (x + h) f (x) = T x (h) + h ε (h) f (x + h) f (x) = Tx (h) + h ε (h) lim ε (h) = 0 = lim h 0 h 0 ε (h) = 0.

70 jossain pisteen nolla jossain ympäristössä B r (0). Tällöin T x (h) T x (h) = h (ε (h) ε (h)) eli T x (h) T x (h) h = ε (h) ε (h) jokaiselle h B r (0). Olkoon h 0 B r (0) \ {0} kiinteä. Tällöin αh B r (0), kun α [0, 1]. Siis ε (αh 0 ) + ε (αh 0 ) = T x (αh 0 ) T x (αh 0 ) αh 0 Kun ε 0, saamme = T x (h 0 ) Tx (h 0 ). h 0 T x (h 0 ) T x (h 0 ) h 0 = lim α 0 ε (αh 0 ) + ε (αh 0 ) = 0.

71 Siis T x (h 0 ) Tx (h 0 ) = 0 h jokaiselle h 0 B r (0). Koska r 2 h B r (0) jokaiselle h R n, niin T x = Tx. Lause 16.3 Olkoon E R n avoin, f : E R ja x E. Jos f on differentioituva pisteessä x, niin f on jatkuva pisteessä x. Olkoon E R n avoin, f : E R ja x E.Jos f on differentioituva, niin sillä on osittaisderivaatat kaikkien koordinaattien x j suhteen ja f (x) (h) = h 1 D 1 f (x) h n D n f (x) = f (x) h.

72 Esimerkki 16.4 Lineaarikuvauksen T : R n R, niin T (x + h) T (x) = T x + T h T x = T h. Siis funktion f derivaatta on f (x) = T ja ε (h) = 0 Esimerkki 16.5 Funktiolla voi olla osittaisderivaatat olemassa, mutta funktio ei ole differentioituva f (x, y) = { x + y, kun x = 0 tai y = 0 1 muuten.

73 Lause 16.6 Olkoon U R n avoin. Jos funktiolla f : U R on jatkuvat osittaisderivaatat osittaisderivaatat joukossa U, niin f on differentioituva. 17 Derivoimiskaavoja Lause 17.1 Jos f, g : G R, G R n avoin, ovat differentioituvia pisteessä x 0 G, niin funktio on differentioituva pisteessä x 0 ja f + g D (f + g) (x 0 ) = Df (x 0 ) + Dg (x 0 )

74 eli D (f + g) (x 0 ) h = Df (x 0 ) h + Dg (x 0 ) h. Lause 17.2 Jos G R n avoin ja f, g : G R,, ovat differentioituvia pisteessä x 0 G, niin funktio on differentioituva pisteessä x 0 ja eli fg D (fg) (x 0 ) = Df (x 0 ) g (x 0 ) + f (x 0 ) Dg (x 0 ) D (fg) (x 0 ) h = g (x 0 ) Df (x 0 ) h + f (x 0 ) Dg (x 0 ) h

75 Seuraus 17.3 Jos G R n avoin ja f : G R on t differentioituva pisteessä x 0 G, niin funktio αf on differentioituva pisteessä x 0 jokaiselle α R ja eli D (αf) (x 0 ) = αdf (x 0 ) D (αf) (x 0 ) h = αdf (x 0 ) h. Lause 17.4 Olkoon U R n avoin. Jos f : U R on differentioituva pisteessä x U, niin funktiolla f on olemassa pisteessä x suunnatut derivaatat jokaiseen e R n suuntaan ja D u f (x) = f (x) e.

76 Määritelmä 17.5 Olkoon E R n avoin, f : E R m ja x E.Funktiota f = (f 1,..., f m ) sanotaan differentioituvaksi pisteessä x E, jos jon olemassa sellainen lineaarinen kuvaus T x : R n R m, että lim h 0 f (x + h) f (x) T x (h) h = 0. Tällöin lineaarikuvausta T x sanotaan funktion f derivaataksi pisteessä x. Funktion derivaattaa pisteessä x merkitään Df (x) tai f (x). Seuraus 17.6 Olkoon E R n avoin, f : E R m ja x E.Funktio f = (f 1,..., f m ) on differentioituva pisteessä x E, jos ja vain jos jokainen koordinaattikuvaus f i on differentioituva. Jos f on differentioituva, niin Df (x) = (Df 1 (x),..., Df m (x))

77 ja lineaarikuvauksen Df (x) : R n R m matriisi on Df 1 (x). Df m (x) = f 1 (x). f m (x). Lause 17.7 Olkoot U R n ja V R m avoimia. Jos f : U V on differentioituva pisteessä x 0 U ja g : V R s on differentioituva pisteessä f (x 0 ) V, niin funktio g f on differentioituva pisteessä x 0 ja D (g f) (x 0 ) = Dg (f (x 0 )) Df (x 0 )

78 Siis lineaarikuvuvauksen D (g f) (x 0 ) matriisi on = Dg 1 (f (x 0 )). Dg s (f (x 0 )) g 1 x (f (x 1 0 )). g s x (f (x 1 0 )) s m g 1 Df 1 (x). Df m (x) x m (f (x 0 )). g s x m (f (x 0 )) m n s m f 1 x (x 1 0 ). f m x (f (x 1 0 )) f 1 x n (x 0 ). f s x n (x 0 ) m n. Seuraus 17.8 Olkoot U R n ja V R avoimia. Jos f : U V on differentioituva pisteessä x 0 U ja g : V R on differentioituva pisteessä f (x 0 ) V,

79 niin funktio g f on differentioituva pisteessä x 0 ja D (g f) (x 0 ) = Dg (f (x 0 )) Df (x 0 ) = g (f (x 0 )) Df (x 0 ) ( = g (f (x 0 )) f (x 0 ) = g f (f (x 0 )) (x 0 ),..., f (x 0 ) x 1 x n ja funktion g f derivaatan matriisi on g (f (x 0 )) [ f x 1 (x 0 )... f x n (x 0 ) ] ) Lause 17.9 (Ketjusääntö I) Olkoot U R ja V R n avoimia. Jos funktio f : U V f (t) = (x 1 (t),..., x n (t)), missä x i : U R, on differentioituva pisteessä x 0 U ja g : V R on differentioituva pisteessä f (x 0 ) V, niin funktio g f on differentioituva pisteessä

80 t 0 ja (g f) t = g x 1 x 1 t + g x 2 x 2 t = n i=1 g x n x n t g x i x i t = ( g) (f (t 0)) ( x1 t (t 0),..., x n t (t 0) ). Esimerkki Okoon g (x, y) = x 2 y + 3xy 4 ja f (t) = (sin 2t, cos t). Laske (g f) t (t). Laske (g f) t (0). g f (t) = sin 2 (2t) cos t + 3 sin 2t cos 4 t (g f) (t) = 4 sin (2t) cos (2t) cos t sin 2 (2t) sin t + 6 cos (2t) cos 4 t 12 sin 2t cos 3 t sin t

81 Ketjusäännön avulla g f (t) t = g x x t + g y y t = g x (f (t)) sin 2t t + g y (f (t)) cos t t = 2 cos 2t [ 2xy + 3y 4] x=sin 2t,y=cos t sin t [ x xy 3] x=sin 2t,y=cos t = 4 cos 2t sin 2t cos t + 6 cos 2t cos 4 t sin t sin 2 2t 12 sin t sin 2t cos 3 t. Siis (g f) t (0) = 6. Huomautus Edellisen esimerkin derivaatta voidaan tulkita funktion g (x, y) muutosnopeudeksi muuttujan t

82 suhteen, kun (x, y)-piste kulkee käyrällä f (t) = (sin 2t, cos t) y x

83 Olkoot U R n ja V R n avoimia. Jos funktio f : V U f (x) = (u 1 (x),..., u n (x)), on differentioituva pisteessä x 0 V, g : U R, on differentioituva pisteessä f (x 0 ) U, niin funktio g f on differentioituva pisteessä x 0 ja missä h i (x 0 ) = D (g f) (x 0 ) = Dg (f (x 0 )) Df (x 0 ) = (h 1 (x 0 ),..., h n (x 0 )) (g f) x i (x 0 ) = g u 1 (f (x 0 )) u 1 x i (x 0 ) + g u 2 (f (x 0 )) u 2 x i (x 0 ) g u n (f (x 0 )) u n x i (x 0 Esimerkki Olkoon g (u, v) = e u sin v ja f (x, y) = ( xy 2, x 2 y ). D (g f) (x, y). Laske

84 Lasketaan g f Siis D (g f) (x, y) h = = ( g f (x, y) = e xy2 sin ( x 2 y ) y 2 e xy2 sin ( x 2 y ) + e xy2 2xy cos ( x 2 y ), 2xye xy2 sin ( x 2 y ) + x 2 e xy ( y 2 e xy2 sin ( x 2 y ) + e xy2 2xy cos ( x 2 y )) h 1 + (2xye xy2 sin ( x 2 y )

85 Ketjusäännön avulla g f x = g u u x + g v v x = g u g v (f (x, y)) (x, y) + ((f (x, y))) (x, y) u x v x = [e u sin v] u=xy 2,v=x 2 y y2 + 2xy [e u cos v] u=xy,v=x 2 y = y 2 e xy2 sin ( x 2 y ) + 2xye xy2 cos x 2 y

86 ja g f y = g u u y + g v v y = g u (f (x, y)) u y (x, y) + g v ((f (x, y))) v y (x, y) = [e u sin v] u=xy 2,v=x 2 y 2xy + x2 [e u cos v] u=xy 2,v=x 2 y = 2xye xy2 sin ( x 2 y ) + x 2 e xy2 cos x 2 y. Siis D (g f) h = ( y 2 e xy2 sin ( x 2 y ) ) ( + 2xye xy2 cos x 2 y h 1 + 2xye xy2 sin ( x 2 y ) + x 2 e xy2 co

87 18 Maksimimuutos Olkoon f (x, y) kahden reaalimuuttujan funktio. Tarkastellaan kaikkia mahdollisia suunnattuja derivaattoja annetussa pisteessä u 0 = (a, b). Funktion f muutosnopeus pisteessä u 0 yksikkövektorin e suuntaan on sunnattu derivaatta e f (u 0 ) eli lim h 0 f (u 0 + he) f (u 0 ) h = e f (u 0 ) Missä näistä suunnista funktion f muutosnopeus on suurin?

88 Mikä on suurin muutosnopeus? Lause 18.1 Olkoon f : R 2 R, (x, y) f (x, y) differentioituva. Jos u 0 R 2 ja f (u 0 ) 0, niin funktion f suurin muutosnopeus on sunnatun derivaana maksimiarvo, joka saadaan kun vektorin suunta on sama kuin gradienttivektorin suunta, Todistus. Tällöin Cauchy-Schwarzin mukaan e f (u 0 ) = f (u 0 ) e. e f (u 0 ) f (u 0 ) e = f (u 0 ) Toisaalta, kun e = f(u 0) f(u 0 ) ( f (u 0) = 0, sillä f (u 0 ) 0), niin e f (u 0 ) = f (u 0 )

89 Siis muutosnopeus on suurin gradientin määrämän yksikkövektorin suunnassa. e f (u 0 ) 19 Gradientin geometrinen merkitys Tarkastellaan graaffi a S = {(x, y, z) z = f (x, y), x, y R}.

90 Pisteessä (x 0, y 0 ) tangenttitason yhtälö f x (x 0, y 0 ) (x x 0 ) + f y (x 0, y 0 ) (y x 0 ) = z z 0 Siis tangenttitason normaali pisteessä (x 0, y 0 ) on ( f x (x 0, y 0 ), f ) y (x 0, y 0 ), 1 Olkoon φ 3 (t) = f (φ 1 (t), φ 2 (t)). Tällöin käyrä γ (t) = (φ 1 (t), φ 2 (t), φ 3 (t)) on graafilla S. Käyrän tangentin suuntavektori saadaan seuraavasti lim t 0 γ (t) γ (t 0 ) t t 0 = ( φ 1 (t 0), φ 2 (t 0), φ 3 (t 0) )

91 Ketjusäännön nojalla φ 3 (t) = f x (φ 1 (t 0 ), φ 2 (t 0 )) φ 1 (t 0) + f y (φ 1 (t 0 ), φ 2 (t 0 )) φ 2 (t 0). Siis suuntaveltori toteuttaa ehdon ( φ 1 (t 0 ), φ 2 (t 0), φ 3 (t 0) ) ( f x (φ 1 (t 0 ), φ 2 (t 0 )), f y (φ 1 (t 0 ), φ 2 (t 0 )), 1 Mistä seuraa, että käyrän γ (t) tangenttisuora ) = 0, t ( φ 1 (t 0), φ 2 (t 0), φ 3 (t 0) ) + (φ 1 (t 0 ), φ 2 (t 0 ), φ 3 (t 0 )) missä t R on tangenttitasossa. Erityisesti, jos tarkastelemme tasa-arvokäyriä f (x, y) = vakio, niin se määrittelee käyrän (x, y, f (x, y) = C)

92 z = xy z y x 4 4 xy = 1

93 y x

94 20 Korkeamman kertaluvun osoittaisderivaatat Olkoon f : R n R funktio.toisen kertaluvun osittaisderivaatat määritellään seuraavasti j ( i f) = 2 f = ( ) f = D ji f = ji x j x i x j x i Vastaavasti ik ik 1... i1 f = k f x jk... x i1 = ik ik 1... i1 f = D ik i k 1...i 1 f mikäli i j {1,..., n}, j = 1,..., k.

95 Jos i 1 =... = i k = i {1,..., n}, niin merkitään ik ik 1... i1 f = k f x k i Kerrataan yhden muuttujan Taylorin kaava Lause 20.1 (Taylorin kaava) Olkoon f : ]a, b[ R funktio, jonka f (n 1) on jatkuva välillä ]a, b[ ja f (n) on olemassa välillä ]a, b[. Tällöin jokaiselle x, x 0 ]a, b[ ja x 0 < x, on olemassa sellainen c ]x 0, x[, että f (x) = n 1 k=0 f (k) (x 0 ) k! (x x 0 ) k + R n (x),

96 missä R n (x) = f (n) (c) n! (x x 0 ) n. Määritelmä 20.2 Olkoon Ω avoin joukon R n osajoukko. Joukossa Ω jatkuvien funktioiden f : Ω R joukkoa merkitään C(Ω). Sellaisten funktioiden f : Ω C joiden kaikki osittausderivaatat D α1,α 2,...,α k ovat jatkuvia α i {1,..., n} joukkoa merkitään C k (Ω). Määritelmä 20.3 Olkoon U R n avoin ja x 0 R n. Funktion f : U R m osittaisderivaatan D i1,i 2,...,i k f kertaluku on k. Olkoon U R n avoin. Jos funktiolla f on kaikki kertalukua k olevat osittaisderivaatat, niin merkitsemme d (k) f (x 0 ; h) = n i k =1 n i 1 =1 i1 i 2...i k f (x 0 ) h i1 h i2...h ik.

97 Lauseketta d (k) f (x; h) sanotaan kertalukun differentiaaliksi pisteessä. Kun k = 0, d (0) f (x 0 ; h) = f (x 0 ) Lemma 20.4 Jos f C k (R n ), niin d (k) f (x 0 ; h) = s n +s n s 1 =k ( k s 1, s 2,..., s n ) k f x s n n... x s 1 1 (x 0 ) h s 1 1 hs hs t n. Esimerkki 20.5 d (1) f (x 0 ; h) = d (2) f (x 0 ; h) = D 11 f (x 0 ) h 2 1 +D 12f (x 0 ) h 1 h 2 +D 21 f (x 0 ) h 2 h 1 +D 22 f (x 0 ) h 2 2.

98 Jos f C 2 ( R 2), niin d (k) f (2) (x 0 ; h) = D 11 f (x 0 ) h D 12f (x 0 ) h 1 h 1 + D 22 f (x 0 ) h 2 2. Lause 20.6 (Taylor) Olkoon U R n avoin. Oletetaan, että funktion f : U R kaikki kertalukua m olevat osittaisderivaatat ovat jatkuvia. Jos x 0 U ja x U ja L (x 0, x) U, missä L (x 0, x) = {z R n z = (1 t) x 0 + tx, t [0, 1]} niin on olemassa sellainen c L (x 0, x), että f (x) = m 1 k=0 d (k) f (x 0 ; x x 0 ) + R m f (x) k!

99 ja R m f (x) = f (m) (c, x x 0 ). m! Todistus. Olkoon x = x 0 + h. Tarkastellaan kuvausta ϕ (t) = x 0 + th ja f ϕ käytetään ketjusääntöä välillä ] ε, 1 + ε[. Siis f ϕ (1) = n 1 k=0 (f ϕ) (k) (0) + R n f (1). k!

100 Kun n = 2,niin d (1) f (x 0 ; th) = (f ϕ) (0) = = n i=1 f x i (x 0 ) h i d (2) f (x 0 ; th) = (f ϕ) (0) = ja induktiivisesti voimme todistaa d (k) f (x 0 ; h) = d (k) f (x 0 ; h) = = s n +s n s 1 =k n n i k =1 i 1 =1 ( k n i=1 n i=1 s 1, s 2,..., s n f x i (x 0 ) ϕ i t (0) 2 f x j x i (x 0 ) h i h j i1 i 2...i k f (x 0 ) h i1 h i2...h ik ) k f x s n n... x s 1 1 (x 0 ) h s 1 1 hs hs t n

101 R m f (x) = f (m) (c, x x 0 ) = d(m) f (c; h) m! m! ( m ) k f = s n +s n s 1 =m s 1, s 2,..., s n x s n n... x s 1 1 (c) h s 1 1 hs hs t n Esimerkki 20.7 Kun m = 2 ja f C ( R 2), niin f (x 0 + h) = 1 k=0 d (k) f (x 0 ; h) + R 2 f (x) k! = f (x 0 ) + h 1 D 1 f (x 0 ) + h 2 D 2 f (x 0 ) + R 2 f (x).

102 Esimerkki 20.8 Kun k = 3ja f C ( R 2), niin f (x 0 + h) = 2 k=0 d (k) f (x 0 ; h) + R 2 f (x) k! = f (x 0 ) + h 1 D 1 f (x 0 ) + h 2 D 2 f (x 0 ) + D 11 f (x 0 ) h D 12f (x 0 ) h 1 h Ääriarvoista Määritelmä 21.1 Olkoon U R n avoin ja f : U R differentioituva pisteessä a U. Jos Df (a) = 0, niin pistettä a sanotaan kriittiseksi pisteeksi. Kriittistä

103 pistettä sanotaan satulapisteeksi, jos jokaisessa pallossa B r a on olemassa pisteet x ja y, joissa pätee ehdot f (x) > f (a) ja f (y) < f (a). Määritelmä 21.2 Olkoon U R n avoin. Funkiolla f : U R on lokaali maksimi

104 pisteessä a U, jos on olemassa sellainen ympäristö B r a, että f (x) f (a) jokaiselle x B r a. Vastaavasti funktiolla f on lokaali minimi pistessä b U, jos on olemassa sellainen ympäristö B r a, että jokaiselle x B r a. f (x) f (a) Lause 21.3 Olkoon U R n avoin ja f : U R differentioituva pisteessä a U. Jos Df (a) = 0, niin piste on joko lokaali maksimi-, minimi- tai satulapiste. Lause 21.4 Olkoon E R n suljettu ja rajoitettu ja f : E R on jatkuva, niin f saavuttaa joukossa E suurimman ja pienimmän arvonsa. Joukon suurin tai pienin arvo saavutetaan joukon reunalla E tai joukon sisäpisteessä.

105 Huomaa, että jos E on suljettu, niin E = E = int E E. Lause 21.5 Olkoon U R 2 avoin. Oletetaan, että f : U R on C 3 (U) -funktio ja x 0 U on funktion f kriittinen piste. Tällöin 1. jos D 11 f (x 0 ) D 22 f (x 0 ) (D 12 f (x 0 )) 2 > 0 ja D 11 f (x 0 ) > 0, niin x 0 on aito lokaali minimipiste, 2. jos D 11 f (x 0 ) D 22 f (x 0 ) (D 12 f (x 0 )) 2 > 0 ja D 11 f (x 0 ) < 0, niin x 0 on aito lokaali maksimipiste,

106 3. jos niin x 0 on satulapiste. D 11 f (x 0 ) D 22 f (x 0 ) (D 12 f (x 0 )) 2 < 0, 4. jos D 11 f (x 0 ) D 22 f (x 0 ) (D 12 f (x 0 )) 2 = 0, niin suoraan ei voi päätellä, millainen kriittinen piste se on. Perusteluja. Funktiolla f on esitys f (x 0 + h) = f (x 0 )+h 1 D 1 f (x)+h 2 D 2 f (x 0 )+D 11 f (x 0 ) h D 12f (x 0 ) h 1 h 2 +D 22 f (x Koska x 0 on kriittinen piste, niin f (x 0 ) = 0 ja D 1 f (x) = D 2 f (x) = 0, joten f (x 0 + h) = f (x 0 )+D 11 f (x 0 ) h D 12f (x 0 ) h 1 h 1 +D 22 f (x 0 ) h 2 2 +R 3f (x 0 )

107 Siis f (x 0 + h) f (x 0 ) = D 11 f (x 0 ) h D 12f (x 0 ) h 1 h 1 +D 22 f (x 0 ) h 2 2 +R 3f (x 0 ) ja R 3 f (x 0 ) Merkitään a = D 11 f (x 0 ) b = D 12 f (x 0 ) c = D 22 f (x 0 )

108 ja x = h 1 sekä y = h 2. Olkoon a 0. Tällöin ax 2 + 2bxy + cy 2 = a = a [( x b b2 xy + a [ ( x + by a ) 2 + a 2y2 ) + ca b2 a 2 y 2 ca b2 a 2 y 2 Jos a > 0 ja ca b 2 > 0, niin x 0 on aito minimipiste, sillä Jos a < 0 ja ca b 2 > 0, niin x 0 on aito maksimipiste. ]. ] Jos D 11 f (x 0 ) D 22 f (x 0 ) (D 12 f (x 0 )) 2 < 0, niin satulapiste. Esimerkki 21.6 Olkoon f : R 2 R f (x 1, x 2 ) = x x3 2 3x 1x 2

109 Etsi lokalit ääriarvot. z = x 3 + y 3 3xy z y2 4 2 x 4 4 Ratkaisu

110 22 Sidotut ääriarvot Määritelmä 22.1 Olkoon U R n avoin sekä funktiot f : U R ja g : U R differentioituvia funktioita, joilla on jarkuvat osittaisderivaatat. Merkitään S = {u U g (u) = 0} Sidottu ääriarvotehtävä on ongelma, jossa etsitään funktion maksimi tai minimi arvoja joukossa S, ts. ehdolla g (x) = 0. Lause 22.2 Sidotun ääriarvotehtävän ratkaisu saadaan ratkaisemalla yhtälöryhmä f (u) = λ g (u) g (u) = 0 pisteen x ja kertoimen λ R suhteen. Jos u S on funktion f ääriarvopiste joukossa S ja g (u) 0, niin f (u) = λ g (u) jollekin kertoimelle λ R.

111 Kerrointa λ sanotaaa Lagrangen kertoimeksi. Esimerkki 22.3 Olkoon f (x, y) = xy ja g (x, y) = x 2 + y 2 4 = 0. Tällöin Siis ja f (x, y) = (y, x) g (x) = (2x, 2y). (y, x) = λ (2x, 2y) x 2 + y 2 4 = 0 x 2 + y 2 4 = 0. y = 2xλ x = 2yλ = 4xλ 2

112 Siis λ = ± 1 2 y = ±x 2x 2 = 4 joten x = ± 2 y = ± 2 λ = ± 1 2 f (x, y) = 2. Siis suorakaiteen suurin ala on 2, kun sen halkaisijan pituus on 2. Tällöin suorakaide on neliö, jonka sivu on 2.

113 22.1 Moniulotteinen Riemann integraali Joukon R n rajoitettu intervalli I on joukko, joka voidaan kirjoittaa muodossa I = I 1... I n, missä joukot I k ovat rajoitettuja välejä joukossa R jokaiselle k = 1,..., n. Intervallin I mitta on kuvaus l, joka määräytyy kaavasta l(i) = l(i 1 )... l(i n ). Määritelmä 22.4 Olkoon P i välin I i jako, kun i = 1,..., n. Jos J k on välin I k jokin jaon P k jakoväli, niin yleistettyjen intervallien J = J 1... J n

114 joukkoa sanotaan intervallin I jaoksi ja sitä merkitään P = (P 1,..., P n ). Kun intervalli J kuuluu jakoon P, niin sitä sanotaan jaon P intervalliksi ja sitä merkitään J P. l(i) = l(i 1 )... l(i n ). Olkoon funktio f : I R rajoitettu. Jos P on intervallin I on jako ja J sen jakoväli, niin määritellään luvut M (f, J) ja m (f, J) seuraavasti: M (f, J) = sup {f(y) y J}, m (f, J) = inf {f(y) y J}. Näiden lukujen avulla puolestaan määrittelemme jakoa P vastaavan Darboux yläsum-

115 man U(f, P) ja alasumman L(f, P) seuraavasti: U(f, P) = M (f, J) l(j), J P L(f, P) = J P m (f, J) l(j). Lemma 22.5 Jos P on intervallin I R n jako, niin 1. m (f, J) M (f, J), 2. L(f, P) U (f, P).

116 Lemma 22.6 Olkoon I R n intervalli. Jos f : I R toteuttaa ehdon jokaiselle x I, niin m f (x) M jokaiselle intervallin jaolle P. ml (I) L(f, P) U (f, P) Ml (I), Määritelmä ( 22.7 Olkoon I R n intervalli. Jos P = (P 1,..., P n ) ja P = P 1,..., Pn ) ovat intervallin I jakoja ja Pi Pi, niin jakoa P sanotaan jaon P tihennykseksi. Lemma 22.8 (Tihennyslemma) Olkoon f : I R rajoitettu ja P intervalin I jako.jos P on jaon P tihennys, niin L(f, P) L(f, P ) U(f, P ) U(f, P).

117 Lemma 22.9 Olkoon I R n intervalli ja f : I R rajoitettu. Jos P 1 ja P 2 ovat vintervallin I jakoja ja P on molempien jakojen tihennys, niin L(f, P 1 ) L (f, P ) U (f, P ) U (f, P 2 ) Riemann integroituvuus Määritelmä Olkoon I rajoitettu intervalli ja f : I R rajoitettu. Lukua sup P jako L(f, P) sanotaan funktion f alaintegraaliksi, jota merkitään fdu = sup L(f, P). I P jako

118 Vastaavasti lukua inf P jako U(f, P) sanotaan funktion f yläintegraaliksi, jota merkitään f du = inf U(f, P). I P jako Lause Olkoon I rajoitettu intervalli ja f : I R rajoitettu. fdu I I f du. Tällöin Esimerkki Olkoon I rajoitettu intervalli. Jos f : I R on vakiofunktio m, niin I fdu = ml (I) = I fdu.

119 Määritelmä Olkoon I R n rajoitettu intervalli ja f : I R rajoitettu. Funktiota f : I R sanotaan integroituvaksi, kun I fdu = Kun f on Riemann integroituva, merkitään fdu = I f du = I I fdu. Kun I R 2 tai I R 3, käytetään myös merkintöjä I f du = f (x, y) dxdy I I f du = I I fdx 1 dx n. fdf (x, y, z) dxdydz.

120 Seuraus Vakiofunktio on integroituva jokaisella intervallilla. Määritelmä Olkoon I R n rajoitettu intervalli ja f : I R rajoitettu. Jono (P k ) k N intervallin jakoja on funktion f Arkimedeen jono jakoja, jos lim k (U (f, P k) L (f, P k )) = 0. Lause (Arkimedes-Riemann lause) Olkoon I R n rajoitettu intervalli ja f : I R rajoitettu. Tällöin f on integroituva intervallilla I, jos ja vain jos on olemassa funktion f Arkimedeen jono intervallin I jakoja (P k ) k N. Lisäksi, jos (P k ) on Arkimedeen jono intervallin I jakoja, niin lim k L (f, P k) = I fdu = lim n U (f, P k).

121 Lause (Arkimedes-Riemann lauseen seuraus ) Olkoon I R n rajoitettu intervalli ja f : I R rajoitettu. Tällöin seuraavat ominaisuudet ovat yhtäpitäviä: (i) Funktiolle f on olemassa Arkimedeen jono intervallin I jakoja, (ii) Jokaiselle ε > 0, on olemassa jako sellainen P, että U (f, P) L (f, P) < ε Integraalin ominaisuuksia Lause (Addiviivisuus yli osaintervallien) Olkoon I R n rajoitettu intervalli ja f : I R rajoitettu. Olkoon P intervallin jako. Tällöin f on integroituva,

122 jos ja vain jos f : J R on integroituva jokaisessa jaon P osajaossa J. Tällöin I fdu = J P J fdu. Lause (Integraalin monotonisuus) Olkoon I R n rajoitettu intervalli. Jos f : I R ja g : I R ovat integroituvia ja f (x) g (x) jokaiselle x I, niin I fdu I gdu. Seuraus Olkoon I R n rajoitettu intervalli. Jos f ja f : [a, b] R ovat

123 integroituvia, niin I fdu I f du. Lause (Integraalin lineaarisuus) Olkoon I R n rajoitettu intervalli. Jos f : I R ja g : I R ovat integroituvia ja α, β R, niin I (αf + βg) du = α I fdu + β I gdu.

124 22.4 Darboux konvergenssi kriteeri 22.5 Jatkuvan funktio on itegroituva Lause Jatkuva funktio f : I R on integroituva rajoitetulla intervallilla I Fubinin lause Lause (Fubinin lause ) Olkoon I intervalli avaruudessa R n+k ja rajoitettu funktio f : I R integroituva. Merkitään I = I 1... I n+k

125 ja sekä I x = I 1... I n, I y = I n+1... I n+k I x h = I x hdx h = hdy I y I y Jokaiselle x J 1 määritellään funktiot F x : I y R asettamalla F x (y) = f (x, y). Jos F x on integroituva jokaiselle x I x, niin funktio A : I x R A (x) = F x (y) dy = f (x, y) dy I y I y

126 on integroituva ja I fdu = I x A (x) dx = I x ( I y f (x, y) dy ) dx. Seuraus Olkoon I intervalli avaruudessa R 2 ja rajoitettu funktio f : I R integroituva. Merkitään I = I 1 I 2. ja jos F x : I 2 R ja F y : I 1 R ovat integroituvia, niin I 1 I 2 f (x, y) dxdy = I 1 ( I 2 f (x, y) dy ) dx = I 2 ( I 1 f (x, y) dx ) dy.

127 Seuraus Olkoon f : R 2 R on jatkuva ja kompakti kantajainen, ts joukko S (f) = { u R n+k f (x) 0 } on suljettu ja rajoitettu. Tällöin funktiot F x : I 2 R ja F y : I 1 R ovat integroituvia ja funktiot A : I 1 R A (x) = ja B : I 2 R ovat jatkuvia sekä I 1 I 2 f (x, y) dxdy = I 1 I 2 F x (y) dy = ( I 2 f (x, y) dy ) I y f (x, y) dy dx = I 2 ( I 1 f (x, y) dx ) dy. Seuraus Olkoon f : R n R on jatkuva ja kompakti kantajainen, ts joukko S (f) = {u R n f (x) 0} on rajoitettu.. Olkoon I = I 1... I n R n

128 sellainen intervalli. että S (f) I. Tällöin I fdu = I n... =... = ( I 1 f (x 1,..., x n ) dx 1 I 1 I n 1 ( ) dx 2...dx n I n f (x 1,..., x n ) dx n ) dx n 1...dx 1. Lisäksi integrointi ei ole riipppuvainen, missä järjestyksessä integrointi suoritetaan muuttujien x 1,..., x n suhteen. Määritelmä Olkoon I R n intervalli ja D intervallin I osajoukko. Rajoitetun funktion f : D R nolla laajennus on funktio f : I R, joka määritellään seuraavasti f (x) = { f (x), kun x D, 0, kun x I\D.

129 Määritelmä Olkoon D R n. Rajoitettua funktiota f : D R sanotaan integroituvaksi, jos on olemassa sellainen intervalli I, jossa funktion f nolla laajennus f : I R on integroituva. Tällöin merkitään D f = f. I Lause Olkoon I R n intervalli ja h : I R sekä g : I R jatkuvia rajoitettuja funktioita, jotka toteuttavat Merkitään h (x) g (x) jokaiselle x I. D = { (x, y) R n+1 x I, y [h (x), g (x)] }.

130 Jos funktio f : D R on jatkuva ja rajoitettu, niin D fdu = ( g(x) I h(x) ) f (x, y) dy dx. Seuraus Olkoon I R väli ja h : I R sekä g : I R jatkuvia rajoitetuja funktioita, jotka toteuttavat Merkitään Integraali h (x) g (x) jokaiselle x I. D = { (x, y) R 2 x I, y [h (x), g (x)] }. D dxdy = I ( ) g(x) dy dx. h(x)

131 antaa kappaleen D pinta-alan. Seuraus Olkoon S R 2 rajoitettu ja h : I R sekä g : I R jatkuvia rajoitetuja funktioita, jotka toteuttavat Merkitään h (x, y) g (x, y) jokaiselle x (x, y) S. D = {(x, y, z) (x, y) S, z [h (x, y), g (x, y)]}. Integraali D dxdy = S ( ) g(x,y) dz dxdy = h(x,y) antaa kappaleen D tilavuuden. S g (x, y) dxdy S h (x, y) dxdy.

132 Lause Olkoon I R n intervalli ja h : I R sekä g : I R jatkuvia rajoitetuja funktioita, jotka toteuttavat Merkitään h (y) g (y) jokaiselle y I. D = { (x, y) R n+1 y I, x [h (y), g (y)] }. Jos funktio f : D R on jatkuva ja rajoitettu, niin D fdxdy = I ( g(y) h(y) f (x, y) dx ) dy. Lause Olkoon T bijektiivinen jatkuvasti differentioituva kuvaus avoimelta rajoitetulta joukolta E R 3 joukkoon R 3 ja oletetaan, että T (u) 0 jokaiselle

133 u E. Jos f on reaaliarvoinen jatkuva funktio, jonka kantaja supp (f) on rajoitettu ja supp (f) E, niin f (x, y, z) dxdydz = f (T (u)) det DT (u) du 1 du 2 du 3 (1) E T 1 (E) missä det DT (u) on derivaattakuvauksen indusoimat matriisin (ts., Jacobin matriisin) determinantti (ts. Jacobin determinantti) ja det DT (x) on sen itseisarvo. Lause Olkoon T bijektiivinen jatkuvasti differentioituva kuvaus avoimelta rajoitetulta joukolta E R 2 joukkoon R 2 ja oletetaan, että T (u) 0 jokaiselle u E. Jos f on reaaliarvoinen jatkuva funktio, jonka kantaja supp (f) on rajoitettu ja supp (f) E, niin f (x, y) dxdy = f (T (u)) det DT (u) du 1 du 2 (2) E T 1 (E)

134 missä det DT (u) on derivaattakuvauksen indusoimat matriisin (ts., Jacobin matriisin) determinantti (ts. Jacobin determinantti) ja det DT (x) on sen itseisarvo. 23 Epäoleellinen Riemann integraali Kertaamme vain määritelmät. Lukija voi miettiä, mitkä tulokset yleistyvät epäoleellisille Riemann integraaleille. Määritelmä 23.1 Olkoon a, b R {, } siten, että a < b. Jos funktio f : R R on integroituva suljetulla väliillä [c, d] jokaiselle c,d, jotka toteuttavat

135 a < c < d < d, ja raja-arvot d lim d b lim c a c d c f dx f dx ovat olemassa, niin sanotaan, että funktiolla f on olemassa epäoleellinen Riemann integraali, jota merkitään b w d f dx = lim f dx + lim a c a f dx. c d b w Määritelmä 23.2 Olkoon f : R n R. Jos funktio f on integroituva jokaisella intervallilla I ja raja-arvo lim f du diam I I

136 on olemassa, niin sanotaan, että funktiolla f on olemassa epäoleellinen Riemann integraali joukossa R n, jota merkitään f du = R n lim diam I I f du Määritelmä 23.3 Olkoon A k R n rajoitettu ja A k A k+1. Jos funktio f on integroituva jokaisessa joukossa A k ja raja-arvo lim k A k f dx on olemassa, niin sanotaan, että funktiolla f on olemassa epäoleellinen Riemann integraali joukossa A = k=1 A k, jota merkitään A f dx = lim k A k f du.

137 Määritelmä 23.4 Olkoon A k R n rajoitettu ja A k+1 A k. Jos funktio f on integroituva jokaisessa joukossa A k ja raja-arvo lim k A k f dx on olemassa, niin sanotaan, että funktiolla f on olemassa epäoleellinen Riemann integraali joukossa A = k=1 A k, jota merkitään A f dx = lim f du. k A k

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21.

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21. Vektorianalyysi I MAT21003 Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21. syyskuuta 2017 1 Sisältö 1 Euklidinen avaruus 3 1.1 Euklidinen avaruus

Lisätiedot

Täydellisyysaksiooman kertaus

Täydellisyysaksiooman kertaus Täydellisyysaksiooman kertaus Luku M R on joukon A R yläraja, jos a M kaikille a A. Luku M R on joukon A R alaraja, jos a M kaikille a A. A on ylhäältä (vast. alhaalta) rajoitettu, jos sillä on jokin yläraja

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

802320A LINEAARIALGEBRA OSA II

802320A LINEAARIALGEBRA OSA II 802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen

Lisätiedot

1 Sisätulo- ja normiavaruudet

1 Sisätulo- ja normiavaruudet 1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v

Lisätiedot

Määritelmä 2.5. Lause 2.6.

Määritelmä 2.5. Lause 2.6. Määritelmä 2.5. Olkoon X joukko ja F joukko funktioita f : X R. Joukkoa F sanotaan pisteittäin rajoitetuksi, jos jokaiselle x X on olemassa sellainen C x R, että f x C x jokaiselle f F. Joukkoa F sanotaan

Lisätiedot

Vektorianalyysi I MAT21003

Vektorianalyysi I MAT21003 Vektorianalyysi I MAT21003 Ritva Hurri-Syrjänen Helsingin yliopisto 3. syyskuuta 2018 Sisältö Luennot syyslukukaudella 2017 3 Esimakua 4 Kertaus 5 1 Euklidinen avaruus 6 1.1 Euklidinen avaruus R n...............................

Lisätiedot

MS-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. 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

Lisätiedot

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 23.

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 23. Vektorianalyysi I MAT21003 Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 23. lokakuuta 2017 Sisältö Luennot syyslukukaudella 2017 3 Esimakua 4 Kertaus

Lisätiedot

Matematiikka B1 - avoin yliopisto

Matematiikka B1 - avoin yliopisto 28. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Nettitehtävät Kurssin sisältö 1/2 Osittaisderivointi Usean muuttujan funktiot Raja-arvot Osittaisderivaatta Pinnan

Lisätiedot

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Derivaatta: funktion approksimaatio lineaarikuvauksella. Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 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

Lisätiedot

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Antti 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

Lisätiedot

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x Seuraavaksi tarkastellaan C 1 -sileiden pintojen eräitä ominaisuuksia. Lemma 2.7.1. Olkoon S R m sellainen C 1 -sileä pinta, että S on C 1 -funktion F : R m R eräs tasa-arvojoukko. Tällöin S on avaruuden

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan 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

Lisätiedot

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1). HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 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

Lisätiedot

1 Euklidiset avaruudet R n

1 Euklidiset avaruudet R n 1 Euklidiset avaruudet R n Tässä osiossa käymme läpi Euklidisten avaruuksien R n perusominaisuuksia. Olkoon n N + positiivinen kokonaisluku. Euklidinen avaruus R n on joukko R n = {(x 1, x 2,..., x n )

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

Matematiikka B1 - TUDI

Matematiikka B1 - TUDI Osittaisderivointi Osittaisderivaatan sovellukset Matematiikka B1 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Osittaisderivointi Osittaisderivaatan sovellukset Kurssin

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

4.3 Moniulotteinen Riemannin integraali

4.3 Moniulotteinen Riemannin integraali 4.3 Moniulotteinen Riemannin integraali Tässä luvussa opitaan miten integroidaan usean muuttujan reaaliarvoista tai vektoriarvoista funktiota, millaisten joukkojen yli jatkuvaa funktiota voi integroida,

Lisätiedot

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg) Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus 4 9.4.-23.4.200 Malliratkaisut (Sauli Lindberg). Näytä, että Lusinin lauseessa voidaan luopua oletuksesta m(a)

Lisätiedot

Joukot metrisissä avaruuksissa

Joukot metrisissä avaruuksissa TAMPEREEN YLIOPISTO Pro gradu -tutkielma Saara Lahtinen Joukot metrisissä avaruuksissa Informaatiotieteiden yksikkö Matematiikka Elokuu 2013 Sisältö 1 Johdanto 1 2 Metriset avaruudet 1 2.1 Tarvittavia

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 2. Kompleksitason topologiaa Kompleksianalyysi on kompleksiarvoisten kompleksimuuttujien funktioiden teoriaa. Tällä kurssilla käsittelemme vain

Lisätiedot

r > y x z x = z y + y x z y + y x = r y x + y x = r

r > y x z x = z y + y x z y + y x = r y x + y x = r HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.

Lisätiedot

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

MATEMATIIKAN JA TILASTOTIETEEN LAITOS f ( n JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Harjoitusten 8 ratkaisut Topologiset vektoriavaruudet 2010 8.1. Olkoon P n = {f : K K p on enintään asteen n 1 polynomi} varustettuna

Lisätiedot

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu.

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu. Analyysi Harjoituksia lukuihin 3 / Syksy 204. Osoita täsmällisesti perustellen, että joukko { 2x A = x ]4, [. x 4 ei ole ylhäältä rajoitettu. 2. Anna jokin ylä- ja alaraja joukoille { x( x) A = x ], [,

Lisätiedot

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko. Esimerkki 4.3.9. a) Piste on nollajoukko. Suoran rajoitetut osajoukot ovat avaruuden R m, m 2, nollajoukkoja. Samoin suorakaiteiden reunat koostuvat suoran kompakteista osajoukoista. b) Joukko = Q m [0,

Lisätiedot

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Funktiot Tässä luvussa käsitellään reaaliakselin osajoukoissa määriteltyjä funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Avoin väli: ]a, b[ tai ]a, [ tai ],

Lisätiedot

3.3 Funktion raja-arvo

3.3 Funktion raja-arvo 3.3 Funktion raja-arvo Olkoot A ja B kompleksitason joukkoja ja f : A B kuvaus. Kuvauksella f on pisteessä z 0 A raja-arvo c, jos jokaista ε > 0 vastaa δ > 0 siten, että 0 < z z 0 < δ ja z A f(z) c < ε.

Lisätiedot

BM20A0300, Matematiikka KoTiB1

BM20A0300, Matematiikka KoTiB1 BM20A0300, Matematiikka KoTiB1 Luennot: Heikki Pitkänen 1 Oppikirja: Robert A. Adams: Calculus, A Complete Course Luku 12 Luku 13 Luku 14.1 Tarvittava materiaali (luentokalvot, laskuharjoitustehtävät ja

Lisätiedot

Johdatus reaalifunktioihin P, 5op

Johdatus reaalifunktioihin P, 5op Johdatus reaalifunktioihin 802161P, 5op Osa 2 Pekka Salmi 1. lokakuuta 2015 Pekka Salmi FUNK 1. lokakuuta 2015 1 / 55 Jatkuvuus ja raja-arvo Tavoitteet: ymmärtää raja-arvon ja jatkuvuuden määritelmät intuitiivisesti

Lisätiedot

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin FUNKTIONAALIANALYYSI, RATKAISUT 1 KEVÄT 211, (AP) 1. Ovatko seuraavat reaaliarvoiset funktiot p : R 3 R normeja? Ovatko ne seminormeja? ( x = (x 1, x 2, x 3 ) R 3 ) a) p(x) := x 2 1 + x 2 2 + x 2 3, b)

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo

Lisätiedot

Metriset avaruudet. Erno Kauranen. 1 Versio: 10. lokakuuta 2016, 00:00

Metriset avaruudet. Erno Kauranen. 1 Versio: 10. lokakuuta 2016, 00:00 1 Metriset avaruudet Erno Kauranen 1 Versio: 10. lokakuuta 2016, 00:00 1. Sisätulo ja normiavaruus................................................. 3 2. Metrinen avaruus........................................................

Lisätiedot

1 sup- ja inf-esimerkkejä

1 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

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden lineaarinen riippumattomuus Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin

Lisätiedot

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS

DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1. Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS DIFFERENTIAALI- JA INTEGRAALILASKENTA I.1 Ritva Hurri-Syrjänen/Syksy 1999/Luennot 6. FUNKTION JATKUVUUS Huomautus. Analyysin yksi keskeisimmistä käsitteistä on jatkuvuus! Olkoon A R mielivaltainen joukko

Lisätiedot

1 Supremum ja infimum

1 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,

Lisätiedot

a) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS:

a) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS: 6. Käänteiskuvaukset ja implisiittifunktiot 6.1. Käänteisfunktion olemassaolo 165. Määritä jokin piste, jonka ympäristössä funktiolla f : R 2 R 2, f (x,y) = (ysinx, x + y + 1) a) on lokaali käänteisfunktio,

Lisätiedot

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain Matriisilaskenta LH4 24 ratkaisut 1 Hae seuraavien R 4 :n aliavaruuksien dimensiot jotka sisältävät vain a) Kaikki muotoa (a b c d) olevat vektorit joilla d a + b b) Kaikki muotoa (a b c d) olevat vektorit

Lisätiedot

3 Skalaari ja vektori

3 Skalaari ja vektori 3 Skalaari ja vektori Määritelmä 3.1 Skalaari on suure, jolla on vain suuruus, jota mitataan jossakin mittayksikössä. Skalaaria merkitään reaaliluvulla. Esimerkki 3.2 Paino, pituus, etäisyys, pinta-ala,

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

MATEMATIIKAN JA TILASTOTIETEEN LAITOS f ( n) JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Funktionaalianalyysi Ei harjoituksia 1.4.2015 Funktionaalista viihdettä pääsiäistauolle: viikolla 14 (ma 30.3., ti 31.3. ja ke 1.4.)

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

Lisätiedot

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 Osittaisderivaattojen sovelluksia 2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

1 sup- ja inf-esimerkkejä

1 sup- ja inf-esimerkkejä Alla olevat kohdat (erityisesti todistukset) ovat lähinnä oheislukemista reaaliluvuista, mutta joihinkin niistä palataan myöhemmin kurssilla. 1 sup- ja inf-esimerkkejä Kaarenpituus. Olkoon r: [a, b] R

Lisätiedot

Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa

Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2018 Harjoitus 2 Ratkaisuehdotukset Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa määritelty kuvaus B(0, 1) := x R 2 : x

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

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015

Lisätiedot

Konvergenssilauseita

Konvergenssilauseita LUKU 4 Konvergenssilauseita Lause 4.1 (Monotonisen konvergenssin lause). Olkoon (f n ) kasvava jono Lebesgueintegroituvia funktioita. Asetetaan f(x) := f n (x). Jos f n

Lisätiedot

Usean muuttujan differentiaalilaskenta

Usean muuttujan differentiaalilaskenta Usean muuttujan differentiaalilaskenta Taneli Huuskonen 19. syyskuuta 2014 1 Merkintöjä ja käytäntöjä Seuraavassa listassa on lueteltu merkintöjä ja ilmauksia, joiden kohdalla eri teksteissä on erilaisia

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

VEKTORIANALYYSI. Tero Kilpeläinen

VEKTORIANALYYSI. Tero Kilpeläinen VEKTORIANALYYSI Tero Kilpeläinen Luentomuistiinpanoja kevälle 2019 16. toukokuuta 2019 Sisältö 1. Johdanto 1 1.1. Merkintöjä................................. 2 2. Euklidisen avaruuden R n rakenne 3 2.1.

Lisätiedot

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

12. Hessen matriisi. Ääriarvoteoriaa 179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä

Lisätiedot

Vektorilaskenta Luennot / 42. Vektorilaskenta Napakoordinaatit

Vektorilaskenta Luennot / 42. Vektorilaskenta Napakoordinaatit Luennot 19.09.-21.09. 1 / 42 Määritelmä (1/3) Määritelmä (2/3) Määritelmä (3/3) 2 / 42 Määritelmä (1/3) Määritelmä (1/3) Määritelmä (2/3) Määritelmä (3/3) Tason pisteen P sijainti voidaan karteesisten

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.

Lisätiedot

reaalifunktioiden ominaisuutta, joiden perusteleminen on muita perustuloksia hankalampaa. Kalvoja täydentää erillinen moniste,

reaalifunktioiden ominaisuutta, joiden perusteleminen on muita perustuloksia hankalampaa. Kalvoja täydentää erillinen moniste, Reaaliluvuista Pekka Alestalo Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Nämä kalvot sisältävät tiivistelmän reaaliluvuista ja niihin liittyvistä käsitteistä.

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I

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

Lisätiedot

Lebesguen mitta ja integraali

Lebesguen mitta ja integraali Lebesguen mitta ja integraali Olkoon m Lebesguen mitta R n :ssä. R 1 :ssä vastaa pituutta, R 2 :ssa pinta-alaa, R 3 :ssa tilavuutta. Mitallinen joukko E R n = joukko jolla on järkevästi määrätty mitta

Lisätiedot

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,... HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio

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

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I Usean muuttujan funktiot MS-A7 Differentiaali- ja integraalilaskenta (Chem) Esimerkkejä ym., osa I G. Gripenberg Aalto-yliopisto Raja-arvot 3 Jatkuvat funktiot 4 Osittaisderivaatat 5 Derivaatta eli gradientti.

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

Taustatietoja ja perusteita

Taustatietoja ja perusteita Taustatietoja ja perusteita Vektorit: x R n pystyvektoreita, transpoosi x T Sisätulo: x T y = n i=1 x i y i Normi: x = x T x = ni=1 x 2 i Etäisyys: Kahden R n :n vektorin välinen etäisyys x y 1 Avoin pallo:

Lisätiedot

Perusidea: Jaetaan väli [a, b] osaväleihin ja muodostetaan osavälejä vastaavat suorakulmiot/palkit, joiden korkeus funktion arvot kyseisellä välillä.

Perusidea: Jaetaan väli [a, b] osaväleihin ja muodostetaan osavälejä vastaavat suorakulmiot/palkit, joiden korkeus funktion arvot kyseisellä välillä. Lähtötilanne Lähtötilanne Tavoite: Määritellään funktion f : [a, b] R integraali siten, että integraalin arvo yhtyy funktion f kuvaajan ja x-akselin väliin jäävän alueen pinta-alaan. Perusidea: Jaetaan

Lisätiedot

MS-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 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

Lisätiedot

Vektorianalyysi II MAT21020

Vektorianalyysi II MAT21020 Vektorianalyysi II MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ke: :5-:, to: :5-4: Helsingin yliopisto 4. huhtikuuta 8 Sisältö RHS:n luennoista 3 5 Kertausta vektorifunktioista 4 6 Vektorifunktioiden

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

7. Tasaisen rajoituksen periaate

7. Tasaisen rajoituksen periaate 18 FUNKTIONAALIANALYYSIN PERUSKURSSI 7. Tasaisen rajoituksen periaate Täydellisyydestä puristetaan maksimaalinen hyöty seuraavan Bairen lauseen avulla. Bairen lause on keskeinen todistettaessa kahta funktionaalianalyysin

Lisätiedot

Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta)

Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta) Helsingin yliopisto, Matematiikan ja tilastotieteen osasto Vektorianalyysi II (MAT22, syksy 28 Kurssitentti, Ma 7228 (RATKAISUEHDOTUKSET Tentaattori: Ville Tengvall (villetengvall@helsinkifi Vastaa kaikkiin

Lisätiedot

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0;

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0; 3. Lämmönjohtumisyhtälö I Yksiulotteisessa lämmönjohtumisyhtälössä u t = u γ x tuntematon funktio u = u(x, t) kuvaa lämpötilaa yksiulotteisen kappaleen (ohut sauva; x-akseli) kohdassa x hetkellä t. Kun

Lisätiedot

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +

Lisätiedot

l 1 2l + 1, c) 100 l=0

l 1 2l + 1, c) 100 l=0 MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)

Lisätiedot

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2 Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 2 mallit Kevät 219 Tehtävä 1. Laske osittaisderivaatat f x = f/x ja f y = f/, kun f = f(x, y) on funktio a) x 2 y 3 + y sin(2x),

Lisätiedot

MS-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. 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

Lisätiedot

Johdatus topologiaan (4 op)

Johdatus topologiaan (4 op) 180305 Johdatus topologiaan (4 op) Kevät 2009 1. Alkusanat Sana topologia on johdettu kreikan kielen sanoista topos ja logos, jotka merkitsevät paikkaa ja tietoa. Jo 1700-luvun alussa käytettiin latinan

Lisätiedot

Funktiojonon tasainen suppeneminen

Funktiojonon tasainen suppeneminen TAMPEREEN YLIOPISTO Pro gradu -tutkielma Taina Saari Funktiojonon tasainen suppeneminen Matematiikan ja tilastotieteen laitos Matematiikka Elokuu 2009 Tampereen yliopisto Matematiikan ja tilastotieteen

Lisätiedot

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa 8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen

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

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 8. Integraalilauseiden sovelluksia 1. Analyyttisen funktion sarjaesitys. (eli jokainen analyyttinen funktio on lokaalisti suppenevan potenssisarjan

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.

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

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v. Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause

Lisätiedot

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

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

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

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

Metriset avaruudet 2017

Metriset avaruudet 2017 Metriset avaruudet 2017 Jouni Parkkonen Lukijalle Nämä ovat muistiinpanoni metristen avaruuksien kurssille syyslukukaudella 2017. Kurssi on johdatus metristen avaruuksien teoriaan. Peruskäsitteiden (metriikka,

Lisätiedot