Matematiikan perusteet taloustieteilijöille P

Koko: px
Aloita esitys sivulta:

Download "Matematiikan perusteet taloustieteilijöille 2 800118P"

Transkriptio

1 Mtemtiikn perusteet tloustieteilijöille P Luentomoniste Kri Myllylä Niin Korteslhti Oulun yliopisto Mtemttisten tieteiden litos Kevät 2014

2 Sisältö 1 Mtriisilgebr j optimointi 4 11 Määritelmä 4 12 Mtriisien lskutoimituksi Mtriisien yhteen- j vähennyslsku Sklrill kertominen Mtriisien kertolsku: 6 13 Erikoistyyppisiä mtriisej Digonlimtriisi Identtinen mtriisi (Yksikkömtriisi) Nollmtriisi 8 14 Trnsponoitu mtriisi 8 15 Mtriisin determinntti Determinntin määrääminen: Determinntin ominisuuksi: Käänteismtriisi Menetelmiä käänteismtriisin rtkisemiseksi: Käänteismtriisin ominisuuksi: Linerisen yhtälöryhmän mtriisimuoto j sen rtkiseminen Linerinen riippuvuus j mtriisin ste Linerinen riippuvuus Mtriisin ste Mtriisin steen ominisuudet Mtriisin ominisrvot j ominisvektorit Ominisrvojen määrääminen Ominisrvojen ominisuuksi Ominisvektoreiden määrittäminen Optimointi j mtriisit Normlit äärirvot (ei sidotut) Sidotut äärirvot Pnos-tuotos mlli Derivointi vektorimuodoss Linerisen vektorin derivointi Vektorirvoisen funktion derivointi Kvdrttisenmuodon derivointi Bilinerinen derivointi 37 1

3 113 Mtriisien sovellutus regressionlyysissä Linerinen optimointi Geometrinen rtkisu Kntrtkisu menetelmä SIMPLEX menetelmä 44 2 Integrlilskent Johdnto Integrlifunktio Integrointi osmurtokehitelmän vull Integrointi sijoitusmenetelmää käyttäen Määräämätön integrli tloustieteessä Kustnnusfunktiot Tulofunktiot Knsntulo, kulutus j säästäminen Pääomn muodostus Määrätty integrli Määrätty integrli j pint-l Määrätyn integrlin ominisuuksist Pint-ln määritys integrlin vull Osittisintegrointi, osmurtokehitelmä j sijoitus määrätyssä integrliss Määrätyn integrlin tloustieteellisiä sovelluksi Kuluttjn ylijäämä Tuottjn ylijäämä Kokonisvoitto Määrätyn integrlin numeerinen rviointi Puolisuunnikssääntö Simpsonin sääntö Tylorin kehitelmä 85 3 Kompleksiluvuist j trigonometrisist funktioist Kompleksiluvut Trigonometriset funktiot 89 4 Differentiliyhtälöt Ensimmäisen kertluvun differentiliyhtälö Seproituvt differentiliyhtälöt 95 2

4 412 Ensimmäisen kertluvun linerinen differentiliyhtälö Linerisen differentiliyhtälön erikoistpus Homogeeniset differentiliyhtälöt Eksktit differentiliyhtälöt Toisen kertluvun differentiliyhtälöt Toisen kertluvun linerinen differentiliyhtälö Differenssiyhtälöt Ensimmäisen kertluvun differenssiyhtälöt Homogeenisen muodon rtkiseminen: Täydellisen muodon rtkiseminen: Toisen kertluvun differenssiyhtälöt Homogeenisen muodon rtkiseminen: Täydellisen muodon rtkiseminen: 110 3

5 1 Mtriisilgebr j optimointi Mtriisien vull voidn - käsitellä yhtälöitä tehokksti - rtkist yhtälöryhmiä - rtkist optimointitehtäviä - regressionlyysi - lti erilisi mllej esim pnos-tuotos mlli 11 Määritelmä Mtriisi on tulukko n n A = m1 m2 mn m n = A m n = ( ij ) = ( ij ) m n, missä luvut ij ovt relilukuj Lukuj ij snotn mtriisin A lkioiksi Alkio ij on mtriisin A i:nnellä vkrivillä j j:nnellä pystyrivillä olev lkio Mtriisi, joss on m vkriviä j n pystyriviä, on m n mtriisi; merkitään A m n Jos m = n, niin A on neliömtriisi Kksi mtriisi 11 1n A = m1 mn ovt smt eli A = B, jos j vin jos (i) m = r j n = s (ii) ij = b ij i, j m n b 11 b 1s j B = b r1 b rs r s Jos mtriisiss n = ( 1 eli se on m 1-mtriisi, niin kysymyksessä on m ulotteinen u1 ), missä u i on vektorin ū i komponentti pystyvektori ū = u m Vstvsti v = (v 1,, v n ) on n-ulotteinen vkvektori (1 n mtriisi) j v i on vektorin v i komponentti 4

6 12 Mtriisien lskutoimituksi 121 Mtriisien yhteen- j vähennyslsku Mtriisit A j B voidn lske yhteen (vähentää toisistn) jos j vin jos ne ovt molemmt m n mtriisej Olkoot A j B m n mtriisej, ts 11 1n A = m1 mn m n b 11 b 1n B = b m1 b mn m n Tällöin Vstvsti Mtriisien yhteenlsku on 11 + b 11 1n + b 1n A + B = m1 + b m1 mn + b mn 11 b 11 1n b 1n A B = m1 b m1 mn b mn 1 vihdnninen: A + B = B + A 2 liitännäinen: A + (B + C) = (A + B) + C Esimerkki 11 ( ) ( ) ( ) = m n m n 122 Sklrill kertominen Mtriisilskennss reliluku kutsutn sklriksi Olkoon nyt A = ( ij ) m n j k R Tällöin 11 1n k 11 k 1n ka = k = m1 mn k m1 k mn m n m n = (k ij ) m n = Ak 5

7 Esimerkki 12 3 ( ) = Huomutus A B = A + ( B) = A + ( 1) B 123 Mtriisien kertolsku: Mtriisien A = ( ij ) m n j B = (b ij ) r s tulo AB on mhdollinen jos j vin jos n = r Siis mtriisin A pystyrivien lukumäärä = mtriisin B vkrivien lukumäärä Mtriisi A on tulon AB edellinen tekijä j B jälkimmäinen tekijä Olkoon A = ( ij ) m n j B = (b ij ) n s Tällöin A m n B n s = (AB) m s = (c ij ) m s, missä c ij = n ik b kj eli lkio c ij sdn mtriisin A i:nnen vkrivin j mtriisin B j:nnen pystyrivin pistetulon Siis k=1 11 1n b 11 b 1s AB = m1 mn b m n n1 b ns n n 1k b k1 1k b ks k=1 k=1 = n n mk b k1 mk b ks k=1 k=1 Esimerkki 13 ( ) A =, B = Lske AB, BA j AC Mtriisien kertolsku on liitännäinen: A(BC) = (AB)C 2 ei vihdnninen: siis yleensä AB BA m s j C = n s ( )

8 Esimerkki 14 0 (2, 1, 0) 1 = 2 ( ) ( ) 0 1 = (2, 1, 0) = 2 ( ) ( ) 1 1 = 0 1 Flk-kvio: (ks Esim 13) ( ) A = B = AB = 13 Erikoistyyppisiä mtriisej 131 Digonlimtriisi Olkoon A = ( ij ) n n neliömtriisi Mtriisin A päälävistäjän muodostvt lkiot 11, 22,, nn Mtriisi A on digonlimtriisi, jos mtriisin A muut lkiot pitsi mhdollisesti päälävistäjän lkiot ovt nolli Eli 11 1n A = n1 nn on digonlimtriisi, jos ij = 0, kun i j n n 7

9 132 Identtinen mtriisi (Yksikkömtriisi) Identtinen mtriisi on digonlimtriisi, jonk kikki päälävistäjän lkiot ovt ykkösiä Siis A = ( ij ) n n on identtinen mtriisi, jos { ij = 0, i j ii = 1, i = 1, 2,, n Identtistä mtriisi merkitään symbolill I n (= I n n ) Siis I 1 =, I 2 =, I 3 = jne Olkoon A m n mtriisi Tällöin A m n I n = A m n j I m A m n = A m n 133 Nollmtriisi Mtriisi A = ( ij ) m n on nollmtriisi, jos ij = 0 i, j Nollmtriisi merkitään Ōm n Siis esimerkiksi Ō 2 3 = Selvästi A m n + Ōm n = Ōm n + A m n = A m n B k m Ō m n = Ōk n sekä Ō m n B n s = Ōm s j 14 Trnsponoitu mtriisi Olkoon A m n mtriisi Mtriisin A trnsponoitu mtriisi A T on n m mtriisi, jonk i vkrivi on mtriisin A i pystyrivi (j j pystyrivi on mtriisin A j vkrivi) Jos n n A = m1 m2 mn m n m1, niin A T m2 = 1n 2n mn n m 8

10 Huomutus (u 1,, u n ) T = u 1 j v 1 T = (v 1,, v n ) u n v n Digonlimtriisin D trnsponoitu mtriisi D T on in lkuperäinen digonlimtriisi, eli D T = D Esimerkki A = A T = Neliömtriisi A = ( ij ) n n on symmetrinen, jos ij = ji i, j Tällöin A = A T Symmetrinen mtriisi A on idempotentti, jos lisäksi A A = A Esimerkki 16 Onko mtriisi idempotentti mtriisi? A = ( ) Huomutus Olkoot A = ( ij ) m n, B = (b ij ) m n j C = (c ij ) n r Tällöin (A + B) T = A T + B T j (BC) T = C T B T 15 Mtriisin determinntti Determinntti on reliluku j määritellään vin neliömtriiseille Mtriisin A determinntti merkitään det A j A 151 Determinntin määrääminen: 2 2 mtriisin determinntti ( ) 11 Kun A = , niin det A = A =

11 1 1 mtriisin determinntti Kun A = ( 11 )1 1, niin det A = A = 11 Esimerkki = Determinntin määrittäminen yleisesti: Jos n > 2, niin mtriisin A n n determinntti plutuu 2 2 mtriisin tpukseen seurvsti: M ij on sellinen (n 1) (n 1) mtriisi, jok sdn mtriisist A poistmll siitä i vkrivi j j pystyrivi M ij on mtriisin A (lkioon ij liittyvä) limtriisi = M ij on mtriisin A (lkioon ij liittyvä) lidetermi- Determinntti det M ij nntti Sklri A ij = ( 1) i+j M ij on mtriisin A (lkioon ij liittyvä) kofktori Tällöin mtriisin A determinntti n det A = A = ij ( 1) (i+j) M ij j=1 i {1,, n} Tällöin det A on kehitetty i vkrivin mukn Smoin n det A = A = ij ( 1) (i+j) M ij i=1 jolloin det A on kehitetty j pystyrivin mukn j {1,, n}, Siis n n mtriisin determinntti määrätään sen tiettyjen (n 1) (n 1) limtriisien determinnttien vull Toistmll yo menettelyä jokisen n n mtriisin A determinntti voidn plutt sen tiettyjen 2 2 limtriisien determinnteiksi 10

12 Esimerkki 18 Olkoon Määrää A A = Srruksen menetelmä: - Käy vin 3 3-mtriiseille Esimerkki 19 Olkoon Määrää A Srruksen menetelmällä A = Determinntin ominisuuksi: Olkoon A n n-mtriisi 1) Jos mtriisin A kksi smnsuuntist riviä vihdetn keskenään, determinntin merkki vihtuu Esimerkki = 2) Jos mtriisin A jokin vkrivi (ti pystyrivi) kerrotn vkioll c R, determinntti muuttuu c kertiseksi Esimerkki = 3) Jos mtriisin A johonkin riviin lisätään jokin muu smnsuuntinen rivi vkioll kerrottun, determinntin rvo ei muutu Tvoite: Pljon 0:i riville, jonk suhteen determinntti kehitetään 11

13 Esimerkki = 4) Jos A = ( ij ) on yläkolmiomtriisi (tällöin kikki lkiot päälävistäjän lpuolell nolli) ti lkolmiomtriisi (kikki lkiot päälävistäjän yläpuolell nolli), niin det A = A = nn Ominisuuksien 1) 3) vull sdn jokisen neliömtriisin determinntti muutettu ylä- ti lkolmiomtriisin determinntiksi, jok on helppo määrittää 5) A = A T 6) Jos mtriisin A jokin vkrivi (ti pystyrivi) koostuu pelkästään nollist, niin A = 0 (Kehitetään determinntti ko rivin suhteen) 7) Jos mtriisin A kksi smnsuuntist riviä ovt smt, niin A = 0 8) Olkoot A j B n n mtriisej Tällöin AB = BA = A B 9) Jos A = ( ij ) on digonlimtriisi, niin A = nn Esimerkki 113 Olkoon A = Määritetään A käyttämällä ominisuutt 3) 16 Käänteismtriisi Olkoon A n n neliömtriisi Sellist n n mtriisi B, jok toteutt ehdon AB = BA = I n snotn mtriisin A käänteismtriisiksi j merkitään B = A 1 Kikill neliömtriiseill ei ole käänteismtriisi Mtriisi, joll on käänteismtriisi, on säännöllinen Luse 11 Mtriisill A on käänteismtriisi olemss jos j vin jos det A 0 Huomutus Käänteismtriisi on yksikäsitteinen 12

14 Todistus Jos B 1 j B 2 ovt sellisi mtriisej, että AB 1 = B 1 A = I n j AB 2 = B 2 A = I n, niin Siis B 1 = B 1 I n = B 1 (AB 2 ) = (B 1 A)B 2 = I n B 2 = B 2 B 1 = B 2 Huomutus Jos AB = I n, niin myös BA = I n 161 Menetelmiä käänteismtriisin rtkisemiseksi: 1) Rtkistn mtriisin A käänteismtriisi A 1 = B yhtälöstä AB = I n (Siis B tuntemton mtriisi) AB = I n n b 11 b 12 b 1n n b 21 b 22 2n = n1 n2 nn b n1 b n2 b nn Kysymyksessä on n 2 :n tuntemttomn b ij j n 2 :n yhtälön ryhmä, jok on vike rtkist pitsi tpuksess n = 2 Esimerkki 114 Olkoon A = Määritä A 1 mikäli se on olemss ( ) ) Käänteismtriisi kofktorien j determinntin vull Olkoon A n n mtriisi, jolle det A 0 Olkoon K seurv mtriisin A kofktorien A ij muodostm mtriisi: A 11 A 12 A 1n A 21 A 22 A 2n K = A n1 A n2 A nn 13

15 missä A ij = ( 1) i+j M ij (lkion ij kofktori) Tällöin A 1 = 1 det A KT Esimerkki 115 Määritä mtriisin A = käänteismtriisi 3) Gussin eliminoimismenetelmä Olkoon 11 1n A = n1 nn n n Muodostetn mtriisi n ( ) n A In = n1 n2 nn n 2n Tässä mtriisiss voidn i) vkrivi kerto millä thns vkioll, ii) jokin vkrivi lisätä vkioll kerrottun toiseen vkriviin, iii) viht vkrivit keskenään Näillä opertioill pyritään muuttmn mtriisi ( A ( ) I B, jolloin mtriisi B = A 1 I ) muotoon Esimerkki 116 Määritä mtriisin A = käänteismtriisi 162 Käänteismtriisin ominisuuksi: Olkoon A n n mtriisi, jolle det A 0 eli A 1 Tällöin 14

16 1) (A 1 ) 1 = A 2) (A 1 ) T = (A T ) 1 EI: (A T ) 1 = A 1 3) (AB) 1 = B 1 A 1, jos B 1 4) det (A 1 ) = 1 det A 17 Linerisen yhtälöryhmän mtriisimuoto j sen rtkiseminen 1) Trkstelln yhtälöryhmää, joss muuttujien lukumäärä on sm kuin yhtälöiden lukumäärä 11 x x n x n = c 1 21 x x n x n = c 2 (1) n1 x 1 + n2 x nn x n = c n, missä kertoimet ij j vkiot c i ovt tunnettuj Tämä on n:n muuttujn x 1,, x n vkiokertoiminen linerinen n:n yhtälön ryhmä (Siis muuttujien lkm = yhtälöiden lkm) Yhtälöryhmä (1) voidn esittää mtriisimuodoss: eli muodoss n n n1 n2 nn n n x 1 x 2 x n n 1 c 1 c 2 = c n n 1 (2) A X = C (3) Jos kerroinmtriisill A on käänteismtriisi, kerrotn yhtälö (3) puolittin vsemmlt käänteismtriisill A 1 j sdn: A 1 (A X) = A 1 C (A 1 A) X = A 1 C I X = A 1 C X = A 1 C (4) 15

17 Luse 12 Jos mtriisi A on säännöllinen eli A 1 on olemss (det A 0), niin yhtälöryhmän (1) yksikäsitteinen rtkisu on X = A 1 C (Yhtälöryhmällä yksikäsitteinen rtkisu A säännöllinen) Esimerkki 117 Rtkise yhtälöryhmä 2y 3z = 1 x + 3y + 3z = 2 x 2y 2z = 1 Luse 13 (Crmerin sääntö) Oletetn, että yhtälöryhmässä (1) on n tuntemtont j n yhtälöä sekä det A 0 eli yhtälöryhmällä on yksikäsitteinen rtkisu X = A 1 C Crmerin sääntö yhtälöryhmän rtkisemiseksi ilmn käänteismtriisin A 1 lskemist on seurv: c n 11 c n x 1 = 1 c n A, x 2 = 1 21 c n A, c n n2 2n n1 c n n3 2n 11 1(n 1) c 1, x n = (n 1) c 2 A n1 n(n 1) c n Esimerkki 118 Rtkise yhtälöryhmä 3x + y z = 2 x 2y + z = 9 4x + 3y + 2z = 1 2) Trkstelln yhtälöryhmää 11 x x n x n = c 1 21 x x n x n = c 2 m1 x 1 + m2 x mn x n = c m, (5) 16

18 eli n:n muuttujn x 1,, x n j m:n yhtälön ryhmä, jok voidn esittää mtriisimuodoss n x 1 c n x 2 c 2 = (6) m1 m2 mn Mtriisiesitys on tällöin muoto: m n x n n 1 c m m 1 A X = C, missä A = ( ij ) m n (7) Tpuksess m n A 1 ei ole olemss j det A ei ole olemss, joten menetelmät X = A 1 C j Crmer eivät toimi Smoin, jos m = n, mutt A = 0, niin menetelmät X = A 1 C j Crmer eivät toimi Luse 14 (Gussin eliminoimismenetelmä) Gussin eliminoimismenetelmää voidn sovelt myös tpuksiss, joiss kerroinmtriisill A ei ole käänteismtriisi, det A = 0, j silloinkin, kun yhtälöryhmän yhtälöiden j tuntemttomien muuttujien lukumäärä ei ole sm Menetelmä perustuu siihen, että yhtälöryhmään (5) voidn sovelt seurvi lkeismuunnoksi sen rtkisun muuttumtt () yhtälöiden järjestyksen vihto (b) yhden ti usemmn yhtälön kertominen vkioll ( 0) (c) yhden ti usemmn yhtälön kerrnnisen lisääminen muihin yhtälöihin Yhtälöryhmän semst trkstelemme täydennettyä kerroinmtriisi n c 1 (A C) n c 2 = (8) m1 m2 mn c m m (n+1) Nyt yhtälöryhmän (5) lkeismuunnoksi (), (b) j (c) vst täydennettyyn kerroinmtriisiin (8) kohdistuvt muunnokset: () vkrivien järjestyksen vihto (b) yhden ti usemmn vkrivin kertominen nollst erovll vkioll (c) vkrivin kertominen vkioll j sen lisääminen toiseen vkriviin 17

19 Huomutus Vin vkrivimuunnoksi Näillä muunnoksill mtriisi (8) pyritään smn muotoon X = ( ) ( ) I A 1 C = I X, (9) jost sdn rtkisu X (Tpus m = n j yksikäsitteinen rtkisu) Ti muotoon B, (10) jok vtn tkisin yhtälöryhmäksi (Tpukset m n ti ei yksikäsitteistä rtkisu) Esimerkki 119 Esimerkki 120 Esimerkki 121 x + 3y z = 1 x 2y + z = 2 2x y + z = 3 x + 2y z = 10 2x + 4y 2z = 20 x + y + z = 6 x + 2y z = 10 2x + 4y 2z = 5 x + y + z = 6 18

20 18 Linerinen riippuvuus j mtriisin ste 181 Linerinen riippuvuus Olkoot v 1, v 2,, v m n komponenttisi vektoreit (vk- ti pystyvektoreit) Vektorit v 1, v 2,, v m ovt linerisesti riippuvi, jos on olemss selliset reliluvut r 1, r 2,, r m, jotk eivät kikki ole nolli, että r 1 v 1 + r 2 v r m v m = 0 Tällöin jotkut vektorit voidn esittää toisten linerisen yhdisteenä Jos ehdost r 1 v 1 + r 2 v r m v m = 0 seur, että r 1 = r 2 = = r m = 0, niin vektorit v 1, v 2,, v m ovt linerisesti riippumttomi Tällöin mitään vektori ei void esittää toisten linerisen yhdisteenä Esimerkki 122 Tutki, ovtko seurvt vektorit linerisesti riippumttomt ) (1, 2, 1), (0, 1, 2) j (1, 3, 3) b) (1, 2) j (2, 0) 182 Mtriisin ste Mtriisi A = ( ij ) m n on muodostunut m:stä vkvektorist j n:stä pystyvektorist Jokisell mtriisill linerisesti riippumttomien vkrivien lukumäärä on linerisesti riippumttomien pystyrivien lukumäärä Tätä lukumäärää snotn mtriisin A steeksi j merkitään r(a) Tietysti 1 r(a) min(m, n) Esimerkki 123 Määritä mtriisin A ste, kun 1 4 ) A = b) A =

21 Mtriisin A = ( ij ) m n limtriisi on mtriisi, jok sdn poistmll mtriisist A noll ti usempi pysty- j/ti vkrivejä Luse 15 Olkoon A mtriisi j m suurin sellinen kokonisluku, että mtriisill A on olemss m m limtriisi, jonk determinntti 0 Tällöin r(a) = m Esimerkki 124 (Toisell tvll) Määritä mtriisin A ste, kun 1 4 ) A = b) A = c) A = Mtriisin steen ominisuudet Olkoot A j B n n mtriisej 1) Digonlimtriisin ste = mtriisin nollst eriävien lkioiden lukumäärä (Miksi?) Erityisesti r(i n ) = n 2) r(a) = r(a T ) 3) r(ab) min{r(a), r(b)} Luse 16 r(a n n ) = n jos j vin jos A on säännöllinen eli det A 0 eli A 1 Siis A on säännöllinen jos j vin jos sen kikki pystyrivit (vst vkrivit) ovt linerisesti riippumttomt Mtriisiss voidn sen stett muuttmtt: ) Viht smnsuuntisten rivien järjestystä b) Kerto mikä thns vk- ti pystyrivi nollst erovll vkioll c) Lisätä mihin thns riviin jokin toinen smnsuuntinen rivi vkioll kerrottun 20

22 Tvoite: Yläkolmio/lkolmiomtriisin ste on helppo lske Luseen 15 menettelyllä Esimerkki 125 Määrää mtriisin A = ste 19 Mtriisin ominisrvot j ominisvektorit Mtriisien sovelluksiss joudutn joskus tilnteeseen, joss on rtkistv n n mtriisi A koskev yhtälö A m n Xn 1 = λ X, (11) missä X = (x 1,, x n ) T j λ R ovt tuntemttomi 2x + 3y + 5z = λx Esimerkiksi x + 2y + 2z = λy, x, y, z j λ tuntemttomi x + 3y + 3z = λz Yhtälö (11) pätee in, kun X = 0 Jos on olemss nollvektorist erov vektori X R n j reliluku λ, joille A X = λ X, niin luku λ on mtriisin A ominisrvo j X on ominisrvo λ vstv ominisvektori X 0 Huomutus Olkoon X mtriisin A ominisvektori j λ vstv ominisrvo Jos 0, niin myös X on mtriisin A ominisrvo λ vstv ominisvektori Todistus A( X) = (A) X = (A) X = (A X) = λ X = λ( X) 21

23 191 Ominisrvojen määrääminen Trkstelln yhtälöä (11) A X = λ X A X λ X = 0 A X λi X = 0 (A λi) X = 0 Tällä yhtälöllä on yksikäsitteinen rtkisu, kun (A λi) on säännöllinen, eli A λi 0 eli (A λi) 1 on olemss Tämä rtkisu on X = (A λi) 1 0 = 0 Siten rtkisu X = 0 on yksikäsitteinen (eli ino) rtkisu, kun (A λi) on säännöllinen, eli A λi 0 Täten yhtälöllä (A λi) X = 0 on (ei-trivili) rtkisu X 0 täsmälleen silloin, kun A λi ei ole säännöllinen eli täsmälleen silloin, kun det (A λi) = A λi = 0 Siten mtriisin A ominisrvot sdn yhtälön A λi n = 0 relijuurin Luseke A λi on λ:n suhteen stett n olev polynomi Sitä snotn mtriisin A krkteristiseksi polynomiksi j yhtälöä A λi = 0 mtriisin A krkteristiseksi yhtälöksi Huomutus Krkteristisen polynomin nollkohdt eivät välttämättä ole relisi (siis eivät ominisrvoj) j jokin nollkoht voi oll moninkertinen Esimerkki 126 Määritä mtriisin ( ) 10 3 A = 3 2 ominisrvot 22

24 192 Ominisrvojen ominisuuksi Olkoon mtriisin A krkteristisen yhtälön A λi = 0 juuret λ 1,, λ n (kikki eivät ehkä eri lukuj eivätkä relisi) Tällöin n λ 1 λ 2 λ 3 λ n = λ i = A = det A i=1 λ 1 + λ 2 + λ λ n = n n λ i = nn = ii i=1 i=1 Summ nn on mtriisin A jälki, merkitään tr(a) Huomutus Al- j yläkolmiomtriisin ominisrvot ovt päälävistäjän lkiot 193 Ominisvektoreiden määrittäminen Olkoon λ mtriisin A = ( ij ) n n ominisrvo Ominisrvoon λ liittyvät ominisvektorit sdn yhtälön (A λi n ) X = 0 rtkisun X, missä X 0 Esimerkki 127 Määritä mtriisin ominisrvot j ominisvektorit A = ( 1 ) Pystyvektorien X = x 1 j Ȳ = y 1 pistetulo on X Ȳ = x 1y 1 + x 2 y x n y n Vstvsti vkvektorien x n y n X = (x 1,, x n ) j Ȳ = (y 1,, y n ) pistetulo on X Ȳ = x 1y 1 + x 2 y x n y n Pystyvektorit X = x 1 j Ȳ = y 1 x n y n 23

25 ovt kohtisuorss toisin vstn eli ortogonliset, jos X T Ȳ = 0 eli X Ȳ = x 1 y 1 + x 2 y x n y n = 0 Vstvsti vkvektorit X = (x 1,, x n ) j Ȳ = (y 1,, y n ) ovt ortogonliset, jos X Ȳ = 0 eli XȲ T = 0 Huomutus Symmetrisen mtriisin A eri ominisrvoihin liittyvät ominisvektorit ovt ortogonliset Siis jos X i on symmetrisen mtriisin A ominisrvoon λ i liittyvä ominisvektori j λ 1 λ 2, niin X 1 X 2 = Optimointi j mtriisit Olkoon y = f( X) = f(x 1,, x n ), eli f on n:n muuttujn funktio Funktion f grdientti f( X) pisteessä X on f( X) = (f 1 ( X), f 2 ( X),, f n ( X)), missä f i on funktion f osittisderivtt muuttujn x i suhteen Hessin mtriisi muodostetn seurvsti: f 11 f 12 f 1n f 21 f 22 f 2n H = f xx = f n1 f n2 f nn n n, missä f ij = ( ) f x j x i g 1 ( X) Olkoon ḡ( X) g 2 ( X) =, missä X = (x 1,, x n ) (vektorirvoinen n:n muuttujn g m ( X) funktio) Jcobin mtriisi g 1 g 1 x 1 x 2 J = ḡ g X = 2 g 2 x 1 x 2 g m g m x 1 x 2 g 1 x n g 2 x n g m x n m n 24

26 Esimerkki 128 Olkoon f( X) = f(x, y, z) = 3xy + yz + 5z, määrää f( X) j H Esimerkki 129 f( X) = f(x, y, z) = (2x + y 2, 2x 2 + z 2 + y, 8z 3 ) Määrää f X Olkoon 11 1n A = n1 nn Mtriisi A on positiividefiniitti, jos sen lideterminntit A1 = 11, A2 = , A3 = , 33 An = A ovt kikki positiivi n n Vstvsti mtriisi A on negtiividefiniitti, jos A1 < 0, A2 > 0, A3 < 0, eli ( 1) i A i > Normlit äärirvot (ei sidotut) Minimoi/mksimoi f(x 1,, x n ), missä f on derivoituv funktio, n 2 1 o Äärirvon mhdollinen olemssolo: (KRP) Luse 17 Jos funktio f( X) = f(x 1,, x n ) on derivoituv pisteessä X 0, niin piste X 0 on funktion f( X) mhdollinen pikllinen äärirvokoht jos j vin jos X 0 on kriittinen piste eli eli eli grdientti f( X 0 ) = 0 f x i ( X 0 ) = 0 i (osittisderivtt = 0) f x1 = 0 f x2 = 0 f xn = 0 25

27 2 o Äärirvon olemssolo j ltu: Luse 18 Olkoon löydetty kriittinen piste X 0 j H( X 0 ) funktion f( X) Hessin mtriisi kriittisessä pisteessä X 0 Tällöin 1) Kriittinen piste X 0 on funktion f( X) pikllinen mksimikoht, jos funktion Hessin mtriisin lideterminntit ( 1) i H i ( X 0 ) > 0, kikill i = 1,, n (H negtiividefiniitti) 2) Kriittinen piste X 0 on funktion f( X) pikllinen minimikoht, jos funktion Hessin mtriisin lideterminntit H i ( X 0 ) > 0, kikill i = 1,, n (H positiividefiniitti) 3) Kriittinen piste X 0 ei ole pikllinen äärirvokoht, jos mutt 1) ti 2) ei toteudu H i ( X 0 ) 0, kikill i = 1,, n 4) Jos H i ( X 0 ) = 0, jollkin i = 1,, n Testi ei kerro mitään, joten tutki trkemmin Esimerkki 130 Etsi piklliset äärirvot funktiolle f(x, y) = x 2 y + y 3 y 1102 Sidotut äärirvot Khden muuttujn j yhden yhtälörjoitteen tpus Äärirvot funktiolle f(x, y) ehdoll g(x, y) = 0 Muodostetn Lgrnge funktio L(x, y, λ) = f(x, y) λg(x, y) 1 o Äärirvon mhdollinen olemssolo: (KRP) L x = f x λg x = 0 L y = f y λg y = 0 eli L λ = g(x, y) = 0 L x = 0 L y = 0 L λ = 0 26

28 2 o Äärirvon olemssolo j ltu: Lsketn ljennetun Hessin mtriisin H determinntti j sen rvo kriittisessä pisteessä H 0 g x g y = g x L xx L xy g y L yx L yy KRP on sidottu pikllinen mksimikoht, jos H > 0 KRP on sidottu pikllinen minimikoht, jos H < 0 Jos H = 0, tutki trkemmin Esimerkki 131 Etsi äärirvot funktiolle f(x, y) = 5x 2 + 6y 2 xy ehdoll x + 2y = 24 n:n muuttujn j m:n yhtälörjoitteen tpus, missä m < n Mksimoi (vst minimoi) funktio f(x 1,, x n ) ehdoill g i (x 1,, x n ) = 0, missä i = 1,, m Lgrnge funktio: L(x 1,, x n, λ 1,, λ m ) = f(x 1,, x n ) missä λ j :t ovt Lgrnge-kertoimi 1 o Äärirvon mhdollinen olemssolo: (KRP) m λ j g j (x 1,, x n ), j=1 { L x i = 0 L λ j = 0 eli { Lxi = 0, kikill i = 1,, n g j = 0, kikill j = 1,, m Näin sdn mhdollinen pikllinen äärirvokoht X 0 2 o Äärirvon olemssolo j ltu: Määritellään ljennettu Hessin mtriisi H ) ( 0 H = m m J m n Jn m T H n n (n+m) (n+m) 27

29 eli H = g 1 g m x 1 x 1 g 1 x n g m x n g 1 g 1 x n x 1 g m x 1 g m x n L x1 x 1 L x1 x n L xnx1 L xnxn (m+n) (m+n) Ljennetun Hessin mtriisin trvittvt lideterminntit H i ovt H i ( X 0 ) = missä i = m + 1,, n g 1 g m x 1 x 1 g 1 x i g m x i g 1 g 1 x i x 1 g m x 1 g m x i L x1 x 1 L x1 x i L xi x 1 L xi x i, Eli H i on vsemmst yläkulmst i:nteen muuttujn sti otettu lideterminntti Siis nollmtriisin lisäksi otetn mukn i kpplett pysty- j vkrivejä Nyt äärirvon ltu mhdollisess pikllisess äärirvokohdss X 0 määräytyy seurvsti: 1) Jos ( 1) i H i > 0, kikill i = m + 1,, n, niin KRP on pikllinen sidottu mksimikoht 2) Jos ( 1) m H i > 0, kikill i = m + 1,, n, niin KRP on pikllinen sidottu minimikoht 3) Jos kumpikn ei toteudu, testi ei kerro mitään, joten tutki trkemmin Esimerkki 132 Määritä funktion f(x, y, z) = x 2 7y 10z 3 piklliset äärirvot ehdoill x + y + z = 0 j x + 2y + 3z = 0 28

30 Lgrngen kertoimen tulkint Tehtävä lunperin muoto: Mximoi/minimoi funktio f( X) ehdoill g j ( X) = b j, missä X = (x 1,, x n ) j j = 1,, m Voidn osoitt, että optimikohdss X λ j = f( X) b j Eli kerroin λ j osoitt kuink pljon optimirvo muuttuu, jos lkuperäisen tehtävän rjoitett g j muutetn Eli jos rjoitteess olev vkio b j muuttuu yhden yksikön, niin optimirvo muuttuu λ j yksikköä Usein b j kuv jonkin resurssin määrää (työt, luonnonvrt), jolloin λ j ilmoitt resurssin vrjohinnn Eli pljonko knntt mks, jos s yhden yksikön lisää resurssi? Esimerkki 133 Ann rvio funktion f(x, y) = 5x 2 +6y 2 xy äärirvoille ehdoll x + 2y = 25 Esimerkki 134 Ann rvio funktion f(x, y) = 5x 2 +6y 2 xy äärirvoille ehdoll x + 2y = 23 Huomutus Ehtojen kertoimien on oltv positiivisi j L = f λ j g j n:n muuttujn j yhden epäyhtälörjoitteen tpus Äärirvot funktiolle f(x 1,, x n ) ehdoll g(x 1,, x n ) 0 Menetelmä on seurv: 1) Äärirvotetn funktio f(x 1,, x n ) ilmn epäyhtälöehto g(x 1,, x n ) 0 Mhdollinen pikllinen äärirvokoht X 0 löytyy siis funktion f( X) osittisderivttojen nollkohtn Suoritetn normli ltutrkstelu kriittiselle pisteelle X 0 Hessin mtriisin vull Jos kriittinen piste toteutt ehdon g(x 1,, x n ) 0, niin se on myös epäyhtälöehdon mukinen sidottu pikllinen äärirvokoht (Äärirvokoht löytyy siis ehtolueen sisältä, g(x 1,, x n ) 0) 29

31 2) Trkstelln epäyhtälörjoitteen g(x 1,, x n ) 0 sijn yhtälörjoitett g(x 1,, x n ) = 0 Rtkistn kuten normli sidottu äärirvotehtävä, missä Lgrnge-funktio on nyt muoto L(x 1,, x n, λ) = f(x 1,, x n ) λg(x 1,, x n ) Olkoon rtkisun stu kriittinen piste X 0 Suoritetn Lgrngen mukinen ltutrkstelu kriittiselle pisteelle X 0 ljennetun Hessin mtriisin vull (Äärirvokoht löytyy siis ehtolueen reunlt, g(x 1,, x n ) = 0) 3) Kohtiin 1) j 2) perustuv päättely Esimerkki 135 Mksimoi/minimoi f(x, y) = 5x 2 + 6y 2 xy ehdoll x + 2y 24 Esimerkki 136 Mksimoi/minimoi f(x, y) = 5x 2 + 6y 2 xy ehdoll x + 2y 24 n:n muuttujn j yhden epäyhtälörjoitteen tpus (Lmbd päättely) Äärirvot funktiolle f(x 1,, x n ) ehdoll g(x 1,, x n ) 0 Menetelmä on seurv: 1) Oletetn epäyhtälörjoitteen sijn yhtälörjoite g(x 1,, x n ) = 0 Rtkistn kuten normli sidottu äärirvotehtävä, missä Lgrnge-funktio on nyt muoto L(x 1,, x n, λ) = f(x 1,, x n ) λg(x 1,, x n ) Olkoon rtkisun stu kriittinen piste X 0 j λ = λ 0 (Trkist, että löydetty KRP toteutt lkuperäisen ehdon) 2) Jos stu λ 0 > 0, niin X 0 on funktion f(x 1,, x n ) mhdollinen sidottu äärirvokoht ehdoll g(x 1,, x n ) 0 Ltu määräytyy ljennetun Hessin mtriisin vull Jos stu λ 0 0, niin funktion f(x 1,, x n ) sidottu äärirvokoht ehdoll g(x 1,, x n ) 0 sdn funktion normlist äärirvokohdst eli funktion osittisderivttojen nollkohdst Smoin äärirvon ltu Hessin mtriisin vull Esimerkki 137 Mksimoi/minimoi f(x, y, z) = xy + xz + yz ehdoll xyz

32 n:n muuttujn j yhden epäyhtälörjoitteen tpus (Kuhn-Tuckerin menetelmä) Olkoon f(x 1, x 2,, x n ) n:n muuttujn funktio epäyhtälörjoitteell g(x 1, x 2,, x n ) 0 Piste x = (x 1, x 2,, x n) on funktion f pikllinen mksimikoht vin, jos on olemss ei-negtiivinen luku λ siten, että λ j piste (x 1, x 2,, x n) toteuttvt Kuhn-Tuckerin ehdot: h i = f λ g = 0 x i x i λg(x 1, x 2,, x n ) = 0 g(x 1, x 2,, x n ) 0 i = 1, 2,, n Nämä ehdot ovt riittävät, jos funktio f(x 1, x 2,, x n ) on ylöspäin kuper j g(x 1, x 2,, x n ) on lspäin kuper Kosk funktion f(x 1, x 2,, x n ) mksimikoht on funktion f(x 1, x 2,, x n ) minimikoht, niin tulos on käytettävissä myös silloin, kun lspäin kuper funktio minimoidn lspäin kupern ehtojoukon yli Huomutus Funktio f(x 1, x 2,, x n ) on lspäin kuper lueess, jos mitkä thns kksi pistettä ( x 1, x 2,, x n ) j ( x 1, x 2,, x n ) toteuttvt epäyhtälöehdon f[(1 t) x 1 + t x 1,,(1 t) x n + t x n ] (1 t)f( x 1, x 2,, x n ) + tf( x 1, x 2,, x n ) Funktio on idosti lspäin kuper, jos voidn korvt merkillä < ; funktio on ylöspäin kuper, jos voidn korvt merkillä, j idosti ylöspäin kuper, jos voidn korvt merkillä > 111 Pnos-tuotos mlli Tunnetn eräs pnos-tuotos tulu: x i1 x i2 x i3 x in y i x 1 x 11 x 12 x 13 x 1n y 1 x 2 x 21 x 22 x 23 x 2n y 2 x 3 x 31 x 32 x 33 x 3n y 2 x n x n1 x n2 x n3 x nn y n 31

33 Vkrivillä toimiln i kokonistuotnnon x i käyttö välituottein x ij toimiloill j j lopputuotteen y i Muodostetn mlli, jok kertoo yleisesti lopputuotteiden kysynnän perusteell toimilojen kokonistuotnnon Mllin muodostminen tphtuu vkrivien perusteell: n x i = x ij + y i, missä n on toimilojen lukumäärä (12) j=1 Mllin kiinteät kertoimet lsketn eräästä tunnetust pnos-tuotos tulust seurvsti: ij = x ij x j x ij = ij x j, missä 0 ij 1 (13) Pnoskerroin ij ilmisee kuink pljon toimilll j trvitn toimiln i tuotnto yhden tuoteyksikön tuottmiseen Sijoittmll yhtälö (13) yhtälöön (12) sdn: n x i = ij x j + y i, missä i = 1,, n j=1 Eli x 1 = 11 x x n x n + y 1, x 2 = 21 x x n x n + y 2, x n = n1 x 1 + n2 x nn x n + y n Yleinen muoto: X = A X + Ȳ, missä Ȳ = loppukysyntä X = kokonistuotnto A = nk teknillinen mtriisi Eli x 1 x 2 x n n n n = n1 n2 nn n n x 1 x 2 y 1 y 2 + x n y n 1 n n 1 32

34 Tästä sdn rtkistu toimilojen tuotnnot x i, kun tunnetn kertoimet ij j lopputuotteiden kysynnät y i, eli tiedetään hlutut lopputuotemäärät j suhde kuink pljon toimil trvitsee toisten toimilojen tuotnto välituottein Siis X = A X + Ȳ X A X = Ȳ I X A X = Ȳ (I A) X = Ȳ (I A) 1 X = (I A) 1 Ȳ Näin johdettu yhtälö X = (I A) 1 Ȳ on pnos-tuotos mlli, jok ilmisee toimilojen kokonistuotnnon riippuvuuden lopputuotteiden kysynnästä Käänteismtriisi (I A) 1 on Leontief:n käänteismtriisi Merkitään sen lkioit b ij : x 1 x 2 x n n 1 Siis x i = b i1 y 1 + b i2 y b in y n b 11 b 12 b 1n b 21 b 22 b 2n = b n1 b n2 b nn n n y 1 y 2 Leontief:n käänteismtriisi ilmisee toimilojen kokonistuotnnon j lopputuotteiden kysynnän välisen riippuvuuden Eli lkio b ij ilmisee, kuink pljon tuotnto trvitn toimilll i, jott toimilll j voitisiin tuott yksi lopputuoteyksikkö Esimerkki 138 Khden teollisuudenln tuotnto kuv seurv tulukko Muodost sen vull pnos-tuotos mlli (luvut milj euro) y n n 1 kokonis- välikäyttö lopputuotnto A B kysyntä tuottj A B Derivointi vektorimuodoss Äärirvotehtävissä joudutn joskus derivoimn lusekkeit, jotk sisältävät mtriisej j vektoreit 33

35 1121 Linerisen vektorin derivointi Funktio f : R n R on linerinen, jos se on muoto f( X) = f(x 1, x 2,, x n ) = 1 x x n x n, missä i R vkioit Asettmll x 1 x 2 1 X = j ā = 2 funktio f sdn muotoon x n f( X) = ā T X = (1,, n ) = X T ā = (x 1,, x n ) x 1 n 1 x n n Osittisderivoimll funktiot f sdn f = āt X = 1, x 1 x 1 f = āt X = 2,, x 2 x 2 f = āt X = n x n x n Osittisderivtoist voidn muokt vektori ā T X f X = āt X X = x 1 ā T X = x n 1 n = ā Smoin X T ā X = X T ā x 1 X T ā x n 1 = n = ā 34

36 Esimerkki 139 Jos 2 1 ā = 3 j X = 5 niin f( X) = ā T X = 2x1 x 2 + 3x 3 + 5x 4 j ā T X x 1 = 2, ā T X x 2 = 1, ā T X x 3 = 3, ā T X x 4 x 1 x 2 x 3 x 4, = 5, eli 2 ā T X X = 1 3 = ā Vektorirvoisen funktion derivointi Funktio F : R m R n on m:n muuttujn vektorirvoinen funktio Funktion rvot ovt n-komponenttisi pystyvektoreit, joiden jokinen komponentti on m:n muuttujn relirvoinen funktio F = f 1 (x 1,, x m ) f n (x 1,, x m ) Kukin f i voidn derivoid jokisen muuttujn x j suhteen f 1 f 2 f n F X = x 1 x 1 x 1 = J T f 1 f 2 f n x m x m x m m n Esimerkki 140 Olkoon ( ) F ( X) = F x 2 (x 1, x 2, x 3 ) = 1 + x 2 2 2x 2 x 3 4x 1 x 2 3 x x 2 x 2 3 Tällöin F 2x 1 4x 2 3 X = 2x 2 2x 3 2x 2 + 5x 2 3 2x 2 8x 1 x x 2 x

37 1123 Kvdrttisenmuodon derivointi Olkoon A symmetrinen n n mtriisi j X = (x 1, x 2,, x n ) T Luseke 11 1n x 1 X T A X = (x 1,, x n ) = f( X) n1 nn on kvdrttinen muoto Ottmll osittisderivtt muuttujien x 1, x 2, x n suhteen, sdn X ( X T A X) x 1 ( X T A X) = = 2A X x n ( X T A X) Ti X ( X T A X) = ( x 1 ( X T A X), x n ) ( x X T A X),, ( 2 x X T A X) = 2 X T A n Esimerkki 141 Olkoon x X = x 2 j A = x Tällöin x 1 X T A X = (x 1, x 2, x 3 ) x x 3 = (3x 1 + x 2 2x 3, x 1 + 3x 3, 2x 1 + 3x 2 + 2x 3 ) x 2 x 3 = 3x x 2 x 1 2x 3 x 1 + x 1 x 2 + 3x 3 x 2 2x 1 x 3 + 3x 2 x 3 + 2x 2 3 = 3x x 1 x 2 4x 1 x 3 + 6x 2 x 3 + 2x 2 3 = f( X) x 1 Siten x 1 XT A X = 6x 1 + 2x 2 4x 3, x 2 XT A X = 2x 1 + 6x 3 36

38 Siis j x 3 XT A X = 4x 1 + 6x 2 + 4x 3 6x 1 + 2x 2 4x 3 3x 1 + x 2 2x 3 X X T A X = 2x 1 + 6x 3 = 2 x 1 + 3x 3 4x 1 + 6x 2 + 4x 3 2x 1 + 3x 2 + 2x x 1 = x 2 = 2A X x Bilinerinen derivointi Olkoon X = x 1, Z = z 1 j B m n mtriisi x m z n Luseke b 11 b 1n z 1 X T B Z = (x 1,, x m ) = f( X, Z) b m1 b mn z n on bilinerimuoto Tällöin X ( X T B Z) x 1 ( X T B Z) = = B Z x m ( X T B Z) j Z ( X T B Z) z 1 ( X T B Z) = = B T X z n ( X T B Z) 37

39 Esimerkki 142 Olkoon x X = x 2 B = 3 3 x ( ) z1 Z = z 2 Tällöin 2 2 ( ) X T B Z = (x 1, x 2, x 3 ) 3 3 z1 z = (2x 1 + 3x 2 + 2x 3, 2x 1 + 3x 2 + 4x 3 ) ( z1 = 2x 1 z 1 + 3x 2 z 1 + 2x 3 z 1 + 2x 1 z 2 + 3x 2 z 2 + 4x 3 z 2 = f( X, Z) z 2 ) Nyt Eli x 1 ( X T B Z) = 2z 1 + 2z 2, j x 2 ( X T B Z) = 3z 1 + 3z 2 x 3 ( X T B Z) = 2z 1 + 4z 2 2z 1 + 2z ( ) X ( X T B Z) = 3z 1 + 3z 2 = 3 3 z1 = B z Z 2 2z 1 + 4z Edelleen z 1 ( X T B Z) = 2x 1 + 3x 2 + 2x 3 j z 2 ( X T B Z) = 2x 1 + 3x 2 + 4x 3 Siis Z ( X T B Z) = ( ) 2x1 + 3x 2 + 2x 3 = 2x 1 + 3x 2 + 4x 3 ( ) x x 2 = 3 3 x T x 1 x 2 x 3 = B T X 38

40 113 Mtriisien sovellutus regressionlyysissä Usen muuttujn Pienimmän neliösummn regressionlyysissä jtelln, että (selitettävä) muuttuj y riippuu (selittävistä) muuttujist x 1, x 2,, x k j häiriötekijästä u yhtälön mukisesti y = β 0 + β 1 x 1 + β 2 x 2 + β k x k + u Vkioit β 0, β 1,, β k ei tunnet j käytettävissä on n:n kppleen otos muuttujn y j muuttujien x 1, x 2,, x k rvoj Siis n kpl y:n rvoj j niitä vstvt x i :n rvot ovt tiedoss: y i = β 0 + β 1 x 1i + β 2 x 2i + β k x ki + u i, i = 1, 2,, n (14) Tehtävänä on löytää estimtit (rviot) vkioille β 0, β 1,, β k eli löytää (prs) linerinen funktio, jonk kutt y riippuu muuttujist x i Merkitään: y 1 1 x 11 x 21 x k1 β 0 u 1 y 2 Ȳ =, X = 1 x 12 x 22 x k2, β β 1 = j ū = u 2 1 x 1n x 2n x kn β k u n y n n k+1 Yhtälöryhmä (14) sdn nyt mtriisimuotoon Ȳ = X β + ū (15) Vkioiden β 0, β 1,, β k estimttien löytämiseksi käytetään ns pienimmän neliösummn menetelmää Merkitään vektorin β estimtti ˆβ 0 ˆβ 1 ˆβ = ˆβ k Tällöin Ȳ = X ˆβ + ē, 39

41 missä ē = Ȳ X ˆβ = (e 1, e 2,, e n ) T on n:n ns jäännöstermin muodostm pystyvektori Siis e i = y i ( ˆβ 0 + ˆβ 1 x 1i + + ˆβ k x ki ) Pienimmän neliösummn menetelmässä summ n e 2 i = ē T ē i=1 minimoidn (Virheen minimointi) Siis etsitään ˆβ, joll virhe minimoituu Nyt n e 2 i = ē T ē = (Ȳ X ˆβ) T (Ȳ X ˆβ) i=1 = (Ȳ T (X ˆβ) T ) (Ȳ X ˆβ) = (Ȳ T ˆβ T X T ) (Ȳ X ˆβ) = Ȳ T Ȳ Ȳ T X ˆβ ˆβ T X T Ȳ + ˆβ T X T X ˆβ Vektorin ˆβ määrittämiseksi etsitään lusekkeen ē T ē pienin rvo kuten normliss äärirvotehtävässä Etsitään ensin KRP derivoimll luseke tuntemttomn ˆβ suhteen j settmll se nollksi: mikäli X T X säännöllinen ˆβ (ēt ē) = X T (Ȳ T ) T X T Ȳ + 2X T X ˆβ = 2X T Ȳ + 2X T X ˆβ = 0 X T X ˆβ = X T Ȳ ˆβ = (X T X) 1 X T Ȳ, Jott voidn osoitt, että ˆβ = (X T X) 1 X T Ȳ on minimirtkisu, on tutkittv toist derivtt 2 ē T ē ˆβ 2 = ˆβ ( 2XT Ȳ + 2X T X ˆβ) = 2X T X 40

42 Jos mtriisi X T X on positiividefiniitti, niin kyseessä on minimirtkisu Käytännön tilnteiss X T X on in positiividefiniitti Esimerkki 143 Estimoi yhtälön y = β 0 +β 1 x 1 kertoimi β pienimmän neliösummn menetelmällä, kun hvintoineisto on seurv: y 1 = 5 x 11 = 1 y 2 = 3 x 12 = 0 y 3 = 2 x 13 = 1 y 4 = 8 x 14 = Linerinen optimointi Mksimoitess voitto ti minimoitess kustnnuksi tulee usein eteen resurssien rjllisuus Tehtävä Mksimoi/minimoi kohdefunktio z = f(x 1, x 2,, x n ) = c 1 x 1 + c 2 x c n x n + c 0 (Linerinen!!!) rjoitteill 11 x x n x n b 1 21 x x n x n b 2 (Lineriset!!!) m1 x 1 + m2 x mn x n b m x j 0 j = 1,, n 1141 Geometrinen rtkisu Khden päämuuttujn tpus: Mx/min f(x 1, x 2 ) = c 1 x 1 + c 2 x 2 + c 0 rjoitteill 11 x x 2 b 1 21 x x 2 b 2 m1 x 1 + m2 x 2 b m x 1, x 2 0, ei pkollinen 41

43 Muodostetn rtkisumonikulmio eli etsitään ehtolue, joss rjoitteet toteutuvt Luse 19 Jos rtkisumonikulmio on suljettu, niin optimointitehtävän yksikäsitteinen rtkisu löytyy rtkisumonikulmion kärjistä Jos rtkisuj on useit, niin inkin kksi niistä löytyy rtkisumonikulmion kärkipisteistä Jos rtkisumonikulmio on voin lue, tutki trkemmin Esimerkki 144 Mx/min f(x 1, x 2 ) = 2x x 2 rjoitteill 2x 1 + x 2 6 5x 1 + 4x 2 20 x 1, x 2 0 Huomutus Rtkisumonikulmio ei välttämättä ole suljettu rjoitteill Esimerkiksi: { 2x1 + x 2 6 5x 1 + 4x 2 40 { 2x1 + x 2 6 5x 1 + 4x 2 40 Esimerkki 145 Min/mx f(x, y) = 2x + 10y rjoitteill 2x + y 6 5x + 4y 20 x, y 0 42

44 Esimerkki 146 Min/mx f(x, y) = 2x + 10y rjoitteill 2x + y 6 5x + 4y 20 x, y Kntrtkisu menetelmä Tehtävä Mksimoi/minimoi kohdefunktio z = f(x 1, x 2,, x n ) = c 1 x 1 + c 2 x c n x n + c 0 rjoitteill 11 x x n x n b 1 21 x x n x n b 2 m1 x 1 + m2 x mn x n b m x j 0 j = 1,, n Rjoite-epäyhtälöt muutetn lisämuuttujien (x n+1,, x n+m ) vull yhtälöiksi: 11 x x n x n + x n+1 = b 1 21 x x n x n x n+2 = b 2 m1 x 1 + m2 x mn x n + x n+m = b m x j 0 j = 1,, n + m Kntrtkisu on eo yhtälöryhmän sellinen rtkisu, joss tuntemttomist x 1,, x n+m on n kpplett nolli j lisäksi positiivisuusehto ei huomioid Kntmuuttujt ovt ne m muuttuj, joit ei setet nolliksi Hyväksyttävä kntrtkisu on kntrtkisu, jok toteutt myös positiivisuusehdon Optimlinen kntrtkisu on hyväksyttävä kntrtkisu, jok nt kohdefunktion optimirvon 43

45 Luse 110 Jos kohdefunktioll on äärellinen optimi, niin inkin yksi optimlinen rtkisu löytyy hyväksyttävänä kntrtkisun Optimointi: 1) hetn kntrtkisut 2) vlitn hyväksyttävät kntrtkisut 3) lsketn funktion rvot kohdn 2) pisteissä 4) vlitn näistä hettu optimirvo Esimerkki 147 Min/mx f(x 1, x 2 ) = 2x x 2 rjoitteill 2x 1 + x 2 6 5x 1 + 4x 2 20 x 1, x 2 0 Huomutus Kntrtkisu menetelmä ei toimi voimess lueess Pienellä vrovisuudell kylläkin 1143 SIMPLEX menetelmä Tehtävä Mksimoi/minimoi kohdefunktio z = f( X) = c 1 x 1 + c 2 x c n x n rjoitteill 11 x x n x n b 1 21 x x n x n b 2 m1 x 1 + m2 x mn x n b m x j 0 j = 1,, n Rjoite-epäyhtälöt muutetn lisämuuttujien vull yhtälöiksi: Esimerkiksi rjt {11x1 + 12x nxn b1 21 x x n x n b 2 { 11 x x n x n + x n+1 = b 1 21 x x n x n x n+2 + x n+3 = b 2 44

46 Lisämuuttujt: x n+1 ei kohdefunktioon, kylläkin rvotulukkoon x n+3 kohdefuntioon j rvotulukkoon { minimointi Mxn+3 M suuri positiivinen luku mksimointi Mx n+3, x n+2 ei kohdefunktioon eikä rvotulukkoon lisämuuttujn Esimerkki 148 Minimoi z = f(x 1, x 2 ) = 2x x 2 rjoitteill 2x 1 + x 2 6 5x 1 + 4x 2 20 x 1, x 2 0 Rjoite-epäyhtälöt muutetn lisämuuttujien vull yhtälöiksi: 2x 1 + x 2 + x 3 = 6 5x 1 + 4x 2 x 4 + x 5 = 20 x 1, x 2, x 3, x 4 0 minimoi z = f(x 1, x 2 ) = 2x x 2 + Mx 5 edellä olleill rjoitteill Muodostetn rvotulukko seurvsti: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 0 x M x z j 20M 5M 4M 0 M M c j z j 2 5M 10 4M 0 M 0 (Kun x 3 = 6 j x 5 = 20, niin x 1 = x 2 = 0 z = 20M) z j :n rvot sdn lskemll lisämuuttujien rvoiksi srkkeen luvut j kertoimiksi c 3 j c 5 c j z j edust lisäystä funktion rvoon, jok svutetn muuttujn j yhden yksikön lisäyksellä (ko rvoist) 45

47 Optimlisuuden trkistus: Mksimointitehtävä: Jos rivin c j z j kikki rvot ovt negtiivisi ( 0), niin tulost ei void prnt j on löydetty mksimikoht Minimointitehtävä: Jos rivin c j z j kikki rvot ovt positiivisi ( 0), niin tulost ei void prnt j on siten löydetty minimikoht Nyt 2 5M < 0 j 10 4M < 0 ei minimikoht Korvvn j väistyvän muuttujn vlint: Suurin prnnus eli tässä tpuksess pienennys funktion rvoon sdn muuttujn x 1 lisäyksestä (2 5M < 10 4M, M suuri positiivinen luku) x 1 korvv muuttuj j x 1 :n srke optimisrke Jetn lisämuuttujien rvot vstvill optimisrkkeen rvoill: x 3 : 6 2 = 3 x 5 : 20 5 = 4 Se, joll on pienempi positiivinen rvo, vlitn väistyväksi muuttujksi x 3 väistyvä muuttuj Muodostetn uusi rvotulu: Korvvn muuttujn x 1 rivi sdn väistyvän muuttujn x 3 rivin lkioist jkmll ne optimisrkkeen x 1 muuttujn x 3 rvoll c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x M x

48 Muut rivit: uuden vnhn vnhn rivin vstv rivin = rivin lkio optimi-srkkeessvll lkio korv- lkio lkio rivillä c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x M x z j 6 + 5M M 1 5M M M 2 2 c j z j 0 9 3M 1 + 5M M Ei minimirtkisu, sillä M < 0 Nyt x 2 on korvv muuttuj j x 2 :n srke on optimisrke Lisäksi x 1 : = 6 j x 5 : = 10 3 x 5 väistyvä muuttuj Muodostetn uusi rvotulu: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x x c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 2 x = x z j = = 14 = 6 = c j z j M 6 47

49 Tämä on minimirtkisu, sillä 14 > 0, 6 > 0 j M 6 > 0 Siis minimirtkisu on x 1 = 4 j x 3 1 = 10, jolloin minimirvo on 36 3 Esimerkki 149 Mksimoi z = f(x 1, x 2 ) = 2x x 2 rjoitteill 2x 1 + x 2 6 5x 1 + 4x 2 20 x 1, x 2 0 Muutetn epäyhtälörjoitteet yhtälöiksi: 2x 1 + x 2 + x 3 = 6 5x 1 + 4x 2 x 4 + x 5 = 20 x 1, x 2, x 3, x 4 0 mksimoi z = f(x 1, x 2 ) = 2x x 2 Mx 5 edellä olleill rjoitteill Muodostetn rvotulukko seurvsti: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 0 x M x z j 20M 5M 4M 0 M M c j z j 2 + 5M M 0 M 0 (Kun x 3 = 6 j x 5 = 20, niin x 1 = x 2 = 0 z = 20M) Optimlisuuden trkistus: Nyt 2 + 5M > 0 j M > 0 ei mksimikoht Korvvn j väistyvän muuttujn vlint: Suurin prnnus funktion rvoon sdn muuttujn x 1 lisäyksestä (2 + 5M > M, M suuri positiivinen luku) x 1 korvv muuttuj j x 1 :n srke optimisrke Jetn lisämuuttujien rvot vstvill optimisrkkeen rvoill: x 3 : 6 2 = 3 x 5 : 20 5 = 4 48

50 Se, joll on pienempi positiivinen rvo, vlitn väistyväksi muuttujksi x 3 väistyvä muuttuj Muodostetn uusi rvotulu: Korvvn muuttujn x 1 rivi sdn väistyvän muuttujn x 3 rivin lkioist jkmll ne optimisrkkeen x 1 muuttujn x 3 rvoll c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x M x c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x M x z j 6 5M 2 1 3M 1 + 5M M M 2 2 c j z j M 1 5M M Ei mksimirtkisu, sillä M > 0 Nyt x 2 on korvv muuttuj j x 2 :n srke optimisrke Lisäksi x 1 : = 6 j x 5 : = 10 3 x 5 väistyvä muuttuj Muodostetn uusi rvotulu: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x x

51 c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x x z j c j z j M 6 Tämä ei ole mksimirtkisu, sillä 14 > 0 j 6 > 0 Kosk 14 > 6, niin x 3 on korvj muuttuj j x 3 :n srke on optimisrke Lisäksi x 1 : = 1 j x 2 : x 1 väistyvä muuttuj = 2 Muodostetn uusi rvotulu: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x x x c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 0 x x z j c j z j M 10 4 Ei mksimirtkisu, sillä 10 4 optimisrke Lisäksi > 0 Nyt x 4 on korvv muuttuj j x 4 :n srke x 3 : = 4 j x 2 : x 3 väistyvä muuttuj = 20 50

52 Muodostetn uusi rvotulu: c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 0 x x c j M c j lisämuuttujt rvot x 1 x 2 x 3 x 4 x 5 0 x x z j c j z j M Selvästi kyseessä on mksimirtkisu Nyt { x2 = 6 x 4 = 4 5x x 5 = 20 x 1 = x 5 = 0 Optimikoht on siis x 1 = 0, x 2 = 6 z = M 0 = 60 51

53 2 Integrlilskent 21 Johdnto Integrointi on derivoimisen käänteistoimitus Siis f(x) dx = F (x) D F (x) = f(x) On siis määritettävä funktio F (x), kun sen derivttfunktio f(x) tiedetään Tloustieteessä voidn käyttää seurviss tpuksiss: rjhyötyfunktio hyötyfunktio rjkustnnusfunktio kustnnusfunktio rjtulofunktio tulofunktio Määrätty integrli: integrointi yli jonkin välin b f(x) dx Menetelmä, joll voidn lske käyrän rjoittmn pinnn l Kokonistulo on rjtulofunktion rjoittmn pinnn l Kuluttjn ylijäämä on kysyntäkäyrän lpuolell jäävä pint-l Vstvsti tuottjn ylijäämä on trjontkäyrän lpuolell jäävä pint-l 22 Integrlifunktio Pyritään määräämään funktio F (x), kun sen derivttfunktio f(x) on nnettu Funktio F on funktion f integrlifunktio, jos F (x) = f(x) x D f Merkitään f(x) dx = F (x) 52

54 Kosk funktio F (x) on derivoituv on se myös jtkuv Olkoon F (x) funktion f(x) eräs integrlifunktio Siis F (x) = f(x) Toislt kun c on vkio, niin D(F (x) + c) = DF (x) + Dc = F (x) + 0 = F (x) = f(x) Siis jokinen funktio F (x) + c, missä c on vkio, on myös funktion f(x) integrlifunktio Luse 21 (Integrlilskennn perusluse) Olkoon funktio f(x) jtkuv j derivoituv välillä ], b[ Jos lisäksi f (x) = 0 x ], b[, niin f(x) on vkiofunktio tällä välillä Todistus Vert f(x):n ksvunopeus Olkoon D f =], b[ j olkoot F (x) j G(x) molemmt funktion f(x) integrlifunktioit, eli F (x) = f(x) j G (x) = f(x) Tällöin D(G(x) F (x)) = DG(x) DF (x) = G (x) F (x) = f(x) f(x) = 0 Integrlilskennn perusluseen nojll G(x) F (x) on vkiofunktio, eli on olemss c R siten, että G(x) F (x) = c x ], b[ G(x) = F (x) + c 53

55 Luse 22 Olkoon f(x) funktio, jolle D f =], b[ j F (x) on eräs funktion f(x) integrlifunktio Tällöin {F (x) + c c R} on funktion f(x) kikkien integrlifunktioiden joukko Kun nnetn yksi piste (x 0, y 0 ), jonk kutt integrlifunktio kulkee, niin integrlifunktio sdn täysin määrättyä: F (x 0 ) + c = y 0 c = y 0 F (x 0 ) Luse 23 Olkoot f(x) j g(x) funktioit, joill D f = D g =], b[ Oletetn, että F (x) on eräs funktion f(x) j G(x) eräs funktion g(x) integrlifunktio Tällöin (i) F (x) + G(x) on funktion f(x) + g(x) integrlifunktio (ii) F (x) on funktion f(x) integrlifunktio ( R vkio) Todistus (i) D(F (x) + G(x)) = F (x) + G (x) = f(x) + g(x) (ii) D(F (x)) = D(F (x)) = F (x) = f(x) Funktion f(x) integrlifunktiot merkitään: f(x) dx = F (x) + c, missä F (x) on funktion f(x) eräs integrlifunkto j c on integroimisvkio Luse 23 sdn nyt muotoon (i) (f(x) + g(x)) dx = f(x) dx + g(x) dx (ii) f(x) dx = f(x) dx Derivoimiskvoist sdn seurvt integroimiskvt: (1) dx = x + c, missä R on vkio (2) x dx = x+1 x+1 + c, 1, R, sillä D = ( + 1)x + 1 = x Jos Z, niin oltv x 0 (juuren ll posit) 54

56 (3) (4) (5) 1 dx = ln x + c, x 0, x D ln x = 1 sillä D ln x = x, kun x > 0 D ln ( x) = 1 x ( 1) = 1, kun x < 0 x e x dx = e x + c, sillä De x = e x x dx = x x + c, sillä D ln ln = x ln ln = x Olkoot funktiot g(x), f(x) j f (x) jtkuvi j G(x) eräs funktion g(x) integrlifunktio Tällöin D G(f(x)) = G (f(x)) f (x) = g(f(x)) f (x) Siis (6) g(f(x)) f (x) dx = G(f(x)) + c Tämän vull sdn seurvt integroimiskvt: (7) (f(x)) f (x) dx = (f(x))+1 + c, 1, + 1 sillä D (f(x)) = ( + 1)(f(x)) + 1 f (x) = f(x) f (x) Olkoon nyt 1 j f(x) 0 Tällöin (8) (9) f (x) dx = ln f(x) + c, f(x) 0, sillä f(x) D ln f(x) = 1 f(x) f (x) = f (x), kun f(x) > 0 f(x) D ln f(x) = D ln ( f(x)) = 1 f(x) f (x) = f (x), kun f(x) < 0 f(x) e f(x) f (x) dx = e f(x) + c, sillä De f(x) = e f(x) f (x) 55

57 (10) sillä f(x) f (x) dx = f(x) ln + c, D f(x) ln = ln f(x) f (x) ln = f(x) f (x) Funktiot f(x) snotn integroituvksi, jos sillä on olemss integrlifunktio Jokinen jtkuv funktio on integroituv Sdn suhde f derivoituv f jtkuv f integroituv Olkoot funktiot f j g derivttoineen jtkuvi Tällöin D(f(x) g(x)) = f (x) g(x) + f(x) g (x) (f (x) g(x) + f(x) g (x)) dx = f(x) g(x) + c f (x) g(x) dx + f(x) g (x) dx = f(x) g(x) + c Tästä sdn ns osittisintegroinnin kv: (11) Vlitn: f (x) g(x) dx = f(x) g(x) f(x) g (x) dx + c f : voidn (ostn) integroid g : yksinkertistuu enemmän derivoimll Esimerkki 21 (x 4 + 1x 3 ) dx Esimerkki 22 Määritä funktion f(x) = 8x 3 2x ) Kikki integrlifunktiot b) Se integrlifunktio F (x), jolle F (1) = 9 Esimerkki 23 x + 3 x + 1 dx x 56

58 Esimerkki x + 2 2x 2 x dx Esimerkki 25 3x x2 + 1 dx Esimerkki 26 e x2 x dx Esimerkki 27 Esimerkki 28 x 2 x dx x ln x dx 23 Integrointi osmurtokehitelmän vull On määrättävä P (x), missä P (x) j Q(x) ovt polynomej Q(x) Jos polynomi P (x) on jollinen polynomill Q(x), niin tehtävä plutuu polynomin integrointiin Jos polynomi P (x) = Q (x), niin tehtävä plutuu integroimiskvn (7) Oletetn nyt, että P (x) ei ole jollinen polynomill Q(x) eikä se ole sen derivttfunktio Olkoon lisäksi polynomi P (x) lemp stett kuin Q(x), muutoin suoritetn ensin jkminen (ktso esim 29 jälkeinen teksti) Tällöin rtionlifunktio P (x) Q(x) jotk kyetään integroimn Menetelmä on seurv: voidn esittää osmurtolusekkeiden summn, 1) Jetn nimittäjä Q(x) jottomiin tekijöihin rtkisemll sen nollkohdt Tekijät ovt muoto x + b (vst polynomin Q(x) relist nollkoht) ti x 2 + bx + c (tpus, joss nollkoht ei ole reliluku eli 2 steen tekijä ei jknnu) 2) Kutkin polynomin Q(x) tekijää vst osmurtoluseke seurvsti: 57

59 ) yksinkertinen linerinen tekijä x + b A x + b b) n kertinen linerinen tekijä (x + b) n A 1 x + b + A 2 (x + b) + + A n 2 (x + b) n c) yksinkertinen toisen steen joton tekijä x 2 + bx + c Ax + B x 2 + bx + c d) n kertinen toisen steen joton tekijä (x 2 + bx + c) n A 1x + B 1 x 2 + bx + c + A 2x + B 2 (x 2 + bx + c) + + A nx + B n 2 (x 2 + bx + c) n missä A, B, A 1,, A n, B 1,, B n ovt vkioit, jotk pitää määrätä 3) Vkiot määrätään seurvsti: Luseke P (x) esitetään osmurtolusekkeiden summn Kerrotn puolittin nimittäjällä Q(x), jolloin vsemmlle puolelle jää P (x) j oikel- Q(x) le puolelle osmurtolusekkeiden vkioit sisältävä polynomi Vertmll kyseisen polynomin j polynomin P (x) termien kertoimi, sdn vkiot määrättyä 4) Integrli P (x) Q(x) Esimerkki 29 sdn osmurtolusekkeiden integrlien summn x + 3 x 2 + 3x + 2 dx Jos P (x) on korkemp ti yhtä suurt stett kuin Q(x), niin jetn: P (x) Q(x) = R(x) + P 1(x) Q(x) missä jkojäännös P 1 (x) on lemp stett kuin Q(x) Siten P (x) Q(x) dx = R(x) dx + P1 (x) Q(x) dx 58

Analyysin perusteet kauppatieteilijöille 800118P

Analyysin perusteet kauppatieteilijöille 800118P Anlyysin perusteet kupptieteilijöille 800118P Luentomoniste Kri Myllylä Niin Korteslhti Topi Törmä Oulun yliopisto Mtemttisten tieteiden litos Kevät 2015 Sisältö 1 Derivtt 3 1.1 Määritelmä..............................

Lisätiedot

2.4 Pienimmän neliösumman menetelmä

2.4 Pienimmän neliösumman menetelmä 2.4 Pienimmän neliösummn menetelmä Optimointimenetelmiä trvitn usein kokeellisen dtn nlysoinniss. Mittuksiin liittyy virhettä, joten mittus on toistettv useit kertoj. Oletetn, että mittn suurett c j toistetn

Lisätiedot

6 Integraalilaskentaa

6 Integraalilaskentaa 6 Integrlilskent 6. Integrlifunktio Funktion f integrlifunktioksi snotn funktiot F, jonk derivtt on f. Siis F (x) = f (x) määrittelyjoukon jokisell muuttujn rvoll x. Merkitään F(x) = f (x) dx. Integrlifunktion

Lisätiedot

Esimerkki 8.1 Määritellään operaattori A = x + d/dx. Laske Af, kun f = asin(bx). Tässä a ja b ovat vakioita.

Esimerkki 8.1 Määritellään operaattori A = x + d/dx. Laske Af, kun f = asin(bx). Tässä a ja b ovat vakioita. 8. Operttorit, mtriisit j ryhmäteori Mtemttinen operttori määrittelee opertion, jonk mukn sille nnettu funktiot muoktn. Operttorit ovt erityisen tärkeitä kvnttimekniikss, kosk siinä jokist suurett vst

Lisätiedot

OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA

OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA Tekijät: Ari Heimonen, Hellevi Kupil, Ktj Leinonen, Tuomo Tll, Hnn Tuhknen, Pekk Vrniemi Alkupl Tiedekeskus Tietomn torninvrtij

Lisätiedot

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [ 1. Derivtn Testi Jos funktio f on jtkuv voimell välillä ], b[ j x 0 ], b[ on kriit. ti singul. piste niin { f (x) < 0, x ], x 0 [ f x (x) > 0, x ]x 0, b[ 0 on lokli minimipiste (1) { f (x) > 0, x ], x

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 4 Tilvuuden j vipn ln lskeminen Kuten iemmin käsittelimme, määrätyn integrlin vull voi lske pintloj j tilvuuksi. Tyypillisenä sovelluksen tilvuuden lskemisest on tpus, joss

Lisätiedot

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA MAA0 0. Määrätyn integrlin käyttö eräiden pint-lojen lskemisess 0. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA Edellä on todettu, että f (x)dx nt x-kselin j suorien x =, x = sekä funktion

Lisätiedot

Riemannin integraalista

Riemannin integraalista Lebesguen integrliin sl. 2007 Ari Lehtonen Riemnnin integrlist Johdnto Tämän luentomonisteen trkoituksen on tutustutt lukij Lebesgue n integrliin j sen perusominisuuksiin mhdollisimmn yksinkertisess tpuksess:

Lisätiedot

x k 1 Riemannin summien käyttö integraalin approksimointiin ei ole erityisen tehokasta; jatkuvasti derivoituvalle funktiolle f virhe b

x k 1 Riemannin summien käyttö integraalin approksimointiin ei ole erityisen tehokasta; jatkuvasti derivoituvalle funktiolle f virhe b 5 Integrlien lskemisest 51 Riemnnin summt [A2], [4, 61] Rjoitetun funktion f : [, b] R Riemnn-integroituvuudelle ytäpitäväksi on kurssill Anlyysi 2 osoitettu, että Riemnnin summill S P := f(ξ k ) ( ),

Lisätiedot

Sisältö. Integraali 10. syyskuuta 2005 sivu 1 / 20

Sisältö. Integraali 10. syyskuuta 2005 sivu 1 / 20 Integrli 10. syyskuut 2005 sivu 1 / 20 Sisältö 1 Määrätty integrli j integrlifunktio 2 1.1 Integroituvist funktioit 3 1.2 Määrätyn integrlin ominisuuksi 4 1.3 Integrlifunktio 5 1.4 Integrlilskennn tärkeimmät

Lisätiedot

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut Sksn 0 Pitkän mtemtiikn YO-kokeen TI-Nspire CAS -rtkisut Tekijät: Olli Krkkulinen Rtkisut on ldittu TI-Nspire CAS -tietokoneohjelmll kättäen Muistiinpnot -sovellust. Kvt j lskut on kirjoitettu Mth -ruutuihin.

Lisätiedot

4 DETERMINANTTI JA KÄÄNTEISMATRIISI

4 DETERMINANTTI JA KÄÄNTEISMATRIISI 4 DETERMINANTTI JA KÄÄNTEISMATRIISI Neliömtriisin determinntti Neliömtriisin A determinntti on luku, jot merkitään det(a) ti A. Lskeminen: -mtriisin A determinntti: det(a) -mtriisin A determinntti esim.

Lisätiedot

II.1. Suppeneminen., kun x > 0. Tavallinen lasku

II.1. Suppeneminen., kun x > 0. Tavallinen lasku II. EPÄOLEELLISET INTEGRAALIT nt II.. Suppeneminen Esim. Olkoon f() =, kun >. Tvllinen lsku = / =. Kuitenkn tätä integrli ei ole ikisemmss mielessä määritelty, kosk f ei ole rjoitettu välillä [, ] (eikä

Lisätiedot

Mikrotalousteoria 2, 2008, osa III

Mikrotalousteoria 2, 2008, osa III Sisältö Mikrotlousteori 2, 2008, os III Yrityksen tuotntofunktiost 2 Pnosten substituoitvuus 2 3 Yrityksen teori 3 4 Mittkvedut tuotnnoss 5 5 Yksikkökustnnusten j skltuottojen steen välinen yhteys 5 6

Lisätiedot

Neliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on

Neliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on 4. DETERINANTTI JA KÄÄNTEISATRIISI 6 4. Neliömtriisi determitti Neliömtriisi A determitti o luku, jot merkitää det(a) ti A. Se lsket seurvsti: -mtriisi A determitti o det(a) () -mtriisi A determitti void

Lisätiedot

Ristitulo ja skalaarikolmitulo

Ristitulo ja skalaarikolmitulo Ristitulo j sklrikolmitulo Opetussuunnitelmn 00 mukinen kurssi Vektorit (MAA) sisältää vektoreiden lskutoimituksist keskeisenä ineksen yhteenlskun, vähennyslskun, vektorin kertomisen luvull j vektoreiden

Lisätiedot

a = x 0 < x 1 < x 2 < < x n = b f(x) dx = I. lim f(x k ) x k=1

a = x 0 < x 1 < x 2 < < x n = b f(x) dx = I. lim f(x k ) x k=1 5 Integrli 5.1 Määritelmä j ominisuudet Olkoon f : [, b] R jtkuv. Muodostetn välin [, b] jko = x 0 < x 1 < x 2 < < x n = b j siihen liittyvä yläsumm S = n M k (x k x k 1 ), M k = mx{f(x) x k 1 x x k },

Lisätiedot

Preliminäärikoe Pitkä Matematiikka 5.2.2013

Preliminäärikoe Pitkä Matematiikka 5.2.2013 Preliminäärikoe Pitkä Mtemtiikk 5..0 Kokeess s vstt enintään kymmeneen tehtävään. Tähdellä ( * ) merkittyjen tehtävien mksimipistemäärä on 9, muiden tehtävien mksimipistemäärä on 6.. ) Rtkise yhtälö b)

Lisätiedot

5 Epäoleellinen integraali

5 Epäoleellinen integraali 5 Epäoleellinen integrli 5. Integrlin suppeneminen Olkoon f sellinen välillä [, b[ (ei siis välttämättä pisteessä b) määritelty funktio, että f on Riemnn-integroituv välillä [, ] kikill ], b[ eli on olemss

Lisätiedot

Tampereen teknillinen yliopisto hum Konstruktiotekniikan laitos. MEC-2430 Elementtimenetelmän perusteet. Luento vk 1 Syksy 2012.

Tampereen teknillinen yliopisto hum Konstruktiotekniikan laitos. MEC-2430 Elementtimenetelmän perusteet. Luento vk 1 Syksy 2012. mpereen teknillinen yliopisto hum 3.8. Konstruktiotekniikn litos MEC-430 Elementtimenetelmän perusteet. Luento vk Syksy 0. Mtemtiikn j mtriisilskennn kertust Yleistä Kirjoittelen tänne joitin kurssin keskeisiä

Lisätiedot

7 Funktiosarjoista. 7.1 Funktiosarjojen suppeneminen

7 Funktiosarjoista. 7.1 Funktiosarjojen suppeneminen 7 Funktiosrjoist 7. Funktiosrjojen suppeneminen Seurvksi trkstelln srjoj, joiden termit ovt (lukujen sijst) jollkin välillä I määriteltyjä funktioit. Täsmällisemmin funktiosrjll (ti lyhyemmin srjll) trkoitetn

Lisätiedot

Riemannin integraalista

Riemannin integraalista TAMPEREEN YLIOPISTO Pro grdu -tutkielm Aij Stenberg Riemnnin integrlist Mtemtiikn j tilstotieteen litos Mtemtiikk Syyskuu 2010 2 Tmpereen yliopisto Mtemtiikn j tilstotieteen litos STENBERG, AIJA: Riemnnin

Lisätiedot

Laudatur 10 MAA10 ratkaisut kertausharjoituksiin

Laudatur 10 MAA10 ratkaisut kertausharjoituksiin Ludtur MAA rtkisut kertushrjoituksiin Integrlifunktio. ) Jokin integrli funktio on esimerkiksi F( ) b) Kikki integrlifunktiot F( ) + C, missä C on vkio Vstus: ) F( ) b) F( ) + C, C on vkio. Kikki integrlifunktiot

Lisätiedot

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot TKK (c) Ilkk Mellin (24) 1 Johdtus todennäköisyyslskentn TKK (c) Ilkk Mellin (24) 2 : Mitä opimme? 1/2 Jos stunnisilmiötä hlutn mllint mtemttisesti, on ilmiön tulosvihtoehdot kuvttv numeerisess muodoss.

Lisätiedot

Matematiikan tukikurssi. Hannu Kivimäki

Matematiikan tukikurssi. Hannu Kivimäki Mtemtiikn tukikurssi Hnnu Kivimäki Sisältö I Ensimmäinen välikoe Integrointi 2 Osittisintegrointi 5 3 Osmurtohjotelm 4 Lisää osmurtoj 4 5 Sijoituskeino 9 6 Määrätty integrli 2 7 Ylä- j lsumm 22 8 Määrätyn

Lisätiedot

3 Integraali ja derivaatta

3 Integraali ja derivaatta 3 Integrli j erivtt 3.1 Integrli ylärjns funktion Olkoon funktio f Riemnn-integroituv välin I jokisell suljetull osvälillä j välin I jokin kiinteä luku. Tällöin integrli määrittelee funktion G(): I R,

Lisätiedot

Integraalilaskentaa. 1. Mihin integraalilaskentaa tarvitaan? MÄNTÄN LUKIO

Integraalilaskentaa. 1. Mihin integraalilaskentaa tarvitaan? MÄNTÄN LUKIO Integrlilskent Tämä on lukion oppimterileist hiemn poikkev yksinkertistettu selvitys määrätyn integrlin lskemisest. Kerromme miksi integroidn, mitä integroiminen trkoitt, miten integrli lsketn j miten

Lisätiedot

Numeerinen integrointi

Numeerinen integrointi Pitkärnt: Lj mtemtiikk IX9 Numeerinen integrointi IX9 Numeerinen integrointi Numeerisell integroinnill trkoitetn määrätyn integrlin, eli reliluvun I(f,,b) = f(x)dx lskemist numeerisin keinoin (likimäärin)

Lisätiedot

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että Anlyysi Hrjoituksi lukuihin 3 / Kevät 5. Ann sellinen välillä ], [ jtkuv j rjoitettu funktio f, että () sup A m A j inf A min A, (b) sup A m A j inf A = min A, (c) sup A = m A j inf A min A, (d) sup A

Lisätiedot

Sinilause ja kosinilause

Sinilause ja kosinilause Siniluse j kosiniluse GEOMETRI M3 Mikäli kolmion korkeus j knt tiedetään, voidn pint-l lske. Esimerkki: Lske kolmion l, kun 38 kulmn viereiset sivut ovt 8, j 6,8. Nyt knt tiedetään, korkeutt ei! 38 8,

Lisätiedot

TEHTÄVÄ 1. Olkoon (f n ) jono jatkuvia funktioita f n : [a, b] R, joka suppenee välillä [a, b] tasaisesti kohti funktiota f : [a, b] R.

TEHTÄVÄ 1. Olkoon (f n ) jono jatkuvia funktioita f n : [a, b] R, joka suppenee välillä [a, b] tasaisesti kohti funktiota f : [a, b] R. Topologi I Hrjoitus 10, rtkisuj AP TEHTÄVÄ 1. Olkoon (f n ) jono jtkuvi funktioit f n : [, b] R, jok suppenee välillä [, b] tsisesti kohti funktiot f : [, b] R. Osoit, että tällöin f n (x) dx f(x) dx.

Lisätiedot

Kuvausta f sanotaan tällöin isomorfismiksi.

Kuvausta f sanotaan tällöin isomorfismiksi. Määritelmä..12. Oletetn, että 1 =(V 1,E 1 ) j 2 =(V 2,E 2 ) ovt yksinkertisi verkkoj. Verkot 1 j 2 ovt isomorfiset, jos seurvt ehdot toteutuvt: (1) on olemss bijektio f : V 1 V 2 (2) kikill, b V 1 pätee,

Lisätiedot

Matemaattiset menetelmät I. Seppo Hassi

Matemaattiset menetelmät I. Seppo Hassi Mtemttiset menetelmät I Seppo Hssi Syksy 2011 iii Esipuhe Tämä on 1. versio Mtemttiset menetelmät I-kurssin opetusmonisteest, jok perustuu Vsn yliopistoss luennoimni vstvn nimiseen kurssiin. Sisältö noudtt

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 5 1 Jtkuvuus Trkstelln funktiot fx) josskin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jtkuv ti epäjtkuv. Jtkuvuuden ymmärtää prhiten trkstelemll epäjtkuv

Lisätiedot

11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS

11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS 11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS Tilvuus on sen verrn rkielämässä viljelty käsite, että useimmiten sen syvemmin edes miettimättä ymmärretään, mitä juomlsin ti pikkuvuvn kylpymmeen tilvuudell trkoitetn.

Lisätiedot

Matematiikan peruskurssi. Seppo Hassi

Matematiikan peruskurssi. Seppo Hassi Mtemtiikn peruskurssi Seppo Hssi Syksy 2014 iii Esipuhe Tämä on 1. versio Mtemtiikn peruskurssin opetusmonisteest, jonk sisältö noudttelee pitkälti Vsn yliopistoss iemmin luennoimni Mtemttiset menetelmät

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause MS-A010{3,4} (ELEC*) Differentili- j integrlilskent 1 Luento 7: Integrli j nlyysin perusluse Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos 3.10.2016 Pekk Alestlo, Jrmo Mlinen

Lisätiedot

Matriisit ja optimointi kauppatieteilijöille P

Matriisit ja optimointi kauppatieteilijöille P Matriisit ja optimointi kauppatieteilijöille 802160P Luentomoniste Kari Myllylä Niina Korteslahti Topi Törmä Oulun yliopisto Matemaattisten tieteiden laitos Kevät 2017 Sisältö 1 Matriisialgebra 3 11 Määritelmä

Lisätiedot

4 Taso- ja avaruuskäyrät

4 Taso- ja avaruuskäyrät P2-luentoj kevät 2008, Pekk Alestlo 4 Tso- j vruuskäyrät Tässä luvuss tutustutn tso- j vruuskäyriin, niiden krenpituuteen j krevuuteen. Konkreettisin sovelluksin trkstelln nnettu rt pitkin liikkuvn hiukksen

Lisätiedot

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2. Mtemtiikk III 0600 Kurssi / Differetili- j itegrlilske jtkokurssi Tee 7 tehtävää ) Määritä lim ( ) ) + b) Määritä vkio site, että luseke ( ) + + ( )( ) ( + + ) + + + + + lim + lim lim (p) o jtkuv myös

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.4 Rtkisut j rvostelu. Koululisen todistuksen keskirvo x on lskettu ) b) c) d) kymmenen ineen perusteell. Jos koululinen nostisi neljän ineen

Lisätiedot

3.3 KIELIOPPIEN JÄSENNYSONGELMA Ratkaistava tehtävä: Annettu yhteydetön kielioppi G ja merkkijono x. Onko

3.3 KIELIOPPIEN JÄSENNYSONGELMA Ratkaistava tehtävä: Annettu yhteydetön kielioppi G ja merkkijono x. Onko 3.3 KILIOPPIN JÄSNNYSONGLMA Rtkistv tehtävä: Annettu yhteydetön kielioppi G j merkkijono x. Onko x L(G)? Rtkisumenetelmä = jäsennyslgoritmi. Useit vihtoehtoisi menetelmiä, erityisesti kun G on jotin rjoitettu

Lisätiedot

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1 Pinopiste Snomme ts-ineiseksi kpplett, jonk mteriliss ei ole sisäisiä tiheyden vihteluj. Tällisen kppleen pinopisteen sijinti voidn joskus päätellä kppleen muodon perusteell. Esimerkiksi ts-ineisen pllon

Lisätiedot

2.1 Vaillinaiset yhtälöt

2.1 Vaillinaiset yhtälöt .1 Villiniset yhtälöt Yhtälö, jok sievenee muotoon x + bx + c = 0 (*) on yleistä normlimuoto olev toisen steen yhtälö. Tämän rtkiseminen ei olekn enää yhtä meknist kuin normlimuotoisen ensisteen yhtälön

Lisätiedot

521. 522. 523. 524. 525. 526. 527. 12. Lisää määrätystä integraalista. 12.1. Integraalin arvioimisesta. Osoita: VASTAUS: Osoita: Osoita:

521. 522. 523. 524. 525. 526. 527. 12. Lisää määrätystä integraalista. 12.1. Integraalin arvioimisesta. Osoita: VASTAUS: Osoita: Osoita: 12. Lisää määrätystä integrlist 12.1. Integrlin rvioimisest 521. Osoit: 1 + x 2 22 1 < < 1 + x21 21. 522. Osoit: x 3 < 5 x 6 + 8x + 9 < 15 1 5. 523. Osoit: 2 2 < e x2 x < 2e 2. e 524. Olkoon k >. Osoit:

Lisätiedot

LINSSI- JA PEILITYÖ TEORIAA. I Geometrisen optiikan perusaksioomat

LINSSI- JA PEILITYÖ TEORIAA. I Geometrisen optiikan perusaksioomat (0) LINSSI- JA PEILITYÖ MOTIVOINTI Tutustutn linsseihin j peileihin geometrisen optiikn mittuksiss Tutkitn vlon käyttäytymistä linsseissä j peileissä Määritetään linssien j peilien polttopisteet Optiset

Lisätiedot

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016 ICS-C2 Tietojenkäsittelyteori Kevät 2 Kierros,. 5. helmikuut Demonstrtiotehtävien rtkisut D: Sievennä seurvi säännöllisiä lusekkeit (so. konstruoi yksinkertisemmt lusekkeet smojen kielten kuvmiseen): ()

Lisätiedot

Suorat, käyrät ja kaarevuus

Suorat, käyrät ja kaarevuus Suort, käyrät j krevuus Jukk Tuomel Professori Mtemtiikn litos, Joensuun yliopisto Suor? Tämä kirjoitus on eräänlinen jtko Timo Tossvisen suorn määritelmää koskevn kirjoitukseen Solmun numeross 2/2002.

Lisätiedot

Numeerinen integrointi.

Numeerinen integrointi. Numeerinen integrointi. Differentili- j integrlilskent 1, syksy 2015 Hrri Vrpnen Mtemtiikn j systeeminlyysin litos Alto-yliopisto Tiisti 6.10.2015 Sisältö Tylor-menetelmä. Käyttökelpoinen silloin, kun

Lisätiedot

sin θ θ θ r 2 sin 2 θ φ 2 = 0.

sin θ θ θ r 2 sin 2 θ φ 2 = 0. Mtemtiikn j tilstotieteen litos Osittisdifferentiliyhtälöt Kevät 21 Hrjoitus 9 Rtkisuj Jussi Mrtin 1. Osoit, että Lplce-yhtälö pllokoordinteiss on 2 u 1 r 2 2 u r r 1 r 2 sin θ u 1 2 u sin θ θ θ r 2 sin

Lisätiedot

VEKTOREILLA LASKEMINEN

VEKTOREILLA LASKEMINEN ..07 VEKTOREILL LSKEMINEN YHTEENLSKU VEKTORIT, M4 Vektoreiden j summ on vektori +. Tämän summvektorin + lkupiste on vektorin lkupiste j loppupiste vektorin loppupiste, kun vektorin lkupisteenä on vektorin

Lisätiedot

Sisältö. Funktiojonot ja -sarjat 10. syyskuuta 2005 sivu 1 / 15

Sisältö. Funktiojonot ja -sarjat 10. syyskuuta 2005 sivu 1 / 15 Funktiojonot j -srjt 10. syyskuut 2005 sivu 1 / 15 Sisältö 1 Funktiojonoist 2 2 Funktiosrjoist 5 3 Funktiojonojen j -srjojen derivointi j integrointi 7 4 Potenssisrjt 9 5 Tylorin polynomit j srjt 12 5.1

Lisätiedot

AUTOMAATTIEN SYNKRONISAATIOSTA

AUTOMAATTIEN SYNKRONISAATIOSTA AUTOMAATTIEN SYNKRONISAATIOSTA John Kopr Pro grdu -tutkielm Huhtikuu 015 MATEMATIIKAN JA TILASTOTIETEEN LAITOS TURUN YLIOPISTO TURUN YLIOPISTO Mtemtiikn j tilstotieteen litos KOPRA, JOHAN: Automttien synkronistiost

Lisätiedot

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x, Pyrmidi Anlyyttinen geometri tehtävien rtkisut sivu Päivitetty 9..6 8 Prbeli on niiden pisteiden (, y) joukko, jotk ovt yhtä kukn johtosuorst j polttopisteestä. Pisteen (, y ) etäisyys suorst y = on d

Lisätiedot

5 ( 1 3 )k, c) AB 3AC ja AB AC sekä vektoreiden AB ja

5 ( 1 3 )k, c) AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Hrjoitustehtäviä syksy 4. Millä reliluvun rvoill ) 9 =, b) + +, e) 5?. Kirjoit Σ-merkkiä käyttäen summt 4, ) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + + 4 + + 99, d)

Lisätiedot

T Syksy 2002 Tietojenkäsittelyteorian perusteet Harjoitus 5 Demonstraatiotehtävien ratkaisut. ja kaikki a Σ ovat säännöllisiä lausekkeita.

T Syksy 2002 Tietojenkäsittelyteorian perusteet Harjoitus 5 Demonstraatiotehtävien ratkaisut. ja kaikki a Σ ovat säännöllisiä lausekkeita. T-79.8 Syksy 22 Tietojenkäsittelyteorin perusteet Hrjoitus 5 Demonstrtiotehtävien rtkisut Säännölliset lusekkeet määritellään induktiivisesti: j kikki Σ ovt säännöllisiä lusekkeit. Mikäli α j β ovt säännöllisiä

Lisätiedot

MITEN MÄÄRITÄN ASYMPTOOTIT?

MITEN MÄÄRITÄN ASYMPTOOTIT? MITEN MÄÄRITÄN ASYMPTOOTIT? Asmptootti Asmptootti on suor ti muu kärä, jot funktion kuvj f() rjtt lähest, kun muuttujn rvot lähestvät tiettä luku ti ääretöntä. Rjoitutn luksi niihin tpuksiin, joiss smptootti

Lisätiedot

VEKTOREILLA LASKEMINEN

VEKTOREILLA LASKEMINEN 3..07 VEKTOREILLA LASKEMINEN YHTEENLASKU VEKTORIT, MAA Vektoreiden j summ on vektori +. Tämän summvektorin + lkupiste on vektorin lkupiste j loppupiste vektorin loppupiste, kun vektorin lkupisteenä on

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 3 Määrätyn integrlin lskeminen Aiemmin määrittelimme määrätyn integrlin f (x)dx funktion f (x) l- j yläsummien rj-rvon. Määrätyllä integrlill on kksi intuitiivist tulkint:.

Lisätiedot

Sarjaratkaisun etsiminen Maplella

Sarjaratkaisun etsiminen Maplella Srjrtkisun etsiminen Mplell Olkoon trksteltvn ensimmäisen kertluvun differentiliyhtälö: > diffyht:= diff(y(x, x=1y(x^; d diffyht := = dx y( x 1 y( x Tälle pyritään etsimään srjrtkisu origokeskisenä potenssisrjn.

Lisätiedot

Mika Hirvensalo. Insinöörimatematiikka B 2014

Mika Hirvensalo. Insinöörimatematiikka B 2014 Mik Hirvenslo Insinöörimtemtiikk B 4 Sisältö Rj-rvo j jtkuvuus....................................................... 5. Differentili- j integrlilskennn kehityksestä............................. 5. Relilukujen

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 9: Yhtälörajoitukset optimoinnissa Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon

Lisätiedot

Olkoon. M = (Q, Σ, δ, q 0, F)

Olkoon. M = (Q, Σ, δ, q 0, F) T 79.148 Tietojenkäsittelyteorin perusteet 2.4 Äärellisten utomttien minimointi Voidn osoitt, että jokisell äärellisellä utomtill on yksikäsitteinen ekvivlentti (so. smn kielen tunnistv) tilmäärältään

Lisätiedot

θ 1 θ 2 γ γ = β ( n 2 α + n 2 β = l R α l s γ l s 22 LINSSIT JA LINSSIJÄRJESTELMÄT 22.1 Linssien kuvausyhtälö

θ 1 θ 2 γ γ = β ( n 2 α + n 2 β = l R α l s γ l s 22 LINSSIT JA LINSSIJÄRJESTELMÄT 22.1 Linssien kuvausyhtälö 22 LINSSIT JA LINSSIJÄRJSTLMÄT 22. Linssien kuvusyhtälö Trkstelln luksi vlon tittumist pllopinnll (krevuussäde R j krevuuskeskipiste C) kuvn mukisess geometriss. Tässä vlo siis tulee ineest ineeseen 2

Lisätiedot

9 A I N. Alkuperäinen piiri. Nortonin ekvivalentti R T = R N + - U T = I N R N. Théveninin ekvivalentti DEE-11110 SÄHKÖTEKNIIKAN PERUSTEET

9 A I N. Alkuperäinen piiri. Nortonin ekvivalentti R T = R N + - U T = I N R N. Théveninin ekvivalentti DEE-11110 SÄHKÖTEKNIIKAN PERUSTEET DEE11110 SÄHKÖTEKNIIKAN PERUSTEET http://www.tut.fi/smg/course.php?id=57 Rtkisut Hrjoitukset 3, 2014 Tehtävä 1. Pyydetään muodostmn nnetun piirin Nortonin ekvivlentti. Nortonin, smoin kuin Theveninin,

Lisätiedot

A-Osio. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat. A-osiossa ei saa käyttää laskinta.

A-Osio. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat. A-osiossa ei saa käyttää laskinta. MAA Loppukoe 5.. Jussi Tyni Tee pisteytysruudukko konseptin yläreunn! Vstuksiin väliviheet, jotk perustelevt vstuksesi! Lue ohjeet huolellisesti! A-Osio. Vlitse seurvist kolmest tehtävästä kksi, joihin

Lisätiedot

5.4 Ellipsi ja hyperbeli (ei kuulu kurssivaatimuksiin, lisätietoa)

5.4 Ellipsi ja hyperbeli (ei kuulu kurssivaatimuksiin, lisätietoa) 5.4 Ellipsi j hypereli (ei kuulu kurssivtimuksiin, lisätieto) Aurinkokuntmme plneett kiertävät Aurinko ellipsin (=litistyneen ympyrän) muotoist rt, jonk toisess polttopisteessä Aurinko on. Smoin Mt kiertävät

Lisätiedot

TIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 22. syyskuuta 2016

TIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 22. syyskuuta 2016 lusekkeet, lusekkeet, TIEA241 Automtit j kieliopit, syksy 2016 Antti-Juhni Kijnho lusekkeet j smuus TIETOTEKNIIKAN LAITOS 22. syyskuut 2016 Sisällys lusekkeet, lusekkeet lusekkeet j smuus j smuus lusekkeet

Lisätiedot

Paraabelikin on sellainen pistejoukko, joka määritellään urakäsitteen avulla. Paraabelin jokainen piste toteuttaa erään etäisyysehdon.

Paraabelikin on sellainen pistejoukko, joka määritellään urakäsitteen avulla. Paraabelin jokainen piste toteuttaa erään etäisyysehdon. 5. Prbeli Prbelikin on sellinen pistejoukko, jok määritellään urkäsitteen vull. Prbelin jokinen piste toteutt erään etäissehdon. ********************************************** MÄÄRITELMÄ : Prbeli on tson

Lisätiedot

LYHYEN MATEMATIIKAN SIMULOITU YO-KOE 2 RATKAISUT

LYHYEN MATEMATIIKAN SIMULOITU YO-KOE 2 RATKAISUT Lyhyt mtemtiikk YO-vlmennus 8. mliskuut 00 LYHYEN MATEMATIIKAN SIMULOITU YO-KOE RATKAISUT. Trkstelln yhtälöpri, polynomin sievennöstä j lusekkeeseen sijoittmist. ) Rtkistn jälkimmäisestä yhtälöstä x, jolle

Lisätiedot

Polynomien laskutoimitukset

Polynomien laskutoimitukset Polyomie lskutoimitukset Polyomi o summluseke, joss jokie yhteelskettv (termi) sisältää vi vkio j muuttuj välisiä kertolskuj. Esimerkki 0. Mm., 6 j ovt polyomej. Polyomist, joss o vi yksi termi, käytetää

Lisätiedot

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella H 8.3.2 uontegrlt: vektoreden pntntegrlt Tvllsn tpus pntntegrlest on lske vektorkentän vuo pnnn läp: Trkstelln pnt j sllä psteessä P (x, y, z olev pnt-lkot d. Määrtellään vektorlnen pnt-lko d sten, että

Lisätiedot

Analyysi B. Derivaatta ja integraali. Pertti Koivisto

Analyysi B. Derivaatta ja integraali. Pertti Koivisto Anlyysi B Derivtt j integrli Pertti Koivisto Kevät 7 Alkusnt Tämä moniste on trkoitettu oheislukemistoksi Tmpereen yliopistoss pidettävälle kurssille Anlyysi B. Monisteen tvoitteen on tuke luentojen seurmist,

Lisätiedot

Vastaa tehtäviin 1-4 ja valitse toinen tehtävistä 5 ja 6. Vastaat siis enintään viiteen tehtävään.

Vastaa tehtäviin 1-4 ja valitse toinen tehtävistä 5 ja 6. Vastaat siis enintään viiteen tehtävään. S-8. Sähkönsiirtoärstlmät Tntti 8..7 Vst thtäviin -4 vlits toinn thtävistä 5 6. Vstt siis nintään viitn thtävään.. Tutkitn ll piirrttyä PV-käyrää, ok kuv sllist vrkko, oss on tuotntolu kuormituslu niidn

Lisätiedot

1.3 Toispuoleiset ja epäoleelliset raja-arvot

1.3 Toispuoleiset ja epäoleelliset raja-arvot . Toisuoleiset j eäoleelliset rj-rvot Rj-rvo lim f () A olemssolo edellyttää että muuttuj täytyy void lähestyä rvo kummst suust hyväsä. Jos > ii sot että lähestyy rvo oikelt ositiivisest suust. Jos ts

Lisätiedot

missä t on matkaan raosta varjostimelle kuluva aika. Jos suihkun elektronien liikemäärä x- sunnassa on p x,on min y0min 0min

missä t on matkaan raosta varjostimelle kuluva aika. Jos suihkun elektronien liikemäärä x- sunnassa on p x,on min y0min 0min S-11446 Fysiikk IV (Sf), I Välikoe 154 1 Elektronisuihku, joss elektronien noeus on v, suu kohtisuorsti rkoon, jonk leveys on d Ron läi kuljettun elektronit osuvt etäisyydellä D olevn vrjostimeen Mikä

Lisätiedot

Mat Dynaaminen optimointi, mallivastaukset, kierros 8

Mat Dynaaminen optimointi, mallivastaukset, kierros 8 Mt-.148 Dynminen optimointi, mllivstukset, kierros 8 1. Idelisess tsvirtmoottoriss vääntömomentti on suorn verrnnollinen virtn. Moottori pyörittää ikiliikkuj (ei kitk- ti sähkömgneettisi vstusvoimi). Moottorin

Lisätiedot

Jouni Sampo. 28. marraskuuta 2012

Jouni Sampo. 28. marraskuuta 2012 A2 Jouni Smpo 28. mrrskuut 2012 Sisältö 1 Integrointitekniikoit 2 1.1 Osittisintegrointi (Integrtion by prts)...................... 2 1.2 Sijoitus (Method of Substitution).......................... 2 1.3

Lisätiedot

1.1. Laske taskulaskimella seuraavan lausekkeen arvo ja anna tulos kolmen numeron tarkkuudella: tan 60,0 = 2,950... 2,95

1.1. Laske taskulaskimella seuraavan lausekkeen arvo ja anna tulos kolmen numeron tarkkuudella: tan 60,0 = 2,950... 2,95 9..008 (9). Lskime käyttö.. Lske tskulskimell seurv lusekkee rvo j tulos kolme umero trkkuudell: 4 + 7 t 60,0 + Rtkisu: 4 + 7 =,950...,95 t 60,0 + Huom: Lskimiss o yleesä kolme eri kulmyksikköjärjestelmää:

Lisätiedot

2.6 SÄÄNNÖLLISET LAUSEKKEET Automaattimalleista poikkeava tapa kuvata yksinkertaisia kieliä. Olkoot A ja B aakkoston Σ kieliä. Perusoperaatioita:

2.6 SÄÄNNÖLLISET LAUSEKKEET Automaattimalleista poikkeava tapa kuvata yksinkertaisia kieliä. Olkoot A ja B aakkoston Σ kieliä. Perusoperaatioita: 2.6 SÄÄNNÖLLISET LAUSEKKEET Automttimlleist poikkev tp kuvt yksinkertisi kieliä. Olkoot A j B kkoston Σ kieliä. Perusopertioit: Yhdiste: A B = {x Σ x A ti x B}; Ktentio: AB = {xy Σ x A, y B}; Potenssit:

Lisätiedot

Lebesguen integraali - Rieszin määritelmä

Lebesguen integraali - Rieszin määritelmä Lebesguen integrli - Rieszin määritelmä Tru Lehtonen Mtemtiikn pro grdu-tutkielm Jyväskylän yliopisto Mtemtiikn j tilstotieteen litos Kevät 216 Tiivistelmä Jyväskylän Yliopisto Lehtonen, Tru Puliin: Lebesguen

Lisätiedot

4. Reaalifunktioiden määrätty integraali

4. Reaalifunktioiden määrätty integraali 6 4. Relifunktioiden määrätt integrli Vrsinisesti termi "integrli" tulee seurvss esitettävästä määrätstä integrlist, jok on läheistä suku summmiselle. Yhtes derivttn on sitten perustv ltu olev tulos, jot

Lisätiedot

MATEMATIIKAN HARJOITTELUMATERIAALI

MATEMATIIKAN HARJOITTELUMATERIAALI SAVONIA-AMMATTIKORKEAKOULU Tekniikk Infrrkentmisen j kivnnisln työnjohdon koulutus (ESR) MATEMATIIKAN HARJOITTELUMATERIAALI Ari Tuomenlehto - 0 - Lusekkeen käsittelyä Luseke j lusekkeen rvo Näkyviin merkittyä

Lisätiedot

Johdatus fraktaaliderivaattoihin ja niiden sovelluksiin

Johdatus fraktaaliderivaattoihin ja niiden sovelluksiin Jodtus frktliderivttoiin j niiden sovelluksiin Hnn Hlinen Mtemtiikn pro grdu Jyväskylän yliopisto Mtemtiikn j tilstotieteen litos Kesä 4 Tiivistelmä: Hnn Hlinen, Jodtus frktliderivttoiin j niiden sovelluksiin

Lisätiedot

763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 1 Kevät 2014

763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 1 Kevät 2014 763333A KIINTEÄN AINEEN FYSIIKKA Rtkisut 1 Kevät 014 1. Tehtävä: Lske, kuink mont hilpistettä on yksikkökopiss ) yksinkertisess kuutiollisess, b) tkk:ss j c) pkk:ss. (Ot huomioon, että esimerkiksi yksikkökopin

Lisätiedot

1.1. Määritelmiä ja nimityksiä

1.1. Määritelmiä ja nimityksiä 1.1. Määritelmiä ja nimityksiä Luku joko reaali- tai kompleksiluku. R = {reaaliluvut}, C = {kompleksiluvut} R n = {(x 1, x 2,..., x n ) x 1, x 2,..., x n R} C n = {(x 1, x 2,..., x n ) x 1, x 2,..., x

Lisätiedot

Diskreetin matematiikan perusteet Laskuharjoitus 6 / vko 13

Diskreetin matematiikan perusteet Laskuharjoitus 6 / vko 13 MS-A040 Diskreetin mtemtiikn perusteet, IV/07 Kngslmpi / Jkosson Diskreetin mtemtiikn perusteet Lskuhrjoitus / vko Tuntitehtävät 4-4 lsketn lkuviikon hrjoituksiss j tuntitehtävät 45-4 loppuviikon hrjoituksiss.

Lisätiedot

2.2 Monotoniset jonot

2.2 Monotoniset jonot Mtemtiik tito 9, RATKAISUT Mootoiset joot ) Kosk,,,, ii 0 Lukujoo ( ) o siis lhlt rjoitettu Toislt 0 Lukujoo (

Lisätiedot

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys.

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys. TYÖ 30 JÄÄN TIHEYDEN MÄÄRITYS Tehtävä älineet Tusttietoj Tehtävänä on äärittää jään tiheys Byretti (51010) ti esi 100 l ittlsi (50016) j siihen sopivi jääploj, lkoholi (sopii jäähdytinneste lsol), nlyysivk

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

Automaattimalleista poikkeava tapa kuvata yksinkertaisia kieliä. Olkoot A ja B aakkoston Σ kieliä. Perusoperaatioita:

Automaattimalleista poikkeava tapa kuvata yksinkertaisia kieliä. Olkoot A ja B aakkoston Σ kieliä. Perusoperaatioita: 2.6 SÄÄNNÖLLISET LAUSEKKEET Automttimlleist poikkev tp kuvt yksinkertisi kieliä. Olkoot A j B kkoston Σ kieliä. Perusopertioit: Yhdiste: A B = {x Σ x A ti x B}; Ktentio: AB = {xy Σ x A, y B}; Potenssit:

Lisätiedot

Luku 15. Integraali. Esimerkki Suoraan edellisen luvun derivointikaavojen perusteella on voimassa

Luku 15. Integraali. Esimerkki Suoraan edellisen luvun derivointikaavojen perusteella on voimassa Luku 5. Integrli Merkitsemme seurvss [, b]:llä lukusuorn suljettu väliä { R : b}. Olkoon f välillä [, b] määritelty funktio. Snomme, että välillä [, b] määritelty funktio g on funktion f integrlifunktio

Lisätiedot

SUORAKULMAINEN KOLMIO

SUORAKULMAINEN KOLMIO Clulus Lukion Täydentävä ineisto 45 0 45 60 ( - ) + SUORKULMINEN KOLMIO Pvo Jäppinen lpo Kupiinen Mtti Räsänen Suorkulminen kolmio Suorkulminen kolmio Käsillä olev Lukion Clulus -srjn täydennysmterili

Lisätiedot

Analyysin perusteet kauppatieteilijöille P

Analyysin perusteet kauppatieteilijöille P Anlyysin perusteet kupptieteilijöille 800118P Luentomoniste Kri Myllylä Niin Korteslhti Topi Törmä Oulun yliopisto Mtemttisten tieteiden litos Kevät 2017 Sisältö 1 Derivtt 3 1.1 Määritelmä..............................

Lisätiedot

Vakioiden variointi kolmannen kertaluvun yhtälölle

Vakioiden variointi kolmannen kertaluvun yhtälölle Vkioiden vriointi kolmnnen kertluvun yhtälölle Olkoon trksteltvn kolmnnen kertluvun linerinen epähomogeeninen differentiliyhtälö > diffyht:= (-1)*diff(y(), $3)-*diff(y(), $2)+diff(y(), )=ep(^2); diffyht

Lisätiedot

ANALYYSI I, kevät 2009

ANALYYSI I, kevät 2009 ANALYYSI I, kevät 009 Sisältö Relilukujen peruskäsitteitä Lukujonoist 4. Lukujonon rj-rvo....................... 4. Monotoniset jonot..........................3 Osjonot.............................. 7.4

Lisätiedot

Matematiikkaolympialaiset 2008 kuusi vaikeaa tehtävää

Matematiikkaolympialaiset 2008 kuusi vaikeaa tehtävää Solmu 3/2008 Mtemtiikkolympiliset 2008 kuusi vike tehtävää Mtti Lehtinen Mnpuolustuskorkekoulu 49. Knsinväliset mtemtiikkolympiliset pidettiin Mdridiss 4. 22. heinäkuut 2008. Kilpilijoit oli 535 j he edustivt

Lisätiedot

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)

Lisätiedot

Kognitiivinen mallintaminen I, kevät Harjoitus 1. Joukko-oppia. MMIL, luvut 1-3 Ratkaisuehdotuksia, MP

Kognitiivinen mallintaminen I, kevät Harjoitus 1. Joukko-oppia. MMIL, luvut 1-3 Ratkaisuehdotuksia, MP Kognitiivinen mllintminen I, kevät 007 Hrjoitus. Joukko-oppi. MMIL, luvut -3 Rtkisuehdotuksi, MP. Määritellään joukot: A = {,,, 3, 4, 5} E = {, {}, } B = {, 4} F = C = {, } G = {{, }, {,, 4}} D = {, }

Lisätiedot