Konformigeometriaa. 5. maaliskuuta 2006

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Konformigeometriaa. 5. maaliskuuta 2006"

Transkriptio

1 Konformigeometriaa 5. maaliskuuta 006 1

2 Sisältö 1 Konformigeometria 1.1 Viivan esitys stereograasena projektiona Euklidisen avaruuden konformaalinen malli Konformikuvaukset 4.1 Translaatio Rotaatio Inversio Dilataatio Konformigeometria Projektiivisessa geometriassa on eräitä hankaluuksia. Ensinnäkin Euklidiset ominaisuudet kuten kulmat ja etäisyydet eivät sisälly teoriaan. Toisaalta Euklidisten perusrakenteiden, kuten pallojen ja ympyröiden esittäminen on kömpelöä. Näihin ongelmiin elegantin vastauksen antaa konformigeometria. Konformaalisen geometrian idea on yksinkertaisuudessaan seuraava. Esitettävä avaruus V(p, q) esitetään avaruuden V(p + 1, q + 1) nollavektorien avulla. Merkintä (p, q) tarkoittaa avaruuden signatuuria, ts. kantavektoreille pätee: e 1 =... = e p = 1 ja e p+1 =... = e p+q = 1. Merkitään avaruuden V(p, q) vektorin x konformaalista vastinetta X:llä. Vektoriavaruuden V(p, q) generoivat geometrisen algebran G(p, q). Lisätään generoivien vektorien joukkoon näiden kanssa ortonromaalit vektorit {e, ē} siten, että näin saatu vektorijoukko generoi geometrisen algebran G(p + 1, q + 1). Ennen kuin konstruoidaan yleisen Euklidisen avaruuden konformaalinen malli, tarkastellaan erästä tutuhkoa esimerkkiä. ortonormaalit kantavektorit {e i } p+q i=1 1.1 Viivan esitys stereograasena projektiona Viiva on 1-dimensoinen geometrian objekti. Viiva mallinnetaan stereograasessa projektiossa tason yksikkövektoreina. Asetaan viiva kulkemaan yksikköympyrän x-akselia pitkin. Olkoon viivansuuntainen yksikkökantavektori e 1 ja viivaa vastaan kohtisuorassa oleva yksikkökantavektori e. Yksikköympyrän pisteet voidaan antaa muodossa ˆr = cos(θ)e 1 + sin(θ)e. Merkitään yksikköympyrän pistettä, joka vastaa kulman θ arvoa 3π/ symbolilla N. Piirretään pisteiden N ja ˆr kautta kulkeva suora. Pistettä, missä

3 piirretty viiva leikkaa suoran merkitään x. Jokaiselle x on siis löydettävissä kulman θ arvo. Sanomme, että pisteen x esitys stereogaasena projektiona on ˆr. Viivan pisteellä ja sitä vastavalla kulmalla θ on yhteys Vastaavasti löydetään yhteydet cos(θ) = x = cos(θ) 1 + sin(θ). x 1 + x ja sin(θ) = 1 x 1 + x. Olkoon ē vektori, joka on kantavektoreita e 1 ja e vastaan kohtisuorassa. Lisäksi ē = 1. Olkoon vektori X määritelty kaavalla Koska X = ˆr + ē = x 1 + x e x 1 + x e + ē. X = }{{} ˆr + }{{} ē + }{{} ˆrē + }{{} ēˆr = 0, =1 = 1 niin X on nollavektori. Koska myös λx on nollavektori, niin vektorit X ja λx esittävät samaa pistettä. Voidaan siis merkitä X = xe 1 + (1 x )e + (1 + x )ē. (1) Korvataan vektori e vektorilla e, joten saamme e = 1, ē = 1 ja e ē = 0. Vektorit e ja ē ovat siis vektorit, joiden avulla laajennetaan vektoriavaruus V(1, 0) vektoriavaruudeksi V(1+1, 0+1) = V(, 1). Määritellään nollavektorit Vektoreille pätee n = e + ē ja n = e ē. n = n = 0 ja n n =. Kun sijoitetaan e = 1(n + n) ja ē = 1 (n n) esitykseen (1), saadaan X = xe 1 (1 x )e + (1 + x )ē = xe 1 (1 x ) n + n + (1 + x ) n n = xe 1 + x n n. Vektoria X sanotaan pisteen x konformaaliseksi esitykseksi. 3

4 1. Euklidisen avaruuden konformaalinen malli Olkoon x avaruuden V(p, q) alkio. Otetaan jälleen käyttöön ortonormaalit vektorit {e, ē} ja määritellään kuten edellä n = e+ē ja n = e ē. Määritellään pistettä x vastaava konformaalinen vastine asettamalla F (x) = X = x + x n n, joka on nollavektori avaruudessa V(p + 1, q + 1). Esitys on invariantti skalaarilla kertomisen suhteen, eli X ja λx esittävät sama pistettä. Olkoot X ja Y Euklidisen avaruuden pisteiden x ja y konfomaalinen esitys. Lasketaan pisteiden sisätulo X Y = (x + x n n) (y + y n n) = x y + 4x y = (x y). Tämä tulos on perustavaalaatua oleva tulos konformaalisessa geometriassa, sillä konformaalisen sisätulon vastine Euklidisessa geometriassa on etäisyys. Tästä seuraa, että sisätulon invarianttina säilyttävä muunnos avaruudessa V(p+1, q+1) vastaa kulmat ja etäisyydet säilyttävää muunnosta avaruudessa V(p, q). Konformikuvaukset Funktio f : V(p, q) V(p, q) on konformikuvaus, jos F (a) F (b) = λa b, kun F (a) = a f( ), a, b V(p, q) ja λ R. Konformikuvaukset muodostavat konformaalisen ryhmän, merkitään ryhmää M p,q. Tutustutaan seuraavaksi neljään tärkeään konformikuvaukseen: translaatioon (siirto), rotaatioon (kierto), inversioon ja dilataation (venytys)..1 Translaatio Translaatio ei ole lineaarikuvaus avaruudessa V(p, q). Konformaalisessa mallissa translaatio voidaan esittää roottorien avulla, eli konformaalisessa mallissa translaatio on lineaarikuvaus. Olkoon siis roottori R = T a = e na/, 4

5 kun a V(p, q). Jos F (x) on pisteen x konformaalinen esitys, translaatio on muotoa T a F (x) T a. Todistetaan tämä. Roottorissa argumenttina nollavektori n, joka on ortogonaalinen avaruuden V(p, q) vektorien kanssa, eli a n = 0 ja (an) = 0. Kehitetään roottori eksponenttifunktion määritelmän mukaan, eli Merkitään Tällöin T a = (na/) k k k! = 1 + na + {}}{ (na/)! T a = T a = 1 na = 1 + na. T a n T a = (1 + na na )n(1 ) = n + 1 nan + 1 nan + 1 nanan = n. 4 Vastaavasti T a n T a = n a a n. Operoidaan vektoriin x vastaavalla tavalla, saadaan T a x T a = (1 + na na )x(1 ) = x + na x xna nana }{{ 4 } ( ax + xa ) = x + n = x + n(a x). Kun sovelletaan edellä laskettuja tuloksia, saadaan T a F (x) T a = (1 + na )(x + x n n)(1 na ) = x n + (x + a xn) ( n a a n) = (x + a) n + (x + a) n = F (x + a). Operaatio T a F (x) T a esittää siis translaatiota x x + a konformaalisessa mallissa. 5

6 . Rotaatio Olkoon x V(p, q). Euklidisessa mallissa vektoria x voidaan kiertää origon ympäri roottorin R G(p, q) avulla x x = Rx R. Kun kierretään vektoria lähtöavaruudessa origon ympäri kieryy myös vektorin konformaalinen vastine, siis F (x ) = F (Rx R) = Rx R + (Rx R) n n }{{} =Rx R = R(x + x n n) R = RF (x) R, () sillä roottori R G(p, q) kommutoi vektorien n ja n kanssa. Jos halutaan kiertää vektoria x pisteen a ympäri pitää tehdä seuraavasti. Tehdään kierto heti konformaaliselle vektorille X, siis (i) siirretään vektori a origoon, eli X T a X T a, (ii) kierretään vektoria origon ympäri, eli X RT a X T a R, (iii) siirretään a takaisin, eli X T a RT a X T a R Ta, mikä lopullinen kierron lauseke. Merkitään R (a) = T a RT a = (1 + na )R(1 + an ), joten kierto pisteen a ympäri on esitettävissä lyhyesti muodossa X R (a)x R (a). Konformaalinen malli ei aseta origo mitenkään erityiseen asemaan, vaan käsittelee sitä kuten muitakin pisteitä. Rotaatio voidaan suorittaa samalla tavalla kaikkien pisteiden ympäri..3 Inversio Rotaatio ja translaatio ovat kuvauksia, jotka säilyttävät pisteiden väliset etäisyyden invarianttina. Kuvaukset ovat osajoukko suurempaa ryhmää, joka säilyttää kulmat invarianttina. Konformaalinen ryhmä M p,q sisältää vielä 6

7 kaksi kulmat säilyttävää kuvausta, joista tässä tutustutaan inversioon. Euklidisessa avaruudessa inversio määritellään kuvauksena x x 1 = x x. Inversion kuvan konformaalinen vastine on F (x 1 ) = x 1 + x n n = 1 (x + n x n). x Koska konformaaliset pisteet ovat invariantteja skalaarilla kertomisen suhtaan, voidaan kerroin 1 unohtaa. Inversio voidaan esittää siis kuvausena, x missä n n ja n n. Todistetaan pari jatkossa tarvittavaa identiteetti, eli ja Huomataan, että ene = e(e + ē)e = eee + eēe = e ē = n (3) e ne = e(e ē)e = eee eēe = e + ē = n. (4) ef (x)e = e(x + x n n)e = xe + x }{{} ene }{{} e ne = n =n = x + x n n = F (x 1 ). Euklidisen mallin inversio on konformaalisessa mallissa peilaus!!!.4 Dilataatio Euklidisessa avaruudessa dilataatio määritellään kuvauksena x e α x, missä α R. Selvästi nähdään, että kuvaus venyttää vektoria x, eli se säilyttää kulmat, joten dilataatio on konformikuvaus. Kuvavektorin konformaalinen vastine on F (e α x) = e α (x + x e α n e α n), 7

8 mistä voidaan jälleen kerroin e α unohtaa. Konformaalisen mallin dilataatiossa tapahtuu siis kuvakset n e α n ja n e α n. Koska edelleen (e α n) e α n = n n =, ei kuvaus muuta sisätuloa. Kuvaus voidaan siis esittää roottorin avulla. Merkitään N = eē = 1 4 (n + n)(n n) = 1 4 ( }{{} n +n n nn + }{{} n ) = 1 n n. Bivektorilla N on ominaisuudet: vastaavasti Nn = 1 n nn = 1 (n n n n }{{})n = = 1 (n nn n) = 1 ( n }{{} n n) = n, nn = n, N n = n = nn ja N = 1. Viimeisestä tuloksesta seuraa, että N = N 3 = N 5 =... ja 1 = N = N 4 = N 6 =... Määritellään roottori asettamalla D α = e Nα/ (αn/) k = k! k = k,,4... (α/) k k! + k=1,3,5... = cosh(α/) + sinh(α/)n. (α/) k N k! 8

9 Tällöin D α n D α =(cosh(α/) + sinh(α/)n)n(cosh(α/) sinh(α/)n) =(cosh(α/)n + sinh(α/) }{{} N n )(cosh(α/) sinh(α/)n) = n = cosh (α/)n sinh(α/) cosh(α/)n cosh(α/) sinh(α/) }{{} nn =n cosh(α/) sinh(α/) }{{} nn + sinh (α/) }{{} nn =n =n ( ) = (cosh(α/) sinh(α/)) cosh(α/) + (cosh(α/) sinh(α/))( sinh(α/)) n =(cosh(α/) sinh(α/))(cosh(α/) sinh(α/))n }{{}}{{} e α/ e α/ =e α n. Vastaavalla väännöllä saadaan D α n D α = e α n. Konformaalisen kuvapisteen dilataatio esitettynä roottorin avulla on D α F (x) D α = D α (x + x n n) D α = D α x D α + x D α n D }{{ α D } α n D }{{ α} e α n e α n = x + x e α n e α n = F (e α x). 9

Epäeuklidista geometriaa

Epäeuklidista geometriaa Epäeuklidista geometriaa 7. toukokuuta 2006 Sisältö 1 Johdanto 1 1.1 Euklidinen geometria....................... 1 1.2 Epäeuklidinen geometria..................... 2 2 Poincarén kiekko 2 3 Epäeuklidiset

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

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

2. Geometrinen algebra dimensioissa kaksi ja kolme

2. Geometrinen algebra dimensioissa kaksi ja kolme . Geometrinen algebra dimensioissa kaksi ja kolme William Kingdon Cliord (1845-1879) esitteli geometrisen algebransa 1800- luvulla. Cliord yhdisti sisä- ja ulkotulot yhdeksi tuloksi, geometriseksi tuloksi.

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2014 164/246 Kertausta:

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2012 227/310 Kertausta:

Lisätiedot

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja

Lisätiedot

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 4. lokakuuta 2006 Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä

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

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n Määritelmä 1.1 Algebran A keskus C on joukko C (A) = {a A ax = xa x A}. Lause 1. Olkoon Cl n Cliffordin algebra, jonka generoi joukko {e 1,..., e n }. Jos n on parillinen, niin C (Cl n ) = {λ λ R}. Jos

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot:

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot: Lineaarikuvaukset 12. joulukuuta 2005 1 Yleistys multivektoreille Olkoon F lineaarikuvaus vektoriavaruudessa. Yleistetään F luonnollisella tavalla terille F (a 1 a n ) = F (a 1 ) F (a n ), (1) sekä terien

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

Lisätiedot

LUKU 10. Yhdensuuntaissiirto

LUKU 10. Yhdensuuntaissiirto LUKU hdensuuntaissiirto Olkoot (M, N) suunnistettu pinta, p M ja v p R 3 p annettu vektori pisteessä p (vektorin v p ei tarvitse olla pinnan M tangenttivektori). Tällöin vektori (v p N(p)) N(p) on vektorin

Lisätiedot

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon

Lisätiedot

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori Vektorialgebra 1/5 Sisältö Skalaaritulo Vektoreiden yhteenlaskun ja skalaarilla kertomisen lisäksi vektoreiden välille voidaan määritellä myös kertolasku. Itse asiassa näitä on kaksi erilaista. Seurauksena

Lisätiedot

2 / :03

2 / :03 file:///c:/users/joonas/desktop/linis II Syksy /Ratkaisuehdotukse / 8 76 3:3 Kysymys Pisteet,, Määritellään positiivisten reaalilukujen joukossa R + = {x R x > } yhteenlasku ja skalaarikertolasku seuraavasti:

Lisätiedot

Matriisialgebra harjoitukset, syksy 2016

Matriisialgebra harjoitukset, syksy 2016 MATRIISIALGEBRA, s, Ratkaisuja/ MHamina & M Peltola 7 Onko kuvaus F : R R, F(x 1,x = (x 1 +x,5x 1, x 1 +6x lineaarinen kuvaus? Jos on, niin määrää sen matriisi luonnollisen kannan suhteen Jos ei ole, niin

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

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2 8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason

Lisätiedot

(1.1) Ae j = a k,j e k.

(1.1) Ae j = a k,j e k. Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

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

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

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

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

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

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

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Yleiset lineaarimuunnokset

Yleiset lineaarimuunnokset TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos

Lisätiedot

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin

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

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47 MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö

Lisätiedot

Differentiaalimuodot

Differentiaalimuodot LUKU 2 Differentiaalimuodot Olkoot A R n ja p A. Vektori pisteessä p on pari (p; v), missä v R n. Pisteeseen p kiinnitetyn vektorin v p := (p; v) ensimmäinen komponentti p on vektorin v p paikkaosa ja

Lisätiedot

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1 Lineaarialgebran kertaustehtävien b ratkaisuista. Määritä jokin kanta sille reaalikertoimisten polynomien lineaariavaruuden P aliavaruudelle, jonka virittää polynomijoukko {x, x+, x x }. Ratkaisu. Olkoon

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

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. Määritelmä. LM2, Kesä /160 Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 24.2.2016 Susanna Hurme Päivän aihe: Voiman momentin käsite (Kirjan luvut 4.1-4.6) Mikä on voiman momentti? Määritetään momentti skalaari- ja vektorimuodossa Opitaan

Lisätiedot

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset LH 7 / vko 47 MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [

Lisätiedot

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus 2 7.2.2013 1. Matematiikan lukiokurssissa on esitetty, että ylöspäin aukeavan paraabelin f(x) = ax 2 +bx+c,a > 0,minimikohtasaadaan,kunf

Lisätiedot

Suorista ja tasoista LaMa 1 syksyllä 2009

Suorista ja tasoista LaMa 1 syksyllä 2009 Viidennen viikon luennot Suorista ja tasoista LaMa 1 syksyllä 2009 Perustuu kirjan Poole: Linear Algebra lukuihin I.3 - I.4 Esko Turunen esko.turunen@tut.fi Aluksi hiukan 2 ja 3 ulotteisen reaaliavaruuden

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

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka

Lisätiedot

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen

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

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto LUKU 7 Perusmuodot 7 Ensimmäinen perusmuoto Määritelmä 7 Olkoon ϕ: U R 3 tilkku Määritellään funktiot E, F, G: U R asettamalla (7) E := ϕ ϕ, F := ϕ, G := ϕ u u u u Funktiot E, F G ovat tilkun ϕ ensimmäisen

Lisätiedot

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio. Määritelmä Bijektio Oletetaan, että f : X Y on kuvaus. Sanotaan, että kuvaus f on bijektio, jos se on sekä injektio että surjektio. Huom. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin

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

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

Lisätiedot

1 Avaruuksien ja lineaarikuvausten suora summa

1 Avaruuksien ja lineaarikuvausten suora summa MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon

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

12. Derivointioperaattoreista geometrisissa avaruuksissa

12. Derivointioperaattoreista geometrisissa avaruuksissa 12. Derivointioperaattoreista geometrisissa avaruuksissa 12.1. Gradientti, divergenssi ja roottori 328. Laske u, kun u on vektorikenttä a) (z y)i + (x z)j + (y x)k, b) e xyz (i + xlnyj + x 2 zk), c) (x

Lisätiedot

Matemaattinen Analyysi / kertaus

Matemaattinen Analyysi / kertaus Matemaattinen Analyysi / kertaus Ensimmäinen välikoe o { 2x + 3y 4z = 2 5x 2y + 5z = 7 ( ) x 2 3 4 y = 5 2 5 z ) ( 3 + y 2 ( 2 x 5 ( 2 7 ) ) ( 4 + z 5 ) = ( 2 7 ) yhteys determinanttiin Yhtälöryhmän ratkaiseminen

Lisätiedot

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja 7 NELIÖMATRIISIN DIAGONALISOINTI. Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T () Muistutus: Kokoa n olevien vektorien

Lisätiedot

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt Antti Rasila 2016 Vektorit Pysty- eli sarakevektori v = ( v1 v 2 missä v 1, v 2 ovat v:n komponentit. ), Matriisilaskenta 2/6 Vektorit

Lisätiedot

Pistetulo eli skalaaritulo

Pistetulo eli skalaaritulo Pistetulo eli skalaaritulo VEKTORIT, MAA4 Pistetulo on kahden vektorin välinen tulo. Tarkastellaan ensin kahden vektorin välistä kulmaa. Vektorien a ja, kun a 0, välinen kulma on (kuva) kovera kun a vektorit

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

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 Käytännön järjestelyt

1 Käytännön järjestelyt 1 Käytännön järjestelyt Kurssin suorittaminen Tentti Laskuharjoitustehtävät (alustavasti 40%) ja kaksi välikoetta (alustavasti 60%). Suositeltu suoritustapa. Kurssimateriaali Luentomoniste. Saatavilla

Lisätiedot

2 Kierto yleisesti peilausten avulla

2 Kierto yleisesti peilausten avulla 1 Rotaatioista Viime kerralla nähtiin, että jokainen R 3 rotaatio voidaan esittää kvaternien avulla kuvauksena ρ y (x) = yxy, missä y = 1. Lemma 1.1. Kuvaus ρ : S 3 SO(3), missä ρ(y) = ρ y on surjektiivinen

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus

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

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

Laskutoimitusten operaattorinormeista

Laskutoimitusten operaattorinormeista Laskutoimitusten operaattorinormeista Rami Luisto 27. tammikuuta 2012 Tiivistelmä Tässä kirjoitelmassa määrittelemme vektoriavaruuksien väliselle lineaarikuvaukselle normin ja laskemme sen eksplisiittisesti

Lisätiedot

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti 14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on

Lisätiedot

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Pekka Salmi 14.3.2015 Pekka Salmi Hilbertin avaruudet 14.3.2015 1 / 64 Yleistä Opettaja: Pekka Salmi, MA327 Kontaktiopetus ti 1012 (L), ke 810 (L), ma 1214

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot

Lisätiedot

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m ) Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

6. OMINAISARVOT JA DIAGONALISOINTI 0 6 OMINAISARVOT JA DIAGONALISOINTI 6 Ominaisarvot ja ominaisvektorit Olkoon V äärellisulotteinen vektoriavaruus, dim(v ) = n ja L : V V lineaarikuvaus Määritelmä 6 Skalaari λ R on L:n ominaisarvo, jos

Lisätiedot

Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013

Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013 Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013 Sisältö Johdanto 2 1 Ryhmä 3 2 Symmetrinen ryhmä 6 3 Symmetriaryhmä 10 4 Dihedraalinen ryhmä 19 Lähdeluettelo

Lisätiedot

6 MATRIISIN DIAGONALISOINTI

6 MATRIISIN DIAGONALISOINTI 6 MATRIISIN DIAGONALISOINTI Ortogonaaliset matriisit Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja A - = A T Muistutus: vektorien a ja b pistetulo (skalaaritulo,

Lisätiedot

Suora 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste

Suora 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste Suora 1/5 Sisältö KATSO MYÖS:, vektorialgebra, geometriset probleemat, taso Suora geometrisena peruskäsitteenä Pisteen ohella suora on geometrinen peruskäsite, jota varsinaisesti ei määritellä. Alkeisgeometriassa

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä

Lisätiedot

Johdatus matematiikkaan

Johdatus matematiikkaan Johdatus matematiikkaan Luento 6 Mikko Salo 6.9.2017 Sisältö 1. Kompleksitaso 2. Joukko-oppia Kompleksiluvut Edellisellä luennolla huomattiin, että toisen asteen yhtälö ratkeaa aina, jos ratkaisujen annetaan

Lisätiedot

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218 Lineaarialgebra ja matriisilaskenta I LM1, Kesä 2012 1/218 Avaruuden R 2 vektorit Määritelmä (eli sopimus) Avaruus R 2 on kaikkien reaalilukuparien joukko; toisin sanottuna R 2 = { (a, b) a R ja b R }.

Lisätiedot

1 Käytännön järjestelyt

1 Käytännön järjestelyt 1 Käytännön järjestelyt Kurssin suorittaminen Tentti Laskuharjoitustehtävät (alustavasti 40%) ja kaksi välikoetta (alustavasti 60%). Suositeltu suoritustapa. Kurssimateriaali Luentomoniste. Saatavilla

Lisätiedot

Jatkoa lineaarialgebrasta

Jatkoa lineaarialgebrasta Jatkoa lineaarialgebrasta 16. tammikuuta 2006 Sisältö 1 Singulaariarvohajotelma 1 2 Tensorit ja lineaarikuvausten komponentit 2 2.1 Karteesiset tensorit........................ 3 2.2 Determinantti, osa

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

Alkeismuunnokset matriisille, sivu 57

Alkeismuunnokset matriisille, sivu 57 Lineaarialgebra (muut ko) p. 1/88 Alkeismuunnokset matriisille, sivu 57 AM1: Kahden vaakarivin vaihto AM2: Vaakarivin kertominen skalaarilla c 0 AM3: Vaakarivin lisääminen toiseen skalaarilla c kerrottuna

Lisätiedot

Viikon aiheet. Funktion lineaarinen approksimointi

Viikon aiheet. Funktion lineaarinen approksimointi Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

4. LINEAARIKUVAUKSET

4. LINEAARIKUVAUKSET 86 4 LINEAARIKUVAUKSET 41 Määritelmä ja esimerkkejä Olkoot V ja V vektoriavaruuksia Tarkastellaan kuvausta L : V V Tällöin jokaiseen vektoriin v V liittyy tietty, L:n ja v:n yksikäsitteisesti määräämä

Lisätiedot

Inversiosta stereografiseen projektioon

Inversiosta stereografiseen projektioon Inversiosta stereografiseen projektioon Laura Heikkilä Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 2017 Tiivistelmä Jyväskylän yliopisto, Matematiikan ja tilastotieteen

Lisätiedot

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät 11 Taso Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät tason. Olkoot nämä pisteet P, B ja C. Merkitään vaikkapa P B r ja PC s. Tällöin voidaan sanoa, että vektorit

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2. HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä

Lisätiedot

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton

Lisätiedot

Matematiikka kaikille, kesä 2017

Matematiikka kaikille, kesä 2017 Matematiikka kaikille, kesä 2017 Luentojen 2,4 ja 6 luentokalvoja (päivittyy kurssin aikana) Henrik Wirzenius, henrik.wirzenius@helsinki.fi, June 21, 2017 1/30 Matematiikan perusteita (joukko-oppi) Kurssin

Lisätiedot

Ratkaisut vuosien tehtäviin

Ratkaisut vuosien tehtäviin Ratkaisut vuosien 1978 1987 tehtäviin Kaikki tehtävät ovat pitkän matematiikan kokeista. Eräissä tehtävissä on kaksi alakohtaa; ne olivat kokelaalle vaihtoehtoisia. 1978 Osoita, ettei mikään käyrän y 2

Lisätiedot

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

Talousmatematiikan perusteet: Luento 9

Talousmatematiikan perusteet: Luento 9 Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden

Lisätiedot

HENRI RIIHIMÄKI EUKLIDISEN AVARUUDEN R N KONFORMINEN MALLI JA SEN MÖBIUS-KUVAUKSET. Diplomityö

HENRI RIIHIMÄKI EUKLIDISEN AVARUUDEN R N KONFORMINEN MALLI JA SEN MÖBIUS-KUVAUKSET. Diplomityö HENRI RIIHIMÄKI EUKLIDISEN AVARUUDEN R N KONFORMINEN MALLI JA SEN MÖBIUS-KUVAUKSET Diplomityö Tarkastajat: Sirkka-Liisa Eriksson Heikki Orelma Tarkastajat ja aihe hyväksytty Tieto- ja sähkötekniikan tiedekuntaneuvoston

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

JAKSO 2 KANTA JA KOORDINAATIT

JAKSO 2 KANTA JA KOORDINAATIT JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause

Lisätiedot

1 Tensoriavaruuksista..

1 Tensoriavaruuksista.. 1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut 126-133. 19.02.2007 Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m

Lisätiedot