2.6 Funktioiden kuvaajat ja tasa-arvojoukot
|
|
- Asta Aro
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 2.6 Funktioiden kuvaajat ja tasa-arvojoukot Olkoon I R väli. Yhden muuttujan funktion g : I R kuvaaja eli graafi on avaruuden R 2 osajoukko {(x, y) R 2 : x I, y = g(x)} Kuva 2.1: Funktion f(x) = 2x 3 1, x [ 1, 1], kuvaaja on avaruuden R 2 osajoukko.
2 Määritelmä Olkoon D R m. Funktion f : D R kuvaaja eli graafi on avaruuden R m+1 osajoukko {(x, y) R m+1 : x D, y = f(x)}. Esimerkki a) Asetetaan f(x 1, x 2 ) = e 1 2 (x2 1 +x2 2 ) kaikilla x 1, x 2 [ 5, 5]. Funktion f kuvaaja on avaruuden R 3 osajoukko {(x 1, x 2, e 1 2 (x2 1 +x2 2 ) ) : x 1, x 2 [ 5, 5]} Kuva 2.2: Funktion f(x 1, x 2 ) = e 1 2 (x2 1 +x2 2 ) kuvaaja on avaruuden R 3 osajoukko.
3 Esimerkki Funktion f(x) = 1 x, x R3 \{0} kuvaaja on avaruuden R 4 osajoukko {( x, 1 ) } : x R 3 \{0}. x Huomautus Funktioiden f : D R 3 R graafisessa esityksessä käytetään kuvaajan osajoukkoja. Eräs näistä on {(x, f(x)) D R : f(x) = C}, missä C on vakio. Määritelmä Olkoon f : D R m R. Joukkoa nmitetään funktion f tasa-arvojoukoksi: f 1 ({C}) = {x D : f(x) = C} R m Esimerkki Olkoon f(x 1, x 2, x 3 ) = x x 2 2 x 3, missä x 1, x 2, x 3 [ 1, 1]. Tasa-arvojoukko ({ }) { 1 f 1 = (x 1, x 2, x 3 ) [ 1, 1] 3 : x x 2 2 x 3 = 1 }. 3 3
4 Kuva 2.3: Funktion f(x 1, x 2, x 3 ) = x x 2 2 x 3, x i f ( 1 { 1 3 }) on avaruuden R 3 osajoukko. [ 1, 1] tasa-arvojoukko
5 Korkeaulotteisten funktoiden graafinen esittäminen on hankalaa. Funktioiden kuvaajia ja tasa-arvojoukkoja käytetään matematiikassa muuhunkin kuin graafiseen esittämiseen! Tangentti yleistyy uusen muuttujan tapauksessa tangenttiavaruudeksi, joka yleistyy moniston (eng. manifold) tangenttiavaruudeksi. Sovelluksissa tarvitaan monistoja, kun suorat eivät edusta lyhintä etäisyyttä pisteiden välillä. Kuuluisin esimerkki on yleinen suhteellisuusteoria, jossa avaruus on kaareutunut Toinen esimerkki on seismisten aaltojen eteneminen maapallon sisällä. Tasa-arvojoukkojen avulla määritellään säännöllisiä reunoja/pintoja/avoimia joukkoja. Näitä käytetään mm. osittaisdifferentiaaliyhtälöitä ratkottaessa. Säännöllisen pinnan pisteille määritellään normaalivektori, jolla on sovelluksia mm. sähkömagneettisissa ilmiöissä.
6 Kuva 2.4: Kaareutunut aika-avaruus (kuva Wikipedia). Kuva 2.5: Normaalivektoreita tietokonegrafiikassa. Kuva VTK Textbook (Schroeder, Martin, Lorensen et al.) (Creative Commons Attribution-NoDerivs 3.0 Unported License). Originaali:
7 2.6.1 Tangenttitavaruudet Yksiulotteisessa tapauksessa derivaatta määrää tangenttisuoran. Tangenttiavaruus määritellään gradientin avulla. Määritelmä Olkoon D R m, f : D R differentioituva joukon D sisäpisteessä a. Joukkoa T f,a = {(x 1,..., x m, y) R m+1 : y = f(a) + (x a) f(a)} nimitetään funktion f kuvaajan tangenttiavaruudeksi pisteessä (a, f(a)). Esimerkki a) Olkoon f(x 1, x 2 ) = x 2 1 2x 2 2 jokaisella x 1, x 2 R. Määrätään tangenttiavaruus pisteessä (a, f(a)), missä a = (3, 1). Silloin f(3, 1) = 11 ja f(3, 1) = ( 2x 1, 4x 2 ) (x1,x 2 )=(3.1) = ( 6, 4) Funktion f kuvaajan tangenttiavaruus pisteessä (3, 1, 11) on T f,a = {(x 1, x 2, y) R 3 : y = 11 6(x 1 3) 4(x 2 1)}
8 Kuva 2.6: Periaatekuva: funktion f(x 1, x 2 ) = x 2 1 2x 2 2 kuvaajan tangentttiavaruus pisteessä (3, 1, 11).
9 b) Olkoon f(x 1, x 2 ) = e 1 2 (x2 1 +x2 2 ) kaikilla x 1, x 2 [ 4, 4] ja a = ( 1 5, 5) 1. Silloin f(a) = e 25 1 ja ( f 1 5, 1 ) = ( x 1 e 1 2 (x2 1 x2 2 ), x 2 e 1 2 (x2 1 x2 2 ) ) 5 (x1,x 2 )=( 1 5,1 5) = (1 5 e 25, e 25). 1 ( ) Funktion f kuvaajan tangenttiavaruus pisteessä 1 5, 1 5, e 25 1 on { ( T f,a = (x 1, x 2, y) R 3 : y = e x ) e 1 ( x 2 1 ) } e
10
11 c) Kun piste a D R 2 on sellainen, että funktion f : D R on differentioituva pisteessä a ja sen gradientti f(a) = (0, 0), niin funktion f kuvaajan tangenttiavaruus pisteessä (a, f(a)) on joukko T f,a = {(x 1, x 2, y) R 3 : y = f(a)} = R 2 {f(a)}. Lause Olkoon T f,a kuten Määritelmässä Silloin T f,a on avaruuden R m+1 m- ulotteinen affiini aliavaruus. Todistus. Näytetään, että joukko T f,a (a, f(a)) = {(x, y) R m+1 : y = x f(a)} on aliavaruus: Vektori (x, y) T f,a (a, f(a)) jos ja vain jos vektori (x, y) on homogeenisen lineaarisen yhtälön 0 = [ f(a) 1 ] [ ] x, }{{} y =:A 1 (m+1) ratkaisu. Täten T f,a (a, f(a)) on matriisin A nolla-avaruutena aliavaruus. Nolla-avaruuden N(A) dimensio on m, sillä missä matriisin A aste rank(a) = 1. dim(r m+1 ) = rank(a) + dim(n(a)),
12 Huomautus Kun m = 2, niin tangenttiavaruus on taso, josta käytetään nimitystä tangenttitaso. Huomautus Kun tangenttiavaruuden määritelmää verrataan Taylorin 1. asteen kehitelmään f(a + h) = f(a) + h f(a) + R 2 pisteessä h = x a, niin havaitaan, että tangenttiavaruus on funktion f 1. asteen Taylorin polynomin (lokaalin linearisaation) f(a) + (x a) f(a) kuvaaja. 2.7 Tasa-arvojoukko ja sileä pinta Olkoon a R 2 ja r > 0. Avoimen pallon B(a, r) reuna on funktion f(x) = x a tasa-arvojoukko B(a, r) = {x R 2 : x a = 1}, Määritelmä Joukko S R m on C 1 -sileä (hyper)pinta, jos löytyy sellainen C 1 -funktio F : D R m R, D avoin, että S = F 1 ({C}) jollakin C R ja F (x) 0 jokaisella x S.
13 Esimerkki Avoimen pallon B(0, 3) reuna {x R 3 : x = 3} on C 1 -sileä pinta, sillä funktio F (x) = x kuuluu avaruuteen C 1 (R 3 \{0}) ja F (x) = x x 0, kun x = 3. Esimerkki Mitä tapahtuu, jos ehto F (x) 0 jokaisella x S ei täyty? Tarkastellaan funktiota, joka ei toteuta tätä vaatimusta. Olkoon F (x 1, x 2, x 3 ) = x x 2 2 x 2 3. Silloin F C 1 (R 3 ). Miltä näyttää tasa-arvojoukko F 1 ({0}), joka sisältää myös pisteen (0, 0, 0), jossa F (0, 0, 0) = (0, 0, 0)? Kuva 2.7: Periaatekuva: pisteessä (0, 0, 0) tasa-arvopinnalla on terävä kärki. Tämä ei intuitiivisesti ajatellen sovi yhteen sileyden kanssa.
Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x
Seuraavaksi tarkastellaan C 1 -sileiden pintojen eräitä ominaisuuksia. Lemma 2.7.1. Olkoon S R m sellainen C 1 -sileä pinta, että S on C 1 -funktion F : R m R eräs tasa-arvojoukko. Tällöin S on avaruuden
Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan
, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen
Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x
3.4 Käänteiskuvauslause ja implisiittifunktiolause
3.4 Käänteiskuvauslause ja implisiittifunktiolause Tässä luvussa käsitellään kahta keskeistä vektorianalyysin lausetta. Esitellään aluksi kyseiset lauseet ja tutustutaan niiden käyttötapoihin. Lause 3.4.1
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Vektorianalyysi II (MAT21020), syksy 2018
Vektorianalyysi II (MAT21020), syksy 2018 Ylimääräisiä harjoitustehtäviä 1. Osoita, että normin neliö f : R n R, f(x) = x 2 on differentioituva pisteessä a R n ja, että sen derivaatalle on voimassa 2.
Derivaatta: funktion approksimaatio lineaarikuvauksella.
Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen
Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
Matematiikka B1 - avoin yliopisto
28. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Nettitehtävät Kurssin sisältö 1/2 Osittaisderivointi Usean muuttujan funktiot Raja-arvot Osittaisderivaatta Pinnan
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
LUKU 4. Pinnat. (u 1, u 2 ) ja E ϕ 2 (u 1, u 2 ) := ϕ u 2
LUKU 4 Pinnat 4.. Määritelmiä ja esimerkkejä Määritelmä 4.. Epätyhjä osajoukko M R 3 on sileä (kaksiulotteinen) pinta, jos jokaiselle pisteelle p M on olemassa ympäristö V p R 3, avoin joukko U p R 2 ja
Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21.
Vektorianalyysi I MAT21003 Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21. syyskuuta 2017 1 Sisältö 1 Euklidinen avaruus 3 1.1 Euklidinen avaruus
MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.
MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Matematiikka B1 - TUDI
Osittaisderivointi Osittaisderivaatan sovellukset Matematiikka B1 - TUDI Miika Tolonen 3. syyskuuta 2012 Miika Tolonen Matematiikka B2 - TUDI 1 Osittaisderivointi Osittaisderivaatan sovellukset Kurssin
4.3.7 Epäoleellinen integraali
Esimerkki 4.3.16. (Lineaarinen muuttujien vaihto) Olkoot A R m sellainen kompakti joukko, että A on nollajoukko. Olkoon M R m m säännöllinen matriisi (eli det(m) 0) ja f : R m R jatkuva funktio. Tehdään
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
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
Kanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
Monistot LUKU 4. (P ): on olemassa avoin, pisteen x sisältävä joukko U R n, avoin joukko W
LUKU 4 Monistot Muistettakoon, että avointen joukkojen U, V R n välinen diffeomorfismi h: U V on C 1 -kuvaus, jolle myös käänteiskuvaus h 1 on C 1. Jatkossa oletetaan, että tarkasteltavat kuvaukset ovat
Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio
Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta)
Helsingin yliopisto, Matematiikan ja tilastotieteen osasto Vektorianalyysi II (MAT22, syksy 28 Kurssitentti, Ma 7228 (RATKAISUEHDOTUKSET Tentaattori: Ville Tengvall (villetengvall@helsinkifi Vastaa kaikkiin
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
802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
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
Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
Avaruuden R n aliavaruus
Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla
f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:
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
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu Antti Rasilan luentomonisteeseen
ominaisvektorit. Nyt 2 3 6
Esimerkki 2 6 8 Olkoon A = 40 0 6 5. Etsitäänmatriisinominaisarvotja 0 0 2 ominaisvektorit. Nyt 2 0 2 6 8 2 6 8 I A = 40 05 40 0 6 5 = 4 0 6 5 0 0 0 0 2 0 0 2 15 / 172 Täten c A ( )=det( I A) =( ) ( 2)
Likimääräisratkaisut ja regularisaatio
Luku 3 Likimääräisratkaisut ja regularisaatio Käytännön inversio-ongelmissa annettu data y ei aina ole tarkkaa, vaan sisältää häiriöitä. Tuntemattomasta x on annettu häiriöinen data y F (x + }{{}}{{} ε.
Luku 4. Derivoituvien funktioiden ominaisuuksia.
1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa
Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).
Esimerkki 9 Esimerkissä 6 miniminormiratkaisu on (ˆx, ˆx (, 0 Seuraavaksi näytetään, että miniminormiratkaisuun siirtyminen poistaa likimääräisongelman epäyksikäsitteisyyden (mutta lisääntyvän ratkaisun
Esimerkki 1.1. Kahdeksikkopolku α: u (sin u, sin 2u) on helppo todeta injektioksi
. Pinnoista.. Pinnan määritelmästä. Monisteen [] määritelmän 4.. mukainen pinta S on sama olio, jollaista abstraktimmassa differentiaaligeometriassa kutsutaan avaruuden R n alimonistoksi (tarkemmin upotetuksi
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
Johdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla
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
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
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
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.
JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.
JATKUVAT FUNKTIOT JATKUVUUS Jatkuva funktio Epäjatkuva funktio Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista., suomennos Matti Pauna JATKUVUUS Jatkuva funktio Epäjatkuva
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
e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π
Matematiikan ja tilastotieteen laitos Funktionaalianalyysin peruskurssi Kevät 9) Harjoitus 7 Ratkaisuja Jussi Martin). E Hilbert avaruus L [, π]) ja gt) := t, t [, π]. Määrää funktion g Fourier kertoimet
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,
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
peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.
Esimerkki 4.3.9. a) Piste on nollajoukko. Suoran rajoitetut osajoukot ovat avaruuden R m, m 2, nollajoukkoja. Samoin suorakaiteiden reunat koostuvat suoran kompakteista osajoukoista. b) Joukko = Q m [0,
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti
4.3 Moniulotteinen Riemannin integraali
4.3 Moniulotteinen Riemannin integraali Tässä luvussa opitaan miten integroidaan usean muuttujan reaaliarvoista tai vektoriarvoista funktiota, millaisten joukkojen yli jatkuvaa funktiota voi integroida,
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
BM20A0300, Matematiikka KoTiB1
BM20A0300, Matematiikka KoTiB1 Luennot: Heikki Pitkänen 1 Oppikirja: Robert A. Adams: Calculus, A Complete Course Luku 12 Luku 13 Luku 14.1 Tarvittava materiaali (luentokalvot, laskuharjoitustehtävät ja
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo
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
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.
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
Diskreetti derivaatta
Diskreetti derivaatta LuK-tutkielma Saara Sadinmaa 43571 Matemaattisten tieteiden koulutusohjelma Oulun yliopisto Syksy 017 Sisältö Johdanto 1 Peruskäsitteitä 3 Ominaisuuksia 4 3 Esimerkkejä 8 4 Potenssifunktioita
12. Hessen matriisi. Ääriarvoteoriaa
179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä
9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista
29 9 Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista Tarkastelemme kertalukua n olevia lineaarisia differentiaaliyhtälöitä y ( x) + a ( x) y ( x) + + a ( x) y( x) + a ( x) y= b( x) ( n) ( n
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 ],
Taustatietoja ja perusteita
Taustatietoja ja perusteita Vektorit: x R n pystyvektoreita, transpoosi x T Sisätulo: x T y = n i=1 x i y i Normi: x = x T x = ni=1 x 2 i Etäisyys: Kahden R n :n vektorin välinen etäisyys x y 1 Avoin pallo:
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
Koodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3. Lineaariset koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 22 3.1 Lineaarisen koodin määrittely Olkoon F äärellinen kunta.
Vektorit, suorat ja tasot
, suorat ja tasot 1 / 22 Koulussa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä (x 1, x 2 ). Jos vektorin
0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,
HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä
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
Matematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h
HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)
Funktion. Käänteisfunktio. Testi 3. Kauhava Aiheet. Funktio ja funktion kuvaaja. Funktion kasvaminen ja väheneminen.
Funktiot Kauhava 26.11.2010 n kuvaaja n kuvaaja n kuvaaja Linkkejä kurssi2 / Etälukio (edu.) kurssi8 / Etälukio (edu.) (Suurinta osaa tämän linkin takana olevasta materiaalista pohdimme vasta huomenna!)
Linkkejä kurssi2 / Etälukio (edu.) kurssi8 / Etälukio (edu.) (Suurinta osaa tämän linkin takana olevasta materiaalista pohdimme vasta huomenna!
Funktiot, L3a n kuvaaja n kuvaaja n kuvaaja Linkkejä kurssi2 / Etälukio (edu.) kurssi8 / Etälukio (edu.) (Suurinta osaa tämän linkin takana olevasta materiaalista pohdimme vasta huomenna!) Funktio (Käytännöllinen
Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..
Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu
Talousmatematiikan perusteet: Luento 14 Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu Luennolla 6 Tarkastelimme yhden muuttujan funktion f(x) rajoittamatonta optimointia
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Lineaarikuvaukset Lineaarikuvaus Olkoot U ja V
Ominaisarvo ja ominaisvektori
Määritelmä Ominaisarvo ja ominaisvektori Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
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
Epälineaaristen yhtälöiden ratkaisumenetelmät
Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin
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
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:
MATEMATIIKAN JA TILASTOTIETEEN LAITOS
f ( n) JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Funktionaalianalyysi Ei harjoituksia 1.4.2015 Funktionaalista viihdettä pääsiäistauolle: viikolla 14 (ma 30.3., ti 31.3. ja ke 1.4.)
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus
Pinnan tangenttivektorit
LUKU 5 Pinnan tangenttivektorit Tästä lähtien oletetaan, että annetut polut, pinnat, funktiot ja vektorikentät ovat C. Vastaavasti, konstruoiduista poluista, pinnoista, funktioista ja vektorikentistä pitää
x = (1 t)x 1 + tx 2 x 1 x 2
4 Konveksisuus ja ääriarvot Palautan mieliin, että R:n välillä I derivoituvaa funktiota sanottiin konveksiksi (alaspäin kuperaksi), jos käyrä y = f(x) on välillä I jokaisen tangenttisuoransa yläpuolella
Yhdistetty funktio. Älä sekoita arvo- eli kuvajoukkoa maalijoukkoon! (wikipedian ongelma!)
Yhdistetty unktio TRIGONOMETRISET FUNKTIOT, MAA7 Määritelmä, yhdistetty unktio: Funktioiden ja g yhdistetty unktio g (luetaan g pallo ) määritellään yhtälöllä g g. Funktio g on ns. ulkounktio ja sisäunktio.
MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)
. Lasketaan valmiiksi derivaattoja ja niiden arvoja pisteessä x = 2: f(x) = x + 3x 3 + x 2 + 2x + 8, f(2) = 56, f (x) = x 3 + 9x 2 + 2x + 2, f (2) = 7, f (x) = 2x 2 + 8x + 2, f (2) = 86, f (3) (x) = 2x
Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210
Matikkapaja keskiviikkoisin klo 14-16 Lineaarialgebra (muut ko) p. 1/210 Lineaarialgebra (muut ko) p. 2/210 Operaatiot Vektoreille u = (u 1,u 2 ) ja v = (v 1,v 2 ) Yhteenlasku: u+v = (u 1 +v 1,u 2 +v 2
3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset
31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita
2.5. Matriisin avaruudet ja tunnusluvut
2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja
Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.
Analyysi 1 Harjoituksia lukuihin 4 7 / Syksy 014 1. Tutki funktion x + x jatkuvuutta pisteissä x = 0 ja x = 1.. Määritä vakiot a ja b siten, että funktio a x cos x + b x + b sin x, kun x 0, x 4, kun x
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
Paikannuksen matematiikka MAT
TA M P E R E U N I V E R S I T Y O F T E C H N O L O G Y M a t h e m a t i c s Paikannuksen matematiikka MAT-45800 4..008. p.1/4 Käytännön järjestelyt Kotisivu: http://math.tut.fi/courses/mat-45800/ Luennot:
Kohdeyleisö: toisen vuoden teekkari
Julkinen opetusnäyte Yliopisto-opettajan tehtävä, matematiikka Klo 8:55-9:15 TkT Simo Ali-Löytty Aihe: Lineaarisen yhtälöryhmän pienimmän neliösumman ratkaisu Kohdeyleisö: toisen vuoden teekkari 1 y y
Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
MS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Derivaatta 1.1 Derivaatta Erilaisia lähestymistapoja: I geometrinen
Käänteismatriisi 1 / 14
1 / 14 Jokaisella nollasta eroavalla reaaliluvulla on käänteisluku, jolla kerrottaessa tuloksena on 1. Seuraavaksi tarkastellaan vastaavaa ominaisuutta matriiseille ja määritellään käänteismatriisi. Jokaisella
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 Korkeamman asteen derivaatat Tutkitaan nyt funktiota f, jonka kaikki derivaatat on olemassa. Kuten tunnettua, funktion toista derivaattaa pisteessä x merkitään f (x).
8. Avoimen kuvauksen lause
116 FUNKTIONAALIANALYYSIN PERUSKURSSI 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen
Ominaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
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