2.6 Funktioiden kuvaajat ja tasa-arvojoukot

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "2.6 Funktioiden kuvaajat ja tasa-arvojoukot"

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

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

Lisätiedot

3.4 Käänteiskuvauslause ja implisiittifunktiolause

3.4 Käänteiskuvauslause ja implisiittifunktiolause 3.4 Käänteiskuvauslause ja implisiittifunktiolause Tässä luvussa käsitellään kahta keskeistä vektorianalyysin lausetta. Esitellään aluksi kyseiset lauseet ja tutustutaan niiden käyttötapoihin. Lause 3.4.1

Lisätiedot

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. 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 +

Lisätiedot

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

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16 MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos

Lisätiedot

Matematiikka B1 - avoin yliopisto

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

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

LUKU 4. Pinnat. (u 1, u 2 ) ja E ϕ 2 (u 1, u 2 ) := ϕ u 2

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

Lisätiedot

4.3.7 Epäoleellinen integraali

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

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto

Lisätiedot

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. 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 +

Lisätiedot

Matematiikka B1 - TUDI

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

Lisätiedot

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

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

Lisätiedot

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

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

Monistot LUKU 4. (P ): on olemassa avoin, pisteen x sisältävä joukko U R n, avoin joukko W

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

Lisätiedot

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

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

Lisätiedot

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

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

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

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

Lisätiedot

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

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

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta

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

Lisätiedot

Likimääräisratkaisut ja regularisaatio

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.

Lisätiedot

Luku 4. Derivoituvien funktioiden ominaisuuksia.

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

Lisätiedot

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

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

Lisätiedot

Esimerkki 1.1. Kahdeksikkopolku α: u (sin u, sin 2u) on helppo todeta injektioksi

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

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

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

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

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

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

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

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.

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

Lisätiedot

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

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

Lisätiedot

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

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

Lisätiedot

Matematiikan tukikurssi

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

Lisätiedot

4.3 Moniulotteinen Riemannin integraali

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

Lisätiedot

BM20A0300, Matematiikka KoTiB1

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

Lisätiedot

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

Matematiikan tukikurssi

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

Lisätiedot

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

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

Lisätiedot

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

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

12. Hessen matriisi. Ääriarvoteoriaa

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

Lisätiedot

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

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

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

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

Taustatietoja ja perusteita

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

Lisätiedot

Koodausteoria, Kesä 2014

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.

Lisätiedot

8. Avoimen kuvauksen lause

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

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

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

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)

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

Funktion. Käänteisfunktio. Testi 3. Kauhava Aiheet. Funktio ja funktion kuvaaja. Funktion kasvaminen ja väheneminen.

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!)

Lisätiedot

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

Lisätiedot

Ominaisarvo ja ominaisvektori

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

Lisätiedot

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

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)

Lisätiedot

MS-C1340 Lineaarialgebra ja

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

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

Epälineaaristen yhtälöiden ratkaisumenetelmät

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

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

x = (1 t)x 1 + tx 2 x 1 x 2

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

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

Pinnan tangenttivektorit

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

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

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

Lisätiedot

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

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

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

Kohdeyleisö: toisen vuoden teekkari

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

Lisätiedot

Paikannuksen matematiikka MAT

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:

Lisätiedot

2.5. Matriisin avaruudet ja tunnusluvut

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

Lisätiedot

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

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 +

Lisätiedot

Matematiikan tukikurssi

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).

Lisätiedot

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 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

Lisätiedot

MS-A0102 Differentiaali- ja integraalilaskenta 1

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

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

Ominaisarvo ja ominaisvektori

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

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

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

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66 Ensi viikon luennot salissa X Lineaarialgebra (muut ko) p. 1/66 Lineaarialgebra (muut ko) p. 2/66 Redusoitu porrasmuoto 1 1 2 4 1 1 4 6 2 2 5 9 1 1 0 2 0 0 1 1 0 0 0 0 Eli aste r(a) = 2 ja vaakariviavaruuden

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 3 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 28 R. Kangaslampi Matriisihajotelmista

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

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

=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

5 OMINAISARVOT JA OMINAISVEKTORIT

5 OMINAISARVOT JA OMINAISVEKTORIT 5 OMINAISARVOT JA OMINAISVEKTORIT Ominaisarvo-ongelma Käsitellään neliömatriiseja: olkoon A n n-matriisi. Luku on matriisin A ominaisarvo (eigenvalue), jos on olemassa vektori x siten, että Ax = x () Yhtälön

Lisätiedot

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 Jokaisen tehtävän jälkeen on pieni kommentti tehtävään liittyen Nämä eivät sisällä mitään kovin kriittistä tietoa tehtävään liittyen, joten niistä ei tarvitse välittää

Lisätiedot

1 Euklidiset avaruudet R n

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

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 10. Kurssikerta Petrus Mikkola 22.11.2016 Tämän kerran asiat Globaali ääriarvo Konveksisuus Käännepiste L Hôpitalin sääntö Newtonin menetelmä Derivaatta ja monotonisuus

Lisätiedot

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että

Lisätiedot

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on Derivaatta Erilaisia lähestymistapoja: geometrinen (käyrän tangentti sekanttien raja-asentona) fysikaalinen (ajasta riippuvan funktion hetkellinen muutosnopeus) 1 / 19 Derivaatan määritelmä Määritelmä

Lisätiedot

Topologia Syksy 2010 Harjoitus 4. (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N,

Topologia Syksy 2010 Harjoitus 4. (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N, Topologia Syksy 2010 Harjoitus 4 (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N, i=1 A i = R 1, ja f : R 1 R 1 ei ole jatkuva. Lause

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 6 1 Korkolaskentaa Oletetaan, että korkoaste on r Jos esimerkiksi r = 0, 02, niin korko on 2 prosenttia Tätä korkoastetta käytettään diskonttaamaan tulevia tuloja ja

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Talousmatematiikan perusteet: Luento 13 Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu Viime luennolla Aloimme tarkastella yleisiä, usean muuttujan funktioita

Lisätiedot

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

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 21.9.2016 Pekka Alestalo, Jarmo

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

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

Stokesin lause LUKU 5

Stokesin lause LUKU 5 LUU 5 Stokesin lause 5.1. Integrointi monistolla Olkoot W R k alue, W kompakti Jordan-joukko ja ω jatkuva k-muoto alueessa W, ω f dx 1 dx k. Asetetaan ω : f, t.s. f dx 1 dx k : f(x dx f(x 1,, x k dx 1

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21

Lisätiedot

Rollen lause polynomeille

Rollen lause polynomeille Rollen lause polynomeille LuK-tutkielma Anna-Helena Hietamäki 7193766 Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 015 Sisältö 1 Johdanto 1.1 Rollen lause analyysissä.......................

Lisätiedot

2 Osittaisderivaattojen sovelluksia

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

Lisätiedot