6.4. Feynmanin Kacin kaava. Edellisessä osassa näytimme, että tietyin oletuksin. on Dirichlet n reuna-arvotehtävän.

Koko: px
Aloita esitys sivulta:

Download "6.4. Feynmanin Kacin kaava. Edellisessä osassa näytimme, että tietyin oletuksin. on Dirichlet n reuna-arvotehtävän."

Transkriptio

1 14 STOKASTISET DIFFERENTIAALIYHTÄLÖT 6.4. Feynmanin Kacin kaava. Edellisessä osassa näytimme, että tietyin oletuksin on Dirichlet n reuna-arvotehtävän w = u(x) =E x f(b τ ) w = f alueessa G reunalla Γ on yksikäsitteinen ratkaisu, joka on C alueessa G ja jatkuva sulkeumaan G. Voimme kysyä, osaammeko esittää muiden reuna-arvotehtävien ratkaisut Brownin liikkeen avulla. Seuraavaksi tarkastelemme esimerkkinä Schrödingerin reuna-arvotehtävää. 1 w + qw = alueessa G (6.16) w = f reunalla Γ missä q on jatkuva ja rajoitettu funktio alueessa G. Tämä yleistää edellisen tehtävän, sillä q =on jatkuva ja rajoitettu funktio alueessa G. Edellisen tehtävän varsinainen ratkaisu oli lemma jonka mukaan Z t = w(b t ) on lokaali martingaali jos ja vain jos w =. Voisimme kysyä löydämmekö vastaavan prosessin X t, joka on lokaali martingaali jos ja vain jos 1 w + qw =. Oletamme aluksi, että 1 w + qw =. Teemme rohkean yritteen ja kokeilemme ratkaisua X t = w(b t )Y t = Z t Y t, missä Y t on vielä tuntematon reaa- liarvoinen prosessi. Määräämme kuten viimeksi prosessin X t stokastisen differentiaalin (tosin emme vielä tiedä, onko tämä sallittua) käyttämällä osittaisintegroinnin kaavaa. dx t = Y t dz t + Z t dy t +d Z, Y t = Y t dm t + 1 w(b t)y t dt + w(b t )dy t +d M, Y t missä käytimme apuna edellisen osan semimartingaaliesitystä dz t = dm t + 1 w(b t)dt. Prosessi Y on vielä vapaasti valittavissa, joten jos (6.17) dy t = q(b t )Y t dt niin dx t =dm 1 t +( 1 w(b t)+q(b t ))Y t dt +d M, Y t =dm 1 t +d M, Y t joten jos Y sattuisi olemaan vielä lokaalisti rajoitetusti heilahteleva, niin M, Y t = ja siten X t olisi lokaali martingaali. Eli yritämme ratkaista differentiaaliyhtälön (6.17). Jos Y t, niin voimme jakaa Y t :llä puolittain. Siispä dy t Y t = d ln Y t = q(b t )dt

2 Siispä päättelemme STOKASTISET DIFFERENTIAALIYHTÄLÖT 15 Y t = C exp ( t q(b s )ds ) =: C exp(u t ). Koska vakion C valinta on vapaa, valitsemme C =1. Nyt voimme varmistua, että emme tehneet laittomuuksia. Koska prosessi U t, U t = t q(b s )ds on jatkuva ja adaptoitu, on se ennustettava. Lisäksi U on lokaalisti rajoitettu, sillä q on rajoitettu, ja siten t U t U s q du = 1 q (t s)(t + s) q t(t s) s Tästä havaitsemmekin, että U on myös lokaalisti rajoitetusti heilahteleva, sillä n 1 k= + U(t k ) q t n (t n t )= q t millä tahansa välin [,t) jaolla. Siispä Itōn lauseen nojalla Y on myös lokaalisti rajoitetusti heilahteleva ja toteuttaa kaavan dy t = f (U t )du t = Y t q(b t )dt Tästä seuraa siten myös, että M, Y t =, joten kaiken kaikkiaan X t = w(b t )e Ut on lokaali martingaali välillä [,τ) jos 1 w + qw =alueessa G. Jos valitsemme rajoitetut pysähdyshetket τ n := τ n n joille τ n τ ja X τ n on tasaisesti integroituva martingaali, niin optionaalisen pysäyttämisen lauseen nojalla Siispä E x X = w(x)e = E x w(b(τ n)) exp (U(τ n)). w(x) = lim E x w(b(τ n n)) exp (U(τ n)). Jos voisimme viedä raja-arvon odotusarvon sisään, niin voisimme kirjoittaa ( τ ) w(x) =E x f(b τ ) exp q(b s )ds. Tämä on niin sanottu Feynmanin Kacin kaava. Mutta kuinka raja-arvon voisi siirtää odotusarvon sisälle. Monotonista suppenemista ei voi nyt käyttää, sillä jono ei selvästi ole monotoninen. Jäljelle jää lähinnä dominoidun suppenemisen käyttö, mutta mikä on dominoiva satunnaismuuttuja tässä tapauksessa? Jos w on haluttu ratkaisu, niin se on rajoitetussa ja suljetussa joukossa G jatkuvana rajoitettu, joten w(b(τ n)) on rajoitettu, joten se ei taatusti muodosta ongelmia. Termi exp(u(τ n)) ei riipu funktiosta f eikä ratkaisusta w lainkaan,

3 16 STOKASTISET DIFFERENTIAALIYHTÄLÖT joten se liittyy vain alueen G sekä potentiaalitermin q ominaisuuksiin. Merkitsemmekin jatkossa prosessia exp(u t ) prosessilla e(q) t. Lisäksi merkitsemme satunnaismuuttujaa e(q) τ erikoisesti e(q, G), sillä alueestahan poistumishetki τ vain riippuu. Havaitsemme, että U t t 9 q + (B s )ds τ q + (B s )ds joten τ exp(u(τ n)) = exp(u(τ n)) exp( q + (B s )ds) =e q+ (τ) Jos siis e q+ (τ) on integroituva, niin tällöin raja-arvon voi viedä dominoidun suppenemisen lauseen nojalla sisällä. Olemme siten osoittaneet, että Lemma. Oletetaan, että E x e(q +,G) < jokaisella x G. Jos w on reuna-arvotehtävän (7.1) ratkaisu, niin ( τ ) w(x) =E x f(b τ )e(q, G) =E x f(b τ ) exp q(b s )ds Havaitsemme suoraan, että jos q, niin q + =jolloin e(q +,G) = 1. Siis ehto E x e(q +,G) = 1 < on tällöin selviö. Havaitsemme siten myös, että Lemman 6.18 kaava yleistää edellisen osan esityskaavan, sillä jos q =, niin e(q, G) = 1. Luonnollinen kysymys on, että milloin ehto E x e(q +,G) < ei toteudu? Esimerkki. Jos d =1ja G = (,π) ja q(x) =λ>. Tällöin yhtälö w + qw = w + λw = w() =,w(π) = on ratkaistavissa suljetussa muodossa. Tiedämme, että ratkaisu on muotoa w(x) =c 1 sin( λx)+c cos( λx). Nyt c =sillä w() = c. Havaitsemme, että w(π) =c 1 sin( λπ) = jos c 1 =tai sin( λπ) =. Jälkimmäinen on nolla vain, kun λ Z eli jos λ = k jollakin k Z. Siispä w = jos λ k ja jos λ = k, niin w = c sin(kπx). Edellisen lemman perusteella tiedämme, että jos E x e(λ, G) <, niin tällöin w =. Siispä havaitsemme, että kun λ =1ei E x e(1,g) voi olla äärellinen. Koska e(λ, G) >e(1,g) aina, kun λ> 1, joten päättelemme, että E x e(λ, G) =E x e λτ =

4 STOKASTISET DIFFERENTIAALIYHTÄLÖT 17 aina kun λ 1. Lemmamme oletus siis jossakin mielessä käsittelee poistumishetken τ eksponentiaalisten momenttien olemassaoloa. Edellisestä päättelimme, että liian suuret potentiaalit eivät voi toteuttaa integroituvuusehtoa. Toisaalta nämä ehdot liittyivät suoraan poistumishetkeen eli alueeseen G. Jos pienennämme aluetta eli lyhennämme väliä (,π) väliksi G := (, π/n) jollakin n 1, niin vastaavan reuna-arvotehtävän ratkaisut saadaan skaalaamalla. Eli ratkaisu w(x) = sin x skaalautuu ratkaisuksi w (x) = sin 5x. Sama päätelmä antaa silloin, että E x e(λ, G ) =, kun λ 5. Eli pienemmällä alueella voimme mahdollisesti sallia suurempia potentiaaleja. Olemme nyt havainneet, että Lemman 6.18 ehto ei ole selviö, joten nimitämme niitä potentiaaleja q mitattaviksi alueessa G (engl. gaugeable) joille E x e(q +,G) < jokaisella x G. Jos oletamme, että potentiaali on mitattavissa, voimme osoittaa, että Lemman 6.18 määrittelemä funktio on todellakin ratkaisu. Kuten aiemminkin, näytämme että prosessi X t = w(b t )e(q) t on lokaali martingaali, kun w(x) = E x f(b τ )e(q, G). Tämä seuraa vastaavasti Brownin liikkeen Markovin ominaisuudesta, sillä [ s<τ ]w(b s )e(q) s =[s<τ ]e(q) s E B(s) f(b τ )e(q, G) =[s<τ ]E (f(b τ )e(q) s exp ( τ q(b t )dt ) ) F s =[s<τ ]E (f(b τ ) exp ( s + =[s<τ ]E (f(b τ )e(q, G) F s ). s τ s q(b t )dt ) F s ) Oikealla puolella on lokaali martingaali välillä [,τ) joten myös X t on lokaali martingaali. Vastaavasti soveltamalle vahvaa Markovin ominaisuutta kun η on poistumishetki kuulasta G r := D(x, r), että w(x) =E x E (f(b τ )e(q, G) F η ) ( ( η = E x exp( q(b t )dt) ) ) E B(η) f(b τ )e(q, G) = E x w(b η )e(q, G r ) Kun r on hyvin pieni, niin η on suurella todennäköisyydellä hyvin pieni. Silloin voimme kirjoittaa mittatermin e(q, G r ) approksimatiivisesti: η q(b t )dt = q(b )η + o(η) = e(q, G r ) = 1 + q(b )η + o(η) Siispä ( (w(bη (6.) E x ) w(x) ) ) + q(b )w(b η )η + o(η) =.

5 18 STOKASTISET DIFFERENTIAALIYHTÄLÖT Oletetaan, että tiedämme jo, että w on jatkuva. Tällöin termi q(b )w(b η )η = q(b )w(b )η + o(η), sillä myös Brownin liike on tunnetusti jatkuva. Voimme siten laskea, että E x q(b )w(b η )η = q(x)w(x)e x η + o(e x η ). Palautamme mieleen, että laskimme esimerkissä 4.5 että E x η = r /d. Siispä olemme jo päätelleet, että jos w on jatkuva, niin (6.1) E x (w(b η ) w(x)) + r q(x)w(x) d + o(r )= Olemme melkein näyttäneet, että w toteuttaa Schrödingerin yhtälön 1 w + qw =, sillä 6.. Lemma. Jos w C, niin E x (w(b η ) w(x)) lim r r Todistus. Taylorin kaavan käyttö (HT). = w(x) d Mutta tavoitteemme oli osoittaa, että w on riittävän sileä, jotta voisimme derivoida sitä, joten emme voi olettaa, että w on kahdesti jatkuvasti derivoituva ja päätellä tämän avulla, että w onkin kahdesti jatkuvasti derivoituva. Voimme kuitenkin osoittaa, että w toteuttaa Schrödingerin yhtälön heikosti eli kun korvaamme derivaatan käsitteen heikon derivaatan käsitteellä. Tämä tarkoittaa sitä, että esimerkiksi reaaliarvoisen yhden muuttujan funktion f(x) = x heikko derivaatta on funktio f (x) =sgn x. Heikko derivaatta määritellään implisiittisesti yhtälöiden f (x)ϕ(x)dx = f(x)ϕ (x)dx avulla, minkä tulee olla voimassa aina kun ϕ on sileä ja häviää identtisesti kompaktin joukon ulkopuolella. Jos funktio f on tavallisesti derivoituva, niin tämä yhtälö on osittaisintegroinnin kaava. Huomautamme, että nämä yhtälöt määräävät heikon derivaatan melkein kaikilla x. Esimerkiksi kun f(x) = x, niin f(x)ϕ (x)dx = = xϕ (x)dx ϕ(x)dx xϕ (x)dx ϕ(x)dx = sgn xϕ(x)dx

6 STOKASTISET DIFFERENTIAALIYHTÄLÖT 19 joten päättelemme, että f (x) = sgn x. Laplacen operaattorin heikko muotoilu on osittain integroimalla kahdesti siten u(x)ϕ(x)dx = u(x) ϕ(x)dx. Schrödingerin yhtälön heikko muoto on siten ( = 1 u(x)+q(x)u(x)) ϕ(x)dx = u(x) ( 1 ϕ(x)+q(x)ϕ(x)) dx kun ϕ on vähintään kahdesti jatkuvasti derivoituva ja häviää alueen G kompaktin osajoukon ulkopuolella. Kaava (7.) on melkein jo heikko muotoilu. Jaamme sen puolittain luvulla r /d, kerromme testifunktiolla ϕ ja integroimme yli alueen G. Havaitsemme siten, että ( ϕ(x)e x w(bη ) B(x) ) d = + ϕ(x)q(x)w(x)dx + o(1) G r Koska ϕ häviää jonkin alueen G kompaktin osajoukon ulkopuolella, voimme hyvin ajatella, että ϕ on määritelty koko avaruudessa R d ja on nolla alueen G ulkopuolella. Tällöin voimme kirjoittaa ensimmäisen termin edellisestä identiteetistä ( ϕ(x)e x w(bη ) w(x) ) d G r dx = d r dx µ(dy)ϕ(x)(w(x + y) w(x)) Jaamme lineaarisuuden avulla integraali kahteen osaan. Vaihdamma integrointijärjestystä Fubinin lauseen avulla, jolloin dx µ(dy)ϕ(x)w(x + y) = µ(dy) dxϕ(x)w(x + y) = µ(dy) dxϕ(x y)w(x). Jälkimmäisen yhtäsuuruuden saimme muuttujan vaihdolla x = x + y. Vaihtamalla kerran vielä integroimisjärjestystä olemme siten päätelleet, että ( ϕ(x)e x w(bη ) w(x) ) d dx = d dxw(x) µ(dy)ϕ(x y) ϕ(x) G r r ( w(x)ex ϕ( Bη ) ϕ(x) ) d = dx r = w(x)( 1 ϕ(x) + o(1)) dx kunhan r on riittävän pieni. Yhdistämällä havaitsemme, että = u(x) ( 1 ϕ(x)+q(x)ϕ(x)) dx + o(1) G

7 11 STOKASTISET DIFFERENTIAALIYHTÄLÖT joten antamalla r olemme päätelleet, että 6.3. Lemma. Jos w on jatkuva, niin 1 w+qw =heikossa mielessä alueessa G. Jatkuvuuden päätteleminen ei ole kovinkaan ongelmallista, ainakin jos oletamme, että w on rajoitettu ja mitallinen. Tällöin kaavan (6.) mukaan w(x) =E x w(b η )+E x Oη = w(y)µ(s, dy)+or Integroimalla säteen r yli havaitsemme, että w(x) = y x <r w(y)dy + Or Tämän avulla päättelemme helposti, että w on jatkuva pisteessä x. (HT). Voimme nyt keskittyä tarkastelemaan, milloin potentiaali q on mitattava aluueessa G. Osoitamme, että rajoitettu potentiaali on aina mitattava, kunhan alue on riittävän pieni Lemma. Jos q on rajoitettu alueessa G, niin jokaista pistettä x G kohti löytyy sellainen säde r >, että q on mitattava avoimessa kuulassa D(x, r). Todistus. Koska q on rajoitettu, niin q + on rajoitettu. Nyt e(q +,D(x, r)) exp ( q τ r ), kun τr on poistumishetki kiekosta D(x, r). Kun r on pieni, niin τ r on myös pieni suurella todennäköisyydellä, joten exp( q τ r ) on pieni myös suurella todennäköisyydellä. Tämä ei todellakaan käy vielä todistuksesta, joten hieman tarkemmin. Tarvitsemme arvion satunnaismuuttujan τ r käyttäytymisestä. Laskemme ensin todennäköisyyden sille, että P y ( τ r > 1 ) P y ( B 1 x <r) = P ( B 1 <r) =: ρ< 1 jokaisella y D(x, r). Luku ρ = ρ(r) riippuu pallon säteestä r ja tiedämme jopa, että ρ(r), kun r. Nyt tapahtuma {τ r > } voidaan kirjoittaa muodossa {τ r > 1 ja τ r > 1}, missä τ r = inf{ t > : B 1+t / D(x, r) }. Pysäytyshetki τ r riippuu vain tulevaisuudesta T 1 = σ{ B t : t>1 }, joten Markovin ominaisuuden avulla P y ( τ r > ) = E y [ τ r > 1]E ([ τ r > 1] F 1 ) = E y [ τ r > 1]P B(1) ( [ τ r > 1]) ρp y ( τ r > 1 ) ρ Ehdollistamalla ajanhetkiin t = n, niin tästä induktion avulla näemme, että P y ( τ r >n) ρ n

8 STOKASTISET DIFFERENTIAALIYHTÄLÖT 111 jokaisella n ja jokaisella y D(x, r). Erityisesti osoitimme lopulta tarkasti, että τ r < melkein varmasti jokaisella y D(x, r), sillä P y ( τ r >n), kun n. Tunnemme nyt varsin hyvin satunnaismuuttujan τ r häntäkäytöksen. Tämän avulla voimme helposti arvioida, kuinka hyvin integroituva satunnaismuuttuja onkaan. Haluamme osoittaa, että satunnaismuuttujalla τ r on äärellisiä eksponentiaalisia momentteja, sillä tämähän oli lemman väite. Merkitsemme p k := P y ( τ r >k) ja merkitsemm λ := q. Voimme käyttää yksinkertaista arviota exp(λτ r ) exp(λ τ r ), joten N (6.5) E y e λτr [ τ r <N] E y e λ τr [ τ r <N]= e λk P y ( τ r = k ). k=1 Teemme oleellisen havainnon eli osaamme määrätä satunnaismuuttujan τ r jakauman lukujen (p k ) avulla. Tämä siksi, että P y ( τ r = k +1) = P y ( k < τ k +1) = P y ( τ > k ) P y ( τ > k +1) = + p k. Voimme siten laskea summan (6.5) Abelin summauksella, joten N 1 (6.6) e λ(k+1) + p k = (e λn p N 1 e λ p )+ k= Ensimmäistä termiä voidaan arvioida e λn p N 1 (e λ ) N ρ N 1 =(e λ ρ) N ρ 1. N 1 k=1 p k + e λk. Oikea puoli lähestyy nollaa, jos e λ ρ< 1. Koska huomasimme, että saamme luvun ρ niin pieneksi kuin halutaan valitsemalla säteen r riittävän pieneksi, voimme olettaa tämän. Koska + e λk = (e λ 1)e λk, niin voimme arvioida myös summaa N 1 p k + e λk (e λ 1) (ρe λ ) k = eλ 1 k=1 k=1 1 ρe <. λ Voimme siis päätellä, että E y e λτr [ τ r <N] C< jokaisella N, joten siis E y e λτr < monotonisen suppenemisen lauseen nojalla Huomautus. Edellisessä lemmassa saatoimme valita säteen samaksi eli valitsimme r > niin pieneksi, että P ( B 1 <r) <e q. Jos q ei olekaan rajoitettu, vaan joissakin kohdissa kasvaa rajatta, niin edellisen lemman tarkastelua voi tarkentaa ja tällöin säde riippuu myös pisteestä. Nyt voimme myös osoittaa mittafunktion w(x) := E x e (q, G) tärkeän ominaisuuden, joka selittää sen, että saatoimme olettaa, että w(x) < jokaisella x G. Tämä siksi, että jos w(x) = jollakin x G, niin silloin w.

9 11 STOKASTISET DIFFERENTIAALIYHTÄLÖT 6.8. Lemma. Jos mittafunktio w alueessa G, niin w(x) < jokaisella x G. Erityisesti w on jatkuva koko alueessa G. Todistus. Väitteen oletus sanoo sen, että löydämme pisteen x G, jolla w(x) <. Koska G on avoin ja yhtenäinen, niin topologian kursseilta tiedämme, että väitteen osoittamiseksi riittää osoittaa, että tällöin löydämme jonkin pisteen x ympäristön D(x, r) jossa w(y) < jokaisella y D(x, r). Tämä seuraa siitä, että jos V on niiden pisteiden y G joukko, joilla w(y) <, niin edellinen väite näyttää, että V on sekä avoin että suljettu joukko G:ssä, eli V on yhtenäinen. Siten V = G. Oletamme siis, että w(x) =E x e(q, G) <. Käytämme hyväksi edellisen lemman tulosta, jonka mukaan löydämme avoimen kuulan G r := D(x, r), jossa sup E y e(q, G r ) sup E y exp( q τ r ) =: M<. y G r y G r Mitähän hyötyä tästä oikein on? No, voimme yrittää käyttää vahvaa Markovin ominaisuutta pysähdyshetkellä η := τ r, jolloin E (e(q, G) F η ) = E ( ( η ) ( τ ) ) exp q(b t )dt exp q(b t )dt Fη η ( τ ) = e(q, G r )E B(η) exp q(b t )dt = e(q, G r )w(b η ) exp ( q η ) w(b η ). Jotta tämä lasku oli sallittu, on Brownin liike lähetettävä liikkeelle pisteestä x, jolloin e(q, G) on oletuksen mukaan integroituva. Lisäksi tarvitsimme satunnaismuuttujan e(q, G r ) integroituvuutta, jotta pystyimme päättelemmään myös viimeisen satunnaismuuttujan integroituvuuden. Laskemalla nyt edellisestä epäyhtälöstä odotusarvot puolittain, saamme E x exp ( q η ) w(b η ) E x e(q, G) <. Nyt sovellamme Brownin liikkeen rotaatioinvarianssia ja sitä, että pallo on täysin rotaatiosymmetrinen, jonka nojalla E x f (η)g(b η )=E x f (η)e x g (B η ) eli lähdettäessä kuulan keskipisteestä poistumishetki η ja poistumiskohta B η ovat riippumattomia satunnaismuuttujia (HT). Tämän riippumattomuusominaisuuden avulla saamme siten E x exp ( q η ) w(b η )=E x exp ( q η ) E x w(b η ) E x e(q, G).

10 STOKASTISET DIFFERENTIAALIYHTÄLÖT 113 Jensenin epäyhtälön avulla havaitsemme, että E x exp ( q η ) = E x 1 exp ( q η ) 1 E x exp ( q η ) 1 M > joten voimme jakaa luvulla E x exp ( q η ) ja päättlemme siten, että E x w(b η )= w(x + ry)s(dy) < Integroimalla säteen suhteen välin [,r] yli päättelemme tästä, että w(y)[ y D(x, r) ] dy <. Siispä w(y) < melkein kaikilla y D(x, r). Mutta voimme silloin soveltaa aikasempaa tietoa, että tällöin w on myös jatkuva kiekossa D(x, r). Siispä w(y) < jokaisella y D(x, r) ja väite seuraa siten. Viimeisenä palasena on osoittaa, että ratkaisu u(x) =E x f(b τ )e(q, G) on jatkuva reunalle asti Lemma. Oletetaan, että x Γ on säännöllinen. Jos f on jatkuva ja q on rajoitettu, sekä E z e(q +,G) < jokaisella z G, niin u(x n ) u(x) jokaisella jonolla (x n ) G, jolle x n x. Todistus. Tiedämme jo, että jos δ> ja x n x, niin ja P xn ( τ < δ ) 1 P xn ( B τ D(x, δ) ) 1 kun n. Joten jos q M, niin ja vastaavasti P xn ( exp τ q(b s )ds exp(δm) ) 1 ( τ ) P xn exp q(b s )ds exp( δm) 1. Tästä seuraakin edelleen, koska f on jatkuva ja koska Γ on kompakti, niin myös rajoitettu, että E xn [ τ < δ ]e(q, G)f(B τ )=f(x) ( P xn ( τ < δ )+E xn [ τ < δ ](e(q, G) 1) ) +o(1). Ensimmäinen termi on f(x) + o(1) ja koska [ τ < δ ](e(q, G) 1) [ τ < δ ](e δm 1) = [ τ < δ ] ( Mδ + Oδ )

11 114 STOKASTISET DIFFERENTIAALIYHTÄLÖT sekä vastaavasti niin kaiken kaikkiiaan [ τ < δ ](e(q, G) 1) [ τ < δ ] ( Mδ + Oδ ) E xn [ τ < δ ]e(q, G)f(B τ )=f(x) + o(1) + Oδ Jäljellä on enää termi E xn [ τ δ ]e(q, G)f(B τ ), jonka siis haluaisimme menevän nollaan. Voimme heti arvioida satunnaismuuttujaa f(b τ ) vakiolla f sekä satunnaismuuttujaa e(q, G) satunnaismuuttujalla e(q +,G), joten jäljelle jää termi E xn [ τ δ ]e(q +,G) Merkitsemme mittafunktiota w(x) =E x e(q +,G) ja sovellamme Markovin ominaisuutta ajanhetkellä δ. Koska e(q +,G) = exp ( τ q + (B s )ds ) = exp ( δ q + (B s )ds ) exp ( τ q + (B s )ds ), niin joten [ τ δ ]E (e(q +,G) F δ ) [ τ δ ]e Mδ E B(δ) e(q +,G) =[τ δ ]e Mδ w(b δ ) E xn [ τ δ ]e(q +,G)=E xn [ τ δ ]E (e(q +,G) F δ ) E xn [ τ δ ]e Mδ w(b δ ). Nyt olemmekin jo lähes valmiita, sillä w <, joten Siispä kaiken kaikkiaan E xn [ τ δ ]e(q +,G) e Mδ w P xn ( τ δ ) = o(1) u(x n )=f(x) + o(1) + Oδ. Kun n, niin lim u(x n ) f(x) Cδ, joten antamalla δ, päättelemme, että u(x n ) f(x). Koska x oli lisäksi säännöllinen piste, niin u(x) =f(x), joten väite seuraa. Voimme koota Feynmanin Kacin kaava -tarkastelumme yhteen lauseeseen Lause. Oletetaan, että q on jatkuva ja rajoitettu alueessa G ja mittafunktio w. Jos alueen G reuna Γ on säännöllinen, niin u(x) =E x f(b τ )e(q, G) on reuna-arvotehtävän (7.1) yksikäsitteinen ja jatkuva heikko ratkaisu. δ

6. Sovelluksia stokastiselle integroinnille

6. Sovelluksia stokastiselle integroinnille 92 STOKASTISET DIFFERENTIAALIYHTÄLÖT 6. Sovelluksia stokastiselle integroinnille 6.1. Uusia martingaaleja. Tähän mennessä olemme löytäneet vain kourallisen martingaaleja eli tiedämme, että B t on martingaali,

Lisätiedot

Matematiikan ja tilastotieteen laitos Stokastiset differentiaaliyhtälöt Ratkaisuehdotelma Harjoitukseen 5

Matematiikan ja tilastotieteen laitos Stokastiset differentiaaliyhtälöt Ratkaisuehdotelma Harjoitukseen 5 Matematiikan ja tilastotieteen laitos Stokastiset differentiaaliyhtälöt Ratkaisuehdotelma Harjoitukseen 5 1. Näytä, että X t := Bt 3 3tB t on martingaali Brownin liikkeen B historian suhteen. Ratkaisuehdotus:

Lisätiedot

4. Martingaalit ja lokaalit martingaalit

4. Martingaalit ja lokaalit martingaalit STOKASTISET DIFFERENTIAALIYHTÄLÖT 45 4. Martingaalit ja lokaalit martingaalit Lähestymme nyt jo kovaa vauhtia hetkeä, jolloin voimme aloittaa stokastisen integroinnin. Ennen sitä käymme vielä läpi yhtä

Lisätiedot

5. Stokastinen integrointi

5. Stokastinen integrointi STOKASTISET DIFFERENTIAALIYHTÄLÖT 55 5. Stokastinen integrointi Olemme lopulta käyneet läpi tarvittavat tiedot peruskäsitteistä ja voimme aloittaa stokastisen integroinnin (ja siten stokastisen derivoinnin

Lisätiedot

M 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon

M 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon Matematiian ja tilastotieteen laitos Stoastiset differentiaaliyhtälöt Rataisuehdotelma Harjoituseen 7 1. Näytä, että uvaus M M M 2, un M 2 M = sup E M 2 t 2 t 0 on normi jouossa M 2 = { M : M on martingaali

Lisätiedot

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1 1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y

Lisätiedot

X k+1 X k X k+1 X k 1 1

X k+1 X k X k+1 X k 1 1 Matematiikan ja tilastotieteen laitos Stokastiset differentiaaliyhtälöt Ratkaisuehdotelma Harjoitukseen 4 1. Oletetaan, että X n toteuttaa toisen kertaluvun differenssiyhtälön X k+2 2X k+1 + 2X k = ξ k,

Lisätiedot

7. Tasaisen rajoituksen periaate

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

Lisätiedot

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

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

Lisätiedot

Konvergenssilauseita

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

Lisätiedot

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

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

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

Lisätiedot

STOKASTISET DIFFERENTIAALIYHTÄLÖT 115

STOKASTISET DIFFERENTIAALIYHTÄLÖT 115 STOKASTISET DIFFERENTIAALIYHTÄLÖT 115 7. Stokastiset differentiaaliyhtälöt Kävimme läpi edellisessä kappaleessa kaksi reuna-arvotehtävää, jotka voidaan ratkaista stokastisen integroinnin avulla käyttäen

Lisätiedot

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja

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

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1 FUNKTIONAALIANALYYSIN PERUSKURSSI 115 7. Tasaisen rajoituksen periaate Täydellisyydestä puristetaan maksimaalinen hyöty seuraavan Bairen lauseen avulla. Bairen lause on keskeinen todistettaessa kahta funktionaalianalyysin

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

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

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

Cantorin joukon suoristuvuus tasossa

Cantorin joukon suoristuvuus tasossa Cantorin joukon suoristuvuus tasossa LuK-tutkielma Miika Savolainen 2380207 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 2016 Sisältö Johdanto 2 1 Cantorin joukon esittely 2 2 Suoristuvuus ja

Lisätiedot

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,

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

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista 6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

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

Lisätiedot

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 18 Harjoitus 6 Ratkaisuehdotukset Tehtävä 1. Osoita, että sileille Jordan-poluille on voimassa : I R n ja : J R n (I) = (J) jos ja vain

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

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

Lisätiedot

Topologia I Harjoitus 6, kevät 2010 Ratkaisuehdotus

Topologia I Harjoitus 6, kevät 2010 Ratkaisuehdotus Topologia I Harjoitus 6, kevät 2010 Ratkaisuehdotus 1. (5:7) Olkoon E normiavaruus, I = [0, 1] ja f, g : I E jatkuvia. Osoita, että yhtälön h(s, t) = (1 t)f(s) + tg(s) määrittelemä kuvaus h : I 2 E on

Lisätiedot

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

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

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

Matematiikan peruskurssi 2

Matematiikan peruskurssi 2 Matematiikan peruskurssi Tentti, 9..06 Tentin kesto: h. Sallitut apuvälineet: kaavakokoelma ja laskin, joka ei kykene graaseen/symboliseen laskentaan Vastaa seuraavista viidestä tehtävästä neljään. Saat

Lisätiedot

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

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

Lisätiedot

k S P[ X µ kσ] 1 k 2.

k S P[ X µ kσ] 1 k 2. HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 28 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

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

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2 MS-C50 Osittaisdifferentiaaliyhtälöt Harjoitukset syksy 07. Oletetaan että vektorikenttä E E E E : R R on kaksi kertaa jatkuvasti derivoituva E C R. Näytä että E E. Derivaatat lasketaan komponenteittain

Lisätiedot

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

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

Lisätiedot

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

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1 Analyysi III Jari Taskinen 28. syyskuuta 2002 Luku Sisältö Sarjat 2. Lukujonoista........................... 2.2 Rekursiivisesti määritellyt lukujonot.............. 8.3 Sarja ja sen suppenminen....................

Lisätiedot

f(x) f(y) x y f f(x) f(y) (x) = lim

f(x) f(y) x y f f(x) f(y) (x) = lim Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,

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

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

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

Lisätiedot

a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3.

a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3. Integraalilaskenta. a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. b) Mitä määrätty integraali tietyllä välillä x tarkoittaa? Vihje: * Integraali * Määrätyn integraalin

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

Täydellisyysaksiooman kertaus

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

Lisätiedot

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

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

Lisätiedot

3.6 Su-estimaattorien asymptotiikka

3.6 Su-estimaattorien asymptotiikka 3.6 Su-estimaattorien asymptotiikka su-estimaattorit ovat usein olleet puutteellisia : ne ovat usein harhaisia ja eikä ne välttämättä ole täystehokkaita asymptoottisilta ominaisuuksiltaan ne ovat yleensä

Lisätiedot

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja 44 E. VALKEILA 6. Geometrinen Brownin liike 6.1. Brownin liike ja Iton kaava. Tavoitteena on mallintaa osakkeen tuottoa jatkuvassa ajassa. Jos (S t ) t T on osakkeen hintaprosessi, niin tuotolla tarkoitetaan

Lisätiedot

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM) MS-A17 Differentiaali- ja integraalilaskenta 1 CHEM) Laskuharjoitus 4lv, kevät 16 1. Tehtävä: Laske cos x dx a) osittaisintegroinnilla, b) soveltamalla sopivaa trigonometrian kaavaa. Ratkaisu: a) Osittaisintegroinnin

Lisätiedot

Differentiaali- ja integraalilaskenta 3 Ratkaisut viikko 3

Differentiaali- ja integraalilaskenta 3 Ratkaisut viikko 3 MS-A35 Differentiaali- ja integraalilaskenta 3, I/27 Differentiaali- ja integraalilaskenta 3 Ratkaisut viikko 3 Tehtävä : Hahmottele seuraavat vektorikentät ja piirrä niiden kenttäviivat. a) F(x, y) =

Lisätiedot

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y ) MATEMATIIKAN JA TILASTOTIETEEN LAITOS Differentiaaliyhtälöt, kesä 00 Tehtävät 3-8 / Ratkaisuehdotuksia (RT).6.00 3. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: y = + y + y = + y + ( y ) (y

Lisätiedot

u = 2 u (9.1) x + 2 u

u = 2 u (9.1) x + 2 u 9. Poissonin integraali 9.. Poissonin integraali. Ratkaistaan Diriclet n reuna-arvotehtävä origokeskisessä, R-säteisessä ympyrässä D = {(x, y) R x +y < R }, t.s. kun f : D R on annettu jatkuva funktio,

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

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause 91 VEKTORIANALYYI Luento 13 9. tokesin lause A 16.5 tokesin lause on kuin Gaussin lause, mutta yhtä dimensiota alempana: se liittää toisiinsa kentän derivaatasta pinnan yli otetun integraalin ja pinnan

Lisätiedot

6. Toisen ja korkeamman kertaluvun lineaariset

6. Toisen ja korkeamman kertaluvun lineaariset SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 51 6. Toisen ja korkeamman kertaluvun lineaariset differentiaaliyhtälöt Määritelmä 6.1. Olkoon I R avoin väli. Olkoot p i : I R, i = 0, 1, 2,..., n, ja q : I R jatkuvia

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

Derivaattaluvut ja Dini derivaatat

Derivaattaluvut ja Dini derivaatat Derivaattaluvut Dini derivaatat LuK-tutkielma Helmi Glumo 2434483 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 2016 Sisältö Johdanto 2 1 Taustaa 2 2 Määritelmät 4 3 Esimerkkejä lauseita 7 Lähdeluettelo

Lisätiedot

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä . Poissonin yhtälö.. Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä u = f kutsutaan Poissonin yhtälöksi ja siihen liittyvvää reuna-arvotehtävää { u = f :ssa, ja

Lisätiedot

Mitta- ja integraaliteoria 2 Harjoitus 1, Olkoon f : A! [0, 1] mitallinen ja m(a) < 1. Näytä, että josonp>1javakio M<1, joille

Mitta- ja integraaliteoria 2 Harjoitus 1, Olkoon f : A! [0, 1] mitallinen ja m(a) < 1. Näytä, että josonp>1javakio M<1, joille Harjoitus 1, 30.10.2015 1. Olkoon f : A! [0, 1] mitallinen ja ma) < 1. Näytä, että josonp>1javakio Mt} apple M 2. Olkoon f 2 L 1 A). Näytä, että 2 kaikilla

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 11. Integrointi erillisen erikoispisteen ympäri Olkoot f analyyttinen punkteeratussa kiekossa D(z 0.r\{z 0 }. Funktiolla f on erikoispiste z 0.

Lisätiedot

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset 1. Olkoon X satunnaismuuttuja, ja olkoot a R \ {0}, b R ja Y = ax + b. (a) Olkoon X diskreetti ja f sen pistetodennäköisyysfunktio.

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

3. Teoriaharjoitukset

3. Teoriaharjoitukset 3. Teoriaharjoitukset Demotehtävät 3.1 a Olkoot u ja v satunnaumuuttujia, joilla on seuraavat ominaisuudet: E(u = E(v = 0 Var(u = Var(v = σ 2 Cov(u, v = E(uv = 0 Näytä että deterministinen prosessi. x

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle / MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,

Lisätiedot

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa! Aalto yliopiston teknillinen korkeakoulu Mat-1.1040 L4 Tentti ja välikokeiden uusinta 21.5.2010 Gripenberg, Arponen, Siljander Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin

Lisätiedot

Funktiojonon tasainen suppeneminen

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

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 7. Integaalilauseita 7.1. Gousatin lemma. (Edouad Jean-Baptiste Gousat, 1858-1936, anskalainen matemaatikko) Olkoon R tason suljettu suoakaide,

Lisätiedot

Analyysin peruslause

Analyysin peruslause LUKU 10 Analyysin peruslause 10.1. Peruslause I Aiemmin Cantorin funktion ψ kohdalla todettiin, että analyysin peruslause II ei päde: [0,1] ψ (x) dm(x) < ψ(1) ψ(0). Kasvavalle funktiolle analyysin peruslauseesta

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

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..

Lisätiedot

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä? ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 208 4 Funktion raja-arvo 4 Määritelmä Funktion raja-arvon määritelmän ehdosta ε > 0: δ > 0: fx) A < ε aina, kun 0 < x a < δ, saadaan kvanttorien järjestystä vaihtamalla

Lisätiedot

Osittaisdifferentiaaliyhtälöt

Osittaisdifferentiaaliyhtälöt Osittaisdifferentiaaliyhtälöt Harjoituskokoelmat 4 ja 5, kevät 2011 Palautus Eemeli Blåstenille to 23.6. klo 16.00 mennessä 1. Ratkaise Dirichlet ongelma u(x, y) = 0, x 2 + y 2 < 1, u(x, y) = y + x 2,

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

1 sup- ja inf-esimerkkejä

1 sup- ja inf-esimerkkejä Alla olevat kohdat (erityisesti todistukset) ovat lähinnä oheislukemista reaaliluvuista, mutta joihinkin niistä palataan myöhemmin kurssilla. 1 sup- ja inf-esimerkkejä Nollakohdan olemassaolo. Kaikki tuntevat

Lisätiedot

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin.

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin. Matematiikan ja tilastotieteen laitos Topologia I 1. kurssikoe 26.2.2013 Malliratkaisut ja tehtävien tarkastamiset Tehtävät 1 ja 2 Henrik Wirzenius Tehtävät 3 ja 4 Teemu Saksala Jos sinulla on kysyttävää

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 19 Esimerkki Olkoon F : R 3 R 3 vakiofunktio

Lisätiedot

8. Avoimen kuvauksen lause

8. Avoimen kuvauksen lause FUNKTIONAALIANALYYSIN PERUSKURSSI 125 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen

Lisätiedot

Kompleksianalyysi, viikko 4

Kompleksianalyysi, viikko 4 Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,

Lisätiedot

Kompaktisuus ja filtterit

Kompaktisuus ja filtterit Kompaktisuus ja filtterit Joukkoperheellä L on äärellinen leikkausominaisuus, mikäli jokaisella äärellisellä L L on voimassa L. Nähdään helposti, että perheellä L on äärellinen leikkausominaisuus ja L

Lisätiedot

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =

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

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

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

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

Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta)

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

Lisätiedot

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

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

Lisätiedot

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4. HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 206 Kurssikoe 28.0.206 Ratkaisuehdotuksia. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden

Lisätiedot

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7 MS-C14, Fourier-analyysi, I/19- Fourier-analyysi, I/19-, Mallivastaukset, Laskuharjoitus 7 Harjoitustehtävä 7.1. Hetkellä t R olkoon s(t) 1 + cos(4πt) + sin(6πt). Laske tämän 1-periodisen signaalin s Fourier-kertoimet

Lisätiedot

V ar(m n ) = V ar(x i ).

V ar(m n ) = V ar(x i ). Mat-.3 Stokastiset prosessit Syksy 007 Laskuharjoitustehtävät 6 Poropudas/Kokkala. Olkoon M n = X +... + X n martingaali ja M 0 = 0. Osoita, että V ar(m n ) = n V ar(x i ). i= Huomattavaa on, että muuttujia

Lisätiedot

a) Sievennä lauseke 1+x , kun x 0jax 1. b) Aseta luvut 2, 5 suuruusjärjestykseen ja perustele vastauksesi. 3 3 ja

a) Sievennä lauseke 1+x , kun x 0jax 1. b) Aseta luvut 2, 5 suuruusjärjestykseen ja perustele vastauksesi. 3 3 ja 1 YLIOPPILASTUTKINTO- LAUTAKUNTA 1.10.2018 MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän

Lisätiedot

Matematiikan tukikurssi, kurssikerta 2

Matematiikan tukikurssi, kurssikerta 2 Matematiikan tukikurssi kurssikerta 1 Relaatioista Oletetaan kaksi alkiota a ja b. Näistä kumpikin kuuluu johonkin tiettyyn joukkoon mahdollisesti ne kuuluvat eri joukkoihin; merkitään a A ja b B. Voidaan

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 7 harjoitus 1 Määritä seuraavien potenssisarjojen suppenemissäteet a) k k x 5)k b) k=1 k x 5)k = k k 1) k ) 1) Suppenemissäteen R käänteisarvo

Lisätiedot

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä? ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 209 4 Funktion raja-arvo 4. Määritelmä. Funktion raja-arvon määritelmän ehdosta ε > 0: δ > 0: f) A < ε aina, kun 0 < a < δ, saadaan kvanttorien järjestystä vaihtamalla

Lisätiedot

Poistumislause Kandidaatintutkielma

Poistumislause Kandidaatintutkielma Poistumislause Kandidaatintutkielma Mikko Nikkilä 013618832 26. helmikuuta 2011 Sisältö 1 Johdanto................................... 2 2 Olemassaolon ja yksikäsitteisyyden historiaa............ 3 3 Esitietoja..................................

Lisätiedot

f(tx + (1 t)y) tf(x) + (1 t)f(y) jokaisella x, y A ja t [0, 1].

f(tx + (1 t)y) tf(x) + (1 t)f(y) jokaisella x, y A ja t [0, 1]. Tässä luvussa näytetään divergenssilause konveksin joukon tapauksessa. Määritelmä 4.5.1. 1. Joukko R m on konveksi, jos kaikilla x, y pisteet tx + (1 t)y jokaisella t [0, 1]. 2. Olkoon R m konveksi. Funktio

Lisätiedot

u 2 dx, u A f siten, että D(u) = inf D(U). Tarkemmin: Tarkoitus on osoittaa seuraavat minimointitehtävä ja Dirichlet n tehtävä u A f ja

u 2 dx, u A f siten, että D(u) = inf D(U). Tarkemmin: Tarkoitus on osoittaa seuraavat minimointitehtävä ja Dirichlet n tehtävä u A f ja 1. Dirichlet n periaatteesta 1.1. Periaate I. Dirichlet n periaate pohjautuu fysikaaliseen minimienergiaperiaatteeseen ja luo pohjaa osittaisdifferentiaaliyhtälöiden ja variaatiolaskennan välille). Yksinkertaisesti

Lisätiedot

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006

Lisätiedot

2 dy dx 1. x = y2 e x2 2 1 y 2 dy = e x2 xdx. 2 y 1 1. = ex2 2 +C 2 1. y =

2 dy dx 1. x = y2 e x2 2 1 y 2 dy = e x2 xdx. 2 y 1 1. = ex2 2 +C 2 1. y = BM20A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 2, Kevät 207 Päivityksiä: Tehtävän 4b tehtävänanto korjattu ja vastauksia lisätty.. Ratkaise y, kun 2y x = y 2 e x2. Jos y () = 0 niin mikä on ratkaisu

Lisätiedot

5. Fourier-sarjat. f(x) e inx dx. c n (cos(nx) + i sin(nx)), n= N. f(x) e inx dx = f(n)

5. Fourier-sarjat. f(x) e inx dx. c n (cos(nx) + i sin(nx)), n= N. f(x) e inx dx = f(n) FUNKTIONAALIANALYYSIN PERUSKURSSI 73 5. Fourier-sarjat Fourier esitti vuonna 1822 lämmönjohtamista koskevien tutkimusten yhteydessä kuuluisan menetelmänsä esittää mielivaltainen -jaksollinen funktio kehitelmänä

Lisätiedot