Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Koko: px
Aloita esitys sivulta:

Download "Hilbertin avaruudet, 5op Hilbert spaces, 5 cr"

Transkriptio

1 Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Pekka Salmi 26. huhtikuuta 2017 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

2 Yleistä Opettaja: Pekka Salmi, MA327 Kontaktiopetus ti 1012 (L), ke 810 (L), ma 1214 (H) Suorittaminen A: Koe palautettavat harjoitustehtävät B: Koe Luentokalvot, harjoitustehtävät, ratkaisut yms. tulevat Noppaan Kirjallisuutta: Markus Haase: Functional analysis, An elementary introduction Wikipedia (englanniksi) Vanha luentomoniste: Mikael Lindström: Hilbertin avaruudet Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

3 Suoritus laskareiden avulla Harjoitustehtävien ratkaisut palautetaan (selkeässä muodossa). Osa ratkaisuista pisteytetään (tässä huomioidaan myös luettavuus). Pisteytettävät tehtävät valitaan arpomalla. Pisteytetyistä tehtävistä huonoin 1/7 yhdet laskarit jätetään huomioimatta kokonaispisteissä. Pisteet suhteutetaan siten, että laskareista saa 012 pistettä. Kokeesta saa 024 pistettä. Arvosana ja läpipääsy määräytyvät laskaripisteiden ja koepisteiden summan perusteella. Mikäli pelkät koepisteet johtavat parempaan arvosanaan, käytetään sitä lopullisessa arvioinnissa. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

4 Hilbertin avaruuksien sovelluksia Hilbertin avaruudet ja niihin liittyvät käsitteet (erityisesti operaattorit) ovat perustyökaluja monella matematiikan alalla sekä sovelluksissa: 1 Fourier-analyysi 2 osittaisdierentiaaliyhtälöt 3 tilastotiede 4 kvanttimekaniikan matemaattinen muotoilu 5 wavelet pakkausalgoritmit (JPEG 2000) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

5 Sisältö (suunniteltu) Sisätulo (inner product) Ortogonaaliprojektio äärellisulotteiselle avaruudelle (orthogonal projection onto a nite-dimensional subspace) Metriikka ja täydellisyys (metric and completeness) Hilbertin avaruudet (Hilbert spaces) Ortogonaaliprojektio (orthogonal projection) Ortonormaali kanta (orthonormal basis) Banachin avaruudet (Banach spaces) L p avaruudet (L p spaces) Hilbertin avaruuden operaattoreista (operators on Hilbert spaces) Fourier-sarjoista (Fourier series) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

6 Johdanto: Euklidiset avaruudet Euklidinen avaruus R n = { (x 1, x 2,..., x n ) x 1, x 2,..., x n R } on n-ulotteinen reaalikertoiminen vektoriavaruus, joka on varustettu pistetulolla (sisätulolla) x y = x 1 y 1 + x 2 y x n y n missä x = (x 1, x 2,..., x n ), y = (y 1, y 2,..., y n ) R n. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

7 Vektorin pituus R n :ssä Pistetulo määrää vektorin pituuden x = x x = ja siten pisteiden välisen etäisyyden x x x 2 n d(x, y) = x y. y x y x x 2 x x 1 Kuvassa x = x x 2 2 ja x y = (x 1 y 1 ) 2 + (x 2 y 2 ) 2. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

8 Pistetulon geometrinen tulkinta Pistetulo määrää vektoreiden välisen kulman α: x y = x y cos α = cos α = y x y x y. x α y cos α = x y x Esityisesti jos x ja y ovat samansuuntaisia niin x y = x y ja jos ne ovat vastakkaissuuntaisia niin x y = x y. Kaikille vektoreille pätee CauchySchwarzin epäyhtälö: x y x y. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

9 Vektoriavaruus = lineaarinen avaruus Tällä kurssilla skalaarikunta K on joko reaalilukujen kunta R tai kompleksilukujen kunta C. Vektoriavaruus kunnan K yli (eli K-kertoiminen vektoriavaruus) on joukko X jolla on määritelty vektoreiden yhteenlasku ja vektoreiden kertominen skalaarilla (x, y) x + y : X X X (λ, x) λx : K X X ja laskutoimitukset toteuttavat lineaarialgebrasta tutut säännöt. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

10 Sisätulo Määritelmä 1. Olkoon X vektoriavaruus K:n yli (K = C tai = R). Kuvaus (x, y) (x y) : X X K on sisätulo jos kaikilla x, y, z X ja λ K pätee (S1) (S2) (S3) (S4) (S5) (x y) = (y x) (symmetrisyys) (x x) 0 (positiivisuus) (x x) = 0 x = 0 (deniittisyys) (x + y z) = (x z) + (y z) (λx y) = λ(x y). Vektoriavaruutta X, joka on varustettu sisätulolla, kutsutaan sisätuloavaruudeksi. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

11 Lisää laskusääntöjä Sisätulon ominaisuuksista (S1), (S4) ja (S5) saadaan seuraavat laskusäännöt. Lemma 1. Kaikilla x, y, z X ja λ K pätee (1) (2) (x y + z) = (x y) + (x z) (x λy) = λ(x y). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

12 Esimerkki: Euklidiset avaruudet Euklidinen avaruus R n on reaalikertoiminen sisätuloavaruus, missä sisätulo on tuttu pistetulo: (x y) = x y = n x k y k x, y R n. k=1 Toisaalta C n on kompleksikertoiminen sisätuloavaruus sisätulon (x y) = n x k y k k=1 x, y C n suhteen. Huomaa että tällöin vektorin y C n jokaiseen koordinaattiin y k, k = 1, 2,..., n, täytyy käyttää kompleksikonjugointia (muuten sisätulon ehdot eivät toteudu). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

13 R n :n ja C n :n sisätulot yhteensopivia Edellä määritellyt sisätulot ovat yhteensopivia: koska R C, niin vektorit x, y R n voidaan tulkita avaruuden C n vektoreiksi ja tällöin (x y) = n x k y k = k=1 n x k y k k=1 sillä jokainen y k R. Täten kaava (x y) = n x k y k, x, y K n k=1 antaa sisätulon avaruudessa K n, riippumatta siitä onko K = C vai K = R. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

14 Ääretönulotteinen esimerkki Olkoon l 2 = l 2 K = { (x k) k=1 x k K kaikilla k = 1, 2,... ja k=1 x k 2 < }. Siis l 2 koostuu kaikista sellaisista K-kertoimisista jonoista x = (x 1, x 2, x 3,...), jotka ovat neliösummautuvia eli x k 2 = x x <. k=1 Avaruuden l 2 sisätulo määritellään kaavalla (x y) = x k y k x, y l 2. k=1 Tämä on avaruuden K n ääretönulotteinen vastine. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

15 Avaruuden l 2 sisätulo Miten tarkistetaan että edellä ollut määritelmä todella antaa sisätulon avaruudelle l 2? 1 Tarkistetaan että sisätulo on hyvin määritelty eli (x y) K kaikilla x, y l 2. 2 Tarkistetaan sisätulon ominaisuudet (S1) (S5). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

16 Esimerkki: funktioavaruus C([a, b]) Olkoon [a, b] R väli ja asetetaan C([a, b]) = { f : [a, b] R f on jatkuva }. Tällöin C([a, b]) on reaalikertoiminen vektoriavaruus pisteittäisten operaatioiden suhteen: kaikilla f, g C([a, b]) ja λ R pätee (f + g)(x) = f (x) + g(x) (λf )(x) = λ f (x) kaikilla x [a, b]. Tunnetusti f + g ja λf ovat jatkuvia funktioita, kun f ja g ovat. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

17 Avaruuden C([a, b]) sisätulo Kun f, g C([a, b]) asetetaan (f g) = b a f (x)g(x) dx. Käyttämällä integraalin ominaisuuksia on helppo todeta ehdot (S1) (S5). Kohdassa (S3) (deniittisyys) tarvitaan myös sitä että avaruuden C([a, b]) funktiot ovat jatkuvia. C([a, b]), missä a < b, on esimerkki ääretönulotteisesta sisätuloavaruudesta. Esimerkiksi vektorit 1, x, x 2,... ovat lineaarisesti riippumattomia: n-asteisella polynomilla on enintään n kappaletta nollakohtia, joten ei voi käydä, niin että λ 0 + λ 1 x + λ 2 x λ m x m = 0, λ 0, λ 1,..., λ m R, kaikilla x [a, b] ellei λ 0 = λ 1 = = λ m = 0. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

18 Vektorin pituus Määritelmä 2. Olkoon X sisätuloavaruus. Vektorin x X pituus on x := (x x). Koska (x x) 0, niin pituus x on aina ei-negatiivinen reaaliluku. Esimerkki 1 Vektorin x K n pituus on x = ( n ) (x x) = x 1/2 k=1 k 2. 2 Vektorin x l 2 pituus on x = ( k=1 x k 2 ) 1/2. 3 Vektorin f C([a, b]) pituus on f = ( b a f (x) 2 dx) 1/2. (Varoitus: muitakin vaihtoehtoja on, niistä myöhemmin... ) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

19 Ortogonaalisuus ja ortonormaalisuus Määritelmä 3. Olkoon X sisätuloavaruus. Vektorit x, y X ovat ortogonaaliset (kohtisuorassa toisiaan vastaan) jos (x y) = 0; tätä merkitään x y. Vektorijoukko S X on ortogonaalinen mikäli (x y) = 0 kaikilla x, y S, x y. Vektorijoukko S X on ortonormaali mikäli S on ortogonaalinen ja jokaisen S:n vektorin pituus on 1. Siis joukko S on ortonormaali, jos kaikilla x, y S pätee { 1 x = y (x y) = 0 x y. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

20 Esimerkki: R n :n standardikanta Esimerkki R n :n standardikanta {e 1, e 2,..., en}, missä e 1 = (1, 0, 0,..., 0), = (0, 1, 0, 0,..., 0), jne., on ortonormaali. e 2 e 2 e 1 e 3 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

21 Esimerkki: sin x ja cos x Esimerkki Tutkitaan funktioita sin x ja cos x sisätuloavaruudessa C([ π, π]). Nyt π π sin 2x cos 2x π (sin x cos x) = sin x cos x dx = dx = 2 4 = 0. π Täten funktiot sin x ja cos x ovat ortogonaalisia avaruudessa C([ π, π]). π π Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

22 Ortogonaalinen joukko on lineaarisesti riippumaton Lause 2. Olkoon X sisätuloavaruus ja S X ortogonaalinen. Jos 0 / S, niin S on lineaarisesti riippumaton. Todistus. Oletetaan että n λ j xj = 0, j=1 missä x 1, x 2,..., xn S ovat erisuuria vektoreita ja λ 1, λ 2,..., λ n K. Nyt kaikilla k = 1, 2,..., n ( n 0 = j=1 λ j xj x k ) = n λ j (xj xk) = λ k xk 2. Täten λ k = 0 kaikilla k = 1, 2,..., n, joten määritelmän mukaan S on lineaarisesti riippumaton joukko. j=1 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

23 u-suuntainen komponentti Olkoon X sisätuloavaruus ja u X yksikkövektori eli vektori, jonka pituus on 1. Vektorin x X u-suuntainen komponentti on (x u)u. Jos x:stä poistetaan u-suuntainen komponentti, saadaan vektori z = x (x u)u, jolle z u. Siis x = (x u)u + z, missä z u. x z u (x u)u Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

24 Pythagoraan lause Lause 3 (Pythagoras). Olkoot X sisätuloavaruus ja x, y X. Jos x y, niin x + y 2 = x 2 + y 2. Induktiolla saadaan seuraava yleistys. Seuraus 4. Olkoon {x 1, x 2,..., xn} ortogonaalinen joukko sisätuloavaruudessa X. Tällöin x 1 + x xn 2 = x x xn 2. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

25 Besselin epäyhtälö Olkoon X sisätuloavaruus. Lause 5. Olkoon {ek} n k=1 ortonormaali joukko ja x X. Tällöin x 2 = n n (x ek) 2 + x k=1 Seuraus 6 (Besselin epäyhtälö). Olkoon {ek} n k=1 k=1 (x ek)ek ortonormaali joukko ja x X. Tällöin 2. x 2 n (x ek) 2. k=1 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

26 Lauseen 5 todistus Todistus. Vektorit n (x ek)ek ja x n (x ek)ek k=1 k=1 ovat ortogonaaliset joten Pythagoraan lauseen nojalla n x 2 = = = k=1 (x ek)ek 2 n + x k=1 n n (x ek)ek 2 + x k=1 n n (x ek) 2 + x k=1 k=1 k=1 (x ek)ek (x ek)ek (x ek)ek Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

27 CauchySchwarzin epäyhtälö Lause 7 (CauchySchwarzin epäyhtälö). Olkoon X sisätuloavaruus. Tällöin kaikilla x, y X pätee (x y) x y. Epäyhtälössä pätee yhtäsuuruus jos ja vain jos x ja y ovat lineaarisesti riippuvia (eli tässä tapauksessa joko samansuuntaisia tai vastakkaissuuntaisia). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

28 CauchySchwarzin epäyhtälön todistus Todistus. Voidaan olettaa että y 0. Tällöin {y/ y } on ortonormaali joukko, joten Lauseen 5 nojalla josta ( x 2 = x ) y 2 y + (x x ) y y y 2 y. 2 y x 2 y 2 = (x y) 2 + y x (x y) y. Täten CauchySchwarzin epäyhtälö pätee. Epäyhtälössä pätee yhtäsuuruus täsmälleen silloin kun y x = (x y) y y eli x = λy jollain λ K. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

29 Vektoreiden välinen kulma Määritelmä 4. Olkoot X reaalikertoiminen sisätuloavaruus ja x, y X \ {0}. Vektoreiden x ja y välinen kulma on kulma α [0, π], joka toteuttaa yhtälön (3) cos α = Huomautus CauchySchwarzin epäyhtälön nojalla (x y) x y. (x y) [ 1, 1], x y joten löytyy yksikäsitteinen α [0, π], joka toteuttaa yhtälön (3). Huomautus Vektorit x ja y ovat ortogonaaliset jos niiden välinen kulma on π/2. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

30 Sisätulon määräämä normi Lause 8. Olkoon X sisätuloavaruus. Tällöin sisätulon määräämällä normilla x := (x x) on seuraavat ominaisuudet: kaikilla x, y X ja λ K pätee (N1) (N2) (N3) (N4) x 0 x = 0 x = 0 λx = λ x x + y x + y (positiivisuus) (deniittisyys) (homogeenisuus) (kolmioepäyhtälö). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

31 Kolmioepäyhtälön vasen puoli Kolmioepäyhtälöstä saadaan seuraava arvio: Lemma 9. x y x y Seuraus 10 (Täydellinen kolmioepäyhtälö). x y x ± y x + y Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

32 Lineaarinen verho Määritelmä 5. Olkoon X lineaarinen avaruus ja S X. Tällöin joukon S virittämä aliavaruus (linear span) on span S = { x X x = n k=1 λ k sk, joillain sk S, λ k K }. (Tätä kutsutaan myös lineaariseksi verhoksi.) Lemma 11. span S on pienin aliavaruus joka sisältää joukon S. Esimerkki 1 span{x} = Kx on x-suuntainen suora, jos x 0. 2 span{x, y} = Kx + Ky on vektoreiden x ja y virittämä taso, jos x ja y ovat lineaarisesti riippumattomat. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

33 GramSchmidtin konstruktio: alku Olkoot x 1, x 2,..., xn X lineaarisesti riippumattomia. Asetetaan ensin Asetetaan sitten e 1 = x 1 x 1. z 2 = x 2 (x 2 e 1 )e 1 ja e 2 = z 2 z 2. (Huom: koska x 2 ja x 1 ovat lineaarisesti riippumattomia niin z 2 0.) Nyt z 2 e 1 ja täten {e 1, e 2 } on ortonormaali. Seuraavaksi z 3 = x 3 (x 3 e 1 )e 1 (x 3 e 2 )e 2 ja e 3 = z 3 z 3, jolloin z 3 e 1 ja z 3 e 2. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

34 GramSchmidtin konstruktio: yleinen kaava Kun e 1, e 2,..., ek 1 on määritelty, saadaan seuraava vektori seuraavilla kaavoilla: k 1 zk = xk (xk ej)ej ja ek = z k zk. j=1 Tällöin zk {e 1, e 2,..., ek 1}. Näin jatkamalla saadaan lineaarisesti riippumattomasta joukosta {x 1, x 2,..., xn} konstruoitua ortonormaali joukko {e 1, e 2,..., en}. Konstruktiota tarkastelemalla huomataan että nämä joukot virittävät saman aliavaruuden: span{x 1, x 2,..., xn} = span{e 1, e 2,..., en}. GramSchmidtin konstruktiota voidaan soveltaa myös äärettömään joukkoon A = {x 1, x 2,...}, jolloin saadaan ortonormaali joukko {e 1, e 2,...}, joka virittää saman aliavaruuden kuin A. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

35 Ortogonaalikomplementti Määritelmä 6. Olkoon X sisätuloavaruus. Joukon S X ortogonaalikomplementti on S = { y X (y x) = 0 kaikilla x S }. Jos S = {x}, niin merkitään x = {x}. Merkintä y S tarkoittaa y S. Esimerkki Olkoon x R 3 \ {0}. Tällöin x = { y R 3 (y x) = 0 } = vektoria x kohtisuorassa oleva origon kautta kulkeva taso. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

36 Ortogonaaliprojektio Määritelmä 7. Olkoot X sisätuloavaruus ja Y X lineaarinen aliavaruus. Lineaarista kuvausta P : X Y jolle päätee x Px Y kaikilla x X kutsutaan ortogonaaliprojektioksi aliavaruudelle Y. Huomautus Ei ole selvää että ortogonaaliprojektiota on olemassa jokaiselle aliavaruudelle (tähän palataan myöhemmin). Lemma 12. Ortogonaaliprojektio aliavaruudelle Y on yksikäsitteinen. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

37 Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka virittävät avaruuden Y. GramSchmidin menetelmän nojalla löytyy ortonormaalijoukko {e 1, e 2,..., en} joka virittää aliavaruuden Y. Määritellään lineaarikuvaus P : X Y asettamalla kaikilla x X Px = n (x ek)ek. k=1 Harjoitustehtävän nojalla x Px on ortogonaalinen jokaista vektoria ek kohtaan ja tästä seuraa, että x Px Y. Täten P on ortogonaaliprojektio aliavaruudelle Y Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

38 Vektoreiden välinen etäisyys Määritelmä 8. Olkoon X sisätuloavaruus. Vektoreiden x, y X välinen etäisyys on d(x, y) = x y. Pisteen x X etäisyys joukosta A X on d(x, A) = inf d(x, a). a A Huomautus Koska normi on deniittinen, niin d(x, y) = 0 jos ja vain jos x = y. Sen sijaan d(x, A) voi olla 0 vaikka x / A. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

39 Esimerkkejä Esimerkki 1 Jos A on äärellinen, niin d(x, A) = min d(x, a) a A eli minimietäisyys saavutetaan jonkin pisteen b A ja x välillä. 2 Pisteen 0 R etäisyys joukosta { 1/n n N } on 0. Kuitenkin d(0, 1/n) = 1/n > 0 kaikilla n N. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

40 Ortogonaaliprojektio antaa lähimmän pisteen aliavaruudelta Lemma 13. Olkoot X sisätuloavaruus ja P ortogonaaliprojektio aliavaruudelle Y X. Tällöin seuraavat väitteet ovat ekvivalentteja kaikilla x, y X : 1 y Y ja x y Y 2 y = Px 3 y Y ja x y = d(x, Y ). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

41 Todistuksen alku Todistus. (1) = (2) kuten Lemman 4 todistus. (2) = (3) Oletetaan että y = Px. Tällöin y Y ja x y Y. Pythagoraan lauseen nojalla kaikille z Y pätee x z 2 = x y + y z 2 = x y 2 + y z 2 koska y z Y (Y on aliavaruus). Täten x z 2 x y 2 kaikilla z Y ja yhtäsuuruus pätee täsmälleen silloin kun z = y. Täten x y = d(x, Y ). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

42 Todistuksen loppu... jatkuu (3) = (1) Oletetaan että y Y ja x y = d(x, Y ), ja osoitetaan että x y Y. Jos x y / Y, niin (x y z) = λ 0 jollain z Y, z = 1. Asetetaan w = y + λz Y. Tällöin ja Lauseen 5 nojalla x w = (x y) (x y z)z x y 2 = (x y z) 2 + x w 2 = λ 2 + x w 2 > x w 2. Tämä on ristiriita koska w Y ja x y = d(x, Y ). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

43 Esimerkki kun ortogonaaliprojektiota ei ole Olkoot e 1 = (1, 0, 0,...), e 2 = (0, 1, 0, 0,...), e 3 = (0, 0, 1, 0, 0,...),... ja A = span{e 1, e 2,...}. Olkoon x = (1, 1 2, 1 3,...) l2. Tällöin n x 1 k e k k=1 2 = (0, 0,..., 0, 1 n + 1, 1 n + 2,...) kun n. Tästä seuraa että d(x, A) = 0. 2 = k=n+1 1 k 2 0 Jos siis on olemassa ortogonaaliprojektio P : l 2 A, niin edellisen lauseen nojalla Px x = 0, joten x A. Kuitenkin jokaisessa A:n alkiossa on enintään äärellinen määrä nollasta eroavia koordinaatteja, joten x / A. Siis ortogonaaliprojektiota P : l 2 A ei voi olla olemassa. Myöhemmin nähdään että jokaiselle suljetulle aliavaruudelle on olemassa ortogonaaliprojektio. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

44 Kohti Fourier-analyysia Tarkastellaan sisätuloavaruuttaa C([ π, π]) sisätulolla (f g) = 1 2π π π f (t)g(t) dt, f, g C([ π, π]). Kerroin 1 2π on vain helpottamassa merkintöjä: nyt vakiofunktiolle 1 pätee että (1 1) = 1. Harjoitustehtävän nojalla funktiot 1, 2 sin(kt), 2 cos(kt), k = 1, 2,... moudostavat ortonormaalin joukon sisätuloavaruudessa C([ π, π]). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

45 Trigonometriset polynomit Määritelmä 9. Trigonometrinen polynomi on funktio, joka on muotoa f (t) = A 0 + n (A k cos(kt) + B k sin(kt)), k=1 missä A 0, A 1,..., A n ja B 1, B 2,..., B n ovat vakioita (reaalilukuja). Tämän trigonometrisen polynomin f aste on n jos A n 0 tai B n 0. Välillä [a, b] määriteltyjen trigonometristen polynomien joukkoa merkitään Trig([a, b]). Huomautus Olkoon f yllä olevaa muotoa. Tällöin (f 1) = A 0, (f cos(jt)) = A j 2, (f sin(jt)) = B j 2 kaikilla j = 1, 2,..., n. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

46 Fourier-kertoimet ja Fourier-sarja Määritelmä 10. Olkoon f C([ π, π]). Lukuja A 0 = 1 2π A k = 1 π B k = 1 π π π π π π π f (t) dt f (t) cos(kt) dt, k = 1, 2,... f (t) sin(kt) dt, k = 1, 2,... kutsutaan funktion f Fourier-kertoimiksi. Sarjaa A 0 + (A k cos(kt) + B k sin(kt)), k=1 kutsutaan funktion f Fourier-sarjaksi. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

47 Huomautuksia Fourier-sarjasta 1 Trigonometrisen polynomin määritelmässä summa on äärellinen mutta Fourier-sarjan määritelmässä ääretön. 2 Jos f on trigonometrinen polynomi, niin f :n Fourier-sarja on yhtä kuin f itse. Korkeamman asteen kertoimet häviävät: A n+1 = B n+1 = A n+2 = B n+2 = = 0. 3 Ei ole selvää suppeneeko jonkin annetun funktion Fourier-sarja vai ei. 4 Vaikka jonkin funktion Fourier-sarja suppenisi, niin ei ole selvää antaako Fourier-sarja alkuperäisen funktion. Merkintä f A 0 + (A k cos(kt) + B k sin(kt)) k=1 tarkoittaa, että oikeanpuoleinen sarja on f :n Fourier-sarja (vaikka ei siis välttämättä ole itse f ). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

48 Fourier-sarja toisin merkinnöin Olkoon e 0 = 1, e 2k = 2 cos(kt), k = 1, 2,... ja e 2k+1 = 2 sin(kt), jolloin {ej} on ortonormaali joukko. Tällöin funktion f j=0 Fourier-kertoimille pätee A 0 = (f e 0 ), A k = 2(f e 2k), B k = 2(f e 2k+1). Funktion f Fourier-sarja voidaan tällöin kirjoittaa muodossa A 0 + (A k cos(kt) + B k sin(kt)) = (f e 0 )e 0 + ( ) e 2k+1 + B k 2 2 A k e 2k k=1 = (f ej)ej. j=0 k=1 Tämä muistuttaa ortogonaalisen projektion kaavaa. Jotta voisimme käsitellä tällaisia lausekkeita täytyy pystyä tarkastelemaan sarjan suppenemista... Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

49 Normiavaruudet Määritelmä 11. Olkoon X vektoriavaruus. Funktiota x x : X R kutsutaan normiksi mikäli se toteuttaa seuraavat ehdot kaikilla x, y X ja λ K: (N1) (N2) (N3) (N4) x 0 x = 0 x = 0 λx = λ x x + y x + y (positiivisuus) (deniittisyys) (homogeenisuus) (kolmioepäyhtälö). Vektoriavaruutta, joka on varustettu normilla kutsutaan normiavaruudeksi (normed space). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

50 Esimerkkejä Esimerkki Olkoon X sisätuloavaruus. Tällöin sisätulo määrää normin kaavalla x = (x x) (ks. Lause 8). Täten jokainen sisätuloavaruus on normiavaruus. Esimerkki Olkoon 1 p <. Asetetaan ( n ) 1/p x p = x k p kun x = (x 1, x 2,..., x n ) R n. Tällöin p on normi. Tätä avaruutta merkitään l p n. k=1 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

51 Metriikka ja metrinen avaruus Määritelmä 12. Olkoon X joukko. Funktio d : X X R on metriikka (eli etäisyysfunktio) jos kaikilla x, y, z X (M1) (M2) (M3) (M4) d(x, y) 0 d(x, y) = 0 x = y d(x, y) = d(y, x) d(x, y) d(x, z) + d(z, y) (positiivisuus) (deniittisyys) (symmetrisyys) (kolmioepäyhtälö). Metrinen avaruus on joukko X, joka on varustettu metriikalla d. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

52 Jokainen normiavaruus on metrinen avaruus Normin ominaisuuksista saadaan seuraava tulos. Lemma 14. Olkoon X normiavaruus ja olkoon d(x, y) = x y, x, y X. Tällöin d on metriikka, joten X voidaan ajatella metriseksi avaruudeksi tämän metriikan suhteen. Huomautus Jokainen sisätuloavaruus on normiavaruus ja jokainen normiavaruus on metrinen avaruus. Kaikki normiavaruudet eivät kuitenkaan ole sisätuloavaruuksia (esim l p n kun p 2 ja n 2). Myöskään kaikki metriset avaruudet eivät ole normiavaruuksia (metrisen avaruuden ei tarvitse olla edes vektoriavaruus). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

53 Topologiaa Jokaisen normiavaruuden, ja erityisesti sisätuloavaruuden, topologia (esim. jonojen suppeneminen, funktioiden jatkuvuus) määräytyy edellisessä lemmassa määritellyn metriikan kautta. Erityisesti seuraavat määritelmät ovat voimassa: Määritelmä 13. Jono (xn) normiavaruudessa X suppenee pisteeseen (converges to a n=1 point) x X, jos lim n d(x n, x) = lim n x x n = 0. Tällöin merkitään x = lim n x n tai xn x. Toisin sanoen kaikilla ɛ > 0 löytyy sellainen n ɛ N, että x xn < ɛ kaikilla n n ɛ. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

54 Suppeneminen R m :ssä Olkoon (xn) jono Rm :ssä. Siis n=1 x 1 x 2 x 3 = (x 11, x 12,..., x 1m) R m = (x 21, x 22,..., x 2m) R m = (x 31, x 32,..., x 3m) R m. xn = (x n1, x n2,..., x nm ) R m. Nyt xn x = (x 1, x 2,..., x m ) kun n ( m ) 1/2 x xn = x k x nk 2 0 kun n k=1 x nk x k kun n kaikilla k = 1, 2,..., m Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

55 Suppeneminen l 2 :ssa Olkoon (xn) jono :ssä. Siis n=1 l2 x 1 = (x 11, x 12,..., x 1k,...) l 2 x 2 = (x 21, x 22,..., x 2k,...) l 2 x 3 = (x 31, x 32,..., x 3k,...) l 2. xn = (x n1, x n2,..., x nk,...) l 2. Nyt xn x = (x 1, x 2,..., x k,...) kun n ( ) 1/2 x xn = x k x nk 2 0 kun n k=1 = x nk x k kun n kaikilla k = 1, 2,... Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

56 Pisteittäinen vs. normin suhteen suppeneminen Määritelmä 14. Sanotaan että jono (xn) :ssa (tai R m :ssä) suppenee koordinaateittain n=1 l2 (converges coordinatewise / componentwise) pisteeseen x jos x nk x k kaikilla k = 1, 2,... Edellä nähtiin, että xn x R m :ssä jos ja vain jos xn x koordinaateittain. Toisaalta jos xn x l 2 :ssa, niin xn x koordinaateittain. Käänteinen tulos ei pidä paikkaansa kuten seuraava esimerkki osoittaa. Esimerkki Olkoon e 1 = (1, 0, 0,...), e 2 = (0, 1, 0, 0,...),... Tällöin jono (en) n=1 suppenee koordinaateittain nollavektoriin 0. Kuitenkin en 0 l 2 :ssa koska en 0 = en = 1 0. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

57 Sulkeuma ja suljettu joukko Määritelmä 15. Olkoon X metrinen avaruus. Joukon A X sulkeuma (closure) on joukko A = { x X (a n ) A, a n=1 n x }. Joukko F X on suljettu (closed) mikäli F = F. Huomautus A A, sillä jos a A, niin vakiojono a n = a kaikilla n = 1, 2,... suppenee pisteeseen a. Joukko F X on suljettu jos ja vain jos se sisältää kaikkien suppenevien jonojensa raja-arvot. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

58 Tiheä joukko Lemma 15. Olkoot X metrinen avaruus ja A X. Tällöin x A jos ja vain jos kaikilla ɛ > 0 on olemassa sellainen a A että d(x, a) < ɛ. Määritelmä 16. Joukko A on tiheä (dense) metrisessä avaruudessa X jos A = X. Tulkinta: Joukko A on tiheä avaruudessa X mikäli jokaista X :n alkiota voidaan approksimoida mielivaltaisen hyvin A:n alkioilla. Esimerkki 1 Q on tiheä R:ssä. 2 Z ei ole tiheä R:ssä. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

59 Suljettu lineaarinen verho Esimerkki Kuten edellä, olkoon e 1 = (1, 0, 0,...), e 2 = (0, 1, 0, 0,...), e 3 = (0, 0, 1, 0, 0,...),... Tällöin joukko span{e 1, e 2,...} on tiheä avaruudessa l 2. Tätä voidaan merkitä myös span{e 1, e 2,...} = l 2. Määritelmä 17. Olkoon X normiavaruus ja S X. Tällöin joukon S virittämä suljettu aliavaruus (closed linear span) on span S = span S. (Tätä kutsutaan myös suljetuksi lineaariseksi verhoksi.) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

60 Jatkuvuus Määritelmä 18. Funktio f : X Y metristen avaruuksien X ja Y välillä on jatkuva pisteessä (continuous at a point) x 0 X mikäli kaikilla ɛ > 0 löytyy sellainen δ > 0, että d Y (f (x), f (x 0 )) < ɛ aina kun d X (x, x 0 ) < δ. Funktio f on jatkuva (continuous) jos se on jatkuva jokaisessa määritysalueensa X pisteessä. Lause 16. Funktio f : X Y on jatkuva pisteessä x 0 X jos kaikilla jonolla (x n ) pätee x n x 0 = f (x n ) f (x 0 ) eli ( ) f lim x n = lim f (x n) kun lim x n = x 0. n n n Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

61 Sisätulo ja normi ovat jatkuvia Lause 17. Olkoon X sisätuloavaruus. Sisätulo (x, y) (x y) : X X K ja normi x x : X R ovat jatkuvia funktioita. Siis suppeneville jonoille (xn) ja (yn) pätee ( ) lim n x n lim n y n = lim n (x n yn) ja lim n x = lim n x n. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

62 Liitännäisiä Seuraus 18. Erityisesti ( ) lim n x n y = lim n (x n y) ja ( ) x lim n y n = lim n (x y n). Lemma 19. Jokainen suppeneva jono on rajoitettu. Jos siis (xk) k=1 olemassa M > 0, jolle xk < M kaikilla k = 1, 2,... suppenee, niin on Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

63 Ortogonaalikomplementti on aina suljettu aliavaruus Lause 20. Olkoon X sisätuloavaruus ja S X. Tällöin S on X :n suljettu lineaarinen aliavaruus. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

64 Täydellisyys Määritelmä 19. Olkoon X metrinen avaruus. Jono (x n ) on Cauchyn jono (Cauchy n=1 sequence) mikäli kaikilla ɛ > 0 löytyy sellainen N N että d(x n, x m ) < ɛ aina kun n, m N. Metrinen avaruus X on täydellinen (complete) mikäli jokainen Cauchyn jono (x n ) X suppenee X :ssä. n=1 Esimerkki 1 R n ja C n ovat täydellisiä. 2 Q ei ole täydellinen. Jos valitaan sellainen jono (q n ) Q, että q n 2 niin (q n ) on Cauchyn jono Q:ssa mutta ei suppene Q:ssa (koska 2 / Q). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

65 Hilbertin avaruus Määritelmä 20. Täydellistä sisätuloavaruutta kutsutaan Hilbertin avaruudeksi. Esimerkki R n ja C n ovat Hilbertin avaruuksia. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

66 l 2 Lause 21. l 2 on Hilbertin avaruus. Todistuksen idea. Koska tiedetään jo että l 2 on sisätuloavaruus, riittää osoittaa että l 2 on täydellinen. Olkoon (xn) Cauchyn jono. Tällöin jonon alkioiden n=1 l2 k:nnet koordinaatit muodostavat Cauchyn jonon (x nk ) K:ssa. Koska K n=1 on täydellinen niin tämä jono suppenee johonkin pisteeseen x k K. Näistä raja-arvoista saadaan jono x = (x k ) (ja siis x k=1 n x koordinaateittain). Lopulta osoitetaan että x l 2 ja että xn x kun n. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

67 C([a, b]) Lause 22. Sisätuloavaruus C([a, b]) ei ole täydellinen, joten se ei ole Hilbertin avaruus. Todistuksen idea. Tutkitaan tapausta [a, b] = [ 1, 1]. Määritellään kaikilla n = 1, 2,... Tällöin (f n ) n=1 0 1 x < 0 f n (x) = nx 0 x < 1 n 1 1 n < x 1. on Cauchyn jono muttei suppene. Ilmeinen raja-arvo olisi { 0 1 x 0 f (x) = 1 0 < x 1 mutta tämä ei ole jatkuva funktio. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

68 Suunnikassääntö Lemma 23. Olkoon X sisätuloavaruus ja x = (x x) sisätulon määräämä normi. Tällöin toteuttaa suunnikassäännön (parallelogram law) kaikilla x, y X. Lemma 24. x + y 2 + x y 2 = 2 x y 2 Olkoon X normiavaruus, jonka normi toteuttaa suunnikassäännön. Tällöin avaruudella X on olemassa sisätulo ( ), joka määrää X :n normin kaavalla x = (x x). Huomautus Yhdistettynä edelliset tulokset sanovat, että normiavaruuden normi tulee sisätulosta täsmälleen silloin kun normi toteuttaa suunnikassäännön. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

69 Polarisaatioidentiteetti (reaalitapaus) Lemma 25 (Polarisaatioidentiteetti, reaalitapaus). Olkoon X reaalikertoiminen sisätuloavaruus. Tällöin sisätulo toteuttaa (reaalisen) polarisaatioidentiteetin (polarization identity) (x y) = 1 ( x + y 2 x y 2) 4 Huomautus Jos X on reaalikertoiminen normiavaruus, joka toteuttaa suunnikassäännön, niin Lemmassa 24 mainittu sisätulo määritellään polarisaatioidentiteetin kautta. Tällöin se että kyseessä todella on sisätulo vaatii suunnikassäännön. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

70 Polarisaatioidentiteetti (kompleksitapaus) Lemma 26 (Polarisaatioidentiteetti, kompleksitapaus). Olkoon X kompleksikertoiminen sisätuloavaruus. Tällöin sisätulo toteuttaa (kompleksisen) polarisaatioidentiteetin (x y) = x + y 2 x y i x + i y 2 x i y 2 4 Huomautus Jos X on kompleksikertoiminen normiavaruus, joka toteuttaa suunnikassäännön, niin jälleen Lemmassa 24 mainittu sisätulo määritellään polarisaatioidentiteetin kautta, tällä kertaa kompleksisen. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

71 Konveksi joukko Määritelmä 21. Olkoon X vektoriavaruus. Pisteiden x, y X välinen jana (line segment) on [x, y] = { ty + (1 t)x t [0, 1] } Joukko A X on konveksi (convex) jos [x, y] A kaikilla x, y A. Esimerkki Avaruuden R 2 yksikkökiekko { x R 2 x 1 } on konveksi. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

72 Optimointia ja ortogonaaliprojektio Lause 27. Olkoot H Hilbertin avaruus, A H ei-tyhjä, suljettu, konveksi joukko ja x H. Tällöin on olemassa täsmälleen yksi alkio a A jolle x a = d(x, A). Yllä olevaa lausetta voi soveltaa erityisesti kun A on suljettu aliavaruus, jolloin saadaan seuraava tulos (ks. Lemma 13). Seuraus 28. Olkoot H Hilbertin avaruus ja Y H suljettu aliavaruus. Tällöin on olemassa ortogonaaliprojektio P : H Y aliavaruudelle Y. Lisäksi kaikilla x H pätee d(x, Y ) = Px. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

73 Sarjojen suppenemisesta Määritelmä 22. Olkoon X normiavaruus ja (xk) X. Sarja x k=1 k=1 k suppenee (converges) avaruudessa X pisteeseen x X, jos osasummien sn = n x k=1 k jono (sn) suppenee pisteeseen x. Siis n=1 xk = lim k=1 n k=1 n xk. Sarja k=1 x k suppenee itseisesti (converges absolutely), jos sarja k=1 x k suppenee R:ssä. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

74 Itseisestä suppenemisesta Lemma 29. Olkoon X täydellinen normiavaruus (esimerkiksi Hilbertin avaruus). Jos sarja k=1 x k suppenee itseisesti X :ssä, niin se suppenee. Huomautus Täydellisyys on välttämätön ehto edelliselle tulokselle: jokaisesta epätäydellisestä normiavaruudesta löytyy itseisesti suppeneva sarja joka ei suppene! Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

75 Avaruuden l 2 kanta Esimerkki Jokainen avaruuden l 2 vektori x = (x 1, x 2,...) voidaan esittää yksikäsitteisesti muodossa x = λ k ek, λ k K. k=1 Tässä λ k = x k = (x ek). Vektorit e 1, e 2,... muodostava siis eräänlaisen kannan ääretönulotteiselle avaruudelle l 2. Aiemmin todettiin että osasummien sn = n k=1 x k ek muodostama jono suppenee vektoriin x, joten esitys on olemassa. Yksikäsitteisyys on helppo todeta laskemalla, että λ k = (x ek), k = 1, 2,.... Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

76 Sarja jonka summattavat ovat ortogonaalisia Lemma 30. Olkoon H Hilbertin avaruus ja {e 1, e 2,...} ortonormaali joukko. Sarja λ k ek, λ k K, k=1 suppenee avaruudessa H jos ja vain jos eli (λ k ) k=1 l2. λ k 2 < k=1 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

77 Besselin epäyhtälö ja Parsevalin identiteetti Lause 31. Olkoot H Hilbertin avaruus, {ek} k=1 Tällöin pätee Besselin epäyhtälö (Bessel's inequality) ortonormaali joukko H:ssa ja x H. (x ek) 2 x 2 <. k=1 Aliavaruuden F = span{ ek k N } ortogonaaliprojektio saadaan kaavalla Px = (x ek)ek k=1 (erityisesti sarja suppenee). Lisäksi pätee Parsevalin identiteetti (Parseval's identity) Px 2 = (x ek) 2. k=1 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

78 Hilbertin avaruuden ortonormaali kanta Lause 32. Olkoot H Hilbertin avaruus ja { ek k N } ortonormaali joukko H:ssa. Seuraavat väitteet ovat ekvivalentteja 1 { ek k N } = {0} (eli { ek k N } on totaali) 2 span{ ek k N } = H 3 x = k=1 (x e k)ek kaikilla x H 4 (x y) = k=1 (x e k)(y ek) kaikilla x, y H 5 x 2 = k=1 (x e k) 2 kaikilla x H (Parsevalin identiteetti). Määritelmä 23. Ortonormaalia joukkoa { ek k N }, joka toteuttaa edellisen lauseen ehdot kutsutaan Hilbertin avaruuden H ortonormaaliksi kannaksi. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

79 Avaruuden l 2 ortonormaali kanta Esimerkki Vektorit e 1 = (1, 0, 0, 0, 0, 0, 0, 0,...) e 2 = (0, 1, 0, 0, 0, 0, 0, 0,...) e 3 = (0, 0, 1, 0, 0, 0, 0, 0,...). muodostavat avaruuden l 2 ortonormaalin kannan. Myös esimerkiksi vektorit 1 2 e e 2, 1 e 1 1 e 2, e 3, e 4, muodostavat ortonormaalin kannan. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

80 Ortonormaalin kannan olemassaolo Määritelmä 24. Normiavaruus X on separoituva mikäli on olemassa numeroituva joukko A X, jolle pätee A = X. Esimerkki Avaruus l 2 on separoituva koska joukko A = { n k=1 q k ek n N, q k Q } on numeroituva ja A = span{ ek k N } = l 2. Lause 33. Jokaisella separoituvalla Hilbertin avaruudella on olemassa ortonormaali kanta. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

81 Unitaarikuvaukset Määritelmä 25. Olkoot H ja K Hilbertin avaruuksia. Lineaarikuvaus U : H K on unitaarinen (unitary) jos U on bijektio ja (Ux Uy) K = (x y) H. Jos Hilbertin avaruuksien H ja K välillä on olemassa unitaarinen kuvaus, niin avaruuksia kutsutaan isomorsiksi. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

82 Ortogonaalimatriisit Esimerkki Olkoon A M n n n-reaalikertoiminen matriisi. Tällöin A: R n R n ja (Ax Ay) = (x y) (Ay) (Ax) = y x y (A A)x = y x. Tämä pätee kaikilla x, y R n jos ja vain jos A A = I eli A on ortogonaalimatriisi. Esim. [ ] cos θ sin θ A = sin θ cos θ jollain θ R on rotaatio θ:n verran vastapäivään. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

83 Separoituvat Hilbertin avaruudet ovat samanlaisia Lause 34. Jokainen separoituva ääretönulotteinen Hilbertin avaruus on isomornen avaruuden l 2 kanssa. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

84 Rajoitettu lineaarikuvaus Määritelmä 26. Olkoot X ja Y normiavaruuksia ja T : X Y lineaarikuvaus. Kuvaus T on rajoitettu jos on olemassa sellainen vakio M > 0 että T x Y M x X kaikilla x X. Merkitään B(X, Y ) = { T : X Y T rajoitettu } ja B(X ) = B(X, X ). Rajoitetuille operaattoreille T B(X, Y ) määritellään operaattorinormi (operator norm) asettamalla T = sup x 1 T x. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

85 Esimerkkejä Esimerkki Jokainen lineaarikuvaus T : R n R m on rajoitettu. Täten (m n-matriisit). B(R n, R m ) = M m,n Esimerkki Olkoon H Hilbertin avaruus ja P : H Y ortogonaaliprojektio suljetulle aliavaruudelle Y H. Tällöin P on rajoitettu lineaarikuvaus ja P = 1. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

86 Rajoitettu = jatkuva Lemma 35. Jos T : X Y on rajoitettu, niin kaikilla x X T x T x. Lause 36. Olkoot X ja Y normiavaruuksia ja T : X Y lineaarinen kuvaus. Seuraavat väitteet ovat yhtäpitäviä: 1 T on rajoitettu 2 T on jatkuva 3 T on jatkuva pisteessä 0. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

87 Normiavaruus B(X, Y ) Lineaarikuvauksia T, U : X Y voi laskea yhteen ja kertoa skalaareilla λ K: kaikilla x X. Lause 37. (T + U)x = (T x) + (Ux) (λt )x = λ (T x) Olkoot X ja Y normiavaruuksia. Tällöin B(X, Y ) on lineaariavaruus ja operaattorinormi on normi. Siis B(X, Y ) on myös normiavaruus. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

88 Funktionaalit Määritelmä 27. Lineaarista kuvausta f : X K kutsutaan funktionaaliksi (functional). Esimerkki Määritellään funktionaali f : l 2 K asettamalla f (x) = x 1 kun x = (x 1, x 2,...) l 2. Tällöin f on lineaarinen ja rajoitettu. Esimerkki Lineaarikuvaukset R n R voidaan samaistaa 1 n matriisien kanssa. Toisaalta jokainen vaakamatriisi A = [y 1 y 2... y n ] vastaa vektoria y = (y 1, y 2,..., y n ) R n jolloin kaikilla x = (x 1, x 2,..., x n ) R n pätee Ax = n y k x k = (x y). k=1 Siis jokainen funktionaali R n R on muotoa x (x y), y R n. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

89 FrechetRiesz lause Edeltävä esimerkki yleistyy Hilbertin avaruuksiin. Lause 38. Olkoon H Hilbertin avaruus. Jokainen y H määrää rajoitetun funktionaalin φ y : H K, φ y (x) = (x y). Jos ψ : H K on rajoitettu funktionaali, niin on olemassa yksikäsitteinen y H jolle ψ = φ y. Lisäksi φ y = y. Esimerkki Kun y = (1, 1, 1,...) niin 2 3 φ y (x) = k=1 x k k, x = (x 1, x 2,...) l 2. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

90 Lebesguen mitta ja integraali Olkoon m Lebesguen mitta R n :ssä. R 1 :ssä vastaa pituutta, R 2 :ssa pinta-alaa, R 3 :ssa tilavuutta. Mitallinen joukko E R n = joukko jolla on järkevästi määrätty mitta m(e) [0, ]. Mitta määrää integraalin joka on laajennus Riemannin integraalille: esim. 1 f dm = f (x) dx [0,1] kaikilla Riemann-integroituvilla funktioilla f. Mitallinen funktio f : E R = funktio jonka integroituvuutta voidaan tutkia. Integroituva funktio f : E R = funktio jolle E f dm <. 0 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

91 L p avaruudet, 1. versio Olkoon E R n mitallinen osajoukko, erityisesti E = [a, b] R. Asetetaan ja L p (E) = { f : E R f mitallinen ja E f p dm < } Erityisesti kun p = 1 saadaan ( f p = E ) 1/p f p dm. L 1 (E) = { f : E R f integroituva eli E f dm < }, ja kun p = 2 saadaan L 2 (E) = { f : E R f neliöintegroituva eli E f dm < } 2 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

92 Ongelma deniittisyyden kanssa Jos f = 0 melkein kaikkialla (almost everywhere), niin f p p = f p dm = 0, vaikka on mahdollista, että f (x) 0 joillain x E eli f 0. Tämä ongelma saadaan kierrettyä seuraavan ekvivalenssin kautta. Määritelmä 28. Olkoon f, g L p (E). Asetetaan E f g f (x) = g(x) melkein kaikilla x E Merkitään ekvivalenssiluokkia m ( { x E f (x) g(x) } ) = 0. [f ] = { h L p (E) h f }. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

93 Esimerkki 1 Esimerkki Olkoon f : [0, 1] R, f (x) = x, ja g : [0, 1] R { x, x 1 2 g(x) = 0, x = 1. 2 Tällöin f g (esim f, g L 1 ([0, 1])). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

94 Esimerkki 2 Esimerkki Olkoon h : [0, 1] R, h(x) = { 0, x [0, 1] Q 1, x [0, 1] \ Q. Tällöin h 1. Huomaa että L 1 ([0, 1]):ssä h 1 = 1 0 h dm = m([0, 1] \ Q) = 1 = 1 1. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

95 Ekvivalenssiluokkien normi ja vektorioperaatiot Ekvivalenssin idea on siinä, että kaikilla f L p (E) pätee f p = 0 f p dm = 0 E m({ x E f (x) p 0 }) = 0 m({ x E f (x) 0 }) = 0 f 0. Vastaavasti kaikilla g [f ] pätee g p = f p joten voidaan asettaa [f ] p = f p. Merkitään L p (E):n ekvivalenssiluokkien joukkoa tilapäisesti L [p] (E). Vektorioperaatiot ekvivalenssiluokille määritellään asettamalla [f ] + [g] = [f + g] λ[f ] = [λf ]. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

96 Samaistus Jatkossa ekvivalentit funktiot samaistetaan. Jos siis funktioille f, g : E R pätee [f ] = [g] eli f (x) = g(x) melkein kaikilla x E, niin kirjoitetaan f = g ja ajatellaan että kyseessä ovat (käytännössä) samat funktiot. Toisin sanoen ekvivalenssiluokat jätetään merkitsemättä. Samoin merkitään L p (E) = L [p] (E). Koska [f ] + [g] = [f + g], λ[f ] = [λf ], ja [f ] p = f p, niin tämä ei aiheuta ongelmia normiavaruuden rakenteen kanssa. Jatkossa erityisesti f p = 0 = f = 0 mutta tarkalleen ottaen tämä tarkoittaa sitä että f = 0 melkein kaikkialla. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

97 L p (E) on normiavaruus Edellä tehdyllä samaistuksella saadaan siis vektoriavaruus L p (E). Normi p on deniittinen ja täyttää muutkin normin ehdot. Vaikein ehto todistaa on kolmioepäyhtälö, joka on muotoiltu seuraavaksi lauseeksi. Lause 39 (Minkowskin epäyhtälö). Olkoon f, g L p (E). Tällöin f + g L p (E) ja f + g p f p + g p. (Todistus löytyy vanhasta luentomonisteesta Nopasta.) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

98 Banachin avaruudet Määritelmä 29. Täydellistä normiavaruutta kutsutaan Banachin avaruudeksi (Banach space). Esimerkki Jokainen Hilbertin avaruus on Banachin avaruus, koska Hilbertin avaruuksissa sisätulon määräämä normi on täydellinen. Esimerkki Jokainen avaruus l p n on Banachin avaruus. (Kun p = 2 kyseessä on Hilbertin avaruus, muulloin ei.) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

99 L p -avaruudet ovat Banachin avaruuksia Lause 40. L p (E) on Banachin avaruus. Erityisesti L 2 (E) on Hilbertin avaruus, missä sisätulo on määritelty kaavalla (f g) = E fg dm. (Todistus löytyy vanhasta luentomonisteesta Nopasta.) Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

100 Jatkuvat funktiot tiheinä Olkoon nyt E = [a, b] R. Voidaan ajatella että C([a, b]) L p ([a, b]) sillä b a ja kaikilla f, g C([a, b]) pätee f (x) p dx < kun f C([a, b]) f g = f (x) = g(x) x [a, b]. Lisäksi C([a, b]) = L p ([a, b]) eli kaikilla h L p ([a, b]) ja kaikilla ɛ > 0 löytyy f C([a, b]) jolle h f p < ɛ. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

101 Banachin avaruus C([a, b]) Aiemmin nähtiin että sisätulon (f g) = fg määräämä normi ei ole täydellinen avaruudessa C([a, b]). Sen sijaan avaruus L 2 ([a, b]) on täydellinen ja L 2 ([a, b]) = C([a, b]). Avaruudella C([a, b]) on myös luonnollinen normi joka on täydellinen. Asetetaan f = sup x [a,b] f (x) f C([a, b]). Lause 41. C([a, b]) on Banachin avaruus normin suhteen. Huomautus Funktiojonon suppeneminen normin suhteen on sama asia kuin tasainen suppeneminen (uniform convergence). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

102 Weierstrassin approksimaatiolause Lause 42 (Weierstrass). Olkoon P C([a, b]) kaikkien polynomien muodostama aliavaruus (tulkittuina funktioiksi [a, b] R). Tällöin P = C([a, b]) normin suhteen eli kaikilla f C([a, b]) ja kaikilla ɛ > 0 on olemassa polynomi p P jolle f p < ɛ. Todistus esimerkiksi Bernsteinin polynomien avulla (ks. Wikipedia). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

103 Ortonormaali kanta Legendren polynomeista Lemma 43. Olkoon f C([a, b]). Tällöin f 2 (b a) f. Lause 44. Legendren polynomit (normalisoituina) antavat ortonormaalin kannan Hilbertin avaruudelle L 2 ([ 1, 1]). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

104 Kompleksiarvoisista funktioista Fourier-analyysia saadaan tehtyä siistimmin kun tarkastellaan kompleksiarvoisia funktioita. Olkoon siis tästä eteenpäin jonka sisätulo on L 2 [0, 1] = { f : [0, 1] C f (s) 2 ds < } (f g) = 1 0 f (s)g(s) ds. Kompleksiarvoiset integraalit määritellään reaali- ja imaginaariosien summana, jolloin ne palautuvat tuttuun integraaliin: 1 f (s) ds = 1 Re(f (s)) ds + i Im(f (s)) ds kun f (s) = Re(f (s)) + i Im(f (s)). Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

105 Fourier-analyysin merkintöjä Merkitään kaikilla k Z ek(s) = e 2πiks = cos(2πks) + i sin(2πks) s [0, 1]. Lemma 45. Vektorit {ek} k= ovat ortonormaaleja avaruudessa [0, L2 1]. Otetaan käyttöön seuraavat merkinnät: C[0, 1] = { f : [0, 1] C f jatkuva } C per [0, 1] = { f C[0, 1] f (0) = f (1) } C 1 [0, 1] = { f C[0, 1] derivaatta f on olemassa ja jatkuva }. Esimerkki Kaikilla k Z, ek C per [0, 1] C 1 [0, 1]. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

106 Kaksipäiset sarjat Määritelmä 30. Olkoon X Banachin avaruus. Määritellään kaksipäisen sarjan suppeneminen asettamalla n xk = lim xk. k= n k= n Sarja k= x k suppenee itseisesti (converges absolutely), jos sarja k= x k suppenee R:ssä. Lemma 46. Jos sarja k= x k suppenee itseisesti Banachin avaruudessa X, niin se suppenee. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

107 Fourier sarjan suppenemisesta Funktion f : [0, 1] C Fourier-kertoimet ovat f (k) := 1 f (s)e 2πiks ds = 1 f (s) cos(2πks) ds i f (s) sin(2πks) ds (olettaen että integraalit ovat määritelty). Erityisesti kun f L 2 [0, 1], niin f (k) = (f ek). Lause 47. Olkoon f C per [0, 1] C 1 [0, 1]. Tällöin k= f (k) < ja f (t) = k= f (k)ek(t), t [0, 1] missä sarja suppenee tasaisesti eli normin suhteen. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

108 Aputulos Lemma 48. C per [0, 1] C 1 [0, 1] = C per [0, 1] avaruudessa C[0, 1]. Todistuksen idea Funktiota f C per [0, 1] voidaan approksimoida polynomeilla p n f. Kun q n (t) = p n (t) ( p n (0) f (0) ) (1 t) ( p n (1) f (1) ) t, t [0, 1] niin q n C per [0, 1] C 1 [0, 1] ja q n f. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

109 Ortonormaali kanta trigonometrisista funktioista Lause 49. Trigonometriset funktiot ek(s) = e 2πiks = cos(2πks) + i sin(2πks) s [0, 1]. muodostavat ortonormaalin kannan {ek} k= L 2 [0, 1]. Hilbertin avaruudelle Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

110 Fourier-sarjan suppeneminen avaruudessa L 2 [0, 1] Seuraus 50. Kaikilla f L 2 [0, 1] f (t) = f (k)ek(t) k= suppenee avaruudessa L 2 [0, 1] (muttei välttämättä pisteittäin!) ja f (k) 2 = k= 1 0 f (s) 2 ds (Parsevalin identiteetti). Huomautus Edellinen lause voidaan tulkita siten, että Fourier-muunnos f ( f (k)) k Z on unitaarikuvaus Hilbertin avaruuksien L 2 [0, 1] ja l 2 (Z) välillä. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

111 Hilbertin avaruuden operaattorit Määritelmä 31. Olkoon H Hilbertin avaruus. Kuvauksia T B(H) kutsutaan Hilbertin avaruuden H rajoitetuiksi operaattoreiksi (bounded operator). Esimerkki Esimerkkejä rajoitetuista operaattoreista: 1 ortogonaaliprojektio P aliavaruudelle Y H 2 siirto-operaraattori S B(l 2 ), Sek = ek+1, k = 1, 2,... 3 tulo-operaattori M f B(L 2 [a, b]), f : [a, b] C mitallinen ja rajoitettu M f g(t) = f (t)g(t) g L 2 [a, b], t [a, b]. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

112 Operaattorien tulo eli yhdiste Operaattoreiden T, U B(H) tulo TU määritellään kaavalla (TU)x = T (Ux) x H. Siis TU on lineaarikuvausten T ja U yhdiste. Lemma 51. Jos T, U B(H), niin TU B(H) ja TU T U. Esimerkki 1 B(R n ) = M n n ja matriiseja A, B M n n vastaavien operaattoreiden tulo vastaa matriisituloa AB. 2 Kun P on ortogonaaliprojektio niin P 2 = PP = P. 3 Tulo-operaattoreiden M f ja M g tulo on M fg missä fg on funktioiden f ja g pisteittäinen tulo. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

113 Adjungaatti Lause 52. Olkoon H Hilbertin avaruus ja T B(H). Yhtälö ( ) (x T y) = (T x y) x, y H määrää yksikäsitteisen operaattorin T B(H). Lisäksi (T ) = T, T = T ja operaattoreiden T, U B(H) tulolle pätee (TU) = U T. Esimerkki 1 Matriisia A = [a ij ] n i,j=1 vastaavan operaattorin adjungaatti vastaa konjugaattitranspoosia A = (A) = [a ji ] n. i,j=1 2 Mf = M f 3 ortogonaaliprojektiolle P pätee P = P. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

114 Isometria ja unitaarisuus Määritelmä 32. Operaattoria T B(H) jolle pätee T x = x kaikilla x H kutsutaan isometriaksi (isometry). Lause 53. T B(H) on isometria jos ja vain jos T T = I eli (T x T y) = (x y) kaikilla x, y H. Erityisesti T on unitaarinen jos ja vain jos T on surjektiivinen isometria jos ja vain jos T T = TT = I. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

115 Ortogonaaliprojektioista Lause 54. Operaattori P B(H) on ortogonaaliprojektio jos ja vain jos P = P ja P 2 = P. Lause 55. Jos T on isometria, niin TT on ortogonaaliprojektio suljetulle aliavaruudelle Y = Im T. Tällöin T : H Y on isomora (unitaarikuvaus) ja H = Y. Pekka Salmi Hilbertin avaruudet 26. huhtikuuta / 115

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

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

Lisätiedot

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

Lebesguen mitta ja integraali

Lebesguen mitta ja integraali Lebesguen mitta ja integraali Olkoon m Lebesguen mitta R n :ssä. R 1 :ssä vastaa pituutta, R 2 :ssa pinta-alaa, R 3 :ssa tilavuutta. Mitallinen joukko E R n = joukko jolla on järkevästi määrätty mitta

Lisätiedot

802320A LINEAARIALGEBRA OSA II

802320A LINEAARIALGEBRA OSA II 802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen

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

Kertausta: avaruuden R n vektoreiden pistetulo

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

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

Lisätiedot

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

Kertausta: avaruuden R n vektoreiden pistetulo

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

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Idea Lineaarisen systeemin ratkaiseminen Olkoon

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

Sisätuloavaruudet. 4. lokakuuta 2006

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

Lisätiedot

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

Lisätiedot

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II/PART II 802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 69 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.

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

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

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo. Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat

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

HILBERTIN AVARUUKSISTA

HILBERTIN AVARUUKSISTA HILBERTIN AVARUUKSISTA Pro gradu -tutkielma Hannariikka Lehtiniemi Matematiikan ja tilastotieteen laitos Jyväskylän yliopisto syksy 2014 TIIVISTELMÄ Ääretönulotteiset avaruudet ovat monilta ominaisuuksiltaan

Lisätiedot

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

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

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

802320A LINEAARIALGEBRA OSA II/PART II

802320A LINEAARIALGEBRA OSA II/PART II 802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 LINEAARIALGEBRA 1 / 67 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.

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

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

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

Lisätiedot

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II 802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVT 2019 1 Contents 1 Sisätulo- ja normiavaruudet 3 1.1 Sisätuloavaruus/Inner product space..............

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Vektoriavaruudet Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 17 R. Kangaslampi Vektoriavaruudet Vektoriavaruus

Lisätiedot

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II 802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Sisätulo- ja normiavaruudet 2 1.1 Sisätuloavaruus/Inner product space..............

Lisätiedot

6. Lineaariset operaattorit

6. Lineaariset operaattorit 96 FUNKTIONAALIANALYYSIN PERUSKURSSI 6. Lineaariset operaattorit Luvussa 5 osoitimme, että Fourier-sarjat suppenevat L 2 -normissa (kts. Seuraus 5.8 sivulla 80). Osoitimme myös, että kun f on jatkuva ja

Lisätiedot

Lineaarialgebra II P

Lineaarialgebra II P Lineaarialgebra II 89P Sisältö Vektoriavaruus Sisätuloavaruus 8 3 Lineaarikuvaus 5 4 Ominaisarvo 5 Luku Vektoriavaruus Määritelmä.. Epätyhjä joukko V on vektoriavaruus, jos seuraavat ehdot ovat voimassa:.

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen

Lisätiedot

2. Normi ja normiavaruus

2. Normi ja normiavaruus 8 FUNKTIONAALIANALYYSIN PERUSKURSSI 2. Normi ja normiavaruus Olkoon E vektoriavaruus (eli lineaariavaruus) skalaarikuntana K = R tai K = C. Kurssilla Lineaarialgebra I määriteltiin vain R-kertoimiset vektoriavaruudet,

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

Avaruuden R n aliavaruus

Avaruuden R n aliavaruus Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 7

FUNKTIONAALIANALYYSIN PERUSKURSSI 7 FUNKTIONAALIANALYYSIN PERUSKURSSI 7 2. Normi ja normiavaruus Olkoon E vektoriavaruus (eli lineaariavaruus) skalaarikuntana K = R tai K = C. Kurssilla Lineaarialgebra I määriteltiin vain R-kertoimiset vektoriavaruudet,

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.

Lisätiedot

4. Hilbertin avaruudet

4. Hilbertin avaruudet FUNKTIONAALIANALYYSIN PERUSKURSSI 51 4. Hilbertin avaruudet Hilbertin avaruudet ovat ääretönulotteisista normiavaruuksista ominaisuuksiltaan kaikkein lähinnä kotiavaruutta R n tai C n. Tästä syystä niiden

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

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

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

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia/Exercises 2017 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

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

Määritelmä 2.5. Lause 2.6.

Määritelmä 2.5. Lause 2.6. Määritelmä 2.5. Olkoon X joukko ja F joukko funktioita f : X R. Joukkoa F sanotaan pisteittäin rajoitetuksi, jos jokaiselle x X on olemassa sellainen C x R, että f x C x jokaiselle f F. Joukkoa F sanotaan

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

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

Metriset avaruudet 2017

Metriset avaruudet 2017 Metriset avaruudet 2017 Jouni Parkkonen Merkintöjä N = {0, 1, 2,... } luonnolliset luvut #(A) N { } joukon A alkioiden lukumäärä A B = {a A : a / B} joukkojen A ja B erotus. A B on joukkojen A ja B erillinen

Lisätiedot

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

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

Lisätiedot

Metriset avaruudet 2017

Metriset avaruudet 2017 Metriset avaruudet 2017 Jouni Parkkonen Lukijalle Nämä ovat muistiinpanoni metristen avaruuksien kurssille syyslukukaudella 2017. Kurssi on johdatus metristen avaruuksien teoriaan. Peruskäsitteiden (metriikka,

Lisätiedot

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja. Tehtävä 1 Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja. 1 Jos 1 < y < 3, niin kaikilla x pätee x y x 1. 2 Jos x 1 < 2 ja y 1 < 3, niin x y

Lisätiedot

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja

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

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

Ortogonaalisen kannan etsiminen

Ortogonaalisen kannan etsiminen Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,

Lisätiedot

Toispuoleiset raja-arvot

Toispuoleiset raja-arvot Toispuoleiset raja-arvot Määritelmä Funktiolla f on oikeanpuoleinen raja-arvo a R pisteessä x 0 mikäli kaikilla ɛ > 0 löytyy sellainen δ > 0 että f (x) a < ɛ aina kun x 0 < x < x 0 + δ; ja vasemmanpuoleinen

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

MS-C1540 Euklidiset avaruudet

MS-C1540 Euklidiset avaruudet MS-C1540 Euklidiset avaruudet MS-C1540 Euklidiset avaruudet III-periodi, kevät 2016 Pekka Alestalo Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu 1 / 30 Euklidiset

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

Johdatus reaalifunktioihin P, 5op

Johdatus reaalifunktioihin P, 5op Johdatus reaalifunktioihin 802161P, 5op Osa 2 Pekka Salmi 1. lokakuuta 2015 Pekka Salmi FUNK 1. lokakuuta 2015 1 / 55 Jatkuvuus ja raja-arvo Tavoitteet: ymmärtää raja-arvon ja jatkuvuuden määritelmät intuitiivisesti

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden lineaarinen riippumattomuus Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin

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

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

f(k)e ikx = lim S n (f; x) kaikilla x?

f(k)e ikx = lim S n (f; x) kaikilla x? 102 FUNKTIONAALIANALYYSIN PERUSKURSSI 6. Lineaariset operaattorit Luvussa 5 osoitimme, että jos f L 2, niin vastaavan Fourier-sarjan osasummat suppenevat kohti f:ää L 2 -normissa (kts. Seuraus 5.8 sivulla

Lisätiedot

Metriset avaruudet ja Topologia

Metriset avaruudet ja Topologia Metriset avaruudet ja Topologia 1.0 0.5 0.2 0.4 0.6 0.8 1.0-0.5-1.0 Jouni Parkkonen Luentoja Jyväskylän yliopistossa syksyllä 2018 Sisältö I Metriset avaruudet 5 1 Metriset avaruudet 7 1.1 Määritelmä ja

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

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

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

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF LINEAARIALGEBRA 83A 6 EDITED BY T.M. FROM THE NOTES OF TOMI ALASTE SISÄLTÖ Sisältö Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus 3 Lineaarikuvaus 4 Ominaisarvo 34 5 Esimerkkejä 44 . Lineaariavaruus

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

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68 SISÄLTÖ Sisältö pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus 0-1 2 Sisätuloavaruus 0-20 3 Lineaarikuvaus 0-41 4 Ominaisarvo 0-68 5 Esimerkkejä 0-88 1. Lineaariavaruus eli V 1 Lineaariavaruus

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

1 Lineaarialgebraa Vektoriavaruus Lineaarikuvaus Zornin lemma ja Hamelin kanta... 10

1 Lineaarialgebraa Vektoriavaruus Lineaarikuvaus Zornin lemma ja Hamelin kanta... 10 Sisältö I Banachin avaruudet 5 1 Lineaarialgebraa 7 1.1 Vektoriavaruus................................. 7 1.2 Lineaarikuvaus................................. 8 1.3 Zornin lemma ja Hamelin kanta........................

Lisätiedot

Metriset avaruudet. Erno Kauranen. 1 Versio: 10. lokakuuta 2016, 00:00

Metriset avaruudet. Erno Kauranen. 1 Versio: 10. lokakuuta 2016, 00:00 1 Metriset avaruudet Erno Kauranen 1 Versio: 10. lokakuuta 2016, 00:00 1. Sisätulo ja normiavaruus................................................. 3 2. Metrinen avaruus........................................................

Lisätiedot

HILBERTIN AVARUUDET 802652S MIKAEL LINDSTRÖM KEVÄÄN 2010 ANALYYSI 3 -LUENTOJEN PERUSTEELLA TOIMITTANEET TOMI ALASTE JA LAURI BERKOVITS

HILBERTIN AVARUUDET 802652S MIKAEL LINDSTRÖM KEVÄÄN 2010 ANALYYSI 3 -LUENTOJEN PERUSTEELLA TOIMITTANEET TOMI ALASTE JA LAURI BERKOVITS HILBRTIN AVARUUDT 802652S MIKAL LINDSTRÖM KVÄÄN 2010 ANALYYSI 3 -LUNTOJN PRUSTLLA TOIMITTANT TOMI ALAST JA LAURI BRKOVITS Sisältö 1 Hilbertin Avaruudet 3 1.1 Normi- ja L p -avaruudet........................

Lisätiedot

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2006 ja kevät Kari Astala ja Petteri Piiroinen (v.

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2006 ja kevät Kari Astala ja Petteri Piiroinen (v. FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos Luennot, kevät 2006 ja kevät 2008 Kari Astala ja Petteri Piiroinen (v. 2006) Hans-Olav Tylli (v. 2008 hienosäätöä)

Lisätiedot

1 Reaaliset lukujonot

1 Reaaliset lukujonot Jonot 10. syyskuuta 2005 sivu 1 / 5 1 Reaaliset lukujonot Reaaliset lukujonot ovat funktioita f : Z + R. Lukujonosta käytetään merkintää (a k ) k=1 tai lyhyemmin vain (a k). missä a k = f(k). Täten lukujonot

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

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

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 Ominaisarvot ja ominaisvektorit 5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A

Lisätiedot

Metriset avaruudet ja Topologia

Metriset avaruudet ja Topologia Metriset avaruudet ja Topologia 1.0 0.5 0.2 0.4 0.6 0.8 1.0-0.5-1.0 Jouni Parkkonen Luentoja Jyväskylän yliopistossa syksyllä 2017 Sisältö I Metriset avaruudet 5 1 Metriset avaruudet 7 1.1 Määritelmä ja

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

Alkeismuunnokset matriisille, sivu 57

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

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 2. Kompleksitason topologiaa Kompleksianalyysi on kompleksiarvoisten kompleksimuuttujien funktioiden teoriaa. Tällä kurssilla käsittelemme vain

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

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä

i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä Kurssimateriaalia K3/P3-kursille syksyllä 003. 8.0.003 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni.. Normi

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

Tasainen suppeneminen ja sen sovellukset

Tasainen suppeneminen ja sen sovellukset Tasainen suppeneminen ja sen sovellukset Tuomas Hentunen Matematiikan pro gradu tutkielma Kesäkuu 2014 Tiivistelmä: Tuomas Hentunen, Tasainen suppeneminen ja sen sovellukset (engl. Uniform convergence

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35 Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen

Lisätiedot

Laskutoimitusten operaattorinormeista

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

Lisätiedot

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear

Lisätiedot

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Derivaatta: funktion approksimaatio lineaarikuvauksella. Viikko 5 Tällä viikolla yleistetään R 2 :n ja R 3 :n vektorialgebran peruskäsitteet n-ulotteiseen avaruuteen R n, ja määritellään lineaarikuvaus. Tarkastellaan funktioita, joiden määrittelyjoukko on n-ulotteisen

Lisätiedot

6. OMINAISARVOT JA DIAGONALISOINTI

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

Lisätiedot

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

Kanta ja dimensio 1 / 23

Kanta ja dimensio 1 / 23 1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio

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

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

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

Lisätiedot

Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010

Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010 f ( n) JYVÄSKYLÄN YLIOPISTO MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010 4.1. Viime kerralta. Esimerkki lokaalikonveksin avaruuden osajoukosta, joka

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

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

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

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

Metriset avaruudet ja Topologia

Metriset avaruudet ja Topologia Metriset avaruudet ja Topologia 1.0 0.5 0.2 0.4 0.6 0.8 1.0-0.5-1.0 Jouni Parkkonen Luentoja Jyväskylän yliopistossa syksyllä 2018 Sisältö I Metriset avaruudet 7 1 Metriset avaruudet 9 1.1 Määritelmä ja

Lisätiedot

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v. Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause

Lisätiedot