Käyrän kaarevuus ja kierevyys

Koko: px
Aloita esitys sivulta:

Download "Käyrän kaarevuus ja kierevyys"

Transkriptio

1 Käyrän kaarevuus ja kierevyys LuK-tutkielma Recardt Jua Opiskelijanumero Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2017

2 Sisältö 1 Jodanto 2 2 Esitietoja Derivointi polulla Ristitulo Suunnistus Käyrä tasossa ja Frenet'n kaavat tasokäyrälle 8 4 Käyrä avaruudessa ja Frenet'n kaavat avaruuskäyrälle 9 5 Esimerkki 13 Lädeluettelo 14 1

3 1 Jodanto Tämän työn tarkoitus on kertoa lukijalle, miten än voi itse oppia määrittämään käyrälle kaarevuuden tasossa tai kaarevuuden ja kierevyyden avaruudessa. Aluksi määritellään muutamia asioita ja käydään läpi lauseita, joita tullaan tarvitsemaan myöempien kappaleiden teorioissa.tämän jälkeen käsitellään erillisissä kappaleissa ensin käyrää tasossa ja sen jälkeen käsittellään käyrää avaruudessa. Työssä on käytetty kata kirjaa [1] ja [2], joiden tiedot on tarkemmin ilmoitettu työn lopussa. Kirjoista kerättyä informaatiota on pyritty esittämään lukijalle madollisimman selkeässä järjestyksessä ja muodossa josta se olisi elpompi ymmärtää. Pääosin todistukset ovat läes suoraan otettu kirjoista kuten myös esimerki 5.1, mutta muuten teksti on tety siten, että suoraa lainaamista ei tekstissä ole. Kappaleessa 2.1 olevat säännöt olen itse todistanut. Jotta lukijalle olisi elpompaa ymmärtää työn sisältöä on suositeltavaa, että än allitsee vektorien ja vektorikenttien käsitteet sekä perustiedot derivoinnista. Näiden asioiden yleinen allitseminen ja ymmärtäminen edesauttavat tekstin lukemista. 2

4 2 Esitietoja 2.1 Derivointi polulla Olkoon I R avoin väli. Nyt polku α on jatkuva kuvaus joukolta I reaalilukuavaruudelle R n, jossa luku n on sellainen, että se kuulu luonnollisiin lukuiin N. Vektorikenttä X polulla α on jatkuva kuvaus joukolta I reaalilukuavaruudelle R n R n, missä vektorikenttä X(t) pisteessä t voidaan esittää polun α(t) pisteessä t komponenttifunktioina. Tämä kuvaa komponenttifunktioita jotka alkavat komponenttifunktiosta X 1 ja päättyät komponenttifnktioon X n, eli X(t) = (α(t); X 1 (t),..., X n (t)). Jos jokainen komponenttifunktio X i (t) on äärettömän monta kertaa derivoituva, sanotaan, että vektorikenttä X on C -vektorikenttä polulla α. Polulla α olevan vektorikentän derivaatta on X (t) = ( α(t); dx 1(t),..., dx n(t) ). dt dt Polun nopeusvektorikenttä α on muotoa α(t) = ( α(t); dα 1(t) dt Vastaavasti kiityvyysvektorikenttä on muotoa α(t) = ( α(t); d2 α 1 (t) dt,..., dα n(t) ). dt,..., d2 α n (t)). dt Seuraavaksi käsitellään muutamia sääntöjä ja todistetaan ne. Säännöt voidaan todentaa derivoimisen avulla. Vektorin yläpuolella oleva piste kuvaa tavallista derivointia reaaliarvoiselle funktiolle, siis Säännöt: 1. ( X + Y ) (t) = X (t)+ Y (t) f(t) = df dt. 2. ( f X)(t) = f X(t), luku f vastaa jotain vakiota. 3

5 3. ( X Y ) (t) = X(t) Y (t) + X(t) Y (t), missä X Y = n i=1 X iy i on tavallinen pistetulo. Todistus. Ensimmäinen kodan todistus. Vektorit X ja Y ovat deriovoituvia pisteessä t niin ( X + Y )(t + ) ( X + Y )(t) = X(t + ) + Y (t + ) X(t) + Y (t) X(t = + ) X(t) Toisen kodan todistus + Y (t + ) Y (t) X(t) + Y (t), 0. (f X)(t + ) (f X)(t) = f X(t + ) f X(t) f ( X)(t + ) ( X)(t) Kolmannen kodan todistus f X(t), 0. ( X Y )(t + ) ( X Y )(t) X(t = + ) Y (t + ) X(t) Y (t + ) + X(t) Y (t + ) X(t) Y (t) X(t + ) X(t) Y (t+)+ X(t) Y (t + ) Y (t) X(t) Y (t)+ X(t) Y (t). 2.2 Ristitulo Määritelmä 2.1. Jos jossakin avaruuden R 3 pisteessä p on kaksi tangenttivektoria v ja w, niiden ristitulo saa aikaan tangenttivektorin, joka voidaan esittää matriisina e 1 e 2 e 3 v w = v 1 v 2 v 3 w 1 w 2 w 3 Lasketaan yllä olevan matriisin determinantti ensimmäisen rivin suteen. 4

6 det( v w) = ( 1) 1+1 e 1 det v 2 v 3 w 2 w 3 + ( 1) 1+2 e 2 det v 1 v 3 w 1 w 3 + ( 1)1+3 e 3 det v 1 v 2 w 1 w 2 = e 1 (v 2 w 3 v 3 w 2 ) e 2 (v 1 w 3 v 3 w 1 ) + e 3 (v 1 w 2 v 2 w 1 ). Determinantin perimmäinen tarkoitus on ilmaista, että ristitulo tangenttivektorien v ja w välillä on lineaarinen kummallekin tangenttivektorille v ja w, sekä täyttää vuorotteluedon v w = w v. Siitä seuraa erityisesti, että tangenttivektorin v ristitulo itsensä kanssa on nolla. Lemma 2.2. Vektoreiden v ja w keskenään otettu ristitulo on sellainen, että se on kotisuorassa vektoreiin v ja w näden ja vektoreiden ristitulon pituudeksi saadaan seuraavaa v w 2 = ( v v)( w w) ( v w) 2. Todistus. Tedään vektoreiden v ja w ristitulon ja pistetulon kaavasta v ( v w) matriisiesitys v 1 v 2 v 3 v ( v w) = v 1 v 2 v 3 w 1 w 2 w 3. Lasketaan determinantti kolmannen rivin suteen det(v (v w)) = ( 1) 1+1 w 1 det v 2 v 3 v 2 v 3 + ( 1) 1+2 w 2 det v 1 v 3 v 1 v 3 + ( 1)1+3 w 3 det v 1 v 2 v 1 v 2 = w 1 (v 2 v 3 v 3 v 2 ) w 2 (v 1 v 3 v 3 v 1 ) = w w 2 0 w 3 0 = 0 Matriisin determinantiksi saadaan nolla, koska sen ensimmäinen ja toinen rivi ovat samat. Tästä seuraa se, että vektoreiden ristitulo on ortogonaalinen. Lasketaan seuraavaksi vektoreiden ristitulon pituus seuraavasti (vv)(ww) (vw) 2 = ( v i 2 )( w j 2 ) ( v i w i ) 2 5

7 = i,j v i 2 w j 2 ( v i 2 w i i<j v i w j v j w j ) = i j v i 2 w j 2 2 i<j v i w i v j w j. Avataan summa ( (vi1 w j2 ) 2 +(v i2 w j1 ) 2 +(v i1 w j3 ) 2 +(v i3 w j1 ) 2 +(v i2 w j3 ) 2 +(v i3 w j2 ) (v in w jn+1 ) 2 ( (v i1 v j2 w i1 w j2 )+(v i1 v j3 w i1 w j3 )+(v i2 v j3 w i2 w j3 )+...+(v in v jn+1 w in w jn+1 ) ) Toisaalta v w = ( v w) ( v w) = Σc i 2 = (v 2 w 3 v 3 w 2 ) 2 + (v 3 w 1 v 1 w 3 ) 2 + (v 1 w 2 v 2 w 1 ) 2 Avaamalla potenssin saamme saman vastauksen minkä saimme yläpuolelle = (v 2 w 3 v 3 w 2 )(v 2 w 3 v 3 w 2 ) + (v 3 w 1 v 1 w 3 )(v 3 w 1 v 1 w 3 ) +(v 1 w 2 v 2 w 1 )(v 1 w 2 v 2 w 1 ) = ( (v 2 w 3 ) 2 + (v 3 w 2 ) 2 2(v 2 v 3 w 2 w 3 ) ) + ( (v 3 w 1 ) 2 + (v 1 w 3 ) 2 2(v 1 v 3 w 1 w 3 )) ) + ( (v 1 w 2 ) 2 + (v 2 w 1 ) 2 2(v 1 v 2 w 1 w 2 ) ) = ( (v 2 w 3 ) 2 + (v 3 w 2 ) 2 + (v 3 w 1 ) 2 + (v 1 w 3 ) 2 + (v 1 w 2 ) 2 + (v 2 w 1 ) 2) 2 ( (v 2 v 3 w 2 w 3 ) + (v 1 v 3 w 1 w 3 ) + (v 1 v 2 w 1 w 2 ) ) Muuttamalla ieman järjestystä saadaan = ( (v 1 w 2 ) 2 + (v 2 w 1 ) 2 + (v 1 w 3 ) 2 + (v 3 w 1 ) 2 + (v 2 w 3 ) 2 + (v 3 w 2 ) 2) 2 ( (v 1 v 2 w 1 w 2 ) + (v 1 v 3 w 1 w 3 ) + (v 2 v 3 w 2 w 3 ), joka on verrattavissa edellä ilmoitettuun pituuteen v 2 i w 2 j 2 v i w i v j w j. i<j i j 6

8 2.3 Suunnistus Seuraavaksi määritellään pinnalle suunnistus.tämä saadaan määritettyä pinnassa olevien vektorikenttien avulla seuraavasti. Määritelmä 2.3. Pinnan S suunnistus n-ulotteiselle pinnalle on sen C - yksikkönormaalivektorikenttä. Suunnistetuksi pinnaksi sanotaan pintaa, joka on varustettu suunnistuksella N. Lause 2.4. Olkoon nyt S R n+1 n-ulotteinen pinta, joka on myös polkuytenäinen. Täten pinnalle S on olemassa tasan kaksi yksikkönormaalivektorikenttää X ja Y, jotka ovat C -yksikkönormaalivektorikenttiä. Lisäksi pätee, että yksikkönormaalivektorikenttä X on ytäsuuri kuin negatiivinen yksikkönormaalivektorikenttä Y. Toisin sanoen X(p) = Y (p). Todistus. Olkoon nyt fuktio f kuvaus reaalilukuavaruudelta R n+1 reaalilukuavaruudelle R sellainen C -kuvaus, että pinta S on fuktion f alkukuva pisteessä c, joka kuuluu reaalilukuiin R, sekä funktion f ensimmäisen derivaatan tulee olla erisuuri kuin nolla jokaisessa pisteessä x, joka kuuluu joukolle S. Tällöin voidaan merkitä, N 1 (p) := f(p) f(p). Vektorikenttä N on pinnan S yksikkönormaalivektorikenttä. Kuten on myös yksikkönormaalivektorikenttä N 2, joka on negatiivinen yksikkönormaalivektorikenttä N 1. Lauseen pääväite on se, että ei ole olemassa kolmatta yksikkönormaalivektorikenttää N 3. Jos näin olisi yksikkönormaalivektorikenttä N 3 tulisi olla kotisuorassa pinnan S tangenttia koti pisteessä p josta seuraisi, että olisi olemassa jokin luku g(p) siten, että N 3 (p) = g(p) N 1 (p). Edellä olleesta saadaan, että piste g(p) on sama asia kuin yksikkönormaalivektorikenttien N 3 (p) ja N 1 (p) tulo. Piste g(p) on siis näin ollen joko plus tai miinus yksi. Koska kuva g(s) on jatkuva polkuytenäisellä joukolla S niin kuvakin on polkuytenäinen. Tästä seuraa, että funktio g on vakio. Siis yksikkönormaalivektorikenttä N 3 on, joko yksikkönormaalivektorikenttä N 1 tai yksikkönormaalivektorikenttä N 2. 7

9 3 Käyrä tasossa ja Frenet'n kaavat tasokäyrälle Seuraavaksi käydään läpi kuinka tasossa olevasta käyrästä on madollista määrittää käyrän kaarevuus derivaattaa apuna käyttäen, sekä määritetään Frenet'n kaavat tasolle. Olkoon polku α C -polku. Polku α on kuvaus joukolta I reaalilukuavaruudelle R 2. Lisäksi jokaisessa polun α pisteessä t olevan nopeusvektorikentän α pituus on yksi. Toisin sanoen α(t) = 1. Merkitään nyt yksikkötangenttivektorikenttä T (t) vastaamaan nyt polun nopeusvektorikenttä α(t) pisteessä t. Olkoon myös yksikkönormaalivektorikenttä N, joka kulkee pitkin polkua α ja on kotisuorassa nopeusvektorikentän α vastaan jokaisessa pisteessä t, joka kuuluu joukkoon I. Koska jokaisessa pisteessä t yksikkönormaalivektorikenttä N on pituudeltaan yksi, niin yksikkönormaalivektorikentän derivaatta N on yksikkönormaalivektorikentän N kanssa kotisuorassa, toisin sanoen, koska niin tämän derivaatan tulee olla 0, eli N(t) N(t) = 1, 0 = d dt ( N(t) N(t)) = N(t) N(t) + N(t) N(t), joten N(t) N(t) = 0. Näin ollen täytyy olla olemassa jokin luku κ(t), joka kuuluu reaalilukuiin R, joka kuvaisi ajan etkellä t polun α kaarevuutta siten, että N = κ(t) T (t). (1) Määritelmä 3.1. Määritellään luku κ(t) siten, että se on polun α kaarevuusluku pisteessä t, joka kuuluu polulle α. Koska yksikkötangenttivektorikenttän pituus on jokaisessa pisteessä t yksi, kun piste t kuuluu joukkoon I, yksikkötangenttivektorikenttä T on kotisuorassa oman derivaattavektorikenttänsä T kanssa. Toisin sanoen yksikkötangenttivektorikenttä on sama asia kuin yksikkönormaalivektorikenttä N(t), jota kerrotaan jollain luvulla λ, joka kuuluu reaalilukuiin R. Koska yksikkötangenttivektorin T (t) tulo yksikkönormaalivektorin N(t) kanssa on nolla jokaisessa pisteessä t, niin 0 = d dt ( T N) = T N + T N. 8

10 Siten T (t) N(t) = T (t) N(t) = T (t) ( κ(t) T (t)) = κ(t) T (t) T (t) = κ(t). Toisaalta joten Koska niin 0 = d dt ( T (t) T (t)) = 2 T (t) T (t), T (t) = λ(t) N(t). T (t) N(t) = λ(t) N(t) N(t) = λ(t), T (t) = κ(t) N. (2) Ydistämällä edellä olleet kaavat (1) ja (2) saadaan Frenet'n kaavat polulle α, { N = κt T = κn. 4 Käyrä avaruudessa ja Frenet'n kaavat avaruuskäyrälle Seuraavaksi esitetään, kuinka voidaan ilmaista avaruudessa olevasta käyrästä sen kaarevuus ja kierevyys. Tapa, jolla edellisessä kappaleessa määritettiin kaarevuus tasokäyrälle, ei sellaisenaan sovellu avaruuskäyrän kaarevuuden määrittämiseen. Tämä jotuu siitä, että tangentin ortogonaalikomplementti on kaksiulotteinen. Tangentin ortogonaalikomplementti vastaa avaruuskäyrän normaalia. Olkoon polku α kuvaus joukolta I reaaliavaruudelle R 3, sekä polun α nopeusvektorikenttä α pituudeltaan yksi. Siis α(t) = 1 kaikilla pisteillä t, jotka kuuluvat joukolle I. Oletetaan, että polun kiityvyys α on eri suuri kuin nolla kaikissa pisteissä t joukossa I. Siis polun α toinen derivaatta ei saa olla nolla. Koska 0 = d ( α(t) α(t)) = 2 α(t) α(t), dt niin pisteessä t polun ensimmäinen derivaatta α(t) on kotisuorassa polun toisen derivaatan α kanssa. Määritellään seuraavaksi,että 9

11 on polun α päänormaali ja N(t) = α(t) α(t) B(t) = T (t) N(t) on polun sivunormaali. Polun kaarevuus κ(t) määritellään tangentin avulla T (t) = κ(t) N(t). (3) Nyt B(t) = λ 1 T (t) + λ2 N(t) + λ3 B(t) Koska sivunormaalin B pituus on yksi B(t) = 1 niin se on kotisuorassa omaa derivaattaansa B(t) vastaan. Näin ollen λ3 = 0, jolloin B(t) = λ 1T (t) + λ2n(t) Toisaalta B(t) = d dt ( T (t) N(t)) = T (t) N(t) + T (t) N(t) = T (t) N(t) Koska T (t) N(t) on kotisuorassa yksikkötangenttivektorikenttää T (t) vastaan lemmen 2.2 nojalla, on λ 1 = 0. Siis B(t) = λ 2 N(t). Polun α kierevyyttä merkitään kierevyysluvulla τ(t), joka on nyt τ(t) = λ 2. Toisin sanoen B(t) = τ(t) N(t) (4) Lemman 2.2 nojalla sivunormaali B(t) on kotisuorassa sekä normaalin N(t), että tangentin T (t) kanssa. Lisäksi sivunormaalin B(t) pituus B(t) on yksi. 10

12 Toisaalta N(t) = B(t) T (t), josta derivoimalla saadaan N(t) = B(t) T (t) + B(t) T (t) Sijoitetaan tunnetut T = κ(t) N(t) ja B(t) = τ(t) N(t). = τ(t) N(t) T (t) + B(t) κ(t) N(t) = τ(t) T (t) N(t) + N(t) κ(t) B(t) = τ(t) B(t) + κ(t) T (t). Täten yksikkönormaalivektorin deivaatta N voidaan ilmaista muodossa N = κ T + τ B (5) Kaavoista (3), (4) ja (5) saadaan avaruudessa R 3 Frenet'n kaavat T = κ N N = κ T + τ B B = τ N. Lause 4.1. Polku β on täsokäyrä, jos ja vain jos sen kierevyys τ on nolla ja kaarevuusluku κ on aidosti suurempaa kuin nolla. Todistus. Aluksi oletetaan, että käyrä β on tasokäyrä, jolta löytyy jotkin pisteet p ja q siten, että voimme esittää käyrän pisteen β(t) ja pisteen p erotuksen ristitulo pisteen q kanssa, joka tuottaa tulokseksi nollan, siis (β(s) p) q = 0, jokaisella pisteellä s. Derivoimalla edellä olevaa saamme β(s) (q) = β(s) (q) = 0 Näin ollen voimme sanoa, että piste q on aina ortogonaalinen yksikkötangenttivektorin T kanssa siis myös polun ensimmäisen derivaatan β kanssa. Lisäksi se on myös ortogonaalinen yksikköpäänormaalivektorin N kanssa, joka tarkoittaa samaa asiaa kuin yksikkösivunormaalivektorin derivaatan derivaattaa 11

13 β, joka sitten jaetaan kaarevuusluvulla κ, siis β/κ. Myös yksikkösivunormaalivektori B on ortogonaalinen yksikkönormaalivektorin N ja yksikkötangenttivektorin T kanssa. Tämä siksi, koska yksikkösivunormaalivektorin pituus on yksi. Sen derivaattaksi saadaan nolla ja kierevyys on näin myös nolla. Toisaalta kun kierevyysluku τ on nolla ja yksikkösivunormaalivektorin derivaatta B on nolla. Silloin yksikkösivunormaalivektori B on ydensuuntainen ja avaruudessa R 3 se voidaan nyt tunnistaa pisteeksi. Nyt asetamme niin, että käyrä β on taso joka kulkee käyrän nollapisteen β(0) kautta. Lisäksi se olisi kotisuorassa yksikkösivunormaalivektorin kanssa. Todistetaan tämä siten, että esitetään se funktiona josta derivoimalla f(s) = (β(s) β(0)) B, df ds = β B = T B = 0, Huomataan, että selvästi fuktion f arvo nollassa on nolla. Siitä seuraa (β(s) β(0)) B. Tästä seuraa, että käyrä β on kokonaan alutulla tasolla ja se on kotisuorassa omaan päänormaaliinsa näden. 12

14 5 Esimerkki Seuraavaksi käydään läpi esimerkki aieeseen liittyen. Esimerkki 5.1. Tarkastellaan ruuviviivaa eli spiraalia α(t)=(a cos t, a sin t, b t), a > 0, b > 0. Tässä α = a 2 + b 2 =: c. Jos β(t):=α(t/c) on β(t) = 1. Siis T (t) = β(t) = (β(t); ( a c sin t c, a c cos t c, b c )), N(t) = β(t)/ β(t) = (β(t); ( cos t c, sin t c, 0)), ja κ(t)= β(t) =a/b 2. Koska T = (β(t); ( b c sin t c, b c cos t c, a c )), on joten B(t) = (β(t); b c 2 cos t c, b c 2 sin t c, 0)), τ(t) = b/c 2. 13

15 Lädeluettelo [1] A. Letonen: Dierentiaaligeometria. Jyväskylä 1993 (sivut 59-60, ja 87-95) [2] B. O'Neill: Elementary Dierential geometry Second edition (sivut 49, ja 64-65) 14

Tasokäyrän kaarevuus LUKU 1

Tasokäyrän kaarevuus LUKU 1 LUKU Tasokäyrän kaarevuus.. Käyrät Määritelmä.. Polku (eli parametrisoitu käyrä) on jatkuva kuvaus α: I R n, missä I R on väli. Polku α = (α,..., α n ) on (jatkuvasti) derivoituva, jos jokainen α j, j

Lisätiedot

Determinantti 1 / 30

Determinantti 1 / 30 1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen

Lisätiedot

LUKU 10. Yhdensuuntaissiirto

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

Lisätiedot

LUKU 6. Weingartenin kuvaus

LUKU 6. Weingartenin kuvaus LUKU 6 Weingartenin kuvaus 6.1. Vektorikentän derivaatta Seuraavassa määritellään pinnalla määritellyn reaaliarvoisen funktion ja vektorikentän derivaatta. Nämä tulevat olemaan hyvinmääriteltyjä, kunhan

Lisätiedot

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä 4.1.3. Olkoot : [a, b] R m paloittain C 1 -polku välin [a, b] jaon P = {a = t 1 < < t k = b} ja joukko D R m sellainen, että ([a, b])

Lisätiedot

Pinnan tangenttivektorit

Pinnan tangenttivektorit LUKU 5 Pinnan tangenttivektorit Tästä lähtien oletetaan, että annetut polut, pinnat, funktiot ja vektorikentät ovat C. Vastaavasti, konstruoiduista poluista, pinnoista, funktioista ja vektorikentistä pitää

Lisätiedot

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

4. Käyrän lokaaleja ominaisuuksia

4. Käyrän lokaaleja ominaisuuksia 23 VEKTORIANALYYSI Luento 3 4 Käyrän lokaaleja ominaisuuksia Käyrän tangentti Tarkastellaan parametrisoitua käyrää r( t ) Parametrilla t ei tarvitse olla mitään fysikaalista merkitystä, mutta seuraavassa

Lisätiedot

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

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

Lisätiedot

Differentiaalimuodot

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

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 4: Taso- ja avaruuskäyrät

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 4: Taso- ja avaruuskäyrät MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 4: Taso- ja avaruuskäyrät Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 24 Motivaatio Tässä tutustutaan

Lisätiedot

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

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista

Lisätiedot

MATP153 Approbatur 1B Harjoitus 5 Maanantai

MATP153 Approbatur 1B Harjoitus 5 Maanantai MATP153 Approbatur 1B Harjoitus 5 Maanantai 30.11.015 1. (Opiskelutet. 0 s. 81.) Selvitä, miten lauseke sin(4x 3 + cos x ) muodostuu perusfunktioista (polynomeista, trigonometrisistä funktioista jne).

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

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

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

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

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

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

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

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

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta Eksponenttifuntio Palautetaan mieliin, että Neperin luvulle e pätee: e ) n n n ) n n n n n ) n. Tästä määritelmästä seuraa, että eksponenttifunktio e x voidaan määrittää

Lisätiedot

Hyperpintojen geometriaa

Hyperpintojen geometriaa Hyperpintojen geometriaa Pro Gradu-tutkielma Heikki Hyväri Opiskelijanumero 136592 Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2014 Sisältö Johdanto 2 1 Tarvittavia esitietoja 4 1.1 Kuvaajat

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1 / 18

Lisätiedot

jakokulmassa x 4 x 8 x 3x

jakokulmassa x 4 x 8 x 3x Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:

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

Johdantoa INTEGRAALILASKENTA, MAA9

Johdantoa INTEGRAALILASKENTA, MAA9 Lyhyehkö johdanto integraalilaskentaan. Johdantoa INTEGRAALILASKENTA, MAA9 Integraalilaskennan lähtökohta 1: Laskutoimitukset + ja ovat keskenään käänteisiä, samoin ja ovat käänteisiä, kunhan ei jaeta

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

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

Mat. tukikurssi 27.3.

Mat. tukikurssi 27.3. Mat. tukikurssi 7.. Tänään oli paljon vaikeita aiheita: - suunnattu derivaatta - kokonaisdierentiaali - dierentiaalikehitelmä - implisiittinen derivointi Nämä kaikki liittvät aika läheisesti toisiinsa.

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14

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

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 12 1 Eksponenttifuntio Palautetaan mieliin, että Neperin luvulle e pätee: e ) n n n ) n n n n n ) n. Tästä määritelmästä seuraa, että eksponenttifunktio e x voidaan

Lisätiedot

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

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

Lisätiedot

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

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta

Lisätiedot

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1 Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!

Lisätiedot

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö. Suorat ja tasot, L6 Suora xyz-koordinaatistossa Taso xyz-koordinaatistossa stä stä 1 Näillä kalvoilla käsittelemme kolmen laisia olioita. Suora xyz-avaruudessa. Taso xyz-avaruudessa. Emme nyt ryhdy pohtimaan,

Lisätiedot

Lineaariset kongruenssiyhtälöryhmät

Lineaariset kongruenssiyhtälöryhmät Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................

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

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

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

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

Lisätiedot

Vektoriarvoiset funktiot Vektoriarvoisen funktion jatkuvuus ja derivoituvuus

Vektoriarvoiset funktiot Vektoriarvoisen funktion jatkuvuus ja derivoituvuus 8. Vektoriarvoiset funktiot 8.1. Vektoriarvoisen funktion jatkuvuus ja derivoituvuus 320. Olkoon u reaalimuuttujan vektoriarvoinen funktio R R n ja lim t a u(t) = b. Todista: lim t a u(t) = b. 321. Olkoon

Lisätiedot

Viikon aiheet. Funktion lineaarinen approksimointi

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

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 212 RITVA HURRI-SYRJÄNEN 6.1. Poluista. 6. Kompleksinen integrointi Olkoon [α, β] suljettu reaaliakselin väli, α < β, ja olkoon A kompleksitason avoin joukko. Polku on

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x

Lisätiedot

JAKSO 2 KANTA JA KOORDINAATIT

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt. osa 2 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 1 R. Kangaslampi Matriisihajotelmista

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

l 1 2l + 1, c) 100 l=0

l 1 2l + 1, c) 100 l=0 MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

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

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 7: Pintaintegraali ja vuointegraali

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 7: Pintaintegraali ja vuointegraali MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 7: Pintaintegraali ja vuointegraali Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 24 Mikä on pinta?

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

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

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

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

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

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

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

802320A LINEAARIALGEBRA OSA III

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

Lisätiedot

x = π 3 + nπ, x + 1 f (x) = 2x (x + 1) x2 1 (x + 1) 2 = 2x2 + 2x x 2 = x2 + 2x f ( 3) = ( 3)2 + 2 ( 3) ( 3) + 1 3 1 + 4 2 + 5 2 = 21 21 = 21 tosi

x = π 3 + nπ, x + 1 f (x) = 2x (x + 1) x2 1 (x + 1) 2 = 2x2 + 2x x 2 = x2 + 2x f ( 3) = ( 3)2 + 2 ( 3) ( 3) + 1 3 1 + 4 2 + 5 2 = 21 21 = 21 tosi Mallivastaukset - Harjoituskoe F F1 a) (a + b) 2 (a b) 2 a 2 + 2ab + b 2 (a 2 2ab + b 2 ) a 2 + 2ab + b 2 a 2 + 2ab b 2 4ab b) tan x 3 x π 3 + nπ, n Z c) f(x) x2 x + 1 f (x) 2x (x + 1) x2 1 (x + 1) 2 2x2

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

Lisätiedot

3.4 Käänteiskuvauslause ja implisiittifunktiolause

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

Lisätiedot

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

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

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

Kompleksianalyysi, viikko 4

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

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 Kertaus. Lineaarinen optimointitehtävä on muotoa: 1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n

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

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

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

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

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

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt 37. Toisen kertaluvun lineaariset differentiaalihtälöt Tarkastelemme muotoa () ( x) + a( x) ( x) + a( x) ( x) = b( x) olevia htälöitä, missä kerroinfunktiot ja oikea puoli ovat välillä I jatkuvia. Edellisen

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

MS-A0102 Differentiaali- ja integraalilaskenta 1

MS-A0102 Differentiaali- ja integraalilaskenta 1 MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Derivaatta 1.1 Derivaatta Erilaisia lähestymistapoja: I geometrinen

Lisätiedot

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

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

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

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

Lisätiedot

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

Lineaarinen yhtälöryhmä

Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä 1 / 39 Lineaarinen yhtälö Määritelmä 1 Lineaarinen yhtälö on muotoa a 1 x 1 + a 2 x 2 + + a n x n = b, missä a i, b R, i = 1,..., n ovat tunnettuja ja x i R, i = 1,..., n ovat tuntemattomia.

Lisätiedot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan

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

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

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

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

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

Johdatus matemaattiseen päättelyyn

Johdatus matemaattiseen päättelyyn Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 3 Joukko-oppia 4 Funktioista Funktio eli kuvaus on matematiikan

Lisätiedot

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset 31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita

Lisätiedot

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

Monistot LUKU 4. (P ): on olemassa avoin, pisteen x sisältävä joukko U R n, avoin joukko W LUKU 4 Monistot Muistettakoon, että avointen joukkojen U, V R n välinen diffeomorfismi h: U V on C 1 -kuvaus, jolle myös käänteiskuvaus h 1 on C 1. Jatkossa oletetaan, että tarkasteltavat kuvaukset ovat

Lisätiedot

Pistetulo eli skalaaritulo

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

Lisätiedot

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

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