9. Dualiteetti. Todistus. Väite seuraa suoraan Lauseesta 6.6, koska skalaarikunta K on täydellinen.

Koko: px
Aloita esitys sivulta:

Download "9. Dualiteetti. Todistus. Väite seuraa suoraan Lauseesta 6.6, koska skalaarikunta K on täydellinen."

Transkriptio

1 128 FUNKTIONAALIANALYYSIN PERUSKURSSI 9. Dualiteetti Jos E on vektoriavaruus, niin merkintä E = L(E, K) tarkoittaa avaruuden E algebrallista duaalia. Duaalin E ovat avaruuden E lineaarisia muotoja. Jos x E ja x E, niin usein merkitään x, x funktiomerkinnän x (x) sijasta. Ehto (x, x ) x, x määrittelee niin sanotun kanonisen bilineaarimuodon E E K. Normiavaruuden tapauksessa x E voi olla jatkuva tai epäjatkuva, joten tämän motivoimana määrittelemme Määritelmä. Jos E on normiavaruus, niin E = L (E, K) on avaruuden E (topologinen) duaali. Siis E = { x : x on jatkuva lineaarikuvaus E K } ja E on avaruuden E vektorialiavaruus. Jos E on äärellisulotteinen, niin E = E. Muussa tapauksessa E E. Jos x E, niin funktionaalin x normi on Lauseen 6.1 sivulla 97 nojalla x = sup x, x. x 1 Siis (E, ) on normiavaruus saman Lauseen 6.1 nojalla Lause. Jos E on normiavaruus, niin (E, ) on Banachin avaruus. Todistus. Väite seuraa suoraan Lauseesta 6.6, koska skalaarikunta K on täydellinen Esimerkki. Olkoon 1 < p < ja q = p/(p 1), eli 1 p + 1 q = 1, joten p ja q ovat duaalieksponentteja (katso luku 2, Määritelmän 2.13 sivulla 14 jälkeinen teksti). Näytämme, että avaruuden (l p, p ) duaali on isomorfinen avaruuden (l q, q ) kanssa. Merkitään kun k N, ja kun x = (x k ) k e k = (,...,, 1,,... ) l }{{} p, k 1 kpl. s n (x) = l p ja n N. Tällöin x k e k, k=1 ( lim x s n(x) p = n k=n+1 x k p ) 1/p =,

2 eli FUNKTIONAALIANALYYSIN PERUSKURSSI 129 x = x k e k. k=1 Jos x (l p ), x l p ja n N, niin s n (x), x = x k e k, x =: k=1 x k y k. Koska lim s n (x) = x ja x on jatkuva, niin lim s n (x), x = x, x, siis (9.4) x, x = x k y k. Näytämme, että (y k ) k ja asetetaan jokaisella n N Tällöin w n p p = k=1 k=1 l q. Merkitään y k q, kun y k, α k = y k, kun y k =, w n = α k e k l p. k= α k p = k= y k p(q 1) = k= y k q. Sijoitetaan kaavaan (9.4) muuttujan x paikalle w n. Nyt A := y k q = α k y k = w n, x = w n, x w n p x (9.5) k= k= k= ( ) 1/p = y k q x = A 1/p x k= Kerrotaan yhtälö (9.5) puolittain luvulla A 1/p, jolloin saadaan Siis y = (y k ) k asettaen ( ) 1/q A 1 1/p = A 1/q = y k q x. k= l q ja y q x. Määrittelemme kuvauksen T : (l p ) l q T x = y, missä siis y = (y k ) = ( e k, x ). Suoraan määritelmästä seuraa, että T on lineaarinen kuvaus, ja edellä totesimme, että T x q x,

3 13 FUNKTIONAALIANALYYSIN PERUSKURSSI joten T on jatkuva. Jos T x =, niin e k, x = kaikilla k N, ja siis s n (x), x = x k e k, x =, k= kaikilla (x k ) l p ja kaikilla n N. Koska x on jatkuva ja lim s n (x) = x, niin päättelemme, että x, x = jokaisella x l p, joten x =. Siispä T on injektio. Jos x = (x k ) l p ja y = (y k ) l q, niin Hölderin epäyhtälön (Lause 2.17 sivulla 14) mukaan ( ) 1 ( ) 1 x k y k x k p p y k q q. k=1 k=1 Tästä seuraa, että kuvaus Λ y : x x k y k on jatkuva lineaarinen kuvaus l p K, joten se on eräs duaaliavaruuden (l p ) alkio, ja sen normi k=1 ( ) 1 Λ y y k q q k=1 = y q. Määritellään kuvaus S : y Λ y. Edellisen perusteella S on jatkuva lineaarinen kuvaus S : l q (l p ), jolle Sy y q jokaisella y l q. Suoraan operaattorin S määritelmän nojalla e k, Sy = y k jokaisella k N, joten T Sy = y kaikilla y l q. Siis T ((l p ) ) = l q ja koska T jo edellä todettiin injektioksi, se on siis bijektio ja S on operaattorin T käänteiskuvaus. Olkoon nyt x (l p ) ja y = T x. Tällöin siis Sy = x ja x = Sy y q = T x q x. Tästä seuraa, että T x q = x joten T on isometrinen isomorfismi (l p ) l q. Voimme siten samaistaa avaruudet (l p ) ja l q. Tämän takia usein merkitäänkin q = p. Koska p ja q ovat symmetrisessä asemassa keskenään, niin vastaavasti l p ja (l q ) voidaan samaistaa keskenään isometrisesti isomorfisina avaruuksina. Siispä ((l p ) ) = (l p ) = (l q ) = l p. Tämä tulos ilmaistaan sanomalla, että l p on refleksiivinen avaruus, kun 1 < p <.

4 FUNKTIONAALIANALYYSIN PERUSKURSSI 131 Jos x = (x k ) l p ja x = (y k ) l q, niin kanoninen bilineaarimuoto voidaan siis esittää muodossa (9.4): x, x = x k y k. Jos erityisesti p = q = 2, niin tarkasteltavana on Hilbertin vektoriavaruus l 2. Tällöin on siis edellisen mukaan (l 2 ) = l 2 ja kanoninen bilineaarimuoto voidaan tulkita sisätuloksi k= x, x = ( x y ), missä y = (y k ) k l 2. Kuvaus y = (y k ) k (y k ) k = y on tässä tapauksessa liittolineaarinen ja isometrinen bijektio l 2 (l 2 ). Tähän asiaa palataa yleisemmissä puitteissa Esimerkki. Olkoon Ω R n, n 1, esimerkiksi avoin osajoukko ja µ Lebesguen mitta avaruudessa R n. Olkoon 1 < p <. Silloin avaruuden L p (Ω) duaali on luonnollisella tavalla isometrisesti isomorfinen avaruuden L q (Ω) kanssa, missä q on jälleen p:n duaalieksponentti. Tarkemmin sanoen jokaista ϕ (L p (Ω)) vastaa yksikäsitteinen g L q (Ω), jolle f, ϕ = f(x)g(x)µ(dx), jokaisella f L p (Ω). Ω Katso esimerkiksi W. Rudin: Real and Complex analysis, Theorem Edelleen, ϕ = g q. Tulos pätee myös tapauksessa p = 1 (jolloin q = ), mutta tulos ei ole voimassa, kun p =. Huomautettakoon vielä, että täysin edellisen kaltaisella päättelyllä voidaan osoittaa, että avaruuden l 1 duaali (l 1 ) on isometrisesti isomorfinen avaruuden l kanssa. Sen sijaan avaruuden l duaali (l ) ei ole isomorfinen avaruuden l 1 kanssa. Itse asiassa duaalia (l ) ei voida esittää minään jonoavaruutena, vaan sen luonnollisen esityksen muodostavat äärellisesti additiiviset joukkofunktiot ba (N) eli äärellisesti additiiviset mitat (kts. Köthe, Topologische Lineare Räume, 31) Hilbertin avaruuden duaali Olkoon E Hilbertin avaruus ja x E. Olkoon f x : E K kuvaus z ( z x ), z E. Välittömästi voimme todeta, että f x on lineaarinen. Cauchy Schwarzin epäyhtälön mukaan f x (z) = ( z x ) z x

5 132 FUNKTIONAALIANALYYSIN PERUSKURSSI jokaisella z E, joten f x on jatkuva eli f x E Lause (Fréchet Rieszin lause). Jos E on Hilbertin avaruus ja f x (z) = ( z x ), kun x E ja z E, niin kuvaus Λ: x f x määrittelee liittolineaarisen ja isometrisen bijektion E E. Todistus. Kuvauksen Λ liittolineaarisuus on ilmeinen. Koska on f x E ja f x x. Toisaalta f x (z) x z, x 2 = ( x x ) = f x (x) = f x (x) f x x, joten x f x ja siis f x = x, eli kuvaus Λ on isometria E E. Koska jokainen isometria on injektio, niin olemme jo osoittaneet, että kuvaus Λ on jatkuva lineaarinen injektio, joka on lisäksi isometria. Näytämme seuraavaksi, että Λ on surjektio E E. Olkoon siis f E. Jos f =, niin f(z) = ( z ) jokaisella z E, eli f = f. Olettakaamme siis, että f. Merkitään M = Ker (f) = { z E : f(z) = }. Koska f on jatkuva ja yksiö {} on suljettu skalaarikunnassa K, on M = f 1 ({}) avaruuden E suljettu vektorialiavaruus. 14 Lauseen 4.26 sivulla 63 nojalla E = M M. Koska f, on M E, joten M { }. Siispä löytyy sellainen y M, että y. Olkoon z E; tällöin f(f(z)y f(y)z) = f(z)f(y) f(y)f(z) =, joten f(z)y f(y)z Ker (f) = M. Koska y M, niin tästä seuraa, että ( f(z)y f(y)z y ) = f(z)( y y ) f(y)( z y ) =. Koska y, niin ( y y ) = y 2 >, joten edellisestä saadaan esitys f(z) = ( z f(y) y 2 y ) =: ( z x ), kun z E. Olemme siis osoittaneet, että f(z) = ( z x ) = f x (z) jokaisella z E, joten f = f x ja siis kuvaus Λ on surjektio E E. Fréchet Rieszin lauseen mukaan Hilbertin avaruuden E jokainen jatkuva lineaarimuoto voidaan esittää sisätulon avulla seuraavasti: z ( z x ), missä 14 kts. Topologia I, 15.2.

6 FUNKTIONAALIANALYYSIN PERUSKURSSI 133 vektorix E on yksikäsitteisesti määrätty ja kyseessä olevan lineaarimuodon normi on x. Kuvausta x f x sanotaan usein kanoniseksi kuvaukseksi E E. Hahn Banachin lause Olkoon E Hilbertin avaruus, M E sen suljettu aliavaruus, F normiavaruus ja T L (M, F ). Tällöin T voidaan jatkaa jatkuvana lineaarikuvauksena koko avaruuteen E, toisin sanoen löytyy sellainen T 1 L (E, F ), jolle T 1 x = T x, kun x M ja vieläpä T 1 = T. Tämä jatko saadaan käyttämällä ortoprojektiota P M : E M ja määritellään T 1 := T P M. Jätämme lukijalle harjoitustehtäväksi näyttää, että T 1 on vaadittu jatko. Jos E onkin vain Banachin avaruus, ei tälle jatkamisongelmalle aina ole ratkaisua! Esimerkiksi, jos M = c ja E = l, niin M E on avaruuden l suljettu vektorialiavaruus. Valitaan edelleen F = c ja T L (M, F ) identtinen kuvaus. Kuitenkin tiedämme, että ei ole olemassa operaattoria T 1 L (E, F ), jolle pätisi T 1 x = T x jokaisella x M! Hahn Banachin lause liittyy tähän jatkamisongelmaan. Sen seurauksena tiedetään, että E on Banachin avaruus ja F on äärellisulotteinen, niin tällöin jokainen T L (M, F ) voidaan jatkaa jatkuvana lineaarisena operaattorina koko avaruuteen E. Hahn Banachin lause liittyy myös seuraavaan ongelmaan: jos E on normiavaruus ja x, y E, x y, niin löytyykö sellainen duaalin E alkio, että x, x y, x. Siis tämä on eräänlainen tunnistamisongelma; kykenemmekö me erottamaan avaruuden pisteitä jatkuvilla lineaarisilla funktionaaleilla? Yleisemmin, minkälaiset konveksit joukot voidaan separoida toisistaan duaalin E alkioilla. Hahn Banachin lause antaa näihin ongelmiin vastauksen. Lause on hyvin syvällinen, sillä se on itse asiassa ekvivalentti Zornin lemman ja siten valintaaksiomin kanssa. Aloitamme todistuksen seuraavalla aputuloksella, jota voi ajatella eräänlaisena induktioaskeleena, sillä Zornin lemma on myös ekvivalentti ns. transfiniittisen induktion kanssa Lemma. Olkoon E vektoriavaruus, jonka skalaarikuntana on R. Olkoon M E aito vektorialiavaruus, p seminormi avaruudessa E ja f sellainen lineaarimuoto M R, että f(u) p(u) aina, kun u M. Jos tällöin z E \ M ja M 1 = M span (z), niin on olemassa sellainen lineaarimuoto

7 134 FUNKTIONAALIANALYYSIN PERUSKURSSI f 1 : M 1 R, että f 1 (u) = f(u) jokaisella u M ja f 1 (w) p(w) kaikilla w M 1. Todistus. Jos x, y M, niin Siispä f(x) f(y) = f(x y) p(x y) p(x + z) + p( y z) = p(x + z) + p(y + z). p(y + z) f(y) p(x + z) f(x), aina, kun x, y M. Koska edellisen arvion oikea puoli ei riipu muuttujasta y, niin sup( p(y + z) f(y)) p(x + z) f(x) y M ja edelleen, koska edellisen arvion vasen puoli ei riipu muuttujasta x, niin sup( p(y + z) f(y)) inf (p(x + z) f(x)) y M x M Tästä voimme päätellä, että on olemassa sellainen vakio c R, että (9.9) p(y + z) f(y) c p(x + z) f(x) kaikilla x, y M. Tämän vakion avulla saamme nyt laajennuksen määriteltyä avaruuteen M 1. Jos w M 1 = M span (z), niin w = u + λz, missä u M ja λ R ovat yksikäsitteiset. Määritellään f 1 : M 1 R asettamalla f 1 (w) = f 1 (u + λz) = f(u) + λc, missä c on epäyhtälöparissa (9.9) esiintyvä vakio. Tällöin f 1 M 1 ja f 1(u) = f(u) jokaisella u M. Pyrimme osoittamaan, että f 1 (w) p(w). Tapaus λ = on selvä, koska f p aliavaruudessa M. Olkoon siis λ. Epäyhtälöparista (9.9) seuraa, että kun u M ja siis p(λ 1 u + z) f(λ 1 u) c p(λ 1 u + z) f(λ 1 u), 1 λ p(u + λz) 1 λ f(u) c 1 λ p(u + λz) 1 λ f(u), mikä on yhtäpitävä epäyhtälöparin (9.1) 1 λ p(w) c + 1 λ f(u)) 1 λ p(w) kanssa. Koska c + 1 λ f(u) = 1 λ (f(u) + λc) = 1 λ f 1(w),

8 FUNKTIONAALIANALYYSIN PERUSKURSSI 135 niin havaitaan, että epäyhtälöpari (9.1) voidaan kirjoittaa muodossa mikä osoittaa väitteen. 1 λ p(w) 1 λ f 1(w) 1 λ p(w) = f 1(w) p(w), Lemma 9.8 ilmaisee siis sen, että seminormin majoiroima vektorialiavaruuden lineaarimuoto voidaan jatkaa samanlaiseksi muodoksi yhtä dimensiota laajempaan avaruuteen. Seuraavaksi osoitetaan, että se voidaan jatkaa koko avaruuteen Lause (Hahn Banach). Olkoon E R-vektoriavaruus, M sen vektorialiavaruus, p seminormi avaruudessa E ja f sellainen lineaarimuoto M R, että f(u) p(u), kun u M. Tällöin on olemassa sellainen lineaarimuoto g : E R, että g(u) = f(u), kun u M ja g(x) p(x), kun x E. Todistus. Todistuksen alkuun tarvitsemme hieman merkintöjä. Kun N 1 N 2 on kaksi avaruuden E vektorialiavaruutta, h 1 L(N 1, R) ja h 2 L(N 2, R), niin merkitsemme h 1 h 2 h 2 (x) = h 1 (x), kun x N 1. Kun N M on avaruuden E vektorialiavaruus, niin asetamme F N = { h L(N, R) : f h, ja h(x) p(x), kun x N }. Tämän jälkeen merkitsemme vielä F = { F N : N on avaruuden E aliavaruus ja N M }. Tällöin f F M F, joten F. Edelleen havaitsemme, että (F, ) muodostaa osittain järjestetyn joukon. Olkoon G = { h i F Ni : i I } jokin joukon F täysin järjestetty osajoukko. Tämä tarkoittaa sitä, että jos h, g G, niin h g tai g h. Nyt yhdiste N = i I N i on avaruuden E vektorialiavaruus, kuten helposti huomataan sen perusteella, että G on täysin järjestetty. Voimme määritellä lineaarimuodon k L(N, R) asettamalla k(x) = h i (x), kun x N i, mikä on hyvin määritelty, sillä jos x N i N j, niin tällöin h i (x) = h j (x). Kuvauksen k lineaarisuus seuraa jälleen välittömästi siitä, että G on täysin

9 136 FUNKTIONAALIANALYYSIN PERUSKURSSI järjestetty. Suoraan kuvauksen k määritelmän seuraa, että k F ja h i k kaikilla i I. Toisin sanoen k on joukon G yläraja. Zornin lemman (kts. Appendix tai Topologia II, luku 17) nojalla joukossa F on siten (ainakin yksi) maksimaalinen alkio g : W R. Jos W E, niin on olemassa z E \ W ja nyt Lemman 9.8 nojalla löytyy sellainen lineaarimuoto g 1 : W span (z) = W 1 R, että g(x) = g 1 (x) kun x W ja lisäksi g(x) p(x) kaikilla x W 1. Todistuksen merkintöjen mukaan tämä tarkoittaa, että g 1 F W1 ja g g 1. Siispä g 1 F, mutta g g 1, joten g ei olisikaan maksimaalinen alkio. Näin ollen on välttämättä W = E ja g on siten etsitty lineaarinen muoto E R. Lauseen 9.11 perustyyppi on ensimmäisen kerran esiintynyt (hieman rajoitetummassa muodossa) eräässä Hahnin julkaisussa vuonna 1927, ja hiukan Lausetta 9.11 yleisemmässä muodossa Stefan Banachilla vuodelta Näissä on oleellista se, että E on reaalinen vektoriavaruus. Tämän lauseen yleistivät kompleksiseen avaruuteen vuonna 1938 samanaikaisesti Yhdysvalloissa Bohnenblust ja Sobczyk, sekä Neuvostoliitossa Suhomlinov. Olkoon E kompleksinen vektoriavaruus. Koska R voidaan tulkita kompleksilukujen C alikunnaksi, on tulo λx määritelty, kun λ R ja x E, joten E voidaan luonnollisella tavalla varustaa myös R-vektoriavaruuden struktuurilla. Merkitsemme E r :llä avaruutta E tulkittuna reaaliseksi vektoriavaruudeksi. Olkoon f lineaarimuoto E C, eli f E. Merkitsemme f(x) = f 1 (x) + if 2 (x), kun x E ja missä f 1 (x), f 2 (x) R ja edelleen f 1 = 1 (f + f), 2 g 2 = 1 (f f). 2i Siispä f 1, f 2 ovat R-lineaarisia muotoja E r x E, niin R. Koska f(ix) = if(x), kun f(ix) = f 1 (ix) + if 2 (ix) = i(f 1 (x) + if 2 (x)) = if 1 (x) f 2 (x). Tästä seuraa, että f 1 (ix) = Re (f(ix)) = Re (if 1 (x) f 2 (x)) = f 2 (x), eli f 2 (x) = f 1 (ix), joten saamme esityksen (9.12) f(x) = f 1 (x) if 1 (ix), kun x E.

10 FUNKTIONAALIANALYYSIN PERUSKURSSI 137 Kääntäen, jos f 1 on lineaarimuoto E r R ja asetamme f(x) = f 1 (x) if 1 (ix), kun x E. Siis f on kuvaus E C. Koska f 1 (x + y) = f 1 (x) + f 1 (y), niin välittömästi toteamme kuvauksen f määritelmän nojalla, että f(x + y) = f(x) + f(y). Jos x E, niin f(ix) = f 1 (ix) if 1 ( x) = f 1 (ix) + if 1 (x) = i(f 1 (x) if 1 (ix) = if(x). Olkoon nyt c = a + ib C, missä a, b R, ja olkoon x E. Edellä tehtyjen havaintojen nojalla on tällöin f(cx) = f((a+ib)x) = f(ax)+f(ibx) = af(x)+if(bx) = (a+ib)f(x) = cf(x). Siis f on lineaarimuoto E C. Olemme siten todistaneet, että algebrallisen duaalin E alkiot ovat täsmälleen ne kuvaukset f : E C, jotka voidaan esittää muodossa f(x) = f 1 (x) if 1 (ix), missä f 1 on R-lineaarimuoto E r R. Tämän avulla voimme nyt osoittaa kompleksisen version Hahn Banachin lauseesta Lause (Bohnenblust Sobczyk Suhomlinov). Olkoon E vektoriavaruus, jonka skalaarikuntana on K, missä K = R tai K = C. Olkoon M avaruuden E vektorialiavaruus, p seminormi avaruudessa E ja f sellainen lineaarimuoto M K, että f(u) p(u), kun u M. Tällöin on olemassa sellainen lineaarimuoto g : E K, että g(u) = f(u), kun u M, ja g(x) p(s) kaikilla x E. Todistus. Tapaus K = R on sama kuin Lause Olkoon K = C. Tällöin (9.14) f(u) = f 1 (u) if 1 (iu), kun u M, missä f 1 on R-lineaarimuoto M r R. Koska niin f 1 (x) = 1 (f(x) + f(x)), 2 f 1 (x) = 1 2 f(x) + f(x) 1 ( f(x) + f(x) ) = f(x), 2 ja siis f(x) p(x), kun x M. Hahn Banachin lauseen 9.11 nojalla on siis olemassa sellainen R-lineaarinen muoto g 1 : E R, että g 1 (u) = f 1 (u), kun u M, ja g 1 (x) p(x) kaikilla x E r. Asetamme: (9.15) g(x) = g 1 (x) ig 1 (ix),

11 138 FUNKTIONAALIANALYYSIN PERUSKURSSI kun x E. Tällöin g on lineaarimuoto E C ja g(u) = f(u), kun u M. Vielä on osoitettava, että g(x) p(x) jokaisella x E. Olkoon x E. Tällöin on olemassa sellainen λ C, että λ = 1 ja g(x) = λ 1 g(x) Tällöin g(λx) = λg(x) = g(x) R, joten kuvauksen g määritelmän (9.15) nojalla on siis g(λx) = g 1 (λx). Koska λ = 1, niin suoraan laskemalla saamme nyt, että g(x) = λ g(x) = λg(x) = g(λx) = g 1 (λx) p(λx) = λ p(x) = p(x). Näin ollen g täyttää vaaditut ehdot Huomautus. Myös Lausetta 9.13 sanotaan usein Hahn Banachin lauseeksi, samoin kuin esimerkiksi seuraavaa lausetta, jota voidaan pitää Lauseen 9.13 seurauslauseena. Seuraavaksi sovellamme edellä olleita lauseita erilaisten jatkuvien lineaaristen funktionaalien rakentamiseen normiavaruuksissa tai Banachin avaruuksissa Lause. Olkoon E normiavaruus, M sen vektorialiavaruus ja u M. Tällöin on olemassa sellainen x E, että u, x = u, u, kun u M, ja x = u. Todistus. Määritellään seminormi p avaruudessa E asettamalla kun x E. Tällöin p(x) = x u, u, u u u = p(u), kun u M ja siis Lauseen 9.13 nojalla on olemassa sellainen x E, että u, x = u, u, kun u M ja x, x p(x) = x u kaikilla x E. Siispä x on jatkuva eli x E, ja x u. Toisaalta, u = sup{ u, u : u 1, u M } = sup{ u, x : u 1, u M } sup{ x, x : x 1, x E } = x, joten x = u.

12 FUNKTIONAALIANALYYSIN PERUSKURSSI 139 Lauseen 9.17 mukaan siis normiavaruuden vektorialiavaruuden jatkuva lineaarimuoto voidaan jatkaa koko avaruuden jatkuvaksi lineaarimuodoksi siten, että sen normi säilyy muuttumattomana (mikä on erityisen hyödyllistä) Lause. Olkoon M normiavaruuden E vektorialiavaruus, x E ja d = dist(x, M) >. Tällöin on olemassa sellainen x E, että x (M) = {}, x, x = d ja x = 1. Todistus. Merkitään W = M span (x ). Jos z W, niin z = u + λx, missä u M ja λ K ovat yksikäsitteisiä. Asetetaan z, z = λd. Tällöin z on lineaarinen muoto W K eli z W. Jos λ =, niin z, z = kaikilla z M, joten siis z (M) = {}. Oletamme seuraavassa, että λ. Tällöin z, z = λd λ u λ + x = u + λx = z, sillä d λ 1 u + x, koska λ 1 u M. Siispä z W ja z 1. Näytetään nyt, että z = 1. Tätä varten valitaan ε >. Koska d = inf{ x u : u M }, niin löytyy sellainen u M, että x u < d + ε. Nyt x u, z = x, z = d, joten soveltamlla tietoa (x u)/ x u = 1 saadaan z = sup{ u, z : u W, u 1 } x u, z x u d = x u > d d + ε = 1 ε d + ε, mistä päättelemme, että z 1. Nyt voimme soveltaa Lausetta 9.17, joka takaa sellainen jatkuvan lineaarifunktionaalin x E olemassaolon, jolle x, x = x, z, kun x W, ja x = z. Tällöin x (M) = {}, x, x = x, z = d ja x = Seuraus. Jos x on normiavaruuden E vektori, niin on olemassa sellainen x E, että x, x = x ja x = 1. Todistus. Jos M = { }, niin dist(x, M) = x. Väite seuraa siten välittömästi Lauseesta Seuraus. Jos E on normiavaruus ja x E, niin Todistus. Jos x 1, niin x = sup{ x, x : x E, x 1 }. x, x x x x,

13 14 FUNKTIONAALIANALYYSIN PERUSKURSSI joten sup x, x x. x 1 Jos x =, niin x = = sup x, x, joten oletamme, että x. Nyt Seurauksen 9.19 nojalla on olemassa sellainen x E, että x, x = x ja x = 1, joten x sup x, x Seuraus. Jos E on normiavaruus ja x E on sellainen vektori, että x, x = kaikilla x E, niin x =. Todistus. Jos x, x = kaikilla x E, niin Seurauksen 9.2 nojalla x = ja siis x = Lause. Olkoon M normiavaruuden vektorialiavaruus. Tällöin M on tiheä avaruudessa E silloin ja vain silloin kun avaruudella M on seuraava ominaisuus: Jos x E ja x (M) = {}, niin x =. Todistus. HT 13/26. Bilineaarimuodot ja Lax Milgramin lause Fréchet Rieszin lauseen sovelluksena todistamme Lax Milgramin lauseen, jota voi soveltaa differentiaaliyhtälöihin. Lause koskee Hilbertin avaruuksien bilineaarimuotoja Määritelmä. Olkoon E, F ja G vektoriavaruuksia. Sanomme, että kuvaus B : E F G on bilineaarinen, jos x B(x, y) on lineaarinen jokaisella y F ja y B(x, y) on lineaarinen jokaisella x E Lause. Olkoon E, F ja G normiavaruuksia. Tällöin bilineaarinen kuvaus B : E F G on jatkuva on olemassa sellainen M <, että B(x, y) M x y kaikilla (x, y) E F. Todistus. HT 13/26. Fréchet Rieszin lauseen avulla voimme nyt karakterisoida Hilbertin avaruuksien bilineaarimuodot eli bilineaarikuvaukset, joissa maaliavaruutena on K Seuraus. Olkoon E R-kertoiminen Hilbertin avaruus ja B : E E R bilineaarinen ja jatkuva. Silloin on olemassa yksikäsitteinen T L (E), jolle B(x, y) = ( x T y ) jokaisella x, y E.

14 FUNKTIONAALIANALYYSIN PERUSKURSSI 141 Todistus. Jos y E, niin kuvaus B y : x B(x, y) on jatkuva ja lineaarinen, eli B y E. Fréchet Rieszin lauseen nojalla on olemassa sellainen yksikäsitteinen alkio T (y) E, että B(x, y) = ( x T (y) ) jokaisella x E. Kuvaus T : y T (y) on lineaarinen (HT). Se on myös jatkuva, sillä T y 2 = ( T y T y ) = B(y, T y) M y T y, joten T y M y jokaisella y E Määritelmä. Kun E on Hilbertin avaruus, niin sanomme, että bilineaarimuoto B : E E R on koersiivinen, jos löytyy sellainen C >, että B(x, x) C x 2 jokaisella x E Lause (Lax Milgram). Olkoon B jatkuva, koersiivinen bilineaarimuoto Hilbertin avaruudessa E. Jos w E, niin on olemassa yksikäsitteinen u E, jolle (9.28) B(x, u) = x, w jokaisella x E. Todistus. Olkoon w E. Fréchet Rieszin lauseen nojalla on olemassa sellainen yksikäsitteinen v E, jolle x, w = ( x v ) jokaisella x E. Seurauslauseen 9.25 mukaan voimme löytää operaattorin T L (E), jolle B(x, y) = ( x T y ) jokaisella x, y E. Koska B on koersiivinen, niin T on bijektio. Valitaan u = T 1 v, jolloin B(x, y) = ( x v ) = x, w kaikilla x E, joten ehto (9.28) on voimassa. Jos myös u 1 toteuttaa ehdon (9.28), on alkion v yksikäsitteisyyden nojalla B(x, u 1 ) = x, w = ( x v ) = ( x T u ) jokaisella x E. Seurauslauseen (9.25) mukaan saamme, että T u = T u 1 ja koska T on bijektio, niin u = u 1. Sovellamme Lax Milgramin lausetta seuraavan epähomogeeniseen Sturmin Liouvillenongelmaan (vertaa luvun 5 käsittelyä) (pu ) + qu = f, kun x (, 1) (SL ) u() =, u(1) =, missä p C 1 (, 1), q C(, 1), f L 2 (, 1) ovat annettuja ja p(x) α > ja q(x). Muistutamme, että H 1 (, 1) = { f H 1 (, 1) : f() = f(1) = } on Sobolevin avaruuden H 1 (, 1) suljettu vektorialiavaruus. Tarvitsemme seuraavan aputuloksen

15 142 FUNKTIONAALIANALYYSIN PERUSKURSSI Lemma (Poincarén epäyhtälö). On olemassa vakio C >, jolle kaikilla f H 1 (, 1). f H 1 (,1) C f L 2 (,1) Todistus. Jos f H 1 (, 1), niin Lauseen 5.21 sivulla 87 nojalla melkein kaikilla x [, 1] on voimassa x f(x) = f(x) f() = f (t) dt f L 1 (,1), mistä seuraa, että f f 1. Hölderin epäyhtälön nojalla siis f 2 2 f f 1 f 1 f 2 f 2 f 2, joten f 2 f 2. Siispä väite seuraa nyt avaruuden H 1 (, 1) normin määritelmästä Lause. Tehtävällä (SL ) on yksikäsitteinen heikko ratkaisu u H 1 (, 1). Jos f C(, 1), on u C 2 (, 1) ja se on tehtävän (SL ) klassinen ratkaisu. Heikko ratkaisu tarkoittaa tässä funktiota u H 1 (, 1), jolle (9.31) jokaisella ϕ D(, 1). p(x)u (x)ϕ (x) + q(x)u(x)ϕ(x) dx = f(x)ϕ(x) dx Todistus. 1. Kuten luvussa 5 näemme, että jokainen tehtävän (SL ) klassinen ratkaisu on myös heikko ratkaisu. 2. Määritellään Hilbertin avaruudessa E := (H 1(, 1), H 1 (,1) bilineaarimuoto B(u, v) = p(x)u (x)v (x) + q(x)u(x)v(x) dx. Koska p, q C(, 1), niin p, q M jollakin M <. Siispä Hölderin epäyhtälön avulla saamme B(u, v) M u (x)v (x) + u(x)v(x) dx C u H 1 v H 1, joten B on jatkuva. Poincarén epäyhtälön seurauksena B on myös koersiivinen, sillä u 2 H C 1 u 2 L = C u (x) 2 dx Cα 1 p(x)u (x) 2 dx 2 Cα 1 p(x)u (x) 2 + q(x)u(x) 2 dx = Cα 1 B(u, u). Edellä käytimme hyväksi oletusta p(x) α ja q(x).

16 FUNKTIONAALIANALYYSIN PERUSKURSSI Löydämme tehtävän (SL ) heikon ratkaisun nyt seuraavasti: Koska f L 2 (, 1) on lineaarikuvaus w(ϕ) = ϕ(x)f(x) jatkuva E R, joten w E. Lax Milgramin lauseen nojalla (sillä B toteuttaa Lax Milgramin lauseen ehdot) löydämme yksikäsitteisen funktion u E, jolle B(ϕ, u) = p(x)ϕ (x)u (x) + q(x)ϕ(x)v(x) dx = w(ϕ) = ϕ(x)f(x) jokaisella ϕ E. Määritelmän (9.31) nojalla tämä on tehtävän (SL ) yksikäsitteinen heikko ratkaisu (sillä D(, 1) E). 4. Kuten luvussa 5, voimme osoittaa, että u C 2 (, 1) jos f C(, 1). Huomautamme vielä, että yleisempi tehtävä (pu ) + ru + qu = f, kun x (, 1) u() =, u(1) =, missä p, q ja f ovat kuten edellä ja r C(, 1), palautuu tehtävään (SL ) kertomalla ylempi yhtälö funktiolla ( x r(t) ) ζ(x) = exp p(t) dt ja käyttämällä identiteettiä ζ p + ζr =. (Katso Brezis, VIII. 4, mistä löytyy myös muita Lax Milgramin lauseen sovelluksia). Biduaali Määritelmä. Jos E on normiavaruus, niin E := (E ) on avaruuden E biduaali. Tiedämme jo, että normiavaruuden E biduaali on aina Banachin avaruus. Olkoon x E kiinteä ja tarkastellaan sen määräämää kuvausta J x : E K, J x x = x, x. Havaitsemme, että J x (E ) : kuvaus J x on lineaarinen, sillä J x (x + αy ) = x, x + αy = x, x + α x, y = J x (x ) + αj x (y ), kun x, y E ja α K. Edelleen joten J x on myös jatkuva. J x (x ) = x, x x x,

17 144 FUNKTIONAALIANALYYSIN PERUSKURSSI Siispä jokaisella x E, on kuvaus J x E, joka siis riippuu vektorista x. Merkitsemme näin muodostunutta kuvausta J : E E, Jx = J x. Kuvauksen J määrittelee siis ehto x, Jx = x, x, kun x E ja x E. Sanomme, että J on kanoninen kuvaus E E Lause. Jos E on normiavaruus, niin kanoninen kuvaus J : E E on lineaarinen isometria. Todistus. HT 13/26. Koska E on Banachin avaruus, niin lauseen 9.33 mukaan J(E) E on vektorialiavaruus, joka on isometrisesti isomorfinen avaruuden E kanssa. Nyt jos E on Banachin avaruus, niin J(E) on suljettu. Jos E ei ole täydellinen, ei myöskään J(E) ole suljettu. Kuitenkin voimme puhua vektorialiavaruuden J(E) sulkeumasta avaruudessa E. Sanommekin, että Banachin avaruus J(E) on avaruuden E täydentymä ja merkitsemme Ê := J(E). Jokaiselle normiavaruudelle E siis löytyy Banachin avaruus F (esimerkiksi F = Ê) ja sellainen lineaarinen isometria T : E F, että T (E) F on tiheä. Voidaan myös osoittaa, että jokainen tällainen F on itse asiassa lineaarisesti isometrinen täydentymän Ê kanssa Määritelmä. Normiavaruus E on refleksiivinen, jos J(E) = E. Koska E on aina Banachin avaruus, niin välttämätön ehto refleksiivisyydelle on, että E on Banachin avaruus. Jos E on refleksiivinen, niin E ja E ovat toisiinsa nähden symmetrisessä asemassa Esimerkki. a) Jokainen äärellisulotteinen normiavaruus on refleksiivinen: tällöin on nimittäin E = E ja siis dim (E) = dim (E ) = dim (E ), joten J on bijektio. b) Jos 1 < p <, niin l p on refleksiivinen: (l p ) =, missä q on p:n duaalieksponentti (1/p + 1/q = 1), ja x, y = k x k y k, kun x = (x k ) l p, y = (y l ). c) Vastaavasti, jos Ω R n on mitallinen, voidaan osoittaa, että L p (Ω) = L q (Ω). Dualiteetilla on luonnollinen esitys f, g = f(t)g(t)dµ missä f L p (Ω), g L q (Ω). Ω

18 FUNKTIONAALIANALYYSIN PERUSKURSSI 145 d) Seuraavat avaruudet eivät ole refleksiivisiä: c, c, l 1, l, C(, 1), L 1 (Ω) ja L (Ω). e) Olkoon E Hilbertin avaruus, x E ja z E. Jos merkitsemme f x (z) = ( z x ), niin Fréchet Rieszin lauseen mukaan kuvaus x f x on liittolineaarinen ja isometrinen bijektio E E. Tästä seuraa, että kanoninen kuvaus J : E E on bijektio ja siis jokainen Hilbertin avaruus on refleksiivinen. Separoituvan avaruuden tapauksessa tämä tulos sisältyy jo esimerkkiin b). f) Jos E on refleksiivinen avaruus ja M on avaruuden E suljettu vektorialiavaruus, niin M on refleksiivinen (Pettisin lause; kts. esim. Taylor, s. 192) Refleksiivisyys on yhteydessä Banachin avaruuden geometrian esim. Milmanin lauseen muodossa: Jokainen tasaisesti konveksi Banachin avaruus on refleksiivinen.

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

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

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

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

Zornin lemman nojalla joukossa E on siis maksimaalinen alkio (G, g). Kun näytetään, että G = E, niin väite on todistettu (L := g kelpaa).

Zornin lemman nojalla joukossa E on siis maksimaalinen alkio (G, g). Kun näytetään, että G = E, niin väite on todistettu (L := g kelpaa). f ( n) n 9. Hahnin ja Banachin lauseista 9.1. Sublineaarikuvauslause. Seuraavassa erilaisiin Hahnin ja Banachin lauseisiin lähdetään tutustumaan puhtaasti lineaarialgebrallisesta versiosta. Määritelmä

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

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

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

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

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

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

FUNKTIONAALIANALYYSI 2017

FUNKTIONAALIANALYYSI 2017 FUNKTIONAALIANALYYSI 2017 JOUNI PARKKONEN Nämä ovat muistiinpanoni funktionaalianalyysin kurssille kevätlukukaudella 2017. Tekstiä ei ole luettu äärimmäisen huolella puhtaaksi eikä sitä ole viilattu julkaisemista

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

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

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

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

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

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

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

Funktionaalianalyysi. että näiden laajennusten joukossa on maksimaalinen laajennus. Työläin kohta todistuksessa

Funktionaalianalyysi. että näiden laajennusten joukossa on maksimaalinen laajennus. Työläin kohta todistuksessa f ( n) Funktionaalianalyysi n H. Hahnin ja Banachin sublineaarikuvauslause Määritelmä H.1. Olkoon E vektoriavaruus. Kuvaus p: E R on sublineaarinen, jos a) p(λx) = λp(x) kaikille λ 0, x E, b) p(x + y)

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

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

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

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

Mathematicians are like Frenchmen: whatever you say to them they translate into their own language and forthwith it is something entirely

Mathematicians are like Frenchmen: whatever you say to them they translate into their own language and forthwith it is something entirely f ( n) JYVÄSKYLÄN YLIOPISTO Funktionaalianalyysi Sekalaisia harjoituksia MATEMATIIKAN JA TILASTOTIETEEN LAITOS n Jatkuu... Mathematicians are like Frenchmen: whatever you say to them they translate into

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

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

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Kantavektorien kuvavektorit määräävät lineaarikuvauksen Kantavektorien kuvavektorit määräävät lineaarikuvauksen Lause 18 Oletetaan, että V ja W ovat vektoriavaruuksia. Oletetaan lisäksi, että ( v 1,..., v n ) on avaruuden V kanta ja w 1,..., w n W. Tällöin

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

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

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

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

=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

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

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

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

1 Avaruuksien ja lineaarikuvausten suora summa

1 Avaruuksien ja lineaarikuvausten suora summa MAT-33500 Differentiaaliyhtälöt, kevät 2006 Luennot 27.-28.2.2006 Samuli Siltanen 1 Avaruuksien ja lineaarikuvausten suora summa Tämä asialöytyy myös Hirschin ja Smalen kirjasta, luku 3, pykälä 1F. Olkoon

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

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

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

Lisätiedot

Laskutoimitusten operaattorinormeista

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

Lisätiedot

4. LINEAARIKUVAUKSET

4. LINEAARIKUVAUKSET 86 4 LINEAARIKUVAUKSET 41 Määritelmä ja esimerkkejä Olkoot V ja V vektoriavaruuksia Tarkastellaan kuvausta L : V V Tällöin jokaiseen vektoriin v V liittyy tietty, L:n ja v:n yksikäsitteisesti määräämä

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

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

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

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

5. Fourier-sarjat. f(x)e inx dx. c n (cos(nx) + i sin(nx)), n= N. 2π f(x)e inx dx = 1 2π. k= N. e inx, n Z. 2π f(x)e inx dx = 1 (f e n ) 2π

5. Fourier-sarjat. f(x)e inx dx. c n (cos(nx) + i sin(nx)), n= N. 2π f(x)e inx dx = 1 2π. k= N. e inx, n Z. 2π f(x)e inx dx = 1 (f e n ) 2π 78 FUNKTIONAALIANALYYSIN PERUSKURSSI 5. Fourier-sarjat Fourier esitti vuonna 1822 lämmönjohtamista koskevien tutkimusten yhteydessä kuuluisan menetelmänsä esittää mielivaltainen -jaksollinen funktio kehitelmänä

Lisätiedot

Kompaktisuus ja filtterit

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

Lisätiedot

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

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

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

koska 2 toteuttaa rationaalikertoimisen yhtälön x 2 2 = 0. Laajennuskunnan

koska 2 toteuttaa rationaalikertoimisen yhtälön x 2 2 = 0. Laajennuskunnan 4. Äärellisten kuntien yleisiä ominaisuuksia 4.1. Laajenuskunnat. Tarkastellaan aluksi yleistä kuntaparia F ja K, missä F on kunnan K alikunta. Tällöin sanotaan, että kunta K on kunnan F laajennuskunta

Lisätiedot

Esko Turunen Luku 3. Ryhmät

Esko Turunen Luku 3. Ryhmät 3. Ryhmät Monoidia rikkaampi algebrallinen struktuuri on ryhmä: Määritelmä (3.1) Olkoon joukon G laskutoimitus. Joukko G varustettuna tällä laskutoimituksella on ryhmä, jos laskutoimitus on assosiatiivinen,

Lisätiedot

14. Juurikunnat Määritelmä ja olemassaolo.

14. Juurikunnat Määritelmä ja olemassaolo. 14. Juurikunnat Mielivaltaisella polynomilla ei välttämättä ole juuria tarkasteltavassa kunnassa. Tässä luvussa tutkitaan sellaisia algebrallisia laajennoksia, jotka saadaan lisäämällä polynomeille juuria.

Lisätiedot

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

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät Kari Astala ja Petteri Piiroinen FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos Luennot, kevät 26 Kari Astala ja Petteri Piiroinen Sopivaa oheis- ja lisälukemistoa tarjoavat esimerkiksi seuraavat

Lisätiedot

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja 5. Aliryhmät Luvun 4 esimerkeissä esiintyy usein ryhmä (G, ) ja jokin vakaa osajoukko B G siten, että (B, B ) on ryhmä. Määrittelemme seuraavassa käsitteitä, jotka auttavat tällaisten tilanteiden käsittelyssä.

Lisätiedot

Kurssikoe on maanantaina Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.

Kurssikoe on maanantaina Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla. HY / Avoin ylioisto Johdatus yliopistomatematiikkaan, kesä 05 Harjoitus 6 Ratkaisut palautettava viimeistään tiistaina.6.05 klo 6.5. Huom! Luennot ovat salissa CK maanantaista 5.6. lähtien. Kurssikoe on

Lisätiedot

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

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

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

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

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

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

1 Tensoriavaruuksista..

1 Tensoriavaruuksista.. 1 Tensoriavaruuksista.. Käydään läpi kirjan (1) sivut 126-133. 19.02.2007 Palautetaaieleen viime kerran tärkeä määritelmä: (kirja, Määr. 5.12). Määritelmä 1.1 Olkoon T vektoriavaruus ja Φ : V 1 V 2 V m

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

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

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

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

Lisätiedot

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

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

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

Lisätiedot

p-laplacen operaattorin ominaisarvo-ongelmasta

p-laplacen operaattorin ominaisarvo-ongelmasta p-laplacen operaattorin ominaisarvo-ongelmasta Jarkko Siltakoski Pro gradu -tutkielma Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 2016 R N x alue B(x 0, r) E E E int E E U E Merkintöjä

Lisätiedot

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi 7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi Z p [x]/(m), missä m on polynomirenkaan Z p [x] jaoton polynomi (ks. määritelmä 3.19).

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

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

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

(1.1) Ae j = a k,j e k.

(1.1) Ae j = a k,j e k. Lineaarikuvauksen determinantti ja jälki 1. Lineaarikuvauksen matriisi. Palautetaan mieleen, mikä lineaarikuvauksen matriisi annetun kannan suhteen on. Olkoot V äärellisulotteinen vektoriavaruus, n = dim

Lisätiedot

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2006, 2008 ja Kari Astala ja Petteri Piiroinen (v.

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2006, 2008 ja Kari Astala ja Petteri Piiroinen (v. FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos Luennot, kevät 26, 28 ja 21 Kari Astala ja Petteri Piiroinen (v. 26) Hans-Olav Tylli (v. 28 ja 21) Huom.: tämä

Lisätiedot

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2012 Kari Astala

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Luennot, kevät 2012 Kari Astala FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos Luennot, kevät 212 Kari Astala Luentomuistiinpanot perustuvat aikaisempiin versioihin vuodelta 26 (Kari Astala

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

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio 6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.

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

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

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

6. Toisen ja korkeamman kertaluvun lineaariset

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

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 16 R. Kangaslampi Vektoriavaruudet Lineaarikuvaus

Lisätiedot

Helsingin Yliopisto, Matematiikan ja tilastotieteen osasto. Luennot, kevät 2012 Kari Astala. Luennot, syksy 2017 Hans-Olav Tylli

Helsingin Yliopisto, Matematiikan ja tilastotieteen osasto. Luennot, kevät 2012 Kari Astala. Luennot, syksy 2017 Hans-Olav Tylli FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen osasto Luennot, kevät 212 Kari Astala Luennot, syksy 217 Hans-Olav Tylli Luennot, syksy 218 Jani Lukkarinen Luentomuistiinpanot

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO Syksy 2017 LINEAARIALGEBRA 1 / 59 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

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

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

1 Määrittelyjä ja aputuloksia

1 Määrittelyjä ja aputuloksia 1 Määrittelyjä ja aputuloksia 1.1 Supremum ja infimum Aluksi kerrataan pienimmän ylärajan (supremum) ja suurimman alarajan (infimum) perusominaisuuksia ja esitetään muutamia myöhemmissä todistuksissa tarvittavia

Lisätiedot

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

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

Lisätiedot

SUORAVIIVAISTA AJATTELUA OSA III TOPOLOGISET VEKTORIAVARUUDET JA DISTRIBUUTIOT

SUORAVIIVAISTA AJATTELUA OSA III TOPOLOGISET VEKTORIAVARUUDET JA DISTRIBUUTIOT SUOAVIIVAISTA AJATTELUA OSA III TOPOLOGISET VEKTOIAVAUUDET JA DISTIBUUTIOT Lauri Kahanpää Jyväskylän yliopisto 2013 1 2 TOPOLOGISET VEKTOIAVAUUDET JA DISTIBUUTIOT Sisältö Aluksi 4 Topologiset vektoriavaruudet

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

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

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 60 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

Karteesinen tulo. Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla 1 / 21

Karteesinen tulo. Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla 1 / 21 säilyy Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla c b a 1 2 3 5 1 / 21 säilyy Esimerkkirelaatio R = {(1, b), (3, a), (5, a), (5, c)} c b a 1

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

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Kari Astala ja Petteri Piiroinen (v. 2006) Hans-Olav Tylli (v.

Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos. Kari Astala ja Petteri Piiroinen (v. 2006) Hans-Olav Tylli (v. FUNKTIONAALIANALYYSIN PERUSKURSSI Helsingin Yliopisto, Matematiikan ja tilastotieteen laitos Luennot, kevät 2006, 2008 ja 2010 Kari Astala ja Petteri Piiroinen (v. 2006) Hans-Olav Tylli (v. 2008 ja 2010)

Lisätiedot

2 Konveksisuus ja ratkaisun olemassaolo

2 Konveksisuus ja ratkaisun olemassaolo 2 Konveksisuus ja ratkaisun olemassaolo Ratkaisun olemassaolon tutkimiseen tarvitaan perustietoja konvekseista joukoista ja lineaarialgebrasta. Niitä tarvitaan myös ratkaisualgoritmin ymmärtämiseen. Tutkitaan

Lisätiedot

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla Johdatus diskreettiin matematiikkaan Harjoitus 2, 23.9.2015 1. Osoita että A on hyvin määritelty. Tee tämä osoittamalla a) että ei ole olemassa surjektiota f : {1,, n} {1,, m}, kun n < m. b) että a) kohdasta

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Lineaarikuvaukset Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Lineaarikuvaukset Lineaarikuvaus Olkoot U ja V

Lisätiedot

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III 802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Lineaarikuvaus 2 1.1 Määritelmä............................ 2 1.2 Matriisiesitys/Matrix

Lisätiedot