FUNKTIONAALIANALYYSIN PERUSKURSSI 7

Koko: px
Aloita esitys sivulta:

Download "FUNKTIONAALIANALYYSIN PERUSKURSSI 7"

Transkriptio

1 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, mutta kompleksikertoimiset avaruudet määritellään täysin analogisesti: Avaruudessa E on yhteenlaskun x + y lisäksi annettu skalaarillla kertominen (λ, x) λx, kuvaus C E E, joka toteuttaa ehdot λ(x + y) = λx + λy, λ(µx) = (λµ)x ja (λ + µ)x = λx + µx kaikilla vektoreilla x, y E ja skalaareilla λ, µ C. Useimmiten kurssin tulokset ja käsitteet toimivat täysin samoin molemmille skalaarikunnan valinnalle, R tai C, ja käytämme silloin skalaarikunnalle merkintää K. Jos skalaarikunta pitää spesifioida, siitä huomautetaan erikseen. Esimerkkejä. C n = {x = (x 1,..., x n ) : x j C} on C-kertoiminen vektoriavaruus. Sellainen on myös kompleksisten polynomien avaruus P = {p(z) = a k z k : a k C, n N} k=0 Dimensio: Kerrataan ensin lineaarialgebran käsitteitä. Jos A E, sen virittämä E:n vektorialiavaruus on (2.1) span(a) = { λ k x k : x k A, λ k K} k=0 Lineaarialgebrasta muistetaan myös että vektorijono x 1,..., x n E on lineaarisesti riippumaton eli vapaa, jos λ 1 x 1 + λ n x n = 0 λ 1 = = λ n = 0 Honkasalon monisteen Lineaarialgebra I sivulla 50 on todistettu seuraava tulos, jonka oletamme tunnetuksi: Vektoriavaruus E on äärellisulotteinen (so. äärellisen vektorijoukon virittämä) jos ja vain jos E:n vapaiden jonojen pituudet ovat ylhäältä rajoitetut, so. on luku M < niin että jokaisessa E:n vapaassa joukossa on korkeintaan M vektoria. Muistetaan vielä, että äärellisulotteisen avaruuden E dimensio dim(e) on E:n kannan (so. vapaan virittäjäjoukon) lukumäärä; tämä lukumäärä on kannasta riippumaton luku.

2 8 FUNKTIONAALIANALYYSIN PERUSKURSSI Tämä kaikki toimii myös kun kerroinkuntana on C. Esimerkiksi yllä C n on äärellisulotteinen (tarkemmin, n-ulotteinen), kun taas P on ääretönulotteinen: Vektorit z n, n N, muodostavat vapaan joukon (Miksi?) ja koska tuo joukko on ääretön, yo. tuloksen nojalla dim(p) =. Keskeinen idea Funktionaalianalyysissä on tuoda hyödyllisiä struktuureja funktioiden muodostamiin vektoriavaruuksiin erilaisten normien avulla Määritelmä. Kuvaus p : E R + on normi E:ssä, jos (N1) (N2) (N3) p(x + y) p(x) + p(y) kaikilla x, y E ( kolmioepäyhtälö ) p(ax) = a p(x) kaikilla x E, a K ( homogeenisuus ) p(x) = 0 x = 0 (nolla-alkio E:ssä) Tavallisesti merkitään p(x) = x. Paria (E, ) eli vektoriavaruutta E varustettuna normilla sanotaan normiavaruudeksi. Huomautus. (1) normi edellyttää, että määrittelyjoukko E on lineaariavaruus: x + y E kun x, y E ja ax E kun x E, a K. (2) Kuvaus p : E R + on seminormi E:ssä, jos p toteuttaa ehdot (N1) ja (N2). 1 Tällöin p( 0) = p(0 0) = 0 p( 0) = 0, ja { x E : p(x) = 0 } on avaruuden E vektorialiavaruus ehtojen (N1) ja (N2) nojalla Esimerkkejä. (1) x 2 = j=1 x 2 j = x x x 2 n, x = (x 1,..., x n ) R n on avaruuden R n euklidinen normi, kun n = 1, 2,.... Ehdot (N1)-(N3) toteutuvat; katso Topo I. Hieman myöhemmin tämä todistetaan myös erikoistapauksena yleisemmän avaruuden l p yhteydessä. (2) Kun A on (m.v.) joukko, asetetaan B(A, K) := { f : A K : f := sup f(t) < }. t A Tämä on rajoitettujen kuvausten A K avaruus. Helposti nähdään, että f on normi: 1 tämä yleisempi käsite on joskus tarpeen; tällä kurssilla suhteellisen harvoin

3 FUNKTIONAALIANALYYSIN PERUSKURSSI 9 Perustelu. Olkoon f, g B(A, K) ja t A. Tällöin (f + g)(t) = f(t) + g(t) ey sup yli = t A f(t) + g(t) määr. f + g = sup (f + g)(t) f + g t A eli ehto (N1) on voimassa. Olkoon a R vakio. Tällöin f + g (af)(t) = af(t) = a f(t) sup yli t:n af = a f eli myös ehto (N2) on voimassa. Koska f = sup f(t) = 0 f(t) = 0 t A t A f on 0-funktio niin myös (N3) toteutuu. (3) Myös R n :ssä tai C n :ssä voidaan määritellä normi edellisen kohdan erikoistapauksena: tällöin A = {1,..., n}, jolloin saadaan normi x := sup( x 1,..., x n ), missä x = (x 1,..., x n ) K n. Vaikka tämä normi antaa entisen topologian, sup-normin geometria on hieman erilainen. Esimerkiksi dimensiossa n = 2 avaruuden E = (R 2, ) yksikköpallo B E = {x : x 1} näyttää seuraavalta: y (0, 1) (1, 0) x Kuva 3. Pallo B E avaruudessa E = (R 2, ) (4) Toinen erikoistapaus (2)-kohdasta saadaan, kun A = N. Tällöin merkitään l := B(N, K) = { (x n ) n=0 : x n K, x = sup x n < }. n Koska vektorit e n = (0, 0,..., 0, }{{} 1, 0,...) l ovat lineaarisesti n:s riippumattomia (Miksi?), on dim(l ) =.

4 10 FUNKTIONAALIANALYYSIN PERUSKURSSI Seuraavaksi osoitetaan pari normin perusominaisuutta, joista seuraavan lauseen (2)-kohta liittää normiavaruudet metrisiin Lause. Olkoon (E, ) normiavaruus. Tällöin (1) kaikilla x, y E on voimassa x y x y eli ns. ey alaspäin. Erityisesti, kuvauksena normi x x on tasaisesti jatkuva E:ssa (2) kuvaus d: E E R +, d(x, y) := x y on metriikka avaruudessa E. Erityisesti x = d(x, 0), x E. Todistus. (1) (vrt. Topo I, D II) Olkoon x, y E. Tällöin x = x y + y ey = x y x y x y + y symm = y x y x (N2) = x y = x y x y (2) (vrt. Topo I) kaikilla x, y, z E on voimassa d(x, z) = x z = x y + y z (N1) x y + y z = d(x, y) + d(y, z), joten (M1) toteutuu. Ehto (M2) seuraa välittömästi ehdosta (N2). Edelleen d(x, y) = x y = 0 (N2) x y = 0 x = y, joten myös (M3) on voimassa. Metrisinä avaruuksina funktioavaruudet voivat olla melko suuria, esimerkkinä olkoon vaikkapa l, joka ei ole edes separoituva (vrt. Harjoitukset). Useille käytännössä eteen tuleville funktioavaruuksille separoituvuus toisaalta pätee; myöhemmin osoitamme tämän esimerkiksi C(0, 1):lle.

5 FUNKTIONAALIANALYYSIN PERUSKURSSI 11 Normiavaruuden luonnolliset rakenteet ovat yhteensopivat, toisin sanoen: 2.5. Lause. Normiavaruudessa (E, ) ovat kuvaukset ψ 1 : E E E, ψ 1 (a, b) := a + b ja ψ 2 : K E E, ψ 2 (λ, a) := λa jatkuvia. Todistus. Harjoitukset 1. Huomautus. Normiavaruuden E metriikka on siirto- eli translaatioinvariantti: on siis voimassa, että d(x + a, y + a) = d(x, y) kaikilla x, y, a E Tästä sekä ominaisuudesta (N2) seuraa, että A E on avoin (vast. suljettu, kompakti) joss x 0 +A ja λa ovat avoimia (vast. suljettuja, kompakteja), missä λ K \ {0} ja x 0 E ovat mielivaltaisia. Samoin joukko U E, joka sisältää pisteen x 0 on pisteen x 0 ympäristö joss U x 0 on nolla-alkion 0 ympäristö. Pistejono (x n ) n=0 E suppenee alkioon y E joss x n y 0 kun n avaruudessa E. Edellä käytimme merkintöjä x 0 + A = { x 0 + y : y A } E, λa = { λx : x A } Samoin määritellään, kun A E, B E ja Λ K, A + B = { x + y : x A, y B }, ΛA = { λx : λ Λ, x A } Huomautus. Monet funktioavaruuksien konvergenssikäsitteistä voidaan kuvata normin avulla (ja kääntäen, normi antaa konvergenssikäsitteen): 2.6. Esimerkkejä. (1) Kun avaruus C(0, 1) = {f : [0, 1] K jatkuva } varustetaan tavallisella normillaan f = sup t [0,1] f(t), pätee f n f 0 kun n f n (x) f(x) tasaisesti joukossa [0, 1]

6 12 FUNKTIONAALIANALYYSIN PERUSKURSSI (2) Toisaalta C(0, 1):ssä voidaan määritellä myös normi f 1 = 1 f(t) dt. 0 (Selvitä itsellesi miksi 1 on normi C(0, 1):ssä!). Nyt pätee lim f n f 1 = 0 n 1 0 f n (t) f(t) dt 0 f n (x) f(x) keskimäärin Esimerkiksi, jos f n (x) = x n, niin f n 0 keskimäärin eli normin 1 mielessä, sillä f n 1 = 1 0. Toisaalta jono ei konvergoi sup-normin n+1 mielessä nollaan, sillä f n = 1 jokaisella n N. Annetuista normiavaruuksista saadaan muodostettua uusia avaruuksia monella eri tavalla. Tulemme jatkossa näkemään tästä useitakin esimerkkejä. Aloitamme seuraavalla yksinkertaisella periaatteella Lause. Jokainen normiavaruuden (E, ) vektorialiavaruus F on normiavaruus (E:n indusoimalla normilla varustettuna) Esimerkkejä. (1) Voimme esimerkiksi valita E = B([0, 1], K), jolla on aliavaruutena jatkuvien funktioiden avaruus F = C(0, 1). (2) Olkoon sitten E = l ; seuraavat jonoavaruudet ovat sen vektorialiavaruuksia. c := { x = (x n ) n=0 : x n K, lim x n on olemassa, kun n }, c 0 := { x = (x n ) n=0 : x n K, lim x n = 0 }. Molemmissa normina toimii siis x = sup n x n. Joskus voi olla hyödyllistä muuttaa normia, ilman että sen määräämä topologia tai konvergenssi muuttuu. Tämä idea johtaa seuraavaan käsitteeseeen Määritelmä. Vektoriavaruuden E normit 1 ja 2 ovat ekvivalentteja, jos on olemassa vakiot C 1, C 2 > 0, joille C 1 x 1 x 2 C 2 x 1 x E Lause. Olkoot 1 ja 2 ekvivalentteja normeja avaruudessa E. Tällöin ne määrittelevät avaruudessa E samat avoimet ja suljetut joukot (eli ne määrittävät saman topologian). Todistus. Harjoitukset 1

7 FUNKTIONAALIANALYYSIN PERUSKURSSI Esimerkki. (1) Helposti nähdään, että C n :n normit x 2 = x j 2 = x x x n 2 j=1 ja x = max 1 j n x j, x = (x 1,..., x n ) C n ovat ekvivalentit; jätämme lukijan tarkastettavaksi arviot x x 2 n x, jotka pätevät jokaisella x C n. Itse asiassa, tulemme myöhemmin näkemään, että äärellisulotteisen vektoriavaruuden kaikki normit ovat ekvivalentit. (2) Olkoon P = {p(z) = n k=0 a kz k : a k C, n N} polynomien muodostama vektoriavaruus. Tällöin esimerkiksi p 1 = k=0 a k ja p 2 = max a k k ovat hyvin määriteltyjä (Miksi?) normeja (Miksi?) avaruudessa P. Normit eivät ole kuitenkaan ekvivalentteja: jos p n (z) = n k=0 zk, niin jokaisella n, p n 2 = 1 mutta p n 1 = n. Koska tässä n voidaan valita mielivaltaisen suureksi, normit ovat epäekvivalentit Esimerkki. Merkitään C k (0, 1) = { f : [0, 1] K : f, f,..., f (k) ovat jatkuvia välillä [0, 1] }, kun k N. Normit ja f = sup f = 0 j k 0 t 1 k j=0 sup f (j) (t) sup 0 t 1 f (j) (t) ovat ekvivalentteja avaruudessa C k (0, 1), minkä todistus jää harjoitustehtäväksi. l p -avaruudet Normiavaruudet l, c ja c 0 ovat esimerkkejä klassisista Banachin avaruuksista. Mainitsemme vielä esimerkkinä avaruuden l 1 = { x = (x n ) n=0 : x 1:= x n < }, n=0

8 14 FUNKTIONAALIANALYYSIN PERUSKURSSI joka on itseisesti tai absoluuttisesti suppenevien lukujonojen avaruus. Myös tässä 1 on helppo todistaa normiksi. Vaikeammin käsiteltäviä esimerkkejä ovat muut ns. l p -avaruudet, joita nyt ryhdymme määrittelemään Määritelmä. Olkoon 1 p <. Tällöin ( l p := { x = (x n ) n=0 : x ) 1 p:= x n p p < }. n=0 Seuraavassa p ja q ovat reaalilukuja, jotka täyttävät ehdot: p > 1, q > 1 ja 1 p + 1 q = 1. Sanomme lukuja p ja q toistensa duaalieksponenteiksi. Esimerkiksi p = q = 2 tai p = 7, q = 7 ovat duaalieksponenttipareja. Edelleen on voimassa, että 6 q = ja p + q = pq. p p Lemma. Jos a 0, b 0 ja p ja q ovat duaalieksponentteja, niin (2.15) ab ap p + bq q. Todistus. Jos a = 0 tai b = 0, niin (2.15) on voimassa. Voimme olettaa: a, b > 0. Merkitään ϕ(t) = tp p + t q q, kun t > 0. Tällöin ϕ (t) = t p 1 t q 1, joten ϕ (t) < 0, kun 0 < t < 1 ja ϕ (t) > 0, kun t > 1. Siispä ϕ saa pienimmän arvonsa, kun t = 1, eli kaikilla t > 0 1 = ϕ(1) ϕ(t) = tp p + t q q. Sijoitetaan t = a 1/q b 1/p, jolloin saadaan 1 ap/q pb + bq/p qa, sillä p q + 1 = p ja q p + 1 = q. ab ap/q+1 p + bq/p+1 q = ap p + bq q, Lause (Hölderin epäyhtälö jonoille). Olkoot 1 < p, q < siten, että = 1. Tällöin 1 p + 1 q (H) x k y k ( x k p ) 1 p ( y k q ) 1 q

9 FUNKTIONAALIANALYYSIN PERUSKURSSI 15 kaikilla jonoilla (x k ) l p, (y k ) l q (tässä x k, y k K kaikilla k ja K = R tai K = C). Siis (x k y k ) 1 (x k ) p (y k ) q, ja erityisesti (x k ) l p, (y k ) l q = tulojono (x k y k ) l 1. Huomautus. Kun epäyhtälöön (H) sijoitetaan luvut, jotka toteuttaa lisäehdot 0 = x k = y k kaikilla k > n, saadaan erikoistapauksena äärellinen versio Hölderin epäyhtälöstä: x k y k ( x k p ) 1 p ( y k q ) 1 q kun (x 1,..., x n ), (y 1,..., y n ) K n ja n = 1, 2, 3,... Todistus. (Epäyhtälölle (H)): Merkitään A = ( x k p ) 1 p = (xk ) p, B = ( y k q ) 1 q = (yk ) q, jolloin A 0, B 0. Jos A = 0 tai B = 0, niin x k = 0 kaikilla k N tai y k = 0 kaikilla k N. Tällöin (H) on ilmeinen, sillä vasen puoli = 0. Voidaan siis olettaa: A > 0, B > 0. Kiinnitetään k N ja sovelletaan Lemmaa 2.14, kun a = x k ja b = y k. Saadaan A B x k A y k B 1 p x k p + 1 A p q y k q B, q mikä on voimassa kaikilla k N. Summataan edelliset muuttujan k suhteen, jolloin 1 x k x k y k = AB A y k B 1 x k p + 1 y k q p A p q B q = 1 p 1 x A p k p + 1 q 1 y B q k q = 1 p + 1 q = 1, } {{ } =A p } {{ } =B q joten kertomalla AB:llä puolittain, saadaan x k y k AB = (x k ) p (y k ) q.

10 16 FUNKTIONAALIANALYYSIN PERUSKURSSI Hölderin erikoistapauksella p = q = 2 on oma nimitys ja merkitys (vrt. Hilbertin avaruudet, luku 4) Seuraus (Schwarzin epäyhtälö). Jos x = (x k ), y = (y k ) l 2, niin (S) x k y k ( x k 2 ) 1 2 ( y k 2 ) 1 2 = x 2 y 2 kaikilla jonoilla (x k ), (y k) l2. Lisäksi äärellisten jonojen erikoistapauksessa saadaan (S ) x k y k ( x k 2 ) 1 2 ( y k 2 ) 1 2 kaikilla luvuilla x 1,..., x n, y 1,..., y n K ja kaikilla n N. Erityisesti, Schwarzin epäyhtälö takaa että avaruudessa l 2 bilineaarimuoto < x, y > = x k y k, x = (x k ), y = (y k ) l 2 on hyvin määritelty. Tämä antaa l 2 :een sisätulon struktuurin; tulemme näkemään Hilbertin avaruuksia koskevassa osaluvussa, että sisätuloavaruuksilla on monia poikkeuksellisen hyviä ominaisuuksia. Hölderin epäyhtälön avulla voimme osoittaa, että l p -normit toteuttavat kolmioepäyhtälön; saatua arviota sanotaan (usein) Minkowskin epäyhtälöksi Lause (Minkowskin epäyhtälö). Olkoon 1 < p <. Tällöin (M) ( x k + y k p ) 1 p ( x k p ) 1 p + ( y k p ) 1 p kaikilla jonoilla (x k ), (y k) lp. Erityisesti: Kun (x k ) l p, (y k ) l p, niin summajono (x k + y k ) l p, joten l p on siis vektoriavaruus. Valitsemalla x k = 0, y k = 0 kun k n + 1 saadaan äärellinen versio: (M ) ( x k + y k p ) 1 p ( x k p ) 1 p + ( y k p ) 1 p kaikilla luvuilla x 1,..., x n, y 1,..., y n K.

11 FUNKTIONAALIANALYYSIN PERUSKURSSI 17 Todistus. Olkoon 1 < q < sellainen, että p = 1 (eli siis q = ). p q p 1 Hölderin epäyhtälön (H) ja K:n kolmioepäyhtälön avulla saadaan x k + y k p = x k + y k p 1 x k + y k }{{} x k + y k x k x k + y k p 1 + y k x k + y k p 1 (H) ( x k p ) 1 p ( x k + y k q(p 1) ) 1 q + ( y k p ) 1 p ( x k + y k q(p 1) ) 1 q. Koska q(p 1) = p, niin edellinen epäyhtälö. voidaan kirjoittaa muodossa (x k + y k ) p p ( ) (x k ) p + (y k ) p ( x k + y k p ) 1 q. Jakamalla saatu epäyhtälö puolittain termillä ( x k + y k p ) 1 q = (x k + y k ) p/q p ja käyttämällä identiteettiä p p/q = 1, saadaan (x k + y k ) p = (x k + y k ) p p/q p (x k ) p + (y k ) p, joka on tarkalleen etsitty Minkowskin epäyhtälö (M). Lisäys yllä olevaan todistukseen: Edellisessä todistuksessa on pieni ongelma; viimeisessä vaiheessa tehty jakaminen on mahdollista vain, jos 0 < x k + y k p <. Pulman korjaamiseksi huomataan: Jos x k + y k p = 0, niin väite (M) on triviaali. Voidaan siis olettaa x k + y k p > 0. Epäyhtälöä x k + y k p < varten käytetään arviota ( ) a + b p ( a + b ) p (2 max{ a, b }) p 2 p ( a p + b p ), mikä on voimassa kaikilla a, b K. Kun sijoitetaan a = x k, b = y k epäyhtälöön ( ) ja summataan yli muuttujan k saadaan x k + y k p 2 p ( x k p + y k p ) <, koska (x k ), (y k ) l p. Näin Lause 2.19 on saatu täydellisesti todistetuksi.

12 18 FUNKTIONAALIANALYYSIN PERUSKURSSI Huomautus. Erikoistapauksessa p = 2 äärellisiä jonoja koskeva epäyhtälö (M ) on itse asiassa tuttu kolmioepäyhtälö kotiavaruuden K n euklidiselle normille (DII, Topo I), sillä x 2 = x x n 2, kun x = (x 1,..., x n ) K n, n = 1, 2,... Kootaan yhteen edelliset tulokset (tapaukset p = 1 tai käsiteltiin aikaisemmin) seuraavaksi tärkeäksi lauseeksi l p -avaruuksista Lause. (l p, p ) on normiavaruus kun 1 < p <. Todistus. Jos x = (x k ) l p, y = (y k ) l p niin x + y = (x k + y k ) ja Minkowskin epäyhtälön 2.19 mukaan x + y p = ( x k + y k p ) 1 p ( x k p ) 1 p + ( y k p ) 1 p = x p + y p (ja erityisesti x + y l p ). Siis (N1) pätee. Koska ax p = ( ax k p ) 1 p = a ( x k p ) 1 p = a x p, kun x = (x k ) l p, a K, niin myös homogeenisuusehto (N2) on voimassa. Edelleen 0 = (x k ) p = ( x k p ) 1 p ) = xk = 0 k N = (x k ) = (0, 0,...) = 0, joten myös (N3) toteutuu. Huomautus. l p -avaruuksien välillä pätevät seuraavat sisältyvyydet (joukkoina): l 1 l p l q c 0 l kun 1 < p < q <. Lisäksi x x q x p x 1 kaikille jonoille x = (x k ) (Harjoitukset 2). Edellä olemme piirtäneet yksikköpallot normien 2 ja suhteen. Entä yksikköpallo yleisten l p -normien suhteen? Alla kuva tapauksesta p = 3 ja p = 1; mieti millainen on yksikköpallo yleisellä p! (0, 1) y (0, 1) y (1, 0) x (1, 0) x

13 FUNKTIONAALIANALYYSIN PERUSKURSSI 19 Huomautus (Lisätietoja). On olemassa luontevia vektoriavaruuksia E, joissa on luonnollinen siirtoinvariantti topologia τ, joka kuitenkaan ei ole minkään E:n normin indusoima (ts. ei ole olemassa sellaista normia : E R +, että τ = τ ). Sellaisten avaruuksien teoriaa ei käsitellä kurssin aikana; esimerkkeinä mainitaan kuitenkin (1) Varustetaan avaruus C(R n ) = {f : R n R jatkuva } topologialla τ, jossa jono f n f, jos lim sup f n (x) f(x) = 0 n x K kaikilla kompakteilla joukoilla K R n. Topologia τ saadaan kasvavasta seminormiperheestä ( m ), kun f m = sup x K m f(x), f C(R n ) ja K m = [ m, m] n R n, sekä m N. Konvergenssia ei kuitenkaan voi kuvata vain yhden normin avulla. Topologinen vektoriavaruus (C(R n ), τ) on ns. nukleaarinen Frechet n avaruus. Vastaava koskee myös äärettömästi derivoituvien funktioiden avaruutta C (0, 1) = {f : [0, 1] K, f (j) jatkuva jokaisella j N}. (2) Olkoon 0 < p < 1. Määritellään: jono x = (x k ) l p, jos x p = ( x k p ) 1 p < Tällöin x x p toteuttaa normin ehdot (N2) ja (N3) sekä kolmioepäyhtälön muodossa x + y p = ( x k + y k p ) 1 1 p 2 p 1 ( x p + y p ) kaikilla x = (x k ), y = (y k ) l p. Tässä 2 1 p 1 > 1, kun 0 < p < 1, eli p on ns. kvasinormi l p :ssä. Alla kuva yksikköpallosta {(x, y) R 2 : x p + y p 1}, kun p = 1/2. (0, 1) y (1, 0) x Huomautus. Jokaisessa normiavaruudessa yksikköpallo B E = {x E : x 1} on konveksi, so. jos x, y B E, niin tx + (1 t)y B E

14 20 FUNKTIONAALIANALYYSIN PERUSKURSSI kaikilla 0 < t < 1; nimittäin tx + (1 t)y t x + (1 t) y 1. Siispä myöskään yo. kuvan mukaan p ei voi olla normi: vastaava yksikköpallo ei ole konveksi. (3) Kaikkien jonojen avaruus s = { (x n ) : x k K jokaisella k N }. Avaruudessa s on summa ja skalaarilla kertominen määritelty kuten l p :ssä, ja metriikka d(x, y) = 1 2 x k y k k 1 + x k y k, kun x = (x k ), y = (y k ) s. Voidaan osoittaa, että d on siirtovariantti metriikka (HT). Avaruus s on myös nukleaarinen Frechet n avaruus. Lineaariset operaattorit Olkoon E ja F vektoriavaruuksia. Kuvaus T : E F on lineaarinen jos T (αx + βy) = αt (x) + βt (y) x, y E ja α, β K Sanomme usein että T on lineaarinen operaattori. Usein myös merkitsemme lyhyesti T x, merkinnän T (x) sijaan. Äärellisulotteisessa normiavaruudessa kaikki lineaariset kuvaukset ovat jatkuvia, mutta äärettömän monen dimension avulla jatkuvuus on helppo rikkoa (annamme esimerkin hieman myöhemmin). Jos E, F ovat normiavaruuksia, on siis luonnollista kysyä: Koska lineaarinen kuvaus T : E F on jatkuva?? Vastausta varten tarvitsemme uuden käsitteen, rajoitetut operaattorit Määritelmä. Olkoot E ja F normiavaruuksia sekä T : E F lineaarinen. Sanomme, että T on rajoitettu, jos on vakio C < jolle T x F C x E kaikilla x E. Yleisesti sanotaan että normiavaruuden osajoukko A E on rajoitettu, jos sup{ x : x A} M < ; yhtäpitävästi (Miksi?), A:n halkaisija on äärellinen. Kuten Harjoituksissa 2 nähdään, lineaarinen kuvaus T on rajoitettu jos ja vain jos se kuvaa E:n rajoitetut joukot F :n rajoitetuiksi joukoiksi.

15 FUNKTIONAALIANALYYSIN PERUSKURSSI Esimerkki. Olkoon E = F = l 2 ja T : E F kuvaus T : (x k ) (3x k+1 ) kun x = (x k) l2. Tällöin T on lineaarinen (Miksi?) ja rajoitettu: ( ) 1/2 ( ) 1/2 ( ) 1/2 T x 2 = 3x k+1 2 = 3 x k x k 2 = 3 x 2 Huomaamme, että vaadituksi vakioksi voidaan ottaa C = 3. Operaattorin rajoittuneisuus voidaan myös testata seuraavan suureen avulla; nimittäin (Harjoitukset) T on rajoitettu jos ja vain jos (2.23) T := sup{ T x : x E, x 1} < Niinkuin merkintä jo vihjaa, saatua suuretta kutsutaan lineaarisen kuvauksen T normiksi. Se mittaa kuinka suureksi joukoksi T kuvaa yksikköpallon B E = {x E : x 1}. Siis operaattori T on rajoitettu jos ja vain jos normi T <. Jos tarve vaatii, merkitsemme avaruudet E ja F näkyviin, so. T E F. Huomautus. Koska Siis saamme x x T x x = = 1 jokaisella vektorilla x E, nähdään että ( ) x T T kaikilla x E x (2.24) T x T x jokaisella vektorilla x E ja lineaarikuvauksella T : E F. [vrt. myös Harjoitukset 2, tehtävä 3 c)] Esimerkkejä. a) Olkoon E = l 2 ja F = l 1 sekä T x = T (x k ) := ( 1 k x k Onko T rajoitettu (operaattorina T : l 2 l 1 )? Heti havaitaan että 1 T x 1 = k x k mutta helppo arvio x k ( x k 2) 1/2 ei ole yleisesti totta. Voimme kuitenkin käyttää Hölderin epäyhtälöä kun p = q = 2, 1 k x k ( 1 k 2 ) ) 1/2 ( ) 1/2 x k 2 = C x 2

16 22 FUNKTIONAALIANALYYSIN PERUSKURSSI missä C = 1/k2 <. (Itse asiassa, C = π 2 /6). Näin ollen T : l 2 l 1 on rajoitettu ja saamme normille arvion T π 2 /6. b) Rakennetaan sitten lineaarinen operaattori, joka ei ole rajoitettu. Voimme vaikkapa tarkastella avaruutta P = { p(z) = n k=0 a kz k : a k C, n N }, joka muodostuu kaikista polynomeista; varustetaan se normilla p = max{ a k }. Tällöin, esimerkiksi, (derivaatta)kuvaus T : n k=0 a kz k n k=0 k a k z k on lineaarinen (Miksi?), mutta ei rajoitettu: Jos p n = z n, n N, silloin p n = 1, T p n = n sup{ T p : p = 1, p P } =. Palataan sitten alkuperäiseen kysymykseemme, milloin lineaarinen kuvaus on jatkuva? Käy ilmi, että lineaarinen operaattori on jatkuva täsmälleen silloin kun se on rajoitettu! Lause. Olkoot E, F normiavaruuksia ja T : E F lineaarikuvaus. Tällöin seuraavat ehdot ovat yhtäpitäviä: (i) T on rajoitettu operaattori (ii) T on jatkuva (koko E:ssä) (iii) T on jatkuva yhdessä pisteessä x 0 E. Todistus. (i) (ii): jos x, y E ja ε > 0 T x T y T lin. = T (x y) T x y < ε kun x y ε T (ii) (iii): ilmeinen (iii) (i): Olkoon T jatkuva x 0 :ssa. Jos ε > 0 annettu, voimme valita sellaisen luvun δ > 0 että aina Jos nyt x E ja x < δ, saadaan x x 0 δ T x T x 0 < ε T x = T lin. T (x + x 0 ) T x 0 < ε. Toisaalta, jos x B E, on δx = δ x δ ja siis δ T x = T (δx) < ε, eli T x < ε δ x B E Olemme näin näyttäneet: T on rajoitettu. Erityisesti, näemme, että Esimerkki 2.25 b) antaa lineaarisen operaattorin, joka ei ole jatkuva. Näillä tiedoin voimme myös aloittaa johdannossa esitetyn integraalioperaattorin tarkemman tarkastelun. Tulemme palaamaan teemaan useasti myöhemminkin.

17 FUNKTIONAALIANALYYSIN PERUSKURSSI Esimerkki. Olkoon K : [0, 1] [0, 1] C jatkuva. Kun f C(0, 1), muunnamme sen uudeksi funktioksi T f, missä (T f)(x) = 1 0 K(x, s)f(s)ds, x [0, 1] Väite: näin saadaan jatkuva lineaarinen operaattori T : C(0, 1) C(0, 1). Meidän siis on osoitettava kolme asiaa, 1. f T f on lineaarinen, 2. T f on jatkuva funktio aina kun f on jatkuva välillä [0, 1], ja 3. operaattorina T on rajoitettu C(0, 1) C(0, 1). Jätetään 1. väite lukijan tehtäväksi. Väite 2. kertoo että todellakin T ( C(0, 1) ) C(0, 1). Sitä varten arvioidaan (T f)(x) (T f)(y) = K(x, s)f(s)ds 1 K(x, s) K(y, s) f(s) ds 0 K(y, s)f(s)ds Funktion T f:n jatkuvuus siis palautuu K:n ominaisuuksiin. Heti kuitenkin huomataan, että pelkkä pisteittäinen K:n jatkuvuus ei riitä, vaan arvio pitää tehdä tasaisesti s:n suhteen. Tarvitsemme siis hieman tietoja Topologian kurssilta: Oletamme tunnetuksi, että kompaktissa joukossa määritelty jatkuva funktio on tasaisesti jatkuva 2. Sovellamme tätä ytimeen K(x, s). Koska [0, 1] [0, 1] on kompakti, jokaisella ε > 0 löydämme δ:n niin että jos x y < δ eli (x, s) (y, s) < δ, silloin (2.28) K(x, s) K(y, s) < ε kaikilla s [0, 1] Erityisesti, vaaditun δ:n suuruus ei riippunut pisteestä s. Saamme siksi (2.29) (T f)(x) (T f)(y) ε 1 0 f(s) ds ε f, kun x y < δ Koska ε oli mielivaltainen, olemme osoittaneet T f:n jatkuvuuden (väite 2). Myös väite 3. käyttää topologista tulosta: Koska K on jatkuva kompaktissa joukossa [0, 1] [0, 1], se saa siinä suurimman arvonsa, ja erityisesti K on rajoitettu. Siis eräällä vakiolla M <, K(x, s) M < kaikilla x, s [0, 1] 2 Funktio g : A C on tasaisesti jatkuva jos jokaista ε > 0 kohti löytyy δ > 0 niin että x y < δ g(x) g(y) < ε. Olennaista tässä siis että vaadittu δ riippuu vain etäisyydestä x y, eikä siitä missä pisteet x, y sijaitsevat.

18 24 FUNKTIONAALIANALYYSIN PERUSKURSSI Näin voimme arvioida (T f)(x) 1 0 K(x, s) f(s) ds M f mikä antaa T f M f. Näin ollen T on rajoitettu operaattori; itse asiassa voimme valita M = K ja siis saamme arvion T K. Olemme siten todistaneet viimeisenkin väitteen Huomautus. Yllä esitetty integraalioperaattorin jatkuvuuden todistus antaa hieman enemmänkin kuin mitä Esimerkki 2.27 tarvitsi: Havaitaan että T f:n jatkuus riippuu olennaisesti vain ytimestä K eikä niinkään funktiosta f. Koska tällä havainnolla on käyttöä myöhemmin, formalisoidaan sitä hieman, käyttäen jatkuvuusmodulin käsitettä: Olkoon meillä w : [0, ) [0, ) jolle t w(t) jatkuva, aidosti kasvava ja w(t) = 0 t = 0 Sanomme silloin että w on jatkuvuusmoduli. y w(t) t Nimittäin, jos funktiolle g : A C pätee (2.31) g(x) g(y) w( x y ) kaikilla x, y A niin w kertoo kuinka jatkuva g on. [Tyypillinen esim: w(t) = t α, 0 < α < 1] Jos g:llä on jatkuvuusmoduli joukossa A, eli (2.31) pätee, se on selvästikin tasaisesti jatkuva (Miksi?). Mutta pätee myös kääntäen, jokaisella tasaisesti jatkuvalla funktiolla on jatkuvuusmoduli. Voimme nimittäin asettaa w 0 (t) = sup{ g(x) g(y) : x, y A, x y t} Tasaisen jatkuvuuden nojalla w 0 on jatkuva ja w 0 (t) 0 kun t 0. Aidosti kasvava siitä saadaan määrittelemällä w(t) = w 0 (t) + t. Tälle (2.31) selvästi pätee, ja siten g:llä on jatkuvuusmoduli w. Jos palaamme Esimerkkiin 2.27, ytimellä K on ylläolevan nojalla jatkuvuusmoduli w K. Lisäksi, arviot (2.28), (2.29) antavat (2.32) (T f)(x) (T f)(y) w K (x y) f w K (x y) mikäli f 1, eli f B E, E = C(0, 1). Toisin sanoen, oli f:n jatkuvuus miten heikkoa tahansa, T f:n jatkuvuus on aina vähintään luokkaa w K!

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

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

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

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

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

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

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

=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

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

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

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

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 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

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

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

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

Laskutoimitusten operaattorinormeista

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44 Tehtävät 1-3 lasketaan alkuviikon harjoituksissa, verkkotehtävien dl on lauantaina aamuyöllä. Tehtävät 4 ja 5 lasketaan loppuviikon harjoituksissa.

Lisätiedot

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

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

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

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

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

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

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

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

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

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

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

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

Lisätiedot

1 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

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

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

1. Normi ja sisätulo

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

Lisätiedot

802320A LINEAARIALGEBRA OSA 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

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

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

Lisätiedot

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

HILBERTIN AVARUUKSISTA

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

Lisätiedot

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

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

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

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

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

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

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

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

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

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

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

Metriset avaruudet ja Topologia

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

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

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

Lisätiedot

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

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

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

Metriset avaruudet ja Topologia

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

Lisätiedot

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

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

1 sup- ja inf-esimerkkejä

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

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 2017 Harjoitus 1 Ratkaisuehdotukset. I.1. Todista Cauchyn-Schwarzin epäyhtälö

HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 2017 Harjoitus 1 Ratkaisuehdotukset. I.1. Todista Cauchyn-Schwarzin epäyhtälö HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 2017 Harjoitus 1 Ratkaisuehdotukset I.1. Todista Cauchyn-Schwarzin epäyhtälö kun x, y R. x y x y, Ratkaisu: Tiedetään, että x + ty 2

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

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

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

Johdatus lineaarialgebraan

Johdatus lineaarialgebraan Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

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

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

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

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

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

Lisätiedot

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään

Lisätiedot

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu.

Analyysi 1. Harjoituksia lukuihin 1 3 / Syksy Osoita täsmällisesti perustellen, että joukko A = x 4 ei ole ylhäältä rajoitettu. Analyysi Harjoituksia lukuihin 3 / Syksy 204. Osoita täsmällisesti perustellen, että joukko { 2x A = x ]4, [. x 4 ei ole ylhäältä rajoitettu. 2. Anna jokin ylä- ja alaraja joukoille { x( x) A = x ], [,

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

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Pekka Salmi 26. huhtikuuta 2017 Pekka Salmi Hilbertin avaruudet 26. huhtikuuta 2017 1 / 115 Yleistä Opettaja: Pekka Salmi, MA327 Kontaktiopetus ti 1012 (L),

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

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

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

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

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

Lisätiedot

Johdatus topologiaan (4 op)

Johdatus topologiaan (4 op) 180305 Johdatus topologiaan (4 op) Kevät 2009 1. Alkusanat Sana topologia on johdettu kreikan kielen sanoista topos ja logos, jotka merkitsevät paikkaa ja tietoa. Jo 1700-luvun alussa käytettiin latinan

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

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

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

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

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

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

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

Tasainen suppeneminen ja sen sovellukset

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

Lisätiedot

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

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille

Lisätiedot