Hilbertin avaruudet, 5op Hilbert spaces, 5 cr
|
|
- Heikki Väänänen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Hilbertin avaruudet, 5op Hilbert spaces, 5 cr Pekka Salmi Pekka Salmi Hilbertin avaruudet / 64
2 Yleistä Opettaja: Pekka Salmi, MA327 Kontaktiopetus ti 1012 (L), ke 810 (L), ma 1214 (H) Suorittaminen A: Koe palautettavat harjoitustehtävät B: Koe Luentokalvot, harjoitustehtävät, ratkaisut yms. tulevat Noppaan Kirjallisuutta: Markus Haase: Functional analysis, An elementary introduction Wikipedia (englanniksi) Vanha luentomoniste: Mikael Lindström: Hilbertin avaruudet Pekka Salmi Hilbertin avaruudet / 64
3 Suoritus laskareiden avulla Harjoitustehtävien ratkaisut palautetaan (selkeässä muodossa). Osa ratkaisuista pisteytetään (tässä huomioidaan myös luettavuus). Pisteytettävät tehtävät valitaan arpomalla. Pisteytetyistä tehtävistä huonoin 1/7 yhdet laskarit jätetään huomioimatta kokonaispisteissä. Pisteet suhteutetaan siten, että laskareista saa 012 pistettä. Kokeesta saa 024 pistettä. Arvosana ja läpipääsy määräytyvät laskaripisteiden ja koepisteiden summan perusteella. Mikäli pelkät koepisteet johtavat parempaan arvosanaan, käytetään sitä lopullisessa arvioinnissa. Pekka Salmi Hilbertin avaruudet / 64
4 Hilbertin avaruuksien sovelluksia Hilbertin avaruudet ja niihin liittyvät käsitteet (erityisesti operaattorit) ovat perustyökaluja monella matematiikan alalla sekä sovelluksissa: 1 Fourier-analyysi 2 osittaisdierentiaaliyhtälöt 3 tilastotiede 4 kvanttimekaniikan matemaattinen muotoilu 5 wavelet pakkausalgoritmit (JPEG 2000) Pekka Salmi Hilbertin avaruudet / 64
5 Sisältö (suunniteltu) Sisätulo (inner product) Ortogonaaliprojektio äärellisulotteiselle avaruudelle (orthogonal projection onto a nite-dimensional subspace) Metriikka ja täydellisyys (metric and completeness) Hilbertin avaruudet (Hilbert spaces) Ortogonaaliprojektio (orthogonal projection) Ortonormaali kanta (orthonormal basis) Banachin avaruudet (Banach spaces) L p avaruudet (L p spaces) Hilbertin avaruuden operaattoreista (operators on Hilbert spaces) Fourier-sarjoista (Fourier series) Pekka Salmi Hilbertin avaruudet / 64
6 Johdanto: Euklidiset avaruudet Euklidinen avaruus R n = { (x 1, x 2,..., x n ) x 1, x 2,..., x n R } on n-ulotteinen reaalikertoiminen vektoriavaruus, joka on varustettu pistetulolla (sisätulolla) x y = x 1 y 1 + x 2 y x n y n missä x = (x 1, x 2,..., x n ), y = (y 1, y 2,..., y n ) R n. Pekka Salmi Hilbertin avaruudet / 64
7 Vektorin pituus R n :ssä Pistetulo määrää vektorin pituuden x = x x = ja siten pisteiden välisen etäisyyden x x x 2 n d(x, y) = x y. y x y x x 2 x x 1 Kuvassa x = x x 2 2 ja x y = (x 1 y 1 ) 2 + (x 2 y 2 ) 2. Pekka Salmi Hilbertin avaruudet / 64
8 Pistetulon geometrinen tulkinta Pistetulo määrää vektoreiden välisen kulman α: x y = x y cos α = cos α = y x y x y. x α y cos α = x y x Esityisesti jos x ja y ovat samansuuntaisia niin x y = x y ja jos ne ovat vastakkaissuuntaisia niin x y = x y. Kaikille vektoreille pätee CauchySchwarzin epäyhtälö: x y x y. Pekka Salmi Hilbertin avaruudet / 64
9 Vektoriavaruus = lineaarinen avaruus Tällä kurssilla skalaarikunta K on joko reaalilukujen kunta R tai kompleksilukujen kunta C. Vektoriavaruus kunnan K yli (eli K-kertoiminen vektoriavaruus) on joukko X jolla on määritelty vektoreiden yhteenlasku ja vektoreiden kertominen skalaarilla (x, y) x + y : X X X (λ, x) λx : K X X ja laskutoimitukset toteuttavat lineaarialgebrasta tutut säännöt. Pekka Salmi Hilbertin avaruudet / 64
10 Sisätulo Määritelmä 1. Olkoon X vektoriavaruus K:n yli (K = C tai = R). Kuvaus (x, y) (x y) : X X K on sisätulo jos kaikilla x, y, z X ja λ K pätee (S1) (S2) (S3) (S4) (S5) (x y) = (y x) (symmetrisyys) (x x) 0 (positiivisuus) (x x) = 0 x = 0 (deniittisyys) (x + y z) = (x z) + (y z) (λx y) = λ(x y). Vektoriavaruutta X, joka on varustettu sisätulolla, kutsutaan sisätuloavaruudeksi. Pekka Salmi Hilbertin avaruudet / 64
11 Lisää laskusääntöjä Sisätulon ominaisuuksista (S1), (S4) ja (S5) saadaan seuraavat laskusäännöt. Lemma 1. Kaikilla x, y, z X ja λ K pätee (1) (2) (x y + z) = (x y) + (x z) (x λy) = λ(x y). Pekka Salmi Hilbertin avaruudet / 64
12 Esimerkki: Euklidiset avaruudet Euklidinen avaruus R n on reaalikertoiminen sisätuloavaruus, missä sisätulo on tuttu pistetulo: (x y) = x y = n x k y k x, y R n. k=1 Toisaalta C n on kompleksikertoiminen sisätuloavaruus sisätulon n (x y) = x k y k k=1 x, y C n suhteen. Huomaa että tällöin vektorin y C n jokaiseen koordinaattiin y k, k = 1, 2,..., n, täytyy käyttää kompleksikonjugointia (muuten sisätulon ehdot eivät toteudu). Pekka Salmi Hilbertin avaruudet / 64
13 R n :n ja C n :n sisätulot yhteensopivia Edellä määritellyt sisätulot ovat yhteensopivia: koska R C, niin vektorit x, y R n voidaan tulkita avaruuden C n vektoreiksi ja tällöin sillä jokainen y k R. (x y) = n x k y k = k=1 n x k y k k=1 Täten kaava n (x y) = x k y k, x, y K n k=1 antaa sisätulon avaruudessa K n, riippumatta siitä onko K = C vai K = R. Pekka Salmi Hilbertin avaruudet / 64
14 Ääretönulotteinen esimerkki Olkoon l 2 = l 2 K = { (x k) k=1 x k K kaikilla k = 1, 2,... ja k=1 x k 2 < }. Siis l 2 koostuu kaikista sellaisista K-kertoimisista jonoista x = (x 1, x 2, x 3,...), jotka ovat neliösummautuvia eli x k 2 = x x <. k=1 Avaruuden l 2 sisätulo määritellään kaavalla (x y) = x k y k x, y l 2. k=1 Tämä on avaruuden K n ääretönulotteinen vastine. Pekka Salmi Hilbertin avaruudet / 64
15 Avaruuden l 2 sisätulo Miten tarkistetaan että edellä ollut määritelmä todella antaa sisätulon avaruudelle l 2? 1 Tarkistetaan että sisätulo on hyvin määritelty eli (x y) K kaikilla x, y l 2. 2 Tarkistetaan sisätulon ominaisuudet (S1) (S5). Pekka Salmi Hilbertin avaruudet / 64
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),
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
Kertausta: avaruuden R n vektoreiden pistetulo
Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2014 164/246 Kertausta:
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
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:
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
802320A LINEAARIALGEBRA OSA II/PART II
802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2019 LINEAARIALGEBRA 1 / 69 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.
802320A LINEAARIALGEBRA OSA II/PART II
802320A LINEAARIALGEBRA OSA II/PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 LINEAARIALGEBRA 1 / 67 Sisätuloavaruus/Inner product space Määritelmä 1 Olkoon V reaalinen vektoriavaruus.
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..............
Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin
1 / 14 Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä
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
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
802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II
802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2017 Contents 1 Sisätulo- ja normiavaruudet 2 1.1 Sisätuloavaruus/Inner product space..............
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
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
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
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
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
HILBERTIN AVARUUKSISTA
HILBERTIN AVARUUKSISTA Pro gradu -tutkielma Hannariikka Lehtiniemi Matematiikan ja tilastotieteen laitos Jyväskylän yliopisto syksy 2014 TIIVISTELMÄ Ääretönulotteiset avaruudet ovat monilta ominaisuuksiltaan
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:.
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
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
Sisätuloavaruudet. 4. lokakuuta 2006
Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä
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
Funktiot ja raja-arvo P, 5op
Funktiot ja raja-arvo 800119P, 5op Pekka Salmi 15. syyskuuta 2017 Pekka Salmi FUNK 15. syyskuuta 2017 1 / 122 Yleistä Luennot: ke 810, to 1214 (ensi viikosta lähtien) Luennoitsija: Pekka Salmi, MA327 Laskupäivä:
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
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
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
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,
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,
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
LINEAARIALGEBRA. Harjoituksia/Exercises 2019 Valittuja ratkaisuja/selected solutions
LINEAARIALGEBRA Harjoituksia/Exercises 2019 Valittuja ratkaisuja/selected solutions 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n )
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,
Laskutoimitusten operaattorinormeista
Laskutoimitusten operaattorinormeista Rami Luisto 27. tammikuuta 2012 Tiivistelmä Tässä kirjoitelmassa määrittelemme vektoriavaruuksien väliselle lineaarikuvaukselle normin ja laskemme sen eksplisiittisesti
Vektorit, suorat ja tasot
, suorat ja tasot 1 / 22 Koulussa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä (x 1, x 2 ). Jos vektorin
LINEAARIALGEBRA. Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions
LINEAARIALGEBRA Harjoituksia/Exercises 2017 Valittuja ratkaisuja/selected solutions 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n )
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
Ominaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68
SISÄLTÖ Sisältö pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus 0-1 2 Sisätuloavaruus 0-20 3 Lineaarikuvaus 0-41 4 Ominaisarvo 0-68 5 Esimerkkejä 0-88 1. Lineaariavaruus eli V 1 Lineaariavaruus
Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti
14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on
LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF
LINEAARIALGEBRA 83A 6 EDITED BY T.M. FROM THE NOTES OF TOMI ALASTE SISÄLTÖ Sisältö Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus 3 Lineaarikuvaus 4 Ominaisarvo 34 5 Esimerkkejä 44 . Lineaariavaruus
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
802120P Matriisilaskenta (5 op)
802120P Matriisilaskenta (5 op) Tero Vedenjuoksu Matemaattiset tieteet Syksy 2015 1 / 159 Luennoitsija: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi M321 Kurssilla käytetään Noppaa (noppa.oulu.fi) sekäoptimaa
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.
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
5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
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
Pistetulo eli skalaaritulo
Pistetulo eli skalaaritulo VEKTORIT, MAA4 Pistetulo on kahden vektorin välinen tulo. Tarkastellaan ensin kahden vektorin välistä kulmaa. Vektorien a ja, kun a 0, välinen kulma on (kuva) kovera kun a vektorit
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)
FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto
FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.
1 Ominaisarvot ja ominaisvektorit
1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin
Lineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 29.5.2013 HY / Avoin yliopisto Jokke Häsä, 1/26 Kertausta: Kanta Määritelmä Oletetaan, että w 1, w 2,..., w k W. Vektorijono ( w 1, w 2,..., w k ) on aliavaruuden
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.
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
1 Käytännön järjestelyt
1 Käytännön järjestelyt Kurssin suorittaminen Tentti Laskuharjoitustehtävät (alustavasti 40%) ja kaksi välikoetta (alustavasti 60%). Suositeltu suoritustapa. Kurssimateriaali Luentomoniste. Saatavilla
Johdatus matematiikkaan
Johdatus matematiikkaan Luento 6 Mikko Salo 6.9.2017 Sisältö 1. Kompleksitaso 2. Joukko-oppia Kompleksiluvut Edellisellä luennolla huomattiin, että toisen asteen yhtälö ratkeaa aina, jos ratkaisujen annetaan
MS-C1540 Euklidiset avaruudet
MS-C1540 Euklidiset avaruudet MS-C1540 Euklidiset avaruudet III-periodi, kevät 2016 Pekka Alestalo Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu 1 / 30 Euklidiset
i=1 Näistä on helppo näyttää ominaisuudet (1)-(4). Ellei toisin mainita, käytetään R n :ssä
Kurssimateriaalia K3/P3-kursille syksyllä 003. 8.0.003 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni.. Normi
Ortogonaalisen kannan etsiminen
Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,
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
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
Talousmatematiikan perusteet: Luento 8. Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo
Talousmatematiikan perusteet: Luento 8 Vektoreista ja matriiseista Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo Motivointi Esim. Herkkumatikka maksaa 50 /kg. Paljonko
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
MS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Käytännön asiat Jonot Sarjat 1.1 Opettajat luennoitsija Riikka Korte
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,
ja jäännösluokkien joukkoa
3. Polynomien jäännösluokkarenkaat Olkoon F kunta, ja olkoon m F[x]. Polynomeille f, g F [x] määritellään kongruenssi(-relaatio) asettamalla g f mod m : m g f g = f + m h jollekin h F [x]. Kongruenssi
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot
MS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia
Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia Voidaan osoittaa, että avaruuden R n vektoreilla voidaan laskea tuttujen laskusääntöjen mukaan. Huom. Lause tarkoittaa väitettä, joka voidaan perustella
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
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.)
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
Insinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö
1 Käytännön järjestelyt
1 Käytännön järjestelyt Kurssin suorittaminen Tentti Laskuharjoitustehtävät (alustavasti 40%) ja kaksi välikoetta (alustavasti 60%). Suositeltu suoritustapa. Kurssimateriaali Luentomoniste. Saatavilla
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
Johdatus lineaarialgebraan
Johdatus lineaarialgebraan Osa II Lotta Oinonen, Johanna Rämö 28. lokakuuta 2014 Helsingin yliopisto Matematiikan ja tilastotieteen laitos Sisältö 15 Vektoriavaruus....................................
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
=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)
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
Yleiset lineaarimuunnokset
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kari Tuominen Yleiset lineaarimuunnokset Matematiikan ja tilastotieteen laitos Matematiikka Toukokuu 29 Tampereen yliopisto Matematiikan ja tilastotieteen laitos
Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218
Lineaarialgebra ja matriisilaskenta I LM1, Kesä 2012 1/218 Avaruuden R 2 vektorit Määritelmä (eli sopimus) Avaruus R 2 on kaikkien reaalilukuparien joukko; toisin sanottuna R 2 = { (a, b) a R ja b R }.
Lineaarialgebra ja matriisilaskenta I
Lineaarialgebra ja matriisilaskenta I 13.6.2013 HY / Avoin yliopisto Jokke Häsä, 1/12 Käytännön asioita Kesäkuun tentti: ke 19.6. klo 17-20, päärakennuksen sali 1. Anna palautetta kurssisivulle ilmestyvällä
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
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
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
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
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
Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.
HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2016 Harjoitus 3 Ratkaisut palautettava viimeistään maanantaina 29.8.2016 klo 13.15. Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä
1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut
ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen
Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja
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)
Talousmatematiikan perusteet: Luento 9
Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden
Matematiikka kaikille, kesä 2017
Matematiikka kaikille, kesä 2017 Luentojen 2,4 ja 6 luentokalvoja (päivittyy kurssin aikana) Henrik Wirzenius, henrik.wirzenius@helsinki.fi, June 21, 2017 1/30 Matematiikan perusteita (joukko-oppi) Kurssin
Lineaarialgebra MATH.1040 / voima
Lineaarialgebra MATH.1040 / voima 1 Seuraavaksi määrittelemme kaksi vektoreille määriteltyä tuloa; pistetulo ja. Määritelmät ja erilaiset tulojen ominaisuudet saattavat tuntua, sekavalta kokonaisuudelta.
Kompaktien operaattoreiden spektraaliteoriasta
Kompaktien operaattoreiden spektraaliteoriasta Lauri Horttanainen Matematiikan Pro Gradu -tutkielma Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 2008 Sisältö Johdanto 2 1. Sisätuloavaruuden
Konformigeometriaa. 5. maaliskuuta 2006
Konformigeometriaa 5. maaliskuuta 006 1 Sisältö 1 Konformigeometria 1.1 Viivan esitys stereograasena projektiona............ 1. Euklidisen avaruuden konformaalinen malli........... 4 Konformikuvaukset
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
1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.
ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen
Differentiaalimuodot
LUKU 2 Differentiaalimuodot Olkoot A R n ja p A. Vektori pisteessä p on pari (p; v), missä v R n. Pisteeseen p kiinnitetyn vektorin v p := (p; v) ensimmäinen komponentti p on vektorin v p paikkaosa ja
(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